Álgebra Lineal Con Aplicaciones PDF

HARA JOT Fi Cee FREER EHEEAEE HEE ~ Algebra Lineal con Aplicaciones George Nakos US. Naval Academy David JoynerISBN 0-534-95526-6 Algebra lineal con aplicaciones ISBN 968-7529-86-5 Derechos reservados respecto a la edicién en espaol ‘© 1999 por International Thomson Editores, S. A. de C. V. IGP frternational Thomson Editores, S. A. de C. V. es una empress «de International Thomson Publishing. La marca registrada ITP se usa bajo licencia México y Amériea Central América del Sur Séneca 33, Colonia Polanco el. G4-11)1325-2236 México, DF. 11560 = Fan G4-11)8328-1829 Tel, (525) 281-2906 ~ “sdeluque@ba.net Fax (525) 281-2656 ‘Buenos Ares, ARGENTINA ctientes@mail internet. com.mx MEXICO Espata Tel. G491) 446-3350 E1Caribe Fax (491) 445.6218 Tel. (987) 758-7580 itesparaninfopedidos@mad servicom.es Fax (787) 758-7573 ‘Madrid, ESPANA 102154.1127@compuserve.com Hato Rey, PUERTO RICO Traduccién Ing. Virgilo Gonzalez Pozo Traductor profesional Revisién técnica ‘Ana Elizabeth Garcia Hernandez Escuela Superior de Ingenieria Quimica e Industrias Extractivas (ESIQIE) Instituto Politécnico Nacional (IPN) Director editorial y de produccin: Migue! Angel Toledo Castellanos Raitora de desarrollo: Leticia Medina Viai ator de produccién: René Garay Argueta Corrector de estilo: Martha Alvarado ipograia ins Mendoza Dineho de portada; Publicidad Williams-Lazarov Lecturas: Martha Alvarado y Caros Zien 987654321 evn Queda prohibida la reproduce otransmisin total o parcial det esto dela ress cobra bajo cualesquiera formas, Geetfomiea o mecanica, incluyendo el fotocopiado, el almacenamienfo. en algin sistem de recuperacién de itormacion, 0 el grabado, sin el consentimiento previo y por eserito del editor. “Alfrighs reserved. No part ofthis work covered by the coppright hereon ma, be reproduced or used in any form or fy any means —grophic, electronic, or mechanical, including photocopying recording, taping or information Pr rage end retrieval systems without the writen permission ofthe publisher. Impreso en México Printed in Mexico| Sistemas lineales Tii has ordenado todo en medida, en mimero y en peso Sabiduria de Salomén, Capitulo 11, Versiculo 20 Introduccién M serebicen al problema de ese un stems neal ane ce cn decsorsistemases muy anigu,somolademuetcelrlonscelaean ie Arutmedes (ue se estar en seein 15) Veamor us plone onde hae ssenm neal dl ques euparon ie mates dem eke ne sede nascent Fibonacci ‘Nuestra historia es acerca de Leonardo Pisano, matemstio italiano (cerca 1175-1250 4), ‘cjor conocido como Fibonacei. Durante sus viajes, aprendis la “mueva aritmeética” arabe, ave después present al Occidente en su famoso libro Liber abaci. Dice la leyenda que el emperador Federico I de Sicilia invita Fibonacci y a otros sabios a paricipar en una especie de torneo de matemiéticas, en el que se plantearon varios problemas. Uno de ellos ere el siguiente: Tres hombres poseen una sola pila de monedas, sus partes son &, | y !. Cada 1 toma algo de dinero dela pila hasta que no queda nada £1 primer) repre, sa } de lo que tome, el segundo + y el tercero Cuando el total rintegrade oe divide por igual entre los tes se descubre que Cada uno posee lo que le corres onde, R, (Esealamiento) Multiplique un renglén por una constante distinta de cero. [eR, > R, (Intereambio) Intercambie dos renglones. [RO R,8 Capitulo 1M Sistemas tineales WEJEMPLO 9 Resuelva por climinacién el sistema Bay = 3 2x) + 3m ~ 2s =~ 10 =m FOND SOWCION Se tiene sti = bra: -3 Dey de = o | 23-25 -0 -y Foy “10 6 9 Al multiplicar fa primera ecuacién por -2 y al sumarla a la segunda, se eliminari x, de esta tikima, Cuando se suma la primera ecuaci6n a la tercera también se elimina x, de la tereera, ‘Todo esto puede abreviarse con Ey ~2E,—> Ey.y Ey +E, > £, otambien por R:~ 28, — R. y con Ry + Ry > Ry en la matriz aumentada, —3 12 0:53 =-4 9 [O -1 22-4 6 0 2 6: 6 2h) Reena Pera despejar x; de la tercera ecuacién se lleva a cabo Ex ‘matriz aumentada) Bi sistema tomé la forma de escal6n, Empezamos por abajo y conforme ascendamos, se des- pejarin las incognitas arriba de las variables delanteras de cada ecuacidn (suisttwetén hacia tris), Para eliminar sy de la segunda ecuacién, se suma Ey + Ey F340 Ry = Rx Red xy + 2x 1020: 3 * ~6 o jo -10: ~6 de Para eliminar x; de la primera ecuacién se suma Ey * 2B) —9 £\ (0 Ry + * 15 1 00: 15 ey 6 o |o -10: ~6 dy = 2 o 02: -2 Por iimo, con 4, E40 $ Ry 9 Ro, ¥ CIE 2 E50 (DR: Rs) Se obtiene * =-15 pee: 15) nm = 6 o foro: 6 oor: -1f Por consiguiente. x, = —15.a; = 6 v.44 =—1 es la jnica solucién del sistema1.1 Mi nvoduccién alos sistemas tineales MEJEMPLO 10. Resuelva el sistema xty- 2s 4 + yt3r2 9 axtays 2=11 SOLUCION Trabajamos con Is matriz aumentada para obtener bans Lose 4 ai meme] [3 #) 2 ten BOMB BT Ty 0 5: -5| 13 4] oO? ti a] eae 00 Bs ae basa a] piso: orton [Rese] [ors a] oo 1 3 sees oot ) pee i : oo: oR] foro: 2) fe=mam] foro: 2 Slo os 3 loois3 Por tanto, x La solucién geomévrica es el punto P(1.2, 3), que es la figura de los tres planos definidos por las ecuaciones del sistema (Figura 1.2), Figura 1.2 Solamente una solucién: tres planos se intersecan en un punto,10 Capitulo 1 Sistemas lineates JSoluciones infinitas) Resuelva el sistema EJEMPLO 1) sty 254 Det Sy +2229 xtay+Te=6 SOWUCION Aplicando las operaciones elementales de renglén en la matriz aumentada del 10-32 oo 0 ee primeras ecuaciones, De esta manera, la solucién general es xy = 9r 42 mecdrst ER Eneste caso, la interseccin de los panos definidos por las respeetivas ecuaciones es wi tinea recta (figura 1.3). (Las lineas rectas se estudiaran en el capitulo 2.) — Figura 1.3 Los tres planos tienen una tinea comin,1.1 ME Introduceién a los sistemas lineal: n MEJEMPLO 12 {Sin soluciones) Resuelv 5 El iltimo renglén corresponde a Ia ecuacién falsa Ox, = 5. En eonsecuencia, el Los tres casos graficos de un sistema inconsistente de tre variables son (figura 1.4): 1. Tres planos paralelos entre si 2. Dos planos paraletos, intersecados por el tercero 3. Tres planos que se intersecan, pero sin interseccién comin a los tres. Figura 1.4 No hay soluciones. WEJEMPLO 13. (Empaquetamiento de libros) A una slumma se le asigna una nueva re ccémara. Al empacar sus libros, observa que si coloca 7 libros en cada caja, dejara uno fuera, Por otro lado, si pone 8 libros en cada caja, entonces la altima caja sélo contiene un libro. {{Cudintos libros y cusintas cajas hay? SOLUCION Sean. cantidad de libros y ya canidad de cas. Entoncesenel primer caso = 1, yenel segundo $y =x +7, Al resolver este sistema de dos ecuaciones se obtiene ST libros y y= 8 cajas.12 Capitulo 1m sistemas tneates Sistemas lineales con sistemas algebraicos computacionales Maple 1, Dexrys-3} fxg) solve ({Sex+20 te MATLAB (Symbolic Toolbox} >> solve(*BextZeyet”, 2ex-ye-3?) x= 5/7, y= AN/T Ejercicios 1.1 Ecuaciones lineates Para los ejercicios 1 4 considere las siguientes ecuaciones: (a) &x-5-x= 24245 () 2 tay ty (ltxtytz=1 (detytie le) xtyte yee tyowee xy 1. Diga si cada ceuscién es lineal 0 no Fines. Sie lineal, determine si es homogénea 9 no homogénea 2, Para cada sistema lineal, escriba sus coecientes, su térmi= so constante y su eouacién homagénea asociada, 3. Para cada couacin lineal, ordene sus variables y diga cual ‘ela variable delantera y cusles son las vatiables libres. 4. Paracada ceuscién lineal determine, sies posible, lasolucisn eneraly dos soluciones particulares. 5 Coles de os pumas P2, 3,0), 0°2 5. {Cuales de Tos puntos PU, ty 1 =) ou tne = 1-2) y Std, 4,2) estan en el plano definide por li eetacion ey ” 10,062, 5.39, 84.4. 10) S(O, 0,0) estan ene ano defini poy fa Pevacion Den Tytz=10 . Encuentre todos los valores deo, tales que cada una de tas siuientes ecuaciones tenga (@) Exactamente una solucién (i) Soluciones infinitas. Gi) Ninguna solueion aa 2eteta bi@-aens ce (@-ae=0 dan aya 30 y CCateule todas ls valores reales de a tales que cada una de las ecuaciones de abgjo tenga(4) Infintas soluciones (Gi) Ninguna solucién, a aiis+y)—x-y-atl=0 baxty)-x-y-ati=0 Sistemas tineales 9. Replantee el sistema lineal en la forma canénica, zetati=o Det dwa2=x n2en at Bw = 3 yeettawes Determine a. La matriz de coeficientes 'b. El vector de constantes. . Lamatriz aumentads 4. El sistema homogéneo asociado, 10, Aplique Ia sustitucin ha rs para resolver el sistema stint tay ead 25 thy = 2 4-2 ° 11, Emploe ta sustitucién hacia atras para solucionar el siste- ‘ma homogéneo asoeiado con el sistema del gjercicio 10. 12, Sea r-ro1as a M=|0 0 0 0 Lo 0 0-2 0 no a, Escriba un sistema euya matriz aumentada sea M. ', Eneuentre el sistema homogéneo asociado con el iste rma lineal dela parte (3, ‘c. Aplique a Muna operaciOn elemental de englén para {que la matriz resutante corresponds a un sistema en forma de escalén, 13. Determine la solucién general del sistema cuya matriz au rmentada sea la matriz M, definida en el ejercicio 12, 14, Caleule a solucion general del sistema homogéneoasoci do al del ejercicio 13. 15, Encuentre la interseccién de las rectas y + x= I yy—2s= 16, Determine Ia interseecién de las rectas 2y— 3x" Sy ye de= 20, 1.1 WE introduccién a ios sistemas tineales. 13 17. Sin resolver realmente los sistemas, demuestre que son equivalentes. xoytae ae t2y-3e=-2 saet ays a= nd aenaytae= 4 Det y= 2 Sy-har=—2 En los ejerccios 18 #28 determine los sistemas consistentes y caleule sus soluciones generales 2m yte at y Bet Ty 422 DL det yt3e= 15 metay- 25-5 tay tre= 9 2 -xt3y-B=-17 ny “ our y-Re 1 BB oxty-3e=2 suety+ 256 Mott: mero je 25. byt aw xt yok 6 wet yttemwag 26, x+y z~ we 0 axt yhae 2x + 6y + 22 ~ Iw. xt yet years ztwel xtwol wet yet yt2el ztwel yrwel14 Capitulo 1 ml Sistemas tineales 29, Result el vio problema chino deserito en la seceidn | Fn los ejereicios 30 a 34, utilice las matrices aumentadas que apareeen a su f-r-1 14 Poi-ta par 3 = 3a f-1 3-1 37 ae] 6 2 31 38, Desneje @del sistema sen 8 ~ 4c0s8 = 4 sen 0 Aco 36, Dospeje 8 de! sistema 2seno+ vitne= 2y2 4 sen 9 ~ 3V2tand =~ V2 37. Considere al sistema homogéneo aye + by = 0 aux + by = 0 44, Demuestre que siv= ty yy"=ynesuna solucidn para ese sistema, tambign lo es = At, = ky para cualquier & by, Comprucbe que six=x).y=35 ¥ #*23."= 3 90m dos soluciones entonces también foes ¥= 2) 23,9 ity Para ls ejtcicios 38 y 39 considere el sistema BK, Sea ibs ~ byes #0, Demuestre que a. El sistema tiene exaetamente una solucién, Cleule eta ». El sistema homogéneo asaciado tiene sie Ia solueién trivial 39, Sea ayhs hus = 0. Demuestre que 4 Elsistema tiene un nimerico infinto de saluciones © no las tiene. b, Elsistema homogéneo asociado tiene soluciones noth viales Aplicaciones 40. Pedro y Paula comienzan un jucgo de bétsbol con bara, yada uno tiene la misma canidad de carta, Durante lap ‘mera ronda Pedro gané 20 eartas, pero durante la segunda perdié 2 de tas que teniaa comenzar Al final de la segun: de 1.2. Eliminacion de Gauss sh. 1.2 WE Bliminacion de Gauss 15 su velocidad anterior durante el resto del camino y por eso lego 1 hora y 3 minutos tarde al trabajo. Si elaccidente hu bieraocurtido 1S mills mis adelante, el autor hubiera e- {gado 27 minutos mas emprano., que distancia cesta bajo vive el autor? :Cusl es su velocidad normal? Dostbotes de vela salen de Annapolisen horas dist, to aque les da una separacién de 4 mila, y tienen el mismo destin y la misme velocidad. Después de media hora de haber slid cl segundo, el viento e calm bastante. Esto desaelea alos botes, ue ahora vigan a des veloc 4d anterior El segundo bot llega a su destino 45 mina tos después de ahora predicha, El primer bote sso ees 35 minutos tarde, ;Cual es la distancia reorrda por los iotes? Qdjetivos del alumno para esta seccién 1. Reconocer tuna matriz en fa forma renglén escalén y renglén escalén reducida 2. Aprender el proceso de eliminacién de Gauss. ‘Ahora examinaremos con mis detalle el método que usamos pata resolver Ios sistemas lineales. Se lama eliminacién de Gauss,’ aunque data de una época anterior a Gauss. De hecho, ‘8 us6 para resolver el sistema en el viejo libro chino citado en la seccidn 1.1. También describiremos una variante, la eliminacidn de Gauss-Jordan Forma de renglén escalén; eliminacién de Gauss Las matrices se describen con detalle en el capitulo 3. En este parrafo solo presentaremos la notacién necesaria para resolver con eficiencia los sistemas lineales. ‘Una matriz es un arreglo u ordenacion rectangular de niimeros, Ilamados elementos + Los renglones de una matriz se numeran de arriba abajo, y las columnas de izquierda 2 derecha. Asi, cuando decimos iltima columna nos referimos a la columna de la derecha. Los ele- ‘mentos se numeran de acuerdo con su posicidn (renglén, columna), Si unsa matriz tiene m renglones y m columnas, sé llama tamafio de m % n. 2 Ambos ejercicios estin inspirados en un problema planteado por Sam Loyd, uno de los mejores re- actores de rompecabezas y problemas de ajedrez de todos los tiempos, > Karl Friedrich Gauss (1777-1855) se considera como uno de los mis grandes matemiéticos de todos tos tiempos, Nacié en Alemania y Tu nto prodigio. A los 18 aos forms un poligono regular de 17 lados con regla y compas, resolviendo un problema de 2 000 aos de antigiedad, EscribiS| Disquisitiones Arithmericae, otra maestra en la teoria de los nimeras, ¥demostr el teorena funda imental del dlgebra. En su época, se le lamaba principe de los matemticos 4 N.del Con frecuencia se les llama también “entradas”16 Capitulo 1m Sistemas lineales A continuacién se presentan M, Ny P, que son matrices: My N som de tamaio 3 % 4. pero el tamaito de P es de 2 x3. Fl elemento (2, 3) de Pes I. El elemento (1, 2) de Nes ~6. 1 1-6 02 M=| 0 N=|0 014 ° 0 000 El renglén cero de una matriz sélo incluye ceros, Un renglén no cero tiene cuando menos un elemento distinto de cero. De la misma forma se puede hablar de colummus cero y no cero. El primer elemento no cero de un renglon no cera se llama elemento delantero, 0 ele- ‘mento capital. Si sucede que el elemento delantero es 1, se le lama I delantero, Para la matriz.M es valido lo siguiente: sus primeros dos renglones son no cero. El ter cero es cero. Sus elementos delanteros son —1 y ~3. Su segunda columna es cero. Las dems son no cero. Observe que ninguno de los elementos delanteros de Mf son 1. En contraste, todos Ios elementos delanteros de N son I DEFINICION (Forma de renglén escalén} Una matriz puede tener las siguientes propiedades: 1. Todos fos renglones cero estin en la parte inferior de la matviz 2. Elelemento delantero de cada renglén no cero después del primero se presenta a la derecha del elemento delantero del renglén anterior 3. El elemento delantero de cualquier renglén no cero es 4. Tados los elementos en ta columna arriba y debajo de un I delantero son cer Si una matriz stisface las dos primeras condiciones se dice que esté en forma de ren- glén escalén, o simplemente en forma de escalén. Si una matriz satisface las cuatro condiciones se dice que est en forma reducida de renglén esealén (0 tan slo que esté en forma de escalén reducida). Una matriz en forma de escalén reducida siempre esta en forma de escalén. Las matrices M y N estén en forma de escalén. Nademds esti en forma de escalén reducida. M no lo esté, porque la condici6n 3 ‘no se satisface. La matriz P tampoco lo esta, por- {que no tiene la propiedad 2, Para estudiar otros ejemplos, sean A,B. D. F. Gy Hestan en forma de escalén, porque se satisfacen las dos primeras condiciones, De ellas, 4, B, Dy F estin en forma de escal6n reducida por tener las cuatro propieda-DEFINICION 1.2. W Bliminacion de Gauss 17 des. Pero Gy H no lo estin, Para G, la condicin 4 no se cumple. H no tiene la propiedad 3. Cy Eno estin en a forma de escalén. Para C alla la condicién 2. Para E falla a condicion 1 (Matrices equivatentes) ‘Dos matrices son equivalentes (de renglén) si una puede obtenerse de la otra mediante luna sucesién finita de operaciones elementales de renglén. A veces se usa la notacian AnB para indicar “la matriz A es equivalente a 2" MEJEMPLO 14 son equivalentes, porque 2 AEE] [ 03 11 Se dice que una matriz se converte (0 reduce) ala forma escalin (reductda) si es equivalente a une matriz en Is forma de escalin (reducida), ‘JEMPLO 15 Demuestre que la mattiz siguiente se convierte a la forma de escalbn res ducida 1 100 0 3310-1 221100 SOLUCION Estose comprueba usando la sueesin de operaciones elementalesderenglin siguientes 1100 0 ooo -~4 10 ord oO 0 0 on 14 La ikima matriz esté en forma de escalinreducida oo EI método de solucién en el ejemplo 15 es un caso especial del siguiente e importante algoritmo (proceso) que nos permite teducir cualquier matriz ala forma de escaldn,o a forma de escalén reducida,18 Capitulo 1 Ml Sistemas ineates Algoritmo 1 [ttminacon ‘de Gauss} Para convert cualquier matriz ala forma de escalén reducida, proceda con los pasos si guientes: Paso |. Vaya a la columna no cero extrema izquierda, Paso 2. Siel primer renglin tiene un cero en la columma del paso 1. intercimbiela con uno. que tenga un elemento no cero en la misma columna Paso 3. Obtenga ceros abajo del elemento delantero, sumando miiltiplos adecuados det renglin superior a fos renglones debajo de él Paso 4. Cubra el renglén superior y repita el mismo proceso comenzando con el paso 1 aplicado a la submatriz restante. Repita este proceso con el resto de las renglones, (En este punto la matriz ya esta en forma de escalén.) | Paso 5. Comenzando con el tiltimo renglén no cero, avance hacia arriba: para se _glén obtenga un I delantero e introduzca ceros arriba de él, sumando nvitiplos adecuados a los renglones correspondientes. El ejemplo que sigue ilustra este proceso. WEJEMPLO 16 Emplec la climinacién de Gauss para determinar una forma de escalén re- dcida de ta matriz, 0 3-6 -4 -3 -5 -1 3-10 -4 -4 2 4-90 34 00 1 21 2-6 0 2 8 -8 SOLUCION Paso I. Vaya a Ja columna extrema izquierda no cero: en este caso es la primera Paso 2. Si el primer renglén tiene un cero en la columna del paso I. intercimbielo con uno que tenga un elemento no cero en ta misma columna. <1 3 -W -4 -4 -2 0 3 ~6 -4 -3 -5 4-9 M0 1-2 2-6 2 2 8 -8 Paso 3. Obtenga ceros abajo del elemento delantero, sumando miltiplos adecuados del pri- ‘mer renglén a los que estin por debaja de éste RoR <1 3-0-4 -4 2 [Ry +4R,— || 0 3 -6 -4 -3 -5 [Ry +2R—R|| 0 3 68 16 -15 29 00 0 6 0-2 aso 4. Cubra el renglin superior y epita el mismo proceso, comenzando.con el paso I apli ado a ta submatriz restante, Haga lo mismo con el resto de los renglones “13-10-40 -4 2 6-4 3-5 -6 -16 -15 -29 0-6 9 -21.2. Ml Bliminacién de Gauss 19 “13-10 -$ =4 =2 R 03 -6 -4 -3 -5 S 00 0 ~12 ~12 ~24 00 0 -6 06 ~12 <1 3-10 -4 -4 -2 Tnoimg]) 93-68 n4 73-5 RT IB— RI] 9 9 9-12 -12 ~24 oo 0 0 6 oO Paso 5. Comenzando con el iltimo renglin distinto de cero, avance hacia arriba: para cada renglén, obtenga un 1 delanteroe introduzea ceros arriba de él, sumando los mittiplos adecuados a los renglones correspondientes “13 = 4-1-2 7 03 6 4 sos B&R 9 0 0-12 -12 -24 Ry + 12Ry— Ry Rt BRR, Raam—n || 00 0 [=a] oo o 1 9 2] [a3 Ry 102 1a A=") 0 0 ie Observaciones 1. Los euatro primeros pasos del algoritmo se llaman paso directo de la eliminacién de Gauss, Convierten la matriz en forma de escaln. El paso 5 es el paso inverso (0 sustitucién hacia atrés), y es donde la matriz se lleva a su forma de escalén reducida 2. Con frecuencia, el algoritmo se describe introduciendo 1 delanteros en el paso 3, con lo gue hay una tendencia a introducir fracciones en una etapa temprana del cdlculo, silos cle- ‘mentos son enteros. Esta variante es la preferida por los programadores en aritmética de punto flotante. Ademas, en el paso 2 el renglén con el elemento no cero de mayor valor20 Capitulo 1m Sistemas tineales absoluto se cambia hasta ariba. A esto se le llama pivoteo parcial y se describe en la seccién 1.3. EI pivoteo parcial ayuda a controlar los errores de redondeo.* 3. A veces conviene obtener | delanteros al final de todo el proceso, Dos cosas que deben evitarse 1. Evitar el cambio del orden de los pasos del algoritma (porque se puede terminar con a Isat inil). Obes ue siguiente aoe redo [ i - « 1-1 0 10-1 o 1 0 3 Tym ( f ] En as pls, prime io eds oo 1 o1 0 la forma de escalén y después aplicar el paso 5. La dnica libertad permitida es al obtener los I delanteros. 2. Combinar varias operaciones elementales en una es une mala pricticn, y puede originar errores. Por ejemplo, operaciones de la forma cR, + dR, +R, y eR, + R,—> R,cone #1 son no elementales, y deben evitarse. La operacién correcta es R, + eR, -» R,, En otras palabras, el renglén que se sustituye no debe muliplicarse por un excalar ¢ | Unicidad de la forma de escalén reducida: Pivotes La eliminacién de Gauss implica que cada matriz se convierte a la forma de escalén simple ‘ya la reducida. Una matriz puede ser equivalente a varias matrices en forma de escaldn, pero Sélo a una en forma de escaldn reducida. Esta es la afirmacién del siguiente teorema, cuya with(Linalg) > pref (matrix(({1,2,3],(2,2,3],(3,3,3)))): 100 O10 oo1 Mathernatica Inlt}:« RowReduce(({1,2,3),{2,2,3),{3,3,3)] Out [1)= 441, 0, Ob, , 1, OF, , 0, OD MATLAB —_ >> rref([1 23; 223; 33.9)) 1 0 o 1 0 o 0 4 Ejercicios 1.2 Forma de escalén {En os gerccios | 5 ponga cada matriz on una de las siguien- “ [ i] 1. Forma de escalon, pero no forma de escalén reducida, ‘Lio 2 Forma de escalon reducida, 4. Diforente de fa forma de escalon,100 L zaloor ° oo ° “10-1 0 0 -6 ec] oo 1 or 5 oo oo 0 boo 4210 aalot o bloo1roo oo -1 ooo01 roo 4 000 ejoors af|ioo 0000 oot 190-70 4afoo1 80 ooo o1 O18 60-41 nfo ooo 0 *}o 0000 1 ooo000 0 100-10 [obo 80 oot 60 ooo of 60-102 ajoo1 103 oo 014 o 1000 12070 oo001 o1roor Se loo100] Plootoo ooo1o ooore 150-10 oor 90 ©loo00 oF 000 00 40506 ajoo1so4 oooo12 Matrices equivalentes: reduccién con operaciones de rengién 6. Demuestre que cada una de las operaciones elementales de renglén es vversible. En otras palabras, si se usa una opera: «iGn para obtener la matriz 8 a partir de 4, hay una operacin clemental de renglén que invertré el efecto dela primera, transformando Bf de nuevo en 4 1.2 WM Eliminacién de Gauss 27 7. Aproveche el ejercicio 6 para demostrar que SiA~B, eotonces 8 ~ 4 8. Demuestre que SiA~ By B~Centonces = C. 9. Emplee los resultados de los ejercicios 7 y 8 para demos- riot trarlaequivatenciaentre A=] 0 1 -1 fy 123 “10 0 B=] 2 2 31 primerocompruebe que ambas son equi- 3.3 3) 0 0 vateniesa r= {0 1 0 ‘| 0 ' oon 1. ¢Son equivalentes tas dos matrices siguientes? Gag beg 12, Demuestre que as matrices siguientes no son equivalentes. 123 Lo? 4-12 o1 0 13, Compruebe que las matrices siguientes no som equivalentes [01 7] 10. Demuestre que 14, Demuestre que sia — he 0 la forma de escalin reduci ‘ ‘Jai [ee - sere araca= [2 sen® cos 16, Reduze as mais signs a forma de esalbn 0-0 aan efp orf af? 1 es)28 Capitulo 1m Sistemas tneales 17. Caleule dos formas de escalin distntas para cada una de las matrices siguientes. omy + ra roaje riod o = efor nt ba -10 0 1 En los ejercicios 18 a 22 determine la forma de escaln reduc dade cada mati, 1. -2 B 15 “1-40 -3 0 ~6 a. | s 2 1 2 0 4 46 1 4 1 30 mi-1 0 101 Sistemas lineales En fos eetccios 23 233 resuelva ls sistemas de ecuaciones. Box + 2twens xs ptwend xtyt 2tw=-3 me te =? Moom- by + Ty W2ay + 16x ~ 35 ~ 20, 2x) — 16%; + 6x +50 + = 51 Bom + tm t Sy <0 $25) — my ~ 108 = 16 2s + Gry #200) + 465 +25 2% by = wt hyn 2a y= Vx, — Dag ~ 4) ~ Ag = 12 2 x- ytstlw x ot 2x4 2e Wee yt atin xry Bs wed yee, De Fak wens 2y +324 30. 2 2w=6 wend 30 xtyt atwo fat . y - saws pens wos Bo rtyytsetav=o ae ay 3e eh 0 Betsy Seana 0 38 e+ 2y +3 t4w=0 tI 432+ 4w=0 ere Bet 3y +32 + dw a0 Ae tay tae baw =0 34, Resuelvael sistema para x» yz. aty xy ftytese 35. Solucione el sistema para x.y yz, xty =a xy =6 xnyte=01.2. Ml Bliminacién de Gauss 29 536, Dance uetos res de paraloscur sl sitma 44. Lasluin dls cura matic aumentda 4 codicn in mene pd bones como siguca adel oanseo henson sana, cine ata) " 1-1} -b -1 0 0) Oo =27 0 ot Oo oe sone soe no ves, deen sisi In cosién ones no vias o-1 a 1 0 oo indie 2 tana ad be ae[ 8 bak ot io 14 8 8 En ox seteicos 7 #4 ress ls sitemas con las maces oot ia a mendes dds ot ooo 01 baa ra Eno session 4 y sonia seas inet cays mfp 2 023 ates umenads eens sites ferme eo nists on, fe puede elon 2-2-2 ° wigs : resay [ath yoo 8G waloreeg] oleae s ora ooo] *fpeae ot Lebed rade Poo 8 waloooio) w loos fo tnt tt we 20000 9000 Pict o 3 crore bo En los ejercicios 47 y 48, cada renglén de la tabla indica el ta- ant tat acai css pot de ama somes ott Serlgin stoma Qué opna acre dl itema? wf rc ea Too obs a Cantidad ae por bo 3 Tamanho columnas pivote a1 to v3 > ott ie ia : alittle 1 ie ea 3 rite os 3 a) a Canad de 42 Rossi! stems omogéneo deca mac de coe seman conan ge ene eee : a ses 5 123 Vag SxS 4 aj223 bli gt 4x6 4 p33 ped 43. Verifique que los sistemas cuyas matrices aumentadas apa- 49. Demuestre que si el tamaiio de una matriz es m x n, la can- Deiqucans masa " de colina tes menor il orm mero igual to 3 0-6 50. Compete que stema neal cay maiz amen an[$ 1 wom Gad e)exnoniert ences gel cya ate a Late ta 38] tenia [4b] pate er nconstet present un ee sero fin slants a=[2 8-1 608 St. Veiga quesiel tema cya matizaumentad es 2-3 212 (ae) ene solamente na aucon, enone ae Po30 Capitulo! ml Sistemas tineaies sce la matriz aumentada [4 :b] también presenta exacta- . fz 34 En los ejercicios $2 y $3 calcule los valores de a tales que el 213 istemia cuya majriz aumentada se indica tenga (a) exactamente Blis 4 ‘una solucién, (b) infinitas soluciones y (c) ninguna solucién. 12 « aed 0 ff24 1.3 Soluciones numéricas Obdjetivos del alumno para esta secci6n. |. Comprender algunas de las consideraciones numéricas en la solu 2. Ver cémo se resuelven con frecuencia los problemas en la prictica La mayor parte de los sistemas lineales que aparecen en las apliceciones no pueden resolver se. mano, porque en forma caracteristica consisten en cientos o miles de ecuaciones e incég- nitas. Es absolutamente necesario usar computadoras con programas eficientes. Aunque las climinaciones de Gauss y de Gauss-Jordan son métodos muy importantes para resolver un sistema, no siempre son los mas eficientes, aun cuando se use una computadora, En esta seccin describiremos dos métodos nuevos que se usan mucho en la préctica, asi como algunas de las consideraciones numéricas que se presentan en Ja solucién de sistemas perticulares. Primero compararemos nuestros dos métodos de eliminacién. Obsérvese que éstos son directos, lo cual significa que siempre se obtiene la solucién con una cantidad finita de pa- 0s. De hecho, esa cantidad de pasos puede calcularse bien. Eleccién entre las eliminaciones de Gauss y de Gauss-Jordan Ena seccién 1.2 dedicamos un poco mis de tiempo a estidiar la eliminacién de Gauss, mientras que apenas se ilustré la de Gauss-Jordan. La razon es que la de Gauss-Jordan, aunque aparentemente mis eficiente (porque no hay paso hacia atrés), requiere més operaciones aritmné ticas. De hecho, para un sistema de n ecuaciones con m incdgnitas, cuando n es grande, puede -demostrarse que la climinacin de Gauss necesita aproximadamente 27/3 operaciones art- méticas. Por otra parte la climinacién de Gauss-Jordan requiere alrededor de n? operaciones. Son 50% mis operaciones que en la eliminacién de Gauss. Asi, cuando se usa la eliminacién dde Gauss-Jordan para un sistema mediano, digamos de 500 ecuaciones con $00 inedgnitas, se requieren casi 125 millones de operaciones, y slo unas 83 millones con la de Gauss. Es la causa principal por la que se prefiere la eliminacién de Gauss, ‘A pesar de Jo anterior, uno no debe apresurarse a desechar la eliminacién de Gauss- Jordan. De hecho, en el cémputo paralelo moderno, un algoritmo paralelo de Gauss-Jordan es ligeramente mas eficiente que el correspondiente de Gauss,Métodos iterativos Iteracién de Jacobi 1.3 ME Soluciones numéricas M1 Ademis de los métodos directos, también se cuenta con métodos iterativos, en los que se trata jl + [=I]. 51> [1] + (2. y i10) este modo se garantiza que, en este caso, ambas iteraciones convergerin La matriz 402-1 3-52 1-2 10 ‘no es diagonalmente dominante, porque en el segundo renglin {—5| = 5 no es mayor que [B+ 2) Observe que las iteraciones de Jacobi y de Gauss-Seidel pueden converger aun cuando la matriz de coeficientes del sistema no sea diagonalmente dominante (ejercicio 15). A veces, un rearreglo de las ecuaciones dard como resultado una matriz de coefivien- tes diagonalmente dominante. Por ejemplo, el sistema w+ 4y- 2 xn Sy + 22 x- ly +102a Capitulo t Sistemas fineales tiene una matriz de coeficientes que no es diagonalmente dominante. Sin embargo. si se intercambian las ecuaciones primera y segunda, la nueva matriz de coeficientes si Io Sera 1-52 2 4-1 1-2 10 Eleccién entre la eliminacién de Gauss y la iteracién de Gauss-Seidel ‘Veamos como se comparan entre si nuestros métodos aparentemente mis eficientes, directo e iterativo. Puede demostrarse que para n grande, el métoda de Gauss-Seidel requiere unas 2n? operaciones aritméticas por iteracién, Si se necesitan menos que iteraciones n/3, la cantidad total de operaciones seri menor que 2n°/3, y el de Gauss-Seidel seré mas eficiente que el método de Gauss. Por ejemplo, para que el método de Gauss-Seidel sea la mejor alternativa en un sistema cuadrado de 500 ecuaciones, se requiere que no haya mis de 16 iteraciones, Ena practica, con frecuencia se prefiere al método de Gauss-Seidel fiente al de Gauss, aun cuando haya que efectuar més operaciones, porque durante el proceso de eliminacién de este iltimo se acumulan los errores de redondeo de la computadora en cada operacion ele- ‘mental de renglén, ¥ afectan a la respuesta final. En Ia iteracién de Gauss-Seidel hay slo un error de redondeo, debido sla iltima iteracién. En realidad, puede considerarse que In penl- tima iteracién es un valor inicial excelente. tra virtud de la teracién de Gauss-Seidel es el ser autocorrectiva. Sien cualquier etapa hhubo un error de céleulo, puede seguirse usando la respuesta; tan sdlo se considera como tun nuevo valor iniial. Por diltimo, tanto la de Jacobi como la de Gauss-Seidel son excelentes opciones si la ‘matriz de coeficientes ¢s dispersa, es decir, tiene muchos elementos cero, Esto se debe a que en cada etapa se usan los mismos coeficientes, y los ceros se conservan en el proceso, Consideraciones numéricas: Mal condicionado y pivoteo Algunos sistemas (aun los pequefios) preséntan un comportamiento que requiere un andlisis umérico cuidadoso, Veamos los sistemas casi idénticos, xty=l xtysl Loixty=2 7 1005+ y=2 La solucién exacta del primero ¢s x = 100, y=~99, mientras que la del segundo es x = 200, y= =199. Asi, un cambio pequeiio en los coeficientes ocasioné una modificacién drastica en la solucién, A este tipo de sistemas se es llama mal condicionados. Por ejemplo, si usdramos aritmética de punto flotante con dos cifras decimales de pre- cisién, nuestra aproximacién a la solucién del segundo sistema estaria equivocada un 50%. En este caso, la razén de este comportamiento es que las dos rectas definidas por el primer sistema son casi paralelas. Asi, un camibio pequefio en la pendiente de | puede mover el pun- to de interseccién hasta una distancia bastante apreciable (figura 1.5), Cuando se usa la eliminacién de Gauss o la de Gauss-Jordan con aritmética de punto flotante, se presenta otra clase de problemas y los elementos de la matriz aumentada de un sistema tienen tamafios considerablemente distintos1.3 Ml Soluciones numéricas 38 253075 100 125 130 * ~100 (100, =99) -15. Figura 1.5 Lineas casi paraelas, en un sistema mal condicionado, Por ejemplo, en’el sistema wey. ay Es ficil ver que la solucién exacta es x= 2.000/2 001 y y = 4 000/2 001. Suponga que desea resolver numéricamente el sistema, pero que Ia aritmética de punto flotante s6lo puede llevarse a cabo con tres cifras significativas SOLUCION 1 re eee = 210K — Re 7 [ye [" 2-10] -a- 10° El elemento (2, 2) real de la Ultima matriz fixe ~2 001, que fue redoncleado a ~2 000 por estar trabajando con tres cifras significativas. El resto de la reduecidn es el acostumbrado: [to 1 2] fio oo 0 12 0 12 yas se obtiene x= 0, y= 2. Vemos que la aproximacién para x es bastante mala SOLUCION 2 Ahora supongamos que se intereambian las ecuaciones | y 2, y se escala el primer renglén para obtener un 1 delantero, (és -} $] = ai[ic. Entonces36 Capituto 1 Sistemas lineales Bl elemento real (2, 2) de la primera matriz era | + (1/2)- 10-3, que en esta aritmética se sim= plifica a 1. En consecuencia, x ~ I, y y= 2 esta vez constituye una mejor aproximacién co {Qué funcioné mal durante la solucién 1? El coeficiente pequeio, 10°, en la primera posicidn pivote, forzé el manejo de coeficientes grandes en el segundo renglaa y esto origi- ‘n6 un pequefio error para y debido al redondeo. Y aunque en apariencia es minimo, caus6 un error apreciable en Ia estimacién de x, en 10% + »= 2, porque el coeficiente de x fue domi nado por el de y. La segunda solucién no presenté este problema, porque el renglén con el elemento delantero de mayor tama se traslad6 ala posicién pivote. Asi Ia eliminacidn no produja ‘coeficientes grandes. Y aun cuando mostré el mismo error de redondeo, el valor de x se afec- 16 slo muy ligeramente, En la prictica, durante la climinacién de Gauss 0 de Gauss-Tordan, siempre se cambia el renglén que tiene el elemento delantero con mayor valor absoluto ala posicién pivote previa al despeje. A esto se le llama pivoteo pareial, y ayuda a mantener bajo control al error de re~ dondeo. También hay una variante en la que se lige como pivote al elemento del valor mis alto en toda la matriz. Esto obliga al intercambio de columnas, ademas de renglones, lo cual significa que también hay que cambiar las variables. A esto se le llama pivoteo total, y pro- dduce mejores resultados numéricos, pero puede ser bastante lento, El pivoteo parcial es la mo- dificacién mis usada de la eliminacién de Gauss 0 de Gauss-Jordan Soluciones numéricas mediante sistemas algebraicos computacionales Maple > Esolve({Sex+Qeyet,2ex-y=-3}, {x,y}; y 1571428572, = —.7142857147} Mathematica Taft) NSolve [{3x+2y==1,2x-y= Out C1] {x -> -0.710286, y > 1.57143}} 3 fe.yH) MATLAB >> rref([3 215 2-1-3) 4.0000 0 0.7143 © 1.0000 1.87141.3 WE Soluciones numéricas 37 Bercicios 1.3 tyereicios | a 4 determine si fa matrz es diagonalmente Ep lor sievleiox $y 6 roplantce el sistema para que su (nueva) matte de cooficieates sea diagonalmente dominant 5 xe bet yaa 6 xt ytse=is xtsyt 22-9 wet yo aes 7. Aplique el étode de Jacobi com cuatro iteracionesy eon los lores mciales «= 1° I, para aproximar a solueign del sistem, Compare sus resultados con la solucién exacta xo 4. Repita el ejercicio 7 con a iteracién de Gauss-Seidel Fr tos gjereicios 91 cafcule soluciones aproximadas del sistema empleando el métod de Jacobi con 4 iteaciones. niciaice todas las variables en yro= 23 Woes y+ 2ei7 stat 2 xe yea Me gee yo -ethyte ke ytse En los ejerticios 12.414 caleule soluciones aproximadas del sistema con el método de Gauss-Seidel y cuatro iteraciones Inicialie todas las variables en cero. 12. El sistema del sercicio 9, 13, El sistema del ejreicio 10, 14, Elsistema del eercicio 11 15, Lasmatrces de coeficientes de los sisternasde abajo no son !agonalmente dominantes. Aplique la iteraciin de Gauss- Seidel, inicializando x= 0,)'=0. e iter S veces. Demves: tre que: (a) la teracion diverge en el primer sistema (b) La iteracén en el segundo sistema converge can des cifras de ciales. (La diferencia ene las dos ilhimas itraciones de cada variable es < 0,005.) awny=? be aeny=-3 tyes tyro En los ejercicias 16 219 uilice un pivoten parcial en la elimi nacién de Gauss para resolver el sistema, Redondoe a cuatro ciftassignificatvas 1 x-3y= =n lor + 5y = 30 1. L2e=45y= 125 53+ y= 15.95 1 xt areas derays 2=9 Betas 2219 19, 1 Se+ 2294242532 2Se + Aly + 152-23 w8ax + 22y 4 152 = 175 20, (Esealamiento) En el sistenss siguiente todos los coefi- Cientes de-x son de distintas drdenes de magnital que el resto de los coeficientes. En estos casos, los cietlos se ‘implifican si se escala la variable. Para este sistema, sea v= 0.001x. Eserba el sistema eon las variables "19 = y resuélvato con Ia eliminacién de Gauss. A continaacion caleule 00K + y— 2 ooo + 5y + oni + y+ Se38 Capitulo | Sistemas lineales 1.4 Aplicaciones (Objetive del alumno para esta seccién Adquitir una idea de tas cuantiosas aplicaciones de los sistemas lineales, En esta seccién describiremos algunas aplicaciones de los sistemas lineales a problemas an- ‘iguos y modernos. Al lector le agradard saber que aun con los pocos medios que ha apren- dido hasta ahora, puede resolver —o abordar— una diversidad de problemas de la vida reat cen varios campos de la ciencia ‘Ahora que el lector ya tiene bastante prictica en la solucidn de sistemas lineales, nos saltaremos, en la mayor parte de fos casos, la deseripeién de la solucién de un sistema lineal. Asuntos de manufactura, sociales y financieros WEJEMPLO 24 (Manufactura) R.S.C.LS y Asociados fabrica tres tipos de computado- 13 personal: Ciclin, Ciclope y Cicloide. Para armar una Cielén se necesitan 10 horas, otras 2 para probar sus componentes y 2 horas mas para instalar sus programas. El tiempo requeri- ddo para la Ciclope es 12 horas en su ensamblado, 2.5 para probarla y 2 horas para instalarla, La Cicloide, la mis sencilla de a linea, necesita 6 horas de armado, |.5 horas de prueba y 1.5 horas de instalacién. Sila fabrica de esta empresa dispone de 1 560 horas de trabajo por mies ppara armar, 340 horas para probsr y 320 horas para instalar, ;cusntas PC de cada tipo puede producir en un mes? SOLUCION Scan x,y,z las eantidades de Ciclones, Ciclopes y Cicloides producidas cada ‘mes. Entonces se necesitan 10x + 12y + 6: horas para armar las computadoras, Por consivuiien- te, 10x + 12y + 6 = 1 560. En esta misma forma se obtienen ecuaciones para la prueba y la instalacion. El sistema que resulta es 1ox+ 12y+ 62 = 1560 2x + 25y + 152 = 340 Det Dy + 152 = 320 ccuya solucién es x ~ 60, y 10. Por consiguiente, cada mes se pueden fabricar 60 Cielones, 40 Ciclopes y 80 Cicloides. co WEJEMPLO 25 [Cambio de moneda extranjera) Una empresaria internacional necesita,enppromedio, cantidades fijas de yenes japoneses,libras inglesas y marcos alemanes durante cada viaje de negocios. Este afio viajé 3 veces. La primera vez cambi6 un total de $2 550 con las siguientes tasas: 100 yenes por délar, 0.6 libras por délar y 1.6 marcos por délar. La segunda vez cambié $2 840 en total con las tasas de 125 yenes, 0.$ libras y 1.2 marcos por dolar. La tercera vez, cambié un total de $2 800 a 100 yenes, 0.6 libras y 1.2 marcos por délar. {Cuantos yenes,libras y marcos comprd cada vez?14 Mm Aplicaciones 39 SOLUCION Sean, yy z las cantidades fijas de yenes, libras y marcos que cambia en cada viaje. Entonces, la primera vez gast6 (1/100)r délares comprando yenes, (1/0.6)y délates para comprar libras y(1/1.6)2 para comprar marcos. Por consiguiente, (1/100) + (1/0,6)y+ (1/16) = 2.550. El mismo razonamiento se aplice alas otras dos compras, y se obtiene el sistema Con eliminacién de Gauss se obtiene x = 80 000, y= 600 y == 1 200. En consecuencia, cada ‘vez compré 80 000 yenes, 600 libras y 1 200 marcos para viajar. co WEJEMPLO 26 (Herencia) Un padre desea distribuir sus bienes raices, cuyo valor 5234 000, entre sus cuatro hijas de fa manera siguiente: 3 de Ins propiedades debendividrse por igual entre ls hijas, Para cl resto, cad hija debe recibir $3 000 cade afo hasta su vigé- smo primer cumpleais, Como ents clase llevan 3 afos, zeunto recibitia cada wna de los bienes de su padre? {Qué edad tienen ahora esas hijas? SOLUCION Seanx, » zy wa cantidad de dinero que recibiri cada hija debido al! de las propiedades, segin la edad, comenzando con la de mayor edad. Entonces,x + y+ = + w 234 000 = 78 000, Por otro lado, w ~ =~ 3°3.000,=~y=3"3.000 y y—x~3-3.000, Asi egamos al sistema xtytetw=78000 w-2=9000 zy = 9000 y~x= 9000 cuya solucién es, 24 000, w=33 000, La cuarta parte de dos tercios de la herencia vale + + 2 (234 000) =$39 000. Asi, a hija menor recibird 33 000 + 39 00 ‘$72 000; a siguiente, 24 000 + 39 000 = $63 000; la siguiente, 15 000 + 39 000 = $54,000, y la primera, 6 000 + 39 000 = $45 000. La hija mayor rcibira 6 000 ~ 2 3 000, asi que aetualmente tiene 21 ~ 2= 19 afios. La segunda tiene 16, la tercera 13 y Ia iltima tiene 10 sis MEJEMPLO 27 (Clima) El promedio de la temperaturas en las ciudades de Nueva York, Washington, D. C. y Boston, fue 88°F durante cierto dia de verano. En Washington fue 9° ‘mayor que el promedio de las temperaturas de las otra dos ciudades. En Boston fue 9° me- nor que la temperature promedio en las otras dos ciudades. ;Cudl fue la temperatura en cada -ciudad? co SOLUCION Sean x, y y= las temperaturas en Nueva York, Washington y Boston, respecti- varente. La temperatura promedio en las tes ciudades es (x + y + 2)/3, que es 88. Por otro lado, la temperatura en Washington es 9° mayor que el promedio de Nueva York y Boston,40 Capitulo 1 Economia Sistemas tineales que es (x + V2. De modo que, y= (x + )/2+9, En consecuencia, -= (x +)/2—9. Asicel sise xtytz_ 2 = 88 xe y= tie aa tty 2 Después de replanteareste sistema en forma canénica, aplicamos la eliminacidn de Gauss para obtener x= 88°, y= 94° y z= 82°F, co Una de las funciones mis importantes en la manufactura, que concierne a los fabricantes, ‘economistas, especialistas de mercado, etc, es la funcién demanda. Expresa la cantidad D de piezas de cierto producto que se venden en funcién de su demanda, La funcion demanda (0 Qy para los economistas) depende de algunas variables, como el precio P del articulo, el ingreso / de los consumidores, el precio Cde un articula de la competencia, et., con frecuencia la funcién demands, D, y sus variables, forman una ccuacién lineal. Por ejemplo, D = —15P + 0.051 + 2.5C. Obsérvese que en este caso en particular, a medida que una unidad aumenta cl precio del articulo, la demanda disminuye 15 unidades, Del mismo modo, cuando se inerementan el ingreso del consumidor o el precio de un articulo de la competencia, aumenta la demanda, EJEMPLO 28 (Célculo de una funcién demanda) Bikey, In., quiere fabricar un nue vo tipo de zapato deportivo, poco costoso, ¢ investiga el mercado de Ia demanda. Encuen- tra que si un par de zapatos nuevos cuesta $20 en un dea de ingreso familiar promedio de '$20 000, y que sisu competidor, Triceps, Inc., vende cada par de zapatos a $20, venderia 660 pares. Por otro lado, si el precio fuera igual y Triceps bajara su precio a $10 el par, entonces, venderia 1 130 pares en un érea de $30 000 de.ingreso. Por iltimo, si el precio de los zapatos fuera $15 el par, la competencia se queda en $20 el pat, se venderian 1 010 pares en un area de $25 000 de ingreso. Determine la funcién demanda, suponiendo que depende linealmente de sus variables. SOWCION Sea D= aP + bi + oC. Deseamos conocer a,b yc. De acuerdo con el primer caso en la investigacién, 200+ 20 000b + 20e~ 660. De igual forma, al considera los otros dos casos se obiene el sistema lineal 20a + 200008 + 20¢ = 660 20a + 30 000b + 10¢ = 1130 15a + 25000 + 20¢ = 1010 Mediante la eliminacién de Gauss se obtiene a = -20, b = 0.05 y ¢ = 3, Por consiguiente, la funcién demanda esté expresada por D = ~20P + 0.051 « 3C. coQuimica 1.4 WM Aplicaciones 41 WEJEMPLO 29 (Soluciones quimicas) Se necesitan tres ingredientes distintos, A, By C. pera producir determinada sustancia, Pero deben disolverse primero en agua, antes de po- nerlos a reaccionar para producir la sustancia. La solueién que contiene 4 con 1.5 gramos por centimetro cibico (g/em*), combinada con la solucién de # cuya concentracién es de 3.6 giem y con Ia solucion de C con 5.3 g/cm forma 25.07 g de la sustancia. Si las proporciones de 4, B y Cen esas soluciones se cambian a 2.5, 4.3 y 2.4 g/em?, respectivamente (permaneciendo iguales los volimenes), se obtienen 22.36 g de la sustancia, Por tltimo, si las proporciones se cambian a 2.7, 5.5 y 3.2 g/emm, respectivamente, se producen 28.14 g de la sustancia. {Cudles son los voliimenes, en centimetros cibicos, de las soluciones que contienen 4, By C? SOLUCION Seanx, yy 2los centimetros cibieos de volumen de las soluciones que contienen A. B y C. Entonces, en el primer caso 1.5r es la masa de 4, 3.6y es la masa de B y 5,378 lade C. Al sumarlas deben dar 25.07, Asi, 1.5x + 3.6y++ 5.3: = 25,07. El mismo razonamien- to se aplica a los otros dos casos, y se llega al sistema L5e + 36y +532 5.07 25x + 43y + 242 = 2236 27x 55y + 3.22 = 28.14 cuya soluciénes x = 1.5,=3.1 y z= 2.2. Por consiguiente, los volimenes correspondientes de las soluciones que contienen 4, B y C son, 1.5 em’, 3.1 em? y 2.2 cm [| Otra aplicacién caracteristica de los sistemas en quimica es el balanceo de reacciones quimicas. Es preciso introducir coeficientes enteros frente a cada uno de los reactivos, para gue la cantidad de étomos de cada elemento sea igual en ambos lados de la ecuacidn, Por ejemplo, en la combustién de! metano: a CH,+6 0,6 CO, +d HO as) calcularemos los coeficientes a,b, cy d que balanceen la ecuacién. Observe que eneel siguiente 250 es facil resolver por aproximacién, pera no es el caso general WEJEMPLO 30 (Balanceo de reacciones quimicas) Balancee la reaccién (1.9). SOWCION a =<, porquela cantdad de tomosdecarbono debe serigual en ambos lados De igual manera llegamos a42 Capitulo 1M Sistemas tineales Fisica e ingenieria TEOREMA 6 TEOREMA 7 La solucién de este sistema homogéneo es bay. b=de= td. Sid=2,entoncesa=1 Supongamos que hay una red eléctrica como Ia que se muestra en la figura 1.6(a). Las corrientes y las caidas de voltaje por el circuito se apegan a la primera ley de Kirchhoff: (Ley de corriente de Kirchhoff} | {Ley de voitaje de Kirchhoff) ] ‘La suma algebraica de todos los cambios de voltae en cualquier bucle (ciclo cerrado) es cero Una aplicacién frecuente de esas leyes es cuando se especifica el voltaje de Ia fuerza electromotriz (que por lo general es una bateria o un generador) y las resistencias de los resistores, y se pide calcular las corrientes. Observe que para cada elemento de un circuito hay que elegir una direceién positiva para medir la corriente que pasa a través de dicho elemento. Las elecciones se indican con flechas. Para la fuente de voltaje se toma como positiva la direccién del signo negativo hacia el signo positivo, La fuente de voltaje agrega voltaje, y por consiguiente el cambio de voltaje ¢ positive, mientras que a través de los resistores es negativo, debido a que hay una caida de voltaje, EJEMPLO 31 (Circuits eléctricos) Calcule las corrientes © / en el circuito eld trico de la figura 1.6(a) siel voltaje de la baterfa es £ = 6 V y las resistencias son R, =? Ry=2QyR=19. are ft la Ta : : G Figura 1.6 a} Circuto elécrica._[b) Teansmisién de calorTEOREMA 8 1.4 mM Aplicaciones 43 SOLUCION De acuerdo con ta primera ley iy ~ ip =O para el nodo 4. Aplicando la se- una ley al bucle£ se obtiene 6 ~R} ~ sR ~0, portant 2 + 2; = 6. Del mismo modo, el cle £3 da como resultado iy ~isRy = 0, e8 devi, =2i, +4 =0. Asi 2is 2h tis =0 co y mediante Ia eliminacién de Gauss puede abtenerse con facilidad i, = 2.25 A, is AeLsa 7SAe tra aplicacién frecuente de los sistemas lineales es en el rea de los problemas de trans~ isin de calor, en fisica ¢ ingenieria. ‘Supongamos que hay una placa metilica rectangular delgada, cuyas orillas se mantienen a temperaturas fijas. Por ejemplo, la orlla izquierda esti a 0°C, la derecha a 2°C y las superior e inferior a 1°C, figura 1.6(b). Se desea caleular la temperatura en el interior de la placa, - Hay varias maneras de abordar los problemas de este tipo, y en algunas se requieren matemticas de mayor nivel. método que nos interesa sera una aproximacidn como la siguiente: cubrir la placa con redes cada vez mis finas, figura 1.6(b). Las intersecciones de las lineas del reticulo se aman nodos. Los nodos se dividen en puntos en a fronzera y en el interior, dependiendo de si estin en los bordes o en el interior de la placa, Podernos considerar que éstos son elementos térmicos porque cada uno influye sobre sus puntos adyacentes, Si conoce- ‘mos la temperatura de los puntos en la frontera, podemos calcular la que prevalece en los puntos interiores. Es obvio que cuanto mas fino sea el reticulo, la aproximacion a la distribucion de temperaturas en la placa sera mejor. Para calcular las temperaturas de los puntos en el inte ror se aplica el siguiente principio: (Propiedad promedio para la conduccién de calor] La temperatura en cualquier punto del interior es el promedio de las temperaturas de sus puntos adyacentes, Para simplificar, supongamos que solo se tienen cuatro puntos en et interior. cuyas temperaturas x), 3,45 y-x4 Se desconocen, y que en fa frontera estén los 12 puntos (sin designs: cidn) que se indican en fa figura 1.6(b). WEJEMPLO 32 (Conduccién de calor) Caleular x1. 1% y ¥s SOWUCION Sein I teorems de la propiedad promedio. Ke ts+) m= Her ty +3) n=l tat) = Hon ty +3)44 Capitulo 1 Sistemas tineales Podriamos emplear la eliminacin de Gauss, pero para este sistema en particular resulta bastante tediosa. En su lugar, aprovecharemos la simetria de la grafica y las ecuaciones para llegar a una solucién répida. Por simetria, sabemos que x, =x3 yx2" %y. Sea r=. +4) +4 y © 2x, + 224. Asi, al sumar todas las ecuaciones, se obtiene r= + (2r+ 4), que implica que r 4, Por consiguiente, x, +.x,= 2. En consecuencia, para la segunda ecuacién es necesario que Sinstyne$ x2 = 4. Entonces, la conclusién inmediata es que x En este punto debe mencionarse que la solucién los sistemas originados en los proble- ‘mas de conduccién de calor, como el anterior, es bastante tediosa. El uso de Maple, Mathe- matica 0 MATLAB puede ser de gran ayuda, Estatica y equilibrio de pesos TEOREMA 9 Ahora estudiaremos un problema caracteristico de palancas en estatica, el balanceo de pesos, Para ello, emplearemos el siguiente teorema, [Ley de la palanca de Arquimedes|? Dos masas en una palanca se equilibran cuando sus pesos son inversamente proporciona- Jes a sus distancias al punto de apoyo. -JEMPLO 33 Calcule los pesos ra 1.7(0), 14 2, 5 ¥ wa para balancear las palancas de la fig) 4 _ LS 0 2] 6 2] 8 q e haba @ &| YS “oo 8 = c BD=ceosB DC beat y @ co) Figura 1.7 (al Equilibrio de pesos. (b) La ley de los cosenos, SOWCION Para balancear las dos palancas pequefias, apewindose a la ley de Arquimedes, tenemos que 20 = 6w2 para la palanca de la izquierda, y 20 = 8w, para la de la derecha. Para * Aunque esta ley también se encuentra con anterioridad en os trabajos de Arisételes, parece que Arquimedes fuel primero en basarlacnl etitiea y noch la cinemitca. Esn caso especial del axioms dela simetria en un sistema en equilibria, debide a Arquimedes,1.4 WM Aplicaciones 48 cquilibrar Ia palanca principal, se necesita que S(w; * w;) = 10(w, + wy). De este modo llega- ‘mos al siguiente sistema homogéneo de tres ecuaciones con cuatro incégnitas Sy + Sip ~ 10w5 ~ 101% dw, — 60 o 2ny— 814 =0 El conjunto solucién es monoparamétrico infinito, descrito por w = 7.57, w= 2.5r, ws =4r y=. © R.Asi, hay una cantidad infinita de pesos que pueden equilibrar este sistema, cosa que confirma nuestta experiencia, siempre y cuando los pesos, en el orden acostumbra do, sean miltiplos de los nimeros 7.5.2.5, 4y 1 co Aplicaciones a la geometria MEJEMPLO 34 (Ley de los cosenos}_ Demuestre la ley de los cosenos en geometria, es decir, que para el triéngulo ABC, figura 1.7(b), se cumple Been @+e-8 cosa = AFR coop = HAE Dae SOWUCION Etado aes la suma AD + DC. Pero BD ccos Py DC= hos 7 Deaqui que cos B+ bcos y= a. En forma parecida obtenemos las otras dos ecuaciones del sistema ccosB + beos cease + acosy = b acosB + beosa Se trata de un sistema lineal en cos c, cos fy cos y: La matriz aumentada de este sistema se reduce como sigue: ocb:a 10 0: (+e ~a?)/2be © 0a: bl~~]0 10: W@te—P)/20e bade O01: @4R=A)/rab con lo cual se demuestra Ia ley. oo WEJEMPLO 35 _[Funcién cuadratica que pasa por tes puntos) Determine la eeuscién de a parabola, con eje vertical y en el plano xy, que pasa por los puntos P(1, 4), O(-1, 6) y RQ, 9), SOLUCION Sea y(x) = ax? + br +c la ecuacién de la parabola, Es necesario determinar los coeficientes a, by c. Como el punto P pertenece ala parabola, debe cumplirse 4 = 1(1) = a> 1+5- 1+. De manera similar, a usar los otros dos puntos se obtiene el sistema46 Capitulo 1 Algebra Sistemas tineales at b+ an bre=6 4a+2b+ ‘Mediante la eliminacién de Gauss se obtiene a Lye 3, Por tanto, la ecuacién de la pardbola es y= 2x? ~x +3. Cc EJEMPLO 36 [Plano que pasa por tres puntos) Deduzca la ecuaci6n del plano, en el espacio xyz, que pasa por los puntos P(1, 1, 2), Q(0, 2,0) y R(2, 1.5) SOLUCION Sea ax + by + cz + d= 0 la ecuacién del plano. Es preciso determinar los coeficientes a, 6, ¢ y la constante d. Como el punto P pertenece al plano, debe cumplirse « [46:1 +c+2 +d=0. Siguiendo el mismo procedimiento con las otros dos puntos se obtiene el sistema homogéneo at btx+ atm + dat b+ see Al resolverlo, encontraremos el conjunto infinito monoparamético a= 3r, b= —2r,e=-ry =r, Sise igualad = r = 1, seobtiene la ecuacion del plano 3x — 2y—= + I= 0.(Cualquier otro valor de r produce un miiltiplo constante de esta ecuacién, que representa al mismo plano.) co Los sistemas lineales se usan casi en todos los campos del algebra, desde el estudio de polinomios y fracciones parciales hasta la demostracién de identidades. A continuacién revi- saremos algunas de esas aplicaciones, Recuérdese que un polinomio f(x) en x es una expresién de la forma PO)= a2" + dyer + tax ag fen el que dp, yy, dp Son mimeros fijos llamados coeficientes de f(x) y x es una variable o indeterminado. Si a, # 0, se dice que flx) es de grado n. Dos polinomios son jguales si sus coeficientes correspondientes son iguales. El polinomio cuyos coeficientes son todos cero es el polinomio cero. Los sistemas lineales se utilizan con frecuencia cusndo se comparan los olinomios, EJEMPLO 37 {Igualdad de polinomios) Caleule a,b y ctales que los polinomios ax* 4+ 3x2 + Jar — Dox + 10x + 60 y ~2hx? — 3br +9 + a~ 4b sean iguales SOLUCION Los coeficientes de las potencias correspondientes de x deben ser iguales. Asi, (a+ 3) + (2a 2e + 10)x + 6c = —2bx? — She 4 9+ a= db1.4 WM Aplicaciones 47 implica al sistema at3=-26 2a 2e+ 10 = ~36 6e=9+a~4b El lector puede comprobar facilmente que a = 1, b= ~2 y c= 3, aplicando la eliminacién de Gauss. cS MEJEMPLO 38 (Fracciones parcales) Calcule las constantes A y Bales que 1 A,B =e ee SOLUCION Se debe cumplir —! _. ie Ne-2) Ate =2) + B=) &= De 3 iguiente, |= A(x~2) + B(e~ 1), 0(4 + Bx—-24—B = 1, porque la primera y tercere fracciones iguales tienen los mismos denominadores. Asi que es preciso resolver que dan como resultado A =-1y B= 1 BEJEMPLO 39 (Suma de cuadrados) Deduzca una formula para fa suma de cuadrados indicada abajo, suponiendo que la respuesta es un polinomio de grado 3 en n SOLUCION Sea fx) = ax’ + hx? + ex +d un polinomio con Ia siguiente propiedad: fn) ~ D+ 2 +s-- +2. Como l=) = al) +1? rel +d, debe satisfacerse a +h +¢-+d~ Por otro lado, m= fn) flo = 1) = and + br + en + d= (aln = 1+ Bln = IP + eC +A) Por consiguiente, desarrollando el lado izquierdo Hegamos @ Gn = 3n+ 1) + bQn= I) +e esdecie n?= San? = (3a 2h a—h +e Al comparar los coeficientes de las potencias de m en ambos lados, y teniendo en cuenta que a+b+e+d=1,seobtiene48 Capitulo 1m Sistemas tneales Este sistema puede resolverse con facilidad: c= 4,d=0. Por consiguiente, boy n+ En? Zn, Al analizar la tltima expresién Hlegamos: ey n(n + 12m + 1) Pataca Soa ME NGn ED — EI problema de la pila de monedas de Fibonacci ‘Ahora regresemos a ese famoso problema de Ia pila de monedas, que resolvié Fibonacci hace algunos siglos. LEJEMPLO 40 [El problema de Fibonacci) Ties hombres poseen una sola pila de dinero, y sus aportaciones son 4, y 4. Cada uno toma algo de dinero dela pila, hasta que no queda nada, A continuacin el primer hombre regresa + de lo que tomé, el segundo + y el tercero 2. Cuando el total que regresaron se divide por igual entre ellos se descubre que cada hombre posee lo que le corresponde por su aportacién. {Cuinto dinero habia en la pila ot ginal, y eudnto tomé cada uno? SOLWWCION Sean x, yy z la cantidad que tomaron los tres hombres de la pila de monedas, respectivamente, y sea w la cantidad de dinero original. Como no quedan monedas despues de que los tres retiran, entonces xtytzew Los tes hombres reintegran un total de x/2+ »/3 + 216, porque devolvieron respectivamente, 4, Ly 4 deo que tomaron al principio, Esta cantidad se divide por igual, y asi cada quien rocibe H(x/2 + yf3 + 26) El primer hombre tiene x ~ x/2 =x/2, que quedaron después de haber regresado x/2, y se le suma'}(x/2 +3 +216) El total debétia ser lo que le corresponde, es decir, w/2. Asi EGS) - 2 De igual manera, el segundo hombre tiene y ~ y/3 = 2y/3, que le quedaron después de regresar y/3, y ademas 1(x/2 + p13 + 2/6). El total debe ser igual a lo que le corresponde, que es wi3. Asi, Por iltimo, el tercer hombre tien 5:16, que le quedaron después de haber regresado 2/6, y ademas 1/3 (x/2 +y/3 + 216). El total debe ser lo que le corresponde, que es w/6. Asi, SNEED <7Cuadrados magicos 1.4 Mm Aplicaciones 49 ¥ se tiene el sistema homogéneo styta-weo hoy sw St5+ Rh Fre 2D “ atte 57° fp le_w Et5 tee ‘Vale la pena hacer notar que la suma de las tres Gltimas ecuaciones es igual a la primera, Esto quiere decir que si determiniramos una solucién simultanea de las tres tltimas ecuaciones, automaticamente tendriamos una solucién de Ia primera. Asi, en esencia, s¢tienen tres ecuacicnes con cuatro incdgnitas. Por consiguiente, esperamos que haya ua mimero infinito de soluciones La reduccidn de la matriz aumentada da como resultado Porconsiguiente,x~ 30 =! aque se pueden expresaren a forma x= 32r, Nose sabe i Fibonacci determin el conjunto solucin completo. Peto si alculé la so- lucién particular w= 47,x=33,y= 13 y= 1, que seabtiene al igualarr=47. [3 Un euadrado magico de tamafio » ¢s una matriz de nn cuyos elementos consisten en todos los enteras entre 1 y.n3, ental forma que las sumas de los elementos de.cada columna, renglén o diagonal son iguales. La suma de los elementos de cualquier renglén, eolumna 0 diagonal de un cuadrado magico de tamaiio m es n(n? + 1)2. (Para comprobarlo se usa la identidad 1 +2+ "+: k= (e+ 1)/2, donde k= m3) EJEMPLO 41 (Cuadrados magicos de tamafo 2) Demuestre que no existen cuadrados magicos de tamaiio 2, a b] atbh= etd ate50) Capitulo | ME Sistemas lineates badass atd=s . beens Es posible aplicar la eliminacién de Gauss, o tan slo observar que estas ecuaciones implican aque b © ¢, de acuerdo con la primera y Ia tercera: por tanto, 24 5, scutin Ia wktima ecuneidn Esto es una contradiceién, porque b deberia ser un entero. De aqui se infiere que este sistema no tiene soluciones enteras. Por consiguiente, no hay euadrados miyicos de tamano 2 BEJEMPLO 42 _[Cuadrados magicos de tamano 3) Determine el cuadrado magico de tamafio 3 cuyo primer renglén es el vector (8,1. 6) SOLUCION Ese cuadrado migico tiene la forma en para las inedgnitas a, b,c, d, ey f Segin la definicién. es un sistema de 7 ecuaciones con 6 incégnitas atbte=i5 ater yas Btatd=15 ltbte=15 6tet fais Btbefais 6tb+d=i5 La climinacién de Gauss es muy lediosa,per6 puede evitarie: si se despejau dela primera y teroera ecuaciones, se obtiene b +c = 8 +d. Bst6,c6fbinado con la iltima ecuaci6n. produce 2b ~ ¢= 17. En consecuencia, de acuerdo con la primera ecuacidn, b— a = 2. Ahora v mos qué puede sera. No puede ser 1, porque ese némero ya se usé. Sia =2. entonces b= 4 ‘ye~9, pera entonces la suma de la tercera columna seria mayor que 15. Sia =3.b = Sy (C= Tyentonces, d= 4, = 9 y f= 2, usando las tres columnas. Es fcil demostrar que estos valores forman una solucién (a nica) del sistema Por lo anterior, ef cuadrado mégico es 816 357 492 Este cuadrado fue citado en un antiguo libro chino, Nueve eupinidos det arte mutenni- ‘ico. _Puede el lector determinar otro cuadrado basado en éste? story of Marhemnanes. de Cart Boyer, p. 219 (Nuova York: Wiley)Gerces 14 Sunonga qu fas cantidades de bacterias de los tipos 4 y 1 son aoterlependientes se apegan ala siguiente tabla texperimental. Hay al ign (eeuacién) lineal en- ety 8 A 8 500 | 500 1000 = 2000 5000 14000 too 29000 ‘Gicklnk Publisher edna tes ealidades de bros: encuader= rid istica, €on pasta dura y empastados en piel. Para los nistioas, a empresa gasta en promedia 85 en papel, $2 cn iusteacionss y $3 en las pastas, Para los de pasta dura, 0s son $10 en papel. Sd en ilustraciones y S8 en pstas: y para fas de lujo empastados en piel, $20 en papel S12 en ilusteaciones y $24 en pastas. St el presupuesta permite $235 000 en papel, $110.000 en ilustraciones y ‘S208 000 on pastas, ;cuantos libros de cada categoria pue- ston praducirse? ta,en promedio,cantida- ales Taso Yenesjaponeses,franeosfranceses y marcos ale- ‘mans para cad uno de sus vigjes de negocios. Este ao viajé 3 seves. La primera cambi6 un tral de $2 400 a a siguiente prdad: 100 yones, 1S franeos y 1.2 marcos por délar La ria vez. eambid un total de $2350 con astasassiguien tes 140 yones 1.2 franeas y 1.8 marcos por dé. La tree 1a vez eambi6 $2 390 en toral.a 125 yenes, 1.2 Fancos y 1.2 ‘marcos por dlr respectivamente,; Qué cantdades de yenes, frances y marcos comps cuda vez? {Un male desea distribuir sus propiedades, valuadas en S00 G00, entre sus 4 hijos como sigue: 3/4 de su herencia be repatirse por igual entre los hijo. El resto deberé di- ‘ilo do i Forma siguiente: $3 000 cada afo a cade uno Fusst que eumplan 25 aos. Coma los hijos sucesivos se I ‘a os entre si geuimto recibir eada uno de herencia? EI promedio de temperaturas en las ciudades de Boston, ‘Sova York y Montteal fue 30°F durante cierto dig dein ‘tern. La temperatura en Nueva York Fue 9 mayor que el romectio de temperaturas en fas otras dos ciudades, En \nnweal fae nienor gue el promedio de temperaturas en 14 WM Aplicaciones $1 las otras dos cudades,; Cuil fue fa temperatura en cal une de las ciudaces? 6. Juguetes, S.A. desea fabricar un nuevo tren de juguete ei vestige el mercado para determina la demanda. Encuentra ‘que si el ten cuesta $40 en din tea donde el ingreso fami liar promedio es de $30 000, y si al mismo tiempo Trenes Miniatura, S. A. su competidor, vende su producto equiva Tentea $30, Juguetes podré vender 160 tenes. Por oto lade, si el precio permaneee igual y Trenes Miniatura eleva su precio a $50 por tren, en un area de S40 000 de ingreso fa milfarse venderian 1700 tenes, Portia, si el precio del nen es de S30 pero ef de Ia competencia permanece on $40, fen una zona de ingreso familiar de S35 000, se lograria una venta de 1530 renes. Calcul a funcin demanda, suponien: dda que depend linealmente de ss variables 7. Se necesitan tres ingredientes distntos, 4, By C. para pro- ‘ducirdoterminada sustancia quimica, A. B y Cashen disol verse en agua. por separado, antes de interactuary formar la sustaneia, La concentracin dela soluicin que contiene 4 es 1.5 gim la que contiene # es de 1.8 gim? y lade Ces de 3.2 g/m al combinarlas se produce 15.06 ¢ dela sustancia. 1 se modifican las eoncentraciones de A.B y C en esas so lucionesa 2.0.2.5 y 2 ivamente(permanecien- «do igual el volumen} se producen entonces 17.79 2 de fa sustaneia.Poriltimo. sas eoncentracionesse.cambitn a 1.2 Isy 302m, b sustanea.;Cusles son los volmenes, en gentimettox cibi- 0s, de las Soluciones que comienen A. By C? gio res espectivamente, se producen 13.08 En los ejercicios 8a 10 calcul las corriontes 41s © «de tos respectivostncutos, dado que en todos ls cus08 ! vltaje de la bateria es # = 6. 8. Deacuerdo com la figura 1X. se sabe que R= 282, Rs= 22, Re 1 Oy R=20. Figura 1.852 Capitulo 1 Sistemas tneates 9. Con respecto a la Figura 1.9, se sabe que Ry = 20, Rs 3O,8,= 4 Dy Rem 2M R A ta a) 3x R ® Figura 1.9 10. Con referencia ala Figura 1,10, se sabe que Ry =3 9, R= 20, B= 20, Re= 1 Ay R,=20. R A lin Ry Re Figura 1.10 1. Caleule fas temperaturas en los puntos x43 yy en la pla- a metilica triangular que se itustrs en la Figura I-11, sila ‘temperatura en cada punto del interior el promedio de las. {que prevalecen en sus cuatro puntos vecinos, ath Np sal al \ IF Figura 1.11 12. Determine las temperatura en xy, x3, 44 y xe dela placa metalic triangular que se veen la figure 1-12, ila temperatura decada punto del interior es igual al promedio de sus ‘cuatro puntos vecinos, Figura 1.12 13. Balancee el sistema de pesos y palancas que se muestra en Ja figura 1.13, T. ¢oad a Figura 1.13 14, Deduzea la ecuacién de la pardbola en el plano xy que pasa por os puntos P(1, 0), Q(-1, 6) y R(2, 0). 15. Eneuentrelaccuacion dela curva cbiea en el plano sy. que ase por los puntos P(1, 1), Q(-1, 5), ROO, 1) y S{-2.9). 16, Deduzca la ecuscin del plano, en el espacio xyz, que pasa Poros puntos P(1, 1,~1), 0. 1,2) y RC, 3, -5). 17. Celeulea, by tales que las eeuacionescusdriticas (a — bs? + a- oe tb +ey Gc) ar~b~ 2c sean iguales, 18, Calcule a, b, ey d, tales que las ecuaciones cubieas (a+b + ox (at Byx + Dbx y (adja + (2~ dhe (1+ ae +b + esean iguates, 19, Calcule las constantes 4 Bde modo que 1 A HG 20. Determine los cuadrados magicos de mato 3 que tengen |a forma1.5 Ml Miniproyectos 1.5 Miniproyectos 1m Conjuntos de sistemas Suponga que tiene que solucionar varios sistemas con la misma matriz de coeficientes. De- termine un método para resolver simultineamente los sistemas, de tal modo que solo se efecrite una vez la reduccién de la matriz de coeficientes. Aplique su método en los cuatto. sistemas lineales siguientes: xtlyt3z+4w=1, =0, =0, =0 de + Dy +324+4w=0, =1, =0, =0 Be + 3y +324 4w= 0, =o Ax tay + az t aw = 0, 2m Inteligencia animal {Un conjunto de experimentos en psicologia tiene por objeto estudiar la ensefianza de activida- des a diversos animales, como cerdos, conejos, ratas, etc. Uno de esos experimentos implica Ja busqueda de alimento. Un animal se coloca en alguna parte de una red cuadrada de corre- dores que pueden llevar al alimento (puntos identificados con 1), 0 a puntos de final ciego (puntos identificados con 0), figura 1.14. Se supone que la probabilidad de que wn animal ‘ocupe la posicidn.x, es el promedio de las probabilidades de que ocupe las posiciones vecinas directamente arriba, abajo, a la izquierda y ala derecha de x,. Si algunos de esos puntos contiene alimento, se cuenta como éxito y su probabilidad es 100% = 1. Si una posicién vecina es final ciego, se cuenta como fracaso y su probabilidad es 0% = 0. Por ejemplo, para (a) y (b) en la figura 1.14, se tiene, respectivamente: tots ta) fO+x+y 41) Mati 404%) y= 1Otm +m +0) 0+ 04x +m) {0 tar tas tay) o 1 o 1 oats sl, ofp al | jf st sl sl | patal |, gest sl ol |, oY oo @ o) Figura 1.14 Experimentos en inteligencia anima54 Capitulo 1 Sistemas lineales Caleute: (a) Las probabilidades x), y ve, para la figura 1.14(a. (b) Las probabilidades x). 45 5.5 24 45 ¥s Y Xo, para la Figura 1.140), Si se aprovecha cualquier simetria de los datos podrian evitarse cilculos tediosos. 3 @ Aproximaciones a curvas; segmentos lineales Una de las formas mis elementales y basicas de aproximar Ia grafica de una curva es conec- ‘tando los puntos conocidos consecutivos de la curva con segments de recta. La poligonal que resulta es un segmenta lineal de la curva. Con frecuencia y en la prictica, se da un conjunto de valores de una funcién inedgnita (con frecuencia, algunos datos experimentales) y se ha de identificar la funcién. Una primera aproximacién grafica seria trazar el segmento lineal que une a esos puntos. Suponga, por ejemplo, que los datos son las dos conjuntos siguientes de puntos, que pertenecen a dos curvas distintas. -1 705 0 05 4 15 2 25 3 SS fix) [5 0875 1. 1375 1, 0625 1, 2875 7 -45 -35 25-15-05 3519.14 301641 324844 14,7656 —24.6098 Conjunto 2: x [os 1s 25 354s fix) | -24.6094 14.7656 —32.4844 301.641 3519.14 {a) Trace las grificas de los dos segmentos lineales que unen los puntos consecutivos (b)_ Sila primera curva es una cibica, es decir, que tiene la forma ax? + bx? + 6x + d.y la se~ gunda es un polinomio de sexto grado con la forma ax® + bx! + ex'+ dx¥ + ex? "fi +g, use las tablas de arriba para calcular los coeficientes de cada curva polinomial. Redon- dee las respuestas al entero més cercano. (0) Trace las grificas de las dos curvas. - 4 m El problema del ganado de Arquimedes Es un problema famoso que mandé Arquimedes de Siracusa,"' antiguo matematico griego, a Eratdstenes en Alejandria, Su forma original era un conjunto de epigramas en griego antiguo. Porlo general se cree que Arquimedes resolvié este problema, pero se desconoce si es Su autor, Describiremos la parte del problema que tiene importancia para nosotros en este momento. Para conocer tna buena traduccién al inglés, véase el libro The Works of Archimedes. de Sit ‘Thomas L. Heath (Dover, 1953, pp. 319-326). Los epigramas comienzan como sigue: ° Arquimedes (287-212 aC ) es considerado el matemitico yfisico mis grande de la antigiedad, asi como uno de los matemsticos mas importantes en la historia dela humanvdad, Creci en Siracusa, wna poblacin griega en Sicilia. Pheidias su padre, fue astronomo, Después de estudiar matematicas en Alejandra, Egipto, Arquimedes regres a Siracusa, donde permanecio el resto de su vida, Fue asesi- nado por un soldado, cuando la ciudad eayé en poder de los romans1.6 WW Bjercicios en computadara Caleula, joh extranjero!, la cantidad de reses del Sol que alguna ver pastaban en los campos de fa isla de Trinacia (Sicilia) que estaban divididos, segiin el color fen cuatro rebaiios: uno blanco, uno negro, uno amarillo y uno manchado A continuacién el manuscrito describe las relaciones entre las vacas y fos toros de los. cuatro rebatios. Sean Wf B, Dy Yas cantidades de toros en los rebaitos blanco, neuro. ma= chado y amarillo, respectivamente. En igual forma, sean w; b, dy las cantidades de vacas en el mismo orden, Entonces # + w, B +b, D+ dy ¥ + son las cantidades de reses en las re~ baios blanco, negro, manchado y amarillo, en forma correspondiente, El manuscrito nos co- ‘munica las siguientes relaciones (1) para los toros: 1d we (SeS)aey 1,1), a=(j+l)oey lit pa (i+3)wey ¥y (2) para las vacas: Ly! w-(etoen My v= Dore My a-(Let)oen +p)orem a Resuelva este sistema de 7 ecuaciones con 8 incdgnitas. Como el sistema es homogé- neo, con mis incdgnitas que ecuaciones, es de esperarse llegar a un miimero infinito de soht- ciones. Demuestre que la solucién entera minima es B = 7460 514, Calcule el resto de las incdgnitas y 1a cantidad total de reses en este caso. 1.6 Ejercicios en computadora Los primeras ejercicios en computadora tienen por abjeto ayudar al lector a aprender fos ‘comandos basicos de los programas, en relacién con el capitulo J, y también revisar alzo del ‘material. Un ejercicio identificado con [S] requiere manipulacién simbélica.!? En tados los ‘cas0s se supone que el lector use algiin programa de matemiticas, "= Omitase si s6lo se dispone de eéleulo numérico.56 Capitulo! ML Sisternas tineales 1. Resuelva numéricamente cl sistema, Llegue a los resultados con precision por omision y también con mayor exactitud. Si su programa admiteartméticaracional, calcule Ia respuesta exacta. Por Ailimo, comprucbe su respuesta (1.0) 2, [8] Resuelva este sistema para xy y. axtby =e axt hy =o Invroduzea la matriz aumentada del sistema (1.10) determine: (a) un escalonamiento de renglo- res (si hay disponible), (5) la forma de escalon reducida, ;Cual es la solucién del sistema? 4. Sea la matriz de eoeficientes del sistema (1.10). ;A es equivalente en renglones 8 B? bas p=|2 23 333 5. Para el siguiente sistema, use su programa para demastar que sic 29 ene un mero in nito de soluciones, Pero c # ~ + no tiene soluciones 1 5 1 6 6, Para la matriz Ben el ejercicio 4 y con su programa informatio, presente la primera colunna de 12] £1 segundo renglén, las dos primeras columns los dos tims renglones y la parte a il vr islones y la parte | 2) 7. Sisuprograma admite nimeros aleatories, gener y resuelvaun sistem sleatoro de tres ecuaciones ‘on tres incgnitas. Si repite lo anterio? varias veces, casi siempre ;se obtienen sistemas consistentes 9 inconsistentes? 8, Use su programa para trazar las rectas deinidas por un sistema de dos ccuaciones con dos ineég- nits en la misina Figura, 9. Use su programa para trazar los planos definidos por un sistema de tres eeusciones con tres n= cégnitasen la misma figura, 10. Caleule las temperaturas de los nueve puntos interiores en una placa cuadrada que se ha subdivigi- 4o con tes lineas verticales paralelasreparidas y tres horizantales. también repartidas. Suponga ‘que los dos lados vericaes del cuadrado se mantienen a 85°, y los dos verticalesa 110°, Aplique la propiedad del valor promedio en la conduccién de calorAlgunas soluciones con Maple 1.6 W Ejercicios en computadora ST funcién ‘Maple funciona Maple Fin de comand | (punto y coma) Continuar en el siguiente rengion | \ (diagonal inversa) peticion de resultado] : (dos puntos) Resolver solve, lnsolve ‘ayuda ‘tama o bien ayuda (tema) Resolver numéricamente solve ‘comentarios 4 comentario hasta el final del renglon | Paquete de dlgebra lineal ‘withdlinalg): iiimo resultado | * (dobles comillas) Forma de escalin ‘gausselim, ffgausselim ‘asignacin = (dos puntos igual) Forma de escalin reducida Pref, gaussjordan listas de argumentos | () (paréniesis) Susttuciin hacia atrés backaud # Beretelo | ~Parcial sys: (1/Stx+1/6ty+1/7%2 1/Trxe1 /8*y+1/9%2 solvecsys, (x,y.21): evalt); 71/5041; 241/1260, 1/6*x+1/7+y+1/8*2 = 109/672, # Asignacién de un nombre al sistema, # aritmética de nimeros racionales. # Bvaluacién del wltimo resultado # con precision por omisi6n. evalfc* ",18): fsolvecsys, xy.2)i solved{l./Stx+1/6"y+1/7*2=241/1260, L/6rx+1/T*y+1/82 = 109/872, L/Tex4 1/8+¥+ 1/92 = 71/504) bx,y.2); # Bvaluacion con mayor precisi6n. # Alternativa en una etapa, # También, forzamiento de aritmética de # punto flctante con 1./8 # Otra forma importante de resolver un sistema lineal ¢s usando linsolve. Primero conciinalg); & bb: = vector((241/1260, 109/672,71/804)); UnsolveA,b); ~ # Bjeretelo 2 solve(ial*x + bl*y = cl, ax + b2ty = eB. lx.yDs # Bjerelelo 3 m: =matrix({(1/8,1/8,1/7, 241/1260), 11/6, 1/7,1/8,109/672},(1/7,1/8,1/9,71/8041D; gausselim(m): refi), gaussjordcm); # Hjercicio 4 A: = matrix (, 3, (1/8, 1/6, 1/7, 1/6, 1/7, 1/8, 1/7, 1/8, 1/9); B: = matrix , 3, (11, 2, 3), (2, 2, 31, 13, 8, 3D; Pref); Pref(B); # cargue el paquete de algebra lineal, linalg. A con- matrix(I{1/5, 1/8, 1/7) , (1/6,1/7,1/8) , (1/7, 1/8, 1/9); # tinuaci6n la matriz de # oveficlentes y el vector de # constantes en linsolve. # Introduccion de la matriz aumentada, # Bliminacion de Gauss; una forma de escalén, # La forma de escalén reducida. # Lo mismo. La Ultima columna es la solueton. # Introducol6n de A en.un formato # diferente, +# Otro formato. # Las 2 formas de escal6n reducidas son # guales. Luego A y B son equivalentes.58 Capitulo 1M Sistemas lineales # Bjercicio 6 col (B, 19; rowCR, 2); col(B, 1..2); row(B, 2.8); submatrix, 1..2,1..2); # Ejerelelo 7 - Sugerencia, rin := rand(1..1000): # genera un entero aleatorio entre 1 y 1 000. al := evalf(rinO/1000); # La division entre 1 000 genera un numero real en (0,1) # También relacionados: randmatrix y randvector. # Blercioto 8 - Sugerencia, plot(2*x-1, x=0..3); # Grafica 2x-1 varlando x de 0 a &. plot((2*x-1, x42), x20..8); # Grafica 2x-1 y x+2 en la misma figure, # Blercicio 9 ~ Sugerencia, plot3dex-y, x=0..8, y=0..2); # Grafica x-y en (0, 3}x(0, 2), en tres dimensiones plotad(x-y, x+y], X=0..5, ¥=0..2); # Gréficas en tres dimensiones en la misma figura. ‘Aigunas soluciones con Mathematica funeién Mathematica funcion Mathematica Fin cle comanda ‘cambio de renglin) lestas de argumnentos U1 paréntesis cwadrados) ‘presi de alia ‘punto y coma) ‘pasar al siguiente renglon “diagonal inverso) sovuda tema o bien Prema rmltipliacion a en espacio) ‘comemarios (comentario * Resolver Solve, LinearSolve titi resultado 9% (eno de porcentae) Resolver muméricamente Solve wsgnacin = figual) Forma de escalén reducida RowReduce Un paguete de dlgebra linea: > Grafica 2x-1 y x42 en la misma figura. *) (Grafica tridimensional de x-y en 0, SIx{0, 2]. *) © c Otra grafica._ *) Mostrarias juntas. *) [ funetén MATLAB funcion MATLAB Fin de comanda (cambio de renglin) listas de argumento iparémtesis) ‘presiin de wala ‘punto y coma) ‘pasar al siguiente renglon (clips) cada help vopico Resolver ecwacién roots | comentarios % comentario hasta el final | del renglin Resolver ef sistema Ar = 5 ANb ‘nina resultado ans Forma de excalin reducida ret asignacin = figual) “Reduccin on etapas reefmovie Nota: La notacién (ST) significa que c! Toolbox simblica debe estar disponible % Bjercicio 1 ~ Parcial A > Ale (0/5 1/6 1/7; 1/6 1/7 1/8; 1/7 1/8 1/9) (241/1260; 109/6t2; 71/504) format long format short linsot >) % Para resolver un sistema cuadrado % se forma la matriz de coeficientes A, después 5 el vector constante b y se teclea A\b. % Para mostrar mayor exactitud cambiar a % formato largo y llamar al ultimo resultado % Regreso al formato corto. % También se puede usar linsolve (ST)60 Capitulo 1m Sistemas lineales % Rjereieio 2 solveCal*x + bl*y = cl’, ‘aa + bey = 02, xy) 4ST % Hjereicio 3 me[1/8 1/6 1/7 241/1260; 1/6 1/7 1/8 109/672; 1/7 1/8 1/9 71/504) Pref) 96 La forma de escalon reducida. La ultima columna es la soluetén. % Rercicio 4 123,228,533) % La matria A fue introducida en el ejercicio 1 Pref(A) % Las dos formas de escalon redueldas son rref(B) % iguales, luego A y B son equivalentes. % Bercicio 6 Gy LD % Columna 1 BG, -) % Renglon 2. BG, 1:2) % Columnas 1 y 2. BG, % Renglones 2'y 3. BCL, 1:2) % Bloque superior izquierdo. % Byerctelo 7 — Sugerencia rand % Un némero real en {0 1}. % También relacionado: randn % Rjercicio 8 - Sugerencia fplote'12"x-1, x421', 10 5] % Grafica 2x-1 y x+2 en (0, 3) en una gréfica, También, un = 0:-1:35 5% método més ‘importante consiste en definir un vector x, Yi= Q%-1; y@= x42; 9% a continuacién aplique las funciones para obtener los plot (x, yl, x, y2) 9% vectores y y grafique. 9% Vea también ezplot, de (ST). 96 Bercicio 9 - Sugerencia X= 0:1/4:5; 9 Para graficar x-y y x+y en [0, 3}x{0, 2] en la misma figura: y= 0:1/6:2; —% Crear vectores para las coordenadas x y y de los puntos. (X, Yismeshgrid(x, y); % Forma un agrupamiento de x yy adecuado para gréficas en SD. IX-Y, K+Y]; % Defina Z en funcién de las dos funciones de mesh(Z); 9 Xy ¥y use mesh para graficar. % ADVERTENCIA: x y y deben tener las misrhas dimensiones. Observe que x tiene % C-1)"4+1 = 15 componentes, y las componentes de y son (2-1)"6+1 = 18. % Relacionado: |Bxplore la construocién inspacel-_ Vectores ‘Sila supervivencia es una medida de ta calidad, los “Elementos" de Euclides ‘y las Cénicas” de Apolonio fueron las mejores obras en sus campos. ’ Carl C. Boyer Introduccién Apolonio y Descartes den determinar sélo con su magnitud. Sin embargo, pensemos en el desplazamiento, la velocidad y la fuerza. Con ellas necesitamos la magnitud y también la direccién para definirlas por completo, El desplazamiento, 1a velocidad y la fuerza son ejemplos de vectores libres. Nos interesan principalmente los vectores libres que comienzan en el arigen, ‘Acellos los llamaremos simplemente vectores. En este capitulo estudiaremos los vectores, su aritmética y su geometria, porque desem. pefian un papel importante en matemticas,fisica, ingenieria, procesamiento de imigenes, ‘grificas computarizadas y en muchos otros campos de la ciencia y de la vida cotidiana En el plano y en el espacio los vectores tienen existencia doble: son a Ia vez objetos algebraicos y geométricos. Este tipo de duatidad nos permite estudiar Ia geometria con mé- todos algebraicos. Dos hombres, principalmente, tienen el crédito de haber realizado esto: Apolonio y Descartes, { Apolonio! posee un lugar prominente, junto con Euclides y Arquimedes, como uno de los tres grandes geémetras de la antigiedad. Demostré muchas propiedades geométricas de las secciones cénicas, usando lineas de referencia para medir distancias entre puntos de curvas. Este es el primer uso de coordenadas sistemitice conocido. En 1637 Descartes uso uno de los teoremas de Apolonio para ensayar su nueva geometria analitica Li L as cantidades como longitud, érea, volumen, temperatura, masa y potencial se pue- " Apotonio de Ponge nacié en la ciudad griege de-Perg2, hoy el pueblo de Murtana, en Asia Menor ‘Paso algin tiempo en Alejandra y Pérgamo, Se cree que vivid entre 262 y 200.C. La mayor parte de sus trabajos, como Entrega répia, Corte de una relacién, Tangencias ¢ Inclinaciones se han perdido, Sobrevivieron 7 volimenes desu grandioso tratado Cénicas. Sus teoremas de este libro se han usado i ‘en astronomia durante dos milenios LJ ot62 Capitulo 2 mM Vectores Descartes? es el verdadero padre de la geometria anaitica. y el primero en estudiar en forma sistematica la geometria con métodos totalmente algebraicos. A diferencia de Apolonio, Descartes introdujo sistemas de coordenadas independientes de las curvas. A él se debe el concepto de que una curva esta definida por una ecuacién, y no que la curva determina la ‘ecuacidn. Su trabajo mis famoso es un tratado de filasofia llamado Discurse del metodo, Uno : de los apéndices de este libro se lama Geometria, y presenta lo que hoy se conace camo oometria analitiea 2.1 Operaciones vectoriales Gee eo. (Objetivos de! alumno para esta seccién | 1. Bjercitarse en la aritmética vectorial bisica y comprender su veometria. | 2 Conocer qué es una cambinacién lineal de vectores. 3. Comprender la relacién entre sistemas lineales y ecuaciones vectorales edicaremos esta seccién a los vectores y a su aritmética. También presentaremas el impor tante cdncepto de una combinacidn lineal de una sucesion de vectores. Suma y multiplicacién por escalar Un vector es una matriz de una columna. Un vector-n 0 n-veetor es una matriz de> Por Uh vf 02 son vectores 2,3 4, respectivamente, Algunas veces, al valor n suele Hlamxirsele tamaio del vector. Los elementos de un vector también se Haman componentes, Los componentes de w son 0.5, 1, 0 y ~0.2, El conjunto de todos las vectores n se representa con R" R= (x, e5 un vectors} u,v y-w son los elementos correspondientes de R2, RY y RY, Los vectores 2 y 3 pueden interpretarse geométricamente como puntos en el plano © enslespaio.Culgier vector 2 por empl x=[ |. pude representa riiamente con el punto cuyas coordenadas son (x), x3) en un plano de coordenadas cartesianas. Con Frecuencia, x se considera como la flecha que comienza en cl origen (0. 0) cuya punta tiene a René Descartes fue flésato, militar y matemético. Nacié on 1596 en Toirraine, Francia, en una fie rl acomodad: Fue educad en un colegio de jesuitasy estudiéleyes. Vino y participé en varia ea pats militares, Entre sus trabajos estin Je Mande y Discourse la Méthode, Murid en Estacolm, eh T1650, cuando asesoraba a la eina Cristina de Suceia21 WM Operaciones vectoriales 63 e@ st? * we 2.2) Figura 2.1 Representacién geométrica de vectores 2 y vectores 3 [2] ’ w=[ Jen fonma de puntos y de echas que comienzanenel oigen. Como es posible epresentar todos los vectores 2 de esta manera, Reel plano total. Los vectors 3 pueden a- ficare en forma preci, figura. 2c) yR constuyeenonces el espacio tidmensiona al See que dos veciores wy ¥ del mismo tama son iguales.y se expresa u "51503 componente rexpectivas son gules, Pero los vectors de tama dstintos munca lo Som MEJEMPLOT La ecuacién co sélo es vilida si a= Ly Los vectores del mismo tamafio pueden sumarse componente por componente: fey fp 4] 5 Eee Ee -( “A esta regla se le denomina ley del paralelogramo para la suma. Un vector n puede multiplicarse por un esealar, componente por componente: RF fF] ‘cesta operacién se le llama multiplicacién por esealar. El vector(~1)v se llama opuesto de Vy se representa con ~v. (lev64 Capitulo 2m Vectores utes Figura 22 La ley del paralelogramo ce la sua, w) ‘Se acostumbra escribir u ~ v para representar u + (~I)v, y al resultado de esta operacién se le denomina diferencia entre wy v. utChy Si todos los elementos de un veetor son cero, se dice que es un vector cero y se representa por 0. Geométricamente, el producto por escalar cues la flecha u escalada por un factor dec. Sie> 0, entonces cu tiene la misma direccin que w. Si c<0, cuttiene direccién contraria. Si [el> 1, entonces cu se extiende en un factor dec. Si|c|< I, entonces cw es una contraccién de wu, figura 2.3(a) y 2.3(b). 0 = (0) @ o © Figura 2.3 Productos por escalr: (ay (bl, [cl dlferencia Observe que la diferencia u-v puede representarse como la suma u + (~1)y, figura 2.3(c). Al vector n que tiene 1 como i-ésimo componente y todas los demas componentes 0 se denota mediante e,. Los vectores e), €2,.. ., €, llaman vectores de base estindar de R", 0 fr simplemente la base de Re. Por ejemplo, los vectores de base estindar de R® sone = || yfo} fo fo] sone lol galtl «[*l o[mmeronisser inn lh wlll a I" ts Lye oe TON, Figura 2.4 Los vectores de base normal. Lasuma vectorial y la multiplicacién por escalar tienen algunas propiedades fundamen: tales, que se resumen en el siguiente teorema. Sean u, v y w cualesquiera vectores m y sean ary b das escalares cualquiera. Entonces se ‘cumplen las siguientes igualdades entre los vectores n: TEOREMA 1 {(Reglas para la suma vectorial y la multiplicacién por escalar) (utyytweus(vtw) Ley asociativa Ley conmutativa Ley distrbutiva | Ley DEMOSTRACION Sélo comprobaremos la parte | y dejaremos las demas demostraciones como gjercicios, Como u + vy w son vectores n, también lo es su suma (uv) waa. mente, u + (v + w) es un vector n, Por consiguiente, (a+ ¥)+ wy w+ (v +9) tienen el mismo. tamafto. Sean u,v, y w; las i-ésimas componentes de u, v y W, respectivamente. Fnionces, 4+ ves In i-ésima componente de u + v, asi que (u;+ v,) + wes la iésinna componente de (u+¥) + w, Del mismo modo, u,+ (v,+ w,) es lai-ésima componente de u+(v +»). Como (u,*¥) * wi u/+ (0, w),ias componentes respectivas de (u+v) +wy deu + (v+w) son iguales. Esta afirmacién es cienta para toda /~ I... .n, Se concluye entonces que (w+ ¥) + wy u+(v-+ w) son iguales, El teorema | puede aplicarse para resolver ecuaciones vectoriales sencillas,66 Capitulo 2M Vectores MEJEMPLO2 Determine el vector x tal que 2x -4v =u SOLUCION Se suma 4v en ambos lados de la ecuacién para obtener (Qx-4y)+4v = 3ut4v @ 2x + (~4v + 4v) = 3u + 4¥ de acuerdo con 1 del teorema 1 2 axt0 =3utav de acuerdo con 4 eo2x = 3u+4y de acuerdo con 3 Se multiplican por + ambos Iados de Is tltima ecuscién = 40x) = iGu+4y) © ($-2)x= 1Gu) + Hay) f , de acuerdo con 7, 5 eix (2-3) (F-4)¥ ge acuerdo con 7 ex =dutw de acuerdo con 8 a Matrices como sucesiones de vectores Con frecuencia se considera que las matrices son sucesiones de vectores. Por ejemplo, la mate, fa] mM puede considerarse como igual (vy v2 vs) siendo vi -[bjw=[2 [y vs" [3 j Dilimos sucesién y no conjunto por dos motives: a diferencia de los conjuntos, (1) los elementos de ‘una sucesién tienen un orden definido, y (2) se permite que el mismo elemento se repita en posiciones distintas. Es claro que una mafriz puede tener columnas repetidas, y cl orden de cllas es importante. Si se toma en cuenta lo anterior, por lo general no hay problema en decir r).u+((v fw) +n), u+ (vt (w+) y vt (u+ (w+ 9) Se expresan como w+ v-+ w+ r. También, pueden escribirse sin ambigiedad expresiones como yo Bu + Sv 2M cen la que V5, Vz, ¥ y Ve son vectores del mismo tamafio. Estas sumas de miltiplos escalares de vectores se llaman combinaciones lineales de es0s vectores.DEFINICION 2.1 M_ Operaciones vectoriales. 67 (Combinaci6n lineal) Sean Vj, Vay... Wectores n, ¥ Scan C}, €2,... ex escalares, El vector n de la forma se llama combinacin lineal de v,..., v. Los escalares cy, -€:8e lama eoeficientes | de la combinacidn lineal ___| MEJEMPLO 3 Calcular y dibujar la combinacién lineal }vy ~3vs, siendo wf) Eh esc CELL] emrnn nam n tot Figura 25 La combinacién lineal $v; ~ 32 EJEMPLO 4 Determine si cada uno de los siguientes vectores, hell ces una combinaciéu lineal de vi, vey vs, dondeSOLUCION Buscamos los escalates cy, cz y tales que u™ eywy Heavy + eW¥s OBE Por consiguiente, -at2qta] fo a tg te=0 ate |= ]2],osa qt g=2 ats 1 ator Este sistema es lineal, com las incégnitas cy, ca yc. Su matriz aumentada tiene las columnas Vi, Va, Vs My se reduce como sigue: -r* 1c) rpara cualquier escolar r, En este caso hay una cantidad infinita de escalares tales que & = c.¥i + c3¥ + ews. Por ejemplo, Hefob jf ‘Tambien buscamos los escalares dj, ds y ds tales que v= divy + devs + divs, es decir (CR La matriz aumentada del sistema correspondiente en dj, ds y ds tiene las columnas vi. 5, Vs y Ys se reduce como sigue: “r21:0 101:0 pou: ifssforr:o o1i:2 ooo:t De aqui inferimos que el sistema es inconsistente. En vista de esto, v no es una combinacién lineal de vs, ¥2 y vs co Sistemas lineales como ecuaciones vectoriales En la solucién del ejemplo 4, vimos que la ecuacién vectorial eww; + cays + ews =u produjo tun sistema cuya matriz aumentada tenia las columnas Vj, V3, ¥s ¥ &. A la inversa, el sistema que exhibe dicha modalidad de matriz representa la misma ecuacién vectorial. Esta impor- lante equivalencia de notacién se aplica @ cualquier sistema lineal.2.1 Ml Operaciones vectoriales 69. Relacién entre sistemas lineales y combinaciones lineales Six)... ty Som las inedgnitas de un sistema, la matriz de coeficientes es 4, cuyos termi ros constantes son las componentes de un vector b: por tanto, si aj. a2,.... a, son las columnas de A. las notaciones siguientes son equivalentes: [A:b] ema, tema; tot xa, =b 1 WEJEMPLO 5. Escriba el sistema siguiente en forma de ecuacién vectorial xaSy=l SOWCION ’ x{_t}ey[78] =f 1) 77 6 * [3 a MEJEMPLO 6 Escriba Ta ecuacion vectorial »[el+s[ta] - fe] cen forma de sistema lineal, SOWCION ” co PREGUNTA {Qué expresion es equivalente a “el vector b es una combinacién lineal de vs, RESPUESTA El sistema cuya matriz aumentada es mon b es consistente. O también, “a altima columna de esta matriz aumentada no es una columna pivote”. La equivalencia entre sistemas lineales y combinaciones lineales nos permite expresar las soluciones de los sistemas lineales en forma vectorial. Por ejemplo, la solucién ¥ = 21 [neon PREGUNTA IMPORTANTE Con frecuencia, tanto en teoria como en la prictica (véase el ejemplo 11), se necesita responder la siguiente pregunta: ;puede ser consistente para toda b cl sistema cuya matriz aumentada es (4: BJ? La clave para contestatla es, una vez mis. la re- duecion por renglones. Yl ssumacne! emo Spt xpress como| clorden de las variables esta determinade.10 Capitulo 2m Vectores TEOREMA 2 Sead una matriz de m xn. Las afirmaciones siguientes son equivalentes 1. Bt sistema lineal cuya matrizaumentada es [4 : b] es consistente para todos los vectores ber" 2. Todo vector b € Res una combinacién lineal de las cokumnas de 4 3. A tiene m posiciones pivote. (O bien, cada renglén tiene una posicion pivote,) DEMOSTRACION De acuerdo con (2.1), lasafirmaciones 1 y 2 son equivalents, por lo que bastard demostrardicha equivalencia entre I y 3. Suponga que el sistema es consistent para todo b € Re. Si.unrenglén de. no es renglén pivot, entonces cualquier forma de escalin de [sb] tendrd un renglén dela forma [0 0.0 «0 = b].Comob es cualquier vector n. demos elegircomponentes de b tales que 60 Pero entonces [4 = b]serdinconsistente para ‘una ben particular. Esto contradice nuestra hipétesis de que [4 :b] es consistente para todos los vectores m b. En consecuencia, todos los renglones tienen una posicidn pivote. Por el contrat, supongamos que cada ronglén de tiene una posieién pivote.Entonces. el elemento a1 final del iltimo renglon de des distinto de cero. Por consiguient. altima colurnna de la ‘matriz aumentada no puede ser una columna pivote,independientemente de lo que sea b el sistema (4 :b] es consistente para todos los vectores mb NOTA 1, Decir que la matriz 4 de mx n tiene m posiciones pivote equivale a decir que m < 1 (Por qué?) 2, Las partes 2y 3 del teorema 2 se efieren a la matriz de cveficientes de un sistema. 10 nas pivote, pero el sistema correspondiente no tiene soluciones. MEJEMPLO7 Se tienen los sistemas cuyas matrices sumentadas [4b], {B= b] y [Cb]. donde : -1 3 20 1302 0 -1 3 A=| 0 2-2 4], 0 2-2 4|, c=] oo 2 0-1 12 om 1-2 0-1 {Cuiles sistemas son consistentes para todos los vectores b © R™” Qué puede decirse acer- ‘ea de los sistemas que no lo son”? SOLUCION Ya que -13 20 “1320 “13 A~| 02-24) B~| a2 -2 4) c~}] 02 00 04 90 00 oo A tiene una posicién pivote en cada renglén; por tanto, 4 : b] se soluciona para todo b © RY segiin el teorema 2, Los tereeros renglones de B y C’no tienen pivotes, y en consecuencia los sistemas [B :b] y [C: b] no son solubles para todo b © RX. De acuerdo con el ejercicio 50 devectores libres 2.1 WM Operaciones vectorlales 71 la seccidn 1,2, cada sistema de [Bb] y de [C: b] no tiene soluciones. o bien tiene un infinito de ellas, segin el valor que tenga b. C4 La notacion (x4, X54) ‘A veces, para ahorrar espacio, se emplea la notacién (x), .....t,) para representar al vector ‘cuyas componentes son x), x3,...,X,. Esto no debe confundirse con la matriz [x),.%3,....xh fy cuyo tamaio es Xn, y noes n> 1. Asi (1, 2) es lo mismo que] > |, peru no que (1 2} Un vector libre es una cantidad que puede determinarse por su magnitud y su direccién, Al igual que con los vectores, uno puede penser geométricamente en los vectores libres como si fueran segmentos de ectadirigidos,o lechas,y pueden escribirse en la forma a b,....0 bien como PG, R,... La longitud y a punta dela fecha descrben Ia magnitud y la dreceién del vector. En contrast con los vectores 2 y 3, los vectores libres pueden comenzar en cval- aiuier punto del plano o del espacio. De hecho, todo veetor libre cuyo punto inicial esta en el origen del sistema de coordenadas es un vector Dos vectores libres a y b son iguales si tienen la misma magnitud y la misma direccin, y lo anterior se expresa como a = b, figura 2.6(a). Un vector puede usarse para ‘epresentar a todos los vetores libres iguales a é, figura 2.6(6).Y aquél que corresponde a un conjunto de veetores libres iguales se lama veetor del conjunto, o vector de pos cconjunto. @ Figura 2.6 (a) Vectores libres iquales, (b) el vector de posicién de los vectores libres iguales. Dos vectores libres se suman determinando la suma de sus vectores correspondientes De igual forma, la multiplicacién por escalarse lleva a cabo en el vector correspondiente. Los componentes de un vector libre son los componentes de su vector. En general, (os wectores libres se estudian a través de sus vectores correspondiente. Un vector libre PQ en el plano, cuyo origen esti en P(p,.p2) y su punto terminal esta en (41, 42) tiene las componentes PO =(a.~ pigs po)72 Capitulo 2m Vectores porque PQ ~ OQ = OP = (41. 42) ~tpr. P2d = (4s ~ Pre ts =P) figura27().L2 férmata snitogs es lida pars los vectors libres enel espacio. Si Plpn spo ¥ Ot4y.4s 410s componentes de PQ se determinan con PQ = (gi ~ Pu g2— Poo 4x pr) Ppa) aa) (1,05) os. (ar ~ pigs ~ pad o) Figura 27 Componentes de vectores libres, MEJEMPLO8 (Componentes de un vector libre). Eneuentre las componentes de los _guientes vectores, (a) POst PO. 05) y OC, 1), figura 2.716), (0) FB si RC-2,-1,4)y S3, 1,0), SOLUCION wm-['al-feal, os [E83] [3] Aplicaciones —I EJEMPLO9 [Equipo olimpico ce clavados) El equipo olimpico de Estados Unidos, con 10 miembros, participé este afio en tres competencias internacionales, Calcule el promedio de cada uno, s as calificaciones obtenidas en las competencias estan representadas por los vectores u,v y w. ;Cual es la calificacién promedio del décimo miembro del equipo? we [ 5-8, 9.2.9.9, 10.88, 6.5, 9.4,9.8) 5,75, 82,82, 89, 7.9, 7.8, 8.5, 9.4, 9.6) 85, 85,8.9,9.2,8.6,9.9,.98,9.5,9.1, 89) SOLUCION El vector promedio es ' q(t + V+ w) = (B83. 8.50, 8.36, 8.86, 9.13, 9.26, 8.80, 8.16.93, 9.43)Manufactura 21 Ml Operaciones vectoriales 73 ‘Todos los elementos fueron truncados a dos cifras decimales. El décimo miembro del equipo tuvo un promedio de 9.43 puntos. co MLEJEMPLO 10 Una empresa de articulos deportivos tiene das fabrieas, y en cada una se ‘ensamblan bicicletas de montafia fabricadas en aluminio y titanio. La primera planta produ ce 150 bicicletas de aluminio y 15 detitanio por dia. La segunda, 220 y 20, respectivamente 150 220 Sivs=| 15 |¥¥2=| 39 } caleule e interprete el significado de las expresiones (a) a (d). @) wim ) w-w (©) 10% (@) av, + bys, siendo a, b> 0. (€) {Cuintos dias debe trabajar cada fabrica para que la empresa entregue 2 600 bicicletas dd aluminio y 250 de titanio? SOWCION producen las dos fabricas en wn dia 70) (b) vi-vi= | findica cu paracién con la primera fabrica 5 bicicletas mis produce Ia segunda fabrica en un dia, en com- 1500 (©) 10vs = | 45 | representa cudntas biciletas produce la primera f rica en 10 dias [1504 +2208 (2) avi+bve=| 159.4205 [5/2 cantidad total de bicicletas producidas cuando la prime- +a fabrica trabaja a dias y la segunda trabaja b dias. (e) Sean x;y x2 los dias respectivas de trabajo. Entonces xiv) + 10¥ f. 600 (| [ 0] [2 600} “has 20 }*| 250 J fis 220 2600] El sistema correspondiente tiene la matriz aumentada| 52 2g cuya forma de 10: 10) escalénreducidses| , 5 |. Por consiguiente, la primera fabrica debe trabajar 10 dias, yy la segunda S dias. oo” Capitulo 2m Vectores ‘Transmisién de calor Como ejemplo de la aplicacién del teorema 2, regresaremos al problema de transferencia de calor que estudiamos en la seccién 1.4. Una placa cuadrada tiene una distribucién dada de temperaturas en sus bordes, by, bay... by (Figura 2.8). Se trata de caleular las temperaturas ‘enel interior, Para simplificar, asignaremos elementos térmicos en ciertos nodos de la reticula A continuacién aplicaremos la propiédad del valor promedio para conduccitin le calur. que cconsiste en que la temperatura de un punto interior de la reticula es et promedio de las temperaturas de sus puntos vecinos en Is reticula, y con ello se abtiene un sistema lineal, En este Gp +25 +b +s) sae Hiy ta th tbo) (22) = Gla + xy + bs + by) X= Hom tay tbe + bb | 4 bop tty, be Figura 28 Transferencia de calor MEJEMPLO 11 _[Intuicién de un ingeniero} _ Uningeniero sabe (por intuicion) que todos los valores de temperatura by, ... hx en las orllas de la placa producen temperaturastnicas en xy, ts, Demuestre mateméticamenté lo anterior. SOLCIGN Se necesita comprobar que el sistema (2.2) puede resolverse para toda by >, Primero se replantean las ecuaciones (2.2) en su forma candnica se forma la mata au. mentada 4-1-1 0: bth aio} 4 0-1: beh eb) yg 4 mtr heb O11 4: bth Ya que 4-1-1 0 O-1-1 4 0 0 4 -2 o 0 02.1 Ml Operaciones vectoriaies 75 4 tiene cuatro pivotes. En consecuencia, [4 :¢] tiene una solucién para todos los vectores 4 ¢, segiin el teorema 2. En particular, si a € se le asignan los componentes 6, * by, bs = hy. ‘bry by + by, observaremos que el sistema (2.2) se resuelve para cualquier eleccién de temperaturas by... bs co Combinaciones lineales con sistemas algebraicos computacionales Maple ~ - > vector 2 ah-6e0 3.2 (17, -6, 11) anematica : : In{t):= - Razarees.ccn oust ir, 80 wars Serrrereren Ejercicios 2.1 : 6, Determine un vector x fal que mealspe3M, Compruche que cualquier vector 3es una sombinacion fro. sal detascolumnas de] 1 1 0 Lion 35, Determine un vector 3 que no sea una combinacién lineal | ff [2 “we 136, Demueste que cualquier vetor es una combinacién linea de los vectores de base estindar de R En lovejetcisios 37a bedeserit cl conjunte de todas las com- binacioneslineales de los vectores dados: Ue) BR - “EE EEG Cafes fs valores de moor] 2k fo] fi] omnia 20 1 -k | nacin Hincal de las columnas de|g yg Ecuaciones vectoriales y sistemas lineales 44, Eseriba los siguientes sistemas en forma de ecuaciones sectoral, ao xndyet moet y=o bo xn ay tre 2etd at 445. Exprese los siguientes sistemas en forma de ecuaciones vectorales, 21 WM Operaciones vectoriales 77 aoxsaynzet nxt y yrs bo xnayo “x ta yr? 46, Plantee las ecuaciones vectoriales en forma de sistemas lic reales. -La][5]-G] [a]f) En los ejrcicios 47 y 48 diga sel sistema [4 : bles consistente para todos los vectores b € R?, i Aes 02 anal bond “1 wate 3] Ejercicios de teoria 49. Demuestre las partes 2a 5 del teorema | 450. Compruebe la partes 6 2 9 del teorema 1 SI. Sea 4 una matrz de m xn, Suponga que el sistema [4b] es consistente para todos los veetores wb. ;Es cierto 0 Fale 0? (Explique por qué.) bes una combinacidn lineal en fas columnas de 3. A tiene m pivotes. A tiene npivotes |. Cada renglén de 4 tine un pivore ‘Cada columna de 4 tiene un pivote A puede tener mis de m pivotes, i: A puede tener mais dem pivotes he msn, ‘52, Suponga que el sistema [4 :b] es inconsistente 8 UQuE puede decir acerca de la cantidad de pivotes de 4? b. Puede ser bun miltiplo escalar de la primera columna dea? ‘Aplicaciones '53. Unbote de vela viajaa 10 mifhhaciael este, y soplaun vien- focruzado, de suranorte, de 20 mith. {Cuil esl vector ve~ focided del hots” ‘$4. Durante el despegue,un avin se eleva con rapdez de 20 if fh, Surapidez hacia el est es 150 mirh y su rapidez hacia eh ‘norte es 200 mith, Caleule el vector velocidad total78 Capitulo 2 mM Vectores ‘88. Una zerolinea compra suministrs para tres de sus aviones, aa tata, bana El costo promedio por viaje en délares, se expresa com la eos, 4. 7a, + Bay +925 smatriz A cuyas eolumnas son a, clase Primera Negocios Econéiica Caleule y explique el significado de lo siguiente * 86. Acerca del ejercicio SS, ,euéntos viajes hizo cada avin, si Ja aerotinea gast6 $23 000 para primera clase, $38 000 para Avlén 2 Avién 3 la de negocios y $49 000 para la econémica? (Sugerencia 2.2 Producto punto DEFINICION 300450 me Sit. ¥ 1 Son la cantidad de viajes que hizo cada avién, roo 900 23,000 centonces sa, + a9; +a = | 38,000 |), 49,000 Objetivos del alumno para esta seccién 1. Cafeutar Ia longitud de un vector. el producto punto y el Angulo entre vectores, 2. Calcular la proyeccién ortogonal de un vector sobre otro vector, En esta seccién definiremos al producto punto, o producto escalar ¥ la longitud en Rv. Estos ‘conceptos son bisicos en la teoria y las aplicaciones de los vectores. En dos y tres dimensiones tienen interpretaciones geométricas familiares, | (Producto punto} Sean w = (Wy. a) ¥¥= (Hh, vi) dos Vectores n cualquiera. El produeto punto, 0 producto esealar de u y v es el miimero siguiente: HEJEMPLO 12. Sean -2 -2 " 1" = " Caleular u+v, us wy vw. SOLUCION uey = (=1)-(-2)+2-043-240-0=8 ew = (HI) (=2)+2-043-(-2) 40-1 vow = (=2)-(-2)+0-042+(-2) 40-1 = a El ejemplo 12 demuestra que el producto punto puede ser menor que, mayor que 6 igual 80. De hecho, siel producto punto de dos vectores es 0, se dice que son ortogonales entre si Asi, v'y w son ortogonales, pero wy ¥ no lo son,22 WM Producto punto 79 La norma, longitu © magnitud de un vestor nu, es acai cuadrada posts Wall = aru = (uf +--+ ud)" La norma siempre est definid, porque ful? = u-w (23) e520. ‘También a distancia (cuclidiana) entre w y v se define como sigue: d=ju-v WEJEMPLO 13 Calcule la norma de w, que es |jwl|, y la distancia d entre w y v. SOLUCION La norma de w es Iwill = ((-2 +0? + (-2P + PY’? = Yo=s La distancia entre wy ves lla = vil = 0,2,1,0)11 = V6 i Observe que la norma de un produeto escalar, cu, es Hell = Ie a) porque Ve =e. Por ejemplo, =5(1, 2911 = 5, ~ 10 = 55 = [31,20 La norma de un vector 2 0 un vector 3 ¢s exactamente lo gue en geomettia llamamos longitud. Si w= (uy, 1), entonces |= fry a2 = YlOP'? +(PP')? = OP, de acuerdo ‘con el eorema de Pitigoras, figura 2.9{a), Del mismo modo, 3 w= (2, 44) entonees ul es la longitud geométrica, aplicando el teorema de Pitigoras a OPP’ ya OP"P” en ta figura 2.9(b). @ Figura 2.9 Magnitudes o normas de vectores en el plano y en el espacio.80 Capitulo 2 Vectores Si PGes un vector libre siendo Plpi, 2.23) ¥ Olqi-dz.4y), en ese caso la longitud |PO| de PQ es la longitud del vector correspondiente, es deci, {PO = Var PF GFF Gee Esta formula también expresa la distancia entre los puntos Py Q en el espacio. Entonces, la distancia entre dos vectores, tal como se definid, es la distancia geométrica en el espacio centre las puntas de fos vectores. Si p;~ gy = 0, se obtiene la distancia entre dos puntos en el plano. BEJEMPLO 14 (a) Calcule la longitud de v = (1, -2, 2). (b) Determine la distancia entre P(2, 3, -1) y Q(-1, 0, -2). SOLUCION Wil= VPP [Rl arco vio co Un veetor unitario el aguél euya longitud es 1 MEJEMPLOIS u es un vector nitro, porque ceca OPO Con frecuencia nos interesa obtener el vector unitario en la direccién de un vector dado. TEOREMA 3 (Vector unitario en una direccién dada) Sea v= (v1, ... v4) un vector distinto de cero, y sea w el vector unitario en la direccién dev. entonces DEMOSTRACION Como wes un miltiplo escalar positive dev, tiene la misma direccién que v. Ademis, u tiene longitud unitaria, porque cidn (2.4. 7h llvl = 1, de acuerdo conta ecue- sasceTEOREMA 4 22 WM Producto punto 81 MEJEMPLO 16 Determine el vector unitario en la direccion dev ~ (1,2, 1), SOLUCION Segin el teorema 3, Los vectores 3 unitarios a lo largo de los ejes coordenados son e). € y e). También suele representirseles por, jy k,respectivamente figura 210(b). Esta notacidn se acostumbra en fisca e ingenicria 5 | | aa (01) k oi (0.1.0) ao mo 7 Box y @ o Figura 2.10 Vectores unitarios alo largo de fos ejes coorcenados. <~ El producto punto tiene las propiodades que se resumen en el teorema 4, (Propiedades det producto punto} Sean u, vy w vectores n, y © cualquier escalar, Lurvev Simetria 2u(vtw)=uveuew Aditividad 3. ew v) = (eu) “v= u- (cv) Homogeneidad 4, w+ u20.Ademis, u-u=Osiy sélosiu=0. Definicién positiva DEMOSTRACION Unicamentecomprabaremos ls partes 2 y 4 dejremos los casos res tantes como ejercicios. Sean wm (14)... Un), ¥™ (iy eo Ya) ¥ w,). La parte 2 es consecuencia de82 Capitulo 2 mM Vectores a) fate wivtw)= : tin} Uva me Suv tw) too + tale + Wn) (ayy +o Fg) + (Uy oF tog) svtuew En el caso de la parte 4, sus flull? =0 wurde te uy sg =O eu=0 co Es posible combinar la ecuacién (2.3) y el teorema 4 para formar muchas identidades ‘nuevas. Por ejemplo, veamos el teorema 5 TEOREMA 5 Sity v'son vectores n cualquiera, se tiene {lu + viP = ful? + ivi? + 2u-v (iu = viP = jluli? + [lvi? — 2u-v DEMOSTRACION Como liu + vi = (a+ y)-(u ty) de acuerdo com la ecuacién (2.3) u+y)ut(uty)ev segin el teorema 4, parte 2 sutusvty-uty+y ——tomando en cuenta las partes | y 2 sutduevtvey” segin la parte 1 jul? + [iP +2u-v de acuerdo con la ecuacién (2.3) co Si se reemplaza v por —¥, se llega a la segunda identida Una de las consecuencias més itiles del teorema 4 es la desigualdad de Cauchy- Schwarz? TEOREMA 6 (Desiqualdad de Cauchy-Schwarz} Para cualesquiera dos vectores nw y ¥, Hall vil demas, la igualdad es vélida si s6lo si u y v son muiltiplos escalares entre si lav} > Los eréditos y biografias pertinentes se deseriben en el eaptulo 8,TEOREMA 7 22 WM Producto punto 83 DEMOSTRACION Segiin el teorema 5, 0S (uty): (uty) = Fue u) +xQu-v) tev (23) ppara todos los escalares x. Es un polinomio cusdritico p(x) = ax? + bx + een dondew = u- a, h=2u-vye=v-v. Como a Oy pix) 20 para toda x, [a erifiea de p(x) es una parabola en. el semiplano superior, cdncava hacia arriba. Por consiguiente, la parabola esté arriba del eje xen cuyo caso p(x) tiene dos raices complejas, o bien es tangente al eje x y en esa circuns- tancia p(x) tiene una raiz real repetida. En consecuencia, b? ~ 2ae < 0. Asi (2u-y)? = 4(u- w)lv-¥) <0, sea 4(u- vy? ~ 4illulPllvil? <0 to cual implica la desigualdad de Cauchy-Schwar2, La igualdad se aplica si y sélo si 6? ~2ac=0, 0s y silo si p(x) tiene una raiz real doble, por ejemplo r. Por consiguiente, de acuerdo con la ecuacién (2.5) con (rut y) (r+ v) = 069 [iru + vl] = 0 ’ emtv=0 Entonces v es un producto escalar de u, lo cual demuestra la ditima afirmacién del teorema, EJEMPLO 17 Compruebe la desigualdad Cauchy-Schwarz para u = (-1 v=@,-2,-1, 0), SOLUCION fev = =1)+(4,-2,-1, D1} = [-9} ful tvll = 11, 2,0, —1pI hea, 2, —1, 0) = Vo V2 = 11.499 = 9 co ‘Como aplicacién del teorema 4, yde la desigualdad de Cauchy-Schwarz, se obtiene el teorema siguiente iti {La desigualdad del tridngulo} Para cualesquiera dos vectores n u y v, tenemos lia + vil = thal] + tv DEMOSTRACION lu + viP? = [ful + lv? + 2u-v —segin el teorema 5 llulf? + lvl? + zl ll POF la desigualdad de Cauchy-Schwarz = (ull + lv) Por consiguiente, ju + vl $a + Iv ma84 Capitulo 2m Vectores En dos y en tres dimensiones, la desigualdad del trigngulo también puede visualizarse eométricamente: cada lado de un tridngulo tiene su longitud menor que la summa de las longitudes de los otros dos lados (Figura 2.11), B B ’ fal, \ bt ary c utw © Figura 2.11 La desigualdad del triéngulo en el plano, Angulo entre dos vectores La desigualdad de Cauchy-Schwarz implica que lu-vl jel ca, Tullo Como cualquier nimero entre ~1 y 1 puede expresarse como cos @pata 0 < 05 x iinica. la Sltima desigualdad permite definir el éngulo entre dos veetores El Angulo entre w y v, dos vectores a distintas de cero, es el nimero 8 tinico tal que osea p= 4 Voy Teil ivi ee iultivil (2.6) ‘También puede expresarse el producto punto en funcién del angulo: sy = [lll cos 8 (27) MEJEMPLO 18 Calcule el angulo 6 entré los vectores @ (DyG.0) (b) (11,1, Dy (1,0, 0,0) SOWCION aa (9) 0 arses TG. OFT = arccog DL -(0,00) (0) = arecos TT, NHI 0, 0,001 3 "Nuestra nocién geométrica de ingulo concuerda con la definicidn anterior, en dos y tres, dimensiones (Figura 2.12). De hecho, puede comprobarse la ecuacién (2.7) usando la ley de los cosenos como sigue22 W Producto punto 88 ye ® a0 Figura 2.12. El dngulo 8 formado oor dos vectors es, en radanes, 0 <0 x De acuerdo coma ley de los cosenos aplicada al tringulo OPQ (Figura 2.13), lullvi cos @ = (lu? + IvIP - NP) Pero jul? + ||P = IPO? + 2u- v, sega el teorema 5, Por tanto, lav cos@ = + (PQ? + 24-v— POP) = av Figura 2.13 ‘La ecuaéién (2.7) implica que wv y cos Btienen el mismo signo, y uno es cero sélo si lotro lo es. Como el cos 6 es positivo para 0.< @ ©, negativo para % <4< my cero cuan. do = 4 entonces 1. Ges agudo siy silo siu-v>0 2. Bes obtuso si ysSlo si u-¥ <0 3. Bes recto siy sélosiu+v=0. Si @= § ,entonces se dice queu y v son perpendiculares, lo cual se exprea con w Lv. Como 0 = § equivale a u- v= 0 para vectores no cero, es evidente que wy v son perpendi- ‘culares siempre y cuando sean ortogonales, es decir, uLvesury=0 cuandows0y 2086 Capitulo 2 mM Vectores El teorema de Pitégoras tambien se puede generalizar (figura 2.14). tel ¥ Figura 2.14 El teorema de Pitagoras. TEOREMA 8 (Teorema de Pitégoras} Los vectores n u y v son ortoganales si y sélo si Jus of DEMOSTRACION Se deja como ejercicio. (Sugerencia: Aplique el teorema 5.) [—__] Proyecciones ortogonales Los productos punto pueden aplicarse para expresar cualquier vector n como Ia summa de vectores ortogonales. Sean u y vlos vectores dados, distintos de cero. deseamos escribir wen |a forma en donde uy es un miltiplo esealar de v y u,, es ortogonal @ Up (Figura 2.15). Como vemos. siempre es posible esa descomposicién de uy es tinica. Ay Sele llama proyeccién ortogonal de u sobre v, ya u, se le denomina la componente vectorial de u ortogonal a v. Figura 2.15. La proyeccién ortogonal de u sobre v. Ahora calcularemos Uy ¥ U, en funcién de u y v. Como Up y ¥ tienen Ia misma direc- cién, uy. ~ cv para algin escalar c. Ademés, como u, y ¥ son ortogonales, u,v = 0. Por can:2.2 M Producto punto 87 siguiente, u, Por tanto, Wey = (te + te) ¥ = ev tury =(ey-v+0 = av'w) Y entonces, proyeccién ortogonal de u sobre v 28) ‘componente veetorial de u ortogonal a v 29) EJEMPLO 19 (Proyeccidn ortogonal) Siu=(1, 1, I) y ¥=(2. 2,0), determine la pro= yeceién ortogonal de u sobre v y la componente vectorial de u ortogonal 2 ¥. SOWCION (41.1) 2,2,0) 4 2 .02,2,0) = £02,2.0) = (hh (2,2,0) G20)" 20 gl = (e110) y Bee oe = (11, 1.0) 0.0.1) (erifiquelo geométricamente) a Producto punto con sistemas algebraicos computacionales Maple > with(inalg): > dotprod({1,2,3],[-3,2,-11); Mathematica alt}: Dot [{1,2,3, out (1)= -2 3,2,-1))88 Capitulo 2m Vectores MATLAB >> dot({1 2.3), (3 2 -1]) Ejercicios 2.2 Sean w= 21. V3. DY =A 3. Shwe 4, 2,0) d= 1. Encuontre las longitudes de los vectores siguientes: a lod la 2. Caleule las expresiones siguientes, ilu + oth Hull + i Hull ~ vil fs ~ vl Ivllv + wll c/a 3. Dotermine las expresiones siguientes wt) vu twee ad (aad 4. .Cuiles de las siguientes expresiones son indfinidas,y por awe? weve we ieew) ev (uwieew) wOv) we By) (aay date 8 Determine of vector uitario en cada dieecidn, aw hy ew dd Fnewoatre un vector de longitud 2 con la direccidn de ‘Caleule un vector de longitud 2 en direecién opuesta 8 Ia dew, 7 4. Derermine an sector en la direcen de d cuya longitud sea veces fs de 9. Pncuentre un vector de longitud 9 en la direccibn de d 10. Caleule a distancia ente los puntos Py Q. a PULL, Q-2,3-4) b. PUA, ~3,2.0),010,2, 4) 1. Cuiles pares de vectores son ortogonales? aM -0) be G=1,-1), 01-0) 34) 12, Encuentre dos vectores que scan, cada uno, ortagomales & 1,-2.4) 13, Determine un vector uit 0 que sea ortogonal a ». En Ios ejercicios 14 y 15 caleule el angulo que forman w y ¥ (Necesitaré una calculadora), Mo ees Awe) ® 2-21) « Dv = (1.1.0) wk 6.1) b w= (V3,1,-2),¥ = (1, ¥3,-2) 16, Caleule la proyeceid ortogonal dew sobre v 2.3¥ (20) bo w= 0,-1.6.¥ = (-1,-3,5) 0, 1),¥ = (0,0,—1,3), J. Para el ejericio 16, encuentre la componenié vectorial de ‘wortogonal av. - Comprucbe la desigualdad de Cauchy-Sehwarz pr los pa res uy v del ejercicio 16, 19, Demueste el teorema & 20. {Es cierto que si w= = 0. entonces w= 00 bien v= 0? 21, (Es verdad que si ww =u-w yw 20, entonces v= w" 22. (Ley del paralelogramo) Demuestre la identi sguien- te (figura 2.16)2.3. Espacio generado por un conjunto de vectores 89 [ut vB + fu ~vP =2fal + 2iF Figura 2.16 La ley del paralelogramo en el plano. 23. (Identidad de polarizacién) Encuentre Ia identidad que ‘expresa el producto punto en funcién de la norma, i+ vi = Hla — oP 24, Compruebe que siw es ortogonal a ¥ y aw, entonces éste « ortagonal a cualquier combinacién lineal ev + dw. 25, Describa geométricamente el conjunto u de todas los \eetores 2 tales que fll = 1 26. Exprese zeométricamente el conjunto v de todos los vectores 3 tales que lvl" 1 Descomposicién polar de un vector Los ingulos a, By yque forma ¥, un vector 3 no cero y los eetores unttarios base, jj k, se Haman dingulos directores dle vigura 2.17). Los cosenos, cos a, 0s By cos x de los én- alos directores, se llaman cosenos directores dev 27. Compruebe que (cos a 08.605 y) es tn vector enitrio. Figura 2.17 Angulos directores. 28, Demuestre que v= Ilvilcosa,cosB,cosy) (2.10) ‘A esta ecuacién se le llama descomposicin polar de u 29, Sea y=cu para algin esealar > 0, y algin vector unitario uu Demuestre que CHIN yu (eos a. 05 B.cos 1) Para cada uno de los vectores dados en los ejercicios 30 y 31 determine lo siguiente: (a) La descomposicin polar () Los cosenos directores (6) Los angulos drectores (necesita una ealewladors) 301,01) (=1,1,0), (an) G10) BBW (R=) (V3.0 (2,-2.0) 2.3 Espacio generado por un conjunto de vectores Obdjetivo del alumno para esta seccién Comprender, algebraica y geométricamente, el espacio generado por un conjunto de vvectores. El material de esta seccién es importante. Aprenderemos el espacio generado por una suce- sidn de vectores ny su interpretacién geomeétrica en elcaso de los vectores 2 y 3. Es una vasta| ‘zeneralizacién de las nociones de una linea o un plano que pasan por el origen90 Capitulo 2M Vectores DEFINICION (Espacio generado por un conjunto de vectores} El conjunto de todas las combinaciones lineales de los vectores.n ¥\,.,.. vu se Hama ese pacio generado por los vectores vj... va ye representa por Gien{¥s... Vs}. Si P= Gen{vy,..., vi}. Se dice que vi... vi generan a V, y que {v),.... 4} e8 un eonjunto generador de V. WEEJEMPLO 20 Demuestre que los siguientes vectores estin en Gen|vi.¥s} Ov vy MY Avy Sw 2.509 SOLUCION Cada uno de esos vectores es una combinacién lineal dev, y v3, porque O=o+O Welton wtwelytiy Sys tO 3H BEJEWPIO 21 Comprucbe que Gen|v) es el conjunto de los miltplos exealares de w SOLUCION Cuslquier combinacién fneal de v tiene la forma cv para agin escalar Ala imers,eualgoier mill ect cv de es una combinacian neal de ¥. Por consigente Gen(v} ese conjunto de los miltiplos escalares de v. | BEJEMPLO 22 SOLUCION El vector estéen el espacio generador si y slo si hay escalares cy y cy tales que {i : cori tntceerdceta|* 3] tin se no es columna pivote, de modo que el sistema es consistente, y el vector sestd enel yenerador. ‘Aunque no es necesario el sistema puede resolverse con facilidad, y se obtiene ¢ = 1 ee Bele = MEEJEMPLO 23 Demuestre que Gen{ey, €>) [Teal] aoeinns dace 2. 2s:af SOWWCION Toda combinacién lineal en e), €) es un vector de la forma ce ~ e»€> para los escalares cy y cx. Como2.3 WE Espacio generado por un conjunto de vectores 91 se ve que cyey + exe: puede ser cualquier vector 2 y viceversa, cualquier vector 2 puede expresarse en forma de una combinacion lineal ce, + ces. Por consiguiente, Gene), MEJEMPLO 24 Demuestre que Gen{eyen .., ) RP SOLUCION Esta comprobacién se dja como eercicio, co BEJEMPLO 25 Determine Gen(e),e} en R® SOLUCION 1 Ya que smell] aff] -[ Gen{e,, €x}¢5 el conjunto de los vectores 3 cuya segunda componente es ce. SOLUCION 2. Necesitamos calculartodo b en R?, 1qve ee) =e eumpla pra ey fro: a, ' €2. También es posible determinar toda b de modo que el sistema|® © = >y | sea consis- lors od fro: a] tente. Como esta matriz equivale a0! : bs |, suiltima columna no es pivote si y s6lo si loo: a] ‘by =0. En consecuencia, Gen{e), e)} incluye todos los vectores 3 cuya segundo componente ‘es cero, a WEJEMPLO 26 DetermineGenfvivs} 6, fis: SOLUCION Seri preciso encontrar todo b =| »| |tal que el sistema y 5 ft 3] [ : jek = Gentv, EJEMPLO 27 Caleule Gen{vs, vi}92 Capitulo 2m Vectores TEOREMA 9 SOWCION En vista de que 12h)_fr2 24 bi)” [0 0 b-2 12:8 clsistema] yg, p, Jesconsistemesiy silo shy — 2h, 1.0 sib: = 2h,. Por consiguien- quier escalar r. En consecuencia, el generador consiste en todos los miiltiplos escalares de vy Gen{vi, v2} = {rvi. © R} = Gen{vi) co EJEMPLO 28 Determine un conjunto generador para fsa-6] fa] [a SOWCION Comes | A) thd ~ +b] 5} para todos los esealares.u yh. Vesté wenerado a 0, we| (Reduccién del conjunto generador] Si uno de los vectores m vj, ..., vy €8 una combinacién lineal del resto, el yenerndor per manece igual si se climina ese vector, DEMOSTRACION Para comodidad en la notacién podemos suponer que vs ¢5 una combi rnaci6n lineal de vi ..., i. (si es necesario, renombrando los vectores), Entonces remit ot eave au para algunos escalares ci, ..., c.1. Sean Vy V” los espacios generados correspondientes dev),...,¥ey de Vi, -., Ye, Es preciso comprobar que = ”. Como cualquier combinacidn lineal de v,,...., y-1 es una combinacién lineal de v,,. ... (suimindole Ov,), entonces Y" CY. Basta demostrar que VV". Sea € V. Entonces u= div, + ~~ dev, pata algunos escalates dj... de. Se tiene ws div tere t dhvinr + dele 7 eave) = (dy F desu HF (day + decked que es una combi coma se afirmaba, .cidn lineal en v),...., vi-1. Por consiguiente, u € , y entonces VeTEOREMA 10 2.3. Ml Espacio generado por un conjunto de vectores 93 WEJEMPLO 29 Compruebe que wh fa) yor SOUCION Puestoque | |=10]_3]+ | tos dos generadres son igutes de acuer do con el teorema 9 = ‘Quiza las dos propiedades mis importantes del generador de un conjunto de vectores sean las que se describen en el teorema siguiente, i ¥ = Gen{v, ... vg}. Entonces, para cualesquiera uy w en Vy cualquier esealar > 1, ut westien F; 2. ewestéen DEMOSTRACION Se deja como ejercicio. oo El teorema 10 implica que cualquier combinacién lineal de elementos en V esti en V. Esto significa que el generador no séto es el conjunto de combinaciones lineales de vectores, sino también que éste incluye cualquier combinacién lineal de sus propios vectores, Relacién entre el generador y los sistemas lineales Decir que un vector b € Re es una combinacién lineal de los vectores vy... vy equivale a decir que b esti en el Gen{y,,... vy}. Por consiguiente, 1. El sistema cuya matriz aumentada es [4 : b] es consistente si y sélo sib estd en el Gen{vi, Va) 2. [A :b] es consistente para todos los vectores b € R* 1 y sblo st el Genta)... ay © RY. Esto es vilido solo si cada renglin de 4 tiene una posicidn pivote (tearema 2, seceisn 2.1), EJEMPLO 30 Es pao Lesh) SOWCION Ya quecada englénde|_ | tiene unpivore(:porque?)s > . [es consistente para todos los escalares by y bn y Gf [4] . ( } =R So94 Capitulo 2m Vectores interpretacién geomeétrica de Gen{u} y de Gen{u, v} Sean u y v vectores 2, 0 vectores 3. Gen{u},u#0 ‘A medida que ¢ asume cualquier valor escalar, cu pasa por todos los puntos de la recta que atraviesa el origen y tiene direccién u. Como, segiin el ejemplo 21, Gen{u} es el conjunto de todos los miltiplos escalares dew, legamos a la conclusion de que, geométricamente, Gen{u} es la linea / que pasa por el origen y cuya direccién es u, figura 2.18(a). Por otro lado, cual- uier linea recta que pasa por el origen puede escribirse como Gen{u).,siu es cualquier veetor diferente de cero sobre la linea recta (3) Genta} =! (©) Gen (ae) <1 (2) Gentyv) = P Figura 2.18 £1 generador de uno y dos vectores Gen{u, v},u#0 Caso 1. Siv es un milkiplo escalar de u,entonces Gen{u, v} = Gen{u} = J Figura 2.18(b). Caso2. Sivno esun miltiplo escalar de u, entonces v# 0, y Gen{u, v} es el plano que pasa por el origen y contiene tanto a u como a y, figura 2.18(c). De hecho, cualquier piano que pase por el origen puede representarse como Gen{u, ¥), si wy von dos vectores no colineales cualesquiera en ese plano, Ejercicios 2.3 9] 3 siguiente? a-[7? -f2 . swestens (3) [2] DIEStas, EIEN SGaw eff a3] cantidad infinita de vectores fe jaestiencl Gen{b,e]? d. gd esté en el Ger2.3. Espacio generado por un conjunto de vectores 9S fe. gmestdon cl Geni)? cdestienel Gente}? fd esti en cl Gen{b,€!? 4. a. {fs cierto que el Genta, b1 bh {Es verdad que el Genta, d} = R®? {Es certo que el Genfa, e} = Gen{b, e}? 1. Compare el Genta} con el Genji fe. (Cusl es el Genfa, be}? £. Cuil eset Genta, ed)? (Cuil es el Genta, b,¢, dY? hh. {Cual ex el espacio generado de las columnas de A=[a ab 4? Cuil es el espacio generado de las columnas de Ula a ap of] | a. avrestion el Gen{vi.¥5, 931? b, vs esti en el Gen}, v2)? fe. jxvesti en el Genjvs,¥317 6. a, Domuestte que el Gen{y), ¥s, 3} = RY b, Comprucbe que el Gen{yy. v2, ¥4) = R? ‘e. Demuestre que el Genty,,¥s, vel = el Gentvs, vn, Ya En los eorcicios 7 al 13 determine sas columnas de la matriz dladas de m x » goneran a R®. meld a] (5 3] ee 3] [a : saa) aia] mefese [hal oo 0 2-5 oo 0-2 5 = l be223 4) bri Mle gk ahd 2 05 0-20 “12 12-30 2-5 00 0 2-5 4 lo 0 0 -1 0-1 00 0 o 1 2 14, {Bajo qué restricciones de @ y b. las columnas de abo 2 0 O| generana RI? aot 15, {Cierto falso? a, RI® puede generarse exactamente con 9 veetarest0. b. R puede generarse con al menos 9 vectoresit. RW puede generarse con 10 vectores 9. 4. RU” puede generarse con 10) vectores 10. eR se puede generar con I vectores 10. 20 vectores 10 cualesquiera generan a R, 4 20 vectores 10 pueden generar a 16, Comprucbe que Gonfu, vi = Genius. =v} 17, Confirme que Gentu, vw) =Genluca + uty w) 18, Muestre que 8) = Ss, siendo 19, Demueste el teorema 10. 20. Si: es una matrz cujas columnas generan a R™. ,Qué puede decir acerca de lo siguiente? |. Eltamafo de 4 bb, Elsistema [4b].96 a 2. 23 cr 2%. Capitulo 2m Vectores w srcnme jane ence sem on f{[i}-["]} © [4 : bj es inconsistente? Encuentre un conjunto generadorfinito para 27. Determine todos os valores dex tales que ve {[sch ate) om {i} 3) }-" Determine un conjunto generadorFinito para 28, Trace los siguientes conjuntos. {["S']<4 eon soe) v ‘Suponga que cada renglén de la matrz A, de m X>n, tiene snygenvime scp eracaaieme {i} (} sce { Si besté en el generador de las columnas de, qué puede ° decir acerca del sistema [4 : BI? 2.4 Independencia lineal DEFINICIONES Una sucesién de vectores n, Vi, V4, €s linealmente dependiente si 0 es una combina- ‘Objetivos det alumno para esta seccién 1, Conocer qué son los vectores linealmente dependientés y linealmente independientes. 2. Comprender Ia interpretacién geométrica de la independencia lineal. EI material en esta seccidn es muy importante. Aprenderemos lo que son los vectores linealmente dependientes y linealmente independientes. Ademés, describiremos la interpre- tacién geomeétrica de esas nociones para el caso de los vectores 2 y 3 Una combinacién lineal de vectores Vy...» Ve eS eavis eva tees eve y se lama no trivial cuando algunas de las cy... son diferentes de cero, Pero si todos los Coeficientes son cero se denomina trivial. cidn lineal no trivial de es0s vectores. En otras palabras, cuando hay escalares cy... C4 no todos son cere, como avi teas t tee 0 (2.12) Un conjunto vj... . Vede vectores m es linealmente dependiente si lo es como suce- sign Una relacién de la forma (2.12) cuando no todas las ci... ¢4 Son cero, se llama relacién de dependencia lineal. ‘Una ver mas empleamos el término sucesin cuande se permiten repeticiones de vectores24 WM Independencia ineal 97 Un conjunto v,..., vede vectores m es linealmente independiente si no es linealmente ddependiente. Es lo mismo que decir que la tinica combinacidn lineal de O en funcian de iss» ¥4e8 la trivial, o que la ecuacién (2.12) implica que c, MEJEMPLO 31 El conjunto (e}0)-()} ¢ linealmente dependiente, porque Taye kG} B] EME eGo gy EJEMPLO 33 [Es el conjunto “ aly +o[]-[0} ert 2e=0 2c, + 2p + ey=0 Por consiguiente, Es necesario resolver este sistema lineal homogéneo pata encontrar cy, > y ex. Como la ma- wf 2229 feos ae tizzumentada| 9 | | g[sereducea] °F | 65 =F Asi hay sluciones no tvs ye coajunto es linalmentedependicnte, Para con- seguir una relacién lineal particular de dependencia se asigna un valor al parmetro r. Por cjem- plo, sir=2,98 Capitulo 2 mM Vectores ol} E)e ll Ea) Esta es una de las (infinitas) elaciones de dependencia lineal Obsérvese que si slo tuviéramos que comprobar si hay dependencia lineal, bastaia una “22150 forma de escaln de ls matrz sumentada, Por ejemplo, ta forma deescaléa| gy ) 3. g nos dice que el sistema homogéneo tiene variables libres. De aqui que haya soluciones no trviales y que el conjunto sea linealmente dependient, — TEOREMA 11 Dados dos vectoresn no cero as siguientes afirmaciones son equivalentes: 1. Los vectores son linealmente dependientes, 2. Un vector es un miltiplo escatar del otro. 3. El Angulo que forman los vectores es 0 0 DEMOSTRACION Sedsja como ejerccio, co MEJEMPLO 34 Compruebe que (e), ¢} ¢s linealmente independiente en R2 ofl oft]-B] enn }.[] rem 076-0. en ei independiente. = WEJEMPLO 35 Demuestre que (ej, €1,... &)} en Res linealmente independiente. SOLUCION | Se deja como ejercicio. co EJEMPLO 36 Confirme que es linealmente independiente f2 PL fel Fal yf sowcon so|a}en/-les heh a} 0 oTEOREMA 12 24 WM Independencia lineal 99 a a] 3 6 3}, que es equivatente al Forma de escalin | betes f2 8 al 0-3 0s 0 0 -21 ign trivial, y el conjunto es linealmente independiente, oh pr eats bot el Como indicaron los ejemplos anteriores, la reduccisn por renglones es una forma efec- tiva de determinar la dependencia 0 independencia lineal (Criterio de independencia lineal} Las siguientes afirmaciones son equivalentes: 1. El conjunto de vectores m (vj, Yas « Va} €s Linealmente independiente 2. El sistema sélo tiene la solucién trivial [yw ey 2 0] 3. La matriz tiene n posiciones pivote (es decir, cada columna es columna pivote) [we vn ees ved DEMOSTRACION 1 ¢> 2, porque eww; ++ eave =O.y (Wi o~* vy 10) son expresiones cequivalentes. Por otro lado, 2 ©» 3, de acuerdo com el enunciado 2 del teorema 3. seccidn 1.2. co EJEMPLO 37 {Son inealmente independiente ls columnasdea? 338 222 oro 333 SOLUCION A tiene tres columnas pivote, porque A~ | 0 4 41, Porta que suseo oo -1 umnas son linealmente independientes, segin el teorema 12. ABEJEMPLO3E {Sorlinealmente independientestascolumnas de 1?100 Capitulo 2m Vectores TEOREMA 13 TEOREMA 14 “35 5 SOWCION YaqueA~ | 0 9 181, la tercera columna de A no es una columna pi- 00 0 vote. Por tanto, siguiendo el teorema 12, las columnas no son linealmente independientes, (Estas son linealmente dependientes.) Una consecuencia iil del teorema 12 es el tearema 13. Si el conjunto {vj, va, ., Vy} de vectores m es lincalmente independiente, entonces n £m DEMOSTRACION Como el conjunto es independiente, Ia matriz{¥y v2 “++ v,)tiene n columnas pivote, segin el torema 12. Pro el nimero de pivotes no puede ser mayor que e nimero de columnas o que el nimero de renglones de una mati, de acuerdo eon el eericio 49, seccin 1.2. En consecuencia,n <'m, como se afirmabe. cS El teorema 13 dice que si hay mds vectores que componentes. los vectores son linealmente dependientes BLEJEMPLO 39 Son linealmente dependientes las columnas de la matriz siguiente? 45-80-93 92 8-2 7 6 5455-99 61 SOWICION Si; sean conel teoreme 13, cuatro vectores 3 no pueden ser inealmenteindependientes. El siguiente teorema es muy itil para demostrar que una sucesién 0 conjunto de veetores es linealmente dependiente. (Prueba de dependencia lineal) Sea 5 un conjunto 0 sucesién Fnitos de vectores m. Enionces 1. SiS tiene un vector v, entonces es linealmente dependiente si y sélo si v= 0. 2. Si S consiste en dos 0 mis vectores vj, ..., vy entonces Ses linealmente dependiente siy s6lo si cuando menos un vector sea una combinacién lineal de los demis vectores. 3. SiSincluye dos o més vectores Vj, .., ¥econ ¥; #0, entonces S ¢s linealmente dependiente si y sélo si al menos un vector, por ejemplo v, (12 2), es una combinacién lineal de los vectores que le anteceden, es decir, de Vi, ¥ DEMOSTRACISN Sélocomprobaremosta parte 3y dejaremos las restantes como ejercicios Siv,es una combinacién lineal dev. ¥,~1,entonces hay escalaresc, tales que ereTEOREMA 15 24 Independencia lineal 101 Por consiguiente, eM te Heavy HD OW) te HOM =O Esta es una combinacidn neal no trivial de 0 en funcién devi... vi, porque el coeficiente dev,es -1 #0. Asi, vj. linealmente dependiente, Por el contrario, cuando v),..., v Son linealmente dependientes, entonces hay escalares Cin €4o todos son cero, tales que emt tem=0 Sea cel iltimo escalar distinto de cero en la ecuacién anterior. Entonces civ ts tet Oy, te. + Oy siendo.c:#0. Vemos que i> 2. porquessi i= 1, la comhinacian no trivial ¢\¥; 0 implicaria que civ = 0. Por lo que Emme mits toad yey ose En consecuencia, v;es una combinacién de Vi... ¥iy EJEMPLO 40 Los vectores sonlinelmente dependents de sever concleorema 1, puesto gue S 0. OBSERVACION El eouema 14 no dice que do vector se9 uns combine q cmtaotentns ase} stems mene ove[5}+2[}} sn enta[{] rum entinsntn se] [2] n lineal de fos Ahora reuniremos algunos hechos bisicos, cuyas demostraciones se dejan como eer: Cualquier conjunto 0 sucesién finita de vectores que contiene 0 es linealmente depen diente 2. Una sucesin finita can vectores repetidos es linealmente dependiente 3. Cualquier conjunto finito (sucésién) de vectores que contiene un conjunto 0 sucesién linealmente dependiente (sucesién) es en silinealmente dependiente, 4. Cualquier subconjunto de un conjunto finito linealmente independiente es en si lineaimente independiente102 Capitulo 2 ml Vectores TEQREMA 16 ‘También contamos con el siguiente teorema, Vics sss Va un conjunto Finealmente independiente de vectores im 1. Cualquicr vectdrv hel generador de Ses expresable en forma nica como combina cin lineal de vetiores en S. Esto es las relaciones VEE te tek, YW EMT ty simplican que hen 2. Si v no esti en el generador de 5. el conjunto {v, 1 vi. ¥} es linealmente independiente DEMOSTRACION 1. Coma v= ey +29 Fev diy yo + dv entonces ley diner tte div = De manera que ey = dy" °°" 64 1 porque Ses linealmente independiente. en vista de to cual e, di, as ™ dy, comprueba lo que se afirmaba, Supongamos que, por el contrario. $” = jy)... Vy. ¥} eS linealmente dependiente. En ese ‘caso hay una combinaciéa lineat no trivial de 0, ent Fea bern Sic # 0, podemos despejar v de Ia ccuacién, y obtenemos v= (efey}y) °° (6 TeaNVy Pero entonces v seria una combinacidn lineal en S, y estaria en el yenerador de S. lo eual contradice nuestra hipétesis. Si, por otra lado. ¢ = 0. la ecuacidn se reduce a eye sete con al menos una ¢, # 0. (;Por qué?) Esto también contradice la hipotesis de que S es linealmente independiente. Entonces, legamos a la conclusién que S* debe ser lineslmente independiente. Interpretacién geométrica de la independencia lineal en R? y R? Al aplicar el teorema 15 y las definiciones geométricas de suma y multiplicacién por escalar {que deseribimos en la seceién 2.1, podemos hacer las siguientes observaciones (figura 2.19) |. Dos vectores no cera en R® o en R” son linealmente dependientes si y sélo si estin en la ‘misma Tinea que pasa por el origen. 2. Tres vectores en R son linealmente dependientes si y slo si estan en el mismo plano que pasa por el origen. 3. El yenerador de dos vectores en R® o en R¥ es una recta que pasa por el origen si los vectores: son linealmente dependientes, 0 es el plano definid por éstos si son linealmente independientes. 4. Bl generador de dos vectores 2 linealmente independientes es R?24 Independencia linea 103 Linealmente dependiente Linealmente independiente Figura 2.19 El generador de tres vectores 3 linealmente independientes es R? Cualquier conjunté linealmente independiente en R* tiene tres vectores, cuando mucho. Cualquier conjunto linealmente independiente en R? tiene dos vectores, como nxiximo. Cualquier conjunto que genere a R? posce al menos dos veetores, Cualquier conjunto que genere a R° tiene tres vectores como minim, Ejercicios 2.4 [Em los cercicios | 5 determine silos vectores son lineslmente oad 15 0) Inelopendientes «] 330 7 {20 0 1 00 25 0 = ( Lh [| Sn emt 10+ Rye xvas tea : Sh men wo fe) eae) (SS LREL SY acre) ~ CHE En los gjereicios 6 2 9, determine si las columnas de la maiz son linealmente independientes104 Capitulo 2 mi Vectores ‘OD il sgeneran Re. voctores.n;determine'c).c+y es paraque v= ¢yvy Wesvs = ews Qey He Ds 24. Seaneyyy Hes dws yen2 ds. Come | 23. Sitvivs 9} estnconjuntolinclment ndepentionte de evi tle eh ewan dw tal 19, :Para que valores dea es linealmente dependiente el con- pruebe que {¥;,v:, ¥sf es linealmente dependiemt. fal fas2] |, 25, Demuestre que sv, ¥.¥3 6 neamenteindependien- samo LG te, tambign loos {¥1~ ¥.¥3= 93, Ye + vf 26, Verifique que son ciertas las airmaciones del ejemplo 35. [fa] fa-2] 27. Demuestre el teorema I. 2 trmeatalocsdcctenimo [4] [=] uy. 3 Demise neaiment dependent? 29. Sapo gu is colunms emai A, de 1, 00 2] [2 Iinsoneidepententen Bema gos cena 2. cero quectecnamociysstementorson| ||]. coum belteast tbe ee en fee oe i pewdentes Vriiquequeprsculqucr vouch ces 22, Lav afmacins sige sn ita as? pends eng qu para cue Cul dos veces dition onesie at, Suponga que ee fee tat yan fs fw, wat som cpt fubcnhnteincaimentc depends de sek 'y. Cualeseiuiera tres vectores 2 diferentes generan 2 {eto geomeétrica es a interscecion de GentS) 0 Gene)? 2.5 El producto Ax Objetivos del alumno para esta seccion |. Aprender a calcular e interpretar la matriz producto Ax. 2. Saber eémo escribir un sistema lineal en funcién de 4x. En esta seecién definiremos el producto 4x de una matriz por un vector y lo usaremos para presentar otra notacién para sistemas lineales. A continuacién estudiaremos el conjunto so- lucién, 0 conjunto de soluciones, de un sistema homogéneo y sus propiedades, El producto Ax Definiremos el producto de una matriz por un vector. Si A =| } ces el producto Ax es la combinacién linealDEFINICION 25 M@ Elproducto Ax 105 En otras palabras, se forma la combinacién lineal de las eolumnas de A y los coeficientes de Jos componentes de x. Observe que esta operacién tiene sentido slo i la cantidad de columnas de a matriz es igual al tamaiio del vector. ‘Sea A una matriz de m Xn, cuyas colwmnas som a), a3, .., Ay ¥ 8ea x un veetor mn euyos componentes son x),X:,.-.,%» El producto matricial Ax es el vector m expresado como la combinacién lineal Axe at WEJEMPLO 41 Sean 2-2 A=|-1 6], b 453 Caleule, sies posible, los productos Ab y Ae, “EelEG- El producto Ae es indefinido, porque des de 3 X2-y eno es un vector 2 = SOWUCION BEJEMPLO 42 Determine ax, donde 2 a=f3a] y -[] ‘ 2 mains nf] pascnsee SOLUCION 5 4 oi 2 2 ‘Vemos que esta vez Ax es justamente el producto punto | 3| - | -1 | .PAGINA 105> 1 4 Observe que a medida que x varia en RY, el producto Ax varia en R. Asi, la multipli- cacién por 4 define una correspondencia entre R* y Rr Matteson = a106 Capitulo 2 mM Vectores TEOREMA 17 MEJEMPLO 43 (Registro de calificaciones) Una profesora de ilgebra lineal emplea matrices para registrar las calificaciones de su grupo. Si Mes la matriz definida por Calificacién Oto 1999 Primavera 2000 Otono 2000 A 2 3 1 B 15 2 c 15 15 D 8 n 2 1 Cate inept el products M (| : SOLUCION 23a Pe Psy) py os oR aD “fel ,,fe). fs Si as | 5) *'}is|* fis] = fas Sark 8) oi} tal Gs El producto es el vector cuyas componentes son las sumas de las columnas de M. Se obtiene ta cantidad total de las calificaciones 4, B. etcétera, cq La matriz de m Xn cuyas columnas son €,, €:, . .,€, $e Hama matriz identidad, y se representa con /, 0 con J EJEMPLO 44 1000 ° 0100 1 oo10 0001 co El teorema siguiente describe las propiedades basicas de la operacién Ax. ‘Sea A una matriz de m Xn, sean x y y vectores m y ¢ cualquier escalar. Entonces 1 Alxty)= axe ay 2. Alex)» etAx) 3. 4x= x DEMOSTRACION Comprobaremos so a parte ly dejaremos lo dems como ejercicios Sia), ay Son fs columnas de A yy... $+ y= $00 15 componentes de XY ¥. respectivamente, EntoncesLa ecuaci6n Ax = b 25 lM Elproducto ax 107 x] fy at Alcs y) ad Ly Set Me De acuerdo con Ia definicién del producto, esto es igual a (x; + nda + (5) +yalas #2 Guy + yt . fa Fda * sy) Oo = Seetinel envied 6 del teorema | (ea) + amy +++ nae) + ia + yaks Fo Yaag)—Segtnlosenunciados Ly = Ag+ Ay 2 del teorema 17 = xiay + yiay + may + yaap +0 + Sy + Yat El producto x permite contar con un método muy refinado y itil para representar un siste- mma lineal. Por ejemplo, para el sistema ax yet axtays3 que podemos expresar en notacién vectorial como Tale Ed-B] [+ JG1-6) de acuerdo con fa definicién del producto de una matriz por un vector, Un sistema lineal se puede expresaren la forma 4x = b, donde 4 representa la matriz de corficientes, bel vectorde términos constantes y x el vector de las incdgnitas. De este mado tenemos las expresiones equivalentes Esta ecuacién es equivalente a [bled beoxia + en donde ay... .., a, son las columnas de A. Afirmar que el sistema [4 : b] es consistente equivale a decir que hay un vector x me: diate el cual b pucde expresarse como el producto Ax. Por ello, las sisiientes afirmaciones son equivalentes [4b] es consistente Hay un vector x tal que Ax ~ b, bes una combinacién lineal de las columnas de 4 bbes el generador de las columnas de A Tomando en cuenta la equivalencia de los puntos 2 y 4, Genfay as... ay) = (Ax, para todo x en Re} 2.12)108 Capitulo 2 mM Vectores El espacio nulo TEOREMA 18 MEJEMPLO 45 Determine todos los vectores posibles de la forma [- JE] cuando x y y tienen cualquier valor real souscen eammtenan{[' Sf} cen} -omff [nme vo es, co El espacio nulo, (4), o nulidad de una matriz 4 de m Xn, contiene todos los veetores n en x, tales que 4x = 0. Es el conjunto de soluciones del sistema homoyeneo Ax = 0, WA) = (xen Rr tal que Ax = 0} Observe que Ax =0 sélo tiene la solucién trivial si y sélo si w/A) = {0}. Caleular ¥4) equivale a determinar todas las soluciones de Ax = 0. E] > [3] EJEMPLO 46 {Cuil de . ssi tego io a?“ SOWCION En vista de que. AEB) 2) 6) ces evidente que u esti en el espacio nulo y v no lo est Una de las propiedades mis importantes del espacio nulo se deseribe en el teorema ‘guient. ‘Sea.A una matriz de mx-n. Para cualesquiera x), x2 en WA) y cualquier escalar-, tenemos que 1. xy xp est en (4); 2. ex; esté en WA). DEMOSTRACION Coma 4x; =Oy Ax = 0,entonces Alay +) =A + Ay = 0 0=02S Ml Elproducto Ax 109 Mex) = e(4X)) = 0 = 0 de acuerdo con el teorema 17. En consecuencia, x; + x2 y ex, estén en (A), co Las soluciones de Ax = by Ax =0 TEOREMA 19 En este parrafo describiremos la relacién entre los conjuntos solucién de un sistema lineal ¥ de su sistema homogéneo asociado. Demostraremos que si x, es Ia solucién general de ‘Ax = Oy si p es una solucin particular de Ax =b, entonces xe ptr, ¢ la solucién general de Ax =b. La relacién entre os dos conjuntos solucién puede describirse en forma refinada mediante la notacién siguiente: sip es un vectorm y Ses un subconjunto de R’, representaremos con p +S al conjunto de todas las sumas p + x, donde x es un elemento de S. “ p+S={p+xx€5} Si Ses el conjunto de soluciones de Ax = b, y p esté en S. En ese caso. S=p+ua) (Conjunto solucién deax=b DEMOSTRACION Sip + xyes cualquier elemento dep + v4), entonces Aci + p)=Ax,+ Ap=0-+b=b De modo que xs +p ¢s una solucién de 4x =, Por tanto, x, + p esti en S. Asi, p+ 44) SS. Siy es cualquier elemento de S, entonces Ay=b. La diferencia y —p esté en (4), porque Aly~p)= Ay~ Ap=b-b=0 ‘Como consecuencia, y= p+ (y—p)es un elemento de p+ (4), y asi habia dicho. =p +d), como se MIEJEMPLO 47 Compruebe el teorema 19 para el sistema10 vectores SOLUCION El conjunto solucién del sistema es S it | [erERY yel espacio nuto 2] de la mati de oetcientes es 4A) = ||” |.r€ Rf. (Compruébela.) Puede aplicare teorena. one **2”]-[ [2s [3] ero sos prio a El calculo de Ax con rengién-vector A veces deseamos calcular sélo una componente, por ejemplo la /-ésima del producto 4x. sin tener qué manejar toda la combinacién lineal de la definicién. Esto se hace facilmente: tome cl éésimo renglén de 4 y x. Multiplique entre si sus elementos correspondientes y sume todos los productos. EJEMPLO 48 Caleule las componentes | y 3 del producto Don 21a] [? 35 alls tat SOLUCION SOT ry PP PRO Te os al({}"|[e} [emir le 764 . 64 Ax en términos del producto punto ‘Vemos que 4x es el vector euyas componentes son el producto punto de cada renglon de por. Asi, Siri, . «tm son los renglones de A, entonces25 WM Elproducto ax UM Ax.con sistemas algebraicos computacionales Maple > with(inalg) > Arsmatrix(([2,-3] , [1,4])):x:=vector((5,-61); > evalm(Akex) ; (28, -19] Mathematica alt) HE2, 3B, {1 AD KB OD: ral2i= kx owetal= {428}, (19) . MATLAB, — De he (2-3: 1A): x= (5: 6 >> hex 28 -9 Bjercicios 2.5 Sean 6. seria el sistema siguiente en ta forma Ax = b [3 “| on[2 7-3 2] pis 46-1 of “275 sco 1 eye = |200), w=]? a 4 1. Enewente todos os vectors nposbles que tenigan a For LL] ima Cui ese valor den? 1. Caleule,sies posible, Au, Avy Aw. « a ally 2, Determine, sie posible, Bu, By Bw sy bapa tee wens ec scl |B. Determine todos los vector nposbles que tenga I for 4. Convierta Bx = w a un sistema lineal, 5. Exprese el sistema siguiente en la forma Ax * b. 2112 Capitulo 2m Vectores 9. Encventte todos los vectores m posible que tengan fa for- . ol fi] i rey | sore erty L 14, ;Cudl(es) u, vy w estan en el espacio nulo de I. Con referencia al ejemplo 43, ealule einterprete el product siguiente 20 13 8 35 15 1 11s 2 12, Una empresa de artculos deportives vende bicicletas de los tipos 1, 2,3 yen tes tiendas. A eontinuacién proporcio- 15, Cualfes) , vy w se encuentran en el espacio nulo de 2-2 2 a=li na afr oir 16, ,Cudlfes)u, vy w estan en el espacio nulo de thos lode de tanecmiems pst bad 2223], Tipo Tienda 1 Tlenda2 Tienda 3 Arla 33 icicleta 1 25 15 35 44s. tices? [Ss tides [is 17 Contest wren 9 pr stems ideas [yD er Sites esa mati eal meres produc [a 2 yon) py pe sl tToaal edad dened 18, Compact wore 9 pane sien py Laaso 18. sisi primey hima compe pce paest Soon 240i} 222 18, Demueie son oon del ssten = Baye Mentncs tes on stn else bmogenen fof s{fa soa ae fos 20, Selconiossksions de 4st sma do por el teorema 18, qué puede decirse acerca de b? 2.6 El producto cruz ‘Objetivos del alumno para esta seccién 1, Caleular el producto cruz de dos vectores y comprender su geometria, 2, Comprender y aplicar las propiedades bisicas del producto cruz, En sta seccién explicaremos el producto eruz. Aunque éste se limita a vectores 3, iene muchas aplicaciones en ingenieria, fisica y matemsticas, CONVENCION Todos los vectores en esta seccién son veetores en el espacio,26 M Elproducio cuz 3 Sistemas derechos e izquierdos Hay dos tipos de sistemas coordenados en el espacio 3, el derecho y el izquierdo, Un siste- ‘ma coordenado derecho es aquel cuyos semiejes positivos se identifican como sigue: cuando los dedos de la mano derecha se colocan a fo largo de la direccién positiva de las x, los dedos se cierran hacia la direccién positiva de las y, el pulgar debe apuntar hacia la direccién positiva de las z. Para un sistema izquierdo, la mano derecha se sustituye con la mano izquierda (figura 2.20), x ‘ : ‘ x 6 6 4 2 as a Sistemas iquierdos Sistemas derechos. Figura 2.20 Notacién para un determinante Producto cruz DEFINICION La notacién para un determinante que explicaremos.a continuatién puede ser muy dil para cexpresar algunas de las formulas bisicas en esta seccién. Primero, definiremos ab ob = ad ~ be Por ejemplo, 4-2 12 34 En segundo lugar, definiremos la notacién a a], .|a b no 2 by le {2 flee a al Por ejemplo, 1 2-2 a (Producto cruz} Sean u = (uy, us, 1s) V=(vi, ¥2, 95). El produeto cruz, ux v esel vecror con componentes WX V= (use) — uv, Any) — MHS. HOPE HED)114 Capitulo 2 ml vectores Esta relacién también puede expresarse en notacién de determinantes: ijk axvefa me wole[e Bin |m 8he|e not be ely In Ja cual es lo mismo que axe (|2 " EJEMPLO 49° Sean w= (2,-1,3)yv SOLUCION _ wee! f Seb afeft lef? ah i + Sj ~ 3k = (7,5, -3) co MEJEMPLO 50 Caleule ix}. SOLWCION ixje|i 3 ° Por consiguiente, ix j= k. coo De hecho, todos los productos que se forman con i,j y k satisfacen k ixjek | jxi xk xj kxisj | ixk= j La figura 2.21 es un auxiliar mnemotéenico: al avanzaren el sentido de las manecillas del reloj, 1 producto cruz de dos vectores proporciona el tercero. Cuando el desplazamiento se da en sentido contrario al de las manecillas del reloj, el producto cruz de dos vectores obtiene el ‘puesto del tercero. Figura 2.21TEOREMA 20 26 M Elproducocus 1S (Propiedades del producto vectorial o producto cruz)*_ Si w= (ug .ts ts). ¥= (04. ¥9,P9) YW = (04H, hs) SOM Veetores En el espacio y ces eual- aguier escalar. Entonces Lux = =v xu; 2. aX (vbw) = uXy ta XW 3. (atv) XweuxwhyX ws | 4. elu Xv) = (au) Xv = WX (ev): | 5. 0Xu=ux0=0; 6. uXu=o; 7. aX (ww) = (ws wy = (wv): Bu-(WXw)=/y om vs ws Cn DEMOSTRACION “Bemosiraremos as partes 1, 7 8. Elresto de las demostraciones se deja como ejercicio, Para la parte 1 WV (ayy ~ saya, tnry — yeas avy — aM) = =0us = vous ¥9m ~ vinsy time = nn) = WC Para la parte 7, en vista de que VX w= (vas — voir, 9H — vWD HHH HoH) La primera componente de ux (vx w) es an toyi = vem) — uyCogiy = vy) = avis = nave — Mae sv Por otto lado, Is primera componente de (uw}v ~(u* vw es Cu teat asws)¥s~ tins Fieve + vay = maw ws HEMI) MSHS Por consiguiente, u (v x w) y (u- wv ~ (W- vw tienen sus primeras componentes iguales. La igualdad de las dos iltimas componentes se demuestra en forma parecida, Paras pare 5, we orew) = tomy (RB B)-[2 ple el) aul? foul Sfeul ef-[e & wee] Me | a) OBSERVACION 1. De acuerdo con el enunciado 1 del teorema 20, el producto eruz no es conmutativo; es anticonmutativo YN dol T: Al producto vectorial sueleHlamérsele producto cruz116 Capitulo 2 mi Vectores 2. Elpproducto cruz no es asaciativo,* Esto significa que en general (u xv) w # u X(¥ XW). Por ejemplo, (xj) xJ=KX |=, mientras que Hx (jxj)=ix0 La mayor parte de las identidades donde intervienen los productos cruz pueden deducirse a partir del teorema 20. Por ejemplo, es facil demostrar que la propiedad & implica que u(uxy) De aqui que u x v sea ortogonal au y av. Asi, ui(uxy) y vi(uxy) Siwy v son vectores no cero, la diteccién de u Xv es perpendicular al plano definido por uy v. Ademas, es posible comprobar que para un sistema coordenado derecho, los vectores uu, vy w X v también forman un sistema derecho (figura 2.22). Esto determina la direccidn del producto cruz. A continuacién caleularemos su longitud uxy Figura 2.22 Direccién del producto cruz en un sistema derecho. Al hacer el céleulo directo, la parte & del teorema 20 implica que u(y xXw) = “(wx u) = sux) 2.13) (Esta propiedad también puede memorizarse con un diagrama de permutacién cictica, como cl de la figura 2.21, reemplazando I, jy K por u, vy W.) TEOREMA 21 [Longitud de! producto cruz} 1. La siguiente idenidad es vida ita vi? = ful? Iv? ~ (a-v)? tdentidad de Lagrange 2, Si es el angulo que forman uw y v, entonces iu X vil = Hull ivi sen (2.14) © Para conocer wna relacin entre la no asociatividad del producto cruz y el problema de los cua colores, véase "Map Coloring and the Vector Cross Product”. de Louis H. Kauffman, Journal of Combinatorial Theory, serie B, 48 (1990): 145-154COROLARIO 22 COROLARIO 23 26 M Elproductocue 117 DEMOSTRACION 1. flux viP = (xv) (xy) de acuerdo con b 213) fe acuerdo con la ecuacisn ( (x (ax vy) segiin el enunciado 7 del teorema 20 =u ((v- vju~ (w-aly) v= v)(w-w) ~ (v-w)(u- ¥) = ful? tv? ~ (av 2, Segiin el anunciado 1 y de acuerdo con la ecuacin (2.7), seccién 2.2, se tiene hu vf = full? flv? ~ (wv)? = full? vl? — ffl! Iv? cos? @ = [ul flv? (1 = cos? 0) = jul? vif sin? @ En consecuencia, fu x v= fully] sen @ El enunciado 2 del teorema 21 determina la longitud de uw v, Geométricamente, esa ongitud es igual al érea del paralelogramo definida por u y v (figuea 2.23), Por tanto, el area, A del paralelogramo con u y v como lados adyacentes es acho uxy Hu x vil = full ivisen @ Figura 2.23, DEMOSTRACION Como 0 < @< x, entonces 0 < sen @ |, Por Io que la ecuacisn (2.14) implica que {he x vf = full vil sen @ = ful flv] = fell vt (Criterio para que dos vectores sean paraleios} | Dos vectores u y v, no cero, son paralelos si y slo si w x v = 0. si nnn | DEMOSTRACION De acuerdo con la ecuacién (2.14), uxy=0< lux v]=0¢> ul lvisen 6 =0 eosen = 05 0= |, #63 wy ¥ son paaletos =118 Capitulo 2m Vectores Aplicaciones a geometria TEOREMA 24 EJEMPLO 51 (Area deun paraielogramo) _Calcule el area del paralelogramo cuyos la dos adyacentes son PQ y PR, siendo PI2, 1,0), (1,2. 1) y R(-2. 2. 4) SOLUCION De acuerdo con ta parte 2 del teorema 21, cf arca es [PO PRY, Pero PO > PRY = W(— 3,0 (4, 14) = 13,0, ~ 130] = 132 Por consiguiente, el érea es 13/2 unidades co MEJEMPLO52 (Area deuntrisnguio} Calcule el érea del trigngulo euyos vértices estin en Tas puntas de i jy k SOLUCION Dos lados del triingulo son j ~iy ki, De manera qu ‘rea del paralelogramo definide por esos lados, La mitad de ésta IG in <¢k-ir evel cl irea del triinguto, Lig yeep e te . 1 SG ~ x Ok BH = 5-1, 1.0) x (1,0, 0 \ pila = v3 [Volumen de un paralélepipedo); ~~ Demuestre que el volumen ¥ del paralelepipedo cuyos lados adyacentes son los vectores. de posicion u, v y w (figura 2.24) esta expresado por Vela vem) Figura 2.24 SOLUCION Sea 4 el drea de la base definida por v y w. Sea la altura del paralelepipedo, y el Angulo que forman w y vx w. Entonces, f= jl eos 6! y 4 = Jv X wil. Segin la ecuacin (2.7) en la seccién 22, V = Ah = Iv x wlll eos 8] = lu (v WI] a26 Wi Elproduaocuz 119 MEJEMPLO 53 Calcule el volumen del paralelepipeda cuyas lados adyacentes son los vectores de posicién w =(1,~1, 2), ¥= (0,2, Iy W=(3,-2, -1). SOLUCION Segiin ef enunciado 8 del teorema 20, 1-12 w(vxw)=|0 2 1)=-15 30-2 -1 Tenemos que el volumen V del paralelepipeda es ju (v x w)] = |-15|= 15. oa La ecuacién (2.15) define un criterio ficil mediante el cual podemos comprobar si tres puntos son coplanares. Si u, v yw son coplanares, el volumen del paralelepipedo cuyos la- ddos adyacentes son u, vy wes cero (porque la altura es cero). Por el Conteario, latina forma en‘que este volumen séa cero es que u, v y w sean coplanares. TEOREMA 25 (Criterio para que tres vectores sean copianares} Los vectores u, v y w son coplanares si y s6lo si w *(vxw) =0. Producto cruz con sistemas algebraicos computacionales Maple > with(inalg > crossprod((t,2,31,(-3,2,-11); [-8 -8 8) Mathematica talt] <> crosa({1,2,3), [-3,2,-1])120 Capitulo 2 ml Vectores Ejercicios 2.6 1. Sean u=(-1 2D. y= (4-3, S)y we (4,-2.0). fre te las operaciones siguientes, uxy (wxvxw ux(xw) — (wtyXw uxwtyxw wt iexw) 2. Seauxv=(2, 1,5), Determine veu = 20x w) wx (10v)—(=2u) x (10¥) Hux vi) av) x al R Sea (yw) 5-5. Bncuentre (wx wow ve(uxw) ww XW weuxy) Sean u, ¥ yw vectores 3 4, ,Cuiles de las expresiones si lentes son indefnidas y por ‘ane? (axa) xu ex (exw) a (axw) ux (uw) (uxu) xivxy)— (UXW)- XW) 5. Compruebe la ientidad de Lagrange para w= (3,4, 1)y v= (0,5, 6) 6, Caleule oseno del angulo formado por uy v para fos valores siguientes a.u=(6, 12,9 bun, -Taky 7. Determine un voetor unitario perpendicular a plano definid por u =(3, ~8, 0) ¥¥ = (7, 5,~4.) A. Encuentre un vector de longitud que sea perpendicular a plano definido por w= (1,-1.1) y w(=1, 1,0) sngulo cuyos vertices estén en (1, ty 9. iCuiles el rea del Debby 1,1 10. , Cuil es et rea del paralelogramo cuyos lados adys sentes son Dy PR, siendo P11, 1,1), OU,-1.=1) y ota" H1. Caleule of volumen del paralelepipedo cuyos lados ada {centes son los vectores de posicion (1,-2.3), (2,0,-5)¥ ant 12, Aplique ef producto cruz para demostar que (1, 2,—1)y 4, 2) son paralelos, 13, Usilieeelteorema 25 para determinar cules de los veetores 1, vy w son coplansres aust bua (- a Dey (0,1, 3). 1.0.2). = (1,=1,0) 0) 14. Bs verdad que six ¥= th entances w= 0.0 = 07 18, .Escierto quesi ux v= uxw. y tambien u #9, etonces| 16, Termine la demostracin del torema 20, 17. Demueste la identidad (Xv) ww (vX) IR. (Identidad de Jacobi) Demucstr a identidad (uv) Xow + (Kw) Kat Ow) KY =O 19," (Pormula de Euler) Siu.» y w.son tees lados adyacentes 0 bien (x. Ys B= Go, Yo) xem tia 2.18) wrth os)122 Capitulo 2 Mm Vectores MEJEMPLO 54 Silesia recta que pasa por (1,1. 2)en la direceién de (1. 1.1), Deter: ne lo siguiente: (a) Una ecuacién paramétrica de 1 (b) Dos puntos de / (c) La interseccién de / con los planos coordenados SOWCION (a) Como n=(1, 1, 1) y p=(1,~1, 2), una ecuacién paramétrica de la recta es bien, en forma de componentes, (b) Para determina os puntos ene necesita evalua el primero Por ejemplo, = 1y fan producen (Iy=1,2)+1(, [o1)=(2.0.3) ye -1-2)"(-1\0eL 1) (0.2.1) (c) Para caeulariaintersecein con el plano ay se iuala 20, Deah ques 2 += 0.8 deci, 1-2 Alssturlo nterioren les dos primera euaciones paramects ene, mos, =~I,y==3, Asis (-L--3,) esa imerseccin con el lana sy En forma pareeida se obtenen a interseciones on los plans 22, que son 0,3) (0,-2.1) respec tamente a EEJEMPLO 55 [Recta que pasa por dos puntos) Deduzca una ecuacién paramétrica de Ja recta que pasa por los puntos P(3, —1) y O-1, 2) SOWCION Como PO=(-1,2)~(3,=1)=(-4,3) es paraleo a la recta el vector de direc: cin es n= (4,3), Por tant, una ecuscién paraméirica de la recta es “Les MIEJEMPLO 56 (Rectas paralelas) Demuestre que las rectas cuyas ecuaciones paramétri- x=1-2r x yerlta yo ys2bm z= 2-8 ae7-4r son paralelas,2.7 WM Lineas, planos ehiperplanos 123, SOLUCION Un vector de direccién para la primera recta es (~2, 4, 8) = 2-(-1, 2,4). quees tun miiltiplo escalar del vector de direccién (1, 2, 4) de la segunda recta. Ambas rectas tie nen la misma direccién, asi que son paralelas. co HEJEMPLO 57 [Lineas perpendicutares| Demuestre que las rectas euyas ecuaciones paramétricas xei-d yerltar y z=2-2 son perpendiculares. SOLUCION Esto es cierto, porque los vectores de direccién (-2, 4. ~2) y (~1, -2,-3) son ‘ortogonales. hats NOTA La ecuacién paramétrica de una recta no es nica. Puede emplearse cualquier punto de la recta o vector paralelo al vector de diteccién, Por el momento sélo consideraremos rectas en el plano. Como n + 0, siempre es posi bie eliminar ¢ del sistema (2.18) para obtener una ecuacién de la recta en la forma conocida Ax + By (2.19) como una relacién entre yy x Por ejemplo, partiendo del conjunto paramétrico (2.20) climinamos 1 para obtener ea A Ia inversa, la ecuacién (2.20) puede determinarse a partir de Ia (2.21) haciendo 1 =2~ x, Podemos obtener otro conjunto (més facil) de ecuaciones paramétricas izwalando yye-3r+7. xr yaret (22) Obsérvese que los dos conjuntos de ecuaciones (2.20) y (2.22) son equivalemtes. Al reempla- ‘zara rpor 2+" en el sistema (2.20) se obtiene el sistema (2.22). En el caso de rectas en el espacio, a despejar no se obtendri wna ecuscién, como con las rectas en el plano. Asi, la ecuacidn paramétrica es a tinica disponible para describir directamente una linea en el espacio. Sin émbargo, si a# 0, b #0 y c # 0, podemos seguir eli- rminando f de fas ecuaciones (2.17) para-obtenet dos-ecuacioncs:124 Planos Capitulo 2m Vectores Las anteriores son ecuaciones simétrieas de una recta, Descritien indirectamente a la recta ‘como una interseccién de dos planos (que se explicara en la subseccién siguiente). EJEMPLO 58 _[Ecuaciones simétricas de una recta) Deduzca las ecuaciones simétr- ‘cas de la recta que pasa por (~2, 3, 1) cuya direccién es (-1, -2, 1), SOLUCION Como (xo, yo, 9)" (2,3, Dy (a, b. 6) 8 (- 2, 1). entonces -2) Un vector m= (a, 6. ¢) no cero se llama normal a un plano P si es perpendicular a P (figura 2,27). Sean Plo, yo, 29) un punto dado de P, y sea X(x, » =) cualquier otto punto. Si = (4 Yo. 20) ¥X=(X, 2), entonces x ~ p es paralelo a P y, en consecuencia. es ortog Je normal n. Por consiguiente, el producto punto de x ~ p por n es cero: n(x p)=0 En funcién de componentes, esta ecuacién puede expresarse como sigue: Figura 2.27 La ecuacién (2.24) caracteriza a todos los puntos x de Pen funcién de un vector normal y de un punto p de . A esto se denomina forma punto-normal de la ecuacién del plano P. Esta es andloga a la ecuacién simplificada’ de la ecuacién de una recta. Tanto la forma simple como la de punto-normal implican un punto dado y una inclinacién. En el caso de la recta, la inclinacién se expresa con la pendiente, mientras que en el caso del plano se define ‘mediante la direccién de la normal. EJEMPLO 59 (Ecuacién punto-normal) {Cuil es la ecuacién del plano que pasa por (1, 2, 3) yes perpendicular a(~2, 1, 4)? Determine otto punto en este plano. SOLUCION , Como p= (-1, 2,3) y m= (~2, 1,4), con la ecuacién (2.24) se obtiene Deer tld) +4 -3)=0 del TA Ia"forma simplifieada” de a ceuacién de fa recta see llama con frecuencia “forma punta- pendiente”. porque su nombre en inglés es “point-slope form”.TEOREMA 26 2.7 Wi Lineas, planos ehiperplanos 125 El punto en el plano puede obtenerse partiendo de cualquier solucién de esta eeuacién, Por ejemplo, con.x= 1, y= 2, e obtiene 4: 4, Por lo que (1, 2,4) es otro punto oa La ecuacin 2.24) puede reformularse como sigue art bytestd=0 (225) siendo d= ~axg~ by» ~ ozo. Esta es la ecuactén general del plano. Aun en esta forma, los coeficientes de, yy z siguen definiendo wna normal al plano. Por el contrario, la ecuacién (2.25) es la ecuacién de un plano, (Ecuacién de un plano} Si (a, b,c) #0, a grifica de la ecuacién ’ axt bytes td=0 es un plano cuya normal es (a, b,c). DEMOSTRACION Si (Xa, yo, =o) satisface la ecuacidn, entonces axtbytez+d=0 y axytbyyteztd= implican que ale =39) + BY —yp) tel %9)=0 0862 (a,b, e)* = Xu Y— Yo E— 20) =O Como resultado (a, , ¢) es una normal al plano que contiene al punto (to, Jo, =a) yal vector (&—x0.¥— Yo, ). a EJEMPLO60 (Pianos paralelos) Determine la ecuacién del plano que pasa por I. 2,4) y que es paralelo al plano 2x ~ Sy + 22-1 = 0. SOLUCION Como los dos planos son paraelos tienen las mismas normales, La normal a plano dado es (2,~5,2) y por tanto 2-1) =5+W 4242-4) =0 ¢ la ecuacién del plano desconocido, oc EJEMPLO 61 [Plano que pasa por tres puntos) Deduzea la ecuacion del plano que pasa por los puntos P(2, 0,1), O(1, 2,0) y RC3, 2,1). SOLUCION El producto eruz PQ x PR =(-1,2,~1) X(-5, 2,0)=(2, 5,8) es una normal at plano, Por consiguiente, de acuerdo con la formula punto-norma!, 2(x~ 2) + Sy + 8{2— 1) = 0 esdecir 2x + Sy+82-12=0 considerando que P es el punto en el plano, |126 Capitulo 2m Vectores MIEJEMPLO 62 _[Interseccién de dos pianos) Determine las ecuaciones paramétricas de fa recta de interseccién de los planos x ~ y += y&xtytstl=0, SOLUCION Sea Entonees, al despejar x y y del sistema xoytin2=0 2eeyere1=0 se obtiene 4. Asi, las ecuaciones paramétricas son x aes DEFINICION BI Angulo que forman dos planos se define como el angulo que forman dos ni los planos. WEJEMPLO 63. (Angulo entre dos planos) Caleule el coseno del angulo que forman los planos 2x-y+2-2=Oyx+2y~2+1=0 SOLUCION Como (2, -1, 1)y (1, 2,~1) son las normales correspondientes, el coseno del ‘angulo que forman los planos es i ie Zh) -,2.-0) a WEJEMPLO 64 (Pianos perpendiculares} Demuestre la perpendicularidad de los planos ceuyas ecuaciones son x+y +2" Oy-—x~y + 22=0. SOLUCION Son perpendiculares, porque las normales (1.1, 1) (~1.-I,2) son ortogonales. co Rectas e hiperplanos en R° logas de “rectas" y “planos", que se denominan hiperplanos. Un En Rr hay ecuaciones a1 vector que va dl punto P(py a) a Olds» - ga) tiene coordenadas PO=(q-Py — Pa) Una reeta que pasa porel punto p=(p,...Ps) tone la dreceibn = (dj... dy) esl cone jjunto de puntos x = (x, ...,%) tales que x~ pes paralelo a d. Por consiguiente, x ~ p= rd para algiin escalar¢, Para —= <1<=o, la ecuacién Id esdecit Cai...) =r. sPa) +d, de) (2.26) es la ecuactén paramétrica de una recta en R', con pardimetro MEJEMPLO 65 La ecuacién paramétrica dela recta en R® que pasa por el punto (1. 2.3.4) ¥y que tiene la direccidn (1, 1," 1) es Gy 2.5.0) = 1 +H, 2, 3.4) co2.7 WM Lineas, planos e hiperplanos 127 MEJEMPLO 66 Determine la ecuacién paramétrica de la recta que pasa por los puntos GL AHL Dy (,2,3.4), SOLUCION La direccién de la recta es (1, 2,3, 4)~ (1, 1.1, 1 ‘cueneia, la ecuacion de la recta es (x), ¥3.%5.%2) 2, 1,4,3), En conse. CLA) +2143, Co Ya vimos que los puntos x de un plano que pasa por un punto p, ¥ cuya normal es n, deben satisfacer la ecuacién ne(x=p) 227 porque n y x ~p deben ser ortogonales. El anilogo de esta ecuacién en RY es Ia ecuacién ‘punto-normal de un hiperplano. Sin =(a),..-, 0). ecuacién (2.27) implica que air —pi) + Esta ecuacién también puede escribirse como sigue: Bh AYP MPL Pada + a.5~p.)=0 (2.28) tax, td=0 (2.29) que es lo que se llama ecuactén general de un hiperplano. WEJEMPLO67 _Deduzca una ecuacién del hiperplano en R® que pasa por el punto (1.2.3.4) y es normal ala direceién (-1, 2, ~2, 1), SOLUCION De acuerdo con la ecuacién (2.28), Hey ~ 1) + tx ena) + 22x tay 10 2)~ 20) 3) + Mang 4) = 0 Ejercicios 2.7 Para todos los ejercicios de esta seccién, Sean, fa fh ¥ Tas tineas euyas respectivas ecuaciones paramétrices son ky x=S-3r by yorata za2-t by wes 4, yer zallts sean PQ, Ry S los puntos 5,-4.2) Q(2,-2.1) R1,A2,2) S19,-12,-2) |. {Cuales de los puntos P, Q, Ry S estan en f”? _Couiles de los puntos P,Q, Ry S estan en? |. Determine 3 puntos en 1. Encuentre a interseccibn def con los planos coordcnades. ‘Obtenga todos los pares de rectasparaelas que hay enelcon= junto iy Le Encuente todos los pares de recas perpendiculares que hay fenel eonjunta fy. ¥ ly Demuestre que fy use intersecan. Determine su punto de Compruebe que fy son octas seegadas, (Esto es, que no son paralelas ni se interscean )128 Capitulo 2 mM Vectores 9 Deduzca las ecusciones simétrieas de las rectas fy fy! yle 10, Para cada recta de ffs fy ly obtenga las ecuaciones de dos planos cuya intersecci6n est definida por areca dada (Sugerencia: Emplee las ecuaciones simétricas.) 1. Determine las ecuaciones paraméiricas del recta que pasa por Py es paraela a n= (4,3, 1). 12, Deduzea las ecuaciones paramétricas de la recta que pasa Dor (0,3, 2)y es paralela am = (+1, 2,4) 13, Obtenga las ecuaciones paramétricas de la recta que pasa por P y por 9. 14, Deduzea las ecuaciones paraméiricas de la recta que pasa por (2,-3, 5) y(7, 4, 1) 15, Formule las ecuaciones simétricas de la recta que pasa por Gh Dy C125) 16. Encuentre las ecuaciones simétricas dela recta que pasa por P y tiene la direccién S#. 17. {Cuil de tos puntos PQ. Ry Spertenece al plano x + 39+ i+ 1-07 En los ejercicios 18 y 19 encuentre una forma punto-normal de la ecuacién del plano que pasa por el punto X'y cuya nor mal n 1 X= 64,2, DyM=3,2,0. 19. X= Py ne (6,45) 20. Obtenga uns ecuacién general del plano del ejercicio 18, 2.8 Aplicaciones 2 2 2 uM 25. 26. 2, 28. 29, 30. 31 32. Determine una ecuacin general de plano del ejrcicio 19, Deduzea una forma punto-normal de la ecuacién del plano euya ecuacién general es a de-dytee br-ty+3e0 Formule una ecuacién del plano que pasa por /! Oy R, Obtenga una ecuacién del plano que pasa por (2,~4, 1) yh Determine una ecuacién del plano que contiene tas rec tas hry be Encuenire una ecuacién del plano que pasa por (2. 3.-1) y es perpendicular a (-2, 4,1), Formule ls ccuacién del plano que pasa por (1, -2.$)y es paralelo al plano x ~ 6y+22~3=0, Determine las ecuaciones paraméiricas de la recta de in- terseccién de los planos xy +2-3= Oy —¥ + Set +4e0, Caleuleelcoseno de ngulo que forma les planos 6x + y te-l=Oyxty-2+1=0, Demusie que os plano cuysscouciones on x= +22 +Sn0y r+ 2p bead son perpenculars Deduace una ecacin del hiperplano en RS que psa por et pinto (1,2, 0,1, O)y es normals (1, 3,-2.8), Demusie que las ete x= x)41myy a= aS inteaecan sy sla 5~ 4 exh en Genny, Qdjetivo del alumno para esta seccién Apreciar las numerosas aplicaciones de los vectores. Hay un sinnimero de aplicaciones de los vectores en casi todas las areas de matematicas, ica ingenieria, En esta seccién describiremos algunas de las més importantes, si bien todavia elementales. Aunque el énfasis es hacia las aplicaciones geométricas de los vectores en la estitica y en a ingenieria, También aplicaremos el producto Ax para la obtencién de mejores datos y asi obtener grificas mas suaves y, més importante, a los sistemas dinémicos, Seleccién de datos para suavizar graticas ‘Al medir varias cantidades que dependen del tiempo, con frecuencia se recopilan dates que incluyen perturbaciones repentinas. Por ejemplo, supongamos que se miden velocidades det28 M Aplicaciones 129 viento, y que se anotan algunos valores muy altos, por las rachas que s6lo duran corto tiempo. Es posible tratar de minimizar el impacto de esas rachas breves que pudieran afeetat la interpretacién de los datos. Una forma de hacerlo es suavizando, uniformando o emparejan- do los datos. Una manera de suavizar es promediando. Si tenemos una sucesién de nimeros abode puede transformarse en Ta sucesién de los promedios sueesivos ath btectddte 2 ue comienza con el promedio de a y 0 como primer nimero nuevo. (En la prictica se usan algunos otros esquemas.) El promediar es, de hecho, una multiplicacién por una matriz cuadrada Finita de la forma . foo000 bLoao ot} too bb loo} $0 ooo ss Por ejemplo, supongamos que cada hora se registran las sig cen decenas de millas por hora lentes velocidades de viento, DI3Z3 45343212 ‘Al graficar esos datos en funcién del tiempo se obtiene la figura 2.28. Figura 228 Grafica de datos Al promediar se transforma esta sucesié130 Capitulo 2m Vectores Al graficar estos datos se obtiene una grafica més uniforme (figura 2.29) Figura 2.29 Datos promediados ‘Si deseamos suavizar mas la grifica usando esta técnica, podemos promediar una vez ‘mas. También es posible hacerlo multiplicando la primera sucesién por una matriz de la For- ma B (compruébelo) an) }Looo i 4400 B=|e ida oT rao oops La neva sucesion es Ls7s By, B74 48 Pear ete a 732G Al graficarla se obtiene una grafica ain més uniforme (figura 2.30). Figura 2.30 Datos promediados dos veces.Sistemas dindmicos 28 mM Aplicaciones 131 Para ahondaren ése y otros ejemplos interesantes de transformaciones matriciales. véase The Mathematies of Matrices, de Philip . Davis (Nueva York: Blaisdell Publishing Co.. 1965). pp. 253-264. En esta seccién presentaremos los sistemas dinémicos discretos, como aplicaciones del producto Ax. Debido a su importancia, vamos a regresar varias veces a este tema, a medida que crezea nuestro acervo de algebra lineal Para generalizar, diremos que un sistema dinémico es una ecuacién un sistema de ecuaciones que tienen por objeto estudiar cantidades que dependen del tiempo. Un ejemplo. caracteristico es la ecuacidn donde interviene el saldo, P, de una cuenta con intereses en el ‘momento 1. En un sistema dinimico discreto,1a variable de tiempo sélo asumne valores en- eros. Por ejemplo, si una cuenta gana 8% de interés compuesto nualmente, entonces Pa representa al depésitoinicial, Pel saldo al final del primer afto, P; el saldo al final del segun= do, y asi sucesivamente, En este caso, aunque los valores no enteros de f, como por ejemplo Ps tienen sentido, baSta con conocer P en valores enteros, porque P, <= P,, Pr7~ Ps, et. Sea Py = $1 000. Entonces, Py = 0.08 : Py * Py ~ 1 080, P= 0.08P, + Py = 1 166.4,... Al Final del (& + 1}-ésimo afo, el saldo es Pins = 0.08, + Py 08Py 2.30) A Ia ecuaci6n (2.30) se le llama sistema dinamico disereto, o ecuacién en diferencias. y da ‘como resultado el valor siguiente de P en funcién del valor actual. P, puede caleularse apli- ccando repetidamente Ia ecuacién (2.30): Pe LOBP.1 = 1.08 + 1.087,» * (1.08) Por lo que, Po 1.08)'P, ean La ecuacidn (2.31) se denomina solucién del sistema dinémico. ‘A veces. a cantidad que depende del tiempo tiene varios componentes. y puede repre. sentarse con un vector. En ese caso, se aplica la teoria de las matrices para estudiar el sistema dinmico correspondiente Un modelo de crecimiento de poblacién Supongamos que hay una poblacién de insectos dividida en tres grupos de edad, 4, By C. El ‘grupo A esti formado por insectos de 0 a 1 semanas de edad, el grupo B por insectos de | a 2 semanas y el grupo C por insectos de 2a 3 semanas. Supongamos que los grupos tienen 4,, Byy Cy insectos al final de la k-ésima semana. Se desea estudiar como varian 4, By Cal paso ddl tiempo, dadas las dos condiciones siguientes: 1. (Tasa de supervivenci Por consiguiente, ) Al sérmino de una semana, silo sobrevi e el 10% del yrupo a Bue (2.32) 10 * Para conocer una excelente introduccién a este tema, véase Discrete Dynamical Systems, Theory and Applications, de James" Sandefur (Oxford: Clarendon Press, 1990)132 Capitulo 2 ml Vectores Y al termino de una semana sélo sobrevive el 40% del grupo B. Es decir, 2 Coss = Be 33 2, (Fasa de natalidad) Cade insecto del grupo A tene un promedio de 2 de descendientes, cada uno del grupo B tiene 4 descendientes y cada uno del grupo Ctiene 5. En la semana + I, os insectos del grupo 4 son descendientes de los insects en la semana k En con- 2 Aner = San + 4B, + 5G, (234) PROBLEMA Sila poblacién de insectos se inicia con 1 000 en cada grupo de edad, zeuan- tos insectos hay en cada grupo al final de la tercera semana? SOLUCION Las ecuaciones (2.32), (2.33) y (2.34) se expresa en términos de vectores y Esta ecuacién matricial es el sistema dindmico del problema. La condicién de la poblacién inicial (condicién inicial) es [é)-[i Al final de la primera semana se tiene: At 3 4 5) rio] [9400 Bi} =] 0.0] | 1000] = | 100 Gq 0 F o| {1000 400 Alterminar a segunda semana hay Ap 3 4 5] 79400] feeo B1=|4 0 of | 100 | - | s90 a} [5 2 of [400 0 yal final de la tercera semana, Ay B 4 6160 [ons : B)=|5 0 of | | =| «6 o) [og wo} | 376 De manera que después de 3 semanas, el grupo A tiene 6 424 insectos, 616 insectos el grupo B, y el C, 376 insectos,Geometria analitica 28 M Aplicaciones 133, MEJEMPLO 68 [Distancia de un punto a un plano) Deduzca una formula para de- teeminar la distancia d més corta del punto P(xo, yi, 0) al plano P cuya ecuacién es ax + hy reztd=0, SOLUCION La ecuacién de P implica que n = (a, 6, c)es un vector normal. Si Q(x, cualquier punto en P. Entonces, des la longitud de la proyeccin ortogonal, d, de QP ala largo de n (Figura 231), Por consiguiente, Ia ecuacién (2.8) dela seceién 2.2 implica que k = Hay te = (GP nj = iste = 2) + Biyo ~ y) + ciem — 2)i a= teal | | Pt Java _ las + byp + ez — lax + by + a] Javea Figura 2.31. Distancia de un punto a un plano Las coordenadas (x, y, 2) de Q satisfacen la ecuaci6n del plano ax + by + ez Fd 0, porque Q esti en P. En consecuencia, d= ~ ax ~ hy = czy asi [axa + bya + ex + a} Oat ee oi WEVALO GY Clee dnc Wi pan MOLD apna OST SOLUCION De acuerdo con el ejemplo 68, d 12: (-1) +(-3) 341+ VErorer =5 Las lineas sesgadas son rectas que no son paralelas ni se intersecan, WEJEMPLO 70 [Distancia entre rectas sesgadas) Determine Ia distancia d vas corta entre las dos rectas sesgadas ly y134 Capitulo 2m Vectores SOWICION Sean P Oy RS. dos pares de puntos en |) ys respectivamente Fr producto cruz n = PG x B¥ es ortogonal a PG y #8: Sean P) y 2: os planos que pasan por Py R,cuya normal es n.entonces.-P, y Ps son paralelosy eomtienen a las Hineas fy Asi. d es la distancia entre Py P:, y puede calculirsele como longitu de la proveccién cortogonal de PR a lo largo de la direccién de la normal n, La ecuacién (2.8) implica que Asi, en términos de los puntos PQ, R y S, tenemos 4- FR POX) Figura 2.32. Distancia entre dos rectas sesgadas. EJEMPLO 71 Determine la distancia més corta entre dos rectas sesgadas, J, pasa por PC. =2,=1) y O10, ~2, 1 yb pasa por RII, 2, 0) y St=1, 0, ~21 SOWCION P= (-1,0,2), R= (0,-2.-2)y PR= (-2, 4.1), Porconsiguiente, POX RS S14 -2,29 d= (2.4.1) 4,-2.2 a 4. -2.2)11 Geometria euclidiana Para demostrar los teoremas de la geometria euelidiana pueden emplearse vectores. como se indica en los ejemplos siguientes. WEJEMPLO 72 Demuesire que el segmento de reeta que bisecta dos lados de un triangulo tiene longitud igual a la mitad del tercer lado.Fisica e ingenieria 28 M Aplicaciones 135 SOLUCION De acuerdo con la figura 2.33(a), necesitamos demostrar que si AP = PB y AQ = OC. entonces PQ = 4 BC. Se tiene Po=PR+AO= ths Le 1 2 Por consiguiente. a longtud PO de PO es la mitad de lalongitud BC. = Figura 2.33, , WEJEMPLO 73 Demuestre que las diagonales de un paralelogramo se bisectan entre si. SOLUCION | Sea ABCD el paralelogramo, y sea O el punto medio de la diagonal AC. figura 2.33(b). Entonces, 4O = OC. Basta con demostrar que BOD es un segmento de recta. y que B= OD. Puesto que BC = AB, BO = BC+ CO = B+ 04 = A+ AB - OB Porloque BO y OB tienen fa misma dreccién asi como un punto comin y la misma longitu Por todo fo anterior, BO = OD, y B, 0, D son colineales como se habia afirmado. [———] EJEMPLO 74 Demuestre que cualquier ingulo inscrito en un semicirculo es recto. SOLUCION escedo son igun 23K) esuficent condemostarqve AB BP on perpendicular oque AP PB =0-Searet aio Eonces AP PB = (AO + OB) - (PO + 8) = (OB + OP) - (-GB + 08) = OB Ob - BB. OB = [OA OBI =P? =o ‘Tanto el producto punto como el producto cruz tienen sorprendentes interpretaciones fisicas. El producto punto puede considerarse como et trabajo efectuado por una fuerza constante, yeel producto cruz como el vector momento de una fuerza ‘Siuna fuerza constante F hace mover un objeto una distancia den la direccion de F figura 2.34(a), el trabajo efectuado es Ww = [Illia136 Capitulo 2 ml Vectores : ; ° ® Si Fy d forman un sngulo 8. figura 2.34(b), entonces se define a Hen funcién de la componente numérica de F en la direccién de d, En otras palabras. w III lal] sen Asi, Ia ecuacion (2.7) implica que el trabajo efectuado por F es Wekd 235) MEJEMPLO 75 (Trabajo efectuado por una fuerza Constante) Caleule el trabajo elec. tuado por la fuerza constante F™= 4i 2) ~ ks su punto de aplicacién se mueve desde P40. 1, ~2) hasta O13, 0, 1), SOLUCION d= PG = (3,0,1) ~ 0,1,-2) = 3,-1.3) Asi, de acuerdo con la ecuacién (2.35), We Ped = (4,-2.1) (3,-1.3) =17 Sila fuerza esti en newtons y la distancia en metros, Hse expresa en newton-metros (N oo Los vectores pueden emplearse en forma grifica y algebraice para caleular las fuerzas resultantes, o las condiciones de equilibrio de un objeto, MEJEMPLO 76 (Plano inclinado} , Calcule la fuerza F que se ejerce sobre la cuerda (fi- {gura 2.35) para equilibrar el objeto que pesa $00 Ib, si la inclinacién del plano es de 30° SOWCION Las fuerzas que actin sobre el objeio son su peso, W. la fuerza sobre la cuerda, Fla reaceién del plano inctinad, R. Como el sistema est en equilibria a sua vectorial de esa fuerzas debe ser igual a cero, Conocemos la dieccién de , si que sélo st necesita conocer su magnitud Et peso W se puede expresar como la suma de dos vectores componentes, Ws y Wa.en las direcciones de F y R,respectivamente, Como | [IML en ese caso Fl lial si . lly 300 - cos 60" = 500- + = 250 b a28 M Aplicaciones 137 Figura 2.35 ‘Ahora describiremos con mis deta el equlibro de los euerpos rigidos sometidos a fuerzas en el plano.“ EI momento mde una fuerza F respecto @ un punto P es el producto m = |IFd, don- ‘ded esa distancia mas corta de Pa la recta definida por la direccién de F (figura 2.36). Sea Q cualquier punto en Ly r= PQ. Entonces, d= |[r| sen 0, siendo @ el Angulo que forman r yB.Asi, ‘m= |e [Fy sen 6 o bien, de acuerdo con la parte 2 del teorema 21, m= lie x Figura 2.36 Definiremos al vector momento, o momento m, como sigue: m=rxF La magnitud de m es el momento m, y se desplaza a lo largo del eje de rotacién que genera F con respecto a P. HEIEVPLO 77 _[Reladin ene eimomento de foerzay un punto) Seaplicauna fuer za de 3N formando n anguto de 60" con el ee de x positiva, ene extrem del vector de po: sicin r= (3,1). Cala el momento dea fuerza en. ,Cail eel momento con respeto alerigen?138 Capitulo 2m Vectores Figura 2.37 SOWCION En a figura 2.37 se ve que 33 3 3 PO’ = PQ cos 60" =3.cos 60°= =, PO"= PO sen 60" = 3 sen 60 = = Assia fuera es (3,22) como vector poi. ¢= Of). Para determine poe marceaivinorx( sel momento. y 0, 0, 3)|=3 es su magnitud “También es posible caleularel momento como Sd. determinando la distancia d del or gona la recta definids, mediante triingulos, por F co Enla practica, frecuentemente se adjudica un signo al momento, Elsigno de m es positive si la fuerza tiende a producir rotacién en sentido contrario a las manecillas del reloj.respecto al punto dado, y es negativo en caso contrario. Obsérvese que para un sistema derecho, el mo- ‘mento (con signo) es el tercer componente’ del momento, siel plano xv esti en el plano definido por Fy r. ‘Ya estamos prepatadas para describir las condiciones bajo las cuales un cuerpo riyide estd en equilibrio, con fuerzas coplanares actuando sobre él Condi nes de equilibrio para fuerzas coplanares ‘Cuando las fuerzas coplanares actiian sabre un cuerps si se satisface lo siguiente: ido, éste se encontrari en equilibric 1. La suma vectorial de todas las fuerzas es cero 2. La suma algebraica de los momentos con signo de todas las fuerzas respecto a cualquier punto del plano es cero, La segunda condicién equivale a: la suma vectorial de los momentos de todas las fuer: 2as relacionadas con cualquier punto en el plano es igual a cero,28 m Aplicaciones 139 EJEMPLO 78 (Equilibrio) El extremo superior de una barra PQ uniforme, de 5 pies de longitud y que pesa 50 Ib, descansa recargado en un muro vertical liso, figura 2.38(a). Fl extremo inferior descansa apoyado en un piso horizontal liso. a 3 pies del muro. Una ccuerda OR sujeta al sistema en equilibrio. Sila distancia RQ es 1 pie, ;eual es la tensidn de Ta cuerda? Figua2.38 (a) SOLUCION Sean R, y Ry las reacciones del muro y del piso, y sea T la tension en la cuerda Figura 2.38(b). Sean R,, Rey Tlas magnitudes de es0s vectores. La suma vectorial de Ry. Ry T y el peso W debe ser cero. Por consiguiente, en términos de componentes, R-Teos8 =0 50+ Ry ~ Tien @ = 0 AA partir dela segunda condicién de equilibrio, podemos obtener una tercers ecuacién, Lgua- Jando a cero la suma algebraica de los momentos respecto a O, se obtiene 3 - 2-500 AR, + 3R~ 5 A continuacién se despeja T del sistema, para obtener 5 Fest -Teo vague se tiene 05 Toque a y snoe BS ~ 1 oR” Vo ¥ entonces ed 3 id = 26351 sGAV10) — 30/4/10) 3140 capitulo 2m Vectores Ejercicios 2.8 Promediando 1. Grafique a sucesién y emplee matrices para promediara dos veces. Trace cada vez que promedie 8 1 0 2. Grafique la sucesién y promédiela dos veces con matrices; después grafique cada vez que promedie 12345 678 Prriadiga 2 15 45 15 20 30 20 50 Sistemas dinamicos discretos Suponge que una especie esti formada por dos grupos de eda- ‘des: los jovenes y los adultos. Sean Y; y 4, las eantidades de individuos después de& unidades de tiempo. Los jSvenes tienen tuna tasa de supervivencia s. La tasa de natalidad de este grupo es)"4es decir, un individuo oven tiene y descendientes por un ‘dad de tiempo), y la de los adults es a, En os ejercicios 3 a 8 exenba, en forma matricial, el sistema dindmico que modela ala potlacién total, Caleule lacantidad de individuos de eada grupo después de haber transcurrido 3 unidades de tiempo, para los valores dados des, Yo, y también para 4g = 100, y= a= 10, ¥4 = 100, 6 5" 1/Ay = 2,0= 12, Yo = 100, 22 /sy 300, Bam 1/57 5,a= 30, % = 100 3a 12, % 9. Una poblacién de moscas se divide en tres prupas de edades: A. By C. Enel grupo A se encuentran las moscas de 0 a 2 scmanas de edad, en el B esti las de 224 semanas, y en el Clas de 4 26 semanas. Suponga que ls grupos tienen Ay, ey Cy cantidades de moscas a final dela 24-ésima semana. La tasa de superviveneia del grupo 4 es 25%, mientras aque la del grupo # es 38.33%, Cada mosea del gropa 4 pro- crea 0.25 descendientes, cada una del grupo B tiene 2.5 descendientes,y eada una del grupo C, 1.5. Sila poblacién ‘original es de 4 800 moseas en cada grupo de edad represente cen forma matricial el sistema dindmico que modela a esta poblacin. Calcule Ia eantidad de moscas en cada grupo al final de 6 semanas. Geometria y fisica 10, Cateule fa distancia del punto P(R, 4,~S) al plano 2v— 29+ 2-60. 1, Determine la distancia del punto P11, 1,6 al plano 2+ ~2y $2-6°0. 12, Caleule fa distancia del punto P12, ~4) al plano que pasa por los puntos (0, 0, 0) (2. 1,0) (3.0, =I) Si P,Q. Ry Sson os puntos 0, — RG, 2) Q,-2,1) 21) $(0,2,~3) En los ejercicios 13 215 caleue la distancia mas corta entre las dos lneas sesgadas determinadas por los segmentos de recta cs- pecificados. BRB Poy uw By RO 3. Ry @ 16, Determine la distancia mas corta entre las dos rectas cuyas ceuaiones paramétricas son: dy xeS—3t 0 ky xeS—s poate ya-2-2 17. Sex AP segmentod rect que scl hipotenusa AC trléngulorectingulo ABC. Metiante preducios vectorales demuestre que AP = 4 18, (Centroide) Et cenrode de n puntos (deunpoigono den vertices) forma pola paras de los vectors ie st fig por 1 Ley eee) (Figura 2.39), Determine el centroide del triingulo POR, donde P(1, 2), 02, ~4) y RI-1, 7) 19. De acuerdo con el ejercicio 18, determine el centroide de P0.0,0). P11 My PAI. WV y Pal-2, 1,0), 20, Comprucbe que el cenroide de cualquier tringulo ests en In interseccién de sus tres medians, 21. (Centro de masa) Si... son fas masas ubicadas en fas puntas de los vectores vy... Ys SIM =m tg 5 Ia masa total, entonces el centro de masa de ess sistemas se define conCenoide farbro Figura 2.39 Determine el centro de masa del sistema cuyas matas de 1.4, Sy2 kgestin ubicadas, espectivamente,en P(-1, 2,0), P40, 5,-1), PA, 1,3) 9 Pal-6y 1-3) 22. A proposito de los ejercicios 18 y 21, demuestre que si to- «das las masas son iguales, su centro equivale al ceneoide En los ejrcicios 23 y 24 caleule el tabaj efectuado por la fuerza cconstante F, cuando su punto de aplicacién se mueve de Xa Y. 2.9 Miniproyectos 2.9 W Miniproyectos 141 DB. F=i+j+hX= 25," = (47, 2 P= 2+) 4 8K X = (-2,3,0,¥ 25, De acuerdo con la figura 2.40, caleule la fuerza F en la ceuerda que equilibra el abjeto de 25 Ih Figura 2.40 26. Caleule el momenta de 1 @ Comportamiento de un sistema dindmico a largo plazo En este proyecto veremos que, bajo condiciones iniciales especiales, es posible predecir una parte del comportamiento de un sistema dinimico discreto a largo plazo. En el capitulo 7 re- Bgresaremos a este importante tema Un modelo de poblacién Suponga que una especie incluye dos grupos de edad: los jvenesy los adultos, sy By son las cantidades de individuos después de k unidades de tiempo. Los jovenes tienen tasa de supervivencia igual a $. Sutasa de nataldad es de 3 (es decir un individuo joven tiene 3 descendientes por unidad de tiempo) y la de fos adultos es 21 Problema A 1. Escriba en forma matricial el sistema dinimico que modela a esta poblacién, 2. Deduzea una formula, en funcién de doy Bo, que calcule la cantidad de individuos en cada ‘grupo, después de 3 unidades de tiempo, 3. Evalie su férmula para Ay = 700 y By = 70012 Capitula 2m Vectores Problema B Refigrase al problema A. 1, Sido=7y B= ly pees la relacién A,B, caleule el valor pa largo plazo, que es el de ‘py cuando k se incrementa. Esto es, determine p = limy ps lustifique su respuesta. (No es necesario conocer lo relat a limites.) 2. Supongamos ahora que 4 ~ 8 y By = 2; que gues la relacion Ay :By.y 4 es el valor de qu a largo plazo. Fs ficil predecisq esta vez? {Por qué sio por qué no? 3. Esun hecho que p= g. Eneuentre el primer valor de &en qx de manera que gy esté dentro de05 dep Problema C Considere el sistema dinémico cuya forma matricial es [f:]- 1. Formule un problema de crecimiento de pablacién que se pueda modelarse con este sis [ao] fos oa] 2. Determine las relaciones A: By : Ca largo plazo si| Bo | es (ay| 6 | yey] S | Ly, 2 Lt 3. xpique qué sigifican estas relaciones a arg plazo en eada caso, 2'™ Plano bisector de dos planos; recta bisectriz de dos rectas En ete proyecto debe lograr lo siguiente: 1. Desarrollar un método para caleular la ecuacién det plano P que biscca la interscecidn de dos planos, Py y P2 2. Deducir una formula para calcular la distancia de un punto a una recta 3. Obtener una formula para las rectas bisectrices interna y externa de dos rectas en el plano. Con respecto al primer objetivo, siconocemos las ecuaciones de P, y Ps, podemos determinar un punto de interseccién y, en consecuencia, un punto de . Ast, con la formula pun to-normal s6lo necesitamos una normal a. Esta ultima debe bisecar tos angulos entre las normales de 1 y P2, figure 2.41(a), por lo que basta con determinar un vector que biseque el angulo entre los dos vectores dados. De los muchos vectores que lo hacen. caleularemos uno con longitud unitaria Problema A Sin, y m; son los dos vectores dados. ¥ si u = (1, us, us) es un vector unitario que biseca el Jangulo entre m; y m;. Demuestre que mm) yay 2.36 (ga- iea) fe) w(x m) =0 (237 1 (238) Bede2.9 W@W Miniproyectos 143 Figura 2.41 Problema B Aplique el resultado del problema A para determinar un vector unitario que biseque el éngu- logue forman m, =(1, 1, 1) y mp = (1,0, 0), Encuentre una ecuacién del plano que biseca los planosx +y +=~1 yal plano y Los dos problemas siguientes son independientes de los dos primeros, conducen a una formula para determinar las bisectrices interna y externa, by y bs, de dos rectas en el plano, y fy figura 2.41(b). Problema C Si Put, yo) es un punto y ar + by + =O es Ia ecuacién de una recta en el plano xy. Use el producto punto para encontrar una formula para la distancia mas corta de P af. ;Cual es la distancia mas corta de P(1, 1) a3x-y+2=0? Problema D Sean ayx> byy +e; = Oy axx + hy + c=0 las ecuaciones de dos rectas, yy fs, en el plano, Utilice el resultado del problema C para llegar a una formula de las dos rectas que bisecan los angulos entce , y /. (Sugerencia: Escoja un punto P en una biseeteiz, figura 2.4 (b). ¥ trace las distancias perpendiculares de Pa I; y fs.) Determine las dos bisectrices de las rectas Bx-y+2=Oy2e=3y+l 3 m Criterio de colinealidad y un teorema de Papo Eneste proyecto se usarin los productos cruz para demostrar una condicién necesari, sufi ciente y sencilla, para que tres vectores coplanares sean colineales. A continuacién aplicare- ‘mos este eriterio para resolver un problema !lamado caso paralelo de wn teorema de Papo® Papo de Aleiandria fue el illimo de los grandes gedmetras rienos. (320 d.C.) Escrbié Srnagogwe (coleecis), un gran ratado de geometiaen 10 volimenes. Ademis dela riqucza de informacion acerca (CN. BI simbolo N se reserva para evaluacion numérica”) Para mostrar una matriz m en forma renglén-columna usar MatrixForm{ral. *) C* Bjereiclos 1,2. *) uty Suma. +) u-v ( Diferencia. *) lou (Producto por escalar. * u-2ve3w Combinacién lineal. *) +(vew) _(* Comprobacion de igualdad. También, iqual@l(uev)+w.us(vew)) 10u+ lov C Igual.) ( Bjereicios 2, 3. +) am = AppendRows IM, v) ¢ La matriz aumentada (Mv) RowReduce [am] (¢ Reduccién: La ultima columna no es pivote. *) Bl sistema es consistente, asi que v es comb. lin. *) en las columnas de M, Los ooeficientes de *) rm{{1, 4}] TakeColumns (Mf, {2)}+ —(¢ 1a comb. lin. son elementos de la Ultima columna +) rm({i2, 4]] TakeColumns (M, (2)]+ (+ de rm. En realidad, al caleular la comb. lin. se obtiene v. *) rm({3, 4jj TakeColumns (4M, (3i) an = AppendRows {n, w] Cow. RowReduce(an] La Ultima columna es pivote. No hay soluciones. *) (@ wno es comb. lin. de las columnas de. *) Bjercicios 5-8. *) (0, 0, O; w=(1, 3, 2 verL, 1, 2) wel2, 1, A; inel{o, ull; ( Definir y nombrar los segmentos de recta, pero *) inetlo, vil: (* todavia no mostrar las graficas. *) Anette, wil A continuacién mostrar pl con ejes identificados. *) Show(GraphicsSD (pl, Axes->True}} A continuacién repetir con p2 y pS. 2 Show(GraphicsSDi(p1, p2, p3), Axes>True}) (* Mostrar todo. ) CA continuacién hay que definir la funcién norma-longitud-magnitud propia, Comenzando *) (con una lista-vector a, a°2 es la lista cuyos elementos son cuadrados de los elementos de a. *) (Entonces aplicar (@@ o Apply) Plus a a%2 para sumar todos sus *) (© componentes y por ultimo sacar raiz cuadrada de la suma. *) Normla_|:=Sqrt/Plus@@(a*2)] Normlul + Normtv) NI=6)150 Capitulo 2m Vectores Norm(u+v) N61 uiv-ulw (¢ Bl producto punto de u por v es u.v, © puntolu,v). *) Definir 1a propia funcion de angulo. — *) Anglela_, b_) ==AreCos{(a. b)/(Normlal Norm(b})) WtAnglefu, vi) pr=(w.w/ ww) w _C Usar la formula para la proyeccion ortogonal. * (0 bien usar la funeién Projection incorporada en Mathematica en el ( paquete Linearlgebra ‘Orthogonalization’. —*) <) % Angulo que forman uy v pr = (dotcy, w) / dotcw, w))*w % Formula de la proyeccién ortogonal. o=v- pr % Componente vectorial de v ortogonal a w. dot (pr, ve) % El producto punto es (casi) cero y pe + ve % la Suma es v, como se esperaba. % Bjercicio 9 - Parcial pref ¢(M (1;3:21] % La ultima columna no es pivote, asi que u esté en el generador % Bjereicio 11 ref (fu; vi wD % [uv wl tlene 3 pivotes, asi que los vectores son independientes % Hjercicio 16. pref CN) 6 De la altima columna: (-2)xcol1 +3xcol2 = col4 to Bjercicto 16 - Sugerencia: La matriz de ooeficientes con operaciones de renglén para verificar que su ‘altima nna sea pivote, y que la Ultuma columna de la matriz aumentada no sea columna pivate182 Capitulo 2m Vectores % Bjereicio 19. M821 9% También: M*I2;-3;1;-4), ete. . Mr y Nu son indefinidas. 9% Bjerelclos 20 y 21. jal) 2 3); vel-1 -1 1); wel2 1 Al; eposs(cross(u, v), w)+cross(cross(v, w), u)+eross(erass(w, Uw), v) cross Cu, v) % Bjercicio 22. 9» R esté en 1, porque el sistema -1-4*t=-9,2+t=4,1+5*te11 es consistente porque roots¢l-4 -1+8}) roots({1 2-41) roots({S 1-11))] | 9 muestra (2 2 2] Irocts¢i-4 -1-71) rocts({1 2-}) rootscl8 1-10))} % [-2,-8,-2.2] por lo que el = 2: 28:8; 9 sistema no tiene solucién y $ no esté en 1 plowS-1-4"t, et, 145%) 9 Grafiear la recta, % Bjercicio 25. function [A] = LnToLn¢p.q,7s) % Bn un archivo, ‘A= abs(dot(r-p, cross(q-p, 8-1))) / norm(cross(q-P, 5-19): end LnTotndl1 -2 -2), (0-2 11, [-1.2 0}, [-1, 0-2) % En la sesién._ Matrices Por lo que he logrado debo agradecer a mi industria, ‘mucho mas que a algin talento sobresaliente. ulius Wilhelm) Richard Dedekind (1831-1916) Introducci6n Sylvester y Cayley Lord Cayley! es uno de los fundadores de la teoria de las matrices, aunque su amigo Sylvester? fue quien aculié el término matriz. Tanto Sylvester como Cayley son considerados entre los mejores matematicos de sus tiempos. Sylvester fue el primer profesor del Departamento de Matemiticas en la Universidad Johns Hopkins, y fandé la prestigiosa revista American Journal of Mathematics. A continuacién veamos un ejemplo de lo que ocupaba a Cayley. Tres sistemas coordenados (x,y), (x. y')y 0”, y")estin conectados mediante las siguientes transformaciones. xtaxloy! yrusey! x+y Deny La telacién emtre (x, »)y (x", y") se deseribe con lu sustitucién xiaxta y= (2+ 2y)~Qxny) = mx 4 By yraxty'= (xt 2) + Qe-y) = aety " (Sir) Arthur Cayley (1821-1895) nacié en Surrey, Inglaterra, yestudi6 en la Universidad de Cambridge. Ejercié a abogaciay al mismo tiempo escribia aportaciones en matemiticas, Pocos aos después de encontrar a su colega Sylvester, otra licenciado y matematico,dejé Ia abogacia y se dedie& 4e tiempo completo alas matemiticas. ‘dames Joseph Sylvester (1814-1897) naci6en Londres, de padres judi. Entré ala Universidad de ‘Cambridge, pero por sureligidn no pude obtener un diploma, sino hasta varios afios después de haber terminado sus studios. También ejerci6 a abogacia y al mismo tiempo hacia investigacionesenelcampo de las matemiticas. £1 y Cayley tuvieron una larga y fructifera colaboracién en Ta rear de los invariantes, campo relacionado con el sigebra lineal 183184 Capitulo3 ml Matrices Esta transformacién también puede obtenerse como sigue: si abreviamos los tres cambios de coordenadas mediante las marrices de los coeficientes, tenemos Pay geft 2) ceft [ef a} [3 a] tor esposte clear decent dey Bpormedio dy Ase dei Cela rmattiz cuyas columnas son 4b; y Ab», y donde b, y b; son las columnas de B. Este pracedi- miento se llama muliplicacién matricial y se deseribe en la seccién 3.1 3.1 Operaciones matriciales ‘Qdjetivos del estudiante para esta seccién 1. Aprendera efectuar la suma, a multiplicacién por escalar y la multiplicacién matricial. 2. Comprender las propiedades basicas de esas operaciones. 3. Resolver ecuaciones matriciales sencilas, En esta seccién presentaremos las operaciones matriciales basicas: suma, multiplicacién por scalar y multiplicacién matricial Recuérdese que una matriz A de m x n es un arreglo rectangular de m+n niimeros en forma de m renglones horizontales y n columnas verticales, Ae ° El niimero a, es el (i,/)-ésimo elemento de A. El iésimo renglén y la -ésima columna de son [an a2 + ae) oy respectvamene. También podemos consider que Ia mati 4 es ura secuencia de sus co- fumnas ay. A= [ajay a) Una matriz de 1 Xn se llama matrizrenglén. Una matiz de m x Ise denomina ma- tris column, o vector. Una mari den Xn selma matriz cuadrada (que tambin se de- finié en la seccién 1.3). Esta iltima tiene igual cantidad de renglones que de columnas. Los ejemplos respectivos son3.1 WH Operaciones matriciales 185 tna mati cua totalidal de elementos es cero se Hama matriz cero y se representa con’, 0 Joo oO) 0 {°] [o 0} o= {5 al fh o-|o 0] o [ | i] iss principal son cero. 4 es diagonal si todos los elementos arriba y debajo de la diagonal prin- Cipal son cero. A es eseaiar si es diagonal y todvs tos elementos diagonales son iguales. i WEJEMPLO1 Sean 12-3 100 a=|o 5 -4| B=|0 00 oo 9 110 1 00 -2 0 0 c=|o -20| p=| 0 -2 0 0 02 0 0 -2 ‘A. Cy D son triangulares superiores. 8, Cy D son triangularesinferiores. Cy D son diagonales. ‘Des escalar. La diagonal principal de 4 es 1, 5,9, mientras que la de Ces 1, 2, 2 ‘Dos matrices son iguales si tienen el mismo tamaiio y sus elementos correspondientes, son iguales, Es lo mismo que decir que las columnas correspondientes son iguales, consid as)fis radas como vectores. Por ejemplo,|_ g|=|_1 p{Sélosia= 1 yb=0. Las matrices de distintos tamafios nunca son iguales. Suma de matrices y multiplicacién por escalar La suma, 4 + B, dos matrices Ay & del mismo tamaio se obtiene sumando los elementos de ambas matrices, Para la diferencia, 4 ~ B, se restan los elementos correspondientes, Las matrices de distintos tamafias no se pueden sumar ni restr. rial gy.(2 efi Ghali dee aa156 Capitulo mM Matrices TEOREMA 1 Sean A cualquier matriz yc cualquier escalar. EI producto por escalar, cA, es la ma- \riz que se obtiene al multiplicar cada elemento de 4 pore, Sic tw de A y se representa por — A. 1, a(-1)4 sele llama opues- EJEMPLO 3 Caleule 24 y (A= ~A, s1 SOWCION “13 0-1 2-2 aoe bo ato Observe que AW B=A+ (8) co La suma, resta y multiplicacién por escalar de matrices se apegan a unas cuantas reglas bsicas, que se resumen en el siguiente teorema, andlogo al teorema | de Ia seccién 2.1 (Leyes para suma de matrices y multiplicaci6n por escalar) Sean 4, B y C matrices de mx n cuslesquiera, y sean a, b y c escalares cualesquiera. Es vido lo siguiente: 1 A4B)+C= 44840) 6. (a+ B)C=aC+ 6C | 2 A+B=B+A 7. (ab)C = a(6C) = (aC) 3.4+0=0+4=4 8 l4=4 44+ CA)=(A)+4=0 9.0, 5. (A+B) cd +08 OBSERVACIONES 1. La propiedad 1 se denomina ley asociativa para la suma, mientras que la propiedad 2 es la ley conmutativa. Las propiedades $ y 6 se conocen como leyes distributivas, ON. del Tambin se le llama negativa de 4 0 inversa aditiva de 43.1 Ml Operaciones matrciales 187 2. Como puede considerarse que las matrices son sucesiones de vectores, el teorema | se deduce con facilidad del teorema 1 de la seccién 2.1. Sin embargo, también ayuda el considerar que una matriz es un arreglo rectangular de sus elementos. Practicaremos esto iltimo demostrande la propiedad 5 DEMOSTRACION DES Es claro que e(d + b) y cd + eB tienen el mismo tamaiio. Sea py el (i,/)-Esimo elemento de (4 + B),y qy el (i, /)-ésimo elemento de cA + eB. Necesita- ‘mos demostrar que py = gy. Si ay y b, son los (i, j)-ésimos elementos de A y de B, entonces By™ lay, + by)s¥ Gy = Cady + eby. Peto c(a, + b,) = cay + cby. En consecuencia, py, ~ 95, de modo que todos los elementos correspondientes son iguales. La conclusién es que cA +B) =A +B. co NOTA Lalley asociativa permite eliminar los paréntesis en sumas miitiples, Asi, todas las cexpresiones siguientes son iguales: (4 +B) +(C + D),A*((B + C) + D),A +(B*(C+D)), xy pueden escribirse simplemente d +B + C+D, Ecuaciones matriciales simples El teorema 1 puede emplearse para resolver ecuaciones matriciales sencillas. Sean 120 1 3 [oo a} [te WEJEMPLO 4 Determine la matriz Xtal que 2X — 4B SOLUCION Se suma 48 en ambos lados de la ecuacién para obtener (2X — 4B) + 4B = 34448 2K + (-4B + 4B) =3A-4+4B de acuerdo con 1, teorema 1 2X +0=34 +48 Sein la propiedad 4, del teorema 1 SX cane ap S280" propiedad 3, dl teorema 1 Ambos lado del itima eouacién se multiplican por $ 3 3A+4B) exdecie X= A+ 2B sopin las propiedades 8,5 y7, del teorema t Por consiguiente, x (oo aJeft o 4]-[ Multiplicacion matricial La multiplicaci6n de matrices es la operacién matricial més importante. Definir el producto de dos matrices como la matriz formada por los productos de cada uno de sus elementos188 Capitulo 3 im Matrices DEFINICION correspondientes no resulta de mucha utilidad en las aplicaciones. La definicién siguiente es ‘mucho més iti. (Multiplicacién matricial} Si es una matriz de mx k y B una matriz de kx n. El producto AB es la matriz de m x cuyas cohumnas son Ab... , AB, en la que bj, ..., by son las columnas de B. Por ejemplo, si entonces Por consiguiente, También, Ba ~ufa]-r [2] anf 3 |] : : bors PRECAUCION La multiplicacién matricial sélo es posible si la cantidad de columnas de la primera matriz es igual a la cantidad de renglones de la segunda. (En cualquier otro caso, Aby, .., seria indefinida.) k : | : (Como en el caso de Ax, con frecuencia es titl obtener 4B elemento por elemento. Eli /)- ésimo elemento de AB puede caleularse como sigue: tome el i-ésimo renglén de A y la -ésima columna de B. Multiplique entre si sus elementos correspondientes y sume todos los productos. WEJEMPLOS Caleule los elementos (1, 2) y (2,3) de 4B.3.1 Ml Operaciones matriciaies 159 SOWWCION not (5 CAleulo renglén-columna de AB En general, si C= [6,] = AB, los elementos c, se determinan como sigue: “an an Bb by fo ban A=|[aca = a) ba] Bin ij = aiubyj + aby +--+ aaby; En otras palabras, el (i, /)-ésimo elemento de 4B es el producto punto del /-ésimo renglén de A por la j-ésima columna de B. Con frecuencia sélo es necesatio calcular determinado renglén 0 columna de un pro- ‘ducto de matrices MEJEMPLO 6 Column del producto) Catcule la tercera columna de AB. SOLUCION Es igual que el producto de 4 por la tercera columna de B. (2 [3)-6) WEJEMPLO 7 [Rengién del producto} Determine cl segundo renglon de AB | SOLUCION Es lo mismo que el producto del segundo renglon de 4 por la matriz 8 324 (21 2)/-2 4 S| =t4 ws 9) 03-2 En general, 1 i-ésimo renglin de AB es el producto del i-ésimo renglon de A por 8 La j-ésima columna de AB es el producto de 4 por la -ésima columna de B160 Capitulo 3m Matrices TEOREMA 2 Las propiedades bisicas de la multiplicacién de matrices se resume en el teorema siguiente. {Leyes de ia multiplicacién matricial) Si A es una matriz m Xn, y B y C tienen tamafis tales que las operaciones siguientes puedan llevarse a cabo. Y sia es cualquier escalar 1 (4B)C= (BC) Ley asociativa Ley distributiva izquierda Ley distributiva derecha Identidad multiplicative DEMOSTRACION DE 1 Comprobaremos a asociatividad, y dejaremos las demas leyes como , (Vea los ejercicios 21 y 23.) Si dos matrices 4 y B satisfacen AB = BA, se dice que conmutan, BEJEMPLO 10 oo} fi aft fy ae[} Sfeomien comma = CI Una submatriz es la matriz que se obtiene eliminando cualesquiera renglones 0 columnas de 45 6 Con frecuencia se divide o secciona una matriz grande que no puede manipularse con facilidad y se forman “bloques” o submatrices que son mis féciles de manejar. Una matriz se seeciona separando renglones y columnas mediante rectas horizontales y verticales. La matriz de submatrices que resulta se llama matriz de bloques. Por ejemplo, seccionemos una matriz A de 3 x 6 como sigue: ve [! "| P hmaricessem ef 2 Al Ta primera matiz. Por eemplo,| {5} g|> [4 5 6] son submatices de A= Se puede considerar que 4 es la matriz de bloques de 2 x3 Ay An Ais An An Ars fz endondeAy={0 2,0) s04*]9Aplicaciones 3.1 Ml Operaciones matrices 163 La razén principal para usar matrices de bloques es que con ellas podemos efectuar operaciones matriciales exactamente como si fueran matrices “simples”, siempre y cuando los tamafos de los bloques sean compatibles.* Por ejemplo, si 12 12 BF ya 2 By pete neff), anes p= [8 1 D “5 6 a ¢s ficil de comprobar que También, si Pombo 5 0 0) fey Ge ” Cy Cn 0 2 421 0 305 7201 y -1 0 1 5| _[D ? (3) 0 0 2 se ve que Di + CDs CDi + CD: Las matrices y las operaciones matriciales pueden emplearse para registrar, actualizar y es calar datos tabulares, EJEMPLO 11 (Actualizacién de existencias) Una empresa tiene tres librerias, y cada una de ellas tiene libros de ficeién, de viajes y de deportes. Las cantidades de libros se tabulan como sigue! Libreria _Ficcién Viajes. Deportes 1 300 300 1007 2 300 100 240 3 50 150 200 * Las operaciones con marices de bloques se usan principalmente para manipular matrices may gran: des. que no caben en la memoria de una computadora164 Capitulo 3 ml Matrices Suponga que las entregas a cada libreria estén representadas por D. Caleule las existencias actualizadas, 60 40 20 D=|60 4 30 60 40 30 SOLUCION Para conocer las existencias actualizadas es necesario summar las dos matrices, 360 340 120 360 140 270 10 190 230 Asi, la libreria 3 tiene ahora 190 libros de viajes. co MEJEMPLO 12. {Escalamiento) Suponga que la distancias, en milla, entre Annapolis. Baltimore y Washington, D.C. se expresan como sigue Ciudad Annapolis Baltimore Washington Annapolis 0 30 25 Baltimore 30 0 18 Washington 23 18 0 ‘Si deseamos trazar un mapa cuya escala sea tal que 1 pulgada en el papel corresponda a 5 mi de distancia real, jcual es la matriz de las distancias del mapa?” SOLUCION Por ejemplo, una distancia de 30 millas se representa con 30 mi | = 6 pul. De modo, que necesitamos multiplicar todos ls elementos de la mateiz por 4 =0.2. Este es el producto de la matriz por el escalar 0.2 0 30.25] fos 5 02/30 0 i8]=|6 0 36 co 2 18 of [5 36 0 IEJEMPLO 13 _ingresos procedentes de diversas fuentes) Cada una de las tiendas, 0, ¥ 02, eciben diariamente televisores (1) y videocaseteras (v) de dos fabricantes, fi y fs. Las recepciones o ventas se representan como sigue: toy fi [40 50° fi 70 80, El precio en délares, por aparato en cads tienda, es como sigue: + [200 250 v [300 280 ‘Si Ayy B son las matrices de las tablas anteriores, calcule ¢ interprete el producto 4B.Algunas notas utiles 3.1 Ml Operaciones matrciales 165 SOLUCION ‘a= [40 30] [200 250] _ [23.000 24,000 70 80| [300 260] ~ [38.000 39,900, Et elemento (1, 1) ¢s40 200 + 50- 300 = 23 000, y representa los ingresos de la primera tien- «da por vender todos los lectrodoméstieos que provienen de la primera fabrica. De igual forma, [iteae seas) B= Seno, de f, Senos de fy —— Multiplicacién por una matriz escalar Si A es una matriz de m % n, y Qy Ron matrices escalares mX'm y'n X n, respectivamente ‘con el esealar cen sus diagonales principales), pueden combinarse las propiedades 4 y $ del teorema 2 para ealcular QA = (cle)A = cle) ~ cA. Igualmente, AR = ed. Por consiguiente, QA =AR= cA En otras palabras, la multiplicacién por una matri=escalar es igual que la multiplicacién por tun escalar. Ademés, a suma, diferencia y producto de las matrices escalares que poseen el ‘mismo tamaio dan como resultado una matriz escalar. siamo Calcuio rapido de A* met inte 1a-clevacién al cuadrado Es muy tedioso caleular las potencias de una matriz cuadrada 4. Por ejemplo, digamos que necesitamos calculat 4%, Si tratamos de seguir la definicién Abe (AA AAAAAYA Seria preciso efectuar 7 multiplicaciones de matrices. Sin embargo, si primero se caleula 4%, despues se eleva al cundrado, A?4?= 4¥,y este resultado también se eleva ale segunda potencia, a cuadrado, A*4* = 48, silo se necesitan 3 multiplicaciones de matrices, ae (wry Este método se aplica a cualquier potencia de matriz, A". Por ejemplo, A" puede determinar- ‘se como sigue: encontramos 42, después s¢ eleva al cuadrado pars obtener A y el resultado se ‘leva al cuadrado para tener 4*. Ahora bien, 4!? = A¥A¥A, Este proceso sélo necesita 5 multiplicaciones de matrices, en ugar de las 12 que serian necesarias si optéramos por la defini-166 Capiuio3 mi Matrices CAlculo rapido de A‘x sin potencias de matrices Si se desea caleular el producto 44x para una matriz A den Xn, por x, un vector n. ¢s posible € ingenioso evitar el cdleulo de AA. Primero necesitamos calcular 4x, el vector n, Después determinamos 4(4x), cuyo resultado es un vector n, y continuamos en esta forma hasta ter- ‘minar. En otras palabras, empleamos AG. (AAR) 09) donde podemos observar que el lado izquierdo de la ecuacién tiene & I pares de paréntesis, La ventaja de este método es que siempre se calcula el producto de una matriz por un vector, ¥y munca el producto de dos matrices, Para ejemplificarlo, sean n= 3 y k= 2. Si queremos determinar primera 4? se requieren 27 multiplicaciones; para 4°x se necesitan otras 9, lo cual haria un total de 36 multiplicaciones, Si se calcula primero 4a, se requieren 9 multiplicaciones. A continuacién, para A(Ax) son necesarias 9 multiplicaciones mas, o cual significa un total de slo 18 multiplicaciones (Operaciones matticiales con los sistemas algebraicos computacionales Se puede calcular 4B ~ B* como sigue, siendo afi 7 -[o7 eB) esa] Maple > with(Linalg) > Arspatrix(2,2, [1,-2,3,4]) :B:wmatrix(2,2, (0,7,-5,21): > evaln(AkeB-B°2) ; 45-1 -10 60 Mathematica Inlt}:= AeL(1 29.43, 49 FBO, 7H {5,295 inf2}:* A. BMatrixPover{B, 2) owe (2)= 445, 113, (10, 603} MATLAB >> asf -2; 3.4); Belo 7, >> AeB-B-2 52: 450-1 “1060Bjercicios 3.1 Matrices; igualdad de matrices \demtiique los renglones as columns, Tos tamafos los tlementos (2.2) de las matrices, Determine el elemento (3,1) Gie-t yel elemento (2,3) de & afb). elie] Ch ett rs] stale she sh iyi] ef alee, 74 wf s}e[ov. 2] afta: [rf] “(tol (3) cosa son de los siguientes tipos? ‘a, Triangular superior bb Triangular inferior e. Diagonal 4, Escalar fe. Nada de lo anterior ‘Suma, muttiplicacién por escalar 5, Caleule, si es posible, lo siguiente. Silas operaciones no pueden eFectarse, explique por qué fu “4 fo a] fo sf" |r 2j 3.1 Ml Operaciones matricales 167 En tos ejercicios 6 y 7 determine la matriz X que saisfaga tas WeB= 3+ ya fx = 8426 oc+x+sB= 24 W4B+C=0 JAnX=B-¢ C+ IK = 208 veoee 8. Demueste las propiedades | a4 del teorema ! 9. Demuestre las propiedades 6 a 9 del teoreme | e [Joa wn aif] fi -2}f 1 234 «fila 234 [4 23 gh168 Copitulo3 ml Matrices : 125 ‘] ye wees a= (63 3] bas 4] 14, Determine (24) si 18, Caleule asi {puede adivinae cual seré 4°? 16. Compruebe el teorema 2 para [ 0} | -afye 3 V7. Demuestee las partes 28 6 det teorems 2. 18, Enoventre 4, una matriz de2 x 2 tal que A? = 0, 19, Determine 4 # J, una matriz de 2x 2 tal que A? = 4 20. Recuerde que para los nimeros reales la ecuacién a = 1 sélo tiene dos soluciones, que son a=-1. Pero unaafirms- ‘ign anéloga no es vilida para las matrices. Cite cuatro matrices 4, de 2% 2, tales que A =I 21, Eneuentre las matrices 4 y 8 de 2x tales que (AB) 243 22, Determine las matrices y B de 2 x2 que conmuten. 23. Comprucbe que si Ay B conmutan, entonces (AB = 4282 Demuestreque si 4 y 8 son matrices cuadradas del ms. mo tama, entonces (A+ BP =A 2AB + Bes AB = BA bb. Forme dos matrices, A y B de 22, tales que (As BY 2 a AB 28. Compruche el teorema 3 para 3 26, Demuestte el teorema 3, 21. Forme todas las submatrices 2% 2 de M. laa w(t j] 28 si 32 1s 4 ‘ “Le moo As 36 y “12 ccompruebe que Ae avon [223] 2. 5i 73 4:0 0 bo 2i 0 0 . Gr Ge c bos ~ f= [& &] 0 2 too pei od y oo 31 3 5] jo. pe}.2 hea] a) 232 demueste que yD, + CDs Aplicaciones 30. Una empresa embotelladora de agua entrog tres tipos de ‘agua embotellada: Fuente, Montafa y Pola. a cuatro tie32 Ml Matizinversa 169 ds, Ess tends son abastocidas en cetenares de botelas, Tienda Sacos Pantalones Zapatos tie acuerdo con la siguiente abla 1 Two So 2 | 100 so ” Tienda Fuente Montaha Polar 5 Le 30 Ps Dope 4 3 2. Dos tiendas de departamentos, i y da, son abastecidas cn semanalmente por dos fabricas de ropa, yf, con pantae s fe 3 2 Tones (p) ysacos (3) de acuerdo eon a [6s 3s 2s ated i [30 20 Actualce el inventaro evando se hacen las entregas D At ‘] 12 05 os2 0 E precio por anticulo para cada tienda, en dalares, eel ix 2 05 1 utente: 25 15 15 a [100 85 vende sacs, pantalones y calzado,cuyos precios son los dela siguieme tabla. Caleue los valores de los anculos, Sid, B son las matrices de ess tablas, calle e interpre sen las 3 tienda Se ofrece una barata del 20% teel producto 4B 3.2 Matriz inversa Objetivos del estudiante para esta seccién |. Definir la matriz inversa y sus propiedades, 2, Identificar y caleular la matriz inversa, si ésta exist. 3. Resolver algunos sistemas cuadrados invirtiendo la matriz de coeficientes. La inversién de matrices es Ia itima operacién matricial bisica. Sélo se aplica a matrices ‘cuadradas. Cuando existe una inversa, és es aniloga al reciproco de un niimero distinto de 2 a | DEFINICION lInversa} Se dice que la matriz.A den x n es invertible, ono singular, si existe una matriz 8, tlama- da Ia inversa de 4 tal que AB=I y BA Obsérvese que la definicién obliga « que B tenga el tamaio den xn. Una matriz invertible s6lo tiene una inversa, es decir, Ia Inversa es tintea, Si C fuera otra inversa, entonces. B= Bl,= BAC) =(BAYC = 1.C=C Por consiguiente, B= C. La inversa unica de una mateiz invertible Ase representa por 4-!. Asi, Aa y ad ‘Una matriz cuadrada que no tiene inversa se llama no invertible o singular.170 Capitulo 3m Matrices TEOREMA 4 TEOREMA 5 EJEMPLO 15 Demuestre que [' ‘| [ q 1g |eslsiaversa de} 4? sowcion falls absl y alba En el caso de las matrices de 2 x 2 podemos determinar exactamente cudles son invertibles y citar una férmula explicita de la inversa, Esto es mas dificil de predecir para tamafios mayores a 2 DEMOSTRACION ~ Se deja como ejerccio oo 7 SOWICION 1-4~2-340.Porconsiguiente,segin el teorema 4, la matriz 4 es iverible WEJEMPLO 16 Demuestre que €s invertible, y determine su inversa ‘Ademas, . 1 [ 4 I [3 H| ra-aal-3 L$ -4 co EJEMPLO 17 Demuestre que ! 4 “loo. noes invertible. SOWWCION Esto es consecuencia del teorema 4, porque 1-0-0 0 = 0. Si la matriz 4, nn, puede invertirse el sistema 4x = b tiene exactamente una solucién para cada vector n b. Esta solucién dnica es xeTEOREMA 6 32 Ml Matrizinversa 171 DEMOSTRACION x= 4b es una solucién porque al sustituitla en el sistema se obtiene A(A"ID) = b, es decit (44-!)b = b, 0 Mb = b, ob =b, lo cual es cierto, Ademés, la solucién es Sinica, porque si y también lo fuera entonces Ay= Dae At Ay =A y= ath En este caso, todas las soluciones se expresan con la misma formula: 4b, oo CASO ESPECIAL Si Aes invertible, entonces 4x = 0 séto tiene la soluci6n trivial Observe que los sistemas que se describen aqui tienen la misma cantidad de ecuaciones de incégnitas, porque A es una matriz cuadrada. EJEMPLO 18 Aplique la inversion matricial para resolver el sistema SOLUCION Como la forma matricial del sistema es ( SIG}- 6] centonces [Propiedades de las matrices inversas) I. El producto de dos matrices inversas es invertible, Su inversa es el producto de las in- vversas de los factores en orden inverso. Asi, sid y B son matrices m x n invertible, tam- bién 4B lo sera, y (By! = 4 2. La inversa de una matriz invertible también es invertible. Su inversa es la mattiz original. Por consiguiente, si 4 es invertible, también lo es 4-1, y ayaa 3. Cualquier producto de un escalar distnto de cero por una matriz invertible es invertible. Su inversa es el producto del reciproco del escalar por la inversa de la matriz. Por consiguiente, sia es invertible y ces urescalar distnto de cero, entonces cA es invertible y |172 Capitulo 3m Matrices TEOREMA 7 TEOREMA 8 DEMOSTRACION 1. Necesitamos comprobar que (AB)(B-!4°!) = = (BA-8Y(AB). Tenemos que (AB)(B1A™) = A(BB™ Ya (B'A'Y(AB) = B(A™1A)B = 2.Comod es invertible, 44-1= [= A-lA. Esto demuestra que 4~\ también lo es, y 3. Esta demostracion se deja como ejercicio, OBSERVACION Si Ay, day. Apis Ay Som invertibles y del mismo tamafio, tambien fo es el producto 4,42" ++ A, 4y. Su inversa es, PRECAUCION En general (véanse los ejercicios 25 y 26). ASB AAT HB y (ABy Ate! Potencias de matrices con exponentes negativos Si Aes invertible, se definen las potencias de A con exponentes negativos en la siguiente forma. Para n> Oy n entero, UY Aa (Propiedades de las potencias) ‘Sead una matriz invertible #X k; sean m y n dos enteros cualesquiera (>0,<00=0)y sea un escalar diferente de cero, Entonces, A" es invertible y 1dset =" 3.(ayn= am 2. Anam = Aven 4. (cyt erat DEMOSTRACION Se deja como ejercicio. oo Recuérdese que en la seccién 3.1, en general, para una ecuacién matricial CA = CB no se pueden simplificar las C. Sin embargo, esa anulacién es posible cuando Ces invertible, (Leyes de la simplificacion) Si Ces invertible, entonces32 WM Matiizinversa 173 DEMOSTRACION 1. C-! existe; por consiguiente, C= CB CNCA) = CCB) = (COVA = (C1O)B IA B>A=8 La parte 2 se demuestra en forma parecida, = Ecuaciones sencillas con productos de matrices Calculo de A Las propiedades bisicas de las operaciones matriciales nos permiten resolver algunas ecuaciones matrciales. PRECAUCION Cuando se multiplica ambos lados de una ecuacién matricial por una matriz, se debe usar la multiplicacién por la izquierda o por la derecha, pero no ambas ala vez. Asi, A=B=CA=CB, A=B=AD= 5D mientras que A= Brno implica que CA = BC. WEJEMPLO 19 Despeje de la ecuacién matricial CX — invertibles y que todos los tamafios son compatibles. suponiendo que dy Con SOWICION _Aplcando Ins popiedades dels operaciones matricales se puede despejarX al pasarl l lado inquierdo dela ecuacién, AXC-B AXC AIAXC = A" XC=A"'B XCC! = A-'Bc™ X= apc Los pasos 3 y 5 son posibles, porque existen 4-! y C-. Si especificamos 4, B y C, como por ejemplo 21 fit o-1 a entonces xeon [4 Tf ERROR FRECUENTE La expresién 4-!Ba porlo general nose simplifica para obtener 8. (Sélo si Ay Bconmutan) oo Ahora veremos cémo aplicar la reduccién por operaciones de renglén para calcular la inversa, El ejemplo siguiente ilustra y justifica el método que se present6 por primera vez en el proyecto I del capitulo |174 Capitulo 3. ml Matrices nef peels [IE 2}-Ee om Pete 32e]-1e Igualando las columnas se obtienen dos sistemas 2+ 3 xt2e 1 a+ Bw oY yt aw ‘cuyas matrices aumentadas son 2304 23:0 r2:o0} ¥ [rasa yy cuyas formas de escalén reducidas son fii aj» [ts 3] Por consiguiente, x» 2,21, para el primer sistema, y y 2-3 ‘consecuencia, tenemos que 4-1=|_, |. Como los dos sistemas tienen la misma matriz w= 2 para el segundo. En 23.10) 10: 2-3 después los reducimos con operaciones de renglonal yy . _) 9 ‘Observe que comenzamos con [4 : I] y después de la reduccién obtavimos [/: 4°"), de donde podemos obtener 4-!. Es todo el método, A continuacién lo practicaremos. 10-1 =|3 4-2 35 72 SOUJCION [1 :} se reduce mediante operaciones de rengién EJEMPLO 20 Calcule "si 1o-1:100 10-1 34 -2:010/ ~Jo4a t 35 -2:001 05 1 10-1: 1 00] fro -1 ~jo4 1: -3 1o0l~foa oo -i: 3? -$1) [oo 1 100: -2 5-8} frao ~lo40: 0 -« 4{~lo 10 oo1:-3 5-8] [ootAlgoritmo 1 32 Ml Matrizinversa 175 Por consiguiente, -205 -4 ate |oo-1 1 — -3 5 4 Con este métado no sélo se calculan matrices inversas, sino también se detectan matri- 12 ces no invertbles. Por ejemplo, si A=| 9 4 |-entonces P2:10)_f12: 10 24:0 1)7 00: -21 Es claro que no podemos obtener la matriz identidad en la izquierda, porque el segundo ele- ‘mento del segundo renglon es 0, Al reinterpretar la respuesta en términos de sistemas, notaremos que cl segundo renglén implica las ecuaciones incorrectas 0 =~ 2 y 0 I. Por tanto, no existe Ia inversa, El algoritmo siguiente nos muestra cuindo es invertible una matriz, Ademsis, sila respuesta es positiva, nos permite ealcular Ia inversa, | (Algoritmo para invertir una matriz) Para determinar 4-t, si existe, haga lo siguiente 1, Obtenga la forma de escalén reducida de la matriz [4 : 1], digamos [B : C) 2. Si B tiene un renglén 0, deténgase. 4 no es invertible. De lo contrario, pase a 3, 3, La matriz reducida se encuentra ahora en Ia forma J: 4-1], Anote la inversa 4°! En la seccién 3.3 analizaremos el algoritmo de inversién de una matriz y explicaremos su funcionamiento, Transposicién y operaciones con matrices TEOREMA 9 La transpuesta, 47, de una matriz A m%n, es la matriz n X m cuyas columnas son los renglones de 4 en el mismo orden, Por ejemplo, 14 12 3] r [ H a [: 3 » ate las}, Be , Bs 456 : il 23 23 La operacién empleada para determinar la transpuesta de una matriz se Hama transposici6n, Una matriz que es igual a su transpuesta se denomina simétriea, Por consiguiente, B es simé- trica. Veamos como las operaciones matriciales bisicas afectan a la transposicién. 1 ana. 24+ By 3. (cA) =e". 4. (ABYT= Bar. 5. Sides invertible, también lo es te ca80 (APP = (ANE |176 capitulo 3 mM Matrices Obsérvese que las matrices mencionadas en las partes | a 4 no son necesariamente ‘cuadradas. Bosquejaremos la demostracidn de la parte 4 y dejaremos como ejercicios las restantes, DEMOSTRACION PARCIAL DE 4 Primero, elcaso especial encl que d esde I xny Bes de 1X1, implicado en » a aby +++ + agby = bay +++ + bate = (by... By) by ay {ay an) A-continuacién demostraremos el caso especial en el que 4 es mXny Bes un vector n, por ejemplo v. EI caso general que se deja como ejercicio, se basa en éste y se demuestra en for- ‘ma parecida, Se tiene que jeésima columna de (Av) = (-ésimo renglén de Av)? (ésimo renglén de 4 por v)" ¥¥ por el -ésimo renglon de A” (de acuerdo con el caso I x porn 1) ¥" por la -ésima columna de 4? Jeésima columna de WAT BEJEMPLO 21 Comprucbe el enunciado 5 del teorema 9 para 3] SOLUCION (ary AplicaciOn a la ingenieria ‘Como ejemplo de inversién de matrices, regresemos al problema de transmision de calor que cestudiamos en Ia seccidn 2.1. Ahi se proporcioné le distribucion de temperaturas by, bo, Ds para una placa cuadrada, y se pidié determinar las temperaturas x)... %4en el interior (fi- ‘gura 2.8). El sistema lineal resultante fue Meta th thy Natu thsthy 1 gO tact by + be) sale tethth)3.2 Matiz inversa 177 MEJEMPLO 22 [Conduccién de calor) Demuestre que el problema de Wansferencla de calor para el sistem anterior siempre tiene una solucion dnica para evalesquiera valores de temperatura 6, bs, by en la frontera. Calcule esta solucién SOLUCION Para simplificar ta notacién, sean By = by + bs, By~ by + bus Bs hs + by y Ba= ‘hs by. El sistema puede escribirse en la forma canénica 4x ~b siendo 4-1-1 0 i 8, af“ 4 0-1 = B Aero a ify IS] PHL o-r-1 4 x B Si caleulamos 4-! con el algoritmo de inversién de matrices, nos da 24 12 72 27 Por tanto, el sistema tiene una solucién iiniea, x = 4b para cualquier eleccidn de ér- ‘minos constantes, de acuerda con el teorema 5. Asi, x By 7B, + 2B, + 2B; + By vr] og fB | 2 1 | 28+ 7B + By +28, xs] 740 [ay] > a9] 2m +B, +78 +28, co x By By + 2B, + 2B; + 7B, Aplicacién a la economia Con frecuencia, los economistas estudian las condiciones pata los equilibrios de mereudos, ¢8 decir, las condiciones bajo las que se relacionan los precios de diversos articulos, Por ejemplo, examinemos los mercados relacionados de boligrafos y lépices. Sean P)y Ps los precios, en délares, de un lipiz o un boligrafo, respectivamente. Algunas condiciones del mercado obligan a que los dos precios satisfagan la relacién P) + P,~= 1.5, mientras que otras circunstancias requieren de a relacién P;~ P,= 0,5, El precio de equilibrio para cada ‘mercado es aquel que cumple ambas condiciones. Esta es la solucién del sistema de las dos cecuaciones. Asi los precios de equilibrio son P;=0.5 y Py | WEJEMPLO 23 [Equilibrio en mercados relacionados) Las condiciones de Equilibrio entre tres mercados relacionados (carne de pollo, de cerdo y de res) se expresan como sigue: Cateute el precio de equilibrio, en délares. para cada mereado.178 Capiculo 3. mi Matrices SOLUCION El sistema AP = B, con 5s -1 2 P, ' A=|-2 6-3), P=|R], Bel 3 2-1 4 Be 10 puede resolverse invirtiendo 4. Si empleamos el algoritmo de inversidn de matrices obte- 1 ft 6 isp fa 3 al ww] ]s}=4 lis 7 2] [10] |s Por consiguiente, los precios de equilibrio son $3 para la carne de pollo, $4 para yy $5 para la de res, La inversa con sistemas aigebraicos computacionales Maple > with(1inalg) > inverse (matrix({(1,11, (3,411); [$7] 413,43, 404) out ti}= {4,1 3, MATLAB _ >> dnv(li 4: 3 4D ans = 4.0000 ~3.0000 Ejercicios 3.2 1. Aplique el teorema 4 para determinar las inversas de les 2, Usilice el teorema 4 para explicar por aué las matrices si rmatrices siguientes, auiertes no son iveribles [3 2) 75 poe [-10 20 a] (4) Ga) [Ss 4]3. Obtenga wna matriz-cuya inversa sea [! 3] 28 4. Dotermine la invorsa de 104, sil inversa de 4 es (sé) 5. Sig? + = 1, aplique el teorema 4 para demostrar que 4 es invertible. Caleule =! [44] 6. Encuente la inversa de [sai] 7. Determine (24) st 8. Encuentre 2,42, A) 4,45: 9. Obtenga las inversas de las siguientes matrices mediante f-10 9 s 00 o1 0 a5 0 Loa-}) loos 10, Sin hacer cielo, demuestre ue no es invertible 10 0} a=| 010 000 [Sigeroncia: Si es una inversa hipottica, examine el ele mento (3, 3) Je AB.) 11, Sinhacercileulos, comprucbe que 4 no es invertible {Shgerenia: S18 fuera una inversahipottica, examinee elememo (1-1) de AB} En tos ejercicios 12 16 aplique el algoritmo de inversién de matrices rata. en caso de ser posible, caleuar la inversa dela ma- wie dada 32M Matrizinversa 179 Re [3 [ Ba Ma a “10 a wf) o ; oo it -1o1? cord yyy itd En los ejrcicios 17 y 18, resuelva los Sistemas calcvlando p mero la inversa de fa matrz de coeficientes Wa xtyn ' boxm yore? -xty 93 18a “as ty xoyre xtyne 19. Determine 4, st180 Capitulo 3. Matrices 21. Sic, cosy c4 son escalates distintos de cero, caleule aye 22, Determine (ABC) si a 32 “Lat = 23. Caleule 4-1, 4°2,4°3, 4 y AY siendo 100 ond o 01 cow Vb Comprucbe la identidad (ABCy" = 5. Determine dy Bales que (4 +B)! 24 5. Obtenga Ay Bales que (4B)! #418" Demuestre que una matriz con un renglon de ceros no es invertible. 28 Compruebe que una matriz con una columns de ceros no os invertible. 29, Demuestre que una matrz diagonal 4 es invertible siy lo si cada elemento de la diagonal principales distnto de cero, {Qué es A-!en este caso? 31 32, 3. aM 35, 36. 37. 38. 39, 40. a Si Aes invertible y 4B = 0, demuestre ue B = 0, Suponga que 48=0y que B #0. Demuestre que A no pue- 4e inverse ‘Si A es una matriz cuadrada con la propiedad 4° ~ 0, de- ‘muestre que existe [a iversa de /~A yes igual a 4+ 1 Si Aes una matriz euadrada con la propiedad 4°~ 0, com= prucbe que Ia inversa de /=A existe yes igual a4°+ A +f Suponga que 42+ 24 ~ I= 0. Demuestre que 4-!= 4+ 21 Comprusbe el teorema 4. Demuestre la parte 3 del teorema 6 Compruebe el teorema 7. Demuestre la parte 2 del teorema 8, Para el teorema 9: a, Demuestee las partes 1a 3 la parte S Termine de comprobar la parte 4 Use inversion de matrices para ealcular el precio de equi= libro, en dlares, de cada uno de los aniculos relacionados (cereal, galletas y pastelills) si ls candiciones de quilt brio se expresan como sigue Pa Pe Pa Pag Poa + Pay ~ Pay = 3 1 Demuestre que 447 siempre es simétrca. 3.3 Matrices elementales e invertibles renglén, Qdjetivos del estudiante para esta seccién 1. Comprender la relacién entre las matrices elementales y las operaciones elementales de 2, Conocer las diferentes caracterizaciones de matrices invertibles 3. Entender por qué funciona el algoritmo de inversién de matrices, En esta seccidn estudiaremos las matrices elementales y las usaremos para caracterizar a las matrices invertibles en muchas formas interesantes, Ademas,justificaremos el algoritmo de inversion de matrices Matrices elementales DEFINICION, (Matriz elemental) ‘Una matriz de n x n se llama elemental si puede obtenerse a partir de le matriz identidad J, usando una y slo una operacidn elemental de rengl6n (eliminaci6n, escalamiento 0 intercambio). Asi, las matrices elementales siempre son equivalentes aI,33° Ml Matrices elementales e inveribles 181 Por ejemplo, las matrices 1-3 10 o1 fea} ssa aca) son elementals, porque cada una se obtiene de /aplicando Ry ~ 38: —>R),4Rs Roy Ri 2 Ra sespectivamente. Las matrices elementales, como la Es, que se cbtienen de /intereambiando 4s renglones, sc llaman matrices elementales de permutacién. ‘La razbn principal para estudiar las matrices elementales se debe a que multiplica una rmatriz por la izquierda por una matriz elemental E; el producto Ed es la matriz que se obtiene de d usando Ia misma operacin de renglda que produjo a E partiendo de , Por ejemplo: aes Me wiletikieseg [olf dj_fefgk shi labed Accontinuacién se observari que las operaciones elementales de renglén son reversibles 6 invertibles; es decir, para cada una de ellas hay otra operacién elemental de renglén que jnvierte el efecto dela primera. (Vase también el eercicio 6 dela seccién 1.2.) Por ejemplo, 4: Ry Ry anula el efecto de 4R:—> Rs, En general, Se See ‘Operacién elemental de rengién Operacién Inversa correspondiente RR RoR RR, (1/R = R, Rot eR RRR, Como las operaciones elementals de renglin son inveribes, es posible recuperar dle una matrz elemental llevando a cabo la operaci inversa. Por ejemplo, fe obtene de E30 By aplicando Ry + 3Ry —> Ry, 1 Ro Ro.0 Ry €> Re, respectivamente, Esto, a su vex, implica que las matrices elementales son invetibles, porque si E se obtuvo a partir de mediante una operacin elemental, y Es la matriz elemental obtenida de J, aplicindole le operscién inversa, ntonces EE = 1, De igual manera, E°E =, Portant, E puede inverse y E-1= £° Par ejemplo, Ei, Evy Ey son invertibles, y on TEOREMA 10 ‘Toda matriz elemental F tiene una inversa que también es una matriz elemental. £*! se b- tiene al invertir Ia operacién elemental de renglén que produjo £ a partir de / ate[b}182 Capitulo 3 mM Matrices TEOREMA 11 Silas matrices A y B son equivalentes en renglones, entonces podemos determinar B partir de A mediante una sucesién finita de operaciones clementales de renglén. digamos 0,» Oe Sean, Ez las matrices elementales que corresponden a esas operaciones. El efecto de la operacién 0; sobre A es igual al producto EA. De igual manera, el efecto de 0, €5 EXE,A) = ExE\A. Con el mismo procedimiento se obtiene B= Ey: ExE,A A~B iy sélo si hay matrices clementales ££, tales que Bro BA En particular, ef teorema 11 se aplica a una matriz A y a una forma de escalén U de A. Si Use obtiene de A con operaciones de renglén cuyas matrices clementales correspondientes som Ey, Ze entonces. U=Ey Eid 62) Al despejar A se obtiene Ey Bytes decir Ae Bil EU 63) En cualquiera de las ecuaciones (3.2) y (3.3) estd implicita la reduecién ded mediante ope- rraciones de renglén.E1 estudio minucioso del ejemplo siguiente le permitird comprender como funciona MLEJEMPLO 24 Reduzea la matriz 4 con operaciones clementales de renglon y exprese U ‘como un producto de matrices elementales a partir de 4. Después escribs 4 en forma de un producto de matrices clementales por U. 7 SOUCION $i Ues la forma de escalén de la matriz en la reduccién Eid-bial-Bi a Las operaciones que condujeron a U fueron—2R, + Ry —> Ro y Rz € Rs. Asi, las matrices ele- ‘mentales correspondientes son 0 Loo o] y B=loo1 1 O10 Por consiguiente y segrin nuestro andlisis, U L 7 10 o]f 10 o]f1 37 o af=Joo1)|-2 1 of fz 68 oo 8} [o 1 of{ 0 0 ilo 433.3 ML Matrices elementales e invertibies 183, (Coincide,) De este modo factorizamos a U como el producto E,E\4. Porque A = E'E;'U, Bib BE EE EEEHIBs (Coincide,) Es una factorizacién de A en términos de una de sus formas de escalén y de las ‘matrices elementales de las operaciones inversas que la produjeron. co centonces 37 68 43 Caracterizacin de las matrices invertibiés TEOREMA 12 TEOREMA 13 En esta seccién caracterizaremos una matriz invertible con varios métodos. Primero, se observari lo siguiente. La forma de escalén reducida R de una matriz cusdrada A, por operaciones elementales de renglén, es J, 0 bien tiene un renglén de ceros. DEMOSTRACION Si-cada renglén de 4 tiene un pivote, entonces R = J, porque A es cuadrada, Por otro lado, si alguno de esos renglones no tiene pivote, el que corresponde a R es cero. co Las afirmaciones siguientes son equivalentes: 1, Aes invertible, 2 And. 3. 4.es.un producto de matrices elementals. DEMOSTRACION 1 => 2. Sead invertible. Entonces 4 es cuadrada, digamos den x n, y Ax=bes consistente para todos los vectores m b, de acuerdo con el teorema 5. Asi, cada renglén de tie- ‘he un pivote, segin el teorema 2 de la seccién 2.1, Por consiguiente, la forma de es- calén reducida por operaciones de renglin de A es I,(porque 4 es cuadrada). En conclusion, A, 293. SeaA~[,paraunn. Entonces 4 es cuadrada, den Xn, y hay matrices elementales Ey, Bstales que A= E,+ + Eyl,= Fy Ey, de acuerdo con el eorema 11. Asi, Aes un producto de matrices elementales, 3= 1. Sea A un producto de matrices elementales, por ejemplo, A = Ey: ~+ E. Entonces Ey... Eyson invertibles segin el teorema 10. Asf, 4 es invertible por ser un pr dducto de matrices invertibles, co184 Capitulo 3m Matrices El algoritmo de inversién de matrices Ahora emplearemos matrices clementales para explicar por qué funciona el algoritmo de inversion de matrices. Si 4 es una matriz de n Xn cuya forma de esealén reducida mediante operaciones de renglén es R, entonces existen matrices elementales E', .. .. Eales que A= EER La reduceién de 4 llevada a cabo por medio de operaciones de renglén que corresponden a ‘esas matrices elementales puede describirse con BAS BBR, BIAS Ba BR oy Eph RAZR Asi, en la reduccién de (4 : J], la matriz que se obtiene colocando J, = / junto a 4 da ‘como resultado (eh BIAS By! +B!) osea (RoE) Si tiene un renglén de eros, 4 noes invertible. En caso contrario, R es y A es invertible. Por consiguiente, E;!=-»E;! Jo ual implica que 4-!= B;"--> E;', Asi queen este (Ri Bt Ey Usa Llegamos a la conclusién que la reduccién de [4 = J]. que es el algoritmo de inversiGn de matrices, detecta una matriz no invertible, o calcula su inversa, que es lo que se afirmé en Ia seceién 3.2. WEJEMPLO 25. Eseriba yA"! como productos de matrices elementales. SOLUCION 4-! se determina como siempre: facog-Pis as}-fti a4] Las matrices elementales que corresponden a las operaciones de renglén -Ry + Ry» Rzy 10 1-1 Ri R: Ry sonE,=|_; j]yE2=[9 |: Por consiguiente, maf LL a] A= (EE) De este modo, a son los productos requeridos. iTEOREMA 14 TEOREMA 15 33. ML Matrices elementales ¢ Invertbies 188 Una implicacién interesante de los teoremas 12 y 13 es el teorema siguiente, que indi- cca que para matrices cuadradas del mismo tamaiio, basta slo una de las dos condiciones AB Ly Ba = I para asegurar que tanto A (y por consiguiente B) es invertible Sean 4 y B matrices n x n y Bson invertibles y particular, AB = Isi y sélo si BA = 1. DEMOSTRACION Si Res la forma de escalin reducida mediante operaciones de renglén de 4, encontraremos que hay matrices elementales Ey, tales que R= E,--> E\4, de acuerdo con el teorema I. En consecuencia, RB = E, "> FyAB = Fy - Ey, puesto que AB ™I-De aqui se deduce que RB es invertible porque exe producto de matrices inverbles. ‘Asi, no puede tener un rengln de ceros. Por consiguiente, sein el teorema 12, R =. De tmodo que A! existe y AB = Fimplica que 41AB = 4-7, es decir 4°! ~ B. De aqui, B-* ‘Ahora caracterizaremos las matrices invertibles en varias formas basicas,. [1 ‘Sea A una matriz de n Xn. Las siguientes afirmaciones son equivalentes. L. Aes invertible, 2 AW ty 3. Aes un producto de matrices elementales. 4. Hay una matrig B, nn, tal que AB = I, 5. Hay una matriz C, mm, tal que CA 6. Cada columna de A es columna pivote. 1 8 9 Cada renglén de A tiene un pivote Las columnas de A son linealmente independientes. Los renglones de 4 son linealmente independientes. 10. Las columnas de 4 generan a Rr. 11. Los renglones de 4 generan a Re. 12. El sistema Ax = b tiene al menos una solucidn para todo veetor b 13. El sistema Ax = b tiene solamente una soluci6n para todo vector 1b. 14. El sistema homogéneo Ax = 0 sélo tiene fa solucidn trivial DEMOSTRACION _Segiin el teorema 13, | ©» 2 9 3. Es claro que 2 > 4 y que 2 <> 5. Tam- bién 4 = 2y 5 +2, porel teorema 14, Por tanto, los enunciados 1 al 5 son equivalentes. ‘Tambien hay equivalencia en las afirmaciones 6 a 12 y 14, de acuerdo con los teoremas 2 y 12 (seéciones 2.1 y 2.4), y con los enunciados similares para m = m anteriores al ejemplo 46 (seccién 2.5). Ademas, 2 ¢ 6, porque A es cuadrada. Es claro que 13 =» 12. Por timo, de- ‘mostraremos que 12 = 13, Supongamos que 12s cierto. Asi, para cada vector n bel sistema ‘Ax = b tiene al menos una soluci6n, digamos vy. Si v3 es otra solucién, entonces Av, Avy Por consiguiente, A(v, ~ v2) {—¥; = 0, es decir vy = v3, porque 12 € 14. Asi la solucién de x = b es unica. Esto demuestra la afirmacion 13. —] UN CONCEPTO QUE CON FRECUENCIA SE MALINTERPRETA Las afirmaciones 12 y 13. del teorema 15 pueden dar la impresion equivocada de que si un sistema cuadrado tiene una Tix soci dtdebe ser nie Eso noes eto. EL sistema 4 || = ene infinity186 Capitulo 3m Matrices 1 TEOREMA 16 El teorema 15 tiene una consecuencia interesante. DEMOSTRACION 1. SiB no tiene inversa, entonces Bx = 0 posee una solucién no trivial, de acuerdo con el teorema 15, Por tanto, ABx = 0 tiene una solucién no trivial, lo cual implica que AB es no invertible. 2, SiB es invertible, entonces suponemos que 4 no tiene inversa. Asi que, Ax = 0 tiene la solucidn no trivial, digamos, v # 0 por el teorema 15. Por consiguiente, Av =0. El vector By no ¢s igual a0 (:por qué?) y (4B)B-Wv Por consiguiente, 4Bx = tiene solucio- nies no triviales, Entonces, 48 no es invertible. Ejercicios 3.3 En los ejercicios 1 y 2, indique cuales de las matrices son ele- ‘mentales. En cada una de ellasidentifique la operaci6n elemental de renglén que la produjo a partir de la mati identidad. wef [a] 3. {Qué operacién elemental de englén produce cada una de las matrices elementales siguientes a partir de la matraiden- tidad del mismo tamaio? fl {Cuil operacién de rengkin produce una matrz identidad a partic de J,K, Ly M? 5. Escrba las inversas de las operaciones matriiales elementales siguientes, ARR BR +5R, Ry (1/2)R, = Ry 4.10%, + RR Para efectua ls operaciones matriclales siguientes, multi- 123 plique el lado izquierdo de «=|! 1) por una ma- o 1 0. ‘riz elemental adecuada: a RoR BR -2B—R © 2K a SRT ROR Eseriba 4 y 4-" en forma de productos de matrices elemen- ates ao ed A. Demuesne qua descomposiion de na marc inverible en forma den produto de nates elementales no e10. 13. ‘inica; higalo mediante una segunda factorizacion de la Inateiz en et eercicio 7 Exprese cada una de las matrices siguientes en forma de productos de matrices elementales a[2 Ss} e[T a] 100 c=lo10 rad Las matrices A y 8 son equivalentes. Determine las matric ces equivalentes Ey &; tales que A= ExE\B. 123 133 mt -4 nt], Be [-1 4-1 o 1 0 123 Explique por qué la matriz siguiente no puede esriirse en orma de un producto de matrices elementales. pid p=|oi0 rot Escriba la matriz D del ejercicio 11 como un producto de los matrices elementales por una matriz no invertible en forma de escalén reducids con operaciones de renglon Aphique el teorema 15 para demostrar que el sistema s- sientes6lo tiene una solucibn para cualquier eleccin de hve, x yey xtyyebs Use el teorema 15 para demostrar que el sistema siguiente one un moto infinite de soluciones. xtyte=0 y =o x +250 Scan ey c2 yy evealres distintos de cero, Exprese A y A! camo products de matrices elementals. oo A=|og 0 6 0 0 Sean ey €:escalaresdistintos de cero. Esriba den forma Ue un prodict de matrices elementales por una matriz no invertible en forma de escalén reducid ag 33M Matrices elementales e invertibles 187 17. Compruebe las afirmaciones | 3 la 9 del teorema 15 para “102 o10 “203 18, ‘Sea 4 una matriz elemental de permutacin. Demuestre que # =I, Deduzca que 4° 19, Cierto ofalso? JustiFique sus elecciones. La matriz A es ‘verte si ‘Todas sus columnas son linealmente independiente, Su forma de escalén reducida es /. |. Hay una matriz Ctl que CA ‘Cada renglén y cada columna de 4 tienen un pivoe. bo ce Hay una matriz Bal que AB = I 4 f ATes un producto de matrices elementales 20. Si Aes una matriz, y U es una de sus formas de esealén, ‘puede determinar si es invertible viendo a U? Inversas derecha a izquierda Sea una matrizim Xn, Una matriz se llama inversa derecha de Asi AB =F En forma parecida, Ces una inversa izquierda [ oo 1h 01 0. 01 of 7215 of dea sic Por ejemplo, st P entonces //¢s una inversainquierda de Q'y Q es una versa de recha de P, porque [ ° A tf a1 offo th 21. Siunamarie A m tiene una inversadeecha B, eu es elma de 8? 22, Sina matrig d mr n iene una inversai2quierda C. cul ces el tamaio de C7 t] 8 23. Demuestre que si tiene una inversa derecha,entonces 4? tiene una inverse i2quierda 24, Comprucbe que si 4 tiene una inversa iquierda, entonees AT posee una inversacderecha 25. Sea d-sne matrizm ¥ n_Demwostre que las afiemariones siguientes son equivalentes: 4, A ticne una inverse derecha b. El sistema tx = bes consistomte para todos los veeto res188 Capitulo 3m Matrices «, Cada renglén de 4 tiene un pivote «Cada columna de 4 es calumna pivote, 4. Las columnas de A generan 2 Re 4. Las columnas de 4 son linealmente independientes, (Sugerencia: Para demostrar (b) == (a), considere a lamatriz 97, Demyestre que si una matriz A m x n tiene una inversa de- B= (by--~ by}, sib, es una solucién de Ax = e,) recha B y también una inversa izquierda C, entonces-es vi 26, Sea una matsizm xn, Demuestre la equivalencias de as Fido o siguiente afirmaciones siguientes a. A tiene una inversa izquierda bs. El sistema slo tiene la solucin trivial cA es invertible 3.4 Factorizacién LU Objetivos del estuciante para esta seccién 1, Saber cémo factorizar una matriz como producto de una matriz triangular inferior y una ‘matriz triangular superior. 2. Conocer cémo usar esta factorizacién para resolver sistemas lineales. En Ia seccién 3.3 vimos cémo factorizar una matriz como un producto de matrices elementales por una de sus formas de escalén, En general, esta factorizacién puede ser de mucha utilidad para comprender las propiedades de la matriz. Por ejemplo, suponga que se conoce ccémo factorizar una matriz 4, m X nen la forma A= u donde L es una matriz triangular inferior mx m y U'es una matriz escalonada m Xn. Enton- ces el sistema Axed Bs) puede resolverse en dos pasos mas ficiles. Primero, se despeja y de la ecuacién (3.6): Ly=b 86) ¥¥ @ continuacién se despeje x de le ecuacién (3.7): Uxey 7) De hecho, la solucién de estos dos sistemas equivale a resolver el sistema original, porque LUx=L(Ux)=Ly = La ventaja de no resolverlo en forma directa es que Ia matriz L en (3.6) es un sistema triangular inferior que puede determinarse con facilidad mediante una sustitucién directa, y Ia matri2 U en la ecuacién (3.7) es triangular superior, que puede resolverse ficilmente con una solucién por sustitueién hacia atris. Una factorizacién de 4 como la indicada, es decir, como el producto de una matriz trian gular inferior £ y una triangular superior U, si existe, se llama factorizacién LU. o descom-34 ml Factorizacién 189 WEJEMPLO 26 Use la factorizacién LU de A 4-201 10 ol [4 -2 2 -7 2/=| 51 0}}o 3 “3 B07 -2 3 1][0 0 para despejar x = (x12, x) en el sistema n Ax= | 70) =b 7 SOLUCION Seay =(ys,2,)4) un nuevo vector de incégnitas. Primero resolveremos ls tema triangular inferior Ly ye =u Smt yp = 70 my +3 tye 17 por eliminacién directa, Como y; = 11, dela segunda ecuacién se obtiene y2 = 70~ Spi = 15, y de la tercera, ys = 17 + 2y1 ~3y2= ~6. ‘A continuacién se resuelve el sistema triangular superior Ui fy cdg t yall 3x + Pay = 15 24 = -6 por sustitucién hacia atris se obtiene xy = 3 de la tercera ecuacién, «) = ~2 de la segunda y ir, — 1 dela primera, Por consiguiente, la solucién del sistema original es (1, ~2, 3) De acuerdo con el ejemplo 26, es claro que una vez que se tiene una factorizacion LU de Aes muy facil resolver el sistema Ax = b, Esto es muy itil cuando hay que solucionar varios sistemas con la misma matriz A de coeficientes. Asi, por ejemplo, si tenemos el sistema Ax = (5, 21,20), A corresponde al ejemplo 26, tan solo resuelve vn =5 ty aM dy) + 3yn ty = ~20 para obtener ys = 5,92 = —4, 95" 2. A continuacién solueionamos - tnt on Ba ts 26 y tenemos que x1 = 2.22= Tay190 Capitulo 3 ml Matrices Si en verdad las factorizaciones LU son tan itiles, emo se calculan? La respuesta es sorprendentemente sencilla, De la seccién 3.3, recordamos que cualquier matriz A se puede factorizar como A= Eber U donde Ues una forma de escalén de A, y Ej, ... E, son las matrices elementales que corres- pponden a las operaciones elementales de renglén usadas para reducir 4 a U. Es evidente que cualquier matriz 4 puede reducirse a la forma de escalén sin operaciones de escalamiento, s6lo con intercambios y eliminaciones. Si nuestra matriz A se puede reducir empleando sélo eliminaciones (lo cual no siempre es posible), entonces las matrices F),.- B¢S0n triangulares inferiores contienen al nimero | en la diagonal principal, A esas rmattices se les llama disgonales inferiores unitarias, Es facil demostrar que son también triangulares inferiores (vea los ejercicios 25 y 28). Si se define “EH entonces A = LU es una descomposicién LU de A. Por ejemplo, la reduccién 4-2 1) [4-2 1 0 3 7/~|o 3 7 o 9} fo 0 -2 [2 31-[ produce la matriz U'de la ecuacién (3.8), y con operaciones elementales de renglon se obtiene 100 100 1 0 0] f=|-3 10], &=|o1 0], B=/o 10 ool 201 0-31 Por consiguiente, 10 51 oo 10 L= 558" 51 “23 En consecuencia, 4-201 boojf4 -2 1 A=|2 -7 2/=] 51 offo 3 7) =u 8 7 -2 3.1} [0 0 -2 Un examen mas detallado de L muestra que no hay necesidad de calcular inversas ni productos. De hecho, podemos determinarla directamente de las eliminaciones. En primer I gar, es una matriz triangular inferior de tamafio m x m, cuando A es de tamaho m Xn, Des- pués, su diagonal esté formada por nlimeros |. El elemento (1.2) es 5. y puede obtenerse con Ja operacién R2— 5Rj ~> Rs, que se usa para obtener un cero en (1, 2). En L usamos $ en lugar de—S, porque fue necesario invertir Ey. De forma parecida, ~2 se obtiene con la operacién Ry +2R, > Rs, y 3 se obtiene con Ry 38, —+ Ry en la segunda etapa de Ia reduccisn.24 WM Factonzacién W191 EJEMPLO 27 Determine una factorizacion LU de a 2 3-1 4 1 “6-6 $= 4 418 6 Al 2-9-3 49 SOLUCION El tamaio de L es 4% 4, y entonces 234d 1000 03 21-1 _ [73.100 A~lo 2 8 6 -3|" asi 272710 0-6 48 10 [sped 2s 40 1 000 03 21-1 _[3 100 oo 6 2 1" asi 2 410 oo 0 8 “124 2e-140 1 000 03 21-1;.4 ygp-{-3 100 oo 02 3) 7 ail 2 410 co 00 00 3 “1-251 WEJEMPLO 28 Encuentre una factorizacién LU de 2341 6-6 5 48 6 2-9 3 SOLUCION El tamafo de L es 4X4, 234 1000 0 3 2 ae|3 100 Amo a2 al: asi 2710 0-6-4 ont 23 1 000 _|o3 witz|3 10° 00 2 410 00 “1-271 En este caso no queda mas eliminacién, pero como el elemento (4, 3) de L corresponde a la operacién ROR,» Ryventonces 1 000 3 100 2 410 201192 Capitulo3 mM Matrices TEOREMA 17 ° u a l= L o ° u A = L o o u A L ° ‘Nuestro anilisis, hasta ahora, indica lo siguiente a Si es una matriz m xn que puede reducirse a la forma de escalén Usélo con elimminacio- nes, entonces 4 tiene una factorizacién LU. En particular, 4 puede factorizarse como 4 uv ‘Aqui, L es una matriz triangular inferior de m Xm donde sélo hay niimeros | en ta diavo- nal principal. El (i, j-ésimo elemento 1 (i> /) de L proviene de la operacién Rj ~ lyk, > Ry, que se us6 para obtener 0 en esta posicién durante la reduccién, (OBSERVACIONES 1. A veces, a los elementos de L situados debajo de Ia diagonal principal se les llama multiplicadores de Gauss. , 2, Si Aes cuadrada, usamos un tipo de factorizacin particular denominada de Doolittle, Hay otra versidn normal, en la que la matriz triangular superior U tiene mimeros I en su dia .gonal principal, y se llama factorizacion de Crout. 3. Los programas de cémputo que determinan las factorizaciones LU emplean la sobre- eseritura, Calculan Z y Uen forma simulténea, y sobreescriben en la matriz original, de ‘modo que la parte de 4 situada abajo de la diagonal se transforma en L, arriba de la diagonal en U. Es muy importante la sobreescritura en las matrices grandes, porque ahorra espacio de memoria. Este ahorro puede incrementarse cuando no se almacenan explicita- ‘mente los unos en la diagonal principal. A continuacién presentamos un ejemplo de reduccin LU con sobreescritura gradual en la matriz original. Los nimeras en cuadro son los clementos de L debajo de la diagonal. El resto de ellos corresponden a Uen la diagonal y arriba de ella 4-24 4-21 2 e)- aol. -epv) [e 6 9} [eB -34 M Factorizacién U 193 Eficiencia de cémputo con LU Si A es una matriz cuadrada, digamos n X n, puede demostrarse que para resolver el sistema lineal 4x = b con factorizacién LU es preciso efectuar aproximadamente 2n'/3 operaciones, cuando mes grande.‘ De esas operaciones, 2n?.e llevan a cabo durante las eliminaciones directa y hacia atris. Para tener una idea de la utilidad que tiene LU, supongamos que necesitamos solucionar dos sistemas con 500 ecuaciones y 500 incégnitas, y con la misma matriz A de coeficientes. Si se usara la eliminacién de Gauss, se requeririan 2n¥3 = 2 50/3 operaciones por sistema, un total de unas 160 millones de operaciones. Sin embargo, si se empleara una factorizacién LU de d para resolver el primer sistema (2 - 00/3 operaciones), el segundo sistema sdlo requerira las eliminaciones directa y hacia atris, tras 2n? = 2 - 500? operaciones, un total de aproximadamente 83 millones de ellas. Es evidente que si hay més sistemas, © son mis grandes, los ahorros en cémputo son verdaderamente enormes, Cuando son necesarios los intercambios Hasta ahora, nuestra factorizacién LU existe s6lo sila matriz A puede reducirse a la forma de 7 ‘operaciones de renglén se necesita un intereambio, Como LU es demasiado itil como para ignoraria aun en estos casos, offeceremos una descripcién breve para ilustrar los conceptos gue intervienen* Recordard el lector que el intercambio de dos renglones de una matriz 4 puede expresarse como P/A, donde P, es la matriz elemental de permutacién que corresponde a ese inter- ‘cambio, Si durante una reduecién de A con operaciones de renglén primero se llevan a cabo todos los intereambios P), . ... Ps, entonces es posible reducir la matriz Py --« P, con ope= raciones de renglin que sean sélo eliminaciones, de modo que se permita la factor La matriz P= P ~~ Py, que es un producto de matrices elementales de permutacion, ‘ma matriz de permutacién. Lo primero que debe hacerse es calcullar P y a continuacién wien(iinap): > Udecompteatrin({l4y-2,19,(20,-7,323, > (-8,19,17)}) Let" era): > evalm(1) jevala(u); 140 o] [4 -2 51 offo 3 -23 1}l0 0 Mathematica _ ralth:= Lupecomposition{ ((4,-2,1},{20,-7,12}.-8,13, 179) puttt}= tt 3 6 uta, Db, (20,7, -O}, 68, 19, Fh, 4, 3, 3 7 ? >> (LU) = 1uC{a -2 4; 20-7 19; -8 13 171) Le 9.2000 -0.0588 1.0000 1.0000 ° ° 0.4000 1.0000 ° u 20.0000 7.0000 32.0000 © 10.2000 21.8000 ° oO -0.1176 Ejercicios 3.4 En os jetcicios 1 aS determine la solucién del sistema 4 tlonde esti factorizada como LU: No hay necesidad de calew tay ten forma explicita196 Capitulo 3m Matrices 10 0) f2 -2 1 2 41 offo 3 -1)x=] 7 -23iffo 0 -2 -3 to ojf-12 1 0 4] 41 ol] 03 -1[x=]3 73 1}l oo <5 9 1oo}par 2 6 5. | 3.1 o]Jo s -1]x=| 2 -42ijloo 3 “3 En os ejercicios 6 2 13 obtenga una factorizacién LU de la 4 Sine 2 10 2 1 af-8 on os 4-B 3 “24 4-5-5 758 art w.|-2 2-4 0-5 0. 411 2 <2 o-1 4-4 Meo 45 2 m3 6 7 4.124 |= -1 =a -4 -1 4-30 300-4 aad <2 -1 -4 Bl go 4 5 m3 6 En los ejercicios 148 17 determine la solucion del sistema 4x = 'b,empleando una factorizacién LU de la matriz de coeficientes. «(og [2] 214 1 ws} 2 0 5|/x= [a7 “290 18 21 12 3 bi -1 2 1 Vigo -1 2|*> | na os 5 2 5 En los ejericios 18 a 20 encuentre una matriz de permutacion Py una factarizacién LU de 4 wa-[ 2] Enos ejercicios 2a 23 resuelvacl sistema 4x =bempleando una LU. Factoriacion Pl “f (i 24, Compruche que el producto de dos matrices tiangulares inferiores es triangular inferior. 25. Demueste que el producto de dos matrices triangulares infe- ores unitarias es una matriz triangular inferior unitaria, 26, Comprucbe que una matriz triangular inferior es invertible si 1 So si todos sus elementos diagonales son distntos de cero. 27, Demuestre que la inversa de una matriz triangular inferior invertible también es tiangular interior. 28, Demuestre que a inversa de una matrz triangular inferior unitaria también es triangular inferior unitaria 29, (Unleidad) Suponga que 4 es invertible con dos factoriz clones LU, LUy L'U" (Ly L’ son triangulares inferiores un rarias). Demuestre que L = Ly que Us U"35 Ml Aplicaciones 197 3.5 Aplicaciones Teoria de las gréficas Objetivos det estudiante para esta seccién, 1. Comprender las aplicaciones que agui se presentan. 2. Darse cuenta de la utilidad que pueden tener Ias matrices, Matrices de adyacencia de gréficas y diagrificas El ilgebra de matrices tiene aplicaciones importantes en la teoria de las griicas.” En la actualidad, las gréficas constituyen los métodos principales en la investigacién de operaciones, ingenieria eléctrica, programacién de computadoras y su conexién en redes, administracién de empresas, sociologia, economia, mercadotecnia y redes de comunicaciones. Esta lista de aplicaciones podria ser infinita. Una grifica es un conjunto de puntos llamados vertices o nodos, junto con un conjun- to de “lineas” lamadas aristas 0 ramas que unen algunos pares de nodos, Dos nodos Py 0 conectados con una rama e se llaman adyacentes o veeinas, y se dice que Py son dentes a e. Una rama que parte de un nodo y regresa a este mismo se lama lazo 0 bucle. Los. rnodos pueden estar conectados con més de una rama, en cuyo caso se dice que tienen rama maltiple. Un ejemplo de grafica de rama miltiple, llamada también multigrafica, es una red de comunicaciones en la que dos puntos pueden estar conectados con varias lineas telefénicas. WEJEMPLO 30 La figura 3.1 muestra tres graficas, Gy, Ga y Gi. G, es una muligrafica con bucles. Los nodos 4 y B son adyacentes, mientras que 4 y E no lo son. El nodo D tampoco esti conectado en algiin otro. El nodo P de Ges incidente a las ramas e,, ¢sy es, El nodo Q no es incidente a la rama es. El nado casa es adyacente al resto de los nodos de Gs co seuela__ 61 tena a so G G ‘trabajo GS Figura 3.1 Gréfcas * del T: En los libros menos recientes puede aparecer la palabra “redes” en lugar de “graticas198 Capitulo 3. mM Matrices DEFINICION Las matrices se emplean en el estudio de las grficas. La fécil programacién de operaciones matriciales en computadora permite estudiar el comportamiento de grificas muy des. (Por ejemplo, en su aplicacion a redes (elefnicas, una grifica puede tener decenas de ziles de nodos.)* Lamatriz de una grifica es de tamatio n Xn, cuyo (i, jjésimo elemento es la cantidad de ramas que unen al i-ésimo con el j-ésimo nodo. EJEMPLO 31 Ordenaremos los nodos de Gi, Gy G, dela figura 3.1 como A, B,C. D.E, EP.OQ.R, Sy escuela, tienda, casa y trabajo, respectivamente. Entonces, las matrices correspondientes Son Ls 0001 302011 o1it e110 020000 ord 1010 000000 Pio. riod Coal 010001 rio oo10 r109o011 La matriz de una gréfica no se usa con tanta frecuencia como la matriz de adyacencia de la grifica, cuyos elementos s6lo son unos y ceros. (Los tedricos de las grificas las deno: ‘minan a menudo matriz (0, 1).) (G), de una gréfica Ges aquella cuyo( ntes, ¥ cero si no lo son. si los nodas iy json EJEMPLO 32 Las matrices de adyacencia de las graficas G,, G: y Gy son 110004 rorodd Oris _[o1a000 afro AG)=19 9 0000) A®=]1 1 00 910001 rio rr0o1d o 110 a= |) ot = oo10 ‘Cuando las grficas son grandes con frecuencia se facilita més extraer informacién de la mattiz de adyacencia que de la grafica misma, Ia cual puede ser visualmente complicada * Para conocer mis infarmacin, vase el articulo de Frederic Bien- "Construction of Telephone Networks by Group Representations”, Notices of émevican Mathematical Sociery. 36 enero de 1989). 5-22TEOREMA 18 COROLARIO 19 35 mM Aplicaciones 199 Supongamos que hay una gréfica sin bucles y sin ramas miltiples, como G, 0 Gh, Fije mos dos vértices, Py Q, Una caminata (0 recorrido) de longitud m de P a Qes.una sucesion de vertices 0 nodos P= Vis Vayee-s Ven Vmet = Q de manera que FV; « son adyacentes para toda i entre | y m. Por ejemplo, PQ, S. R, Pes una eaminata de longitud 4 en G>, También casa, escuela y tienda es una caminata, pero su longitud es 2 en Gy, El resultado siguiente es itil en aplicaciones a la fisica e ingenier‘a, en especial las redes La cantidad de caminatas de longitud m del nodo Fal nodo j en una grifica Ges igual al (ij ésimo elemento de A(G) HEJEMPLO 33 Lascantidades de caminatas de longitud 2 y 3 en G, pueden observarse en los elementos de AG? y A(Gy), respectivamente MG = AG) = 1 1 ol? 1 La cantidad de caminatas de longitud 2 de la casa a la tienda es 1, porque la tinica for ‘ma de llegar allies pasando por la escuela. Esto también se comprueba en el elemento (3, 2) de 4(Gy)?, que es |. En forma parecida, la cantidad de caminatas de longitud 2 que empiezan cn la escuela y regresan a este mismo punto es 3, porque se puede ir a la tienda y regresar, 9 la escuela y regresar 0 al trabajo y regresar. Esta cantidad es el elemento (3, 3) de A(G3)* Las tinicas caminatas de longitud 3 de Ta escuela ala tienda (a pesar de to complicado {que parezcan) son: escuela-tienda-escuela-tenda, escuela-casa-escuela-tienda y escuela-tienda-casa-tienda, un total de 3 caminos. Esta cantidad es el elemento (1, 2) de A(Gy) La cantidad de caminatas de longitud 1, 0 2,....0 mde Pa Q es igual al (,/)-ésimo elemento de la mattiz A(G) + A(G)? =»: - +A(G)", Esto también se interpreta como la canti- | dad de accesos del j-ésimo nodo desde el /ésimo, en 1.0 2, .. 0.m etapas. | HEEMPLO34 Lacantidad de accesos.en 102 etapas alj-ésimo nodo, desde el ésimo en 1 el (i, esimo clemento de A¢Gy) + A(Gi>:200 Capitulo 3m Matrices DEFINICION DEFINICION Por ejemplo, podemos caminar de la escuela a casa con longitudes menores 0 iguales ¢ 2 en dos formas: directo 0 pasando por la tienda. Este niimero es el elemento (1, 3) de (Ga) + AG. a) Una diagrafica, o grafica dirigida, es una grifiea cuyas ramas son segmentos de recta dirigidos, MEJEMPLO 35 La figura 3.2 muestra 3 diagraficas, Dy, Dzy Ds. (La diagratica D, podria representar calles en uno y dos sentidos en un Area del centro de una ciudad.) J — Ms B 4 i Pr a %: a A | “ « hy D | k . Is © . ly Dy Dy Figura 32 Diagrétcas. Lamatriz de adyacencia 4 (D) de una diagrifica D es la matriz cuyo (i, -ésimo elemen- toes I si hay cuando menos una rama dirigida que conecte al i-ésimo con el j-esimo vér- tice, y sera cero si estan conectados. MEJEMPLO 36 Ordenaremos los nodos de D, Ds y Ds dela figura 32 como A. B,C. D.P Q.R,Sy Vi, Vas Vs. Vo, Voy Vo respectivamente. Entonces las matrices de adyacencia correspondientes son o 100 o 100 1001 oo01 ADD=]o 5 0 af: A=] 5 9 0 1000 oo10 o 10000 000100 -|l 00100 AP)=]y 9 1 O04 a oo01000 000010TEOREMA 20 3S Ml Aplicaciones 201 Aqui también es posible definir una caminaia de longitud m desde el i-ésimo hasta el _j-ésimo nodo en las diagraficas. La tinica diferencia es que las ramas son dirigidas. De nuevo ‘se cuenta con tn teorema sobre la cantidad de caminatas de longitud m. La cantidad de caminatas de longitud m del nodo ial jen una diagrafica Des igual al G.j-tsimo elemento de AD)" HIEJEMPLO 37 Demuestre que la cantidad de caminatas de longitud 4 desde cualquier nodo de D: para regresar al mismo es 1 SOLUCION Debid ala direc de as ramas, se necesita caminar en las cuatro ramas para qodcaruna vez regresar al mismo vérice, Est también se confirma con el cieulo de A(D:), Gque en este caso es la mati identidad fe 1000 «a {9 100 AID = 19 9 1 0 co oo01 Matrices de incidencia de graficas y diagrat graficas de linea Sea G una geitfica con el conjunto de nodos (V1, Vix. -., Va}s ¥ el conjunto de ramas {€1, ns -us€a}- La matriz de incidencia [(G) de G es la matriz mn 1(G) = [a4] euyos ele- me! 0s som 1, si Vy son incidentes 440, en cualquier otro caso de modo que (G) tiene la forma Mo(f an an ain Va J] oa a aan KG) = Vm LL er aan wate ccuyos elementos a, son 0 0 1 WEJEMPLO 38 Para G2 y Gy de la figura 3.1, tenemos, 1oo0110 1100 1iooon 1010 H@=|o 911011) *loriad cc o1101) 0001202 Capitulo 3. ml Matrices DEFINICION La gréfica de linea de una grafica G es una grifica L(G) cuyos nodos tienen carrespon- dn KD) = : Vm UL dyn dna 977 doe ae" yy euyos elementos d, son 0, 1 0-1 WEJEMPLO 41 La matriz de incidencia de la diagrafica D, de 3 nodos (figura 3.4) es vf-1 0 1 KD)=V2} 1-1 0 co woo 1 =i aS Figura 3.4 Una diagrafica con 3 nodes Sociologia y psicologia Grificas de dominancia Los socidlogos y los psicélogos emplean graficas para determinar los diversos tipos de relaciones, como la influencia, la dominancia y la comunicacién en grupos. Supongamos que en. un grupo, para cada par de miembros ¥, ¥,, Y; influye en (o domina a) ¥;, 0 ¥; influye en V bien no hay influencia directa entre VV, Esta situacién puede describirse con una diagrafica D que tiene cuando mucho una rama dirigida que une a dos nodos cualesquiera. A esta grifica se le llama diagrafica de dominancia.204 Capitulo 3. ml Matrices: DEFINICION WEJEMPLO 42 La figura 3.5 muestra las relaciones de dominancia entre 7 individuos, Vise Ve co ‘La matriz de adyacencia de una diagréfica de dominancia muestra la informacién acerca de las relaciones de influencia en tn grupo. Los renglones con mas unos representan a los _miembros del grupo con mayor influencia. Las caminatas de longitud | simbolizan una influencia directa, mientras que las de longitud mayor que 1 representan una influencia inditecta, Entonces, la n-ésima potencia de la matriz de adyacencia expresa la influencia indirecta de lun miembro sobre otro en m tapas, o en la m-ésima etapa, Examinando 4(D) de la diagrifica cen Ia figura 3.5 se ve que Vj es el miembro con mayor influencia directa, porque el primer renglén es el que tiene més cantidad de unos. Sin embargo, al observar detenidamente 4(D)? nos percataremos que Vs tiene mas influencia en 2 etapas que V). Esto también es evidente en la grifica, porque Vs influye en V>, Ms y Vy en dos etapas, mientras que V silo tiene influencia en Hay Vo o110100 ooo1010 0000000 0000000 0000000 o000000 AD)=}0 100001/, ADP=|o000010 ooo01010 o110001 oo10000 0000000 oo00010 oo190000 vi vs % D ve % % ‘ Figura 3.5. Una gréfica de dominancia, Matrices estocisticas y doblemente estocisticas; procesos de Markov Las matrices estocdsticas corresponden a un tipo especial y se usan con frecuencia en el estudio de fenémenos aleatorios, en teoria de la probabilidad y estadistica ‘Una matriz estocdstica es una matriz cuadrada con elementos reales no negatives, en las ‘cuales cada columna? suma 1. ¥ se dice que es doblemente estocastiea cuando también cada uno de sus renglones suma 1 * Algunos autores consideran a las matrices estocésticas como aguellas en las que sus renlones sumanTEOREMA 22 COROLARIO 23 35 WM Aplicaciones 205 Observe que una matriz estocdstica tiene como elementos # niimeros entre Oy 1. (Por qué?) Asimismo, la transpuesta de una matriz doblemente estocistica también es doblemen- teestocastica EJEMPLO 43 Las matrices siguientes son estocisticas, Ademés, las matrices Cy D son doblemente estocésticas. ° _ [0.25 0.75 id of ab] ofp dE 20 co oF Lamatriz| |; |noes estocistica, porque para a segunda columna 4 + #1, Lama- z mente estocistica, puesto que para el primer renglon 1 + 4 #1 ‘SiAy B son dos matrices estocisticas n Xn, entonces el producto AB es estocastico. DEMOSTRACION Comprobaremos el teorema sélo para n= 2, La idea de a demostracién se generaliza con facilidad a cualquier tamafio n x n, Sean a(n fea [e alle 2] Pero (aa' + be’) + (ca’ +de’) = a'(a +c) +c'(b +d), 1 De igual manera, Ia segunda ccolumna suma 1. Por consiguiente, AB es estocastiea coo Sea A una matriz estocastica nx n, Entonces, para cualquier entero positivo , la potencia Ab esestocistica NOTA Enel teorema y corolario anteriores puede reemplazarse estocdstica por doblemente estocdstica. La demostracion de esta afirmacién se deja como ejercicio. donde a + AB ‘aa! + be’ ab! + bd cat del hl + dd! Probabilidad Ahora presentaremos la nocién de la probabilidad de la ocurrencia de un even: to, y veremos cémo se relaciona con las matrices estocisticas.206 Capitulo 3m Matrices Si existe la certeza de que acontecera un evento, se dice que su probabilidad de ocurrencia es 1; si no hay certeza alguna, su probabilidad es de 0. Otros valores de probabilidades son nimeros entre 0 y 1. Por ejemplo, se dice que la probabilidad de lluvia es 70% = 0.7 en determinado dia, Mientras mas alta es la probabilidad de que ocurra un evento, hay mayor certeza de que ocurra. Si este evento tiene 1 resultados igualmente probables de ocurrir, de los ‘cuales nos interesa m, la probabilidad de que ocurra uno de los interesantes es m/n Por ejemplo, si tiramos un dado, los resultados posibles son 6 (se puede tener un 1 oun 2,0un 3, 0un4, oun S oun 6, cada uno con la misma posibilidad). La probabilidad de obtener 2 (uno de ls resultados) es 1 de 6,0 4. La probablidad de que salga un niimero pares 3, porque el dado tiene un 2, un 4 y un 6, es decir, 3 Como los elementos de una matriz estocéstica son nimeros entre Oy 1, éstos pued considerarse como probabilidades de resultados de eventos. ‘Veamos el estudio siguiente acerca de los hibitos de fumar en un grupo de personas Supongamos que la probabilidad de que un fumador continie furando un aio después es de 65% (por fo que hay un 35% de probabilidades de que deje de hacerlo), mientras que la probabilidad de que un no fiumador continie sin este hibito es de 85% (por lo que hay 15% de probabilidades de que se conviertaen fumador). Esta informacién se puede tabular on las: Estado inicial Fumador No fumador Fumader [ 0.65 0. 3] emrtos (reomaie Loss MLEJEMPLO 44 Supongamos que en 1960, cuando comenzé el estudio, 70% de los miem: bros del grupo eran fumadores y 30% eran no fumadores. Si la matriz anterior de probabilidades de transicién es vilida durante los 10 aiios siguientes, cuales serin los poreentajes de fumadores y no fumadores en 1961? ;En 1962? ;En 1964? SOLUCION En 1961, el porcentaje de fumadores esta formado por quienes lo eran en 1960, ls decir, 70% - 65% = 0.455; a este valor se suman quienes adquirieron el habito después de 1960, es decir, 30% : 15% = 0.045, un total de 0.5 = 50%, De igual manera. el porcentaje de los no fumadores en 1961 es 0.7 - 0.35 +0.3 -0.85 = 0.5 = 50%, Ambos nameros pueden calcularsse como el producto de las matrices 0.65 0.15] [0.7 0.57 oss eas] [03] 7 [as] Para 1962s us laa mas 065 015} [05] _ [06s 015]? [0.7] _ fos oss eas] [as] ~ [oss oa] [05] * [os [ass o1sy' [02] _ (os2s [eas o8s| [o3| ~ [oars estocdstica, comenzando con el nuevo vector (0.5. 0.5) Para 1964,35 Mm Aplicaciones 207 Por consiguiente, en 1964 hay 32.5% de fumadores y 67.5% de no fumadores. En general, en katos a parti de 1960, los porcentajes pueden determinarse como el vector inicial (0.7.0.3) ‘multiplicado por la f-ésima potencia de la matriz de probabilidades de transicisn: 065 015}* [07 035 085} [03 En este caso, k <10. co A sustinir eada vez mayores, es posible observar que aun cuando se incrementan Ios porcentajes de los no fumadores, nunca rebassn 0.7 = 70%, aungue k adguiera valores muy Grandes. Se dice qu este proceso tiende al vector fina (0.3, 0.7), Por consiguiente, largo plazo,e1 30% de las personas sernfumadores, ye 70% no fumadores siempre y euando se Spliguen las hipdtesis atuales acerca de ls probabilidades de transicién Fl proceso que acabamos de descriir est ejemplo de proceso de Markov, ode cadena die Markov, En una cadena de Markov'®el siguiente estado de un sistema sblo depende de su tstado actual En nuesto eas, los porcentajes de fumadores y no fumadores slo dependen de os porcentajes del ato anterior. Cada vez el vetor actual de porcenajes se mulliphcd por ta matriz de probabilidades de transicidn, que es fia. Para eta otro ejemplo, veamos el csico del ftbolestudiantil mas conocido en Esta- ddos Unidos: luego anal entre el jeri la Marina (Army-Navy). Suponga que la proba- butdad de que el Ejeito gane un ato y que la Marina gane en el siguiente es de 70%, Por tanto la probablidad de que el Ejereitoobtenga la victoria en dos aos consecutivos es 30% Considers también a quel probabilidad de que la Marina resultetiunfadora un ato el Ej titolo sea enel siguiente es de 30%, Porconsiguient, la probabilidad de que la Manin gane dos anos sequidos es de 70% Esta situacion puede expresarse con la siguiente maiz doble- ‘mente estocistce de probabilidades de transicion xe, nae Naina Gane Bre Gana ta Marina 07 03 } (ym BEIENPLO 45 (Juegos Ejército-Marina) Como la Marina triunfo este afio, cual es la probabilidad de que gane dentro de 2 afios? SOLUCION Como ls Marina gané este ao, su prebabildad de ganar es 1, mientras que La trobabiidad de que tnunfe el Ejerito es 0, Por consiguiente el vector del estado incial de Probabilidades (1,0). Segin nuestro andlisis del timo ejemplo. 1a probabilidades de que {Barina Fjerito]gane el ao proximo se expresan con sl veetor sareiAndrecvitch Markov (o Markoff (1856-1922) nacié en San Petersbureo(Leningrada). Rusia Fue alumnno de Chebyshes. euyos trabajos coedit6. Liev a cabo investizaciones importantes en a cirimatematico 3 fue profesor de materéticasen la Universidad de San Potersburgo, Sele conace mis Jor as contrisignes a fs fundamentos de toria dela probabilidad en particular estudio de las Frapiedades de procesos que ahora se conacen como cadenas de Markov208 Capitulo 3M Matrices 07 03) [1] _ [07 03 a7} lo} ~ loa ‘que comprueba nuestras hipétesis. Para dentro de 2 alios, las probabilidades son 07 03)’ (1] _ [oss 042] [1] _ [oss 03 07} [0] ~ |o42 058] lo} ~ joa2 Por consiguiente, la probabilidad de que gane la Marina es $0%. En general, si la Marina obtiene la victoria este afio, su probabilidad de ganar de nuevo dentro de k afios se expresa 07 O37) stam 03 o7| tof EX ambi ' 07 03)! fa onft3 oa] [5] Cuando es prande, I inpeceidn de este nero indica qu nde a 0.5~ 50% co sigue: Economia: modelos de entrada y salida de Leontief Deseribiremos ahora una economia formada por n industrias, cada una produciendo slo un articulo necesario para las demas, y posiblemente para si misma, Por ejemplo, supongamos que se tuviera carbén, acero y automéviles, y que su interrelacién estuviera descrita por una Imatriz de 3 x3 como sigue: Si cy es el valor en délares del i-ésimo articulo necesario para produc la cantidad de -ésimo producto valuada en | délar, digamos que se necesitan 0.30 dé- lares de carbon para producir 1 délar de acero. El valor 0,30 es el elemento (1, 2) de la matriz Carbén Acero. Automévil catia fois 03025] aco [02s 00s vomit Logs ars ovo} Segin esta matriz, también se necesitan 0.45 délares de acero para producir la parte de un automévil valuada en 1 délar. Observe que el automévil es el mayor consumidor de acero, y el acero es el mayor consumidor de carbén, La industria del acero depende més de la auto- movilistice para sobrevivir. Este es un ejemplo de matriz de entrada y salida, o de consumo, que describe la inter y ——_§, Caleule (Gs). Cuente la cantidad de caminstas de longitud Gy, respeetivamente (Figura 3.6). 2dea) | a1.) Ta 2y (c) 123, Concuerdan estas res 2. Caleule las matrices Mx. Msy My de las erifieas Gx, Gry Ga. puestas con los (2. 1. (1, 2)» (1. Siésimo elementos de respectivamente (Figuras 3.7 y 3.8). (Gr) figura 3.8”3.6 Ml Miniproyectos 211 2 1p a t atstenetesasia|? Ts Dy 4 18. Vea el ejemplo 45 del texto, Figura 3.8 8. Como et Fjéreito fue el ganador este af, cul ela probabilidad de que también lo sea dentro de 2 afos? , Dado que la Marina gané este ao, cules la probabi- 6. Conteste el ejericio 5 para la diagrifica Dy (figura 3.8), Tidad de que tiunfe dentro de 3 anos? 7. Determine las matrices de incideneia para las gras Gi, Gry Gs 19, Determine, ses posible, xy ytales que las matrices siguien- AR. Caleule las matrices de incidencia pera las grificas Ga, Gs tes sean doblemente estocisticas, 9G 9. Trace las graficas de linea de Gy. Gs y Ge le %2 : . Trace las grificas de linea de Gs, Gs Ga. oz y | Sea (Gr) lagrifica de linea de G. Compruebe la elacin ALG) = HG) UG) ~ 2; 20, ‘Determine, sies posible, x. yy tales que la maria siguiente Procesos de Markov En los ejericios 12a 15 investigue si las matrices son esto- cistcasydablementeestocisticas 21. Sea Cuna matric de consumo: 0s oa af} | gefror oa em [ti 2 wae} Jefe a] | a. Es productive CP b. En caso afirmativo, sea Pum vector demands o-(3] termine el vector salida de produccidn. 3.6 Miniproyectos 1 m Cédigos ‘Con frecuencia tos gobiemnos, las agencias nacionales de seguridad'y las empresas se interesan en la transmisién de mensajes codificados que sean dificiles de descifrar por atros, en caso de ser interceptados, pero que se decodifiquen con facilidad por quienes lo reciben, Hay ‘muchas formas interesantes de eifrar ocodificar'un mensaje, y en su mayor parte san la teoria22 Capitulo 3. ml Matrices de os nimeros ol gee inal, Deserbtemos uno que es efez, en expcil cuando se sauna maiz nvr de gran arato Comenzaeros con na mati M nverible, que so I conocen quienes a transite y quienes la retben, Por ejemplo, 4 (2 3] Supongamos que se desea codificar el mensaje ATTACK NOW Reemplazamos cada letra con el niimero que le corresponde a su posicién en el alfabeto. Un espacio se representa por 0. ATTACK NOW Trrrrtr1ridt 12% 20 1 3 10 14 15 23 El mensaje se ha convertido a la sucesién de nimeros 1, 21 agrupamos como una sucesin de vectores columna, lo] EE) 3) la) [5] a ]-[s}. ada] vlad [S) [3] [5] con lo que se obtiene la sucesin de niimeros 77, 39, ~56,~18, 35, 19, 56,28, 47, 31. Este es cel mensaje ciftado. Para decodificarlo, quien lo recibe necesita calcular M", eh] sapere) [2] 5} [2]. [2] se w[B]-[o] ee) -F: Problema A (descifrar un mensaje} 1.20, 1. 3.11, 0, 14, 15.23, que 35 19 originales. Basado en el método anterior, decodifique el mensaje expresado por los mimeros 17. 15.29. 15, 17, 29, 16, 31, 47, 6, 19, 20, 35, 24, 39, 14, 19, 19, si36 ME Miniproyectos 213, Problema 8 (Rompiendo un cédigo} Suponga que intercepté el siguiente mensaje cifrado sobre el mercado accionario: | 156, -203, 624, 84, -228, 95, | 100, -165, 60, 19, Sus fuentes le informan que fue codificado con una rmatriz simétriea de 2 x2, Su intuicién le dice que es muy probable que La primera palabra del ‘mensaje sea sell (vend) 0 buy (compre). :Puede descifrar el mensaje?” 2 m Los nuimeros de Fibonacci A principios de la Edad Media, Fibonaceiestudi6 Ia sucesion de miimer0s ffi. fs que 8° produce cuando se cuentan pares macho-hembra de conejos que se teproducen mensualmente y erean otro par macho-hembra. El proceso comienza con un par inicial, de modo que fo™ 1, ¥ __ Se supone qs 108 conejos se vuelven reproductivos'2 partir de su segundo ms, ‘Comenzando con un par, f= 1, al final del primer mes todavia se tiene un par, fi = 1, elcual se reproduce, yal final del segundo mes, cuando tenemos = 2 pares. Al final del ter- ‘eer mes se reproduce el primer par, pero el par mas reciente es demasiado joven para repro- : matrix(S, 2, (2, 4, 0, 4, 1, 4D matrix(S, 3, [ (1, -2, 3}, (2, 2, 3h, (3, ~8, 3) 19; # Forma alternativa, mateixc ( [1, -2, 3), [2 -2, 31, (8, ~8, 3} >s # Otra forma alternativa. ppourEe # Rjercicios 1 aS row(M, 4); # Quarto renglén. submatrix(M, 4.4, 1.4); # De nuevo cuarto renglén. submatrix(, 1..4, 3.3%; # Tercera columna como matriz columna. cola, 3); # Tereera columna como vector matrixC4, 1, col(M, 3); # Otra manera: tercera columna como matriz, columna. Iz, 31; 4# Elemento (2, 3). submatrix(M, 1.4, 1.55 # Tres primeras columnas como matriz. colt, 1.3); # Tres primeras columnas como sucesién de vectores. delcolscM, 4.4); # Otra forma: tres primeras columnas por eliminacién. submatrixad, 3..4, 1.4); # Dos titimos renglones como matriz, row(M, 8..4); # Dos uiltimos renglones como sucesién de vectores. delrows(M, 1.2); # Otra forma: dos tiltimos renglones por eliminacion, submatrix(M, 2..4, 3.4; # Eliminacion de primer renglén y dos primeras columnas. deleols(delrows(M, 1..1), 1.2; # Otra forma. veevecton({4, 3, 2, 1Ds # Defintr el vector (4, 8, 2, 1). stack(v, MD; # Agregar v @ M como primer renglon. augment (M, v # Agregar V @ M como ultima columna. coneat (M, ¥); # concat es lo mismo que augment. # Otro comando Util para agrandar una matriz es extend. 4 Bjerciolos 6 y 7. coneat (A, BY: # Ay B juntos,218 Capitulo 3. mE Matrices stack(A, BD: # A sobre B. # Rjeroicio 8 dingcl, 2, 3, 4); # Rjercicios @ a 11 ‘Teematrix(4, 4, (4, ->MIS-, J} aH # Los elementos de renglén se intercambian, # dejando intactos los elementos de columna. evalma-T); evalm(18°M-38°T); evalm(1/17°(81°M+62"TD); # Mercicios 12a 14. evalm(A&"B); # La multiplicacion de matrices se indica con &* evalm(BarB); evalm((A&*B)é*0); evalm(A&"(BE*C)); evalm(A&*B)*2); # La elevacion a potencias de matrices se indica con * evalm((Ag*B)é&*( A&B: # Igual que arriba. evalm(A*2é"B"2); evalm((A*S)*4);, evalm(A"12); evalm((A+B)*2); evalm(A*2+2°A&*B+B"2); # Rjercicio 16. inverse(A); # Caleula A * G1), evalm(A*(-1)); # Otra forma. evalm(1/A); # Otra forma. augment(A, (1,0, 01, 10, 1,0), 10,0, 1; #14: Pref"); # La mitad derecha es A * (-1), # Berciolo 16. S = matrix(2, 2, (a,b, ¢, dD; # Matriz simbélica 8. evalm(S*3) #845, ° si=map(eimplify, "); 4# Be simplifica, Se necesita “transformar” evalim(S*(-3)): # el comando simplify a través de los 5 :=map(simplify, "); # elementos de Ia matriz, evalm(s &* 88) # resultante. map(simplity, ">; # Bereicios 17 y 18. inverseCinverse(A)); inverse(10"A&*B); evalm((1/10)*inverse(B)ée*inverse(A)); inverse(A&"Bé&"A); evalm(inverse(A) £* inverse(B) &* inverse(A)); evalm(a*3); evalm(a‘s & AM-2)); transposectranspose(A)); transpose(inverse(A));,3.7 Ml Ejercicios en computadora 219 inversectranspose(A)); vranspose(Aée"B&e"C) evalm(transpose(C) &* transpose (B) & transpose(A)); vranspose(AX(-2));, evalm(transpose(Ay(-2)); # Rerelolo 19. evalm(nversecA) &* B); evalm(B fe inverseca)); # Bjercioios 20 a 22. diagzero := proc(n) local f; evalm¢matrixcn, n, [seqC, # Matriz de unos menos I_n. # También es util para conocer como usar eédigos-mas completos como: Giagzero := proc(n) local 1, J, a; ate array(l..n, 1..n): for i from 1 ton do for j from 1 ton do Af isj then ali, JJ :=0 else alt, J} :=1 fi od: od: evalm¢a); end: A231) ~ Se"); end: diagzerocs); diagzeroc4); diagzerocs); Inversecdisgzero(3)); Inverseaiagzeroc4)); inverse(diagzer0(5)), # AnAC-I) tene ~(n-2)/(n-1) en Ia diagonal principal y 1/Cn-1) en las dems postclones. # Byerctoio 24 AA := diagzero (4); # A_4 Usando diagzero, o teclearlo directamente. evalm(AA"4); # Matriz que produce la cantidad de caminatas de longitud 4 evalm(AA+AA*2+AA"3+AA"4); # kareleio 25, sumpower := proo(A,n) evalm(sumc'A‘’,, sumpower (AA,4); 1n)) end: Soluciones seleccionadas con Mathematica 1, 2, 3, 41, +1, -2, -3, ~4}, (5, 6, 7, 8), 8, -6, 7, BIC Definiotones *) (I, -2, 3), (2, -2, 31, 15, -3, 3) de matrices. *) ll2, 3, 6), (3, 3, 61, 16, 6, 6) C1 = (2, 4}, (0, 41, 11, 311 CC se reserva para constantes diferenciales. *) ‘MatrixForm{al -C Muestra.@ como una matriz. © Bfercicios 1 al 5.) C Primer método, Usando LinearAigebra “‘MatrixManipulation’. *) A*R+A->AMSHANZGA->. sumpower(AA,4) % sesion de teclear.- . if t { to } re PEL i I Espacios vectoriales _| Introduccién - L E 2 este capitulo generatizaremos los conceptos bisicos del capitulo 2: vectores, ge- nee insfeniens na Lsppiscssconscede canteen 1 Los conjuntos de matrices y de vectores ordinarios son ejemplos de espacios vectoriales, mt ‘También lo son una gran variedad de otros conjuntos, La ventaja principal de estas generalizaciones estriba en los inmensos ahorros de tra ‘bajo, porque las propiedades de los vectores abstractos se aplican a todos los ejemplos par- at ticulares. Ademds, las demostraciones se tornan claras y ficiles, porque no tienen la notacion, de alain ejemplo especifico Grassmann y Peano El matemitico a quien se acredita a introduecién y la primera apicacién de estas ideas es Hermann Grassmann.' Segtin los historiadores (Bourbaki, van der Waerden), Grassmann fue el primero en definir un espacio vectorial n dimensional (al que lam “sistema de nime, 10s hipercomplejos") y la independencia lineal. Giuseppe Peano,? matemitico italiano, aclars el trabajo de Grassmann, Sein Bourbaki, también €l se debe la definicién actual (sin coordenadas) de una transformacign lineal. Peano Hermann Gunther Grassmann (19-1877) nacio y muri en Stettin, Alemania (hey Pataata), Dio Cae dae I) = Gita yi ty Or a) + Ont ye) elon Pia + Yi) = (ex, cr (exe) + CHD) Por consiguiente, ¥; + ¥3,evi € V. Entonces, Ves un subespacio de R — MEJEMPLO 4 {Es el conjunto un subespacio de R??oT seaiesm Sodremcnorenie eel [Pf emn-09101 0 228 Capitulo 4 WM Espacios vectoriales lo cuales un sistema inconsistent. (También puede demostrarse con facilidad que T'no es cerrado bajo la suma ola mulipicacin por escalar) | MIEJEMPLO'S Siviy vsestan en RY. Demuestre que Gen{v;, va} es un subespacio de R®. SOLUCION Sea ¥=Gen{vi, v2} = {e1¥1 * ex, V2, e1,€2 © RJ. Por tanto, Ves no vacio. porque contiene a, y v2. Sean u, v € V. Entonces hay esealares cx, ¢3y di, ds tales que w= c1¥s Sewsy vedivi + dis, Asi, uty sav tam tdi + dive = (e+ diy + lat vn Por consiguiente u + v € V, y Ves cerrado bajo la suma. También, para cualquier escalar c, aa = ayy + aw (cesyvs + (eea)va Esto demuestra que cu € V. Por tanto, V es cerrado bajo la multiplicacién por escalar, y entonces es un subespacio de R". Elteorema siguiente nos permi ci6n 23, kgeneralizar, de acuerdo con el teorema 10 de la sec~ TEOREMA 1 Sivj,.+-yVeSon vestoresn, entonces Gen{¥y.. Vs) €8 un subespacio de Rt HIEJEMPLO 6 Toda linea que pase por el origen en R®(R®) es un subespacio de R? (R®) (Figura 4.1), Figura 4.1 Las rectas y los planos que pasan por el origen son subespacios. SOLUCION Sea wun vector 2 no cero en /. Entonces /= Gen{u}, como vimos en la seccién 2.3. Pero Gen{u} es un subespacio de R®, de acuerdo con el teorema 1. De igual manera puede [oF] 68, Si Bes una base de un subespacio Vde Ry estin ¥, ven 7, demuesite cada una de as siguientes afirmaciones, ‘4, ven Ves una combinacign lineal de ¥, si [jw es una combinacién lineal de [vila .vasiy solo bale bi. (vice Ye} ef linealmente dependiente si y sélo si (Gla. ela} €8 lineslmente dependiente . (Vics eb @5 linealmente independiente siy soo si Avila. [ve Jt o-e5 también, (Objetivos de! estudiante para esta seccién 1. Estudiar y practicar las definiciones de espacio y subespacio vectorial, 2. Elaborar los detalles de los ejemplos en la seceién,236 Capitulo ¢ I Espacios vectoriales DEFINICION En esta seccién estudiaremos ampliamente a Ry sus operaciones. Consideraremos conjuntos generales en los que se pueden definir las operaciones abstractas de suma y multiplicacin por escalar, no a partir de determinadas reglas directas y especificas, sino requiriendo {que los conjuntos satisfagan las propiedades bisicas de la suma vectorial y la multiplicacién por escalar, expresadas en los teoremas 1 de las secciones 2.1 y 3.1 (Espacio vectorial) Sea Yun conjunto equipado con dos operaciones, Ilamadas suma y multiplicacién por es- ccalar, La suma es una regla que asocia dos elementos cualesquiera, wy v, de V con un ter- ‘cero, la suma de u y v, representada por u + v. La multiplicacién por escalar es una regla ‘que asocia cualquier escalar (real) c y cualquier elemento u de V'con otro de V, el multiple scalar de u por ¢, el cual esté representado por cu. Ese conjunto V se denomina espacio ‘vectorial (real) si as dos operaciones cumplen las propiedades siguientes, llamadas axiomas, de un espacio vectorial Suma: (Al) uty pertenece a V para todas u,v € V, (A2) u+v=v-+upara todas u, v € F, (A3) (wt v) + w= u + (w+) para todas u,v, w EV (AS) Para toda w en Vexiste un elemento tinico 0 € V, llamado cero'de V, tal que para toda wen V, u+0-0tuew (AS) Para cada u € Vexiste un elemento tinico ~u € V, llamado negativo u opuesto de , tal que u+(-u)=(Cu)+ueo Multiplicacién por escalar: (MI) au pertenece a Vpara toda u € Vy sodaa € R. (M2) a(u+ v) = au + av para todas u,v € Vy toda a © R, (M3) (a+ bu = au + bu para toda u € Vy todas a, b E R. (M4) a(bu) = (ab)u para toda u € Vy todas a, 6 ER. (MS) Iu=u para toda u € V Los elementos de un espacio vectorial se llaman veetores. Los axiomas (Al) y (M1) también se expresan diciendo que Ves cerrado bajo la suma y la multiplicacién por escalar. (A2) y (A3) son la ley conmutativa y a ley asociativa, respectivamente, y (M2) y (M3) som las leyes distributivas. Observe que un espacio vectorial es un conjumnto no vacio, porque contiene un cero, de acuerdo con (Ad). OBSERVACION Debe tenerse en cuenta que en Is definicién de un espacio vectorial no se especifican ni los vectores ni las operaciones, Pero se aceptan cualesquiera de ellas que satisfagan los axiomas. Algunos autores emplean diferente notacin para representarlas. como por ejemplo @ y , para diferenciar de la suma y multiplicacién de vectores m por escalar, No fo haremos aqui, porque puede llegar a confundirnos después de cierto tempo,TEOREMA 3 4.2 Ml Espacios vectoriales 237 ‘Se acostumbra escribir u ~ v para representar la suma w+ (-1): u-veutCy Los axiomas (A), (A2),(A3) y (M1) permiten sumar varios miltiplos escalares de veetores, in ocuparnes del orden o del agrupamiento de los terminos. De hecho, es posible sumar cualquier conjunto finito de miltiplos escalares de vectores. Si vi, ..., v, son vectores YCi.- 6, 80M escalares, entonces la expresién, std bien definida y se llama combinacién lineal de vi, .... v» Por ejemplo, 2u~4v + 3w + 0.52 es una combinacién lineal de u, v, w y 2. Sea V un espacio vectorial. Sean u € Vy ¢ © R. Entonces Demostraremos las partes | y 4, y dejaremos las restantes como ejercicios. DEMOSTRACION DE 1 ou+ou=(0+0)u=0u De acuerdo con (M3) = (0u+0u)+(-0u) =Ou+(-0u) — Sumando ow = 0u+(ou+(-ou)) De acuerdo con (A3) y (AS) = ow+o De acuerdo con (AS) = ou =0 De acuerdo con (A4) DEMOSTRACION DE 4 Segin (M3) y la parte 1, cu + (-e)u= (c+ (-c)yu= Ou =0 Asi, cu + (~c)u = 0 y por tanto (~c)u + cu = 0, de acuerdo con (A2), Por consiguiente, (cha = cu, segiin (AS). Los axiomas permiten desarrollararitmética semejante a la de vectores n en un espacio vectorial. Por ejemplo, para demostrar que u + u = 2u, urus ut ia=(+ 1u=20 Ejemplos de espacios vectoriales Para comprobar que determinado conjunto-es un espacio vectorial es precisa definir, 0 espe- cificar, explicitamente 1. Las dos operaciones, suma y multiplicacién por escalar, 2. El elemento que actuari como cero,238 Capitulo WH Espacios vectoriales 3. El negative de cada elemento.? 4. A continuacién, comprobar la vigencia de los axiomas, Los siguientes son ejemplos importantes de espacios vectoriales. Usted deberd desarro- Har todos los detalles. WEJEMPLO 18 RY (Casos especiales: R, RP, R’) 1. Operaciones: La suma vectorial normal y la multiplicacién por escalar (véase la seccién 20. 2. Cero: El vector n cero, 0 3. Negativo: El vector negativo ~u de cada vector 1 u. 4, Axiomas: Todos los axiomas se cumplen, de acuerdo con el teorema 1 de la secci HEEJEMPLO 19 El conjunto Muy de todas las matrices m Xn con elementos reales: 1. Operaciones: La suma de matrices normal y la multiplicacién por escalat (véase la seccin 3.1). 2. Cero: La matriz 0m xn ‘Negativo: La matriz negativa ~4 de cada matriz A 4, Asiomas: Se satisfacen (Al) y (M1), porque la suma de dos matrices m x es también una atria. mX-n, y cualquier miltiplo de una matriz m xn por un escalar es una matriz de tamaiio m Xn El resto de los axiomas son consecuencia del teorema 1, seccién 3.1, co EJEMPLO 20 El conjunto P de todas los polinomios con coeficientes reales: 1. Operaciones: Sea.xla variable independiente de los polinomios. (a) Suma: Cuando son dos polinomios, esta operacién se lleva cabo sumando los coeficientes de las mismas potencias de x de los polinomios. (b) La multiplicacién por escalar es la multiplicacién de todo l polinomio por usa constante. 2. Cero: El polinomio cero, 0, es aquel cuya totalidad de coeficientes es cero. 3. Negativo: El negativo ~p de un polinomio p tiene por coeficientes los opuestos de los coeficientes de p. 4, Axiomas: Se deja como ejercicio la verificacion de los axiomas. co HEJEMPLO 21 El conjunto F(R) de todas las funciones de valor real definidas en R 1. Operaciones: Sean fy g dos funciones de valor real con dominio R y sea c cualquier escalar. (a) Suma: Se define la suma + de fy g como la funcién cuyos valores estan expresadas por (f+ 9Xa) =f) +200) paratodar ER Igualmente, el producto por escalar cf se define como sigue (efix)=c fx) paratodax ER (Vase figura 4.5.) {Una vez definida una multplicacin por escalar, el negative de ¥ puede definirse coma (IvSubespacios DEFINICION TEOREMA 4 4.2 Espacios vectoriales 239 2. Cero: La funcidn cero, 0, es aquella cuyos valores son todos cero. (2) =0 para todax ER 3, Negativo: La negativa ~fde festa funciéa (-Df 4. Axiomas: La comprobecién de los axiomas se deja como ejecicio. ‘De manera mas general, el conjunto F(X) de todas las funciones de valor real definidas en un conjunto ¥’es un espacio vectorial. Las operaciones, el cero y el negativo se definen en la misma forma. La tinica deferencia es que x se encuentra en el conjunto X, en lugar de estar eR. cs ) Figura 4.5_ |a) Grafcas de f, gy + g,(b] fy algunos de sus muiiplos por escaar. ‘Ahora explicaremos la nocién importante de un subespacio, Generatiza nuestra nocién familiar de un subespacio de R° (Subespacio} Un subconjunto W’ de un espacio vectorial Vse llama subespacio de V’si W’por si mismo es un espacio vectorial bajo la suma y multiplicacién por escalar tal como se definen en V. Para demostrar que W es un subespacio de V no hay necesidad de comprobar los 10 axiomas. toma sus operaciones y sus propiedades de V, para el cual ya se hizo la mayor parte de las verificaciones. El teorema siguiente aclara un poco mis el concepto, (Criterio para un subespacio} Para que un subconjunto no vacio W de un espacio vectorial V'sea un subespacio, debe cum- plitee losiguiente: |. Siwy westin en IY, entonces u + vesté en W. 2. Sic es cualquier escalar y w esti en IV, entonces cu esti en W.240 Capitulo 4 Ml Espacios vectoriaies DEMOSTRACION Si Hesun subespacio de V, todos los axiomas son validos, en particular (AD) y (M1), los cuales corresponden exactamente a las condiciones I y 2 Aa inversa, si #’es un subconjunto que satisface las condiciones | y 2, entonces (Al) y (MI) son vilidas. (A2), (A3), (M2), (M3), (M4) y (MS) también se cumplen porque son vlidas en V. Se necesita verificar (A4) y (AS). La condicién 2 implica que Ou = O esta en cuando w esti en W, igualando ¢ = 0, Del mismo modo (~1)u = -u esté en I¥ para toda w en W, cligiendo c=—1. Las ecuaciones de (A4) y (AS) son consecuencia de lo anterior. oo WEJEMPLO 22 {Los subespacios triviales) {0} y V son subespacios de V, llamados subespacios triviales de V- {0} es el subespacio cero de V, SOWUCION Es claro que Ves un subespacio de si mismo. {0} también es un subespacio, porque se aplican las condiciones | y 2 del teorema 4: | 0+0=0 y c=Oparatodace R La afirmacién del teorema 4 pera V = R® sirvié como definictén de un subespacio de RY on Ia seccién 4.1 WEJEMPLO 23 ‘Todo subespacio de R’. en términos de la seccién 4.1, es un subespacio deR’. En particular se tienen los ejemplos siguientes. MEJEMPLO 24 Toda recta que pasa por el origen en R® (RR) es un subespacio de RY (R’), — MLEJEMPLO 25 Todo plano que pasa por el origen es un subespacio de. [J] NOTA _Un subespacio contiene siempre el vector cero 0, Una recta que no pasa por el ori gen en R? no es un subespacio de R®. {(x 1),x € R} no es un subespacio de R?, porque (0. 10) no esté en el conjunt. Recuérdese que el grado de un polinomio no cero esti dado por la mayor potencia de x cuyo coeficiente sea distinto de cero. Por ejemplo, el grado de | ~ 2x? +x*es 6. El grado de cualquier potinomio constante distinto de cero es cero. El grado del polinomio cero esti indefinido, MEJEMPLO 26 Demuestre que el conjunto P, formado por todos los polinomios de grado ‘menor que, o igual an, ¥ el polinomio cero, es un subespacio de P. SOLUCION Un polinomio en P iene a forma ay tae bag tt at42 Ml Espacios vectoriales 247 {La suma de dos polinomios de est tipo da como resultado un polinomio de gradomenor que o igual a, 0 s cero. También, un miltiplo constante de uno de esos polinomios es un Bolinomio de grado menor que o igual a n, 0a cero, Asi se satisfacen las condiciones ly > del teorema 4, y P, es un subespacio de P. EJEMPLO 27 Compruebe que el conjunto W= {cv,e © R} de todos los miltiplos escalarce {del vector fijo v de un espacio vectorial Ves un subespacio de V. SOLUCION no es vacio. Contiene a v (;Por qué”) Porque ewtav=(etedv yy rev) = (rev Wes cerrado bajo suma y la multiplicacién por escalar, Por tanto, Wes un subespacio de V- co oe MEJEMPLO 28. Si a es un vector fijo en R® y Wes el conjunto de todos los vectores ortogonales en a, demuestre que Wes un subesp: cio de R. SOLUCION noes vacio, porque contiene 0. Sean wy v vectores en W. Entonces au =0 yacv=0.Asi, ar(aty)= sutarv=0+0=0 Por consiguiente, u + ves ortogonal a a, de modo que u + v es un elemento de I. Sic es ‘cualquier escalar, entonces a+(cu)=e(a-u)= 0 =0 implica que cu estéen W. Por lo anterior, Wes cerrado bajo la suma y la multiplicacin por escalar y, en consecuencia, es un subespacio de RD | ‘JEMPLO 29 (Se requiere célculo) El conjunto C(R) de todas las fimciones continuas de valor real, definido en R, es un subespacio de F(R). (Compruébelo.) a EJEMPLO 30 Tanto P, como P son subespacios de F(R), (Compruébelo.) Da WMEJEMPLO 31 El conjunto D, de todas las matrices diagonales de tamaho es un subespacio de Mz. (Compruebelo.) cS Correspondencia con R” Se puede considerar que los elementos de P, son vectores (n+ 1) si se opta por eliminar ta variable y sus potencias. y anotar s6lo los coeficientes en wn orden definido. (Considere el andlogo entre un sistema lineal y su matriz aumentada.)242, Capitulo 4 Ml Espacios vectoriales Por ejemplo, p(x) vectores 3 ++ 4x 2x? y g(x) =—3 +x en P, pueden considerarse como los ele 2 Observe que la sua de p y 4 corresponde a sumar p’ y q’. También, todo miiltiplo escalat ep corresponde a cp’. Asi, en cierto sentido, es posible identificar a P; con R® (y, en gene ral, P, con R"*!) como espacios vectoriales, lo cual simplifica sustencialmente la notacidn, Pero aun considerando que P, equivale a R'', deben mantenerse vigentes ambas notaciones, Si elimindramos por completo a P,, perderiamos perspectiva. Por ejemplo, cuan- ddo multiplicamos polinomios, e! mantener las potencias de x ayuda a calcular el producto en forma correcta 4 pHa baxter bag ay En forma aniloga podemos considerar los elementos de M,., como vectores (mn). Por 2 45.6, 1 V2 api 2 3 sjemplo, puede decise quel ! 2] es vecors como el vector 6 empl, puede dese ie[! 2] apa 442 WM Espacios vectoriales 243 Ejercicios 4.2 NOTA A menos que se diga otra. cosa, todos los subconjuntas {de RY, P Myx 0 F(R) tomadas en cuenta obedecen a Ja suma y smultiplicacin por esealae definidas en la seceiin 4.2. 1. Demuesire que Py es un espacio vectorial 2. Comprucbe que P es un espacio vectorial 3. Sip y q estin en P, demuestre que el conjunto {ap + bg, onde a, 6 € Ri} 6 un espacio vectorial. 4. Con las operaciones siguientes, es R? un espacio vectorial? Catley) = (etayty, — elmy) = (ony) 5. Con as operaciones siguientes, jes Run espacio vetoral? (at Oy) = Otay ty exy) = (0,0) 6. Demuestre que el conjunto de todos los polinomiog reales e grado n na er un espacio vectorial 7. Compruebe que elcanjunto de todas la matrices invetibles| 2% 2 no es un espacio vectorial En los ejercicios 8a 15, determine si el conjunto dado es un subespaci de P. Use le notacién Daa tart tage! 8. (pEP, a = 0} 9% (PEP, a= 1) 10. GER, a >0} 1. BER, ptt) 1 ER, pl) 13. WEP, plo) =} WEP arate ta 15, {9 ©, amy = 0, n> 1h En los ejercicios 16 820, determine si el subconjunto dado de ‘Mes un subespacio de Me a -b 17. El conjunto de matrices deforma] 18, Todas as matcices| ” ° lites que +d=0. as as matces| Hales a 19, Todas oa art ots as matrices] | aes que a 4 ab 0. El conjunto de matrices tales que a 20. Econ egies aue ad En los ejercicios 21 224, determine si el conjunto dado puede transformarse en un espacio vectorial con las reglas normales {de suma y multplicacin por esealar para matrices y palinomios| (es Ia variable independiente de todos los polinomios que se consideran, [xp q]sdonde,p.a € P} m {[F g]oande.ren, ger, cen} { {[= p] donde, p € P} Considere los conjuntos Vy ¥; de Tas funciones pares im- pares, respectivamente ¥,= PE FIR) tl que fx V= FE FIR) tal que As) = cx) para toda x € Ry 1) para toda x Rj 2S. {Es V, un subespacio de F(R)? 26. {Es ¥;un subespacio de A(R)? 27. Demuesie las partes 2 y 3 del teorema 3 28. Sea Yun espacio vectorial y sean u,v, w E Ptales que w w= vw, Mediante los axiomas demuestre que w= ¥ 29. Sea V un espacio vectorial, y sean u, v € tales que rv = ‘ru para algin escalarr, Demuesite mediante los axiomas {que r=0,0 bien w 30. Comprucbe que el producto caresiano Vx Vs de dos es pacios vectoriales Hy V2 Wx My (viva), donde ws E Vp. vy € Vab es un espacio vectorial que cuenta con suma y multiplies cid por escalares de componente por componente (0.01) + Ovre¥y vi 31. Sean Uy W’subespacios de un espacia vectorial ¥ Demues: ‘ne que Ia interseccion U OW es un sunespacio de #244 Capitulo Ml Espacios vectoriales 4.3 Independencia lineal y bases El generador de w,, . DEFINICION Odjetivos del estudiante para esta seccién 1. Repasar las secciones 2.1, 23, 24 y 4.1 2. Comprender los conceptos de generador, independencia lineal y base, Las nociones fundamentales de conjunto generador, independencia lineal y base que se estu- diaron para vectores n se extienden con facilidad a los vectores abstractos. Esta seccién incluye una gran cantidad de ejemplos para ayudar a comprender detalladamente estos conceptos, Los teoremas generalizan a los de las secciones 2.3, 2.4 y 4.1, y sus demostraciones son esencialmente las mismas. Wee (Generador) Sea V un espacio vectorial, y vi...» vs los vectores en V. El conjunto de todas las combinaciones lineales de v), .... vse lama generador de vi, .. .. Vi y se representa con Gen{vi,...,¥i}. Si V=Gen{vi,..... va} sedice que vi,..., vageneraa Vy que {Vi..-..¥a} sun conjunto generador de V. EJEMPLO 32. Demuesire que los vectores siguientes estin en Gen), v2) 0, hv May Mt, =2¥, v= 209 SOWICION Cada uno de esos vectors es una combinacién lineal de, y Vs, porque se puede escribir , O= Ov, + Ov y= ly + Ov vy = Ov + Ip wtwelitl = -2 Fm, 34-2 = 3 + (-2)vp co |EJEMPLO 33 Comprucbe que Gen{) esl conjunto de todos los miitiplos escalares de ¥. Gen{v} = {ev,e € R} SOLUCION Cualquier combinacidn lineal de v tiene le forma cv para algtin escalar¢. A la invetsa, cualquier miltiplo escalar cU de v es una combinacién lineal de v. Por ejemplo, cl generador de {(1,~1)} en R® es la recta que pase por el origen en di- receién de (1, =1), como en la figura 4.6(a). De igual manera el generador de x" en P. consiste en todas las fanciones que son miltiplos escalares dex? (los vectores x, 2x, 4x°,—1 Se =3.5x? del generador se muestean en la figura 4.6(6) —43. ML Independencia lineal y bases 245 @ w Figura 4.6 (a) Gen{{1_~1)}: (b} Gent) = enP? +H enel generador dep=1 txt y SOWCION Seanay bescalarestalesque=I-+x!=0(1 #x-23)+8(--¥2 x), Entonces A148 = a4 (a~byr— bes (ab) Igualando los coeficientes de las mismas potencias de x se obtiene el sistema ~b=1, a= b=0, cuya solucidn es a = b = =I. Por consiguiente, -1 +x! =p ~q. Como -I +x? es una cor binacién lineal de py g, esti en Gen(p, q) | MEJEMPLO 35. Demuestre que Gen{, x,7,3} = Py SOLUCION Cuatquier elemento p = a) + ayx-+ ane? + aye de P, ya es una combinacién lineal de (1,x.2°, 2°}. Ademis, a, ay, 42 a3 son los coeficientes de 1, x,x? yx’, respec tivamente Sea E, la matriz en My, cuyo (i, -ésimo elemento es 1 y el resto de ellos son cero, Por ejemplo, en Ms:, o-(eeg} ai wo g wef? oe) mf 22) w= [2 29]246 Capitulo 4 ‘m_ Espacios vectorales TEOREMA 5 MEJEMPLO 36 Compruebe que (En, E1z, Bis, Ex, Ezx, En) genera a Mu SOWCION Es cierto porque Gis Ey, + BE, + cBjy + dE, + eB + fEx = WEJEMPLO 37 Demuestre que ((1,2,—1),(-1, 1-2), (1,1, 1) genera a RY SOWCION Como r-ra) fiat a=|2 11}~]o 3 -1 -1 21) [0 o 1 A tiene 3 pivotes. Por consiguiente, los vectores generan a R° a Hb) eb SOLUCION Cualquier combinacién de A y es una matriz diagonal alwG al-(3" 4 Ay B, porque a o}_ Lo 1 0 [3 s]-erofs o]-4[a i] Por tanto, Gen{4, B) = D3 es el conjunto de todas las matrices diagonales 2x2. [—} aA + bB COBSERVACION Las firmaciones siguientes pueden comprobarse con facilided.y se dejan como ejeccicios (eis. es} genera a RY. (x81. 2") genera a P,. (xa, 22%.) genera a P, {Evi Bia Biss Ene genera & Man, {Eis Bia Es, Eon) Benera a Dy ‘Si Ses un sudconjunto de un espacio vectorial ¥’entonces 1. Gen(S) es un subespacio de Vs 2. Gen(S) es el subespacio mis pequefio de V que contiene a S.TEOREMA 6 Independencia lineal DEFINICION 43° ME Independencia iineal y bases 247 DEMOSTRACION A, Sean Wy, ty ¥ Vi, +, Vy Vectores en Sy sean ey... Cy ¥ dis dy escalares. Considerando las dos combinaciones lineales de vectores en S: CMS Fete Y diy to dy Ny La sums pM) Hey Hy HoH da Vy esté bien definida en V y de nuevo es una combinacién lineal de vectores en S. Si ¢ es eual- Guier escalar, entonces ele, wy ++ +64 ole ty) +++ e(eq wy) = (604) wy +--+ (604) Uy también es una combinacién lineal de vectores en S, En consecuencia, Gen(S) es cerrada bajo la suma y la multiplicacién de V por escalar, Por consiguiente, es un subespacio de V. 2. Si Wes un subespacio que contiene aS, entonces también incluye todas las combinaciones lineales de sus elementos. En particular, todas las combinaciones lineales de los elementos de 5. Pero éstos son los elementos de Gen(5), Por consiguiente, Gen (S) n elementos. Por consiguiente, ‘Sgeneraaa V, como se afirmé, y como es linealmente independiente, es una base 2. Ses un conjunto generador con n elementos. Si Ses linealmente dependiente. entonces un elemento es la combinacién lineal del resto, de acuerdo con el teorema 7 dela seccién 43. Sieliminamos este elemento, el conjunto esultante y Stendrian el mismo generador, ba- siindonos el teorema 6 en a seccién 4,3. Pero entonces Vestaria generado por menos den ele- ‘mentos lo eval contradice el enunciado 2 del teorema 14. Llegamos ala conchsin¢ linealmente independiente. Asi, S es una base, porque genera a V. co WEJEMPLO 56 Demuestee que S= {(1,—1), (0, 1)} es una base para RE SOUCION Seslincalmente independiente (:por qué?) y tiene exactamente dos el ‘Como la dimensién de R? también es dos, S es una base segin el tearema 15, El teorema siguiente puede ser muy itl en la prictica. En él se afirma que podemos ‘obtener una base agregando elementos a un conjunto linealmente independiente, o quitando- los de un conjunto generador, en ambos casos debe hacerse en forma adecuada, ‘Sea V un espacio vectorial n dimensional, y Sun conjunto con m elementos. 1. SiSes linealmente independiente y m n, Ses linealmente dependiente, segiin el teorema 14 Si es el conjunto que se obtiene eliminando un elemento de S, yl cual es una combinacién lineal de los elementos restantes, entonces 5" tiene m~ 1 elementos ¥ sigue generando a S, baséndonos en el teorema 6 de la seccién 4.3, Este proceso se repite con S La eliminacidn subsecuente de elementos de S debe hacerse de manera que los que ain continian en el conjunto sigan generando a V. Este proceso termina cuando se llega aun subeonjunto generador con la cantidad minima de elementos, es decir. elementos exactamente en concordancia con el teorema 14, Este conjunto final es una base. sepin el tearema 15, c44 ME Dimension 289 EJEMPLO 57 Amplie el conjunto linealmente independiente 5 (its 32x hasta que sea una base de Py, SOLUCION Primero ampliamas Shasta Se cual generari a P,,agregando la base estindar aeP, s 14,325, Lae) AA partir de lo que se afirma en el teorema 7 de la seccidn 43, 5” es linealmente dependiente, porque la base estindar genera a. En concordancia con el mismo teorema, un elemento ¢ una combinacion lineal del anterior. Como S es linealmente independiente, se comienza con I. Pero | no es una combinaciéa lineal en S.(,Por qué?) Sin embargo, tanto x como x? son combinaciones lineales de ~~ x?, 32x, . de modo que los climinamos de S". Por lltimo, ° no es combinacién lineal de—1 + 1°, 3-2e, Ly se conservan, De manera que, {-1+15,3~2r, 1,23} es linealmente independiente y sigue generando a P,, Por co te, es una base que contene aS. El teorema que ekpondremos a continuacién afirma que la dimensién de un subespacio ‘no puede ser mayor que la dimension del espacio vectorial TEOREMA 17 Sea W un subespacio de un espacio vectorial V de n dimensiones, Entonces 1. dim() sm 2. dim") =n siy silo si W= V. DEMOSTRACION 1. Como cualquier base de W” esti en Vy es linealmente independiente, viene cuando ‘mucho n elementos, de acuerdo con el teorema 12. Por consiguiente, dim( iF) $ n 2. Sea dim(7) =n, Entonces, cualquier base B de W tiene n elementos linealmente in ependientes. Por tanto, B es una base de V, segin el teorema 15, Asi, Gen(B) = 1¥_En con. secuencia, lo inverso es trivial Los subespacios de R?y R? El teorema 17 ayuda a clasificar a todos los subespacios de R y R IEJEMPLO 58. Determine todos los subespacios de SOLUCION Con referencia al eorema 17, un subespacio puede ser. | o 2 dimensional. El subespacio cero es el tnica subespacio 0 dimensional. También de 2euerdo con dicho teore: ‘ma, R® sel nico subespacio bidimensional. Asi, s6lo necesitamos idemtificar los subespacios unidimensionales. Si Ves un subespacio unidimensional, y {w} es una base de V, entonces V=Gen({w}) = (rw, ER}. Por tanto, Ves el conjunto de todos los miltiplos esealares de Ww, que es una recta que pasa por el origen en Ia direccin de w. A Ia inversa, cualquier recta que atraviesa el origen es un subespacio, porque es el generador de cualquier veetor distinto de cero en Ia recta, Hemos demastrado que los subespacios unidimensionales incluyen a Ins rectas que cruzan el origen.260 Capitulo 4 Ml Espacios vectoriaies Para esumir, los subespacios de R? son + Subespacios cero dimensionales: (0) + Subespacios unidimensionales: todas ls rectas que pasan por el origen + Subespacios bidimensionales: RE — BLEJEMPLO 59. Determine todos los subespacios de R SOWCION Tenemos la claificacién siguiente. Los detalles se dejan como ejercicios. ‘Los subespacios de R? son (figura 4.12) + Subespacios cero dimensionales: {0} + Subespacios unidimensionales: todas las rectas que pasan por el origen, * Subespacios bidimensionales: todos los planos que pasan por el origen, + Subespacios tridimensionales: RY oo Las reetas que pasan Los planos que atraviesan ‘por 0 son fos nicos por 0 son los nicos = subespacios z subespacios ‘unidimensionales bbidimensionales ae. eR. x y x y 1-dimensional 2-dimensional Figura 4.12 Los subespacios unl y bidimensional de 2 Dos demostraciones del teorema de intercambio DEMOSTRACION 1 Sea S* {v;,.... ¥.} el conjunto generador, y sea Tcualquier conjunto con al menos n + | vectores. Comprobaremos que T es linealmente dependiente. 7” es un subconjunto de 7 formado exactamente porn +1 veetores, por ejemplo T”= (uy... -1} ‘Si demostramos que Ts linealmente dependiente habremos terminado, de acuerdo con el enun: ciado 3 del teorema 8, seccién 4.3. ‘Como S genera a V, todos los elementos de 7” pueden expresarse como combinaciones lineales en S. Por consiguiente, existen escalares ay tales que wy = ayy to Faia ay = anivy tot anv Uns = dyenavy FF dnaBjercicios 44 44 mM Dimensién 261 ‘Veamos la matriz A’nx (nL) cuyo elemento (i, f)esay (1Si]. ointaty-[" @ ae [TG] sate tate ofa tet [2 3] Por consiguiente, ¢) = 2, r= ~3,e,= ly ex =4, Entonces : 2 lla= |] ! (9 tovconpinaes esp sn eae oe peter " : Ho lala =| 5 2 OBSERVACION Si B = {4v,,.. ., v,} es una base de un espacio vectorial V de dimension Finita, en ese caso [ewe 4266 Capitulo ¢ Ml Espacios vectoriales TEOREMA 18 TEOREMA 19 | Sea B= {y,... ve} una base de un espacio vectorial Fe dimension init, Sean #8) 1, veetores en V. Entonces u es una combinacién lineal de uy... tn en Ys $610 si ul es una combinacin lineal de [uy]. [Wala en R*. Ademas, para ls escalares | eet Foy ty 43) siysélosi (ala=e (oda tt en [ads (4a) DEMOSTRACION Sean [ula = | y (ule = ‘| G12. 5m ‘Suponiendo Ia ecuacién (4.3), entonces F eqlaavy #222 Fagg) #28 Galt HF A) leat Hoe ella HE EE Ceatag HE ne Ne Por consiguiente, ul = : =a tote Cialg +00 Gln He on =e [aye to + Sn [tol con fo cual se demuestra la ecuacién (4.4), Tados estos pasos se pueden invertir para comple tar la demostracién el ‘Suponiendo que u = 0, el teorema 18 tiene el siguiente y itil corolario: ‘Sea B una base de un espacio vectorial m dimensional V. Entonces fu... independiente en V'si y s6lo si {{u;]a, -. » [Wq}a} es linealment } es inealm lependiente en R Bpia)= 1 +¥+¥ son linealmente independientes en Ps. SOLUCION De acuerdo con el teorema 19, basta con demostrar la independencia de los vectores de coordenadas con respecto ala base estindar 3, mee mL mel lo cual se comprueba con facilidad. i)Cambio de base 4.5 Ml Vectores de coordenadas y cambio de base 267 Sea v un vector en un espacio vectorial V de dimensiones finitas, y sean ‘B= {v,.... Va} y BY= (Vj, Vi dos bases. A continuacidn definiremos una relacion entre [v]s y [vx Como B’es una base, los elementos de B son combinaciones lineales de los elementos, de BY. Entonces, hay escalares ay, arz, dg tales que VSO F anv ETc as) Pes la matriz cuyo elemento (i, €8 ay Como B generaa V, hay esealares cy... cytales que v= cw; +--+ e,¥q Por consiguiente, ila = ’ & y segin el teorema 18, (heer ile +--+ ee (val Empleando la ecuacidn (4.5), esto puede escribirse en la forma Wwiesa] tals fete =P]: | =Pivls Por consiguieme, (lar = P ive Asi, [¥]a: es el producto de la matriz P que tiene como columnas a los vectores ‘oordenados de ta base “anterior” B, con respecto ala base “nueva” By [vs ‘Ademis, podemos comprobar que la matei2 P es imverthle si se demuestra que cl Prob tiene una solucin para todo vector b en RY. En realidad, sea 6 be Considere al vector v= byv{ +» buy, Entonces be (le > Five268 Capitulo 4M Espacios vectoriales TEOREMA 20 DEFINICION De aqui inferimos que x = [V]g €s la solucién de Px = b para el b dado. Con esto demostra mos que P es invertible, Por iltimo, mediante la propiedad [v]y:= ‘matriz. Porque si P” es otra matriz, entonces (V]y {VIx, podemos comprobar que P es la.inica "Iv]s. Igualando ¥ =v, se obtiene (ie =Pivda=Pe yy (vdar=P (ve porque [v.J2 =e, como vectores. De aqui que Pe, = P’e,. En consecuen de P y de P” son iguales para cada i= 1, 2,.....Por tanto, P = P’ Hemos contestado totalmente la pregunta acerca de la relacién entre [¥} y [V]y-A con- tinuacién haremos un resumen y aplicaremos los conceptos aprendidos. Jasi-ésimas columnas (Cambio de base) Sean B 1 Va) ¥ B'= (vi, .. Wa) dos bases de un espacio vectorial de dimensin finita. Sea P la matriz n x n cuyas columnas son [Wi]... [Val Pe U(vibe [vale [vele] Entonces P es invertible y éstaes la unica matriz en la que para todo v & V Wle=? (la (Matriz de transicién} La matriz P del teorema 20 se denomina matriz de transicién (o matriz de cambio de base) de B a B’ (figura 4.14) miei IN ‘multiplicacion por P ‘multiplicacin por P* Figura 4.14 La accién de la matriz de transicion y de su inversa COROLARIO 21 Si P es la matriz de transicién de B a B’, entonces P~! es la matriz de transicién de B’ a B (figura 4.14).45M Vectores de coordenadas y cambio de base 269 DEMOSTRACION Segiin el teorema 20, P existe y [v}s:=PI¥]o para todo v € V. De aqui que (V]a=P"' [Vlg para todave V Por consiguiente, de nuevo, el teorems 20 implica que P~! es la (nica) matriz de de Ba B. MEJEMPLO 65 Sea B la base estindar de R®, y B’ la base B= (1, 1),(-1, )} (a) Calcule la matriz de transicion P de B a B’ (b) Determine la matriz de transicion de B’ a B. (c) Compruebe la relacién [vIa:= Plv}s para v = (4, -2), SOLUCION (a) Pes la matriz cuyas columnss son [e;}a, [ex]. Para [ej]: se necesitan cescalares cy, c; tales que o-i-ob eof De aqui, fers | i La solucién del sistema que resulta es cy De igual manera, para {ex}x°necesitamos los escalares cy, ¢3 tales que BGC [ Alreslver el sistema esultane se oben c= $e J. Por eonsigiene, [=| j | En vista de lo anterior, la matriz de transicién es Lt i] (b) La matriz de transicién de a B es P*, segin el corolario eet al (¢) El vector coordenado [vy se puede determinar en dos formas distintas; usando P, J()-(3) © directamente a partir de ®, calculando cy y cs tales que (a}-eG] sf] co270 Capitulo WM Espacios vectoriales EAEAUPLO Gb Clete laa de arilon Pd base andar de Ra a bas ® {vi vie vf, vi}, donde Siv=(a, b,c, d) emplee P para deducir una formula para [v]x. SOLUCION Como €)= Ov) + 0v; + Ov) + Iv, Ov, + ov + 1¥j + ov ei = Ov] FIVE FOV, HOvL, eg = Ivf + Ov) + Ov) + Ov, tenemos que leilo =e lela en lela sex led =e Se ve que, 0 oot do10 o100 1000 Por consiguiente, 000 1)fa) fa o 01 oflel te Wie =Pivis=|o 1 9 ollel~ lo oo 1oo0o}la} la WEJEMPLO 67 Determine la matriz P de transicion de la base B esténdar de R* a la base B’,la cual se obtiene al girar B 45° en sentido contraio al de las manecllas del reloj en tor no al origen. Obtenga las nuevas coordenadas del vector (1, 1. SOLUCION Ye que sen 45 (Figura 4.15). Asi, Por tanto,45M Vectores de coordenadas y cambio de base 271 Las nuevas coordenadas de (1, 1) se calculan como sigue: | 40-4 Figura 4.15 Rotaciénde 45* con respecto ai origen, Ejercicios 4.5 Coordenadas En tos sjercivios 1 3 deduzea el polinomio p, a partir de une base B de P, el vector coordenado [pl tus 2esehlele = [7E] : 2 ae perescesentinae [§] 4 esis 3+shiols [f] En tos ejereicios 4a 7 ealeule el vector coordenad (pa, partien- Alo de uni base B dey p. Pe a)p aa te AF 4 4x.2 = 3a p = 17 = 6x Ba (14 det dete ox ae 7. B= (i+ 2x5xhp = (a~ 6) + (a+ 3b Seu tl ta siguiemte base de Ms f(s} (4 8. Caleule Msi [As 9. Determine el vesorcordnad [[_§ “L, Matriz de transicién 10, Obtenga ta matriz de transicion de {yy.¥5) a IN4. fH donde an ow y= 43) 12) ymca) 11, Determine ta matriz de transicién de fv\,¥3) 4 (vi, v8 siendo on) 1,0) 12, Cateute la matez de transicibn de (v1.9 donde Mra yee wf 13, Datermine a matiz de transiciinde (v1, ¥3, 1a [viv 96. en la que272 Capitulo 4m Espacios vectoriales En osjecicos 14319 determine lamatrizde ransiciondela 4, ¢petinomios de Euler) trotted base estindar B= (1.11.21) de Pya la base dada Bi, (En " ‘cada caso, los polinomios de son epénimos y surgen en for- +2) ma natural en varios Campos de las mateméticasy lafisca) ‘20. Calle la matriz Pde transcin de In base estindat B de RP ala base B, obtenidagirando 43° en sentido de las 14, Potinomios de Chebyshes, primer tipo) Bs (1.5.1 + ‘manecillas de! feo} en toro al origen. Determine las uc- 20, Be +40} vas coordenadas del veetor (1,1), 15, Potinomios de Chebyshey, segundo tipo) By {1,2x,-1 21, Calcul la matrz Pde tansicin de Ia base estindar 3 de 24x, te +e} R?ala base B lacual se obtiene al reflejarB corca dela 16, Polinomios de Laguerre) B:~ {1,1 ~x1—2x+(12}e linea y= x. Encuentre las nuevas coordenadas del vector 13+ G22 —(116)0} a0. 17, Polinomios de Hermite) Bo {1,25,-2+4:%,~12x+8°) 29, Obtenga la matrz Pde transicin dela base estandar'B de 18, (Polinomios de Legendre) B= {1,x,—4 + Be, —de+ Ria labase BY, que seobtiene al girar B 90° alrededor del : 2, en sentido contrari alas manecilas dl elo}. Deter- eh rine las nuevas evordenadas del vector (1,1, 1) 4.6 Rango y nulidad Objetivos del estudiante para esta seccién, 1, Aprender a determinar las bases para los espacios nulo de renglones y de columnas de tuna matriz CCalcular una base para el generador de vectores en R Comprender y aplicar el teorema del rango. En esta seccién estudiaremos tres espacios vectoriales importantes asociadas con cualquier matriz:el espacio nulo, el espacio de columnas y el espacio de renglones. El espacio nulo fue presentado en la seccién 2,5. Los otros dos espacios son los generadores de las columnas y los renglones de la matriz. Los subproductos de este estudio serdn dos métodos que nos ser- virin para calcular las bases de un conjunto de veetores. Nulidad De acuerdo con la seceién 2.5, recordamos que el espacio nulo (4) de una matriz A m Xn contiene todos los vectores nx tales que 4x = 0. Este es el conjunto de todas las soluciones del sistema homogéneo x = 0 (A) = (xen RY tal que 4x = 0} De acuerdo con el teorema 18 dela seccién 2.5, el espacio nulo de 4 es un subespacio de R° La dimensién de (4) se lama nulidad de 4 w A)Algoritmo 46M Rangoy nulidad 273 Puesto que 4) es un subespacio, cabria preguntarse cémo determinar una base para 1 Esto se explica en el algoritmo siguiente que también es un ejemplo, {Determinacién de una base para el espacio nulo} Para obtener una base para (4) es preciso I. Calcular el vector solucién general del sistema Ax = 0. 2, Escribir el vector solucién como combinacién lineal con los paramettos (variables lic bres) como coeficientes. 3. Los vectores de le combinacién lineal forman una base para (A) JEMPLO 68 Determine una base para el espacio nulo de 4. ,Cual es la nulidad de 4? 1-1 203 0 “10-4 3-1 2-1 6 0 1 102 0-1 1 SOLUCION La matriz aumentada [4 : 0] del sistema 4x = 0 tiene una forma escalonada reducida lo4sor:o0 orzor:o ooo10:0 ooo00:0 Por consiguiente, el sistema original equivale a +4 tay mtdsy tay Six =ry.xy©5 son escalares cualesquiera, fa solucién general es xs aden mands Ya que274 Capitulo 4B Espacios vectoriales el espacio nulo de A queda generado por el conjunto, -1) [-4 -1| | -2 B of] a o} | o 1 ° {que se ve con facilidad es linealmente independiente. En consecuencia, Bes una base de v(), ¥y como B tiene dos elementos, Ia nulided de 4 es 2 Co NOTA Cuando la solucién general de Ax =0 se escribe como una combinacién lineal cuyos : ppardmetros son coeficientes, los vectores de la combinacién lineal no sélo generan al espacio mulo, sino que también son linealmente independientes, porque los parimetros se presentan en distintos componentes de la combinacién, Por ejemplo, sea rvy + sv ~ 0, siendo ¥, y 2 los dos vectores de 8 en el iltimo ejemplo. Entonces r = 0, porque r corresponde a la variable libre xs, asi que el quinto componente del vector solucién es r 1. De igual forma. ‘5 =0. Una consecuencia inmediata de esta es que v; y v3 son linealmente independientes, Es la raz6n por la que nuestro algoritmo produce una hase para el espacio nulo. ‘Come la cantidad de parmetros determina la cantidad de veetores en la base de +4). Hegamos al teorema siguiente TEOREMA 22 La nulidad de una matriz 4 es igual a la cantidad de variables libres de Ax = 0. | El espacio de columnas A continuacién seccionaremos una matriz en columnas y renglones para estudiar los subespacios generados por ellos El espacio de columnas, Col(4), de una matriz 4 es el generador de sus columnas. Por sen om {[}).-3]} El espacio de columnas de una matriz m x1 es un subespacio de R", porque es el yenerador de vectores m. a=[! 73 3] sete cna Puesto que un sistema lineal 4x = b es consistente si y sélo sib es el generador de las columnas de 4, llegamos al teorema siguienteTEOREMA 23 46 Ml Rangoynulidaa 275 Un sistema lineal 4x =b es consistente, siy sélo si b esté en ef Col(), EJEMPLO 69 {Cuil de SOLUCION Ya que 1-2-2] fr 2-2] 1-23) fi 23 2-4 2} [0 0 6} ¥ [2 ~4 6}~lo 00 ¢l sistema Ax = wes inconsistent, mientras que Ax =v es consistent. Portanto, vesté en Col(A) yw no esti | Una base para el espacio de columnas Nuestra siguiente tare es demostrar que las columnas pivote de cualquier matriz forman una base para su espacio de columnas. Este hecho puede aprovecharse para determinar una base del generador de un conjunto o sucesién finita de veetores. Comencemos con un ejemplo en cel que la matriz esti en forma escalonada EJEMPLO 70 Determine una base para Col(B), SOLUCION Lascolumnas 1,35 soncolumnas pvotelinealmente independiente Las que nolo son pueden eseribirse como combinaciones lineales de las columaspivte. Por ejem plo, es ficil ver que bs = ~2b), que be» by + by. As Colla) Fen{b, bs, bs, bs, be} = Gen{b,, bs, bs} basindonos el weorema 9 de la seccién 2.3 (o el teorema 6 de la seecién 4.3). Por eon: te, las columnas pivote {bj, bs, bs} forman una base para el Col(B) MEJEMPLO 71 Encuentre una base para Col(). 1-2 240 -1 2-100 a 2-4 40 3-6 851276 Capitulo $m Espacios vectoriales TEOREMA 24 TEOREMA 25 SOWUCION Noes dificil comprobar que Ase reduce a mati del eemplo 70. En consecuencia, as columas pivot de 4 son I, 3y 5. Esalgo més complicadn demos ge son linealmente independients. Para la columnas no pivote se tiene ay = 2a, y ag = ~a, +, (las mizmas relaciones de dependencia lineal qe antes, Por consiguiems, las columns ‘vote {), @s, as} forman una base para Col(4). os Los ejemplos 70 y 71 sugieren que las columnas de una matriz y las de una forma escalonada equivalente satisfacen las mismas relaciones de dependencia lineal Si A~B, las columnas de A y B cumplen en las mismas relaciones de dependencia lineal, es decir, 6) Sabir te, DEMOSTRACION Como 4 ~ B, los sistemas x = Oy Bx= O tienen las mismas soluciones. Entonces Ac= 04 Be=0 a7) Sie tiene componentes cy, de dey Be, se obtiene la ecuacién (4.6), de acuerdo con la definict El teorema 24 implica que cualquier conjunto de columnas de 4 ¢s linealmente dependiente (o independiente) si y solo si el conjunto correspondiente de columnas de B es linealmente dependiente (0 independiente). Las columnas pivote de cualquier matriz forman una base para su espacio de column: DEMOSTRACION Si A es una matriz m x-n y B es su forma escalonada reducida, demostraremos que las columnas pivote de 4 son linealmente independientes, y que las columnas no pivote son combinaciones lineales de as primeras. De acuerdo con el teorema 24, basta ‘con demostrar estas afirmaciones para B. ” Supongarmos que 8 tiene kcolumnas pivote, digamos b,...,b,. Como B esti en su forma cescalonada reducida, b, =e. by =e, eada ejestéen R*. De agi, b,,...b, son finealmente independientes. Ya que B esta en forma esealonada, la iltimos m — k componentes de sus columnas son cero, asi que Col(B) SGen{e,,... €4} © R™. Por consiguiente, dim Col(B) R,, el conjunto de renglones permanece igual. Si Oes eR, + RoR, + eR, > R, el nuevo i-ésimo renglén es una combinacién lineal de los anteriores. Por consiguiente, Ren(B) c Ren(4). Como 0 es reversible, también Ren() & Ren(@). Asi, en todos los casos, Ren(4) = Ren(B), TEOREMA 26 Si A ~B, entonces Ren(A) = Ren(J). DEMOSTRACION 8 se obtiene de A con un conjunto finito de operaciones elementales de renglén, y todos los espacios de renglones de las matrices intermedias son iguales. oI pe TEOREMA 27 Los renglones no cera de una matriz A en forma escalonada de renglin son linealmente independientes. Lindependientes DEMOSTRACION Sea cir + cit =0, donde r,,...F4,80n los englones no cero de A Como esta matriz es escalonada, todos los elementos debajo del elemento delantero der son 0. Asi, ¢; = 0. Entonces podemos eliminar el término cir y repetir el argumento. Al final, todas las c; ser cero. Por consiguiente, (Fi... . T4} és linealmente independiente. 5 Si Stiene kelementos y5 se obluvo de S agregindole la base estandsr de RY. como Ses linesimente independiente, las k primeras columnas dela matriz reducida S’ son columnas pivate. Por consiguier te, todos los vetores de Se toman, por la reduccin con operaciones de reglon. como parte de a base4.6 mM Rangoynulidad — 279 Los teoremas 26 y 27 conducen al siguiente. TEOREMA 28 ‘Los renglones no cero de cualquier forma escalonada de una matriz forman una base para Rend). a BEJEMPLO 74 Determine una base para Ren(4) 1220-0 1301-2 11 3 0 oO. -1 =r 120241 SOWUCION A se duce a a itz deforma eseatonad de renglin 1202-1 ost p=|00 0 0 00 0 0 oo 0 0 El conjunto ((1,2, 2,1). (0,1, para Ren(4) = Ren(B) ‘Observe que esta base no consiste exclusivamente en renglones de A. a =1)} de renglones de B distintos a cero forma una base Elmétodo del ejemplo 74 ofrece una forma alternativa para determinar una base de! generador de un conjunto finito de vectores n, Primero se forma la matriz cuyos renglones son tos vectores dados y después se calcula una base para su espacio de renglones. Es posible que ‘esta base temporal no contenga totalmente los vectores dados. ee BEJEMPLO 75. (Base para el generador) Obtenga una base pera Gen(S), siendo S= (1,-1.2, 3), 2, 25 4, 8), “1, 6, 8). (15054, 9) (0,0, 0, 19} SOLUCION Enel ejemplo 72 contestamos esta pregunta. A continuacién mostraremds ota sorncra de ealealarel espacio de renglones dela matriz con los elementos de $ como renglones, Puesto que 1-1 203 pnt 23 -2 2-4 -6[ fo 122 2-1 6 8|~jo 002 1 0 4 5{ |o ooo oo o 1 0 000 ((1.-1,2:3).(0,4,2,2.(0,0,0, 1)} esuna base para Gen(S), Esta es un poco distinta de [a aque se determing en el ejemplo 72. En particular (0, 1,2, 2) no estd en el conjunto original S ‘Otra base e5{(1, 0,4, 0), (0, 1,2, 0),(0, 0,0, 1)}, la cual se obtiene de la forma reducids de 4 por operaciones de renglon. En general, esa base tiene mas compomentes cero, por lo. muchas veces es mas facil de usar. CH280 Capitulo 4 Mm Espacios vectoriaes Algoritmo 8 {Célculo de la base para Gen(S}) Sea S= (11, -.,F_} © RY Se puede determinar una base para Gen(S) como sigue 1. Forme la matriz.A m Xn cuyos renglones 60m Fy. «Fs 2. Reduzca 4 mediante operaciones de renglén hasta una forma escalonada B. 3. Una base para Gen(S) es el conjunto de renglones de B distintos de cero. * Ventaja del algoritmo B: Pueden abtenerse bases ficiles (varios ceros en los componen: tes de vector) *+ Desventaja: Los vectores de la base pueden no estar en S. ADVERTENCIA Las operaciones elementales de renglin no conservan las relaciones de . dima rwomp cate 2] [lyme Rango ‘Como Ia dimensién del Col() es la cantidad de pivotes de A, Ia cual también es igual que la ccantidad de renglones no cero de una forma escalonada de 4, entonces: TEOREMA 29 Para cualquier matriz 4, (A) En forma grifica Bjemplo A Ejemplo B DEFINICION (Rango} La dimensién comiin de los espacios de columnas y de renglones de 4 se llama rango de Ay se representa por Rango(4), |46 mM Rangoynulided 281 El rango es la cantidad de pivotes de 4. Para determinarlo, se reduce 4 a ta forma esca- Tonada y se cuenta la cantidad de renglones distintos de cero, o la de columnas pivote. MEJEMPLO 76 Enel ejemplo 74, el tango de 4 es 2, porque Is forma escalonada de ren- glén B tiene dos renglones no cero. Cc NOTA El tango de una matriz mn es menor que o igual a m,n. (Por qué?) WEJEMPLO 77 Una matriz de 5x9 ;puede tener el rango 6? RESPUESTA No, su rango no puede ser mayor que 5, oo ‘A continuacién presentaremos una consecuencia importante del teorema 29. COROLARIO 30 Ay AT Genen el mismo rango. DEMOSTRACION Elespacio de columnas dees el mismo queel dea”. = [1] El teorema del rango El resultado siguiente es uno de los teoremas més importantes del ilgebra lineal TEOREMA 31 (El teorema del rango) Para toda matriz A, Rango(4) + Nulidad(4) ~ cantidad de columnas de 4 DEMOSTRACION El rango de 4 es la cantidad de columnas pivote de 4. Por otto lado, la nulidad de 4 es la cantidad de variables libres de Ax =0, segiin cl teorema 22, Como se tienen tantas variables libres como columnas no pivote, a mulidad es igual 2 la cantidad de columnas no pivote, El teorema es consecuencia de Nim, de columnas pivate + Nim. de columnas no pivote = Niim. de columnas oo EJEMPLO 78 Compruebe el teorema del rango para P-1 203 0 -1 0-4 3-1 A=]; 2-1 6 0 1 -1 2 0-1 1282 Capitulo $m Espacios vectoriaies SOLUCION Enel ejemplo 68 demostramos que la nulidad de 4 es 2. Por otra lado, la forma de escalén reducida de 4 es 1o4or o1201 ooo10 00000 En consecuencia, el rango de es 3. Sumando 2 + 3 = 5 se obtiene la cantidad de columnas. de A, tal como dice el teorema del rango. ci JEJEMPLO 79 Suponga que el sistema a gnitas, y que su espacio de so luciones esti generado por 6 vectores linealmente independientes. (a) {Cuil es el rango de 4? (b) {A puede tener el tamaio 13 x 20? SOWCION (2) La cantidad de columnas de 4 es 20, y la mulidad es 6, Por consiguiente, et rango de 4 es 20 ~6= 14, de acuerdo com el torema del rango. (b) No, El rango no puede ser mayor que la cantidad de renglones, de modo que 4 debe tener al menos 14 renglones. MIEJEMPLO 80 Sea dx = bun sistema de 20 ecuaciones con 24 incdgnitas. Si el espacio rulo de 4 es generado por cuatro vectores linealmente independientes. ;podemos tener la cer teza de que el sistema es consistente para cualquier eleccién de b? SOLUCION Si. La matriz 4 tiene 24 columnas y su nulidad es 4, de modo que su rango es 20. (gPor qué?) Asi la dimensin del espacio de columnas es 20 en R®. Por tanto, todo el espacio de columnas consiste en R™, segin el teorema 17 de a seccion 4.4. Entonees. eval- quier vector ben R esté generado por las columnas de A. En vista de lo anterior, Ax = b es consistent para todo b en R™. — Rango y sistemas lineales TEOREMA 32 La teoria y los métodos que se desarrollaron en esta seccién estin muy relacionados con los sistemas lineales, ‘Como un sistema lineal 4x = bes consistente si s6lo sib esti en el Col(), de acuerdo con el teorema 23, legamos al teorema siguiente. El sistema lineal 4x =b es consistente si y sélo si ~ El interés de este teorema es principalmente te6rico. En la prictica, hay que reducir [4 :b] de todos modos, sea para determinar su rango o pata ver si fa itima columna es pivo~ te. En consecuencia, no se gana ventaja alguna, Rango(d) » Rango({4 : BD)46M Rangoynulidad — 283 Por ilkimo, veamos lo que sucede en las casos extremos en los que el rango de una matriz, mX~n-es mon. Los dos teoremas siguientes resumen los principales resultados del capitulo 2 hasta este punto. Las demostraciones se han hecho parcialmente en otros apartados, y se dejan como ejercicios. TEOREMA 33 Sea A una matriz m Xn. Las afirmaciones siguientes son equivalentes, |. A tiene rango m. A tiene m pivotes Cada renglén de A tiene un pivote. El sistema 4x = b es consistente para todos los vectores mb. Las columnas de 4 generan a R”. Col(4) =R*. dim Col(A) =m. ddim Ren(4) =m.” Nullidad (4) AT tiene rango m. TEOREMA 34 ‘Sea A una matriz m x n, Las afirmaciones siguientes son equivalentes. |. A tiene rango. A tiene m pivotes. Cada columna de A es columna pivote. [as columnas de A son linealmente independientes. El sistema homogéneo Ax = 0 slo tiene la solucién trivial vA) = {0} ‘Nulidad(4) = dim Col(A) dim Ren(a AT tiene rango 2. 4 Unicidad de la forma escalonada reducida (opcional} Como aplicacién de los conceptos explicados en esta seccién, demostraremos que Ia forma cescalonada reducida de cualquier matriz ¢s tnica. Teorema 1 de la seccion 1.2 Cada matri2 equivale en renglones a una y sblo una matriz en forma escalonada reducida con operaciones elementales de renglén. DEMOSTRACION Sides cualquier matrz m with(linalg): > Arsmatrix(C(1,2,3,4) ,(2,3,4,5] ,(8,4,5,6)1): 1234 A=|23 45 456 > eolspace(A) ;nullepace(A); {(1,0, =1), (0, 1,2} {(1, ~2, 1,0), (2,-3.0, 1} Mathematica An({1,2,3,4),12,3,4,52,43,4,5,6)3 InQh= RovReduce (A) Walispace(A] out [2]= 41, 0, 1, 2}, (0, 1, 2, 3h, 10, 0, 0, OF out [3] = (2, -3, 0, 0, (1, -2, 1, OF4.6 mM Rangoynulidad — 288 MATLAB >> ae 234) 2945; 39456); cous ctcu | >> rref (A), aul (A) vets 1 1-2 0.3507 0.8266 o 1 23 0.3916 0.8144 ° 0 0 0.8362 -0.0491 0.4929 -0,2388 Bjercicios 4.6 Espacio nulo ’ rat “10-1 2 Enos ejrccis 127 determine uratbaseparackespciomulo. 6 | 2 —4 {lamlidnd dla matrie dada. (Recuerde qu el subespaio cero 33004 tiene dimension Oy es bse ds conunt vaio) oa 1 2-22 1-12 30 he 333 2-16 01 var <1 20-11 baat yas Enos jecicios 2 10 sume a mlidad a fa canted decolum- a 233 nus pivote dela mati. :cémo se relaciona Ia sum com el + pala trae de In mati? _ so] * toro2 -1 0 0 0 a] 8 fo ta » ot 30 0 02 0 00 ka 11, Sea Aura matriz de m>n. Sil conjunto de solucones del Sistema fx forma un subespacio vectorial de R° ae » puede decir acerea de 8? sa Espacio de colurmas Sean286 Capitulo ¢ m_ Espacios vectoriales En los jerccios 12 a 17 determine cules) dea, b,¢,u, vy W estin en el espacio de colummas 6 la matriz dada, 1-5 123) 2 [3] elles 1-23 as. |0 -4 5 o 00 ooo 1 200 -1 waslort ot oor 1 502-1 wazjor1 2 ort 2 1-2 1000 0 a{0-2 2246-5 MAR ly 2-021 2 0 0 0021 2 r-ao1 oF 1-204 2 0 1-2 wamlo goo b 1208 7 1-2-8 7 1-2 1000 0 0 -22246-5 Am \o 90021 2 8 00021 2 arr ooo 2-3 wmazlaoo -1 0 000 1 0 000 0 1 25, Hagan esueme el Col) para = [ % Heamememeacttiona =| tt ‘| 30 27, Haga un esquema del Col(4)y v4) paraa= |0 2 0-2 3-1 un esquema del CoM) y v4) para A= | -3 1 6-2 29, Caleulelasmatrices 4y Btales que A~By Cold) #Col(B). En los gjercicios 30 233 determine una base pars cl generador {el conjunto dado de vectores ee) GUE} . (10) 2 3 0 1 2 ° En los ejercicios 34 8 38 amplie el conjunto dado linealmente independiente de vecioresn, hasta una base de R"4.7 Aplicaciones a la teoria de la coditicacién 287 Espacio de renglones 46. Compruede el corlario 30 para 4 fn fs eereicios 39 a 45 determine una base para cl Rend) y 47. Demueste el corlario 30 para “ssrming cl Rango() 48. Compruebe et teorema del rango para 4 49. Verifique el eorema del rango para 50, Demueste el eotems del rango para BY S51. Use el teorema 32 para comprobar que el sistema [3 : b] La ° : aasftot al wa 4 x ott gobo ‘ $2, sap quel ssi A= ene 250 tania “ spn scln i gee por 0 wees ea mente independientes, En los ejereicios 43 a 45, aplique el algoritmo B para determi: nar una base para el generador del conjunto dado de vectores, fa. {Cua es el rango de 4? efPIa , (A puede tener el tamano 150 x 250 Au is} | «A puede tener el tamafo 200 x 200? “)fe2yfo 4. (A puede tener ol tamano 280% 150? 49] af.f-1].] 0 ae -2}"[ of’ [2 (A puede tener el tamafo 200 % 2507 1 G60) oss Sea 4x = bun sistema con 400 ecuaciones y 450 ineégni- ‘as, Suponga que el espacio nulo de 4 esta generado por 0 vectoreslinealmenteindependientos. Ese sistema, jes con- Rango sistente para todos los vectores 400 b? 54. Comprcbe el coema 33 bio ao[} 23) oefoo ti $5, Demers cl eorema 34 oe 4.7 Aplicaciones a la teoria de la codificacion Objetivo det estudiante para esta seccién Aprender la interesante aplicacién de los espacios vectoriales a la tearia de la codificacién Casi todos los mensajes transmitidos, desde Ia voz humana hasta los datos que se reciben de un satélite estan sujetos al ruido. En consecuencia, es importante poder codificar un mensa- Je de tal modo que después de haberse mezclado con el ruido, puede decodificarse a su forma original (Figura 4.16). Esto se lleva a cabo a veces repitiendo el mensaje dos o tres veces,288 Capitulo M_ Espacios vectoriales algo muy comiin en la conversacién humana. Sin embargo, la repeticién no siempre es eficiente: para copiar los datos almacenados en un disco flexible © duro deteriorado se requiere tuna gran cantidad de espacio adicional de almacenamiento. Mensaje Codificador Receptor Decodificador palabra palabra | uido [palabra [palabra codified mezelada ecodificadla Figura 4.16 Proceso de codificacin. Enesta seccidn examinaremos las formas de codificar un mensaje y decodificarlo des- pués de que el ruido lo ha distorsionado. Al proceso se Ie lama codifieacién. Un cédigo 0 lave que detecta errores en un mensaje mezclado se llama de deteccidn de error. Si ademis puede corregir el error, se llama de correceién de error. Fs mucho mis dificil encontrar c6- digos correctores de error que detectores de éste. Describiremos algunos ejemplos. La mayor parte de los mensajes es digital: secuencias de ceros y unos, como 10101 0 1010011; supongamos que se desea mandar el mensaje 1011. Esta “palabra” binaria puede representar una palabra real, como comprar, 0 una frase, como comprar acciones de cancio- nes de los Beetles. Codificar 1011 significa agregar una cola binaria a la secuencia, para que si el mensaje se distorsiona, por ejemplo a 0011, pueda detectarse el error. Una técnica sencilla es agregar un 1 0 un 0, dependiendo de si se tiene una cantidad impar 0 par de unos en Ja palabra. En esta forma, todas las palabras codificadas tendrin un nimero par de unos. Asi, 1011 se codifica 10111. Ahora, si esto se distorsiona 2 00111, se sabra que ha ocurrido un error, porque sélo se recibié una cantidad impar de unos. A esta clave de deteccién de error se e llama comprobacién de paridad (figura 4.17) y es demasiado sencilla para ser de mucha utilidad, Por ejemplo, si se cambiaran des digitos, nuestro esquema no detectaria el error. Aun ‘cuando sélo hubiera un error, no sabriamos donde esta para arreglarlo. Definitivamente. ésta rng es una clave correctora de error. Otro método seria codificar el mensaje, reptiéndolo, como 10111011. Asi, ise recibiera 00111011, sabriamos que una de las dos mitades iguales se ha distorsionado, Si sélo hubiera ocurrido un error, claramente estaria en la posici6n 1. Este esquema de codificacién también da malos resultados y no se usa con frecuencia. Podriamos tener mejores resultados reptiendo varias veces el mensaje, pero esto toma espacio y tiempo. Patabra cond Palabra codiicada ol @ OOoee Para LDigito de comprobacién pattirg _ L_Disito de comprobacion de paridad de paridad Figura 4.17. Codificacién con una verificacion de paridad. Cédigo de Hamming Espacios vectoriales sobre Z: ‘Ahora describiremos un cédigo muy interesante que corrige errores inicos, introducido por R. H, Hamming en la década de los cincuenta, Antes de llegar a los detalles, notaremos queTEOREMA 35 4.7, Aplicaciones ala teoria de la codificacién 289 Ja definicin de espacio vectorial puede ampliarse para poder usar escalares que no sean ‘nimeros reales, por ejemplo, niimeros racionales o hasta niimeros complejos. Nos interesa el Conjunto de escalares Z; = {0, 1} que son los enteros mod 2. La stuma y la multiplicacién en Ze definen como sigue: 0+0=0, 1+0 d-0=0, 1-0 |, 1tls0 & iet=t Como 1 +1 =0, el opuesto de I también es 1, asi-1 = 1. En consecuencia, la resta ex idén= ‘ica a la suma. Estas operaciones tienen las propiedades adecuadas de adicidn y multiplica- cién. Por ejemplo, G4)+0-0#)+1-0+1) +isi=0 ‘Sea ZJ el conjunto de vectores n cuyos componentes son los elementos de Z». Sin =3, Z} consiste de los 8 vectores siguientes: Z3 = {(0,0,0), (1,0,0), (0, 1,0), (0,0, 1), (1, 1,0), (1,0,1), (0, 1, 1), (1,1, 1)} En general, 23 tiene 2" elementos, Igual que hicimos con R’ haremos equivalentea Z3 mediante la sumay mltiplicacin «scalar componente por componente con las operaciones en Zs, En Z4, (11,01) + (@,1,1.0) = (1,0,1,1) 1(1,0,0, 1) = (1,0,0,1) 0(1,1,1,0) = (0,0,0,0) Bajo estas operaciones, Z3 cumple con todos las axiomas de un espacio vectorial, con la excepcién de que los escalares son de Z>. Se dic» que ZJ es un espacio vectorial sobre Z Todos los conceptos y propiedades bisicos, eomo subespacios, bases, vectores linealmente independientes, conjuntos generados, reduccién de matrices con operaciones de renglén, espacio de columnas, espacio de renglones, rango y nulidad, se aplican a espacios vectoriales sobre Z: y a matrices cuyos elementos son de Z» ‘Si Ves un subespacio vectorial sobre Zs de dimensién n, entonces V tiene DEMOSTRACION Sify), .., ¥} es una base de V, entonces V esti formada por todas las combinaciones lineales diferentes elementos, civ +++ ea siendo cy, ., cy ya sea o | Para cada coeficiente hay dos alternativas, de modo que hay un total de 2" eombinaciones distintas co MEJEMPLO 81 Determine las bases y Ia cantidad de elementos del Col(A)y wa) sobre Z> Soo igialés rango j-nilidadcomo en elcas0 en que.4 se considera como wna mattiz con ‘elementos reales?290 Capitulo 4 ml Espacios vectoriaies SOLUCION Sobre Z; (tenga en cuenta que la reduccién se hace con aritmética Z) 1110 1110 11107) fioo a=|1 00 1/~fo11a}~foraif~ford oii} foriil [ooo0o} looo Por consiguiente, el rango es 2 y las dos primeras columnas, uF 4ée Forman una base para su espacio de columnas. El espacio nulo se obtiene igualando la forma escalonada reducida a (0,0, 0) y despejando las variables delanteras. Si xg" ry x15, entoncesx)=-r=ryx=—1=s5= rs, donde 5 € {0, 1}-Asi el espacio nulo sobre 23 es sgenerado por los vectores y la nulidad es 2 sobre Z.. Puesto que la dimensién de Col(A) es 2, tiene 2°=4 elementos. De igual manera, v(A) tiene 4 elementos, Sin embargo, cuando utlizamos R, no legamos alas mismas respuestas. Una forma escalonada reducida de A es de modo que el rango de A es 3 sobre R, Por consiguiente, la nulidad sobre R es I, de acuerdo con el teorema del rango. ca La clave (7, 4) de Hamming ‘Ya estamos lisos para definir el interesante cédigo corrector de un solo error de Hamming, Un eédigo lineal (n, ) es un subespacio de Z3 de dimensién & Todos los vectores de un cb- digo lineal se llaman palabras (de) cédigo, o palabras codificadas Se tiene la matriz H sobre Zs, | 1 ‘Observe que las coluranas hy, hy, «hy de H son Tos vectores de 23 distntos de cero lespacio nulo de Hse llama cédigo (7,4) de Hamming. Sea <7) Ny, Aqui ies matriz de comprobacién de paridad para cl cédigo Ny. igual queen el ejemplo 81. puede caleularseficilmente una base B para Ny, #H o 1 1 1 0 1 © Véanse (1) Error Correcting Codes, de Wesley Peterson (Cambridge, MA.: MIT Press. 1961: y (2) Introduction tothe Theory of Errar Correcting Codes. de Vera Pless (Nueva York’ Wile, 1982),TEOREMA 36 4.7 Aplicaciones a ta teoria de a codificacion 291 B= {(1,0,0,0,0,1,1),(0, 1,0,0, 1,0, 1), (0,0, 1,0, 1, 1,0), (0,0,0, by 1 vO} Asi, Nyes una cave lineal (7,4) y iene 2¢= 16 vecores, Como Hfe) =, para se Ve que ninguno de los veetore de base estindsr ees de 2) exté en Nr Ta mari G euys reglones son los elementos de B. 1000011 o100101 ° oorotrto) ooo11ig Sea ve (vig. vs)em ZZ 1. Siv € Ny, entonces v +e, € Ny parai 2. SiHiy=hy, entonces ve, © Ny. Ademés, ve, ¢ Ng parai#j En otras palabras, si se modifica alguna coordenada de un vector en Ny, el nuevo vector yano estari en Ny. También, si Hv es laj-ésima columna de H, entonces al cambiar la j-ésima ‘coordenada de v sdlo se colocaré el nus. vector en Nv. DEMOSTRACION 1. como Hy = 0, Hiv +e) = Hiv) + Hle) =0+h =n, #0 2 Hly +6) = Hi) + He) = ° de modo que v + ¢, © Ny También, Hoyt e)= Hy + Hey =h rhe, ie) i) Codificacién y decodificacion ‘Veamos ahora cémo codificar un mensaje y decodificar su recepcién distorsionada, Se su: one que la palabra por codificar es binaria y tiene longitud 4, por ejemplo, 1011, y que el ruido sélo alterd un digito binatio de ella. Para codificar 1011, se forma la combinacién lineal v en la base B del cédigo (7.4) de Hamming, con los coeficientes 1. 0 1, 1 de nuestro mensaje. ¥ = 1(1,0,0,0,0,1,1) + 0(0,1,0,0,1,0,1) + 1(0,0,1,0,1,1,0) + 1(0,0,0,1,1,1,1) = 11,0,1,1,0,1,0)292 Capitulo 4M Espacios vectoriates Es igual a la multiplicacién matricial por la derecha por G sobre Zs vig=[1 01 1)G={1 01101 0) La palabra codificada v esti en Ny, por construcciOn, Contiene el mensaje original en los primeros cuatro componentesy al final agrega una especie de comprobacién de prided 0. 1.0. Suponga que la cadena 1011010 se transmit y se ecibe como 0011010. Sea u=(0.0. 1.1 0,1, 0), Para coreepr el mensaje recibido se calcula el producto Ha ‘Como Hu es la primera columna de H, enuneiado 2 del teorema 36. implica que w ~ e, esta en Nyy nada de u+e,,/+ 1, esté en Ny. Por consiguiente. u ~ e; = ¥ es el inico mensaje codificado y corregido, y se recupera el mensaje original 1011 EJEMPLO 82 Supongamos que se recibieron los mensajes 1010101 y 1100111 codifi- ‘cados con Hamming, Si cuando rmucho hay un error en cada transmisién. {cules fueton los mensajes originales? SOWCION Sean vs =(1,0.1,0,1,0, I)y¥2" CL 1,0,0,1. 1D 1. Hy =(0,0, 0). Entonces vy © Ny. Como el mensaje codificado original ya estaba en ‘Nin un solo error saearia a vy de Nj, de acuerdo con el enunciade I del teorema 36. Asi. no hnabo error en la transmisin dl primer mensaje, que fue 1010, 2.Hys= (I, 1 1) Asivel séptimo componente de vp necesita corregirse 20, de acuerdo con el enunciado 2 del teorema 36. Entonces, el mensaje original fue 1100. Esta vez el ru do afects Ia parte de comprobacién de pasdad y el mensaje original no se alters. (__} Haremos un resumen del método Algoritmo para correccién de error con el codigo (7, 4) de Hamming Supongamos que se codifica una palabra w de 4 digitos binarios, de modo que w esta en Ny Siu se distorsiona a ¥=(v,....¥9) eambiando cuando mucho un componente, para recuperar el mensaje original se hace lo siguiente: ENTRADA: v. | 1, Caleule Hv. 2. Si AV 0, sea w= vjnyvors. Deténgase 3. Si flv =n, cambie el /-ésimo componente de v para obtener un nuevo vector v” Oh 4. Seaw= vj sew vn |4.7. WL Aplicaciones ala teoria de ia codiicacién 293 Otros tipos de cécigos Ejercicios 4.7 Avitmeética 29 Sean ut ov— iw [fect las operaciones indicadas en ‘Nuestra presentacin del cédigo (7, 4) de Hamming tenia por objeto ilustrar algunas de las ‘muchas y fructfers ideas de C. E. Shannon, RH. Hamming y ottos, a finales de la década «de los cuarenta y principios de Tos cincuenta, en los campos de ingenieria eléctica y teoria de ta informacin, No entraremos en detalles. El eddigo de Hamming s6lo es bueno para codi ficar palabras binarias de longitud 4, de las cuales s6lo hay 24~ 16. Sise desea un “alfabeto ‘mayor, o corregir cuando menos dos errores en un mensaje mezclado, se necesitan otras cla- ses de cédigos ‘Actualmente, en a prctca se usa una diversidad de técnicas de codiicacién que permi= ten codifiear mas palabras, y en consecuencia mensajes mas grandes. Tambien, muchos cédi- 0 permiten mis errores por ruido que el de Hamming. Una gran parte de estos interesantes cédigos son no lineales. Las definiciones y los ejemplos se encuentran en los texto sobre el tema. En el estudio de los cédigos, os principales aportes son de matematicas, y en primera linea estan el algebra lineal, la teoria de los niimerosy la teoria de campos. 9. Sean Ay & matrices binarias conmutativas 2x 2. Demues tte que sobre Zs (aye eee. Cédigos 10. Codifique el mensaje 1110, 11. Codifique el mensaje 0101 12. Codifique el mensaje 0010, bow En los ejercicios 13 2 17 suponga que se codified una palabra dutvew ‘de mensaje con el método de Hamming. Durante Ia ransmision 2. Rewelva Ia eeuacion para x sobre Zs se altera cuando mucho una coordenada. Recupere el mensaje ‘original a partir del vector binario que se recibié en cua cas. 1a (11101 Bott hou 3. Caleule Ay A° sobre Z ‘ 0 ‘ ° 4. c£s1u. v1 linealmente independiente sobre Z3?,¥ qué pase 4+ a. (0,1.1,1,1,0,1) b. (0,1,1.1,1,0.0) on tua}? _ 15, a: (0,1,1,0,0,0,1) b. (0,1,0,0,0,1,1) 5. {Es Ju. v,w} lincalmente independiente sobre 2? CAgeeCunatretes! pn gedcnumerentans (6 RGLLGOLI 801.1000 sca una base de Z! 17, & (1,1,1,040,1,0) B.1,11,0,0,0,0) 7. Determine una base y los vectores del espacio nula de A so- Inve Z; Repita sobre R 18, Esctiba los 16 elementos del eédigo (7,4) de Hamming Ni, El peso w(v) de un vector v en 2 es igual ala cantidad de sus [too] v1: = vector (11,2, 3D 5 jector ([4 , 5, 61); vS v4 v2: = vector (I2, 3, 4)) ; vB: = vector (IS, 4, 51): vector (IS, 6, 7) ; v6: = vector (16,7. 8));300 Capitulo $m Expacios vectoriaies ul := vector ((1, 2 3, 4); uz := vector (12, 4, 6, 8); uS := veetor ({1, 8, 5, 71); ud == vector (II, 4, 7, 10D; US := vector ({1, 5, 9, 13); el i= vector ({1, 0, 0, O}); e2 == vector (10, 1, 0, 0}; # Vectores de base estandar. €5 i= vector ({0, 0, 1, O}); ed s= vector (10, 0, 0, 11; augment (v1, v2, vB, v4, vB, v8); WN := augment (ul, u2, u3, u4, uS); B i= augment (el, ©2, uS, ud); # Matriz cuyas columnas gon los vectores de B. # Hjercicios 1 a7 Pref CM); # 2 pivotes, S renglones: no genera a RS. No es base. rref CM); #2 pivotes, 4 renglones: no genera a R*4. No es base. ' rref (Bi # 4 pivotes, 4 renglones, 4 columnas: generador y # linealmente independiente: Base de R*4 rref (augment (B, ul); # Se resolveré ol sistema (B-ul] por reduccién, La ultima col ¢*, 8); # columna expresa las coordenadas de ul. Repetir con uz. evalm (B &e* us), # Bjercicio 8: x es Justamente Bus rref (augment (v1, v2, v3); # Pivotea en (1, 1), (2, 2). Ast, (v1, v2) es una base, Pref (augment (ul, u2, uS, ud) ); # Plvotea en (1,1), (2,8). Asi, (u1,uS} es una base # Bjerciolos 8 a 12 colspace (0; # Base para espacio de columnas. 2 vectores, asi que rango = 2. colspace CM, “r"): 1 # Otra forma que produce el mismo rango. rowspace (Ml); # Base para espacio de renglones. Tambien rowspace(M,’r"); r: nullspace (MM); # Base para el espacio nulo. 4 vectores, asi que nulidad = 4 nullspace (M,‘n*); 1; # Otra forma que produce la nulidad, nen # Bs igual al ndmero de columnas. Teorema del rango. colspace (transpose (M), ‘rl’ # El rango de la transpuesta tambien es 2. # Repetir con N. # Bjereioio 18. augment (ul, u2, el, e2); # Algoritmo A: La matriz (ul ug el e2] Pref ("); # Pivotea en (1,1), (2,3), (8,8). [ul,el.e2) es una base, stack Cul, u2, el, €2); # Algoritmo B. Los vectores como renglones de una matriz, gausselim (") +# Los renglones no cero (lds primeros 3) forman una base Pref (") # La reducoion completa obtiene todavia més ceros. # Bjereicio 14 Pret (ND; # Las columnas plvote son } y 5. Pool = augment (col (WV, 1) col (V, 3)); —-«# Reduccién 2 pivotes 2 columnas, ref (peol); # asi que las columnas pivote son independientes. Pref (augment (peol, col , 4))); # Reducir (coll, e013, col4} para obtener (-1,2,0,0) evalm (-1*col (MN, 1) + 8*e01 (W, 3)~ col (N, 49); # como ultima columna para que -1*9011+2*col3=col4. # Bjercicio 15. m ss augment (ul, u2, el, €2, 08, e4; # Columnas pivote 1, 3, 4, 8. Asi, base Pref (m): # (ul, el, €2, 63) # Bjercieio 16. asso 7 2b: =2:u: matrix (2,2, 11,3, 0, 21) = Introduesion de escalares w= matrix (2, 2, [- 1, 1, 0, 8): w= matrix (2,2, [2, 1, 0,- 81 # y matrices. evalm ( (uty) ~ (v#u) : # AC).49M Efercicios en computadora 301 evalm ( (uty) 4w- (ut GHW); # AC), evalm (a* (u+v) - (atutaty)); # Me), evalm ¢ (atb) “u ~ (arurd*n)) #M@)y evalm ¢ (a"b) *u ~ a*0b"u)); # M(4) se aplican. # Hjerciolo 17. fom proc (@, b, x) atcos (S*x) + btsin (2'x) end: —_# Definicién de f. Plot (IF C1, 1, 39, 1, 0, ), (0, -3, 20,1 @B,-4), (4, BH, # Rjercicio 18. DI ss altxnd + DITKA: p2 c= aRtx*S + bRtx: # p general. collect (pl+p2, x; # La suma pl + p2 est en V. collect. (expand (c*pl), 0; # e*pl est en V. Entonoes V es un subespacto, # Wereicio 19. pi): # Grafieactén, B1 .= matrix (((0, 0, 0, 1, 10, 0, -1, 11, (0, 1, -1, 0}, (1, 1, 0, -1D; Ba i= matrix (| (0, 0, 1, 2h {0, 4, ~1, 0, f1, 0, -1, 01, [0, 1, 0, 1D; rref (Bl); # Todas las matrices tienen 4 renglones plvote, de modo que los polinomios son rref (82) _# linealmente independientes, luego forman una base, porque dim(P_S) = 4 # Bjercicios 20 a 23. PL := pref Caugment (B2 , B1)); # Reducir (B1:B2] y conservar las wltimas 4 P: submatrix P , 1.4, 8. . 8); # columnas para obtener P. QI == rrefaugment (B1, B2)); # Repetir con Q: = submatrix (Ql, 1. 4, 8. 8; evalm (P & Q); #PQ = 1 tienen el mismo tamano, de modo que PAC-1) = Q. Bs = vector (l-1, 0, 8, 1D; # Bn un vector de Ja forma x*S+Sx+1 pbI : = col (rref (augment (B, p)), 8); # {pLBL pb2 = col (rref (augment (B2, p)), 8); # [pl_B2. evalm (P ae" pol); # P [pl_B2 produce (plB1 como se esperaba. Soluciones seleccionadas con Mathematica Gomandos AppendRows, Clear, Collect, Bxpand, Flatten, NullSpace, Plot, RowReduce, TakeColumns © Datos. *) < @bu-sow © Mca) son vatidas, (© Bereicio 17. Ciearta, D1 © Borrar los valores de ay b. *) fla, b., x] =a Cos(S x) +b 9in(2 x) _C* Definicion de f. +) PIotllFLT, 1, x1, £13, 0, 2, £10, ~3, x], 119, ~4, x}, 114, ~B, xl), Ix, 0, Pill (* Graficado. C Bjercicio 18, *) pl=alxS+bl x2, p2=a2x%S+b2x"2 (* Polinomlos generales de V. *) Collectipi+p2, x} La suma pl + p2 esta en V. *)4.9 ML Gerciios en computadora 303, Collecti#xpandie pl}, x] ¢* o* pl estéen V, Asi, Ves un subespacio. *) ( Bjereicio 19. *) BI = (lO, 0, 0, 11, 10, 0, ~1, 1), (0, 1, =1, 01, 2, 2, 0, -1)) BR = [I0, 0, 1, 2], (0, 4, -1, 0}, 11, 0, -1, O}, 0, 1, 0, 1) RowReduce(Bl] (+ Todas las matrices tienen 4 renglones pivote, asi los polinomios gon linealmente *) RowReduce(B2} (* independientes; por tanto forman una base, ya que dim(P_3)=4. *) (@ Bjereicios 20 y 23. *) Pl=RowReduce(AppendRows(B2, B1)] (* Reducir (B1:B2} y mantener las *) PsTakeColumns(P1, (6, 8) (© ‘ltimas 4 columnas para obtener P. *) QI=RowReduce[AppendRows(B1, Bj} (* Repetir con Q. *) Q=TakeColumns(Ql, (5, 8 P.Q © PQ=Ty del mismo tamano, asi que PM1) = @. + peUt-11, 10), (5h, (@ xAB+Sx+1 en forma vectorial. *) pb1=TakeColumns{RowReduce(AppendRows(B1, pil, (6]) (PIB. *) pb2=TakeColumns[RowReduce{AppendRows(B2, Pll, (6]) ¢* (pl_B2. *) P.pbl C+ Plp|_B2 produce [p|_B1 como‘se esperaba. *) Soluciones seleccionadas con MATLAB NOTA La indicacton (ST) quiere decir que el comando esta en “symbolle toolbox" Gomandos Colspace, fplot function, null, nullspace, rref. Sb Datos, vl = [1; 2; Bh v2 = (2; 8 4h; vB = (8; 4; 5); v4 = |4; 8; 8); vB = (8; 6; TI; v6 = (6: 7% Bl ul = [1 2; 3; Al; ua = (2; 4; 6; 8; uS = 1; 8; 8; hy ud =; 4; 75 10), uS = (1; 8; 9; 13); el = |1; 0; 0; 0}; €2 = (0; 1; 0; 0}, % Vectores de base estandar. 8 = 10; 0; 1; 0}; e4 = (0; 0; 0; 1s M = [vl v2 v v4 v8 v6) N= [ul u2 ud ud us} B= (el e2uS ud}; —% La matriz cuyas columnas son los vectores de B. % Byercictos 1 a7. pref CM) % 2 pivotes, 3 renglones: no envuelve RB. No es base. Pref (N) % 2 pivotes, 4 renglones: no envuelve RM4. No es base. pref (B) % 4 pivotes, 4 renglones, 4 columnas: generador y % linealmente independiente: Base de R™4. pref ({B ull) % Resolveremos el sistema [Bul] por reduceién. La dltima ans ( , 5) % columna expresa las coordenadas de ul. Repetir con uz Brus % Bjereteio §: x es tan sélo Bus. rref ({vl v2 v3} % Pivotes en (1,1),(2,2). Asf, (v1,v2] es una base. rref ({ul u2 uS us]) —% Pivotes en (1,1),(2,5). Ast, (1,3) es una base. % Ryereicios 8 a 12 Pref CM) % Columnes pivote 1,2, asi vl,v2] es base. Rango = 2. colspace (Mf) % (ST) Otra forma. Base de espacio de columnas con ST304 Capitulo # a Espacios vectoriates rank (vn) % Bl rango es 2, rref A’) % Los dos primeros renglones forman una base para el espacio de columnas, null (it) % Base para el espacio nulo. 4 vectores, asi la nulidad = 4 nullspace (M1) 5 (ST) Otra base usando ST. % Nulidad + rango = 4 + 2 es igual a 6, el numero de columnas. El teorema del rango esta bien. rank (’) % Bl rango de la transpuesta también es 2. % Repetir con N. % Bjereieio 18. a1 uz e1 €2) % Algoritmo A: La matriz [ul u2 el e2) ref Cans) % Pivotes en (1,1), (2, 8), (3,3). fu1,e1,¢2) es una base. [urs ua’; et; e2) % Algoritmo B. Los vectores como renglones de una matriz. rref (ans) % Los renglones no cero Clos primeros 8) forman una base. 9 Rjeretelo 14, ref (N) % Las columnas pivote son 1 y 3. peol = (NG, .NG, 3) % Reducci6n 2 pivotes 2 columnas, Pref (pol) % asf las columnas pivote son independientes ref ({peol NC: , 4] % Reductr {col!,col5,col4) para obtener (~1,2,0,0) 04. “NG, D+2*NG,3)-NG,4) —% como ultima columna, asi -1*eol]+2*col umjercicio 15. m = [ul u2 e1 2 63 ea) % Columnas pivote 1, 3, 3, 5. Enjonces la base: rref (m) % ful e1,22,63) 9% Bjereicio 16. 5 Introduccion de escalares 96 y matrices. a@+wy-w+w % A), Qty tw Gra ew % ACB), at (+ v). (atu t atv) % MC2), G@+btu-@u+ om % MCB), ¥ (at) tu artoru) % M4) 6e aplican. % Bjereicio 17. . function [A] = f (a,b, 30) 9 Definicién de f en un archiva m. Teclear el ‘A= at cos (Stx) + b* sin (24%); 96 cédigo a la izquierda en un archivo llamado f.m end 9% A continuaciOn, en sesion de MATLAB teclear: fplot CIE, 1, DFG, 0, £O,-8, Nf 4, -B, EC 9% Rjeroicio 19. Bl =(0001;00-11;01-10;-110-1) B2=(0012;04-10;10-10;10) Tref (B1) _% Todas las matrices tienen 46 renglones pivote, asi que los polinomios son limealmente ref (B2) % independientes, por lo que forman una base, ya que dim¢P_3) = 4 5% Rjerciolos 20 a 28. Pls rref ({BI:B2)) % Reducir {B1:B2] y guardar las ltimas PePLC, 5:8) 5% 4 columnas para obtener P. 4, x) 1, (0 pil) % Graficacion, Qi = pref (IBL-B2]) _% Repetir con @ Q=QC, 5:8) Brg 9% PQ=I y del mismo tamaho, asi PA-1)=9. P= (1:0; 5; 11 9% x°3+5x¢1 en forma vectorial.te pref{B1, pl) pbi=ansc:, 8) rref((B2, pl) pb2=ansc:, 5) pt pbl 49° Ml Eercicios en computadora % [play %6 (pl_B2, % Pip|_B2 produce [p|_B1, como se esperaba, 3051 LTP TTr Transformaciones lineales Carezco de un don especial. Sélo soy apasionadamente curioso. Albert Finstein (1879-1955) Los vectores y las matrices se relacionan en forma intima a través de la multiplicacisn matricial. Para una matra fija A de m Xn, cualquier veetor mx cortesponde al vector m Av. Esta ‘correspondencia definida por el producto matricial Ax es el principal ejemplo de una trans- formacién lineal, cuya definicin actual se debe a Peano. Las transformaciones jineales desempefian un papel muy importante en matematicas, sca, ingeniera, procesamiento de imagenes, graficas en computadora y muchas otras reas de a cienciay dela vida daria. Ahora dirigiremos nuestra atencién a un tipo contemporineo de aplicaciones. (0,2) + ae Cs (50) Ly OD ‘05,1) (1,0) ay) (19) 41,0)" (1,0) ro) o Figura $.1Transformacién lineal de una imagen. El dilema de un caricaturista Un caricaturista moderno emplea computadoras y algebra lineal para transformar las ima: ‘genes que dibuja, Supongamos que trata de dar la sensacién de movimiento a Ia imagen de fa figura 5.1(a), inclinandola y estiréndola (horizontalmente) en forma gradual para llegar ala dela figura 5.1(b). Sil estiramiento gradual necesario, por ejemplo, alo laruo del eje x es 50%, jc6mo puede modelarlo matemiticamente y hacer que la computadora trace la imagen inclinada? El método deberia ser independiente de la imagen (cuadro) inicial para poder aplicarlo a otros cuadros. Como veremos en la seccin 5.1_en Ia respuesta intervie 3065.1 Ml Transformaciones matrciales 307 ne una sencilla multiplicacién de matriz por vector. De hecho, necesitamos multiplicar por la izquierda el vector eoordenado de cualquier punto en el plano gue deseemos transfor- 1 os mar, por la matriz| 5.1 Transformaciones matriciales Objetivas det estudiante para esta seccién 1. Conocer qué es una transformacién matricial y eémo determinar su rango. 2. Comprender geométricamente las transformaciones matriciales bisicas de R® Enesta seccion presentaremos las transformaciones de matrices y estudiaremos algunas transformaciones matriciales del plano que desempefian un papel importante en las grificas en ‘compuitadora, También describiremos un ejemplo de la fisica: las transformaciones de Galileo. Transformaciones generales Con frecuencia se necesita conocer cémo se relacionan los elementos de un conjunto con los. de otro. A veces se usa una regla que deseriba esta relacidn. A continuacidn presentamos al- _aunos ejemplos de esas reglas (R,) Para cada vector2 (x,y) se le asigna el veetor (x 0) ; [J red (Ry Para cada vector2| "see sien el vector 3 definida por) 0 | "| U [ost x=0. 0, IR) Para cada x >0 se le asigna la soluciéa real para y de y° IR,) Para cada x real se le asigna la solucidn real de x? + | — Hay varias diferencias agudas entre algunas de estos reas. La reg (Ry) no tiene sen tido, porque. ~ 1= Ono tiene soluein real. (Rs) es ambigua, porque y? ~~ 0 implica a Vr. Asi,acada le eorresponden dos mimo, y 9 uno. Po or ado, las reas (Fy) (R) 0 tienen estos problemas. A cada vector 2 ele signa enactamente un vector 3th do por la rela corespandiente (Ry) (Re) est hen defiadas.y constuyen ejemplos de Uns transformacin P[mapeo o funcin) de un conjunto aun conjuno Brepesen- tad por Ts ~+ 8, esuna rela que asocina cada elemento det un elemento finer de B llamado imagen dew bajo T Se eserive Tha) ~ hy se dice que «se apea a Ta) 1s lima dominio de Tes codominie de £1 sibconjunto de formado por todas as imizenes de Iovelemontos de 4 selma rango' ocontradominio de T's representa por RT) po" TU) "'N.dolT: El uso dela palabra “rango” de una transtormacion es cada vez mis general y se debe a la traduceion indiseriminada de las palabras “range” y “rank pero para tatar de conservar la diferencia cntre“rango” como dimensin del cantradominio,y el conradontinio misma. useremos su as pa bras"rango' y "contradominio™respectsamente Tambien hay que recordar que no's To sino "ea Icontradaminio} que “rank” (rango} de wna matrz. Adonis xeremos misaulclante que es indies ble usar las dos palabras. porque a veecs aparsceran juntas en una sola frase. cosa que no ‘otros hbo de308, Capitulo 5M Transformaciones lineales Es posible que dos o mas elementos de 4 tengan la misma imagen (Figura 5.2). Dos transfor ‘aciones Ti, Ty: —> B son iguales (se escribe T, = 7) si sus imagenes correspondientes son iguales, es decir, si T\(a)= Ta) para todaaend Contradominio (7) Figura 52 Dominio, codaminio y contradominio. Las eplas (Ry (Ry) define tansformaciones iguales. ya que td py fery o ol []-]°o o 1p y Texy2) = &-y tax ty—2) (a) (Por qué Tes una transformacién? {Cuil es su dominio? {Cual es su codominio? (b)_¢Cudl(es) de los veetores (1, -2, 3),(1,2, -3) (1,0, 5) tienen fa misma imagen bajo T? (©) Determine todos los vectores-3 que se aplican a (0,0). (@) Deseriba el contradominia de 7. SOWCION (a) Tes una transformacién porque cada vector 3, como, (x.y, =) corresponde exactumente un vector 2, que es (x= y +2, +y~2). Bl dominio de Tes R®. El codominio es R2 () TC, ~2,3) = (1~(2)#3,1 + 2)~3)= (6,4). De igual manera, ZU,2,~ 3) = (4 6) y TU, 0, 5) =(6,~4). Por consiguiente, (1, -2, 3) y (1,0, 5) tienen la misma imagen. (e) Es preciso conocer todos los vectores (x.y: 2) tales que Tix.» =) = (x = (0,0), Entonces x-ytz=0 xty-2=0 ccuya solucién general es (0, rr), R. Todos ellos son los vectores 3 que aplican a (0.0). (d) Para determinar el contradominio se necesitan todos los vectores 2. (a. 6). para los cua les existen niimeros x, yy = tales que Tlx,», =) = (a, A). Entonces, se necesitan todos los (a, 6) que hacen consistente al sistema co 45.1 Transformaciones matriciales 309 Puesto que la matriz de coeficientes tiene dos pivotes (comprugbelo), el sistema es cor tente para todas u, b. En consecuencia, el contradominio de Tes RE Transformaciones de matrices te res 3 x y formamos los productos 4x, obtenemos vectores 2 iinicos, Por ejemplo, (3 AIE)-6l G3 al)-14 yen general ng 1-1} Sitomamos os veeto- Es claro que podemos definir una transformacién TR) + R? por la regla Tix) = x. De hecho, Tes el mapeo del ejemplo 1. Este es un ejemplo de rransfarmucidn matricial. o de ma tices, ¥ esta operacisn es la transformacién mis importante del élgebra lineal DEFINICION {Transformacion matricial) Una transformacién matricial T'se expresa mediante T: Re Re ya ésta le corresponde | una matsiz Am xn tal que Tix) = 400) para todo x & Re 4 se lama matriz (estindar) de T. Por ejemplo. (Ry) y (Rs) definen la transformacin matricial TR? RY, Tix) =-1¥. con [i | MEJEMPLO 2 Parala 4 y Tanteriores, compare R(T) y Col(a), Determine una descripeién explicita de RU. 5 al | ) aumentada es [4 ] es consistente, o también que w esté en Coll-1) Por eonsiguiente. RET) = Colic),310 Capitulo $m Transtormaciones lineales Como Tx) =w implica que a=x~y, b= Oy e=y, setiene quex=a~e.b=Oyy=e fomeee Asi, a y ¢ pueden ser escalares cualquiera y b = 0. En consecuencia, R(T) = Vol ace al el TEOREMA 1 Si Tlx)= Ax es cualquier transformacign matricial, entonces R(T) = Colt A. DEMOSTRACION WE R(T) €2 Tix) = w para algun x © Ax = w para algin x © [A: whesconsistente 2 w € Cola) co El teorema siguiente describe las dos propiedades mis importantes de una transforma- ‘cin matricial. Su demostracién es consecuencia del teorema 17, seccidin 2.5 TEOREMA 2 CCualquier transformacién matricial 7: R*—> Re, Tx) = Ax satisface lo siguiente: 1. Thx y) = Tx) + Thy) para todos x, y en Re. 2. Tlex) = eTx) para todo x en Re y todos los escalares c Aigunas transformaciones matriciales del plano Ahora estudiaremos algunas transformaciones maticiales geométricas de plano que son muy interesante (R? > R2): eflexiones, compresiones-expansiones, cores alaciones¥ provec- Reflexiones Las reflexiones se definen respecto a cualquier recta en el plano, Nos interesan aquellas que estin vinculadas con una recta que atraviesa el origen, en especial respecto a los ejes coordenados (R, y R,) ya la recta diagonal y =x (R,). Véase la figura $.3. Esas reflexiones se definen con las formulas Ray) = (my) Raley) = Oem) Raley = On) Ce] bal bal recent [427] vatmcnane5.1 Ml Transtormaciones matriciaies 311 Figura 5.3. Refiesiones bisicas Ademas existe fa reflexién bisica respecto al igen, cuya férmula y matriz son Rolay) = (x9) [ a Esto también puede considerarse como rotacién de 180° en torno al origen, Compresiones-expansiones Las compresiones y expansiones son escalamientos a lo largo de los ejes coordenados. Con ‘mis precisién: para > Oa transformacién C,(x, »)= (cx, escala las coordenadas x en un fac~ tor de c, dejando inalteradas alas coordenadas y. Si0<¢ < I, se trata de una eompresidn en Ia direccién del eje x positivo, Si ¢> 1, se sefiere a una expansién (figura 5.4). Tambicn se tie 'ben compresiones y expansiones a lo largo del eje y, expresadas por C.(¥, r) = (x €¥) pata e> O. iro} EB] ay bot an 10 ay Figura $4 Compresién y estiamiento 3 o largo del eje x wn) 85) Otro tipo son los escalamientos simultineos alo largo de los gies xy v. como C (ex, dv) con factores de escala e > 0 y d > 0a lo largo de las direcciones x y (fig (4.3) 2 an FS Figura 5.5. Escalamiento alo axga de los ejes ny y312 Capitulo 5M Transformaciones tineales El ba al Un corte o deslizamiento? alo largo del eje.x es una transforinacidn de Ia forma Cortes Sux y) = Foy) En otras palabras, cada punto se mueve alo largo de la direccién x una cantidad proporcional ala distancia al eje x (figura 5.6). También hay cortes a lo largo del eje y S63) = ex +) 5. S, son transformaciones matriciales cuyas matrices son fi} fe] Figura 5.6 Deslizamiento alo largo del eje x Observe que la constante c en la formula para un corte puede ser negativa. La figura 5.7 ilustra este caso para S,(x, j) = (x, —2e +), y yy y an bt on = K * Jone .-2) Figura 5.7 Desiizamiento a lo largo de la direccién negativa de y- (Quienes trabajan con grificas en compatadora aplican las transformaciones matriciales de corte y de otros tipos para modificar las imigenes. Estas operaciones se adapta bien a los cdleulos en computadora, porque se implantan con facilidad las productos 3. 2. del Este nombre de transformacisn da idea de las deformacones por esfin dieslizamientos de capas ristalnas en los materiales sometidosaesfurzocortante5.1 lM Tanstormaciones matrices 313 HEJEMPLO 3 (Aplicacin a gricas en computadora) Determine la ransformacion S, que se desliza en direccidn positiva dex en un factor de 0.5. Para Ia figura 5.8, obtenga las imagenes de los puntos (0, 2), (0,1), (0.5, 0.5), (0, 0), 1,9, (1, D, (1,1), C1, 0). - Jon 50 0) a @ O) Figura 5.8 Deslizamiento en wanstormaciones de imagen, SOLUCION 5S, sc expresa como 5; (x, ») = (x + 0.5y,). Por consiguiente, s(i)-( F)6] en Las imagenes de los puntos identficados pueden calcularse sustituyendo sus coordenadas en la ecuacion (5.1). Sin embargo, se ahorra espacio escribiendo los productos matriz por vector en forma de un producto de matrices: 1 0s]fo 005 01 4-1-1 orfiz105001 1 0 105 075 0 1 15 ~05 ~1 21 05 001 1 0 {Las coordenadas de las imagenes son (1. 2),40.5. 1).(0.75.0.5),(0,0),(1,0).(1.5. 3), 1.0), Rotaciones Otro tipo comin de transformacién en el plano es Ia rotacién o giro en torno a cualquier punto en el plano. Nos interesan principalmente las rotaciones en torno al origen. MEJEMPLO 4 (Rotacién en el plana) La transformacion Ry R: e define por x]) = feos@ ~seno ] fx “(f)-[ss Sab) y hace gar eada vector 6 rad en sentido contrario al de las manecillas del relojen torno al origen Para generar la parte derecha dela figura $8, habria que calcula as imigenes de varios punts deta parte quierdaa4 Capitulo Sm Tanstormaciones lineales SOLUCION De acuerdo con la figura 5.9(a), OB es la rotacién de OA un angulo @ Ene tones reos@ X= reos(g + 8) Mediante identidades trigonométricas se leg @ sen sen(9 + 6) cos cos B—rsengsen@ y= rsen Geos 9+ cos bsen O cos Oy sen 8 ye yeos B+ xsen 8 Por consiguiente (f] . [sengsrserel . feet y'] = Lxsena + ycose|={sene cose Ly] ™ que demuestran que Re es una rotacién de 8 rad en torno al origen. Por ejemplo, caleularemos la imagen de (1, 1) para 8 = § (figura 5.9(b)). wo((i])-[S3 “SE]N-[ In) ) — @ Figura 5.9 Rotacién en toro al arigen NOTA Al justificar la afirmacién del ejemplo 4, en realidad hemos demostrado que rod rotacién en el plano en tomo al origen se expresa con latransformacién matricial anterior para alguna 8. Proyecciones Las proyecciones del plano sobre una recta también son transformaciones del plano. Nos interesan las proyecciones ortogonales sobre las rectas que pasan por el origen, en especial sobre los ejes coordenados. Las proyeeciones P, sobre el eje x y P, sobre el eje v (figura 5.10) se expresan por Pelasy) = (40) Pylxsy) = (Oxy) las cuales son transformaciones matriciales con matrices fe] a]5.1 Ml Transformaciones matrices 31S Figura 5.10 Froyecciones ortogonales sobre los ees. Un ejemplo de Ia fisica (transformaciones de Galileo) Sean F y F” dos marcos de referencia con ejes coordenados paralelos, x.» = Su- ongamos que el marco se aleja del marco Fa una velocidad relativa constante » en una direccién alo largo de los ejes x, x’ (figura 5.11). Ademés, supongamos que hay dos obser- vadores en Fy en F’, por ejemplo, un matemitico y un fisico, respectivamente, y que ambos se comunican sus mediciones (de distancias, velocidades, etcétera) + Figura 5.11 Marcos de referencia moviéndose con velocidad relativa constante. St x,» 5. f)som las coordenadas del espacio tiempo que usa el matemstico para sus mediciones, y (x »'¥, ’)son las que emplea el fisico, jcval es la relacién entre los dos marcos de coordenadas? ‘Como no hay movimiento a lo largo de los ejes y, 9” y =, 2’, se debe cumplir que y= y" ‘También, en la mecinica newtoniana, 1 =’ para ambos marcos. Para mediciones a lo largo de los ejes x, x’ sucede lo siguiente: una medicién x hecha en el momento fen el marco F por el matemdtico, es mayor que la medicién correspondiente x’ hecha por el fisico al mis- ‘mo tiempo, y la diferencia es v7, Por consiguiente, x” = x - vf. Asi * Un ejemplo de este caso seria euando el matematico y el fisico van en dos trenes distntos, de Nueva York 2 Baltimore, cuando ambos ines se mueven a velocidades constants por un tramo fect0. pero cl fisica va en ef Meirabiner, que es mas rapido316 Capitulo Sm Transtormaciones lineales ‘que en notacién matricial es 0 0 1 aN Puede observarse que el sistema F(x’, ¥, 2, ') se expresa con una mansformacidn patricia del sistema F(x, y, z, 1). A esto se Te Hama transformacién de Galileo en la mecanica newtoniana, Su nombre es en honor de Galileo,’ quien fue el primero en expresar el principio de que los sistemas en movimiento uniforme entre si son equivalentes, cuando deseribis las leyes de la cinemitica, Simplificaci6n de la notacion Al estudiar las transformaciones Re — Re a menudo se omiten los paréntesis en Tu) cuando el detomiscorn nes 7{[!] yay Definicién de transformaciones con sistemas algebraicos computacionales Defina de Tix, y, 2) =(x~2y, y—3s, 24x) y ealeule (1, 2,3}: Maple >T (uy.2,) > bday yrSez, 2-40 Tee(x,yy2)->Lx-2y,y-3z, 2-4] TE1,2,3] out (2]= 3,-1.1) * Galileo Galitei (1 564—1642) nacié en Pisa. alia y se le considera un de los fisicos mas grandes Ue todos los iempos. Estudid medicina y matemitieas en a Universidad de Pisa. EnseBa en Pisa y en Pach y su fama se debe a sus logros fundamentales en Fisica yastronomia, Algo desu abajo ofendlio sla Iplesia, siendo perseguido y encarceladoMATIAB 4% Function file: ead % In session: 7G4,2,3) 4 5.1 WM Transtormaciones matriciales 317 function (A) = Tx,y,2) Ae Lx 2ey,y-Ba2,2-dex); Ejercicios 5.1 Transformaciones generates En los ejercivias I aS, determine cuales de las reglas sn trans- Formaciones. Si lguna foes, identifique el dominio y et co- omni. A euda vector 2 (sy asigne 1. Bt yector 207-3. 2. El vector 20¢ =). 3 Evecare vy). (at) 4 TERR Tone {en os gereicios6u 8 determine s Jas transformaciones Ty Ts son iswales 6, Te RoR. P40) gpa solucionde JF — v= 0 paray 1. Te: R => R Pa) = EUR’ esl conumt de os metas AR aR Tes fn jercg 1S, pata as tansormacions dads 7 feo Re dtormin sient (b) El dominio el codominio de [) Todos tos vectores del dominio cuyit imagen eel vectors aby Fl conteadominio de 7 9. Ray atetey) 19. Tex.y)=(-y.0) Transtormaciones matriciales 16. Demueste el teorema 2, En los ejercicios 17 a 22 encuentre una base para RIT) = cone TR [3 ; to 1)* work, ro=[_! oe ‘ fe Rt 3] IS TRE RY Tix) lo 6 6|* 2. T:R=R, Ta)= cies * Loo rma=R r= |-2 0 |x oi318 Capitulo $M Transformaciones lineales 2, TRARY, Tix) Transformaciones matriciales en el plano En los ejercicios 23 a 30 considere la transformacién matricial nel plano T= RE R2, Tis) = Ax, con la matrz A respectiva, (i) Caleule y trace las imdigenes de 1). fo 1 of [af [2 (i) Identifique a T como una de las transformaciones siguientes 1. Reflexién 2, Compresion-expansion 3, Deslizamiento Rotacién Proyeccin 6, Ninguna de las anteriores [33 3] i} [3 [3 [ [54] [3 [3 Boa oy 3) ‘| wa [t 3) 3M. Deduzca una formula y la matriz para la reflexin respec toalarecta 32, Obienga una formula y la matrie pra a reflexiénrespecto ala recta y = 2 33. Deduzea una formula y la matriz para fa rotacién de 8 radianes en el sentido de las manecillas del rel en torno al origen 34. Trace a imagen del euadrado con vertices en (0,0). (1.0) (1. 11y (0.1) bajo el corte 0 destizamiento sEl-b aE 35, Demuestre que cualquier transformacion matricial T RE RE transforma rectas en rectaso en puntos Transformaciones matriciies en e! espacio. Reflexiones: En el espacio, las principles rflexiones som res ecto al oigen, a las planas coardenados, a los wes coordent dos. alas bisecirices de los ejes coordenados y a los planos bisectores 1 tay2) Ny Figura 5.12. Reflexion con respecto a la bisectri2 7 x yh =a) Figura 5.13. Reflesén con respecto al plano y 36, En latabla siguiente anote la respuesta correcta donde hay signo de interrozacién Refivinesregeses: Te) Noe reo > » [ots Dot toe bin? : [i D0 wie : Recta en primer cuadrante ‘ue biseea el plano ? ? (Figura 5.12)Marcie 4 O10 109 oon Rotaciones: La wansformacin de rteciin Rj qu hice girar Aratianes a valauee veer} en torn alee ela diecion positv (figura 5.14) se expresa como sigue FE ap RAW) Reflexiones con respecta a Ty) Plana y=" (figura 513) z Figura 5.14 Rotacién de 8 rad con respecto al efe 2 37. Desduzea tis formulas para las rotaciones corespondientes en forme a los ees xy 9 Proyecciones: Existep varias proyecciones ortogonales, princi pralmente en los planos y ees coordenados 38, En fa tbla siguiente anote la respuesta correcta en los Is sates donde aparecen signos de interrogacién 5.2 Transformaciones lineales | Objetivo del estudiante para esta seccién 52 WM Transtormaciones tineales 319 Proyeccién sobre: Th) Matra Plano? oe (Figura 5.15) : ere gue 515) 200 10 0 Bie? ? ooo (Figura 5.16) 000 my “ Tw) Figura 5.15. Proyeccién sobre e! plano oyec we Xe Figura $16 Proyeccién sobre el ele x Comprender ia definicién de una transformacién lineal y cOmo investigarla, Las transformaciones lineales son mapeos de importancia fundamental en el élgebra lineal y en sus aplicaciones. Son transformaciones entre espacios vectoriales que conservan la suma vectorial y la multipicacién por escalar. En esta seccién definiremos una transformacién li neal y mostraremos varios ejemplos que el lector debe estudiar con mucho cuidado. La direceion positva se determina por la regla de la mano derecha, Cuando los dedos de dere se curvan desde el eje x postivo hacia el eje + pasitivo, el pulgar apunta hacia el ee = posi320 Capitulo $M Transformaciones lineales Definicién y ejemplos DEFINICION [Transformaciones lineales} ‘Seen i dos espacios vectoriales. Una transformacién lineal (0 mapeo lineal) de Va W” cs una transformacién T: V-» W tal que para todos los vectores u y v de V’y cualquier es- calare, L Tu +y)= Tu) + Tv); 2. Tew) = efuy Elsigno + en a+ ves una suma en ¥, mientras que el signo + en J(u) + Tw) esuna suma cen W, Del mismo modo, las multiplicaciones escalares cu y e7{(u) se efectian en Vy HW. respectivamente. En el caso especial cuando Y= ¥, la transformacién lineal T 1” —> V’se llama v T lineat / / «| Dine w ote mB Tw) +7) cu BE cru) operador lineal de V. EJEMPLO 5 Demuestre que la transformacién T: R? > R’ “hl P8] P definida por cslineal SOWCION sean [fh -[P} aonces oP ls rosa (x1 +2) 3 + 2) (xs +a) + AO + yo) Tiu) + Tw)5.2 WM Tanstormaciones lineales 321 Para todo escalar c ew = 7 [St om = [2-301 ex ty, =.[2- 3" xi + ay, v = Tu) “al ‘Se satisfacen ambas partes de la definicién, de modo que T'es lineal WEJEMPLO 6 Demuesire que la transformacién TR) R Tea y2) = (x 2y +2) SOLUCION Sean u = (x1, Entonces Tet ¥) = Thy teas + yer +2) (x1 #20) ~ (a + ah +2) + (2 + 22)) (1 zy 2) + (a — ay + 22) = Tu) + Te) demuestra la parte | de la definicin. La parte 2 se deja como prictica a Los ejemplos mis importantes de transformaciones lineales son las transformacio. nes de matrices, De hecho, como veremos, estos iltimos. son los inicuss mapeos lineales de Rea Re EJEMPLO 7 [Transformaciones matriciales) Demuestre que tada transformacion matricial es lineal fos le la dee TRE Re, SOLUCION — De acuerdo con el teorema 2 de la seceisn $I ambas propie nicion se cumplen, Practicaremos volviendo a desarrollar la demostracign entonces T(x) = Ax es una transformacién matricial. y Tex + y) = Alx + y) = Ax + Ay = Thx) + TUy) Tex) = Alon) = Ax) = cT(x) Fr consecuencia, Tes lineal322 Capitulo'S M_Transformaciones lineales EJEMPLO8 [Transformacién lineal geométrica) _ Demuestre que las reflexiones. cortes o deslizamientos, compresiones-estiramientos, todos con respecto a las ejes coordenados, las rotaciones con respecto al origen y las proyecciones sobre los ejes de coordenadas son transformaciones lineales. SOLUCION Todos estos mapeos? son transformaciones matriciales, basindase en la seccién 5.1, En consecuencia, segin el ejemplo 7, son lineales, co Propiedades de las transformaciones lineales TEOREMA 3 TEOREMA 4 La definicién de una transformacién lineal también puede expresarse como sigue: T: ¥— Wes una transformacién lineal si y sélo si para todos los vectores vy y v2. EV, y todos los escalates c; ¥ ¢, se cumple Tewwy + eave) = Twi) + esTvs) DEMOSTRACION Si Tes lineal, entonces Tee; + am) Taw) + Thaw) = aT) + aT) de acuerdo con las partes 1 y 2 de la definicién. Ala inversa, si Tes una transformacién tal que T(ei¥s # 633) = exT(W) + eTtvs) pare todos vi, v2 € RPy todos cy, c: € R, entonces si igualamos ¢;= 2" 1 obtenemos Ia parte | de la definicién y haciendo e3 = 0 se obtiene la parte 2. C4 En términos generales, si vi, ve Son vectores cualesquiera en V, y ci... €s son ‘escalates cualesquiera, entonces Theives +20 + GMa) = GTO) +2 + eT) Asi, las transformaciones lineales mapeaft una combinacién lineal de vectores en la misma combinacién lineal de las imagenes de esos vectores. ° T: V— Wes una transformacién lineal. Entonces 1. 10) =0; 2. Tu-v) Tw) - 7), DEMOSTRACION 1. De acuerdo con la parte 2 de la definicién, 10) = T0v) = ON) = 0 7 Las reMlexiones con respecto a cualquier recta que pasa por el igen y ls proyecciones sobre cual _quier recta que pasa por el origen son también transformaciones matricial (es deci, hneales)Mas ejemplos 52 WM Tansformaciones tineales 323 2. Segin el teorema 3, haciendo que ey = Ly ey=~ 1, Tiu — v) = T(iw + (Ly) = 1T(u) + (-)T(v) = Tw) = Tv) Co MEJEMPLO 9 (Es: R?—9 R? una transformaci6n lineal, definida por fix. ») = (1)? RESPUESTA Si fuera lineal, entonces 0,0) seria (0,0), con base en la parte I del teorema 4, Sin embargo, (0, 0) = (0, 1), de modo que Fes no lineal co Latransformacién 0 : V+ W que mapea a todos los vectores de Ven 0 en We le lama trans- formacién cero - O(y)=0 para todov € F HLEJEMPLO 10 Compruebe que la transformacién 0: > Wes lineal SOLUCION Siu y vson vectores de Vy ces un escalar, entonces Ov +u) = 0 = 0 +0 = Ov) +0(u) 0 = Oly) co Latransformacién /: V+ V que convierte cada veetor de Ven si mismo se llama trans formacién identidad de V. Hisy=¥ para todo WEJEMPLO 11 Demuestre que la transformacién identidad /: ¥ — ¥'es lineal SOLUCION Se deja como eerico, cc MEJEMPLO 12. [Homotecia} Para un escalarfijo c. compruebe que T: ¥ > Ves lineal. Ti) =ev SOLUGION. Seanu,we Vy rR. Pes lineal, porque Tu +w) (u + w) = cut ow = Tlu) + Tw) Thru) = e(ra) = r(eu) = rT{u) co A la transformacién definida en el ejemplo 12 se le llama homotecia, Si ¢ > I, la homotecia es una dilatacién, y su efecto sobre ¥ es estirarlo en un factor dec, S80 Mo €s linea. 1B) = AB SOLUCION T(B + C) = A(B+ ©) = AB+AC = T(B) + T(C) ‘T(cB) = A(cB) = c(AB) = cT(B) co HLEJEMPLO 14 Compruebe que la transformaciin T: Py > P, es lineal Tat bet et) =b+2« SOWWCION Sean py =a) + by + ew? y py = ay + bye + ese. Entonces They + pa) = T (lar + a) + (6, + bade + (es + a)e) = (by + be) +20, + ede = (by + 2ex) + (bp + 2x). = Tip) + Tip) La verificacién de la parte 2 de la definicién se deja como ejercicio. a WEJEMPLO 15 T: My + Res lineal, (,Por qué?) led -[eq] oS IEJEMPLO 16 (Producto punto por un vector fijo) Sea wun vector fijoen Re Demuestre ‘que la transformacién lineal 7: Re —> R es lineal Tw)=u-v5.2. lM Transformaciones lineaies 325 SOLUCION Sean vj, vz € Rry ci, c: € R. Entonces Thaw, + Ga) = uw (evs + epv2) = w- (evi) + U> (eve) ex(usvi) + (ave) =e Tim) + Twa) Por consiguiente, Tes lineal segiin el teorema 3. eS oo MEJEMPLO 17 (Producto cruz por vector fijo} _ Compruebe que la transformacién F- RE RY es lineal Ty) =uxv SOLUCION La verficacién es semejante a Ia del ejemplo 16. oa pion | aA EJEMPLO 18 _[Profeccian a la recta que pasa por el origen) Siu esun vector fijo distinto de cero en R?, la transformacién TR: —> RP definida con la proyeccién ortogonal de cada v € R? sobre u (véase la seccién 2.2) es lineal (Figura 5.18), Tw = 2 Figura 5.18 _Proyecci6n ortogonal sobre fa rectal SOLUCION Ya que (avi tew)-u _ avcutavew Tam +e) ve e:T(v) + e2T(v2) Jo hemos demostrado, segin el teorema 3 a we EJEMPLO 19 -(Requiere céiculo] "Sea V el espacio vectorial de todas las funciones ‘iferenciables de valor real definidas en R. Compruebe que la tinsformaciin T: V > V definida diferenciando cada fe V mA es lineal326 Capitulo $m Transformaciones fineales SOLUCION Sif, g € Vye€ R, de acuerdo con las propiedades bisicas de las derivadas se obtiene Tif +) =(f +a) = fits = Ti) + TR) ef) = (of)! = ef" = eT) De modo que Tes lineal fe] JEMPLO 20 (Requiere cdiculo) Si C(O, 1]esel vector espacial que contiene todos los valores reales continues de las funciones diferenciables, las cuales estén definidas en el in- tervalo (0, 1}; demuestre que la transformacién 7: C (0, 1] > C0, 1}, definida por la inte- gracién (Riemann), r= [ * faye es lineal, SOWCION Sif,g © Vyc R, entances segin las propiedades bisicas de la integral se btiene Ty +a= [yor tsonde [sorder [gerae= TI) + 78) rep [ eferde= ef forde= mp) Por tanto, Tes lineal. cl MEJEMPLO 21 Es lineal la transformacién f: R— R, definida por f(x) = =*? RESPUESTA No, la parte I de la definicién no lo es, porque fet y)=(xtyP ae try tye fa) + fyy= eo no son igusles si ay # 0, (Tampoco la parte 2es lineal. Comprucbe por qué) (1 EJEMPLO 22 Demuestre que no es lineal Ia transformacién /: R? R, definida por Fle.) = 3. SOLUCION | Se deja como ejercicio,5.2 Mi Transformaciones ineales 327 Determinacién de un mapeo lineal a partir de sus valores en una base Una de las propiedades més importantes de la transformacién lineal es que puede determi narse dnicamente cuando sus valores estin dados en una base. Explicaremos lo anterior con un ejemplo. -B) AR cater 3] y 1 SOLUCION Como 9) aD Jas (=f) sl agregamos 7 en abot ads de eeuaién,abenemos TC) efi] “EEE La segunda igualdad permanece porque Ts lineal Es facil observar que vee, OG MEG 1-8) FC ae]-[EZ] x4 2y Notacién de la operacién matricial En el ejemplo 23 efectuamos las operaciones matriciales328 Capitulo 5m Transtormaciones tineales TEOREMA 5 NOTA Hemos explicado cémo calcular los valores de una transformacién lineal dados sus valores sobre una base. Si To se da sobre toda una base no podemos determinar Ia imagen de cada elemento. Refiriéndonos al ejemplo 23, si sélo se dieran las imagenes de (1. 1) ¥ G 1,1) no podriamos determinar 7(-9, 6) porque (~ 9, 6) no esté en Gen{(-1, 1),(1.—D} = Genf(1, D} WEJEMPLO 24 Sea T: P,P; una transformacién lineal tal que Ti-l+)=-742x, Ta tx=4tx Catcular 7(2 + 6), SOWWCION B = (-1 +s, 1 +x} esuna base de Py. Primero expresaremos 2 + 6x camo una combinacién lineal en B: 24 6x= 2-1 +x) +40 +x) Acominacitn pcrenet Ta ee) 27a +5) +47 3) 220-7 420 44 2) 2 He Prvié-ftsa » [i En general, se tiene el torema siguiente, Sea T: V—> Wes una tranformacién lineal y sea B = {¥y,.... Vy) el generador de ¥’. En- tonces. el conjunto 1B) = {7tv)),- Tvs)} genera al contradominio de 7. DEMOSTRACION Sea w € R(7), entoncesexiste un v € Val que Mw) =w. Como B gene: aa V. hay escalares cy. »,cy tales que v= cw, +=" + cy¥m Entonces w= TWv) = Tavs +29 Hea) = TU) ++ + GT Uv) De aqui que w sea una combinacién lineal de 1(B). ca Valores de transformacianes lineales con sistemas algebraicos de cémputo Para resolver el ejemplo 24 con un sistema algebraico de cémputo: Maple > with(@inalg) + > col(rret([f=1,1,21 [1,1,6))),3); [41 > evala(({-7,41, (2,10) be); (2,8)5.2 WM Transformaciones lineales 329 Map (Last ,RowReduce({{-1,1,2},{1,1,6)}] out (1), 2, 4) iafad:= (744,209. out (2)= 2, 8 MATLAB >> Avrrof([-1 12; 11 6)); 2 4 >> 74; 21) * ane 2 8 Ejercicios 5.2 En los jercicios 1 412 determine el dominia y el codominio de In transtormacién 7. y determine si Tes lineal oT El-3 A “LloL) Hy / . -(E] ye lk “fl-fleL2-E) of] ee arene es) ax-['Jxer tmooe [tren rw RTh330 Capitulo Sm Transformaciones tineales En os ejetecios 15 0 20 determine si P: Py + Pes lnea 15, T(a+ be) = Ga +B) + (a~ 2b) 16, T(a+ bx) = (a8) + (a+ b+ De 17, T(a + bs) = (a5) + abe 8. 7(0) 19. T(p) = 10p-2 20. T (p) = 107" Ne Bstineal P= Ps Pi? Tat beter) (eae ofl) lL) owe r[s}o[-8) > 28. Sea T: R)—> R? a transformacién lineal tal que ab s(be ex Tetete)= [-] Tee tate=[ 3] Te-ate)=[T] -10 Encuentee Me) T | 15 -35, 26. SeaT: Py +P; la transformacién lines! tal que T(-ltyy=-845, TR +I) = 4-9 Caleule Ta + bv, N15 + apy TH + ax) 27. Sea T: P; + P; le transformacién lineal tal que Ti tete) = 1436 T(l+x-x) © “3426 T(lnxte)=1e Determine Maa + br + ex!) y TE-25 + 15* 108) 28. 29, 30, 3h 2. 33, 35, 36. a7. 38, 2. Sea T: P+ Pla transformacién lineal que satisface tov’, neo Tet) = Caleule: The +8), TEI + })y TM +29). Sea C una matriz invertible # xn. Demuestre que 7 Moe = Mag lines! TH) = OKC Sea.C uns matrz invertible n xn. Compruebe que T =) Mag £5 lineal TH) = CC Explique por qué wna transformacién lineal Tal que 1 3 2 -6) rlal-[a} P3)-[) spud clelrse en forme Sn, Determine a menos dor de ests ransformacones lines. Demuesre que trasfrmacion de dent sea Cite ncemplo de una ransfrmacin To nea que tongs la propiedad 70) ~0 Sea T:R-» RPunatasformacintinel, Demoeste que 8 {viv RPestinelent dependent entonces (7) Te es linalmente dependent Dé un ejemplo de una transformacién lineal TR? R? y lineaimente independiente de os vectores 2, ys; demodo aque { Ttv), Tvs} Sa linealmente dependiente SeaT: ¥ > W una transformacién lineal de los espacios vectoriales Vy W. Demuesire que si {¥i,.... vi) Ves linealmente dependiente, etonces (7ivi)--.. WMS W es inealmente dependiente Demuestre que cualquier ransformacin lineal T= R—+ RE ‘mapea rectas en rectas 0 en puntos. Compruebe que TR" RT Tx) +b bo eno lineal. Esa transformacién se llama traslacin de R Determine los tamatos de A y by demuestre que Tor" RT) Axtb, b¥O ‘sno lineal, Esa transformacion se Hama transformacién afin5.3. WM Nucleoy contradominio 331 40, Demuesrequeuna ranslacin defniaenlejer- 4B, Sen‘B una base de Rey sea Ta ransformacion cicto 3) esun cua esecin de wansformaion ain (defini en el ejereiee 39). THROFR TW) (va Enos cjerccis 41447 demuesre que lis ansforme- 2 Demuste que 7s tne Ciones ineales son tansormaciones matcales¥ d- oy 1 termine ss matrices estinda. bseann=2y tats = [~Z]- tote = [3] acy -9 x cate 7 [~2] ar é il-[7] ooff]-[ioe 4.7: RR, T(y), 49. Determine todas las transformaciones lineales de R a R. En el ejemplo 16 demostramos que el producto punto porun vector fijo ‘en Rees una transformacién lineal. En el siguiente ejercicio comproba- ‘remos que esas transformaciones son las dnicas lineales de Ra R tov 2. 50. SeaT: Re R lineal. Demuestre que existe un veetor mu, tal que 45, La reffexi6n respecio al eje y en el plano. 46. Lareflexin respecto ala recta y= -x ene plano, Th) = uv paratodov € Re 47, Larotacin Ord en sentido contrario al de las manecillas del reloj en torno al origen en el plano (Sugerencia Sea w= (Tei). Ten) 5.3 Nucleo y contradominio DEFINICION Objetivos del estudiante para esta seccién 1. Aprender a determinar el nicleo y el contradominio de una transformacién lineal. 2. Conocer y aplicar el teorema de la dimensién 3. Comprender los conceptos biunivoco, sobre ¢ isomorfisma, En esta seccidn dirigiremos nuestra atencién hacia dos subespacios basicos que acompaiian toda transformacién lineal, el micleo y el contradominio, Ademas describiremos cémo dis- tinguir entre dos espacios vectoriales distintos y cuando considerarlos iguales 0 isomérficos. [Niicleo) Sea T: ¥ Wuna ransformacién lineal. El méicleo, Ker(7)$ de T contiene todos los vectores en F que se mapean a cero en W. Ker(T) WEV, Tw)=0EW} Recordemos que el contradominio R(T) de Tes el conjunto de todas las imagenes de TenW. R(D= (we, w=Tv) —paraalginy © ¥) Observe que tanto Ker(7) como R(T) de una transformacién lineal T son conjuntos no va~ cios: T(0) = Oimplics que 0 € Vesta en Ker(T) y que 0 W esti en R(T). NdeI: La representacin “Kert)" proviene dela palabra inglesa“kernef™. que significa "nieleo”332 Capitulo 5m Transtormaciones tineales MEJEMPLO 25 Determine el nicleo y el contradominio de (a) La transformacién lineal cero 0: V+ W; (b) La transformacién identidad lineal [: V—> (©) La proyeccién p : R? > R?, p(x, y) = (x 0). SOLUCION (2) 0(¥) = O para todo v € V, de modo que el miicleo es ¥. Como 0 ¢s la tinica imagen, el contradominio es (0) Ker(0) = V, (0) = {0} (b)Yaque Av) = v para todo v € V, todo vector no cero se mapea en un vector no cero. Asi el nicleo es (0). Como todo v es su propia imagen, el contradominio es Ker() = (0, R= V (©) G y)esté en Ker(p) si y sélo si p(x. ») = (x, 0) =(0, 0). Asi, x = Oy el micleo consiste en Jos puntos (0, 9). También (zw) esté ep el contradominio si y slo si hay (x,y) tales que Cx. 9) = (x, 0) = (2, w). Por consiguiente, w = 0, yel contradominio consiste en los puntos (x, 0) véase la figura 5.19: Ker(p) = {(y), yER) — Rip) = {(x,0), xR} co Contrado- Nicleo Figura 5.19 El nticleo y et contradominio de ta proyeccién sobre el ee & WEJEMPLO 26 Determine el micleo de P:R) 3 R l)-TEOREMA 6 53 MNocieo y contradominio 333, fx] SOLUCIGN Kes(7 es el conjunto de todos los ver] tales ave[ (3) Ale: veel lo solver el sistema x ~ oy “-(i}-=(E} La propiedad fundamental del micleo y del contradaminio es que ambos son espacios vectoriales. 0, se obtiene (7, ~% 1), € R. De ahi que, Sea T: V~+W una transformacién lineal, Entonces 1. Ker(7) es un subespacio de V; 2. R(T) esun subespacio de W. DEMOSTRACION 1. Sean u,v € Ker(D) y sea¢ € R. Como Ker(7) es no vacio astra demostiar que w+ v, cw Ker(T). Ts lineal, de modo que Tl +¥) = Tw) +7) =0+0=0 T(cu) = Tu) = o=0 Por consiguiente, u + v, cu € Ker(7). Asi, Ker(7) es un subespacio de Sean u’, v’ € R(T) y seac € R. Entonces hay vectores u yv de V tales que u’ = Tu) y¥ = Tv). Como Tes lineal, ul +¥!= T(w) + TW) = Tu + v) eT(u) = Tew) Ya determinamos vectores u + vy cu que se mapean en u’ + v’ y en cu’, respectivamente. Por tanto, u’+ v’y cu’ estén en R(7), En vista delo anterior, R(T) es un subespacio de WV. i | La dimensién del micleo se ilama nulidad de 7: La dimension del contradominio se lara rango de T. MEJEMPLO 27 Determine la nulidad y el rango de Ten el ejemplo 26. SOLUCION Como Ker(7) = ((r-~r.7),r € Rj = Gen{(1,~1, 1)}, la nulidades 1. Puesto que R(Z) = RY, el rango es 2 (figura 5.20), co HEEJEMPLO 28 Calcule el nicleoy el contradominio de T'del ejemplo To, seccibn 52 SOLUCION EI nicleo contiene todos los vectores v tales que u-v = 0, es decir, todos los vectores m ortogonates a u. Este es el hiperplano que pasa por el origen cuya normal es w. Para334 Capitulo 5 WH Tansformaciones lineales Figure $20. Elnucieo y el contrademinio de lx yz) = [= 2. + 2 0. Por consiguiente, el numero ilu? distinto de cero esti en el contradominio de T. Asi, el contradominio contiene al generador de jul’, que es R. Por tanto, R(T) = R (figura 5.21). cc Figura 5.21 Niicleo e imagen del producto punto por un vector fo. HEJEMPLO 29 Determine el nicleo, el contradominio, la nulidedy el rango de T'del ejemplo 17, seccién 5.2. SOWCION Obtendremos geométricimente el nicleo y e contradominio, por ser mss Fil gue unealeulo algebraic. E micloo esti formado por todos os wectoes wales que u xv =0. ios cules son paralelos au, Por consiguiente, el nicleo esa recta que pasa por el origen en In direccidn dew. La nulidad de Tes 1 El contradominio contiene todos los vectoresb para los que hay un vector v tal ve uxv=b, Portanto, uy b son oxtogonales. Asie contradominio esta contenido enelconjunto de vectores ortogonales au, Ahora, si b€s un vector distinto de cero y ortogonal au, Com- probaremos que se encuentra ene contradomini de T. Los vectoresb y(w x b) <1, son p= Talelos, porque cada uno es perpendicularau ya wXb.a la vez, Asi (WX) xu =ch pare alin esealarcdistinto de cero, De manera que wx (-luxs) ooTEOREMA 7 53M Nucleo ycontradominio 335 Asie vector~ ub se transforma en b; por consiguiente,b esti en el contradominio de 7. Com ello hemos demostrado que el contradominio es el plano que pasa por el orizen cuya normal es uw Elrango de Tes 2 (figura 5.22) Contradominio Figura 5.22, Niicleo e imagen del producto cruz por un vector flo. Enel caso especial en el que la transformacién lineal es matricial, se cumple lo siguiente: Sea P: Re) Re es una transformacién matricial euya matriz estindar es A. Entonces 1 Ker(7) = Way 2.R(T) = Col(A); 3. Nalidad(7) = Nolidad(a); 4. Rango(7) = Rango(). DEMOSTRACION Puesto que T(x) = x, entonces T(x) = 0 siys6lo si Ax = 0. De agui, Ker()= Yi). lgualment, stb esti en Rs, entonces hay mn xen Retal que Tlx) = bsiy slo si Ax b, En consecuencis, R(T) = Col(A) Las partes de las nulidades y ls rangos se ve comtinuacién : WEJEMPLO 30 Caleule las bases para el niclea y el contradominio y determine la nulidad yel rango de TiRI RY Thaysw) = (xt Bay 22,0) SOWUCION De acuerdo con el teorema 7, basta expresar T como transformacién matricial y obtener las bases para las columnas y el espacio nulo de su matriz estindar 4. 4 se expre- = co y esté en forma escalonada reducida por operaciones de renglén. Por consiguiente, los vectores {(1, 0,0), (0, 1,0), (0, 0, 1)} forman una base para Col(4) = R(T) = RP. Por otra parte, {U-3.2, 1, 0)} es una base para M14) = Ker(7), De modo que el rango de T'es 3 y la nulidad es 1336 Capitulo 5 m_Transtormaciones lineales TEOREMA 8 El teorema 7 implica que Ker(T) = (0) > Ax = sélo tiene la solucién trivial y R(T) = Re 2 las columnas de A generan a R" oo Eltcorema siguiente es fundamental en el dlgebra lineal porque generaliza el teorema del rango, y se demostraré en la seccign 5.4 (El teorema de la dimensién) SiT: V—> Wes una transformacién lineal de un espacio vectorial Vde dimensién finita a | un espacio vectorial If, entonces Lo Nutidad(7) + Rango(7) = din) EJEMPLO 31 Ver ‘ique el teorema de la dimensién para T del ejemplo 14. seccion SOLUCION Dejaremos coma ejercicio comprobar que Ker(T) = Po= {an, a9 € R} SPs ROT) = Py = fay + ax, aay ER} Ps Por consiguiente, im(P.), 1 2 = dim(Py) + dim(P,) co El teorema 8 es muy itil, porque con frecuencia es mucho mis facil determiner el es pacio nulo y ta nulidad de una transformacién lineal que su contradominio y su rango. como sugiere el trabajo hecho en los ejemplos 28 y 29. EJEMPLO 32 Determine el contradominio de la transformacion lineal T- R¥ > P- Thabo = (a~b) + (e+ d)x + 2a + by? SOWCION El espacio mule de Pesta generado por(0,0.~1. 1) que se obtiene de inmedia- toal resolver el sistema a= 0,¢ +d =0,2u +h =0. Por tanto la nulidad de Fes | Ash. de acuerdo con el teorema de fa dimension, Rango(T) = dim(R*) ~ Nulidadi 7) = 4 —53M Nucleo ycontradominio 337 Demanera que el contradominio es un subespacio tridimensional de P;, y esto significa que es todo Py, — EJEMPLO 33 Supongamos que una transformacién lineal 7: R*—> RY tiene su nicleo _generado por un vector distinto de cero. Cuil es el contradominio de 7? SOLUCION La nulidad de Tes 1. Basindonos en el teorema de la dimensidn, tenemos, Rango(7) = 4 — Nulidad(7) = 3 Por consiguiente, el contradominio es un subespacio tridimensional de R?. Por lo anterior R=R Transformaciones biunivocas, sobre e isomorfismos DEFINICION DEFINICION ‘Ya sabemos que hay muichos espacios veetoriales en los que se interesan los matemiiticos y los cientificos. Sin embargo, haciendo a un lado las distintas notaciones de los ejemplos in- dividuales, veremos que muchos de esos espacios son “esencialmente el mismo”. En este prrafo analizaremos la nocién de que dos espacios vectoriales son el mismo, A esos espa- ios se les lama isomérficos. Pero comencemos desde lo bisico. La definicin de una transformacién 7: 4 — B entre dos conjuntos permite que 1. Dos o mis elementos de A tengan la misma imagen; 2. El rango de Testéestrictamente contenido en el codominio B. Sila condicién (1) no se aplica, Tes biunivoca, (Transformacién biunivoca} Ln wansfonmacén 7:4 8 selma biunivea,o uno uno, para cada elemento b | del contademinio hay exatunente un elemento a cya imagen es = Ta) Esta puede | Thay) = T(a:) = a = a (5.2)| ‘ bien, en forma equivalente a, # a; Tha) # Ta) 63)| (Véase la figura 5.23.) Sila afirmacién 2 es falsa, Tes sobre [Transformacién sobre) Una ransformacinT: A» Bs llama sobre isu contadominioes igual su codon, esdecin | | an-e sa (Vease la fi338 Capitulo 5m Transformaciones lineales TEOREMA 9 8 4 4 f f ye pI in jo biunivoca sobre biunivoca y sobre Figura 5.23. Tansformacién biunivaca y sobre MEJEMPLO 34 Cuiles de Tas ransformaciones son biunivocas? (Cudles son sobre? (a) T:R? + RY, Thay) = (+ yy) (b) Te) RY, TOx,y,2) = (2,2) SOWUCION (a) Si Texy,y1) = Thx), entonces (xt ~y1,y1,0) = (x2 + yn. 32,0). Por consiguiente, yy Asi, 4 = a2, Por lo anterior, (x1, ¥1) = (22,32) y Tes biunivoca. F no es sobre, porque (0.0, 1) no es Ia imagen de algin vector 2 (b) Tno es biunivoca, porque 710, 0, 0) = (0, 0) = 710, 1, 0). Tes sabre, porque para todo vector 2 (a, 6), hay al menos un vector-3 que se transforma en el anterior. Por ejemplo. Tia, 0, 6) = (a, b). a Etteorema siguiente dice que para demostrar que una transformacién lineal es biunivoca, sélo basta demostrar que transforma a 0 y no fijarse en las demas imagenes. Esto reduce la cantidad de trabgjo que se invierte para investigar si una transformacién lineal es bivnivoca, Sea T: V+ Wuna transformacién lineal. Entonces. Tes biunivoca ¢> Ker(T) = (0) DEMOSTRACION Supongamos que Tes biunivoca. Si v esta en el niicleo de T, entonces T(¥) =0. Pero sabemos que 710) = 0. En consecuencia, T(¥) = 10), o cual implica que ¥ = 0, porque T'es biunivoca. Esto demuestra que todo elemento del nicleo es el vector cero. Por consiguiente, Ker(7) = (0) ‘Alla inversa, supongamos que Ker(7) = {0}. Demostraremos que es biunivoca. Sean w yy vectores de V tales que Z(u) = Tlv). Debemos comprobar que w= v. Como Tes lineal Tl) = Tiv) = Tw) = Tw} =0> Tlu-v)=0 Por tanto, u ~v esté en el micleo de 7, que supusimos era {0}. Por lo anterior. w decir, w= v. Asi, Tes biunivoca (figura 5.24),TEOREMA 10 53 M Nudleoycontracominio 339 Figura §.24 I ndciéo de una transformacién lineal biunivace es cero. WEJEMPLO 35 Demuestre que T: R? R¥, Tix y) =(x—y x + 2p) es biunivoca y sobre SOLUCION Sea Tis, y)=0, 0, Entonces (x~y,x +2y) =(0,0) implica quex~0, »"=0, es decir (x,y) = (0,0) Por tanto, segin el teorema 9 es biunivoca, y ademas su nulidad es cero, El rango es 2, Entonces, el contradominio es todo R?, y a transformacisn es sobre, co MEJEMPLO 36 La tansformaciin del ejemplo 33, jes biunivoca? Es sobre? SOWCION No ex biunivocs, porue el nicleo es distnto de cero. Si es sobee, porque se determind que su contradominio se encuentra en R?. MEJEMPLO 37 Compruebe que T= P; > Pi, Ta * bx) sobre fab) + ax es biunivoca y SOLUCION Se deja como ejericio demostrar que Tes Kineal, Sea p = + br en et nicleo de T Entonces, Tip) = 0. Asi (ab) + 2ax eel polinomio ceo, lo cal implica que a ~h y que 2a» 0,es decir, @ =b=0,Porlo que,p= 0 yet nieleo es {0}, Entonces Pes biunivoca de acuerdo con el teorema 9, y su nulidad es 0, Por lo anterior el rango es 2. sexin el teorema dela dimension, Po tanto, cl conradominio es Py la transformacidn es sobre Una transformacién lineal biunivoce mapea conjuntos linealmente dependientes en con: juntos linealmente independientes. En otras palabras, si T: > Hes lineal y biunivoca, y si [¥j,--. Va} e5un subconjunto linealmente independiente de V. entonces (Teh Tad} | DEMOSTRACION Sea eyes seTiny =340 Capitulo $M Transformaciones lineales TEOREMA 11 DEFINICION Tre + > sean) = 0 porque T'es lineal. En consecuencia, de acuerdo con el teorema 9. Pero como {v4 .. « ¥4} eS linealmente independiente, cy = cc 0. Entonces, {7(vi),.... Tiva)} también es linealmente independiente. [1 El teorema siguiente permite ahorrar trabajo. Dice que una transformacién lineal biunivoca entre espacios de la misma dimension automaticamente es sobre, y viceversi: ‘Sea: ¥ > Wuna transformacién lineal entre dos espacios veetoriales de dimensiones finitas V y W, siendo dim(¥) = dim( 1). Entonces, Tes biuniveca si y sélo si es sobre, DEMOSTRACION Sedeja como ejerici, (Sugerencia: Aplique el teorera 9 y el tearema dela dimensibn) i] (isomorfismo} Una transformacién lineal entre dos espacios vectoriales que es biunivoea y sobre, al mis- fmotiempo,s llama lsomorfismo, Dos espacio vectorial son somorfos i demuestan | esta propiedad entre ellos. Se considera que los espacios isomorfos son iguales, porque ‘sus elementos se corresponden en forma biunivoca y la estructura de las operaciones en el espacio vectorial se conserva a través de la linealidad, EJEMPLO 38 La transformacién T del ejemplo 37 es un isomorfismo. oa MEJEMPLO 39 Demuestre que R'y P,., son isomorfos. SOLUCION Basta con determinar un isomorfismo entre los dos espacios. Consideraremos: T: Re P,.« definida por Thay. -yyat) = ao ax gett T Isomarfismo amis a tartac R® y P; son isomorfos. coo53. WM Nicleo y contragaminio 341 Dejaremos como ejercicio la demostracin de que Tes lineal, biunivoca y sobre y, en con secuencia, muestra isomorfismo, BEJEMPLO 40 Compricbe que Ry My son isomorfos. SOWUCION Observamos ficilmente que el mapeo T: RE Mrs deinida por Tay... a ane (ayy) [t : 2] es lineal, biunivoca y sobre. co WEJEMPLO 41 Demuestre que Ry Mncson isomorfos. SOLUCION Se deja como ejerico oS EJEMPLO 42. Compruebe que My: y May Son isomorfas SOLUCION | Se ve con facilidad que la transformacion T; My, — Mz; definida por rs “| -[g22] ¢s lineal, biunivoea y sobre io Elriterio mis importante para determinar si dos espacios vectoriales son isomorfos es, a la vez, el mis sencillo: TEOREMA 12 Sean V y W espacios vectoriales de dimensién finta. Entonces Vy W son isomorfos = dim (¥) = dir) DEMOSTRACION Si Vy W'son isomorfos, entonces hay un isomorfismo Ts ¥"4¥, Si dim(V) =n y B= {vj,..-.. va} e5 una base de V, entonces el conjunto de las imagenes T(B)= (Tl)... i} es linealmente independiente, seg el teorema 10, Como Fes sobre el generador de 7(B) estétodo en WW, Por tanto, T(B) es una base de 1 porque tiene n elementos. dim(W) ‘Ala inversa, supongamos que V’y W tienen la misma dimensién, a. SiB = [Vit yB'= {vw Ws} son bases de Vy I, respectivamente, se establece un isomorfismo Ts “+ Wen la forma siguiente: si vestéen V, como B genera a V. hay escalaresc, tales que342 Capitulo 5M Transformaciones tineates Definiremos a Teomo sigue: Thy) = ews #2 + GW La transformacion T esti bien definida; los coeficientes c, estén determinados en forma ini a, porque B es una base. Dejaremos que el lector demuestre que res lineal, Pero también es biunivoca, porque si v esta en Ker(), entonces 0= Ti) = aw to Gyn implica que ¢, =*- =c,=0, porque Bes linealmente independiente. Por consiguiente, ), de acuerdo con el teorema 9. Asi, Tes sobre, segiim el teorema 1 y en consecuentcia es un isomorfismo, EJEMPLO 43 Demuestre que R? y R® no son isomorfos. SOLUCION No pueden ser isomorfas, porque no tienen In misma dimensién, C1} HLEJEMPLO 44 Demuestre que R* y P, no son isomorfos, SOWCION Asies, porque dim(R") # dim(P,) dim=2 dima Re y P; no son isomorfos. Nucleo y contradominio con sistemas algebraicos computacionales ara determinar bases del nicleo y el contradominio de Tix, y, 2) = (x + 29 +32,x + 3y+ 25) Maple > vith(1inaig)= > Avematrix([[1,2,3],(1,3,21]): > mullepace(A) ;colspace A): AIS. {(0,1}, (1.0153M Nudleoy contradominio M3 Mathematica Toft] = Ae€€1,2,3),40,3,231 Ia(2] := NulispacofA] RowReducelA) El contradominio secaleula en forma indirecta out ial 1-5, 1, 10) ae out (a}= (11, 0, 5}, £0, 1, -1 >> Ae[t 28; 13.21; >> mill (WD, rret(A) El conrafominio ons én forma indiecta 1 0 8 oor Ejercicios 5.3 cleo y contradominio 10, TP, -¥ Py de manera que En los ejercicios 1 10 determine bases para el ncleoy el Tle + be) = (a 28)x + (a~ 2b)? + 2a ~ abe contradominiy calcul a nlidad yc rango de . Encada cas, Serifiqu ol teorema dela dimensin Enos jericios 11 413 determine una base para el nicleo y el contadominio de T: Ps -» Ps si Tsatistace las ecuaciones x] [ary dadas utly|=| nz ey loess Ma, TO) =x Thx) = The *) [ay 12 Tiplx) = pl +) ar) 2)=|y-¥ 13, TU) = 0,T7(2) = 0, Tix!) «1 xy En os eericios 14a 16 determin. para la mate , fa dimen x) | 2-27 oR sid dl nicleo de a transformacton lineal T-My >My def RoR aril [e3) + super ° To) = AK 5. T:R = RT(W) = 2 pos haa 6, TRE RE es la proyeccion sobre else y waelo1o ia=|iot 000 000 2 TRE RE os la reflenon en la ecta y= Loto HTP Pyde manera que Wa=[-2 20 0 00 Tat bet a2) = (@~b)+(b-oxt (-at or En losejercicios 17319 datermine. para ny 4 dadas. la nuldad 9, Th Peds mado que y cl rango de ls transformacion inal TMs: > Wes defini por Tlatbeted rds n= Xa344 Capitulo $m Transformaciones lineales man[sS 20. Cone ejercicio 50 de la seceién 5.2, suponga que u # 0 Determine el nicleo y el contradominio de 7. Sin = 3, Aeseriba geométricamente al nicleo y al cantradominio, y compruebe el teoreme de la dimensién, Transformaciones biunivocas, sobre e isomortismos Enos ejercicios 21 426 aplique el teorema 9 para demostrar que Jas tansformaciones lineales som biunivoeas, x] of aety ars} [20%] x) ecy aitly| =| -y+2 a) [-aete any [x] a | x- a t[s)= * Ty ~xty sy 24. TP, +P) de manera que T (at be + c2) = (2a-b)+(—broct(—3artehe 25, Ts Py+ Py de manera que Tat bx) = (a+b) + (30+ dbx 26, TP, Py de manera que T(a+ bx) = (228) + (a~ Bix + (-a+ Ble? + (aye En los ejercicios 27 2 32 demuestre que ls transformaciones Tineales son sobre, vt] [S4] ~-E wfc 123 30.7) =|2 2 3|/xxeR 333 BIT Ps + Py de modo que Tlatbe+ et) = (ath) +(a+ox 32, Ts Py + Ps de manera que T(et bx tee) =e be tar En los ejercicios 33 a 37 demuestre que las transformaciones lineales son isomarfismos 33. TP, Py de modo que Ta + bx) = (a~ 2b) + (20+ be wf -La2] mh oo 0 -i/xxeRr 1 36. Tix) = | 0-2 6 37. T: P+ Ps de manera que Tat be + ex) = ce by + (ube? {Couiles de las transfermaciones siguientes Son isomorfismos? de] ff) ftom =a eee 42. THR" RTix) = xt bb FO 4B. TERT RY, Tix) = Axe 44. Demuestre que todo isomorfismo P:R? + RE transtoema fincas rectas en lineas retas 45. Sea B una base de Re Demuestre que a ransformacion de coordenadas es un isomorfisma, TORR Ti)= (hx 46. Sead una matrigm xm de rango.n y sea bun vector De- muestre que la transformacin afin (definida en clo io 39 dela seseibn 5.2) Tek Tix) = ax+b bro es biunivoca y sabre. js un isomorfisma?5.4 WM Lamatriz de una transtormacién lineal 345 Algunos resultados teéricos 4B. Si Tes sobre y un conjunto S genera a V, entonces M15) eneraa Sis i sm eapacios vectorals de gimensones Fes de- 49, Sir ore, entoncesdim( > dim W) 50, Si Tes un isomorfismo y un conjunto B es una base de ¥, 47. Si Tes biunivoca, emtonces dim() dim, en ese caso T(B)es una base de W- 5.4 La matriz de una transformaci6n lineal TEOREMA 13 Objetivos del estuciante para esta seccién 1, Aprender a determinar la matriz de una transformacién lineal 2, Evaluar una transformacién lineal a partir de su mattz. 3. Cateular la matriz de una transformacién lineal con respecto a una base nueva. En esta seccién generalizaremos el concepto de la matriz estandar de una transformacién ‘matricial. Demostraremos que fodatransformacién lineal entre espacios vectoriales de dimensiones finitas puede representarse con una transformacién matricial. Este resultado stil nos permite evaluat ransformaciones lineales mediante la multiplicacién de matrices, la cual puede cefectuarse en computador (Matriz de una transformacién lineal) Sea T: ¥ > Wuna transformacion lineal entre dos espacios vectoriales Vy W de dimen- | siones finitas. Sea B = {vy,.... vg} una base de Vy B’ ={vj,.. va} una base de WW. La ratriz A m Xn cuyas columnas son (Toa IT Oar es a tinica matciz que satisface (TWy = Ava para todow € V, DEMOSTRACION Como B genera a ¥,hay escalares cj, ..., cy tales que v= jv) 790 + Ga AS T(v) = Thm) +o + GT (Me) porque T'es lineal, Por consiguiente, de acuerdo con el teorema 18 de Ia seccién 45. (Tov = 4 (Tovar +--+ en IT (ved Ws346 Capitulo 5 Transformaciones linesies DEFINICION TEOREMA 14 La verificacién de que 4 es la inica matriz con la propiedad {7(v)}» = 4{ ¥}» para todo ¥€ Vse deja como ejercicio, co Malt. por 4 Figura 5.25 Matriz de una transformacién lineal (OBSERVACIONES 1. Elteorema 13 es muy ii, Si conocemos 4 es posible evluar 7) caleulando [7.x como Afv}x, lo cual estan slo una mltiplicacin de matrices 2. La mateiz de depende de 7, y B’.Aun cuando se modifica el orden de los vectores ‘en.una de las bases, la matriz de T'cambia (véase el ejemplo 48). Elteorema 13 tiene la consecuencia importante de que las inicas transformaciones li- reales de Re a Re son las transformaciones matriciales. “Toda transformacién lineal T'; Ri —> R® es una transformacién matecial DEMOSTRACION Sean B y B' las bases estindar de Re y R», respectivamente, Entonces, segin el teorema 13, hay una matriz 4 tal que (Twa (vie5.4 Ml Lamatr de una transtormacién lineal 347 pare todo v € Re, Pero como Tiv) = [Ti¥)]»-v Alvls = AV para las bases estindar, tenemos Tiy)= Av Por consiguiente, Tes una transformacién matricial cuya matriz estindar es 4. [1] WEJEMPLO 45 Si Ves un espacio vectorial n dimensional, y B= {vi,..., vy} es cualquier ‘base, demuestre que la matriz dela identidad /: V—> con respecto a B es I, SOLUCION Como fv.) = viy [vJa= es entonces [Mtv] ™ € para f= 1, ..., Por consi guiente, las columnas de la matriz de /con respecto a B son ey, ..,€,,¥ en consecuencia esta smateiz €8 J co EJEMPLO 46 Sea T; RR la transformacién lineal definida por aby xy xtay yy sean B= (vj, vo} y B= (vi, v4, ws) las bases de R? y RY, donde vise, wee Y respectivamente (a) Determine la mateia 4 de T-con respecto a las bases B y 3’ (b) La matriz estandae de P jes igual que A del inciso (a)? * SOWCION (a) Eneste caso, nesea(t]=[-] + meo=2(3}-[H] ‘A continuacin necesitamos [7(es)}w ¥ (Tei). Es fieil verificar que CE) U8 Por consiguiente,348 Capitulo SM Transformaciones tineales (b) La matriz estindar de 7, que también es la matriz de T'con respecto a la base estindar. es 2041 1-1 1 4 (©) Al-sustituir en I formula para T, se obtiene que no es igual que 4. [4] Asi, por la definieién de un vector coordenado con respecto a B’, 0 0 1 -2 o]-w}i}-2/0] =| ~10 eo I ° ° 20 ransformacién lineal definida por Ta + bx) = av + x5 SJEMPLO47 Sea: P,—> Pyl (a) Encuentre la matriz A de Tcon respecto a las bases B = (vi. v2} y BY= (vi. siendo yee Mex melo (b) Evalie 7(-3 + 4x) en forma directa y usando 4, B y B’, (©) Recupere ta formula general de Tusando 4, B y B’ SOWUCION (a) Como Tix) =x y TU) =x,540M La matriz de ung transformacién tines! 349) 00 aslo. 10 (b) La evaluacién directa lega a 7(-3 + 4x) = -3x + 4x2 Por otro lado, como (o+4ae= [3] Por consiguiente, sucede que 00 [11-3 4)]a =] 0 1 10 Por tanto, T(-3+ 4x) =0-1-3-xt get y se llega a la misma respuesta (©) Puesto que centonces Tla+ bx) = 0-1 +a-x tbo? i JEMPLO 48 Sea T: P,P: la transformacion lineal definida por Tle + bx + ex") b+ 2ex (a) Obtenga la matriz 4 de Ton respecto a la base B = (vj, v2, vs} donde vy = 2, vy yyel (b) Determine la matriz 4° de T con respecto a la base de B’ vj, siendo vi = 1 viexyvin ws (e) Evalue 13x ~4x°y (i) directamente, (ii) a partie de 4 y (ili) usando de a’ SOLWCION (a) Como Txt) = 2, Tx) = 1 y T(1) =0, entonces ° ° (T2)]y = ela = [:| (Tela tla |] 0350 Capitulo § MH Transformaciones lineales 0 [TMs = (lg = | o 0 0 0 0 (b) Para este caso, ° 1 (TWIy = (Oly = (] + (Ty = Me = (| : ° ° De ahi que, ° [Te] y= 2xle = HI ° Por consiguiente, 010 A= ]0 0 2 000 (6) (@) Com evaluacién dirécta se obtiene (3x ~ 4x2) = 3 - 8x Gil) Porque -4 [e-ae]g=] 3 ° tenemos 0 0 0} [-4 ° (riae-42y]g=|2 0 0] | 3] =|-8 o1 ofl o 3 Por tanto, T3x- 42) = 0-8 —8-x$3+1 = 3-8 yy se obtiene la misma respuesta (iii) De forma semejante, ya que 0 oe-ely [ i] -4 centonces . 010 {Tax-4y]y= {0 0 2 000TEOREMA 15 TEOREMA 16 5.4 Lamatriz de una tansformacién lineal 351 Por consiguiente Sexton TGx-4e) 93 Observe que en el ejemplo 48, 4 #4’ — Sea: V+ Wana transformacién lineal entre dos espacios vectoriales de dimensiones finitas, Vy W. Sea A la matriz de T’con respectoa las bases B= (vi... Ve} c Vy B" {vis va} SW. Entonces | L. vesté en el micleo de T'si y silo si v]g esta en el espacio nulo de 4; 2. westé enel contradominio de T'siy slo si [w]y se encuentra en el espacio de columnas de A. DEMOSTRACION 1, La equivalencia es valida, porque veKe(NoTy)=06 © [TW] =0E Re Segin el teorema 18 de la seccién 4.5 © dlvig=0ER" — Sein el eorema 13 © Ms € (4) 2, Se deja como ejercicio la demostracién de esta parte El teorema 15 implica que Ker(7) = {0} si y solo si v4) = {0} y tambien que R(T) = 7 si y sélo si Col(4) = Re. Siguiendo la notacién del teorema 15 1. Tes biunivoca si y s6lo si 4 tiene m pivotes, 2. Tes sobre siy solo sid tiene m pivotes 3. Tes.un isomorfismo si y s6lo si es invertible Cambio de base y la matriz de una transformacién lineal TEOREMA 17 En este parrafo estudiaremos cémo se afecta la matriz de una transformacidn lineal T: ¥—> cuando se modifican las bases en En general, una transformacién lineal tiene distintas matrices con respecto a diferentes bases (véase el ejemplo 48). A veces hay bases que producen una matriz muy sencilla para T, como una matriz diagonal. En este ca80, fa evaluacién de Tes muy sencilla. El teorema siguiente nos dice cémo determinar una nueva representacion (potencialmente fécil) matricial de Ta pantie de otra anterior. Sea T: V+ V una transformacién lineal de un espacio vectorial V de dimensién finita en si mismo, Sean B y B’ dos bases de V.y sea Pla matriz de transicion de Ba B.SiAesta matriz de T'con respecto a B y si a’ es la matriz de T con respecto a ’, entonces ("= PAP352 Capitulo 5 M_ Transtormaciones tineales DEMOSTRACION Como /’¢s la matriz de transicidn de 3’ a B, entonces P ' es la matriz de transicién de B a B’ (sein cl corolario 21 de la seccidn 4.5). Par consiguiente. Wh: P-\[w]s para todo w en ¥. En particular, (7(¥)}x-= P-"(Tiv)]p para todo v en V.Asic ITW)]x PUT )a = = (PUA) la (Alvis) ACP w]e) = (PAP) [vl Entonees, la matriz P-!4P satisface (T(v)]}»: = (P-!4P)[¥]a: para todo v en V. Por tanto. debe ser la matriz de transicién de T con respecto a (figura 5.26), Figura 5.26 El efecto del cambio de base ‘Ahora ilustraremos el teorema 17. WEJEMPLO 49° Sea T: R? > R?la transformacién lineal expresada por [x] 2 [ort 6 r (] [S23] y sean B y B’ as bases eC} E]} =» {iT} (c) Aplique el teorema 17 para calcular la matriz de T con respecte a (d) Caleule la matriz 4” de Ton respecto a B’ directamente a partic de ‘3 & CoDEFINICION 5.4 Lamatriz de una transtormacién lineal 383 SOLUCION meee Ja matiz estinda Ade Tes -3 6 [54] (b) Para encontrar P se necesitan los vectores coordenados de B’ con respecto a ‘B. Tene- soe gue fh) GL-8) En consecuencia; (c) Bs ficit ver que De acuerdo con el teorema 17. wee AYE Jt -[s 4] yde T Al evaluar Ten B’ obtenemos AS (a) Caleutaremos 4” Como tenemos que que es Ia misma respuesta que Ta del inciso (c) Observamos que. en el ejemplo 49, la matriz 4’ es una matetz diagonal | Sean a y B dos matrices (cuadradas) » * . Se dice que # es semejante o similar a1. si existe una matriz P invertible tal que B = PAP. (Matrices semejantes}384 Capitulo $m Transformaciones lineales cicios): 1. Aes semejante a si misma, 2, Si Bees semejante a 4, entonces 4 es similar a B. “Mencionaremas los siguientes hechos bisicos (cuyas demostraciones se dejan como ejer- 4 | 3. Si Bees semejante @ 4'y Ces similar @ B, entonces Ces semejante a A. El teorema 17 se puede reformular diciendo que Las matrices de una transformacién lineal con respecto a dos bases son semejantes. De hecho, como veremos en los ejercicios, dos matrices semejantes dan lugar ala misma trans: formacién lineal con respecto a bases diferentes, Demostraci6n del tearema de la dimensién : Ahora comprobaremos el teorema de la dimensisn (seccidn 5.3), el cual establece que SiT': V Wes una transformacién lineal de un espacio vectorial de dimensin finita en un espacio vectorial IY, entonces Nu sd(7) + Rango(7) = dim(r) DEMOSTRACION Como Ves de dimensién finita, el teorema $ dela seccidn 5.2 implica que R(T) es de dimensién finita. En consecuencia, puede considerarse que Pes una tansfor~ macién lineal entre los'dos espacios veetoriales de dimensiones finitas Vy R(Z). Sea. la mate, de Ton respecto alas bases B y B’ de Vy de R(7),respectivamente. Entonces la cantidad de columnas de 4 es dim(V). Los teoremas 18 y 19 de la seccién 4.5. junto con el teorema 15, ‘mpliean que Nulidad(7) = Nulidad(4)y que Rango(7) = Rango(4) 46) a El teorema, ahora, es consecuencia del teorema del rango (secci Fjercicios 5.4 Sean B, B" y B ls siguientes bases de Py,P:y Py,respectives 1 ab) + bro ar mente 2 (a) +(b- dow Be{ltx-14dCP, 3. BY si Mp) = (a- 6) ¥(b-ebe a Jee Ba (ete itn oh 4. SIT: PrP, Tp) (ab) +2u~ Mbjey seas (2+ 61) Bla (-xt et en-14 CR *) * A Determine la mati A de T eon respectow B Sean p. py p”polinomios culesquiera de P, Pay Pa, espe: iwmene “ Determine la mati de ransicién Pde Sx pratix en Py €. Aprovece (a) y (6) para determina la matriz de T con respecto aS pleatbetae en Py 4, Determine la matri 4’ de Peon respecta a Sdircetaenemte proatherattde en p, a partir de 5. En los ejereicios | a3, determine la matriz de T'con respecto.a 5, Sea T: P)—¥ Pla transformacién linea definida por Tip! = cada base de las siguientes: te be,\ ‘Determine la matriz de Tcon respectoala base estindar b. Determine la matt 4’ de Peon respecio ala base de €. Evalle T¢6s~ 2s: (a) directamente,(b) usando 4, y(€) empleanda 4” sea TP 4 Ps una transformacién lineal, En los ejericios 6 y 7. para la T dada (a) Determine la mati A de Tcon respecto a B ya B’ () Evalie TS ~ 2s) directamente y empleando 4, B y B’ 6, Tip) = b+ ax— ae 7. Tip) = @~ ax be Sea ‘R la siguiente base de Mas EnsEy ~ EasEa + End 8. Obrenga la matriz de T= May donde con respecto a R ' 0 ° 1 5S ME dlgebra de las transtormaciones ineales, 385 10, Demuestre la parte 2 del teorema 15. 11, Demuestre la unicidad de la matriz de ransicién que afir- mal teorema 13 En los eercicios 122 14,4 es la matriz de una transformacién lineal T: Py» Po. Determine n ym, ¥ una formula para Ta), 4 © P, con respecto a cada una de las siguientes: 15, Determine la mata A de T> Mas > Mis, os) foe a rea)-Pe 4] con especial tse R, deme qu Fs wn tom fismo mediante operaciones de venglén reducid de 4 {2Qut teorema aplicaria? 16. Comprucbe que 4 es semejante a si misma 17. Demuestre quesi Bes semejante a entonees es similar a8. 18, Demuestre que si Bes semejante a A, y Ces similar a B, contonces Ces similara A. 19, Para dos mateices, y B »% 0 con al menos una de elas invertible, demuestre que 4 es semejante a BA 5.5 El algebra de las transformaciones lineales (Odjetivos del estudiante para esta seccion Definiremos las operaciones bisicas con las transformaciones lineales, que son suma, mul tiplicacién por escalar e inversidn, y las relacionaremos cof las operaciones bisicas con ‘matrices, También repasaremos y ahondaremos en la investigacién del concepto de isomor: fismo. NOTA Entods esta seccidn, F #'y U son espacios vectoriales de dimension finita386 Capitulo 5 m_Tansformaciones lineaies ‘Sumas y productos por escalares TEOREMA 18 Sean fg: V— W transformaciones lineales. La suma /+ g de fy g es la transformacién f+ g:¥— Wdefinida por (F + giv) = fiw) + giv) para todo v € V. Sea c cualquier escalar. Fl multiple esealar orsi fe PoP flatbxtet)=bta ¥ glatbx+oe)=c—ar SOLUCION La suma fg se expresa como sigue (f+ lat bx tee) = flat be + ce) + gla + bx + ox!) . = (+a) + (e~ ax) = (b+) + (c-a)x El miltiplo escalar 5/s la transformacién con los valores (Sf)(a + bx + oe) = Sfla + bx + cx’) = 5(b + cx) = 56+ 5c f+ gy ef son transformaciones lineales. DEMOSTRACION Sean vi, vs € My seanc).¢> € R. Entonces (f+ 9am tam) = flan teva) + glam + ays) = 6 flv) +4 five) + agin) + age) = a (flv) + giv) + of) + g(ve)) =a lf +a)lvi) +alf + give) En consecuencia, f+ g es lineal. La demostracién que cfes lineal se deja como ej co Observe que pueden formarse combinaciones lineales fit t ef para los escalares ¢),.. « ¢e¥ las transformaciones lineales fi... La suma y la multiplicacién por escalar de transformaciones satistacen propiedades idén- ticas a las de la suma y Ja multiplicacién por escalar de matrices, enunciadas en el teorema | de Ia seccién 3.1. Recuerde que Jes la transformacién identidad, 1: 1° 1, (v)= y Wes Ia transformacion 0: FF, Ow) = 0TEOREMA 19 55 WM Eldigebra de las transformaciones linesles 387 [Leyes de la suma y multiplicaci6n por escalar) Sean fy h transformacioneslineales tales que pueden levarse a cabo las operaciones Seseritas a eontinuacién, cuando ¢ es cualquier escalar, Entoneces L(ftg)th=f+@en fte=stf frosorf=f PH(—fa(-f+fao 2 3 4 Sdftg=ite 6 (a+ bif = af tof 7. 8 8 . (ab)f = a(bf) = bas) 1 | iL DEMOSTRACION Se deja como ejercicio. ‘Composicién de transformaciones lineales DEFINICION La composicién de dos transformaciones g: 4 ~> By f: B+ Ces la nueva transforma- cid f° g: A + Cque se obtiene evaluando Ia segunda transformacidn fen los valores de la primera, g. Por tanto, f © g(a) = faa) para toda a € 4, Esta operacién es muy importante en todas las matematicas y sus aplicaciones. Estudiaremos ahora el caso en el que fy g son ttansformacioneslineales [Composicion) - - Sean g: Us yf: VW wansformaciones lineales, La composicién de feon g es la transformacion fog : U'—» W definida por £28()= Ke) para todo v € U (figura 5. 27), Jee Figura 5.27 Composicion de transtormaciones358 Capitulo 5m Transtormaciones lineales TEOREMA 20 TEOREMA 21 EJEMPLO 51 Seang:9? Ry: Ras wansformaciones lineales definidas por Bay) yxy) -¥ faye) = (e-yxt yt a22) Determine (a) fo g(1,2)y(b) feet. 9) SOWCION (a) La composicién es una aplicacién de R2a RS, f © g :R?—> RY Comog(1, 2)" (3,-1.2). entonces Fo g(1,2) = f(giln2)) = f(3,-1,2) = (4.2.5.4) (b) De igual forma, Fe gay) = flglsyM) = fle + yx — y.2e) = (2y,2e3x + yodx) CO) [Fen 0 essai DEMOSTRACION Sean vj, v2 € Vy sean ¢1, c) € R. Entonces Fe glam + ava) (gla: + e¥2)) ‘(eig(vs) + cag(v2)) caflg(vs)) + caf (g(v2)) = afegi) + afe giv) For consiguiente, fo ¢ es tinea. i Las composiciones de transformaciones lineales satisfacen las propiedades siguientes. (Observe la semejanza con el teorema 2 de la seccién 3.1, si se reemplaza la multiplicacién ‘matricial por la composicién,) (Leyes de la composicién) Sean f, gy fh transformaciones lineales en las que pueden Ilevarse a cabo las siguientes operaciones y sea c cualquier escalar. Entonces se verifica lo siguiente: 1. (feghoh=fo@oh) . folgth)=fogt for . (gth)ef=gofthof . lg 2 h) = (cg) © A= g0 (ch) Te f= fol=f Oof=0, foo=0 Emplearemos los mismos nombres que en el teorema 2 de la seccién 3.1, es decir, ey asociativa, ley distributiva izquierda, etcétera.5.5 WE dlgebra de las ranstormaciones lineales 389) DEMOSTRACION Comprobaremos la partes 1 y 2, dejando las demas como ejercicios 1, De acuerdo con la definicién de composicién, (feg) hiv) = fe g(h(v)) = fig) = fe hiv) = felon Para todo v.? 2. También para todo v, fogs hw) (gt) + f(hw)) ya que fes lineal. = foalv) + fo hiv) =(fegt fe hiv) co Como en el caso de la multiplicacién matricial, la composicién no es conmutativa, Asi en general, fogegof Potencias de una transformacién lineal Seaf: VV una transformacién lineal, La composicién f+ /suele escribirse en la forma f? En forma semejante, se escribe (¥en vez de (72) » fete. También se define f! como fy f* ‘como /, la transformacién de identidad. A esas composiciones se les llama potencias de f Pan Sah Lafefe oy f= fefe-ef — cesfactores”) Transformacién lineal y operaciones matriciales En a seccién 5.4 vimos que hay una relacién muy estrecha entre matrices y transformaciones lineales, que consiste en que toda transformacién lineal f: > W puede representarse con tuna transformacién matricial a través de L/O)e=4lv]s_ para todox€ ¥ 5) en donde B y B’ sonbases fijas de V'y de W,respectivamente, 4 es la matriz de feon respecto a B ya B’ Recuérdese que A es la tinica matriz ue satisface la ecuacidn (5.5) y se expresa como sigue: A= [Lf lan.--Lfvalta] El teorema siguiente nos explica cémo se corresponden transformaciones lineales con las operaciones matriciales. ° Vale la pena hacer notar que no se ha usado ls hiptesis de que las tansformaciones sam lineal en | demostracion de I, porque la asociativida es vilida en general. siempre y cuando estén defini os transformaciones compuestas360 Capitulo $M Transformaciones lineales TEOREMA 22 ‘Sean fy g transformaciones lineales entre espacios vectoriales de dimensiones finilas. con matrices A y B con respecto a bases fijas, Entonces, la mateiz de la transformacisn lineal | i 4. of es eA, | Si fog es AB DEMOSTRACION Comprobaremos la parte I y dejaremos las demas como ejercicios. Para todo ve ¥, (f+ giver = Lf) + stv: [fla + (gv vl + Biv = (A+ Blvlg de modo que A + Bes la matriz def + g con respectoa B ya B a HEJEMPLO 52 Gomprucbe la parte 5 del teorema 22 para las transformaciones del eiem plo 51, empleando las bases estindar SOLUCION Setienen (1.0) = (1.2) g(0.1) = (1,-1.0) = (110), f(0,1,0) = (1.1.0.0), f€0,0,1) = (0,0,1,2) En consecuencia, las matrices estindar dey g son, respectivamente, $(1,0,0) Por otro lado, la composicién f» g se expresa por (f» g(x.) 2p, 2x, x+y, 4x), Portanto, (Fo g),0) = (0.2.3.4) ¥ (Feg)(0,1)= 2,0, 1,0) Asi Ia matriz estindar de fo ges 0 2) P-1o}p, y 40 o o 2} lt? %55 ME algebra de las transtormaciones lineales 361 Transformaciones lineales invertibles DEFINICION TEOREMA 23 Una transformacion lineal: > Ves invertible si hay una transformacién g : V+ Veon la propiedad fog-ly gef-l Ala transformacién g se le llama inversa def Si existe una inversa, es nica (la demostracidn es idéntica a le de la unicidad de la inversa de una matriz). Esta inversa timica se representa porf-', De ahi que feftaty fiefer _ | Observe que si fes invertible, entonces flv) = wes fo" ve) En realidad, 'v) = w significa que f-(ftv)) = -M), lo cual implica que“! » f(y) =/-law) ‘0 = fw). Como estos pasos son reversibles, la equivalencia es el resultado es la equiva lencia, La inversa de una transformacion, si existe, invierte el efecto de la transformaciéin (Fi ‘gura 5.28), Figura 5.28 Una tansformacién lineal y su inversa El teorema siguiente identifica las transformaciones lincales invertibles y los isomorfismos; es decir, las transformaciones lineales que son biunivocas y sobre, estudiadas en Ia seccién 5.3 - — Sea f: VV una transformacién lineal L. fes invertible si sélo si es un isomorfismo. 2. Sifes invertible, entonces f~! es lineal DEMOSTRACION 1. Sea finvertible y sea g su inversa, comprobaremos que fes biunivoca y sobre. Para vy E ¥’.supongamos que flv) = flv). Entonces362 Capitulo 5M Transformaciones tineales ftv.) = flrs) = (flv) = glf(v2)) =e fim) = ge flv) aM Por consiguiente, fes biunivoca. Sea w € Vy sea v = g(w) En tal caso fv) = figtw)) = fo gw) = w Por fo anterior, para eada elemento w existe un elemento v que se transforma a w bajo f Asi, fes sobre Por el contratio, supongamos que fes biunivoea y sobre. Definiremos la inversa def Sea € V. Existe un winico tal quef(wW) =v. Definimos g(v) =w. Por consiguiente, ges bien definida yes a inversa de f. (Compruébelo.) 2. Sea invertible, Demostraremos que f-! es lineal. Como v,, v3 € V.entonces hay vectores limicos, ws, w2 & Ftales que lw,) =v; yflw2)= ¥;, porque fes biunivoca y sobre, de acuerdo con la parte 1, Por consiguiente, wy = f-!(¥)) y Ws =f-"(vs). Asi, ws tv0) =F" flon) + fled) = Ifo, + wad) “Te fives + 2) w+ we) bw Fm) + fa) Hemos demostrado que f(y) + v;) =f-1(v1) + f-l(vs). Dejaremos como ejercicio la ve nificacién que para cada v € Vy cada escalar ¢, Sew) = ef") Por lo anterior, f-! es una transformacién lineal. Cc TEOREMA 24 eV. Entonces 1. fes invertible si y sélo sid es invertible. ee Sea f: ¥— Vuna transformacién lineal cuya matriz es A con respecto a las bases B y B 2. Sifes invertible, entonces 4~! es la matriz de f~! con respecto a B’ y B. DEMOSTRACION Se deja como ejercicio, (| EJEMPLO 53 Demuestre que la transformacién 7: RY Res invertible y determine sa55M El digebra de las transformaciones lineales 363 EP] SOLUCION La matriz estindar A de Pes invertible. Con mis precisién, r-1 1 oo 1 oo 1 En consecuencia, segin el teorema 24, Tes invertible y la matriz estindar de T-! es 4-!. En A 1 1 0 x} ft appx] [x-yte r'lyf=fo 1 -af|y]=] =z oo z] lo o ile z Ejercicios 5.5 Enlosjercicios lad evalie/+ay-Wen(s.y2)yen(-12.0). 7. fy g como enetejercicio 3. 2] _pecyes En los eericios 8 910 determine f= gtx. ») yo (1-3) vty =] [eles cea 4, Bvalle f+ gy -3fena + bry en-6 + Tesi fla+ bx) = bax, gla bx) = Ga+b)— be En los ejercicios 11 213 verifique el enunciado 5 del teorema_ Enos ejerticios $a 7 compruebe los enunciados I y4 del teo- 22 para las fy g dads. para las fy dadas. Use ¢= 2 = 11. Fygcomo en el ejercicio 8 5. fy como cn ol ejercicio 12, fy gcomocen el eercicio9 6. Fy ¢como. jerccio 2 13. fy como ent sjercicio 10,364 Capitulo Sm Transformaciones lineales 14. Con los datos del ejercicio 4, determine fe gy v= f 15, Explique por qué fo g es indefinida, cEsté definida g @ ? & flay) =-yxtyy) 80ay) = (xt yy) @taxty) (xt yet ay) (er yxty) [ort yx 9) 16, Determine dos transformaciones lineales, fy g, tales que foereos 17. Sean REPRE fix.)) = (ry. x+y). Caleule Px») ¥ Pat) ED A 19. Compruebe que fes invertible, No calcule la inversa, (-Pes] 20. Demuestre que fes invertible. No calcule la inverse x] [stay toe fly] = | set ayes 2] [3etayte En los gjercicios 21 2 25 demuestre que la transformacién es invertible y ealcule su inverse, 2. fleys2) = (De ~ 5 2. flmy2) = (e+ 2y— 2B. flsy2) = (et pax dyna tay + 5a) ol] EE] yt, ~22) ix Wy 2.x + 6y +2) 2S. FRE RE, expresada por spb onet a[-ho 1 0 FH) ogy 1 a] oo 1 -l 26, Termine la demostracin dl teorema 18 27. Demuestre el toorems 19. 28. Compruebe los enunciados 3 a6 del teorema 21 29. Demuestre los enunciados 2 § de! teorema 22 30. Compruebe el eoreina 24 Inversas derecha e izquierda En este pirrafo presentaremos las inversas derecha e izquiceda de transformaciones finales, come la hiinios para las matrices en los ejrcicios de fa seccién 3.3 Sea f: VW una transformacion lineal entre espacios vectoriates de dimensiones fintas. Se dice que la transforma i6n lineal g es inversa derecha de /si f= j= J. En forma parecida, hes unainversa inquierda desi = 1. Porejem Plo, si pts, 2) = (x. )) 9 gle, 3) = gle. ¥, 0) entonees p es una inverse izquierda deg, y ga su vez es una inversa derecha de p. porque eater) = (sy) 156) Sea Ala matriz de feon respecto a las bases Fjas de Vy W. Recordemos las definiciones de nversastequierday derecha de matrices, en los ejercici de Ia seccim 33, 31. Demuestre que las afirmaciones siguientes son equisa- lentes: 2. ftiene una inversa derecha, b. Fes sobre. A tiene una inversa derecha, 32. Compruebe que las afirmaciones siguientes son equi lentes 2. fene una inversainquierda bs Fes biunivoca, eA tiene una inversaiaquierda, 33, Confirme quesi tiene ala vez una inversa derech «yvna tnversa izquierda A entonces es vilido to siguieme ageh bs. Fes biunivoca y sobre © Fes un isomorfisma 4. 4 tiene una inversa derecha y una izquierda qu coi iden fe Aes invertibleGiese 56 M Aplicaciones 368 Potencias negativas de transformaciones invertibles 3 Caleule Me Vy C1, 2) si si como hicimos con las matrices invertibles, podemas deter- le my] ca ees rninar fas potencias negativa de transformaciones invertibles Si es inversibley-m 6s un entera postivo, se define . 38, Compare f2-f-Mn vy MMe y)st Taine [ir] 5.6 Aplicaciones Objetivo del estudiante para esta seccién ‘Adquirir una idea de las aplicaciones relacionadas con las transformaciones lineales. En esta seccidn deseribiremos algunas aplicaciones importantes del material estudiado en este capitulo, subrayando las rlaciones de las transformaciones lineales con las grificas de computadora y con los fractales, Transformaciones afines y graficas de computadora DEFINICION | Sea 4 una matriz m Xn. Una transformacién afin 7: R* > R= tiene la forma | Tix) = Ax +b | para algin vector m fijo b. Esta transformacién es nu lineal si b #0, Por lo anterior, (0) #0. Encl caso especial en que m=n y A sea la matriz Ide identidad, nn, entonces | Ta) = ietbax+d Figura 5.29. (a) Taslacién, fo) transformacién afin: rotacién y despues traslacién366 Capitulo Sm Transformaciones lineales 5.29(a) muestra la imagen S’ del cuadrado S después de la traslacién por (2,—1). La figura 5.29(b) muestra la imagen S” def cuadrado S bajo la transformacion afin Tle) = [5 7 x+ [7] T-consiste en una rotacién de 45° seguida de una traslacion por (~2, 0) Las transformaciones afines conn = m=2y n en computadora, EEJEMPLO 54 Obtenga la ransformacién afin Tque convirtié la imagen izquierda de la figura 5.30 en la de la derecha, puesto que se usaron los puntos siguientes: (1,0), (0.7,07),(0,1),(-0. ccuyas respectivas imagenes fueron (2,1), (2.05, -0.3), (1.5.0), (0.65, (135, Figura 5.30 Traslacién con desizamiento de un poligono i), fee SOWCION sean Ta) 4x beonb [2 if [ft] enences rEe}-Ee Sls] +8) -[erec8] Ya que ‘m= 3 son muy itiles para las graficas 7) (—1,0)(-0.7, 0.7), (0, ~1), (0.7, -0.7}. 1,0) 1),(=0.05, -1.7),0.56 Ml Aplicaciones 367 Hegamos al sistema cuya solucién es @= 1,6 =0.5,¢=0,d=1y b= 1, by =~ 1. De modo que, serve [SS] xe [I] Teo) siempre y cuando esta ecuacién sea valida para el resto de los puntos que se usaron en la grifica. (Silo es, compruébelo.) Por lo anterior, Tes el deslizamiento en 0.5 a lo largo del eje x seguido de la traslacién por (1, -1). co ra=|8 8 aH En este caso se caleularon las imagenes de una lista bastante larga de puntos, para producir la imagen transformada, Figura 5.31 Tetraedra grado y trasiadado368 Capitulo 5M Transformaciones tineales Transformaciones afines y fractales En los tiltimos aftos ha surgido un drea nueva en las matematicas, llamada geometria fractal ‘Aunque esta geometria tiene sus raices en varias contribuciones importantes como las de Cantor, Sierpinski, von Koch, Peano y otros matematicos del siglo xix, no fue sino hasta nales I década de los sesenta que llega ser un “campo nuevo”, Esto se debid al trabajo pre- cursor de Benoit Mandelbrot de la IBM Corporation, y ala disponibilidad de computadoras répidas. La palabra fractal, introducida por Mandelbrot, se usa para describir figuras con “in: finitas tepeticiones de Ia misma forma” (figuras 5.32 y 5.33). A continuacidn describire: ‘mos dos fractales, el tridngulo de Sierpinski y un fractal que se ve como un abeto. (Es un anilogo del helecho de M. Barnsley.) M. Barnsley observ que pueden obtenerse muchos objetos “fractaloides” graficando iteraciones de ciertas transformaciones afines, El triangulo de Sierpinski Sean fi. y fi las tes transformaciones afines de R? a R? expresadas por wwe def El triéngulo de Sierpinski puede generarse como sigue: comenzamos con un tridngulo. por ejemplo, aquel cuyos vértices estan en (0, 0), (1, 0). (0, 1) y elegimos un punto dentro de et Figura §.22. Un tingulo de Sierpinsk "© Para conocer mas informacion acerca de los fractles.recomendamos ucsols Ever Barnsley, a, ed. (San Diego, CA: Academic Press. 1993). yy Jara sion Ch Sysrems, de RL. Devaney. 2a ed. (Reading. MA’ Addison-Wesles. 19856 WM Aplicaciones 360 ¥ lo graficamos, dgamos, en et punto (4, 4). A continuacién seleccionamos al azar una de tas tansformaciones fof digamos fy se calcula ygraieaf-L, 1), Patremos de este stuevo punto y repetiremos el proceso tanto como lo deseemos. La imagen que resilta es on “objeto fractal” que parece unteiingulo con agujeros triangulares (ise erafican bastantes pr tos), Véase la figura 5.32. Un abeto parecido al helecho de Barnsley Sean fi ffi fi las cuatro transformaciones afines de R° a R® representadas por 075 003), [ 10 ~0.07 07 |** | 150 0.15 0.51] 10 noo= [8 oi] [8] = [02 025], , [30 «ey [a, OP] [3] vos (9a ]=+[9] El fractal parecido a un abeto de la Figura 5.33 puede generarse como sigue: se elige y _grafica cualquier punto, por ejemplo (5, 5). A continuacién se selecciona aleatoriamente una de las funciones ff, 0 fs, digamos f, y se caleula y grafiea f (5, 5). Haciendo que éste sea ‘un nuevo punto de partida, se repiteel proceso, La imagen que resulta parece tna parte de un abeto, AiG) Figura $33 Abeto de fractals. A continuacién describiremos el procedimiento que gener ambos fractales. Este pro cedimiento produce una imagen fractal para algunos conjurtos de trunsformaciones-afines, ‘No todas las ieraciones de cualquier conjunto de transformaciones ufines producen imiencs fractaloides370 Capitulo 5m Transformaciones lineates Algoritmo ‘un punto inicial (x, 1) | [A iatpaso ?yrepeticunocome seme Ejercicios 5.6 En los ejercicios 12 4 determine ls imagenes del vector cero y las de los vectores de base estindar para las transformaciones fines dads. vro-f tL 2 Ta) = [2 Sle[2 now [ hE ef are=[) 2) ope [ a] En los ejercicios $a 8 escriba las transformaciones afines dadas on fa forma Tix) = 400) * sible Lav] “ileal PCE era] ar En los cetcicios 9 13 determine 4 y b para la transformscién afin Tx) = 4b st 9. T:R! = R,Tie,) (3) res [ S].r0 (Generador de imagen fractal) 1, Comenzar con un conjunto adecuado de transformaciones afines $= fifo... fal ¥ 2. Elegir al azar una transformacién afin de S, por ejemplo fi 3. Caleular y graficar el punto f(x, y4) Igualar (x4 v1) = f(s 19). | 4, Ie al paso 2 y repetir tanto coma se quiera | ve roman [ 4} re=[-3} 20 [-3] rir [fhe 12. T:R Ry ERR? y rer [2]. rors [4]. tesnewe| res [7] 4] 14, Demuestre que si Tes una transformacién afin con 170) b entonces L(x) = Tex) —b es una transformaci6n linc 15, Sea T: Re—+ Re, Thx} = Ax = beualquiertransformacion afin, Compruebe que Tqueda determinado en forma tinica pot los valores Teh Mesh Me ¥ TO) (Sugerencia: Observe que T(O)= by qu [149 = Tix} —Ihesuna transformacisn matricial lineal.)5.7 Ml Miniproyectos 371 16, Demuestre que toda transformacién afin 7 Tix) = lx + convierte lineas rectasen lneas rectas 9 en rms ro=[} }ee[] J 11, Sea TRY + Ro, Tix) = x + b una tansformacion afi, {Cuil es la relcidn entre el conjunto (x € RY, TO) tl eanjunto de soluciones del sistema [4 :-b]? 18, ‘Trace la imagen de la recta x 5.7 Miniproyectos 1m Algunas transformaciones afines especiales En este proyecto el lector e explicara las bases de algunas transformaciones afines especiales: las similitudes. Estas se usan mucho en gréficas por computadora, sistemas dinimicos y ‘en fractales. Una transformacién de similaridad o similitud 7: R? — R? es una transformacién afin especial que tiene una de las formas siguientes: = [reos@ ~rsin by ro=[FSne roo |** [th] _[reos@ rsin8 |, [br a) (Soa reno) ** [a] para algiin escalar r# 0, algdn dngulo 8,0. 02m, y algunos escalates hy y ha. Las similitudes son rotaciones escaludas seguidas de traslaciones, o rotaciones reflejadas y escaladas seguidas de traslaciones, Por esa causa conservan los ingulos, coma veremos después, Problema A Demuestre que las transformaciones siguientes son similitudes: |. Toda rotacién en toro al origen 2. Las reflexiones en torno a los ¢jes. la diagonal o el origen, 3. Cualquier homotecia de R Problema B 1, {Son similitudes todos los destizamientos? Compruébelo con los deslizamientos cuyas: 1 05 1 05) of] [0s °s} {Son similitudes las proyecciones sobre tos ejes?” {Son similitudes las traslaciones?an Capitule $M Transtormaciones tineaies Problema C 1. Deduzea una frmula paral similitud T que transforma el trigngulo (0,0), (1,0).(0.1) en el triénguto (1,1), 1, 0, (1,-E 2. Sea S [a imagen, bajo 7, de rectingulo $ cuyos vértices estan en (0, 0),(2,0),(2. Dy (0, 1), sea S:laimagen de, Calcule las reas (5), (S\)y (Sp) y compare las telaciones (Ss) S)y¥ SIS. 3. Deduzca la frmula de a similitud R que hace girar 45° a cualquier punto en torno al origen. despues lo escala en un factor de 2 y por Gitmo lo traslada por (1. 1. 4, Determine la imagen L), bajo R, del tingulo L cuyos vertices estin en (0,0). (1.0) y (0,1), y determine Ia imagen L> de 1, Calle las rlaciones de reas (3): (L))y(l,) (2) Qué he observado? 2 m Otro fractal Por lo general, as imagenes de fractales no pueden graficarse sin el auxilio de una computadora, En este proyecto estudiaremos un fractal que, hasta cierto punto, puede visualizarse al graficarlo a mano. Se tienen los rectingulos con los vértices indicados: As (— DU DAH1 DHL =D, Bs (1,0) (1, 1.(-1,1)6(-1,0) Cr (250),(2, 1 (-2, 1) (-2,0) También se consideran las siguientes transformaciones afines: ray = [0 eal os mol el] Sean Af = R(4) (Ia imagen del rectingulo 4 bajo R), 48 RAD. AL RAD, En forma parecida, sean 41, 4!, Aly A! las imagenes correspondientes bajo T. También se tienen las imagenes consecutivas de B, que son BY, BY, BE y BE bajo R. y Bj.B!. BLy BE bajo. Las imagenes de C se definen de la misma forma. El problema A tiene por objeto mostrar al lector los efectos de Ry T sobre 4. By Cy sobre sus imagenes iteadas. Problema A 1 Trace 4, 4%. a8, fy Af en una grificay A, AT. AE AL y AT en otra 2. Trace 8, Bf, BY. Bt y Bt en una gratica y 8, Bf BY. Bly Ben otra 3. Trace €. C4, Ch. Cly Cf en uma grifica y CCE CL Cl y Clen otra El problema B tiene por objeto mostrar la imagen fractal venerada al aplicar & y Tal origen e terar.58 WM Efercicos en computadora 373. Problema 8 Sea P(0, 0). Determine las dos imigenes de P, Py y P,, bajo Ry T.A continuacidn determine las imagenes P;, Pade P, bajo Ryy T, y las imagenes P,P, bajo T. Continue eon este proceso hasta donde desee. Después grafique todos los puntos que determin. Se necesitan de $.a 6 iteraciones para ver Ia formacién de un abjeto fractal, El problema Cle indicara cémo se afecta una imagen fractal si se comienza en un pun- to distin. Problema C Resuelva el problema B comenzando con el punto (0,5, 0.5). 5.8 Ejercicios en computadora Esta sesién de computadora le ayudar a dominar los eomandos de sus programas que se relacionan con los temas de este capitulo. Adems, servira para repasar algunos de los conceptos bisicos. Sean TARR, Tioay2) = Ox—y + ax + y.2y— 32) TrR RP Tabsy TeR=R, — Tylny,2) TERR, Tlsy,2) Bx 4y,x+3y,-y) Qe = y+2x-2) mytext Lay) 4. Defina 7,73, Thy Te 2 Caleule 70, 1.) TAL, TAL, TAN 3. Demuestte que Ti, 2 73 son lneaes. 4. Comprucbe que T, €5no linea! 5. Determine las matrices estindar de TT, 7 Una transformacion lineal Tes tal que 0,2, 0,-1.0) TU, (0, 1,0, —1) 113,34.4) = (1.1, -1) T14,4,4,5) = 1,-1.1) 6. Obtengs fa matriz estindar de 7 7. Caleule 72 2) Sean Tile poz.) = (x By + 32 + dw. 2e + By + 42 + SSK + by + 52 + Ow) (x + 2y #324 4,20 + 2y + 3s 4 4 3x + By + 30 + AW) (x4 2y + 3+ dw,2x + 2y + 3e + dw, 3x + Sy + 32+ a, deny tas +40)374 Capitulo SM Transformaciones tineaies 8. {Cualees) dev 9. Cualles) de ws Para cada transformacién Ti, Tay Ti 10, Determine la matrz estindar I v= (18, 31.8. 5)y © ~ (42, $9, 26), wy = (42, $9, 79) esti) en RIT)? 1.1.8, 7) estitm) en Kent TiN? 11, Caleule una base para el micleo, ;Cual es la nulidad”” 12, Obtenga wna base para el contradominio, {Cuil es el rango? 3. Verfique et teorema dela dimensin, 15, {Clerto0 falso? a RIT) = R b. RIT) = © RI) i. {Cual(es) de las) transformacién(es) T, Tz Ts biunivoca, sobre, un isomorfisma a nada defo 16, Defina Ty evalie T(x +1), Demuestre que Tes lineal Tao 7. Caleule Li2e' + 2 Ue +28 +344) Ue +30 + 50+ 7) Le 430 + 444) Tae +42 + 4+ 5) Thax + b) = (3a Abbe + (a+ 3bx~b = 24-2), Les lineal de tl forma que etste eteoxtl 18, Encuentre una base para el espacio nulo de F, donde Flat + be + ext d) =(at 2b + 30+ Ady 19. Determine la matriz M de Tcon respecto a B= te Ieee 1 y B' TPP. Tart + (20+ 30-4 Ge + Sale 4+ (3a + 4b + Se + 64) sieht het (3a ~ ab)e + (a+ 3b ix b Soluciones seleccionadas con Maple withclinala) # Bercicios 1 a 5. # Bn lugar de THi= Cxy,2) —> vootortlareyr2, xy, 2 # tambien se puede usar lo siguiente, més sencillo TI sm Gx, y, 2) > (Ry, KY, BB Ah: 12 = (x, ¥, 2) > BAY, BY, VI: TS i= (x,y, 2) > Ree yee, x TEs Gey 2) hyee, wel, BVI; # Se carga el paquete para el conjunto completo, /-B*2)); ete,5.8 Mi Efercicios en computadera 375 # Tambien TI := proo(xy.2) (2*x-y42, x+y, 2°y-B'2] end, ete, TLA, 1 Ds # También 12(1,1); T8CL1,10; TA, 1, Ds # A continuacion se necesita el comando equal, cargado con el paquets # linalg. equal prueba vectores y matrices para ver si hay igualdad, # Primero comprobar la parte I de la definielén: equalcTl(xL+x2, yl4y2, 21422), TLOL, yl, 21)+P1G2, y2, 220); equal(T2(x1 4x2, yl+y2), TAI, yIT2EKZ, ¥2)); equal(TS(xl+x2, ylsy2, 21422), T3x1, y1, 21)+T8OX2, ye, 22)); equalcT4(x1+x2, yl+y2, 21422), TAG, y1, 21)+T4Gx2, ye, 22)), # En la segunda parte tener cuidado. Un producto como e*[x-y.x+yl # no se simplifica autométicamente a [o"x-c'y, ctx+0"y). # Primero usar evalm(o*[x-y,x+yl); para pasar el escalar al interior: # lo"Gx-y),c*Orry)]. Ahora expand({o"Cr-y), ¢*(x+y)]); no se aventaja. # Se necesita pasar al vector o enlistar y desarrollar # cada componente por separado con mapCexpand, [o"(x-y),o*Cx+y))s equal(TL(o"x, o*y, o*2), mapCexpand, evalmcerTl(x, y, 2))% equal(T2(c"x, oy), map(expand, evalm(e*T2cx, y)) equal(TS(o"x, o*y, o*2), mapCexpand, evalmco"P3(x, y, 20); equal(T4(o"x, o*y, o*2), maptexpand, evalmco"P4cx, y, 2)))%; MPL i= augment (T1(1, 0, 0, 7100, 1, 0), TLC, 0,19); # Evaluaoién en los MT2 := augment (T2(1, 0), T2(O, 1%: # vectores de base para obtener MTS i= augment (TSC, 0, 0, TCO, 1, 0), T8CO, 0, 1); # la matriz estandar. # Bleroicios 6 y 7 M sx matrix({i1, 1, 5, 4), (2, 8, 3, 41, (3, 5,4, 41, 14,7, 4, 81; # Les veotores del dominio. Id := matrix<({1, 0, 0, 0}, {0, 1, 0, OL, (0, 0, 1, 0}, [9, 0, 0, 119 #14. N sm matrixc({1, 0, 1, 1, 10, 1, 1, 1, F1, 0, 1,1), 11, -1)-1, 1) # Les valores. M1 := rrefCaugment(M, 1d)); # Reduccién de [M:1_41 M2 := deleols(M11, 1.4); STM := evalm(N & M2); # La matriz estandan. evalm(STM &* vector(l2, 2, ~2, -2D); # T2,2,-2,-2) mjercicios 8 2 15. TL i= Ge, y, 2, W> (xaRtysBraedtw, BexESty+atz4Stw, StxedtysS*ze6" wT]; 2 := Cx, y, 2, W) > [xeRtysBraedrw, BxeB YES adew, SxeS +See wh; TS i= Ge, ¥, 2, W) > [x4BtyeSrzsdew, BexeBry Breet, Bxastyeseedtw, ded ysatzed wl T1G1, 0, 3,-2), — # vl enel micleo T1(18, -81, 8, 5); # vB en el nicleo TIC, -1, 8, 7%; # vB no esta en el nucleo. MI := augment (T1(1, 0, 0, 0), TIC, 1, 0, 0), TIC, 0, 1, 0), 7140, 0, 0, 1); # Matriz estandar. Mwl = rref(augment (M1, vector((2, 7, 12); # En contradominio CT1), Uitima columna es pivote. Mu -= rrefcaugment (M1, vector((42, 59, 76]))); # En contradominio (T1). {Ntima columna es pivote. Mw2 i= rref(augment (M1, vector((42, 69, 77))}; # No en contradominio (Pl). tNtima columna no es pivote. evalm(M1); # La matriz esténdar de Tl ya se determind. Las demas son: M2 := augment (TAC1, 0, 0, 0), TCO, 1, 0, 0), T2(O, 0, 1, 0), TACO, 0, 0, 1); MB := augment (TSC, 0, 0, 0), T3(O, 1, 0, 0), TSO, 0, 1, 0), T8O, 0, 0, 19); #0 bien, kernel(M2) etcétera # kl tiene dos vectores, asi que nulidad 2376 Capitulo 5 M_Transformaciones lineaies 1 := nullspace at); # Nucleo no cero, T1 no es biunivoce, # Por tanto, no es isomorfismo. # Tambien, k1:ekernel(T]); # k2 tiene un vector, por tanto, nulldad 2. ka := nullspace M2); +# Nucleo no cero, T2 no es biunivoca. # Por tanto, no es isomorfismo, # Tambien, k2:skernel(?2); KS := nullspace(M3); # KS no tiene vectores, por tanto nulidad 0. 7 es biunivoca. # Tambien, k8:=kerneK(T3); # Las 2 primeras columnas forman una base para el contradominio. Pref(M1); # El rango es 2. 2 + 2 = cantidad de columnas. # El tercer renglon no es pivote, asi que no es sobre, rn 4 También, Pi :erangecr 1); # Las 5 primeras columnas forman una base para el contradominio. P2 2= rrefM2) # Bl rango es 5. 8 + 1 = cantidad de columnas, # Cada renglon tiene un pivote, asi que es sobre # Tambien, r2:=rangecT2); # Todas las columnas forman una base para el contradominio. PS 25 pref(M3); # Bl rango es 4. 4 + 0 = cantidad de columnas. # TS es biunivoca y sobre, por tanto es un isomorfismo. También, rS:=range TS); # Falso. Tl no es sobre. # Cierto, T2 es sobre, # Cierto. TS es sobre # Bjereicio 16. T i= (@, b) > (Stand, a+", OI; # Usgremos (a,b,cl para indicar ax*2sbxee Td, Ds # TH+). equal(al+a2, bl+b2), Téal, b1)+T(a2, b2)); # linalglequal] prueba si hay igualdad de matrices. # Para simplificar c*[a-b,a+b] a [cta-c*b,c'avo"b} se usa evalm(o*[a-,a+b)); # para pasar el escalar al interior a continuacl6n “map(expand()” para desarrollar cada componente. equal (Tc'a, e*b), map(expand, evalm(o"T¢a, b)))); ’ # Bjeroicio 17 # Primero se forma una matriz con los coefielentes de los polinomios dados. M = matrixcIll, 1, 3, 41, (2, 3, 3, 41, (8, 8, 4, 41, 14,7 4, SID; # después una matriz con los coeficientes de sus valores. W is matrix({(1, 0, 1,11, (0, 1, 1, 11, 1,0, 1,-D, 1, M1 := rrefceugmentaM, vector(l2, 2, -2, -2D)): # La iltima columna de M1 tiene como elementos los coeficientes de 2x%B+2x"2-2x-2 deteolscMan, 1.4 # en funcién de los polinomios dados. evalmal &* (")); ‘# Multiplicacién por W para evaluar T(2,2,-2,-2), ups # Bjercicio 18, # Igualar F=O, Se necesita resolver ar2b+Se+4d=0,2a+3b+4c+5d=0,5a+4b+Ser6) Mss matrix, 4, (1,2, 3.4, 2,3, 4,8, 3, 4,5, 6D; # Se calcula una base para NM := nullspaceqy;, # el espacio nulo de la matriz. de oveficientes. evalm(matrix((NM[1], NM[2]) e-vector ([x*8, x*2, x, 11); # Bn forma de polinomio.58 WM Elercicios en computadora 377 Hjereicio 18 Tos (a, b) > matrix (B, 1, [Sta-4*b, a+B*b, OY; # La transformacion. 2 := matrix<{[1, 0, O}, (0, 1, 1], FI, 1,-1ID; | # Les coefiotentes de 2” aug := augment(b2, TO, -1), TC, 1); # Los coefloientes de TCx-1),TGx+1) pref(aug); # en terminos de 4’ se calculan con rref(aug); Getools¢", 1.5); # Las 2 tltimas columnas forman la matriz de 7. Soluciones seleccionadas con Mathematica < ( Antes de comprobar la igualdad hay que desarrollar los dos lados. *) SameQ{Expand (Tlal+az, b1+b2}}, Expand{T(al, b1]+T(az, b2j}) SameQ(Expand (e T(a, bl, Expand (Tle a, ¢ bil} (7 Byeroteto 17. ( Primero se forma una matriz con los coeficlentes de los polinomios dados. *) M=((1, 1,3, 4), @ 3, 5, 41 (3, 5, 4, 41, 14, 7, 4, SI) Be. O 1, UI, 2,4, Us 2, 0, 1-1), (1, -UIh a continuaoién una matriz con los ooeficientes de sus valores. *) M1 = RowReduce(AppendRows{M, (12), (21, 21, [Il]58 Mi Efercitios en computadora 379 (* La altima columna de M1 tlene como elementos los oosficientes de 2x°S+2x"2-2x-2 *) ‘TakeColumns(M1, (6]] (* en términos de los polinomics dados. *) n.% (¢ Multiplicacion por N para evalyar T(2,2,-2,-2). (7 Bjersteto 18. *) Igualar F=0. Se necesita resolver a+2b+3er4d=0,2+3b+4e+Bd=0,32+4b+50+6d=0. *) M = IQ, 2 3, 41, (2, 5, 4, 5), (3, 4, 5, 6) C Se calcula una base para el *) MN = Nullspace(M) Ct espacio nulo de la matriz de los coefiolentes. *) MN . the), bc*2), (x1, (1 C* La respuesta en forma de polinomio’ *) * Bercicio 19. *) Tea, b] = (Bad d, a3 b, -b) ba=I[1, 0, 0}, (0, 1, 1}, 1, 1,1 @ Los coefictentes de B" y los de *) aug = AppendRows(b2, Transposel(M{1, -1}, 701, 1.) -PGe1),7Gx41) *) RowReducelaug) en términos de B’ se caloulan con rref(aug). *) TakeColumns(%, (4, 51] (* Las 2 witimas columnas forman la matriz de T. *) Soluciones seleccionadas con MATLAB % Rjereicios 1a 5, function [A] = T1Gx, y, 2 % Definir la funcién TI editando y guardando Acl2x-y+2; x+y; BY-S*2h; % un archivo llamado T1.m en el directorio end % actual de trabajo y teclear los 3 renglones a la izquierda. function (A] = T2Gx, > % Repetir con 72. As Betty: ey: yh end function (Al = TSCx, y, 2 % 78, A= [2*x-ye2: x-2l; end function [A] = T4Gx, y, 2 % 74. As bytz; x+l; 2¢yh; end 96 A continuacién, en sesion de MATLAB, escribir: mai % También, T20,1) TSAI) T4Q,1, D. 'T4CO, 0, 0) % Se obtiene un valor distinto de cero, entonces T4 es no lineal. TACO, 0, 0) == (0; 0; 0} % También se puede Investigar la igualdad. (TLC, 0, 0) T1(O, 1, 0) T1CO, 0, 13% Bvaluacién en los vestores de base (rac, 0) 73, 11 % para obtener la matriz estandar. (31, 0, 0) T8(O, 1, 0) TSO, 0, 191 % Rjereiclos 6 y 7. 113 4;2584;3844;474 68) —% Los vectores del dominio. 1,01, 150, 2, 1, 1-1, 0, 1-1 Ly ly -1,=1, 1) % Los valores, efcMt eyec4)]) % Reduecién de (M:1_4] % La matriz estandar % T2,2,-2,-2}380 Capitulo Sm Transformaciones lineales % Bjercicios 6 a 15, % Como siempre, definir las funciones editando y guardando los archivos lamados T).m, T2.m % y TS.m en Ia sesion actual, (Bl cédigo sigue.) Estando en sesion MATLAB 96 evaluar cada funcién cuando sea necesario. function [A] = T1Gx, ¥, 2, wl A= [aR sS'214tw; Boa Bty sates Btw; Stxed 4642464); end, function (A] = T2Cx, y, 2, W) A= Du y+B2eatw; BueRtysStzeawy BeSyStzeatwh end function {A} = TSX, y, 2 A= DURty+S2tatw; BuaBy+Stataw; SS y+Bezedew; axed yedtzeatwhs end TCL, 0, 8-2) % v1 en el nicleo, T1(18,-31, 8, 5) 9 v2 en el micleo, Ta, “1, 8,7) 9% v3 no esta en el nucleo. (T1C1, 0, 0, 0) T1CO, 1, 0, 0) T1CO, 0, 1, 0) T2(0, 0, 0, 1)] 9% Matniz estandar. ‘ref((MI [2; 7; 12)}) % Bn contradominio(T1). Ultima columna es plvote. ‘ref(IM1 [42; 59; 76]}) % Bn contradominio(T1). Ultima columna es plvote. j=rref([M1 [42; 69; 77]}) % No en contradominio(Tl). Ultima columna no es pivote. % Ya. se determin6 matriz esténdar de Tl. Las demas son: 0) T2CO, 1, 0, 0) T2(0, 0, 1, 0» T2(0, 0, 0, 1) MB=(TSC1, 0, 0, 0) TSCO, 1, 0, 0) TSO, 0, 1, 0) TSO, 0, 0, 11 % k1 tiene dos vectores, luego nulidad 2. Wull(M1) _% Mcleo no cero, T1 no es biuntvoca. % Por tanto, no es un isomorfismo, % k2 tiene un vector, asi que nulidad 27 K2=null@M2) _ % Nucleo no cero, T2 no es biunivoca % Bn consecuencla no es lun isémorfismo wullQM3) _% KB no tiene vectores, entonces nulidad 0. TS es biunivoca. % Las 2 primeras columnas forman una base para el contradominio. risrref@Ml) % El rango es 2. 2+ 2 = cantidad de columnas, % Bl tercer renglén no tlene pivote, luego no es sobre. % Las 3 primeras columnas forman una base para e} contradominio, reerref(M2) % El rango es 8. 3 + } = cantidad de columnas, % Cada renglén tiene un pivote; por tanto, spbre. % Todas las columnas forman una base para el contradominio, PS=rref(M3) % Bl rango es 4. 4 + 0 = cantidad de columnas. % 73 es biuniveca y sobre, por tanto, un isomorfismo. % Falso. T1 no es sobre. % Cierto. T2 es sobre. % Cierto. TS es sobre. k x % Rjereteio 16. function (A) = Ta, b) _% Bn un archivo de funcién se teclea el codigo: A= [Stad*b; arb; -D); nd a,b % Mjeroicio 17, 9% Primero se forma una matriz con los eoefietentes de los polinomios dados, M=(1134,2334,5544474 8)5.8. Wl Elercicios en computadora 381 % después una matriz con los cceficientes de sus valores. W=(1011,0114-101—;1-1-101 % La ultima columna de Ml tene por elementos los cosflcientes de 2x"3+2x°2-2x-2 M1 = rref(IM(2; 2;~-2;-21] _% en términos de los polinomios dados. MIC, 5), N* ans % Multiplicacién por N para evaluar T(2,2, 2). % Rjereicio 18 % Igualar P=0. Se necesita resolver a+2b+Sordd=0,2a+Bbede+Sd=0, Sar4d+Sc+6 M=(1234,2546,3456) — % Se determina una base para nullant % el espacio nulo de la matriz de cosficientes. % ADVERTENCIA: La respuesta-es muy distinta de lo correct N/norm(N), donde N={1 2;~2 ~8;1 0:0 1}. 5 En forma polinomial esto es (0.4082x-0.8165x2+0.4082x,0.5345x"5-0,8018x"2+0.2673) % Bjereiclo 19, function (Al A= (S24 . b2=I1, 0,0; 0, 1, 1y-1, 1,1] % Los coefictentes de 2” aug = [b2, 7 (1,1), TC, 1) ] 9% Los coeficientes de TOx-1),Txt > rref(aug) % Los coeficiontes de i’ se ealoulan con rref(aug) andt:, 4:5) 4% Las titimas 2 colurmnas forman la matriz de % Bn un archivo de funcién teclear la transformacién.Determinantes El dlgebra es generosa; con frecuencia da mas de lo que se le pide. Jean Le Rond D”Alembert (1717-1783) Introduccién co [TT Los determinantes es uno de los temas mis tiles de! dlgebra lineal, con muchas aplicaciones con ingenieria,fisica, economia, matemiticas y otras ciencias. En la geometria ofrecen una forma natural de escriture de formulas muy elegantes que calculan areas y vollimenes. y 1am- bién ecuaciones de objetos geométricos como rectas, circulos, planos, esferas, etcetera Dirichlet nos dice que los determinantes fueron introducidos por Leibniz, en una carta ‘3 LHOpital fechada el 28 de abril de 1693. También hay pruebas de que Seki Takakazu, matemitico japonés, ya los usaba en 1683. Los principales contribuyentes en esta rea han sido Laplace, Cauchy, Jacobi, Bezout, Sylvester y Cayley. EI problema de fas vacas y los campos de Newton En 1707, Sir Isaae Newton! propuso el sigaiente problema, Supongamos que 4 vaeas consumen b, campos en cy dias 4; vaeas consumen b, campos en ¢: dias 4 vaeas consumen by campos en cs dias Considerando que todos los eampos producen la misma cantidad de pasto. que el crecimiento diario de los campos permanece constante y que las vacas comen la misma cant dad cada dia, cque relacién existe entre los 9 niimeros dy... 6s? "Sir Isaac Newton (1642-1727) nacid cn la Navidad del aho que Galileo muri, en Woalsthorpe-bs— Colsterworth, Inglaterra, Revolucion tanto las matemsticas came la fisica al inventar cl cilewlo § la teoria de la gravitacion en mecinica. Su trabajo sobre li gravedd expica los mos iments planeta deseritos por Kepler. Acerca de sus asombrosos descubrimientas, dijo: “Si he visto misalk que otros es porque me he apoyad on hombros de gigamtes” Muri ef 20 de marzo de 1727.» fue emer en la Abadia de Westminster. Junto con Arguimedes y Gauss. Newton se yergue gnte Ios es matemiti= mndes de todos los tiempos 3826.1 6.1 BM Determinantes y desarrolio en cotactores 383 Al principio, lo sorprendente es que pueda haber alguna telacién, Sin embargo, como explicaremos en la seceidn 6.5, esos niimeras satisfacen la siguiente condicién, El determinante de la matriz ey bey by me he by xe ae by ‘Aunque los determinailes aparecieron en las publicaciones a fines del siglo xv (mae cho antes quclas matrices el primer trabajo que los estudi en forma sistematic fue eser- 20 por Vandermonde’ en 1772 ‘CONVENCION ‘A menos que se diga otra'cosa, en este capitulo todas las matrices son cuadradas. Determinantes y desarrollo en cofactores Objetivo det estuclante para esta seccién Caleular las determinantes aplicando el desarrollo por cofactores, seas [f0 12 | 1 armies nimeo eta) EJEMPLO 1 Le “1 aa} 2 a] 2-(-2)-(-I-4=0 Ss sea =] 2 Vase una historia Breve sobre el tema en Lessons Introductory tothe Higher Modern Algebra, de {George Salmon, DD. Sa. ed. (Chola Publishing Company. 1885), pp. 338-339. 'A-T. Vandermonde (1735-1796), francés, aulor de algunas de las primeras contrbuciones a fa 120+ ria de los determinantes. También tabajé en geometria: Gauss conoeié sus trabajos, (No debe confun irse con CA. Vandermonde, matemiticn contemporineo que tabajé en ta deduccin de uns formula puta las raiees de ls euaciones polinemtale.)A 384 Capitulo 6 m Determinantes, El determinamte de B puede escribirse en términos de 2 2 dein once Sa) -enae[S 3] eee [3 2] ‘en la forma explicita siguiente: det(B) = ays(azzasy ~ asaya) ~ ayplaniays ~ a33Ay)) + a(@z.A92 ~ 32m.) ‘También hay un artificio para memorizar esta formula, llamado esquema de Sarrus. Se agregan las dos primeras columnas a la derecha de B y se forman los productos de los elementos que atraviesan las flechas. A los productos de las flechas que van de la izquierda superior a la derecha inferior se les asigna el signo mas y a los otros el signo menos. A con- tinuacién se suman todos los productos con signo. det(B) = anrdrrasy + ayzarsasy + a,3021A32 ~ 1343203 ~ ajyay,a32 ~ 21203,09) ADVERTENCIA El esquema de Sarrus no se aplica alos determinantes 4% 4, 5% 5, y alas de mis alto orden, Sean WEJEMPLO 2 0-2) sual? 2) oan ft . | Dal mismo mde psd afi oe detente 44 det o 2 2 a mae ay ay ays6.1 ML Determinantes y desarrollo en cotactores 385 EJEMPLO 3) — 12 0 -12 0 ° det(D) = det} 1 0 =2| —2det|-2 0 -2| +oder 4 02-1 12-1 “1 “112 ~Adet]-2 1 0] =1-6~2-(-12)+0-(-3)-1-0=30 102 ca Podemios continuar en la misma forma y definir los determinantes m x n en términos de los de (n ~ 1) X (n— 1), los cuales se llaman menores. El menor (i,j) de una matriz 4 se re. Presenta por Myyy ese determinante que se obtiene eliminando el i-ésimo renglén y laj-ésima columna de 4 Hemos presentado lo que se lama desarrollo de un determinante por cofactores respecto al primer renglén. Cada elemento de este renglén se multiplicd por su menor correspondiente. Cada uno de esos productos se multiplic6 por + 1, dependiendo de la posi- cign del elemento, Los productos con signo se sumaron, De hecho, no hay nada especial acerca de Ia eleccin del primer renglén en el eéleulo del determinante. Pudimos haber usado cual- 4quier otro renglén o columna. Veamos cémo. ‘Sea 4 es una matriz cuadrada. Primero asignamos un signo a cada elemento de A siguiendo una disteibucion de tablero de ajedrez, con signos més y menos: ++ be t+ En seguida se lige cualquier renglén o columna y se multiplica cada elemento con su signo que da la tabla, por el menor correspondiente. Por iltimo, se suman todos esos productos, Observe que el signo de la (i, j)-ésima posicién en esa distribucidn de tablera de ajedrez se ‘obtiene con el factor (=I) "1 MEJEMPLO 4 El det(C) desarrollado respecto al tercer renglon es dexo) = oan [5 <2] 248} aa] a] EJEMPLO SEI det(D) que se amplié respecto a fa segunda cclumna es “1200 roo. boon det(D) = -2det}-2 0-2] +1det|-2 0 -2]-1de}-1 2 0 12-1 12-1) 12-1 too. FOdet]-1 2 0) = ~2-(-12)+1-0-1+(-6) + 0-10 = 30 -20 -2)386 Capitulo 6 Ml Determinantes © NOTA Por lo comin se trata de desarrollar un determinante respecto al rengliin «li co: umna que tenga més ceros. Con esto se evita el cilculo de algunos de los menores. En forma més genéral, sea El (i, )-ésimo cofactor, Gy, de 4.65 ¢,@/):¢simo menor con signe. (ayy, Desarrollo por cofactores respécto ‘al i-ésimio renglén El determinante de 4 puede desarrollarse cori respecto al Z-ésimo renglon en términos de ccofaetores como sigue: det A Cy + aaa t+ + ain Cin Desarrollo mediante cofactores respecto a la j-ésima columna El determinante de 4 puede desarrollarse con respecto @ la -ésima columna en términos de cofactores como sigue: det = aC) + 02jCaj + °° + an Cah Este método de calcular determinantes por medio de cofactores se llama desarrollo por cofactores,o desarrollo de.Laplace;yy se atribuye a Vandermonde y a Laplace.* ‘6 por poco tiempo el eargo de ministro del interior bajo ct imperio de Napoleon. I te del senado y después se le otorgé el titulo de conde ‘ser preside6.1 M Determinantes y desarrolio en cofactores 387 1PM: (1 Ma Cy = (=) My Cu = (0 My, Ca = (1PM 1-6) =6 Cy = (HP My = = 11 et = ay Cy + aC + aC = (-1)9 + 2-2) 42-15 = 17 = 4-6) +3-7-+(-2(-10) detA = a3\Cry + nC + aC det = assy + aaChn + ayCys = (~5)(—10) 0-6 + 3-11) = 17 det A = ay,Cry + aC + anCy = (=1)9 + 4(—6) + (-3(—10) = 17 -2) 43-706 = 17 det = anCu + aC + anCnr det A = aysCrs + arsCiy arsCs3 = 2°15 + (=2(-10) + (11) = 17 a NOTA Simultiplicamos los elementos de un renglén (0 columna) por los cofactores corres pondientes de otro renglén (0 columna) el resultado siempre es cero, (Véase la demostracian del eorema 10, seecién 6.3.) Por ejemplo, an Cy + anCp + ancy 1)(-6) +274 21-10) = 0 ay C2 + anCn + any = (1-2) 44-7 + (396 OBSERVACION — El desarrotlo por cofactores implica que el determinante de cualquier matriz triangular superior o inferior es el producto de los clementos de su diagonal principal. Por ejemplo, el desarrollo repetido respecto a la primera columna da como resultado La notacién || Con frecuencia se escribe /4\ en lugar de det). que no debe confundirse con el valor abso. to, Por ejemplo.388 Capitulo 6 mM Determinantes A veces conviene hablar de determinantes de 1 X 1, El determinante de una matriz A = [a] 1 x 1 es tan sélo a, el iinico elemento. Por ejemplo, det{-2} = -2, y det{3] = La sorprendente geometria del determinante En esta seccién investigaremos en forma breve las propiedades més sorprendentes del determinante, En general, si se aplica una transformacién lineal a una region en el plano, se modifica cl rea de su imagen. Entonces surge la pregunta siguiente: dada la matriz de transformacién, .cémo podemos predecir el érea de la imagen? A continuacidn demostraremos que el irea del ccuadrado unitario se escala con un factor igual al valor absoluto del determinante de la matriz de la transformacién, Por ejemplo, veamos el efecto de T(x) = [3 te sobre el euadrado unitario. La imagen es el paralelogramo con vértices en (0. 0). (3,0).(1,2) y (4, 2). El area de la imagen es 6, y sucede que es igual al determinante de la matriz. De modo semejante, veamos el efecto de Ti) = {i ‘Js sobre el cusdrado unitario. La imagen es el paralelogramo con vértices en (0. 0).(2. 1).(0 2) y (2, 3), De nuevo, el rea de la imagen, que es 4, es igual al determinante de la mateiz, y y 3 3 2 fala \ mae Areas #6.1 Determinantes y desarraiio en cofactores 389 En general, al aplicar al euadrado unitaro, las imagenes de (0, 0), (1, 0), (0, 1), (1, 1) son (0, 0), (a, ©). (b, d), (a+ 4, ¢ * d), respectivamente, Definen un paralelogramo si (a, ¢) no es proporcional a (b, d), es decir, si la matriz es invertible (lo cual tambien significa que el determinante ad ~ be # 0), {por qué? En este caso podemos calcular con rapidez el drea del paralelogramo usando pro. dductos cruz. Recordamos, del capitulo 2, seccién 2.6, que el érea del paralclogramo con dos vectores-3 dados, w y v, como lados adyacentes, es igual a la longitud de u Xv. En este 50, sean u = (a, , 0) yv = (b, d 0) al convertir los vectores-2 a vectores-3 podemos usar el producto cruz. Asi el rea de la imagen de Tes, lu vil = Jad — bah que es el valor absoluto del determinante de T. Determinantes con sistemas algebraicos computacionales Maple > with(Linalg) > dov(matrix({{1,7,-8), [5,2,-3], (1,-3,-219)); nm Mathematica Intt}= Dot [€(4,7,-8),{5,2,-3),(1,-3,-2))) our (1}= 172390 Capitulo 6 i Determinantes MATLAB pooder({t 7.8; 5 2-3; 1-3 -21) ana 72 Ejercicios 6.1 ~ | ive ufa a al bea joe jae | | 12, Caleule el determinante de la matriz correspondiente al pro- 1304 cos blema de las vacas y los campos, de Newton. 70 bl} bo 92 cocficientes del sistema. i scared 12 | crtytu=3 3] inet na fo ool u/s 200 wrt bale [53] Blso1 0 ‘a, Demuestre que det(4) = deta). l¢o1 0 ‘b. Compruebe que det(48) « det(4)det(#). ce. Demuestre que det(4-!) = Wet 4), 16, Eseriba todos los menares M9 todos los cofactores de 4 ae]bn 2 ae[3 3 4 lio 78 bs, Caleule detct) desarrlland por cofactores respecto @ (b) el primer rengion (2) el segundo renglén Us) el wercerrenglin 44) Ia primera column (0) la segunda columna (ds) Ta ercera column Sean oo2 0 ooo A \1-00. 0 000-1 1 000 0 020 Blo -s 00 0 oon 1X, Compruebe que det42) = det) der 2) 19. Compruebe que dett!) = 1det(), a. Determine todos los menoresy todas fos cofatores de 61 Determinantes y desarolioten cofactores 391 25, Con base en sus célculos de los ejereicios 22 24, haga una conjetura acerea de los determinantes de los tres tpos de ma trices elementales: los obtenidos a partir de / por (a) elimi= racidn, (b) escalamientoy (c)intereambio, “| Obtenidas de 4 por A Retr R AD BARR 4 FRR, Ay RyRy As RoR . A RoR En los ejercicios 26 a 28 demuestre las identidades. ICCE “as A detea) = dee be. de Esa) = det) ded) ‘FI. a. delay = dell EY detiA) = detiAs) 20. Verifique Ia igualdad: 1 B etaeiel eslitdut bs dese) 5 det Fa) det(A) aie ei dost unis stm Bh Me ty) = det deta) aces aca tall ~b. det() ~ det det) = detias) « d}lg h gh} ausei {t ‘| sea bs 6 Rete Ecuaclones cor aeteftinaites - En os itive’ 3941 cate todos tos valores de reales each) =! complejo) tales que los dterminantes sean cero. Ea Determinantes de matrices elementales Em los gccieio?22 a 4 ealeté tos determinants de las matric”392 Capitulo $ ml Determinantes 33. Caleule el valor dex. 12 3M, Despeje el valor dex bets 4] an 38. Determine a,b tales que ab 12 Voltimenes y determinantes ‘ea Rn cubo unitari ene espacio. Este es un eubo de lado 1 en el primer octate con laos adyacentes ls planos coordi rnados 36, Sea Ta transformacin lineal cuya matriz es 21 0 03 0 00 -4 CCateuleel volumen de la imagen de R bajo Ty relaciénelo cone determinante de 4 37, Sea Tla ransformacin lineal general cuya matriz ex abe def pha Compruebe que ef volumen de la imagen de & bajo Tes igual aldet(A).(Sugerencia: Si Tes inveribe, use la Formula de Ja seceibn 26 para el vlumen del paralelepipedo determi: nado por Ios tes vectores.) 6.2 Propiedades de los determinantes Odjetivos del estudiante para esta seccién 1. Comprender y aplicar las propiedades bésicas de los determinantes. 2. Simplificar los determinantes con una reduccién correcta de renglones o de columnas, El desarrollo de los determinantes por cofactores es bastante tedioso, a menos que la matri2, sea pequefia& que tenga muchos ceros, El mejor método es la eliminacién de Gauss. Pero antes de continuar necesitamos estudiar los efectos de las operaciones elemientales de renglén sobre los determinantes. Operaciones elementales y determinantes Las demostraciones de los casos especiales del teorema siguiente se dejan como ejercicios. Una demostracién completa se describe en el conjunto de ejercicios de la seccion 6.4 TEOREMA 1 (Propiedades basicas} Sea A una matriz nx n. (Para ilustrar, tomaremos n = 3.) 1. Ay su transpuesta tienen el mismo determinante: det(4) = det(") aa) ja bh a by bl |a ha ao] jab a6.2 Propledades de los determinantes 393 2. SiB se obtiene de 4 multiplicando uno de sus renglones (o colurnnas) por una constante distinta de cero, entonces det(B) = & det(4), a a as a) a a Cr a Koy by kbs) = k/b, by by by hy kbs}= kl by by by “4 @ o| ja ao 1 key 44 6 3. Si B se obtiene de 4 intercambiando dos renglones (0 columnas) cualesquiera, en ese caso det(B) = — det(4), a ay by ba bs 2a a a ay by oh bl =—|a mw by ba bs bs bh by a4 a4 4a 3 aa 6 aa 4a 4. Si B se obtiene de 4 sumando un miltiplo de un renglén (o columna) a otro renglén (0 columna), entonces det(B) = det(4). a % a 4 a ay ay + by kay +b kay +by|= |b, by by a a o 44 4 a a kata) fa a ay bb Kb thy) =| br bs bs a a katal ja ao ‘Vemnos que la eliminacién R, + kR, —+ R, no cambia el determinante; en el escalamiento AR) R, se escala el determinante por k; yen el intercambio, R, + R,, se eambia el signo del determinante EJEMPLO 7 Pajlfr 2 1 24)7|a ap [a ERROR FRECUENTE A veces se aplica mal la propiedad 4 del teorema I. Un renglén (0 columna) se reemplaza por un miltiplo de otro sumado al primero, y no un muiltiplo de él. Siel renglén (0 la columna) original se escala, también se escala el determinante. Por ejemplo, 3 1.)3 les por (im tee, [Pale |o df es 2 Ela eese 1 mientras que [Rj=3R;— Ra] implica quely _ 3 0394 Capitulo @ mM Determinantes Pueden emplearse las propiedades que menciona el teorema { para escribir wn deter- ‘minante en forma triangular, par eliminacién de Gauss, y a continuacidn se calcula el producto de los elementos diagonales. mEIEMPLO® 2046-2 I) fi 0 04 2-1) Jo 0-55 3 7 =2/0 IRoR 0 00 1 6) 0 1023-2 -9f fi TRO R EL método del ejemplo 8 también da como resultado una fermula para el dterminante primero se observa que siempre es posible reducir cualquier matriz a su forma escalonada sin usar operacién algima de escalamiento. (Enel ejemplo 8 eso significaria no hacer 4 &) 5 Ri yno sacar el factor adicional 2.) Sea 4 una matriz n Xn reducida mediante operaciones de renglén, sin escalamiento, 2 la matriz triangular superior B. Las tinicas operaciones que alteran el det(4) (y sélo por un signo) son los intercambios. Por consiguiente, det(A) = (~1)'det(B) donde kes la cantidad de intereambios en el proceso de reduccién. Si es invertible. entonces B tiene npivotes, por ejemplo p,-..r,todos en Ia diagonal principal. porque 4 ~ B ~ 1s, det(d) = (1 e(BY= (-1Y p pa pe Sid €8n0 invertible, B tiene al menos wn ren lin de cetos, asi que det) = det(B)~ 0, Con ello hemos demostrado el teorema 2TEOREMA 2 TEOREMA 3 TEOREMA 4 62 WI Propledades de los determinantes 39S En la notacién anterior, deyay={OD Pio" Pa sid esinvertibie 0 siAesno invertible Acerca del ejemplo 8, si educimos sin escalar, los pivotes de la matriz reducida son -2,-5, 4, 1, I. Su producto es el determinante. Ya que los pivotes siempre son distintos de cero, el teorema 2 implica al siguiente teorema bésico. ‘Una matriz A n Xn es invertible si y silo si det(A) # 0 MEJEMPLO 9 4, By Cno son invertibles, porque sus determinantes son iguales a 2a BEJEMPLO 10 _ {Son inealmenteindependientes los renglones que contiene D? ;Y las columnas? 2-405 p=|8 0 -3 5-2 1 SOLUCION No, porque det(D)=0. Por consiguiente, los renglones y las columnas de D son Tinealmente dependientes, de acuerdo con el teorema 3 y el teorema 15 de Ia seccisn 3.3, WEJEMPLO 11 Son linealmente independientes los vectores siguientes? RESPUESTA Si, —1 ‘Como consecuencia del teorema 3 y del teorema 15, de la seccion 3.3, tenemos ef siguiente y muy itil teorema, El sistema homogéneo cuadrado Ax = O tiene soluciones no triviales st y sélo si det(4) = 0. Lo NS396 Capitulo 6 ml Determinants TEOREMA 5, WEJEMPLO 12. {Tiene soluciones no triviales el sistema siguiente? dtay4 2 xn yt22 xty- 2 RESPUESTA Si, porque de acuerdo con el teorema 4 231 1-1 2)=0 = 14 Ahora llegamos a algunas conclusiones sencillas, pero importantes, del teorema 1 y de los desarrotlos por cofactores. 1. Si tiene un renglén (o columna) de ceros, entonces det(4) = 0 a a, ay a) oo 0 bb of=o0 446 4 a0 2. Si tiene dos renglones (0 columnas) que son iguales, entonces det(4) = 0, a a ay a a a a a/=0, |b by b)=0 44 6 a4 4 3. Si tiene dos renglones (0 columnas) que son miltiplos entre si, entonces det(4) = 0. a a a a) a kay . kay kay kas|=0, |b) by ky] =0 “4 4a 6 a a key 4, Siun renglén (0 columna) de A es igual a la suma de miltiplos de otros dos renglones (0 columnas), entonces det(4) = 0. a % a a ay kay + lay kay + ley kay + leq kay + ley by by kb, +I] = 0 “ a o 4 key +h DEMOSTRACION La propiedad 1 es ficil (mediante el desarrollo por cofactores respecto al renglén o columna de ceros). Basta demostrar la propiedad 4, porque la 2 y la 3 son consecuencia de esta iltima si hacemos que k= 1, != Oy /~0, respectivamente. Para ilustratlo. cemplearemos un determinante 3 X 3, kay + ley hag + ley ay + ley a ® a kyl les] de acuerdo con el enunciado 4 4 @ 6 | delteorema 162 WL Propiedades de los determinantes 397 = Me & 8] seginet enuniado 2, teorema 1 = |e ‘c ¢| seginel enunciado 4, teorema 1 [o 0 0 El himo determinant es cero, de acuerdo con la pate 1. cS EJEMPLO 13 0 20 ° 0 R ~120 1 3 0 ' os Operaciones matriciales y determinantes ‘Veamos emo se afectan los determinants con las operaciones matrciales A +B ka y AB. Desafortunadamente, no hay una férmulaficil para el determinante dela suma de dos matrices, det(4 + 8), En general, det(A + 8) # det(A) + det(B) Seamos [Lf |b tfeatere geo ae([! 2} [! De las igualdades de Ia derecha legamos al teorema 6, (Suma de rengiones) TEOREMA 6 Si todo elemento en cualquier renglén (o columna) de un determinante es igual a la suma de otros dos, entonces el determinante es igual a la suma de otros dos. a4 am a! la a ay by be bs) + [by by by aial ld dd by bey ath atd398 Capitulo 6 M Determinantes DEMOSTRACION Se deja como eercici (Sugerencia Si el -tsimo rengin es fxd, 1 Cin dy, entonces aplique el desarrollo por gofactores con respectoa él.) ——} El determinante del producto por un escalar, det(k4), puede caleularse usando el teore- sma siguiente. TEOREMA 7 (Determinante del producto por un escalar) Si A es cualquier matrig nn yk es cualquier escaler, entoncé det(kA) = k"det(A) DEMOSTRACION — Aplicando repetidamente la propiedad 2 del teorema I, factorizamos cada renglén con una ka la vez. $i 4 = [aya ~~ ay, entonces det(kA) = detfhaykay +++ kay) = kdetlaskag “= kag} = detlaay shag] = +> = Rdetlagay--ag] = det(a) a A continuacién pasaremos al det(4B), Esta vez contamos con na bela y til formula, conocida como teorema de Cauchy TEOREMA 8 (Determinante de un producto} El determinante de un producto de matrices es el producto de los determinantes de los factores. det(AB) = det(A) det(B) det(ArAa** Ag) = det(As) det(Aa) =~ det(Ay) La demostracién, debida a Cauchy,’ se describe en los ejercicios. . 3 MEJEMPLO 15 Compruebe que det(48) = deta) dew). SOLUCION det(A) = det(B) = 10 det(A) det(B) = ~30 -3 0 0 aB=|-5 20 det(AB) = ~30 023 5 Este hecho también fue descubierto por Gauss para las matrices 2X 2y 336.2 lM Propiedades de los determinantes 399 El teorema 8 tiene una implicacién importante TEOREMA 9 Si Aes invertible, entonces a dest) LI DEMOSTRACION es invertible, de modo que A4-!= I. Asi, det(A.t-!) = det(A)det(A~" det(Z) = 1, de acuerdo con el teorema 8. Por consiguiente, det(4) #0. La division de ddet(4) det(4-!) = | entre det(4) da como resultado la formula anterior, | MEJEMPLO 16 Demuestre que 4, 8 son invertbles, Verifique la igualdad det(B-) = Wider(B) SOLUCION det() = ~3, det(B) = 10. Los determinantes son distintos de cero: por consi- fauiente, de acuerdo con el teorema 9, las matrices son invertible. Li det(B') = — = —— 5” Few — Ejercicios 6.2 imino aTotiedneminmeoperinne ft 2 90 Ol on Pion 9 6/3 63.0 0} so re pean wale a ofp a pees 08 fats jocoo: 1.12 tite 02002 nalpas . njoesos 448) erie 06645 oot “15555 0004) Looe ses ore boo! ee loo 10 Broo 10 Tooe oto an ae core jor oe a oto Dore *#* 1000 loo on ooo8 Tooe En osejros 815 expan fs iene No aga sles oro. 0 9) culo oot 1a ete eS oi lis Nooe ol aah400 Capitulo 6 Mm Determinantes 2-42 4) 20300 -7) my is ai) Toot 4 1-12 00 o 12-2? afoot 2 O04 03 o 30 ot be-r24 p24ae aloo 303 a0 150 a1 010 Piri rol a1 -12 00 do 12-23 Io 01 ool oo 04 23] re En los sercicios 16y 17 expigu, sin acer cleus por qué 28. Demuesre ns propedaes eos eterinanes siguientes Ia suttions x= 02, hacen que los dterminares seanigh- les cero a a ky! fa ao a xe afi Bk mass be w.[o 1 0 . aa bl leas Dat wlo2o b u ® ® 5 G38 = 8 18, Expliqusin hacer elo, por ql son quale fox det 26, Compre ls ropiades dens determinants siguientes, rinses cbc |a-b « afi blela ne abe |g tos aan 18 shi taecs 5 + Bs | 6 En tos ejericios 19.224 eval ls determinantes con reduecio- | nes de rengion 2024 wala a | }o 2 oj 27. Demuestre el teorema 6 2-24 malo 17 En los ejercicios 28 a 31 aplique el teorema 3 para determinar 290 qué matrices son inversibles“0 24 03 Loo rio rad ot 1 123 ° 456 2 7389 123 1 G=|223] Hefiod 333 bro. En los cjercicios 32 y 33 encuentre todos los valores de ales {que las matrices no sean inveribles. 32, 3. \k 1 Oke [kook k Bo oR 4) “kok Sean ty matrices n x M. %, ”. . Demueste la dentidad dewiAB) = dou BA) Es ciora aun en el caso 48 # 84.) Si Mes invertible, demueste que (8-148) = deta Seat una matsiz 3% 3 cuyo det) = 2. Calcue cada una Ue los valores siguientes. deta) b dean} deta”) deta") © det(aat) det(—7a) Scan 4 y B matrices 4 x 4 tales que et det(4) = -2y el UtUF) = 7 Caleule cada un de los valores siguientes. a. det(ag) b deia’a) det(ABa” 4 det(BAB™) fe det(as”) £ de3a) DDemuesire que el cuadrado de cualquier determinant, deta, ~presarse como e determinante de wna maiz simete 1" Siqgeroncia: Consiere la matee-snérica Aa) 1b es simitrica si B (b) Laafiemacién deo 6.2 Ml Propieaades de los determinantes 401 Enos ejrcicios 39a 42 use reduceién por operaciones de ren~ sin para demosirat Ins identidades, = (b= alle = ble a) ab(b ~ aia 161) = (b- ale~ Be- alla B+) = ab{b— alla ~ 16 ~1Ya+ b+) Una demostracién del teorema de Cauchy Los ejercicios siguientes desriben una demostracién de a fe mula basics det(4B) = det 4) det(B) aplicando el teorema I 43, Sea E una matrizelemental. Use el teorema } para compro: bar que SUE se obtione de f por det) Rt R deri) =e Rak, et) = = RoR, 44, Sid y Eson matricesn x,y #¢s clemental, Emplee eer ciclo 43 para demostrar que ea) ~ dex) dew ty 48. Siy B son matrices Xm, A be que invertible, Compra eB) = dou.t} dew) (Sugerencia: Aplique el teorema 16, deta secciin 3.3 y el reorema 3.) 46. Si y Bson matrices m%n,y A-esimvertible. De reste que ea) = det) dew) (Sugerencia: Eseriba 4 como el producto de matrices elementales. A continuacisn use ol resultado del eject c10 44.) jereieto se debe a Li402 Capitulo 6 HH Determinantes 6.3 La adjunta; la regla de Cramer Adjunta e inversa DEFINICION Objetivos del estudiante para esta seccién 1. Caleular la matriz inversa empleando a la matriz adjunta, 2. Resolver sistemas lineales n Xn empleando la regla de Cramer. ‘Sea A una matsiz n X n. La matriz cuyo (i, -ésimo elemento es el cofactor C,, de A es ta | de cofactores de A. Su transpuesta es la adjunta de 4, y se representa por Adj(4). | Go Ge Go Ge Gy Cu WEJEMPLO 17 La matriz de cofactores de A es 9-2 15 -6 7 -10 -10 6-11 9-6 -10 Adia)=|-2 7 6 a 13-10-01 La adjunta ded es Enel capitulo 3 describimos un algoritmo con operaciones de renglén —pero no pre- ‘sentamos la formula— para caleular 4! por reduccién de [4 : J]. Ahora, con los determina: tes a nuestro aleance, podemos presentar uns formula explicita de 4TEOREMA 10 TEOREMA 11 6.3 ME La adjunta; a regla de Cramer 403 ‘Sea A una matriz n Xn. Entonces A AGi(A) = det(A)h, = Adj(4\A DEMOSTRACION Examinemos el producto Adj(4)4 Gr Gye Ga] fan ay ote Aaiiaya = | Cy cu | | an ay ain Gu Con} Lan ae EI (i, -ésimo elemento es Cua; + Cita; + 0° + Cut Esta suma puede considerarse como el desarrollo del determinante por cofactores respecto a Ja j-ésima columna de la matriz 4”, que se obtiene de 4 reemplazando la j-ésima columna porla i-ésima. Sii = j, la suma es el det(4), porque 4 =.4” Siij, la summa es 0, porque A tiene ‘una columna repetida, de acuerdo con el teorema 5. Por consiguiente, dea) 0 Adj(A)A = Lt | dew, 0 ve dettay Con un argumento semejante se demuestra que A Adj(A) = det, | (inversa a través de la adjunta) Sea A una matriz invertible. Entonces, KA) ae aaa DEMOSTRACION Simultiplicamos 4 Adi(a)~ de(4)f- dl teorema 10, porlaizquierda de se obtiene AGi(A) = A'detla) Como 4 es invertible, det(A) # 0 segin el teorema 3. Por consiguiente, 1 eat | aevay MSI) =A WLEJEMPLO 18 Sea 41a matriz del ejemplo 17. Calcule 4” aplicando el teorema |! SOLUCION det() = 17. Por consiguiemte,404 Capitulo M Determinantes , [2-6] [ $ -s A} = = — Adj(A) = = 7 6) = 2 Z ea TE ad oar Bk a 7B MELEWPLO TD Sea a-[ 5 Entonces de(A) = ad bey Porle tant, aay = [4 ~E]s porsamo, art= he [4 78) os de acvets come teoremna 1 = [Asi hemos obtenido la férmula familiar de la versa para una matriz general 2 x 2 NOTA Para caleular Adj(4) es preciso calcular n? determinantes de tamafo (n ~ 1) x (n ~ 1). Si n= 10, necesitariamos 100 determinantes 9 x 9, Debido a esta intensidad de cmputo casi no se usa el teorema 11 para el célculo de 4", La reduecién de [4 =] sigue siendo el método «a elegir. Sin embargo, el teorema puede ser muy stil para demostrar propiedades teéricas de las invetsas: También podemos emplearlo en el tema siguiente, para comprobar una fi de [a solucién de un sistema lineal cuadrado, Regla de Cramer Sea 4x ~ b un sistema cuadrado, donde Oye aie x by Onto Bae x by ‘Sea 4 la matriz obtenida de A reemplazando la i-ésima columna con b. ayo ayy) aie ay A= i yy 0 taint By niet on La tegla de Cramer es una formula explicita para resolver cualquier sistema cuadrado consistenteTEOREMA 12 63° WH Laadiunta: la regia de Cremer 408 (Regia de Cramer] Si det(A) #0, el sistema 4 presenta una solucién inica, que se expresa como sigue: nw tH) ae ee DEMOSTRACION Como el det(4) #0, de acuerdo con el teorema 3, 4 es invertible, Por consiguiente, 4x = tiene la solucién nica x= 4"'b, Pero 4~! se puede ealcular con el teorema 1, Cub + Cab ++ Cube ape . A Sexy AN = Seay Cabs + Cinbs +--+ Coe el -ésimo componente x, de x es igual al -ésimo componente del lado derecho 1 2 Seay Cbs + Cae +--+ Gut) Como 4 y 4, difieren s6lo en la i-ésima columna, los cofactores de esa columna son iguales. En conseeuencia, Cj, bj + Cuba +--- + Cuby es det( A), por el desarrollo en cofactores res pecto a su iésima column. Por tanto, aera) det(a) parai=1,...m,como se afirms, MEJEMPLO 20 Aplique la regla de Cramer para determinar la solucion del xtyr2=2 3 -xtytes xoyt SOLUCION Primero se calcula el determinante de la matriz de coeficientes | Obteniendo det(al det(Ar) = ~10 det(As) = 12 det(Ay) = ~14406 Capitulo mM Determinantes ccon lo cual se llega a = deta) _ 5 det(Aa) devia) ~ 2 det(as) det(A) det(A) MEJEMPLO 21 Suponga que ad—be #0. Ui lucién det sistema lineal general ice la regla de Cramer para determina Ia so axtby atd=s SOWCION =[ee -fee ufee a-[p a) a=[F a] w-[8 9] det(A)=ad—be — det(Ay)=de- bf detAz) = af ~ ce Como det(4) ~ ad - be # 0, podemos aplicar Is regla de Cramer para obtener de- bf af-e 4 eo de 7” ad—be Bjercicios 6.3 Enlosejericios | 6 use el teoreme 11 para caleularlesinvers 7. Sea sas de as matrices dad 1210 a4 “12 2200 mB EL] rit raid 3 4 22 10 “ ee(Gat) 8 [3 1s] a: Deen sfc on pins de en Calcul aplicando el teorema 1) 1 1 {Cuil método es mis eficiente? afin a ‘Sea una mati euadrada con clementoseneros,Demues- tre lo siguiente a. det(4) e5 un entero. ‘Adi(A) tiene elementos enteros, Si el de(4) es divisor exacto de todos los elementos de | Adj(4), entonces 4 tiene elementos enteros 4. Si el deta) = #1, emonces 4° iene elementos enteros. 5 En los ejercicios 9211 apliqu la rela de Cramer para resolver los sistemas, 123 6 |223 Saxe bo xtoeet 333 xo atato xt y+ xoyt aty- J. xt ay tae yea 1 Aplique laregla de Cramer para despejar xy » del sistema siguiente, (cos 8) ~(sen 8)y = cos O~ 2 sen 6 (sen 8)r + (c0s 8)y= sen 8+ cos 8 En los ejercicios 13 y 14 use fa regla de Cramer para despeja 64M Determinantes con permutaciones 407 1 ax 3y 22 nxn ay tae Satay 2 Meo xnynz-w nx-ytitw \oxtysrtwel xhytitw 1S, Sea 4 cualquier matriz nn, Demuestre que (ereayyr (Sugerencia: Use la ecuacién 4 Adj(A) = det) de la de- rmostracion del teorema 11.) dew adicay 16, Sea 4 4x 4 con det(A) = 3. Caleule al dew Adi(a)) 17. Comprucbe que uns matt. A'n Xn es invertible sy s6lo si ‘Adi(A) es invertible (Sugerencia: Use el resultado del ejer- iio 15.) 6.4 Determinantes con permutaciones Objetivos del estudiante para esta seccién 1. Conocer qué es una permutacién y aprender a determinar su signo, 2. Comprender la relacién entre permutaciones y determinantes, Usar el desarrollo completo para calcular un determinante. _——E——e—TEerTrE—veve 3 En la seccién 6.1 aprendimos a) a a5) a aque a3) = anenass + anrdrsay, + a)321432 3) ananasy ~ ayaysay2 ~ ar2anass Estos son ejemplos de lo que se llama desarrollo completo; dicha formula expresa el deter- ‘minante en términos de los elementos de la matriz” Para una matriz A n Xn, esta fornnula se obtiene como sigue: 1. Se forman todos los productos, donde cada uno consiste en m elementos de A que pro- vvienen de distincos renglones y columnas. 2. ‘Se asigna un signo a cada producto. Se suman todos los productos con signo. Todos los términos de los dos determinantes que acabamos de ver se apegan al paso 1 Por ejemplo, ~ajsdz2d5; en el determinante 3 x 3 es el producto cuyo signo se formé tomando 14,3, dz ¥ dy del primer renglén y la tercera columna, del segundo renglén y Ia segunda co- 7 Contrasta con el desarrollo por ‘cofactores, que calcula un determinante en términos de determinan-408 Capitulo § M_ Determinantes lumna y del tercer renglén y la primera columna, respectivamente. Para calcular todos esos productos, lamados productos elementales, se recurre al concepto de la permutacién, DEFINICION, Una permut del conjunto de enteros 7} es un rearreglo de estos niimeros. MEJEMPLO 22 Las permutaciones de {1,2). (1.23) y (1.2.3.4) son (1.2 a2) 2D (2.3! 2.3) 13) G12) 3.2) 3.1) G20) (1.2.3.4) (1.2.3.4) 042.3) 344) 3124) B42) (4,213) (1.24.3) 43,2) 341) G2) G42.) 4.2.3.1) 3.24) 2134) 413) G14) 423) (4.3.12) (1,342) 143) 2431) G21) 13,2) (4.3.20) a Son 6= 1-2-3 =3! permutaciones de (1, 2, 3) y 24 = 4! permutaciones de {1, 2.3.47. En general la cantidad de permutaciones de {1, 2, ..n} es n! Esto puede visualizarse como sigue: para llenar la primera posicion hay m alternativas, puesto que podemos usar cada uno de los mimeros. Para la segunda posicién existen n ~ 1 alternativas, porque un niimero ya se utilizé en la primera. Asi, para llenar las dos primeras posiciones, hay n(n ~ 1) alteroativas, Se contini en la misma forma con el resto de las posiciones para obtener un total dem -(n ~ 1) 2- | =n! alternativas, Observe que n! crece con mucha rapidez en funcién de n. sI= 120! Por lo anterior, es dificil escribir todas las permutaciones, aun para n pequet. DEFINICION indie J) cualquier permuta ,.-n}. Se dice que p tiene una in- versién (,j.) si un entero mayor, j, preceda 2 uno menor, jz También, p es par o impar siiene una cantidad total par o impar de inversiones. El signo de p. indicado por sizn(p) es | sip es par yl sies impar. Se considera que (1, 2...) es par con signo ! Por ejemplo, (1,3, 2,4) tiene wna inversién: (3, 2). De modo que es impar con sivno 1. La permutacién (4, 2, 1,3) tiene cuatro inversiones: (4, 2), (4, 1). (4,3) ¥ (2. 1): por tanto, cs par con signo 1DEFINICION 64 Ml Determinantes con permutaciones 409 WEJEMPLO 23 — Permutacion Inversiones Parfimpar 4.2.3) Ninguna Par 1 4.3.2) G2) Impar 1 @.1,3) 1) Impar “1 23,0) 20,8) Par 1 G12) @.).G,2) Par 1 B20 B.3,6,0,20 Impar “1 NOTA. Si r'es la cantidad de inversiones de una permutacién p, entonces sign(p) = (-1Y. ‘Veamos ahora cémo intervienen las permutaciones en el célculo de los determinants Para el determinante 2 2 y obtener todos los productos elementales formamos con cada nimero de rengln representado en los primeros subindices. Los espacios en blanco cn los segundos subindices deben llenarse con todas las alternativas de nimeros de columna. En este caso son ya sea 1, 2, bien 2, 1. Son justamente las permutaciones de {1, 2}. Al continuar con este proceso se asegura que no haya dos elementos que provengan del mismo renglén o columna. Ademés, el signo de cada producto elemental es el de la permutacion de los indices de columna. El signo de ajyaiz es 1, porque (1. 2) es par, mientras que el signo de ai2a>y es~1, porque (2, 1) es impar. De manera semejante, en el determinante 3 X 3 todos los productos elementales se ob tienen partiendo de ylos espacios se Henan con las permutaciones de (1, 2,3}. Por ejemplo, aiyaayays corresponde fa permutacidn (3, 1, 2). El signo de cada término es el signo de la permutacion correspondiente. El signo de aysasyas2 es 1, porque (3, 1,2) es par. El signo de asian es —1, puesto que (2, 1, 3) es impar. En general, podemos definir un determinante n Xn usando a las permutaciones de la manera siguiente: Sides una matrizm Xn con elementos a,,l desarrollo completo del determinante de A det(A) = SO sign jis faves fala yaa“ a (61) donde la sum es sobre todas las permutaciones (i, de Un foe )de(1.2,...,m) yel signo OBSERVACIONES Esta definicién nos permite demostrarrodas las propiedades de los determinantes, incluyendo el desarrollo por cofactores yelreorema 1 (wéase el conjunto de ejercicios). También es muy itl para demostrar las propiedades tedricas de las determinantes. Sin * Bute método de estudiar los determinantes se debe 2 Bezout y a Laplace410 Capitulo 6 i Determinantes ‘embargo, cuando éstos se calculan no es muy prictico aplicat la ecuacién (6.1). Por ejemplo, para un determinante de I1 x 11 se necesitarian 39 916 800 términos, cada uno formado por 11 factores, Para ello se requiere un total de 439 084 800 operaciones, siempre y cuando se ‘cuente con un buen método para escribir todos los productos elementales posibles. Con una rapidez de 10 000 operaciones por minuto se necesitarian 30 afios de cilculos. Ya nos hemos ‘encontrado con tun método mucho mis prictico: el desarrollo por cofactores precedido por Ja (aiin presente) eliminacién de Gauss. Fl uso de la ecuacién (6.1) slo es prictico en matt ees con pocos productos elementales distintos de cera, MEJEMPLO 24 Calcule el determinamte 304 os 0 leo7 SOWCION Como cada producto elemental no debe tener Factores de la misma columna 6 <1 mismo renglén, fos inicos términos distintas de cero son BST y 456 {que corresponden a ¥en consecuencia a las permutaciones G29 y BAH respectivamente. La primera permutacién es par y la segunda impar. En consecuencia, los signos son I y ~1, respectivamente, y el determinante es 3°5°7-4-5°6 = 105 ~ 120 = ~15 Cc Concluiremos esta seccién describiendo una forma interesante para determinar el signo de una permutacién. Esto se hace empleando diagramas de cruce. (Sin embargo, en la seccin de ejercicios se presenta otra forma, el método de matrices de permutacién.) Diagramas de Cruce (Opcional] DEFINICION de vertices, cada columns con los elementos 1, 2, ¢ ‘mento de recta (o de curva) desde cads nodo, por ejemplo i, 2 a i-ésima coordenada j, de a permutacién. El nimero de eruce de este diagrama su cantidad de cruces. Dicho a ‘mero es impar sila permutacidn es impar, y pars la permutacién es par. El caso de 0 ci ces corresponde a (1, 2, ..m), que eS una permutacién par.64 Mi Determinantes con permutaciones 411 OX ‘t * * par ‘impar impar par par Figura 6.1 Diagramas de cruzamiento de las permutaciones de (1, 2, 3} Consideremos la permutacién (3, 1,2). Escribimos dos columnas, ambas formadas por 1,2,3,Comoj:=3, a= 1, Js =2, trazamos una linea que conecte el I de la primera columna ccon el 3 de la segunda; otra que conecte el 2 dela primera con el | de la segunda y una tercera linea que una al 3 de la primera columna con el 2 de Ia segunda (Figura. 6.1). La cantidad de ‘eruces en el diagrama es 2, asi que el miimero de cruce ¢ es 2, que es mimeto par. Por cons ‘quiente (3, 1, 2) es una permutacién par. En la figura. 6.1 se muestran los diagramas de cruce de todas las permutaciones de {1, 2.3) WEJEMPLO 25. Aplique la ecuacién (6.1) y los diagramas de cruce para calcular el deter- sminante SOLUCION Un producto elemental dstnto de cero puede tener un factor de 10 2 del pri rer engldn. Si comienza con I, eit factor es 9 no 8, porque 1 8 estén en a misma columna Igusimente, si un producto comienza con 2, el iltimo factor es 8. Por lo anterior, sélo tenemos productos dela forma El resto de los factores provi que se us6 en el ejemplo 24. Los productos posibles en este caso son 3-5- Ty 456, Por ‘consiguiente, se abtiene un total de cuatro productos distintos de cero, que son 1+ 3°57 9, 1-4-5:6-9,2-3-5-7-By2-4-5-6- 8. Los signos de las permutaciones correspondientes se determinan con los diagramas de eruce de la figura. 6.2412 Capitulo 6 m_ Determinantes 2.345) (443.25) (5.23.40) (6.43.20 Is) yp tn 22 atta fa as ahs ahs a Ne atta af a s—s sl ls sl Is Figura 6.2 Diagramas de cruzamiento de algunas permutaciones de {1, 2, 3, 4, 5} Llegamos a lo siguiente: Producto de elementos Par/impar Valor Par + 94s 24, 3, Impar - ~1080 2, Impar - =1680 4, Par . 1920 El determinante es 945 ~ 1080 — 1680 + 1920 = 105, es] Permustaciones con sistemas algebraicos computacionales Moe $iotis of {1,2,3} eee" has ARTI HT9;2} 12,163), (2.3.11, 131,213,210) 18. 2, (2, 4, 3h, (2, 3, 1, 2, 10Hjercicios 64 En los ejercicios 1 a 3 determine el signa y clasifique las Permutaciones en par eimpar. Le, 4), (14,253) (e5,2.4,3)s(14,3,5,2) 2 (2,3, oA (8. 164,2)5(2,3.4,1,5) (5,3, 1,4,2) 3. (3,142) (4,2, 1,3), 8,442,165) (4,205,163) En os ejercicios 419 caleule fos determinants de las matrices ‘empleando desarrollo completo, 200 200 4a oso bloo 3 008 040, 020 020 sa [300 b Joos bos 400 002 002 6al3 oo b jo so 040 400 nos -20 5 na loso a} os 0 oo4 -6 0 4 Loos 0260 ®loz30 ao04 10000 00002 x fos 000 oo0040 90500 10, Determine os signos de las siguientes permutaciones ustn- Uo diagramas de eruce G24) (14,235) 4.2.3.0 65.1.2.4.3) Matrices de permutacion Una marie de pormuacin es una matriz cuadrads formada por unos y ces de tal forma que hay exactamente un uno en cada renalin ven cada calumna (véase también la secciin 3.4) Las matrices, 8, Cy D son mateiees de permutacion 64 Ml Determinantes con permutacianes 413, ° Una matriz de permutacin da lugar a una, y sélo una permu- ‘acién, como sigue: para cada renglén de la matrizescriba el rnimero de columna del elemento que tiene I, Todos esos mime: +s forman los elementos dela permutacién correspondiente, Pot «ejemplo, la permutaciones que corresponden a4, B, Cy D son 1.2.39. 3.2), (1, 3,2, 4) @, 1, 4,3, $), espectivamente 1. Encuentre todas las matrices de permutacin de 3 x 3. Para cada una de ells esriba su permutacin correspondiente 12. Escria las matrices de permutacién que corresponden alas siguientes permutaciones 41,23) (4,2,3,1,5) 240) .5.4,2.0) 13, Demuestre que el signo de una permutacién es igual al de terminante de la matriz de permutacién correspondiente 14. Determine los signos de las permutaciones siguientes, cal- cculando el determinant de la matriz de permutacién corres pondiente p= (14,2,3) 2,163,4,5) En los dos apartados siguientes deseribiremos las demostraciones del teorema | y del desarrollo por cofactores usando permutaciones, Para estas partes, 4 y B son dos matrices nn cuyos elementos respectivas son a ¥414 Capitulo 6 MH Determinantes Demostracion del Teorema 1 15, SiB se obtiene de 4 multiplicando uno de suserglones por una constants distinta de cero, demuestre que ei det(8) = det). (Sugerencia: Sib, ~ R, produce B x partir de A, entonces de(B) = Ets... (kay) «dye Saquea como factor comin) 16. Demuesire que si se intercambian dos elementos consecw- ‘vos ualesquiera.on una permuracién, la canidad de iver siones auments o disminuye en | 17 Use el resultado del ejerccio 16 para demos qu si se intercambian dos elementos cuslerguiera en una permutacién la catidad de inversiones eambiaenunente roimpar. 18, Con el resultado del ejercicio 17 demucsze que sisi tercambian dos elementos cualesguiera en una permic tacidn, las permutaciones nueva y anterior tienen signos opuestos, 19, S121 se obtiene de 4 al intercambiar Gos rengloes cuses- uiera,demuestze que det) =~ dtd). Sugerencia: SiR, 58 (0) produce B partienda de 4, enonces det(B) = Etey gy dy. Oye Use el estado del jecicio 18) 20, Si dos renglones de 4 son igstes, comprucbe que det 4)= 0. Sugerencia:Intercambie los dos renglones similares y aplique ci resullade del eerie 19.) 21, 51 se obtiene de sumando un miltplo de un renglin @ ‘oto renglin,entonces de(B) = det(4).(Sugerencia: SiR “+ AR, R, produce B pariendo de 4, en ese caso det(B) = Eeayy (ay + hay) --- dy. Sepérelo en dos somes. La Segura suma es cer, segin el resultado del eercico 2, después de sacar ak como factor comin) 22, La mati dy 0 ranspuesttenene mismo determinane, deta) = dota. (Sugerencia: deta?) = Ea,» Reordsne dys» aj en forma ay. ay, y eompate fos signos de Ys. J) ¥ Ae (ho 23, Demestre el teorema I Demostracién del desarrollo por cofactores. Recuerde que los términos de la suma Demy oan deta) 6.5 Aplicaciones contienen sélo un elemento de cada renglon y de cada colum= na. Por consiguiente, el factor ay del i-ésimo renglon se presenta ‘exactamente en (n= 1)! Lérminos, mientras que ay podemos ‘encontrario en (n ~ 1)! términos, diferentes de los primeros, y por iltimo, ay se presenta en (n— 1)! términos, distintos de los anteriores. Como fa suma de todos esos términos es igual al de(A), puede escribirse Aa{A) = ayDy + aD 41° + dD donde Dy es la suma, en el det(4), que queda después de sacar ‘ay, come factor comin de todos los tminos que lo contienen En los dos ejericios siguientes demostraremos que DC, et (i,j) cofactor de 4, y también el desarrollo de det(4) por cofactores respecto al ésimo renglén, eA) = aay + 0002 + + yCq (6.2) NOTACION Representaremos con A(i,j) ala matriz que se fobtiene de 4 omitienda el résimo renglén y la j-€sima co: Tumna, 24, Demuestre que Dyy = Cy. (Sugerencias Dy * Eeasy.-. donde fa suma esta sabre todas las permutaciones dela for- sma (js Je), Porque i =I. Pero ste es el determinante ae A(t, 1) 25, Demuestre que D, = Cy. (Sugerencia: Considere que 4’ es la matrz obtenida de 4 mediante | intereambios sucesivos de renglones adyacentes y de 1 inteeambios sucesivos de columnas adyacentes, con los que se Teva & a ala posicién superior i2quierda, manteniendo el orden relaivo de los demas elementos. Entonces, el det(a) = (-1)' ‘det(a’), a través de varias aplicaciones de la propiedad 3 del teorema 1. Observe que ay = afi y que el det(Ati. /)) = det(a’(1,1)), Ahora aplque el resultado del ejerccio 24 26, Desarrolle el det(4) por cofsctores respecto al /ésimo ren- ‘lon. (Es la formula (6.2).) 27, Deduzea la formula para el desarrollo de det(A) por cofactores respecto ala j-ésima columna, Bet(A) = a4jCy + aCe) + 2° + ayiCay (Sugerencia: Use los resultados de los ejercicios 22 y 26.) (Objetivo det estudiante para esta seccién, |Conocer la extensa aplicacién de los determinantes.6.5 mM Aplicaciones 415 Existen numerosas aplicaciones de los determinantes en ingeniera,fisica, matemticas y otras ciencias. En esta seccién describiremos unas cuantas, El fundamento de todas ellas es el te0- rema 4 Geometria: ecuaciones de objetos geométricos En geometria analitica, los determinantes desempeian un papel basico en el cileulo de areas y volimenes, y en la formulacién de ecuaciones de objetos geométricos como rectas, circu los, elipses, pardbolas, planos y esferas. En esta seccién nos concentraremos en las ecuaciones de algunos objetos geométricos Recta que pasa por dos puntos Podemos formular la ecuacién de la recta que pasa por dos puntos distintos, cuyas coordenadas som (x1, 71), (82,2) Sea ax * by + c= Ola ecuacién de la recta, Como ambos puntos estin en ella, entonces (x1, 1) ¥ (xa, 2) deben satisfacer esta eeuacién; por tanto, axtbyte=0 ax thy te=0 an thn te=0 Es un sistema homogéneo euyas incdgnitas son a, 6 y ¢. De acuerdo con el teorema 4, una solucién no trivial si y sélo si je yt jx oy 1p=0 (6.3) my ‘Al desarrollar el determinante, esta relacién es la ecuacién de la recta BEJEMPLO 26 Deduzca i ecuacién de ln recta que pasa por los puntos (1,2). (2,0) SOLUCION Al sustturtos dos puntos en I ecuacin (6.3) se obtiene ' il=0 1 Al desarrollar el determinante se obtiene 2x ~ 3) +4= 0. | ‘Tres puntos en la misma recta Podemos demostrar que una condicién necesaria y suficiente para que tres puntos cuyas ‘coordenadas som (x). 9) (3.2) y (vy 9 estén en la misma reeta es416 Capitulo 6 ml Determinantes junit vd By 1 (64) De acuerdo con la ecuacién (6,3), la recta definida por (x,y) y (x3. ys) se expresa mediante xy d my 1/=0 (65) yt Sil punto cuyas coordenadas son x, )) también esté en fa recta, entonces al sustituirx~ xy 9 yy Se obtiene Ia ecuaciéa (64). De manera recfproca, la ecuacién (64) implica que la ecuscién dela recta (6.5) que pasa por (x, x2) ¥ (ts, 9), $e satisfac si hacemos que x =x, y y= y. Por consiguiente, el punto (x, estd en la reetadefinida por (2) (8.95) Circulo que pasa por tres puntos (Como otra aplicacién, deduciremos la ecuacién del crculo que pasa por los puntos no colineates (Gri. 1). 2,99) ¥ Cts 99) Sea (x~ a)? + (y~b)? =r? Ia ecuacién del circulo de radio r con centro en (a, 4). Al de- sorrollar esta igualdad se llega a la forma A(x? + 2) + Bx + Cy + D =0. (Observe que 4~ 1.) ‘Como los puntos (x,y) (x2, ¥2), (x 9) satisfacen la ecuacién, entonces A(x? + 7) + Bx + Cy #+D=0 Ag + yf) Bx + Gn + D=0 : Ald + y2) + Bx + Ga +D AGG + y8) + Bay + Gy + D=0 Puede considerarse que éste cs un sistema homogéneo de 4 ecuaciones con 4 incdenitas. B,Cy D (una de las cuales ya se conoce, A= 1). De acuerdo con el teorema 4 vis. solucion no trivial debe forzara que el determinante de los coefieientes sea cero. En consecuencia ete x yd sty mn | Ate nd (o) 1 s+ sy ‘Al desarrollarlo se obtiene la ecuacién del circula, WEJEMPLO 27. Defina la ecuacién del citeulo que pasa por (1, 4). 3. SOLUCION Al sustituir los tres puntos en Ia ecuacidn (6.6) se obtiene6.5 mM Aplicaciones 417 Esta ecuacién se reduce a ~ 8x! — ay} + 32y + 16-8 =0 Al dividir entre -8 y completar los dos cuadrados se tiene una ecuacién de un circulo de radio 2 centrado en (1, 2) (oP ty 2a4 i) Plano que pasa por tres puntos Con el uso de determinantes puede deducirse la ecuacién del plano que pasa por los puntos no colineales (x, 121). (a, Ja 23) ¥ (a, Yo 23). Sea ax +5) + la ecuacién del plano, Al sustituir los tres puntos se obtienen a thy ta td ay tiny tat ag thy tantd ax + bys toy td =0 ‘Una vez mas llegamos a un sistema homogéneo de cuatro ecuaciones con las cuatro incdgnitas a, b, cy d. De acuerdo con el tearema 4, una solucién no trivial debe hacer que el deter- ‘minante de los coeficientes sea cero. Por consiguiente, : x yal mona dt mp ad By Bl Esta relacin se reduce a la ecuacién del plano, HEJEMPLO 28 Deduzca la eouncién del plano que pasa por los puntos (1,1, 7).3. 2,6) y (2,-2.4). SOLUCION Al sustituir fos tres puntos en la ecuacién (6.7) se obtiene Esta ecuacién se reduce a 6x + 9y + (32) +18 =0 es decie, a e-3yt 2-6-0 o—418 Capitulo 6 mM Determinantes Parabola que pasa por tres puntos Por iltimo, deduciremos la ecuacién de una parabola, con la forma ay + bx? + cx + d=0, que pasa por los tres puntos no colinesles (x,y), (82,92) (33.33) Si sustiruimos las coordenadas de los tres puntos se obtiene vy theta +d=0 ay, thx bey $d=0 ay tod toy td ayy + bd tay td Igual que antes Hlegamos a un sistema homogéneo de cuatro ecuaciones con cuatro incégni- tas, a, bey. Segiin el teorema 4, una solucién no trivial implica que el determinante de los coeficientes es cero, Por tanto, (68) vee~< Bota A que se reduce a la ecuacién de Ia parsbols. MEJEMPLO 29 Determine la ecuacién de la parabola dela forma ay ~ bx? + ex +d=0. ue pasa por los puntos cuyas coordenadas son (1, 0), (2, 1) y (0,3) SOLUCION Al sustituir los tres puntos en la ecuacién (6.8) se obtiene yew l 0111 1 42a)7° 3001 Por consiguient, ay +42 10e+6=0" > ya=2d—se43 = Algebra: teoria de la eliminacién y resultantes En esta teoria se trata de eliminar cierta cantidad de incdgnitas de un sistema de ecuaciones polinomisles con una 0 mas variables, para determinar las soluciones comunes de esas Lateoria de a eliminacién floreciéa fines del siglo x1xyyprincipios del xx, con Sylvester, Cayley, Dixon y Macaulay; entre los precursores se incluyen Euler y Bezout. Aunque es una de las teorias mis elegantes y dtiles de las matematicas, pasé de moda durante casi todo el siglo xx.?9 En fa actualidad hay um interés cada vez mas renovado, debide parcialmente a pro- * El.easo especial en el que los polinomios son lines pertenece, como hemos visto, al dominio de! Algebra lineal "0 Véase el trabajo de S. 5. Abyankar, de 1976, ttulado “Historical Ramblings in Algebraic Geometry and Related Algebra,” American Mathematical Monthly. 83 (6): 409-248,65 ml Aplicaciones 419 ‘gramas simbélicos como Maple y Mathematica, ya sus requerimientos de resolver en forma cficiente las ecuaciones polinomiales. Todavia mas importante es que, por la existencia de esos ppaquetes, la exploracién y el mayor desarrollo de esta teorfa es més factible que nunca. ‘Supongamos que hay un sistema de dos ecuaciones polinomiales!’ en una variable, x. Sinos interesaran las soluciones comunes, un método burdo consistria en resolver por sepa rado cada ecuacién (por lo general una tarea dificil) para después determinar las raices co- ‘munes de los conjuntos sohucién, Si s6lo nos interesa la existencia de soluciones, este método «es impréctico, Lo mismo ocurre en caso de resolver un sistema de dos ecuaciones polinomiales ‘con dos variables, x y y. Sea ax thx to aye + xt a=0 un sistema de dos polipomios cuadriticos, p, y pa, en x. Ahora determinaremos una condicin necesaria y suficiente para la existencia de una solucién comin. Si p; y ps tienen una solucién comiin, entonces también deben compartir un factor lineal que lo sea, por ejemplo . Sean gy =py!Qy 42=px/@ los dos cocientes lineales, sea qy = A\x+ By, y qu=~Aax~ By (en seguida veremos que tiene sentido la peculiar eleccién de los signos). En ese caso, Q = -Pulqh = Palqa; por consiguiente, pyq2~ pxqy. En forma explicita (a + bx + q)(—Are = By) = (ax? + yx + (Asx + Bi) Al desarrollar y agrupar los términos con potencias iguales de x se obtiene (ayAa + asAy)x? + (boy + byAd + a, By + apBy x? + (cA + Ay + BoB, + BB) + 6\By + eB, = 0 Come esta ecuacién polinomial es valida para toda x, los coeficientes de x°,x2,x! yx" dehen ser cero. Por tanto, ayAz + aA = 0 byAy + bAr + a,By + aB, = 0 Gia + eA + bpBy + BiB, = 0 cB +B, = 0 Este es un sistema homogéneo en, Bs, i By. De acuerdo cone eorema 4 tiene soluciones no triviales sy slo si el determinante de los cocficientes es cero. Asi ja o @ 0 ba bow ab a bh Jo a 0 a] 1" En esta seccidn eserbiremos los polinomios en orden descendente de potencias de x, para que las Formulas finales coineidan con las que aparecen en otts libros420 Capitulo 6 Ml Determinantes TEOREMA 13 La mayoria de los autores usan el determinante de la transpuesta de esta matriz, En vista de ello, una condicién necesaria y suficiente para la existencia de una raiz comiin es que a bh a oO] Oa ba % ba 0|~% Om ha A este determinant se le lama (determinante) resultante de Sylvester" de p, yp. Su tamafio es 4 y consiste en los coeficientes de los dos polinomios rellenados de ceros. En general, el resultante de Sylvester de dos polinomios de grados my n tiene tamaiio m + n. Por ejemplo, aye + bx te =0 aye! + yx tax +d = 0 Entonces e resultante de Sylvester de este sistema tiene el tamafio2 + 3= 5, y se expresa como sigue: Ja bg 0 0 fo a bg 0 Joo a ha Jab a db 0 [Oa ha & Este determinante es cero si y sélo si el sistema tiene una solucién comin. (Anulacion del resultante de Sylvester) Sean fy g dos polinomios en x, El sistema f= 0, g = 0 tiene una soluctén si y s6lo si el resultante de Sylvester es cero, suponiendo que uno de los coeficientes de la mayor potencia de x no sea cero. - MEJEMPLO 30 Sin resolver las ecuaciones, muestre que el sistema siguiente tiene una so- lucia 2-5 +6=0 Stre-s=0 SOLUCION Fl resultante de Sylvester del sistema es 1-5 6 0 0 1-5 6 1 2-8 of? 0 1 2-8 Por consiguiente, el sistema tiene una rafz comin, de acuerdo con el teorema 13, [J] Originalmente debido a Fuler, la formulacin actual se debe a Sylvester.6.5 Ml Aplicaciones 421 NOTA _ El ejemplo 30 séto sirvie para ilustrar el método del resultante de Sylvester, y no como una demostracién de su poder. Ciertamente podriamos resolver cada una de las ecuaciones cuadriticas para ver que la raiz comin es 2. Sin embargo, lo que hace potente all método es que es muy general, y que casi no impone restriceiones a los coeticientes de los polinomios. Los coeficientes mismos pueden ser polinomios en otta variable. Esta observa~ cién puede aprovecharse para resolver sistemas polinomiales multivariados, MEJEMPLO 31 Resuelva el sistema ety Bok t ye It SOLUCION Consideremos que éste es un sistema en y con coeficientes polinomiales en x P+ (2-1)=0 PY (2-241) =0 De acuerdo con el teorema 13, sihay una solucién, entonces el resultante de Sylvester es cero, 1o 2-1 o | o4 o ee 1-2 2-241 ° ot -200 Poot] Al desarrollar el determinante y simplificarlo se obtiene ax 8r=0 Por tanto, x= 0 y 1, Six= 0, al susttur en la primera ecuacién se implica que y =I, 1. Sin embargo, al sustiurlaenla segunda deducimos que y solo puede ser 1. De forma semejante, six = 1, lasustitucién en el sistema implica que y= 0 Llegamos a la conelusin que hay dos Soluciones comunes: (1,0) y (0,1) Observe queet sistema puede reformularse comox? + ?= 1 y(x= 1+ (y=1)!=1.De este modo se tienen las ecuaciones de los circus de radio | centrados en (0,0) y en (1, U, respectivamente, Su interseccién es geométricamente cbvia, v son los puntos (1,0) y (0,1) dela figura 63. cS Ingenieria eléctrica y teoria de las gréficas: arboles generadores En 1847, en una publicacién famosa, G. R. Kirchhoff establecié las bases para cl estudio de los circuitos eléctricos en lo que desde entonces se liaman leyes de Kirchhoff. Varias de las ‘muchas formulas que se presentaron ahi dependen slo de la geomettia del cireuito, y no de los resistores. inductores ni fuentes de voltaje presentes. Para estudiar las propiedades weométricas. Kitchhoff reemplaz6 al circuito eléctrico con la grfica inherente (Figura. 6.4)22 Capitulo 6 mM Determinantes (e-P+y- ad 0) gee Figura 63 Circulos que se intersectan. yw f @ ¥% % L Figura 6.4 Circuito eléctrico y su correspondiente gréfica G. ‘Sea G una grifica"® con m nodos 0 vértices identificados por vy, v2, .. ve Suponga- _mos que Gno tiene ramas ni lazos miltiples. A esa grfica se le lama simple. Un circuito de G en un nodo v; es un conjunto de ramas distintas que conectan a 10s n0d0$ Wy, ja. «5 Ya tales quey, =v) ¥ Y= ¥ el resto de los nodos son distintos. En otras palabras, una trayec- toria cerrada sin autocruzamientos y con ramas que s6lo se recorren una vez. Por ejemplo, las ramas ee y € forman un circuito en el nodo Fi de la figura. 6.4 En una de las formulas de Kirchhoff se pide la cantidad de arboles generadores en una gifica. Un arbol generador de una grifica G contiene todos los nodos de G junto con algunas ramas de tal manera que . 1. El érbol generador no tenga circuitos; 2. Dos vertices cualesquiera puedan conectarse con ramas que pertenezcan al irbol generador. La matriz de arbol dela grifica Ges, entonces, la matriz T de n Xn cuyos elementos 1 8¢ definen como sigue: ty = caida de raas incidents en el vericev, afd 28078 smarts 0 siv,y v, no son adyacentes sites, NOTA Una matriz de irbol 4 es simétrica, es decir, A= 47 "9 Reeuérdese que en el capitulo 3 se deseribieron algunas de las bases de Ia teoria de las graficasTEOREMA 14 6.5 mM Aplicaciones 423 EJEMPLO 32 La matriz de arb je Ia grifica en la figura, 6.4 es 3-1-1 --1 -1020 0-1 1002-1 co sro-1-103 El teorema siguiente, deducido por Kirchhoff, cuenta la cantidad de arboles generadores de una grifica. Se conoce como el teorema de la matriz de drbol. (Teorema de la matriz de drbol) Todos los cofactores de ls matriz de drbol T'de la grifica Gon iguales y su valor comin es la cantidad de drboles generadores de G. WEJEMPLO 33 Veamos la grifica de la figura. 64. En ésta, Ia cantidad de drboles generadores se obtiene calculando solo uno de los cofactores iguales, 2 0-1 0 2-1 -1-1 3 Cy = (- My = Por consiguiente, la cantidad de arboles generadores es 8. En este caso pueden trazarse con facilidad todos ellos para contarlos (figura 6.5). co LJ) Ite IMP Figura 65 Arboles generadores de G. El poder del teorema 14 puede apreciarse alin més cuando es necesario contar los arboles generadores de una grafica como la de la figura. 6.6. La matrie del érbol es 2-1 0 9 oO -=1 “1 4-1-1 -1 0 onl 4-1-1 -1 o-1 -1 3-1 0 O-1 -1 -1 4-1 “1 0-1 0-1 3a4 Capitulo 6 MM Determinantes “ Ye Ye Ys % v, Figura 6.6 Al-caleular el cofactor Cy, se obtiene Cy = (-1)!*!My = 115. Asi, hay 115 drboles generadores. En este caso, trazarlos y contarlos es bastante tedioso. El problema de las vacas y los campos de Newton, Considere que 1. ay vacas consumen b; campos en cy dias; 2. az vacas consumen b; campos enc; dias; 3..a5 vacas consuumen by campos en cy dias. Suponiendo que todos los campos tienen la misma cantidad de pasto, que el crecimiento diario de los campos permanece constante y que las vacas comen la misma cantidad cada dia, qué relacida existe ene las 9 magnitudes a,c)? Sea x la cantidad iniial de pasto en cada campo, sea y el crecimiento diario y se ‘consumo diario por vaca. Segtin las hipétesis, x, y y= permanecen constantes. ‘Yeamos la afirmacién 1. En c; dias, a, vacas comen a,c} cantidad de pasto, la cual es igual ala cantidad inicial de pasto, yx, més a que ha erecida enc; dias, bye. En consecuencia bx + bye,y= aye De igual forma, las afirmaciones 2 y 3 conducen a box + brew = ases2 1 byx + bycxy™ ascsz,respectivamente, Asi Hegamos al sistema homogéneo byxt bey ace bat hay ~ mez bye + hey ~ mee que tiene ax, y= como incégnitas, De acuerdo con el teorema 4, el sistema tiene soluciones no triviales si sélo si a bi by xc Date by ayes Dyes By Esta es I condicién necesaria requerida que relaciona los nueve mimeros ay... ¢3 aparen: temente no relacionadosResuitantes con sistemas algebraicos computacionales Maple 65 Ml Aplicaciones 425 > resultant (abe 2UeRe REET Mea Ejercicios 6.5 En os cjereicios 1 a4 deduzea la ecuacién de la recta que pasa por Py 0. PEAY OU, PQ. Ny OO,=1) PEO, Ny 6.8) PCB. 5) y O14 7) En os eercicios Sy 6 determine silos puntos & Oy R estin en la misma recta 5. 72,0), 20.1) y R21) 6 PEI. 2), 00,0) y R2,-1) En los ejericios 7a 10 obtenge la ecuacién, el centoy et radio el circulo que pasa por fy R P40, 0). OL-1.=1) y RCO, -2) PQ, 23, (4,0) y BG, 2) PES, 8), O11, 1) y R10, 0) 10. PCT. 71,011, Dy RE3, 2) Enos ejereicios 11a 13 deduzea la ecuacién de! tipo, bbe + e para Is parabola que pass por PQ y R 1 P10.) 011, 39 RET) 12,712.05, 000, Dy RU) 13. PQ2.2), 003, Dy RU, 7). Enlos jercicios 14a 16 encuentre la ecuscién del plano que pasa por ROyR. 14. PCL, D, Q0,-1, 1), REE, 3, =) BS, PEA, L 1), OC1,4,3),¥ RC, 0, 2) 16, AAS. 4, 3), O61, 2,2). RA, A) 17. Aplique el resultant de Sylvester para resolver el sistema ety-1=0 Steet -wtino 18. Use el resultante de Sylvester para resolver el sistema 19, Deduzea la ecuacion de la esfera que pasa por los puntos (1,2, 6,2, 3), (1, 6,3), (1,2, 1) (Sugerencia: Re: cuerde que la ecuacién de una esera tiene la formas a? + -DP + (2-0)? =o bien ACE +P +2) + Bet Cyt Dz + E=0,donde A™= Form un sistema homogéneo con A.B.C, Dy E como inedgnitas.) En los ejercicios 20 a 22 trace las grificas correspondientes 2 los citcuitos eléetricos dads,426 Capitulo 6 M Determinantes 20, Para la figura 6.7 Figura 6.7 21, Para la figura 68 Figura 6.8 22, Paral figura 69 ht Figura 6.9 23, a, Trace todos los dvboles generadores de 1a figura 6.10, y cuéntelos. fica Gy en Figura 6.10 ». Escriba la matriz de drbol para la grifica, y use el teorema 4 para calcul la cantidad de arboles gencra- ores, 24. Escriba la matiz dela grifica Gp de la figura 6.11 y use cl teorema 14 para calcular la cantidad de drboles pene adores. Figura 6.1166. Miniproyecos 427 6.6 Miniproyectos 1 m Determinantes de matrices de bloques Sean rio4 12 5 6 a-([J i}. a-[5 §) e-[2e 2 34 78 cnn y sean 1200) prog e jaa 3400 0 D= » g=foort 4 0056 fee 0020-2 oo3s1 t Observe que D es la matriz de bloques formada colocando 4 y B allo largo de la diagonal de los bloques, y rellenando con ceros el resto de los elementos. £ se formé de le misma manera a partir de d y C. Problema A Deduzea una relaci6n entre 1. det(A), det(B) y det(D); 2, det(A), det(C) y det) En general, sean A... ly m matrices cuadradas, no necesariamente del mismo tamafio, Sea 4 la matriz de bloques en diagonal que tiene @ 4,,4s,.... Aq en la diagonal principal. A 0 0 ow ° As 0 0 Ay Problema B Demuestre que el determinante de la matriz de bloques es el producto de los determinantes de las matrices en la diagonal. A, 0 ° 0 A o det(a) =| _g | = dear) dettan)---det(An) Os 0 Anh (Sugerencia: Primero observe que, con una reduccién cuidadosa con operaciones de ren- slén, el determinante de cualquier matriz.cuadrada es igual al determinante de una matriz: triangular superior. Después vea que este iltimo es igual al producto de Jos elementos de la diagonal principal.)428 Capituios Proposicion 15 DEFINICION Determinants Sid B, Cy D som mates nxn, forme a mati de Blogues M 2h x 2 a8 [eo] Podemos calcular el determinante de M basindonos en la proposicida siguiente, que cemunciaremos sin demostrs, SiA, B, Cy D conmutan entre si, es deci, si entonces Problema C 1. Compruebe las hipétesis y 1a conclusién de la proposicién 15 con afb sh eB ah es » 2. Determine en qué matrices £, & G y #22 no aplica la proposicién 15, 2 m Determinantes de Vandermonde Sea rit A=|]23 55 49 25 Observe que los elementos en cada columna son potencias: 2° 1, 2!= 1, 27=4 en la primera columna, 3° = 1, 3" =3, 32=9 para la segunda columna, y 5° = 1, 51= 5, $2 = 25 para la tercera columna. Una matriz con esta propiedad se llama matri= de Vandermonde. Una matriz Ay, que 4 2 ots Hay una formula sencilla para calcular el determinante de una matriz de Vandermonde,Proposicion 16 6.6 Ml Miniproyectos 429 | (Determinante de Vandermonde) | | El determinante ¥ de ls matriz de Vandermonde 4, se expresa como sigue: En otras palabras, Problema A 1, Compruebe ta proposicién 16 para las matrices de Vandermonde siguientes: 2. Use la proposicién 16 para calcular el determinante de las matrices de Vandermonde si- a [} 2g} as Problema B Encuentre wna condicién necesaria y suficiente para que el determinante de la matriz de Vandermonde sea igual a cero. Problema C Demuestre la proposicién 16, (Sugerencias: 1. Efectie las operaciones siguientes: Re 2B >Re430 Capitulo 6 m Determinantes Ry Ryoa ~ %9Rans > Rema —XgReor > Root Ry mR Re para obtener una matriz cuya i-ésima columna sea 1 1 nom ° (45%) 0 BEI | wren y [0] sive 7 —%) 0 2. Desarrolle el determinante que se obtiene respecto a la n-ésima columna para deducie el cofactor (1,1): Ci = (1PM 3. Aplique el teorema I para faciorizar el producto (xy ~ xy) aa ~ Xp) °° inn 7 9) ‘como factor comin del menor Mf, El determinante que queda es justamente V,... Conti- ride con este proceso.) 3m Resultante de Bezout Este proyecio es una introduccién répida ala cada vez més importante resultante de Bezout,¢ dada a conocer en 1774, de un sistema de dos polinomios en una variable, Describiremos el ‘enunciado de Cayley del método de Bezout Sean fix) y g(x) dos polinomios. Se desea definir una condicién necesaria para que el sistema fix) =, g(x) =O tenga una solucién comin. Sea a una segunda variable independiente ‘dex. Representaremos los polinomios fx) y g(x) mediante fla) y g(a) cuando x se reemplaza por a. Examinemos el determinante 2% 2:7 f(x) gt) fla) gla) A(e,a) SFlegla) ~ g(2)fla) Observe que A es cero para cualquier solucién comiin, x, del sistema f)~0, g(x)=0. Esmas, A=0six=a, Por consiguiente, x- aes divisor exacto de A(x, 2) Por lo anterior, el cociente Awa) _ flxdgta) ~ g)fla) xna@ xaa Blx,a) = es cero para cualquier solucin del sistema original. Asimismo, (x, a) ¢s un polinomio en ay en.x. Para cualquier cero comin del sistema, por ejemplo x = Xo, A(t. a) 8 cero para toda @: de esta manera, los coeficientes de las potencias de a en &(x, 2 son iguales a cero. Con esta igualdad se obtiene un sistema homogéneo en x, cayas soluciones son no triviales si el deter~ En especial la versin multvariada debida a Dixon (1908).66 Ml Miniproyectos 431 ‘minante de la matrz de coeficienteses cero. A este iltime determinante se le llama resultante de Bezout del sistema. Si el sistema original tiene un cero comiin, el resultante de Bezout Por ejemplo, si fix) = 2 = 5x46 si) = 2 +228 EA Set6 Phre—8 P= 5a+6 at 2a—B [G2 — 5x + 6)(c + 228) ~ (2 + 2x 8)(a? ~ 5a+6)] que se simplifice a Bla) = Tar ~ 14x — 14a + 28 Para cualquier cero comiin del sistema, 8(x, a) = 0 para toda a. De ahi que los coeficientes de todas las potencias de a deben ser cero, Como el coeficiente de a! es 28 ~ L4x y el coeficiente de a! es -14 + Jr, entoiices 28~ ae = -+ 7x Aqui determinante de la matriz de coeficientes es el resultante de Bezout, y como éste es cero, el sisterna tiene una solucién comin, 28-14] _ ic o7 NOTA Si fy x, los dos polinomios, son del mismo grado, los resultantes de Bezout y de Sylvester son idénticos. Con frecuencia se prefiere el resultante de Bezout, porque el tamafio del determinante 4 (= max(grado( f), grado(g))) es mucho menor que el del determinante de Sylvester (= grado( f) + grado(g)). Problema A Con el método de Bezout podemos eliminar una variable de un sistema de dos ecuaciones polinomiales con dos variables, Por ejemplo, ety-1 Pom ty=Y+1=0 ‘como un sistema en y con coeficientes polinomiales en x: PrP =0 Prwt(e-2+1)=0 1, Use el métoda de Bezout pata eliminary. 2. Iguale el resultante de Bezout y despeje x 3. Sustituya en el sistema original y calcule todos los ceros comunes. o

Álgebra Lineal Con Aplicaciones PDF

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

Álgebra Lineal Con Aplicaciones PDF

Cargado por

Copyright:

Formatos disponibles

También podría gustarte