Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebra Lineal Joe Garcia
Algebra Lineal Joe Garcia
Resolver problemas sobre matrices, utilizando definiciones, propiedades y mtodos adecuados para
cada tipo, en situaciones reales propias de la ingeniera y ciencias aplicadas.
C O N T E NI D O :
1.1
1.2
1.3
1.4
1.5
1.6
1.7
ALGEBRA DE MATRICES
CLASIFICACION DE LAS MATRICES CUADRADAS
MATRIZ TRANSPUESTA
MATRIZ TRANSPUESTA - CONJUGADA
TRAZA DE UNA MATRIZ
POTENCIA DE UNA MATRIZ
CUESTIONARIO
1.1 A L G E B R A D E M A T RI C ES
En esta seccin se introduce terminologa bsica, se define una matriz, matriz identidad y matriz escalar. Se define
y establecen las operaciones que se pueden realizar entre matrices, adems, enunciaremos las propiedades ms
importantes.
Las matrices se escribirn mediante un solo smbolo, que por lo comn sern letras
maysculas como A, B, C, D, etc. Cuando no se utilicen nmeros especficos para
designar los elementos de una matriz, se utilizarn minsculas de la forma a ij. No
existen restricciones sobre el nmero de filas o columnas que una matriz puede tener.
D E F IN I C I O N 1.1.1
Una matriz es una ordenacin rectangular de elementos distribuidos en n
filas (horizontales) y m columnas (verticales), el elemento que est en la
i-sima fila y en la j-sima columna se denota por a ij, siendo este elemento,
un nmero real o complejo. Formalmente lo denotamos como A = (a ij).
Una matriz con n filas y m columnas se llama matriz de n x m; la expresin n x m es
su orden o forma y lo expresamos como
a1m
a11 a12
a
a22
a2 m
A 21
a
anm
n1 an 2
En otras palabras, podemos decir que una matriz de n x m definida sobre el conjunto
K , es una aplicacin a : A x B o K que asocia a cada par (i, j) el nmero a ij. Los
MATRICES
elementos horizontales ai1, a i2, ..., aim representan las filas de la matriz y los
elementos verticales a1j, a2j, ..., anj representan las columnas. As, la letra i representa
la fila y la j representa la columna.
Si n = m la matriz se denomina cuadrada y se dice que tiene orden n. Si una matriz
tiene una sola fila, se le llama matriz fila y se la representa por
A = (a i1 a i2 ... a im).
Si una matriz tiene una sola columna, se le llama matriz columna y se representa por
a1 j
a2 j
A
.
a nj
En particular, un elemento a ij puede considerarse como una matriz de una fila y una
columna. Es conveniente designar a la matriz con letras maysculas en
correspondencia, si es posible, con la letra minscula comn con la cual se designan
sus elementos.
A continuacin se dan algunos tipos de matrices:
1 0 4
1
2 5 7
A 5 6 2 ; B
; C 4 ; D
1
9
2
7 9 1
8
siendo A una matriz de 3 x 3, B de 2 x 3, C de 3 x 1 y D de 1 x 3.
1
2 9 ,
D E F IN I C I O N 1.1.2
Una matriz cuadrada que tiene el nmero 1 como elementos de la diagonal
principal, y los dems elementos son ceros, se denomina matriz identidad y
1, si i j
se denota como I = (Gij), donde Gij
, G se denomina delta de
0, si i z j
Kronecker.
Matrices de este tipo se dan a continuacin:
I2
1 0
; I3
0 1
1 0 0
0 1 0 ; I4
0 0 1
0
0
0
1
0
0
0
0
1
0
0
; etc.
0
D E F IN I C I O N 1.1.3
Una matriz cuadrada que tiene el nmero D K diferente de cero, como
elementos de la diagonal principal, y los dems elementos son ceros, se
denomina matriz escalar y se denota como E = DI.
Este tipo de matrices tienen la siguiente forma:
0
0
a b
1 0 0
a 0
1 0
E2
a b
0 ( a b) 0 1 0 ; etc.
a
; E3 0
0 a
0 1
0
0 0 1
0
a b
MATRICES
a2 m
b2 m
a21 a2 2
b21 b2 2
A
y B =
an 1 an 2
bn 1 bn 2
a
b
n
m
n
m
por definicin estas matrices son iguales si y slo si se cumple que a11 = b11,
a12 = b12, ..., anm = bnm. De manera ms compacta, se escribe A = B si a ij = bij, para
todo i, j .
EJ E M P L O 1.1.1
Sean A y B dos matrices de 2 x 3:
1 S
b
a b 1 2 2b a
c
A
.
y B
b
a b
a
c S 3c S i
Cuando A y B son iguales?
SO L U C I O N
Las matrices A y B son iguales si cumplen la siguiente identidad:
b 1 S
a b 1 2 2b a
c
a
b
a
b
c S 3 S i
lo cual implica que
a b + 1 = i, 2 + 2b a = S, b = c, a = c + S, - b = 3 y a b = S + i.
EJ E M P L O 1.1.2
Determine los valores de a, b y c para que las matrices dadas sean iguales
2 4
a 2b c 2 a c
A
y B
.
a 2b
1 6
a 1
SO L U C I O N
Para que A y B sean iguales se debe cumplir por definicin que sus correspondientes
elementos sean iguales, es decir:
a 2b c 2
a 2b c 2
a 0
2a c 4
2a c 4
b 3 .
a
1
1
a
0
c 4
a 2b 6
a 2b 6
Se definir ahora la suma de matrices, que consiste simplemente, como esperar el
lector, en sumar los elementos correspondientes. Es decir, la suma C de una matriz A
que tenga n filas y m columnas, y una matriz B que tenga n filas y m columnas es
ALGEBRA LINEAL CON MATLAB
MATRICES
una matriz que tiene n filas y m columnas cuyos elementos estn dados por
cij = a ij + bij, para todo i, j.
D E F IN I C I O N 1.1.5
Dadas A = (a ij), B = (bij) y C = (cij), matrices de igual orden. Si se cumple
que
C = (a ij) + (bij) = (aij + bij) = (c ij), i, j N
a la matriz C se le denomina adicin de A y B.
Es decir; si a cada par de matrices de orden n x m le hacemos corresponder otra
matriz del mismo orden cuyos elementos se obtienen sumando trmino a trmino los
correspondientes a dichas matrices, se denomina adicin de matrices. Dadas las
matrices A y B, detalladamente podemos interpretar la adicin de matrices de la
siguiente manera:
C=A+B
b1 m
a1m b11 b1 2
a11 a12
b
b2 m
a2 m 21 b2 2
a21 a22
anm bn 1 bn 2
b
an1 an 2
nm
a1 m b1 m
a11 b11 a1 2 b1 2
a2 m b2 m
a21 b21 a2 2 b2 2
an 1 bn 1 an 2 bn 2
an m bn m
Debemos tener muy en cuenta que la adicin de las matrices A y B se puede realizar
solamente cuando B tiene el mismo nmero de filas y el mismo nmero de columnas
que A. De aqu que el orden de la matriz suma es la misma que la de los sumandos.
EJ E M P L O 1.1.3
Dadas las matrices
A 5 3i
S
Sen
2
Determine A + B.
SO L U C I O N
6
9
4i
S y B
Tan
3
4
5
3
Cos S
i
S
3S
Tan
4
4i
3
Tan
4i
4i
4
6
S 5
3
S
S
3S
9
1 Cos
i
Tan
2
4
S
1 (3)
1 Tan
4i (4i )
0
2 1 i
(5 3i ) (5)
63
S S 3i
9 (1 i ) S .
S
S
3S
1 9i
0
Sen Cos
9i
1 Tan
2
2
4
5 3i
S
Sen
2
A+B
1
1
MATRICES
T E O R E M A 1.1.1
Sean las matrices A = (aij), O = (oij) de igual orden, entonces
A + O = O + A = A.
D E M OST R A C I O N
Sean A, O matrices de igual orden, entonces
A + O = (aij) + (oij)
= (a ij + oij)
= (oij + a ij)
= (a ij)
= A.
T E O R E M A 1.1.2
Si A = (a ij) y B = (bij) son matrices de igual orden, entonces la adicin de
matrices es conmutativa, es decir, A + B = B + A.
D E M OST R A C I O N
Sean las matrices A, B de igual orden, entonces:
A + B = (a ij) + (bij)
= (a ij + bij)
= (bij + a ij)
= (bij) + (a ij)
= B + A.
T E O R E M A 1.1.3
Si A = (a ij), B = (bij), C = (c ij) son matrices de igual orden, entonces la adicin
de matrices es asociativa, es decir, A + (B + C) = (A + B) + C.
D E M OST R A C I O N
Sean A, B, C matrices de igual orden, entonces:
A + (B + C) = (a ij) + (bij) + (cij)
= (a ij) + (bij + c ij)
= (a ij + bij + c ij)
= ( a ij + bij) + (c ij)
= (( a ij) + (bij)) + (c ij)
= (A + B) + C.
MATRICES
end
fprintf(' LA SUMA C ES:\n')
C=A+B
end
a2 m Da21 Da2 2
D a2 m
a21 a2 2
C = A D
an 1 an 2
a
D
a
D
a
D
a
nm
n1
n2
nm
Tan 4
Cos
S
4
1 i
1
y k = 1 + i.
S
Sen
4
Determine k A.
SO L U C I O N
kA
Tan 4
(1 i )
i
Cos
S
4
1 i
1
S
Sen
4
S
S
(1 i )Tan 4 (1 i ) Cos 4 (1 i ) 1
S
(1 i )i
(1 i )(1 i ) (1 i ) Sen
1 i
i 1
1 i
2
1 i
i 1 2
T E O R E M A 1.1.4
Sea A = (a ij) una matriz arbitraria y k un nmero, entonces k A = A k.
D E M OST R A C I O N
Sean A una matriz arbitraria y k un nmero, entonces:
ALGEBRA LINEAL CON MATLAB
MATRICES
k A = k(a ij)
= (ka ij)
= (a ijk)
= (a ij)k
= A k.
EJ E M P L O 1.1.5
Un fabricante de sacos los produce en color negro, azul y rojo para hombres, mujeres
y nios. La capacidad de produccin en miles en la planta A est dada por la matriz
Hombres Mujeres Nios
Negro
3
5
6
Azul
2
3
4
Rojo
5
1
3
La produccin en la planta B est dada por
Hombres Mujeres Nios
Negro
2
3
3
Azul
4
2
5
Rojo
1
3
2
a.- Determine la representacin matricial de la produccin total de cada tipo de
sacos en ambas plantas.
b.- Si la produccin en A se incrementa en un 15% y la de B en un 30%, encuentre
la matriz que representa la nueva produccin total de cada tipo de saco.
SO L U C I O N
a.- Para obtener la matriz de produccin total, sumamos las matrices que relacionan
las plantas A y B:
3 5 6 2 3 3 5 8 9
2 3 4 4 2 5 6 5 9 .
5 1 3 1 3 2 6 4 5
EJ E M P L O 1.1.6
El costo en dlares de comprar un boleto areo de la ciudad A a cada una de las
cuatro ciudades B, C, D y E, est relacionado en la matriz P = (75 62 35 55). Si la
directiva de la aviacin civil aprueban un incremento del 12% en las tarifas. Hallar
las nuevas tarifas.
SO L U C I O N
Las nuevas tarifas se obtienen multiplicando la matriz P por 1.12, es decir;
1.12P 1.12 75 62 35 55 84 69, 44 39, 2 61,6 .
EJ E M P L O 1.1.7
Una empresa produce tres tamaos de radios en tres modelos diferentes. La
produccin en miles en su planta A est dada por la matriz
Tamao 1 Tamao 2 Tamao 3
Modelo 1
20
32
25
Modelo 2
15
15
29
Modelo 3
12
27
30
La produccin en miles en su planta B est dada por la matriz
ALGEBRA LINEAL CON MATLAB
MATRICES
15 15 29 25 35 25 40 50 54 .
12 27 30 12 18 21 24 45 51
b.- Para encontrar la matriz C, tenemos que multiplicar a la matriz A por 1.25, es
decir
40 31.25
20 32 25 25
c.- Para representar la produccin total de las tres plantas, debemos sumar las
matrices A, B y C, es decir:
40 31.25
20 32 25 35 42 19 25
114 75.25
80
58.75
68.75
90.25 .
39
78.75 88.5
EJ E M P L O 1.1.8
Una compaa tiene plantas en cuatro provincias, I, II, III y IV, y cuatro bodegas en
los lugares P, Q, R y S. El costo en miles de dlares de transportar cada unidad de su
producto de una planta a una bodega est dado por la matriz
Prov. I Prov. II Prov. III Prov. IV
Bodega P
13
12
17
12
Bodega Q
19
17
13
15
Bodega R
8
9
11
13
Bodega S
19
21
9
15
a.- Si los costos de transportacin se incrementan uniformemente en $500 por
unidad, cul es la nueva matriz?
b.- Si los costos de transportacin se elevan en un 25%, escriba los nuevos costos.
SO L U C I O N
a.- Obtenemos la nueva matriz, sumndole a la matriz A la matriz de incrementos
13 12 17 12 0.5 0.5 0.5 0.5 13.5 12.5 17.5 12.5
MATRICES
15
21.25 15
13 12 17 12 16.25
T E O R E M A 1.1.5
Si A = (aij), B = (bij) son matrices de igual orden y k un nmero, entonces se
cumple la ley distributiva respecto a la adicin de matricial, es decir,
k(A + B) = k A + k B.
D E M OST R A C I O N
Sean A, B matrices de igual orden y k un nmero, entonces:
k(A + B) = k((a ij) + (bij))
= k(a ij) + bij)
= (ka ij + kbij)
= (ka ij) + (kbij)
= k A + k B.
T E O R E M A 1.1.6
Si A = (a ij) es una matriz arbitraria y k, t nmeros, entonces se cumple la ley
distributiva con respecto a la adicin de escalares, es decir,
(k + t)A = k A + t A.
D E M OST R A C I O N
Sean A una matriz arbitraria y k, t nmeros, entonces:
(k + t)A = (k + t)( a ij)
= ((k + t) a ij)
= (ka ij + ta ij)
= (ka ij) + (ta ij)
= k A + t A.
% MULTIPLICACION DE UN ESCALAR Y UNA MATRIZ
clc;clear;
fprintf('\n PRODUCTO POR UN ESCALAR \n')
fil=input('Ingrese el numero de filas de la Matriz A: ');
col=input('Ingrese el numero de columnas de la Matriz A: ');
n=input('Ingrese el escalar: ');
%Ingreso de elementos
for f=1:fil
for c=1:col
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
fprintf('\ LA MATRIZ A ES: \n')
A
end
fprintf('\ LA MATRIZ PRODUCTO B ES: \n')
B=A*n
End
a2 m a21 a2 2
a2 m
a21 a2 2
C = A + (- A )
an 1 an 2
an m an 1 an 2
an m
10
MATRICES
a11 a11
a21 a21
an 1 an 1
a1 2 a1 2
a2 2 a2 2
an 2 an 2
a1 m a1 m 0 0
a2 m a2 m 0 0
an m an m 0 0
0
.
D E F IN I C I O N 1.1.7
Una matriz B = (bij) que, dada una matriz A = (a ij) cumple la ecuacin
matricial
(oij) = (a ij) + (bij), para todo i, j N
recibe el nombre de matriz opuesta o negativa de A.
La operacin de restar una matriz B de una matriz A se define exactamente como
esperar el lector: A B es la matriz cuyos elementos son a ij bij. Se observa
tambin que la resta puede definirse en trminos de operaciones ya definidas,
como
A B = A + (-B).
Es decir, para restar dos matrices, restamos sus correspondientes elementos.
D E F IN I C I O N 1.1.8
Dadas A = (a ij), B = (bij) y C = (c ij), matrices de igual orden. Si se cumple
que
C = A - B = (aij) - (bij) = (a ij bij) = (c ij), i, j N
a la matriz C se le denomina resta de A y B.
Es decir; si a cada par de matrices de orden n x m le hacemos corresponder otra
matriz del mismo orden cuyos elementos se obtienen restando trmino a trmino
los correspondientes a dichas matrices, se denomina resta de matrices. Dadas las
matrices A y B, detalladamente podemos interpretar la resta de matrices de la
siguiente manera:
C = A-B
a1 m b11 b1 2
b1 m
a11 a1 2
a2 m b21 b2 2
b2 m
a21 a2 2
=
an 1 an 2
an m bn 1 bn 2
bn m
a1 m b1 m
a11 b11 a1 2 b1 2
a2 m b2 m
a21 b21 a2 2 b2 2
an 1 bn 1 an 2 bn 2
an m bn m
Debemos tener muy en cuenta, como lo hicimos para la adicin, que la resta de las
matrices A y B se puede realizar solamente cuando tienen el mismo orden. De aqu
que el orden de la matriz obtenida de la resta es la misma que la de A y B.
E J E M P L O 1.1.9
Dadas las matrices
13 5 12
-6 11 3
y B =
.
17 6 8
15 2 1
Determine la matriz M tal que A - 2M = 3B.
SO L U C I O N
Como A 2M = 3B, entonces:
A
MATRICES
11
1
2M = A 3B M = ( A - 3B )
2
Reemplazando los datos conocidos, obtenemos:
1 13 5 12 -6 11 3 1 13 5 12 -18 33 9
M =
- 3
=
-
2 17 6 8 15 2 1 2 17 6 8 45 6 3
1 31 28 3
.
2 28 0 5
EJ E M P L O 1.1.10
Dadas las matrices
A
Sen 4
Cos S
S
Cos
4
,
S
Sen
4
Tan 4
Sen S
S
Sen
4
.
S
Tan
4
Determine A - B.
SO L U C I O N
A -B
Sen 4
Cos S
S
S
S
Cos Tan
Sen
4
4
4
S
S
S
Sen Sen
Tan
4
4
4
2
1
2
2
.
2
1
2
2
2
2
1
2
2 2
2 2
EJ E M P L O 1.1.11
Tres mquinas de gaseosas se localizan en un centro comercial. El contenido de estas
mquinas se presenta en la siguiente matriz de inventario:
Coca - Cola Fanta Sprite
Maquina I
65
32
84
Maquina II
92
65
36
Maquina III
45
72
93
Los elementos indican el nmero de latas de cada tipo de gaseosa que contiene cada
mquina. Suponga que la matriz de ventas para el da siguiente es
Coca - Cola Fanta Sprite
Maquina I
53
25
70
Maquina II
80
60
30
Maquina III
35
65
85
donde los elementos indican el nmero de latas de cada tipo de gaseosa que vende
cada mquina. Hallar la matriz de inventario al final del da.
SO L U C I O N
La matriz de inventario al final del da se obtiene de la siguiente manera:
65 32 84 53 25 70 12 7 14
92 65 36 80 60 30 12 5 6 .
45 72 93 35 65 85 10 7 8
12
MATRICES
12 7 14 30 20 15 42 27 29
12 5 6 30 20 15 42 25 21 .
10 7 8 30 20 15 40 27 23
E J E M P L O 1.1.12
Determnense las matrices P y Q de orden 3 x 2, tales que satisfagan el sistema de
1 3
-1 0
2 P + 3Q = A
ecuaciones
, donde A = 2 4 y B = -1 -3 .
P
Q
=
B
1 2
1 -1
SO L U C I O N
Multiplicando la segunda ecuacin por 2, y sumandole a la primera, obtenemos las
matrices P y Q.
P = - A - 3B
Q = A + 2B
Es decir:
1 3 -1 0 -1 -3 -3 0 2 -3
P = - 2 4 - 3 -1 -3 = -2 -4 - -3 -9 = 1 5
1 2 1 -1 -1 -2 3 -3 -4 1
1
3
-1
0
1
3
-2
0
-1
3
Q = 2 4 + 2 -1 -3 = 2 4 + -2 -6 = 0 -2 .
1 2
1 -1 1 2 2 -2 3 0
A
A
A
22
2n
A 21
.
A mn
A m1 A m 2
Al multiplicar todas las submatrices por un nmero k multiplicaremos, al mismo
tiempo, todos los elementos de la matriz A por k. Por consiguiente
k A 1n
k A 11 k A 12
k
A
k
A
k
A 2n
22
k A 21
.
k A mn
k A m1 k A m 2
Sea B una matriz dividida en el mismo nmero de submatrices que la matriz A
ALGEBRA LINEAL CON MATLAB
MATRICES
13
B1n
B11 B12
B
B 22
B 2n
.
B 21
B mn
B m1 B m 2
supongamos, adems, que las correspondientes submatrices de las matrices A y B
son del mismo nmero de filas y de columnas respectivamente. Para sumar las
matrices A y B hay que sumar sus elementos correspondientes. Pero lo mismo
ocurrir, si sumamos las submatrices correspondientes de estas matrices. Por esto
A 12 B12
A 1n B1n
A 11 B11
A
B
A
B
A
21
22
22
2n B 2n
.
A + B 21
A mn B mn
A m1 B m1 A m 2 B m 2
% CALCULAR LA RESTA DE MATRICES
clc;clear;
fprintf('\n RESTA DE MATRICES \n')
fil=input('Ingrese el numero de filas De las Matrices A y B: ');
col=input('Ingrese el numero de columnas De las Matrices A y B: ');
%Ingreso de elementos
fprintf('Matriz A:\n')
for f=1:fil
for c=1:col
fprintf('Ingrese el elemento A:(%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf('Matriz B:\n')
for f=1:fil
for c=1:col
fprintf('Ingrese el elemento B:(%d,%d)',f,c)
B(f,c)=input(' :');
end
end
fprintf(' LA MATRIZ A ES:\n')
A
end
fprintf(' LA MATRIZ B ES:\n')
B
end
fprintf('LA MATRIZ DIFERENCIA C ES:\n')
C=A-B
End
14
MATRICES
a2 p b21 b2 2
b2 m
a21 a2 2
C = AB
an 1 an 2
an p bp 1 bp 2
bp m
a1 k bk 1 a1 k bk 2
a1 k bk m
k
k
k
a2 k bk m
a2 k bk 1 a2 k bk 2
k
k
k
.
an k bk m
an k bk 1 an k bk 2
k
k
k
y B
.
2 3
9 8
Hallar matrices C y D de orden 2, tales que A C = B y D A = B.
SO L U C I O N
Para determinar matrices C y D, debemos tomar matrices de 2 x 2 cuyos elementos
son desconocidos y los establecemos como sigue:
2b d 7 6
2 1 a b 7 6
2a c
2 3 c d 9 8
2 a 3c 2b 3d 9 8
A
f 2 1 7 6
2e 2 f e 3 f 7 6
h 2 3 9 8
2 g 2h g 3h 9 8
De aqu, establecemos los siguientes sistemas de ecuaciones:
e
MATRICES
15
2a c 7
c = 8 y d = 7;
2 a 3c 9
2e 2 f
e 3 f
7
19
33
y e
f
6
4
4
2 g 2h 9
2b d 6
15
13
25
43
y b
;
y g
a
h
2b 3d 8
g 3h 8
2
4
2
4
Solucionados ambos sistemas y obtenemos las matrices pedidas:
33 19
15 13
4
4 .
C 2 2 y D
43 25
8 7
4
4
E J E M P L O 1.1.15
Determine la matriz M de modo que satisfaga la relacin
3 1 5 7
M
=
.
-2 2 -5 9
SO L U C I O N
Para resolver este problema, debemos tomar una matriz M de 2 x 2 cuyos elementos
son desconocidos y los establecemos de la siguiente manera:
a b 3 1 5 7
3a 2b a 2b 5 7
.
c
d
2
2
5
9
3c 2d c 2d 5 9
Dos matrices se dice son iguales si sus correspondientes elementos son iguales,
por tanto
3a 2b 5
4a = 12 a = 3 y b = 2;
a 2b 7
3c 2d
c 2d
5
4c = 4 c = 1 y d = 4
9
Por lo tanto
3 2
M =
.
1 4
E J E M P L O 1.1.16
Encontrar todas las matrices de orden dos que conmutan con la matriz
CosT SenT
A
.
SenT CosT
SO L U C I O N
Multiplicamos a la matriz A por la izquierda y derecha por una matriz 2 x 2 de
variables:
a b CosT SenT CosT SenT a b
cCos
T
d
S
en
T
a
S
en
T
cCos
T
( a d ) SenT 0
cSenT dCosT bSenT dCosT
(b c ) SenT 0
Si SenT z 0, entonces: b + c = 0 b = -c y a - d = 0 a = d
por lo tanto la matriz buscada es
d c
, para todo c, d R.
c d
ALGEBRA LINEAL CON MATLAB
16
MATRICES
E J E M P L O 1.1.17
Dadas las matrices A, B, en qu condiciones son vlidas las siguientes ecuaciones?
a.- (A + B)2 = A 2 + 2A B + B 2;
b.- (A + B)(A - B) = (A - B)(A + B) = A 2 - B 2.
SO L U C I O N
a.- (A + B)2 = (A + B)(A + B) = A A + A B + B A + B B si A B = B A
= A 2 + 2A B + B 2.
b.- (A + B)(A - B) = A A - A B + B A - B B si A B = B A
= A2 - B2
(A - B)(A + B) = A A + A B - B A - BB si A B = B A
= A 2 - B 2.
EJ E M P L O 1.1.18
Dadas las matrices A, B, C, D, suponga que todas las operaciones estn definidas;
demuestre entonces, a partir de la definicin de multiplicacin de matrices, que:
(A + B)(C + D) = A(C + D) + B(C + D) = A C + A D + B C + B D.
Bajo qu hiptesis estn definidas todas las operaciones?
SO L U C I O N
Realizamos el producto
(A + B)(C + D) = A C + A D + B C + BD
= (A C + A D) + (B C + B D)
= A(C + D) + B(C + D)
Las matrices A y B deben ser de orden m x n y las matrices C + D de orden n x p.
E J E M P L O 1.1.19
Si A, B, C son tres matrices tales que A C = C A y B C = C B, prubese que:
(A B B A)C = C(A B B A).
SO L U C I O N
Tenemos como hiptesis que tanto A y C como B y C son conmutativas para el
producto, entonces:
(A B B A)C = A B C B A C = A C B B C A = C A B C B A = C(A B B A).
EJ E M P L O 1.1.20
Dadas las matrices
1 0 2
1 3 0
6 5 7
A 0 1 1 , B 0 4 1 , C 2 2 4 .
3 3 6
2 0 2
2 3 0
A C 0 1 1 2 2 4 5 5 10 ;
2 0 2 3 3 6 18 16 26
1 3 0 6 5 7
0 4 1 2 2 4
2 3 0 3 3 6
12 11 19
5 5 10 .
18 16 26
sin que A = B.
E J E M P L O 1.1.21
Muestre que A y B conmutan si y slo si A - DI y B - DI conmutan para un cierto
escalar unidad.
SO L U C I O N
Realizamos los productos correspondientes a (A - DI)(B - DI) y (B - DI)(A - DI):
(A - DI)(B - DI) = (B - DI)(A - DI)
ALGEBRA LINEAL CON MATLAB
MATRICES
17
A B - DA I - DIB + D2 II = B A - DB I - DI A + D2 II
A B - DA - DB + D2 I 2 = B A - DB - DA + D2 I 2
A B = B A.
EJ E M P L O 1.1.22
a b
Sea A
una matriz de 2 x 2 con ad bc z 0. Encuentre una matriz B tal
d
c
que A B = B A = I.
SO L U C I O N
Realizamos los productos A B = I y B A = I, luego resolvemos los sistemas de
ecuaciones lineales generados por cada uno de ellos:
ax bz 1
d
c
z
cx dz 0
x ad bc ;
a b x y 1 0
ad
bc
AB
b
a
c
d
z
u
0
1
ay
bu
0
; u
cy du 1
ad bc
ad bc
ax cy 1
d
x
;
bx dy 0
x
y
a
b
1
0
ad bc
BA
b
z u c d 0 1
y
az cu 0
;
bz du 1
ad bc
Por lo tanto la matriz B tiene la forma siguiente:
b
d
ad bc ad bc
.
B
a
c
ad bc ad bc
z
u
c
ad bc .
a
ad bc
E J E M P L O 1.1.23
Demuestre que si A B = O y B z O, no existe ninguna matriz C tal que C A = I.
SO L U C I O N
Si A = O por ser B z O, la no existencia de la matriz C para que C A = I, es obvia. Si
A z O y B z O, entonces A z O, C A z C O, C A z O para que C A = I
necesariamente la matriz C debe ser la inversa de A, en caso contrario no podemos
obtener C A = I.
E J E M P L O 1.1.24
Sea A una matriz de n x n. Suponga que A B = B para toda matriz B de n x n.
Pruebe que A = I.
SO L U C I O N
Tenemos que:
A B = B A B B = O (A I)B = O.
Por hiptesis B z O, entonces A I = O, de donde A = I.
E J E M P L O 1.1.25
Encuentre un ejemplo para probar que existen matrices no cuadradas A y B, tales que
A B = I. Especficamente, pruebe que existe una matriz A de m x n y una matriz B de
n x m, tales que A B es la matriz identidad de m x m. Demuestre que B A no es la
matriz identidad de n x n. Pruebe en general que, si m z n, entonces A B y B A no
pueden ser ambas matrices identidad.
SO L U C I O N
a b
1 3 1
Sea A
y B c d , entonces:
4 2 1
e f
18
MATRICES
a b
b 3d f 1 0
1 3 1
a 3c e
c d
.
4
2
1
4
a
2
c
e
4
b 2d f 0 1
e f
(2) 4 a 2c e 0
(1) (2) 5 a 5c 1
5 a 5c 1
B
c
d
(3) b 3d f 0
(3) (4) 5b 5d 1
e f 5b 5d 1
(4) 4b 2d f 1
Como comprobacin, podemos escoger la matriz B de la siguiente manera:
3
3
5 10
1 3 1 2
1 1 0
AB
.
2 0 1
4 2 1 5
6
8
5
5
Con esto queda demostrado que existen matrices no cuadradas, tales que el producto
A B es la matriz I. A continuacin, vamos a demostrar que el producto B A no es la
matriz I:
3
6
9
3
3
5 10
5
5
10
1 0 0
2
1 1 3 1 8
1
9
BA
z 0 1 0 .
4
2
1
5
2
5
10
5
0 0 1
6
8
16 12 14
5
5
5
5
5
AB
E J E M P L O 1.1.26
Suponga que la tercera columna de B es la suma de las primeras dos columnas. Qu
se puede decir sobre la tercera columna de A B? Por qu?
SO L U C I O N
La tercera columna de A B es la suma de las primeras dos columnas de A B. He aqu
por qu. Denotemos las primeras tres columnas de B por b1, b2, b3. Si b3 = b1 + b2,
entonces la tercera columna de A B es A b3 = A b1 + A b2, por una propiedad de la
multiplicacin de matrices.
EJ E M P L O 1.1.27
Un comerciante de radios, tiene 10 radios de tamao I, 15 de tamao II y 8 de
tamao III. Los radios de tamao I se venden a $60 cada uno los de tamao II en $47
cada uno y los de tamao III se venden a $40 cada uno. Calcular el precio de venta
de su existencia de radios.
SO L U C I O N
Construimos una matriz A en la cual constan la cantidad de radios de cada uno de los
tamaos y, una matriz B de precios por tamao. Realizamos el producto de A B para
obtener el precio de venta de la existencia de radios
60
10 15 8 47 $1625 .
40
EJ E M P L O 1.1.28
Una empresa utiliza tres tipos de materias primas P1, P2 y P3 en la elaboracin de tres
productos Q1, Q2 y Q3. El nmero de unidades de P1, P2 y P3 usados por cada unidad
de Q1 son 4, 3 y 2 respectivamente, por cada unidad de Q2 son 5, 3 y 4,
ALGEBRA LINEAL CON MATLAB
MATRICES
19
b.- Los costos de materia prima por unidad de cada producto lo calculamos de la
siguiente manera: a la matriz B del inciso anterior le multiplicamos la matriz C de
costos por unidad para cada tipo de materia prima, es decir
4 3 2 60 432
B C 5 3 4 52 528 .
2 5 3 18 434
c.- Si sumamos los tres tipos de materia prima, obtenemos la cantidad total gastada
a la semana en la produccin de los tres productos
P1 + P2 + P3 = 280 + 333 + 245 = 858.
EJ E M P L O 1.1.29
Demostrar que la igualdad A B B A = I es imposible.
SO L U C I O N
Sea
a11 a12 ... a1n
b11 b12 ... b1n
a
a
...
a
b21 b22 ... b2 n
21
22
2n
A
, B
,
... ...
... ...
...
...
an1 an 2 ... an n
bn1 bn 2 ... bn n
n
n
n
n
n
a2 k bk 1 a2 k bk 2 ... a2 k bkn
AB k 1
,
k 1
k 1
...
...
...
n
n
n
k 1
k 1
k 1
n
n
n
n
n
b2 k a k 1 b2 k a k 2 ... b2 k a kn
BA k 1
.
k 1
k 1
...
...
...
n
n
n
k 1
k 1
k 1
20
MATRICES
aik bki , que es exactamente igual a la suma de los elementos diagonales para la
i 1k 1
(d ij ) bik ckj .
k 1
r 1
r 1 k 1
r 1 k 1
( f ij ) aik bkj .
k 1
r 1
r 1 k 1
r 1k 1
(eij ) ai k d k j
k 1
( ai k bk j ai k ck j )
r 1
m
m
ai k bk j ai k ck j
r 1
r 1
= AB + A C .
T E O R E M A 1.1.9
Sean A = ( a ij), B = (bij) y C = (c ij), matrices compatibles para la suma y el
producto respectivamente, entonces
(B + C)A = B A + C A.
D E M OST R A C I O N
Sea D = B + C, entonces (dij) = (bij + c ij). Si E = D A, entonces
ALGEBRA LINEAL CON MATLAB
MATRICES
21
m
m
m
m
(eij ) dik akj (bik cik ) akj bik akj cik akj
k 1
r 1
r 1
r 1
BA + CA .
Si E = I A, entonces
m
Por tanto, D = E = A.
T E O R E M A 1.1.11
Sean A = (a ij), B = (bij) matrices compatibles para el producto. En general, el
producto de dos matrices no es conmutativo, y, por tanto A B z B A.
D E M OST R A C I O N
Si D = A B, entonces
m
(d ij ) aik bkj
r 1
Si E = B A, entonces
m
(eij ) bik a kj
r 1
i
2 i 4 3i
,
7 6 9i 1 i
8 4i
3 2i
5i
2i .
4 5i
SO L U C I O N
5i
8 4i
i
6i 4
2 i 4 3i
42 21i
6
2i
;
7
6
9
i
1
i
97
25
i
27
24i
3 2i 4 5i
5i
8 4i
20 35i 38i 1 9 8i
i
2 i 4 3i
2i
12 8i 42 6i 6i 2 .
6
7
6
9
i
1
i
32 42i 83i 19 7 4i
3 2i 4 5i
AB
BA
22
MATRICES
Por tanto A B z B A.
EJ E M P L O 1.1.31
Dadas las matrices
S
S
S
S
Sen 4 Cos 4
Tan 4 Sen 4
, B
.
A
Cos S Sen S
Sen S Tan S
4
4
4
4
Demuestre que A B = B A.
SO L U C I O N
Realizamos el producto A B:
S
S
S
S
AB
Cos S Sen S Sen S Tan S
4
4
4
4
2
2
2
1
2
2
2
2
2 2
1
2 2
2
BA
Sen S Tan S Cos S
4
4
4
2
Por tanto A B = B A.
2 2
2 2
2
1
2
2
2
2 1
2
1 2
2 1
2 .
2 1
S
Cos
4
S
Sen
4
2 1
2
1 2
2 1
2
.
2 1
MATRICES
23
A
fprintf(' LA MATRIZ B ES:\n')
B
fprintf(' LA MATRIZ PRODUCTO C ES:\n')
C=A*B
else
fprintf('\n Las dimensiones no coinciden\n')
end
A2p
B 2n
A 21 A 22
B 21 B 22
A
y
.
B
A m1 A m 2
B pn
A mp
B p1 B p 2
A 2 k B km
A 2 k B k1 A 2 k B k 2
k
k
A B k
A nk B km
A nk B k 1 A nk B k 2
k
k
k
EJ E M P L O 1.1.32
Determine A B, dadas las matrices
4 3 5
0 4 6
A 1 2 3
1 2 5
1 0 3
2
3
6
6
5
8
2 y B
7
1
1
2
1
2
3
3
4
4
4
9
6
6
6
8
3
8 .
3
5
SO L U C I O N
El producto A B se establece de la siguiente manera:
A 11B11 + A 1 2 B1 2 A 11B1 2 + A 1 2 B 2 2 C11 C12
AB =
=
A 21B11 + A 2 2 B 21 A 21B1 2 + A 2 2 B 2 2 C 21 C 22
2 4 6
4 3 0 3 9 5 2 1
C11
1 4 6
0 4 1 3 6 6 3 8 2 4 8
24
MATRICES
C12
3 21 54 14 32 50 17 53
4 12 24 31 68 118 35 80
8
4 3 1 5 2 1 13 51
3
0 4 3 6 3 8 5 12 97
C 21 1
1
2
0
C 22
2
3
0 3 9
2
5
1 3 6
0
3
9 21 16 44
9 21 30 72
3 9 13 36
6 2 2 4
6 7 1 4
5 1
2 4
70 18
122 32
56 13
1 2
3 6 2 8
1
1 2 3 5 6 7 3
1 0
3 5 1 5
17
35
A B = 18
32
13
104
.
142
64
.
109
6
8
53 91
81 143 .
39 65
7 52 59
7 93 100 .
1 44 45
53 104
80 142
53 91
81 143
39 65
64
109
59 .
100
45
EJ E M P L O 1.1.33
Dada
O I
A =
B O
donde las submatrices O, I, B son de k x k. Determine A 2 y A 4.
SO L U C I O N
Realizamos el producto A A y luego A 2 A 2 y obtenemos los resultados
correspondientes:
OI + IO B
O I O I O + I B
A2 = AA =
=
=
B
O
B
O
B
O
+
O
B
BI + O O
B
A4 = A2A2 =
O
O B
B O
O B2 + O
=
B O B + B O
B O + O B B2
=
O + B 2 O
O
;
B
O
.
B 2
Las propiedades entre hipermatrices son las mismas que estudiamos anteriormente.
PR O B L E M AS
1.1.1 Multiplicar las matrices:
1 2 1 2 3 1 1 2 1
a.- 0 1 2 1 1 0 0 1 2 ;
3 1 1 1 2 1 3 1 1
a b c 1 a c
b.- c b a 1 b b .
1 1 1 1 c a
MATRICES
25
2
d.-
1
1
g.-
3
1
;
1
1 2
;
2 1
3 4
e.-
;
5 1
1 1
c.-
;
1 1
2 3
f.-
;
2 4
4
;
2
3 8
h.-
;
3 1
1 4
i.-
.
2 8
a.- 1 1 1 ; b.- 3 2 1 ;
1 1 1
1 1 3
5 1 3
4 5 1
c.- 2 1 1 ; d.- 1 3 0 ;
1 1 3
2 0 1
1 3 0
e.- 2 1 3 ;
5 2 1
1 1 7
f.- 2 3 1 .
1 4 1
1.1.15
que
A
2 1 , C
5 3
9 3 5
2 5 4
, D 7 2 4 .
9 6 2
7 5 0
A 0 b c
0 d e
2
tales que A = I.
1.1.21 Encontrar una matriz A de 4 x 4 cuyos elementos
cumplan la condicin siguiente:
a.- aij = i j;
b.- aij = mn{i, j};
c.- a ij = j1+ j;
d.- a ij = ~i - j~;
1 si i j ! 1
1 si i j d 1
1.1.22 Pruebe con un ejemplo que si B tiene una columna
de ceros, entonces A B tiene una columna correspondiente
de ceros.
1.1.23 Encuentre una matriz A tal que:
1 2 4
1 2 1
a.- A 3 0 3 1 ; b.- A 2 3 0 2 ;
0 5 1
0 0 3
2 0 0
1 2 1
c.- A 3 1 3 2 ; d.- A 2 1 0 2 .
1 1 1
1 2 1
26
MATRICES
4 5
2 3
Modificar el segundo miembro de esas identidades para
obtener frmulas vlidas para todas las matrices cuadradas
A y B. Para qu matrices A y B son vlidas las
identidades establecidas anteriormente?
1.1.28 Sean A y B matrices de n x n. Demuestre que si
todos los elementos de la j-sima columna de A son nulos
entonces todos los elementos de la j-sima columna de A B
son nulos.
1.1.29 Hllese la familia de matrices de la forma
a 0 0
A 0 b c
0 d e
2
tales que A = O.
1.1.30 Construya una matriz aleatoria A de 4 x 4 y
compruebe si (A + I)(A I) = A 2 I. La mejor manera de
hacer esto es calcular (A + I)(A I) (A 2 I) y verificar
que esta diferencia sea la matriz cero. Hgalo para tres
matrices al azar. Luego haga la prueba para (A + B)(A
B) = A 2 B 2 procediendo de la misma manera con tres
pares de matrices de 4 x 4 al azar. Informe los resultados.
1.1.31 Sea A
0 0
triz B de 2 x 2
(A B A B A)2 = (B A A B A)2 = O.
ALGEBRA LINEAL CON MATLAB
1
A
0
0
1
1
1
0
.
1
1.1.33 La matriz
PARA A PARA B PARA C
DE A
1.50
1.25
1.05
DE B
0.75
0.50
0.45
DE C
0.35
0.45
0.95
representa la proporcin de una poblacin de electores
que cambia del partido i al partido j en una eleccin dada.
Es decir, pij (i z j) representa la proporcin de la poblacin
de electores que cambia del partido i al partido j y pii
representa la proporcin que permanece leal al partido i
de una eleccin a otra. Encuentre el producto de P con s
misma. Qu representa este producto?
1.1.34 Pruebe con un ejemplo que si A tiene una fila de
ceros, entonces A B tiene una fila correspondiente de
ceros.
1.1.35 Suponga que se quiere calcular la cantidad de
dinero que se tiene al cabo de n aos si invertimos $ 250 a
un inters compuesto anual del, 4.5, 5, 5.5 %. Si
colocamos P dlares durante un ao a un inters r,
entonces el valor que se tiene al final del ao es Capital
final = P + rP = (1 + r)P. Encuentre el monto al final del
tercero y cuarto aos de una inversin de $ 250 al inters
de 4.5, 5 y 5.5 %, respectivamente.
1.1.36 El costo en dlares de comprar un boleto areo de
la ciudad A a cada una de las cuatro ciudades B, C, D y E,
est relacionado en la matriz P = (75 62 35 55). Si la
directiva de la aviacin civil aprueba un incremento del
12% en las tarifas. Hallar las nuevas tarifas.
1.1.37 Suponga que una matriz de n x n satisface la
ecuacin A 2 2A + I = O. Demuestre que A 3 = 3A - 2I y
que A 4 = 4A 3I.
1.1.38 Demuestre que si ambos productos A B y B A estn
definidos, entonces A B y B A son matrices cuadradas.
1.1.39 Tres mquinas de gaseosas se localizan en un
centro comercial. El contenido de estas mquinas se presenta en la siguiente matriz de inventario:
A B C
Maquina I 65 32 84
Maquina II 92 65 36
Maquina III 45 72 93
JOE GARCIA ARCOS
MATRICES
27
; b.-
;
O
B
O
I
B A I B
A
c.-
D
C E
O O
I
;
D
d.- O
O
O
B
O
O I
O O .
O B
3 0
1
3
6 2
A i 1 i 2 9
0
1
5 i 2
7
6 4
4 81 56 92 102 15
y
i 93 67 34 0 0.5
1 i 4 8 3 0
8 56 71 23 41 3
B
.
0
1 1 6 2 9
0 2 1 3 4 5
3
6 9 6 2 1
1.1.46 Una fbrica elabora muebles de comedor y sala en
dos sitios. La matriz proporciona el costo total de
manufactura de cada producto en cada lugar (suponga que
solamente hay costos de mano de obra y de material):
SITIO1 SITIO 2
COMEDOR
65
45
SALA
50
60
a.- Dado que la mano de obra corresponde a casi 2/5 del
costo total, determine la matriz B que proporciona los
costos de mano de obra para cada producto en cada sitio.
b.- Encuentre la matriz C que da los costos de material
para cada producto en cada sitio.
1.1.47 En un ecosistema, ciertas especies proveen de
comida a otras. El elemento a ij de la matriz de consumo
es igual al nmero de unidades de la especie j consumidas diariamente por un individuo de la especie i.
JOE GARCIA ARCOS
28
MATRICES
1.1.48
Cierta empresa cuenta con cuatro fbricas, cada una de ellas produce dos
productos:
FABRICA 1 FABRICA 2 FABRICA 3 FABRICA 4
PRODUCTO1
125
105
95
80
PRODUCTO 2
55
60
75
60
Determine los niveles de produccin que habra si sta se incrementase en un 25 %.
1.1.49 Un agricultor cosecha dos veces al ao, las cuales se distribuyen a cuatro
mercados:
MERCADO1 MERCADO 2 MERCADO 3 MERCADO 4
COSECHA 1
125
105
95
80
COSECHA 2
55
60
75
60
La ganancia en una unidad del producto i se representa en la matriz B
1.25
3.25 .
MATRICES
29
1.2 C L ASI F I C A C I O N D E L AS M A T RI C ES C U A DR A D AS
En esta seccin clasificamos y definimos las diversas partes de una matriz cuadrada, se introduce trminologa
bsica, enunciamos sus correspondientes propiedades.
Las matrices cuadradas, desempean un papel muy importante en todos los aspectos
del lgebra de matrices. Su estructura requiere un anlisis particular, el cual se
discutir a continuacin, de modo que no resulte incomprensible el estudio de las
operaciones que pueden efectuarse sobre este particular tipo de matrices.
D E F IN I C I O N 1.2.1
Sea A una matriz cuadrada de n x n. Dentro de este tipo de matrices,
podemos distinguir tres regiones que se definen de la siguiente manera:
a.- La diagonal principal, est formada por los elementos a ij para los
cuales i = j.
b.- El tringulo superior, est formado por los elementos a ij para los cuales
i < j.
c.- El tringulo inferior, est formado por los elementos a ij para los cuales
i > j.
Es decir, la diagonal principal de una matriz cuadrada son todos los elementos
que se encuentran en la lnea que va del vrtice superior de la izquierda al inferior
de la derecha. La diagonal secundaria la forman los elementos de una matriz que
se encuentran en la lnea que va del vrtice superior derecho al inferior izquierdo.
De la definicin anterior, podemos distinguir algunas matrices cuya estructura
permite una clasificacin bien determinada.
D E F IN I C I O N 1.2.2
Se dice que una matriz T = (tij) de orden n, es triangular superior (inferior)
si existen elementos tij = 0, con i > j (i < j).
Este tipo de matrices se determinan, cuando los elementos situados debajo (encima)
de la diagonal principal son nulos. Es decir:
ALGEBRA LINEAL CON MATLAB
30
MATRICES
t11
t11
t2 1
tn 1
t1 2
t2 2
0
0
t2 2
tn 2
t1 n
t2 n
, ti j = 0 si i > j;
t n n
0
0
, tij = 0 si i < j.
t n n
T E O R E M A 1.2.1
La adicin de dos matrices triangulares, ambas superiores o inferiores, es
una matriz triangular superior o inferior.
D E M OST R A C I O N
Sean A = (a ij), con a ij = 0, para todo i > j y B = (bij), con bij = 0, para todo i > j.
A + B = (a ij) + (bij) = (a ij + bij) = (cij),
con c ij = 0, para todo i > j.
Sean A = (a ij), con a ij = 0, para todo i < j y B = (bij), con bij = 0, para todo i < j.
A + B = (a ij) + (bij) = (a ij + bij) = (cij),
con c ij = 0, para todo i < j.
T E O R E M A 1.2.2
El producto de dos matrices triangulares, ambas superiores o inferiores, es
una matriz triangular superior o inferior.
D E M OST R A C I O N
Sean T = (tij) con tij = 0, para todo i > j y T = (tij) con tij = 0, para todo i > j, las
matrices triangulares superiores. C = T T, poseer el elemento general
ti k tk j
k 1
k t1, k d j
sumando se anular. La suma, pues, slo estar definida para aquellos valores del
ndice k que cumplan i d k d j, luego, c ij z 0 si i d j y, c ij = 0 si i > j, por tanto, C es
triangular superior. De forma anloga se demuestra cuando son triangulares superior.
EJ E M P L O 1.2.1
Sea
a
a 3b c 2 a b c
A a b c 1
b
a bc
b 3c
2 a 2b c
c
b 3c 0
2 a 2b c 0
5
, b = - 2, c
3
2
. Por tanto la matriz buscada tiene la
3
JOE GARCIA ARCOS
MATRICES
31
forma siguiente:
5
3 7 6
A 0 2 3
2
0
0
3
b.- Para que la matriz A sea triangular inferior, debe resolverse el siguiente sistema
de ecuaciones homogneo:
a 3b c 0
2 a b c 0
a bc 0
0
3 0
A 1 2 0 .
2
0
0
3
D E F INI C I O N 1.2.3
Se dice que una matriz T de n x n es estrictamente triangular, si es triangular
superior (inferior) y adems posee la diagonal principal nula.
Este tipo de matrices se las puede visualizar a continuacin:
t1n
0 t12 t13
t2 n
0 0 t2 3
, t i j = 0 si i t j;
T
0
t n 1 n
0 0
0 0
0
0 0
0
0
0
0
t
0
0
0
21
, t = 0 si i d j.
T
ij
0
t n 11 tn 1 2 t n 13
tn 2
t n 3 t n n 1 0
tn 1
EJ E M P L O 1.2.2
Las llamadas matrices de giro de Pauli son
0 1
0 i
1 0
S( x )
, S( y )
, S( z )
.
0
1 0
i
0 1
Demuestre que S(x)S(y) = iS(z), S(y)S(x) = -iS(z), S2(x) = S2(y) = S2(z) = I.
SO L U C I O N
0 1 0 i i 0 1 0
S( x)S( y)
i
i S( z ) ;
1 0 i 0 0 i 0 1
0 i 0
S( y)S( x)
i 0 1
0 1 0 1
S 2 ( x)
1 0 1 0
ALGEBRA LINEAL CON MATLAB
1 i 0
1 0
i
i S( z ) ;
0 0 i
0 1
1 0
I;
0 1
JOE GARCIA ARCOS
32
MATRICES
2
0
0 i 0 i i
S2 ( y)
i 0 i 0 0 i 2
1 0 1 0 1 0
S2 ( z )
I.
0 1 0 1 0 1
1 0
I;
0 1
EJ E M P L O 1.2.3
Las matrices M(s), N(t) y P(u) estn definidas por
s 0
1 0
1 u
M (s)
1 , N (t )
, P (u )
,
0
t
1
0 1
s
siendo s z 0. Demuestre que la condicin necesaria y suficiente para que una matriz
a b
A
,
d
c
pueda ponerse en la forma M(s)N(t)P(u) es a z 0 y ad bc = 1.
SO L U C I O N
Como A = M(s)N(t)P(u), entonces
su
s 0
s
a b
1 0 1 u a b
1
t tu 1
d 0
d
t 1 0 1
c
c
s
s s s
a s
b su u b si a z 0
c s t ac
d 1 (tu 1) d 1 ac b 1 d 1 (cb 1) ad bc 1
s
a a
a
Por lo tanto, a z 0 y ad bc = 1.
D E F IN I C I O N 1.2.4
Se dice que una matriz cuadrada es diagonal si, los tringulos superior e
inferior son nulos.
Es decir:
0
0
d11
0
0 d2 2
D
, di j = 0 si i < j e i > j.
0
0
d
n
n
T E O R E M A 1.2.3
La adicin de dos matrices diagonales es una matriz diagonal.
D E M OST R A C I O N
Sean A = Diag(a11, a22, ..., ann) y B = Diag(b11, b22, ..., bnn), entonces
A + B = Diag(a11, a22, ..., ann) + Diag(b11, b22, ..., bnn)
= Diag(a11 + b11, a22 + b22, ..., ann + bnn).
Lo cual indica que es una matriz diagonal.
MATRICES
33
T E O R E M A 1.2.4
El producto de dos matrices diagonales de igual orden es una matriz diagonal.
D E M OST R A C I O N
Sean A = Diag(a11, a22, ..., ann) y B = Diag(b11, b22, ..., bnn), se tiene entonces que
aij = Gijai = Gijaj y bij = Gijbi = Gijbj,
por tanto, la matriz producto C = AB tiene como elemento general
cij = ai1b1j + ai2b2j ai kbkj
= Gi1G1jaibj + Gi 2G2jaibj GikGkjaibj
= Gijaibj.
T E O R E M A 1.2.5
Una matriz diagonal conmuta con todas las matrices diagonales.
D E M OST R A C I O N
Sea A = Diag(a11, a22, ..., ann) y B = Diag(b11, b22, ..., bnn), matrices diagonales
conocidas, mediante el teorema anterior, tenemos que A B = Diag(a1b1, a2b2, ...,
anbn). Del mismo modo tenemos que B A = Diag(b1a1, b2a2, ..., bnan). Por tanto
A B = B A.
D E F INI C I O N 1.2.5
Se dice que una matriz T = (tij) de orden n, es tridiagonal si al menos un
elemento de la diagonal principal y la paralela situada por encima y por
debajo, es diferente de cero.
De forma general, una matriz de este tipo se expresa como
t11 t1 2
t2 1 t2 2
0 t
32
0
0
0
0 .
t n n
t2 3
t3 3
0
D E F IN I C I O N 1.2.6
Se dice que una matriz T de orden n es banda si existen enteros p y q, 1 < p,
q < n, con la propiedad de que tij = 0 siempre que i + p d j o j + q d i. El
ancho de banda para una matriz de este tipo se expresa como r = p + q 1.
La definicin de la matriz banda forz a estas, a concentrar todos sus elementos no
nulos alrededor de la diagonal principal, es decir
t1,1 t1,2
t2 1 t2 2
t
t
31 3 2
0 t4 2
0
0
t1,3 0
t2 3 t2 4
t3 3
t3 4
t4 3 t4 4
0
0
0
.
0
t n n
34
MATRICES
SO L U C I O N
x
z
x y a
z u 0
ax
by
az
bu
Haciendo que A
y
, entonces:
u
0 a
b 0
ax
ay
bz
bu
0 x y
ax by ax ay
b z u
az bu bz bu
( a b) y 0 y 0, si a z b
( a b) z 0 z 0, si a z b
Por tanto
A
x 0
.
0 u
EJ E M P L O 1.2.5
Sea D una matriz diagonal de 3 x 3 con los elementos de la diagonal principal
distintos de cero. Encuentre una matriz diagonal E tal que D E = E D = I.
SO L U C I O N
a 0 0
x 0 0
Sean D 0 b 0 y E 0 y 0 , entonces:
0 0 c
0 0 z
ax 1 x a ,
a 0 0 x 0 0 1 0 0
,
0
b
0
0
y
0
0
1
0
by 1 y
0 0 c 0 0 z 0 0 1
1
cz 1 z c ,
xa 1 x a ,
x 0 0 a 0 0 1 0 0
,
0
y
0
0
b
0
0
1
0
yb 1 y
0 0 z 0 0 c 0 0 1
1
zc 1 z c ,
a 0 0
E 0
0 .
b
0 0 1
az0
bz0,
cz0
az0
bz0.
cz0
EJ E M P L O 1.2.6
Sean D una matriz diagonal y A una matriz arbitraria m x n:
a.- Si A D est definida. Cul es la relacin entre A y A D?;
b.- Si D A est definida. Cul es la relacin entre A y D A?
SO L U C I O N
a.- Como A es de m x n, entonces D debe ser de n x n, para que A D est definida y
sea de m x n. Por lo tanto la relacin entre las matrices A y A D es que tienen igual
orden, es decir son matrices rectangulares de m x n.
ALGEBRA LINEAL CON MATLAB
MATRICES
35
O A 22 O
A=
O A pp
O
donde A 11, A 22 A pp son submatrices cuadradas y O son submatrices nulas de
dimensiones adecuadas, se llama hipermatriz diagonal.
Una hipermatriz cuadrada se denomina hipermatriz triangular si todas sus
submatrices en la diagonal principal, es decir, A 11, A 22, ..., A pp son cuadradas y
todas las submatrices que se encuentran por un lado de la diagonal principal son
nulas. Adems podemos decir que si A y B son dos hipermatrices triangulares con
los mismos rdenes de las correspondientes submatrices diagonales y los ceros
por un lado de la diagonal, su producto A B tambin ser una hipermatriz
triangular con los mismos rdenes de las submatrices diagonales y los ceros por el
mismo lado de la diagonal.
PR O B L E M AS
1.2.1 Pruebe con un ejemplo que para multiplicar dos
hipermatrices cuadradas es suficiente que las
submatrices diagonales sean cuadradas, con la
particularidad de que los rdenes de las correspondientes
submatrices diagonales sean iguales entre s.
1.2.2 Demuestre que para multiplicar dos hipermatrices
cuadradas es suficiente que las submatrices diagonales
sean cuadradas, con la particularidad de que los rdenes de
las correspondientes submatrices sean iguales entre s.
1.2.3 Una condicin necesaria y suficiente para que la
matriz B de orden n conmute con una matriz diagonal A,
es que B sea una matriz diagonal. Cmo tiene que ser la
matriz diagonal A para que conmute con cualquier matriz
B del mismo orden que A?
1.2.4 Sea D una matriz diagonal de 3 x 3 con los
elementos de la diagonal principal distintos de cero.
Encuentre una matriz diagonal E tal que D E = E D = I.
ALGEBRA LINEAL CON MATLAB
5
3
a.- A 0 1 0 ; b.- A 0 10 0 ;
0 0 10
0 0 1
10 0 0
7 0 0
c.- A 4 0 1 0 ; d.- A 25 0 5 0 .
0 0 1
0 0 3
36
MATRICES
MATRICES
37
T E O R E M A 1.3.3
Para todo par de matrices A = (a ij) y B = (bij), se cumple que
(A + B)T = A T + B T.
D E M OST R A C I O N
Sean A= (a ij) y B = (bij) matrices de igual orden, entonces:
(A + B)T = (a ij + bij)T
= (c ij)T
= (c ji)
= (a ji + bji)
= (a ji) + (bji)
= A T + B T.
T E O R E M A 1.3.4
Para todo par de matrices A = (a ij) y B = (bij), compatibles para el producto,
se cumple
(A B)T = B T A T.
D E M OST R A C I O N
Sean A = (a ij) de n x k y B = (bij) de k x m. Entonces A B es de n x m y (A B)T es de m
x n. B T es de m x k y A T es de k x n, as que B T A T tambin es de m x n. Para probar
que (A B)T = B T A T, debemos ver que el elemento (i, j) de (A B)T es igual al elemento
(i, j) de B T A T. Escribimos A T = (aij) y B T = (bij). Notemos que aij = a ji y bij = bji. El
elemento (i, j) de B T A T es
k
t 1
t 1
t 1
38
MATRICES
D E F IN I C I O N 1.3.2
Una matriz cuadrada A se denomina simtrica, si se cumple que esta matriz
es igual a su transpuesta, es decir: A = A T.
Es claro que una matriz simtrica debe ser cuadrada; es simtrica con respecto a la
diagonal principal, es decir que, una reflexin en la diagonal principal deja a la
matriz sin cambio. Una matriz simtrica de n x n no tiene sus n2 elementos arbitrarios
puesto que a ij = a ji, ambos uno encima y otro debajo de la diagonal principal.
n2 n
. Los elementos
2
de la diagonal son tambin arbitrarios. Entonces, el nmero total de elementos
n2 n
n(n 1)
n
arbitrarios en una matriz simtrica de n x n es
.
2
2
El nmero de elementos de arriba de la diagonal principal es
EJ E M P L O 1.3.3
Dadas dos matrices simtricas A, B de orden n. Cundo es el producto A B
simtrico?
SO L U C I O N
Si A = A T y B = B T, entonces A B = (A B)T = B T A T = B A. Por lo tanto el producto A B
es simtrico, cuando es conmutativo, es decir A B = B A.
T E O R E M A 1.3.5
Para toda matriz cuadrada A, siempre es posible encontrar una matriz
simtrica S mediante A + A T.
D E M OST R A C I O N
Como A es una matriz cuadrada y S = A + A T, entonces debemos probar que ST = S.
Es decir
ST = (A + A T)T
= A T + (A T)T
= AT + A
= A + AT
= S.
EJ E M P L O 1.3.4
Si A y B son matrices reales arbitrarias de n x n y A es simtrica, entonces B T A B es
simtrica.
SO L U C I O N
Debemos probar que (B T A B)T = B T A B, conociendo que A = A T:
(B T A B)T = B T A T(B T)T = B T A T B = B T A B.
EJ E M P L O 1.3.5
Dadas las matrices n x n simtricas A y B, entonces A + B es simtrica.
SO L U C I O N
Si A = A T y B = B T, entonces debemos probar que (A + B)T = A + B:
(A + B)T = A T + B T = A + B.
EJ E M P L O 1.3.6
Si A y B son matrices reales arbitrarias de n x n, entonces A B T + B A T es simtrica.
SO L U C I O N
Debemos probar que (A B T + B A T)T = A B T + B A T. Es decir:
ALGEBRA LINEAL CON MATLAB
MATRICES
39
T
T T
T T
T T
(A B + B A ) = (A B ) + (B A )
= (B T)T A T + (A T)T B T
= B A T + A BT
= A B T + B A T.
EJ E M P L O 1.3.7
Para cualquier matriz A muestre que los productos A A T y A T A estn definidos y son
matrices simtricas.
SO L U C I O N
Si A es n x m, entonces A T es m x n. Por lo tanto A A T es n x n, A T A es m x m y los
productos estn definidos. Adems debemos probar que A A T = (A A T)T y A T A =
(A T A)T:
(A A T)T = (A T)T A T = A A T y (A T A)T = A T(A T)T = A T A.
EJ E M P L O 1.3.8
Dada la matriz
a b a c
a
A a b
b
2a b .
bc b c
c
T
S= A+A
b
2a b a b
b
bc
a b
b c b c
c a c 2a b
c
2a
a b 2c
2a
2b
2 a 2b c .
2a
a b 2c 2 a 2b c
2c
40
MATRICES
%Ingreso de elementos
for f=1:fil
for c=1:col
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf(' LA MATRIZ A ES:\n')
A
end
fprintf(' LA MATRIZ TRANSPUESTA B ES:\n')
B=A.'
end
fprintf(' LA MATRIZ SIMETRICA S ES:\n')
S=A*A.'
end
fprintf(' LA MATRIZ SIMETRICA Q ES:\n')
Q=A.'*A
end
D E F IN I C I O N 1.3.3
Una matriz cuadrada A se llama antisimtrica, si se cumple que esta matriz
es igual al opuesto de la transpuesta, es decir: A = -A T.
Una matriz antisimtrica es tambin una matriz cuadrada, y a ij = - a ji. Luego, los
elementos de la diagonal principal son cero, a ii = 0, y el nmero de elementos
n(n 1)
arbitrarios en una matriz antisimtrica de n x n es
. Los elementos simtricos
2
respecto de la diagonal principal coinciden en una matriz simtrica y son opuestos en
una matriz antisimtrica.
EJ E M P L O 1.3.9
Sean A y B dos matrices antisimtricas de orden n. Demuestre que A B es
antisimtrica si y slo si B A = -A B. Cundo es simtrico el producto de dos
matrices antisimtricas?
SO L U C I O N
Como A y B son dos matrices antisimtricas, entonces: A = -A T; B = -B T y B A = A B. Debemos probar que (A B)T = - (A B).
(A B)T = B T A T = (- B)(- A) = B A = - (A B).
Adems, dado A = - A T; B = - B T y A B = - (A B)T. Debemos probar que A B = - B A.
A B = - (A B)T = - (B T A T) = - (- B)(- A) = - (B A).
T
Dado A = - A y B = - B T, debemos encontrar una condicin para que (A B)T = A B.
(A B)T = B T A T = (- B)(- A) = B A.
Por lo tanto, para que el producto de dos matrices antisimtricas sea simtrico es
necesario que B A = A B.
T E O R E M A 1.3.6
Para toda matriz cuadrada A, siempre es posible encontrar una matriz
antisimtrica R mediante A - A T.
D E M OST R A C I O N
Como A es una matriz cuadrada y R = A - A T, entonces debemos probar que R T = R.
Es decir
R T = (A - A T)T
= A T - (A T)T
= AT A
= - (A - A T)
= R.
ALGEBRA LINEAL CON MATLAB
MATRICES
41
T E O R E M A 1.3.7
Una matriz cuadrada A puede expresarse como la adicin de una matriz
simtrica S y una matriz antisimtrica B.
D E M OST R A C I O N
Sea S = (A + A T) y B = (A - A T), sumando las matrices S y B, obtenemos:
A =S+B
= (A + A T) + (A - A T)
= A + AT + A - AT
= A.
EJ E M P L O 1.3.10
Dada la matriz
a b a c
a
A = a b
b
2a b .
bc b c
c
T
R A-A
b
2a b a b
b
b c
a b
b c b c
c a c 2a b
c
2b
a b
0
2
b
0
2
a c .
a b 2 a c
0
EJ E M P L O 1.3.11
Dada una matriz simtrica A y una matriz antisimtrica B, ambas del mismo orden,
demuestre que si A y B conmutan, A B es antisimtrica.
SO L U C I O N
Si A = A T; B = - B T y A B = B A, entonces debemos probar que (A B)T = A B.
(A B)T = B T A T = (- B)(A) = - (B A) = - (A B).
EJ E M P L O 1.3.12
Si A y B son matrices antisimtricas, pruebe que A(A B + B A) (A B + B A)A es
simtrica.
SO L U C I O N
Sabemos que A T = -A, B T = -B y S = A(A B + B A) (A B + B A)A = A 2 B B A 2. Por
lo tanto, tenemos que mostrar que ST = S; es decir
ST = (A 2 B B A 2)T
= (A 2 B)T (B A 2)T
= B T(A T)2 (A T)2 B T
= (-B)(-A)2 (-A)2(-B)
= -B A 2 + A 2 B
= A 2B B A 2
= S.
De esta manera queda demostrado que A(A B + B A) (A B + B A)A es simtrica.
EJ E M P L O 1.3.13
Sea A una matriz antisimtrica. Demostrar que A 2n es una matriz simtrica y A 2n+1 es
una matriz antisimtrica.
SO L U C I O N
Por demostrar que A 2n = (A 2n)T, conociendo que A T = -A.
n = 1: A 2 = (A 2)T
ALGEBRA LINEAL CON MATLAB
42
MATRICES
PR O B L E M AS
1.3.1 De ser posible, encuentre matrices de 2 x 2 tales que
A T A = A A T.
X A XT
iz j
A 6 2i
1
3 i .
3
S S
1 6
a.- Exprsese la matriz A como suma de una matriz
simtrica y otra antisimtrica.
b.- Hallar dos matrices simtricas diferentes a la del
apartado a).
1.3.9 Encuentre todas las matrices reales A de 3 x 3 para
las cuales A T A = O.
1.3.10 Demuestre que si una matriz A de n x n satisface
la ecuacin A 3 + 4A 2 2A + 7I, entonces A T tambin la
satisface.
JOE GARCIA ARCOS
MATRICES
43
A 1
4
a b c .
1
1
5
A + B 2 3 9 , A + AT
7 1 7
A 1
3
0, B
,
i 2 1 3i
1 i 2 2i 2i
B - BT
Hllense A y B.
2
3
i 2
1
C 4 6 , D 6
8 4i.
3 i
1 3i i
i
0 0 0
0 0 0 ,
0 0 0
0 0 0
0 0 0 .
0 0 0
y Im A = -Im A .
5
2 1 i
.
1
4
4
3i
T E O R E M A 1.4.1
Para toda matriz A = (a ij), se cumple que A = A .
D E M OST R A C I O N
Si A es una matriz, entonces
ALGEBRA LINEAL CON MATLAB
44
MATRICES
A = ( aij ) ( aij ) ( a ji )
A.
T E O R E M A 1.4.2
Para toda matriz A = (a ij) y para todo nmero k, se cumple que ( k A ) k A .
D E M OST R A C I O N
Dada A una matriz y k un nmero complejo, entonces
( k A ) ( k ( aij )) ( kaij ) ( k aij ) k ( aij ) k A .
T E O R E M A 1.4.3
Para todo par de matrices A = (a ij) y B = (bij) de n x m, se cumple que
A+B= A+B .
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para la suma, entonces
A + B = ( aij + bij ) (cij ) (cij ) ( aij bij ) ( aij ) (bij ) A + B .
T E O R E M A 1.4.4
Para todo par de matrices A = (a ik) y B = (bkj) compatibles para el producto,
se cumple A B = A B .
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para el producto, entonces
k
AB .
D E F IN I C I O N 1.4.2
La aplicacin sucesiva y de orden indistinto de la conjugacin y la
transposicin sobre una matriz A se representa por A +. La nueva matriz
recibe el nombre de matriz conjugada - transpuesta de A y se nota de la
siguiente manera:
A + = ( A )T = A T .
5
2 1 i
es A
1
4
4
3
i
1
2
1
i
4 .
5 4 3i
MATRICES
45
T E O R E M A 1.4.5
Para toda matriz arbitraria A, se cumple que (A +)+ = A.
D E M OST R A C I O N
Dada una matriz A arbitraria, entonces
( A + )+ = (( A T ))T
(( A T )T ) = ( A ) = A .
T E O R E M A 1.4.6
Para toda matriz arbitraria A y para todo nmero k, se cumple que
( k A ) k A .
D E M OST R A C I O N
Dada la matriz A arbitraria y k un nmero complejo, entonces
( k A ) + = ( k A )T = ( k A T ) = k ( A T ) = k A + .
T E O R E M A 1.4.7
Para todo par de matrices A y B de n x m, se cumple que (A + B)+ = A + + B +.
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para la suma, entonces
( A + B ) + = ( A + B )T = ( A T + B T ) = ( A T ) + ( B T ) = A + + B + .
T E O R E M A 1.4.8
Para todo par de matrices A y B compatibles para el producto, se cumple
(A B)+ = B + A +.
D E M OST R A C I O N
Dadas A y B dos matrices compatibles para la suma, entonces
( A B )+ = ( A B )T = ( B T A T ) = ( B T )( A T ) = B + A + .
EJ E M P L O 1.4.1
Demostrar que si las matrices A y B son conmutables, lo son tambin las matrices A +
y B +.
SO L U C I O N
Si A B = B A, entonces debemos demostrar que A + B + = B + A +. Es decir:
A + B + = (B A)+ = (A B)+ = B + A +.
Con lo cual se verifica que A + y B + son conmutables.
EJ E M P L O 1.4.2
Demuestre que si A es una matriz compleja y A + A = O, entonces A = O.
SO L U C I O N
Si A = O, entonces:
A + A = A + O A + A = O.
% MATRIZ TRANSPUESTA-CONJUGADA
clc;clear;
fprintf('\n MATRIZ TRANSPUESTA-CONJUGADA \n')
fil=input('Ingrese el numero de filas: ');
col=input('Ingrese el numero de columnas: ');
%Ingreso de elementos
for f=1:fil
for c=1:col
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf(' LA MATRIZ A ES:\n')
A
end
ALGEBRA LINEAL CON MATLAB
46
MATRICES
D E F I N I C I O N 1.4.3
Matrices hermticas, son las matrices para las cuales la transpuesta
conjugada es igual a la matriz original. Es decir:
A + = A.
A nivel de sus elementos se tiene:
( aij ) ( a ji ) , i, j ,
luego,
( aii ) ( aii ) , i
y, por tanto,
Im aii
0 , i .
E J E M P L O 1.4.3
Si A es una matriz de m x n con elementos complejos, entonces:
a.- A A + es hermtica; b.- A + A es hermtica.
SO L U C I O N
a.- Tenemos que probar que (A A +)+ = A A +. Es decir
(A A +)+ = (A +)+ A + = A A +.
b.- Tenemos que probar que (A + A)+ = A + A. Es decir
(A + A)+ = A +(A +)+ = A + A.
E J E M P L O 1.4.4
Dada A arbitraria, demustrese:
a.- (A A + - A + A) es hermtico; b.- (A A + + A + A) es hermtico.
SO L U C I O N
a.- Por demostrar que (A A + - A + A) = (A A + - A + A)+. Es decir:
(A A + - A + A)+ = (A A +)+ - (A + A)+ = (A +)+ A + - A +(A +)+ = A A + - A + A.
b.- Por demostrar que (A A + + A + A) = (A A + + A + A)+. Es decir:
(A A + + A + A)+ = (A A +)+ + (A + A)+ = (A +)+ A + + A +(A +)+ = A A + + A + A.
E J E M P L O 1.4.5
Toda matriz real y simtrica es hermtica.
SO L U C I O N
Sea A esta matriz, entonces, A T = A y A = A , luego:
A + = ( A )T = A T = A .
E J E M P L O 1.4.6
La condicin necesaria y suficiente para que el producto de dos matrices hermticas
A y B sea hermtico es que A B = B A.
SO L U C I O N
Se sabe que A + = A y B + = B, entonces:
i.- Supngase que A B = B A, pero,
A B = B A = B + A + = (A B)+
y por lo tanto el producto es hermtico.
ii.- Supngase que A B = (A B)+, entonces:
A B = (A B)+ = B + A + = B A
y por tanto, A B = B A.
ALGEBRA LINEAL CON MATLAB
MATRICES
47
EJ E M P L O 1.4.7
Sea A = B + i C la descomposicin hermtica de una matriz A. Hallar la descomposicin hermtica de la matriz A +.
SO L U C I O N
Para que B + i C sea la descomposicin hermtica de la matriz A, entonces, B es real
y simtrica, y C es real y antisimtrica. Por tanto, para la descomposicin hermtica
de A +, las matrices B y C deben cumplir las mismas condiciones y (A +)+ = A.
E J E M P L O 1.4.8
Si A es una matriz arbitraria de n x n con elementos complejos, entonces:
a.- A + A + es hermtica; b.- A - A + es antihermtica.
SO L U C I O N
a.- Tenemos que probar que (A + A +)+ = A + A +.
(A + A +)+ = A + + (A +)+ = A + + A = A + A +.
b.- Tenemos que probar que (A - A +)+ = - (A - A +).
(A - A +)+ = A + - (A +)+ = A + - A = - (A - A +).
EJ E M P L O 1.4.9
Demuestre que si A es hermtica y A = O, entonces A 2 = O.
SO L U C I O N
Si A = O, entonces:
A + A = A + O A + A = O A A = O A 2 = O.
E J E M P L O 1.4.10
Prubese que toda matriz hermtica A puede escribirse como A = B + i C, siendo B
real y simtrica y C real y antisimtrica.
SO L U C I O N
Debemos probar que A + = A:
A + = (B + i C)+ = B + + (i C)+ = B + + i C + = B T - i C T = B i(-C) = B + i C = A.
% CALCULO DE UNA MATRIZ HERMITICA
clc;clear;
fprintf('\n MATRIZ HERMITICA MEDIANTE: H=A+A+\n')
filcol=input('Ingrese el numero de filas y columnas: ');
%Ingreso de elementos
for f=1:filcol
for c=1:filcol
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf(' LA MATRIZ A ES:\n')
A
end
fprintf(' LA MATRIZ TRANSPUESTA B ES:\n')
B=A'
end
fprintf(' LA MATRIZ HERMITICA H ES:\n')
H=A+A'
end
48
MATRICES
D E F IN I C I O N 1.4.4
Matrices antihermticas, son aquellas para las cuales la transpuesta
conjugada es igual al opuesto de la matriz original. Es decir:
A + = - A.
Sus elementos cumplirn, por tanto,
( aij ) ( a ji ) , i, j ,
entonces,
( aii ) ( aii ) , i ,
y se cumple
Re aii
0 , i .
EJ E M P L O 1.4.11
La condicin necesaria y suficiente para que el producto de dos matrices
antihermticas A y B sea hermtico es A B = B A.
SO L U C I O N
Se sabe que A + = -A y B + = -B, entonces:
i.- Sea A B = B A, entonces:
A B = B A = (-B)(-A) = B + A + = (A B)+
y por tanto el producto es hermtico.
ii.- Sea A B = (A B)+, entonces:
A B = (A B)+ = B + A + = (-B)(-A) = B A,
y por tanto, A B = B A.
EJ E M P L O 1.4.12
Toda matriz compleja se puede escribir como suma de una matriz real y una matriz
imaginaria; es decir, si C es compleja, entonces C = A + i B donde A y B son matrices reales. Demuestre que C es hermtica si y slo si A es simtrica y B es antisimtrica. Pruebe que C es antihermtica si y slo si A es antisimtrica y B es simtrica.
SO L U C I O N
a) Como C = A + i B con A y B matrices reales, A es simtrica y B es antisimtrica, debemos demostrar que C + = C. Es decir:
C + = (A + i B)+ = A + i B + = A i(-B) = A + i B = C.
Como C = A + i B con A y B matrices reales y C + = C, debemos demostrar que
A es simtrica y B es antisimtrica. Es decir:
C + = (A + i B)+ = A + i B + = A T i B T
+
para que C = C, A debe ser simtrica A T = A y B debe ser antisimtrica B T = -B.
b) Como C = A + i B con A y B matrices reales, A es antisimtrica y B es simtrica, debemos demostrar que C + = -C. Es decir:
ALGEBRA LINEAL CON MATLAB
MATRICES
49
+
m A + n B = -(m A + n B ) = - C ,
=
+
+
m A + nB = -(m A + nB ) z - C ,
Es decir C + = -C si m y n son nmeros reales.
si m, n
si m, n
EJ E M P L O 1.4.14
Exprese la matriz A como suma de una matriz hermtica y una antihermtica.
i
1 2i
2 i
A = 1 i
2 2 2i .
3 1 i 2 2i
SO L U C I O N
Una matriz hermtica es S = (A + A +), es decir:
2 i
i
1 2i 2 i 1 i
3
1 2i 4 2i
4
1
1
S
1
i
2
2
2
i
i
2
1
i
1
2
i
4
3 3i .
2
2
4 2i 3 3i
3 1 i 2 2i 1 2i 2 2i 2 2i
4
R
i
2
1 i 1 i
2 2 2i
2
1 2i 2 2i 2 2i 3 1 i 2 2i
1 2 2i
2i
1
1
0 1 i .
2
2 2i 1 i 4i
Comprobacin: A = S - R.
4
1 2i 4 2i 2i
1 2 2i
1
A
1 2i
4
3 3i 1
0 1 i
2
4 2i 3 3i
4 2 2i 1 i 4i
i
1 2i
2 i
2 2 2i .
1 i
3 1 i 2 2i
50
MATRICES
D E F I N I C I O N 1.4.5
Una matriz A de n x n para la cual el producto con su transpuesta conjugada
es conmutativo, se denomina normal. Es decir:
A + A = A A +.
EJ E M P L O 1.4.15
Sean D, F y G matrices diagonales de n x n en las que los elementos de las diagonales principales sean respectivamente nmeros reales, imaginarios puros y complejos
de mdulo 1. Si U es una matriz unitaria n x n, demustrese que las matrices U + DU,
U + F U y U + G U son respectivamente hermtica, antihermtica y unitaria.
SO L U C I O N
a.- Como D es una matriz diagonal real y UU + = U + U = I, entonces debemos probar
que U + DU es una matriz hermtica. Es decir:
(U + DU)+ = U + D +(U +)+ = U + D + U = U + DU;
b.- Como F es una matriz diagonal imaginaria y UU + = U + U = I, entonces debemos
probar que U + F U es una matriz antihermtica. Es decir:
(U + F U)+ = U + F +(U +)+ = U + F + U = U +(-F)U = -(U + F U);
c.- Como G es una matriz diagonal compleja de mdulo 1 y UU + = U + U = I, entonces debemos probar que U + G U es una matriz unitaria. Es decir:
(U + G U)+(U + G U) = U + G +(U +)+U + G U = U + G + UU + G U = U + G + I G U
= U + G + G U = U + IU = U + U = I.
+
+
+
(U G U)(U G U) = U + G UU + G +(U +)+ = U + G UU + G + U = U + G I G + U
= U + G G + U = U + IU = U + U = I.
E J E M P L O 1.4.16
Demuestre que una matriz real antisimtrica es normal.
SO L U C I O N
Para que una matriz sea real y antisimtrica, debe cumplir que A = A y A T = -A.
Debemos probar que esta matriz es normal, es decir
A A + = A ( A )T = A A T = A (- A ) = - A 2 = (- A ) A = A T A = ( A )T A = A + A .
Por tanto se cumple que A A + = A + A y la matriz A es normal.
EJ E M P L O 1.4.17
Demuestre que una matriz antihermtica es normal.
SO L U C I O N
Como A + = -A, hay que demostrar que A + A = A A +. Es decir:
A + A = (-A)A = A(-A) = A A +.
Con lo cual queda probado que una matriz antihermtica es normal.
EJ E M P L O 1.4.18
Sean A y B matrices normales y A B = O. Resulta de esto que B A = O?
SO L U C I O N
Como A + A - A A + = O, B + B - B B + = O y A B = O, entonces:
(A + A - A A +)(B + B - BB +) = O
+
+
A A B B A + A B B + A A + B + B + A A +B B + = O
A + A B B + A + A B B + A + A BB + + A + A B B + = O
+
A O B + A + O B + A + O B + + A + O B + = O O = O.
Por lo tanto, no es condicin que B A = O.
EJ E M P L O 1.4.19
Demuestre que si C = A + i B donde A y B son matrices reales y simtricas, entonces
C es normal si y slo si A y B conmutan.
ALGEBRA LINEAL CON MATLAB
MATRICES
51
SO L U C I O N
Como C = A + i B con A y B son matrices reales y simtricas y C C + = C + C,
entonces debemos probar que A B = B A. Es decir:
(A + i B)(A + i B)+ = (A + i B)+(A + i B)
(A + i B)(A + i B +) = (A + i B +)(A + i B)
(A + i B)(A i B) = (A i B)(A + i B)
A 2 i A B + i B A + B2 = A2 + i A B iB A + B2
-i A B + i B A = i A B i B A 2i B A = 2i A B A B = B A.
Como C = A + i B con A y B son matrices reales y simtricas y A B = B A, entonces debemos probar que C C + = C + C. Es decir:
C C + = (A + i B)(A + i B)+
= (A + i B)(A + i B +)
= (A + i B)(A i B)
= A 2 i A B + iB A + B2
= A 2 iB A + i A B + B2
= (A i B)A + (A i B)I b
= (A i B)(A + i B)
= (A + i B +)(A + i B)
= (A + i B)+(A + i B)
= C + C.
EJ E M P L O 1.4.20
Demostrar que una matriz A es una matriz normal si, y slo si, las matrices B y C de
su descomposicin hermtica A = B + i C son conmutables.
SO L U C I O N
Debemos probar que A + A = A A +. Es decir:
A + A = (B + i C)+(B + i C)
= (B + - i C +)(B + i C)
= B +B + i B + C i C + B + C + C
= BB + - i B C + + i C B + + C C +
= (B + i C)(B + - i C +)
= (B + i C)(B + i C)+
= A A +.
EJ E M P L O 1.4.21
Sea A = B + i C una matriz normal compleja de n x n. Demostrar que la matriz D real
de 2n x 2n
B -C
D=
C B
es tambin normal.
SO L U C I O N
Si A es una matriz normal, entonces las matrices B y C de la descomposicin hermtica A = B + i C son conmutables. Por lo tanto:
+
B -C B -C B C B -C BB + CC -BC + CB
D+ D =
=
=
C B C B -C B C B -CB + BC CC + BB
B B + C C B C - C B B -C B C B -C B -C +
+
=
=
=
= DD .
C B - B C C C + B B C B -C B C B
C
B
52
MATRICES
SO L U C I O N
Si una matriz normal conmuta con una matriz B, entonces:
a.- (A A +)B = B(A + A) A(A + B) = (B A +)A A + B = B A +
b.- (A A + B)+ = (B A + A)+ B +(A A +)+ = (A + A)+ B + B + A A + = A + A B +
(B + A)A + = A +(A B +) B + A = A B +.
% COMPROBACION DE UNA MATRIZ NORMAL
clc;clear;
fprintf('\n COMPROBACION DE UNA MATRIZ NORMAL \n')
filcol=input('Ingrese el numero de filas y columnas: ');
%Ingreso de elementos
for f=1:filcol
for c=1:filcol
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf(' LA MATRIZ A ES:\n')
A
end
fprintf(' LA MATRIZ A ES:\n')
B=A'
end
fprintf(' LA MATRIZ A ES:\n')
C=A'*A
end
fprintf(' LA MATRIZ A ES:\n')
D=A*A'
end
if (C==D)
fprintf('\n LA MATRIZ ES NORMAL')
else
fprintf('\n LA MATRIZ NO ES NORMAL')
end
PR O B L E M AS
1.4.1 Demuestre mediante un ejemplo que, si A y B son
matrices hermticas, no necesariamente se cumple que A B
sea hermtica. Qu se cumple si A y B son hermticas y
A B = B A?
1.4.2 Pruebe con un ejemplo, que existe una matriz compleja simtrica que no es normal.
1.4.8 Pruebe con un ejemplo, que hay una matriz compleja antisimtrica que no es normal.
1.4.9 Dada la matriz
2 1 3i 1
4i
A 6 2i
1
3 i .
3
S S
1 6
a.- Exprsese la matriz A como suma de una matriz hermtica y otra antihermtica.
b.- Hallar 3 matrices hermticas diferentes a la del apartado a).
JOE GARCIA ARCOS
MATRICES
53
1.5 T R A Z A D E UN A M A T RI Z
En esta seccin se introduce la terminologa bsica y se define la traza de una matriz, enunciamos sus
correspondientes propiedades.
D E F I N I C I O N 1.5.1
Sea una matriz cuadrada A = (a ij). Se define la traza de una matriz A, a la
suma de los elementos que componen la diagonal principal, representada
por
Tr( A )
aii .
i 1
T E O R E M A 1.5.1
Para todo par de matrices cuadradas A = (a ij) y B = (bij) de igual orden,
entonces
Tr(A + B) = Tr(A) + Tr(B).
D E M OST R A C I O N
Dadas A y B matrices cuadradas compatibles para la suma y A + B = C, entonces
Tr( A + B ) = Tr( C )
i 1
i 1
i 1
i 1
Tr( A ) + Tr( B ) .
T E O R E M A 1.5.2
Para toda matriz cuadrada A = (a ij) y para todo nmero k, entonces
Tr(k A) = kTr(A).
D E M OST R A C I O N
Dada A una matriz cuadrada y k un nmero, entonces
n
kaii
Tr( k A )
k aii
i 1
kTr( A ) .
i 1
T E O R E M A 1.5.3
Para toda matriz cuadrada A = (a ij), entonces
Tr(A T) = Tr(A).
D E M OST R A C I O N
Sea A una matriz cuadrada, al transponer esta matriz, podemos observar que la
matriz A T conserva el mismo orden de A y, adems los elementos de la diagonal
principal no varan. Es decir
Tr( A T )
i 1
i 1
aii a jj
Tr( A ) .
T E O R E M A 1.5.4
Para todo par de matrices cuadradas y compatibles para el producto
A = (a ik) y B = (bkj), entonces Tr(A B) = Tr(B A).
D E M OST R A C I O N
Sean A B = C, B A = D, de modo tal que
cij
aik bkj
k 1
biq aqj
d ij
q 1
Ahora bien
n
Tr( B A ) = Tr( D ) = d pp
p 1
aik bki
k 1 k 1
bpq aqp
p 1 q 1
54
MATRICES
q 1 p 1
Pero los ndices son solamente ndices mudos a los que se les puede dar cualquier
nombre y eso no altera el valor de la suma. Sea entonces q = i, p = k y se halla
n
EJ E M P L O 1.5.1
Si Tr(A) = 0, pruebe que existen matrices B y C tales que A = B C C B.
SO L U C I O N
Como A = B C C B, entonces:
Tr(A) = Tr(B C C B) = Tr(B C) Tr(C B) = Tr(B C) Tr(B C) = 0.
Con esto se demuestra que existen matrices B y C.
EJ E M P L O 1.5.2
Si Tr(A B C) = Tr(C B A) para toda matriz C, pruebe que A B = B A.
SO L U C I O N
Si A B = B A, entonces A B C = B A C. Haciendo que B A = D, obtenemos:
Tr(A B C) = Tr(B A C) = Tr(D C) = Tr(C D) = Tr(C B A).
Con esto probamos que las matrices A y B son conmutativas.
EJ E M P L O 1.5.3
Sean A y B matrices hermticas complejas de un mismo orden. Demuestre que la
traza de la matriz A B es un nmero real.
SO L U C I O N
Dadas las matrices A y B hermticas complejas de igual orden, entonces
Tr( A B ) = Tr( A + B + ) = Tr( B A )+ = Tr( B A )T = Tr( B A )
lo cual indica que Tr(A B) es un nmero real.
E J E M P L O 1.5.4
Dada la matriz A
1 3
SO L U C I O N
La matriz B debe tener la misma forma que la matriz A. Es decir
a b
a 3c b 3d
B =
y AB =
.
c
d
5a 2c 5b 2d
Por lo tanto
Tr(A B) = a + 3c + 5b + 2d, Tr(A) = 3, Tr(B) = a + d.
Por tanto
a + 5b + 3c + 2d = 3a + 3d 2a - 5b 3c + d = 0
La familia de matrices que cumple esta condicin esta dada por
a b
S =
/ 2 a 5b 3c d 0 .
c
d
MATRICES
55
for c=1:filcol
fprintf('Ingrese el elemento (%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf(' LA MATRIZ A ES:\n')
A
end
fprintf(' LA MATRIZ A ES:\n')
TrA=trace(A)
end
PR O B L E M AS
1.5.1 Sean A y B matrices cuadradas de n x n y sean a y b
escalares. Demuestre que
Tr(a A + b B) = aTr(A) + bTr(B).
1.5.2 Sea A una matriz compleja de n x n. Demuestre que
Tr(A + A) t 0, y que la igualdad se verifica si y slo si A es
la matriz nula.
1.5.3 Sea A la matriz de n x n cuyos elementos son a ij = i
+ j, i, j n. Calcule la traza de A y demuestre que
su valor coincide con la suma de los elementos de su
diagonal secundaria.
B = 1 2 1 y S = 1 1
0 1 3
1 0
1
1
d Tr( A + A )Tr( BB + ) .
1.6 PO T E N C I A D E UN A M A T RI Z
En esta seccin se introduce la terminologa bsica y se define la n-sima potencia de una matriz, analizamos sus
casos particulares, enunciamos sus correspondientes propiedades.
D E F I N I C I O N 1.6.1
Sea A una matriz cuadrada y n . Se define la n-sima potencia de A
como el producto, repetido n veces, de A por s misma, y se simboliza
por A n, Es decir
A A ... A = A n .
n veces
T E O R E M A 1.6.1
Si dos matrices conmutan sus potencias naturales tambin conmutan.
D E M OST R A C I O N
Sean A, B compatibles para el producto y A B = B A. Si se multiplica A B = B A por la
izquierda por B n-1, obtenemos que B n-1 = B n A, o, lo que es lo mismo,
B n A = B n-1 B A = B n-1 A B = B n-2 B A B = B n-2 A B 2 = ... = A B n,
por lo tanto, A B n - B n A = O. Si multiplicamos la ecuacin anterior por la izquierda
por A m-1, obtendremos que A m-1 B n A = A m B n, o, lo que es lo mismo,
A m B n = A m-1 B n A = A m-2 B n A 2 = ... = B n A m,
m n
por lo tanto, A B - B n A m = O. Esto quiere decir que si las matrices A y B son
conmutables, cualesquiera potencias naturales de las mismas tambin son
conmutables.
ALGEBRA LINEAL CON MATLAB
56
MATRICES
EJ E M P L O 1.6.1
Dada la matriz
a 0
A = 0 b
c 0
n = 2:
2
0
a 0 0 a 0 0 a
2
0 b 0 0 b 0 0 b
c 0 0 c 0 0 ac 0
n = 3:
a2 0
0 b2
ac 0
0 ,
0
0 ;
0 a 0 0 a3 0
0 0 b 0 0 b3
0 c 0 0 a 2 c 0
0 ;
ak
0
0
bk
k 1
a c 0
0 .
p( A ) I + A 5 + A 7
5
0
1 0 0 a
5
0 1 0 0 b
0 0 1 4
a c 0
1 a5 a7
0
0
1 b b7
4
a c (1 a 2 )
0
0 a7 0
0 0 b7
0 a 6 c 0
0 .
EJ E M P L O 1.6.2
b
2
. Calcular A
d
y probar que existen nmeros p y q, que se calculan en funcin de a, b, c y d, tales
que A 2 p A q I = O. Indicar en qu casos los coeficientes p y q no son nicos.
SO L U C I O N
Para encontrar A 2, debemos multiplicar A A:
2
a b a b a bc ab bd
c d c d ac cd bc d 2
a b a b
a b
1 0
A 2 p A qI
p
q
c d c d
c d
0 1
Sean a, b, c, d nmeros arbitrarios; se considera la matriz A
a 2 bc ab bd pa
ac cd bc d 2 pc
pb q 0
pd 0 q
JOE GARCIA ARCOS
MATRICES
57
a 2 bc pa q
ab bd pb 0 0
ac cd pc
bc d 2 pd q 0 0
(1) a 2 bc pa q 0
a 2 d 2 p( a d ) 0
(2) ab bd pb 0
(1) (4)
(3) ac cd pc 0
(2) (3)
(b c )( a d ) p(b c ) 0
(4) bc d 2 pd q 0
p a d
bzc .
azd
EJ E M P L O 1.6.3
Demostrar que las matrices dadas satisfacen las ecuaciones que se indican:
1 3
2
a.- A =
; A 3A + 8I = O;
2
2
a b
2
A =
; A (a + d)A + (ad bc)I = O.
c
d
SO L U C I O N
1 3 1 3 1 3 1 0
a.-
3
8
2 2 2 2 2 2 0 1
5 9 3 9 8 0 0 0
;
6 2 6 6 0 8 0 0
a b a b
a b
1 0
b.-
(a d )
( ad bc )
c
d
c
d
c
d
0 1
b.-
a 2 bc
ac cd
ab bd a 2 ad
cb d 2 ac cd
ab bd ad bc
ad d 2 0
0
0 0
.
ad bc 0 0
E J E M P L O 1.6.4
Sea la matriz
0 1
.
0 0
Se considera la familia de matrices de la forma C = a I + b B, donde a, b son escalares
reales. Calclese C n, n Z +.
SO L U C I O N
1 0
0 1 a b
C a
b
0 1
0 0 0 a
B
n = 1:
n = 2:
C2
n = 3:
C3
a b
;
0 a
2
a b a b a 2ab
0 a 0 a 0 a 2
a 2 2 ab a b a 3 3a 2b
;
0 a 2 0 a 0
a 3
58
MATRICES
n = 4:
C4
a3
3a 2 b a b a 4
a 3 0 a 0
4 a 3b
;
a 4
Por tanto
Cn
EJ E M P L O 1.6.5
Sea la matriz A, hallar
1 0 1
a.- A = 0 0 0 ;
1 0 1
SO L U C I O N
1 0
a.- Como A 0 0
1 0
n = 2:
n = 3:
A3
an
A n para todo n Z +:
1 1 1
b.- A 1 1 1 ;
1 1 1
0 , entonces:
1
1 0 1 1 0 1
0 0 0 0 0 0
1 0 1 1 0 1
2 0 2 1 0 1
0 0 0 0 0 0
2 0 2 1 0 1
4 0 4 1 0 1
n = 4: A 0 0 0
0 0 0
4 0 4 1 0 1
Por lo tanto: A n = 2n -1 A.
1 1 1
n = 2:
n = 3:
A3
na n 1b
.
a n
1 1 11
1 1 11
1 1 11
3 3 3 1
3 3 3 1
3 3 3 1
c.- A
0 a b
0 0 c .
0 0 0
2 0 2
0 0 0 2A ;
2 0 2
4 0 4
2
0 0 0 4A 2 A ;
4 0 4
8 0 8
0 0 0 8A
8 0 8
1 1 3
1 1 3
1 1 3
1 1 9
1 1 9
1 1 9
23 A .
3 3
3 3 3 A ;
3 3
9 9
9 9 9 A 32 A ;
9 9
9 9 9 1 1 1 27 27 27
9 9 9 1 1 1 27 27 27 27 A
9 9 9 1 1 1 27 27 27
c.- n = 1: 0 0 c ;
0 0 0
n = 4:
A4
n = 2:
0 a b 0 a b
0 0 c 0 0 c
0 0 0 0 0 0
33 A .
0 0 ac
0 0 0 ;
0 0 0
MATRICES
59
0 0 ac 0 a b
0 0 0 0 0 c
0 0 0 0 0 0
n = 3:
0 0 0
0 0 0 .
0 0 0
EJ E M P L O 1.6.6
Si A es una matriz de 2 x 2 que satisface A 2 A + I = O, determine A 3n en trminos
de A para n Z +.
SO L U C I O N
Como A 2 A + I = O, entonces, A 2 = A I. Multiplicando ambos miembros de esta
ecuacin por A sucesivamente, obtenemos:
A3 = A2 A A4 = A3 A2 A5 = A4 A3 A6 = A5 A4
Por lo tanto A 3n = A 3n-1 A 3n-2.
E J E M P L O 1.6.7
Sean las matrices A, B, compatibles para el producto, entonces se cumple, para
cualquier potencia de B
m-1
A B m - B m A = B k ( A B - B A ) B m- k -1 .
k =0
SO L U C I O N
Demostraremos la identidad utilizando el proceso de induccin matemtica
m-1
P(m): A B m - B m A = B k ( A B - B A ) B m- k -1 .
k =0
P(1): A B1 - B1 A = B k ( A B - B A ) B -k
k=0
P(n): A B n - B n A = B k ( A B - B A ) B n- k -1 .
k =0
P(n+1):
A B n +1 - B n +1 A = B k ( A B - B A ) B n- k
k =0
n-1
= B k ( A B - B A ) B n- k + B n ( A B - B A ) B 0
k =0
n-1
= B k ( A B - B A ) B n- k -1 B + B n ( A B - B A ) I
k =0
= ( A Bn - Bn A )B + Bn ( A B - B A )
= AB n+1 - B n AB + B n AB - B n+1 A
= A B n+1 - B n+1 A
Por lo tanto P(m) es verdadera.
E J E M P L O 1.6.8
Sean A y B matrices de n x n tales que A B = B A = O. Demuestre que
(A + B)k = A k + B k, para k .
SO L U C I O N
Ya que A y B son conmutativas, podemos utilizar el teorema del binomio. Es decir:
k k
( A + B ) k = A k -i B i
i =0 i
k k 0 k k -1 1 k k -2 2
k 0 k
A B A B A B A B
0
1
2
k
ALGEBRA LINEAL CON MATLAB
60
MATRICES
k
k
= A k B0 + A 0B k = A k + B k .
0
k
E J E M P L O 1.6.9
Dada la matriz, calcular A n siendo n Z +:
2 1
1 1
a.-
; b.-
.
3
2
1 0
SO L U C I O N
2 1
2 1 2 1 1 0
a.- n = 1:
; n = 2:
;
3 2
3 2 3 2 0 1
1 0 2 1 2 1
2 1 2 1 1 0
n = 3:
; n = 4:
.
0 1 3 2 3 2
3 2 3 2 0 1
Cuando n es impar A n = A; cuando n es par A n = I.
1 1
1 1 1 1 2 1
b.- n = 1:
; n = 2:
;
1
0
1 0 1 0 1 1
n = 3:
n = 5:
2 11
1 11
5 3 1
3 2 1
Por lo tanto
1 3
0 2
1 8
0 5
a11 :
a12 :
a21 :
a22 :
2
;
1
3 2 1 1 5 3
;
2 1 1 0 3 2
n = 4:
5
.
3
0
An
1
1
1
1
1
1
1
an
an 1
2
2
2
2
3
3
3
3
5
5
5
an 1
.
an 2
D E F I N I C I O N 1.6.2
Respecto a las potencias naturales de una matriz definiremos las
siguientes matrices:
a.- Se conviene en que A 0 = I.
b.- Una matriz peridica de periodo n cumple A n = A. Un caso particular lo
forman las matrices idempotentes para las cuales A 2 = A.
c.- Una matriz es nilpotente de ndice n si A n = O.
d.- Una matriz es involutoria si A 2 = I.
MATRICES
61
E J E M P L O 1.6.10
Encuentre una familia de matrices de 2 x 2 para que cumplan lo siguiente:
a.- sean idempotentes; b.- sean nilpotentes de ndice 2; c.- sean involutorias.
SO L U C I O N
a.- Para que una matriz A sea idempotente, debe cumplirse que A 2 = A. Es decir:
a 2 bc ab bd a b
a b a b a b
.
2
c d c d c d
ca dc d bc c d
Debemos resolver el sistema
(1) a 2 bc a
(2) ab bd b
(3) ca dc c
(4) d 2 bc d
Restando la segunda ecuacin de la primera, obtenemos
ad 0
a 2 a d 2 d
( a d )(1 a d ) 0
1 a d 0
ab bd b
ab bd b
ab bd b
ca dc c
ca dc c
ca dc c
De donde concluimos que
1
a d 2
.
b 1 , c z 0
4c
Por tanto, una posible solucin es la matriz
1 1
2 4c
.
A
c 1
b.- Para que una matriz A sea nilpotente de ndice 2, debe cumplirse que A 2 = O. Es
decir:
a 2 bc ab bd 0 0
a b a b 0 0
.
2
c d c d 0 0
ca dc d bc 0 0
Debemos resolver el sistema
(1) a 2 bc 0
(2) ab bd 0
(3) ca dc 0
(4) d 2 bc 0
Restando la segunda ecuacin de la primera, obtenemos
ad 0
a 2 d 2 0
( a d )( a d ) 0
ad 0
ab bd 0 ab bd 0
ab bd 0
ca dc 0
ca dc 0
ca dc 0
62
MATRICES
c.- Para que una matriz A sea involutoria, debe cumplirse que A 2 = I. Es decir:
a 2 bc ab bd 1 0
a b a b 1 0
ca dc d 2 bc 0 1
c d c d 0 1
(2) ab bd 0
(3) ca dc 0
(4) d 2 bc 1
Restando la cuarta ecuacin de la primera, obtenemos
ad 0
a 2 d 2 0
( a d )( a d ) 0
ad 0
ab
bd
0
ab
bd
0
ab bd 0
ca dc 0
ca dc 0
ca dc 0
De donde concluimos que a = d = 0 y reemplazando estos valores en las ecuaciones
(1) y (4), obtenemos bc = 1 donde tenemos dos alternativas b = 1/c, c z 0 o c = 1/b,
b z 0. Por lo tanto dos de las posibles soluciones son
0 1/ c
0 b
A
y A
.
c
0
1/ b 0
E J E M P L O 1.6.11
Si A, B, C son matrices cuadradas de igual orden que cumplen lo siguiente: C es
nilpotente, ndice de nilpotencia 2, B y C son conmutativas y A = B + C.
Demustrese que, para todo n Z +, se cumple la ecuacin A n+1 = B n(B + (n + 1)C).
SO L U C I O N
Sabemos que A n+1 = A n A, entonces:
A n+1 = (B + C)n+1
= (B + C)n(B + C)
= (B n + k B n-1 C + n(n - 1)B n-2 C 2 + ... + C n)(B + C)
= (B n + n B n-1 C + C n)(B + C)
= B n B + B n C + n B n C + n B n-1 C 2 + C n B + C n+1
= B n+1 + (n + 1)B n C = B n(B + (n + 1)C).
E J E M P L O 1.6.12
Si A es nilpotente de ndice 2, demustrese que A(I A)n = A, siendo n Z +.
SO L U C I O N
A(I A)n = A(I n n I n-1 A n(n - 1)I n-2 A 2 . . . A n)
= A I n n I n-1 A 2 . . . A n+1
= A A n-1 A 2
= A.
E J E M P L O 1.6.13
Sea una matriz cuadrada tal que A 2 = A. Demustrese que A n = A, para todo n Z +.
SO L U C I O N
Probaremos esta proposicin utilizando el proceso de induccin matemtica.
Si A 2 = A, entonces:
P(n) : A n = A
P(1) : A 1 = A
P(k) : A k = A. Verdadero por hiptesis inductiva.
P(k + 1) : A k+1 = A
A k+1 = A k A = A A = A 2 = A,
lo cual es verdadero. Por lo tanto se cumple que A n = A.
ALGEBRA LINEAL CON MATLAB
MATRICES
63
E J E M P L O 1.6.14
Demustrese que si A B = A y B A = B, entonces A y B son idempotentes.
SO L U C I O N
Para que A y B sean idempotentes, debe cumplirse: A 2 = A y B 2 = B.
A2 = A A = A B A B = A B B = A B = A
2
B = B B = B A B A = B A A = B A = B.
E J E M P L O 1.6.15
Si A es una matriz involutoria, demustrese que (I + A) y (I - A) son matrices
idempotentes y que [(I + A)][(I - A)] = O.
SO L U C I O N
[(I + A)]2 = (I + A)(I + A) = (II + I A + A I + A A) si A 2 = I
= (I + 2I A + I) = (2I + 2A) = (I + A) es idempotente.
[(I - A)]2 = (I - A)(I - A) = (II - I A - A I + A A) si A 2 = I
= (I - 2I A + I) = (2I - 2A) = (I - A) es idempotente.
[(I + A)][(I - A)] = (I + A)(I - A) = (II - I A + A I - A A) si A 2 = I
= (I - I) = O.
E J E M P L O 1.6.16
Prubese que la matriz A es involutoria si y slo si, se cumple que
(I - A)(A + I) = O.
SO L U C I O N
Para que la matriz A sea involutoria es necesario que se cumpla A 2 = I.
(I - A)(A + I) = I A + II - A A - A I = A + I 2 A 2 - A = I I = O.
E J E M P L O 1.6.17
Las potencias naturales n t 2 de una matriz idempotente A, satisfacen la ecuacin
A n = A.
SO L U C I O N
Siendo A idempotente, se cumple que A n = A, entonces A 3 = A A 2 = A A = A 2 = A.
Supngase que A n = A, entonces
A n+1 = A A n = A A = A 2 = A.
E J E M P L O 1.6.18
Las potencias de una matriz involutoria A cumplen las ecuaciones
a.- A 2n = I, n ; b.- A 2n+1 = A, n .
SO L U C I O N
Siendo A una matriz involutoria, debe cumplirse que A 2 = I; entonces:
a.- A 2n = (A 2)n = I n = I;
b.- A 2n+1 = A A 2n = A I = A.
EJ E M P L O 1.6.19
Si A es una matriz idempotente, pruebe que (A B A B A)2 = O, para toda matriz B.
SO L U C I O N
Si A es idempotente, entonces A 2 = A; por lo tanto
(A B A B A)2 = (A B A B A)(A B A B A)
= ABAB ABABA ABA AB + ABA ABA
= A B A B A B A B A A B A 2B + A B A 2 B A
= ABAB ABABA ABAB + ABABA
= O.
EJ E M P L O 1.6.20
Demuestre que para una matriz nilpotente A de ndice de nilpotencia p la matriz A +
es tambin nilpotente y posee el mismo ndice de nilpotencia.
SO L U C I O N
Dado que A p = O, entonces tenemos que probar que (A +)p = O. Es decir:
ALGEBRA LINEAL CON MATLAB
64
MATRICES
( A + ) p = A + A + ... A + = ( A A ... A ) + = ( A p ) + = O + = O .
p veces
p veces
EJ E M P L O 1.6.21
Demuestre que si A es idempotente, B = 2A I es involutoria, si B es involutoria,
A = (B + I) es idempotente.
SO L U C I O N
Si A 2 = A, entonces:
B 2 = (2A - I)2 = (2A - I)(2A - I) = 4A 2 4A + I = 4A 4A + I = I.
2
Si B = I, entonces:
2
1
1
1
1
1
A 2 = ( B + I ) = ( B 2 + 2 B + I ) = ( I + 2 B + I ) = (2 B + 2 I ) = ( B + I ) = A .
4
4
4
2
2
MATRICES
65
if(PotA ==I)
fprintf('\n LA MATRIZ A ES INVOLUTORIA\n')
else
fprintf('\n LA MATRIZ A NO ES INVOLUTORIA\n')
end
PR O B L E M AS
,
0 1 c 1 0 1
donde b y c son nmeros reales arbitrarios. Hallar todas las
matrices A de 2 x 2, tales que A 2 = I.
1.6.3 Dada la matriz
A
CosT SenT
.
SenT Cos T
Calcular A n siendo n Z +.
.
A
1 SenT CosT
k
1.6.6 La matriz
A
donde i2 = -1, a
1
(1
2
i
,
b
5) y b
1
(1
2
5) , tiene la
MATRICES
66
Sen
Cos k
k
A
n
S
n
S
Sen
Cos
k
k
1.6.22 Dada
p(x):
1
a.- A 1
2
p( x, y) x2 xy 2 y 2 y q( x, y) x2 y 2 2 y 1 :
a.- Verifquese que A y B conmutan.
b.- Evalese p(A, B).
c.- Evalese q(A, B).
d.- Demustrese que, en general, si A y B son matrices
de n x n, y si A y B conmutan, entonces
(A + B)2 = A 2 + 2A B + B 2
y
A 2 B 2 = (A + B)(A B)
y verifquese la validez de esas relaciones con las
matrices A, B que se han dado.
1.6.15 Sea f ( x) x 2 x 3 , g ( x) x3 2 x 1 ,
3 1
1 2
, B
. Evalese:
2 0
3 4
a.- f(A);
b.- f(B);
c.- f(I);
d.- f(O);
e.- g(A);
f.- g(B);
g.- f(A + B).
A
1 0
c.-
e.-
1 0
;
0 0
1 0
;
1 0
d.-
f.-
1
1
0
1
0
;
1
0 0
1 0 .
0 0
2 1
1 3 , p(x) = 3x2 2x + 2;
1 1
1 1 1
1 2 3
c.- A 4 5 6 , p(x) = x2 5x 5;
7 8 9
d.- A 2
3
e.- A 1
1
f.- A
4 7
5 8 , p(x) = 3x2 + 5x 5;
6 9
1 1
i 1 , p(x) = x2 + 3x + 1;
1 i
1
1 i 1
2
1 1 i 1 , p(x) = x - 3x 2.
1
1 1 i
.
0
1
2 5
1.6.24 Dada la matriz
A
encuentre A n, n Z +.
8 4
4 2
4i 2i
4i
2i
2
MATRICES
67
1.7 C U EST I O N A RI O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
1.7.1 Si dos productos A B y B A estn definidos y A es
una matriz de m x n, entonces B es una matriz de m x n.
1.7.2 Una matriz que conmuta para el producto con una
matriz diagonal que posee elementos en la diagonal
distintos de dos en dos es tambin una matriz diagonal.
1.7.3 Si una matriz cuadrada A es conmutativa para el
producto con todas las matrices cuadradas del mismo
orden, sta es la matriz nula.
1.7.4 Las operaciones sobre las matrices casi triangulares
de la misma estructura, superiores o inferiores conducen a
matrices casi diagonales de la misma estructura.
1.7.5 Si una matriz A es nilpotente de ndice de
nilpotencia n, entonces la matriz A es tambin nilpotente
y posee el mismo ndice de nilpotencia.
O BJE T I V O
Resolver problemas sobre determinantes, utilizando definiciones, propiedades y mtodos adecuados para cada
tipo, en situaciones reales propias de la ingeniera y ciencias aplicadas.
C O N T E NI D O :
2.1
2.2
2.3
2.4
2.5
2.1 D E T E R M I N A N T ES D E SE G UND O Y T E R C E R O RD E N
En esta seccin se introduce la terminologa bsica y se define el determinante de una matriz cuadrada de n-simo
orden, enunciamos sus propiedades.
Es evidente que una regla que asocie a cada matriz un nmero concreto definir una
funcin de valores numricos de las matrices. Una de las funciones con valores
numricos ms importante entre las que se definen para las matrices cuadradas es la
funcin determinante. Esta funcin ha sido objeto de un estudio exhaustivo durante
ms de 200 aos. El hecho ms asombroso de la historia de los determinantes es que
el concepto de determinante se haya adelantado ms o menos 100 aos al concepto
de matriz. En realidad, hasta principios de este siglo, ambos conceptos se
confundan.
Si designamos los n primeros elementos del conjunto de los nmeros naturales,
existe una permutacin ordinaria de dichos elementos que se denomina permutacin
fundamental o principal, la cual corresponde a la sucesin ordenada y creciente de
los nmeros naturales; entonces, la permutacin fundamental viene dada por 1 2 3 ...
n. Se dice que dos elementos de cualquiera de las n! permutaciones posibles forman
inversin cuando se suceden en un orden distinto al que presentan en la permutacin
fundamental; as, por ejemplo, en la permutacin 2 3 1 4, los pares de elementos
{2, 1} y {3, 1} forman inversiones. Si todos los pares de elementos forman
inversin, es decir, si todos los elementos estn colocados en orden contrario al
natural, se trata de una permutacin inversa, como 4 3 2 1. La clase de una
permutacin viene dada por la paridad del nmero total de inversiones que existan
entre cada dos elementos de la permutacin; as, una permutacin es de clase par o
de clase impar, segn sea par o impar dicho nmero de inversiones. Al cambiar entre
s de lugar la posicin de dos elementos de una permutacin se ha originado una
transposicin.
70
DETERMINANTES
T E O R E M A 2.1.1
Si en una permutacin arbitraria se efecta una transposicin, la
permutacin cambia de clase.
D E M OST R A C I O N
En efecto, si se verifica la transposicin entre dos elementos consecutivos se origina
un aumento o una disminucin en el nmero total de inversiones de la permutacin,
segn que dicho par de elementos estuvieran o no en el orden natural previamente
establecido; por otra parte, no existen ms variaciones en el nmero total de
inversiones, ya que tanto los elementos anteriores como los posteriores a los que se
transponen siguen teniendo respecto a los elementos del par transpuesto la misma
posicin relativa que tenan antes de la transposicin. Si entre los elementos que se
transponen existen otros k elementos intercalados, para intercambiarlos de lugar
basta hacer avanzar k + 1 lugares al elemento ms retrazado, lo que equivale a
efectuar k + 1 transposiciones y, a continuacin, debe hacerse retroceder k lugares el
elemento ms avanzado, lo que representa otras k nuevas transposiciones, con lo que
el nmero total de transposiciones efectuadas asciende a k + 1 + k = 2k + 1, que es un
nmero impar, siendo, por tanto, impar el nmero de cambios de la permutacin
original; la permutacin debe cambiar de clase.
Si en una permutacin arbitraria se efecta una transposicin, la permutacin cambia
de clase. Finalmente, se puede probar fcilmente que es posible obtener las n!
permutaciones del conjunto {1, 2, ..., n} a partir de la permutacin principal y
cambiando, para formar una nueva permutacin, dos elementos de la anterior, as: 1
2 3, 1 3 2, 3 1 2, 3 2 1, 2 3 1, 2 1 3, son las 3! = 6 permutaciones de {1, 2, 3}; por
tanto, como se cambia de clase al conseguir una nueva permutacin, entre las n!
permutaciones posibles existen n! de clase par y otras de clase impar.
D E F IN I C I O N 2.1.1
Formados todos los productos posibles de n elementos elegidos entre los n2
de la matriz dada, de modo que en cada producto haya un factor de cada fila
y uno de cada columna, y anteponiendo a cada producto el signo + o el -,
segn que las permutaciones que indican las filas y las columnas sean de la
misma o distinta clase, el polinomio que tiene como trminos todos los
productos as formados con sus signos correspondientes, se llama
determinante de la matriz dada. Es decir, para el conjunto de las matrices
cuadradas de orden n se puede establecer una aplicacin inyectiva de forma
que a cada matriz A corresponda una funcin escalar de sus elementos y se
representa escribiendo sta entre barras: Det( A ) = A .
D E F I N I C I O N 2.1.2
Se dice que dos determinantes son iguales, si al ser evaluados ambos dan
el mismo nmero.
La definicin aceptada permite desarrollar cualquier determinante, pero en la
prctica no debe utilizarse directamente para los de orden superior a tres.
D E F IN I C I O N 2.1.3
El valor del determinante de una matriz
a12
a
A 11
a21 a22
de 2 x 2 se define mediante la expresin:
Det(A) = a11a22 a12a21.
Un determinante de segundo orden es un nmero que se calcula a partir de los
cuatro elementos de una ordenacin cuadrangular.
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
71
EJ E M P L O 2.1.1
Evaluar el determinante de la siguiente matriz
a 2 ab b2 a 2 ab b2
A
.
a b
a b
SO L U C I O N
Evaluamos el determinante de la matriz A utilizando la correspondiente definicin
Det(A) = (a2 + ab + b2)(a - b) - (a2 - ab + b2)(a + b)
= a3 - a2b + a2b - ab2 + ab2 - b3 - a3 - a2b + a2b + ab2 - ab2 - b3
= - 2b3.
EJ E M P L O 2.1.2
Demostrar que, siendo a, b, c y d reales, las races de la ecuacin
a x c id
0
c id b x
sern reales.
SO L U C I O N
Evaluando el determinante, obtenemos:
' = (a x)(b x) (c + id)(c id) = 0 ab - ax - bx + x2 - c2 + icd - icd + i2d2 = 0
ab - ax - bx + x2 - c2 - d2 = 0 x2 - (a + b)x + (ab - c2 - d2) = 0
Resolvemos esta ecuacin cuadrtica, resultando:
( a c ) r ( a b)2 4( ab c 2 d 2 ) ( a c ) r ( a b) 2 4(c 2 d 2 )
.
2
2
Como (a - b)2 + 4(c2 + d2) t 0, entonces las races son reales.
x1,2
EJ E M P L O 2.1.3
Dada la matriz
4 5
2 1
Encuentre de ser posible una matriz B tal que Det(A) = Det(A B).
SO L U C I O N
a b
4 a 5c 4b 5d
Sea B
, entonces A B
. Por lo tanto
c d
2 a c 2b d
A
a b
B
/ ad bc 1 .
c
d
EJ E M P L O 2.1.4
Dada la matriz
1 3
4 2
Encuentre de ser posible una matriz B tal que Det(A + B) = Det(A) + Det(B).
SO L U C I O N
a b
1 a 3 b
Sea B
, entonces A + B
. Por lo tanto
c
d
4 c 2 d
Det(A + B) = (1 + a)(2 + d) (3 + b)(4 + c)
= 2a - 4b 3c + d + ad bc 10
Det(A) = -10 y Det(B) = ad bc.
De donde
2a - 4b 3c + d + ad bc 10 = -10 + ad bc 2a - 4b 3c + d = 0.
A
72
DETERMINANTES
B
/ 2 a 4b 3c d
c d
D E F IN I C I O N 2.1.4
El valor del determinante de una matriz
a11 a12
A a21 a22
a
31 a32
0 .
a13
a23
a33
b2 c 2
a.-
a2
2
a c
c
a2
2
b
2
a2 1
a b
;
2
b.-
ab
ac
ab
ac
bc
bc
b 1
c 1
SO L U C I O N
a.- Haciendo uso de la definicin correspondiente evaluamos el determinante la
matriz:
' = (b2 + c2)(a2 + c2)(a2 + b2) + a2b2c2 + a2b2c2 a2c2(a2 + c2) b2c2(b2 + c2)
a2b2(a2 + b2)
= (b2a2 + b2c2 + a2c2 + c4)(a2 + b2) + 2a2b2c2 a4c2 - a2c4 b4c2 - b2c4 a4b2 - a2b4
= b2a4 + b4a2 + b2a2c2 + b4c2 + a4c2 + a2b2c2 + c4a2 + c4b2 + 2a2b2c2 a4c2 - a2c4
4 2
b c - b2c4 - a4b2 - a2b4
= 4a2b2c2.
b.- Haciendo uso de la definicin correspondiente evaluamos el determinante la
matriz:
' = (a2 + 1)(b2 + 1)(c2 + 1) + a2b2c2 + a2b2c2 a2c2(b2 + 1) b2c2(a2 + 1)
a2b2(c2 + 1)
2 2
2
2
2
2 2 2
2 2 2
2 2
2 2 2
2 2
2 2 2
= (a b + a + b + 1)(c + 1) + 2a b c a b c - a c a b c - b c a b c - a2b2
= a2b2c2 + a2b2 + a2c2 + a2 + b2c2 + b2 + c2 + 1 a2b2c2 - a2c2 b2c2 - a2b2
= a2 + b2 + c2 + 1.
A continuacin enunciaremos y demostraremos algunas de las propiedades mas
importantes de los determinantes.
T E O R E M A 2.1.2
El valor de un determinante no vara si se sustituye cada elemento por su
conjugado, es decir, si se cambian las filas por columnas, y stas por
aqullas, sin alterar el orden relativo de los elementos de cada una.
D E M OST R A C I O N
En efecto; todo trmino del primer determinante est formado por n elementos, uno
de cada fila y uno de cada columna, luego pertenece tambin al segundo
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
73
rDet( A ) .
k 1
En el teorema siguiente podemos ver que un intercambio de dos filas o dos columnas
es una matriz de orden n x n cambia el signo del determinante.
T E O R E M A 2.1.4
Si B se obtiene a partir de A intercambiando dos filas (o dos columnas)
adyacentes sin alterar el orden relativo de los elementos de cada una,
entonces el valor absoluto del determinante no vara, pero cambia su signo.
D E M OST R A C I O N
Supongamos que A y B son iguales, excepto que aj = bj+1 y a j+1 = bj. Si k z j y k z
j+1, tenemos que b1k = a1k y Det(B 1k) = -Det(A 1k) por la hiptesis de induccin, de
modo que
(-1)k+1b1kDet(B 1k) = -(-1)k+1a1kDet(A 1k)
Por otra parte, b1j = a1 j+1, B 1j = A 1 j+1, de modo que
(-1)j+1b1jDet(B 1j) = (-1)j+1a1 j+1Det(A 1 j+1)
= -(-1)j+2a1 j+1Det(A 1 j+1).
De la misma manera,
(-1)j+2b1 j+1Det(B 1 j+1) = -(-1)j+1a1jDet(A 1j).
Por tanto, cada trmino de la expresin para Det(B) es igual al negativo de un
trmino en la expresin para Det(A). Por tanto, Det(B) = -Det(A).
T E O R E M A 2.1.5
Si en una matriz cuadrada todos los elementos de una fila (o columna) son
cero, el valor de su determinante es cero.
D E M OST R A C I O N
Cada uno de los productos en que se desarrolla el determinante contiene un elemento
de esa fila, as que cada producto es nulo en la hiptesis hecha. De aqu que su suma
es cero; es decir Det(A) = 0.
T E O R E M A 2.1.6
Si en una matriz cuadrada, los elementos correspondientes de dos filas
(o dos columnas) son idnticos, entonces el valor de su determinante es
cero.
ALGEBRA LINEAL CON MATLAB
74
DETERMINANTES
D E M OST R A C I O N
Suponga que a ik = a jk para todo k o que a ik = aij para todo i; si intercambiamos las dos
filas o las dos columnas iguales, la matriz A no ha cambiado. Pero el signo del
determinante cambia:
Det(A) = - Det(A) o Det(A) + Det(A) = 0.
El nico nmero real para el cual se satisface la ecuacin es Det(A) = 0.
T E O R E M A 2.1.7
Un determinante es nulo si los elementos de una fila (o columna) son
proporcionales a los trminos de una paralela a ella.
D E M OST R A C I O N
Si los trminos de una fila son iguales a los correspondientes de otra, multiplicados
por r, separando este nmero como factor del determinante, queda otro con dos filas
idnticas, y, por tanto, es nulo.
T E O R E M A 2.1.8
Sean A, B y C matrices iguales, excepto para la columna j, y supngase que
la columna j de C es la suma de las columnas de j de A y B. Entonces
Det(C) = Det(A) + Det(B).
D E M OST R A C I O N
Tenemos que
c1j = a1j + b1j y C 1j = A 1j + B 1j.
Para k z j,
c1k = a1k = b1k y C 1k = A 1k = B 1k,
excepto para una columna que es la suma de las columnas correspondientes de A 1k y
B 1k. Por tanto, si k z j,
Det(C 1k) = Det(A 1k) + Det(B 1k)
por hiptesis de induccin. Si k = j tenemos
c1kDet(C 1k) = c1kDet(A 1k) + c1kDet(B 1k)
= a 1kDet(A 1k) + b1kDet(B 1k)
mientras que
c1jDet(C 1j) = a 1jDet(C 1j) + b1jDet(C 1j)
= a 1jDet(A 1j) + b1jDet(B 1j)
Por tanto
Det( C )
(1)k 1 c1 k Det( C1 k )
k 1
n
k 1
k 1
DETERMINANTES
75
EJ E M P L O 2.1.6
Sin desarrollar el determinante, demostrar la siguiente identidad:
1 a bc
ma1 mb1 mc1
a1 b1 c1
a.- na2 nb2 nc2 mnp a2 b2 c2 ; b.- 1 b ac
1 c ab
pa3 pb3 pc3
a3 b3 c3
1
a
1
b
a 2 b2
1
c .
c2
SO L U C I O N
a.- Extraemos m de la primera fila de la matriz, n de la segunda fila y p de la tercera
fila. Es decir
a1
b1
c1
a1
b1
c1
a1 b1 c1
m na2 nb2 nc2 mn a2
b2
c2
mnp a2 b2 c2
pa3 pb3 pc3
pa3 pb3 pc3
a3 b3 c3
b.- Multiplicando la primera, segunda y tercera filas por a, b y c, respectivamente,
obtenemos
a a2
1
b b2
abc
c c2
abc
a a2 1
abc
b b2 1
abc
c2 1
a a2 1
b b
1
1
1 a2
1 a
a2
1 b
1 b b
1 c
1 c
c2
1
a
1
b
a 2 b2
1
c .
c2
EJ E M P L O 2.1.7
Sea A una matriz antisimtrica de n x n. Demuestre que si n es impar, entonces
Det(A) = 0.
SO L U C I O N
Como A = -A T, entonces:
Det(A) = Det(-A T) = (-1)nDet(A T) = (-1)nDet(A) = - Det(A) 2Det(A) = 0.
Luego Det(A) = 0.
EJ E M P L O 2.1.8
Sin desarrollar el determinante, demostrar la siguiente identidad:
1 a
a2
a.- 1 b b 2
1 c
c2
1 a 0
(b a )(c a ) 0 1 b ;
0 1 c
1 a2
a3
bc
a a2
b.- 1 b 2
b3
ca b b 2 .
1 c2
c3
ab c
c2
SO L U C I O N
a.- Restando la fila 1 de la fila 2 y la fila 1 de la fila 3, obtenemos:
1
a2
0 b a b2 a 2
0 ca
c2 a2
76
DETERMINANTES
columna
1 a 0
1 a a2
(b a )( c a ) 0 1 b 0 1 a
0 1 c
0 1 a
podemos observar en la expresin que esta entre llaves, que el segundo determinante
es cero por tener dos filas iguales, lo cual permite llegar a demostrar la identidad.
1 a 0
(b a )( c a ) 0 1 b .
0 1 c
b.- A la primera columna del determinante le multiplicamos por abc:
abc a 2
a3
1
abc b 2
abc
abc c 2
b3
c3
bc a a 2
abc
ac b b 2
abc
ab c c 2
bc
a a2
ac b b 2 .
ab c
c2
EJ E M P L O 2.1.9
Sin desarrollar el determinante, demostrar la siguiente identidad:
a3
1 a
a.- 1 b b3
b.-
0
a
b
c
(a b c) 1 b b2 ;
c3
1 c
a
0
c
b
b
c
0
a
a2
1 a
c
b
a
0
1 c
c2
b2
1 c2
a2
1 b2
a2
0
1
SO L U C I O N
a.- A la columna 3 le restamos la columna 1 multiplicada por abc
1 a
a 3 abc
1 b b3 abc
1 c
c 3 abc
a 3 a 2 c abc
1 b b3 abc abc
1 c
c 3 ac 2 abc
a 3 a 2 c abc abc
1 b
b3 b 2 c
1 c
c 3 ac 2 abc bc 2
DETERMINANTES
77
1 a
a 3 a 2 c a 2b
1 b b3 b 2 c b 2 a
1 c
a 2 (a b c)
1 a
1 b b2 ( a b c )
c 3 ac 2 bc 2
c 2 (a b c)
1 c
a2
1 a
( a b c ) 1 b b2 .
c2
1 c
b.- A la segunda fila del determinante se le multiplica por bc, a la tercera fila por ac
y a la cuarta fila por ab:
0
a
b
c
1
abc
bc 2
b2 c
a2c
a 2 b 2 c 2 abc ac 2
abc ab 2 a 2 b 0
De la primera columna extraemos abc, de la segunda columna a, de la tercera
columna b y de la cuarta columna c:
0 1 1 1
0 1 1 1
a 2b2 c 2 1 0
a 2b2 c 2 1 c 2
c2
b2
c2
b2
a2
1 c2
a2
1 b2
a2
1 b2
a2
EJ E M P L O 2.1.10
Evaluar los siguientes determinantes:
1 a b cd
1
a
b
c
1 b c da
1
b
c
a
a.; b..
1 c d a b
1
c
a
b
1 d a bc
1 2 a b 2b c 2c a
SO L U C I O N
a.- A la segunda columna
columnas:
1
1
1
1
a bc d b c d
bcd a c d a
c d a b d a b
d a bc a bc
Extraemos de la segunda columna a + b + c + d:
1 1 b cd
1 1 c da
(a b c d )
1 1 d a b
1 1 a bc
Como existen dos columnas iguales, el determinante es igual a 0.
b.- A la primera columna, le sumamos la tercera y cuarta columnas:
1 a bc
b
c
1 bca
c
a
1 c a b
a
b
1 a b c 2b c 2c a
ALGEBRA LINEAL CON MATLAB
78
DETERMINANTES
PR O B L E M AS
2.1.1 Si A y B son matrices triangulares superiores de n x
n tales que Det(a A + b B) = aDet(A) + bDet(B) para todo
a, b en K , demuestre que Det(A) = Det(B) = 0.
2.1.2 Dado que Det(A) = 81 y B es una matriz igual a A,
excepto que la primera y tercera filas fueron
intercambiadas una por la otra. Cul es el valor de
Det(B)?
2.1.3 Si Det(A) = 9 y B es una matriz igual a A, excepto
que la segunda y tercera filas fueron intercambiadas entre
s. Cul es el valor de Det(B)?
2.1.4 Sean A y B matrices cuadradas de 4 x 4 tales que
Det(A) = -15 y Det(B) = -6. Encuentre Det(A B), Det(A 3),
Det(5B); Det(A B)T.
2.1.5 Si A es una matriz simtrica, demuestre que
Det(A + B) = Det(A + B T).
2.1.6 Encuentre matrices A y B de 2 x 2 tales que
Det(A + B) = Det(A) + Det(B).
2.1.7 Sea A una matriz de 3 x 3 tal que la suma de cada
una de sus filas es igual a cero. Encuentre Det(A).
2.1.8 Demuestre que si Det(A) = Det(B) z 0, entonces
hay una matriz C tal que Det(C) = 1 y A = C B.
2.1.9 Demuestre que si A es una matriz antisimtrica de
n x n, entonces Det(A) = (-1)nDet(A).
2.1.10 Si A es una matriz idempotente, cules son los
valores posibles de Det(A)?
2.1.11 Sean A y B dos matrices de n x n. Encuentre
Det(C) en funcin de Det(A + B) y Det(A B), siendo
A B
C =
.
B A
2.1.12
Si A T B T
1 3
y Det(B) = 3. Cul es el
2 4
Det(A)?
ALGEBRA LINEAL CON MATLAB
d.-
e.-
e c
b
c e a ;
b a e
g.-
a b
c
d
b
ac
d ;
b
c
ad
i.-
2 a2
3
3
2
1
3
5
1 9a
n 1 1
k.- 1 n 1 ;
1 1 n
f.-
1
a
cd
1
1
a b a ;
c
c
1
1 n
1 n 1 ;
n 1
1
a
ek
fk
h.-
j.-
dg dh
b eh ;
fg c
1 n n
n 2 n ;
n n 3
a b b
l.- b a b .
b b a
a b
, entonces
c d
es el rea del paralelogramo con lados
Demuestre
que
si
DETERMINANTES
c.-
e.-
79
2n 5 n 1
n
n 2 2n 3
n ;
n 2 n 1 2n 1
1 n
1
1
d.1 1 n
1 ;
1
1 1 n
a.-
a b ab
0
1
a b ab .
0
1
a b
1 2 4
2.1.17 Si A
es un escalar.
b.-
a.-
c.-
c
f
i
g h
a b
d e
b.-
d e f
a b c ;
3g 3h 3i
i
c .
f
a1
b1
c
1
a3
b3 entonces
2.1.22 Demuestre que si A
c3
Det( A ) es el volumen del paraleleppedo cuyos lados
estn determinados por (a1, a2, a3), (b1, b2, b3) y (c1, c2, c3).
ALGEBRA LINEAL CON MATLAB
a2
b2
c2
a2
c2
b2
c2
0 1 1
a 2b2 c 2 1 0 1 ;
1 1 0
a4
a9
a16
a4
a9
a16
a 25
a 36 a
a4
a9 ;
a16
a 25
a 36
a4
a9
a16
a3
c.- 1 b 2
b3
1 c2
c3
a2
1 a
( ab bc ca ) 1 b b 2 ;
c2
1 c
d.-
a b a c bc
a c a b bc
bc ba ac
e.-
a b bc c a
m n n 1 1 m
x y yz zx
f.-
a1 b1
a2 b2
a3 b3
g.-
a b
bc
a1 b1 b1 c1
a2 b2 b2 c2
16 , encuentre:
a
b
c
d
e
f ;
ag bh ci
a 2 b2
1 a2
a b
2.1.19 Si d e
g h
1 c b
2( a b c ) 1 b b ;
1 b a
a b c
2 m n 1 ;
x y z
a1 x b1 y c1
a2 x b2 y c2
a3 x b3 y c3
a1 b1
a2 b2
a3 b3
ca
c1 a1
c2 a 2
b
b1
b2
c
c1 ;
c2
h.-
a1 b1 x a1 b1 x c1
a2 b2 x a2 b2 x c2
a3 b3 x a3 b3 x c3
a1 b1
2 x a2 b2
a3 b3
c1
c2 ;
c3
i.-
a1 b1 x a1 x b1
a2 b2 x a2 x b2
a3 b3 x a3 x b3
a1
(1 x 2 ) a2
a3
c1
c2
c3
a
2 a1
a2
c1
c2 ;
c3
b1
b2
b3
c1
c2 .
c3
a2
2a
a2
1 2a
a.-
bc
b
c
a
ac
c
b.a
b
a b
a4
1
0
1
0
2
1
1
1
1
2
1
1
0
1
;
0
1
0 c b
2 c 0 a .
b a 0
80
DETERMINANTES
g.-
1 1 2
3 5 1 ;
5 3 1
e.-
h.-
3 4 3
5 6 5 ;
4 9 3
3 2 1
2 1 2 ;
1 2 3
3 1 2
f.- 2 3 1 ;
1 2 3
i.-
5 2 1
5 4 3 ;
4 2 3
j.-
4 3 5
5 4 3 .
3 5 4
DETERMINANTES
81
I. D ESA RR O L L O PO R L OS E L E M E N T OS D E UN A F I L A O
C O LUMNA
Si en la definicin del determinante de 3 x 3 se saca factor comn a los elementos de
la primera fila, se tiene
Det(A) = a11(a22a33 a23a32) + a12(a23a31 a21a33) + a13(a21a32 a22a31)
a
a
a
a
a
a
a11 (1)11 22 23 a12 (1)1 2 21 23 a11 (1)13 21 22
a32 a33
a31 a33
a31 a32
= a11Det(A 11) + a12Det(A 12) + a13Det(A 13)
en donde cada Det(A 1i) es el determinante que resulta de suprimir en la matriz A la
fila 1 y la columna i, afectado de un signo + o segn que 1 + i sea un nmero par o
impar.
Se puede comprobar, para todos los casos posibles, que el determinante de 3 x 3 es
igual a la suma de los productos de los elementos de una fila o columna de la matriz
del determinante por sus adjuntos respectivos. Este resultado se puede generalizar al
caso de un determinante cualquiera de n x n, sacando tambin factor comn a los
elementos de una fila o columna y comprobando que cada uno de ellos multiplica a
su correspondiente adjunto, con lo que se consigue el desarrollo de un determinante
por los elementos de una fila o columna.
T E O R E M A 2.2.1
El smbolo Det(A) se llama determinante de la matriz A de n x n y significa
la suma de los productos de los elementos de cualquier fila o columna y sus
respectivos cofactores; es decir
Det(A) = a i1Det(A i1) + a i2Det(A i2+ a inDet(A in)
o bien
Det(A) = a1jDet(A 1j) + a2jDet(A 2j+ anjDet(A nj).
D E M OST R A C I O N
La demostracin se lleva a cabo por induccin. La proposicin es verdadera para un
determinante de 2 x 2. Suponiendo que es verdadera para un determinante de n 1 x
n 1, probaremos que es verdadera para un determinante de n x n. Desarrllese
Det(A) por la i-sima fila. Un trmino tpico es este desarrollo es
a ikDet(A ik) = (-1)i + k a ikDet(M ik).
El menor Det(M ik) de a i k en Det(A) es un determinante de n 1 x n 1. Por la
hiptesis de induccin, puede desarrollarse por cualquier fila. Desarrllese por la fila
correspondiente a la j-sima fila de Det(A). Esta fila contiene los elementos a jr
(r z k). Es la (n 1)-sima fila de Det(B ik), porque Det(B ik) no contiene elementos de
la i-sima fila de Det(A) y i < j. Tiene que distinguirse entre dos casos:
Caso I. Si r < k, entonces el elemento a jr pertenece a la r-sima columna de Det(A ik).
De aqu que el trmino que contiene a jr en este desarrollo es
a jr(cofactor de a jr en Det(B i k) = (-1)(j - 1) + ra jrDet(B ik jr)
donde Det(B ik jr) es el menor de ajr en Det(B ik). Como este menor se obtiene de
Det(B ik) eliminando la fila y columna de a jr, se obtiene en Det(A) eliminando el isima y el j-sima filas y la k-sima y r-sima columnas de Det(A). Introdzcanse
los desarrollos de los Det(B ik) en el de Det(A). Entonces se deduce que los trminos
de la representacin resultante de Det(A) son de la forma
(-1)i+k+j+r -1a i k a j rDet(B i k j r) r < k.
Caso II. Si r > k, la nica diferencia es que entonces a jr pertenece a la (r 1)-sima
columna de Det(B ik), porque Det(B ik) no contiene elementos de la k-sima columna
de Det(A) y k < r. Esto produce un signo menos adicional y, por tanto, se obtiene
-(-1)i + k + j + r 1a i ka j rDet(B i k j r) r > k.
De forma anloga se demuestra el desarrollo referente a las columnas.
82
DETERMINANTES
EJ E M P L O 2.2.1
Evaluar el siguiente determinante:
2 5 1 2
1 0
3 7 1 4
3 2
a.; b.5 9 2 7
3 9
4 6 1 2
3 1
2
8
4
8
8
5
.
7
5
SO L U C I O N
a.- Para desarrollar este determinante, elegimos la primera fila, es decir:
7 1 4
3 1 4
3 7 4
2 7 (1)13 5 9 7
1 2
4 6 2
3 7 1
2(1)
5 9 2
4 6 1
= 2(28 + 42 36 + 48 49 - 18) + 5(-12 28 + 20 32 + 21 + 10) +
+ (54 + 196 120 + 144 126 70) + 2(27 + 56 + 30 36 36 35)
= - 9.
b.- Desarrollando el determinante con respecto a la primera fila, obtenemos:
1 4
11
' (1)
2 8 5
3 2 5
3 2 8
1 3
1 4
(1) 9 4 7 (1) 2 3 9 7 ( 1) 8 3 9 4
1 8 5
3 1 5
3 1 8
2 8 5
3 2 5
3 2 8
9 4 7 2 3 9 7 8 3 9 4
1 8 5
3 1 5
3 1 8
DETERMINANTES
83
EJ E M P L O 2.2.2
Sin desarrollar el determinante, demostrar la siguiente identidad:
a b c d
0 1
b c d a
1 c
( a b c d )(b a d c )
c d a b
1 d
d a b c
1 a
1
d
a
b
1
a
.
b
c
SO L U C I O N
A la primera columna se le restan la segunda, tercera y cuarta columnas:
a bcd b c d
a bcd c d a
a bcd d a b
a bcd a b c
Extraemos a + b + c + d de la primera columna:
1 b c d
1 c d a
(a b c d )
1 d a b
1 a b c
A la primera fila, se le resta la segunda, se le suma la tercera y se le resta la cuarta
filas:
0 bc d a c d a b d a bc
1
c
d
a
(a b c d )
1
d
a
b
1
a
b
c
Extraemos b a + d - c de la primera fila:
0 1
1 c
( a b c d )(b a d c )
1 d
1 a
1
d
a
b
1
a
.
b
c
T E O R E M A 2.2.2
El valor de un determinante es igual a la suma de los elementos de una fila
(columna) cualquier multiplicado por sus adjuntos correspondientes.
D E M OST R A C I O N
Fijmonos, por ejemplo, en la fila que ocupa el lugar i. En cada trmino de A hay un
elemento de esta fila, y slo uno; luego podemos clasificar los n! Trminos del
siguiente modo: todos los que contienen a i1 forman el producto a i1Det(A i1); los que
contienen a i2 forman a i2Det(A i2), ..., los que contienen a i n componen a i nDet(A i n),
luego:
Det(A) = a i1Det(A i1) + a i2Det(A i2+ a inDet(A in) =
aij Det( A ij ) .
j 1
T E O R E M A 2.2.3
La suma de los elementos de una fila (o columna), multiplicados por los
adjuntos de los elementos de una paralela a ella, es cero.
D E M OST R A C I O N
En efecto, la suma a k1Det(A i1) + a k2Det(A i2 a knDet(A in) en el desarrollo del
determinante obtenido poniendo en Det(A), en vez de la fila a k a k2 a kn, la fila ai1ai2
a in; este determinante tiene, pues, esta fila idntica a la que ocupa el lugar k, luego
es nulo.
ALGEBRA LINEAL CON MATLAB
84
DETERMINANTES
(1)i j a ji Det( A ji )
i 1
i 1 j 1
n
(1)i j a ji Det( A ji ) .
i 1 j 1
nDet( A T )
(1) j i a ji Det( A ji ) .
j 1i 1
(1) j i a ji Det( A ji ) .
i 1
T
Es as como nDet(A ) = nDet(A) y, por lo tanto,
Det(A T) = Det(A).
EJ E M P L O 2.2.3
Si A es antisimtrica, qu puede decirse acerca de Det(A)?
SO L U C I O N
Se sabe que una matriz es antisimtrica si A T = -A, por lo que
Det(A T) = Det(-A)
= (-1)nDet(A).
T
Por otra parte, Det(A ) = Det(A), as que
Det(A) = (-1)nDet(A).
Si n es par, no se puede afirmar nada. Sin embargo, si n es impar se tiene Det(A) = Det(A) y, por lo tanto, Det(A) = 0.
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
85
EJ E M P L O 2.2.4
Dada la expresin
0
a
a 0
b d
c e
b
d
0
f
c
e
f
0
A b B c C
calcular A, B y C.
SO L U C I O N
Eligiendo la primera columna, desarrollamos el determinante
a
b c
a
b c
2 1
31
' ( a )(1)
d 0
f (b)(1)
0
d e
e f 0
e f 0
a
b
( c )(1)41 0
d
e f
A b B c C
c
e
0
a(- bef + cdf + af2) - b(- be2 + cde + aef) + c(adf - bed + cd2) = '
af(- be + cd + af) - be(- be + cd + af) + cd(af - be + cd) = '
(af - be + cd)2 = ' af be cd a A b B c C
A
f A = f 2;
e B = e2;
d C = d 2.
I I. D ESA RR O L L O G A USSI A N O
Los efectos que tienen las operaciones de filas o columnas en el valor del
determinante pueden resumirse de la siguiente manera:
1.- El intercambio de dos filas o columnas de una matriz cambia el signo del
determinante.
2.- La multiplicacin de una fila o columna de una matriz por un escalar tiene el
efecto de multiplicar el valor del determinante por ese escalar.
3.- La suma de un mltiplo de una fila o columna a otra no cambia el valor del
determinante.
T E O R E M A 2.2.5
El determinante de una matriz de la forma triangular o diagonal, es igual al
producto de los elementos de la diagonal principal.
D E M OST R A C I O N
Sea A una matriz triangular superior. En virtud de que los elementos a21, a31, ..., an1
de la primera columna de A son 0, la definicin del determinante de A origina
Det(A) = a11Det(A 11). La submatriz A 11 de A es tambin una matriz triangular
superior, pero de n 1 x n 1. Por consiguiente, merced al principio de induccin
Det(A 11) = a 22a 33 ... a nn el producto de sus elementos. Por lo tanto, Det(A) =
a 11Det(A11) = a 11a 22 ... a nn el producto de los elementos diagonales de A.
Sea A una matriz triangular inferior. En virtud de que los elementos a12, a13, ..., a1n
de la primera fila de A son 0, la definicin del determinante de A origina Det(A) =
a11Det(A 11).
La submatriz A 11 de A es tambin una matriz triangular inferior, pero de n 1 x
n 1. Por consiguiente por induccin, es igual al producto de los elementos
diagonales
Det(A) = a 11Det(A 11) = a 11a 22 ... a nn.
Para el caso de la matriz diagonal, la demostracin es anloga.
ALGEBRA LINEAL CON MATLAB
86
DETERMINANTES
E J E M P L O 2.2.5
Evaluar el siguiente determinante:
2 5 1
3 7 1
5 9 2
4 6 1
2
4
.
7
2
SO L U C I O N
Mediante el desarrollo gaussiano, llevaremos la matriz a la forma triangular. A la
segunda fila le multiplicamos por 2 y luego le sumamos 3 veces la primera fila, a la
tercera fila le multiplicamos por 2 y luego le restamos 5 veces la primera fila, a la
cuarta fila le restamos 2 veces la primera fila
2 5 1 2
1 1 0 1 1 14
2 2 0 7 1 4
0 4 1 2
A la tercera fila le sumamos 7 veces la primera fila, a la cuarta fila le sumamos 4
veces la segunda fila
2 5 1 2
1 1 0 1 1 14
2 2 0 0 6 102
0 0 3 54
Extraemos un 6 de la tercera fila y un 3 de la cuarta fila
2 5 1 2
0 1 1 14
1 1
6 3
0 0 1 17
2 2
0 0 1 18
A la cuarta fila le restamos la tercera
2 5 1 2
0 1 1 14
1 1
6 3
0 0 1 17
2 2
0 0 0 1
a r1
ar 2
a rk
anr
an1 an 2
ank
ann
todos los trminos en que entra a11 estn comprendidos en la expresin a11Det(A 11);
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
87
cada uno de los dems contiene uno de los elementos a12, a13, ..., a1k, ..., a1n restantes
de la primera fila, y uno de los a21, a31, ..., a r1, ..., an1 de la primera columna.
Hallemos todos los trminos que Det(C rk) = (-1)(r - 1) + (k - 1)Det(B rk), la expresin
(-1)k+r+1a1ka r1Det(B rk) adopta la forma sencilla a1ka r1Det(C rk). Por consiguiente
contengan el producto a1ka r1. Todos los trminos de Det(A) que contienen a1k forman
la expresin (-1)1+ka1kDet(A 1k); desarrollemos ahora el menor Det(A 1k) por los
elementos de su primera columna a21 ... a r1 ... an1; como el menor complementario de
a r1 resulta de suprimir en Det(A) la primera fila, la primera columna, la fila r y la
columna k, este menor es tambin el complementario de a rk en el determinante
Det(A 11); y designndolo por Det(B rk), todos los trminos del desarrollo de Det(A rk)
que contienen el elemento a r1 componen la expresin (-1)ra r1Det(B rk). En resumen,
todos los trminos de Det(A) que contienen los elementos a1k a r1, forman la expresin
(-1)k+r+1a1ka r1Det(B rk) y observando que en el determinante Det(A 11) el adjunto de
Det(A rk) es Det(A) = a11Det(A 11) - a1k ar1Det( C rk ) , donde r = 2, 3, ..., n y k = 2,
3, ..., n.
M E T ODO
El desarrollo de un determinante por los elementos de la primera fila y la primera
columna, es igual a su elemento comn a11 por su menor complementario Det(A 11),
menos todos los productos positivos de cada elemento a1k, restante de la primera fila,
por cada elemento a11 restante de la primera columna, por el adjunto Det(A 11) del
elemento a1k en que se cruzan la columna y la fila encabezadas por ambos elementos.
Si la fila y la columna elegidas son las determinadas por el elemento a ij, llevando ste
al primer lugar, el determinante obtenido sera (-1)i+jDet(A), luego el desarrollo por
la fila i y columna j est dado por la misma regla anterior, cambiando el signo al
resultado si es i + j impar.
EJ E M P L O 2.2.6
Evaluar los siguientes determinantes:
2 5
0 1 3 5
a.-
7 9 2 4
;
6 8 0 2
7 5 9 1
1
3 7 1
b.5 9 2
4 6 1
2
4
.
7
2
SO L U C I O N
a.- Intercambiamos la primera y tercera filas:
6 8 0
7 9 2
0 1 3
7 5 9
2
4
5
1
9 2
1 7
9 2 4
3 5
1 3
2 4
9 2
6 1 3 5 56
14
56
14
9 1
5 9
3 5
1 7
5 9 1
88
DETERMINANTES
7 1 4
2 7
9 7
' (1)11 2 9 2 7 (1)2 2115
(1)231 (3)
1 2
6 2
6 1 2
(1)231 (6)
(1)3 4110
(1)4 41 8
9 2
1 4
7 4
(1)3 21 (25)
(1)331 5
6 1
1 2
6 2
7 1
1 4
7 4
(1)4 21 (20)
(1)431 4
6 1
2 7
9 7
7 1
9 2
9 .
I V. D ESA RR O L L O PO R M E N O R ES C O MP L E M E N T A RI OS
Un nuevo mtodo para el desarrollo de un determinante de n x n es el conocido con
el nombre de desarrollo por menores complementarios; dicho mtodo exige elegir k
filas o columnas de la matriz y formar determinantes de orden k con todas las
posibles matrices cuadradas de orden k que sean submatrices de la de orden k x n que
se ha seleccionado; a cada uno de estos determinantes de orden k le corresponde un
menor complementario o determinante de la matriz de orden n k x n k, cuyos
elementos no pertenecen a las filas y columnas de la primera matriz cuadrada de
orden k, aunque s a todas las dems filas y columnas de la matriz total de orden n.
M E T ODO
Si en una matriz de orden n se suprimen varias filas, e igual nmero de columnas, se
obtiene otra matriz de orden inferior, llamada menor de la primera. Para determinar
una menor basta dar los nmeros i1, i2, ..., ik que designan las filas que contiene, y los
j1, j2, ..., jk que expresan sus columnas. Si en la matriz primera se suprimen las filas
de lugares i1, i2, ..., ik y las columnas que ocupan los lugares j1, j2, ..., jk, se obtiene
otra menor, llamada complementaria de la anterior. La suma de los rdenes de dos
matrices complementarias es evidentemente n.
Para hallar la clase de su complemento Det(C) formaremos la suma anloga
r t ik 1 in jk 1 jn
pero ik+1, ..., in designan las filas excluidas por Det(B), es decir, aquellos de los
nmeros 1, 2, 3, ..., n, que son distintos de i1, i2, ..., ik; por tanto
i r 1 2 3 n
y, anlogamente
j t
1 2 3
n
de donde
Luego
i j r t 2
r t tiene la misma paridad que i j , es decir: dos menores
i j
i1 i2 ... ik j1 j2 ... j k
JOE GARCIA ARCOS
DETERMINANTES
89
es par o impar.
D E F IN I C I O N 2.2.4
Se llama adjunto o complemento algebraico de un menor Det(B) al menor
complementario de Det(B), con el signo + o -, segn que sea de clase par o
impar.
En particular, si el menor dado se reduce a un solo elemento, tendremos el adjunto
definido en el desarrollo de un determinante en suma de varios.
O BSE R V A C I O N
Un menor de orden k se llama principal, cuando est formado por las k primeras filas
y las k primeras columnas. Su adjunto coincide con su menor complementario,
puesto que es de clase par igual a 2(1 + 2 + ... + k).
T E O R E M A 2.2.6
El producto de un menor por su adjunto forma parte del determinante total.
D E M OST R A C I O N
Supongamos primero que un menor Det(B) est formado por las k primeras filas y
las k primeras columnas
a11
a12
a1k
a1 k 1
a1n
a21
a22
a2 k
a2 k 1
a2 n
ak1
ak 2
a kk
a k k 1
a kn
a k 11
a k 1 2
a k 1 k
a k 1 k 1
a k 1 n
an1
an 2
ank
an k 1
ann
90
DETERMINANTES
ser
DETERMINANTES
91
EJ E M P L O 2.2.9
Demostrar que las sumas de todos los menores diagonales de un orden dado k,
calculados para las matrices A T A y A A T, son iguales.
SO L U C I O N
La suma de todos los menores diagonales de orden k de la matriz A T A es igual a la
suma de los cuadrados de todos los menores de orden k de la matriz A. Tambin es
igual a este mismo nmero la suma de todos los menores diagonales de orden k de la
matriz A A T.
EJ E M P L O 2.2.10
Se llama matriz recproca de una matriz dada A, aquella cuyos elementos son los
menores de (n-1)-simo orden de la matriz inicial en su disposicin natural.
Demostrar que la matriz recproca de la recproca, es igual a la matriz inicial
multiplicada por su determinante elevado a la potencia n - 2.
SO L U C I O N
Para una matriz singular A el resultado es trivial. Supongamos que A es no singular
y sea A T su transpuesta, ' su determinante y A la recproca de A. Entonces
A = 'C(A T)-1 C, donde
1
1
1
92
DETERMINANTES
2 3 2
4 7
' (1)
3 5 3 (16 21)(50 27 24 30 24 45) (5)(2)
3 4
3 4 5
b.- Desarrollamos el determinante con respecto a la tercera y quinta columnas:
4 4 5
3 4 5
2 1
3 3 4 5
43 4 5
23 5 1
' (1)
1 5 4 (1)
3 4 2 (1)
3 4
5 1
2 3
2 3
4 6 7
4 6 7
4 6
43
10
3
5
7
4 4 5
3 4 5
2 1 3
4 5
4 5
5 1
1 5 4
3 4 2
3 4 5
5 1
2 3
2 3
4 6 7
4 6 7
4 6 7
= (4 25)(140 + 64 + 30 100 96 28) (12 10)(84 + 32 + 90 80 36 84)
- (15 2)(56 + 20 + 54 48 60 21)
= (-21)(10) 2(6) 13 = - 210 12 13 = - 235.
c.- Desarrollamos el determinante con respecto a la segunda y cuarta columnas:
1 2 3
1 2 3
7 1 4
43 2 3
5 3 2 3
23 3 4
' (1)
3 4 7 (1)
3 4 7 ( 1)
1 2 3
3 4
1 2
1 2
5 2 3
6 3 4
3 4 7
1 2 3
1 2 3
7 1 4
2 3
2 3
3 4
3 4 7
3 4 7
1 2 3
3 4
1 2
1 2
5 2 3
6 3 4
3 4 7
= - (8 9)(12 + 70 + 18 60 14 18) + (4 3)(16 + 84 + 27 72 21 24)
- (6 4)(98 + 9 + 16 24 7 84) = -(-1)(8) + 10 2(8) = 8 + 10 16 = 2.
EJ E M P L O 2.2.13
Evaluar los siguientes determinantes:
1 2 3 4 5 3
7 6 5 4 3 2
6 5 7 8 4 2
9 7 8 9 4 3
9 8 6 7 0 0
7 4 9 7 0 0
a.; b..
3 2 4 5 0 0
5 3 6 1 0 0
3 4 0 0 0 0
0 0 5 6 0 0
5 6 0 0 0 0
0 0 6 8 0 0
SO L U C I O N
a.- Desarrollamos el determinante con respecto a la quinta y sexta filas:
3 4 5 3
3 4 7 8 4 2
(1) 2 2
5 6 6 7 0 0
4 5 0 0
Desarrollamos el segundo determinante con respecto a la tercera y cuarta columnas:
3 4 5 3 6 7
(1)2 2
5 6 4 2 4 5
Por lo tanto el valor del determinante es: ' = (18 20)(10 12)(30 28) = 8.
b.- Desarrollamos el determinante con respecto a la quinta y sexta columnas:
7 4 9 7
3 2 5 3 6 1
(1) 2 2
4 3 0 0 5 6
0 0 6 8
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
93
V. R E G L A D E C H I O
Esta regla consiste en conseguir que una de las filas del determinante est formada
por elementos todos ellos nulos, excepto uno, que vale la unidad y se le llama
elemento base. De esta forma, al desarrollar dicho determinante por los adjuntos de
los elementos de esta fila, se anulan todos los sumandos, a excepcin del que
corresponde al elemento base, que coincide con su adjunto. De esta manera, el
determinante primitivo coincide con el adjunto del elemento base, reduciendo el
determinante al clculo de otro cuyo orden es inferior en una unidad. Para conseguir
que los elementos de una fila sean todos nulos, excepto uno, que valga la unidad, se
siguen los siguientes pasos:
a.- Se mira si algn elemento del determinante vale la unidad. En caso afirmativo se
elige una de las dos filas o columnas, que contiene a dicho elemento. En caso
negativo, nos fijamos en una fila que contenga el mayor nmero posible de
elementos nulos. Los elementos de esta fila se dividen por uno de ellos; de esta
forma se consigue que dicha fila posea un elemento que valga la unidad. Despus de
efectuada esta operacin, el determinante ha quedado dividido por este nmero, y
este resultado, por tanto, tenemos que tenerlo en cuenta al final del proceso que
vamos a seguir. Tambin se puede conseguir un elemento, del determinante, que
valga uno, restando a una fila otra paralela a ella, siempre que existan dos elementos
que ocupen el mismo lugar en ambas filas y que difieran en una unidad.
b.- Una vez elegido el elemento base, supongamos que ste sea el elemento a11, los
dems elementos de la primera fila o primera columna deben ser nulos. Para ello, a la
segunda, tercera, ..., n-sima columna se le resta la primera columna multiplicada
sucesivamente por a12, a13, ..., a in, con lo que el determinante no vara. Exactamente
se procedera para conseguir que sean nulos los elementos de la primera columna,
pero ahora, tendramos que cambiar la palabra columna por la de fila y los elementos
sern a21, a31, ..., an1. Desarrollamos el determinante que nos resulta, por los adjuntos
de los elementos de la primera fila, con lo que se obtiene: Det(A) = 1.Det(A11) + ...
+ 0.Det(A1n) = Det(A11), como el valor del determinante de A, el adjunto del
elemento base, es decir, hemos reducido el problema a calcular el valor de un
determinante de orden inferior en una unidad, el cual se obtiene suprimiendo la fila y
la columna a la que pertenece el elemento base, anteponiendo los signos ms o
menos, segn que la suma de los ndices relativos a dicho elemento sea par o impar.
EJ E M P L O 2.2.14
Calcular el valor del determinante
5
4
1
0
3
3
1
2
2
1
2
2
3
1
.
1
3
SO L U C I O N
Como elemento base se elige el a31 ya que la columna que contiene a ese elemento es
la lnea con mayor nmero de ceros. Restando a la primera fila y a la segunda, la
tercera multiplicada por 5 y 4 respectivamente, obtenemos
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
94
5
4
1
0
3
3
1
2
2
1
2
2
0 2 8 3
0 1 7 3
1 1
2 1
0 2 2 3
3
1
1
3
2 8 3
1 7 3
2 2 3
PR O B L E M AS
2.2.1 Evale los siguientes determinantes:
1 2 3 4
1 2 3 4
1 0 3 4
1 23 33 43
a.;
b.1 2 0 4
1 25 35 45
1 2 3 0
1 27 37 47
1 2 3 4
c.-
1
2
2
2
2
2
2
2
2
2
2
2
3
2
2
2
2
2
4
2
2
2
2 ;
2
5
e.-
2
1
1
1
1
1
3
1
1
1
1
1
4
1
1
1
1
1
5
1
1
1
1 .
1
6
1
1
d.- 1
1
1
2
3
2
2
2
3
3
5
3
3
4
4
4
7
4
5
5
5 ;
5
9
a b 0 0
0
0 b c 0
0
b.- 0 0 c d
0 ;
0 0 0
d
e
1 1 1
1 1 e
c.-
a D x
a E
a T
a G
bD
b E x
bT
bG
.
c D
c E
c T x
c G
d D
d E
d T
d G x
5
5
5 ;
5
0
c.-
1 a ( a 1)
a 2 ( a 1)
a 3 ( a 1)
1 b(b 1)
b 2 (b 1)
b3 (b 1)
c ( c 1)
c 2 ( c 1)
c 3 ( c 1)
1 d (d 1) d 2 (d 1) d 3 (d 1)
a
1
c.- 1
0
0
1
e.-
0 1
a 1
0 a 1
1 1
1 1
1 2a
2
3
2
1
1
0
a
0
0
0
1 ;
1
a
2
1
3
5
b c d 1
a c d 1
c a d 1 ;
c d a 1
c d e 1
1
1
d.- 1
1
1
b
a
b
b
b
c
c
a
c
c
d
d
d
a
d
e
e
e ;
e
a
1 9 a2
JOE GARCIA ARCOS
DETERMINANTES
95
b.-
c.-
a x a y a z a u
b x b y b z bu
;
c x c y c z c u
d x d y d z d u
1 a 1 a2
1 a3
1 a4
1 b 1 b2
1 b3
1 b4
1 c2
1 c3
1 c4
1 c
c.-
2 1 5 5
1 2 2 4
;
4 3 8 5
5 1 3 1
e.-
2
1
0
3
4 1 4
1 2 5
;
0 3 1
2 0 1
g.-
0
1
5
3
3 0
3 2
3 2
1 1
i.-
4i
i
2
1
1 d 1 d 2 1 d3 1 d 4
a.-
1 Cosx
Cos 2 x
Cos3 x
1 Cosy
Cos 2 y Cos3 y
1 Cosz
Cos 2 z
Cos3 z
1 Cosu
Cos 2 u
Cos 3u
1
1
b.1
1
1
1
c.1
1
i
i 1
k.i2
i 3
c.-
e.-
1 a
1 b
1 c2
c3
c4
1 d2
d3
d4
1 b
b3
1 c
c2
c3
1 d
d2
d3
1 a
d.-
1 Senx
Sen 2 x Sen3 x
1 Seny
Sen 2 y Sen3 y
1 Senz
Sen 2 z
Sen3 z
1 Senu
Sen 2 u
Sen3u
c
c
;
c
d
4
0
;
4
2
3
4
2
5
1 8i
i
3
i 1
i2
i 3
i4
i
3
d.3
1
4 0
2 3
f.1 2
10 4
h.-
i
i
;
2
2i
i2
i 3
i4
i 5
2 3 4
i 2 3
;
2 i 2
1 2 i
5 6
8 3
;
3 9
2 12
1 3 2
4 8 1
3 5 4
1 3 2
5
2
;
0
0
i 1 i
2 1 i
j.5 1
6
i
3 i
4 3 i
;
2
i
3 1
i 3
i4
.
i 5
i 6
96
DETERMINANTES
1 a x
ay
az
a u
b x 1 b y b z
bu
b.;
cx
c y 1 c z
c u
dx
dy
d z 1 d u
a 2 b2
c2
c2
b.-
1 a
1
1
1
1 1 a
1
1
c..
1
1 1 b
1
1
1
1 1 b
1
i
1
i
1
i
1 i 1 i 1 i
1 i 1 i 1 i
i
i
.
1 i
1 i
2.3 PR O DU C T O D E D E T E R M I N A N T ES
En esta seccin se introduce la terminologa bsica y se define el producto de determinantes, enunciamos la
propiedad ms importante para el producto.
Una primera aplicacin del teorema de Laplace permite transformar un determinante
de orden k < n en otro equivalente de orden n prolongando su diagonal principal con
elementos unitarios y haciendo nulos los elementos que faltan para completar la
matriz de orden n. Pero la aplicacin ms importante se debe a que permite
demostrar que el determinante correspondiente a un producto de dos matrices del
mismo orden es igual al producto de los determinantes de las matrices factores.
D E F IN I C I O N 2.3.1
El producto de dos determinantes de orden n est dado por la expresin
a11 a12 ... a1n b11 b12 ... b1n
c11 c12 ... c1n
a21 a22 ... a2 n b21 b22 ... b2 n
c21 c22 ... c2 n
... ...
...
... ...
...
... ...
...
an1 an 2 ... ann bn1 bn 2 ... bnn
cn1 cn 2 ... cnn
designando por c ij el producto de la fila i del primero por la fila j del
segundo
cij = a i1bj1 + a i2bj2 + . . . + a inbjn.
Ahora demostraremos el importante teorema de que el determinante del producto de
ALGEBRA LINEAL CON MATLAB
DETERMINANTES
97
an1 an 2
a11
a21
=
a12
a22
an1 an 2
d11 d12
d 21 d 22
ann bn1 bn 2
a1n
a2 n
0
0
bnn
0
0
0
0
ann 0
0
d1n b11 b12
d 2 n b21 b22
0
b1n
b2 n
d n1 d n 2
d nn bn1 bn 2
bnn
cualesquiera que sean los nmeros d; pues desarrollando este determinante por los
menores de las n primeras filas, como todos los menores, excepto el primero, tienen
alguna columna de ceros, y, por tanto, son nulos, resulta el producto Det(A)Det(B).
Para poder reducir el orden de este determinante, podemos suponer que los dos
determinantes dados sean del mismo orden n, si es n > m, pues en caso contrario se
puede transformar el de menor orden m en otro de orden n, prolongando su diagonal
principal con n m elementos 1, y completando con ceros las nuevas filas y
columnas. Adems, como podemos disponer de los nmeros indeterminados d,
tomemos todos ellos iguales a 0, excepto los de la diagonal d11, d22, ..., dnn, que
tomaremos iguales a 1. Finalmente, podemos cambiar las filas por columnas, en el
determinante menor Det(B). Resulta as:
a11 a12
a1n 0
0
0
a21 a22
a2 n 0
0
0
a11 a12
a1n b11 b12
b1n
a21 a22
a2n b21 b22
b2n
a
an 2
ann 0
0
0
= n1
1 0
0 b11 b12
b1n
0
1
0 b21 b22
b2 n
an1 an 2
ann bn1 bn 2
bnn
bn1 bn 2
bnn
Si, mediante adiciones convencionales de filas o columnas, logramos reducir a 0 los
elementos a ij, en vez del cuadro de ceros aparecer otro de nuevos elementos c ij, y el
nuevo determinante de orden 2n ser igual al determinante de orden n formado por
estas c ij, multiplicado por su complemento algebraico; mas, reducindose el menor
complementario a su diagonal principal, su valor es (-1)n; tendremos, pues, el
producto en forma de determinante de orden n. Esto se logra de la siguiente manera:
sumemos a la primera fila las filas n + 1, n + 2, ..., 2n, multiplicadas respectivamente
por a11, a12, a1n, y obtenemos como primera la siguiente:
0, 0, ..., 0, a11b11 + ... + a1nb1n, ..., a11bn1 + ... + a1nbnn.
0
1
98
DETERMINANTES
cn1 cn 2
b11 b21
b12 b22
0 0
1 0
0 1
0
0
0
1 b1n
b2 n
cnn
=
bn1
bn 2
bnn
(-1)k
c11 c12
c21 c22
c1n 1 0
c2 n 0 1
0
0
cn1 cn 2
cnn
1
siendo
DETERMINANTES
99
B(f,c)=input(' :');
end
end
A
B
C=A*B
DetAB=det(A*B)
DetA=det(A)
DetB=det(B)
DetAB = det(A)*det(B)
EJ E M P L O 2.3.1
Para cada una de las proposiciones siguientes relativas a matrices cuadradas, dar una
demostracin o poner un contraejemplo:
a.- Det[(A + B)2] = [Det(A + B)]2;
b.- Det[(A + B)2] = Det(A 2 + 2A B + B 2);
c.- Det[(A + B)2] = Det(A 2 + B 2).
SO L U C I O N
a.- Det[(A + B)2] = Det[(A + B)(A + B)] = Det(A + B)Det(A + B) = [Det(A + B)]2.
b.- Det[(A + B)2] = Det[(A + B)(A + B)] = Det(A 2 + A B + B A + B 2).
Si A B = B A, entonces Det[(A + B)2] = Det(A 2 + 2A B + B 2).
c.- Det[(A + B)2] = Det[(A + B)(A + B)] = Det(A 2 + A B + B A + B 2).
Si A B = -B A o B A = -A B, entonces Det[(A + B)2] = Det(A 2 + B 2).
EJ E M P L O 2.3.2
Multiplicar los determinantes
1 2 3 2 3 1
3 4 2 1 4 3 .
4 5 4 1 5 2
SO L U C I O N
Podemos darnos cuenta que hay cuatro formas para multiplicar determinantes, y son
las siguientes:
1.- Filas por columnas
1 2 3 2 3 1
7 26 13
3 4 2 1 4 3
12 35 19 50 .
4 5 4 1 5 2
17 52 27
2.- Filas por filas
1 2 3 2 3 1
1 2 3
3 4 2 1 4 3
4 7 13 50 .
4 5 4 1 5 2
3 4 13
3.- Columnas por columnas
1 2 3 2 3 1
9 35 18
3 4 2 1 4 3
13 47 24 50 .
4 5 4 1 5 2
12 37 17
4.- Columnas por filas
1 2 3 2 3 1
3 1 6
3 4 2 1 4 3
3 1 8 50 .
4 5 4 1 5 2
4 7 1
EJ E M P L O 2.3.3
Si A 2 = A, entonces A se llama idempotente. Muestre que si A es idempotente,
entonces el determinante de A vale 1 o 0.
ALGEBRA LINEAL CON MATLAB
100
DETERMINANTES
SO L U C I O N
Como A 2 = A, Det(A 2) = Det(A). Entonces
Det(A 2) = Det(A A) = Det(A) Det(A)Det(A) = Det(A)
[Det(A)]2 Det(A) = 0 Det(A)[Det(A) 1] = 0
Det(A) = 0 y Det(A) 1 = 0, Det(A) = 1.
EJ E M P L O 2.3.4
Qu puede decirse del determinante de una matriz nilpotente?
SO L U C I O N
El determinante debe ser cero. Como A n = O, Det(A n) = Det(O). Entonces
Det(A n) = Det(A A...A) = 0 Det(A)Det(A)...Det(A) = 0
[Det(A)]n = 0 Det(A) = 0.
EJ E M P L O 2.3.5
Sean A y B matrices de 4 x 4 con Det(A) = 8 y Det(B) = - 1. Determine el valor de:
a.- Det(A B); b.- Det(2A B).
SO L U C I O N
a.- Det(A B) = Det(A)Det(B) = 8(-1) = - 8.
b.- Det(2A B) = Det(2A)Det(B) = 24Det(A)Det(B) = (16)(8)(-1) = - 128.
EJ E M P L O 2.3.6
Multiplquense los determinantes
1 1
x2
1 x2
Det( A )
a b c
b c a .
c a b
y Det( B )
a bx cx
b cx ax
c a b
2
c ax bx 2
a bx 2 cx b cx 2 ax c ax 2 bx
Pero
Det( A B ) ( a b c )( a bx cx )( a bx cx) 1
x2
1 x2
Es decir:
Det(A B) = Det(A)Det(B) = -(a + b + c)(a + bx + cx2)(a + bx2 + cx)Det(A).
Siendo Det(A) un determinante de Vandermonde y, en consecuencia, distinto de
cero, puede suprimirse y entonces
Det(B) = - (a + b + c)(a + b + cx2)(a + bx2 + cx).
EJ E M P L O 2.3.7
Demostrar la siguiente identidad:
a a a a 1 1 0 0
a b b b 0 1 1 0
a b c c 0 0 1 1
a b c d 1 1 1 1
ALGEBRA LINEAL CON MATLAB
2 a (b a )( c b)(d c ) .
DETERMINANTES
101
SO L U C I O N
Multiplicando los dos determinantes de forma normal, filas por columnas,
obtenemos:
0
a
a
0
a b
a
b
0
a c a b c
b
0
a d a b d b c d c d
Desarrollando este determinante con respecto a la cuarta columna, obtenemos:
0
a
a
(c d ) a b
a
b
a c a b c b
A la tercera fila le restamos la segunda fila:
0
a
a
(c d ) a b
a
b
c b c b 0
Extraemos de la tercera fila c - b:
0
a a
(c d )(c b) a b a b
1
1 0
A la segunda fila le restamos la primera fila:
0
a
a
(c d )(c b) a b 0 b a
1
1
0
Extraemos a de la primera fila y b a de la segunda fila:
0 1 1
a (b a )(c d )(c b) 1 0 1
1 1 0
Desarrollamos el determinante resultante por la regla de Sarrus y obtenemos el
resultado:
' = 2a(b a)(c b)(d c).
EJ E M P L O 2.3.8
Calcular el determinante elevndolo al cuadrado
a
b
c
d
b
a
d c
.
c d
a
b
d
c b
a
SO L U C I O N
a
b
b
a
c d
d
c
c
d
a
b
d
c
b
a
a
b
b
a
c d
d
c
c
d
a
b
a 2 b2 c 2 d 2
0
d
c
b
a
a
b
b
a
c d
d
c
c
d
a
b
0
2
0
2
a b c d
0
0
0
0
d
c
b
a
0
2
0
2
a b c d
0
0
2
a b c2 d 2
= (a2 + b2 + c2 + d2)4.
ALGEBRA LINEAL CON MATLAB
102
DETERMINANTES
PR O B L E M AS
2.3.1 Sean A, B, C, D los determinantes de tercer orden
que se forman de la matriz
a b c d
a1 b1 c1 d1
a b c d
2
2 2 2
al suprimir la primera, segunda, tercera y cuarta columna,
respectivamente. Demostrar que
a b c d 0 0
a1 b1 c1 d1 0 0
a2 b2 c2 d 2 0 0
AD - BC .
0 0 a b c d
0 0 a1 b1 c1 d1
0 0 a2 b2 c2 d 2
2.3.2 Multiplicar
determinantes:
5 a 1 2
4 b 3 4
a.2 c 2 3
4 d 4 5
a
0
b.5
0
2
b
4
0
desarrollar
1 3
2 2
d b
3 1
1 0 0 a 5
2 0 0 0 2
3 c c 1 3
d 0 0 0 d
2
4
a
3
los
siguientes
4
3
;
c
4
3
b
.
2
0
b.-
1 2
4 3
9 2
3 0
c.-
1 3 1 2
.
4 6 5 1
4 5
2 1 1 2 3 5
;
0 2 3 5 7 2
5 4
c.-
2 5 8
2 3 2
1 2 7
2 6
4
1
0
.
4
0
2.4 D E T E R M I N A N T E D E V A ND E R M O ND E
En esta seccin se introduce la terminologa bsica y se define el determinante de Vandermonde.
D E F IN I C I O N 2.4.1
Se denomina determinante de Vandermonde o determinante de las
diferencias, al formado por las potencias sucesivas de n nmeros distintos:
a21, a22, a23, ..., a2 n-2, a2 n-1, a2 n,
ordenadas del siguiente modo:
1
1
1
...
1
1
a21 a22 a23 ... a2 n 1 a2 n
V
2
a21
...
2
a22
...
2
a23
...
... a22n 1
...
n 1
n 1
n 1
a21
a22
a23
... a2nn11
cuyo desarrollo est dado por
V
( a2 j a2 i ) .
a22n
...
a2nn1
1d i j d n
DETERMINANTES
103
1
0
0
1
a22 a21
a22 ( a22 a21 )
1
a23 a21
a23 ( a23 a21 )
0
...
2
a22
( a22
2
a23
( a23
...
...
n2
a22
( a22
n2
a23
( a23
a21 )
a21 )
a21 )
1
...
a2 n 1 a21
...
... a2 n 1 ( a2 n 1 a21 )
...
a22n 1 ( a2 n 1
1
a2 n a21
a2 n ( a2 n a21 )
a22n ( a2 n a21 )
a21 )
...
...
a2nn 2 ( a2 n a21 )
2
a23
...
2
a24
...
... a22n 1
...
a22n
...
n2
n2
n2
a22
a23
a24
... a2nn21 a2nn 2
y observando que este determinante de orden n - 1 es de la misma forma que el
anterior, se le puede aplicar la misma transformacin, resultando
1
1
1
...
1
1
a23 a24
a25 ... a2 n 1 a2 n
2
( a22 a21 )...( a2 n 1 a22 ) a23
...
2
a24
...
2
a25
...
... a22n 1
...
a22n
...
n 3
n 3
n 3
a23
a24
a25
... a2nn31 a2nn3
Con ste, que es de orden n 2, se opera de igual modo, y as se sigue hasta llegar a
uno de segundo orden
1
1
a2n a2n 1 .
a2n 1 a2n
Por consiguiente
V ( a22 a21 )( a23 a21 )...( a2n a2n1 )
1d i j d n
( a2 j a2 i ) .
104
DETERMINANTES
EJ E M P L O 2.4.1
Evaluar los siguientes determinantes y expresar su resultado en factores:
1 a bc
a.- 1 b ca ;
1 c ab
b.-
1
a
1
b
a 3 b3
1
c ;
1 bc ad
c.- 1 ac bd
c3
1 ab cd
b2 c 2 a 2 d 2
a 2 c 2 b2 d 2 .
a 2b2 c 2 d 2
SO L U C I O N
a.- A las filas 2 y 3 le restamos la fila 1:
1
a
bc
1
a
bc
0 b a ca bc
0 b a c (b a )
0 c a ab bc
0 c a b(c a )
extraemos de la fila 2 el factor (b a) y de la tercera fila el factor (c a):
1 a bc
(b a )( c a ) 0 1 c
0 1 b
a la fila 3 le restamos la fila 2:
1 a bc
(b a )(c a ) 0 1 c
0 0 c b
podemos observar que mediante este proceso, hemos transformado la matriz original
a una matriz equivalente triangular superior, lo cual nos permite aplicar una de las
propiedades para encontrar el valor del determinante: ' = (b - a)(c - a)(c - b).
b.- En este problema, aplicaremos operaciones elementales entre columnas, es
decir, a las columnas 2 y 3 le restamos la columna 1:
1
0
0
1
0
0
a
ba
ca
a
ba
ca
a 3 b3 a 3 c 3 a 3
a 3 (b a )(b 2 ab a 2 ) (c a )(c 2 ca a 2 )
a la columna 2 le extraemos (b a) y a la tercera columna (c a):
1
0
0
(b a )(c a ) a
1
0
a 3 b2 ab a 2
a la columna 3 le restamos la columna 2:
1
0
(b a )( c a ) a
1
a 3 b2 ab a 2
expresamos en factores el elemento a33:
1
0
(b a )(c a ) a
1
c 2 ca a 2
0
0
c 2 ca a 2 b 2 ab a 2
0
0
a 3 b2 ab a 2 (c b)( a b c )
como hemos reducido la matriz original a una matriz triangular inferior, aplicamos la
correspondiente propiedad, para obtener el valor del determinante
' = (b - a)(c - a)(c - b)(a + b + c).
c.- A la segunda y tercera filas, le restamos la primera:
1
bc ad
b2 c 2 a 2 d 2
0 ac bd bc ad
a 2 c 2 b2 d 2 b2 c 2 a 2 d 2
0 ab cd bc ad
a 2b 2 c 2 d 2 b 2 c 2 a 2 d 2
JOE GARCIA ARCOS
DETERMINANTES
105
b2 c 2 a 2 d 2
bc ad
0 ( a b)( c d ) ( a 2 b 2 )(c 2 d 2 )
0 (b d )( a c ) (b 2 d 2 )( a 2 c 2 )
b2 c 2 a 2 d 2
( a b)( c d )
( a d )(c b)
PR O B L E M AS
2.4.1 Evaluar los siguientes
resultado en factores:
a 2 ab b 2
a.- 2 a a b 2b ; b.1
1
1
c.-
bc
e.-
g.-
a (b c )
b (c a )
c ( a b)
a bc a (b c )
b ac b( a c ) ;
c ab c ( a b)
1 a
d.- 1 b
1 c
bc
ac ;
ab
a a3
c a b b3 ;
determinantes y expresar su
b ;
c
c3
( x a )2
( y a )2
( z a )2
( x b) 2
( y b) 2
( z b) 2 .
( x c )2
( y c )2
( z c)2
a.- 1 b 1 b 2 1 b3 ;
1 c3
1 a
1
1
1
1 1 a
1
1
b.;
1
1 1 a
1
1
1
1 1 a
ALGEBRA LINEAL CON MATLAB
1 a ( a 1) a 2 ( a 1)
d.- 1 b(b 1) b 2 (b 1) ;
1 c ( c 1)
a
b
a b
b
a b
a ;
a b
a
b
f.-
a b c
1 c 1 c2
c.-
a b ab
0
0
1
a b ab
0
;
0
1
a b ab
0
0
1
a b
e.-
c 2 (c 1)
2a 7 a 2
a 1
a
a 3 2a 5 a 1
a
;
a 3 a 2 2a 3
a
a 3 a 2 a 1 2a 1
1 a
b
0
0
1 1 b
c
0
f..
0
1 1 c
d
0
0
1 1 d
a3
b3
c3
d3
23
33
43
53
106
DETERMINANTES
2.5 C U EST I O N A RI O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
2.5.1 El valor de un determinante se altera si ste se
transpone.
2.5.2 Si en una matriz cuadrada de orden n se
intercambian dos columnas, entonces el determinante no
vara.
2.5.3 La suma de los productos de los elementos de
cualquier columna de un determinante por los
complementos
algebraicos
de
los
elementos
correspondientes de una paralela es diferente de cero.
2.5.4 Si una matriz A de orden n posee un menor M no
nulo de orden r, 1 d r d n-1, tal que todos los menores de
orden r + 1 que lo orlan son iguales a cero, entonces el
determinante de la matriz A es igual a cero.
2.5.5 Un determinante que contiene dos columnas
proporcionales es diferente de cero.
DETERMINANTES
2.5.24
Si cada elemento de cierta columna del
determinante est representado en forma de suma de dos
sumandos, el determinante ser igual a la suma de dos
determinantes, en este caso todas las columnas menos la
indicada, quedarn las mismas, y en la columna dicha
del primer determinante se encontrarn los primeros
sumandos, y en la del segundo, los segundos.
2.5.25 Si a los elementos de una columna del
determinante se les aaden los correspondientes
elementos de otra columna, multiplicadas por un mismo
nmero, entonces el determinante es diferente.
2.5.26 Un determinante es igual a cero si cada fila,
excepto la ltima, se resta la siguiente fila, y de la ltima
fila se resta la fila inicial.
107
O BJ E T I V O
Resolver problemas sobre matrices equivalentes, rango e inversa mediante la interpretacin, expresin y
representacin en trminos de matrices y determinantes utilizando definiciones propiedades y mtodos adecuados
para cada tipo, en situaciones reales propias de la ingeniera y ciencias aplicadas.
C O NT ENID O:
3.1
3.2
3.3
3.4
3.5
MATRICES EQUIVALENTES
RANGO DE UNA MATRIZ
INVERSA DE UNA MATRIZ
METODOS PARA OBTENER LA INVERSA DE UNA MATRIZ
CUESTIONARIO
3.1 M A T R I C ES E Q U I V A L E N T ES
En esta seccin se introduce la definicin de matriz equivalente y enuncia mos sus propiedades mas
importantes.
En esta seccin veremos que cada una de las operaciones de filas puede realizarse
en A multiplicando A por la izquierda por una matriz obtenida al efectuar dicha
operacin a la matriz identidad.
Para este fin, definiremos una matriz elemental como cualquier matriz que se
obtenga a partir de la matriz identidad mediante una operacin elemental de filas,
para lo cual utilizaremos el siguiente resultado.
Sea A una matriz de n x m. Supongamos que B se obtiene a partir de A mediante
una operacin elemental de filas. Sea E la matriz elemental obtenida al efectuar
las mismas operaciones elementales de filas en la matriz identidad. Entonces
B = E A. Esto es, la matriz elemental E obtenida a partir de la matriz identidad
mediante una operacin elemental de filas realiza la misma operacin elemental
en A al multiplicarla por la izquierda.
E J E M P L O 3.1.1
Dada la matriz A, verifique lo antes mencionado:
2 4 2
3 2 4 5
a.- A 0 1 3 ; b.- A 0 3 8 3 .
4 1 3 7
3 4 2
SO L U C I O N
a.- Obtengamos B a partir de A intercambiando las filas f2 y f3:
110
2 4 2
3 4 2
0 1 3
E 0 0 1
0 1 0
E A = 0 0 1 0 1 3 = 3 4 2 = B .
0 1 0 3 4 2 0 1 3
B 0 3 8
3
8 2 6 14
E 0 1 0
0 0 2
Entonces
1 0 0 -3 2 4 5 -3 2 4 5
E A = 0 1 0 0 3 8 3 = 0 3 8 3 = B .
0 0 -2 4 1 3 7 -8 -2 -6 -14
E J E M P L O 3.1.2
Dada la matriz
3 2 4 5
A 0 3 8 3
4 1 3 7
4 1 3 7
0 3 8 3
3
9
21
3 4 4 4
0 3 8 3
25
41
B 0 11
4
4
4
0 3 8 3
111
E1
1 0 0
0 0 1 ,
0 1 0
1 0 0
E 2 = 0 34 0 ,
0 0 1
E3
1 0 0
1 1 0
0 0 1
Se forma
1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0
E 3 E 2 E1 = 1 1 0 0 34 0 0 0 1 1 34 0 0 0 1 1 0 34
0 0 1 0 0 1 0 1 0 0 0 1 0 1 0 0 1 0
25
41
( E 3 E 2 E1 ) A = 1 0 34 0 3 8 3 = 0 11
=B.
4
4
4
0 1 0 4 1 3 7 0 3 8 3
112
113
El proceso de obtener una matriz reducida equivalente por filas a una matriz dada
A se llama reduccin de A. Observemos que usualmente es posible efectuar
distintas sucesiones de operaciones elementales de filas en A para obtener una
matriz reducida.
Sea A una matriz de n x m. Suponga que se aplica una sucesin S1 de operaciones
elementales de filas empezando con la matriz A y obteniendo una matriz reducida
B. Suponga que se aplica otra sucesin S2 de operaciones elementales de filas
empezando con A y se obtiene una matriz reducida C, entonces B = C. Esto
implica que para una matriz A, el resultado final siempre es el mismo no importa
cules operaciones elementales de filas hayamos usado para llegar a l. Debido a
esto, hablaremos de la forma reducida de A en lugar de una forma reducida de A.
Denotaremos a la forma reducida de A como A R.
E J E M P L O 3.1.3
Reducir la matriz
3 4 1
A = 1 2 0 .
2 4 3
SO L U C I O N
Empezamos con la primera columna, que tiene un elemento distinto de cero en la
primera fila. A la primera fila le multiplicamos por 1/3:
1 43 13
0
1 2
2 4
3
1
0 103
3
20
11
3
0 3
La segunda columna de la ltima matriz tiene elementos distintos de cero debajo
de la primera fila. Como queremos un 1 en esa posicin, entonces hacemos las
siguientes operaciones. A la segunda fila le multiplicamos por 3/10:
1 43 13
1
0 1
10
20
11
3
0 3
A la primera fila le sumamos 4/3 veces la segunda fila, a la tercera fila le
restamos 20/3 veces la segunda fila:
1 0 15
0 1 101
0 0 3
La tercera columna de la ltima matriz tiene elementos distintos de cero debajo de
la segunda fila. Como queremos un 1 en esa posicin, entonces hacemos las
siguientes operaciones. A la tercera fila le multiplicamos por 1/3:
1 0 15
0 1 101
0 0 1
A la primera fila le sumamos 1/5 veces la tercera fila, a la segunda fila le
ALGEBRA LINEAL CON MATLAB
114
0 1 0 .
0 0 1
PR O B L E M AS
3.1.1 En las siguientes matrices, efecte la operacin
elemental de filas indicada en A para obtener la matriz
B. Despus encuentre la matriz E tal que E A = B:
1 i 2 3 i
por i.
2i 3 4
2 6 7
b.- A
; sumar el producto de la tercera
1 i 3
5 8 4
fila por 1 a la primera fila.
3.1.2 En las siguientes matrices, obtenga una matriz B
a partir de la matriz A dada efectuando la sucesin de
operaciones. Despus obtener una matriz C tal que C A =
B:
2 3 5
i
1 6i 7 8
a.- A
; intercambiar las filas f2 y
1 i 4 6 1 i
i 3 7 4
b.- A 7
2 5 4 ; sumar i veces la
i
1 i 3 5
b.- Encuentre E 2.
3.1.4 En las siguientes matrices, determine si la matriz
est en forma reducida. Si no lo est, haga una lista de
todas las condiciones de la definicin que no se
cumplen y utilice las operaciones elementales de filas
para reducir la matriz:
1 3 0 5
1 7 5 3
6 0 3 5
a.- A
; b.- A 0 2 0 1 ;
6 2 1 7
0 0 3 1
0
3
1
1
c.- A
0
4
2
0
0
5
2
.
3
A 0 1 2 , B
1 2 0
C:
1 2 0
0 1 2 ,
1 2 3
0 4 3
0 1 2 .
1 2 0
115
3.2 R A N G O D E U N A M A T R I Z
En esta seccin se introduce la terminologa bsica y se define el rango de una matriz, enuncia mos sus
propiedades mas importantes.
116
k
0
0
2k
k 3
k 2 2k 4 0
k k 3
0
0
0
1
0 k 1
a.-
; b.-
.
k
2 k 3 k 1 k
k 1 k 1 k 1
1 k 1 k 3 k
k 1 0 2k 1
k
0
SO L U C I O N
a.- La matriz A tiene rango mximo si el Det(A) z 0, es decir:
k 3
k
0
0
k 3 0
0
k
0
0
k k 3 0
0
( k 3) k 1 k 1 k 1 k k k 1 k 1
k
k 1 k 1 k 1
1 k 1 k 3 k
k 1 k 3 k
k
1 k 1 k 3 k
36
0 1 0 1 | 0 1 0 1 | 0
2 1 2 1 2 0 2 0 2
0 1 0 3 0 0 0 4 0
Rang(A) = 3. Cuando k = 0:
2 4 0 0 2 4 0 0 2
0 1 0 1 | 0 1 0 1 | 0
2 3 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1 0
0
0
2
0
1
0
0 0
0 1
0 0
0 0
Rang(A) = 2.
T E O R E M A 3.2.3
El rango de una matriz A de m x n, ser igual a k si hay por lo menos un
subdeterminante de A de k x k que sea distinto de cero mientras que todos
los dems subdeterminantes de A de k + 1 x k + 1 son cero.
D E M OST R A C I O N
Si Rang(A) = k, entonces la matriz A contendr un subdeterminante de k x k distinto
de cero. Adems, A no puede contener un subdeterminante de k + 1 x k + 1 que sea
distinto de cero, pues, de ser as, su rango no podra ser menor que k + 1.
EJ E M P L O 3.2.2
Calcular el rango de la matriz
A
2 1 3 2 4
4 2 5 1 7 .
2 1 1 8 2
SO L U C I O N
Utilizaremos la definicin, es decir:
2 4
18
1 7
Como este menor es diferente de cero, procedemos a tomar un menor de mayor
ALGEBRA LINEAL CON MATLAB
117
orden:
3 2 4
1 2 4
2 2 4
5 1 7
2 1 7
4 1 7
0
1 8 2
1 8 2
2 8 2
Como todos los menores de tercer orden son iguales a cero, entonces concluimos que
Rang(A) = 2.
D E F IN I C I O N 3.2.2
El nmero de filas distintas de cero de una matriz A en la forma reducida se
denomina rango de la matriz A.
Si A es una matriz de n x m, obviamente Rang(A) d n. Adems, como A R es una
matriz reducida su rango es el nmero de sus filas distintas de cero; por lo tanto
Rang(A) es igual al nmero de filas de A R no nulas. Sea una matriz A de m x n y sea
k un nmero entero positivo. Entonces Rang(A) t k si la matriz A contiene un
subdeterminante distinto de cero de orden k.
El rango de una matriz A de m x n, ser igual a k si hay por lo menos un
subdeterminante de A de k x k que sea distinto de cero mientras que todos los dems
subdeterminantes de A de k + 1 x k + 1 son cero.
T E O R E M A 3.2.3
Sea A una matriz de n x m. Entonces A es equivalente por filas a una
matriz en forma reducida.
D E M OST R A C I O N
Demostremos que una operacin elemental no puede aumentar el rango k de una
matriz A. Si A tiene el mximo rango posible, esto es evidente. Sea k menor y
considrese cualquier submatriz cuadrada B de A con k + 1 filas. Por definicin de
rango Det(B) = 0. Sea C la matriz obtenida a partir de B aplicando una operacin
elemental a A. Si C = B, entonces Det(C) = 0. Sea C = B:
a.- Supngase la operacin de intercambio de dos filas de A. Si los dos tienen
elementos en B, entonces Det(C) = -Det(B). En caso contrario, C es igual a otra
submatriz cuadrada de A con k + 1 filas. De aqu que Det(C) = 0.
b.- Bajo la operacin elemental de la multiplicacin de una fila de A por un nmero
r diferente de cero, se tiene
Det(C) = rDet(B) = 0.
c.- Bajo la adicin de un mltiplo constante de una fila de A a otra fila, la matriz C
difiere de la B en una fila, digamos c, de la forma c = b + ra, donde b es la fila
correspondiente de B. As se tiene
Det(C) = Det(B) + rDet(D) = rDet(D),
donde D, tiene dos filas idnticas, o bien, es una submatriz cuadrada con k + 1 filas
de la matriz A.
En cualquier caso,
Det(D) = 0 y Det(C) = 0.
Esto completa la demostracin de que una operacin elemental no puede aumentar el
rango de una matriz A. Vamos a demostrar ahora que una operacin elemental no
puede disminuir ese rango. Por inversa de una operacin elemental se entiende la
operacin que deshace el efecto de la operacin dada. Esa inversa existe y es una
operacin elemental. De aqu que, si una operacin elemental pudiera disminuir el
rango, su inversa lo aumentara, pero esto es imposible por lo que acaba de
demostrarse.
Este teorema implica que si se desea determinar el rango de una matriz dada, primero
puede simplificarse la matriz por medio de operaciones elementales. Ms importante,
este teorema servir de base para el estudio de los sistemas de ecuaciones lineales.
ALGEBRA LINEAL CON MATLAB
118
EJ E M P L O 3.2.3
Hallar los valores del parmetro k, para que la matriz
2k
k 2 2k 4 0
0
1
0
k
1
A =
2 k 3 k 1 k
k 1 0 2k 1
0
tenga rango mximo. Cunto es el rango para los otros valores de k?
SO L U C I O N
La matriz A tiene rango mximo si el Det(A) z 0, es decir:
k 2 2k 4 0 2k
k 2 2k 4
2k
0
1 0 k 1
=k 0
1
k 1 = k3(k + 2) z 0.
2 k 3 k 1 k
0
k 1 2k 1
0
k 1 0 2k 1
Como k3(k + 2) z 0, entonces k z 0 y k z - 2. Por lo tanto k \ {-2, 0}. Cuando
k = - 2:
0 0 0 4 0 0 0 4 0 0 0 0
0 1 0 1 | 0 1 0 1 | 0 1 0 1 Rang(A) = 3.
2 1 2 1 2 0 2 0 2 0 2 0
0 1 0 3 0 0 0 4 0 0 0 4
Cuando k = 0:
2 4 0 0 2 4 0 0 2 4 0 0
0 1 0 1 | 0 1 0 1 | 0 1 0 1 Rang(A) = 2.
2 3 0 1 0 1 0 1 0 0 0 0
0 1 0 1 0 1 0 1 0 0 0 0
T E O R E M A 3.2.4
Sea A una matriz de n x n. Entonces Rang(A) = n si y slo si A R = I.
D E M OST R A C I O N
Si A R = I, entonces la matriz A R tiene n filas no nulas; por lo tanto Rang(A) = n.
Recprocamente, supongamos que Rang(A) = n. Entonces A R tiene exactamente n
filas no nulas y por lo tanto no tiene filas nulas. Toda fila de A R tiene elemento
principal 1. A R tiene cada elemento de la diagonal principal igual a 1. Todos los
elementos de la columna c j por encima y debajo de la diagonal principal son nulos.
Por lo tanto, A R = I.
T E O R E M A 3.2.5
El rango del producto de varias matrices no es superior al rango de cada
uno de los factores.
D E M OST R A C I O N
Sean dadas las matrices A y B, para las cuales tiene sentido el producto A B;
emplearemos la notacin A B = C. Veamos la definicin del producto de matrices,
que da la expresin de los elementos de la matriz C. Tomando esta frmula para un k
dado y todos los i posibles, obtenemos que la k-sima columna de la matriz C
representa una suma de todas las columnas de la matriz A, tomadas con ciertos
coeficientes.
De este modo, queda demostrado que el sistema de columnas de la matriz C se
expresa linealmente mediante el sistema de columnas de la matriz A, y, por
consiguiente, el rango del primer sistema es menor o igual al rango del segundo
sistema; en otras palabras, el rango de la matriz C no es mayor que el rango de la
matriz A. Por otra parte, como de la definicin, para un i dado y todos los k, se
deduce que toda i-sima fila de la matriz C es combinacin lineal de las filas de la
ALGEBRA LINEAL CON MATLAB
119
EJ E M P L O 3.2.4
Demostrar que la matriz A que posee la propiedad A 2 = I, puede representarse en la
forma PBP-1, donde P es una matriz no singular y B es una matriz diagonal cuyos
elementos son todos iguales a r1.
SO L U C I O N
El rango de la matriz (I + A I A) es igual a n. Elijamos de esta matriz una matriz
cuadrada no singular P de orden n, y supongamos que sus primeras r columnas
pertenecen a la matriz I + A y las dems n r columnas pertenecen a la matriz I A.
Entonces, como (I + A)(I A) = O, se tiene
q11 q12 ... q1r 0 0 ... 0
q
q22 ... q2 r 0 0 ... 0
( I + A ) P 21
;
...
...
... ... ...
...
q
0
(I - A )P
...
0 ... 0 q1, r 1
0 ... 0 q2, r 1
...
...
...
0 ... 0 qn, r 1
q2, r 2 ... q2 n
.
...
...
120
q11
q21
2P
...
qn1
q1, r 1
q2, r 1
...
qn, r 1
Restando, se obtiene
q11
q21
2 AP
...
qn1
q1, r 2
q2, r 2
...
qn, r 2
... q1n
... q2 n
...
... qnn
1
2P
.
1
EJ E M P L O 3.2.5
Demostrar que si todos los menores principales de k-simo orden de la matriz A T A
son iguales a cero, los rangos de las matrices A T A y A son menores que k. Aqu A es
una matriz real y A T es la matriz transpuesta de ella.
SO L U C I O N
Si todos los menores principales de k-simo orden de la matriz A T A son iguales a 0,
entonces todos los menores de orden k de la matriz A son iguales a 0. Por
consiguiente, el rango de la matriz A, y junto con l tambin el rango de la matriz
A T A, es menor que k.
EJ E M P L O 3.2.6
Demostrar que el rango del producto de dos matrices cuadradas de orden n no es
inferior a r1 + r2 n, donde r1 y r2 son los rangos de los factores.
SO L U C I O N
Sea A = P1 R 1 Q 1, B = P2 R 2 Q 2, donde P1, Q 1, P2, Q 2 son matrices no singulares y R 1,
R 2 son matrices que tienen r1 y r2 unidades en la diagonal principal, respectivamente,
y los dems elementos son iguales a 0. Entonces A B = P1 R 1 Q 1P2 R 2 Q 2 y el rango de
A B es igual al rango de R 1 C R 2, donde C = Q 1P2 es una matriz no singular, la matriz
R 1 C R 2 se obtiene de la matriz C sustituyendo todos los elementos de las ltimas
n r1 filas y n r2 columnas por ceros. Como la eliminacin de una fila o una
columna rebaja el rango de la matriz no ms que en una unidad, el rango de R 1 C R 2
no es menor que n (n r1) (n r2) = r1 + r2 n.
EJ E M P L O 3.2.7
Demostrar que si A 2 = I, entonces Rang(I + A) + Rang(I A) = n, donde n es el
orden de la matriz A.
SO L U C I O N
Sea Rang(I + A) = r1, Rang(I A) = r2. Como (I + A) + (I A) = 2I, se tiene r1 + r2
t n. Por otra parte, (I + A)(I A) = O, por lo cual 0 t r1 + r2 n. Por consiguiente,
r1 + r2 = n.
EJ E M P L O 3.2.8
Sea A una matriz rectangular de elementos complejos y sea A + la matriz transpuesta
de la matriz compleja conjugada de A. Demostrar que el determinante de la matriz
A + A es un nmero real no negativo y que este determinante es igual a 0, si y slo si,
ALGEBRA LINEAL CON MATLAB
121
PR O B L E M AS
3.2.1 Demuestre que cualquier matriz de rango r puede
representar en forma de una suma de r matrices de rango 1,
pero no se puede representar en forma de una suma
inferior a r de semejantes matrices.
3.2.2 Demuestre que si el rango de la matriz A es igual a
r, el menor d que se encuentra en la interseccin de
cualesquiera r filas linealmente independientes y r
columnas linealmente independientes de esta matriz, es
diferente de cero.
3.2.3 Demuestre que el rango de una matriz antisimtrica
es un nmero par.
3.2.4 Encuentre una matriz involutoria de 3 x 3, para la
cual Rang(I A) + Rang(I + A) = 3.
3.2.5 Calcular el rango de la matriz:
0 116
39
0
75
30
114 46 268 82
1
0
b.- 0
1
4
2
c.- 2
6
1
0
1
0
2
5
0 1 4
0 2 5
1 3 6 ;
3 14 32
6 32 77
2 3 1 1
1 1 0 2
5 8 4 3
0 1 2 7
1 1 1 2
2
2
1 .
5
1
2 1 2 1 2
2 3 1 2 2
a.-
;
1 0 1 2 6
1 2 1 1 0
4 1 3 1 8
1 1 2
0 1 1
1 0 1
b.-
1 1 0
2 0 0
1 1 0
0 0
2 0
0 2
0 1
1 1
1 1
0 4 10 1
4 8 18 7
c.-
;
10 18 40 17
1 7 17 3
1
1
;
2
1
2
1
3
2
d.-
2
7
4
3 6 8
6 9 2
5 8 0
4 6 3
0 1 9
3 8 9
1
0
;
5
3
4
1 1 2 3
0
2 1 1 2
e.- 1 2 1 1
3 .
1 5 8 5 12
3 7 8 9 13
122
1
1
1 1
1 2 0 2
a.-
; b.-
;
0
0 3 2 0
1 0 1
5
3 k
3
1 k 3 k
k 1 2
1
1 k
1
1
c.- 2 1 k 5 ; d.- 2
2k
2 ;
1 10 6 1
3 k
3
3
1 k 2
k
0
2
k ;
e.- k 1 k
2
0
k
1
k
k 1 2
f.- 2 k 2 .
1 k 1
3.3 I N V E RSA D E UN A M A T RI Z
En esta seccin se introduce la terminologa bsica y se define la inversa de una matriz cuadrada, enunciamos sus
propiedades mas importantes.
123
124
= ... = I.
Con lo cual queda demostrado que los dos productos son inversos uno del otro.
T E O R E M A 3.3.4
Para toda matriz A de n x n, no singular se cumple que
1
.
Det( A -1 ) =
Det( A )
D E M OST R A C I O N
Como A -1 A = I, se concluye que Det(A -1 A) = Det(I). Por consiguiente, se debe tener
que
Det(A -1)Det(A) = 1.
Como Det(A) = 0, la demostracin puede completarse dividiendo entre Det(A), es
decir
1
.
Det( A -1 ) =
Det( A )
EJ E M P L O 3.3.4
Si A y B son matrices de n x n con B no singular, demuestre que
Det(A) = Det(B -1 A B).
SO L U C I O N
Haciendo uso de la propiedad del producto de determinantes, tenemos
Det(B -1 A B) = Det(B -1)Det(A)Det(B)
= Det(A)Det(B -1)Det(B)
1
= Det(A)
Det(B) = Det(A).
Det( B )
EJ E M P L O 3.3.5
Demuestre que el rango del producto a la derecha y a la izquierda de una matriz A
por una matriz cuadrada no singular B, es igual al rango de la matriz A.
SO L U C I O N
Sea A B = C. Sabemos que el rango de la matriz C no es mayor que el rango de la
matriz A. Por otra parte, multiplicando a la derecha la igualdad A B = C por B -1,
llegamos a la igualdad A = C B -1 y, por consiguiente, el rango de A no es mayor que
el rango de C. Comparando estos dos resultados obtenemos la coincidencia de los
rangos de las matrices A y C.
EJ E M P L O 3.3.6
Demuestre que si A es una matriz de rango 1, por lo menos una de las matrices I + A
y I A es no singular.
SO L U C I O N
Sea la matriz A con Rang(A) = 1:
a11 a12 ... a1n
0
0 ... 0
A
.
... ...
...
0 ... 0
0
Entonces
1 a11 a12 ... a1n
0
1 ... 0
I+A
.
...
...
...
0 ... 1
0
Como la matriz I + A es triangular, entonces Det(I + A) = 1 + a11 z 0, por lo tanto la
matriz I + A es no singular.
ALGEBRA LINEAL CON MATLAB
125
T E O R E M A 3.3.5
Sean A y B matrices no singulares y conmutativas, entonces:
A -m B -n = B -n A -m m, n .
D E M OST R A C I O N
Si A B = B A, entonces A B B A = O. Ya que B es no singular, B -1 existe, y, por
tanto
B -1 A B = A -1 B A = A
Adems
B -1 A B B -1 = A B -1.
De la misma manera, puede encontrase que
A -1 B = B A -1.
De donde deducimos fcilmente que A -m B -n = B -n A -m.
T E O R E M A 3.3.6
Sea T una matriz triangular no singular; su inversa es triangular con la
misma estructura.
D E M OST R A C I O N
Sea T triangular inferior; su inversa T -1 cumplir T T -1 = T -1 T = I ya que I al ser
diagonal es triangular inferior, T -1 debe ser, asimismo, triangular inferior. Los
elementos de T -1 pueden calcularse con facilidad planteando el sistema asociado
al producto T T -1. En efecto se tendr
tik t 1kj dij
k
la suma slo tendr sentido para los trminos en los cuales i t k t j; luego
t
tik t 1kj
k j
d ij .
D E F IN I C I O N 3.3.3
Una matriz A de orden n, se llama ortogonal cuando el producto de la
matriz A por su matriz transpuesta A T es la matriz identidad I, es decir
A A T = I.
E J E M P L O 3.3.7
Demostrar que el determinante de una matriz ortogonal es igual a 1.
SO L U C I O N
Si A es una matriz ortogonal, entonces por definicin A T = A -1, por tanto
T
T
T
2
.
+
+
+
2
126
EJ E M P L O 3.3.9
Demuestre que la inversa de una matriz es nica.
SO L U C I O N
Supongamos que B y C son matrices inversas de la matriz cuadrada A. Entonces
A B = B A = I y A C = C A = I.
Entonces
B = B I = B(A C) = (B A)C = I C = C.
Con esto se demuestra que la inversa de una matriz es nica.
EJ E M P L O 3.3.10
Si A es una matriz no singular y k z 0 es un escalar, entonces
1 1
( k A )1
A .
k
SO L U C I O N
Aplicamos las propiedades de la multiplicacin escalar. Debido a que
1
1
1
1
( k A ) A 1 k A A -1 = 1 I = I y A 1 ( k A ) k A -1 A = 1 I = I
k
k
k
k
1 1
se concluye que A es la inversa de k A.
k
EJ E M P L O 3.3.11
Si A y B son matrices no singulares de n x n, entonces A B es no singular y
(A B)-1 = B -1 A -1.
SO L U C I O N
Para demostrar que B -1 A -1 es la inversa de A B, basta demostrar que se ajusta a la
definicin de matriz inversa. Es decir:
-1 -1
-1
-1
-1
-1
-1
( A B )( B A ) = A ( B B ) A = A I A = ( A I ) A = A A = I
-1 -1
-1
-1
-1
-1
-1
( B A )( A B ) = B ( A A ) B = B I B = B ( I B ) = B B = I
de esta manera concluimos que A B es no singular y que su inversa es B -1 A -1.
EJ E M P L O 3.3.12
Sean A y B matrices de n x n con B no singular. D un ejemplo para el que B -1 A B z
A. Luego, demuestre que Det(B -1 A B) = Det(A).
SO L U C I O N
Haciendo
2
1 2
2 1
-27 -49
-1 -5
-1
B =
, B =
, A =
, B AB =
.
3 5
3 -1
-1 0
16 29
Det(B -1 A B) = Det(B -1)Det(A)Det(B) = Det(B -1)Det(B)Det(A)
1
=
Det(B)Det(A) = Det(A).
Det( B )
EJ E M P L O 3.3.13
Suponga que en una hipermatriz cuadrada
A B
M =
C D
una submatriz A es cuadrada y no singular. Demuestre que el determinante de la
matriz M cumple la relacin Det(M) = Det(A)Det(D C A -1 B).
SO L U C I O N
Representamos la matriz M bajo la forma de un producto
E O J K A B
M = PQ =
F H O L C D
ALGEBRA LINEAL CON MATLAB
127
Si J = I E I = A E = A
EJ + O = A
E K + O L = B
-1
AK = B K = A B
FJ + H O = C
FI = C F = C
F K + H L = D
Si H = I C A -1 B + I L = D L = D - C A -1 B
Por tanto
A -1 B
A O I
M =
C I O D - C A -1 B
donde k es el orden de la matriz A, k + r es el orden de la matriz M. Entonces
Det(M) = Det(A I O C)Det(I(D C A -1 B) A -1 B O)
= Det(A O)Det(D C A -1 B O)
= Det(A)Det(D C A -1 B).
EJ E M P L O 3.3.14
Si Det(A) y Det(B) son nmeros racionales, qu puede decirse respecto a Det(A B) y
a Det(C A C -1) si C es no singular.
SO L U C I O N
r
p
Sabemos que Det( A ) = y Det( B ) = , entonces
s
q
p r ps + qr
Det( A B ) = Det( A )Det( B ) = + =
q s
qs
es tambin un nmero racional. De forma anloga, tenemos
1
Det( C A C -1 ) = Det( C )Det( A )Det( C -1 ) = Det( C )Det( A )
= Det( A ) .
Det( C )
Por lo tanto, por las hiptesis tambin es un nmero racional.
EJ E M P L O 3.3.15
Si A y B son matrices no singulares, muestre que Det(A B A -1 B -1) = 1.
SO L U C I O N
Dado que A y B son matrices no singulares, se cumple lo siguiente:
Det( A B A -1 B -1 ) = Det( A )Det( B )Det( A -1 )Det( B -1 )
1
1
= Det( A )Det( B )
=1.
Det( A ) Det( B )
EJ E M P L O 3.3.16
Si Det(A) = 1, demuestre que pueden encontrarse matrices no singulares B y C tales
que A = B C B -1 C -1.
SO L U C I O N
Asumiendo que B y C son matrices no singulares, entonces se cumple lo siguiente:
Det( A ) = Det( B C B -1 C -1 ) = Det( B )Det( C )Det( B -1 )Det( C -1 )
1
1
= Det( B )Det( C )
= 1.
Det( B ) Det( C )
De esta manera demostramos que si se pueden encontrar matrices no singulares B y
C.
PR O B L E M AS
3.3.1 Encuentre dos matrices no singulares A y B de
3 x 3, para las cuales las matrices A B y B A no son
semejantes.
ALGEBRA LINEAL CON MATLAB
128
a.- 1
a b c ; b.- 2 b c a ;
3
1
2
1
3
1
4 a c
1
c.- a c b
0 ;
2
3 1
1
1
2
d.- 3 a b c a .
2
0
c
AX + BY = C
d.-
.
DX + E Y = F
SenT
0 .
CosT
SenT CosT SenT CosT 1
129
3.3.31
En cada una de las matrices siguientes,
determnense los valores de t para los que la matriz es
singular:
1 t
Sent Cost
a.-
; b.-
;
0 1
Cost Sent
3 t t2
1
2 t
c.-
; d.-
;
2t
2 1 t
4
te t e t
e.-
; f. 2e 2t 2t
2
Sen t
1
g.-
.
1
4 Cos 2 t
et
2e t
3e 2t
;
4e 2t
k 4 k 3 k 2
k 1 k 1 k 1
k 4 k 3 k 2
k k k
k 4 k 3 k 2
Sea no singular.
3.3.33 Si
a b
y A z r I,
c d
determine las condiciones sobre los elementos de la
matriz, para que A = A -1.
A
1 1
;
1 1
2i 1
.
1 2
d.- A
i 1
;
1 i
C B
G F
son inversas recprocamente.
1 3
2 5
3.3.35
Sea A 1 3 y sea C
2 4
3.3.34 Sea A
1 3 1
.
1 0 1
-1
130
B O
3.3.49 Sea A =
, donde B y C son matrices
O C
cuadradas. Demuestre que A es no singular s y slo si
tanto B como C son no singulares.
3.4 M E T O D OS P A R A O B T E N E R L A I N V E RSA D E UN A M A T RI Z
En esta seccin se analizan y desarrollan los mtodos ms importantes para encontrar la inversa de una
matriz, se enuncian las propiedades ms importantes.
I. M E T O D O D E L A M A T RI Z A DJUN T A
A continuacin obtendremos una frmula para determinar la inversa de una
matriz en trminos de su determinante y de los cofactores de sus elementos.
D E F IN I C I O N 3.4.1
Una matriz Cof(A), cuyos elementos son complementos algebraicos de los
elementos correspondientes de la matriz A de n-simo orden, donde el
complemento algebraico del elemento a ij est situado en la interseccin de
131
A = 1 a 1
3 1 b
3 b
3 1
1 b
ab 1 b 3 1 3a
1 1
a 1
a 1
Cof(A) =
= 1 b ab 3 3 a .
3 b
3 1
1 b
1 a a 1 a 2 1
a 1
a 1
1 1
a 1 1 1
1 a
D E F IN I C I O N 3.4.2
La transpuesta de la matriz de cofactores Cof(A) de los elementos a ij de la
matriz A se denomina matriz adjunta y se denota por Adj(A).
T E O R E M A 3.4.1
Si A es una matriz con determinante diferente de cero y Adj(A) es la matriz
adjunta, entonces
Adj( A )
.
A 1
Det( A )
D E M OST R A C I O N
Sea Det(A) = 0. Demostraremos por induccin que la matriz A es singular. Si n = 1,
entonces Det(A) = 0 implica que A = O. Supongamos que este teorema sea vlido
para todas las matrices cuadradas de n 1 x n 1, es decir, que para una matriz de
este orden un determinante cero implica singularidad, y supongamos que esto no se
verifique para la matriz A, es decir, que A sea no singular a pesar de nuestra
hiptesis de que Det(A) = 0. Obtendremos una contradiccin. Si Det(A) = 0,
entonces A(Adj(A)) = O, y, por lo tanto resultara A -1 AAdj(A) = O, es decir Adj(A)
= O. En otras palabras, todos los menores de la matriz A seran cero. Sea a
continuacin B la matriz n 1 x n 1 que consista en las n 1 primeras filas de A.
Puesto que toda matriz cuadrada de n 1 x n 1 compuesta por n 1 columnas de B
tendr determinante cero, podemos concluir, por la hiptesis de induccin, que cada
una de estas matrices cuadradas de n 1 x n 1 es singular, es decir, que tiene un
rango menor que n 1. Por lo tanto, no puede haber en B ms que n 2 columnas
linealmente independientes y por tanto, no ms de n 2 filas linealmente
independientes. De esta manera resulta que las filas de B y las filas de A son
linealmente dependientes, lo que contradice la suposicin de la no singularidad de A.
Este teorema propone que el rango de una matriz cuadrada de n x n ser n si y slo si
su determinante es distinto de cero. Esto constituye, de hecho, un caso particular de
un hecho ms general, acerca del que hay un teorema que relaciona el rango con los
determinantes.
EJ E M P L O 3.4.2
Demuestre que si Det(A) = 1 y todos los elementos de A son enteros, entonces todos
los elementos de A -1 tambin deben ser enteros.
ALGEBRA LINEAL CON MATLAB
132
SO L U C I O N
Suponga que Det(A) = 1 y que todos los elementos de A son enteros. Lo anterior
implica que todos los elementos de Adj(A) deben ser enteros. Adems, como
1
A -1 =
Adj( A ) = Adj( A )
Det( A )
Podemos concluir que todos los elementos de A -1 deben ser enteros.
EJ E M P L O 3.4.3
Demuestre que si Det(A) = Det(B) z 0, entonces hay una matriz C tal que Det(C) = 1
y A = C B.
SO L U C I O N
Suponga que Det(A) = Det(B) z 0. Entonces B es no singular y al hacer C = A B -1, se
concluye que A = C B y
1
1
Det( C ) = Det( A B -1 ) = Det( A )Det( B -1 ) = Det( A )
= Det( A )
=1.
Det( B )
Det( A )
EJ E M P L O 3.4.4
Si A es una matriz antisimtrica, entonces la matriz Adj( A) es simtrica si n es
impar, y antisimtrica si n es par.
SO L U C I O N
Si A es una matriz antisimtrica. Entonces A T = -A, por tanto
(A T)-1 = (A -1)T = -A -1
1
De (A T)-1, tenemos que A -1 =
Adj( A ) , entonces
Det( A )
1
1
1
( A T )-1 =
(Adj( A ))T =
Adj( A ) = (-1) n
Adj( A ) = - A -1
T
Det(A
)
Det(
A
)
Det( A )
1
pero - A -1 = (-1)
(Adj( A ))T , igualando las ecuaciones
Det( A )
1
1
( A T )-1 = (-1)n
Adj( A ) y - A -1 = (-1)
(Adj( A ))T
Det( A )
Det( A )
obtenemos
1
1
(-1)n
Adj( A ) = (-1)
(Adj( A ))T .
Det( A )
Det( A )
Si n es par, entonces n = 2p, y
(-1)2p-1Adj(A) = (Adj(A))T - Adj(A) = (Adj(A))T,
por lo tanto, es antisimtrica. Si n es impar, es decir n = 2p + 1, entonces
(-1)2p+1-1Adj(A) = (Adj(A))T (-1)2pAdj(A) = (Adj(A))T Adj(A) = (Adj(A))T
por lo tanto, es simtrica.
EJ E M P L O 3.4.5
Dada una matriz A no singular de n x n. Suponga que n t 3. Demostrar que
Det(Adj(A)) = (Det(A))n-1.
SO L U C I O N
Suponga que A es una matriz de n x n. Como Adj(A) = A -1Det(A),
se concluye que
Det(Adj(A)) = Det(A -1Det(A)) = (Det(A))nDet(A -1)
1
= (Det(A))n
= (Det(A))n-1.
Det( A )
EJ E M P L O 3.4.6
Demuestre que si A es una matriz no singular de n x n, entonces se cumple que
Adj(A -1) = (Adj(A))-1.
ALGEBRA LINEAL CON MATLAB
133
SO L U C I O N
Suponga que A es una matriz no singular de n x n. Como Adj(A -1) = ADet(A -1) y
1
(Adj( A ))-1 = ( A -1 Det( A ))-1 =
A = A Det( A -1 )
Det( A )
se concluye que Adj(A -1) = (Adj(A))-1.
EJ E M P L O 3.4.7
Demuestre que si Det(A) = 1, entonces Adj(Adj(A)) = A.
SO L U C I O N
Como Det(A) z 0, entonces existe la inversa de A, es decir:
Adj( A)
Adj(A) = (Det(A))A -1 = A -1.
A -1 =
Det( A)
Por lo tanto
A
Adj(Adj( A )) = Adj( A -1 ) = Det( A -1 )( A -1 )-1 =
=A.
Det( A )
EJ E M P L O 3.4.8
Hallar la inversa de la matriz
1
1 2 -1
a.- A = 2 5 4 ; b.- A = 1
5
3 7 4
SO L U C I O N
a.- Como Det(A) = 1, entonces:
5
7
2
(Cof( A ))T = 3
2
3
2 -3
-2 1 .
-2 -3
4
4
4
4
5
7
2
7
-1
4
1 -1
3 4
-
1 2
3 7
-1
4
1 -1
2 4
1 2
2 5
2
5
Por lo tanto,
-8 -15 13
A = 4
7 -6 .
-1 -1 1
I I. OPE R A C I O N ES E L E M E N T A L ES
Usando el mtodo de operaciones elementales, los clculos se realizan
convenientemente en la matriz aumentada ms grande, formada combinando las
matrices. Para la matriz dada A de n-simo orden construimos una matriz rectangular
(A~I) de dimensin (n x 2n), aadiendo a la derecha de A una matriz unidad. Luego,
haciendo uso de las transformaciones elementales sobre las filas, reducimos la matriz
(A~I) a la forma (I~B), lo que es siempre posible, si A es regular. En este caso
B = A -1.
a11 a12 ... a1n 1 0 ... 0
134
derecho de (I |A) tambin las hacemos en el lado izquierdo. Por lo tanto, hacemos
en I exactamente las operaciones elementales de filas utilizadas para reducir a A.
Esto produce una matriz C que es un producto de matrices elementales cada una
efectuando una de las operaciones utilizadas para reducir a A. Por lo tanto, sea o
no A R = I tenemos C A = A R. Cuando A R = I, C debe ser A -1.
T E O R E M A 3.7.3
Sea A una matriz de n x n. Entonces A es no singular si y slo si
Rang(A) = n.
D E M OST R A C I O N
Consideremos la ecuacin A B = I, con B una matriz de incgnitas de n x n que
queremos resolver. Si A B = I, la columna c j de A B es igual a la columna c j de I, en la
que la ltima matriz columna tiene un 1 en la fila fj y cero en los dems. Por tanto, la
columna c j de B se encuentra con el sistema de ecuaciones A X = C, donde la matriz
C tiene un 1 en la fila fj. Ahora supongamos que Rang(A) = n. Entonces el sistema
A X = C tiene una nica solucin. Por lo tanto, podemos encontrar una nica matriz
B tal que A B = I. Es posible demostrar que tambin B A = I; por lo tanto B es la
inversa de A. Recprocamente, si A es no singular, el sistema A X = C tiene una
nica solucin para j = 1, 2, ..., n, ya que estas soluciones forman las columnas de
A -1. De esta forma podemos concluir que Rang(A) = n.
% ENCUENTRA LA INVERSA DE UNA MATRIZ
clc;clear;
fprintf('\n INVERSA DE UNA MATRIZ \n')
fil=input(' INGRESE EL NUMERO DE FILAS: ');
%Ingreso de elementos
fprintf(' INGRESE LA MATRIZ \n')
for f=1:fil
for c=1:fil
fprintf('Ingrese el elemento A:(%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf('\n LA MATRIZ A ES:\n')
A
end
fprintf(' LA MATRIZ IDENTIDAD ES:\n')
I=eye(f,c)
end
fprintf(' LA MATRIZ AUMENTADA ES:\n')
B=[A,I]
end
fprintf(' LA MATRIZ REDUCIDA ES:\n')
R=rref(B)
end
if (det(A)==0)
fprintf('LA MATRIZ NO ADMITE INVERSA \n')
else
fprintf(' LA MATRIZ INVERSA ES:\n')
C=A^(-1)
end
EJ E M P L O 3.4.9
Sea A una matriz cuadrada no singular:
a.- Si se intercambian dos filas de A, en qu es comparable la inversa de la matriz
resultante con A -1;
b.- Responda a la pregunta del inciso a) si una fila de A se multiplica por un nmero
k distinto de cero;
c.- Responder a la pregunta del inciso a) si la i-sima fila de A se multiplica por un
nmero k y se suma a la j-sima fila.
JOE GARCIA ARCOS
135
SO L U C I O N
a.- Si B se obtiene de A al intercambiar las filas i y j, entonces B -1 se obtiene de A -1
al intercambiar las columnas i y j.
b.- Si B se obtiene de A al multiplicar la fila i por a z 0, entonces B -1 se obtiene de
A -1 al multiplicar la columna i por 1/a.
c.- Si B se obtiene de A al sumar k veces la fila i a la fila j, entonces B -1 se
obtiene de A -1 al restar k veces la columna j de la columna i.
EJ E M P L O 3.4.10
Hallar la inversa de la siguiente matriz:
2 3 4
A = 8 2 1 .
0 2 4
SO L U C I O N
Comenzaremos el proceso de operaciones elementales, formando la matriz
aumentada:
2 3 4
1 0 0
0 1 0
8 2 1
0 2 4
0 0 1
Luego designamos a la primera fila como fila base y a la segunda fila le restamos
cuatro veces la fila base:
2
3
4
1 0 0
0
10
15
4 1 0
0
2
4
0 0 1
Elegimos la segunda fila como fila base y a la primera fila multiplicada por 10, le
sumamos 3 veces la fila base; a la tercera fila multiplicada por 5, le sumamos la fila
base:
20
0
5
2 3 0
4 1 0
0 10 15
0
0
5
4 1 5
Por ltimo elegimos la tercera fila como fila base. A la primera fila le sumamos la
fila base; a la segunda fila le sumamos 3 veces la fila base:
20
0 0
6 4 5
16 4 15
0 10 0
0
0 5
4 1 5
Dividimos la primera fila para 20, la segunda fila para 10 y la tercera fila para 5:
3
1
1
10
5
4
1 0 0
8
2
3
0 1 0
5
5
2
0 0 1
4
1
1
5
5
8
2
3
A 1
.
5
5
2
1
4
5
5
136
EJ E M P L O 3.4.11
Demuestre que toda matriz elemental es no singular, y la inversa tambin es una
matriz elemental.
SO L U C I O N
Si E es una matriz elemental, entonces E se obtiene al efectuar algunas operaciones
en las filas de I. Sea E 0 la matriz que se obtiene cuando la inversa de esta operacin
se efecta en I. Usando el hecho de que las operaciones inversas en las filas cancelan
mutuamente su efecto, se concluye que E 0 E = E E 0 = I. As, la matriz elemental E 0 es
la inversa de E.
PR O B L E M AS
3.4.1 Si
a b
c d
demuestre que Adj(Adj(A)) = A.
0 1 0 b 1 0 0 1 0 .
0 0 1 0 0 1 0 0 c
3.4.3 Si
1 2
4 2
A
y B
3
1
3 2
son matrices no singulares, pruebe que
Adj(A B) = (Adj(A))(Adj(B)).
A =4
i
-3 .
-i 1+ i -1
1 0 0 0 0
0 1 1 1 0
a.- 2 3 0 1 0 ; b.- 0 0 1 1 1 ;
1 0 0 0 1
0 0 0 1 1
1 1 1 0 0
0 0 0 0 1
1 2 3 4 5
0 1 2 3 4
c.- 0 0 1 2 3 .
0 0 0 1 2
0 0 0 0 1
i 1 i ;
a.- 2 i i 1 i ; b.- i
1 i 1 i 1 i
i
2 i 4 i
i 1 i
1
i 1 i .
c.- i
1 i 1 i 1 i
137
T
3.5 C U EST I O N A R I O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
3.5.1 Toda matriz de orden n es equivalente por filas a
una matriz reducida por filas.
3.5.16
El producto de dos matrices de orden n es
singular si, y slo si, por lo menos una de las dos matrices
es singular.
138
O BJE T I V O
Resolver problemas sobre sistemas de ecuaciones lineales homogneas y no homogneas mediante la
interpretacin, expresin y representacin en trminos de matrices y determinantes utilizando definiciones
propiedades y mtodos adecuados para cada tipo, en situaciones reales propias de la ingeniera y ciencias
aplicadas.
C O N T E NI D O :
4.1
4.2
4.3
4.1 SIST E M AS D E E C U A C I O N ES L I N E A L ES
En esta seccin introduciremos terminologa bsica, estudiaremos los diferentes tipos de sistemas de ecuaciones
lineales y sus formas de soluciones. Enunciaremos y demostraremos las propiedades ms importantes.
En el curso de Algebra Lineal la solucin del sistema A X = B se expresa,
corrientemente, segn el mtodo de Cramer como una razn de los determinantes.
Dichas frmulas no sirven para la resolucin numrica del sistema A X = B, puesto
que requieren el clculo de n + 1 determinantes, lo que, a su vez, exige un gran
nmero de operaciones aritmticas, hasta n!. Si incluso escogemos el mejor
mtodo, para el clculo de un solo determinante se necesitar aproximadamente
tanto tiempo que se requiere para la resolucin de un sistema de ecuaciones
lineales por los mtodos numricos modernos. Adems, hemos de tener en cuenta,
que los clculos segn las frmulas de Cramer conducen con frecuencia a los
grandes errores de redondeo.
La peculiaridad de la mayora de los mtodos numricos para A X = B consiste en
que se abandona la idea de buscar la matriz inversa. El requisito principal que se
levanta ante el mtodo de resolucin es el mnimo de operaciones aritmticas
suficientes para la bsqueda de una solucin aproximada con la precisin
prefijada.
Los mtodos directos permiten obtener, despus de un nmero finito de
operaciones, una solucin exacta del sistema de ecuaciones lineales, siempre que la
informacin de entrada viene dada con toda la exactitud y los clculos se realizan
sin redondeo. El mtodo iterativo permite hallar la solucin aproximada del
sistema construyendo una sucesin de aproximaciones, a partir de cierta
aproximacin inicial. La propia solucin aproximada es el resultado de los clculos
obtenido despus de haberse realizado un nmero finito de iteraciones.
140
...
a21 x a22 y b2
si se interpretan x, y como coordenadas en el plano xy, entonces cada una de las
dos ecuaciones representa una recta y (x, y) es una solucin si, y slo si, el punto
P(x, y) se encuentra sobre ambas rectas. De aqu que se tienen tres casos posibles:
1.- ninguna solucin si las rectas son paralelas;
2.- precisamente una solucin si se interceptan;
3.- un nmero infinito de soluciones si coinciden.
Nos formaremos ciertas ideas de las complicaciones que pueden surgir
considerando el caso de tres ecuaciones con tres incgnitas. Cada una de esas
ecuaciones representa un plano en el espacio, y el determinante de los coeficientes
se anula si:
1.- dos cualesquiera de los tres planos son coincidentes o paralelos.
2.- la recta de interseccin de dos de los planos pertenece o es paralela al tercer
plano.
141
Toda solucin del sistema de ecuaciones corresponde a un punto situado en los tres
planos. En los casos 1) y 2) no existe punto alguno que est en los tres planos, o
bien hay infinitos. En particular, hay infinitas soluciones si los tres planos se
cortan a lo largo de una misma recta. El conjunto de todas las soluciones a un
sistema de ecuaciones lineales recibe el nombre de conjunto solucin del sistema.
Una solucin del sistema de ecuaciones lineales
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1
22 2
2n n
2
...
...
...
x 7 y 9 z 2u 0
x y z 5u 0
D E F I N I C I O N 4.1.3
Se llama sistema de m ecuaciones no homogneas y n incgnitas, al
sistema
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1
22 2
2n n
2
...
142
x y z 2u 1
x y z 5u 0
D E F IN I C I O N 4.1.4
Se dice que un sistema de ecuaciones lineales es sobredeterminado si hay
ms ecuaciones que incgnitas. Se dice que un sistema de ecuaciones
lineales est escasamente determinado si hay menos ecuaciones que
incgnitas.
Los sistemas sobredeterminados suelen ser inconsistentes, pero no lo son siempre.
Aunque es posible que los sistemas escasamente determinados sean inconsistentes,
en general son consistentes con muchas soluciones. Es posible que un sistema
escasamente determinado tenga solucin nica.
D E F IN I C I O N 4.1.5
Se dice que un sistema de ecuaciones lineales es no susceptible, si errores
pequeos en los coeficientes o en el proceso de resolucin slo tienen un
efecto pequeo sobre la solucin. Y es susceptible, si errores pequeos en
los coeficientes o en el proceso de resolucin tienen un efecto grande
sobre la solucin.
Para el sistema de ecuaciones no susceptible, la solucin est indicada con relativa
intensidad por las ecuaciones. Para el sistema de ecuaciones susceptible, la
solucin est indicada con relativa debilidad por las ecuaciones.
Dos ecuaciones lineales en dos incgnitas representan dos rectas. Un sistema tal es
susceptible si, y slo si, el ngulo entre las rectas es pequeo, es decir, si, y slo si,
las rectas son casi paralelas. En efecto, entonces un pequeo cambio en un
coeficiente puede provocar un gran desplazamiento del punto de interseccin de
las rectas. Para sistemas mayores de ecuaciones lineales, la situacin es semejante
en principio, pero no es posible una interpretacin geomtrica tan sencilla y no
podramos seguir cada detalle de la situacin.
PR O B L E M AS
4.1.1 Sea A una matriz de 3 x 2. Explique por qu la
ecuacin A X = B no puede ser consistente tiene slo la
solucin nula si y slo si (Q A)X = O slo tiene la
solucin nula.
4.1.2 Sean A X = O un sistema homogneo de n
ecuaciones lineales con n incgnitas y Q una matriz
invertible de n x n. Demuestre que A X = O solucin fija.
Demuestre que toda solucin del sistema se puede
escribir en la forma X = X 1 + X 0, donde X 0 es una
solucin de A X = O. Tambin demuestre que toda
matriz de esta forma es una solucin.
4.1.3 Sea A una matriz de 5 x 3 y sean Y un vector en
3 y Z un vector en 5. Suponga que A Y = Z. Qu
hecho permite concluir que el sistema A X = 4 Z es
consistente?
ALGEBRA LINEAL CON MATLAB
4.1.4 Sea A X = O un sistema homogneo de n ecuaciones lineales en n incgnitas que slo tiene la solucin nula. Demuestre que si k es cualquier entero positivo, entonces el sistema A k X = O tambin tiene slo la
solucin nula.
4.1.5 Sea A una matriz de 3 x 4, sean Y 1 y Y 2 vectores
en 3 y sea W = Y 1 + Y 2. Suponga que Y 1 = A X 1 y que
Y 2 = A X 2 para algunos vectores X 1 y X 2 en 4. Qu
hecho permite concluir que el sistema A X = W es
consistente?
4.1.6 Sea A X = B cualquier sistema de ecuaciones
lineales consistentes, y sea X 1 una para toda B en 3.
Generalice el argumento para el caso de una matriz A
arbitraria con ms filas que columnas.
JOE GARCIA ARCOS
143
4.2 M E T O D OS P A R A SO L U C I O N A R UN SIST E M A D E E C U A C I O N ES L I N E A L ES
En esta seccin analizaremos la resolucin de un sistema de ecuaciones lineales por diversos mtodos, de acuerdo
a su estructura. Se enunciarn las propiedades ms importantes.
I. E L I M I N A C I O N G A USSI A N A
Se dice que un sistema de ecuaciones lineales es equivalente a un segundo sistema de
ecuaciones lineales, si el primero puede obtenerse a partir del segundo por medio de
operaciones elementales. Adems los sistemas equivalentes de ecuaciones lineales
tienen los mismos conjuntos de soluciones.
D E F I N I C I O N 4.2.1
Sea S un sistema lineal de la forma
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1
22 2
2n n
2
...
a11
x1 a12
x2 ... a1 n xn b1
a21 x1 a22 x2 ... a2 n xn b2
...
(1)
(1)
(1)
a22 x2 ... a2 n xn b2
...
...
144
...
( n 1)
145
Calculemos el nmero de operaciones que hay que efectuar para obtener la solucin
del sistema de ecuaciones lineales. Para reducir el sistema de ecuaciones a la forma
escalonada, aceptando que m = n, tendremos que realizar n inversiones
1
n2 + (n 1)2 + ... + 12 = (2n + 1)(n + 1)n
6
multiplicaciones y
(n 1)n(n 1)
n(n 1) (n 1)(n 2) 2 1
3
adiciones. Adems, para hallar del sistema reducido las incgnitas habr que realizar
adicionalmente
1
1 + 2 + ... + (n 1) = n(n 1)
2
multiplicaciones y un nmero igual de adiciones. Por consiguiente, para resolver el
sistema de ecuaciones lineales empleando el mtodo de Gauss, es necesario realizar,
en el caso general, n inversiones
1
1
n(n2 + 3n 1) | n3
3
3
multiplicaciones y
1
1
n(2n2 + 3n 5) | n3
6
3
adiciones. En resumen, este mtodo de reduccin se puede aplicar a cualquier
sistema de ecuaciones lineales. Debe observarse, adems, que el mtodo de
reduccin es sistemtico y que no se reduce a ningn artificio a base de los nmeros
particulares que aparecen en las ecuaciones.
T E O R E M A 4.2.2
Para la compatibilidad de un sistema de ecuaciones lineales es necesario y
suficiente que, despus de ser reducido a la forma escalonada, en l no se
encuentren ecuaciones del tipo 0 = bi, con bi z 0. Si esta condicin se
cumple, entonces, a las incgnitas independientes se les puede dar valores
arbitrarios; las incgnitas principales se determinan unvocamente en el
sistema de ecuaciones.
D E M OST R A C I O N
Comencemos con la cuestin de la compatibilidad. Es evidente, que si el sistema
a11 x1 a1 n xn b1
a2 k xk a2 n xn b2
a x a x b
3n n
3
3 t t
(1)
ar s xs ar n xn br
0 br 1
0 bm
146
am1 x1 am 2 x2 amn xn bm
con n > m es indeterminado.
D E M OST R A C I O N
Efectivamente, en todo caso r d m, por cuanto en el sistema (1) no hay ms
ecuaciones que en el sistema dado, las ecuaciones con identidades iguales a cero para
ambos miembros, son desechadas. Por eso, la desigualdad n > m lleva a n > r, lo cual
significa indeterminacin del sistema dado.
E J E M P L O 4.2.1
Utilizando eliminacin gaussiana, solucionar los siguientes sistemas de ecuaciones
lineales:
x yz 3
3x 4 y 6 z 7
a.- 2 x y 4 z 3 ; b.- 5 x 2 y 4 z 5 .
3x 2 y z 8
x 3 y 5z 3
SO L U C I O N
a.- Multiplicamos la ecuacin 1 por 2 y luego le restamos la fila 2, multiplicamos la
fila 1 por 3 y luego restamos la fila 3:
x y z 3
y 2z 1
y 2z 1
y 2z 1
0 0
13 y 21z 10
13 y 21z 2
147
13 y 21z 10
0 2
a.-
; b.-
.
3
x
y
z
2
u
6
x 3 y 6 z 10u 0
3 x y 3 z u 6
x 4 y 10 z 20u 0
SO L U C I O N
a.- A la segunda fila le multiplicamos por 2 y luego le restamos 3 veces la primera
fila, a la tercera fila le multiplicamos por 2 y luego le restamos 3 veces la primera
fila, a la cuarta fila le multiplicamos por 2 y luego le restamos 3 veces la primera fila
2 x y 3z 2u 4
9 y 3z 2u 0
y 11z 2u 0
y 3z 8u 0
A la tercera fila le multiplico por 9 y luego le sumo la segunda fila, a la cuarta
fila le multiplico por 9 y luego le sumo la segunda fila:
2 x y 3z 2u 4
9 y 3z 2u 0
6z u 0
12 z 35u 0
A la cuarta fila le resto 2 veces la tercera fila:
2 x y 3z 2u 4
9 y 3z 2u 0
6z u 0
33u 0
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solucin
nica:
x = 2, y = z = u = 0.
b.- A la segunda fila le resto la primera fila, a la tercera fila le resto la primera fila, a
la cuarta fila le resto la primera fila:
x y zu 0
y 2 z 3u 0
2 y 5 z 9u 0
3 y 9 z 19u 0
A la tercera fila le resto 2 veces la segunda fila, a la cuarta fila le resto 3 veces la
segunda fila:
x y z u 0
y 2 z 3u 0
z 3u 0
3 z 10u 0
ALGEBRA LINEAL CON MATLAB
148
z 3u 0
u 0
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solucin
nica:
x = y = z = u = 0.
E J E M P L O 4.2.3
Utilizando eliminacin gaussiana, solucionar los
lineales:
x y 2 z 3u 1
x 2 y 3 z 2u
3 x y z 2u 4
2 x y 2 z 3u
a.-
; b.-
2
x
3
y
z
u
6
3x 2 y z 2u
x 2 y 3z u 4
2 x 3 y 2 z u
; c.-
4
3 x 2 y z 2u
4 x 3 y 2 z u
8
5
1
.
1
5
SO L U C I O N
a.- A la segunda fila le restamos 3 veces la primera fila, a la tercera fila le restamos 2
veces la primera fila y a la cuarta fila le restamos la primera:
x y 2 z 3u 1
4 y 7 z 11u 7
y 5 z 7u 8
y z 4u 5
A la tercera fila le multiplicamos por 4 y luego le sumamos la segunda fila, a la
cuarta fila le multiplicamos por 4 y luego le sumamos la segunda fila:
x y 2 z 3u 1
4 y 7 z 11u 7
z 9u 9
A la cuarta fila le multiplicamos por 27 y luego le sumamos la tercera fila:
x y 2 z 3u 1
4 y 7 z 11u 7
u 1
Observamos que el sistema se redujo a la forma triangular, lo cual indica que el
sistema tiene solucin nica:
x = y = -1, z = 0, u = 1.
b.- A la segunda fila le restamos 2 veces la primera fila, a la tercera fila le restamos
3 veces la primera fila y a la cuarta fila le restamos 2 veces la primera fila:
x 2 y 3z 2u 6
5 y 8 z u 4
2 y 5 z 4u 7
7 y 4 z 5u 20
A la tercera fila le multiplicamos por 5 y luego le sumamos 2 veces la segunda
fila, a la cuarta fila le multiplicamos por 5 y luego le restamos 7 veces la segunda
fila:
149
x 2 y 3z 2u 6
5 y 8 z u 4
z 2u 3
2 z u 4
A la cuarta fila le restamos 2 veces la tercera fila:
x 2 y 3z 2u 6
5 y 8 z u 4
z 2u 3
5u 10
2 y 4 z 5u 7
y 2 z 3u 5
A la tercera fila le multiplicamos por 3 y luego le sumamos la segunda fila
multiplicada por 2, a la cuarta fila le multiplicamos por 3 y luego le sumamos la
segunda fila:
x 2 y 3z 4u 5
3 y 4 z 5u 9
4 z 5u 3
z 2u 3
A la cuarta fila le multiplicamos por 4 y luego le restamos la tercera fila:
x 2 y 3z 4u 5
3 y 4 z 5u 9
4 z 5u 3
u 3
Como el sistema se redujo a la forma triangular, entonces el sistema tiene solucin
nica: x = -2, y = 2, z = -3, u = 3.
I I. M E T O D O D E G A USS JO RD A N
El sistema S de ecuaciones lineales
a11 x1 a12 x2 ... a1n xn b1
a x a x ... a x b
21 1
22 2
2n n
2
...
a2 n x2 b2
a21 a22
amn xn bm
am1 am 2
se ve de inmediato que esto es equivalente al sistema S.
ALGEBRA LINEAL CON MATLAB
150
D E F IN I C I O N 4.2.2
En cuanto a la matriz
a11 a12
a1n
a
a
a
22
2n
21
amn
am1 am 2
se denomina matriz aumentada del sistema.
b1
b2
bm
151
1 0
0 0
0 0
0 1
1 0
0 0
y la nica solucin es x1 = x2 = ... = xm = 0, algunos de los a ii son cero si y slo si la
ltima fila de esta matriz est formada nicamente por ceros. As, el sistema de
ecuaciones lineales tiene soluciones no nulas si y slo si la matriz reducida de
coeficientes est formada nicamente por ceros.
T E O R E M A 4.2.8
Sea la matriz A de n x n. Entonces el sistema de ecuaciones no
homogneo A X = B tiene solucin nica si y slo si el Rang( A) = n.
D E M OST R A C I O N
Supongamos primero que Rang(A) = n. Entonces A R = I. De donde (A | B)R es de la
forma (I | C) para alguna matriz C de n x 1. El sistema I X = C tiene exactamente una
solucin y esta es la nica solucin del sistema original. Recprocamente,
supongamos que A X = B tiene exactamente una solucin Y. Si A X = O tiene una
solucin Z entonces Y + Z es una solucin de A X = B. Pero entonces Y = Y + Z por
la suposicin de que A X = B tiene solamente una solucin Y. Concluimos que
Z = O y, por tanto, A X = O tiene solamente la solucin trivial. Por lo tanto
Rang(A) = n.
Un sistema homogneo A X = O de m ecuaciones lineales con n incgnitas tiene un
nmero indeterminado de soluciones si el nmero de ecuaciones es menor que el
nmero de incgnitas, es decir n > m.
Sea X 1 cualquier solucin de A X = B. Entonces X 1 X 2 es una solucin de
A X = O ya que
A(X 1 - X 2) = A X 1 - A X 2 = B - B = O.
Sea X 3 = X 1 - X 2. Entonces X 3 es una solucin de A X = O y por supuesto X 1 = X 2
+ X 3.
Como hemos podido ver, cuando un sistema de ecuaciones lineales tiene soluciones,
puede tener muchas soluciones. En efecto, la situacin general cuando las soluciones
no son nicas, es que ciertas variables se pueden escribir en trminos de otras y estas
son completamente arbitrarias. Podemos pensar en tales variables como parmetros
que pueden variar para generar soluciones. Podremos decir que tenemos la solucin
general de un sistema si tenemos todas las variables expresadas en trminos de
ciertos parmetros en tal forma que toda posible solucin particular se pueda obtener
al asignar valores apropiados a estos parmetros.
Podemos ahora esbozar un procedimiento para encontrar la solucin general de un
sistema lineal no homogneo A X = B:
P ASO 1. Reducir (A~B) para obtener la matriz reducida de la forma (A R~C). Las
soluciones de A X = B son las mismas soluciones que las de A R X = C, as que
trabajaremos con este sistema reducido;
P ASO 2.
Si Rang((A~B)) z Rang(A), el sistema no tiene solucin y ya
terminamos. Si estos dos rangos son iguales continuamos;
P ASO 3. Identificamos las incgnitas dependientes. Si la columna j contiene el
elemento principal de la fila i, utilizamos la ecuacin i para escribir xj en trminos de
las incgnitas independientes;
P ASO 4. Escribimos una matriz columna
(x1 x2 xn)T
con cada xj dependiente escrita en trminos de las incgnitas independientes y de c i.
ALGEBRA LINEAL CON MATLAB
152
153
154
EJ E M P L O 4.2.4
Resuelva el sistema de ecuaciones siguiente:
x 3y z u 3
2x z u 1
y 4z u 6
y z 5u 16
JOE GARCIA ARCOS
155
SO L U C I O N
Construimos la matriz aumentada (A|B) y luego procedemos por el mtodo de Gauss
Jordan:
1 3 1 1 3
1
2 0 1 1
0 1 4 1
6
0 1 1 5 16
A la primera fila le multiplicamos por 2 y luego le restamos la segunda fila:
1 3 1 1 3
0 6 1 3 5
0 1 4 1
6
0 1 1 5 16
A la tercera fila le multiplicamos por 6 y luego le sumamos la segunda fila, a la
cuarta fila le multiplicamos por 6 y luego le sumamos la segunda fila, a la primera
fila le multiplicamos por 2 y luego le restamos la segunda fila:
2 0 1 1
1
0
6
1
3
5
0 0 25 3
41
0 0 5 27 91
A la primera fila le multiplicamos por 25 y luego le restamos la tercera fila, a la
segunda fila le multiplicamos por 25 y luego le restamos la tercera fila, a la cuarta
fila le multiplicamos por 5 y luego le sumamos la tercera fila:
25 0 0 11 8
0 25 0 13 14
0 0 25 3
41
1
3
0 0 0
A la primera fila le restamos 25 veces la cuarta fila y luego dividimos toda la fila
para -25, a la segunda fila le sumamos 13 veces la cuarta fila y luego dividimos toda
la fila para 25, a la tercera fila le restamos 3 veces la cuarta fila y luego dividimos
toda la fila para 25:
1 0 0 0 41
25
53
0 1 0 0
25
32
0 0 1 0
25
0 0 0 1
3
Por lo tanto Rang(A) = Rang(A|B) = 4 y la solucin est dada por el vector siguiente:
X
41
25
53
25
32
3 .
25
EJ E M P L O 4.2.5
Resuelva el sistema
x 3 y 2z 0
a.-
;
2 x y 3z 0
2 x 3 y 5 z 2
b.- 3x 2 y 4 z 1 ;
4 x 2 y 3z 3
x 3y z 1
c.- 2 x y 2 z 3 .
4 x 2 y 4 z 6
SO L U C I O N
a.- Este sistema se puede resolver fcilmente sin matrices, pero queremos ilustrar el
mtodo matricial.
PASO 1. Reducir A. Procedemos como sigue: Sumar 2 veces la fila 1 a la fila 2
ALGEBRA LINEAL CON MATLAB
156
1 3 2
0 5 1
0 5 1
5
1 0 5
AR .
0 1 1
7t t
t .
5
5
Esta expresin se llama solucin general del sistema porque obtenemos todas las
soluciones dando a t diferentes valores.
b.- Primero: resolvemos el sistema no homogneo de ecuaciones lineales A X = B.
Construimos la matriz aumentada del sistema:
2 3 5 2
3 2 4 1
4 2 3 3
0 13 7 4
0 8 13
1
0 13 7 4
0
0
5
1
1
0 1 0
5
0 0 1
5
8 1 1
.
65 5 5
Segundo: resolvemos el sistema homogneo de ecuaciones lineales A X = O:
X1
157
2 3 5 2 3 5 13 0 43
3 2 4 | 0 13 7 | 0 13 7 |
4 2 3 0 8 13 0
0
5
Por lo tanto, la solucin est dada por el vector siguiente: X 2
0
0
0 0
1 0
0 1
0 0 .
2 1 2 3 | 0 7 4 1 | 0 7 4 1
4 2 4 6 0 14 8 2 0 0 0
0
2 1 2 0 | 0 7 4 0 | 0 7 4 0
4 2 4 0 0 14 8 0 0 0 0 0
4 7 .
T
a.-
; b.-
; c.-
.
x
y
z
3
x
y
5
z
7
4x y z 3
x 2 y 3 z 1
2 x 3 y 3 z 14
x 3 y 13z 6
SO L U C I O N
a.- A la segunda fila le restamos 2 veces la primera fila, a la tercera fila le restamos
la primera fila, a la cuarta fila le restamos la primera fila:
1 1 3 1
3
0 1 4
0 0 1
4
0 1 0
2
158
0 1 4
0 0 1
0 1 0
3
1
2
a la primera fila le restamos la tercera fila, a la segunda fila le restamos la tercera
fila:
1 0 0 1
0 1 0 1
0 0 1 1
0 1 0 2
0 1 0 1
0 0 1 1
0 0 0 1
0
5
1
8
0 1 9 16
0 1 2
6
8
0 5 1
0 0 1 2
0 0 1 2
0 1 0 2
0 0 1 2
0 0 0 0
el sistema tiene solucin nica, por lo tanto la solucin general es: X (1 2 2)T .
c.- Multiplicamos la segunda fila por 2 y luego le restamos 3 veces la primera fila, a
la tercera fila le restamos 2 veces la primera fila, a la cuarta fila le multiplicamos por
2 y luego le restamos la primera fila:
2 1 3
3
0 5 19 9
0 1 5
3
0 7 29 15
159
0 5 19 9
0 0 1
1
0 0 1
1
0 1 0 2
0 0 1 1
0 0 0 0
x y z u w 7
3x 2 y z u 3w 2
x
y
2
z
u
0
a.-
; b.-
.
4
x
2
y
6
z
3
u
4
w
0
y 2 z 2u 6w 23
2 x 4 y 2 z 4u 7 w 0
5 x 4 y 3z 3u w 12
SO L U C I O N
a.- A la segunda fila le restamos la primera fila, a la tercera fila le restamos 4 veces
la primera fila y a la cuarta fila le restamos 2 veces la primera fila:
1 1 0 3 1 0
0 2 2 2 1 0
0 2 2 5 0 0
0 2 2 10 5 0
0 2 2 2 1 0
0 0 0 3 1 0
0 0 0 3 1 0
0 6 6 0 5 0
0 0 0 3 1 0
0 0 0 0 0 0
160
7t
5t
t
r
r
t .
r
6
6
3
b.- A la segunda fila le restamos 3 veces la primera fila y a la cuarta fila le restamos
5 veces la primera fila:
1 1 1 1 1
7
0 1 2 2 6 23
0 1 2 2 6
23
0 1 2 2 6 23
23
0 1 2 2 6
0 0 0 0 0
0
0 0 0 0 0
0
t r s 16
23 2t 2r 6s t
r s .
T
EJ E M P L O 4.2.8
Utilizando el mtodo de Gauss-Jordan, solucionar los siguientes sistemas de
ecuaciones lineales:
x 4 y 6 z 4u w 0
2x y z u w 2
x y 4 z 6u 4 w 0
x 2y z u w 0
a.- 4 x y z 4u 6w 0 ; b.- x y 3z u w 3 .
6 x 4 y z u 4 w 0
x y z 4u w 2
x y z u 5w 5
4 x 6 y 4 z u w 0
SO L U C I O N
a.- A la segunda fila le restamos la primera fila, a la tercera fila le restamos 4 veces
la primera fila, a la cuarta fila le restamos 6 veces la primera fila y a la quinta fila le
restamos 4 veces la primera fila:
1 4
6
4
1 0
2
3 0
0 3 2
0 15 23 12 2 0
2
3
0
0 3 2
0 0 13 22 13 0
161
70 65
0 39 0
0
0 13 22 13
0
0
1
1
0
0
0
0
35 13
0
0
0
0
a la primera fila le restamos 40 veces la cuarta fila, a la segunda fila le restamos 70
veces la cuarta fila, a la tercera fila le sumamos 22 veces la cuarta fila, a la quinta fila
le restamos 35 veces la cuarta fila:
39 0
0 0 105 0
0 39 0 0 135 0
0
0 13 0 35 0
0
0 1 1 0
0
0
0
0 0 1
0
a la primera fila le restamos 105 veces la quinta fila, a la segunda fila le restamos 13
veces la quinta fila, a la tercera fila le sumamos 35 veces la quinta fila, a la cuarta fila
le sumamos la quinta fila:
39 0
0 0 0 0
0 39 0 0 0 0
0
0 13 0 0 0
0
0 1 0 0
0
0
0
0 0 1 0
0 3 1 1 1 2
0 1 5 1 1 4
0 1 1 7 1 6
0 1 1 1 9 8
0 3 1 1 1 2
0 0 7 1 1
7
0 0 1 10 1 8
0 0 1 1 13 13
162
0
0
0
0
0
7
0
0
0
0 2 2
0 2 2
7 1 1
0 23 2
0 1 15
7
7
21
14
0 42 119
0 161 0
0
0 161 0 21 182
0
0 23 2
21
0
0
0
0
0 1
1
0 0 161
0 161 0
0
0 161 0 0 161
0
0 23 0 23
0
0
0
0
0 1
1
a2 x b2 y c2 0
a x b y c 0
3
3
3
pasen por un punto?
SO L U C I O N
Las tres rectas forman un sistema de ecuaciones lineales no homogneo
a1 x b1 y c1 0
a2 x b2 y c2 0
a x b y c 0
3
3
3
y, para que estas tres rectas pasen por un punto, el determinante formado por los
coeficientes del sistema y trminos independientes debe ser igual a cero, es decir:
a1 b1 c1
a2 b2 c2 0 .
a3 b3 c3
I II. M E T O D O D E C R A M E R
La definicin de un determinante de n x n es sugerida por sistemas de n ecuaciones
en incgnitas y en el presente mtodo se deducir la regla de Cramer, que expresa
las soluciones como cocientes de determinantes.
ALGEBRA LINEAL CON MATLAB
163
Para el trabajo numrico, son preferibles otras frmulas, pero la regla de Cramer
tiene un inters prctico. Aunque para la resolucin numrica es el mtodo de
reduccin ms rpido, sobre todo si los coeficientes son nmeros decimales, tiene
gran importancia la resolucin por medio de determinantes, pues permite hacer a
discusin completa de los sistemas de ecuaciones lineales.
El valor de cada incgnita se obtiene dividiendo por el determinante del sistema, el
determinante formado sustituyendo por los trminos independientes que estn en los
segundos miembros, la columna que forman los coeficientes de dicha incgnita.
T E O R E M A 4.2.15
Sea A una matriz no singular de n x n. Entonces la nica solucin del
sistema no homogneo A X = B est dada por
Det( A kB )
x k = xk
para k = 1, 2, ..., n,
Det( A )
donde A kB es la matriz de orden n x n que se obtiene reemplazando la
columna k de A con B.
D E M OST R A C I O N
Si Det(A) z 0, entonces la matriz A es no singular y, por lo tanto X = A -1 B es la
solucin nica de A X = B. Por consiguiente se tiene
X = A -1 B
1
=
Adj( A ) B
Det( A )
Det( A n1 ) b1
Det( A 11 ) Det( A 21 )
Det( A n 2 ) b2
1 Det( A 12 ) Det( A 22 )
=
Det( A )
Det( A nn ) bn
Det( A 1n ) Det( A 2 n )
b1Det( A 11 ) + b2 Det( A 21 ) + + bn Det( A n1 )
Det( A )
a2 j 1 b2 a2 j 1
a2 n
a21 a22
Aj
,
an1 an 2
anj 1 bn anj 1
ann
164
a21 x1 a22 x2 a2 k xk b2 ( a2 k 1 xk 1 a2 n xn )
a x a x a x b (a
a k n xn )
k2 2
kk k
k
k k 1 xk 1
k1 1
donde, si k = n, las expresiones de la derecha son b1, b2, ..., bk y resolverlo para x1,
x2, ..., xk mediante la regla de Cramer.
% RESOLUCION DE UN SISTEMA DE ECUACIONES LINEALES
clc;clear;
fprintf('\n METODO DE CRAMER \n')
fil=input('Ingrese el numero de incognitas: ');
%Ingreso de elementos
fprintf('Ingrese los coeficientes del sistema de ecuaciones\n')
for f=1:fil
for c=1:fil
fprintf('Ingrese el elemento A:(%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf('\n Ingrese los terminos independientes\n')
%for f=1:fil
for c=1:fil
fprintf('Ingrese el elemento B:(%d,%d)',f,c)
B(c,1)=input(' :');
end
%end
N=A(:,:);
A
for c=1:fil
N(:,c)=B(:,1)
DetN=det(N)
DetA=det(A)
fprintf('\n La incognita (%d) es igual X : ', c)
X=det(N)/det(A);
X
N=A(:,:);
end
end
if DetA==0
fprintf('EL SISTEMA DE ECUACIONES NO TIENE SOLUCION\n')
end
end
% RESOLUCION DE UN SISTEMA DE ECUACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
165
clc;clear;
fprintf('\n METODO DE CRAMER GENERALIZADO \n')
fil=input('Ingrese el numero de incognitas: ');
%Ingreso de elementos
fprintf('Ingrese los coeficientes del sistema de ecuaciones\n')
for f=1:fil
for c=1:fil
fprintf('Ingrese el elemento A:(%d,%d)',f,c)
A(f,c)=input(' :');
end
end
fprintf('\n Ingrese los terminos independientes\n')
%for f=1:fil
for c=1:fil
fprintf('Ingrese el elemento B:(%d,%d)',f,c)
B(c,1)=input(' :');
end
end
fprintf('LA MATRIZ A ES :\n')
A
end
DetA=det(A)
end
fprintf('LA MATRIZ B ES:\n')
B
fprintf('LA INVERSA DE A ES:\n')
C=inv(A)
fprintf('EL VECTOR SOLUCION X ES:\n')
X=inv(A)*B;
X
end
end
if DetA==0
fprintf('EL SISTEMA DE ECUACIONES NO TIENE SOLUCION\n')
end
end
EJ E M P L O 4.2.10
Resolver el sistema
x 3 y 4z 1
a.- x y 3z 14 ;
y 3z 5
( a 1) x y z a 2 3a
b.- x ( a 1) y z a 3 3a 2 .
4
3
x y ( a 1) z a 3a
SO L U C I O N
a.- La matriz de coeficientes es
1 3 4
1 1 3 .
0 1 3
x
Det 14 1 3
9 , y
Det 1 14 3 ,
13
13
13
13
5 1 3
0 5 3
1 3 1
1
25
z
Det 1 1 14
.
13
13
0 1 5
166
1
1
a 1
1
a
1
1
1
1
a 1
1
1
a 1
a 1
a 4 3a 3
a 3 3a 2
a 1
a 3a
a 3a
1
3
a 3 3a 2
a 2 3a
a 1
a 2 3a
a 3 3a 2
1
1
a 3a
a 2 3a
a 1 a 3 3a 2
1
a 4 3a 3
3a 2 2 a 3 a 5
a 3 3a 2
a2 2 ,
2 a 4 5 a 3 3a 2
2a 1 ,
a 3 3a 2
a 1
a 6 5 a 5 5 a 4 4 a 3 3a 2
a 3 3a 2
a 3 2a 2 a 1
EJ E M P L O 4.2.11
Utilizando el mtodo de Cramer, solucionar los siguientes sistemas de ecuaciones
lineales:
x 2 y 3z 4u 5w 13
x 2 y 3z 4u w 1
2 x y 2 z 3u 4w 10
2 x y 3z 4u 2w 8
a.- 2 x 2 y z 2u 3w 11 ; b.- 3x y z 2u w 3 .
2 x 2 y 2 z u 2w 6
4 x 3 y 4 z 2u 2 w 2
2 x 2 y 2 z 2u w 3
x y z 2u 3w 3
SO L U C I O N
a.- Calculamos los determinantes correspondientes:
13 2 3 4 5
1 13 3 4 5
10 1 2 3 4
2 10 2 3 4
' x 11 2 1 2 3 0 , ' y
2 11 1 2 3 62 ,
6 2 2 1 2
2 6 2 1 2
3 2 2 2 1
2 3 2 2 1
'z
1
2
2
2
2
2 13 4 5
1 10 3 4
2 11 2 3
2 6 1 2
2 3 2 1
62 , 'u
1
2
2
2
2
2
1
2
2
2
3 13 5
2 10 4
1 11 3
2 6 2
2 3 1
0,
1 2 3 4 13
1 2 3 4 5
2 1 2 3 4
2 1 2 3 10
'w
2 2 1 2 11 93 , ' 2 2 1 2 3 31 .
2 2 2 1 2
2 2 2 1 6
2 2 2 2 1
2 2 2 2 3
A continuacin reemplazamos en cada una de las variables, y obtenemos la solucin
general:
' y 62
'x 0
'u 0
' z 62
1 , u
x
0, y
0,
2, z
'
31
' 31
' 31
' 31
ALGEBRA LINEAL CON MATLAB
167
' w 93
3.
' 31
b.- Calculamos los determinantes correspondientes:
1 2 3 4 1
1 1 3 4 1
8 1 3 4 2
2 8 3 4 2
'x
3 1 1 2 1 96 , ' y
3 3 1 2 1
2 3 4 2 2
4 2 4 2 2
3 1 1 2 3
1 3 1 2 3
'z
1 2 1 4 1
2 1 8 4 2
3 1 3 2 1
4 3 2 2 2
1 1 3 2 3
96 , 'u
1 2 3 1 1
2 1 3 8 2
3 1 1 3 1
4 3 4 2 2
1 1 1 3 3
0,
96 ,
1 2 3 4 1
1 2 3 4 1
2 1 3 4 8
2 1 3 4 2
'w
48 , ' 3 1 1 2 1 48 .
3 1 1 2 3
4 3 4 2 2
4 3 4 2 2
1 1 1 2 3
1 1 1 2 3
A continuacin reemplazamos en cada una de las variables, y obtenemos la solucin
general:
'y
' x 96
'u 96
' z 96
0
2 , u
x
2, y
2 ,
0, z
'
48
' 48
'
48
' 48
' w 48
w
1.
' 48
EJ E M P L O 4.2.12
Analizar segn los parmetros dados y solucionar los siguientes sistemas de
ecuaciones lineales:
(5a 1) x 2 ay (4 a 1) z 1 a
ax ay ( a 1) z a
a.- (4 a 1) x ( a 1) y (4 a 1) z 1 ; b.- ax ay ( a 1) z a .
2(3a 1) x 2 ay (5a 2) z 2 a
( a 1) x ay (2 a 3) z 1
SO L U C I O N
a.- El primer paso es calcular el determinante de la matriz de coeficientes del
sistema:
5a 1
2a 4a 1
4a 1 a 1 4a 1 a 3 a
2(3a 1) 2 a 5a 2
Para que el sistema de ecuaciones lineales tenga solucin nica, el determinante de la
matriz de coeficientes debe ser diferente de cero:
az0
a c c d | 0 0 2 2
2
1 1 4 1
2
2
2
a c c d
ALGEBRA LINEAL CON MATLAB
168
1 1 1 1 | 0 0 2 2
2 0 2 2 0 0 1 0
3
2
3 0 3 1 | 0 2 1 4 | 4 a 1 a 1 2 a 1 a 6 a 11a 6
8 2 7 1 0 2 1 5
5 a 4 a 1 3a 4
a2 1
a ( a 1)
a ( a 1)
1 a
1
1 4a
4a 1
8a 2 7 a
.
X
1
1
2
1 a
a 1
a 1
2 a a 1
2a 2 2a 2
3a 2 2 a 1
5a 2 a 1
2
a2 1
a ( a 1)
a ( a 1)
0 0 1 0 | 0 0 0 0
1 0 3 1 1 0 3 1
1
2
2
a 1 a
a 2 3a 1
a2 a 1
X
1 a a .
2a
2a
1 0
1
1
0
2
2
169
EJ E M P L O 4.2.13
Analizar segn los parmetros dados y solucionar los siguientes sistemas de
ecuaciones lineales:
ax (2 a 1) y ( a 2) z 1
a.-
;
( a 1) y ( a 3) z 1 a
ax (3a 2) y (3a 1) z 2 a
2( a 1) x 3 y az a 4
b.- (4 a 1) x ( a 1) y (2 a 1) z 2 a 2 .
(5a 4) x ( a 1) y (3a 4) z a 1
SO L U C I O N
a.- El primer paso es calcular el determinante de la matriz de coeficientes del
sistema:
a 2a 1 a 2
0 a 1 a 3
a 3 a 2 2a
a 3a 2 3a 1
Para que el sistema de ecuaciones lineales tenga solucin nica, el determinante de la
matriz de coeficientes debe ser diferente de cero:
az0
0 3 5 1 | 0 3 5 1 | 0 3 5 1
2 8 5 4 0 3 5 4 0 0 0 5
a c c d | 0 0 5 0 | 0 0 5 0
2
0 0 3 0 0 0 0 0
2
2
2
a c c d
podemos observar que el Rang(A) = 2 y el Rang(A B) =
a = 0, el sistema es indeterminado. Cuando a = 1:
1 1 3 1 1 1 3 1 1 1
0 0 2 2 | 0 0 2 2 | 0 0
1 1 4 1 0 0 1 0 0 0
3 1
2 2
0 2
podemos observar que el Rang(A) = 2 y el Rang(A B) = 3. Por lo tanto, cuando
a = 1, el sistema es inconsistente. Para solucionar el sistema de ecuaciones lineales,
debemos encontrar la inversa de la matriz de coeficientes y luego multiplicamos el
sistema A X = B a la izquierda por A -1, para obtener el vector solucin X = A -1 B:
4 a 2 12 a 10
9a 7
3a 2 5 a 3
a 2 8a 5
a ( a 1)( a 2) a (1 a )( a 2) a ( a 1)( a 2) 1 (1 a )( a 2)
3a 2 3a 2
a 3
2a 1
a 3
.
X
1 a
(1 a )( a 2)
( a 1)( a 2)
(1 a )( a 2)
( a 1)( a 2)
2 a
1
1
1
2a
a2
a2
a2
a2
170
2( a 1)
3
a
4 a 1 a 1 2 a 1 a 3 6 a 2 11a 6
5 a 4 a 1 3a 4
Para que el sistema de ecuaciones lineales tenga solucin nica, el determinante de la
matriz de coeficientes debe ser diferente de cero:
a z1
3 2 1 4 | 0 1 1 1 | 0 1 1 1
1 2 1 0 0 5 5 5 0 0 0 0
7 3 3 6 | 0 3 4 6
6 3 2 1 0 0 0 5
11 4 5 8 | 0
11 4 5 2 0
3 3 7 8 3 3 7
1 12 13 | 0 1 12 13
1 12 61 0 0 0 48
podemos observar que el Rang(A) = 2 y el Rang(A B) = 3. Por lo tanto, cuando
a = 3, el sistema es inconsistente. Para solucionar el sistema de ecuaciones lineales,
debemos encontrar la inversa de la matriz de coeficientes y luego multiplicamos el
sistema A X = B a la izquierda por A -1, para obtener el vector solucin X = A -1 B:
2 a 2 4 a 15
a 1
a 6
a 2 5a 3
2a
a4
3a 2
a 18
2 a 2
X
(1 a )( a 2) ( a 1)( a 3) (1 a )( a 2)( a 3)
( a 2)( a 3)
a 1 2
a 1
2a 7
2 a 2 8a 5
3a 3a 21
(1 a )( a 2) (1 a )( a 3) ( a 1)( a 2)( a 3)
(2 a )( a 3)
EJ E M P L O 4.2.14
Analizar segn los parmetros dados y solucionar los siguientes sistemas de
ecuaciones lineales:
x ay a 2 z a 3
x yz 1
2
3
a.- x by b z b ; b.- ax by cz d .
2
2
3
2
2
2
a x b y c z d
x cy c z c
SO L U C I O N
a.- El primer paso es calcular el determinante de la matriz de coeficientes del
sistema:
171
1 a
a2
1 b b2
1 c
( a b)( a c )( c b)
(a b)(a c)(c - b) z 0 c z a a z b z c
b z c
Cuando a = b:
1 b b 2 b3 1 b b 2
b3
2
3
1 b b b | 0 0 0
0
1 c c 2 c 3 1 0 bc bc (b c )
1 b b 2 b3 | 1 0 bc bc (b c )
0
1 c c 2 c 3 0 0 0
1 c c 2 c 3 | 1 c c 2
c3
0
1 c c 2 c 3 0 0 0
bc
ac
ab
(
a
b
)(
a
c
)
(
a
b
)(
c
b
)
(
a
c
)(
b
c
)
a3
abc
3
bc
ac
a b
X
b
ab ac bc .
(
a
b
)(
c
a
)
(
a
b
)(
b
c
)
(
a
c
)(
c
b
)
3 a b c
c
1
1
1
a 2 b2 c 2
Para que el sistema de ecuaciones lineales tenga solucin nica, el determinante de la
matriz de coeficientes debe ser diferente de cero:
172
b z a
(a b)(a c)(c - b) z 0 c z a
b z c
a z b z c.
Cuando a = b:
1 1 1 1 1 1
1
1
1
1 1 1
|
|
0
0
b
c
b
d
b
b
c
d
0
0
b
c
b
d
0 0
2
2
2
2
2
2
2
0
(
c
d
)(
b
d
)
b b c d 0 0 b c b d
podemos observar que el Rang(A) = 2 y el Rang(A B) = 3. Por lo tanto, cuando
a = b, el sistema es inconsistente.
Cuando a = c:
1 1 1 1 1
1
1
1
1
1
1 1
cd
c b c d | 0 c b 0 c d | 0 c b 0
0
2
2
2
2
2
2
2
0
0
(
b
d
)(
c
d
)
c
b
c
d
0
c
b
0
c
d
|
a
c
c
d
0
a
c
a
c
a
d
2
2
2
2
2
a2 c2 a2 d 2
a c c d 0 a c
1
1
1
1
ad
0 a c a c
0
0
0 ( c d )( a d )
(b d )(c d )
bc
bc
1
( a d )(d c )
ac
ac
1
X
d
.
( a b)( c b) ( a b)(b c ) ( a b)( c b) 2 ( a b)(b c )
d ( a d )(b d )
ab
a b
1
( a c )(b c ) ( a c )( c b) ( a c )(b c )
( a c )(b c )
I V. M E T O D O D E C H O L ESK Y
Si una matriz A de n x n y todas sus submatrices cuadradas principales son no
singulares, entonces A = L U donde L y U son las matrices triangulares inferior y
superior respectivamente. L y U son esencialmente nicas y se especifican los
elementos diagonales de L o bien, de U, son nicas. El punto es que pueden
obtenerse L y U sin resolver ecuaciones simultneas. Para resolver un sistema A X =
B de n ecuaciones en n incgnitas, ahora puede introducirse A = L U, teniendo L U X
= B, y premultiplicando por L -1. Esto da U X = C donde C = L -1 B, y se ve que sta es
la forma triangular del sistema. Primero se determina C a partir de L C = B y, a
continuacin, se resuelve U X = C para X.
Los mtodos numricos se usan principalmente en aquellos problemas para los que
se sabe que la convergencia es rpida, de modo que se obtiene la solucin con mucho
menos trabajo que con un mtodo directo, y para sistemas de orden grande pero con
ALGEBRA LINEAL CON MATLAB
173
muchos coeficientes cero, para los cuales los mtodos de eliminacin seran
relativamente laboriosos y necesitaran mucha memoria en un computador. Los
mtodos de clculo numrico tienen un gran inters en ciertas aplicaciones de las
Matemticas a la resolucin de problemas en variadas reas de la ingeniera, y entre
aquellos mtodos destacan los que hacen referencia a la resolucin de sistemas de
ecuaciones lineales.
EJ E M P L O 4.2.15
Resuelva el siguiente sistema de ecuaciones lineales
x 2 y 3z 14
2 x 3 y 4 z 20 .
3x 4 y z 14
SO L U C I O N
La matriz A de coeficientes del sistema es simtrica. Esto
pueden determinarse los elementos de U a partir de
0 a11 a12
1 2 3 a11 0
2
3
4
a
a
0 0 a22
22
12
3 4 1 a
13 a23 a33 0
implica que L = U T y
a13
a23
a33
a11 a12
a11 a13
1 2 3 a11
2
2
a12
a22
a12 a13 a22 a23
2 3 4 a11 a12
3 4 1
2
2
2
a23
a33
a11
1, a11 a12 2, a11 a13 3
a11 1, a12 2
2
2
a13 3, a22 i .
a11 a12 2, a12 a22 3, a12 a13 a22 a23 4
a
2
2
2
23 2i , a33 2i
2 i 0 c2 20 c2 8i
3 2i 2i c 14
c 6i
3
3
Ahora se resuelve
1 2 3 x1
0 i 2i x2
0 0 2i x
x1
14
8
i
x2
6i
x
3
1
2 .
3
V. M E T O D O D E G A USS - SE I D E L
Sea A X = B un sistema de ecuaciones lineales dado n ecuaciones. Sean X 0, X 1, ... la
sucesin iterativa de las aproximaciones sucesivas de Gauss Seidel,
correspondientes a una aproximacin inicial X 0. Se dice que el mtodo converge para
un X 0, si la sucesin iterativa correspondiente converge a una solucin del sistema de
ecuaciones dado.
Sin prdida de generalidad, puede suponerse a ij = 1 para j = 1, 2, ..., n, debido a que
puede lograrse esta forma de A, rearreglando las ecuaciones de modo que no se anule
coeficiente diagonal alguno y, a continuacin, dividiendo cada ecuacin por el
coeficiente diagonal que corresponda. Entonces puede escribirse A = I + L + U,
donde I es la matriz identidad de n filas y L y U son, respectivamente, matrices
triangulares inferior y superior con diagonales principales nulas.
ALGEBRA LINEAL CON MATLAB
174
a.-
; b.-
.
0.25
w
y
0.25
z
0.25
(1)
1
0
(2)
y
0.25
w
0.25
z
2
1 0.25
2
z2 0.25 x2 0.25 y2 0.25
x
2
y2
z2
ALGEBRA LINEAL CON MATLAB
175
w3
x
3
y3
z3
y
0.25
w
0.25
z
3
2 0.25
3
z3 0.25 x3 0.25 y3 0.25
(0.25)(0.9062) (0.25)(0.6563) 0.50
(0.25)(0.8906) (0.25)(0.6405) 0.50
(0.25)(0.8906) (0.25)(0.6405) 0.25
(0.25)(0.8827) (0.25)(0.6327) 0.25
0.8906
0.8827
(4)
0.6327
0.6288
w4
x
4
y4
z4
y
0.25
w
0.25
z
4
4
3 0.25
0.8788
0.8768
(5)
0.6268
0.6263
w5
x
5
y5
z5
y
0.25
w
0.25
z
5
4 0.25
5
z5 0.25 x5 0.25 y5 0.25
(0.25)(0.8768) (0.25)(0.6268) 0.50
(0.25)(0.8758) (0.25)(0.6263) 0.50
(0.25)(0.8758) (0.25)(0.6263) 0.25
(0.25)(0.8755) (0.25)(0.6255) 0.25
0.8758
0.8755
(6)
0.6255
0.6252
w6
x
6
y6
z6
y
0.25
w
0.25
z
6
6
5 0.25
0.8752
0.8751
(7)
0.6251
0.6250
y
0.25
w
0.25
z
7
6 0.25
7
z7 0.25 x7 0.25 y7 0.25
(0.25)(0.8751) (0.25)(0.6251) 0.50
(0.25)(0.8750) (0.25)(0.6250) 0.50
(0.25)(0.8750) (0.25)(0.6250) 0.25
(0.25)(0.8750) (0.25)(0.6250) 0.25
0.8750
0.8750
(8)
0.6250
0.6250
w7
x
7
y7
z7
Ubicando todos los resultados en una tabla, obtenemos:
176
r
x
y
z
w
0
1.0000
1.0000
1.0000
1.0000
1
1.0000
0.7500
0.6875
1.0000
2
0.9062
0.6563
0.6405
0.9375
3
0.8827
0.6327
0.6288
0.8906
4
0.8768
0.6268
0.6263
0.8788
5
0.8758
0.8755
0.6255
0.8758
6
0.8751
0.6251
0.6250
0.8752
7
0.8750
0.6250
0.6250
0.8750
x
4.1
0.3
x
0.9
z
0.1u 17.82
y
5.3
0.2
x
0.3
y
0.2u 9.02
z
3.2
0.1
x
0.1
y
0.2 z 17.08
u
9.1
Comenzando el proceso y ubicando todos los resultados en una tabla, obtenemos:
r
x
y
z
u
0
1.0000
1.0000
1.0000
1.0000
1
5.0340
-3.7980
2.7970
-1.8010
2
5.2000
-4.1650
2.9960
-1.7990
3
5.1990
-4.1990
3.0000
-1.8000
4
5.2000
-4.2000
3.0000
-1.8000
5
5.2000
-4.2000
3.0000
-1.8000
a.- x 10 y z 36 ; b.- x 5 y z 10 .
x y 10 z 35
x y 8 z 20
SO L U C I O N
a.- El sistema de ecuaciones se escribe en la forma:
y z 13
x
10
x z 36
y
10
x y 35
z
10
r
x
y
z
0
1.0000
1.0000
1.0000
1
1.5000
3.3500
3.9850
2
2.0330
2.9980
4.0030
3
2.0000
2.9990
4.0000
4
2.0000
3.0000
4.0000
177
2 y z 14
x
4
x
z 10
y
5
x y 20
z
8
r
x
y
z
0
1.0000
1.0000
1.0000
1
2.7500
1.6500
1.9500
2
2.1870
1.9520
1.9820
3
2.0280
1.9900
1.9970
4
2.0050
1.9980
1.9990
5
2.0010
1.9990
2.0000
6
2.0000
2.0000
2.0000
V I. M E T O D O D E J A C O BI
Una tcnica iterativa para resolver el sistema de ecuaciones lineales A X = B,
comenzando con la aproximacin inicial x(0) a la solucin x, consiste en generar una
sucesin de aproximaciones x(0), x(1), ..., x(n) que convergern a la solucin x, donde
bi
xi(1)
j 1, j z i
ai j x(0)
j
(0)
(0)
bi ai 1 x1(0) ... ai i 1 xi(0)
1 ai i 1 xi 1 ... ai n xn
ai i
bi
xi(2)
j 1, j z i
ai i
ai j x (1)
j
(2)
(2)
bi ai 1 x1(2) ... ai i 1 xi(2)
1 ai i 1 xi 1 ... ai n xn
ai i
ai i
bi
xi( r 1)
j 1, j z i
ai j x (j r )
, r = 0, 1, 2, ...
ai i
expresin que se denomina frmula de iteracin de Jacobi. Matricialmente este
mtodo es similar a la iteracin de Gauss Seidel, pero que consiste en no usar
valores mejorados hasta que se ha completado el paso y a continuacin, reemplazar
completamente X m por X m+1 para el ciclo siguiente.
De aqu que si se escribe A X = B en la forma X = B + (I A)X, la iteracin de
Jacobi en notacin matricial es X m+1 = B + (I A)X n. Este mtodo tiene un gran
inters terico. Converge para toda eleccin de X 0 si, y slo si, el radio espectral de
I A es menor que 1; aqu nuevamente se supone a ij = 1 para j = 1, 2, ...
EJ E M P L O 4.2.18
Resuelva el siguiente sistema:
7x y 4z 8
3x 8 y 2 z 4
4x y 6z 3
178
( r 1) 1
(4 3 x1( r ) 2 x3( r ) )
x2
8
( r 1)
1
(3 4 x1( r ) x2( r ) )
x3
6
(1) 4
0,5
x2
8
(1)
3
0,5
x3
6
y la segunda
1
x1(2)
(8 0,5 2) 1,5
(2)
(4 3, 429 1) 0,804
x2
8
(2)
1
(3 4,572 0,5) 1,179
x3
6
r
x1
x2
x3
0
0.000
0.000
0.000
1
1,143
0,500
-0,500
2
1,500
0,804
-1,179
3
1,931
0,768
-1,366
4
2,033
0,883
-1,659
5
2,217
0,848
-1,708
6
2,240
0,904
-1,837
7
2,322
0,881
-1,843
8
2,322
0,910
-1,901
9
2,359
0,895
-1,896
10
2,354
0,911
-1,923
EJ E M P L O 4.2.19
Partiendo de 0, 0, 0, demuestre que la iteracin de Gauss Seidel converge para el
sistema siguiente
2 x y z 4
x 2 y z 4
x y 2z 4
x
4
x
z 10
y
5
x y 20
z
8
r
x
y
z
0
0.0000
0.0000
0.0000
1
2.0000
1.0000
0.5000
2
1.2500
1.1250
0.8125
179
3
1.0310
1.0780
0.9455
4
0.9882
1.0330
0.9893
5
0.9888
1.0100
1.0000
6
0.9950
1.0020
1.0010
7
0.9984
1.0000
1.0000
8
1.0000
1.0000
1.0000
x y 0
x 2 y 3z 0
x ( r 1) 2 z ( r )
y ( r 1) x ( r )
1 (r)
z ( r 1)
( x 2 y( r ) )
3
r
x
y
z
0
0.0000
0.0000
0.0000
11
0.8070
0.2229
0.4862
1
2.0000
0.0000
0.0000
12
1.5130
0.8070
0.4176
2
2.0000
2.0000
0.6666
13
1.5820
1.5130
1.0420
3
1.3330
2.0000
2.0000
4
0.0000
1.3330
1.7770
5
0.2229
0.0000
0.8886
6
1.1110
0.2229
0.0743
7
1.9250
1.1110
0.5189
14
0.9580
1.5820
1.5360
15
0.4640
0.9580
1.3740
16
0.6260
0.4640
0.7933
17
1.2060
0.6260
0.5180
18
0.7940
1.2060
0.8193
19
1.1800
0.7940
1.0680
23
1.0190
0.9030
1.0190
24
0.9809
1.0190
0.9416
25
1.0580
0.9809
1.0060
26
0.9940
1.0580
1.0060
27
0.9940
0.994
1.0360
28
0.9640
0.994
0.9940
8
1.4810
1.9250
1.3820
20
0.9320
1.1800
0.9226
9
0.6180
1.4810
1.7770
21
1.0770
0.9320
1.0970
10
0.2229
0.6180
1.1930
22
0.9030
1.0770
0.9803
180
x z 2
y x
x 2y
z
3
r
x
y
z
0
0
0
0
1
2
2
2
2
0
0
0
3
2
2
2
4
0
0
0
...
...
...
...
PR O B L E M AS
4.2.1 Cul es la condicin para que tres puntos P(a, b),
Q (c, d), R(e, f) estn situados en una recta?
yz 0
.
2x y z 3
181
S. mezclado
Kg grasa
20
25
40
50
Kg sosa
10
15
20
22
S. troquelado
Hora / mquina
3
4
7
20
4.2.14 Resolver mediante el mtodo de eliminacin de Gauss-Jordan los siguientes sistemas de ecuaciones:
x 3y z 1
2x y z 8
4 x 5 y 6 z 3
2 x y 6 z 3
a.- 2 x 2 y z 0 ;
b.- 5 x 3 y 2 z 3 ;
c.- 8 x 7 y 3 z 9 ;
d.- x 3 y 2 z 5 ;
x y 4z 1
5 x 6 y 3z 2
7 x y 3z 20
7 x 8 y 9 z 6
x 5 y 2 z 3
f.- 2 x 8 y z 1 ;
3x 3 y 5 z 5
2 x y 5 z 2
j.- x 8 y 6 z 8 ;
x 3y z 5
2 x y 3z 1
g.- x 5 y 2 z 4 ;
3x 5 y 7 z 2
7 x 9 y 9 z 0
n.- x 12 y 5 z 5 ;
3x 7 y 6 z 6
x 5 y 9z 9
o.- 5 x 3 y 3z 0 ;
x y 3z 9
5 x 10 y z 5
q.- x 9 y 3z 1 ;
9x 5 y z 5
7x 9 y z 0
r.- x 9 y 7 z 1 ;
2 x 5 y 7 z 2
x 9 y 7z 8
s.- x 7 y 9 z 1 ;
x 8 y 2z 7
x 9 y 7z
p.- x 8 y 2 z
7 x 7 y 4 z
2x 3 y 9z
t.- 7 x 7 y 4 z
5 x 8 y 3z
5 x 5 y 7 z 7
u.- 2 x 9 y 2 z 2 ;
9x 5 y 9z 9
x 9 y 7z 7
v.- 3x y 9 z 3 ;
5 x 7 y 9 z 5
6 x 9 y 3z 3
w.- 2 x 4 y 8 z 2 ;
7 x 9 y 5z 3
x 9 y 7z 5
x.- x 7 y 5 z 4 .
x 9 y 5z 5
5 x 3z 4(1 y )
e.- 2( z 2 x) 8 y ;
2 y 3x 14 z
x y 3z 0
i.- x 4 y z 1 ;
x 7 y 3z 2
5x 5 y 9 z 5
m.- 7 x 6 y z 3 ;
2 x 7 y 5 z 0
x 9 y 6z 8
k.- x 5 y 3z 1 ;
5x y z 7
7 x 4 y 3z 3
h.- 4 x 3 y z 1 ;
6 x 7 y 3 z 6
7x 9 y z 0
l.- 4 x 6 y 3z 1 ;
x 7 y 5z 2
0
1 ;
2
9
8;
7
4.2.15 Determine de ser posible los valores de a, para que el sistema de ecuaciones lineales tenga solucin nica, tenga
ms de una solucin, no tenga solucin y encuentre la solucin general del sistema en trminos de a :
2 x 3 y az 1
ax 2 ay z 2
x y ( a 1) z 1
a.- ax y z 1 ;
b.- x y az a ;
c.- x ( a 1) y z 1 ;
x y az 1
2 x y az 1
( a 1) x y z 1
( a 1) x y z 2 a 3
d.- ( a 1) x y z 1 ;
2 x 4 y az 2
x ( a 1) y z 1
g.- ax y ( a 1) z 1 ;
x yz a
x ay az 1
e.- ax ay z 1 ;
ax y az 1
( a 1) x y az 1
x yz a
h.-
;
3x 2 y az 1
x ay z
f.- ax y z
x y az
x 3ay z
i.- x 3 y z
x yz
1
a ;
1
0
a ;
1
JOE GARCIA ARCOS
182
4 x 3 y az
j.- 2 x 3 y 3z
x y az
x ay 3z
m.- x y az
2x y z
a
1;
a
2
3;
a
ax ( a 2) y z
p.- 2 x ( a 1) y z
3x ( a 1) y z
( a 2) x y z
s.- x ( a 3) y z
x y ( a 4) z
1
1;
1
2
3;
4
2 ax 2 y 3z 1
v.- x 3ay z 1 ;
x y 4 z 1
x (2 a 1) y z 1
k.- (2 a 1) x y z 2 ;
x y (2 a 1) z 3
ax y z 1
n.- x a 2 y z 0 ;
x y az 1
(2 a 1) x y z
l.- x (2 a 2) y z
x y (2 a 3) z
( a 1) x y z
o.- ( a 2) x y z
( a 3) x y z
x yz 1
q.- 2 x y z 1 ;
ax y z a
3ax 2 y 3z 1
r.- x 2 ay 3z 1 ;
x y 3az 1
x 3ay z 2
u.- 3ax y z 1 ;
x y 3az 3
x y ( a 3) z 1
w.- x ( a 3) y z 1 ;
( a 3) x y z 1
x y az a 3 a 2
x.- x y z a 2 a .
x y az a
1
1;
1
1
1;
1
4.2.16 Determine de ser posible los valores de a y b, para que el sistema de ecuaciones lineales tenga solucin nica,
tenga ms de una solucin, no tenga solucin y encuentre la solucin general del sistema en trminos de a y b:
ax y z 4
ax by z 1
bx ( a 1) y z 1
(2b 1) x y z 1
a.- x by z 3 ;
b.- x aby z b ;
c.- ax y ( a 1) z 1 ;
d.- x (2b 1) y z b ;
x 2by z 4
x by az 1
x yz a
x y (2b 1) z 1
ax y z
e.- x ay z
x y az
x by az
i.- bx ay z
ax y az
b
c;
d
1
1 ;
b
x ay z
f.- bx y z
x yz
x 3 y bz
j.- x by z
x yz
b
a;
1
0
a ;
b
x y (b 1) z 1
g.- x ( a 1) y z b ;
(b 1) x y z 1
2bx 2 y 3z 1
k.- x 3ay z b ;
x by 4 z 1
x (2 a 1) y z
h.- (2 a 1) x y z
x y (2b 1) z
ax (b 2) y z
l.- bx ( a 1) y z
3x (b 1) y z
1
b;
3
1
1;
1
x by az 2
m.- bx y z 3 ;
2x y z 1
bx 3 y bz b
n.- 2 x by 3z 1 ;
x y az a
(b 1) x y z 1
o.- ( a 2) x y z b ;
(b 3) x y z 1
bx y z 1
q.- x a 2 y z b ;
x y bz 1
ax y z b
r.- x by z 3 ;
x y az b
bx 3 y az 1
s.- ax by z 1 ;
bx y az b
x y ( a 3) z b
t.- x (b 3) y z 1 ;
( a 3) x y z 1
x yz b
u.- bx y z 1 ;
ax by z a
x 3ay az 2
v.- 3bx y z b ;
x y 3z 3
3ax 2 y 3z b
w.- bx 2 ay 3z 1 ;
x y 3bz 1
x y z b3 b 2
x.- x y z a 2 a .
x yz b
4.2.17 Solucionar los siguientes sistemas de ecuaciones lineales utilizando un mtodo numrico:
3.2 x 5.4 y 4.2 z 2.2u 2.6
7.9 x 5.6 y 5.7 z 7.2w
2.1x 3.2 y 3.1z 1.1u 4.8
8.5 x 4.8 y 0.8 z 3.5w
a.-
;
b.-
1.2
x
0.4
y
0.8
z
0.8
u
3.6
6.68
9.95
;
8.6
1
JOE GARCIA ARCOS
c.-
;
8.125 x 4.875 y 3.25 z 1.625u 0.625
5.25 x 5.25 y 1.75 z 3.5u 0, 625
2.4 x 0.2 y 0.3 z 1.1u 5.8w 23.84
0.3x 0.1y 1.1z 10.2u w 38.85
183
d.-
;
1.2 x 0.4 y 0.8 z 0.8u 3.6
4.7 x 10.4 y 9.7 z 9.7u 8.4
4.2.18 Resolver mediante el mtodo de eliminacin de Gauss-Jordan los siguientes sistemas de ecuaciones:
x y z u 2
x y z u 1
2 x y 2 z u
x y 3z u 1
x y z u 2
x y 3z 3u
a.-
;
b.-
;
c.-
x
y
2
z
2
u
1
2
x
y
2
z
u
1
3x y 3z u
3 x y z u 1
x 2 y z 2u 2
x y z 3u
2x 3 y z u
3 x 2 y 5 z u
d.-
x 3 y 2z u
x y 2 z 3u
3x y 2 z u
x 3y z u
g.-
x y 3z u
x y z 3u
0
1
;
0
1
1
2
;
1
1
0
1
;
0
1
x 2 y z 2u 0
x 3y z u 1
e.-
;
3 x y z 2u 0
x y 2 z u 1
x y z 3u
x y 3z u
f.-
x 3y z u
3 x y z u
5 x y 3z u 2
x 3 y 2 z u 2
h.-
;
3x 2 y z 2u 1
x y 2 z u 1
2 x 2 y 3z 3u 1
2 x 2 y z 2u 1
i.-
;
x 3 y 2 z 3u 1
x 3 y z 2u 1
3
2
;
1
1
x 2 y 3z u
2 x 3 y 2 z u
j.-
x 2 y 3z u
2 x 3 y z 2u
3
1
;
2
1
4x 3 y 2z u
5 x 4 y 3 z u
k.-
x 4 y 5 z 2u
2 x y 2 z 3u
1
2
;
1
2
3x y 3z u
2x 3 y 2z u
l.-
3 x 2 y z 3u
4 x 3 y z 3u
x 2 y z 3u
x 2 y 3z 2u
m.-
3x y 2 z u
x y 3z 2u
5
3
;
1
2
x 3 y z 2u
x 2 y 2 z 2u
n.-
x 2 y 3z u
x 3 y z u
5 x 3 y z 2u
4 x 3 y 2 z 2u
o.-
3x 2 y 3z 3u
2 x y z 4u
3x 5 y 7 z u
x 7 y 5 z 3u
p.-
2 x 7 y 4 z u
x 5 y 4 z 3u
4
3
;
2
1
x 7 y 5 z 3u 5
4 x y 3z 2u 2
q.-
;
5 x 3 y z 4u 3
x 6 y 4 z u 2
7 x 12 y 4 z 3u
3x 7 y 5 z 4u
r.-
2 x 5 y 12 z u
x 12 y 15 z 2u
4 x 3 y z 5u
x 10 y z 3u
t.-
4 x 2 y 5 z u
x 5 y 3z 2u
3 x 4 y 5 z u
x 5 y 6 z 2u
u.-
2 x 4 y 4 z u
x 5 y 5 z 3u
2 x 4 y 5 z 6u
x 3 y 3 z 4u
s.-
3x y 2 z 3u
x 4 y 2 z 5u
1
1
;
3
2
1
2
3
5
2
;
3
1
3
1
;
2
4
1
2
;
3
4
5
2
;
3
4
4
1
.
3
2
184
4.3 C U EST I O N A RI O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
4.3.1 Si las matrices aumentadas de dos sistemas de
ecuaciones lineales son equivalentes por filas, entonces los
dos sistemas tienen el mismo conjunto solucin.
O BJ E T I V O
Resolver problemas relacionados con los espacios vectoriales reales o complejos, interpretndolos como una
estructura algebraica, utilizando matrices, determinantes, rango e inversa y sistemas de ecuaciones lineales, en
situaciones reales, propias de la ingeniera.
C O NT ENID O:
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES
COMBINACIONES LINEALES. SUBESPACIOS GENERADOS
INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA
DEPENDENCIA E INDEPENDENCIA LINEAL
BASE Y DIMENSION
VECTOR DE COORDENADAS Y CAMBIO DE BASE
CUESTIONARIO
5.1 ESP A C I OS V E C T O R I A L ES
En esta seccin se generalizar el concepto de vector. Se enunciar un conjunto de axiomas que, si una clase
de objetos hace que se cumplan, permitir denominar vectores a esos objetos. Los axiomas se elegirn abstrayendo las propiedades ms importantes de los vectores en n. El trabajo desarrollado en esta seccin es muy
til, ya que proporciona una herra mienta poderosa para extender la representacin geomtrica a una a mplia
variedad de problemas matemticos importantes en los que de otra forma no se contara con la intuicin geomtrica.
La resolucin de los problemas de cualquier gnero se reduce, al fin y al cabo, al
estudio de ciertos conjuntos y, en primer lugar, al estudio de la estructura de dichos conjuntos. Para estudiar la estructura de conjuntos se emplean los ms diversos mtodos. Por ejemplo, partiendo de la propiedad caracterstica que poseen los
elementos o bien partiendo de las propiedades de las operaciones, si estn definidas para los elementos.
El ltimo mtodo parece ser de atraccin especial debido a su generalidad. Efectivamente, ya hemos visto repetidamente que en los ms diversos conjuntos pueden introducirse las ms diversas operaciones que, no obstante, poseen propiedades iguales. Ser evidente por esta razn que si en la investigacin de los conjuntos se obtiene cierto resultado slo en la base de las propiedades de una operacin, este resultado tendr lugar en todos los conjuntos, donde las operaciones
poseen las mismas propiedades. En este caso la naturaleza concreta tanto de los
elementos como de las operaciones sobre ellos puede ser completamente diferente.
186
ESPACIOS VECTORIALES
Se conoce que en realidad detrs de los vectores estn los objetos fsicos bien
reales. Por esto, la investigacin detallada de la estructura de los conjuntos representa inters por lo menos para la fsica. Hay una tentacin, originada por la sencillez de los conjuntos citados, que conduce al deseo de estudiarlos apoyndose
slo en las peculiaridades concretas de los elementos. Sin embargo, no podemos
sino observar el hecho de que dichos conjuntos tienen mucho en comn, razn
por la cual parece racional comenzar su estudio partiendo de ciertas posiciones
generales, abrigando esperanza, por lo menos, que tendremos xito en evitar repeticiones fastidiosas y montonas al pasar de la investigacin de un conjunto a la
del otro.
No se desarrollaran las diferentes propiedades de los cuerpos abstractos y no
trataremos de cuerpo especfico alguno que no sea de los nmeros racionales,
reales y complejos. Es conveniente y cmodo, por el momento, no especificar la
naturaleza exacta del cuerpo de escalares, porque gran parte de los espacios vectoriales es vlida para cuerpos arbitrarios. El estudiante que no conoce los cuerpos
abstractos no estar en desventaja, pues basta con que piense en K como en uno
de los cuerpos que le son familiares. Todo lo que importa es que podamos efectuar las operaciones de adicin y sustraccin, multiplicacin y divisin, en la
forma usual. Ms adelante tendremos que restringir a K al cuerpo de los nmeros
reales o al cuerpo de los nmeros complejos, para obtener ciertos resultados clsicos; pero se pospondr ese momento tanto como podamos. En general, usaremos
letras minsculas del alfabeto latino para denotar a los vectores. Una excepcin es
el vector nulo que se denotar por .
D E F I N I C I O N 5.1.1
Sea V un conjunto cualesquiera no vaco de elementos sobre el que estn
definidas dos operaciones: la adicin y la multiplicacin por escalares.
Por adicin se entiende una regla que asocia a cada par de elementos u y
v en V un elemento u + v denominado suma de u y v; por multiplicacin
escalar se entiende una regla que asocia a cada escalar D y cada elemento
u en V un elemento Du, denominado mltiplo escalar de u por D. Si los
elementos u, v, w en V y los escalares D y E satisfacen los axiomas siguientes, entonces V se denomina espacio vectorial, y sus elementos se
denominan vectores:
1.- Si u, v estn en V, entonces u + v est en V.
2.- Si u, v estn en V, entonces u + v = v + u.
3.- Si u, v, w estn en V, entonces u + (v + w) = (u + v) + w.
4.- Existe un nico elemento en V, denominado vector cero de V, tal
que se cumple que + u = u + = u para todo u en V.
5.- Para todo u en V existe un elemento -u en V, denominado opuesto
de u, tal que se cumple u + (-u) = (-u) + u = .
6.- Si D es cualquier escalar y u es cualquier elemento en V, entonces
Du est en V.
7.- Si u, v estn en V y D es un escalar, entonces D(u + v) = Du + Dv.
8.- Si u est en V y D, E son escalares, entonces (D + E)u = Du + Eu.
9.- Si u est en V y D, E son escalares, entonces D(Eu) = (DE)u.
10.- Si u est en V y 1 es un escalar, 1u = u.
Los elementos de cualquier espacio vectorial los llamaremos vectores, a pesar de
que segn su naturaleza concreta dichos elementos pueden ser bien distintos de
los segmentos dirigidos. Las representaciones geomtricas, relacionadas con el
nombre de vectores, nos ayudaran en aclarar y, con frecuencia, en prever los
resultados necesarios, como tambin en buscar la interpretacin geomtrica de
diferentes hechos la cual no siempre resulta obvia. Cualquier tipo de objeto pueALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
187
De esta forma, desde el punto de vista de las operaciones de multiplicacin, adicin y sustraccin tienen lugar formalmente todas las reglas de transformaciones
equivalentes para las expresiones algebraicas.
En algunas aplicaciones, es necesario alterar la definicin de espacio vectorial
para que los escalares sean nmeros complejos. Entonces se habla de un espacio
vectorial complejo. En gran medida, la teora de los espacios vectoriales reales es
igual que la teora de los espacios vectoriales complejos. En consecuencia, a lo
largo del captulo, se puede reemplazar la expresin espacio vectorial por espacio
vectorial complejo.
E J E M P L O 5.1.1
Considrese las funciones f : o . Dentro del conjunto de todas estas funciones
est el subconjunto que consiste en todas las funciones f derivables dos veces que
satisfacen a la ecuacin diferencial f + f = 0, donde cada signo de prima indica
derivacin. Por supuesto, f es nuevamente una funcin de en . Podemos
afirmar que el subconjunto () formado por todas las funciones f que satisfacen la
ecuacin diferencial, es un espacio vectorial sobre , donde utilizamos las mismas
operaciones de suma y producto por escalares en este subconjunto que en ().
ALGEBRA LINEAL CON MATLAB
188
ESPACIOS VECTORIALES
SO L U C I O N
Verifquense los axiomas (1) y (6). Para hacerlo con (1), hemos de demostrar que si
las funciones f y g satisfacen ambas la ecuacin diferencial, entonces tambin la
satisfar f + g. Pero esto es trivial, puesto que de f + f = 0 y g + g = 0 obtenemos
fcilmente (f + g) + (f + g) = 0. De forma anloga, si D es un nmero real, entonces
de f + f = 0 se halla que (Df) + (Df) = 0. Por tanto, tambin es satisfecho el
axioma (6). Los otros axiomas automticamente se cumplen.
E J E M P L O 5.1.2
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- En (-f; f), los polinomios de grado mayor o igual que 2;
b.- En (-f; f), los polinomios que tienen un cero en x = 2.
SO L U C I O N
a.- Tenemos que analizar el conjunto
S = {p(t) P / p(t) = a2t2 + a3t3 + ... + antn, donde a2, a3, ..., an }.
A continuacin comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si p1, p2 estn en S, entonces p1 + p2 estn en S. Es decir:
(p1 + p2)(t) = p1(t) + p2(t) = (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2 + b2)t2 + (a3 + b3)t3 an + bn)tn = c2t2 + c3t3 + cntn S.
2.- Si p1, p2 estn en S, entonces p1 + p2 = p2 + p1. Es decir:
(p1 + p2)(t) = p1(t) + p2(t)
= (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2 + b2)t2 + (a3 + b3)t3 an + bn)tn
= (b2 + a2)t2 + (b3 + a3)t3 bn + an)tn
= p2(t) + p1(t)
= (p2 + p1)(t).
3.- Si p1, p2, p3 estn en S, entonces p1 + (p2 + p3) = (p1 + p2) + p3. Es decir:
[p1 + (p2 + p3)](t) = p1(t) + [p2(t) + p3(t)]
= (a2t2 + a3t3 + ... + antn) + [(b2 + c2)t2 bn + cn)tn]
= (a2 + b2 + c2)t2 + (a3 + b3 + c3)t3 an + bn + cn)tn]
= [(a2 + b2) + c2]t2 + [(a3 + b3) + c3]t3 >an + bn) + cn]tn
= [(a2 + b2)t2 + (a2 + b2)t2 an + bn)tn] + (c2t2 + c3t3 + ... + cntn)
= [p1(t) + p2(t)] + p3(t) = [(p1 + p2) + p3](t).
4.- Existe un nico elemento p en S, denominado vector cero de S, tal que se
cumple que p + p = p + p = p para todo p en S. Es decir:
(p + p)(t) = p(t) + p(t)
= (0t2 + 0t3 + ... + 0tn) + (a2t2 + a3t3 + ... + antn)
= (0 + a2)t2 + (0 + a3)t3 an)tn
= a2t2 + a3t3 + ... + antn = p(t).
5.- Para todo p en S existe un elemento p en S, denominado opuesto de p, tal
que se cumple p + (-p) = (-p) + p = p. Es decir:
[p + (-p)](t) = p(t) + [-p(t)]
= (a 2t2 + a 3t3 + ... + a ntn) + (- a 2t2 - a 3t3 - ... - a ntn)
= (a 2 - a 2)t2 + ( a 3 a 3)t3 a n - a n)tn
= 0t2 + 0t3 + 0tn = p(t).
6.- Si D es cualquier escalar y p es cualquier elemento en S, entonces Dp est en
S. Es decir:
(Dp)(t) = Dp(t)
= D(a2t2 + a3t3 + ... + antn)
= (Da2)t2 + (Da3)t3 + ... + (Dan)tn
= b2t2 + b3t3 + ... + bntn S.
7.- Si p1, p2 estn en S y D es un escalar, entonces D(p1 + p2) = Dp1 + Dp2. Es
decir:
[D(p1 + p2)](t) = D[p1(t) + p2(t)]
= D[(a2 + b2)t2 + (a3 + b3)t3 an + bn)tn]
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
189
190
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
191
EJ E M P L O 5.1.4
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- El conjunto de las funciones diferenciables en [a; b];
b.- El conjunto de todas las funciones con derivada segunda en [0; 1].
SO L U C I O N
f ( x h) f ( x )
192
ESPACIOS VECTORIALES
[ f ( f )]( x h) [ f ( f )]( x)
h
( f f )( x h) ( f f )( x)
lim
h o0
h
f ( x h) f ( x )
lim
f ( x )
h o0
h
6.- Si D es cualquier escalar y f es cualquier elemento en S, entonces Df est en
S. Es decir:
(Df )( x h) (Df )( x)
f ( x h) f ( x)
(Df )( x) lim
D lim
Df ( x) S.
ho0
ho0
h
h
7.- Si f1, f2 estn en S y D es un escalar, entonces D(f1 + f2) = Df1 + Df2. Es decir:
[D( f1 f 2 )]( x h) [D( f1 f 2 )]( x)
[D( f1 f 2 )]( x) lim
h o0
h
(Df1 Df 2 )( x h) (Df1 Df 2 )( x)
lim
h o0
h
D[ f1 ( x h) f1 ( x)] D[ f 2 ( x h) f 2 ( x)]
lim
h o0
h
f1 ( x h) f1 ( x)
f ( x h) f 2 ( x )
D lim
D lim 2
h o0
h o0
h
h
Df1( x) Df 2 ( x) .
[ f ( f )]( x)
lim
h o0
, 0 d x d 1 .
b.- En este caso tenemos que S f F / f ( x) lim
h o0
h
ESPACIOS VECTORIALES
193
( f1 f 2 )( x h) ( f1 f 2 )( x)
h
[ f1( x h) f1( x)] [ f 2 ( x h) f 2 ( x)]
lim
h o0
h
[ f 2 ( x h) f 2 ( x)] [ f1( x h) f1( x)]
lim
h o0
h
( f 2 f1 )( x h) ( f 2 f1 )( x)
lim
h o0
h
( f 2 f1 )( x) .
3.- Si f1, f2, f3 estn en S, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
[ f ( f 2 f 3 )]( x h) [ f1 ( f 2 f 3 )]( x)
[ f1 ( f 2 f 3 )]( x) lim 1
h o0
h
[ f1( x h) f1( x)] [( f 2 f 3 )( x h) ( f 2 f 3 )( x)]
lim
h o0
h
[ f1( x h) f1( x)] [ f 2 ( x h) f 2 ( x)] [ f 3( x h) f 3( x)]
lim
ho0
h
[( f1 f 2 )( x h) ( f1 f 2 )( x)] [ f 3( x h) f 3( x)]
lim
h o0
h
[( f1 f 2 ) f 3 ]( x h) [( f1 f 2 ) f 3 ]( x)
lim
[( f1 f 2 ) f 3 ]( x) .
ho0
h
4.- Existe un nico elemento f en S, denominado funcin cero de S, tal que se
cumple que f + f = f + f = f para toda f en S. Es decir:
( f f )( x h) ( f f )( x)
( f f )( x) lim
h o0
h
[ f ( x h) f ( x)] [ f ( x h) f ( x)]
lim
h o0
h
f ( x h) f ( x)
f ( x h) f ( x)
lim
lim
h o0
h o0
h
h
0 f ( x) f ( x) .
5.- Para todo f en S existe un elemento f en S, denominado opuesto de f, tal que
se cumple f + (-f) = (-f) + f = f. Es decir:
[ f ( f )]( x h) [ f ( f )]( x)
[ f ( f )]( x) lim
h o0
h
( f f )( x h) ( f f )( x)
lim
h o0
h
f ( x h) f ( x)
lim
f ( x )
h o0
h
6.- Si D es cualquier escalar y f es cualquier elemento en S, entonces Df est en
S. Es decir:
(Df )( x h) (Df )( x)
f ( x h) f ( x)
(Df )( x) lim
D lim
Df ( x) S.
ho0
ho0
h
h
7.- Si f1, f2 estn en S y D es un escalar, entonces D(f1 + f2) = Df1 + Df2. Es decir:
[D( f1 f 2 )]( x h) [D( f1 f 2 )]( x)
[D( f1 f 2 )]( x) lim
ho0
h
(Df1 Df 2 )( x h) (Df1 Df 2 )( x)
lim
h o0
h
D[ f1( x h) f1( x)] D[ f 2 ( x h) f 2 ( x)]
lim
h o0
h
( f1 f 2 )( x)
lim
h o0
194
ESPACIOS VECTORIALES
f1( x h) f1( x)
f ( x h) f 2 ( x)
D lim 2
h o0
h
h
Df1( x) Df 2 ( x) .
8.- Si f est en S y D, E son escalares, entonces (D + E)f = Df + E f. Es decir:
[(D E) f ]( x h) [(D E) f ]( x)
[(D E) f ]( x) lim
h o0
h
(Df Ef )( x h) (Df Ef )( x)
lim
h o0
h
D[ f ( x h) f ( x)] E[ f ( x h) f ( x)]
lim
h o0
h
f ( x h) f ( x)
f ( x h) f ( x)
D lim
E lim
h o0
h o0
h
h
Df ( x) Ef ( x) .
9.- Si f est en S y D, E son escalares, entonces D(E f) = (DE)f. Es decir:
[D(Ef )]( x h) [D(E f )]( x)
D[(Ef )( x h) (Ef )( x)]
[D(Ef )]( x) lim
lim
h o0
h
o
0
h
h
(Ef )( x h) (Ef )( x)
f ( x h) f ( x)
D lim
DE lim
(DE) f ( x)
ho0
ho0
h
h
.
10.- Si f est en S y 1 es un escalar, 1f = f. Es decir:
(1 f )( x h) (1 f )( x)
f ( x h) f ( x)
(1 f )( x) lim
lim
f ( x) .
ho0
ho0
h
h
Como se prueban todos los axiomas, entonces S es un espacio vectorial.
D lim
h o0
EJ E M P L O 5.1.5
Verifique que los conjuntos siguientes de funciones no son espacios vectoriales:
a.- El conjunto de todas las funciones f diferenciables en [0; 1] tales que f = f 1;
b.- El conjunto de todas las funciones f en [0; 2] con la propiedad que x d~f(x)~ en
0 d x d 2;
SO L U C I O N
a.- En este caso tenemos que S = {f F / f (x) = f(x) - 1, 0 d x d 1}. A
continuacin comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si f1, f2 estn en S, entonces f1 + f2 estn en S. Es decir:
(f1 + f2)(x) = f1(x) + f2(x) = [f1(x) 1] + [f2(x) 1] = (f1 + f2)(x) 2 S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial.
b.- En este caso tenemos que S = {f F / ~f(x)~ t x, 0 d x d 2}. A continuacin
comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si f1, f2 estn en S, entonces f1 + f2 estn en S. Es decir:
~(f1 + f2)(x)~ = ~f1(x) + f2(x)~ d ~f1(x)~ + ~f2(x)~ = x + x = 2x S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial.
EJ E M P L O 5.1.6
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- S consiste en todas las soluciones de y - 8xy = 0, con la suma de funciones y la
multiplicacin de una funcin por un escalar usuales;
b.- V consta de todas las funciones reales y continuas definidas en [0; 1] tales que
1
0 f ( x) dx
escalar usuales.
SO L U C I O N
a.- En este caso tenemos que S = {y F / y - 8xy = 0}. A continuacin
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
195
^f F /
1
0
f ( x) dx 0, 0 d x d 1 . A
0 ( f1 f 2 )( x) dx 0 f1 ( x) dx 0 f 2 ( x) dx
0 0 0 S.
0 ( f1 f 2 )( x) dx 0 f1 ( x) dx 0 f 2 ( x) dx 0 f 2 ( x) dx 0 f1 ( x) dx
00 0
3.- Si f1, f2, f3 estn en V, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
1
0 [ f1 ( f 2 f3 )]( x) dx 0 f1 ( x) dx 0 ( f 2 f3 )( x) dx
1
0 f1 ( x) dx 0 f 2 ( x) dx 0 f3 ( x) dx
1
0 ( f1 f 2 )( x) dx 0 f3 ( x) dx
1
0 [( f1 f 2 ) f3 ]( x) dx .
ALGEBRA LINEAL CON MATLAB
196
ESPACIOS VECTORIALES
0 ( f
0 f ( x)
f )( x) dx
dx f ( x) dx
0 f ( x) dx 0 f ( x)
dx 0 0 0
.
5.- Para todo f en V existe un elemento f en V, denominado opuesto de f, tal
que se cumple f + (-f) = (-f) + f = f. Es decir:
1
0 [ f ( f )]( x) dx 0 f ( x) dx 0 ( f )( x) dx
0 f ( x) dx 0 f ( x) dx
00 0 .
0 (Df )( x) dx 0 Df ( x) dx
D f ( x) dx D 0 0 S
0
7.- Si f1, f2 estn en V y D es un escalar, entonces D(f1 + f2) = Df1 + Df2. Es decir:
1
D f1 ( x) dx D f 2 ( x) dx D 0 D 0 0
0 [(D E) f ]( x) dx 0 (Df Ef )( x) dx 0 Df ( x) dx 0 Ef ( x) dx
1
D f ( x) dx E f ( x) dx D 0 E 0 0
0 D(Ef )( x) dx
D (Ef )( x) dx D Ef ( x) dx DE f ( x) dx (DE) 0 0 .
0 (1 f )( x) dx
1 f ( x) dx
0
0 f ( x) dx
0.
PR O B L E M AS
5.1.1 Demustrese que el conjunto compuesto solamente
por el nmero 0 es un espacio vectorial, con las reglas
habituales de la adicin y la multiplicacin de nmeros.
5.1.2 Sea P m el conjunto de todos los polinomios con
coeficientes reales y de grado d m. Demuestre que P m es
un espacio vectorial, con la suma de polinomios y la
multiplicacin de un polinomio por un escalar usuales.
5.1.3 V consta de todas las funciones reales y continuas
definidas en >0; 1@ tales que f(1) =1, con la suma de funciones y la multiplicacin de una funcin por un escalar
usuales. Muestre que V no es un espacio vectorial.
5.1.4 m consiste en todos los polinomios con coeficientes reales. Demuestre que m es un espacio vectorial, con la suma de polinomios y la multiplicacin de un
polinomio por un escalar usuales.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
197
c d g h c d
y la multiplicacin escalar es la habitual.
g.- El conjunto V del literal e). La suma definida como
JOE GARCIA ARCOS
198
ESPACIOS VECTORIALES
a b e f e f
c d g h g h
y la multiplicacin escalar definida por
a b 0 0
D
.
c d 0 Dd
h.- El conjunto V del literal e). La suma definida por
b f
a b e f 0
0
c d g h c g
y la multiplicacin escalar por
a b Da Db
D
.
c d Dc Dd
0 f ( x)dx t 0 ;
ESPACIOS VECTORIALES
199
5.2 SU B ESP A C I OS V E C T O R I A L ES
En esta seccin se estudiar con detalle los espacios vectoriales que estn contenidos en un espacio vectorial
ms grande. Se enunciarn y demostrarn sus propiedades.
ALGEBRA LINEAL CON MATLAB
Con frecuencia, se tiene que un espacio vectorial est contenido en otro, y que la
adicin y la multiplicacin por escalares del primer espacio vectorial se llevan a
cabo de manera exactamente igual a la del segundo. Cuando esto es as, se dice
que el primer espacio vectorial es subespacio del segundo.
En trminos generales, para demostrar que un conjunto U con la adicin y la multiplicacin escalar En trminos generales, para demostrar que un forma un espacio
vectorial es necesario verificar los 10 axiomas de espacio vectorial. Sin embargo,
si U es parte de un conjunto ms grande V del que se sabe es un espacio vectorial,
entonces no es necesario verificar ciertos axiomas para U porque son heredados de
V.
D E F I N I C I O N 5.2.1
Un subconjunto U de un espacio vectorial V se denomina subespacio de
V si U es un espacio vectorial bajo la adicin y la multiplicacin escalar
definidas sobre V.
Es importante tener en cuenta que para que un subconjunto no vaco U de un espacio vectorial V sea un subespacio, el subconjunto y las operaciones de suma de
vectores y multiplicacin por un escalar deben formar un sistema autocontenido.
Es decir, cualquier suma o multiplicacin por un escalar efectuada con vectores
del subconjunto U siempre produce un vector que est en U. Si U es no vaco y
cerrado bajo la suma y multiplicacin por un escalar, con seguridad constituye un
espacio vectorial por derecho propio. Por tanto, se ha llegado a un criterio eficiente para determinar si un subconjunto es un subespacio de un espacio vectorial.
T E O R E M A 5.2.1
Si U es un conjunto formado por uno o ms vectores de un espacio vectorial V, entonces U es un subespacio de V si y slo si se cumplen las condiciones siguientes:
1.- Si u, v son elementos de U, entonces u + v est en U.
2.- Si a es cualquier nmero y u es un elemento de U, entonces au est
en U.
D E M OST R A C I O N
Si U es un subespacio de V, entonces se cumplen todos los axiomas de espacio vectorial; en particular, se cumplen los axiomas 1 y 6. Pero stas son precisamente las
condiciones 1 y 2. Recprocamente, supngase que se cumplen las condiciones 1 y 2.
Como estas condiciones son los axiomas 1 y 6 de espacio vectorial, basta demostrar
que U satisface los ocho axiomas restantes. Los vectores de U cumplen automticamente los axiomas 2, 3, 7, 8, 9 y 10, ya que estos axiomas se cumplen para todos los
vectores en V. En consecuencia, para completar la demostracin, basta verificar que
los axiomas 4 y 5 se cumplen para vectores en U. Sea u cualquier vector de U. Por la
condicin 2, au est en U para cualquier escalar a. Haciendo a = 0, se concluye que
0u = est en U, y haciendo a = -1 se concluye que (-1)u = -u est en U.
Se dice que un conjunto U formado por uno o ms vectores de un espacio vectorial
V es cerrado bajo la adicin si se cumple la condicin 1 del teorema anterior, y
cerrado bajo la multiplicacin escalar si se cumple la condicin 2. As, de esta
manera se establece que U es un subespacio de V si y slo si U es cerrado bajo la
adicin y cerrado bajo la multiplicacin escalar.
200
ESPACIOS VECTORIALES
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
201
SO L U C I O N
Se ve claramente que contiene a la funcin cero, de manera que es un conjunto
no vaco de funciones en [0; 1]. Si f y g estn en , entonces f + g y E f son funciones diferenciables en [0; 1], y
(f + g) = f + g = E f + Eg = E(f + g), (E f) = E f = E(Df) = D(E f).
En consecuencia, es cerrado bajo la adicin y la multiplicacin por escalares.
Por lo tanto, es subespacio vectorial.
E J E M P L O 5.2.2
Demostrar que el conjunto S = ^A M(n x n) / A = A T` de las matrices simtricas,
forman un subespacio vectorial del espacio de las matrices cuadradas de orden n.
SO L U C I O N
Sean A = A T, B = B T S. Entonces para escalares cualesquiera O y M tenemos:
(OA + MB)T = (OA)T + (MB)T = OA T + MB T = OA + MB S.
Si adems S, entonces:
(OA + MB)T = (O + M)T = OT + MT = O + M = S.
Luego (OA + MB)T S, y por lo tanto S es un subespacio de M(n x n).
EJ E M P L O 5.2.3
Sea el conjunto solucin de un sistema no homogneo A X = B, con las operaciones
usuales de adicin de matrices y multiplicacin por escalares. Demostrar que este
conjunto no es un subespacio vectorial.
SO L U C I O N
Supongamos que Y y Z son soluciones del sistema A X = B; es decir Y, Z n.
Entonces para escalares cualesquiera O y M, tenemos:
A(OY + MZ) = A(OY) + A(MZ) = O(A Y) + M(A Z) = OB + MB = (O + M)B z B
Como (OY + MZ) no es solucin del sistema, entonces no es un subespacio vectorial
de n.
E J E M P L O 5.2.4
Determine si los siguientes subconjuntos son subespacios de 3. En caso afirmativo,
prubelo, en caso contrario de una razn para la cual no sea un subespacio vectorial:
a.- S = {(a, b, c) / a + b 3 = 2c};
b.- S = {(a, b, c) / a + b = 4c};
c.- S = {(a, b, c) / a, b, c t 0};
d.- S = {(a, b, c) / a2 + b2 + c2 = 1}.
SO L U C I O N
a.- Est claro que S es vaco, puesto que el vector (0, 0, 0) S. Adems el vector
ms general de S es de la forma (-b + 2c + 3, b, c), donde b y c son nmeros reales
cualesquiera. Sean los vectores (-x + 2y + 3, x, y) y (-u + 2v + 3, u, v) de S y sea k un
nmero real cualquiera. Entonces:
(-x + 2y + 3, x, y) + (-u + 2v + 3, u, v) = (-x u + 2y + 2v + 6, x + u, y + v) S,
k(-x + 2y + 3, x, y) = (-kx + 2ky + 3k, kx, ky) S.
Lo que prueba que S no es un subespacio vectorial.
b.- Est claro que S es no vaco, puesto que el vector (0, 0, 0) S. Adems el vector
ms general de S es de la forma (-b + 4c, b, c), donde b y c son nmeros reales
cualesquiera. Sean los vectores (-x + 4y, x, y) y (-u + 4v, u, v) de S y sea k un nmero
real cualquiera. Entonces:
(-x + 4y, x, y) + (-u + 4v, u, v) = (-x u + 4y + 4v, x + u, y + v) S,
k(-x + 4y, x, y) = (-kx + 4ky, kx, ky) S.
Lo que prueba que S es un subespacio vectorial.
c.- Est claro que S es no vaco cuando a = b = c = 0, puesto que el vector (0, 0, 0)
S, pero cuando a, b, c > 0, S es vaco puesto que el vector (0, 0, 0) S. Lo que
prueba que S no es un subespacio vectorial.
d.- Est claro que S es vaco, puesto que el vector (0, 0, 0) S. Lo que prueba que S
no es un subespacio vectorial.
JOE GARCIA ARCOS
202
ESPACIOS VECTORIALES
EJ E M P L O 5.2.5
Explique si cada uno de los siguientes subconjuntos del espacio vectorial 3 son
subespacios vectoriales de l:
a.- S = {p(x) / a + b = 0`;
b.- S = {p(x) / a = b = c = d};
c.- S = {p(x) / a = b = c = 0};
d.- S = {p(x) / p(-1) = p(1) = 0}.
SO L U C I O N
a.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 +
0x + 0 S. Como S 3, entonces p(x) = ax3 + bx2 + cx + d y como a = b, entonces
el polinomio ms general de S es de la forma p(x) = bx3 + bx2 + cx + d, donde b, c y d
son nmeros reales cualesquiera. Sean los polinomios q(x) = Dx3 + Dx2 + Ex + M y
r(x) = mx3 + mx2 + nx + s de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (D + m)x3 + (D + m)x2 + (E + n)x + (M + s) S,
kq(x) = k(Dx3 + Dx2 + Ex + M) = kDx3 + kDx2 + kEx + kM S.
Lo que prueba que S es un subespacio vectorial.
b.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 +
0x + 0 S. Como S 3, entonces p(x) = ax3 + bx2 + cx + d y como a = b = c = d,
entonces el polinomio ms general de S es de la forma p(x) = dx3 + dx2 + dx + d,
donde d es un nmero real cualesquiera. Sean los polinomios q(x) = Dx3 + Dx2 + Dx +
D y r(x) = Ex3 + Ex2 + Ex + E de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (D + E)x3 + (D + E)x2 + (D + E)x + (D + E) S,
kq(x) = k(Dx3 + Dx2 + Dx + D) = kDx3 + kDx2 + kDx + kD S.
Lo que prueba que S es un subespacio vectorial.
c.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 +
0x + 0 S. Como S 3, entonces p(x) = ax3 + bx2 + cx + d y como a = b = c = 0,
entonces el polinomio ms general de S es de la forma p(x) = 0x3 + 0x2 + 0x + d,
donde d es un nmero real cualesquiera. Sean los polinomios q(x) = 0x3 + 0x2 + 0x +
D y r(x) = 0x3 + 0x2 + 0x + E de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (0 + 0)x3 + (0 + 0)x2 + (0 + 0)x + (D + E)
= 0x3 + 0x2 + 0x + (D + E) S,
3
kq(x) = k(0x + 0x2 + 0x + D) = 0x3 + 0x2 + 0x + kD S.
Lo que prueba que S es un subespacio vectorial.
d.- Como S 3, entonces
p(x) = ax3 + bx2 + cx + d y p(-1) = - a + b - c + d = 0, p(1) = a + b + c + d = 0.
Por lo tanto
a b c d 0
a b c d 0
Resolviendo este sistema, obtenemos lo siguiente:
1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 0 1 0 0
|
|
|
1 1 1 1 0 0 2 0 2 0 0 1 0 1 0 0 1 0 1 0
donde a = -c y b = -d. El nuevo conjunto S = {p(x) / a = -c y b = -d}. Claramente se
puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 + 0x + 0 S.
Adems el polinomio ms general de S es de la forma p(x) = - cx3 - dx2 + cx + d,
donde c y d son nmeros reales cualesquiera. Sean los polinomios q(x) = - Dx3 - Ex2
+ Dx + E y r(x) = - mx3 - nx2 + mx + n de S y sea k un nmero real cualquiera.
Entonces:
q(x) + r(x) = - (D + m)x3 (E + n)x2 + (D + m)x + (E + n) S,
kq(x) = k(- Dx3 - Ex2 + Dx + E) = - Dkx3 - Ekx2 + Dkx + Ek S.
Lo que prueba que S es un subespacio vectorial.
EJ E M P L O 5.2.6
Sea S1 el plano en el espacio 3 dado por la ecuacin a + 2b + c = 6. Cul es la
ecuacin del plano S2 que pasa por el origen y es paralelo a S1? Son S1 y S2
subespacios de 3?
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
203
SO L U C I O N
Para que el plano S2 pase por el origen y sea paralelo al plano S1 es necesario y
suficiente que los coeficientes del plano S2 sean iguales a los de S1 y el trmino
independiente sea igual a cero; es decir S2 : a + 2b + c = 0. El plano S1 = {(a, b, c) / a
+ 2b + c = 6} no es un subespacio de 3 porque no contiene al elemento nulo
(0, 0, 0) S1. Para S2 = {(a, b, c) / a + 2b + c = 0}, est claro que S2 es no vaco,
puesto que el vector (0, 0, 0) S2. Adems el vector ms general de S2 es de la forma
(-2b c, b, c), donde b y c son nmeros reales cualesquiera. Sean los vectores
(-2x - y, x, y) y (-2u - v, u, v) de S2 y sea k un nmero real cualquiera. Entonces:
(-2x - y, x, y) + (-2u - v, u, v) = (-2x 2u y v, x + u, y + v) S;
k(-2x - y, x, y) = (-2kx - ky, kx, ky) S.
Lo que prueba que S2 es un subespacio vectorial.
PR O B L E M AS
5.2.1 Sea 5 el espacio vectorial y considere el conjunto
U de todos los polinomios de la forma (x3 + x)p(x),
donde p(x) est en 2. U es un subespacio de 5?
5.2.2 Demuestre que los nicos subespacios de 2 son:
1. el propio 2;
2. el subespacio trivial que consiste nicamente del
vector cero (0, 0);
3. cualquier conjunto de vectores (x, y) representados por
flechas que estn a lo largo de una recta que pase por el
origen.
Esto es, dada cualquier recta que pase por el origen,
todos los vectores de 2 que puedan representarse como
vectores a lo largo de esta recta constituyen un subespacio de 2. Adems, cualquier subespacio distinto de 2 y
del subespacio trivial consiste en vectores a lo largo de
una recta que pasa por el origen.
5.2.3 Demuestre que los nicos subespacios de 3 son
los siguientes:
1. el propio 3;
2. el subespacio trivial que consiste solamente del vector
cero (0, 0, 0);
3. todos los vectores paralelos a una recta dada que pasa
por el origen;
4. todos los vectores que estn en un plano dado que
pasa por el origen.
5.2.4 En cada uno de los subconjuntos siguientes de
4, determnese si el subconjunto es un subespacio:
a.- W: todos los u = ( a 1, a 2, a3, a 4) tales que a 1 = a 2.
b.- U: todos los u tales que
a 1 = a 2 y a 1 + a 2 + a 3 + a 4 = 0.
c.- J: todos los u tales que a 1 es racional.
d.- K : todos los u tales que a 1 + a 2 + a 3 + a 4 d 0.
e.- L: todos los u tales que x1 x22 .
f.- M : todos los u tales que, o bien a 1 = a 2, o bien
a 3 = a 4.
ALGEBRA LINEAL CON MATLAB
204
ESPACIOS VECTORIALES
5.3 C O M B I N A C I O N ES L I N E A L ES Y SU B ESP A C I OS G E N E R A D OS
En esta seccin estudiaremos un conjunto de vectores S que genera un espacio vectorial dado si todo vector en
este espacio se puede expresar como una combinacin lineal de los vectores de S. En general, puede haber
ms de una forma de expresar un vector del espacio vectorial como una combinacin lineal de vectores en un
conjunto generador.
Suponga que en el espacio vectorial V, definido sobre un cuerpo real o complejo,
se ha elegido un nmero determinado de vectores arbitrarios u1, u2, ..., uk que no
son necesariamente diferentes. Llamaremos a estos vectores sistema de vectores.
D E F I N I C I O N 5.3.1
Un sistema de vectores se denominar subsistema del segundo sistema,
si el primer sistema slo contiene ciertos vectores del segundo y no contiene ningn otro vector.
Sobre los vectores del sistema dado y los vectores obtenidos de los primeros se
realizarn las operaciones de adicin y multiplicacin por escalares. Est claro
que todo vector u de la forma u = a 1u1 + a 2u2 + ... + a kuk donde a 1, a 2, ..., a k son
escalares, se obtiene de los vectores del sistema dado u1, u2, ..., uk con ayuda de
las operaciones citadas. Ms an, cualquiera que sea el orden en que se realicen
estas operaciones, obtendremos solamente los vectores del tipo antes mencionado.
D E F I N I C I O N 5.3.2
Un vector u se denomina combinacin lineal de los vectores u1, u2, ..., uk
si se puede expresar en la forma u = a 1u1 + a 2u2 + ... + a kuk donde a 1, a 2,
..., a k son escalares.
Si k = 1, entonces la ecuacin de la definicin precedente se reduce a u = a 1u1; es
decir, u es una combinacin lineal de un solo vector u1 si es un mltiplo escalar
de u1. Respecto del vector u suele decirse que se expresa linealmente en trminos
de los vectores u1, u2, ..., uk. El segundo miembro de la expresin u = a 1u1 + a 2u2
+ ... + a kuk se denomina combinacin lineal de estos vectores y los nmeros a 1, a 2,
..., a k son los coeficientes de la combinacin lineal.
EJ E M P L O 5.3.1
Est dado el sistema de polinomios p(t) = 1 - t2, q(t) = 1 + t3, r(t) = t - t3, s(t) = 1 + t +
t2 + t3. Hallar las combinaciones lineales de los polinomios de ese sistema:
a.- 5p(t) + q(t) 4r(t); b.- p(t) + 9q(t) 4s(t).
Discutir los resultados obtenidos.
SO L U C I O N
a.- Para la combinacin lineal 5p(t) + q(t) - 4 r(t), obtenemos
5(1 - t2) + (1 + t3) 4(t - t3) = 6 4t 5t2 + 5t3.
b.- Para la combinacin lineal p(t) + 9q(t) 4s(t), obtenemos
(1 - t2) + 9(1 + t3) 4(1 + t + t2 + t3) = 6 4t - 5t2 + 5t3.
Podemos observar que tanto 5p(t) + q(t) - 4 r(t), como p(t) + 9q(t) 4s(t) tienen la
misma combinacin lineal.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
205
E J E M P L O 5.3.2
a.- Verifquese que el polinomio p(t) = t2 + 4t - 3 es una combinacin lineal de los
polinomios q(t) = t2 - 2t + 5, r(t) = 2t2 - 3t, s(t) = t + 3.
b.- Verifique si el vector v = (2, -5, 3) se puede expresar como combinacin lineal
de los vectores v1 = (1, -3, 2), v2 = (2, -4, -1), v3 = (1, -5, 7).
SO L U C I O N
a.- Segn la definicin, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t2 + 4t 3 = a (t2 - 2t + 5) + b(2t2 3t) + c(t + 3)
Agrupando trminos semejantes, obtenemos
t2 + 4t 3 = ( a + 2b)t2 + (-2 a - 3b + c)t + (5 a + 3c)
Establecemos el sistema de ecuaciones y resolvemos
a 2b 1
a 3
2 a 3b c 4 b 2
5a 3c 3
c 4
Por lo tanto
p(t) = - 3q(t) + 2 r(t) + 4s(t).
b.- Segn la definicin, debemos resolver v = av1 + bv2 + cv3. Es decir
(2, -5, 3) = a (1, -3, 2) + b(2, -4, -1) + c(1, -5, 7)
Agrupando trminos semejantes, obtenemos
(2, -5, 3) = ( a + 2b + c, -3 a 4b 5c, 2a b + 7c)
Establecemos el sistema de ecuaciones y resolvemos
a 2b c 2
3a 4b 5c 5 .
2a b 7c 3
3 1
1 1
0 0
0 2
0 1
las matrices B
, C
, D
, E
.
1
0
1
1
0
1
1 0
SO L U C I O N
Segn la definicin, debemos resolver A = a B + b C + c D + d E. Es decir
3 1
1 1 0 0 0 2
0 1
a
b
c
d
1 1
1 0 1 1 0 1
1 0
Agrupando trminos semejantes, obtenemos
a
a 2c d
3 1
1
1
a
b
d
bc
Establecemos el sistema de ecuaciones y resolvemos
a 3
a 3
a 2c d 1
b 2
a
b
d
1
c 1
b c 1
d 0
Por lo tanto A = 3B - 2C D.
E J E M P L O 5.3.4
Compruebe que el vector p(t) = t2 + 3t 2 se puede expresar como combinacin
lineal de los vectores q(t) = 3t2 + t - 4, r(t) = 2t 5, s(t) = 2t2 2t + 3.
206
ESPACIOS VECTORIALES
SO L U C I O N
Segn la definicin, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t2 + 3t 2 = a (3t2 + t - 4) + b(2t 5) + c(2t2 2t + 3)
Agrupando trminos semejantes, obtenemos
t2 + 3t 2 = (3 a + 2c)t2 + ( a + 2b 2c)t + (- 4 a - 5b + 3c)
Establecemos el sistema de ecuaciones y resolvemos
3a 2 c 1
a 13 / 3
13
20
q (t ) r (t ) 6 s (t ) .
b 20 / 3 p(t )
a 2b 2c 3
3
3
4 a 5b 3c 2
c 6
D E F I N I C I O N 5.3.3
Si S = {v1, v2, ..., vk} es un conjunto de vectores en un espacio vectorial
V, entonces el subespacio U de V que consta de todas las combinaciones
lineales de los vectores en S se denomina espacio generado por v1, v2, ...,
vk, y se dice que los vectores v1, v2, ..., vk generan a U. Para indicar que U
es el espacio generado por los vectores del conjunto S.
Fijemos el sistema de vectores u1, u2, ..., uk y dejemos que los coeficientes de las
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
207
208
ESPACIOS VECTORIALES
D E F I N I C I O N 5.3.4
Dos sistemas de vectores S = {v1, v2, ..., vk} y S = {w1, w2, ..., wk} de un
espacio vectorial V, se dicen equivalentes, cuando ambos engendran el
mismo subespacio.
Es evidente que, para el conjunto de los sistemas finitos de vectores de un espacio
vectorial, la equivalencia recin definida es una relacin de equivalencia. De aqu
se desprende que si los subespacios generadores de dos sistemas de vectores coinciden, entonces los sistemas son equivalentes. As pues, los conjuntos generadores no son nicos.
T E O R E M A 5.3.2
Si S = {v1, v2, ..., vk} y S= {w1, w2, ..., wk} son dos conjuntos de vectores
en un espacio vectorial V, entonces Span(S) = Span(S) si y slo si todo
vector en S es una combinacin lineal de los vectores en S y, recprocamente, todo vector en S es una combinacin lineal de los vectores en
S.
D E M OST R A C I O N
Los sistemas S y S son equivalentes, es decir, si Span(S) = Span(S), todo vector
de uno de estos subespacios, y en particular los vectores que le engendran
pertenecen al otro, es decir, depende linealmente de los vectores que engendran al
otro. Recprocamente, si todos los vectores del sistema S dependen linealmente de
los del sistema S, entonces, todo vector que depende linealmente de los vectores
de S tambin depende linealmente de los de S, es decir Span(S) Span(S), si
adems, tambin los vectores de S dependen linealmente de los de S, se
verificar que Span(S) Span(S).
E J E M P L O 5.3.5
Determine en caso de existir el subespacio generado por el conjunto de vectores
a.- S = {t2 + 3t 1, 2t2 + 1, 3t2 + t 1}; b.- S = {1- t2, t t2, 2 t t2}.
SO L U C I O N
a.- Dado at2 + bt + c un elemento de 2, debemos expresar este elemento como
combinacin lineal de los elementos de S. Es decir
at2 + bt + c = O(t2 + 3t 1) + M(2t2 + 1) + G(3t2 + t 1)
Agrupando los trminos comunes, obtenemos
at2 + bt + c = (O + M + 3G)t2 + (3O + G)t + (- O + M - G)
Establecemos el sistema de ecuaciones
ESPACIOS VECTORIALES
209
O M 3G a
3O G b
O M G c
|
|
0
3
8
3
a
b
3
0
1
b
0
3
8
3
a
b
1 1 1 c 0 2 2 a c 0 0 10 3a 2b 3c
0
1
1
b
0
1
1
b
0
1
1
b
|
|
.
2 1 1 c 0 1 1 2 a c 0 0 0 2 a b c
EJ E M P L O 5.3.6
Hallar el menor subespacio de 3 en el que se encuentran los polinomios:
q(t) = 2t3 + 2t2 - 2t, r(t) = t3 + 2t2 - t + 5, s(t) = t3 + 2t2 - 6t - 6.
SO L U C I O N
Como Oq(t) + Dr(t) + Gs(t) = p(t), entonces
O(2t3 + 2t2 - 2t) + D(t3 + 2t2 - t + 5) + G(t3 + 2t2 - 6t - 6) = at3 + bt2 + ct + d
2 1 1 a 2 1 1
a 2 1
1
a
a b
2 2 2 b | 0 1 1 a b | 0 1 1
2 1 6 c 0 0 5 a c 0 0 5
ac
0 5 6 d 0 5 6 d 0 0 11 5a 5b d
2 1 1
a b
0 1 1
0 0 5
ac
210
ESPACIOS VECTORIALES
2D 2G b
O 2D 2G c
b | 0 2 2
b
0 2 2 b | 0 2 2
1 2
2 c 0 2 2 a c 0 0 0 a b c
E J E M P L O 5.3.8
Demuestre que no existe subespacio propio de 3 en el que se encuentren los
vectores (1, 1, 1),
(1, 1, 0), (1, 0, 0).
SO L U C I O N
Span(S) = Span{( a , b, c) = O(1, 1, 1) + D(1, 1, 0) + G(1, 0, 0) / O, D, G }
= {(O + D + G, O + D, O) / O, D, G }
Se desea describir este subespacio de 3 en otros trminos. Obsrvese que de la
ltima expresin para Span{v1, v2, v3} se obtiene
O D G a
O D b
O c
1 1 0 b | 0 0 1 b a | 0 0 1 b a
1 0 0 c 0 1 1 c a 0 1 0 c b
Podemos ver que no existe condicin restrictiva para que el vector v sea combinacin
lineal de los vectores v1, v2, v3. Por lo tanto no existe subespacio propio de 3.
EJ E M P L O 5.3.9
Hallar el menor subespacio del subespacio solucin S del sistema
homogneo:
a 2b 2c 2d e 0
a 2b c 3d 2e 0 .
2 a 4b 7 c d e 0
SO L U C I O N
Resolvemos el sistema de ecuaciones homogneas:
1 2 2 2 1 0 1 2 2 2 1 0 1 2 2
1 2 1 3 2 0 | 0 0 1 1 1 0 | 0 0 1
2 4 7 1 1 0 0 0 3 3 1 0 0 0 0
de ecuaciones
2 1 0
1 1 0
0 2 0
ESPACIOS VECTORIALES
211
EJ E M P L O 5.3.10
a.- Demustrese que si U es un subconjunto de V, entonces Span(U) es un
subespacio de V.
b.- Demostrar que Span(U) es el menor subespacio que contiene a U, si W es un
subespacio de V y si U W, entonces Span(U) W.
SO L U C I O N
a.- Sabemos por hiptesis que U V y que U Span(U). El Span(U) es el
subespacio generado por todas las combinaciones lineales de U, si U es subconjunto
de V, entonces sus elementos cumplen con los axiomas del espacio vectorial V. Por
lo tanto, el subespacio generado por U tambin cumple dichos axiomas, por lo cual
el Span(U) es un subespacio de V.
b.- Si U genera un subespacio, ste es el resultado de todas las combinaciones
lineales posibles a partir de U, si no se tomaran todas las combinaciones lineales
posibles para generar el Span(U), ste no heredara los axiomas del espacio vectorial,
y por tanto solamente sera un conjunto contenido en el espacio vectorial. En
consecuencia, Span(U) es el menor subespacio de V que puede contener a U.
Adems, si el conjunto U est contenido en un subespacio W del espacio vectorial V,
este subespacio W contiene al Span(U). En un caso muy particular, W puede ser
igual al Span(U), debido a que el Span(U) es el menor subespacio que puede ser
generado por el conjunto U en el espacio vectorial V.
EJ E M P L O 5.3.11
Describir el subespacio generado por los sistemas de vectores siguientes:
a.- S = {(1, 0, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 0, 1)};
b.- S = {(1, 0, 0, 0, 1), (0, 1, 0, 1, 0), (0, 0, 1, 0, 0)};
c.- S = {(1, 0, 0, 0, -1), (0, 1, 0, 0, -1), (0, 0, 1, 0, -1), (0, 0, 0, 1, -1)}.
SO L U C I O N
a.- Dado ( a , b, c, d, e) un elemento de 5, debemos expresar este elemento como
combinacin lineal de los elementos de S. Es decir
( a , b, c, d, e) = D(1, 0, 0, 0, 0) + E(0, 0, 1, 0, 0) + M(0, 0, 0, 0, 1).
Formamos la matriz aumentada del sistema generado por la combinacin lineal:
1 0 0 a
0 0 0 b
0 1 0 c .
0 0 0 d
0 0 1 e
b 0 1 0
b
0 1 0 b 0 1 0
0 0 1 c | 0 0 1
c | 0 0 1
c .
d 0 0 0 b d
0 1 0 d 0 1 0
1 0 0 e 0 0 0 a e 0 0 0 a e
212
ESPACIOS VECTORIALES
+ G(0, 0, 0, 1, -1)
Formamos la matriz aumentada del sistema generado por la combinacin lineal:
1 0 0 0 a 1 0 0 0
a 1 0 0 0
a
b 0 1 0 0
b
0 1 0 0 b 0 1 0 0
0 0 1 0 c | 0 0 1 0
c | 0 0 1 0
c
d 0 0 0 1
d
0 0 0 1 d 0 0 0 1
1 1 1 1 e 0 1 1 1 a e 0 0 1 1 a b e
0
0
0
0
0
1
0
0
0
0 0
a
1
0 0
b
0
| 0
1 0
c
0 1
d
0
0 1 a b c e 0
0
1
0
0
0
0
0
1
0
0
0
a
0
b
.
0
c
1
d
0 a b c d e
PR O B L E M AS
5.3.1 Pruebe que S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} es una
base, demostrando que Span(S) contiene a (1, 0, 0), (0, 1,
0) y (0, 0, 1). Por qu basta esto?
5.3.2 Los nmeros reales forman un espacio vectorial
sobre los racionales. Demuestre que {1, 2} y
{1 2,1 2} generan al mismo subespacio.
5.3.5 Sean S = {(1, 0, -2), (0, 3, 6), (-4, -2, 3)} y u = (4, 1,
-4) y sea W = Span(S):
a.- Est u en S? Cuntos vectores hay en S?;
b.- Est u en W? Cuntos vectores hay en W?
c.- Demuestre que (1, 0, -2) est en W.
5.3.6 Determine el menor subespacio de las matrices de 3
x 3 que contenga todas las matrices simtricas y todas las
matrices triangulares inferiores. Cul es el mayor
subespacio contenido en ambos subespacios?
5.3.7 Demuestre que los sistemas de vectores S1 = {(1, 6,
4), (2, 4, -1), (-1, 2, 5)} y S2 = {(1, -2, -5), (0, 8, 9)}
generan el mismo subespacio de 3.
ESPACIOS VECTORIALES
213
ALGEBRA LINEAL CON MATLAB
EJ E M P L O 5.4.1
Sean
U = {(a, b, c, d) / b 2c + d = 0} y W = {(a, b, c, d) / a = d, b = 2c}
subespacios de 4. Hallar U W.
SO L U C I O N
Tomando las condiciones de los conjuntos U y W, tenemos el siguiente sistema de
ecuaciones homogneo:
0 1 2 1 0 0 1 2 1 0
b 2c d 0
1 0 0 1 0 | 1 0 0 1 0 .
ad 0
b 2c 0
0 1 2 0 0 0 0 0 1 0
a b
1 2 1 b 0 1 0 a b 0 1 0
1 2 2 c | 0 1 1 a c | 0 0 1
bc
d
d 0 0 2
0 0 2 d 0 0 2
0 0 1 3a 3b e
0 3 1 e 0 3 1
e
214
ESPACIOS VECTORIALES
ALGEBRA LINEAL CON MATLAB
1 1
0 1
0 0
0 0
0 0
1
a
0
a b
.
1
bc
0
2b 2c d
0 3a 4b c e
Por lo tanto
Span(U) = {(a, b, c, d, e) / 3a + 4b c e = 0,
1 1 1 a 1 1 1
a 1
2 1 1 b 0 1 1 2 a b 0
3 3 2 c | 0 0 1 3 a c | 0
d 0
0 2 2 d 0 2 2
2 4 5 e 0 2 3 2 a e 0
0
0
0
0
1
1
0
0
0
2b 2c + d = 0}.
1 1
a
1 1
2a b
0 1
3a c
0 0 4 a 2b d
0 1 6 a 2b e
1
a
1
2a b
1
3a c
0 4 a 2b d
0 9 a 2b c e
Por lo tanto
Span(W) = {(a, b, c, d, e) / 4a + 2b d = 0, 9a + 2b + c e = 0}.
Luego, para encontrar la interseccin entre estos subespacios debemos resolver el
sistema de ecuaciones homogneas, que resulta de las condiciones restrictivas de
cada uno de estos subespacios:
3 4 1 0 1 0 3
4 1 0 1 0
3a 4b c e 0
2b 2c d 0
2 2 1 0 0
0 2 2 1 0 0 | 0
4 2 0 1 0 0 0 10 4 3 4 0
4 a 2b d 0
9 a 2b c e 0
9 2 1 0 1 0 0 10 4 0 2 0
3 4 1 0 1 0 3 4 1 0 1 0
0 2 2 1 0 0 | 0 2 2 1 0 0
0 0 6 2 4 0 0 0 6 2 4 0
0 0 6 5 2 0 0 0 0 3 2 0
Por lo tanto
Span(U W) = {(a, b, c, d, e) / a = -d/2, b = 5d/6, c = 4d/3, e = 3d/2}.
EJ E M P L O 5.4.3
El conjunto U de todas las ternas de 3 cuya primera coordenada es 0 es subespacio
de 3, como tambin lo es el conjunto W de todas las ternas (a, b, c) en donde la
primera componente es igual a la segunda componente. Demuestre que U W es
subespacio de 3.
SO L U C I O N
Por el ejemplo anterior, el conjunto U W es subespacio de 3; U W consta de
todas las termas (0, 0, c) en las que c es arbitrario.
Sean U, W subconjuntos, no necesariamente subespacios, de un espacio vectorial V.
Denotaremos por U + W el conjunto de todos los vectores v de V que se pueden
expresar como suma de un vector de U y de un vector de W. Por lo tanto, v estar en
U + W exactamente cuando existan un vector u de U y un vector w en W tales que
v = u + w. El conjunto U + W se denomina suma de los conjuntos U y W.
ESPACIOS VECTORIALES
215
D E F IN I C I O N 5.4.2
Dados un subespacio vectorial S, sobre un cuerpo K , y dos subespacios suyos U y W, se denominan suma de dichos subespacios, y se representa por
U + W, al conjunto de todos los vectores de S que pueden expresarse como
suma de un vector de U y otro de W.
Obsrvese que, tanto la interseccin como la suma de subespacios siempre son
conjuntos no vacos, ya que les pertenece a ciencia cierta el vector nulo del espacio
vectorial V.
T E O R E M A 5.4.2
Como U + W es subespacio de S, entonces el subespacio U + W contiene
tanto a U como a W. Adems, si S es tambin subespacio de V que
contenga tanto a U como a W, entonces S tambin contiene a U + W. Por
lo tanto, U + W es el menor de los subespacios de S que contienen tanto a
U como a W; es decir, U + W = Span(U W). Adems si U y W son
subespacios de S, entonces U + W es un subespacio de S.
D E M OST R A C I O N
Puesto que U y W, el elemento neutro pertenece a la suma, ya que
= + U + W.
Por otra parte, si suponemos que
u1 + w1 U + W y u2 + w2 U + W,
debe verificarse que
(u1 + w1) + (u2 + w2) = (u1 + u2) + (w1 + w2) U + W
y
a(u1 + w1) = au1 + aw1 U + W,
cuyas dos condiciones justifican que U + W es un subespacio vectorial de V. Dado
que U, W U + W. De igual modo, U U + W. Ya que U + W es un
subespacio que contiene a U W, Span(U W) U + W. Para cualquier v U +
W, v se puede escribir en la forma v = u + w donde u U y w W. Entonces u U
Span(U W) y w W Span(U W). Como Span(U W) es un subespacio,
v = u + w Span(U + W). De donde U + W = Span(U + W).
En 2, supongamos que en U slo est el vector u = OQ, y sea W el conjunto de
todos los vectores OP desde el origen O hasta un punto P situado en el segmento de
recta AB. Entonces, U + W consta de todos los vectores OR = OQ + OP, donde Q es
fijo y P vara en el segmento AB. En consecuencia, U + W corresponde al segmento
de recta CD que se obtiene de AB al trasladar cada punto en el vector u; en particular, AC = u, BD = u.
En 3 sean u, v vectores no nulos, ninguno de ellos mltiplo escalar del otro. Supongamos que U es el conjunto de todos los mltiplos escalares de u y que W es el conjunto de todos los mltiplos escalares v. Entonces, U + W consta de todos los vectores au + bv. Aqu, U corresponde a la recta L1 que pasa por O, W a la recta L2 que
pasa por O, y U + W a un plano S que tambin pasa por O y contiene a L1 y a L2.
Indiquemos, finalmente, las propiedades siguientes de la suma de subespacios, que
se desprenden directamente de la definicin:
1.- U + W = W + U;
2.- U + (W + V) = (U + W) + V;
3.- Si U est contenido en un subespacio W, se tiene U + W = W.
ALGEBRA LINEAL CON MATLAB
EJ E M P L O 5.4.4
Si U y W son subespacios de un espacio vectorial V, se define U + W como el
conjunto de vectores de V que pueden escribirse como suma de uno de U ms otro
JOE GARCIA ARCOS
216
ESPACIOS VECTORIALES
ALGEBRA LINEAL CON MATLAB
0 2 1 0 0 2 1 0
0 1 0 1 | 0 0 1 2
0 2 1 0 0 0 0 0
1 0 0 1 0 0 0 1
Por lo tanto
Base(U + W) = {(1, 0, 0, 0), (0, 2, 1, 0), (0, 0, 1, 2), (0, 0, 0, -1)}.
Como Dim(U + W) = 4, entonces U + W = 4.
EJ E M P L O 5.4.6
Sean
U = {(1, -1, -1, 0, 0), (1, -2, -2, 0, -3), (1, -1, -2, -2, 1)}
y
W = {(1, -2, -3, 0, -2), (1, -1, -3, 2, -4), (1, -1, -2, 2, -5)}
subespacios de 5. Hallar U + W.
SO L U C I O N
Para encontrar el subespacio U + W, debemos construir una matriz cuyas filas sean
los elementos de los conjuntos U y W, y luego procedemos a eliminar filas mediante
operaciones elementales. Las filas no nulas formarn la base de U + W:
1 1 1 0 0 1 1 1 0 0 1 1 1 0 0
1 2 2 0 3 0 1 3 0 3 0 1 3 0 3
1 1 2 2 1 0 0 3 2 1 0 0 3 2 1
|
|
1 2 3 0 2 0 1 4 0 2 0 0 1 0 1
1 1 3 2 4 0 0 4 2 4 0 0 4 2 4
1 1 2 2 5 0 0 3 2 5 0 0 3 2 5
ESPACIOS VECTORIALES
217
1 1
0 1
0 0
0 0
0 0
0 0
1
3
3
0
0
0
0 0 1 1
0 3 0 1
2 1 0 0
|
1 1 0 0
7 8 0 0
2 3 0 0
1
3
3
0
0
0
0 0
0 3
2 1
1 1
0 1
0 0
Por lo tanto:
Base(U + W) = {(1, -1, 1, 0, 0), (0, 1, 3, 0, 3), (0, 0, 3, 2, -1), (0, 0, 0, 1, 1),
(0, 0, 0, 0, 1)}.
5
Como Dim(U + W) = 5, entonces U + W = .
EJ E M P L O 5.4.7
Sea W el conjunto de todos los vectores de la forma (r, 2r t, r + t, t) de 4, donde
r, t son arbitrarios. Sea U el conjunto de todos los vectores de la forma (2 a + 2b, b, b, 3a + 2b), donde a, b son arbitrarios:
a.- Compruebe que U + W es el conjunto de todos los vectores de la forma (u + 2w,
2u v, u + v, v + 3w);
b.- Compruebe que U, W y U + W son subespacios de 4;
c.- Encuntrese U W.
SO L U C I O N
a.- Encontramos las bases de W y U respectivamente:
(r, 2r t, r + t, t) = r(1, 2, 1, 0) + t(0, -1, 1, 1)
BaseW = {(1, 2, 1, 0), (0, -1, 1, 1)},
(2a + 2b, b, -b, 3a + 2b) = a(2, 0, 0, 3) + b(2, 1, -1, 2)
BaseU = {(2, 0, 0, 3), (2, 1, -1, 2)}.
A continuacin encontramos una base para el subespacio U + W:
1 2 1 0 1 2 1 0 1 2 1 0 1 2 1 0
0 1 1 1 | 0 1 1 1 | 0 1 1 1 | 0 1 1 1 .
2 0 0 3 0 4 2 3 0 0 6 1 0 0 6 1
2 1 1 2 0 3 3 2 0 0 6 1 0 0 0 0
De esta manera podemos decir que la base de U + W es:
Base(U + W) = {(1, 2, 1, 0), (0, -1, 1, 1), (2, 0, 0, 3)}.
Esta base es exactamente la misma que genera el subespacio U + W dada:
(u + 2w, 2u v, u + v, v + 3w) = u(1, 2, 1, 0) + v(0, -1, 1, 1) + w(2, 0, 0, 3)
Base(U + W) = {(1, 2, 1, 0), (0, -1, 1, 1), (2, 0, 0, 3)}.
Con esto queda demostrado el inciso a).
b.- Por el inciso a), U, W y U + W tienen estructura de subespacio vectorial de 4,
por cuanto cada uno de ellos generan su propia base.
c.- En el inciso a) nos podemos dar cuenta que en la matriz se anula una fila, por
lo tanto la base del subespacio interseccin U W es:
Base(U W) = {(2, 1, -1, 2)}.
EJ E M P L O 5.4.8
Hallar U + W y U W dados los siguientes sistemas:
a.- U = {(0, 1, 1, 1), (1, 1, 1, 2), (-2, 0, 1, 1)} y W = {(-1, 3, 2, -1), (1, 1, 0, -1)}.
b.- U = {(2, -5, 3, 4), (1, 2, 0, -7), (3, -6, 2, 5)} y W = {(2, 0, -4, 6), (1, 1, 1, 1),
(3, 3, 1, 5)}.
SO L U C I O N
a.- Debemos construir una matriz cuyas filas sean los elementos de los conjuntos U
y W, y luego procedemos a eliminar filas mediante operaciones elementales. Las
filas no nulas formarn la base de U + W:
218
ESPACIOS VECTORIALES
0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 1
1 1 1 2 0 0 1 3 0 0 1 3 0 0 1 3
2 0 1 1 | 0 2 1 1 | 0 0 1 3 | 0 0 0 0
1 3 2 1 0 4 2 2 0 0 2 6 0 0 0 0
1 1 0 1 1 1 0 1 1 1 0 1 1 1 0 1
Por lo tanto:
Base(U + W) = {(0, 1, 1, 1), (0, 0, -1, -3), (1, 1, 0, -1)}.
Para encontrar el subespacio U + W, debemos hallar el subespacio generado con
respecto a la base encontrada:
0 0 1 a 1 0 1 b 1 0 1
b
a
1 0 1 b | 0 0 1 a | 0 0 1
1 1 0 c 1 1 0 c 0 1 1 b c
1 3 1 d 1 3 1 d 0 3 2 b d
1
0
0
0
0
1
0
1
b
1 0
1
a
| 0 0
1
b c 0 1
1 2b 3c d 0 0
1
b
1
a
.
1
bc
0 a 2b 3c d
Por lo tanto
0
3
b
0
3
b
0
3
b
|
|
.
1 2 c 0 3 a 2c 0 0 a b 2c
1 1 d 0 3 a 2d 0 0 a b 2d
Por lo tanto Span(U W ) = {(a, b, c, d) / a b + 2c = 0, a + b + 2d = 0}.
b.- Debemos construir una matriz cuyas filas sean los elementos de los conjuntos U
y W, y luego procedemos a eliminar filas mediante operaciones elementales. Las
filas no nulas formarn la base de U + W:
2 5 3 4 2 5 3 4 2 5 3 4
1 2 0 7 0 3 1 6 0 3 1 6
3 6 2 5 0 3 5 2 0 0 1 1
|
|
2 0 4 6 0 5 7 2 0 0 4 9
1 1 1 1 0 7 1 2 0 0 1 9
5 0 21 7 2 0 0 0 1
3 3 1
2 5 3 4 2 5 3 4
0 3 1 6 0 3 1 6
0 0 1 1 0 0 1 1
0 0 0 1 0 0 0 1
0 0 0 1 0 0 0 0
0 0 0 1 0 0 0 0
Por lo tanto:
Base(U + W) = {(2, -5, 3, 4), (0, -3, 1, 6), (0, 0, -1, 1), (0, 0, 0, 1)}.
Como Dim(U + W) = 4, entonces el subespacio U + W = 4. Podemos observar que
(1, 1, 1, 1) y (3, 3, 1, 5) son los vectores que se eliminaron al encontrar la base de
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
219
a b
1 3 b | 0 0 a b | 0 0
.
1 1 c 0 2 a c 0 2
ac
1 5 d 0 2 a d 0 0 2 a c d
Por lo tanto
Span(U W ) = {(a, b, c, d) / a b = 0, 2a c d = 0}.
D E F IN I C I O N 5.4.3
Sean U y W subconjuntos del espacio vectorial V y sea S el conjunto compuesto por todos los vectores v de V que estn en U, en W o en ambos. El
conjunto S se llama unin de U y W. La unin la denotamos por , y ponemos S = U W.
Se puede deducir que U + W contiene a U W, y que es el menor de los subespacios que contienen a U W. En general, U + W es un conjunto mucho mayor que
U W. Esto sirve para observar que, en contraste con la interseccin, la unin de
dos subespacios no es necesariamente otro subespacio. Aquellos casos en los cuales
U W = {} merecen atencin especial. Si U W = {}, se dice que la suma
U + W es directa: U + W es una suma directa de U y W.
Dados un espacio vectorial V y los subespacios suyos, U y W se dice que su suma,
U + W es suma directa, y se representa como U W, si todo vector de dicha suma
puede expresarse de manera nica como suma de vectores de los espacios sumandos.
Los subespacios U 1, U 2, ..., U n, del espacio vectorial V, son independientes si, y slo
si, la descomposicin del vector cero en suma de vectores de dichos subespacios es
nica. Si en un espacio vectorial V, varios subespacios son independientes, entonces
son disjuntos dos a dos.
Es muy importante observar que la proposicin recproca, en general, no es cierta; es
decir, el slo hecho de ser unos subespacios disjuntos dos a dos no implica forzosamente que ellos sean independientes. Como consecuencia de esta afirmacin, podemos establecer que dos subespacios U y W son independientes si, y slo si, son
disjuntos.
T E O R E M A 5.4.3
Demuestre que el espacio vectorial V es la suma directa de los subespacios
U y W si y solamente si se verifica que V = U + W y U W = {}.
D E M OST R A C I O N
Si se acepta que V = U W, para todo v V puede expresarse de una sola manera
en la forma v = u + w, con u U y w W, en cuyo caso particular se verifica que
V = U + W. Si suponemos que v U W, debe ocurrir que
v = v + , en donde v U y W;
v = + v, en donde U y v W;
pero al no ser posible nada ms que de una sola forma la descomposicin anterior, ha
de verificarse que v = y, por tanto, U W = {}. Recprocamente, vamos a
probar que si se cumplen las condiciones del problema, se trata de una suma directa,
lo que exige demostrar que la suma v = u + w es nica. Si existe otra posible
descomposicin, tal como v = u1 + w1, con u1 U y w1 W, se tiene que u + w = u1
+ w1, de donde, u u1 = w1 - w; pero como u u1 U y w1 - w W y por hiptesis
U W = {}, debe ocurrir que u u1 = w1 - w = , de donde u = u1 y w = w1.
ALGEBRA LINEAL CON MATLAB
220
ESPACIOS VECTORIALES
T E O R E M A 5.4.4
Los subespacios U 1, U 2, ..., U n, del espacio vectorial V, son independientes
si, y slo si, la descomposicin del vector cero en suma de vectores de
dichos subespacios es nica.
D E M OST R A C I O N
Para demostrar este teorema basta con cerciorarse de que los subespacios U 1, U 2, ...,
U n, son independientes, pues con repetir la demostracin un nmero finito de veces
se prueban todos los casos que se pueden presentar. Supngase que U 1, U 2, ..., U n, no
fuesen independientes, es decir, que un cierto vector u de su suma admitiese dos
descomposiciones distintas como suma de vectores de los subespacios sumandos
u = u1 + u2 + ... + un y u = v1 + v2 + ... + vn, con ui, vi U i y siendo uj z vj para
algunos ndices j, entonces, tomando un vector cualquiera u U 1, el vector v = u1 +
u pertenece a la suma U 1 + U 2 + ... + U n y sera expresable, como suma de vectores
de U 1, U 2, ..., U n, de dos formas distintas, u = u1 + u2 + ... + un y u = v1 + v2 + ... + vn,
lo cual no es posible, pues estos subespacios son independientes; esta imposibilidad
obliga a rechazar el supuesto de ser U 1 + U 2 + ... + U n no independientes, es decir, la
proposicin es verdadera.
T E O R E M A 5.4.5
Si en un espacio vectorial V, varios subespacios son independientes,
entonces son disjuntos dos a dos.
D E M OST R A C I O N
Si dos de los subespacios, U i y U j, con i z j, no fuesen disjuntos, es decir, si existe v z
que pertenece a ambos, todo vector u = u1 + u2 + ... + un de la suma podra
expresarse tambin en la forma u = u1 + ... + (ui + v) + ... + (uj + v) + ... + un, como
suma de vectores de los subespacios sumandos, distinta de la de partida, lo cual no es
posible, ya que dichos subespacios son independientes.
Es muy importante observar que la proposicin recproca, en general, no es cierta; es
decir, el slo hecho de ser unos subespacios disjuntos dos a dos no implica
forzosamente que ellos sean independientes. Como consecuencia de este teorema,
podemos establecer que dos subespacios U y W son independientes si, y slo si, son
disjuntos.
EJ E M P L O 5.4.9
Si S1 genera a U y S2 genera a W, entonces S1 S2 genera a U + W.
SO L U C I O N
Dado que U, W U + W. De igual modo, U U + W. Ya que U + W es un
subespacio que contiene a U W, Span(U W) U + W. Para cualquier u U +
W, u se puede escribir en la forma u = v + w donde v U y w W. Entonces v U
Span(U W) y w W Span(U W). Como Span(U W) es un subespacio,
u = v + w Span(U W). De donde U + W = Span(U W).
La segunda parte de la demostracin se deduce ahora directamente. U = Span(S1)
Span(S1 S2) y W = Span(S2) Span(S1 S2), de manera que U W Span(S1
S2) Span(U W) y, por lo tanto, Span(U W) = Span(S1 S2).
EJ E M P L O 5.4.10
Sean U, W y S subespacios de un espacio vectorial V:
a.- Prubese que U + W = Span(U W), es decir que U + W es el menor
subespacio que contiene a U W.
b.- Prubese que U S, entonces S (U + W) = U + (S W).
SO L U C I O N
a.- Como U y W estn ambos contenidos en U + W se tiene que U W U +
W. Supongamos que U es un subespacio que contiene a U W. Para todo elemento
u de U + W existen v U y w W con u = v + w. El elemento u es una suma de
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
221
222
ESPACIOS VECTORIALES
PR O B L E M AS
5.4.1 Suponga que U 1, U 2 y U 3 son subespacios de V,
entonces:
a.- Demustrese que (U 1 U 3) + (U 2 U 3) (U 1 + U 2)
U 3;
b.- D un ejemplo en 2, de tal forma que se cumpla el
inciso anterior.
f ( x) dx ; W: todas las
f f ( x) dx .
5.5 D E P E N D E N C I A E I N D E P E N D E N C I A L I N E A L
En esta seccin se estudiarn condiciones en las que cada vector en un espacio vectorial se puede expresar de
manera nica como una combinacin lineal de los vectores generadores. Los conjuntos generadores con esta
propiedad son funda mentales en el estudio de los espacios vectoriales.
ALGEBRA LINEAL CON MATLAB
Considere los vectores arbitrarios u1, u2, ..., uk en un espacio vectorial V. Puede
ocurrir que uno de ellos se expresa como combinacin lineal de los dems. Sea,
por ejemplo, el vector u1. Entonces, cada uno de los vectores u1, u2, ..., uk se expresa linealmente en trminos de u2, ..., uk. Por esta razn cualquier combinacin
lineal de los vectores u1, u2, ..., uk es tambin una combinacin lineal de los vectores u2, ..., uk. Por consiguiente, los subespacios generados por los vectores u1, u2,
..., uk y u2, ..., uk coinciden.
Suponga luego que entre los vectores u2, ..., uk hay un vector, por ejemplo, u2
que tambin se expresa linealmente en trminos de los vectores restantes. Al
repetir estos razonamientos, llegamos a la conclusin de que ahora cualquier
combinacin lineal de los vectores u1, u2, ..., uk es tambin una combinacin lineal
de los vectores u3, ..., uk. Continuando este proceso, pasamos, del sistema u1, u2,
..., uk a un sistema de vectores del cual ya no podemos excluir ni uno de los vectores.
El subespacio generado del nuevo sistema de vectores coincide con el subespacio
generado de los vectores u1, u2, ..., uk. Adems, podemos decir que si entre u1, u2,
..., uk hubo aunque un solo vector no nulo, el nuevo sistema de vectores o bien
JOE GARCIA ARCOS
ESPACIOS VECTORIALES
ALGEBRA LINEAL CON MATLAB
223
224
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
225
binacin lineal de los otros dos. Geomtricamente, esto equivale a decir que ninguno de los vectores est en el mismo plano que los otros dos o, de otro modo,
que los tres vectores no estn en un plano comn cuando se colocan con sus puntos iniciales en el origen.
ALGEBRA LINEAL CON MATLAB
T E O R E M A 5.5.5
Sea S un subconjunto de un espacio vectorial V, y suponga que S contiene a dos o ms elementos. Entonces, S es linealmente dependiente si, y
slo si, hay un subconjunto propio S de S con la propiedad de que
Span(S) = Span(S).
D E M OST R A C I O N
Suponga que existe ese subconjunto S. Entonces, debe haber un vector u que est
en S sin estar en S. Ahora bien, u est en Span(S) y, como Span(S) = Span(S), u
tambin est en Span(S). Por lo tanto, u = a1u1 + a2u2 + ... + a kuk, donde u1, u2, ...,
uk estn en S. Por lo tanto, los ui estn en S y son diferentes de u. Pero, entonces,
a1u1 + a2u2 + ... + akuk + (-1)u = y concluimos que S es linealmente dependiente.
A continuacin, sea S un conjunto linealmente dependiente. Entonces, existen
vectores u1, u2, ..., uk en S tales que a1u1 + a2u2 + ... + a kuk = donde no todos los
coeficientes son cero; supongamos que a 1 z 0. Entonces, podemos expresar u1
como combinacin lineal de u2, ..., uk. Por lo tanto, podemos expresar toda combinacin lineal de elementos de S como una combinacin lineal as, sin usar a u1.
Por lo tanto, si tomamos a S como S sin el vector u1, entonces Span(S) =
Span(S), y S es subconjunto propio de S.
El siguiente teorema muestra que un conjunto linealmente independiente en n
puede contener cuando mucho n vectores.
T E O R E M A 5.5.6
Sea S = {v1, v2, ..., vk} un conjunto de vectores en n. Si k > n, entonces S
es linealmente dependiente.
D E M OST R A C I O N
Se supone que
v1 ( a11 , a1 2 , ..., a1 n )
v2 ( a21 , a2 2 , ..., a2 n )
v ( a , a , ..., a )
k1 k 2
kn
k
Considrese la ecuacin b1v1 + b2v2 + ... + bkvk = . Si reemplazamos los vectores
anteriormente definidos en la ecuacin, ambos miembros de esta se expresan en
trminos de las componentes
b1( a 11, ..., a 1n) + b2( a 21, ..., a 2n) + ... + bk( a k1, ..., a kn) = (0, 0, ..., 0)
y despus se igualan las componentes correspondientes, se obtiene el sistema
a11b1 a21b2 a k 1bk 0
a b a b a b 0
12 1 22 2
k2 k
a1n b1 a2 n b2 a k n bk 0
Este es un sistema homogneo de n ecuaciones en k incgnitas b1, b2, ..., bk. Como
k > n, se concluye que el sistema tiene soluciones no triviales. Por consiguiente, S
es un conjunto linealmente dependiente.
Este teorema establece que un conjunto en 2 con ms de dos vectores es linealmente dependiente, y que un conjunto 3 con ms de tres vectores es linealmente
dependiente.
JOE GARCIA ARCOS
226
ESPACIOS VECTORIALES
ALGEBRA LINEAL CON MATLAB
EJ E M P L O 5.5.1
Mostrar que cualesquiera que sean los vectores u, v, w y los nmeros a, b, c el
sistema de vectores {au - bv, cv - aw, bw - cu} es linealmente dependiente.
SO L U C I O N
Hacemos la combinacin lineal con el vector nulo:
= D(au - bv) + E(cv - aw) + G(- cu + bw)
= (aD - cG)u + (- bD + cE)v + (- aE + bG)w
Establecemos un sistema de ecuaciones homogneas:
a 0 c
a D cG 0
0
0
bD cE 0 b c
aE bG 0
0 a b
EG 0 0 1 1 z0
G 0
0 0 1
D E 0 1 1 0 z 0
E G 0
0 1 1
0
D E 0 1 1 0
E G 0
0
1
1
ESPACIOS VECTORIALES
ALGEBRA LINEAL CON MATLAB
227
b.- {(1, 1, 1, 1), (1, -1, -1, 1), (1, -1, 1, -1), (1, 1, -1, -1)}.
SO L U C I O N
a.- En este caso formamos una matriz, donde sus filas son los elementos del sistema
dado y luego procedemos a calcular el rango de dicha matriz:
i
2 i 3 i 1 i 2 i 3 i
1
|
.
0
0
1 i 1 i 1 3i 4 2i 0 0
Como el rango de la matriz es igual a 1, entonces el sistema es linealmente
dependiente.
b.- Para verificar si el sistema dado es linealmente dependiente o no, formamos un
determinante con sus elementos:
1 1 1 1
1 1 1 1
z0.
1 1 1 1
1 1 1 1
Como el determinante es diferente de cero, entonces el sistema es linealmente
independiente.
EJ E M P L O 5.5.4
Sean a, b, c distintos nmeros reales. Ser linealmente dependiente el siguiente
sistema de polinomios {(x - a)(x - b), (x - a)(x - c), (x - b)(x - c)}?
SO L U I C I O N
Hacemos la combinacin lineal con el vector nulo:
= D(x a)(x b) + E(x a)(x c) + G(x b)(x c)
0x2 + 0x + 0 = (D + E + G)x2 + [-(a + b)D - (a + c)E - (b + c)G]x + (abD + acE + bcG).
Establecemos un sistema de ecuaciones homogneas:
D EG 0
1
1
1
ab
ac
bc
abD acE bcG 0
228
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
229
f2
f n a1 0
f1
f 2
f n a2 0
f 1
0
( n 1)
f
f 2( n 1)
f n( n 1) an 0
1
tiene una solucin no trivial para toda x en el intervalo (-f, f). Esto a su vez
significa que para toda x en (-f, f) la matriz de coeficientes es singular o, de
manera equivalente, que su determinante es cero para toda x en (-f, f). Por tanto,
si el wronskiano no es idnticamente cero sobre (-f, f), entonces las funciones f1,
f2, ..., fn deben ser vectores linealmente independientes en (n-1)(-f, f).
El recproco del teorema es falso. Si el wronskiano de f1, f2, ..., fn es idnticamente
cero sobre (-f, f), entonces no es posible llegar a ninguna conclusin respecto a
la independencia lineal de {f1, f2, ..., fn}; este conjunto de vectores puede ser linealmente independiente o linealmente dependiente.
EJ E M P L O 5.5.6
Determnese si los subconjuntos siguientes de C(0; f) son linealmente
independientes:
a.- {Sen2t, Sent, t}; b.- {Sent, Sen2t, Sen3t}; c.- {Sent, Sen(t + 1), Cost};
d.- {e t, te t, t2e t}; e.- { Cost, Cos2t, Cos3 t}.
SO L U C I O N
a.- Construimos el Wronskiano:
Sen2 t
Sent t
2
W{Sen t , Sent , t}
Sen2t
Cost 1 2Sent 2tSen 2 t 2tCost 3Sen3t .
2 Cos 2t Sent 0
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Sen2t, Sent, t} es linealmente
dependiente.
b.- Construimos el Wronskiano:
Sent
Sen2t
Sen3t
W{Sent , Sen2t , Sen3t}
Cost 2Cos 2t 3Cos3t
Sent 4Sen2t 9Sen3t
9SentSen2tCos3t (5CostSen2t 16SentCos 2t )Sen3t
Si t = 0, entonces W = 0. Por lo tanto el conjunto {Sent, Sen2t, Sen3t} es
linealmente dependiente.
c.- Construimos el Wronskiano:
Sent
W{Sent , Sen(t 1), Cost}
Cost
Sent
Como W = 0, entonces el conjunto {Sent,
dependiente.
Sen(t 1) Cost
Cos (t 1) Sent 0 .
Sen(t 1) Cost
Sen(t + 1), Cost} es linealmente
et
te t
t 2 et
et
(t 1) e t
( t 2 2t ) e t
et
(t 2) e t
(t 2 4t 2) e t
2e 3t .
230
ESPACIOS VECTORIALES
Cost
Cos 2 t
Cos3t
Sent
Sen2t
3SentCos 2 t
Cost
2 Cos 2t
(9Sen 2 t 3) Cost
1
Sen3 2t .
4
PR O B L E M AS
ESPACIOS VECTORIALES
231
232
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
233
234
ESPACIOS VECTORIALES
u2 a1 2 v1 a2 2 v2 an 2 vn
(1)
u
m a1 m v1 a2 m v2 an m vn
Para demostrar que S es linealmente dependiente, es necesario encontrar escalares b1, b2, ..., bm, no todos cero, tales que
b1u1 + b2u2 + ... + bmum = (2)
Usando las ecuaciones anteriores en esta expresin, obtenemos
b1( a 11v1 + a 21v2 + ... + a n1vn) + b2(a 12v1 + a 22v2 + ... + a n2v2) + ...
+ bm( a 1mv1 + a 2mv2 + ... + a nmvn) = ,
de donde
(b1a 11 + b2a 12 + ... + bma 1m)v1 + (b1a 21 + b2a 22 + ... + bma 2m)v2 + ...
+ (b1a n1 + b2a n2 + ... + bma nm)vn = .
As, a partir de la independencia lineal de S, el problema de demostrar que S es
un conjunto linealmente dependiente se reduce a probar que existen escalares b1,
b2, ..., bm, no todos cero, que satisfacen
a11b1 a12 b2 a1m bm 0
a b a b a b
0
21 1 22 2
2m m
(3)
an1b1 an 2 b2 anm bm 0
Pero este sistema contiene ms incgnitas que ecuaciones, de modo que la demostracin est completa, ya que de esta manera se garantiza la existencia de
soluciones no triviales.
2.- Sea S = {u1, u2, ..., um} cualquier conjunto de m vectores en V, donde m <
n. Se quiere demostrar que S no genera a V. La demostracin ser por contradiccin: Se probar que suponiendo que S genera a V se llega a una contradiccin de la independencia lineal de {v1, v2, ..., vn}.
Si S genera a V, entonces todo vector en V es una combinacin lineal de los
vectores en S. En particular, cada vector bsico vi es una combinacin lineal de
los vectores en S, por ejemplo,
v1 a11u1 a21u2 am 1um
v a u a u a u
1n 1
2n 2
mn m
n
Para obtener la contradiccin, se demostrar que existen escalares b1, b2, ..., bm,
no todos cero, tales que
b1v1 + b2v2 + ... + bnvn = (5)
Pero obsrvese que (4) y (5) son de la misma forma que (1) y (2), excepto que
se han intercambiado m y n, as como las u y las v. Por tanto, los clculos con
los que se lleg a (3) ahora producen
ESPACIOS VECTORIALES
235
a11b1 a1 2 b2 a1 n bn 0
a21b1 a2 2 b2 a2 n bn 0
a b a b a b 0
mn n
m1 1 m 2 2
Este sistema lineal tiene ms incgnitas que ecuaciones y por lo tanto posee
soluciones no triviales.
De este teorema se deduce que si S = {v1, v2, ..., vn} es cualquier base para un
espacio vectorial V, entonces todos los conjuntos en V que simultneamente
generan a V y son linealmente independientes deben tener precisamente n vectores. As, todas las bases de V deben tener el mismo nmero de vectores que la
base arbitraria S. Esto lleva al siguiente teorema, que es uno de los ms importantes en lgebra lineal.
T E O R E M A 5.6.3
Todas las bases de un espacio vectorial de dimensin finita tienen el
mismo nmero de vectores.
D E M OST R A C I O N
Supngase que S es una base con un nmero finito n de elementos y S otra base
cualquiera. Ya que S genera a V y S es linealmente independiente, el nmero m
de elementos en S debe ser a lo ms n. Esto prueba que S es finita y m d n.
Pero entonces pueden intercambiarse los papeles de S y S para obtener la desigualdad en el otro sentido, as que m = n.
Este teorema afirma que, en un espacio vectorial V de dimensin finita, cualquier conjunto dado de vectores linealmente independientes de V forma parte de
alguna base de V. En realidad, hay muchas bases as. Se dice que la base S =
{v1, ..., vm, ..., vn} es la extensin a una base de V del conjunto linealmente independiente {v1, v2, ..., vm}.
EJ E M P L O 5.6.2
Hallar todas las bases de los sistemas de vectores siguientes:
a.- {(4, -2, 12, 8), (-6, 12, 9, -3), (-10, 5, -30, -20), (-14, 28, 21, -7)};
b.- {(1, 2, 3, 0, -1), (0, 1, 1, 1, 0), (1, 3, 4, 1, -1)};
c.- {(1 + i, 1 i, 2 + 3i), (i, 1, 2), (1 i, - 1 i, 3 2i), (4, -4i, 10 + 2i)}.
SO L U C I O N
a.- En este caso formamos una matriz, donde sus filas son los elementos
sistema dado y luego procedemos a calcular el rango de dicha matriz:
8 2 1 6 4 2 1 6 4 2 1 6
4 2 12
6
12
9
3 2 4 3 1 0 1 3 1 0 1 3
|
|
|
10 5 30 20 2 1 6 4 0 0 0 0 0 0 0
14 28 21 7 2 4 3 1 0 1 3 1 0 0 0
del
4
1
0
Como el rango de la matriz es igual a 2, entonces cada una de las bases tiene dos
elementos:
S1 = {(4, -2, 12, 8), (-6, 12, 9, -3)} y S2 = {(-10, 5, -30, -20), (-14, 28, 21, -7)}.
b.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
1 2 3 0 1 1 2 3 0 1 1 2 3 0 1
0 1 1 1 0 | 0 1 1 1 0 | 0 1 1 1 0
1 3 4 1 1 0 1 1 1 0 0 0 0 0 0
Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
ALGEBRA LINEAL CON MATLAB
236
ESPACIOS VECTORIALES
i
1
2 0
0
1
|
1 i 1 i 3 2i 0
0
0
4i 10 2i 0
0
0
4
Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
S1 = {(1 + i, 1 i, 2 + 3i), (i, 1, 2)}, S2 = {(i, 1, 2), (1 i, - 1 i, 3 2i)},
S3 = {(i, 1, 2), (4, -4i, 10 + 2i)}.
Cualquier vector distinto de cero v constituye un subconjunto linealmente independiente de V y, en consecuencia, el teorema afirma que cada vector v distinto
de cero aparece en alguna base de V. Entre otras cosas, lo que nos ensea el
teorema es que existen muchas bases diferentes de V y que tenemos algo de
libertad en la eleccin de una base de V.
T E O R E M A 5.6.4
Un conjunto de n vectores en un espacio vectorial V es una base si, y
slo si es linealmente independiente.
D E M OST R A C I O N
Sea S = {v1, v2, ..., vn} un conjunto linealmente independiente y v un vector
cualquiera en V. Ya que {v1, v2, ..., vn, v} contiene n + 1 elementos, debe ser
linealmente dependiente. Cualquier relacin no trivial que exista debe contener
a v con un coeficiente diferente de cero, porque si ese coeficiente fuera cero, la
relacin equivaldra a una relacin en S. As pues, v depende de S. Por lo tanto,
S genera a V y es una base.
E J E M P L O 5.6.3
Todo conjunto linealmente independiente de tres vectores de 3 es base de 3.
SO L U C I O N
Si u = OP, v = OQ, w = OR son linealmente independientes, entonces O, P, Q, R
no estn en el mismo plano y, por consiguiente, cada vector x = OS se puede
expresar como combinacin lineal de u, v, w.
EJ E M P L O 5.6.4
Hallar una base cualquiera de cada uno de los siguientes sistemas de vectores:
a.- {(0, 2, -1), (3, 7, 1), (2, 0, 3), (5, 1, 8)};
b.- {(-1, 4, -3, -2), (3, -7, 5, 3), (3, -2, 1, 0), (-4, 1, 0, 1)};
c.- {(14, -27, -49, 113), (43, -82, -145, 15), (-29, 55, 96, -17), (85, -163, -13, 77)};
d.- {(3 i, 1 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 7i, 4i), (0, 1, 1, -3)}.
SO L U C I O N
a.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
0 2 1 0 2 1 0 2 1
1 3 7 1
3 7 1 | 3 7
|
2 0 3 0 2 1 0 0 0
5 1 8 0 32 19 0 0 3
Como el rango de la matriz es igual a 3, entonces la base buscada esta formada por:
{(0, 2, -1), (3, 7, 1), (5, 1, 8)}.
b.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
237
1 4 3 2 1 4 3 2 1 4 3 2
3 7 5 3 | 0 5 4 3 | 0 5 4 3
3 2 1 0 0 5 4 3 0 0 0 0
4 1 0 1 0 5 4 3 0 0 0 0
Como el rango de la matriz es igual a 2, entonces la base buscada esta formada por:
{(-1, 4, -3, -2), (3, -7, 5, 3)}.
c.- En este caso formamos un determinante, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular dicho determinante:
14 27 49 113
43 82 145 15
z0
29 55
96 17
85 163 13 77
4i | 0
3i
3i
9 3i
1 3i 1 i 6 7i
0
1
1
3 0
1
1
3
3 i 1 2i 7 5i 4 3i
3i
3i
9 3i
0
0
0
0
0
Como el rango de la matriz es igual a 2, entonces la base buscada esta formada por:
{(3 i, 1 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 7i, 4i)}.
EJ E M P L O 5.6.5
Determnese si el subconjunto S es linealmente independiente y, cuando sea
posible, encuntrese una base del espacio que contiene a S:
a.- S = {(1, 1, 1, 1), (1, 2, 3, 4)} 4; b.- S = {t + t3, t2 + t6, 1 t t3} 6.
SO L U C I O N
a.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
1 1
1 1 1 1
z0.
1 z0,
1 2
1 2 3 4
Como el rango de la matriz es igual a 2, entonces el sistema dado es linealmente
independiente. Para extender hasta encontrar una base del espacio 4 que contenga
a S, aumentamos a la matriz inicial una fila de variables:
1 1 1
1 1 1 1
1
2
3
4
1 2 3 a 2b c .
a b c d
a b c
Para que el vector (a, b, c, d) forme parte de la base de 4, entonces debe satisfacer
a 2b + c z 0, es decir un posible vector puede es, (1, 1, -1, 0). Para encontrar el
ltimo vector que formar parte de la base del espacio 4, a la ltima matriz le
aumentamos una fila de variables:
1 1 1 1
1 1 1 1
1 2 3 4 1 2 3 4 3x 4 y z 2u .
1 1 1 0
1 1 1 0
x y z u
x y z u
Para que el vector (x, y, z, u) forme parte de la base de 4, entonces debe satisfacer
ALGEBRA LINEAL CON MATLAB
238
ESPACIOS VECTORIALES
,
,
z
0
1
z
0
0
0
1
0
0
0
1
0 0 1 z0.
1 0
1 1 0 1 0 0 0
1 1 0
0 0 1 0 0 0 1 0 0 1 0
d b .
1 1 0 1 0 0 0
1 1 0 1
a b c d
a b c d e f g
2
3
4
Para que el polinomio a + bt + ct + dt + et + ft5 + gt6 forme parte de la base de
6, entonces debe satisfacer b - d z 0, es decir un posible vector puede es, 1 + t +
t2 - t3 + t4 + t5 + t6. Para encontrar el ltimo vector que formar parte de la base del
espacio 6, a la ltima matriz le aumentamos una fila de variables:
0 1 0 1 0
0 1 0 1 0 0 0
0 0 1 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0 1 1 0 1 0 b d 2e .
1 1 1 1 1
1 1 1 1 1 1 1
a b c d e f g
a b c d e
Para que el vector a + bt + ct2 + dt3 + et4 + ft5 + gt6 forme parte de la base de 6,
entonces debe satisfacer b d 2e z 0, es decir un posible vector puede es, t4. De
esta forma seguimos encontrando los polinomios necesarios para formar la base del
espacio 6:
0 1 0 1 0 0
0 1 0 1 0 0 0
0
0
1
0
0
0
1
0 0 1 0 0 0
1 1 0 1 0 0 0
1 1 0 1 0 0
bd 2f
1 1 1 1 1 1
1 1 1 1 1 1 1
0 0 0 0 1 0 0
0 0 0 0 1 0
a b c d e f
a b c d e f g
1 + t + t3 + t5;
0 1 0 1 0 0 0
0 1 0 1 0 0 0
0 0 1 0 0 0 1
0 0 1 0 0 0 1
1 1 0 1 0 0 0
1 1 0 1 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 2c 2 g
0 0 0 0 1 0 0
0 0 0 0 1 0 0
1 1 0 1 0 1 0
1 1 0 1 0 1 0
a b c d e f g
a b c d e f g
1 + t + t2 + t3 + t4 + t5 - t6.
Por lo tanto la base de 6 buscada tiene la forma:
Base 6 = {t + t3, t2 + t6, 1 t t3, 1 + t + t2 - t3 + t4 + t5 + t6, t4, 1 + t + t3 + t5, 1 + t
+ t2 +
t3 + t4 + t5 - t6}.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
239
T E O R E M A 5.6.5
En un espacio vectorial de dimensin finita, todo conjunto generador
contiene una base.
D E M OST R A C I O N
Sea S un conjunto que genera a V. Si V = {}, entonces S es una base de
{}. Si V z {}, entonces S debe contener al menos un vector v1, diferente de
cero. Busquemos otro vector en S que no dependa de {v1}. Llamemos a este
vector v2 y busquemos otro vector en S que no dependa del conjunto linealmente dependiente {v1}. Continuamos de la misma manera hasta donde podamos,
pero el proceso debe terminar ya que no podemos encontrar ms de n vectores
linealmente independientes en S. Supongamos que se ha hallado el conjunto
S = {v1, v2, ..., vm} con la propiedad de que todo vector en S es linealmente
dependiente de S. Entonces el conjunto S tambin debe generar a V y es una
base.
T E O R E M A 5.6.6
En un espacio vectorial de dimensin finita, cualquier conjunto linealmente independiente de vectores se puede extender hasta tener una base.
D E M OST R A C I O N
Sea S = {v1, v2, ..., vn} una base de V y S = {u1, u2, ..., um} un conjunto linealmente independiente m d n. El conjunto {u1, u2, ..., um, v1, v2, ..., vn} genera a V.
Si este conjunto es linealmente dependiente, entonces algn elemento es una
combinacin lineal de los elementos precedentes. Este elemento no puede ser
uno de los ui, porque entonces S sera linealmente dependiente. Pero entonces
puede eliminarse este vi para obtener un conjunto menor que genera a V. Continuamos de esta manera, quitando elementos mientras se tenga un conjunto generador linealmente dependiente. En ningn paso se elimina a alguno de los ui. Ya
que nuestro conjunto generador es finito, este proceso debe terminar con una
base que contenga a S como subconjunto.
Como caso especial del teorema, podemos enunciar lo siguiente: si { v1, v2, ...,
vm} es base de un subespacio S de un espacio vectorial V de dimensin finita,
entonces existe una base de V que contiene a v1, v2, ..., vm. Por consiguiente, se
puede extender cada base de un subespacio a una base de la totalidad del espacio vectorial.
T E O R E M A 5.6.7
Sea S un conjunto no vaco de vectores en un espacio vectorial V. Si S
es un conjunto linealmente independiente y v es un vector en V que no
pertenece a Span(S), entonces el conjunto que se obtiene al incluir v en
S an es linealmente independiente.
D E M OST R A C I O N
Supngase que S = {v1, v2, ..., vk} es un conjunto linealmente independiente de
vectores en V y que v es un vector en V fuera de Span(S). Para probar que S =
{v1, v2, ..., vk, v} es un conjunto linealmente independiente, es necesario demostrar que los nicos escalares que satisfacen
a 1v1 + a 2v2 + ... + a kvk + a k+1v =
son a 1 = a 2 = ... = a k = a k+1 = 0. Pero se debe tener que a k+1 = 0; en caso contrario, v se podra despejar en la ecuacin como una combinacin lineal de S, contradiciendo la hiptesis de que v es un vector que no pertenece a Span(S). As, la
ecuacin se simplifica a a 1v1 + a 2v2 + ... + a kvk = lo cual, debido a la independencia lineal de S, significa que a 1 = a 2 = ... = a k = 0.
E J E M P L O 5.6.6
Sea Span(S) = {( a , b, c) / a b + c = 0} y v = (1, -2, 1) 3. Demostrar que el
ALGEBRA LINEAL CON MATLAB
240
ESPACIOS VECTORIALES
conjunto que se forma con la base de Span(S) y el vector v es linealmente independiente y, adems es base de 3.
SO L U C I O N
Encontramos una base para el subespacio; Base Span(S) = {(1, 1, 0), (-1, 0, 1)}.
Para verificar que los elementos de la base del subespacio y el vector v forman
una base de 3, construimos una matriz con sus correspondientes elementos y
calculamos su determinante
1 1 0
1 0 1 z 0
1 2 1
como el determinante de la matriz es diferente de cero, el rango es igual 3 y la
dimensin del conjunto formado por estos elementos es linealmente independiente y tiene dimensin 3. Por lo tanto el conjunto
S = {(1, 1, 0), (-1, 0, 1), (1, -2, 1)}
es base de 3.
Un conjunto S de tres vectores linealmente independientes en 3 genera un
plano que pasa por el origen. Si S se aumenta insertando cualquier vector v fuera
de este plano, entonces el conjunto resultante de tres vectores todava es linealmente independiente, ya que ninguno de los tres vectores est en el mismo plano
que los otros dos.
T E O R E M A 5.6.8
Sea S un conjunto no vaco de vectores en un espacio vectorial V. Si v
es un vector en S que se puede expresar como una combinacin lineal
de los dems vectores en S, y si S - {v} denota el conjunto que se obtiene al quitar v de S, entonces S y S - {v} generan el mismo espacio; es
decir,
Span(S) = Span(S - {v}).
D E M OST R A C I O N
Supngase que S = {v1, v2, ..., vk} es un conjunto de vectores en V y, para ser
especficos, supngase que vk es una combinacin lineal de v1, v2, ..., vk-1, por
ejemplo
vk = a 1v1 + a 2v2 + ... + a k-1vk-1 (1)
Se quiere demostrar que si vk se extrae de S, entonces el conjunto de vectores
restantes {v1, v2, ..., vk-1} sigue generando a Span(S); es decir, se debe demostrar
que todo vector u en Span(S) se puede expresar como una combinacin lineal de
{v1, v2, ..., vk-1}. Pero si u est en Span(S), entonces u se puede expresar en la
forma
u = b1v1 + b2v2 + ... + bk-1vk-1 + bkvk (2)
o bien, sustituyendo en la ecuacin (1)
u = b1v1 + b2v2 + ... + bk-1vk-1 + bk( a 1v1 + a 2v2 + ... + a k-1vk-1)
que expresa a u como una combinacin lineal de v1, v2, ..., vk-1.
Si S es un conjunto de tres vectores no colineales en 3 que estn en un plano
comn que pasa por el origen, entonces los tres vectores generan el plano. Sin
embargo, si de S se extrae cualquier vector v que sea una combinacin lineal de
los otros dos, entonces el conjunto restante de dos vectores sigue generando el
plano.
En general, para probar que un conjunto de vectores { v1, v2, ..., vn} es una base
de un espacio vectorial V, se debe demostrar que los vectores son linealmente
independientes y generan a V. Sin embargo, si se sabe que la dimensin de V es
n, entonces basta verificar ya sea, la independencia lineal o la generacin: la otra
condicin se cumple automticamente.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
241
T E O R E M A 5.6.9
Si U es un subespacio vectorial de un espacio vectorial V de dimensin
finita, entonces Dim(U) d Dim(V); adems, si Dim(U) = Dim(V), entonces U = V.
D E M OST R A C I O N
Sea S = {u1, u2, ..., um} una base para U. S puede ser una base para V o no. Si es
as, entonces Dim(U) = Dim( V) = m. Si no es as, entonces es posible agregar
vectores al conjunto linealmente independiente S a fin de convertirlo en una
base para V de modo que Dim(U) < Dim(V). Por tanto, Dim(U) d Dim(V) en
todos los casos. Si Dim(U) = Dim(V), entonces S es un conjunto de m vectores
linealmente independientes en el espacio vectorial V de dimensin m; por tanto,
S es una base para V. Esto significa que U = V.
Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podremos ver fcilmente que su dimensin depende no slo de la dimensin de los
subespacios U y W, sino tambin de cun grande es la parte comn de los mismos. El valor exacto de la dimensin de la suma se determina por el siguiente
teorema.
T E O R E M A 5.6.10
Si U y W son subespacios vectoriales de dimensin finita de un espacio
vectorial V, entonces
Dim(U + W) + Dim(U W) = Dim(U) + Dim( W).
D E M OST R A C I O N
Hemos de verificar que, si U y W son subespacios de dimensin finita de un
espacio vectorial V, entonces Dim(U + W) + Dim(U W) = Dim(U) +
Dim(W). Puesto que U W es subespacio del espacio de dimensin finita U.
Sabemos que U W es de dimensin finita. Como U + W est generado por la
unin de una base de U y una base de W, tambin es de dimensin finita. Sea
{u1, u2, ..., uk} una base de U W, existen vectores v1, v2, ..., vr en U tales que
{u1, u2, ..., uk, v1, v2, ..., vr} es base de U. De la misma manera, hay vectores w1,
w2, ..., wt en W tales que {u1, u2, ..., uk, w1, w2, ..., wt} es base de W. Vemos
claramente que
Span{u1, u2, ..., uk, v1, v2, ..., vr, w1, w2, ..., wt} = U + W.
Si
a 1u1 + a 2u2 + ... + a kuk + b1v1 + b2v2 + ... + brvr + c1w1 + c2w2 + ... + c twt = ,
entonces,
v = a 1u1 + a 2u2 + ... + a kuk + b1v1 + b2v2 + ... + brvr = - c1w1 - c2w2 - ... - c twt
est en U W. Luego existen escalares d1, d2, ..., dk con la propiedad de que
v = d1u1 + d2u2 + ... + dkuk,
de donde tenemos que
d1u1 + d2u2 + ... + dkuk + c1w1 + c2w2 + ... + c twt = .
Pero {u1, u2, ..., uk, w1, w2, ..., wt} es un conjunto linealmente independiente de
V y, en consecuencia, c1 = c2 = ... = c t = 0. Pero, entonces vemos que
a 1u1 + a 2u2 + ... + a kuk + b1v1 + b2v2 + ... + brvr =
y, como {u1, u2, ..., uk, v1, v2, ..., vr} es base de U y, por tanto, conjunto linealmente independiente, tenemos que a 1 = a 2 = ... = a k = b1 = b2 = ... = br = 0. Por lo
tanto, hemos hecho ver que
{u1, u2, ..., uk, v1, v2, ..., vr, w1, w2, ..., wt} es
linealmente independiente y genera a U + W. Por consiguiente,
Dim(U + W) = t + k + r = (t + k) + ( r + k) k
= Dim(U) + Dim(W) - Dim(U W).
De este teorema se puede deducir una desigualdad que ofrece el valor mnimo
de la dimensin de la interseccin de unos subespacios. Consideremos los
subespacios vectoriales U y W de V y sean r y s las dimensiones de estos
ALGEBRA LINEAL CON MATLAB
242
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
243
D E M OST R A C I O N
Si tenemos dos sumandos, entonces la dimensin de la suma es igual, por el
teorema anterior. Pero, la interseccin de subespacios en el caso de una suma
directa es nula y su dimensin es igual a cero. Por esto, la dimensin de una
suma directa de dos subespacios es igual a la suma de sus dimensiones.
T E O R E M A 5.6.12
La dimensin del espacio de soluciones del sistema homogneo con n
incgnitas A X = O es igual a la diferencia n r, donde r es el rango del
sistema A X = O.
Como consecuencia de este teorema, podemos enunciar lo siguiente: para que
un sistema de n ecuaciones lineales homogneas de n incgnitas A X = O no
tenga soluciones no nulas, es necesario y suficiente que la matriz A de este
sistema sea no singular. Efectivamente, la condicin n = r significa que el rango
de la matriz A debe coincidir con su orden, es decir, la matriz A debe ser no
singular. Otra consecuencia es la siguiente: para que un sistema de n ecuaciones
lineales homogneas de n incgnitas tenga solucin no nula es necesario y suficiente que el determinante de la matriz de este sistema sea igual a cero. En efecto, una matriz cuadrada es singular si, y slo si, su determinante es igual a cero.
En un espacio vectorial V de dimensin finita, cualquier conjunto dado de vectores linealmente independientes de V forma parte de alguna base de V. En
realidad, hay muchas bases as. Se dice que la base S = {v1, ..., vm, ..., vn} es la
extensin a una base de V del conjunto linealmente independiente {v1, v2, ...,
vm}.
Un conjunto S de tres vectores linealmente independientes en 3 genera un
plano que pasa por el origen. Si S se aumenta insertando cualquier vector v fuera
de este plano, entonces el conjunto resultante de tres vectores todava es linealmente independiente, ya que ninguno de los tres vectores est en el mismo plano
que los otros dos.
Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podremos ver fcilmente que su dimensin depende no slo de la dimensin de los
subespacios U y W, sino tambin de cun grande es la parte comn de los mismos.
Consideremos los subespacios vectoriales U y W de V y sean r y s las dimensiones de estos subespacios, n la dimensin de V y m la dimensin de la interseccin U W. La dimensin de la suma U + W es igual a r + s m. Pero la
dimensin de la suma U + W es no mayor que la dimensin del espacio V. Por
consiguiente, r + s m d n, de donde se tiene m t r + s n. Es decir, la dimensin de la interseccin de dos subespacios vectoriales del espacio V no puede
ser menor que el exceso de la suma de las dimensiones de estos subespacios
respecto a la dimensin del espacio vectorial V. Por ejemplo, la interseccin de
dos planos del espacio de tres dimensiones contiene siempre una recta, la interseccin de un subespacio de dos dimensiones con un subespacio de tres dimensiones en un espacio de cuatro dimensiones contiene una recta, la interseccin
de dos subespacios de tres dimensiones de un espacio de cuatro dimensiones
contiene un plano, etc.
% COMPRUEBA SI UN SISTEMA DE VECTORES S ES BASE
clc;clear;
fprintf('\n BASE Y DIMENSION \n')
fil=input('Ingrese el numero de vectores: ');
col=input('Ingrese la dimension del vector: ');
ALGEBRA LINEAL CON MATLAB
244
ESPACIOS VECTORIALES
%Ingreso de elementos
fprintf('Ingrese los vectores del sistema S\n')
for f=1:fil
fprintf('\nIngrese la Ecuacion (%d)\n', f)
for c=1:col
fprintf('Ingrese el elemento %d',f)
S(f,c)=input(' :');
end
end
fprintf('LA MATRIZ DE VECTORES ES:\n')
S
fprintf('LA MATRIZ REDUCIDA ES:')
R= rref(S);
R
if (rank(S)==fil)
fprintf('EL SISTEMA DE VECTORES S ES UNA BASE \n')
DimS=rank(R)
else
fprintf('EL SISTEMA DE VECTORES S NO ES UNA BASE \n')
end
E J E M P L O 5.6.9
Si a , b, c son nmeros reales, si c z 0 y si S es el conjunto de todos los vectores (x, y, z) de 3
con la propiedad de que ax + by + cz = 0, entonces S es subespacio de V y Dim(S) = 2.
SO L U C I O N
Como ax + by + cz = 0 es un plano que pasa por el origen, entonces vemos que S es subespacio
de 3. Sean k = - a /c, r = - b/ c. Entonces, podemos describir a S como el conjunto de todos los
(x, y, z) tales que kx + ry - z = 0. Adems, observamos que u = (1, 0, k) y v = (0, 1, r) estn en S.
Podemos demostrar que u, v son linealmente independientes. Si w = (x, y, z) S, entonces
z = kx + ry, de manera que w = (x, y, kx + by) = xu + yv. En consecuencia, Span{u, v} = S.
Como u, v es un conjunto linealmente independiente, concluimos que constituye una base de
S.
E J E M P L O 5.6.10
Sea S = {(1, 2, 3), (0, 1, 2), (1, 1, 1), (3, 2, 1)} 3. Demuestre que tanto S como S = {(1, 2,
3), (0, 1, 2), (1, 1, 1)} generan el mismo subespacio.
SO L U C I O N
Para encontrar el Span(S), construimos la matriz aumentada de la siguiente manera:
1 0 1 3 a 1 0 1 3
a 1 0 1 3
a
2
1
1
2
b
0
1
1
4
2
a
b
0
1
1
4
2
a
b
|
|
3 2 1 1 c 0 2 2 8 3a c 0 0 0 0 a 2b c
de donde
Span(S) = {( a , b, c) / a 2b + c = 0}.
Para encontrar el Span(S), construimos la matriz aumentada de la siguiente manera:
1 0 1 a 1 0 1
a 1 0 1
a
2a b
2 1 1 b | 0 1 1 2 a b | 0 1 1
3 2 1 c 0 2 2 3a c 0 0 0 a 2b c
de donde
Span(S) = {( a , b, c) / a 2b + c = 0}.
Por lo tanto concluimos que Span(S) = Span(S).
E J E M P L O 5.6.11
Suponga que V es de dimensin n y que cada uno de los conjuntos U y W es subespacio de V
de dimensin n - 1. Suponga adems, que U z W. Entonces, Dim(U W) = n - 2.
SO L U C I O N
Puesto que U z W, uno de los espacios contiene un vector que no est en el otro. En consecuenALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
245
cia, U + W contiene a uno de U, W o tal vez a ambos, como subespacio propio. De acuerdo con
eso
n t Dim(U + W) > n - 1 = Dim(U) = Dim(W)
de donde se desprende que Dim(U + W) = n. Entonces se deduce que
Dim(U W) = Dim(U) + Dim(W) - Dim(U + W) = (n - 1) + (n - 1) n = n - 2.
EJ E M P L O 5.6.12
Sea U el conjunto de elementos (a, b, c, d) tales que a b + c = 0. Sea W el conjunto de elementos
(a, b, c, d) tales que b + c + d = 0. Entonces, U W = S ser el conjunto de elementos (a, b, c, d)
que cumplan tanto con la condicin a b + c = 0 como con la condicin b + c + d = 0, y
Dim(S) = 2.
SO L U C I O N
Como podemos apreciar, U, W son subespacios de R 4, y Dim(U) = Dim( W) = 3. Se ve
claramente que (1, 1, 0, 0) est en U y no est en W, de manera que U z W. Por lo tanto
Dim(S) = 2.
EJ E M P L O 5.6.13
Hallar una base cualquiera y la dimensin del subespacio generado por los sistemas de polinomios
siguientes:
a.- {3t2 + 2t + 1, 4t2 + 3t + 2, 3t2 + 2t + 3, t2 + t + 1, 4t2 + 3t + 4};
b.- {t3 + 2t2 + 3t + 4, 2t3 + 3t2 + 4t + 5, 3t3 + 4t2 + 5t + 6, 4t3 + 5t2 + 6t + 7}.
SO L U C I O N
a.- En este caso formamos una matriz, donde sus filas son los elementos del sistema dado y luego
procedemos a calcular el rango de dicha matriz:
3 2 1
3 2 1
4 3 2
3 2
3 2 3 3 z 0 ,
z0, 4 3 2 z0.
4 3
3 2 3
1 1 1
4 3 4
2 3 4 5 | 0 1 2 3 | 0 1 2 3
3 4 5 6 0 2 4 6 0 0 0 0
4 5 6 7 0 3 6 9 0 0 0 0
Como el rango de la matriz es 2, entonces la base buscada es {t3 + 2t2 + 3t + 4, 2t3 + 3t2 + 4t + 5} y
su dimensin es 3.
EJ E M P L O 5.6.14
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 3:
a.- {(a, 1, 1), (1, a, 1), (1, 1, a)};
b.- {(a + 1, 1, 1), (1, a + 1, 1), (1, 1, a + 1)};
c.- {(1, a + 1, a), (a + 1, a + 2, a + 3), (a, 0, a + 4)};
d.- {(a i, 0, 1), (0, a, 0), (1, -2ia, a i)};
e.- {(a, 1, 1), (b, ab, b), (1, 1, a)};
f.- {(2a - b, 1, b a), (0, a, 0), (2a - 2b, 2, 2b a)}.
SO L U C I O N
a.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
246
ESPACIOS VECTORIALES
a 1 1
1 a 1
1 1 a
( a 2)( a 1)2 .
b d e 0
Determnese una base de S. Encuntrese una base de 5 que sea extensin de la base obtenida para
S.
SO L U C I O N
Para encontrar una base para S, debemos resolver el sistema de ecuaciones:
1 1 1 0 0 0 1 0 1 1 1 0
|
0 1 0 1 1 0 0 1 0 1 1 0
donde a = - c d e y b = - d e. Con estas condiciones reemplazamos en el vector ( a, b, c, d, e)
para obtener la base:
(a, b, c, d, e) = (- c d e, - d e, c, d, e) = c(-1, 0, 1, 0, 0) + d(-1, -1, 0, 1, 0) + e(-1, -1, 0, 0, 1)
Base S = {(-1, 0, 1, 0, 0), (-1, -1, 0, 1, 0), (-1, -1, 0, 0, 1)}
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
1 1 0 1 0 1 1
1 1 0 0 1
1 1
a b
a b c d e
247
1
0
0
c
0
1
0
d
a b c
El cuarto elemento se puede obtener de la condicin a b + c z 0, que puede ser (1, 1, 1, 0, 0). El
quinto elemento lo encontramos con la misma condicin pero diferente al anterior, ste puede ser
(0, 0, 1, 1, 1). Entonces la base es:
Base 5 = {{(-1, 0, 1, 0, 0), (-1, -1, 0, 1, 0), (-1, -1, 0, 0, 1), (1, 1, 1, 0, 0), (0, 0, 1, 1, 1)}.
EJ E M P L O 5.6.16
Sea S el conjunto de los polinomios reales de grado no mayor que 5 que tienen a 1 como cero.
Determnese una base de S. Encuntrese Dim(S). Encuntrese una base de 5 que sea extensin de
la base ya determinada de S.
SO L U C I O N
Este conjunto se puede expresar como:
S = {p 5 / p(t) = (t 1)(a + bt + ct2 + dt3 + et4), a, b, c, d, e }.
Expandiendo el polinomio, obtenemos:
p(t) = - a + (a b)t + (b c)t2 + (c d)t3 + (d e)t4 + et5
Una base para S es:
Base S = {(-1, 1, 1, 0, 0, 0, 0,), (0, -1, 1, 0, 0, 0), (0, 0, -1, 1, 0, 0), (0, 0, 0, -1, 1, 0),
(0, 0, 0, 0, -1, 1)}.
Por tanto la dimensin de S es 5. Para encontrar una base de 5, debemos construir un
determinante cuya ltima fila este compuesta por un polinomio cuyos coeficientes sean
incgnitas:
1 1 0 0 0 0
0 1 1 0 0 0
0 0 1 1 0 0
a b c d e f .
0 0 0 1 1 0
0 0 0 0 1 1
a b c d e f
Como falta un elemento para completar la base de 5, entonces este elemento se puede obtener de
la condicin a + b + c + d + e + f z 0. Una posible base es:
Base P5 = {(-1, 1, 1, 0, 0, 0, 0,), (0, -1, 1, 0, 0, 0), (0, 0, -1, 1, 0, 0), (0, 0, 0, -1, 1, 0),
(0, 0, 0, 0, -1, 1), (1, 1, 1, 1, 1, 1)}.
EJ E M P L O 5.6.17
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 4:
a.- {(1, a, b, a b), (a, a, 0, 0), (b, 0, b, 0), (a b, 0, 0, a b)};
b.- {(1, a, a, a), (a, 1, a, a), (a, a, 1, a), (a, a, a, 1)};
c.- {(2, 1, 1, a), (b, b, 2b, b), (1, 1, 0, 0), (0, 1, 1, 0)};
d.- {(a + 3, -a, a, -a), (a, 3 a, a 1, 1 a), (0, 0, a + 1, 1 a), (0, 0, a 1, 3 a)};
e.- {(a + 2, 0, -2, 0), (2a + 4, -1, -a 3, a + 1), (0, 0, a, 0), (2a, -a 1, 1 a, 2a + 1)}.
SO L U C I O N
a.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
1
a b a b
a
a 0
0
ab(b a )(2 a 1) .
b
0 b
0
a b 0 0 a b
En este caso ab(b a)(2a - 1) z 0, de donde obtenemos que a z 0, b z 0, a z y b z .
ALGEBRA LINEAL CON MATLAB
248
ESPACIOS VECTORIALES
b.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
1 a a a
a 1 a a
(1 a )3 (3a 1) .
a a 1 a
a a a 1
En este caso (1 a)3(3a + 1) z 0, de donde obtenemos que a z 1 y a z -1/3.
c.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
2 1 1 a
b b 2b b
2b(1 a ) .
1 1 0 0
0 1 1 0
En este caso 2b(1 a) z 0, de donde obtenemos que b z 0 y a z 1.
d.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
a 3 a
a
a
a
3 a a 1 1 a
36 .
0
0
a 1 1 a
0
0
a 1 3 a
En este caso para cualquier valor de a, el sistema es base de 4.
e.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
a2
0
2
0
2a 4
1
a 3 a 1
a 3 ( a 2) .
0
0
a
0
2a
a 1 1 a 2a 1
En este caso a3(a + 2) z 0, de donde obtenemos que a z 0 y a z -2.
EJ E M P L O 5.6.18
Sea S el conjunto de los polinomios reales de grado no mayor que 5 cuya derivada tercera es cero
en 0. Hgase ver que S es subespacio de 5. Determnese una base de S y hgase su extensin a
una base de 5.
SO L U C I O N
Este conjunto se puede expresar como:
S = {p 5 / p(0) = 0}.
Haciendo que p(t) = a + bt + ct2 + dt3 + et4 + ft5, entonces p(t) = 6d + 24et + 60ft2, p(0) = 6d =
0, d = 0. Una base para S es:
Base S = {(1, 0, 0, 0, 0, 0), (0, 1, 0, 0, 0, 0), (0, 0, 1, 0, 0, 0), (0, 0, 0, 0, 1, 0), (0, 0, 0, 0, 0, 1)}.
Por tanto la dimensin de S es 5. Para encontrar una base de 5, debemos construir un
determinante cuya ltima fila este compuesta por un polinomio cuyos coeficientes sean
incgnitas:
1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
d.
0 0 0 0 1 0
0 0 0 0 0 1
a b c d e f
Como falta un elemento para completar la base de 5, entonces este elemento se puede obtener de
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
249
PR O B L E M AS
5.6.1 Demuestre que si S = {u1, u2, ..., uk} es una base de
un espacio vectorial V y D es un escalar no nulo,
entonces el conjunto S1 = {Du1, Du2, ..., Duk} tambin es
una base de V.
5.6.2 Mustrese grficamente que w = u v, z = u + v
son linealmente independientes y que, por lo tanto, forman una base.
5.6.3 Sea V el conjunto generado por
u = Cos2x, v = Sen2x, w = Cos2x:
a.- Demuestre que S = {u, v, w} no es una base para V.
b.- Determine una base para V.
5.6.4 Sea V el espacio vectorial de todas las funciones
continuas en el intervalo [-S; S]. Sea U el subconjunto de
V que consta de todas las funciones f que satisfacen las
tres
S
ecuaciones
S f (t )Sentdt
S f (t )dt
0,
S f (t )Costdt
0:
0,
250
ESPACIOS VECTORIALES
5.6.11 Demuestre que el conjunto de las matrices triangulares de m x n constituye un espacio vectorial de
1
dimensin mn (m2 m) si m d n, y de dimensin
2
1 2
(n n) si n d m.
2
5.6.12 Determine una base del subespacio S de n y
determine la dimensin del subespacio:
a.- S consiste en todos los vectores (x, y, -y, -x) en 4;
b.- S consiste en todos los vectores (x, y, 2x, 3y) en 4;
c.- S consiste en todos los vectores del plano 2x y + z
= 0 en el espacio 3;
d.- S consiste en todos los vectores (x, y, -y, x y, z) en
5;
e.- S consiste en todos los vectores en 4 con la segunda componente cero;
f.- S consiste en todos los vectores (-x, x, y, 2y) en 4;
g.- S consiste en todos los vectores paralelos a la recta
y = 4x en 2;
h.- S consiste en todos los vectores del plano 4x + 2y
z = 0 en 3.
5.6.13 Sea {u, v, w} una base de un espacio vectorial V.
Demuestre que {x, y, z} tambin es una base, donde u = x,
y = u + v, z = u + v + w.
5.6.14 Sea W el espacio generado por f = Senx y
g = Cosx:
a.- Demuestre que para cualquier valor de T, f1 = Sen(x +
T) y g1 = Cos(x + T) son vectores en W.
b.- Demuestre que f1 y g1 forman una base para W.
5.6.15 En 3, todos los vectores de un plano 3 que
pasa por el origen forman un subespacio S de 3. Determine la dimensin de S para cualquier plano 3.
5.6.16 En 2, todos los vectores paralelos a una recta
dada L que pasa por el origen forman un subespacio S.
Determine la dimensin de S para cualquier recta L.
ESPACIOS VECTORIALES
251
u2 a21v1 a2 2 v2 a2 n vn
(1)
u
n an 1v1 an 2 v2 an n vn
El vector u, respecto de la base B 2, se expresa de forma nica como u = a1u1 + a2u2 +
... + anun, por otro lado, al ser tambin B 1 una base, el vector u admite la siguiente
expresin:
u = b1u1 + b2u2 + ... + bnun
Por (1) se tiene:
u = b1(a11v1 + a12v2 + ... + a1nvn) + b2(a21v1 + a22v2 + ... + a2nvn) + ... + bn(an1v1 + an2v2
+ ... + annvn)
= (b1a11 + b2a21 + ... + bnan1)v1 + (b1a12 + b2a22 + ... + bnan2)v2 + ... + (b1a1n + b2a2n
+ ... + bnan n)vn
Luego
a1 b1 a11 b2 a21 bn a n1
a b a b a b a
2 1 12 2 22
n n2
an b1 a1n b2 a2 n bn ann
que son las ecuaciones que permiten relacionar las coordenadas de un mismo vector
respecto de las bases B 1 y B 2.
El concepto de espacio vectorial tiene dos facetas esencialmente diferentes. En
primer lugar, un espacio vectorial es un conjunto de ciertos entes que se denominan
vectores y, en segundo lugar, en un espacio vectorial actan las operaciones de
adicin y de multiplicacin por un nmero. Por esto, o bien podemos limitarnos a
estudiar qu es lo que representan los vectores y cules son la naturaleza y las
propiedades de los mismos, o bien podemos tomar otro punto de vista y estudiar las
propiedades de las operaciones indicadas independientemente de la naturaleza de los
elementos con los cuales se efectan estas operaciones. En lo sucesivo nos
interesarn solamente las propiedades del segundo gnero. Por ello, dos espacios de
la misma estructura respecto a las operaciones de adicin y de multiplicacin por
nmeros se considerar que tienen las mismas propiedades o que son isomorfos.
252
ESPACIOS VECTORIALES
D E F IN I C I O N 5.7.2
Dos espacios vectoriales U y V dados sobre un mismo cuerpo K se llaman
isomorfos, si se puede establecer tal correspondencia biyectiva entre sus
vectores que a la suma de cualesquiera dos vectores del primer espacio le
corresponda la suma de los vectores correspondientes del segundo espacio y
al producto de un escalar por un vector del primer espacio le corresponda el
producto de este mismo escalar por el vector correspondiente del segundo
espacio.
Toda correspondencia biyectiva que posee las propiedades indicadas se llama
isomorfismo.
T E O R E M A 5.7.1
En una correspondencia isomorfa el vector nulo corresponde al vector nulo.
D E M OST R A C I O N
Supongamos que en una aplicacin isomorfa de un espacio vectorial V sobre otro
espacio vectorial W el vector v de V corresponde al vector w de W. Entonces, segn
la definicin, el vector nulo del primer espacio debe transformarse en el vector nulo
del segundo espacio.
T E O R E M A 5.7.2
En una aplicacin isomorfa un sistema de generadores del primer espacio se
transforma en un sistema de generadores del segundo sistema.
D E M OST R A C I O N
Sean v1, v2, ..., vt unos generadores del espacio V y sean w1, w2, ..., wt los vectores
que les corresponden en el espacio W. Tomemos en W un vector arbitrario w y
consideremos el vector v de V. Por hiptesis, el vector v puede ser representado en la
forma v = a1v1 + a2v2 + ... + atvt.
Segn la definicin, la suma a 1v1 + a2v2 + ... + a tvt, debe transformarse en la suma
a1w1 + a2w2 + ... + atwt y, por consiguiente, el vector w debe coincidir con la suma
a1w1 + a2w2 + ... + atwt, es decir, los vectores w1, w2, ..., wt constituyen un sistema de
generadores del espacio W.
T E O R E M A 5.7.3
A un sistema linealmente independiente de vectores le corresponde de
nuevo un sistema linealmente independiente.
D E M OST R A C I O N
Supongamos que los vectores linealmente independientes v1, v2, ..., vm del espacio V
se transforman en los vectores w1, w2, ..., wm del espacio W. Supongamos que entre
los ltimos existe una relacin de tipo
b1w1 + b2w2 + ... + bmwm = .
Segn la definicin, al primer miembro de esta igualdad corresponde en el espacio V
el vector
b1v1 + b2v2 + ... + bmvm
y al vector nulo corresponde en el espacio V el vector nulo . Por consiguiente
b1v1 + b2v2 + ... + bmvm = .
Puesto que los vectores v1, v2, ..., vm son linealmente independientes se tiene
b1 = b2 = ... = bm = 0,
es decir, los vectores w1, w2, ..., wm son linealmente independientes.
De estos teoremas se deduce directamente que en un isomorfismo una base de un
espacio vectorial se transforma de nuevo en una base de un espacio vectorial y, por
consiguiente, los espacios vectoriales isomorfos tienen la misma dimensin. La
afirmacin recproca es tambin vlida: si dos espacios vectoriales sobre un mismo
cuerpo de coeficientes tienen la misma dimensin, son isomorfos.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
253
EJ E M P L O 5.7.1
Considere el conjunto de vectores en 3, B = {(3, 1, 2), (-1, 0, 2), (4, 3, 5)}:
a.- Demuestre que B es una base de 3;
b.- Encuentre (3, 4, 6) en B;
c.- Para un vector cualquiera u 3, encuentre u en B.
SO L U C I O N
Es fcil verificar que los vectores {(3, 1, 2), (-1, 0, 2), (4, 3, 5)} forman una base de
3. Es decir, debemos aprovechar que podemos calcular el determinante del sistema
de vectores
3 1 4
1 0 3 z0
2 2 5
como el determinante es diferente de cero, podemos concluir que el sistema B es
linealmente independiente y por lo tanto es una base. Aprovechando las operaciones
elementales que se pueden realizar sobre matrices para resolver sistemas de
ecuaciones, podemos evaluar los puntos b) y c) inmediatamente, es decir:
3 1 4 3 a 3 1 4
3
a
1 0 3 4 b | 0 1 5 4 a 3b
2 2 5 6 c 0 8 7 12 2 a 3c
3a
0 0 48 18 a 39b 9c
33
a 3b | 0 11 0
1
a 7b 5 c
2 a 8b 3c 0
0 11
20
2 a 8b c
16
1
20
De esta manera tenemos que O1 , O 2
y O3
, con lo que podemos
11
11
11
decir que
16
1 20
>(3, 4, 6)@B , ,
11 11 11
1
6a 13b 3c, a 7b 5c, 2a 8b c .
>(3, 4, 6)@B
11
3 0 9
0 1 5
0 0 11
12
9
20
EJ E M P L O 5.7.2
En 3 considere las dos bases
B 1 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} y B 2 = {(2, 1, 2), (1, 0, 3), (-1, 4, -2)}:
a.- Encuentre [(1,1, 3)]B1 ;
b.- Encuentre [(1,1, 3)]B 2 ;
c.- Encuentre la matriz de cambio de base de B 1 a B 2;
d.- Encuentre la matriz de cambio de base de B 2 a B 1;
e.- Obtenga los resultados de los incisos a) y b) use las matrices obtenidas en los
incisos c) y d).
SO L U C I O N
a.- (1, 1, 3) = a 1(1, 1, 1) + a 2(1, 1, 0) + a 3(1, 0, 0)
(1, 1, 3) = 3(1, 1, 1) 2(1, 1, 0) + 0(1, 0, 0)
[(1,1, 3)]B1 = (3, -2, 0)T.
b.- (1, 1, 3) = b1(2, 1, 2) + b2(1, 0, 3) + b3(-1, 4, -2)
(1, 1, 3) = 1/17(2, 1, 2) + 10/17(1, 0, 3) + 4/17(-1, 4, -2)
[(1,1, 3)]B 2 = (1/17, 19/17, 4/17)T.
2 1 1
c.- 1 0 4
2 3 2
1
1
1
1
1
0
1 2 1 1 1
0 | 0 1 9 1
0 0 2 1 0
1 1
1 1
1 1
JOE GARCIA ARCOS
254
ESPACIOS VECTORIALES
2 0 8
0 1 9
0 0 17
2
1
2
2
1
1
P B 2
1 1 1
d.- 1 1 0
1 0 0
0
0
2
1
2
1 1 1
4 | 0 0
2 0 1
2
1 1
1 1 4
0 2
1
1
0
3
1 1
1 2
1 1
1 0 0
0 1 0
0 0 1
0 1 0 0
1 | 0 1 0
3 0 0 1
13
9
17
17
1
8
B1
17
17
1
2
17
17
2
1
1
3
3
1
1
1
1
2
1
0
9 /17
1/17
2 /17
13 /17
8 /17
1/17
12 /17
10 /17
3 /17
12
17
10
17
3
17
1
1
2
1
5
1
1 0 1
| 0 1 2
0 0 1
1
1
1
2
1
1
3
4
5
2
2 3 2
6 P B1 B 2 1 3 6
1 1 5
5
[(1,1, 3)]B 2
PR O B L E M AS
5.7.1 En 2 considere las dos bases
B 1 = {1 - t t2, - 1 2t2, t + 2t2}
y
B 2 = {3 + 6t2, 2 + t + 6t2, t2}:
a.- Encuentre [1 t t 2 ]B1 ;
b.- Encuentre [1 t t 2 ]B 2 ;
c.- Encuentre la matriz de cambio de base de B 1 a B 2;
d.- Encuentre la matriz de cambio de base de B 2 a B 1;
e.- Obtenga los resultados de los incisos a) y b) use las
matrices obtenidas en los incisos c) y d).
5.7.2 Sea P la matriz de transicin de B 2 a B 1 y sea Q la
matriz de transicin de B 1 a B 2. Cul es la matriz de
transicin de B 2 a B 1?
5.7.3 En C 3 considere las dos bases
B 1 = {(1 + i, 2 i, 1), (3 + 2i, 4 4i, 1), (i, 2, -i)}
y
B 2 = {(1, i, 1 + i), (1, i, -i), (2i, 1, 1 i)}:
a.- Encuentre [(2i , 3,1 i )]B1 ;
b.- Encuentre [(2i , 3,1 i )]B 2 ;
c.- Encuentre la matriz de cambio de base de B 1 a B 2;
d.- Encuentre la matriz de cambio de base de B 2 a B 1;
ALGEBRA LINEAL CON MATLAB
1 1 1 1 1 0 0 1
B 1 =
,
,
,
1
1
1
1
1
0
2
0
y
1 1 1 1 1 1 1 0
B 2 =
,
,
,
:
1
1
1
0
0
0
0
0
1 2
a.- Encuentre
;
7 4 B1
1 2
b.- Encuentre
;
7 4 B 2
c.- Encuentre la matriz de cambio de base de B 1 a B 2;
d.- Encuentre la matriz de cambio de base de B 2 a B 1;
e.- Obtenga los resultados de los incisos a) y b) use las
matrices obtenidas en los incisos c) y d).
ESPACIOS VECTORIALES
255
5.8 C U EST I O N A RI O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
5.8.1 Todos los polinomios de grado 3 que poseen coeficientes reales forman un espacio vectorial.
5.8.2 Las matrices antisimtricas no forman un subespacio vectorial de todas las matrices cuadradas de n x n.
5.8.3 Todos los vectores de n, que tienen iguales la
primera y ltima coordenada forman un subespacio vectorial.
5.8.4 Tres vectores no coplanares u, v y w, son linealmente dependientes.
5.8.5 Un sistema de vectores que contiene dos vectores
iguales es linealmente dependiente.
5.8.6 Un sistema de vectores cuyos dos vectores se
diferencian por un factor escalar es linealmente independiente.
5.8.7 Un sistema de vectores que contiene al vector
nulo es linealmente dependiente.
5.8.8 Si una parte del sistema de vectores es linealmente
dependiente, entonces todo el sistema tambin es linealmente dependiente.
5.8.9 Cualquier parte de un sistema de vectores linealmente independiente es por s misma linealmente dependiente.
5.8.10 Si tres vectores u1, u2 y u3 son linealmente dependientes y el vector u3 no se expresa linealmente a
travs de los vectores u1 y u2, entonces estos ltimos se
diferencian entre s slo por un factor numrico.
5.8.11 Sean S, U y W subespacios vectoriales de V.
Entonces S ser la suma directa de U y W cuando y slo
cuando S est contenido en U y W.
5.8.12 Si los vectores u1, u2, ..., uk son linealmente dependientes, y los vectores u1, u2, ..., uk, u son linealmente
independientes, entonces el vector u se expresa linealmente a travs de los vectores u1, u2, ..., uk.
5.8.13 Si la dimensin de la suma de dos subespacios
vectoriales del espacio V supera la dimensin de su interseccin en una unidad, la suma coincide con uno de
esos subespacios y la interseccin con el otro.
O BJE T I V O
Resolver problemas relacionados con los espacios eucldeos y hermticos, utilizando matrices, determinantes,
rango e inversa y sistemas de ecuaciones lineales, en situaciones reales, propias de la ingeniera.
C O N T E NI D O :
6.1
6.2
6.3
6.4
6.5
6.6
ESPACIOS EUCLIDEOS
ESPACIOS HERMITICOS
NORMA, DISTANCIA Y ANGULO ENTRE VECTORES
BASES ORTOGONALES Y ORTONORMALES
SUBESPACIO COMPLEMENTO ORTOGONAL, PROYECCIONES ORTOGONALES
Y DISTANCIA A UN SUBESPACIO
CUESTIONARIO
6.1 ESP A C I OS E U C L I D E OS
En esta seccin se usarn como axiomas las propiedades ms importantes del producto interior euclidiano para
definir el concepto general de producto interior; luego se demostrar cmo los productos interiores se pueden
utilizar para definir la desigualdad de Cauchy Schwartz, la ortogonalidad, paralelismo y proyecciones entre
vectores.
258
los ejes coordenados, tomados con signo adecuado. Si v = b1e1 + b2e2 + ... + bkek es
otro vector cualquiera, resulta entonces que el producto interior es
u v = a1b1 + a2b2 + ... + a kbk.
El espacio vectorial V es real. Esto se expresa en que las proyecciones, las longitudes
y los productos interiores de los vectores son nmeros reales.
D E F IN I C I O N 6.1.1
Si dos vectores u y v estn dados mediante sus coordenadas rectangulares
cartesianas, entonces el producto interior cannico de estos vectores es
igual a la suma de los productos, realizados dos a dos, de las coordenadas
correspondientes.
Ntese que el producto interior no define la multiplicacin de vectores en el sentido
ordinario, es decir, el producto interior de dos vectores no es un vector sino un
nmero real.
EJ E M P L O 6.1.1
Formando el producto interior de los vectores ( CosT, SenM) y ( CosM, SenT), deducir
la identidad trigonomtrica Cos(T - M) = CosT CosM + SenTSenM.
SO L U C I O N
Dado que u = ( CosT, SenM) y v = ( CosM, SenT), entonces realizando el producto
interior entre estos dos vectores, obtenemos:
u v = ( CosT, SenM) ( CosM, SenT)
= CosT CosM + SenMSenT = Cos(T - M).
De esta manera hemos demostrado que Cos(T - M) = CosT CosM + SenMSenT.
EJ E M P L O 6.1.2
Calcular u v, siendo u = 2 i 4 j + k y v
0 (te
2t
SO L U C I O N
Integrando v, obtenemos:
0 (te
2t
E J E M P L O 6.1.3
En el espacio vectorial de los polinomios reales de grado menor o igual a n,
definimos el producto interior como
n
k k
f g f g .
k 0 n n
Calcular f g cuando f(t) = t y g(t) = at + b.
SO L U C I O N
k
Haciendo que t
, entonces:
n
ALGEBRA LINEAL CON MATLAB
259
1
t 0
t 0
f (t ) g (t ) t ( at b)
f g
a b .
EJ E M P L O 6.1.4
Encuentre la funcin producto interior f g en el espacio V, del conjunto de todas
las funciones de valor real continuas en C([-S, S]), en donde
f g
S f ( x) g ( x)dx :
a.- f(x) = Cosx, g(x) = x; b.- f(x) = ex, g(x) = Senx + Cosx;
c.- f(x) = Cos4x, g(x) = Senx; d.- f(x) = ex, g(x) = 1 ex.
SO L U C I O N
S
a.- f g
S xCosxdx
b.- f g
S e
c.- f g
S
0;
S
e2x
d.- f g (1 e )e dx e
S
2
x
0;
S
Cos3x Cos5 x
6
10
Cos 4 xSenx dx
S
S
Cosx xSenx
0;
S
1 2 e S 2 e 3S e 4 S
2e 2 S
S
E J E M P L O 6.1.5
Encuentre la funcin producto interior f g en el espacio V, del conjunto de todas
las funciones de valor real, definidas en C([0, 1]), en donde
1
f g
a.- f ( x) Sen
Sx
Sx
, g ( x) Cos ;
2
2
f ( x) g ( x)dx :
b.- f ( x)
1
, g ( x)
2
x -
1
1
- x .
2
2
SO L U C I O N
a.- f g
b.- f g
Sen
Sx
Sx
CosSx
Cos dx
2
2
2S
1 1
1
x x dx
2 2
2
1
;
S
(2 x 1) 2 x 1
16
(2 x 1)3
24
1
.
24
E J E M P L O 6.1.6
Encontrar f g para cada uno de los siguientes pares de funciones en C([0, 1])
cuando la funcin producto interior est definida con respecto a la funcin peso
h(x) = ex; por
1
f g
a.- f ( x) 1 2 x , g ( x) e x ;
c.- f ( x) Cos
SO L U C I O N
a.- f g
b.- f g
b.- f ( x) e
S
2 Sen
Sx
, g ( x) 1 .
2
0 (1 2x)e
1
f ( x) g ( x)h( x)dx :
e 2 Sen
x x
e dx
S
0 (1 2 x)dx
Sx 2
3Sx x
e Sen
e dx
2
2
x x2
1
0 Sen
Sx
3Sx
, g ( x) e 2 Sen
;
2
2
1
0
0;
Sx
3Sx
Sen
dx
2
2
JOE GARCIA ARCOS
260
SenSx Sen2Sx
2S
4S
c.- f g
1 x
0 e
Cos
Sx
dx
2
0;
0
Sx
Sx
2 2 Cos SSen e x
2
2
S2 4
2Se 4
S2 4
E J E M P L O 6.1.7
Encuentre la funcin producto interior f g en el espacio V, del conjunto de todas
las funciones de valor real continuas en C([-S, S]), en donde
f g
S f ( x) g ( x)dx :
S
SenmxSennx dx
Sen(m n) x Sen(m n) x
2(m n)
2(m n)
S
S
S
S
S
SenmxCosnx dx
CosmxCosnx dx
Cos(m n) x Cos (m n) x
2(n m)
2(m n)
Sen(m n) x Sen(m n) x
2(m n)
2(m n)
0;
S
S
S
261
D E F I N I C I O N 6.1.2
Dado (V, , +, ) un espacio vectorial definido sobre los reales. Un
producto interior en V es una funcin : V x V o , que a cada par
de vectores u, v en V le asocia un nmero real de forma tal que
satisface los siguientes axiomas:
1.- Para todo vector u de V, entonces se cumple la positividad:
u u > 0 cuando u z y = 0.
2.- Para todo par de vectores u, v de V, se cumple la conmutatividad:
u v = v u.
3.- Para todo par de vectores u, v de V y para todo escalar real k, se cumple
la homogeneidad:
ku v = ku v.
4.- Para toda terna de vectores u, v, w de V, se cumple la distributividad:
u (v + w) = u v + u w.
T E O R E M A 6.1.1
Para todo tro de vectores u, v, w de n se cumple
(u + v) w = u w + v w.
D E M OST R A C I O N
(u + v) w = w (u + v) axioma 2
= w u + w v axioma 4
= u w + v w axioma 2
T E O R E M A 6.1.2
Para todo par de vectores u, v de n y para todo escalar real k se cumple
u kv = k u v.
D E M OST R A C I O N
u kv = kv u axioma 2
= kv u axioma 3
= k u v axioma 2
T E O R E M A 6.1.3
Para todo u, de n, entonces u = 0.
D E M OST R A C I O N
u = u u - u
= u u - u u
= 0.
axioma 4
EJ E M P L O 6.1.8
Determine cules de las siguientes funciones : 2 x 2 o son funciones
producto interior en el espacio vectorial 2:
a.- u v = a1b1 a2b1 a1b2 + 2a2b2; b.- u v = a1b1 a2b1 + a1b2 - a2b2;
c.- u v = 2a1b1 + 2a2b2;
d.- u v = a1b1 a2b1 + a1b2 + 2a2b2.
SO L U C I O N
a.- Sean u = (a1, a2), v = (b1, b2), w = (c1, c2), entonces:
1.- u u a1a1 a2 a1 a1a2 2a2 a2 a12 2a1a2 2a22 (a1 a2 )2 a2 t 0 ;
2.- ku v
262
a.- f g
1 f ( x) g ( x) dx ;
c.- f g
1 (1
x 2 ) f ( x) g ( x)dx ;
b.- f g
1 x
d.- f g
1 xf ( x) g ( x)dx .
f ( x) g ( x)dx ;
SO L U C I O N
a.- Para verificar si f g define un producto interior, debemos demostrar los
axiomas de la definicin:
1.- Esta propiedad requiere un poco de atencin. Dado que f 2(x) t 0 para toda x, se
tiene
f f
1 f
( x) dx t 0
f f
1 f
( x) dx 0
con
s y slo si f es la funcin cero en C[-1; 1].
2.- f g
1 f ( x) g ( x) dx 1 g ( x) f ( x) dx
3.- Df g
4.- f g h
1 Df ( x) g ( x) dx
1
1
g f .
f ( x) g ( x) dx D f g .
1
1 f ( x) g ( x) dx 1 f ( x)h( x) dx
f g f h .
263
producto interior.
b.- Para verificar si f g define un producto interior, debemos demostrar los
axiomas de la definicin:
1.- Esta propiedad requiere un poco de atencin. Dado que x2f 2(x) t 0 para toda x,
se tiene
1
dx t 0
dx 0
f f
1 ( xf ( x))
f f
1 ( xf ( x))
con
s y slo si f es la funcin cero en C[-1; 1].
2.- f g
1 x
f ( x) g ( x) dx
1 Dx
3.- Df g
g ( x) f ( x) dx g f .
1
f ( x) g ( x) dx D x 2 f ( x) g ( x) dx D f g .
1
f ( x)[ g h]( x) dx
f ( x) g ( x) dx x 2 f ( x)h( x) dx f g f h .
1 x
4.- f g h
1 x
1 x
1 x [ f ( x) g ( x) f ( x)h( x)] dx
2
1
) f 2 ( x) dx t 0
) f 2 ( x) dx 0
f f
1 (1 x
f f
1 (1 x
con
s y slo si f es la funcin cero en C[-1; 1].
2.- f g
1 (1 x
3.- Df g
4.- f g h
) f ( x) g ( x) dx
1 D(1 x
1 (1 x
) g ( x) f ( x) dx g f .
) f ( x) g ( x) dx D (1 x 2 ) f ( x) g ( x) dx D f g .
1
) f ( x)[ g h]( x) dx
) f ( x) g ( x) dx (1 x 2 ) f ( x)h( x) dx f g f h .
1 (1 x
1 (1 x
1 (1 x
)[ f ( x) g ( x) f ( x)h( x)] dx
1
1 x f
( x) dx 0
con lo que no se cumple esta propiedad. Por lo tanto podemos decir que f g no es
un producto interior.
EJ E M P L O 6.1.10
Determine cules de las siguientes funciones : :(n, n) x :(n, n) o son
productos internos en el espacio vectorial ::
ALGEBRA LINEAL CON MATLAB
264
ak , ak , ak .
1
265
Se puede hacer eucldeo este espacio al definir la funcin producto interno por la
igualdad
u v = lna1lnb1 + lna2lnb2 + lna3lnb3?
SO L U C I O N
Vamos a comprobar el cumplimiento de los axiomas de los espacios eucldeos:
1.- u u = ln2a1 + ln2a2 + ln2a3 t 0.
2.- u v = lna1lnb1 + lna2lnb2 + lna3lnb3
u v = lnb1lna1 + lnb2lna2 + lnb3lna3
Es decir, u v = v u.
3.- ku v = lna k1lnb1 + lna k2lnb2 + lna k3lnb3 = klna1lnb1 + klna2lnb2 + klna3lnb3
= k(lna1lnb1 + lna2lnb2 + lna3lnb3) = ku v.
4.- u (v + w) = lna1ln(b1c1) + lna2ln(b2c2) + lna3ln(b3c3)
= lna1lnb1 + lna1lnc1 + lna2lnb2 + lna2lnc2 + lna3lnb3 + lna3lnc3
= lna1lnb1 + lna2lnb2 + lna3lnb3 + lna1lnc1 + lna2lnc2 + lna3lnc3
= u v + u w.
Por cumplirse todos los axiomas de la definicin, el espacio que se considera es
eucldeo.
EJ E M P L O 6.1.12
Es el conjunto de todos los vectores geomtricos un espacio eucldeo si el producto
interior de dos vectores se define como el producto de sus longitudes?
SO L U C I O N
El producto interior tiene la forma siguiente: u v u v , siendo u, v, w tres
vectores geomtricos. Por tanto debemos probar los siguientes axiomas:
1.- u u
2.- ku v
3.- u v
ku
u
4.- u v w
k u
uv
v zk u
v ;
v u ;
w d ( u v ) w z u w v w .
uv
uv
u u 2
uv
vv
vv
2
2
vv t 0
266
u u 2
u u
uv
vv
uv
vv
vv
t 0 u u vv u v
uv
vv
t0
vv t 0
uv
d u u vv .
EJ E M P L O 6.1.13
Verifique que la funcin : :(n, n) x :(n, n) o definida por A B =
Tr(A B T), en el espacio vectorial :(n, n), cumple la desigualdad de Cauchy Schwartz.
SO L U C I O N
Debemos comprobar que se cumple~A B~2 d A A B B. Es decir:
~Tr(A B T)~2 d Tr(A A T)Tr(BB T)
2
n
n
n
n
n
n 2
2
2
2
a1i b1i ... ani bni d a1i ... ani b1i ... bni
i 1
i 1
i 1
i 1
i 1
i 1
n n
n n
n n
a ji b ji d a 2ji b2ji .
j 1i 1
j 1 i 1 j 1 i 1
D E F I N I C I O N 6.1.4
En un espacio vectorial eucldeo V se dice que un vector u es ortogonal a
otro vector v, representado por u A v, si u v = 0, siendo u y v vectores
no nulos.
D E F IN I C I O N 6.1.5
Dos vectores u y v de un espacio eucldeo V distintos de cero son paralelos,
y se nota u v, si uno es mltiplo escalar del otro. Si u = kv con k > 0,
entonces u y v tienen la misma direccin; si k < 0, entonces u y v tienen
direccin opuesta.
Por analoga con los segmentos dirigidos, llamemos colineales dos vectores u y v de
cualquier espacio vectorial, si o bien u = av o bien v = bu para ciertos escalares a y b.
En virtud de la igualdad = 0u concluimos que los vectores u y v son colineales, a
ciencia cierta, si por lo menos uno de ellos es nulo.
T E O R E M A 6.1.5
La desigualdad |u v|2 d u uv v se convierte en una igualdad si, y slo
si, los vectores u y v son colineales.
D E M OST R A C I O N
Supongamos que los vectores u y v son colineales, entonces u = av. Hallamos
u v2 = av v2 = a2v v2
u uv v = av avv v = a2v v2
La comparacin de estas igualdades muestra que la afirmacin tiene lugar.
Supongamos ahora que para los vectores u y v se verifica la igualdad
u v2 = u uv v
Si v = , los vectores son colineales. Sin embargo, si v z , entonces, al tomar
u v
a=
y teniendo presente la ecuacin anterior, obtenemos u - av u - av = 0.
vv
En vista del axioma 1 de la definicin, esto significa que u av = , o bien u = av,
es decir, los vectores u y v son colineales.
ALGEBRA LINEAL CON MATLAB
267
u w v
Pr oyv u
u v
u v
v
v v
D E F IN I C I O N 6.1.6
Sean u y v vectores de un espacio eucldeo V, de modo que v z .
Entonces, la proyeccin perpendicular de u sobre v est definida por
u v
Pr oyv u
v.
v v
E J E M P L O 6.1.14
Determine la proyeccin ortogonal de f(x) = 2 + 3x2 sobre g(x) = 1 + 3x x2.
SO L U C I O N
Si f(x) = a0 + a1x + a2x2 y g(x) = b0 + b1x + b2x2, entonces el producto interior
cannico se establece por f g = a0b0 + a1b1 + a2b2. Para determinar la proyeccin
f g
g , es decir:
ortogonal de f(x) sobre g(x), debemos utilizar Pr oyg f
g g
Pr oyg f
2 3x 2 1 3x x 2
2
1 3x x 1 3x x
(1 3x x 2 )
23
(1 3x x 2 )
1 9 1
JOE GARCIA ARCOS
268
1
1 3
1
(1 3x x 2 ) x x 2 .
11
11 11
11
E J E M P L O 6.1.15
Para todo par de vectores u, v de un espacio vectorial eucldeo V, los vectores v y
u Proyvu son ortogonales.
SO L U C I O N
Usaremos las propiedades correspondientes al producto interno real:
u v
u v
u v
v u Pr oyv u
v u
v v u v
v v u
v v
v v
v v
v v
v u u v 0 .
% CALCULO DE LA PROYECCION DE VECTORES
clc;clear;
fprintf('\n PROYECCION DE VECTORES \n')
col=input('Ingrese la dimension de los vectores: ');
fprintf('\n Ingrese el vector u \n')
%for f=1:col
for c=1:col
fprintf('Ingrese el elemento %d',c)
u(1,c)=input(' :');
end
fprintf('\n El VECTOR u es:\n')
u
fprintf(' Ingrese el vector v \n')
%for f=1:col
for c=1:col
fprintf('Ingrese el elemento %d',c)
v(1,c)=input(' :');
end
fprintf('\n El VECTOR v es:\n')
v
end
fprintf('EL PRODUCTO INTERIOR ES:\n')
numerador=u*v'
denominador=v*v'
fprintf('LA PROYECCION DEL VECTOR u SOBRE v ES:\n')
w=((u*v')/(v*v')*v)
PR O B L E M AS
6.1.1 En los siguientes problemas, determine en cada
caso, si u v es un producto interior en n, si u v est
definido por la frmula que se da. En caso contrario, decir
cules son los axiomas que no se cumplen:
a.- u v
b.- u v
i 1
i 1
i 1
ui vi
c.- u v
i 1
d.- u v
ui2vi2 ;
e.- u v
i 1
i 1
j 1
ui
i 1
vi .
n
n
n
ui v j ;
n
n
n
n 1
b.- ui vi d O i ui2 vi2 .
i 1
i 1
i 1 O i
269
6.1.7
Forma el conjunto de todos los vectores
geomtricos un espacio eucldeo si el producto interior de
dos vectores arbitrarios u y v se define como el producto de
la longitud del vector u y la produccin triplicada del
vector v por el sentido del vector u?
0 f ( x) g ( x) dx
b.- f g
c.- f g
0 f ( x) g( x) dx ;
d.- f g
1
0
f ( x) dx
g(x) dx ;
1
lim
xi
xi2
n i 1
i 1
y que la igualdad se da si y slo si todos los xi son iguales.
t of t
0 f ( x) g ( x) dx .
6.2 ESP A C I OS V E C T O RI A L ES H E R M I T I C OS
En esta seccin se definirn productos interiores sobre espacios vectoriales complejos usando como axiomas
las propiedades del producto interior euclidiano sobre C n.
En este momento surge la necesidad de considerar vectores de proyecciones
complejas. A primera vista parece natural tomar de nuevo la expresin del
producto interior de vectores con coordenadas reales para el producto interior de
vectores con coordenadas complejas a 1, a 2, ..., a k y b1, b2, ..., bk.
En algunos casos se procede precisamente de este modo. El espacio que as
resulta se denomina espacio vectorial hermtico. Por desgracia, el producto
interior pierde entonces muchas propiedades importantes. Para evitar este
inconveniente, en lugar de la expresin
u v = a 1b1 + a 2b2 + ... + a kbk
se toma como definicin del producto interior de vectores complejos la expresin
u v a1 b1 a2 b2 ... ak bk
donde la raya superior significa que ha de pasarse a los nmeros complejos
conjugados. En el caso en que los vectores u y v sean reales, tenemos bi bi y la
expresin del producto interior de vectores complejos coincide con la expresin del
producto interior de vectores reales. Por consiguiente, la nueva definicin es una
generalizacin de la anterior.
270
D E F IN I C I O N 6.2.1
Un espacio vectorial complejo V se denomina espacio vectorial hermtico,
si a todo par de vectores, u, v de V se le ha puesto en correspondencia un
nmero complejo , llamado producto interior, considerndose cumplidos
los siguientes axiomas:
1.- Para todo vector u de V, entonces se cumple la positividad:
u u > 0 cuando u z .
2.- Para todo par de vectores u, v de V, se cumple la conmutatividad:
u v
v u .
3.- Para todo par de vectores u, v de V y para todo escalar complejo k,
se cumple la homogeneidad:
ku v = ku v.
4.- Para todo tro de vectores u, v, w de V, se cumple la distributividad:
u v + w = u v + u w.
El axioma u v
axioma 2
= k v u
axioma 3
= k u v
axioma 2
T E O R E M A 6.2.2
Dado (V, ) un espacio vectorial hermtico, entonces para cualesquiera
par de vectores, de V es vlida la desigualdad de Cauchy - Schwartz:
~u v~2 d u u v v.
La demostracin es anloga a la del caso real.
EJ E M P L O 6.2.1
Para todo par de vectores u, v de un espacio vectorial hermtico V, el vector v y
u Proyvu son ortogonales.
ALGEBRA LINEAL CON MATLAB
271
SO L U C I O N
Usaremos las propiedades correspondientes al producto interno complejo:
u v
u v
u v
v u Pr oyv u
vu
v v u v
v v u
v v
v v
v v
v v
v u u v v u v u
0.
EJ E M P L O 6.2.2
Si u = (2, 4, 1 + i), v = (1 - i, 2, 3i), hallar un vector no nulo w de un espacio
hermtico V, ortogonal simultneamente a u y v.
SO L U C I O N
Debemos encontrar un vector w tal que u w = 0 y v w = 0. Es decir:
u w = (2, 4, 1 + i) (a, b, c) = 2a + 4b + (1 - i)c = 0;
v w = (1 i, 2, 3i) (a, b, c) = (1 + i)a + 2b 3ic = 0.
Resolvemos el sistema de ecuaciones homogneo y obtenemos:
2 4 1 i 0 2 4 1 i 0 2i 0 1 5i 0
|
.
|
1 i 2 3i 0 0 2i 1 3i 0 0 2i 1 3i 0
Por lo tanto w = (5 i, 3 i, 2).
EJ E M P L O 6.2.3
Demostrar que para dos vectores cualesquiera u y v de un espacio hermtico V se
cumple la siguiente identidad
uv
u v
2u v 2u v .
SO L U C I O N
Descomponemos || u + v ||2 y || u - v ||2 en funcin del producto interior:
uv
u vu v
u u u v vu vv
u u u v u v v v ;
u v
u v u v
u u u v v u v v
u u u v u v v v .
Restamos estas dos expresiones y obtenemos el resultado buscado:
uv
u v
2u v 2u v .
EJ E M P L O 6.2.4
Demostrar que para dos vectores cualesquiera u y v de un espacio hermtico V, la
suma u v u v es real.
SO L U C I O N
Del problema anterior tenemos:
uv
1
2
uv uv
2
Lo cual implica que u v u v es un nmero real.
2u v 2u v
De donde
u v u v
uv
EJ E M P L O 6.2.5
Si u y v son vectores no nulos de un espacio hermtico V, demostrar que
u v u v
2 d
d 2.
|| u || || v ||
SO L U C I O N
Sabemos que
ALGEBRA LINEAL CON MATLAB
272
(1) Cos(u, v)
u v
u v
con 1 d
d1 ;
|| u || || v ||
|| u || || v ||
v u
u v
u v
con 1 d
d1 .
|| u || || v || || u || || v ||
|| u || || v ||
Sumando estas dos expresiones, obtenemos:
v u
u v
v u u v
.
Cos(u, v) Cos(v, u ) 2Cos(u, v)
|| u || || v || || u || || v ||
|| u || || v ||
Donde
v u u v
2 Cos(u, v)
|| u || || v ||
con
u v u v
2 d
d 2.
|| u || || v ||
Lo cual demuestra la identidad.
(2) Cos(v, u )
EJ E M P L O 6.2.6
Definimos el ngulo T formado por dos vectores no nulos u y v de un espacio
hermtico V mediante la identidad
u v u v
0 ArcCos
.
2 || u || || v ||
SO L U C I O N
En el problema anterior se demostr que
v u u v
2 Cos(u, v) 2 CosT
|| u || || v ||
De donde
v u u v
v u u v
CosT
T ArcCos
.
2 || u || || v ||
2 || u || || v ||
Con lo cual queda demostrada la identidad.
PR O B L E M AS
6.2.1
Sean u = (a, b) y v = (c, d). Demuestre que
u v 3ac 2bd define un producto interior sobre C 2.
6.2.2 Calcular u v usando el producto interior
u v 3ac 2bd :
a.- u = (2i, -i), v = (-i, 3i);
b.- u = (1 + i, 1 - i), v = (1 i, 1 + i);
c.- u = (3i, -1 + 2i), v = (3i, -1 2i).
6.2.3 Sean u = (a, b) y v = (c, d). Determine cules de las
siguientes expresiones son productos interiores sobre C 2.
Para las que no lo sean, enumerar los axiomas que no se
cumplen:
a.- u v 2ac iad iba 2bd ;
2
b.- u v
a c b d ;
c.- u v
ac bd ;
4
6.2.5 Sea C 3 con el producto interior hermtico.
Demuestre que para todos los valores de T el vector
i
1 1
u e iT
,
,
tiene norma 1 y es ortogonal a
3
3 3
273
4
b.- 0 d u u k u v k u v k k v v .
6.3 N O R M A, DIST A N C I A Y A N G U L O E N T R E V E C T O R ES
En esta seccin se definir el concepto de longitud y distancia entre dos vectores y el ngulo entre dos vectores en
un espacio con producto interior, y esta idea se usar para obtener algunas relaciones bsicas entre vectores en
un espacio con producto interior.
a 2 b2 .
274
a 2 b2 c 2 .
D E F IN I C I O N 6.3.1
Sea (V, ) un espacio vectorial eucldeo. Se define la norma o longitud
del vector u de V, representada por, al nmero real no negativo
u
u u .
De esta definicin se ve directamente que el vector nulo es el nico vector cuya
longitud es igual a cero. Un vector de norma 1 se denomina vector unitario.
D E F IN I C I O N 6.3.2
Un vector de V es un vector unitario si tiene magnitud 1. Dado cualquier
vector distinto de cero u de V, un vector unitario con la misma direccin
que u est dado por
1
u.
u
EJ E M P L O 6.3.1
Dado p(x) = 2 3x + 4x2 un polinomio en 2. Determine || p ||.
SO L U C I O N
Si p(x) = a0 + a1x + a2x2 y q(x) = b0 + b1x + b2x2, entonces el producto interior
cannico se establece por p q = a0b0 + a1b1 + a2b2. Por lo tanto
p
(2)(2) (3)(3) (4)(4)
4 9 16
29 .
EJ E M P L O 6.3.2
1 0 3
Sea la matriz A
. Use el producto interior cannico para determinar
5 9 7
A .
SO L U C I O N
a b
Si A
d e
c
a1 b1 c1
, entonces el producto interior cannico se
y B
f
d1 e1 f1
establece por A B = aa1 + bb1 + cc1 + dd1 + ee1 + ff1. Por lo tanto
A
(1)(1) (0)(0) (3)(3) (5)(5) (9)(9) (7)(7)
1 0 9 25 81 49 165 .
EJ E M P L O 6.3.3
Sea f(x) = exSenx una funcin definida en el intervalo -S d x d S. Determine || f ||.
SO L U C I O N
Como f(x) est definida en el intervalo -S d x d S, entonces para poder determinar la
norma de esta funcin debemos aplicar lo siguiente
S f
( x) dx
S e
2x
Sen2 x dx
2e S e 4S 1
.
4
EJ E M P L O 6.3.4
4
1 i 2i
Sea la matriz A
. Use el producto interior cannico para
1 1 i 2 i
determinar A .
SO L U C I O N
El producto interior cannico se establece por
ALGEBRA LINEAL CON MATLAB
275
AB
Por lo tanto
A
a a1 bb1 c c1 d d1 e e1 f f1 .
1 i 2 4i 2 16 1 1 i 2 4 i 2
30 .
EJ E M P L O 6.3.5
Sea S = {e1, e2, e3, e4} base cannica en 4. Para qu valor de k los vectores u = ke1
+ ke2 e3 ke4 y v = e1 e2 + ke3 e4 tienen igual longitud?
SO L U C I O N
Como el espacio vectorial es 4, entonces
e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0), e4 = (0, 0, 0, 1),
entonces u = (k, k, -1, -k) y v = (1, -1, k, -1). Para que u y v tengan igual longitud,
u
v . Es decir
k 2 k 2 1 k 2
( k , k , 1, k ) ( k , k , 1, k )
(1, 1, k , 1) (1, 1, k , 1)
1 1 k 2 1
k2 3
u u
u u
02 02 ... 02
ku
ku ku
k u ku
k ku u
k2 u u
0
rk
u u
k u .
3.- || u + v || = u + v u + v
= u u + v + v u + v
= u u + 2u v + v v
2
d u u + 2
2
u u
vv
+ v v
= || u || + 2|| u || || v || + || v ||
= (|| u || + || v ||)2.
Por lo tanto || u + v || d || u || + || v ||.
EJ E M P L O 6.3.6
Sean los vectores u = (3, -2, 4) y v = (1, 9, 3) de 3. Verifique la desigualdad
triangular con el producto interior definido por u v = a1b1 + 2a2b2 + 3a3b3 + a2b1 +
a1b3 + 2a2b3.
SO L U C I O N
Para verificar la desigualdad triangular, comprobaremos || u + v || d || u || + || v ||.
u
(3, 2, 4)
(3, 2, 4) (3, 2, 4)
ALGEBRA LINEAL CON MATLAB
276
(1, 9, 3) (1, 9, 3)
(1, 9, 3)
55
11 2 9 9 3 3 3 9 1 1 3 2 9 3 16
uv
(3, 2, 4) (1, 9, 3)
(4, 7, 7) (4, 7, 7)
(4, 7, 7)
4 4 2 7 7 3 7 7 7 4 4 7 2 7 7
Por lo tanto
415
415 d 55 16 .
EJ E M P L O 6.3.7
1 3 5
5 2 1
Sean las matrices A
y B
. Verifique la desigualdad
2 4 6
4 3 2
triangular utilizando el producto interior cannico.
SO L U C I O N
Para verificar la desigualdad triangular, comprobaremos || A + B || d || A || + || B ||.
1 3 5
2 4 6
1 3 5 1 3 5
2 4 6 2 4 6
11 3 3 5 5 2 2 4 4 6 6
5 2 1
4 3 2
91 ;
5 2 1 5 2 1
4 3 2 4 3 2
5 5 2 2 11 4 4 3 3 2 2
1 3 5 5 2 1
2 4 6 4 3 2
A+B
59 ;
6 5 6
6 7 8
6 6 55 6 6 6 6 7 7 88
Por tanto
246 .
246 d 91 59 .
EJ E M P L O 6.3.8
Sean las funciones f(x) = Senx y g(x) = Cosx definidas en C[-S; S]. Compruebe la
desigualdad triangular.
SO L U C I O N
Para verificar la desigualdad triangular, comprobaremos f g d f g .
2
Senx
Senx Senx
S Sen
Cosx
Cosx Cosx
S Cos
f g
Senx Cosx
S
x dx
x dx
S;
S;
S (Senx Cosx)
Por tanto
dx
2S ;
2S d 2 S .
EJ E M P L O 6.3.9
3
1 2i 2 i
2 i 1 i i
Sean las matrices A
y B
. Verifique
4
3
i
1
2
5
i
1 3i 2 3i i
la desigualdad triangular utilizando el producto interior cannico.
SO L U C I O N
Para verificar la desigualdad triangular, comprobaremos || A + B || d || A || + || B ||:
277
3
1 2i 2 i
4
3
i
1
2
5i
3 1 2i 2 i
3
1 2i 2 i
4
3
i
1
2
5
i
4
3
i
1
2
5i
2 i 1 i i
1 3i 2 3i i
75 ;
2 i 1 i i 2 i 1 i i
1 3i 2 3i i 1 3i 2 3i i
4 i 2 1 i 2 i 2 1 9i 2 4 9i 2 i 2
A+B
32 ;
3 2 i 1 i i
1 2i 2 i
4 3i 1 2 5i 1 3i 2 3i i
3 i 3 2i 3 i
5 6i 1 3i 2 4i
9 i 2 9 4i 2 9 i 2 25 36i 2 1 9i 2 4 16i 2
2 31 ;
Por tanto 2 31 d 75 32 .
T E O R E M A 6.3.2
Dos vectores son ortogonales si y slo si || u + v ||2 = || u ||2 + || v ||2.
D E M OST R A C I O N
|| u + v ||2 = u + v u + v = u u + u v + v u + v v
= u u + 2u v + v v
= u u + v v por definicin de ortogonalidad
= || u ||2 + || v ||2.
% CALCULO DE LA NORMA DE UN VECTOR
clc;clear;
fprintf('\n NORMA DE UN VECTOR \n')
col=input('Ingrese la dimension del vector: ');
fprintf('\n Ingrese el vector u \n')
%for f=1:col
for c=1:col
fprintf('Ingrese el elemento %d',c)
u(1,c)=input(' :');
end
%end
fprintf('El VECTOR u es:\n')
u
end
fprintf('LA NORMA DEL VECTOR u ES:\n')
NORMA=sqrt(u*u')
D E F IN I C I O N 6.3.3
Un espacio vectorial V en el que hay definida una norma se denomina
espacio vectorial normado.
Si P(a, b, c) y Q (x, y, z) son dos puntos en el espacio tridimensional, entonces la
distancia d(P, Q ) entre los puntos es la norma de Q P.
Ya que
Q P = (x a, y b, z c)
Es decir
ALGEBRA LINEAL CON MATLAB
278
d ( P, Q )
( x a )2 ( y b)2 ( z c )2 .
D E F IN I C I O N 6.3.4
Se denomina distancia d(u, v) entre los vectores u y v de un espacio
vectorial eucldeo, a la magnitud
d (u, v) u v .
El hecho de disponer de una norma en un espacio vectorial implica que se puede
dotar automticamente a ste de estructura de espacio mtrico; no se piense, sin
embargo, que la nica forma de obtener un espacio mtrico es a partir de una norma;
obsrvese, en este sentido, que para dotar a un conjunto de una mtrica no se precisa
que dicho conjunto tenga estructura algebraica alguna. Obsrvese nuevamente que
esta definicin hace perfecto sentido en cualquier espacio con producto interno.
D E F IN I C I O N 6.3.5
Se denomina distancia d(P, Q ) entre los conjuntos P y Q de vectores de un
mismo espacio la magnitud
d ( P, Q )
inf d ( P, Q ) .
u P , v Q
T E O R E M A 6.3.3
Sea (V, ) un espacio vectorial eucldeo, la distancia d(u, v) entre los
vectores u, v de V satisface los siguientes axiomas:
1.- Para todo u, v V, d(u, v) > 0 cuando u z v y d(u, v) = 0 si y slo si
u = v.
2.- Para todo u, v V, d(u, v) = d(v, u).
3.- Para todo u, v, w V, d(u, v) d d(u, w) + d(w, v).
D E M OST R A C I O N
1.- Para todo u = (a1, a2, ..., ak), v = (b1, b2, ..., bk) V, donde ai z bi, entonces
d(u, v) = || u v || =
=
u v u v
( a1 b1 )2 ( a2 b2 )2 ... ( ak bk )2 > 0
Para u = (a1, a2, ..., ak), v = (b1, b2, ..., bk) V, donde ai = bi, entonces
d(u, v) = || u v || =
u v u v =
( a1 b1 )2 ( a2 b2 )2 ... ( ak bk )2 = 0.
S (Senx Cosx)
dx
2S .
EJ E M P L O 6.3.11
Demostrar que entre todos los vectores u v, donde u es un vector dado y v recorre
el espacio dado V, tiene la longitud mnima el vector u w, donde w es la proyeccin
ortogonal de u sobre V.
ALGEBRA LINEAL CON MATLAB
279
SO L U C I O N
Desarrollamos lo siguiente:
u v
(u w) (w v)
uw
wv
t uw
uv
v
u v u v .
SO L U C I O N
Descomponiendo || u + v ||2 en funcin del producto interior, obtenemos:
uv
u v u v
u u u v v u v v
u u u v u v u v
v
u v u v .
280
v u
u
v
u v
2u v
v
2
2
2 u
v
v CosT
2 u
v CosT CosT
v CosT
u v
.
u v
D E F IN I C I O N 6.3.6
Sean u y v dos vectores no nulos del espacio vectorial eucldeo V. Se
denomina coseno del ngulo que forman los vectores u y v, representado
por Cos(u, v), al nmero real que cumple la igualdad
u v
. 0 d (u, v) d S.
Cos(u, v)
u v
Si (u, v) = 90, decimos que u y v son ortogonales. Si entre los vectores u y v
existe al menos uno no nulo, el ngulo formado por tales vectores se considera
indeterminado.
EJ E M P L O 6.3.14
En el espacio de cuatro dimensiones se dan dos planos, engendrados por los vectores
del sistema S y S1. Entre los ngulos formados por los vectores del primer plano con
los vectores del segundo plano, hallar el mnimo:
a.- S = {(1, 0, 0, 0), (0, 1, 0, 0)}, S1 = {(1, 1, 1, 1), (2, -2, 5, 2)};
b.- S = {(1, 0, 0, 0), (0, 1, 0, 0)}, S1 = {(1, 1, 1, 1), (1, -1, 1, -1)}.
SO L U C I O N
a.- La proyeccin del vector (t + 2r, t 2r, t + 5r, t + 2r) sobre el primer plano es
(t + 2r, t 2r, 0, 0). Por consiguiente
2t 2 8r 2
2 x2 8
Cos 2 T
4t 2 14tr 37 r 2 4 x 2 14 x 37
t
donde x
. Esta expresin alcanza el mximo, igual a 8/9, para x = -4.
r
b.- El ngulo formado por cualquier vector del segundo plano con su proyeccin
ALGEBRA LINEAL CON MATLAB
281
Cos(u, v)
1
.
n
EJ E M P L O 6.3.16
Sea S = {e1, e2, e3, e4} la base cannica de 4. Determine el ngulo entre los vectores
u
7e1 5e2 3e3 2e4 y v
7e1 5e2 .
SO L U C I O N
Como S es la base cannica para 4, entonces u ( 7, 5, 3, 2) y
Cos(u, v)
12
|| ( 7, 5, 3, 2) || || ( 7, 5, 0, 0) ||
Por lo tanto (u, v) = 32,84 .
17 12
12
.
17
EJ E M P L O 6.3.17
La desigualdad 2 d
u v u v
d 2 demuestra que siempre existe un nico
u v
v
v
u v u v
2 u
v Cos(u, v)
v
(u v u v )
v
2 u
v CosT .
Cos(u, v)
entonces
u v
u v
y Cos(v, w)
v w
v w
u v 5Cos(u, v) y v w 5Cos(v, w) .
JOE GARCIA ARCOS
282
De donde
5 Cos(u, v) = -5 Cos(v, w) Cos(u, v) = - Cos(v, w).
S
7S
Como (u, v) = , entonces (v, w) =
.
8
8
El coseno del ngulo que forman los vectores u y v est comprendido entre 1 y 1,
alcanzando estos valores extremos nicamente si u y v son linealmente dependientes.
El hecho de que el producto interior sea cero, es una prueba para que dos vectores
sean ortogonales. Esto motiva la definicin de que dos vectores son ortogonales si
y slo si su producto interior es cero. Como el producto interior de cualquier vector
con el vector nulo es cero, se acostumbra decir que el vector nulo es ortogonal a
cualquier otro vector.
Si los vectores u y v son no nulos y T es el ngulo entre ellos, entonces
a.- T es agudo, si y slo si u v > 0.
b.- T es obtuso, si y slo si u v < 0.
c.- T es S/2, si y slo si u v = 0.
EJ E M P L O 6.3.19
Si u = (3, -i, 2) y v = (1 + i, 1 i, 2 + 3i), hallar un vector no nulo w de 3 ortogonal
simultneamente a u y v.
SO L U C I O N
Como w pertenece a 3, entonces:
u w = (3, -i, 2) (a, b, c) = 3a ib + 2c = 0;
v w = (1 + i, 1 - i, 2 + 3i) (a, b, c) = (1 + i)a + (1 i)b + (2 + 3i)c = 0
Resolviendo el sistema de ecuaciones homogneo, generado por las condiciones
anotadas, obtenemos:
i
2 0 3
i
2
0 2i 2
0
1
0
3
|
.
|
2i 2 4 7i 0
1 i 1 i 2 3i 0 0 2i 2 4 7i 0 0
Por lo tanto w = (2 + 2i, 6 22i, 8).
EJ E M P L O 6.3.20
Si u = (-1, 4, 3) y v = (2, 5, 1), hallar un vector no nulo w de V tal que sean
ortogonales simultneamente.
SO L U C I O N
Como w pertenece a 3, entonces:
u w = (-1, 4, 3) (a, b, c) = -a + 4b + 3c = 0
v w = (2, 5, 1) (a, b, c) = 2a + 5b + c = 0
Resolviendo el sistema de ecuaciones homogneo, generado por las condiciones
anotadas, obtenemos:
1 4 3 0 1 4 3 0 13 0 11 0
|
|
.
2 5 1 0 0 13 7 0 0 13 7 0
Por lo tanto w = (-11, -7, 13).
EJ E M P L O 6.3.21
Si u = (7, 4, 5) y v = (-3, 2, -1), hallar los escalares a y b tales que w = au + bv es un
vector no nulo y que w y v sean ortogonales.
SO L U C I O N
Tenemos que
w = a(7, 4, 5) + b(-3, 2, -1) = (7a - 3b, 4a + 2b, 5a - b)
y
w v = (7a - 3b, 4a + 2b, 5a - b) (-3, 2, -1) = 0,
de donde
ALGEBRA LINEAL CON MATLAB
283
9
a.
7
De donde
22 46 26
w a,
a,
a , a z 0.
7
7
7
EJ E M P L O 6.3.22
Si u = (2, -2, 1) y v = (-1, 1, 2), hallar los vectores w y x de V tales que v, x sean
ortogonales, w sea paralelo a v y u = w + x.
SO L U C I O N
Sabemos que
v x = 0 (-1, 1, 2) (a, b, c) = -a + b + 2c = 0 a b 2c = 0;
w = kv w = k(-1, 1, 2) = (-k, k, 2k);
u = w + x (2, -2, 1) = (-k, k, 2k) + (a, b, c) = (a k, b + k, c + 2k)
a k 2 a 2 k
b k 2 b 2 k .
c 2k 1 c 1 2k
x (2 k , 2 k , 1 2k ) 2 , 2 , 1 , , .
3
3
3
3
3 3
E J E M P L O 6.3.23
En el espacio vectorial de los polinomios reales de grado menor o igual a n,
definimos el producto interior como
n
k k
f g f g .
k 0 n n
Hallar todos los polinomios g(t) ortogonales a f(t) = t.
SO L U C I O N
k
Hacemos que g(t) = a 0 + a 1t + a 2t2 + ... + a ntn y t
, entonces:
n
f g
t 0
t 0
a0 a1 a2 ... a n
0.
284
%for f=1:col
for c=1:col
fprintf('Ingrese el elemento %d',c)
v(1,c)=input(' :');
end
fprintf('\n El VECTOR v es:\n')
v
fprintf('\n EL PRODUCTO INTERIOR ES:\n')
p=u*v'
fprintf('\n LAS NORMAS SON:\n')
Norma1=sqrt(u*u')
Norma2=sqrt(v*v')
fprintf('EL ANGULO ENTRE LOS VECTORES ES:\n')
d=(acos(p/(Norma1*Norma2)))*180/pi
if (p>0)
fprintf('El angulo es agudo\n')
end
if (p<0)
fprintf('El angulo es obtuso\n')
end
if (p==0)
fprintf('Los vectores son ortogonales\n')
end
PR O B L E M AS
6.3.1 Supngase que u, v y w son vectores tales que
u v 3 , v w 5 , u w 6 , u
2 , v 2 ,
a.- u v v w ;
b.- 3v 2w 4u 3w ;
c.- u v 3w 5v 2w ;
d.-
3u 2v ;
f.-
u 2v 3w .
e.-
5w 2v ;
1 f ( x) g ( x) dx .
6.3.8
1 f ( x) g ( x) log x dx :
a.- Si f ( x)
x , calcular f ;
b.- Hallar un polinomio de primer grado g(x) = a + bx que
sea ortogonal a la funcin constante f(x) = 1.
ALGEBRA LINEAL CON MATLAB
Prubese que f g
0 f ( x) g ( x) dx
es un
u v s y slo si u y
285
1 y
v 1;
b.- Dtese a V con un producto interior tal que un ngulo
T entre u y v sea S/3.
6.3.23 En el espacio vectorial real C(1; 3) con producto
3
1
interior f g f ( x) g ( x) dx , sea f ( x)
, demostrar
1
x
que el polinomio constante g ms prximo a f es
1
g
log 3 . Calcular g f 2 para ste.
2
6.3.24 En el espacio vectorial real C(0; 2S) con producto
interior f g
2S
f ( x) g ( x) dx , sea f(x) = x. En el
1 f ( x) g ( x)dx .
6.3.31
1,
que u
3,
uv
3, v
1, u v
5?
286
v .
Demuestre que los vectores u + v y u v son ortogonales.
Vale la afirmacin recproca?
uv y uv .
6.3.37 Dados los vectores u, v y w, entonces:
a.- Demuestre que
u x (v x w) = u wv - u vw;
b.- Encuentre un ejemplo para el que
u x (v x w) z (u x v) x w.
v s y slo si u y v
son ortogonales.
6.3.49 Sean u y v vectores no nulos. Demuestre que el
vector
1
v u u v
u v
biseca el ngulo entre u y v. (Demuestre que este vector
forma el mismo ngulo con u que con v.)
Calcule u v w .
f ( x) 1 x 2 y g ( x ) 2 x 1 x 2
son ortogonales en C[-1; 1].
6.3.43 Demuestre que en un tringulo arbitrario de un
espacio eucldeo, la longitud de cada lado no es menor que
la magnitud absoluta de la diferencia entre las longitudes
de los otros dos lados.
6.3.44 Demuestre que en un paralelogramo arbitrario de
un espacio eucldeo, la suma de los cuadrados de las
longitudes de las diagonales es igual a la suma de los
cuadrados de las longitudes de los lados.
6.3.45 Calcular los ngulos internos del tringulo ABC,
dado por las coordenadas de sus vrtices:
A = (1, 2, 1, 2), B = (3, 1, -1, 0), C = (1, 1, 0, 1).
ALGEBRA LINEAL CON MATLAB
287
u xv
u v 2 .
6.4 B ASES O R T O G O N A L ES Y O R T O N O R M A L ES
En esta seccin se mostrar un proceso para obtener una base ortonormal. En muchos problemas con espacios
vectoriales, quien resuelve el problema puede elegir cualquier base que juzgue conveniente para el espacio
vectorial. En espacios con producto interior, la solucin de un problema a menudo se simplifica bastante al elegir
una base en la que los vectores sean ortogonales entre s.
Si V es un espacio vectorial, el concepto de ortogonalidad coincide con el de
perpendicularidad. Por esta razn la ortogonalidad puede ser considerada como una
generalizacin del concepto de perpendicularidad.
D E F IN I C I O N 6.4.1
Un conjunto S de vectores en un espacio vectorial V con producto interno
se dice que es ortogonal si o bien consiste en un solo vector o bien sus
vectores son ortogonales dos a dos.
La relacin de ortogonalidad es simtrica: si el vector u es ortogonal al vector v, el
vector v es ortogonal al vector u. Es obvio que el vector nulo es ortogonal a cualquier
vector del espacio y es el nico que posee esta propiedad.
D E F IN I C I O N 6.4.2
Dos conjuntos de vectores S1 y S2, de un espacio vectorial eucldeo V, se
dicen ortogonales, si todo vector de S1 es ortogonal a todo vector de S2.
ALGEBRA LINEAL CON MATLAB
288
T E O R E M A 6.4.1
Para que el vector u sea ortogonal al subespacio U, es necesario y suficiente
que sea ortogonal respecto de todos los vectores de una base cualquiera del
subespacio U.
D E M OST R A C I O N
Fijemos la base S = {u1, u2, ..., uk} del subespacio U. Si u es perpendicular a U,
entonces u es ortogonal a todos los vectores de U y, en particular, a los vectores u1,
u2, ..., uk. Sea ahora, u ui = 0 para todo i N. Elijamos un vector arbitrario v U
y descompongmoslo segn los vectores de la base. Si
v = a1u1 + a2u2 + ... + akuk
para ciertos nmeros a1, a2, ..., ak, entonces
u v = u a1u1 + a2u2 + ... + akuk = a1u u1 + a2u u2 + ... + aku uk = 0
Esto significa que u A U.
T E O R E M A 6.4.2
Si S = {v1, v2, ..., vk} es un conjunto ortogonal de vectores diferentes del
nulo en un espacio vectorial V, entonces S es linealmente independiente.
D E M OST R A C I O N
Sea S un sistema ortogonal de vectores no nulos y sea
a1v1 + a2v2 + ... + akvk = .
Multiplicando esta igualdad escalarmente por vi, obtenemos
a1v1 vi + a2v2 vi aivi vi akvk vi =
donde aivi vi = 0 ya que debido a la ortogonalidad del sistema todos los dems
trminos se anulan. Pero vi z ; por consiguiente, vi vi z 0 y entonces resulta que
ai = 0 que es lo que se quera demostrar.
Supongamos que n es la dimensin del espacio vectorial V. La aseveracin anterior
muestra que todo sistema ortogonal de vectores no nulos V no puede contener ms
de n vectores. Si en V existen n vectores no nulos ortogonales, ellos constituyen una
base ortogonal del espacio vectorial V. Podemos decir que en V siempre existe una
base de esta ndole.
T E O R E M A 6.4.3
Sea un espacio vectorial V de dimensin n, entonces cualquier conjunto de
n vectores ortogonales es una base de V.
EJ E M P L O 6.4.1
Demuestre que el conjunto ortogonal
1 2 1 2
1
S 1, 0, 1 , , 2, , , ,
2
2 9 9 9
3
es una base de .
SO L U C I O N
Se puede observar que el conjunto S consta de tres vectores diferentes de cero y no
coplanares. Entonces podemos demostrar que forman una base para 3:
a(1, 0, -1) + b( , 2, ) + c(2/9, -1/9, 2/9) = (0, 0, 0);
(a + b/2 + 2c/9, 2b c/9, - a + b/2 + 2c/9) = (0, 0, 0)
1
2
a 2 b 9 c 0
2b c 0
9
1
2
a 2 b 9 c 0
289
2
9
1
0 2 z0.
9
1 2
1
2 9
Por lo tanto a = b = c = 0 y S es linealmente independiente y como S genera todo
3, entonces S es base para 3.
1
1
2
D E F IN I C I O N 6.4.3
Una base {w1, w2, ..., wk} para un subespacio U de V es ortonormal si los
vectores wi son unitarios y mutuamente perpendiculares.
Es obvio que normalizando vectores ortogonales no nulos obtenemos de nuevo
vectores ortogonales. Por lo tanto, al normalizar los vectores de una base ortogonal
del espacio, obtendremos una base ortonormal de este espacio.
D E F IN I C I O N 6.4.4
Se dice que un vector v de V es ortogonal a un conjunto S1 de vectores, si v
es ortogonal a todos los vectores de S1.
T E O R E M A 6.4.4
Sea V un espacio vectorial eucldeo. Si los subconjuntos S1, S2 de V son
ortogonales, entonces tambin son ortogonales los subespacios U y W,
engendrados por S1 y S2.
D E M OST R A C I O N
Sean u U y v W, esto es u = a1u1 + a2u2 + ... + anun y v = b1v1 + b2v2 + ... + bmvm
para ciertos vectores {u1, u2, ..., un} de S1, {v1, v2, ..., vm} de S2 y a1, a2, ..., an, b1, b2,
..., bm nmeros reales; entonces
u v = a1u1 + a2u2 + ... + anun b1v1 + b2v2 + ... + bmvm
= a1b1u1 v1 + a2b2u2 v2 + ... + anbmun vm = 0.
T E O R E M A 6.4.5
Si dos subespacios vectoriales U, W de V son ortogonales, entonces son
independientes, es decir, su suma es directa.
D E M OST R A C I O N
Tenemos que demostrar que su suma es directa; esto es si fuese u U W, por ser
u U y u W, tendra que ser u A u y, por tanto, u = .
T E O R E M A 6.4.6
Para que dos subespacios sean ortogonales, es necesario y suficiente que
todo vector de cualquier base de un subespacio sea ortogonal a todos los
vectores de cualquier base de otro subespacio.
Puesto que cualquier sistema que contiene slo un vector es ortogonal, de aqu se
deduce, en particular, que en todo espacio vectorial existe una base ortonormal.
T E O R E M A 6.4.7
Sea {u1, u2, ..., uk} una base de un espacio con producto interior V. Sea {v1,
v2, ..., vk} donde los vi estn dados de la siguiente manera:
v1 = u1
u v
v2 u2 2 1 v1
v1 v1
. . .
ALGEBRA LINEAL CON MATLAB
290
vk
uk
uk v1
u v
u v
v1 k 2 v2 ... k k 1 vk 1 .
v1 v1
v2 v2
vk 1 vk 1
vi
.
vi
Entonces el conjunto {w1, w2, ..., wk} es una base ortonormal de V. Estas
ecuaciones resumen el llamado proceso de Gram Schmidt para encontrar
un conjunto ortonormal a partir de un conjunto linealmente independiente.
D E M OST R A C I O N
Supongamos que {u1, u2, ..., uk} es un conjunto linealmente independiente En el
espacio vectorial V; deduzcamos un proceso para construir un conjunto ortonormal
de vectores {w1, w2, ..., wk}. Primero elegimos uno cualquiera de los ui, digamos u1 y
tomamos v1 = u1, donde
v1
.
w1
v1
Ahora elegimos otro de los ui, digamos u2 y consideremos su proyeccin en v1, es
u2 v1
decir, consideramos el vector u
v1 . Si los vectores fueran los vectores
v1 v1
geomtricos ordinarios, la relacin entre u1, u2 y v1 sera como lo muestra la figura
Entonces {v1, v2, ..., vk} es una base ortogonal de V. Sea wi
v2
u2
u2 v1
v1
v1 v1
v3 v1 = u3 v1 -
291
u3 v1
u v
v1 v1 3 2
v1 v1
v2 v2
v2 v1 = u3 v1 - u3 v1 = 0
Anlogamente
u3 v1
u v
v1 v2 - 3 2
v1 v1
v2 v2
En la figura se muestran estos vectores.
Definimos w3 por
v3
.
w3
v3
v3 v2 = u3 v2 -
v2 v2 = u3 v2 - u3 v2 = 0
292
(x, y, z, t) (0, 0, 4, 5) = 0 4z + 5t = 0 z
5
t.
4
Es decir:
4t
4
( x, y, z, t ) x, y, , t x(1, 0, 0, 0) y (0,1, 0, 0) t 0, 0, ,1 .
5
5
EJ E M P L O 6.4.3
Porqu el plano x + 2y + z = 0 y cada plano x + 2y + z = k es ortogonal a la recta
generada por (1, 2, 1)?
SO L U C I O N
La base del plano x + 2y + z = 0 es B = {(-2, 1, 0), (-1, 0, 1)}. Como estos vectores
son ortogonales al vector (1, 2, 1):
(-2, 1, 0) (1, 2, 1) = -2 + 2 + 0 = 0; (-1, 0, 1) (1, 2, 1) = -1 + 0 + 1 = 0.
Entonces concluimos que el plano dado que pasa por el origen es ortogonal a la recta.
Adems como el plano x + 2y + z = 0 es paralelo a los planos x + 2y + z = k,
entonces el plano x + 2y + z = k tambin es ortogonal a la recta.
EJ E M P L O 6.4.4
Encontrar una base ortogonal para 3, partiendo del vector (1, 1, -1).
SO L U C I O N
Si u = (1, 1, -1) y v = (a, b, c), entonces:
u v = 0 (1, 1, -1) (a, b, c) = a + b c = 0 a + b c = 0.
Si a = - b + c, entonces:
(a, b, c) = (-b + c, b, c) = b(-1, 1, 0) + c(1, 0, 1).
Como estos vectores son ortogonales al vector (1, 1, -1), entonces la base ortogonal
buscada es:
{(1, 1, -1), (-1, 1, 0), (1, 0, 1)}.
EJ E M P L O 6.4.5
Sean u1, u2, ..., un vectores mutuamente perpendiculares, y tales que ui z 0 para
todo i. Sea u un elemento de V, y sea Oi la componente de u a lo largo de ui. Sean D1,
D2, ..., Dn nmeros. Entonces
n
k 1
k 1
u O k uk d u D k uk
SO L U C I O N
n
tanto, es perpendicular a cualquier combinacin lineal de u1, u2, ..., un. Ahora
n
u D k uk
k 1
u O k uk (O k D k )uk
k 1
k 1
u O k uk
k 1
(O k D k )uk
k 1
u D k uk
k 1
d u D k uk
k 1
EJ E M P L O 6.4.6
Sea S = {e1, e2, e3, e4} base cannica en 4. Normalizar el vector
u = e1Sen3M + e2Sen2M CosM + e3SenM CosM + e4 CosM.
ALGEBRA LINEAL CON MATLAB
293
SO L U C I O N
Como el vector u = (Sen3M, Sen2M CosM, SenM CosM, CosM), entonces
u
(Sen3D, Sen2 D CosD , SenD CosD, CosD)
|| u ||
Sen6 D Sen4 D Cos 2 D Sen2 D Cos 2 D Cos 2 D
( Sen3D, Sen2 D CosD, SenD CosD, CosD)
r1
EJ E M P L O 6.4.7
Demuestre que el conjunto
2
6 6 6 3 3
3
2
S
, 0,
,
,
,
,
,
,
2
2
6
3
6
3
3
3
3
es base ortonormal de .
SO L U C I O N
Primero demostraremos que los vectores del conjunto S son ortogonales tomados de
dos en dos:
2
2
6 6 6
12
12
, 0,
,
,
0
0
2 6 3 6
12
12
2
2
2 3 3
3
, 0,
,
,
2 3 3
3
2
6 6 6 3 3
3
,
,
,
,
6
3
6
3
3
3
2
2
6 6 6
,
,
6 3 6
6
6
0
6
6
18
18
18
18
9
18
2
2 2
2
, 0,
, 0,
2 2
2
2
1
1
0
2
2
6 6 6
6 6 6
,
,
,
,
6 3 6 6 3 6
1 2 1
6 3 6
3 3
3 3
3
3 3 3
3
1 1 1
,
,
,
,
,
,
1
3
3 3 3
3
3 3 3
3 3
3 3
Por consiguiente, S es un conjunto ortonormal. Dado que los tres vectores no son
coplanares, se sabe que generan a 3.
EJ E M P L O 6.4.8
Sea S = {e1, e2, e3, e4} base cannica en 4. Para qu valor de k la base constituida
por los vectores
u1 = ke1 + e2 + e3 + e4, u2 = e1 + ke2 + e3 + e4
u3 = e1 + e2 + ke3 + e4, u4 = e1 + e2 + e3 + ke4
es ortogonal? Normalizar esta base.
SO L U C I O N
Los vectores son
u1 = (k, 1, 1, 1), u2 = (1, k, 1, 1), u3 = (1, 1, k, 1), u4 = (1, 1, 1, k),
entonces para encontrar el valor del parmetro k, de tal forma que los vectores sean
ortogonales, procedemos de la siguiente manera:
u1 u2 = 2k + 2 = 0; u1 u3 = 2k + 2 = 0; u1 u4 = 2k + 2 = 0;
u2 u3 = 2k + 2 = 0; u2 u4 = 2k + 2 = 0; u3 u4 = 2k + 2 = 0;
Como la ecuacin 2k + 2 = 0 es comn en todos los productos interiores, la solucin
ALGEBRA LINEAL CON MATLAB
294
|| u1 ||
12 12 12 12 2 2 2 2
u2
|| u2 ||
u3
|| u3 ||
u4
|| u4 ||
(1, 1,1,1)
2
1
r ,
2
1 1
r , r ,
2 2
1 1 1 1
(1,1, 1,1)
1 1 1
,r ,r ;
2 2 2
1 1
, r ;
2 2
1 1 1 1
(1,1,1, 1)
1 1 1
r , r , r ,
2
2
2
2
2 2 2
1 1 1 1
1
.
2
EJ E M P L O 6.4.9
Demuestre que dado cualquier vector u de longitud 1, entonces existe una base
ortonormal con u como primer elemento.
SO L U C I O N
Ya que el conjunto {u} es linealmente independiente, se puede extender hasta
una base con u como primer elemento. Ahora bien, cuando se aplica el proceso de
ortonormalizacin, el primer vector, siendo de longitud 1, no se cambia y se
convierte en el primer vector de una base ortonormal.
EJ E M P L O 6.4.10
Aplique el proceso de ortonormalizacin a la base S = {(1, 0, -1), (1, 2, 0), (0, 1, 1)}.
SO L U C I O N
Aplicando el teorema correspondiente, obtenemos:
v1 = u1 = (1, 0, -1).
u v
(1, 2, 0) (1, 0, 1)
v2 u2 2 1 v1 (1, 2, 0)
(1, 0, 1)
v1 v1
(1, 0, 1) (1, 0, 1)
1
1
1
(1, 0, 1) , 2, .
2
2
2
u v
u v
u3 3 1 v1 3 2 v2
v1 v1
v2 v2
(1, 2, 0)
v3
1
1
(0,1,1) , 2,
2 1
(0,1,1) (1, 0, 1)
1
2
(0,1,1)
(1, 0, 1)
, 2,
(1, 0, 1) (1, 0, 1)
2
1 1
1 2
1
, 2, , 2,
2 2
2
2
1
51
1 2 1 2
(1, 0, 1) , 2, , , .
2
92
2 9 9 9
2
v1
1
2
w1
(1, 0, 1)
, 0,
;
v1
2
2
2
v2
1 1
1 2 2 2 2
w2
,
,
;
, 2,
v2
2 6
3
6
9 2
2
v3
1 2 1 2 2 7
7 2 7
w3
,
,
.
, ,
v3
7
7
7 9 9 9 7
81
(0,1,1)
295
Por tanto
2 2 2 2 2 2 7
7 2 7
2
S
, 0,
,
,
,
,
,
,
2
2
6
3
6
7
7
7
es base ortonormal de 3.
E J E M P L O 6.4.11
Encuentre una base ortonormal para los polinomios de la forma ax2 + ( a + b)x +
2b.
SO L U C I O N
Una posible base para este subespacio se determina de la siguiente manera:
( a , a + b, 2b) = a (1, 1, 0) + b(0, 1, 2) Base U = {(1, 1, 0), (0, 1, 2)}.
Ortogonalizamos esta base:
v1 = (1, 1, 0);
(0,1, 2) (1,1, 0)
1
1 1
v2 (0,1, 2)
(1,1, 0) (0,1, 2) (1,1, 0) , , 2 .
(1,1, 0) (1,1, 0)
2
2 2
Por tanto la base ortogonal est formada por los siguientes vectores:
1 1
(1,1, 0), , , 2 .
2 2
(1,1, 0),
1,1, 4 .
2
10
EJ E M P L O 6.4.12
Encuntrese en 3 una base, que conste de dos vectores unitarios ortogonales entre
s, para el subespacio compuesto de todos los puntos (x, y, z) para los que se verifica
que x + y + z = 0.
SO L U C I O N
Como x + y + z = 0, entonces x = - y z:
(x, y, z) = (- y z, y, z) = y(-1, 1, 0) + z(-1, 0 1).
Por tanto {(-1, 1, 0), (-1, 0, 1)} es base de U. Ortogonalizando, obtenemos:
v1 = (-1, 1, 0);
(1, 0,1) (1,1, 0)
v2 (1, 0,1)
(1,1, 0)
(1,1, 0) (1,1, 0)
1
1
1
(1, 0,1) (1,1, 0) , , 1 .
2
2
2
La base ortogonal esta formada por los vectores:
1
1
(1,1, 0), , , 1 .
2
2
(1, 1, 0),
(1, 1, 2) .
6
2
EJ E M P L O 6.4.13
k 1 k
, r,
Para qu valores de k y r la base constituida por los vectores u ,
3
3
k
1 k
k 1 k
v
, r, y w r, ,
es ortonormal?
3
3
3
3
SO L U C I O N
Para encontrar el valor de los parmetros k y r, de tal forma que los vectores u, v y w
sean ortonormales, se procede de la siguiente manera:
ALGEBRA LINEAL CON MATLAB
296
k
k2 k r
k 1 k 1 k
, r
, r,
0 k2 k 3 r =
,
3
3
9 9 3
3
3
0;
k2 k r
k 1 k k 1 k
, r r, ,
0 k2 k 3 r
u w 0 ,
3
3
3
3
9
9
3
= 0;
k k 1 k
k2 k r
1 k
, r, r, ,
0 k2 k 3 r =
v w 0
3 3
3
9 9 3
3
0;
u v 0
k 1 k
,
,
3
3
k 1 k
r
,
,
3
3
2k2 2k + 9 r2 = 8;
k 1 k
r ,
,
3
3
k
k 1 k
k
1 k
1 k
, r,
, r,
, r,
3
3
3
3
3
3
2k2 2k + 9 r2 = 8;
k 1 k
k 1 k k 1 k
r, ,
r, ,
r, ,
3
3 3
3
3
3
2
2
2k 2k + 9 r = 8.
De todas estas condiciones, obtenemos nicamente dos ecuaciones:
2
k k 3r 0
.
2
2
8
2 k 2 k 9 r
Resolviendo este sistema de ecuaciones, tenemos:
2 k1 2
r1
,
3
k 2 1
1 i 15 .
k3
2
r 4 ,
2
3
1 i 15
k4
2
2
Por lo tanto los valores de k y r son k = 2, r
y k = -1, r
.
3
3
EJ E M P L O 6.4.14
Considerar el plano dado implcitamente por la ecuacin x + y + z = 0 en el espacio
euclidiano de tres dimensiones 3. Construir una base ortonormal en la siguiente
forma: seleccionar una base ortonormal para el subespacio formada por puntos del
plano y luego calcular un tercer vector unitario y ortogonal al plano.
SO L U C I O N
Dado el plano x + y + z = 0, entonces x = - y z:
(x, y, z) = (- y z, y, z) = y(-1, 1, 0) + z(-1, 0 1).
Por tanto {(-1, 1, 0), (-1, 0, 1)} es base de U. Ortogonalizando, obtenemos:
v1 = (-1, 1, 0);
(1, 0,1) (1,1, 0)
v2 (1, 0,1)
(1,1, 0)
(1,1, 0) (1,1, 0)
1
1
1
(1, 0,1) (1,1, 0) , , 1 .
2
2
2
La base ortogonal esta formada por los vectores:
297
1 1
(1, 1, 0), , ,1 .
2 2
(1, 1, 0),
(1, 1, 2) .
6
2
( a , b, c )
( a, b, c )
1
6
(1, 1, 2)
a b 2c
6
0 a + b 2c = 0;
1 a 2 + b2 + c2 = 1.
( a, b, c ) ( a, b, c)
(1, 1, 0),
(1, 1, 2),
(r1, r 1, r 1) .
6
3
2
EJ E M P L O 6.4.15
Considrese el subespacio de 4 generado por los vectores u1 = (1, 0, 1, 0) y
u2 = (1, -1, 1, -1), para construir una base ortonormal v1, v2 para el subespacio y luego
construir una base ortonormal para 4 que contenga a v1 y v2.
SO L U C I O N
Dados los vectores u1 = (1, 0, 1, 0) y u2 = (1, -1, 1, -1), ortogonalizamos y luego
normalizamos cada uno de estos vectores:
v1 = (1, 0, 1, 0);
(1, 1,1, 1) (1, 0,1, 0)
v2 (1, 1,1, 1)
(1, 0,1, 0)
(1, 0,1, 0) (1, 0,1, 0)
(1, 1,1, 1) (1, 0,1, 0) (0, 1, 0, 1) .
La base ortogonal esta formada por los vectores:
^(1, 0,1, 0), (0, 1, 0, 1)` .
Normalizando cada uno de estos vectores, obtenemos la base ortonormal:
1
1
2
2
Para construir la base ortonormal para 4, tomamos un vector (a, b, c, d) que cumpla
las siguientes condiciones:
1
ac
( a , b, c, d )
(1, 0,1, 0) 0
0 a + c = 0;
2
2
( a , b, c, d )
( x, y, z, t )
1
2
(0, 1, 0, 1)
( x, y, z, t ) ( x, y, z, t )
b d
2
0 b + d = 0;
1 x2 + y2 + z2 + t2 = 1.
298
2
2
2
2
( a , b, c, d )
a 2 b2 c 2 d 2
( a , b, c, d )
2
a b c d
( a , b, c, d )
0
0
0
3a b c d
a 2 b2 c 2 d 2
a 3b c d
a 2 b2 c 2 d 2
a b 3c d
0
a b c d
a 2 b2 c 2 d 2
Estas operaciones generan el siguiente sistema de ecuaciones homogneas
3 a b c d 0
a 3b c d 0
a b 3c d 0
PR O B L E M AS
6.4.1 Dados los vectores u = (1, -1, 2, -1), v = (-2, 2, 3, 2),
w = (1, 2, 0, 1) y x = (1, 0, 0, 1). Encuentre una base
ortonormal con respecto al producto interior cannico y
luego determine el vector de coordenadas de y = (-1, 1, -1,
1) con respecto a la base.
299
1 0 0 1 2
2 1 1 0 2
x 2 y z u 0
hallar un sistema fundamental ortonormal de soluciones.
6.4.14 Sea {u1, u2, ..., uk} un subconjunto ortonormal
de n y sea u cualquier vector en n. Demuestre que
2
t u ui 2 .
i 1
u u1
u u2
... u un
1 1 1 2 2
1 2 1 3 1
300
O R T O G O N A L, PR O Y E C C I O N ES O R T O G O N A L ES Y
En esta seccin se estudiarn varios problemas relacionados con el complemento ortogonal, proyecciones
ortogonales y la distancia de un vector a un subespacio.
Consideremos ahora un conjunto no vaco cualquiera S de vectores de un espacio
vectorial V. El conjunto de todos los vectores del espacio V ortogonales a S se llama
complemento ortogonal del conjunto S.
D E F IN I C I O N 6.5.1
Sea V un espacio vectorial eucldeo y S es un subconjunto de V. El
complemento ortogonal de S en V es definido y representado por el
subespacio SA = {v V / v w = 0, para cada w S}.
Si U es un subespacio de dimensin finita de V, la proyeccin ortogonal ProyU : V
o V es la nica operacin lineal donde ProyU(w) = w para todo W U, y ProyU(v)
= para todo v U A.
T E O R E M A 6.5.1
Dado V un espacio vectorial eucldeo, entonces U A es un subespacio de V.
D E M OST R A C I O N
Si u y v pertenecen al complemento ortogonal U A y w es un vector cualquiera de U,
se tiene
au + bv w = au w + bv w = 0.
Por consiguiente, cualesquiera que sean a y b el vector au + bv est contenido en U A
y U A es un subespacio vectorial.
D E F IN I C I O N 6.5.2
La totalidad de todos los vectores ortogonales al subespacio U, se denomina
complemento ortogonal del subespacio U y se representa por U A.
ALGEBRA LINEAL CON MATLAB
301
302
4 2 c d c d 4 2
ad 0
ad 0
4b c 0
a b a d 0
0 1 1 0
S
Base S =
,
.
c
d
4
b
c
0
4
0
0
1
303
a b 0 1
c d 4 0
a b 1 0
c d 0 1
SA
b 4c 0 b = - 4 c ;
ad
0 a = - d;
a b b 4c
c d a d
EJ E M P L O 6.5.2
Sea V un espacio vectorial con producto interior y sean U y W subespacios de V.
Verifquese lo siguiente:
a.- Si U W entonces W A U A;
b.- Span(U A) = U A;
c.- U (UA)A;
d.- Si V es de dimensin finita, entonces U = (U A)A;
e.- (U + W)A = U A W A;
f.- U A + W A (U W)A.
SO L U C I O N
a.- Suponga que U W y que u W A; entonces u v = 0 para todo v W, luego
para todo v U; por lo tanto, u U A.
b.- Por el inciso a), sabemos que Span(U A) U A. Veremos tambin que
U Span(U A). Si u es un elemento de Span(U), entonces u puede escribirse como
combinacin lineal de elementos de U, es decir
u = a1u1 + a2u2 + ... + anun para
algunos escalares a1, a2, ..., an y algunos vectores u1, u2, ..., un de U. Por tanto, si
v U A, tenemos que
u v = a1u1 v + a2u2 v + ... + anun v = 0
y v pertenece a Span(U A).
c.- Si u U y v U A, entonces u v = 0. Luego, si u U, u es ortogonal a todo
elemento de U A; por lo tanto, u (U A)A. Con esto hemos visto que U (U A)A.
d.- Basta tener en cuenta que U (U A)A y que ambos subespacios tienen la misma
dimensin.
e.- Por el inciso a), al estar U y W contenidos en U + W, se tiene que (U + W)A
U A y (U + W)A W A, y en consecuencia (U + W)A U A W A. Adems, si u U A
W A y v = v1 + v2 U + W con v1 U y v2 W, u v = u v1 + u v2 = 0, y
u (U + W)A.
f.- Del inciso a) se deduce que U A (U W)A y W A (U W)A, luego, por la
definicin de subespacio suma, tenemos que U A + W A (U W)A.
EJ E M P L O 6.5.3
Demuestre que Span(S) = SAA.
SO L U C I O N
Ya que SAA es un subespacio que contiene a S, Span(S) SAA. Sabemos que
S Span(S), SA (Span(S))A, SAA (Span(S))AA = Span(S).
EJ E M P L O 6.5.4
Determinar la proyeccin ortogonal del vector u = (1, 2, 3) sobre el subespacio
generado por el plano a + 2b c = 0.
SO L U C I O N
Debemos encontrar la base ortonormal para el subespacio generado por a + 2b c =
0. Es decir c = a + 2b y
(a, b, c) = (a, b, a + 2b) = a(1, 0, 1) + b(0, 1, 2).
Por lo tanto {(1, 0, 1), (0, 1, 2)} forman una base para el subespacio. La base
ortonormal la podemos encontrar utilizando el proceso de Gram Schmidt;
ALGEBRA LINEAL CON MATLAB
304
1
1
(1, 0,1),
(1,1,1)
3
2
1
3
(1,1,1)
4
4
2 4 10
(1, 0,1) (1,1,1) , ,
.
2
3
3 3 3
EJ E M P L O 6.5.5
Si V es el espacio vectorial de polinomios con coeficientes reales definidos en el
intervalo [-1; 1], encuentre el subespacio complemento ortogonal:
a.- W = {1, t, t2}; b.- W = {t + t2, t2 + t3}.
SO L U C I O N
a.- Tomamos un genrico de P2, a + bt + ct2, tales que cumpla con las siguientes
condiciones:
1
2(3a c )
a bt ct 2 1 ( a bt ct 2 )dt
0 3a + c = 0;
1
3
1
2b
a bt ct 2 t ( a bt ct 2 )t dt
0 b = 0;
1
3
1
2(5a 3c )
a bt ct 2 t 2 ( a bt ct 2 )t 2 dt
0 5a + 3c = 0.
1
15
Resolviendo el sistema de ecuaciones homogneas, obtenemos que a = b = c = 0.
Por lo tanto W A = {}.
b.- Tomamos un genrico de P3, a + bt + ct2 + dt3, tales que cumpla con las
siguientes condiciones:
1
2(5a 5b 3c 3d )
a bt ct 2 dt 3 t t 2 ( a bt ct 2 dt 3 )(t t 2 )dt
0
1
15
5a + 5b + 3c + 3d = 0;
a bt ct 2 dt 3 t 2 t 3
1 (a bt ct
dt 3 )(t 2 t 3 )dt
3c 29d
,
5
35
10d
. Por lo tanto el subespacio complemento ortogonal es:
7
3c 29d
10d
W A a bt ct 2 dt 3 P3 / a
,b
.
5
35
7
29 10
( a , b, c, d )
,
, c, d c , 0,1, 0 d , , 0,1 .
5
35
7
5
35
7
b
EJ E M P L O 6.5.6
Dnde est la proyeccin del vector (1, 1, 1) sobre el plano S generado por los
vectores (1, 0, 0) y (1, 1, 0)?
SO L U C I O N
Para encontrar la proyeccin del vector sobre el plano, tenemos que encontrar una
base ortonormal del plano. Es decir:
ALGEBRA LINEAL CON MATLAB
305
(1,1, 0) (1, 0, 0)
(1, 0, 0) (1,1, 0) (1, 0, 0) (0,1, 0) .
(1, 0, 0) (1, 0, 0)
La base ortogonal es {(1, 0, 0), (0, 1, 0)}. Normalizando cada uno de estos vectores
obtenemos la base ortonormal, que es precisamente la base ortogonal. Procedemos a
encontrar la proyeccin del vector sobre el plano S:
ProySu = (1, 1, 1) (1, 0, 0)(1, 0, 0) + (1, 1, 1) (0, 1, 0)(0, 1, 0)
= (1, 0, 0) + (0, 1, 0) = (1, 1, 0).
Con este resultado podemos darnos cuenta que, la proyeccin del vector (1, 1, 1)
sobre el plano S, est ubicado en el plano XY.
v1 (1, 0, 0) ; v2
(1,1, 0)
EJ E M P L O 6.5.7
Encontrar la proyeccin del vector (1, 2, 3, 4) sobre el subespacio de R 4 generado
por los vectores (1, 0, 1, 0) y (1, -1, 1, -1).
SO L U C I O N
Para encontrar la proyeccin del vector sobre el subespacio, tenemos que encontrar
una base ortonormal del subespacio. Es decir:
v1 (1, 0,1, 0) ;
(1, 1,1, 1) (1, 0,1, 0)
v2 (1, 1,1, 1)
(1, 0,1, 0)
(1, 0,1, 0) (1, 0,1, 0)
(1, 1,1, 1) (1, 0,1, 0) (0, 1, 0, 1) .
La base ortogonal es
{(1, 0, 1, 0), (0, -1, 0, -1)}.
Normalizando cada uno de estos vectores obtenemos la base ortonormal:
1
1
2
2
2
2(1, 0,1, 0) 3(0, 1, 0, 1) (2, 3, 2, 3) .
(0, 1, 0, 1)
1
2
(0, 1, 0, 1)
EJ E M P L O 6.5.8
Encontrar la proyeccin del vector (1, 2, 3) sobre el plano dado implcitamente por
x + y + z = 0.
SO L U C I O N
Para encontrar la proyeccin del vector sobre el subespacio, tenemos que encontrar
una base ortonormal del subespacio. Es decir:
v1 (1,1, 0) ;
(1, 0,1) (1,1, 0)
1
1 1
(1,1, 0) (1, 0,1) (1,1, 0) , ,1
(1,1, 0) (1,1, 0)
2
2 2
La base ortogonal es
1 1
(1,1, 0), , ,1 .
2 2
(1,1, 0),
(1, 1, 2) .
2
6
v2
(1, 0,1)
306
Proy W u
(1, 2, 3)
1
2
(1,1, 0)
1
2
(1,1, 0)
(1, 2, 3)
1
6
(1, 1, 2)
1
6
(1, 1, 2)
1
1
(1,1, 0) (1, 1, 2) (1, 0,1) .
2
2
EJ E M P L O 6.5.9
Para cada uno de los subespacios W de R 4, escriba el vector u dado como una suma
de un vector de W y otro de W A:
a.- W = {(a, b, c, d) / a = b}, u = (1, 3, 1, 1);
b.- W = {(a, b, c, d) / a + b + c + d = 0}, u = (2, 1, 1, 0);
c.- W = {(1, 3, 1, 1), (2, -1, 0, 1)}, u = (1, 3, 1, 0);
d.- W = {(2, 1, -1, 0), (3, 1, 0, 1)}, u = (2, 1, 0, 1).
SO L U C I O N
a.- La base de W la encontramos de la siguiente manera:
(a, b, c, d) = (b, b, c, d) = b(1, 1, 0, 0) + c(0, 0, 1, 0) + d(0, 0, 0, 1)
{(1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}.
Ortonormalizamos esta base, obtenemos:
1
(1,1, 0, 0),
(1, 1, 2, 0),
( 1, 1, 1, 3) .
6
2 3
2
(1, 3,1,1),
(2, 1, 0,1) .
6
2 3
307
1
1
(1, 3,1, 0) (1, 3,1,1) (1, 3,1,1) (1, 3,1, 0) (2, 1, 0,1) (2, 1, 0,1)
12
6
11
1
7
35 11 3
De esta manera se expresa el vector u como la suma de un vector de W y otro de
W A.
d.- Sabemos que W es base. Por lo tanto tenemos que encontrar la base ortonormal:
1
1
(2,1, 1, 0),
(4, 1, 7, 6) .
102
6
EJ E M P L O 6.5.10
Sea W el espacio solucin del sistema homogneo de ecuaciones lineales
2 a b c 3d 0
4 a 4b 4c 8d 0
3a 3b 3c 6d 0
Escriba el vector (7, -4, -1, 2) como una suma de un vector en W y otro en W A.
SO L U C I O N
La base de este subespacio es:
{(0, -1, 1, 0), (-5, 7, 0, 1)}
Ortonormalizando esta base, obtenemos:
1
1
202
2
308
S Cost dt
0 ; 1 Sent
S Sent dt
S CostSent dt
Cost Sent
0;
0.
Sent
S dt
2S ;
Cost
S
S
2S
S
S
1 2Sent .
La distancia del vector al subespacio es:
f (t ) Proy W f (t )
S;
1
1
1
S;
,
Cost ,
Sent .
S
2S S
S Sen t dt
Sent Sent
S Cos t dt
Cost Cost
S
tSent dt Sent
S (t 1 2Sent )
t 1 2Sent t 1 2Sent
dt
2S(S2 3)
.
3
El ngulo formado por el vector y el subespacio es:
t 1 2Sent
( f (t ), Proy W f (t )) ArcCos
t 1 2Sent
S
S t (1 2Sent ) dt
ArcCos
S t
S (1 2Sent )
dt
2
ArcCos .
S
dt
S Cos2t dt
0.
{1, Cos2t}.
Normalizando cada uno de estos vectores, obtenemos la base ortonormal:
1
Cos 2t
S dt
11
Cos 2t Cos 2t
2S ;
S
S Cos
2t dt
S;
1
1
,
Cos 2t .
2
S
S
S
309
f (t ) Proy W f (t )
S 0 dt
0.
ArcCos
S Cos
S
S Cos
t dt
t dt
S
S Cos
0.
4
t dt
PR O B L E M AS
6.5.1 Sea W la recta en R 2 cuya ecuacin es y = 3x.
Encontrar una ecuacin para W A.
vrtices son:
a.- A = (1, 4, 2), B = (3, -1, 2), C = (0, 6, 1);
b.- A = (0, 2, 1), B = (-1, 3, -2), C = (1, -3, -2).
6.5.2 Sea W el plano en R 3 cuya ecuacin es 2x y 2z
=0. Encuentre las ecuaciones paramtricas para W A.
6.5.3 El subespacio U es la suma ortogonal de los
subespacios U 1 y U 2. El vector u es ortogonal al subespacio
U 1. Demuestre que el ngulo formado por u y U es igual al
ngulo comprendido entre u y U 2.
3
2 1 4 3 1 0
S
,
,
;
3
5
5
7
7
11
8 7
e.- u
,
4 5
3 2 2 3 1 1
S
,
,
;
1
4
2
3
1
7
2
3
f.- u
,
4
5
1 2 3 4 4 5
S
,
,
;
7
8
1
2
6
7
g.- p(t ) 2t 2 3t 1 ,
S
^4t
3t 1, 5t 2 11t 3 ;
S 5 x 4 y 3z 2u 0 .
x 2 y 3z 10u 0
310
1 p( x)q( x)dx .
6.6 C U EST I O N A RI O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
6.6.1 Un conjunto ortonormal de vectores es linealmente
dependiente.
6.6.2 Una matriz cuadrada de orden n es unitaria si y slo
si sus filas constituyen un conjunto ortonormal.
6.6.3
El espacio eucldeo V es la suma directa de
cualquier subespacio suyo y del complemento ortogonal de
ste.
6.6.4 Sean U y W subespacios vectoriales de un espacio
eucldeo V con la particularidad de que la dimensin de U
es inferior a la de W; entonces en W habr un vector no
nulo, ortogonal a todos los vectores de U.
6.6.5 Cualquier sistema de vectores no nulos ortogonales
de dos en dos es linealmente dependiente.
6.6.6 Sea U A complemento ortogonal del subespacio U
cada uno de los cuales es ortogonal a todos los vectores de
U, entonces la suma de las dimensiones de U y U A es igual
a la dimensin del espacio vectorial que los genera.
6.6.7
Para que dos subespacios U y W sean
recprocamente ortogonales es necesario y suficiente que
todos los vectores de uno sean ortogonales a todos los
vectores del otro.
ALGEBRA LINEAL CON MATLAB
311
O BJE T I V O
Resolver problemas relacionados con transformaciones lineales, mediante la interpretacin y representacin en
trminos de matrices, determinantes, rango e inversa y sistemas de ecuaciones lineales, en situaciones reales,
propias de la ingeniera.
C O N T E NI D O :
7.1
7.2
7.3
7.4
7.5
7.6
7.7
7.8
7.9
DEFINICIONES Y PROPIEDADES
REPRESENTACION MATRICIAL. MATRIZ DE CAMBIO DE BASE
ALGEBRA DE TRANSFORMACIONES LINEALES
NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL
TRANSFORMACIONES LINEALES INVERSIBLES
TRANSFORMACIONES GRAFICAS EN R2
TRANSFORMACIONES GRAFICAS EN R3
FORMAS LINEALES. ESPACIO DUAL
CUESTIONARIO
7.1 D E F I NI C I O N ES Y PR OPI E D A D ES
En esta seccin se definirn y estudiarn transformaciones lineales de un espacio vectorial U a un espacio
vectorial V. Analizaremos y demostraremos sus propiedades ms importantes. La atencin se centrar en una
clase especial de tales funciones denominadas transformaciones lineales. Las transformaciones lineales son
fundamentales en el estudio del lgebra lineal y tienen muchas aplicaciones importantes.
314
TRANSFORMACIONES LINEALES
las bases que se permitan. En este captulo no se imponen restricciones sobre las
bases que se permiten y obtenemos la clase de equivalencia ms amplia.
D E F IN I C I O N 7.1.1
Sean U y V dos espacios vectoriales, ambos definidos sobre el mismo
cuerpo K . Una transformacin lineal f de U hacia V es una aplicacin
uniforme de U en V que asocia a cada elemento u de U, un elemento nico
f(u) de V de tal forma que se cumplen los axiomas siguientes:
1.- Para todo u, v de U, entonces: f(u + v) = f(u) + f(v);
2.- Para todo u de U y para todo escalar O, entonces: f(Ou) = Of(u).
Observe que en esta identidad, la adicin y la multiplicacin escalar del primer
miembro, tienen lugar en U, mientras que las del segundo miembro tienen lugar en
V. A f(u) se le da el nombre de imagen de u bajo la transformacin lineal f. Adems
vemos que, para tener una transformacin lineal,
f(u + v) = f(u) + f(v) y f(Ou) = Of(u).
Hablando en trminos generales, la imagen de la suma es la suma de las imgenes
y la imagen del producto es el producto de las imgenes. Este lenguaje descriptivo
se tiene que interpretar con cierta amplitud, ya que las operaciones antes y
despus de aplicar la transformacin lineal pueden llevarse a cabo en espacios
vectoriales diferentes.
EJ E M P L O 7.1.1
Determinar cul de las siguientes funciones f : R 3 o R 3, define una transformacin
lineal:
a.- f((a, b, c)) = (a + 2b 3c, 3a - b + 5c, a b c);
b.- f((a, b, c)) = (a + b + c, a + b + c, a + b + c);
c.- f((a, b, c)) = (2a - 2b + 3c, a b + c, 3a - 5b + 3c);
d.- f((a, b, c)) = (3a - 5b, 2a - 2b, a + b2).
SO L U C I O N
Sean u = (m, n, p) y v = (r, s, t) dos vectores del espacio de salida R 3 y sean D, E
escalares, entonces:
Du + Ev = (Dm + E r, Dn + Es, Dp + Et).
a.- f(Du + Ev) = (Dm + E r + 2Dn + 2Es - 3Dp - 3E t, 3Dm + 3E r - Dn - Es + 5Dp +
+ 5E t, Dm + E r Dn - Es - Dp - E t)
= (Dm + 2Dn - 3Dp, 3Dm - Dn + 5Dp, Dm - Dn - Dp) + (E r + 2Es - 3E t,
3E r - Es + 5E t, E r - Es - E t)
= D(m + 2n - 3p, 3m - n + 5p, m - n - p) + E( r + 2s - 3t, 3 r - s + 5t, r - s - t)
= Df(u) + E f(v).
Por lo tanto f es transformacin lineal.
b.- f(Du + Ev) = (Dm + E r + Dn + Es + Dp + E t, Dm + E r + Dn + E s + Dp + E t,
Dm + E r + Dn + Es + Dp + E t)
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
315
316
TRANSFORMACIONES LINEALES
+ (Df + E k)x2
= {(Dd + De + Df - 2) + (De + 2Df)x + Dfx } + {(Em + En + E k) + (En + 2E k)x
+ E kx2}
2
= {(Dd + De + Df - 2) + (De + 2Df)x + Dfx } + E{(m + n + k) + (n + 2k)x + kx2}
z Df(q(x)) + Eh(x)).
Por lo tanto f no es transformacin lineal.
2
TRANSFORMACIONES LINEALES
317
EJ E M P L O 7.1.4
Sea la transformacin f : R 2 o R2 definida por:
a.- f((a, b)) = (a, 5a + b); b.- f((a, b)) = (a + 5b, b).
Verificar que f es lineal y dar su interpretacin geomtrica.
SO L U C I O N
a.- Para la verificacin, debemos utilizar la definicin de transformacin lineal. Es
decir
(ku + rv) = f(k(a, b) + r(c, d))
= f((ka + rc, kb + rd))
= (ka + rc, 5ka + 5rc + kb + rd)
= (ka, 5ka + kb) + (rc, 5rc + rd)
= k(a, 5a + b) + r(c, 5c + d)
= kf(u) + rf(v).
Obsrvese que, en esta transformacin particular, la coordenada u permanece fija
mientras que a la coordenada v se le suma cinco veces la coordenada u. La figura
muestra lo que pasa con el vector (1, 2). El extremo o terminacin del vector
f((1, 2)) se encuentra sobre la recta que pasa por el extremo del vector (1, 2) y es
paralela al eje v. Dicha transformacin se denomina transformacin lineal cizallante
en la direccin v con factor 5.
b.- Para la verificacin, debemos utilizar la definicin de transformacin lineal. Es
decir
f(ku + rv) = f(k(a, b) + r(c, d))
= f((ka + rc, kb + rd))
= (ka + rc + 5kb + 5rd, kb + rd)
= (ka + 5kb, kb) + (rc + 5rd, rd)
= k(a + 5b, b) + r(c + 5d, d)
= kf(u) + rf(v).
Podemos observar que, en esta transformacin, la coordenada v permanece fija
mientras que a la coordenada u se le suma cinco veces la coordenada v. La figura
muestra lo que pasa con el vector (1, 2). El extremo o terminacin del vector f((1, 2))
se encuentra sobre la recta que pasa por el extremo del vector (1, 2) y es paralela al
eje u.
Dicha transformacin se denomina transformacin lineal cizallante en la direccin u
con factor 5.
ALGEBRA LINEAL CON MATLAB
318
TRANSFORMACIONES LINEALES
D E F I N I C I O N 7.1.2
Dos transformaciones lineales f : U o V y g : U o V son iguales, si
ellas son iguales como transformaciones, esto es, f = g si y solamente si
f(u) = g(u), para todo u de U.
T E O R E M A 7.1.1
Sea f una transformacin lineal de U en V. Sean u1, u2, ..., un elementos de
U y a1, a2, ..., an escalares. Entonces:
f(a1u1 + a2u2 + ... + anun) = a1f(u1) + a2f(u2) + ... + anf(un).
D E M OST R A C I O N
Utilizando la definicin de transformacin lineal, obtenemos
f(a1u1 + a2u2 + ... + anun) = f(a1u1) + f(a2u2 + ... + anun)
= f(a1u1) + f(a2u2) + f(a3u3 + ... + anun)
= a1f(u1) + a2f(u2) + ... + anf(un).
T E O R E M A 7.1.2
Si es el elemento neutro del espacio vectorial U, f() es el elemento
neutro de V.
D E M OST R A C I O N
Como
f(u + ) = f(u) + f() = f(u).
Por lo tanto, f() es el elemento neutro de V.
T E O R E M A 7.1.3
Si - u es el elemento opuesto de u, entonces se verifica que f(-u) = - f(u).
D E M OST R A C I O N
Como
f(u + (-u)) = f(u) + f(-u) = f(u) f(u) = f().
Por lo tanto, f(-u) = - f(u); es decir, la imagen del opuesto de un vector es el opuesto
de la imagen del vector.
T E O R E M A 7.1.4
Sean U y V espacios vectoriales. Sea S = {u1, u2, ..., uk} una base cualquiera
de U y sea S = {v1, v2, ..., vk} un conjunto cualquiera de k vectores en V, no
necesariamente linealmente independientes. Entonces existe una
transformacin lineal determinada en forma nica por f : U o V tal que
f(u1) = v1, f(u2) = v2, ..., f(uk) = vk.
D E M OST R A C I O N
Demostremos primero que la transformacin lineal f : U o V est completamente
determinada cuando se conocen los valores de f(u1), f(u2), ..., f(uk). Para esta
demostracin, supngase que g : U o V tambin es una transformacin lineal y que
f(u1) = g(u1), f(u2) = g(u2), ..., f(uk) = g(uk). Deseamos demostrar que f = g. Para ello,
debemos demostrar que f(u) = g(u) para todo u en U. Por tanto, sea u = a1u1 + a2u2 +
... + akuk un vector arbitrario de U, donde a i K . Si aplicamos f a cada miembro y
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
319
.
a 3
b 2
b 2
320
TRANSFORMACIONES LINEALES
SO L U C I O N
Hacemos la combinacin lineal con el vector (2, -3, 1):
(2, -3, 1) = a(1, 1, 1) + b(2, 0, 0) + c(0, 4, 5)
resolvemos el sistema generado:
a 2b 2
a 4 c 3
a 5c 1
1 2 0 2 1 2 0 2 1 0 4 3 1 0 0 19
1 0 4 3 | 0 2 4 5 | 0 2 4 5 | 0 2 0 21 .
1 0 5 1 0 2 5 1 0 0 1 4 0 0 1 4
EJ E M P L O 7.1.7
Sea S = {u1, u2, u3}, un conjunto de vectores linealmente independientes en R 3.
Determine una transformacin lineal f de R 3 en R 3 tal que el conjunto {f(u1), f(u2),
f(u3)} sea linealmente dependiente.
SO L U C I O N
Sea f : R 3 o R 3 definida por f((x, y, z)) = (0, 0, 0). Entonces si {u1, u2, u3} es
cualquier conjunto de vectores en R 3, el conjunto {f(u1), f(u2), f(u3)} = {, , } sea
linealmente dependiente.
La aplicacin que enva cada vector en U sobre el vector cero en V es claramente
una transformacin lineal de U en V para todos los U y V. Esta transformacin, se
denomina transformacin cero, y se indica por el smbolo . La aplicacin que enva
cada vector en U sobre s mismo, se denomina transformacin idntica, y se indica
por el smbolo i. La ecuacin que define a i es i(u) = u, para cualesquier u de U.
EJ E M P L O 7.1.8
Determinar cul de las siguientes funciones f : :(n, n) o :(n, n) define una
transformacin lineal:
a.- f(A) = ATA; b.- f(A) = AB + AT; c.- f(A) = Det(A); d.- f(A) = PAP-1;
e.- f(B) = A-1BA; f.- f(A) = AT + A+; g.- f(A) = OAC + MCA.
SO L U C I O N
Sean B y C dos matrices del espacio de salida :(n, n) y sean D, E escalares,
entonces:
a.- f(DB + EC) = (DB + EC)T(DB + EC) = (DBT + ECT)(DB + EC)
= D2BTB + DEBTC + DECTB + E2CTC z DBTB + ECTC.
Por lo tanto f no es transformacin lineal.
b.- f(DC + ED) = (DC + ED)B + (DC + ED)T = DCB + EDB + DCT + EDT
= D(CB + CT) + E(DB + DT) = Df(C) + Ef(D).
Por lo tanto f es transformacin lineal.
c.- f(DC + ED) = det(DC + ED) z det(DC) + det(ED).
Por lo tanto f no es transformacin lineal.
d.- f(DC + ED) = O(DC + ED)E + ME(DC + ED) = ODCE + OEDE + MDEC + MEED
= D(OCE + MEC) + E(ODE + MED) = Df(C) + Ef(D).
Por lo tanto f es transformacin lineal.
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
321
% & % &
Por lo tanto f es transformacin lineal si D, E R.
g.- f(DB + ED) = O(DB + ED)C + MC(DB + ED) = ODBC + OEDC + MDCB + MECD
= D(OBC + MCB) + E(ODC + MCD) = Df(B) + Ef(D).
Por lo tanto f es transformacin lineal.
EJ E M P L O 7.1.9
Determinar cul de las siguientes funciones define una transformacin lineal en el
espacio de los polinomios de grado menor o igual a 3:
a.- f(p(x)) = (p(x))2;
b.- f(p(x)) = p(x + 1) - p(x);
c.- f(p(x)) = p(x) - 2p(x) + 3p(x); d.- f(p(x)) = p(x + 1) p(0).
SO L U C I O N
Sean p(x) = ax3 + bx2 + cx + d, q(x) = ex3 + fx2 + gx + h dos polinomios del espacio
de salida P3 y sean D, E escalares, entonces:
Dq(x) + Eh(x) = (Da + Ee)x3 + (Db + Ef)x2 + (Dc + Eg)x + (Dd + Eh).
a.- f(Dp(x) + Eq(x)) = (Dp(x) + Eq(x))2 = D2p2(x) + 2DEp(x)q(x) + E2q2(x)
z Df(p(x)) + Ef(q(x)).
Por lo tanto f no es transformacin lineal.
b.- f(Dp(x) + Eq(x)) = (Dp + Eq)(x + 1) - (Dp + Eq)(x)
= Dp(x + 1) + Eq(x + 1) - Dp(x) - Eq(x)
= [Dp(x + 1) + Dp(x)] + [Eq(x + 1) + Eq(x)]
= D[p(x + 1) + p(x)] + E[q(x + 1) + q(x)]
= Df(p(x)) + Ef(q(x)).
Por lo tanto f es transformacin lineal.
c.- f(Dp(x) + Eq(x)) = (Dp + Eq)(x) - 2(Dp + Eq)(x) + 3(Dp + Eq)(x)
= Dp(x) + Eq(x) - 2Dp(x) - 2Eq(x) + 3Dp(x) + 3Eq(x)
= [Dp(x) - 2Dp(x) + 3Dp(x)] + [Eq(x) - 2Eq(x) + 3Eq(x)]
= D[p(x) - 2p(x) + 3p(x)] + E[q(x) - 2q(x) + 3q(x)]
= Df(p(x)) + Ef(q(x)).
Por lo tanto f es transformacin lineal.
d.- f(Dp(x) + Eq(x)) = (Dp + Eq)(x + 1) - (Dp + Eq)(0)
= Dp(x + 1) + Eq(x + 1) - Dp(0) - Eq(0)
= [Dp(x + 1) + Dp(0)] + [Eq(x + 1) + Eq(0)]
= D[p(x + 1) + p(0)] + E[q(x + 1) + q(0)]
= Df(p(x)) + Ef(q(x)).
Por lo tanto f es transformacin lineal.
Considere la transformacin lineal que aplica a todo vector de U sobre el vector cero
de V. Esta aplicacin se llama aplicacin cero. Si W es cualquier subespacio de V,
existe tambin una aplicacin cero de U hacia W, y esta aplicacin tiene el mismo
efecto sobre los elementos de U, como la aplicacin cero de U hacia V. Sin embargo,
son transformaciones lineales diferentes, ya que tienen codominios diferentes.
Este lenguaje descriptivo se tiene que interpretar con cierta amplitud, ya que las
operaciones antes y despus de aplicar la transformacin lineal pueden llevarse a
cabo en espacios vectoriales diferentes. Adems, la observacin acerca de la
multiplicacin escalar es inexacta, ya que no aplicamos la transformacin lineal a
escalares; la transformacin lineal se define nicamente para vectores en U. An
ALGEBRA LINEAL CON MATLAB
322
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES
323
PR O B L E M AS
7.1.1 Verifquese que cada uno de los siguientes es
transformacin lineal de U en V:
a.- U = C>0; 1@, V = V 1, T(f) = f(0).
b.- U = C>0; 1@, V = V 1, T(f) = f(0) + f(1).
c.- U = C>0; 1@, V = V 2, T(f) = (f(0) + f(1)).
d.- U = V 2, V = C> a ; b@, T(x1, x2) = x1ex + x2e2x.
e.- U = C>0; 1@, V = C>0; 1@, T(f) = f(x) Cosx.
f.- U = C (1)> a ; b@, V = C> a ; b@, T(f) = f (x)Senx.
g.- U = C (2)> a ; b@, V = C> a ; b@,
T(f) = xf - f + exf.
(3)
h.- U = C > a ; b@, V = C> a ; b@,
T(f) = f + f + f + f.
i.- U = C> a ; b@, V = C> a ; b@, T ( f )
x t
0 e
f (t )dt .
(1)
T( f )
f (t )dt 3 f ( x) .
324
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES
325
a
a22
am 2
A 12
amn
a1n a2 n
que se denomina matriz de la transformacin f en bases elegidas. Como columnas de
la matriz de la transformacin sirven los coeficientes de la cada combinacin, en
otras palabras, las coordenadas de los vectores f(u1), f(u2), ..., f(un) respecto de la base
S2. Con el fin de determinar el elemento a ij de la matriz de la transformacin f hace
falta aplicar la transformacin al vector uj y tomar la i-sima coordenada en la
imagen f(uj). En lo sucesivo haremos uso del mtodo descrito para determinar los
elementos de la matriz de la transformacin. Considere un vector arbitrario u de U y
su imagen v = f(u). Aclaremos de qu modo se expresar las coordenadas del vector v
en trminos de las coordenadas del vector u y los elementos de la matriz de la
transformacin. Sea
u = a1u1 + a2u2 + ... + anun
y
v = b1v1 + b2v2 + ... + bmvm
calculamos
f(u) = f(a1u1 + a2u2 + ... + anun)
= a1f(u1) + a2f(u2) + ... + anf(un)
= a1[a11v1 + a12v2 + ... + a1mvm] + a2[a21v1 + a22v2 + ... + a2mvm] + ... + an[an1v1 +
an2v2 + ... + anmvm]
ALGEBRA LINEAL CON MATLAB
326
TRANSFORMACIONES LINEALES
= [a1a11 + a2a21 + ... + anan1]v1 + [a1a12 + a2a22 + ... + anan2]v2 + ... + [a1a1m +
a2a2m + ... + ananm]vm
Al comparar el segundo miembro de estas igualdades con el desarrollo de v,
concluimos que deben cumplirse las igualdades
a11a1 + a21a2 + ... + an1an = b1
a12a1 + a22a2 + ... + an2an = b2
...
a1ma1 + a2ma2 + ... + anman = bm
De esta manera, toda transformacin lineal genera, cuando estn definidas las
bases en los espacios U y V, las identidades antes mencionadas que relacionan
entre s las coordenadas de la imagen y las de la preimagen. Con el fin de
determinar las coordenadas de la imagen segn las coordenadas de la preimagen
basta calcular los primeros miembros de estas identidades.
Siendo determinadas las bases en los espacios U y V, la igualdad coordenada permite
investigar totalmente la accin de una transformacin lineal. Evidentemente, cuanto
ms simple es la forma de la matriz de una transformacin, tanto ms eficaz ser la
realizacin de dicha investigacin. Generalmente las matrices de las
transformaciones dependen de las bases y la tarea inmediata consiste en aclarar esta
dependencia.
Sean S1 = {u1, u2, ..., um} y S2 = {v1, v2, ..., vm} dos bases del espacio vectorial U. Los
vectores de S2 se definen unvocamente mediante sus descomposiciones
v1 a11u1 a12 u2 ... a1m um
v a u a u ... a u
2
21 1
22 2
2m m
(1)
...
a
a22 ... am 2
P 12
...
...
...
...
TRANSFORMACIONES LINEALES
327
Designemos, como hasta ahora, mediante XS1 y XS2 las matrices de dimensiones
m x 1, formadas por las coordenadas del vector u en las bases correspondientes. Las
frmulas (2) muestran que XS1 = PXS2 . La matriz de la transformacin de
coordenadas debe ser no singular, puesto que en el caso contrario tendr lugar la
dependencia lineal entre sus columnas y, por tanto, entre los vectores de S2. Por
supuesto, cualquier matriz no singular es una matriz de cierta transformacin de
coordenadas definida mediante XS1 = PXS2 . Al multiplicar a la izquierda de la
igualdad por la matriz P-1, obtendremos
P-1XS1 = P-1PXS2 XS2 = P-1XS1 .
Supongamos ahora que en el espacio vectorial U vienen dadas tres bases S1, S2 y S3.
El paso de la primera base a la tercera puede realizarse con ayuda de dos
procedimientos: o bien directamente de la primera a la tercera o bien primero de la
primera a la segunda, y despus de la segunda a la tercera. No es difcil establecer la
conexin entre las matrices correspondientes de la transformacin de coordenadas.
De acuerdo con XS1 = PXS2 , tenemos:
XS1 = PXS2 XS2 = RXS3 XS1 = QXS3 .
(4)
En concordancia con estos pares de bases, para una misma transformacin f tenemos
dos matrices ASS1 y ASS2 . Designemos con P la matriz de la transformacin de
3
Esto es precisamente la correlacin buscada que liga las matrices de una misma
transformacin en diferentes bases. La transformacin lineal f que acta del espacio
U en el espacio V est completamente definido mediante la totalidad de imgenes
ALGEBRA LINEAL CON MATLAB
328
TRANSFORMACIONES LINEALES
f(u1), f(u2), ..., f(un) para cualquier base definida S1 = {u1, u2, ..., un} del espacio U.
EJ E M P L O 7.2.1
En un espacio vectorial de dimensin 4, se examina una transformacin lineal f.
Escribir esta transformacin en la forma de coordenadas si
f(e1) = e3 + e4, f(e2) = e1 + e4,
f(e3) = e1 + e2, f(e4) = e2 + e3.
SO L U C I O N
f((1, 0, 0, 0)) = (0, 0, 1, 1), f((0, 1, 0, 0)) = (1, 0, 0, 1),
f((0, 0, 1, 0)) = (1, 1, 0, 0), f((0, 0, 0, 1)) = (0, 1, 1, 0).
La matriz de la transformacin f es
0 1 1 0
0 0 1 1
A
.
1 0 0 1
1 1 0 0
Por lo tanto, la transformacin f se escribe en forma de coordenadas de la siguiente
manera:
f((a, b, c, d)) = (b + c, c + d, a + d, a + b).
EJ E M P L O 7.2.2
Sea f la transformacin lineal de :(2, 2) en :(3, 1) definida por
2 a 3b c
a b
f
a 2b c 2d .
c
d
a b 3c 4d
S
y
S1
,
,
,
0 ,
2
0
0
0
0
1
0
0
1
0
1,
0
0
0
1
obtenga la matriz > f @ SS2 . Primeramente, determinaremos cules son las imgenes de
1
0 1
f
0 0
0 0
f
0 1
3
2 ;
1
0
2 .
4
Obsrvese que en este caso, como se est tomando la base cannica S2 de :(3, 1), se
tiene lo siguiente:
2
3
1
0
> f (E1 )@ S2 1 ; > f (E 2 )@ S2 2 ; > f (E3 )@ S2 1 ; > f (E 4 )@ S2 2 ,
1
1
3
4
de modo que
2 3 1 0
S2
f
> @ S1 1 2 1 2 .
1 1 3 4
TRANSFORMACIONES LINEALES
329
EJ E M P L O 7.2.3
Considrese f la transformacin lineal de P4 en P4 definida por f(p) = p'(x). Obtenga
[f]S en la base cannica de P4.
SO L U C I O N
La base cannica de P4 es S = {1, x, x2, x3, x4}. A continuacin determinamos las
imgenes con respecto a cada elemento de S, es decir:
[f(1)]S = [(1)']S = [0]S = 0(1) + 0(x) + 0(x2) + 0(x3) + 0(x4);
[f(x)]S = [(x)']S = [1]S = 1(1) + 0(x) + 0(x2) + 0(x3) + 0(x4);
[f(x2)]S = [(x2)']S = [2x]S = 0(1) + 2(x) + 0(x2) + 0(x3) + 0(x4);
[f(x3)]S = [(x3)']S = [3x2]S = 0(1) + 0(x) + 3(x2) + 0(x3) + 0(x4);
[f(x4)]S = [(x4)']S = [4x3]S = 0(1) + 0(x) + 0(x2) + 4(x3) + 0(x4).
Por lo tanto
0 1 0 0 0
0 0 2 0 0
> f @ S 0 0 0 3 0 .
0 0 0 0 4
0 0 0 0 0
Mediante esta matriz, podemos derivar p(x) = 5 + 8x - 10x2 + 6x3 - 7x4, es decir
0 1 0 0 0 5 8
0 0 2 0 0 8 20
> f ( p)@ S > p '@ S > f @ S > p @ S 0 0 0 3 0 10 18 .
0 0 0 0 4 6 28
0 0 0 0 0 7 0
2
1
3
> f @ SS12 3 14 8 .
4 2
3
EJ E M P L O 7.2.5
Encuentre la matriz de la transformacin lineal D definida en el conjunto de
polinomios en t sobre R de grado a lo sumo igual a 2 mediante D(p(t)) = p(t), en
relacin con la base.
a.- S1 = {1 + t, t, 1 + 2t + t2}; b.- S2 = {1/2(1 - t), 1/2(1 + t), t2}.
SO L U C I O N
a.- D(1 + t) = 1 = 1(1 + t) + (-1)t + 0(1 + 2t + t2)
D(t) = 1 = 1(1 + t) + (-1)t + 0(1 + 2t + t2)
D(1 + 2t + t2) = 2 + 2t = 2(1 + t) + 0t + 0(1 + 2t + t2)
ALGEBRA LINEAL CON MATLAB
330
TRANSFORMACIONES LINEALES
1 1 2
D 1 1 0 .
0 0 0
D 1/ 2 1/ 2 2 .
0
0
0
EJ E M P L O 7.2.6
Sea V el espacio de todas las funciones de la forma ae t + be2t + ce 3t. Si se define
D : V o V mediante D(f(t)) = f (t), obtenga:
a.- La matriz de D con respecto a la base S1 = {et, e2t, e3t};
b.- La matriz de D con respecto a la base S2 = {et + e2t, e2t + e3t, et + e3t}.
SO L U C I O N
a.- D(et) = et = 1et + 0e2t + 0e3t ;
D(e2t) = 2e2t = 0et + 2e2t + 0e3t
3t
3t
t
2t
3t
D(e ) = 3e = 0e + 0e + 3e
1 0 0
D 0 2 0
0 0 3
b.- D(et + e2t) = et + 2e2t = 3/2(et + e2t) + 1/2(e2t + e3t) + (-1/2)(et + e3t)
D(e2t + e3t) = 2e2t + 3e3t = (-1/2)(et + e2t) + 5/2(e2t + e3t) + 1/2(et + e3t)
D(et + e3t) = et + 3e3t = (-1)(et + e2t) + 1(e2t + e3t) + 2(et + e3t)
1
3
2 2 1
1
5
D
1 .
2
2
1
1
2
2
EJ E M P L O 7.2.7
Se examina el espacio vectorial de los vectores u = ae1 + be2 + ce3 + de4, donde a, b,
c, d son escalares reales. Demostrar que la transformacin f definida por f(u) = be1 +
ce2 + de3 + ae4 es lineal, y hallar su representacin matricial.
SO L U C I O N
Sabemos que f(u) = f((a, b, c, d)) = (b, c, d, a). Encontramos las imgenes con
respecto de la base cannica de R 4:
f((1, 0, 0, 0)) = (0, 0, 0, 1);
f((0, 1, 0, 0)) = (1, 0, 0, 0);
f((0, 0, 1, 0)) = (0, 1, 0, 0);
f((0, 0, 0, 1)) = (0, 0, 1, 0)
Por tanto la matriz de la transformacin lineal tiene la siguiente forma:
0 1 0 0
0 0 1 0
Af
.
0 0 0 1
1 0 0 0
EJ E M P L O 7.2.8
Sea V = P4 el espacio de todos los polinomios de grado menor o igual a 4, en la
indeterminada t y defnase f de P4 en P4 por f ( p(t )) p(t ) 2 p(t ) p(t ) .
Representar a f mediante una matriz respecto a la base cannica de P4.
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
SO L U C I O N
Sabemos que
331
De donde:
f(a + bt + ct2 + dt3 + et4) = (a + 2b + 2c) + (b + 4c + 6d)t + (c + 6d + 12e)t2 +
+ (d + 8e)t3 + et4.
Encontramos las imgenes con respecto de la base cannica de P4:
f(1) = 1 + 0t + 0t2 + 0t3 + 0t4; f(t) = 2 + t + 0t2 + 0t3 + 0t4;
f(t2) = 2 + 4t + t2 + 0t3 + 0t4; f(t3) = 0 + 6t + 6t2 + t3 + 0t4;
f(t4) = 0 + 0t + 12t2 + 8t3 + t4.
Por tanto la matriz de la transformacin lineal tiene la siguiente forma:
1 2 2 0 0
0 1 4 6 0
A f 0 0 1 6 12 .
0 0 0 1 8
0 0 0 0 1
EJ E M P L O 7.2.9
Considrese la transformacin lineal f : P3 o P2 definida por
f( at3 + bt2 + ct + d) = ( a + b + c)t2 + (2b c + 4d).
Determine la matriz de f en las bases cannicas.
SO L U C I O N
Encontramos las imgenes con respecto de la base cannica de P3 y luego cada una
de stas, las expresamos como combinacin lineal de la base cannica de P2:
f(t3) = t2 + 0t + 0; f(t2) = t2 + 0t + 2; f(t) = t2 + 0t 1; f(1) = 0t2 + 0t + 4.
Por tanto la matriz de la transformacin lineal tiene la siguiente forma:
1 1 1 0
A f 0 0 0 0 .
0 2 1 4
EJ E M P L O 7.2.10
Considrese la transformacin lineal f : C 2 o C 2 definida por f((a, b)) = (a + b, ib).
Determine la matriz de f en las bases cannicas.
SO L U C I O N
Encontramos las imgenes con respecto de la base cannica de C 2 y luego cada una
de stas, las expresamos como combinacin lineal de la base cannica de C 2:
f((1, 0)) = (1, 0), f((0, i)) = (i, -1).
Por tanto la matriz de la transformacin lineal tiene la siguiente forma:
1 i
Af
.
0 1
PR O B L E M AS
7.2.1 La transformacin lineal definida en el ejemplo
anterior es uno a uno, es decir, f no aplica a dos vectores
diferentes sobre el mismo vector. Por tanto, existe una
transformacin lineal que aplica a (3, -1) sobre (1, 0) y a
(-1, 2) sobre (0, 1). Esta transformacin lineal invierte la
aplicacin dada por f. Determine la matriz que la
representa con respecto a las bases cannicas.
ALGEBRA LINEAL CON MATLAB
332
TRANSFORMACIONES LINEALES
7.2.5
TRANSFORMACIONES LINEALES
2
f (xk )
x k
0 t
dt :
333
A 0 b 0
0 0 c
334
TRANSFORMACIONES LINEALES
x12
2
x22
2
x32
2
1.
7.3 A L G E B R A D E T R A NSF O R M A C I O N ES L I N E A L ES
En esta seccin se analizarn las operaciones que se pueden realizar entre transformaciones lineales.
Enunciaremos sus propiedades ms importantes.
a
a
...
a
b
b22 ... bn 2
22
n2
A f 12
y B g 12
...
...
...
...
...
..
TRANSFORMACIONES LINEALES
335
a b
a22 b22 ... an 2 bn 2
A f B g 12 12
...
...
...
2
Af 2
.
2
2
2
2
Como Ii es la matriz identidad de 2 x 2, entonces
2
2
2
2
1
1 0
2
2
2
A f Ii 2
.
2
2 0 1
2
2
1
2
2
2
2
2
2
EJ E M P L O 7.3.2
Se dan dos transformaciones lineales
f((a, b, c)) = (a + 2b + 3c, 4a + 5b + 6c, 7a + 8b)
g((a, b, c)) = (a + 3b + c, a 3b + 2c, a + c).
Hallar 3f 2g.
SO L U C I O N
Como 3f 2g : R 3 o R 3, entonces:
3f((a, b, c)) 2g((a, b, c)) = 3(a + 2b + 3c, 4a + 5b + 6c, 7a + 8b) - 2(a + 3b + c,
a 3b + 2c, a + c)
ALGEBRA LINEAL CON MATLAB
336
TRANSFORMACIONES LINEALES
= (3a + 6b + 9c, 12a + 15b + 18c, 21a + 24b) - (2a + 6b + 2c, 2a 6b + 4c, 2a + 2c)
= (a + 7c, 10a + 21b + 14c, 19a + 24b 2c).
Para completar lo que ahora debe ser una sucesin obvia de ideas, presentamos
una multiplicacin escalar en el conjunto de las transformaciones lineales de U en
V.
D E F I N I C I O N 7.3.2
El producto escalar af de un escalar a de K y una transformacin lineal f
de U en V est dada por ( af)(u) = af(u) para todo vector u de U.
En otras palabras, af es la funcin cuyo valor en u se calcula formando el producto
escalar de a y el vector f(u).
T E O R E M A 7.3.2
El producto escalar af de un escalar a de K y una transformacin lineal f de
U en V, es una transformacin lineal.
D E M OST R A C I O N
Sean u y v vectores arbitrarios de U, y sean k y r, escalares arbitrarios. Para
demostrar que af es una transformacin lineal, debemos probar que
(af)(ku + rv) = k[(af)(u)] + r[(af)(v)].
Es decir
(af)(ku + rv) = a[f(ku + rv)]
= a[kf(u) + rf(v)]
= (ak)f(u) + (ar)f(v)
= k[af(u)] + r[af(v)]
= k[(af)(u)] + r[(af)(v)].
Sean S1 = {u1, u2, ..., un} y S2 = {v1, v2, ..., vm} bases de los espacios vectoriales U y
V respectivamente, y sea
a11 a21 ... an1
a
a22 ... an 2
A f 12
...
...
...
aa
aa22 ... aan 2
aA f 12
...
...
...
aa
TRANSFORMACIONES LINEALES
337
338
TRANSFORMACIONES LINEALES
a
a22 ... an 2
b
b22 ... br 2
y B g 12
A f 12
... ...
...
...
...
...
1r a2 r ... anr
b1m b2 m ... brm
las matrices asociadas a las transformaciones lineales f y g respecto de las bases
consideradas anteriormente. Calculamos los transformados de los elementos de la
base S1, para determinar la matriz asociada a la transformacin gf:
(gf)(u1) = g(f(u1))
= g(a11v1 + a12v2 + ... + a1rvr)
= a11g(v1) + a12g(v2a1rg(vr)
= a11(b11w1 + b12w2 + ... + b1mwm) + a12(b21w1 + b22w2 + ... + b2mwm
a1r(br1w1 + br2w2 + ... + br mwm)
= c11w1 + c12w2 + ... + c1mwm
(gf)(u2) = g(f(u2))
= g(a21v1 + a22v2 + ... + a2rvr)
= a21g(v1) + a22g(v2a2rg(vr)
= a21(b11w1 + b12w2 + ... + b1mwm) + a22(b21w1 + b22w2 + ... + b2mwm
a2r(br1w1 + br2w2 + ... + br mwm)
= c21w1 + c22w2 + ... + c2mwm
...
(gf)(un) = g(f(un))
= g(an1v1 + an2v2 + ... + anrvr)
= an1g(v1) + an2g(v2anrg(vr)
= an1(b11w1 + b12w2 + ... + b1mwm) + an2(b21w1 + b22w2 + ... + b2mwm
anr(br1w1 + br2w2 + ... + br mwm)
= cn1w1 + cn2w2 + ... + cnmwm
donde
c11 = a11b11 + a12b21 + ... + a1rbr1
c21 = a11b12 + a12b22 + ... + a1rbr2
...
cij = ai1b1j + a i2b2j + ... + a irbrj
...
cnm = an1b1m + an2b2m + ... + an rbr m
y la matriz asociada a la transformacin lineal gf respecto de las bases consideradas,
ser:
c11 c21 ... cn1
c
c22 ... cn 2
B g A f 12
...
...
...
TRANSFORMACIONES LINEALES
339
T E O R E M A 7.3.5
Sean f y g transformaciones lineales de U en V y h y t transformaciones
lineales de V en W. Entonces tenemos:
a.- h(f + g) = hf + hg;
b.- (h + t)f = hf + tf.
D E M OST R A C I O N
a.- Como f + g va de U en V y h va de V en W, entonces h(f + g) es una funcin de
U en W. Anlogamente, hf va de U en W y hg va de U en W y as hf + hg es una
funcin de U en W. Por tanto, para demostrar que h(f + g) = hf + hg, debemos
evaluar cada miembro en un vector arbitrario u de U y comprobar que los dos
resultados son siempre iguales. Es decir
[h(f + g)](u) = h[(f + g)(u)]
= h[f(u) + g(u)]
= h[f(u)] + h[g(u)]
= (hf)(u) + (hg)(u)
= (hf + hg)(u)
b.- Como h + t va de V en W y f va de U en V, entonces (h + t)f es una funcin de
U en W. Anlogamente, hf va de U en W y tf va de U en W y as hf + tf es una
funcin de U en W. Por tanto, para demostrar que (h + t)f = hf + tf, debemos evaluar
cada miembro en un vector arbitrario u de U y comprobar que los dos resultados son
siempre iguales. Es decir
[(h + t)f](u) = (h + t)[f(u)] = h[f(u)] + t[f(u)] = (hf)(u) + (tf)(u) = (hf + tf)(u).
Obsrvese que en el primer producto, h aparece a la izquierda, mientras que en el
segundo producto, f aparece a la derecha. Debido a que la multiplicacin de las
transformaciones lineales no es conmutativa, las dos frmulas no pueden
comprimirse en una sola ley distributiva. La primera frmula se llama ley
distributiva a la izquierda y, la segunda frmula, ley distributiva a la derecha. Sean
las transformaciones lineales f de U en V y g de V en W, y a un escalar arbitrario.
Entonces
a(gf) = (ag)f = g(af).
Hemos presentado los resultados bsicos referentes a las sumas, a los productos
escalares y a los productos de transformaciones lineales.
Consideremos ahora el caso especial de las transformaciones lineales de V en V; esto
es, estudiaremos ahora L(V, V).
T E O R E M A 7.3.6
Sea V un espacio vectorial sobre un cuerpo K. Entonces L(V, V) cumple lo
siguiente:
a.- L(V, V) es un espacio vectorial sobre K ;
b.- L(V, V) es cerrado bajo la multiplicacin;
c.- f(gh) = (fg)h para toda f, g y h de L(V, V);
d.- Para cualesquiera f, g y h de L(V, V) tenemos
f(g + h) = fg + fh y (g + h)f = gf + hf;
e.- Para un escalar a de K y cualesquiera f y g de L(V, V), tenemos que
ALGEBRA LINEAL CON MATLAB
340
TRANSFORMACIONES LINEALES
A f 0 1 1 , Bg 1 0 1 .
1 0 1
1 1 0
A f Bg 0 1 1 1 0 1 2 1 1 ,
1 0 1 1 1 0 1 2 1
0 1 1 1 1 0 1 1 2
Bg A f 1 0 1 0 1 1 2 1 1 .
1 1 0 1 0 1 1 2 1
En este caso AfBg = BgAf, por eso las transformaciones fg y gf coinciden. La forma
de coordenadas de la transformacin fg se escribe de la forma siguiente:
gf((a, b, c)) = fg((a, b, c) = (a + b + 2c, 2a + b + c, a + 2b + c).
EJ E M P L O 7.3.4
Demuestre que si f : U o V, g : V o W y h : W o X son tres transformaciones,
tenemos entonces que h(gf) = (hg)f.
SO L U C I O N
Las transformaciones h(gf) y (hg)f tienen ambas dominio U y valores en X. Para cada
u de V, tenemos
(h(gf))(u) = h((gf)(u)) = h(g(f(u))) y ((hg)f)(u) = (hg)(f(u)) = h(g(f(u)))
lo que demuestra que h(gf) y (hg)f.
EJ E M P L O 7.3.5
Sea V = R 2. Sea S = {e1, e2} la base cannica de R 2. Defnanse f y g en L(V, V) tales
que cumplan f(e1) = e2, f(e2) = , g(e1) = e1 + e2, g(e2) = . Demuestre que aunque
fg y gf estn ambas en L(V, V), fg z gf.
SO L U C I O N
Hacemos la combinacin lineal con el vector (a, b):
D a
(a, b) = D(1, 0) + E(0, 1) = (D, E)
.
E b
f((a, b)) = af((1, 0)) + bf((0, 1)) = a(0, 1) + b(0, 0) = (0, a)
D a
(a, b) = D(1, 0) + E(0, 1) = (D, E)
.
E b
g((a, b)) = ag((1, 0)) + bg((0, 1)) = a(1, 1) + b(0, 0) = (a, a)
(fg)(a, b) = (0, a), (gf)(a, b) = (0, 0) fg z gf.
Otra forma de resolver este problema, es el siguiente: Sabemos que S = {(1, 0),
(0,1)}, entonces:
0 0
f((1, 0)) = (0, 1), f((0, 1)) = (0, 0) A f
;
1 0
TRANSFORMACIONES LINEALES
341
1 0
.
1 0
1 0 0 0 0 0
1 0 1 0 0 0
1 0 1
Por tanto f g z g f .
A f Ag
0 0 0
, Ag A f
0 1 0
EJ E M P L O 7.3.6
Sea V un espacio vectorial. Sean f, g de L(V, V). Demuestre que
(f + g)2 = f2 + 2fg + g2
si y slo si fg = gf.
SO L U C I O N
Como f : V o V, g : V o V, entonces por definicin
f + g : V o V y (f + g)2 : V o V.
Por lo tanto
(f + g)2 = (f + g)(f + g) = f2 + fg + gf + g2.
Como fg = gf, entonces
(f + g)2 = f2 + 2fg + g2.
EJ E M P L O 7.3.7
Sea V un espacio vectorial. Sea f de L(V, V). Implica siempre f2 = , que f = ?
Por qu?
SO L U C I O N
Como f : V o V, entonces f2 : V o V. Por lo tanto f2 = ff es la composicin de f
consigo mismo, entonces la transformacin lineal f es nula, para que f2 = .
EJ E M P L O 7.3.8
Sean f : V o V y g : V o V transformaciones lineales. Si f y g conmutan, demostrar
que (fg)n = fngn, para todo n t 0.
SO L U C I O N
Como f : V o V, g : V o V, entonces por definicin fg : V o V y (fg)n : V o V.
Por lo tanto
( fg )n ( fg )( fg ) ( fg )
n veces
342
TRANSFORMACIONES LINEALES
PR O B L E M AS
7.3.1 Si P es el conjunto de los polinomios en x sobre R,
sean f : P o P, definida por f(p(x)) = p(x) y g : P o P,
definida por g ( p( x))
a.- fg = i;
b.- gf z i.
TRANSFORMACIONES LINEALES
7.3.9 Sea f : R n o R m, g : R m o R s, h : R s o R t
transformaciones lineales. Demuestre la propiedad
asociativa de su composicin. Es decir, demuestre que
las transformaciones lineales h
(g
f), (h
g)
f son
iguales. Es esta propiedad vlida para funciones en
general?
7.3.10 Sea f : R o R definida por f (v) proyu v , en
donde u = (4, 3):
a.- Determinar A, y demuestre que A 2 = A.
b.- Demuestre que (I A)2 = I A.
c.- Encuentre A v y (I A)v para v = (5, 0).
d.- Trazar la grfica de u, v, A v y (I A)v.
7.3.11 Considere las transformaciones lineales
f : R 3 o R 2, f(( a , b, c)) = ( a - b, a + b),
g : R 2 o R 3, g((a , b)) = (b, a , a b).
Determine
expresiones
explcitas
para
las
transformaciones lineales f
g : R 2 o R 2 y g
f : R 3 o R 3.
Verifique en cada caso que la matriz que representa a la
composicin de transformaciones es el producto de las
matrices que representan a cada una de las
transformaciones lineales que se componen.
7.3.12 Usando multiplicacin matricial encuentre la
imagen del vector (3, -1, 2) cuando se hace girar:
a.- 30 en sentido antihorario con respecto al eje X;
b.- 45 en sentido antihorario con respecto al eje Y;
c.- 90 en sentido antihorario con respecto al eje Z.
7.3.13 Usando multiplicacin matricial encuentre la
proyeccin ortogonal de (3, -4) sobre:
a.- El eje X; b.- El eje Y.
7.3.14 Usando multiplicacin matricial encuentre la
proyeccin ortogonal de (-1, 3, -2) sobre:
a.- El plano XY; b.- El plano XZ; c.- El plano YZ.
7.3.15 Usando multiplicacin matricial encuentre la
imagen del vector (-1, 4, 7) cuando se hace girar:
a.- -30 en sentido horario con respecto al eje X;
b.- -45 en sentido horario con respecto al eje Y;
c.- -90 en sentido horario con respecto al eje Z.
7.3.16 Determine si f
g = g
f:
a.- f : R 2 o R 2 es la proyeccin ortogonal sobre el eje X y
g : R 2 o R 2 es la proyeccin ortogonal sobre el eje Y.
b.- f : R 2 o R 2 es la rotacin en sentido antihorario hasta
describir un ngulo T1 y g : R 2 o R 2 es la rotacin en
sentido antihorario hasta describir un ngulo T2.
c.- f : R 2 o R 2 es la reflexin respecto al eje X y g : R 2 o
R 2 es la reflexin respecto al eje Y;
7.3.17 Encuentre la matriz estndar para la composicin
de operadores lineales sobre R 2 que se indica:
ALGEBRA LINEAL CON MATLAB
343
344
TRANSFORMACIONES LINEALES
7.4 NU C L E O E I M A G E N D E UN A T R A NSF O R M A C I O N L I N E A L
En esta seccin se estudiarn el ncleo e imagen de una transformacin lineal. Se enunciaran las propiedades ms
importantes.
Desde el punto de vista de las transformaciones matriciales, el espacio nulo de A
consta de todos los vectores u en R n que la multiplicacin por A aplica o transforma
en 0, y el espacio columna consta de todos los vectores en R m que son imgenes de
por lo menos un vector en R n bajo la multiplicacin por A.
D E F IN I C I O N 7.4.1
Sea f una transformacin de U en V. El ncleo de la transformacin lineal f,
es el conjunto de todos los vectores u de U tales que f(u) = , es decir:
Nuc(f) = {u / u U y f(u) = , V}
Entonces como ya hemos hecho notar, Nuc(f) siempre contiene al vector cero de U.
De hecho, podemos decir mucho ms que esto, pues si f(u) = f(v) = , entonces:
f(au + bv) = af(u) + bf(v) = , para todo a, b K , y de ello se sigue que Nuc(f) es un
subespacio de U. A este subespacio le llamamos el espacio nulo o ncleo de f, y es
de fundamental importancia en el estudio del comportamiento de f en U.
T E O R E M A 7.4.1
Sea f una transformacin lineal de U en V. El ncleo o espacio nulo de
una transformacin lineal f es un subespacio del dominio U.
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
345
D E M OST R A C I O N
Observe que f() = . Puesto que
f() = f( + ) = f() + f().
Sumando f() a cada miembro, obtenemos = f(). Por tanto, siempre hay un
vector, es decir, el vector cero de U en el ncleo de f. Para demostrar que el ncleo
de f es un subespacio, admitamos que los vectores u y v de U estn en el ncleo de f
y sean a y b escalares arbitrarios. Entonces f(u) = y f(v) = . Por tanto,
f(au + bv) = af(u) + bf(v) = a + b = .
Por consiguiente, au + bv est en el ncleo de f. En consecuencia, el ncleo de f es un
subespacio de U.
EJ E M P L O 7.4.1
Sea f : R 2 o R 2 una transformacin lineal tal que f((3, 2)) = (0, 0) y f((1, 3)) = u z ,
demuestre que el ncleo de f es una recta en el plano XY que pasa por el origen.
Encuentre su ecuacin.
SO L U C I O N
Hacemos la combinacin lineal con un vector (a, b):
1
D 7 (3a b)
3D E a
(a, b) = D(3, 2) + E(1, 3)
2D 3E b
E 1 (2 a 3b)
7
De donde
1
1
f (( a, b)) Df ((3, 2)) Ef ((1, 3))
(3a b)(0, 0) (2 a 3b)( x, y)
7
7
1
(2 xa 3xb, 2 ya 3 yb) .
7
Por tanto encontramos el ncleo de la siguiente manera:
2 xa 3xb 0
2 a 3b 0
2a 3b = 0
2
ya
3
yb
0
2 a 3b 0
En este caso podemos darnos cuenta que el ncleo de f es una recta en el plano XY
que adems pasa por el origen.
EJ E M P L O 7.4.2
1 1
Sea :(2, 2) el espacio vectorial de matrices 2 x 2 sobre R y M
. Sea
2 2
f : :(2, 2) o :(2, 2) la transformacin lineal definida por f(A) = M A. Hallar una
base y la dimensin del Nuc(f).
SO L U C I O N
Aplicando la definicin de ncleo, tenemos que
Nuc(f) = {A :(2, 2) / f(A) = , :(2, 2)}
a b 1 1 a b 0 0
.
c
d
2
2
c
d
0
0
a b a c
1 0 0 1
Nuc( f )
BaseNuc( f )
c
d
b
d
1
0
0
1
346
TRANSFORMACIONES LINEALES
SO L U C I O N
Sabemos que Nuc(f) = {(x , y) / 2x + 5y = 0}, entonces la transformacin lineal
f : R 2 o R 2 puede ser:
f((x, y)) = (2x + 5y, 2kx + 5ky), k z 0.
De igual importancia que el espacio nulo de f es su imagen, Img(f), la cual definimos
a continuacin.
D E F IN I C I O N 7.4.2
Sea f una transformacin lineal de U en V. La imagen de U bajo f, es el
conjunto de todos los vectores v de V tales que v = f(u) para cierto u de U.
Es decir:
Img(f) = {v V / u U y v = f(u)}.
La imagen de f no es solamente el conjunto f(u), sino que a l se le considera con la
estructura de espacio vectorial, subespacio de V, ya que si v1 y v2 pertenecen a la
Img(f) con v1 = f(u1) y v2 = f(u2), entonces:
f( au1 + bu2) = af(u1) + bf(u2) = av1 + bv2
de donde av1 + bv2 est tambin en la imagen de f.
T E O R E M A 7.4.2
Sea f una transformacin lineal de U en V. El conjunto imagen de f es un
subespacio de V.
D E M OST R A C I O N
Considere que los vectores v y w de V estn en el conjunto imagen de f. Entonces
v = f(u1) y w = f(u2) para ciertos vectores u1 y u2 de U. Sean a y b escalares
arbitrarios. Entonces
av + bw = af(u1) + bf(u2) = f(au1 + bu2).
Por tanto, av + bw es un valor funcional bajo la funcin f y, en consecuencia, av + bw
est en el conjunto imagen de f. En consecuencia el conjunto imagen de f es un
subespacio de V.
T E O R E M A 7.4.3
Sea f una transformacin lineal de U en V. Entonces
Dim Img(f) + Dim Nuc(f) = DimU.
D E M OST R A C I O N
Como la imagen de f es un subespacio del espacio V de dimensin finita, la imagen
de f es tambin de dimensin finita. Por esta razn, podemos hallar una base para la
imagen de f. Sea esta base S1 = {v1, v2, ..., vm} donde m = Dim Img(f). Como los
elementos de S1 estn todos en la imagen de f hay vectores S = {u1, u2, ..., um} de U
tales que f(u1) = v1, f(u2) = v2, ..., f(um) = vm. Afirmamos que los elementos de S son
vectores linealmente independientes de U. Pues sean a1, a2, ..., am escalares
arbitrarios y consideremos que la ecuacin a1u1 + a2u2 + ... + amum = . Aplicando la
transformacin f a cada miembro y utilizando f(u1) = v1, f(u2) = v2, ..., f(um) = vm,
obtenemos a1v1 + a2v2 + ... + amvm = . Como los elementos de S1 son vectores
linealmente independientes de V, tenemos que a1 = a2 = ... = am = 0. Por tanto, en la
ecuacin, todos los escalares a1, a2, ..., am deben ser cero. En consecuencia, los
elementos de S son linealmente independientes. Como el ncleo de f es un
subespacio de U, podemos hallar una base S2 = {w1, w2, ..., wk} del ncleo de f. Aqu,
k = DimNuc(f). Afirmamos que S3 = {w1, w2, ..., wk, u1, u2, ..., um} es una base de U.
Demostremos que los elementos de S3 generan U. Sea u de U. Entonces f(u) est en
la imagen de f, y as f(u) = b1v1 + b2v2 + ... + bmvm para ciertos escalares arbitrarios b1,
b2, ..., bm. Entonces
f(u b1u1 - b2u2 - ... - bmum) = f(u) b1v1 - b2v2 - ... - bmvm = .
Por tanto, u = b1u1 + b2u2 + ... + bmum est en el ncleo de f y, en consecuencia, es
igual a la combinacin lineal c1w1 + c2w2 + ... + ckwk de los vectores de la base S2 del
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
347
348
TRANSFORMACIONES LINEALES
f (u ) u u
(1,1)
Du Ev D u
1
2
(1,1)
1
2
(1,1) E v
1
2
(1,1)
1
2
(1,1)
1
1
1
1
D u u
(1,1)
(1,1) E v u
(1,1)
(1,1)
2
2
2
2
Df (u) Ef (v)
Por tanto f(u) es transformacin lineal.
Siendo u = ( a , b), entonces
1
1
a b b a
f (( a, b)) ( a, b) ( a, b)
(1,1)
(1,1)
,
.
2
2
2
2
Para calcular el ncleo y la imagen, hacemos uso de la definicin
correspondiente:
a b
0
2
a b 0
a 0
.
b a 0
b 0
b a 0
2
Por tanto el ncleo de f es: Nuc(f) = {( a , b) / a = b = 0}
a b
r
2
a b 2r
.
b
a
b a 2s
s
2
Por tanto la imagen de f es: Img(f) = {( r, s) / a b = 2 r, b a = 2s}.
EJ E M P L O 7.4.8
Sea f : R 2 o R 2 una transformacin lineal tal que f((1, 1)) = (0, 0) y f((0, 1)) = (1, 1),
demuestre que tanto el ncleo como la imagen de f son rectas en el plano XY que
pasan por el origen. Encuentre las ecuaciones de estas rectas.
SO L U C I O N
Hacemos la combinacin lineal con un vector (a, b):
D a
(a, b) = D(1, 1) + E(0, 1)
E b 1
De donde
f((a, b)) = Df((1, 1)) + Ef((0, 1))
f((a, b)) = a(0, 0) + (b a)(1, 1) = (b a, b a).
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
349
b a 0
Para encontrar la imagen de f, lo hacemos como sigue:
b a r
rs=0
b a s
En ambos casos podemos darnos cuenta que el ncleo y la imagen de f son rectas en
el plano XY que adems pasan por el origen.
EJ E M P L O 7.4.9
Una transformacin lineal f : R 2 o R 3 aplica los vectores base de la siguiente
manera:
f(i) = (1, 0, 1), f(j) = (-1, 0, 1).
a.- Calcular f(2i - 3j) y determinar la dimensin del ncleo e imagen de f;
b.- Determinar la matriz de f.
SO L U C I O N
a.- Hacemos la combinacin lineal con un vector (a, b):
D a
(a, b) = D(1, 0) + E(0, 1)
E b
De donde
f((a, b)) = Df((1, 0)) + Ef((0, 1)) = a(1, 0, 1) + b(-1, 0, 1) = (a - b, 0, a + b).
Por tanto encontramos el ncleo de la siguiente manera:
a b 0
0 0 a = b = 0 Nuc(f) = {(a, b) / a = b = 0}
a b 0
BaseNuc(f) = {} DimNuc(f) = 0.
Para encontrar la imagen de f, lo hacemos como sigue:
a b r
0 s Img(f) = {(r, s, t) / r = a b, s = 0, t = a + b}
a b t
A f 0 0 .
1 1
EJ E M P L O 7.4.10
Defnase f : :(3, 3) o :(3, 3) mediante f(A) = A - AT. Mustrese que f es lineal.
Descrbase el ncleo e imagen de f.
SO L U C I O N
Para demostrar que f es una transformacin lineal, aplicamos la definicin general:
f(DA + EB) = (DA + EB) (DA + EB)T
= DA + EB DAT - EBT
= (DA DAT) + (EB EBT)
= D(A AT) + E(B BT)
= Df(A) + Ef(B).
Por tanto f(A) es transformacin lineal.
Para determinar el ncleo y la imagen de f, aplicamos la definicin correspondiente:
A AT = O A = AT Nuc(f) = {A :(3 x 3) / A = AT}.
ALGEBRA LINEAL CON MATLAB
350
TRANSFORMACIONES LINEALES
De donde
f((a, b, c)) = Df((0, 0, 1)) + Ef((0, 1, 1)) + Gf((1, 1, 1))
= - (b - c)(2, 3, 5) (a b)(1, 0, 0) + a(0, 1, -1)
= (- a b + 2c, a 3b + 3c, - a 5b + 5c)
Por tanto f(i + 2j + 3k) es:
f((1, 2, 3)) = (3, 4, 4).
b.- Calculamos la imagen de cada uno de los elementos de la base cannica de R 3:
f((1, 0, 0)) = (-1, 0, 0), f((0, 1, 0)) = (-1, -3, -5) y f((0, 0, 1)) = (2, 3, 5).
Por tanto la matriz de f es:
1 1 2
A f 0 3 3 .
0 5 5
EJ E M P L O 7.4.13
Sean A y B vectores no nulos en el plano tales que no existe constante alguna k z 0
tal que B = kA. Sea f una transformacin lineal del plano en s misma de tal manera
que f(e1) = A y f(e2) = B. Describir la imagen bajo f del rectngulo cuyos vrtices son
(0, 1), (3, 0), (0, 0), (3, 1).
SO L U C I O N
Hacemos la combinacin lineal con un vector (a, b):
D a
(a, b) = D(1, 0) + E(0, 1)
E b
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
351
De donde
De donde
f((a, b, c)) = Df((1, 0, 0)) + Ef((0, 1, 0)) + Gf((0, 0, 1))
= a(0, 0) + b(1, 1) + c(1, -1) = (b + c, b c).
Por tanto f(4i - j + k) es:
f((4, -1, 1)) = (0, -2).
b.- Calculamos la imagen de cada uno de los elementos de la base cannica de R 3:
f((1, 0, 0)) = (0, 0), f((0, 1, 0)) = (1, 1) y f((0, 0, 1)) = (1, -1).
Por tanto la matriz de f es:
0 1 1
Af
.
0 1 1
c.- Calculamos la imagen de cada uno de los elementos de la base cannica de R 3, y
luego ste elemento lo expresamos como combinacin lineal de los elementos de la
base de llegada:
D D2 0
f((1, 0, 0)) = (0, 0) = D1(1, 1) + D2(1, 2) 1
,
D1 2D 2 0
E1 E2 1
,
E1 2E2 1
G1 G2 0
.
G1 2G2 0
.
|
|
Af
0 0 2
1 2 0 1 1 0 1 0 0 2 0 1 0 0 2
EJ E M P L O 7.4.15
Sea f una transformacin lineal de R 2 en s misma, tal que
f(e1) = (1, 1) y f(e2) = (-1, 2).
Sea S el cuadrado cuyos vrtices estn en (0, 0), (1, 0), (1, 1), (0, 1). Demostrar que
la imagen bajo f de este cuadrado es un paralelogramo.
SO L U C I O N
La representacin matricial de la transformacin lineal f en la base cannica de R 2 es
1 1
Af
. Encontramos las imgenes de cada uno de los puntos del cuadrado:
1 2
352
TRANSFORMACIONES LINEALES
1 1 0 0
f ((0, 0))
,
1 2 0 0
1 1 1 1
f ((1, 0))
,
1 2 0 1
1 11 0
1 1 0 1
f ((1,1))
f ((0,1))
,
.
1 2 1 3
1 2 1 2
Graficando ambas figuras, demostramos que la imagen bajo f de este cuadrado, es un
paralelogramo.
EJ E M P L O 7.4.16
Sea :(n, n) el espacio de todas las matrices de n x n. Sea la transformacin lineal
f(A) = (A - AT). Describir el ncleo e imagen de f y determine sus correspondientes
dimensiones.
SO L U C I O N
1
(A - AT ) , entonces:
2
1
Nuc( f ) A / (A - AT ) = O {A / A = AT } .
2
Img( f ) B / (A - A T ) = B = {B / A - A T = 2B} .
2
Como f (A)
EJ E M P L O 7.4.17
Considrense los nmeros complejos C como un espacio vectorial sobre R. Defnase
la funcin f ( z ) z , donde z es el complejo conjugado del nmero complejo z.
Demuestre que f es una transformacin lineal. Hllese una base para el ncleo de f y
una base para la imagen de f.
SO L U C I O N
Si z = x + iy, entonces la transformacin tiene la forma: f(x + iy) = x iy. A
continuacin demostramos
que f es lineal:
f((Da + Ec) + i(Db + Ed)) = (Da + Ec) - i(Db + Ed) = (Da - iDb) + (Ec - iEd)
= D(a - ib) + E(c - id) = Df(z1) + Ef(z2)
Lo cual queda demostrado.
El ncleo de f es:
Nuc(f) = {x + iy / x iy = 0 + i0} Nuc(f) = {x + iy / x = y = 0}
BaseNuc(f) = {0 + i0} DimNuc(f) = 0.
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
353
La imagen de f es:
Img(f) = {r + is / x iy = r + is} Img(f) = {r + is / r = x, s = -y}
BaseImg(f) = {(1, 0), (0, i)} DimImg(f) = 2.
PR O B L E M AS
7.4.1 Sea f : R n o R m una transformacin lineal.
Demuestre que si f transforma dos vectores linealmente
independientes sobre un conjunto linealmente dependiente,
entonces la ecuacin f(u) = tiene una solucin no trivial.
7.4.2 Sea f : R 2 o R 2 un operador lineal cuyo ncleo es
Nuc(f) = {(x, y) / x = y}. Demuestre que f no es
sobreyectiva. Ms an, pruebe que Img( f) es una recta
que pasa por el origen.
7.4.3 Sea f : R 3 o R 3 una transformacin lineal tal que
f(e3) = 2e1 + 3e2 + 7e3, f(2e2 + 3e3) = 2e1,
f(e1 e2 + e3) = 2e2 3e3:
a.- Calcular f(2e1 3e2 + 5e3) y determine la dimensin
del ncleo y el rango de f.
b.- Determine la matriz de f.
7.4.4 Sea f : R 3 o R 3 un operador lineal cuya imagen es
Img(f) = {(x, y) / x = y = z}. Demuestre que el ncleo de
f es un plano en R 3 que pasa por el origen.
7.4.5 Sea V un espacio vectorial sobre R que consiste en
todas las funciones f tres veces derivables que satisfacen la
ecuacin diferencial f + f = 0. En este espacio V,
defnase la funcin g : V o V por g(f) = f , la derivada de
f. Demustrese que g es una transformacin lineal. Hllese
una base tanto para el ncleo de g como para la imagen de
g. Cul es el rango y la nulidad de g?
7.4.6 Sea V el espacio vectorial de todos los polinomios
reales p(x). Sean f el operador derivacin y g la
transformacin lineal que aplica p(x) en xp(x).
a.- Poner p(x) = 2 + 3x - x2 4x3 y determinar el ncleo e
imagen de p a travs de cada una de las transformaciones
siguientes: f, g, fg, gf, fg - gf, g2f2 - f2g2;
b.- Determinar los polinomios p de V para los cuales
g(p) = p;
c.- Determinar los polinomios p de V para los cuales
(fg 2f)(p) = .
7.4.7 Sea f : R 3 o R 3 definida por f (v) proyu v , en
donde u = (0, 1, 2):
a.- Determinar A, la matriz de f.
b.- Sea g la transformacin lineal representada por
I A. Demuestre que g es de la forma
g (v) proyw1 v proyw2 v ,
en donde w1 y w2 son vectores fijos en R 3.
c.- Demostrar que el ncleo de f es la imagen de g.
ALGEBRA LINEAL CON MATLAB
354
TRANSFORMACIONES LINEALES
g ( x)
S [1 Cos( x t )] f (t )dt :
2
2
2
f (( x, y, z ))
x
y,
x
y, z .
2
2
2
2
A 0 1 3 2
3 7 6 5
g ( x)
0 1 4
A
1 0 1
2 1 6
0
6
TRANSFORMACIONES LINEALES
355
356
TRANSFORMACIONES LINEALES
TRANSFORMACIONES LINEALES
357
358
TRANSFORMACIONES LINEALES
T E O R E M A 7.5.5
Sean U y V espacios vectoriales de dimensin finita con DimU = DimV y
sea f una transformacin lineal de U en V. Entonces:
a.- Cualquier inversa a la izquierda de f es una inversa bilateral;
b.- Cualquier inversa a la derecha de f es una inversa bilateral.
D E M OST R A C I O N
Si f : U o V tiene una inversa a la izquierda f -1 : V o U, entonces, sabemos que f es
inyectiva y f tambin es sobreyectiva. Por tanto, f es biyectiva y, en consecuencia, f
tiene una inversa bilateral que es igual a f -1. Esto demuestra la primera parte. Si
ahora f -1 : V o U es una inversa a la derecha de f, entonces f es sobreyectiva. Por
consiguiente, f es biyectiva y, en consecuencia f tiene una inversa bilateral que es
igual a f -1. Hemos completado la demostracin de la segunda parte.
EJ E M P L O 7.5.1
Determine todos los valores del nmero real k tales que la transformacin lineal
f : R 2 o R 2, definida por f(e1) = e1 + ke2, f(e2) = e1 ke2, no sea inversible. Aqu
S = {e1, e2} es la base cannica de R 2. Cuando f sea inversible, hllese f -1(e1) y
f -1(e2). Cuando f no sea inversible, hllense la nulidad de f y el rango de f.
SO L U C I O N
Hacemos la combinacin lineal con el vector (a, b):
D a
(a, b) = D(1, 0) + E(0, 1) = (D, E)
.
E b
f((a, b)) = af((1, 0)) + bf((0, 1)) = a(1, k) + b(1, -k) = (a + b, ka - kb).
Esta transformacin lineal, tiene como representacin matricial la matriz:
1 1
k k
Para que esta transformacin lineal no sea inversible, entonces el determinante de la
representacin matricial debe ser cero. Es decir:
1 1
0 k = 0.
k k
Para encontrar la transformacin lineal inversa, hacemos f((a, b)) = (r, s) y luego
resolvemos el sistema que genera:
r 2 k 0 kr s
a b r
1 1 r 1 1
|
ka kb s
k k s 0 2 k kr s 0 2 k kr s
Y obtenemos
kr s
kr s kr s
2k
,
f 1 (( r , s))
,
kr s
2k
2k
2k
1 1
1 1
f 1 ((1, 0)) , , f 1 ((0,1)) , , k z 0.
2 2
2k 2k
Si f no es inversible, entonces k = 0 y f((a, b)) = (a + b, 0), entonces:
a + b = 0 a = -b Nuc(f) = {(a, b) / a = -b};
BaseNuc(f) = {(-1, 1)} Nul(f) = 1.
a b r
Img(f) = {(r, s) / r = a + b, s = 0};
0 s
TRANSFORMACIONES LINEALES
359
es siempre una inversa bilateral. Adems, sabemos que dicha inversa es siempre una
transformacin lineal.
T E O R E M A 7.5.6
Sean U, V y W espacios vectoriales sobre K de dimensin finita con
DimU = DimV = DimW. Sean las transformaciones lineales f de U en V
y g de V en W. Entonces:
a.- gf es inversible si y slo si tanto f como g son inversibles;
b.- Si f y g son inversibles, tenemos que (gf)-1 = f -1g 1;
c.- Si f es inversible, entonces tambin lo es f -1 y (f -1)-1 = f.
D E M OST R A C I O N
Suponga que gf es inversible. Sea h de W en U la inversa de gf. Entonces
h(gf) = i(U) y (gf)h = i(W). Por tanto, (hg)f = i(U) lo que implica que f tiene una
inversa a la izquierda hg. Adems, g(fh) = i(W) lo que implica que g tiene una
inversa a la derecha fh. Por consiguiente, si gf tiene una inversa, entonces tanto g
como f tienen inversas. Suponga ahora que g y f tienen inversas. Entonces g y f
son biyectivas, de modo que gf es biyectiva y, en consecuencia, tiene una inversa;
adems, (gf)-1 = f -1g -1. Si f tiene inversa entonces f es biyectiva, como
demostramos anteriormente f -1 es una transformacin lineal de V en U y si f -1 es
biyectiva, entonces (f -1)-1 tambin es una transformacin lineal y ( f -1)-1 = f, que es
la transformacin lineal original.
EJ E M P L O 7.5.2
Verificar que la transformacin lineal f : R 3 o R 3 definida por
f((a, b, c)) = (2a + c, 2c + a, 2a + b)
es inyectiva.
SO L U C I O N
Nuc(f) = {u R 3 / f(u) = , R 3}
= {(a, b, c) / (2a + c, 2c + a, 2a + b) = (0, 0, 0)}
Resolviendo el sistema de ecuaciones
2a c 0
a 2c 0
2 a b 0
obtenemos
Nuc(f) = {(a, b, c) / a = b = c = 0} Dim Nuc(f) = 0.
Por lo tanto f es inyectiva.
EJ E M P L O 7.5.3
En un espacio vectorial con base {e1, e2} se da la transformacin lineal f. Hallar la
matriz de la transformacin inversa si f(e1) = e2, f(e2) = e1.
SO L U C I O N
Hacemos la combinacin lineal con un vector (a, b):
D a
(a, b) = D(1, 0) + E(0, 1)
E b
De donde
f((a, b)) = Df((1, 0)) + Ef((0, 1)) = a(0, 1) + b(1, 0) = (b, a).
Por tanto:
0 1
f -1((r, s) = (s, r) A f 1
.
1 0
EJ E M P L O 7.5.4
Encuentre la transformacin lineal f 1 de la transformacin f : R 3 o R 3 definida
por f((a, b, c)) = (2b + c, 2c + a, 2a + b).
ALGEBRA LINEAL CON MATLAB
360
TRANSFORMACIONES LINEALES
SO L U C I O N
Por definicin, tenemos que
2b c r
a 2c s
2a b t
r 0 2 1
r
s | 1 0 2
s
1 0 2 s | 1 0 2
2 1 0 t 0 1 4 2s t 0 0 9 r 4s 2t
0 9 0 4 r 2s t
9 0 0 2 r s 4t
0 0 9 r 4 s 2t
a
9
4 r 2s t
b
9
r 4 s 2t
c
9
EJ E M P L O 7.5.5
La transformacin lineal f consiste en girar cada vector del plano X0Y un ngulo S/4.
Hallar la matriz de g = f + f -1.
SO L U C I O N
La transformacin lineal f est dada por las ecuaciones:
f((e1)) = e1 Cos(S/4) + e2Sen(S/4) y f((e2)) = e1 Cos(3S/4) + e2Sen(3S/4)
Lo que es lo mismo:
2 1 1
2
f (( a , b))
( a b, a b) A f
2 1 1
2
Por consiguiente, la transformacin lineal inversa es:
1 1 1
1
f 1 (( r , s))
( r s, r s) A f 1
2 1 1
2
La matriz de la transformacin lineal g = f + f 1, est dada por:
2 1 1 1 1 1 2 0
A g A f A f 1
.
2 1 1
2 1 1 0
2
EJ E M P L O 7.5.6
La transformacin lineal f consiste en girar cada vector del plano X0Y en el ngulo
S/4. Hallar la representacin matricial f -2.
SO L U C I O N
La transformacin lineal f est dada por las ecuaciones:
f((e1)) = e1 Cos(S/4) + e2Sen(S/4) y f((e2)) = e1 Cos(3S/4) + e2Sen(3S/4)
Lo que es lo mismo:
2
f (( a , b))
( a b, a b)
2
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
361
2
2 2
2
A f 2 A f 1 A f 1
1
1 1
1
2
2
2
2
1 1 1
2 1 1
0 1
.
1 0
PR O B L E M AS
7.5.1 Sea V un espacio vectorial. Sea f de L(V, V).
Demuestre que si f es inversible, entonces f2 = f implica
siempre que f = i. Es esto necesariamente cierto para f no
inversible?
7.5.2 Demustrese que cada uno de las transformaciones
lineales siguientes es no singular, y encuntrese la
transformacin lineal inversa que le corresponde:
a.- f(x, y) = (x, 2y);
b.- f(x, y) = (3x + y, 5x + 2y);
c.- f(x, y, z) = (x + y, y + z, z);
d.- f(x, y, z) = (x, x y, y z);
e.- f(x, y, z) = (y, x + z, y z);
f.- f(x, y, z) = (x + y, y + 2z, x + y + z).
7.5.3 Sea B una matriz no singular de n x n. Demuestre
que la transformacin lineal f : : o : definida por
f(A) = AB es un isomorfismo.
Sean a , b, c, d nmeros dados y considere la
ax b
funcin f ( x)
. Sea g otra funcin de la misma
cx d
forma. Demuestre que gqf donde gf(x) = g(f(x)) es una
funcin que tambin se puede escribir en la misma
forma. Demuestre que cada una de estas funciones se
puede representar por una matriz, de tal modo que la
matriz que representa a gqf es el producto de las matrices
que representan a g y f. Demuestre que la funcin inversa
existe s y slo si ad - bc z 0. A qu se reduce la
funcin si ad bc = 0?
7.5.4
s( x)
ak x k 1 ,
t ( x)
k 1
ak x k 1
k 0
f f (t )dt .
362
TRANSFORMACIONES LINEALES
7.6 T R A NSF O R M A C I O N ES G R A F I C AS E N R 2
Es fundamental para todos los sistemas de grficas por computadora la capacidad de simular tanto el movimiento
como el manejo de objetos. Estos procesos se describen en trminos de traslaciones, rotaciones, puestas en escala
y reflexiones. El objetivo aqu es explicar estas operaciones en una forma matemtica adecuada para su
procesamiento por computadora, y mostrar la forma en que se emplean para lograr los fines del manejo y
movimiento de objetos.
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
363
ALGEBRA LINEAL CON MATLAB
364
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
Reflexin de espejo:
S1
Mx 1
1
,
sx s y
M x y My1
My
T R A NSF O R M A C I O N D E C O O R D E N A D AS
Supngase que se tienen dos sistemas coordenados en el plano. El primer sistema
est localizado en un origen O y tiene ejes coordenados XY. El segundo sistema
coordenado se ubica en el origen O y tiene ejes coordenados XY. Ahora cada
punto del plano tiene dos descripciones coordenadas: ( x, y) o (x, y), dependiendo
del sistema coordenado empleado. Si se considera que el segundo sistema XY
surge de una transformacin aplicada al primer sistema XY, se dice que se ha
aplicado una transformacin de coordenadas. Es posible describir esta
transformacin determinando cmo estn relacionadas las coordenadas ( x, y) de
un punto P con las coordenadas (x, y) del mismo punto.
Si el sistema coordenado XY se desplaza a una nueva posicin en donde la
direccin y distancia del desplazamiento estn dadas por el vector v = txi + tyj, las
coordenadas de un punto en ambos sistemas estn relacionados por la
transformacin de traslacin T v :
( x, y) Tv ( x, y)
donde x = x tx y y = y ty.
El sistema XY se rota T con respecto al origen. Entonces, las coordenadas de un
punto en ambos sistemas estn relacionadas por la transformacin de rotacin
RT :
( x, y) R T ( x, y)
donde
JOE GARCIA ARCOS
TRANSFORMACIONES LINEALES
365
ALGEBRA LINEAL CON MATLAB
1
1
x y y
y
sx
sy
Si en el nuevo sistema coordenado se obtiene por reflexin del sistema anterior
con respecto al eje X o eje Y, la relacin entre coordenadas est dada por las
transformaciones coordenadas M x y M y :
donde x
( x, y) M x ( x, y)
donde x = x y y = -y.
Para la reflexin con respecto al eje Y
( x, y) M y ( x, y)
donde x = -x y y = y.
Cada transformacin de coordenadas tiene una inversa, que puede obtenerse al
aplicar la transformacin opuesta:
Traslacin:
Rotacin:
1
Tv
1
RT
Puesta en escala:
1
S1, 1
Ss x ,s y
Reflexin de espejo:
sx s y
1
Mx
1
Mx y M y
My
T R A NSF O R M A C I O N ES C O M PU EST AS
Es posible construir transformaciones geomtricas y de coordenadas ms
complejas a partir de las transformaciones bsicas descritas cuando se estudi el
proceso de composicin de funciones. Operaciones tales como la rotacin con
respecto a un punto distinto del origen o la reflexin con relacin a lneas que no
sean los ejes pueden construirse a partir de las transformaciones bsicas.
D ESC R IP C I O N M A T R I C I A L D E L AS T R A NSF O R M A C I O N ES B ASI C AS
Las transformaciones de rotacin, puesta en escala y reflexin, pueden
representarse como funciones matriciales:
Transformaciones geomtricas
CosT SenT
RT
SenT CosT
Transformaciones de coordenadas
CosT SenT
RT
SenT CosT
sx
1
s
x
Ss x ,s y
sy
Ss x ,s y
s y
JOE GARCIA ARCOS
366
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
Mx
1 0
0 1
Mx
1 0
0 1
My
1 0
1 1
My
1 0
0 1
Tv 0 1 t y
0 0 1
Entonces
1 0 tx x x tx
0 1 ty y y ty
0 0 1 1 1
c d 0 .
0 0 1
E J E M P L O 7.6.1
Encuentre la transformacin que gira un punto objeto T con respecto al origen.
Escrbase la representacin matricial para esta rotacin.
SO L U C I O N
La definicin de las funciones trigonomtricas nos da
x rCos(T I)
x rCosI
y
r
S
en
(
T
I
)
y rSenI
Mediante identidades trigonomtricas, se obtiene
rCos(T I) r ( CosT CosI SenTSenI) xCosT ySenT
x xCosT ySenT
y xSenT yCosT
x
x
Escribiendo P , P , y R T
y
CosT SenT
SenT CosT
JOE GARCIA ARCOS
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
367
Cos30 Sen30 2
2
R 30
S
en
30
Cos
30
1
3
2
2
Las nuevas coordenadas pueden obtenerse al multiplicar
3
53 3
1
3
2 2
2
.
1
3 5 3 5 3
2
2
2
E J E M P L O 7.6.3
Describa la transformacin que gira un punto objeto Q( x, y), T grados con
respecto a un centro fijo de rotacin P(h, k).
SO L U C I O N
Se determina la transformacin RT,P en tres pasos:
1. Trasladar de manera que el centro de rotacin P se encuentre en el origen.
2. Efectuar una rotacin de T grados con respecto al origen.
3. Trasladar de nuevo el origen a P.
Utilizando v = -hi kj como vector de traslacin, se construye RT,P por la
composicin de transformaciones R T,O Tv R T Tv .
E J E M P L O 7.6.4
Descrbase la forma general de la matriz para la rotacin con respecto a un punto
P(h, k).
SO L U C I O N
Por el ejemplo anterior tenemos R T,P Tv R T Tv , donde v = -hi kj. Mediante
la forma coordenada homognea de 3 x 3 para las matrices de rotacin y
traslacin, se tiene
1 0 h CosT SenT 0 1 0 h
R T, P 0 1 k SenT CosT 0 0 1 k
0 0 1 0
0
1
0 0 1
CosT SenT hCosT kSenT h
0
1
E J E M P L O 7.6.5
Efecte una rotacin de 45 del tringulo con vrtices en los puntos A(0, 0),
B(1, 1), C(5, 2):
a.- Con respecto al origen;
b.- Con respecto al punto P(-1, -1).
SO L U C I O N
Se representa el tringulo por medio de una matriz formada a partir de las
coordenadas homogneas de los vrtices
JOE GARCIA ARCOS
368
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
A B C
0 1 5
0 1 2
1 1 1
2
0
2
2
Cos 45 Sen 45 0
2
2
R 45 Sen 45 Cos 45 0
0
2
2
0
0
1
0
0
1
De manera que las coordenadas ABC del tringulo girado ABC se obtienen
como
2
2
3 2
0
0 0
2
2
2
0 1 5
2
2
7 2
00 1 2 0 2
j. De modo que
R T,P
1 0 1
0 1 1
0 0 1
2
2
2
2
0
2
0
1 0 1 2
2
0 0 1 1
0 0 1 2
0
1
2
2
2
2
0
2
2
2
2
0
1
2 1
Ahora
> ABC@
R 45 > ABC @
2
2
2
2
0
2
2
2
2
0
1
0 1 5
2 1 0 1 2
1 1 1
1
1
3 2 1
9 2 2
2 1 2 2 1
2
1
1
1
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
369
E J E M P L O 7.6.6
Determine la transformacin que pone en escala (respecto al origen) en:
a.- a unidades en la direccin X;
b.- b unidades en la direccin Y;
c.- en forma simultnea a unidades en direccin X y b unidades en direccin Y.
SO L U C I O N
a.- La transformacin de escala aplicada a un punto P(x, y) produce el punto
( ax, y). Esto puede escribirse en forma matricial como
a 0 x ax
Sa ,1 P
0 1 y y
b.- Como en el literal anterior, la transformacin requerida puede escribirse en
forma matricial como
1 0 x x
S1,b P
0 b y by
c.- La puesta en escala en ambas direcciones est descrita por la transformacin
x = ax y y = by. Al escribir esto en forma matricial como
a 0 x ax
Sa , b P
.
0 b y by
E J E M P L O 7.6.7
Escriba la forma general de una matriz de puesta en escala con respecto a un
punto fijo P(h, k).
SO L U C I O N
Siguiendo el mismo procedimiento general, se escribe la transformacin requerida
con v = -hi kj como
1 0 h a 0 0 1 0 h a 0 ah h
E J E M P L O 7.6.8
Amplifquese el tringulo con vrtices A(0, 0), B(1, 1) y C(5, 2) al doble de su
tamao manteniendo fijo el vrtice C(5, 2).
SO L U C I O N
Es posible escribir la transformacin requerida con v = -5 i 2 j como
1 0 5 2 0 0 1 0 5 2 0 5
Representando un punto P con coordenadas (x, y) por medio del vector columna
x
y , se tiene
1
2 0 5 0 5
2 0 5 1 3
S2,2,C A 0 2 2 0 2 ; S2,2,C B 0 2 2 1 0 ;
0 0 1 1 1
0 0 1 1 1
2 0 5 5 5
S2,2,C C 0 2 2 2 2
0 0 1 1 1
De manera que A(-5, -2), B(-3, 0) y C(5, 2). Obsrvese que ya que el tringulo
ABC est completamente determinado por sus vrtices, podra haberse ahorrado
mucha escritura al representar los vrtices con una matriz de 3 x 3
JOE GARCIA ARCOS
370
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
y aplicando S2,2,C
0 1 5
ABC
>
@ 0 1 2
1 1 1
a esto. Entonces
2 0 5 0 1 5 5 3 5
0 2 2 0 1 2 2 0 2
0 0 1 1 1 1 1 1 1
>ABC@ .
E J E M P L O 7.6.9
Descrbase la transformacin ML que refleja un objeto con respecto a una recta L.
SO L U C I O N
Considere que la lnea L de la figura tiene una interseccin con el eje Y en (0, b)
y un ngulo de inclinacin de T grados (respecto al eje X). Se reduce la
descripcin a transformaciones conocidas:
1. Trasladar (0, b) al origen.
2. Rotar -T grados de manera que la recta L se alinee con el eje X.
3. Efectuar una reflexin de espejo con respecto al eje X.
4. Girar de nuevo T grados.
5. Trasladar el origen de nuevo al punto
(0, b).
En notacin de transformacin, se tiene
ML Tv R M x R Tv
en donde v = -bj.
E J E M P L O 7.6.10
Obtngase la forma de la matriz para realizar reflexin con respecto a una recta L
de pendiente m e interseccin con el eje Y en el punto (0, b).
SO L U C I O N
Aplicando el hecho de que el ngulo de inclinacin de una recta est relacionado
con su pendiente m por la ecuacin TanT = m, se tiene con v = -bj
ML Tv R M x R Tv
1 0 0 CosT SenT 0 1 0 0 CosT SenT 0 1 0 0
0
1
0
1
0 0 1 0
0 0 1
Ahora, si TanT = m, la trigonometra elemental da
m
SenT
m2 1
1
CosT
m2 1
2
2
m 1 m 1 m 1
2m
m2 1
2b
.
ML 2
m 1 m2 1 m2 1
0
0
1
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
371
E J E M P L O 7.6.11
Realice la reflexin del polgono en forma de diamante cuyos vrtices estn en
A(-1, 0), B(0, -2), C(1, 0) y D(0, 2) con respecto:
a.- La recta horizontal y = 1;
b.- La recta vertical x = 2;
c.- La recta y = x + 2.
SO L U C I O N
Se representan los vrtices del polgono por medio de la matriz coordenada
homognea
1 0 1 0
V 0 2 0 2
1 1 1 1
M L 0 1 2 0 1 0 0 1 0 0 1 0 0 1 2 0 1 4
0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1
Esta misma matriz podra haberse obtenido directamente utilizando los resultados
del ejemplo anterior con pendiente m = 0 e interseccin con el eje Y en b = 0.
Para reflejar el polgono, se iguala
1 0 0 1 0 1 0 1 0 1 0
M L V 0 1 4 0 2 0 2 4 6 4 2
0 0 1 1 1 1 1 1 1 1 1
Convirtiendo de coordenadas homogneas A(-1, 4), B(0, 6), C(1, 4), D(0, 2).
b.- La recta vertical x = 2 carece de interseccin con el eje Y y tiene pendiente
infinita. Puede utilizarse My, reflexin con respecto al eje Y, para escribir la
reflexin deseada:
1. Trasladando la recta dada dos unidades hacia arriba al eje Y;
2. Realizando reflexin con respecto al eje Y;
3. Trasladando hacia atrs dos unidades.
De manera que con v = -2 i
1 0 2 1 0 0 1 0 2 1 0 4
M L Tv M y Tv 0 1 0 0 1 0 0 1 0 0 1 0
0 0 1 0 0 1 0 0 1 0 0 1
Por ltimo
1 0 4 1 0 1 0 5 4 3 4
M L V 0 1 0 0 2 0 2 0 2 0 2
0 0 1 1 1 1 1 1 1 1 1
Convirtiendo de coordenadas homogneas A(5, 0), B(4, -2), C(3, 0), D(4, 2).
c.- La recta y = x + 2 tiene pendiente 1 e interseccin con el eje Y en el punto
(0, 2). A partir del ejemplo anterior, con m = 1 y b = 2, se tiene
0 1 2
ML 1 0 2
0 0 1
372
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
0 1 2 1 0 1 0 2 4 2 0
M L V 1 0 2 0 2 0 2 1 2 3 2
0 0 1 1 1 1 1 1 1 1 1
E J E M P L O 7.6.12
Un observador que se encuentra en el origen ve un punto P(1, 1). Si el punto se
traslada una unidad en la direccin v = i, su nueva posicin coordenada es
P(2, 1). Supngase que, en vez de esto, el observador retrocede una unidad sobre
el eje X. Cules seran las coordenadas aparentes de P con respecto al
observador?
SO L U C I O N
El problema puede plantearse como una transformacin de sistemas coordenadas.
Si se traslada el origen O en la direccin v = -i (a una nueva posicin en O), las
coordenadas P en este sistema pueden obtenerse por medio de la traslacin T v :
1 0 1 1 2
T v P 0 1 0 1 1
0 0 1 1 1
De manera que las nuevas coordenadas son (2, 1). Esto tiene la interpretacin
que sigue: un desplazamiento de una unidad en una direccin dada puede lograrse
ya sea trasladando el objeto hacia delante o alejndose de l.
E J E M P L O 7.6.13
Un objeto est definido con respecto a un sistema coordenado cuyas unidades
estn mediadas en pies. Si el sistema coordenado de un observador utiliza
pulgadas como unidad bsica, cul es la transformacin de coordenadas
empleada para describir las coordenadas del objeto en el sistema coordenado del
observador?
SO L U C I O N
Ya que hay 12 pulgadas en un pie, la transformacin requerida puede describirse
1
por medio de una transformacin de escala coordenada con s
o
2
1
0
1/12
12 0
S1/12
1 0 12
0
1/12
y as
x 12 0 x 12 x
S1/12
.
y 0 12 y 12 y
E J E M P L O 7.6.14
Obtngase la ecuacin del crculo (x)2 + (y)2 = 1 en trminos de coordenadas
XY, considerando que el sistema coordenado XY es el resultado de una puesta
en escala a unidades en la direccin X y b unidades en la direccin Y.
SO L U C I O N
A partir de las ecuaciones para una transformacin de escala coordenada, se
obtiene
1
1
x x y y y
b
a
Sustituyendo, se tiene
TRANSFORMACIONES LINEALES
x y
1
a b
Obsrvese que, como resultado de la puesta en escala, la ecuacin del crculo se
transforma en la ecuacin de una elipse en el sistema coordenado XY.
E J E M P L O 7.6.15
Obtngase la ecuacin de la recta y = mx + b en las coordenadas XY si el
sistema coordenado XY es el resultado de una rotacin de 90 del sistema
coordenado XY.
SO L U C I O N
Las ecuaciones de transformacin de coordenadas de una rotacin pueden
escribirse como
x xCos90 ySen90 y
y xSen90 yCos90 x
Sustituyendo, se tiene x = my + b. Resolviendo para y, se tiene
1
b
y x .
m
m
A continuacin y de forma general, enumeramos los operadores en R 2 que
transforman cada vector en su imagen simtrica con respecto a alguna recta y se
denominan operadores reflexin. As mismo, encontramos los operadores
proyeccin ortogonal y rotacin:
373
y y
0 1
y y
1 0
0 1
y x
1 0
y 0
0 0
374
TRANSFORMACIONES LINEALES
y y
0 0
0 1
y xSenT yCosT
SenT CosT
7.7 T R A NSF O R M A C I O N ES G R A F I C AS E N R 3
El manejo, visin y construccin de imgenes grficas tridimensionales requiere el empleo de geometra y
transformaciones coordenadas tridimensionales. Estas transformaciones estn constituidas por la
composicin de las transform aciones bsicas de traslacin, puesta en escala y rotacin. Cada una de estas
transformaciones puede representarse como una transformacin matricial. Lo cual permite construir
transformaciones ms complejas al utilizar multiplicacin o concatenacin matriciales.
ALGEBRA LINEAL CON MATLAB
Tv : y y b .
z z c
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
375
0
0
0
1
0
0
0
0
1
0
a x
b y
c z
1 1
Ssx , s y , sz : y s y y
z s z z
En forma matricial, tenemos
sx 0 0
Ss x , s y , s z 0 s y 0
0 0 s
z
x xCosT ySenT
: y xSenT yCosT
z z
x xCosT zSenT
:
y y
z xSenT zCosT
x x
R T, k SenT CosT 0 ; R T, j 0
1
0 ;
0
SenT 0 CosT
0
1
376
TRANSFORMACIONES LINEALES
R T, i
T R A NSF O R M A C I O N ES D E C O O R D E N A D AS
ALGEBRA LINEAL CON MATLAB
0
0
1
0
Cos
T
S
enT .
0 SenT CosT
T v : y y b
z z c
Transf. de coord.
Tv
Transf. Geom.
T v
Rotacin
RT
R T
Puesta en escala
S1
Ssx , s y , sz
1 1
, ,
sx s y sz
Tv
T v ;
T R A NSF O R M A C I O N ES
M A T R I C ES
1
RT
R T ;
C O M PU EST AS
Ssx , s y , sz
S1
1 1
, ,
sx s y sz
CONCATENACION
DE
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
377
d e f 0
g h i 0
0 0 0 1
Estas transformaciones se aplican despus a los puntos P(x, y, z) que tienen la
forma homognea:
x
y .
z
1
E J E M P L O 7.7.1
Se define inclinacin como una rotacin con respecto al eje X seguida por una
rotacin con respecto al eje Y:
a.- Obtngase la matriz de inclinacin;
b.- Importa el orden que se efecte la rotacin?
SO L U C I O N
a.- Es posible obtener la transformacin requerida T al componer (concatenar)
dos matrices de rotacin:
CosT y 0 SenT y 0 1
0
0
0
0
1
0
0 0 CosT x SenT x 0
T = R T y , j R Tx ,i
SenT y 0 CosT y 0 0 SenT x CosT x 1
0
0
0
1
0
0
1 0
CosT y
0
SenT
y
SenT y SenT x
SenT y CosT x
CosT x
SenT x
0
CosT y SenT x CosT y CosT x 0
0
0
1
b.- Se multiplican R Tx ,i R T y , j para obtener la matriz
CosT y
0
SenT y
0
0
0
0
1
Esta no es la misma matriz que en la parte a); por tanto, s importa el orden de la
rotacin.
JOE GARCIA ARCOS
378
TRANSFORMACIONES LINEALES
E J E M P L O 7.7.2
Obtngase una transformacin Av que alinea un vector dado v con el vector k a lo
largo del eje Z positivo.
SO L U C I O N
Segn la figura a). Sea v = ai + bj + ck . Se realiza el alineamiento a travs de la
secuencia siguiente de transformaciones, figura b) y c):
1. Se gira con respecto al eje X en un ngulo T1 de manera que v gira en la mitad
superior del plano XZ (como vector v1).
2. Se gira el vector v1 con respecto al eje Y en un ngulo -T2 de manera que v1
gira al eje positivo Z (como vector v2).
Al poner en prctica el paso 1 a partir de la figura b), se observa que el ngulo
requerido de rotacin T1 puede obtenerse al observar la proyeccin de v sobre el
plano YZ. (Se considera que b y c no son ambas cero). A partir del tringulo
OPB:
b
SenT1
2
b c2
c
CosT
1
2
b c2
La rotacin requerida es
0
0
0
1
c
b
0
0
b2 c 2
b2 c 2
R T1 , i
b
c
0
0
2
2
2
2
b c
b c
0
0
1
Sen(T2 ) SenT2 2
a b2 c 2
b2 c 2
Cos (T ) CosT
2
2
a 2 b2 c 2
Entonces
b2 c 2
a
0
0
a 2 b2 c 2
a 2 b2 c 2
0
1
0
0
R T2 , j
a
b2 c 2
0
0
2
2
2
a 2 b2 c 2
a b c
0
0
0
1
Ya que v
a 2 b2 c 2 , introduciendo la notacin O
b2 c 2 , se obtiene
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
379
O
v
ab
O v
ac
O v
c
b
0
0
A v R T2 , j R T1 ,i
O
O
a
b
c
0
v
v
v
0
0
0
1
Si tanto b como c son cero, entonces v = ai , por lo que O = 0. En este caso, slo se
requiere una rotacin de r 90 con respecto al eje Y, de manera que si O = 0, se
tiene que
a
0 0 a 0
0 1
0
0
A v R T2 , j
a 0
0
0
a
0 0
0
1
-1
R -1
T1 , i R -T2 , j
R T1 ,i R T2 , j
O
v
ab
O v
ac
O v
a
v
c
O
b
v
b
O
c
v
0
0
.
E J E M P L O 7.7.3
Sea un eje de rotacin L especificado por un vector v y un punto de localizacin
P. Obtngase la transformacin para una rotacin de T con respecto a L.
SO L U C I O N
Es posible obtener la transformacin requerida siguiendo los siguientes pasos:
1. Trasladar P al origen.
2. Alinear v con el vector k.
3. Girar T con respecto a k.
4. Invertir los pasos 2 y 1.
De manera que
R / T31 Av1 R T k Av T3
En este caso, Av es la transformacin descrita en el ejemplo anterior.
ALGEBRA LINEAL CON MATLAB
E J E M P L O 7.7.4
La pirmide definida por las coordenadas
A(0, 0, 0), B(1, 0, 0), C(0, 1, 0), D(0, 0, 1)
se gira 45 respecto a la recta L que tiene la direccin v = j + k y pasa a travs del
punto C(0, 1, 0). Obtenga las coordenadas de la figura girada.
SO L U C I O N
JOE GARCIA ARCOS
380
TRANSFORMACIONES LINEALES
0
0
0 0
0 1
T P
1 0
0 1
Ahora v = j + k. As que a partir del segundo ejemplo, con a = 0, b = 1, c = 1, se
obtienen O
2,y
2, v
Av
0
1
2
1
2
0
0
1
0
0
-1
y Av
0
1
2
1
2
0
0
1
1
0
0 1
0
0
0
1
2
1
2
0
Tambin
ALGEBRA LINEAL CON MATLAB
R 45, k
1
2
1
2
0
0
1
2
1
2
0
0
0 0
0 0 y T--1P
1 0
0 1
0
0
0
1
0
0
0
0
1
0
1
0
Entonces
2
1
1
1
2
2
2
2
1 2 2 2 2 2 2
R T,L 2
4
4
4
1 2 2 2 2
2 2
4
4
4
2
0
0
0
1
0 0 1 0
C (ABCD)
0 0 0 1
1 1 1 1
De manera que
1
2
2 2
R T,L C 4
2 2
4
1
1 2
0
2
4 2
1
4
2 4
0
4
1
1
2 2
2
2
2
1
1
TRANSFORMACIONES LINEALES
ALGEBRA LINEAL CON MATLAB
381
1 2 2 2 2
1 2 4 2 2 4
A ,
,
,
,
, B
, C = (0, 1, 0),
4
4
4
4
2
2
2 2 2
D 1,
,
.
2
2
E J E M P L O 7.7.5
Obtenga la transformacin para reflejo de espejo con relacin a un plano dado.
SO L U C I O N
Sea el plano de reflexin especificado por un vector normal N y un punto de
referencia P0(x0, y0, z0), para reducir la reflexin a una reflexin de espejo con
respecto al plano XY:
1. Se traslada P0 al origen.
2. Se alinea el vector normal N con el vector k normal al plano XY.
3. Se efecta la reflexin de espejo en el plano XY.
4. Se invierten los pasos 1 y 2.
De manera que, con el vector de traslacin v = -x0i y0j z0k
M N,P0 Tv1 AN1 M A N Tv
Aqu, AN es la matriz de alineamiento definida en el segundo ejemplo. Por tanto,
si el vector N = n1i + n2j + n3k, entonces a partir del segundo ejemplo, con
AN
O
N
n1n3
O N
n1n2
O N
n1
N
n3
O
n2
N
n2
O
n3
N
A -1
N
O
N
n1n2
O N
nn
1 3
O N
n1
N
n3
O
n2
N
n2
O
n3
N
Adems
0 x0
1
0 y0
0
Tv
y Tv-1
0
1 z0
0 1
0
Por ltimo, la forma homognea de M es
1 0 0 0
0 1 0 0
M
.
0 0 1 0
0 0 0 1
1
0
0
0
1
0
0
0
1
0
0
0
0
1
0
x0
y0
z0
E J E M P L O 7.7.6
Obtngase la matriz para la reflexin de espejo respecto al plano que pasa a travs
del origen y tiene un vector normal cuya direccin es N = i + j + k .
SO L U C I O N
Basndose en el ejemplo anterior, con P 0(0, 0, 0) y N = i + j + k , se obtienen
N
3 y O
2 . Entonces
382
TRANSFORMACIONES LINEALES
Tv
AN
0
0
1
2 3
1
0
1
2
1
3
0
3
0
0
1
0
0
0
0
1
0
0
y Tv-1
0
0
2 3
1
0
-1
2
, AN
1
0
3
0
1
1 0 0
0 1 0
M
0 0 1
0 0 0
1
0
0
0
1
0
0
0
0
1
0
0
0
3
1
3
1
2 3
1
2
1
3
1
2 3
0
2
0
3
0
0
,
0
0
La matriz de reflexin es
M N,O
2
3
1
3
2
3
0
0
3
2
0
.
3
1
0
0 1
Tv1 A N1 M A N Tv
1
3
2
3
2
3
x x
y y
z z
1 0 0
0 1 0
0 0 1
y y
z z
1 0 0
0 1 0
0 0 1
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
383
0 1 0
z z
0 0 1
x x
y y
z 0
1 0 0
0 1 0
0 0 0
y 0 0 0 0
z z
0 0 1
x 0
y y
z z
ALGEBRA LINEAL CON MATLAB
0 0 0
0 1 0
0 0 1
x x
0
0
yCos
T
z
S
en
T
0
Cos
T
S
enT
z ySenT zCosT
0 SenT CosT
384
TRANSFORMACIONES LINEALES
x xCosT zSenT
CosT 0 SenT
y
1
0
0
z xSenT zCosT
SenT 0 CosT
0
z z
0
1
Por completitud, se puede ver que la matriz estndar para una rotacin en sentido
horario alrededor de un eje en R 3 (determinado por un vector unitario arbitrario
u = ( a , b, c) cuyo punto inicial est en el origen) por un ngulo T, es
a 2 (1 CosT) CosT ab(1 CosT) cSenT ac (1 CosT) bSenT
TRANSFORMACIONES LINEALES
385
T E O R E M A 7.8.1
Si V es un espacio vectorial sobre K, de dimensin n, el conjunto de todas
las formas lineales sobre V es un espacio vectorial de dimensin n.
D E M OST R A C I O N
Para demostrar este teorema, probaremos en primer lugar que toda transformacin
lineal f : V o k V es una transformacin lineal a la cual designaremos por kf. En
efecto, como
(kf)(au) = f(kau) = af(ku) = a(kf)(u), para todo k K.
(af)(u + v) = f(a(u + v)) = f(au) + f(av) = (af)(u) + (af)(v), para todo u, v V y a K .
En segundo lugar, tambin debemos probar que la transformacin f de V en la suma
de las dos formas lineales g(u) + h(u) es tambin otra forma lineal, que designaremos
por (g + h)(u). En efecto, como
f(u) = g(u) + h(u) = (g + h)(u).
f(u) K , ya que g(u), h(u) K y, adems, se cumplen las condiciones siguientes:
a.- f(u + v) = g(u + v) + h(u + v)
= g(u) + g(v) + h(u) + h(v)
= g(u) + h(u) + g(v) + h(v)
= (g + h)(u) + (g + h)(v)
= f(u) + f(v)
b.- f(ku) = g(ku) + h(ku)
= kf(u) + kh(u)
= k(g(u) + h(u))
= k(g + h)(u)
= kf(u)
Por tanto, el conjunto de las formas lineales cumple las condiciones necesarias y
suficientes para ser un espacio vectorial.
Por ser las formas lineales, en un espacio vectorial, unos homomorfismos especiales
entre espacios vectoriales, son vlidas para ellas todos los resultados obtenidos para
stos. En particular, dado un espacio vectorial V, la adicin de dos formas lineales en
V es tambin una forma lineal en V, al multiplicar por un escalar una forma lineal en
V, se obtiene una nueva forma lineal en V; es tambin, entonces cierto que el
conjunto L(V, K), de las formas lineales en V, tiene, respecto de las mencionadas
operaciones, estructura de espacio vectorial. A este espacio vectorial, de las formas
lineales en V, se le da el nombre de espacio dual de V y se le representa por V*.
D E F IN I C I O N 7.8.2
Siendo V un espacio vectorial sobre un cuerpo conmutativo K , se llama
dual de V al espacio vectorial sobre K de todas las formas lineales sobre V.
La base del espacio dual V* de V guarda una relacin especial con la base de V. Sea
S = {u1, u2, ..., un} la base de V. Se define el funcional lineal fi(u) por u = a1u1 + a2u2
+ ... + anun, donde fi(u) = a i K . A fi se le llamara la funcin coordenada i-sima. Se
puede demostrar que fi es un funcional lineal.
T E O R E M A 7.8.2
Si V es un espacio vectorial de dimensin n sobre un cuerpo K, V * es
tambin de dimensin n.
D E M OST R A C I O N
Sea S = {u1, u2, ..., un} una base de V; si u V, tenemos, de modo nico
u = a1u1 + a2u2 + ... + anun.
Sea fi la forma lineal sobre V definida por fi : V o a i. Esta transformacin fi es una
forma lineal, pues
fi(u + v) = a i + bi = fi(u) + fi(v); fi(ku) = ka i = kfi(u).
Si f es una forma lineal cualquiera sobre V, es decir un elemento de V*,
f(u) = a1f(u1) + a2f(u2) + ... + anf(un)
ALGEBRA LINEAL CON MATLAB
386
TRANSFORMACIONES LINEALES
por tanto, f est determinada por los valores c i = fi(u) que toma para los elementos de
la base de V. Como el cuerpo es conmutativo
f(u) = a1f1(u) + a2f2(u) + ... + anfn(u)
es decir
f = a1f1 + a2f2 + ... + anfn
Ahora bien, en V* las formas fi son linealmente independientes, pues si se pudiera
escribir
d1f1(u) + d2f2(u) + ... + dnfn(u) = V*
para valores di K no todos iguales a cero, tendramos para todo u V
d1f1(u) + d2f2(u) + ... + dnfn(u) = 0 K
es decir
d1a1 + d2a2 + ... + dnan = 0.
Ahora bien, esto es imposible, pues si, por ejemplo, dn z 0, basta tomar a1 = a2 = ... =
an-1 = 0 y an z 0 K . Por tanto, toda forma f puede escribirse como f = a1f1 + a2f2 +
... + anfn y los fi son linealmente independientes. Esto significa que {f1, f2, ..., fn} es
base de V* y que V* es, por tanto, de dimensin n.
7.9 C U EST I O N A RI O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
7.9.1 Las matrices de una misma transformacin lineal en
dos bases coinciden cuando, y slo cuando, la matriz del
cambio de una de esas bases por otra es conmutativa con la
matriz de dicha transformacin lineal en una de las bases
dadas.
7.9.2 La proyeccin de un espacio tridimensional sobre el
eje de coordenadas del vector e1 paralelamente al plano de
coordenadas de los vectores e2 y e3 no es una
transformacin lineal.
7.9.3 Las transformaciones lineales de un espacio ndimensional con respecto a la adicin y multiplicacin por
un nmero forman de por s un espacio vectorial.
7.9.4 Cualquier transformacin lineal f de un espacio
unidimensional se reduce a la multiplicacin de todos los
vectores por un mismo nmero.
7.9.5 Si f es una transformacin lineal del espacio de
dimensin finita U a W, entonces la dimensin de W es
igual a la suma de la nulidad y el rango.
7.9.6 Si f es una transformacin lineal de U en W, siendo
ambos de dimensin k, entonces el ncleo de f es igual a
^` si y slo si la imagen de f es igual a U.
7.9.7 Si f es una transformacin lineal de U en W, siendo
ambos de dimensin k, entonces f -1 existe si y slo si el
ncleo de f es igual a W.
7.9.8 Si f es una transformacin lineal sobreyectiva de U
en U, y U es n-dimensional, entonces f es inyectiva.
ALGEBRA LINEAL CON MATLAB
TRANSFORMACIONES LINEALES
387
O BJ E T I V O
Resolver problemas relacionados con valores y vectores caractersticos, mediante la interpretacin y
representacin en trminos de vectores, matrices y sistem as de ecuaciones lineales, en situaciones reales,
propias de la ingeniera.
C O NT ENID O:
8.1
8.2
8.3
8.4
8.5
8.6
8.7
DEFINICIONES Y PROPIEDADES
ECUACION CARACTERISTICA. SUBESPACIOS PROPIOS
SEMEJANZA DE MATRICES
MATRICES DIAGONALIZABLES
DIAGONALIZACION DE MATRICES SIMETRICAS Y HERMITICAS
POLINOMIO MINIMO DE UNA MATRIZ
CUESTIONARIO
8.1 D E F I N I C I O N ES Y PR O PI E D A D ES
Por lo general no hay ninguna relacin entre el vector u y el vector Au. S in embargo, se tiene casos
particulares en que existen ciertos vectores u no nulos tales que u y Au sean colineales. En esta seccin
estudiaremos cmo encontrar estos vectores.
Este captulo lo dedicaremos al estudio de las matrices que representan
transformaciones lineales de un espacio vectorial V hacia si mismo.
En infinidad de ocasiones se presentan problemas con la siguiente caracterstica:
para una transformacin lineal de un espacio vectorial en s mismo, f : V o V, se
desean conocer aquellos vectores tales que tienen la misma direccin que su
transformado por f; es decir, se buscan vectores u tales que u y f(u) tengan la
misma direccin, o lo que es lo mismo, que para un cierto escalar O se verifique
f(u) = Ou. Es evidente que el vector nulo satisface siempre a dicha exigencia, pero
esta solucin trivial no suele ser de inters.
D E F I N I C I O N 8.1.1
A los vectores no nulos para los que exista un escalar O que haga cierta la
igualdad f(u) = Ou se los llamar vectores caractersticos de la
transformacin f, y a los escalares O se les da el nombre de valores
caractersticos de la transformacin lineal f.
Dada f : V o V una transformacin lineal de V en si mismo, buscamos una base
para la cual la matriz que representa a f sea particularmente sencilla. En la
390
prctica, f slo est dada implcitamente, dando una matriz A que la representa.
La matriz que representa a f tiene su forma ms sencilla siempre que f aplica a
cada vector base sobre un mltiplo de s mismo; esto es, siempre que cada vector
base u exista un escalar O tal que f(u) = Ou. No siempre es posible encontrar tal
base, pero existen algunas condiciones un tanto generales bajo las cuales es
posible.
La multiplicacin por A transforma cada vector caracterstico u de A sobre la
misma recta que pasa por el origen de u. Dependiendo del signo y la magnitud del
valor caracterstico O correspondiente a u, la transformacin f(u) = Ou hace que u
se comprima o alargue por un factor O, con un cambio de direccin en caso de
que sea O negativo.
391
392
T E O R E M A 8.1.2
Dos valores caractersticos distintos del endomorfismo f no tienen
ningn vector caracterstico comn; es decir:
O1, O2 )(f) y O1 z O2, entonces V(O1) V(O2) = {}.
D E M OST R A C I O N
Debemos comprobar que, si u V(O1) y u V(O2), entonces u ha de ser el vector
nulo . Sea f(u) = O1u y f(u) = O2u, entonces:
O1u = O2u (O1 - O2)u =
de donde, al ser O1 z O2, se infiere que u = .
T E O R E M A 8.1.3
Si los valores caractersticos O1, O2, ..., On son todos distintos y V(O) es
un conjunto de vectores caractersticos, ui correspondiente a Oi, entonces
V(O) es linealmente independiente.
D E M OST R A C I O N
Los vectores caractersticos son no nulos por definicin, razn por la cual el
teorema es justo, a ciencia cierta, para n = 1. Supongamos que es vlido para
cualquier sistema de n 1 vectores caractersticos y no es vlido para los vectores
u1, u2, ..., un. En este caso el sistema formado por dichos vectores ser linealmente
independiente, es decir, para ciertos nmeros a 1, a 2, ..., a n, no iguales a cero
simultneamente, se verifica la igualdad
a 1u1 + a 2u2 + ... + a nun = (1)
Supngase que O1 z 0. Aplicando f a la ecuacin (1), obtenemos
f( a 1u1 + a 2u2 + ... + a nun) = f()
a 1f(u1) + a 2f(u2) + ... + a nf(un) = f()
a 1O1u1 + a 2O2u2 + ... + a nOnun = (2)
Al multiplicar a la ecuacin (1) por On y al restarla de (2), obtenemos
a 1(O1 - On)u1 + a 2(O2 - On)u2 + ... + a n-1(On-1 On)un = .
Conforme a la suposicin inductiva, de aqu se deduce que todos los coeficientes
de los vectores u1, u2, ..., un-1 son nulos. En particular, a 1(O1 - On) z 0, lo que
contradice la condicin O1 z On y la suposicin a 1 z 0. Por consiguiente, el
sistema de vectores u1, u2, ..., un es linealmente independiente.
T E O R E M A 8.1.4
Dados un espacio vectorial V, sobre un cuerpo K , y un endomorfismo F,
y si I representa la transformacin identidad, se verifica que: O = 0 es
valor propio de f, si y slo si f no es inyectiva.
D E M OST R A C I O N
La transformacin lineal f no es inyectiva cuando, y slo cuando, su ncleo tiene
algn vector no nulo, es decir, si existe u z V, tal que f(u) = ; ahora bien,
esto ltimo es tanto como decir que O = 0 es un valor caracterstico de f, siendo u
un vector caracterstico.
T E O R E M A 8.1.5
Dados un espacio vectorial V, sobre un cuerpo K , y un endomorfismo f,
y si I representa la transformacin identidad, se verifica que: O es valor
caracterstico de f, si y slo si a K , O - a es valor caracterstico de f a I.
D E M OST R A C I O N
Afirmar que el escalar O es valor caracterstico de f es tanto como decir que existe
un vector no nulo u V tal que f(u) = Ou, lo que a su vez equivale a asegurar que,
para cualquiera que sea el escalar a , se verifica que f(u) au = Ou au, para un
vector u z , que puede expresarse en la forma ( f a I)u = (O - a )u, lo cual ocurre
si, y slo si, el escalar O - a es un valor caracterstico del endomorfismo f a I.
ALGEBRA LINEAL CON MATLAB
393
E J E M P L O 8.1.3
Sean A una matriz de n x n e I la matriz identidad. Comparar los vectores y
valores caractersticos de A con los de A + kI para un escalar k.
SO L U C I O N
Si O es un valor caracterstico de A con u como vector caracterstico
correspondiente, entonces O + k es un valor caracterstico A + kI con u como
vector caracterstico correspondiente. Esto es, los propios valores de A + kI son
aquellos de A incrementados en k, mientras que los vectores caractersticos
correspondientes permanecen iguales.
T E O R E M A 8.1.5
Dados un espacio vectorial V, sobre un cuerpo K , y un endomorfismo f,
y si I representa la transformacin identidad, se verifica que: O es valor
caracterstico de f, si y slo si f - OI no es inyectiva.
D E M OST R A C I O N
Este teorema es consecuencia inmediata de los teoremas anteriores, ya que O es
valor caracterstico del endomorfismo f si, y slo si, 0 es valor caracterstico del
endomorfismo f - OI, lo cual a su vez equivale a decir que f - OI es singular.
D E F I N I C I O N 8.1.4
Se denomina radio espectral de una matriz A, y se designa por R(A), a
R(A) mx Oi , donde Oi son los valores caractersticos de A.
Ntese que estn incluidos los valores caractersticos complejos, indicndose su
valor por su mdulo.
Una vez conocido el radio espectral, se define su norma de la siguiente manera:
A
R(AT A) .
E J E M P L O 8.1.4
Sea A matriz de n x n. Si O es un valor caracterstico de A con u como vector
caracterstico correspondiente, entonces Ok es un valor caracterstico de Ak, de
ALGEBRA LINEAL CON MATLAB
394
395
0 a22 ... a2 n
A
... ...
...
0
0 ... ann
396
A - ,
a11
0
...
a22 ... a2 n 0
...
... ...
0 ... ann 0
0 ... 0
O ... 0
...
...
0 ... O
a12
...
a1n
a11 O
a22 O ...
a2 n
0
...
...
...
0
... ann O
0
0.
Cos 2 T 1 es imaginario.
E J E M P L O 8.1.17
Sea A una matriz de n x n:
a.- Demuestre o refute que un vector caracterstico de A es tambin un vector
caracterstico de A2;
b.- Demuestre o refute que un vector caracterstico de A2 es tambin un vector
caracterstico de A.
SO L U C I O N
a.- Verdadero: Si Au = Ou, entonces A2u = A(Au) = A(Ou) = OAu = O(Ou) = O2u,
lo cual implica que u es un vector caracterstico de A2.
0 1
2
b.- Falso: Sea A
. Entonces u = (1, 0) es un vector caracterstico de A ,
1
0
pero no lo es de A.
ALGEBRA LINEAL CON MATLAB
397
E J E M P L O 8.1.18
Suponga que O es un valor caracterstico de la matriz A y E es un valor
caracterstico de la matriz B. Es O + E un valor caracterstico de A + B?
SO L U C I O N
Sabemos que para que O sea valor caracterstico de A debe cumplirse que
Au = Ou, anlogamente para el valor caracterstico E, Bv = E v. Entonces si
sumamos estas dos ecuaciones, obtenemos:
Au + Bv = Ou + Ev
Lo que nos indica que O + E no es valor caracterstico de A + B. La nica
condicin para que esto se cumpla es que A y B tengan los mismos vectores
caractersticos, es decir u = v.
E J E M P L O 8.1.19
Demostrar que una matriz nilpotente no posee valores caractersticos diferentes de
cero.
SO L U C I O N
Sea O valor caracterstico de la matriz nilpotente de n x n. Puesto que Ok es valor
caracterstico de Ak y como los valores caractersticos de una matriz son las races
de su polinomio caracterstico p(O), entonces:
p(O) = Det(Ak - Ok I ) = Det(O - OkI) = Det(-OkI) = (-1)nDet(OkI) = (-1)nOk = 0.
Por consiguiente Ok = 0 y O = 0. De esta manera hemos demostrado que una
matriz nilpotente posee nicamente valores caractersticos iguales a cero.
E J E M P L O 8.1.20
Sea A una matriz cuadrada de orden 2. Demuestre que el polinomio caracterstico
de A es
p(O) = O2 - OTr(A) + Det(A).
SO L U C I O N
a b
La matriz de orden 2 tiene la forma A
. Por lo tanto su polinomio
c d
caracterstico es:
b
a b
1 0
a O
p (O )
O
( a O)(d O) bc .
c
d
0
1
c
d
O
398
SO L U C I O N
Completemos las matrices A y B hasta que resulten unas matrices cuadradas A y
B de n x n, aadiendo a A n m filas y a B n m columnas formadas por ceros.
Entonces BA = BA, y AB se obtiene de AB orlando con ceros. La aplicacin
del resultado del problema precedente da lo que se quera demostrar.
PR O B L E M AS
8.1.1 Demuestre que O = 0 es un valor caracterstico de
la matriz A s y slo si A es singular.
8.1.2 Sean A y B matrices rectangulares de m x n y n x
m, respectivamente. Demuestre que los polinomios
caractersticos de las matrices AB y BA cumplen la
relacin
On Det (OIm AB) Om Det (OIn BA) .
8.1.3 Demuestre que A y su transpuesta tienen los
mismos valores caractersticos.
8.2.4 Sea f : R 2 o R 2 definida por f (v) proyu v ,
donde u es un vector fijo en R 2. Demuestre que los
valores caractersticos de A son 0 y 1.
8.1.5 Demuestre que si A2 = O, entonces el nico valor
caracterstico de A es cero.
a b
Dada la matriz A
y si a , b, c, d son
c d
nmeros entero tales que a + b = c + d, entonces tiene
valores caractersticos enteros, O1 = a + b y O2 = a c.
8.1.6
8.1.7
a b
8.1.11 Dada la matriz A
, demuestre:
c d
a.- Tiene dos valores caractersticos reales distintos si
( a d)2 + 4bc > 0.
b.- Tiene un valor caracterstico real si ( a d)2 + 4bc =
0.
c.- No tiene valores caractersticos reales si ( a d)2 +
4bc < 0.
A 2 4 1 y B 0 3 1 .
1 1 3
1 1 4
B A
donde A y B son matrices cuadradas de un mismo
orden, es igual al producto de los polinomios
caractersticos de las matrices A + B y A - B.
JOE GARCIA ARCOS
399
...
400
n
a k = (-1)k suma de los menores diagonales de n k de la matriz A
k
...
a n-1 = (-1)n-1( a 11 + a 22 + ... + a nn)
a n = (-1)n.
De una manera mas simplificada, podemos decir que al tomar en consideracin la
expresin del determinante de la matriz en trminos de los elementos de sta, es
fcil entender que el primer miembro de Det(A - OI) = 0 puede ser representado
en la forma
Det(A - OI) = a 0 + a 1O + a 2O2 + ... + a n-1On-1 + a nOn.
Los coeficientes a 0, a 1, a 2, ..., a n-1, a n se calculan de tal o cual manera segn los
elementos de la matriz A y no dependen de O. La potencia mxima de O slo
figura en el producto de los elementos diagonales de la matriz A - OI y, por ello,
a n = 1. He aqu la expresin explcita para dos coeficientes. A saber,
a 0 = (-1)nDet(A) y a n-1 = -Tr(A).
ALGEBRA LINEAL CON MATLAB
401
402
Det(A - , n O O1 k1 O O2 k2 O O r k r
con k1 + k2 + ... + k r = n, en la que O1, O2, ..., Or son los valores caractersticos de
A, de rdenes respectivos k1, k2, ..., k r. Cuando K es algebraicamente cerrado,
toda matriz A tiene siempre un valor caracterstico, al menos pudiendo tener hasta
n valores caractersticos distintos; si cada valor caracterstico se cuenta un nmero
de veces igual a su orden, se verifica que la matriz A, tiene exactamente n valores
caractersticos.
Dado un endomorfismo, para cada valor caracterstico O de f, es decir, para cada
raz de su ecuacin caracterstica, los vectores caractersticos de f
correspondientes a O, junto con el vector nulo, constituyen el subespacio propio
V(O) que, no es ms que el ncleo de f - O I , es decir, el conjunto de los vectores
u V tales que (f - O I )u = .
Elegida una base S de V, y si A es la matriz asociada a f en ella, los vectores
caractersticos correspondientes al valor caracterstico O son, aquellos vectores no
nulos tales que la matriz columna de sus coordenadas, X :(n, 1), satisface
( a11 O )u1 a12 u2 ... a1n un 0
a u ( a O )u ... a u 0
21 1
22
2
2n n
...
0 a2 t 1
a2 n
0 O
O at t 1
at n .
A 0 0
0 at 1 t 1
at 1 n
0 0
0 0
0
a
a
n
t
1
n
n
403
E J E M P L O 8.2.2
Demuestre que el trmino constante del polinomio caracterstico es Det(A).
SO L U C I O N
El polinomio caracterstico de A es p(O) = Det(A - OI). As el trmino constante
de p(O) est dado por p(0) = Det(A).
E J E M P L O 8.2.3
Demuestre que una matriz cuadrada de orden n es no singular si, y slo si O = 0
no es un valor caracterstico de A.
404
SO L U C I O N
Sabemos que el trmino independiente del polinomio caracterstico es igual a
Det(A), y para que una matriz sea no singular su determinante debe ser diferente
de cero. Por lo tanto si O fuese un valor caracterstico de la matriz A, entonces
tenemos que p(0) = Det(A) z 0, lo cual contradice la hiptesis y podemos concluir
que O = 0 no es valor caracterstico de una matriz no singular.
E J E M P L O 8.2.4
Demuestre que una matriz triangular es singular si y slo si sus valores
caractersticos son reales y deferentes de cero.
SO L U C I O N
Suponga que A es una matriz triangular real cuyos elementos en la diagonal
principal son O1, O2, ..., On. Se sabe que los valores caractersticos de A son O1, O2,
..., On. As, A tiene valores caractersticos reales. Adems, debido a que el
determinante de A es Det(A) = O1 O2 ... On, se concluye que A es no singular si y
slo si cada Oi es diferente de cero.
E J E M P L O 8.2.5
Sea la matriz
0 1
A
1 0
Se puede demostrar que si u es cualquier vector columna de R 2, entonces Au se
puede obtener geomtricamente de u rotando u un ngulo de 90 en el sentido
contrario al que giran las manecillas del reloj.
a.- Probar geomtricamente que A no tiene valores caractersticos reales.
b.- Hallar los valores y vectores caractersticos complejos de A.
c.- Argumentar geomtricamente que A2 deber tener valores caractersticos
reales.
d.- Usar el apartado b) para hallar los valores caractersticos de A2 y comparar el
resultado con la respuesta obtenida en la parte c). Cules son los vectores
caractersticos reales y los vectores caractersticos complejos de A2"
e.- Hallar valores y vectores caractersticos para A3.
f.- Hallar valores y vectores caractersticos para A4.
SO L U C I O N
a.- Ningn vector distinto de cero en el plano va a un vector paralelo por
rotacin de 90.
O 1
0 O2 + 1 = 0 O1 = i y O2 = - i .
b.1 O
i 1 0 i 1 0
i 1 a 0
|
1 i b 0
1 i 0 0 0 0
i 1 0 i 1 0
i 1 a 0
1 i b 0
1 i 0 0 0 0
a
i
c.- A2u = A(Au) corresponde a rotar u 180 en el sentido contrario al que giran
las manecillas del reloj, lo cual equivale a multiplicar u por 1. As, -1 es un valor
caracterstico.
d.- A2 tiene valores caractersticos O1 = i2 = -1 y O2 = (-i)2 = -1. Todos los
vectores reales distintos de cero y todos los vectores complejos son vectores
ALGEBRA LINEAL CON MATLAB
405
caractersticos
1 0
.
0 1
e.A3 no tiene valores caractersticos reales, sino valores caractersticos
complejos O1 = i3 = -i y O2 = (- i)3 = i con vectores caractersticos
i
i
A2
1 2
SO L U C I O N
a.- El polinomio caracterstico tiene la forma siguiente:
5O 0
p (O )
O(5 O) .
6
O
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O(5 - O) = 0 O = 0 y O = 5.
Los vectores caractersticos se encuentran reemplazando cada valor caracterstico
en la ecuacin caracterstica, y luego se resuelve cada sistema homogneo:
5 0 0 5 0 0
5 0 x 0
O = 0:
|
6 0 y 0
6 0 0 0 0 0
de donde obtenemos que x = 0 e y R. Por consiguiente el subespacio propio
generado por el valor caracterstico O = 0 tiene la forma siguiente:
V(O) = {(x, y) / x = 0} BaseV(O) = {(0, 1)} dimV(O) = 1.
406
0 0 0
0 0 x 0
O = 5:
6 5 y 0
6 5 0
de donde obtenemos que 6x 5y = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico O = 5 tiene la forma siguiente:
V(O) = {(x, y) / 6x 5y = 0} BaseV(O) = {(5, 6)} dimV(O) = 1.
b.- El polinomio caracterstico tiene la forma siguiente:
1 O
1
p (O )
(1 O)(4 O) 1 O 2 5O 5 .
1 4 O
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
5 5
5 5
O2 - 5O + 5 = 0 O
y O
.
2
2
Los vectores caractersticos se encuentran reemplazando cada valor caracterstico
en la ecuacin caracterstica, y luego se resuelve cada sistema homogneo:
3 5
1
x
0
5 5
2
O
:
y
2
3 5 0
1
3 5
0 3 5
0
1
1
2
|
2
3 5
0
0 0
0
1
2
3 5
x y 0 . Por consiguiente el subespacio
2
5 5
propio generado por el valor caracterstico O
tiene la forma siguiente:
2
3 5
V (O) ( x, y)
x y 0
2
Base V (O)
^ 2, 3 5 `
3 5
1
x
0
5 5
2
:
2
3 5 y 0
1
3 5
0
1
2
3 5
0
1
2
dimV(O) = 1.
3 5
2
0 0
3 5
x y 0 . Por consiguiente el subespacio
2
5 5
propio generado por el valor caracterstico O
tiene la forma siguiente:
2
3 5
V ( O ) ( x , y )
x y 0
2
Base V (O)
ALGEBRA LINEAL CON MATLAB
^ 2, 3 5 `
dimV(O) = 1.
JOE GARCIA ARCOS
407
|
1
1
y
0
1 1 0 1 1 0
de donde obtenemos que x = y. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y) / x y = 0} BaseV(O) = {(1, 1)} dimV(O) = 1.
1 2 0 1 2 0
1 2 x 0
O = -4:
|
1
2
y
0
1 2 0 0 0 0
de donde obtenemos que x = - 2y. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y) / x + 2y = 0} BaseV(O) = {(-2, 1)} dimV(O) = 1.
E J E M P L O 8.2.9
Para cada una de las siguientes matrices, determine su polinomio caracterstico,
sus valores y vectores caractersticos:
1 0 0
3 2 1
2 8 7
SO L U C I O N
a.- El polinomio caracterstico tiene la forma siguiente:
p(O) O3 4O2 5O 2 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico: O3 4O2 5O 2 0 O = 1, O = 1 y O = 2.
Donde O = 1 tiene multiplicidad algebraica 2. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 0 0 0 0 0 0 0
0 0 0 x 0
O = 1: 3 0 0 y 0 3 0 0 0 | 3 0 0 0
4 2 1 z 0
4 2 1 0 0 2 1 0
O = 2: 3 1 0 y 0
4 2 0 z 0
1 0 0 0 1 0 0 0 1 0 0
3 1 0 0 | 0 1 0 0 | 0 1 0
4 2 0 0 0 2 0 0 0 0 0
de donde obtenemos que x = y = 0. Por consiguiente el
generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y) / x = y = 0} BaseV(O) = {(0, 0, 1)}
b.- El polinomio caracterstico tiene la forma siguiente:
ALGEBRA LINEAL CON MATLAB
0
0
subespacio propio
dimV(O) = 1.
408
O = -3: 0 2 7 y 0
0 2 7 z 0
0 2 1 0 0 2 1 0 0 2 1 0
0 2 7 0 | 0 0 6 0 | 0 0 1 0
0 2 7 0 0 0 6 0 0 0 0 0
O = 2: 0 7 7 y 0 0 7 7 0 | 0 1 1 0
0 2 2 z 0
0 2 2 0 0 0 0 0
O = 2: 0 1 1 y 0
0 1 1 z 0
0 8 7 0 0 8 7 0 0 8 0 0
0 1 1 0 | 0 0 1 0 | 0 0 1 0
0 1 1 0 0 0 1 0 0 0 0 0
E J E M P L O 8.2.10
Para cada una de las siguientes matrices, determine su
sus valores caractersticos y sus vectores caractersticos:
2 3 4 5
1 0 0 0
1
0
2
0
0
0
1
0
0
; b.-
; c.- 1
a.-
0 0 2 0
4 7 2 1
0
0 4 4 2
2 3 4 2
1
ALGEBRA LINEAL CON MATLAB
polinomio caracterstico,
2
2
0
2
0 3
0 3
.
2 0
0 3
JOE GARCIA ARCOS
409
SO L U C I O N
a.- El polinomio caracterstico tiene la forma siguiente:
p(O) O4 8O3 24O2 32O 16 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O4 8O3 24O2 32O 16 0 (O 2)4 0 O = 2.
Donde O = 2 tiene multiplicidad algebraica 4. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 3 4 5 x 0
0 0 0 0 y 0
O = 2:
0 0 0 0 z 0
0 4 4 0 u 0
0 3 4 5 0 0 3 4 5 0 0 1 0 5 0
0 0 0 0 0 | 0 0 0 0 0 | 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 4 4 0 0 0 0 1 5 0 0 0 1 5 0
de donde obtenemos que y + 5u = 0, z + 5u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / y + 5u = 0, z + 5u = 0}
BaseV(O) = {(1, 0, 0, 0), (0, -5, -5, 1)} dimV(O) = 2.
b.- El polinomio caracterstico tiene la forma siguiente:
p(O) O4 6O3 9O 2 4O .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O4 6O3 9O2 4O 0 O(O 4)(O 1)2 0 O = 0, O = 4, O = 1.
donde O = 1 tiene multiplicidad algebraica 2. Los vectores caractersticos se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
1 0 0 0 x 0
0 1 0 0 y 0
O = 0:
4 7 2 1 z 0
2 3 4 2 u 0
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 0 0 0 1 0 0 0
0 1 0 0 0 | 0 1
|
4 7 2 1 0 0 7 2 1 0 0 0 2 1 0
2 3 4 2 0 0 3 4 2 0 0 0 0 0 0
de donde obtenemos que x = y = 0, 2z + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / x = y = 0, 2z + u = 0}
BaseV(O) = {(0, 0, 1, -2)} dimV(O) = 1.
0 0 0 0 x 0
0 0 0 0 y 0
O = 1:
4 7 1 1 z 0
2 3 4 1 u 0
410
0
4
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
|
|
0 4 7 1 1 0 2 0 25 4 0
0 0 1 7 1 0 0 1 7 1 0
de donde obtenemos que 2x + 25z + 4u = 0, y 7z u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / 2x + 25z + 4u = 0, y 7z u = 0}
BaseV(O) = {(-25, 14, 2, 0), (-2, 1, 0, 1)} dimV(O) = 2.
3 0 0 0 0
3 0 0 0 x 0
0 3 0 0 y 0
0 3 0 0 0
O = 4:
4 7 2 1 0
4 7 2 1 z 0
2 3 4 2 u 0
2 3 4 2 0
3 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 3 0 0 0 | 0 1 0 0 0 | 0 1 0 0 0
0 7 2 1 0 0 0 2 1 0 0 0 2 1 0
0 3 4 2 0 0 0 2 1 0 0 0 0 0 0
de donde obtenemos que x = y = 0, -2z + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / x = y = 0, -2z + u = 0}
BaseV(O) = {(0, 0, 1, 2)} dimV(O) = 1.
c.- El polinomio caracterstico tiene la forma siguiente:
p(O) O4 4O3 4O2 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O4 4O3 4O2 0 O2 (O 2)2 0 O = 0, O = 2.
0
0
7
3
0
0
1
4
0
0
1
1
1 2 0 3 y 0
1 2 0 3 0 0 0 0 0 0
O = 0:
|
0 0 2 0 0 0 0 2 0 0
0 0 2 0 z 0
1 2 0 3 0 0 0 0 0 0
1 2 0 3 u 0
1 4 0 3 y 0
O = 2:
0 0 0 0 z 0
1 2 0 1 u 0
1 2
1 4
0 0
1 2
0 1 2 0 3 0 1 0 0 1 0
0 0 1 0 1 0 0 1 0 1 0
|
|
0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 1 0 0 0 0 0 0
de donde obtenemos que x u = 0, y + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
ALGEBRA LINEAL CON MATLAB
0 3
0 3
0 0
0 1
411
V(O) = {(x, y, z, u) / x - u = 0, y + u = 0}
BaseV(O) = {(1, -1, 0, 1) , (0, 0, 1, 0)} dimV(O) = 2.
E J E M P L O 8.2.11
Para cada una de las siguientes transformaciones lineales, determine sus valores y
vectores caractersticos:
a.- f : P 1 o P 1, f( a + bx) = a + ( a + b)x;
b.- f : R 2 o R 2, f(( a, b)) = (a + b, b);
a b 4 a 5b
2b
c.- f : :(2, 2) o :(2, 2), f
.
c d 2c d c 3d
SO L U C I O N
a.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
1 0
[f]
.
1 1
Para encontrar el polinomio caracterstico, debemos resolver el siguiente
determinante:
Det(f - O I ) = O2 - 2O + 1 = (1 - O)2 = 0.
Por tanto los valores caractersticos son: O = 1, siendo ste de multiplicidad
algebraica 2. Los vectores caractersticos se encuentran reemplazando cada valor
caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema de
ecuaciones homogneo:
0 0 0
0 0 x 0
O = 1:
1 0 y 0
1 0 0
de donde obtenemos que x = 0. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y) / x = 0} BaseV(O) = {(0, 1)} dimV(O) = 1.
b.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
1 1
[f]
.
0 1
Para encontrar el polinomio caracterstico, debemos resolver el siguiente
determinante: Det(f - O I ) = O2 - 2O + 1 = (1 - O)2 = 0.
Por tanto los valores caractersticos son: O = 1, siendo ste de multiplicidad
algebraica 2. Los vectores caractersticos se encuentran reemplazando cada valor
caracterstico en la ecuacin caracterstica, y luego se resuelve cada sistema de
ecuaciones homogneo:
0 1 0
0 1 x 0
O = 1:
0 0 y 0
0 0 0
de donde obtenemos que y = 0. Por consiguiente el subespacio propio generado
por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y) / y = 0} BaseV(O) = {(1, 0)} dimV(O) = 1.
c.- La representacin matricial de este endomorfismo, se expresa de la siguiente
manera:
4 5 0 0
0 2 0 0
[f]
.
0 0 2 1
0 0 1 3
El polinomio caracterstico tiene la forma siguiente:
p(O) O4 11O3 43O2 70O 40 .
ALGEBRA LINEAL CON MATLAB
412
5 5
5 5
O4 11O3 43O2 70O 40 (O 2)(O 4) O
O
2
2
5 5
5 5
O = 2, O = 4, O
, O
.
2
2
Donde todos los valores caractersticos tienen multiplicidad algebraica 1. Los
vectores caractersticos se encuentran reemplazando cada valor caracterstico en
la ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:
2 5 0 0 0 2 5 0 0 0
2 5 0 0 x 0
0
0
0
0
y
0
0 0 0 0 0 | 0 0 0 0 0
O = 2:
0 0 0 1 0 0 0 0 1 0
0 0 0 1 z 0
0 0 1 1 u 0
0 0 1 1 0 0 0 1 0 0
de donde obtenemos que 2x + 5y = 0, z = u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / 2x + 5y = 0, z = u = 0}
BaseV(O) = {(-5, 2, 0, 0)} dimV(O) = 1.
0 5 0 0 x 0
0 2 0 0 y 0
O = 4:
0 0 2 1 z 0
0 0 1 1 u 0
0 5 0 0 0 0 5 0 0 0 0 5 0 0 0
0 2 0 0 0 | 0 0 0 0 0 | 0 0 0 0 0
0 0 2 1 0 0 0 2 1 0 0 0 1 0 0
0 0 1 1 0 0 0 0 1 0 0 0 0 1 0
de donde obtenemos que y = z = u = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / y = z = u = 0}
BaseV(O) = {(1, 0, 0, 0)} dimV(O) = 1.
3 5
5
0
0
x 0
1 5
0
0
0
5 5
2
y 0
O
:
z 0
2
1 5
0
0
1
2
u 0
1 5
0
0
1
2
3 5
5
0
0
1 5
0
0
0
0
2
0
1 5
0
0
1
0
2
1 5
0
0
1
2
413
1 5
2
1 5
2
1 5
2
0
0 0
0
1 0
0
0
3 5
0
5 5
:
2
0
3 5
5
5 1
0
2
0
0
0
0
5
5 1
2
0
5 1
2
x
y
z
u
5
1
2
0
0
1 5
0 2
0
0
0 0
|
0
5 1
1
0 0
2
1 5 0
1
2
0
0
0
0
0
5 1
2
0
0
0
0 0
0
5 1
1 0
2
0
0
0
E J E M P L O 8.2.12
Demostrar que los polinomios caractersticos p(O) de una matriz A y q(O) de una
matriz A - O I estn ligados por la relacin q(O) = p(O + O0).
SO L U C I O N
Sabemos que: q(O) = Det((A - OI) - O0I) = Det(A - OI - O0I) = Det(A (O + O0)I).
Si M = O + O0, entonces: q(O) = Det(A - MI) = p(M). Como q(O) = p(M), pero
M = O - O0, entonces q(O) = p(O + O0).
PR O B L E M AS
8.2.1
Encuentre un ejemplo en el que los vectores
caractersticos de una transformacin lineal f
relacionados con el valor caracterstico nulo, y solamente
ellos, pertenecen al ncleo de esta transformacin.
ALGEBRA LINEAL CON MATLAB
1 0
JOE GARCIA ARCOS
414
O1 0 0
8.2.4
Sea O un valor caracterstico de una
transformacin lineal f. Sea V(O) el subespacio propio
correspondiente. Demustrese que:
a.- Si u est en V(O), y si v = (f - OI)u z O, entonces ^u,
v` es conjunto linealmente independiente.
b.- Si u est en V(O) y si (f - OI)2u z O, entonces ^u, (f OI)u, (f - OI)2u` es conjunto linealmente independiente.
8.2.5 Demuestre con un ejemplo que si una
transformacin lineal f es no singular, entonces los
vectores caractersticos de f y de f -1 son los mismos.
Hallar la relacin entre los valores caractersticos de
estas transformaciones.
8.2.6
D un ejemplo en el que los vectores
caractersticos relativos a los valores caractersticos no
nulos pertenecen a la imagen de esta transformacin.
8.2.7 Si x es un nmero real, entonces ex puede definirse
mediante la serie
1
1
1
eA = I + A + A 2 + A3 + A 4 + ...
2!
3!
4!
O 0
Sea B
. Demuestre que, si O z P,
0 P
entonces los vectores caractersticos asociados con O
son todos los vectores no nulos c(1, 0) y aquellos
asociados con P son todos los vectores no nulos c(0, 1).
Muestre que si O = P, entonces los vectores
caractersticos asociados con O son todos los vectores no
nulos (x, y).
8.2.8
8.2.9
En cada una de las siguientes matrices,
encuntrense los valores caractersticos y los
subespacios propios:
1 2 3
0 1 2
a.- 0 1 4 ; b.- 0 0 3 ;
0 0 2
0 0 1
0
0
1
1
1
3
c.- 0 0 2 ; d.- 0 2 6 ;
0 0 0
0 0 2
0 1 0
e.- 0 1 1 ;
0 1 1
1 2 0
f.- 0 1 2 .
2 0 1
8.3 SE M E J A N Z A D E M A T R I C ES
En esta seccin estudiaremos la matriz de un endomorfismo f de U en U que depende de la base elegida para U.
Uno de los problemas fundamentales del lgebra lineal es elegir una base para U que simplifique la matriz para f.
Enunciaremos y demostraremos sus propiedades ms importantes.
A continuacin consideraremos la cuestin de determinar cundo dos matrices A y B
de orden n x m, son matrices del mismo endomorfismo f : U o V relativa a
diferentes bases para U y V.
D E F IN I C I O N 8.3.1
Las matrices A y B se dicen son equivalentes si y slo si, existen matrices
no singulares P (n x n) y Q (m x m) tales que B = PAQ.
Explicaremos aqu un punto de confusin que surge en la definicin de equivalencia
de matrices. La palabra equivalencia tiene dos significados bastante distintos en
matemticas, los cuales tienen lugar en la explicacin siguiente. Sera desafortunado
ALGEBRA LINEAL CON MATLAB
415
que dicha confusin pudiera darse, pero como estos dos usos de la palabra
equivalencia estn bien establecidos, el lector deber aprender a distinguirlos. En
primer lugar, dado un conjunto S y una relacin sobre S.
T E O R E M A 8.3.1
La relacin sobre un conjunto de matrices de orden n x m, llamada
equivalencia, es una relacin de equivalencia. Adems, dos matrices A, B
(n x m), son equivalentes si y slo si, el rango de la matriz A es igual al
rango de la matriz B.
D E M OST R A C I O N
Es claro que A | A puesto que A = IAI. De A | B obtenemos B = PAQ. Por tanto,
A = P-1BQ-1. As, B | A. Si A | B (B = PAQ) y B | C (C = P1BQ1). Entonces
C = (P1P)A(QQ1)
Como P1P es no singular si tanto P como P1 son no singulares y QQ1 es no singular si
tanto Q como Q1 son no singulares, vemos que A | C. As, la equivalencia es una
relacin de equivalencia. Si A | B, entonces PAQ = B para P y Q no singulares.
Como
Rang(A) = Rang(PA) = Rang((PA)Q) = Rang(B)
obtenemos que Rang(A) = Rang(B). Supngase, recprocamente que Rang(A) =
Rang(B). Deseamos demostrar que A | B. Sea r = Rang(A) = Rang(B). Entonces
I O
PAQ =
= P1BQ1
O O
para ciertas matrices no singulares P, P1, Q, Q1. Por tanto,
B = (P-1P1)-1A(Q1Q-1)-1.
En consecuencia, A | B.
D E F IN I C I O N 8.3.2
Sean A, B (n x n). Entonces B es semejante a A sobre K si existe una
matriz no singular P (n x n) tal que B = P-1AP.
T E O R E M A 8.3.2
En el conjunto de matrices de n x n, la semejanza sobre K es una
relacin de equivalencia.
D E M OST R A C I O N
a.- A es semejante a A sobre K puesto que A = I-1AI.
b.- Si B es semejante a A sobre K de modo que B = P-1AP, entonces A = (P-1)-1BP-1,
y por tanto, A es semejante a B sobre K .
c.- Si B es semejante a A sobre K y C es semejante a B sobre K , de manera que
B = P-1AP y C = Q-1BQ, entonces C = (PQ)-1A(PQ) y, por consiguiente, C es
semejante a A sobre K.
Como la semejanza es una relacin de equivalencia, sabemos ahora que el
conjunto de matrices n x n se descompone en subconjuntos que no se traslapan.
Estos subconjuntos no traslapados de n x n se llaman clases de semejanza. Una de
las metas de la teora de semejanza es hallar un mtodo para determinar cuando
dos matrices A y B estn en la misma clase de semejanza. Resulta entonces que
dos matrices cuadradas son semejantes si, y slo si, son matrices asociadas a un
mismo endomorfismo en bases diferentes.
A continuacin se pretende poner de manifiesto que dos matrices semejantes
tienen iguales valores caractersticos, y stos con igual orden; se probar que, sin
embargo, no se verifica la implicacin recproca, esto es, dos matrices cuadradas
con iguales valores caractersticos y stos con iguales rdenes, pueden no ser
semejantes. Tambin se probar que la semejanza conserva las dimensiones de los
subespacios propios.
ALGEBRA LINEAL CON MATLAB
416
417
0 c2 q 1
c2 n
0 0
C
0 0
0 cn q 1
cn n
418
E J E M P L O 8.3.3
Sea A una matriz de n x n tal que A2 = O. Demuestre que si B es semejante a A,
entonces B2 = O.
ALGEBRA LINEAL CON MATLAB
419
SO L U C I O N
Suponga que A2 = O y que B = P-1AP. Entonces
B2 = P-1APP-1AP = P-1A2P = P-1OP = O.
E J E M P L O 8.3.4
Demuestre que si A y B son semejantes, entonces A2 es semejante a B2.
SO L U C I O N
Suponga que A y B son semejantes, entonces B = P -1AP. De donde
B2 = BB = (P-1AP)(P-1AP) = P-1A(PP-1)AP = P-1AIAP = P-1A2P
lo cual implica que A2 es semejante a B2.
E J E M P L O 8.3.5
Sea A = CD, donde C es una matriz no singular n x n. Demuestre que la matriz
DC es semejante a A.
SO L U C I O N
Suponga que A = CD, donde C es no singular. Entonces C-1A = D y se tiene
DC = C-1AC, lo cual implica que DC es semejante a A.
E J E M P L O 8.3.6
Sean A y B matrices de n x n. Demuestre que si A es no singular, entonces AB es
semejante a BA.
SO L U C I O N
Suponga que A y B son matrices de n x n con A no singular. Entonces,
BA = IBA = A-1ABA = A-1(AB)A
lo cual implica que AB es semejante a BA.
E J E M P L O 8.3.7
Sean A y B dos matrices de orden n.
a.- Demuestre que si I - AB es no singular, entonces I - BA tambin lo es y
(I - BA)-1 = I + B(I - AB)-1A
b.- Use el inciso a) para demostrar que las matrices AB y BA tienen los mismos
valores caractersticos.
SO L U C I O N
a.- Para probar que I BA es no singular, basta demostrar lo siguiente:
(I - BA)(I - BA)-1 = (I - BA)(I + B(I - AB) -1 A) = I
-1
-1
420
= Det(BA - OI).
Con lo cual queda probado el inciso b).
E J E M P L O 8.3.8
Mostrar que la matriz A es semejante a la matriz B, obtenida mediante la
reflexin especular en su centro.
SO L U C I O N
La reflexin especular de una matriz A respecto de su centro, es una matriz B
igual a la transpuesta de A. Es decir B = AT. Si A y B son matrices semejantes,
entonces A = P-1BP = P-1ATP. Es decir, tendramos que probar que
Det(A - OI) = Det(P-1BP - OI)
= Det(P-1BP - OP-1P)
= Det(P-1(BP - OI)P)
= Det(P-1)Det(B - OI)Det(P)
= Det(B - OI)
= Det(AT - OI).
E J E M P L O 8.3.9
Demostrar que cualquier matriz cuadrada A es semejante a su matriz transpuesta
AT.
SO L U C I O N
Para demostrar que A y AT son semejantes, hay que probar que A = P -1ATP y que
adems tienen el mismo polinomio caracterstico. Es decir:
Det(A - OI) = Det(P-1ATP - OI)
= Det(P-1ATP - OP-1P)
= Det(P-1)Det(AT - OI)Det(P)
= Det(AT - OI).
E J E M P L O 8.3.10
Aclarar si son semejantes entre s las siguientes matrices:
3 2 5
6 20 34
A 2 6 10 , B 6 32 51 .
4 20 32
1 2 3
SO L U C I O N
Para comprobar que las matrices A y B son semejantes entre s, entonces stas
deben tener el mismo polinomio caracterstico:
3O
2
5
Det(A - ,
O
O3 O 2 O ,
1
2
3 O
6-
Det(B - ,
3 2 .
1
2
-3 -
De esta manera queda comprobado que las matrices A y B no son semejantes
entre s.
E J E M P L O 8.3.11
Aclarar si son semejantes entre s las siguientes matrices:
4 6 15
1 3 3
13 70 119
A 1 3 5 , B 2 6 13 , C 4 19 34 .
1 2 4
1 4 8
4 20 35
SO L U C I O N
Para comprobar que las matrices A, B y C son semejantes entre s, entonces stas
ALGEBRA LINEAL CON MATLAB
421
1-
-1
-4 8 -
3 2 ,
3 2 ,
-13 -
Det(C - ,
3 2 .
-4
-20 35 -
De esta manera queda comprobado que las matrices A, B y C son semejantes
entre s.
PR O B L E M AS
8.3.1 Demuestre que las matrices semejantes A y B
tienen la misma traza y el mismo determinante.
8.3.2 Dar un ejemplo de matrices singulares A y B de
3 x 3, para las cuales AB y BA no sean semejantes.
8.3.3 Suponga que A y B son matrices semejantes y que
A es no singular:
a.- Demuestre que B es no singular.
b.- Demuestre que A-1 y B-1 son semejantes.
8.3.4 Encuentre la matriz B para f con respecto a la base
S y demuestre que B es semejante a A, la matriz de f:
a.- f : R 2 o R 2, f((x, y)) = (2x y, y x),
S = {(1, -2), (0, 3)}.
b.- f : R 2 o R 2, f((x, y)) = (x + y, 4y),
S = {(-4, 1), (1, -1)}.
c.- f : R 2 o R 2, f((x, y)) = (y, x),
S = {(1, -1), (1, 1)}.
d.- f : R 2 o R 2, f((x, y)) = (x + y, x y),
S = {(0, 1), (1, 0)}.
e.- f : R 3 o R 3, f((x, y, z)) = (x, y, z),
S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)}.
f.- f : R 3 o R 3,
f((x, y, z)) = (x y + 2z, 2x + y z, x + 2y + z),
S = {(1, 0, 1), (0, 2, 2), (1, 2, 0)}.
8.4 M A T R I C ES D I A G O N A L I Z A B L ES
En esta seccin se ver cmo diagonalizar una matriz de un endomorfismo f, encontrando una base para un
espacio vectorial V integrada por vectores caractersticos.
422
diagonal.
En los casos en que esto sea posible, se dir que f es un endomorfismo
diagonalizable. Diagonalizar f es encontrar una base de V respecto de la cual la
matriz asociada a f que sea diagonal, determinando tambin dicha matriz. La
importancia que tiene la consecucin de este problema, cuando tenga solucin,
estriba en la gran simplicidad de las ecuaciones de f en la base que se busca.
Como quiera que las matrices asociadas a un mismo endomorfismo f, en las
distintas bases de V, son semejantes entre s, utilizando el lenguaje de las
matrices, el problema planteado se puede enunciar en los siguientes trminos:
Dada una matriz A de n x n, se pretende encontrar una condicin necesaria y
suficiente para que exista una matriz semejante a ella que sea diagonal y, cuando
la haya, localizar dicha matriz. Esto es, se desea averiguar si existir una matriz
no singular P de n x n tal que la matriz D = P-1AP, transformada por semejanza de
A mediante P, sea diagonal, determinado, en caso afirmativo, las matrices P y D.
Para abordar el problema planteado, se comenzar analizando cmo se comportan
las matrices diagonales en lo referente a valores y vectores caractersticos.
T E O R E M A 8.4.1
Una matriz D :(n, n) es diagonal si, y slo si, admite por vectores
caractersticos a las n matrices, E1, E2, ..., En :(n, 1). Adems, el valor
caracterstico correspondiente al vector caracterstico E i, es el elemento
de la diagonal principal de D que ocupa el lugar ( i, i); el orden de cada
valor caracterstico es el nmero de veces que l figura repetido en la
diagonal principal.
D E M OST R A C I O N
En el supuesto de que D sea diagonal, esto es, si
0
0
d11 0
0
0 d 22 0
0 d33
0
D 0
0
0
d
n
n
su ecuacin caracterstica es
Det(D - OI) { (-1)n(O - d11)(O - d22)(O - dnn) = 0
Por tanto, sus valores caractersticos son los elementos de la diagonal principal.
Adems, como (D diiO)Ei = , se verifica que E1, E2, ..., En son vectores
caractersticos de D correspondientes, respectivamente, a los vectores
caractersticos d11, d22, ..., dnn.
Recprocamente, si E1, E2, ..., En son vectores caractersticos de D, llamando
Oi al valor caracterstico correspondiente al vector caracterstico E i, ha de ser
DEi = OiEi; ahora bien, como DE i es la matriz columna de lugar i de la matriz D,
resulta que la columna de lugar i tiene el elemento ( i, i) valiendo Oi y el resto de
sus elementos son nulos.
En consecuencia, D es diagonal y sus valores caractersticos son los elementos de
la diagonal principal.
D E F I N I C I O N 8.4.1
Una matriz A de n x n se dice diagonalizable si existe P de n x n tal que
D = P-1AP es una matriz diagonal; cuando as ocurra, a D se la llamar
forma diagonal de A y P ser la matriz no singular que transforma la
matriz A en matriz diagonal.
Si A fuese diagonalizable, y si su forma diagonal es la matriz D cuyos elementos
ALGEBRA LINEAL CON MATLAB
423
de la diagonal principal son d11, d22, ..., dnn, como quiera que dos matrices
semejantes tienen los mismos valores caractersticos y stos con iguales rdenes,
del precedente anlisis de las matrices diagonales se deduce que O1 = d11, O2 = d22,
..., On = dnn habran de ser valores caractersticos de A, siendo el orden de cada
uno de ellos igual al nmero de veces que aparece repetido en la diagonal
principal de D. Por tanto, para que A sea diagonalizable es necesario que admita,
si cada uno se cuenta tantas veces como indica su orden de multiplicidad,
exactamente n valores caractersticos; adems, y en el supuesto de ser A
diagonalizable, su forma diagonal tendra su diagonal principal constituida por los
valores caractersticos de A.
Aun en el supuesto de que A tenga n valores caractersticos, contando cada uno
un nmero de veces igual a su orden, todava no se sabe cundo ser
diagonalizable; si lo fuese, su forma diagonal sera la matriz D. Para analizar si A
es una matriz diagonalizable, puede razonarse de la siguiente manera:
a.- Supngase que A de n x n admite n vectores caractersticos independientes,
esto es, que existe una base de n x 1 formada por vectores caractersticos de A, a
los que se llamar v1 = (p11, p21, ..., pn1)T, v2 = (p12, p22, ..., pn2)T, ..., vn = (p1n, p2n,
..., pnn)T, correspondientes, respectivamente, a los valores caractersticos O1, O2, ...,
On, algunos de ellos pudiendo estar repetidos. Llamando P a la matriz
p11 p12 ... p1n
P
...
...
...
pn1 pn 2 ... pn n
que es no singular, pues las matrices v1, v2, ..., vn son linealmente independientes,
esto es, resulta que la matriz P-1AP admite por vectores caractersticos a los E1,
E2, ..., En, ya que
(P-1AP)Ei = (P-1A)(PEi) = (P-1A)vi = P-1(Avi) = P-1(Oivi) = OiEi.
Por tanto, D = P-1AP es una matriz diagonal, cuya diagonal principal est formada
por los valores caractersticos de A; resultado ste que equivale a decir que A es
diagonalizable.
b.- Por el contrario, si A no admite n vectores caractersticos linealmente
independientes, entonces no es diagonalizable. En efecto; si lo fuese, su forma
diagonal admitira n vectores caractersticos linealmente independientes y,
tambin los admitira A, en contra de lo supuesto.
T E O R E M A 8.4.2
Una matriz A es diagonalizable si, y slo si, admite n vectores
caractersticos linealmente independientes. Se verifica, por tanto, que
para que A sea diagonalizable es necesario y suficiente que se verifiquen
los dos requisitos siguientes:
a.- La matriz A admite, si se cuenta cada uno un nmero de veces igual
a su orden de multiplicidad, exactamente n valores caractersticos.
Cuando el cuerpo K es algebraicamente cerrado, y en particular si es K =
C, esta condicin se satisface para toda matriz A.
b.- El orden de cada uno de los valores caractersticos de A es igual a la
dimensin de su subespacio propio.
T E O R E M A 8.4.3
Si una matriz A admite n valores caractersticos diferentes, entonces es
diagonalizable.
D E M OST R A C I O N
Si A admite valores caractersticos O1, O2, ..., On diferentes, como sus rdenes son
k i = 1, y dado que las dimensiones de los subespacios propios, qi, satisfacen
ALGEBRA LINEAL CON MATLAB
424
Ak = PDkP-1
(%d)
EN
LA
ECUACIN
425
%solucion
fprintf('\n LA MATRIZ REDUCIDA (%d) ES: \n',c)
R=rref(B);
R
end
fprintf('\n VECTORES CARACTERISTICOS \n')
V=vector';
for f2=1:filcol
fprintf('\n V%d : \n',f2)
V(f2,1:filcol)
end
P=vector;
fprintf('\n CONSTRUIMOS LA MATRIZ P:\n')
P
fprintf('\n ENCONTRAMOS LA INVERSA DE P:\n')
Q=inv(P);
Q
fprintf('\n DIAGONALIZAMOS D=Q*A*P:\n')
D=Q*A*P;
D
E J E M P L O 8.4.1
Sea f : R 3 o R 3 el endomorfismo que admite los valores caractersticos O1 = 1,
O2 = 2, O3 = -1 y que tiene por vectores caractersticos correspondientes a dichos
valores caractersticos a los vectores (1, 1, 1), (0, 1, 2) y (1, 2, 1),
respectivamente. Obtngase la matriz asociada a f respecto de la base cannica de
R 3. Determine Ak.
SO L U C I O N
Sabemos que una matriz A es diagonalizable si existe una matriz P no singular,
tal que D = P-1AP, entonces A = PDP-1. Es decir:
1
3
2 1 2 2 2 1
1 0 1 1 0 0
1 3
5
1
A 1 1 2 0 2 0
0
3
2 2
2
1 2 1 0 0 1 2
1
1
0
2
3
1
2
2
Para encontrar la matriz A , debemos aplicar Ak = PDkP-1:
1
3
1
k 2
2
1 0 1 1 0 0
1
1
A k 1 1 2 0 2 0
0
2
2
1 2 1 0 0 1
1 1 1
2
2
1
3
1
k
2
0
0 2
1 0 1 1
1
1
k
0
0
1 1 2 0 2
2
2
1 2 1
0 0 (1) k 1
1
1
2
2
Si k es par, tenemos
426
Ak
k
1 0 1 1
1 1 2 0
1 2 1
0 2
1
0
2
1k 1
0
2k
0
Si k es impar
k
1 0 1 1
1 1 2 0
1 2 1
0
2k
0
1
0
1
1
2
1
2
1
2
0 2
1
0
2
(1) k 1
k
1 2
2
1 2k
1
0
1
2 1
2
2 k
0
1
0
1
2
1
2
1
2
3 (1) k
1 (1) k
(1) k 1
2
2
2 k (1) k 3
2 k 2(1) k 1
k
2(1) 1
.
2
2
2 k 1 (1) k 3
2 k 1 (1) k 1
k
(1) 1
2
2
E J E M P L O 8.4.2
Diagonalizar la matriz
1 1 4
A 3 2 1
2 1 1
SO L U C I O N
Para diagonalizar la matriz A, debemos encontrar los valores y vectores
caractersticos. Es decir:
1 O 1
4
3
2O
1 = (1 - O)(O - 3)(O + 2) = 0
2
1
1 O
3 1 4
O1 = -2: 3 4 1
2 1 1
0
0
O1 = -2,
3 1
| 0 1
0 1
O2 = 1, O3 = 3.
4 0 1 0 1
1 0 | 0 1 1
1 0 0 0 0
0
0
SpanV(-2) = {( a , b, c) / a = - c, b = c}
BaseV(-2) = {(-1, 1, 1)} dimV(-2) = 1.
0 1 4 0 3 1 1 0 1 0 1 0
O2 = 1: 3 1 1 0 | 0 1 4 0 | 0 1 4 0
2 1 2 0 0 1 4 0 0 0 0 0
SpanV(1) = {( a , b, c) / a = - c, b = - 4c}
BaseV(1) = {(-1, 4, 1)} dimV(1) = 1.
2 1 4 0 2 1 4 0 1 0 1 0
O3 = 3: 3 1 1 0 | 0 1 2 0 | 0 1 2 0
2 1 4 0 0 0 0 0 0 0 0 0
SpanV(3) = {( a , b, c) / a = c, b = 2c}
BaseV(3) = {(1, 2, 1)} dimV(3) = 1.
ALGEBRA LINEAL CON MATLAB
427
P 1 4 2 P 1 1 2 3
6
1 1 1
3 0 3
2 2 6 1 1 4 1 1 1 2 0 0
1
D 1 2 3 3 2 1 1 4 2 0 1 0 .
6
3 0 3 2 1 1 1 1 1 0 0 3
E J E M P L O 8.4.3
Demuestre que si la matriz A es diagonalizable, entonces su transpuesta tambin
lo es.
SO L U C I O N
Suponga que la matriz A es diagonalizable. Entonces P-1AP = D es diagonal y
DT = (P-1AP)T = PTAT(P-1)T = PTAT(PT)-1
es diagonal. Por consiguiente, AT es diagonalizable.
E J E M P L O 8.4.4
Demuestre que si A es diagonalizable con n valores caractersticos reales O1, O2,
On, entonces Det(A) = O1O2 On
SO L U C I O N
Suponga que A es diagonalizable con valores caractersticos reales O1, O2On.
Entonces
O1 0
0
0 O2
0
Det(A) = Det(P -1AP)
O1 O 2 O n .
0
On
E J E M P L O 8.4.5
Determnese, segn los diferentes valores de a , b R, los subespacios propios del
endomorfismo f : R 3 o R 3 que, respecto de la base cannica tiene asociada la
matriz:
a b 0
0 1 0
0 0 1
0 y 0
O = a : 0 1 a
0
0
1 a
z 0
ALGEBRA LINEAL CON MATLAB
428
0
b
0 0 0 b
0 0
0 0 | 0 0
0 0
0 1 a
0
0
1 a 0 0 0 1 a 0
2 0 0 | 0
2 0 0
O = 1: 0
2 0 y 0 0
0
0
0 0 0 0
0 0 0
0 0
z 0
0 0 0
O = -1: 0
0 0 y 0 0
0
0
0 2 0
0 2
z 0
A 0 1
a y B a 2 a a 1
0 0
2
1
1
0
Para los valores de a que las hacen diagonalizables, hllese su forma diagonal D y
una matriz no singular P tal que D = P-1AP y D = P-1BP, respectivamente.
SO L U C I O N
Para la matriz A, el polinomio caracterstico tiene la forma siguiente:
p(O) O3 3O2 3O 1 .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O3 3O2 3O 1 0 (O 1)3 0 O = 1.
Donde O = 1 tiene multiplicidad algebraica 3. Los subespacios propios se
encuentran reemplazando cada valor caracterstico en la ecuacin caracterstica, y
luego se resuelve cada sistema de ecuaciones homogneo:
0 2 2 a 0 0 2 a 0 0
0 2 2 a x 0
a
0 | 0 0
a 0
O = 1: 0 0
a y 0 0 0
0 0
0 0
0
0 0 0 0 0
0
z 0
429
O = 1: a 2 a 1 a 1 y 0
2
1
1
z 0
a
a
a 0 a 0 2 a 0
a 2 a 1 a 1 0 | 0 a 3a 0
2
1
1 0 0 0
0 0
E J E M P L O 8.4.7
Sabiendo que f : R 3 o R 3 es un endomorfismo diagonalizable que admite por
vectores caractersticos a los vectores (-1, 2, 2), (2, 2, -1), (2, -1, 2) y que
f((5, 2, 5)) = (0, 0, 7), hllense los valores caractersticos de f y su ecuacin en
base cannica.
SO L U C I O N
Sabemos que f(u) = Ou, entonces:
(0, 0, 7) = O(5, 2, 5) = (5O, 2O, 5O) O = 0 y O = 7/5.
Donde O = 0 tiene multiplicidad algebraica 2 y O = 7/5 tiene multiplicidad
algebraica 1. Como D = P-1AP, entonces A = PDP-1. Es decir:
2 28
14 28
1 2
9 45
45 45
1 2 2 0 0 0 9 9
2
2
1
14
7
14
A 2 2 1 0 0 0
.
9
9
45 45
45
2 1 2
9
0 0 7 2
1 2 28
14 28
5
9 9 45
45 45
9
De donde la transformacin lineal es:
1
f (( a, b, c ))
(28a 14b 28c, 14 a 7b 14c, 28a 14b 28c ) .
45
E J E M P L O 8.4.8
Dada la matriz:
6
2 2
A 0 a 4 a
0 a
a
430
diagonal.
SO L U C I O N
El polinomio caracterstico tiene la forma siguiente:
p(O) O3 2O2 4aO 8a .
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O3 2O2 4aO 8a 0
(O 2)(O2 4a ) 0
O = 2, O 2 a , O 2 a .
a.- Para que la matriz A sea diagonalizable, los valores caractersticos deben
tener multiplicidad algebraica 1 (todos los valores caractersticos deben ser
diferentes). Para conseguir esto, a z 0. Si a = 0, obtenemos un valor caracterstico
de multiplicidad algebraica 2 y un subespacio propio de multiplicidad geomtrica
1, lo cual no permite diagonalizar la matriz A .
b.- Si a = 1, entonces O = 2 y O = -2, donde O = 2 tiene multiplicidad algebraica
2 y O = -2 tiene multiplicidad algebraica 1. Los subespacios propios se encuentran
reemplazando cada valor caracterstico en la ecuacin caracterstica, y luego se
resuelve cada sistema de ecuaciones homogneo:
0 2 6 0 0 0 0 0
0 2 6 x 0
O = 2: 0 1 3 y 0 0 1 3 0 | 0 0 0 0
0 1 3 z 0
0 1 3 0 0 1 3 0
de donde obtenemos que y 3z = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z) / y 3z = 0}
BaseV(O) = {(1, 0, 0), (0, -3, 1)} dimV(O) = 2.
Como O = 2 tiene multiplicidad algebraica 2 y multiplicidad geomtrica 2,
entonces la matriz es diagonalizable.
4 2 6 0 1 0 2 0
4 2 6 x 0
O = -2: 0 3 3 y 0 0 3 3 0 | 0 1 1 0
0 1 1 z 0
0 1 1 0 0 0 0 0
E J E M P L O 8.4.9
Si A :(n, n) es una matriz triangular cuyos elementos de la diagonal principal
son todos diferentes. Prubese que A es semejante a una matriz diagonal.
SO L U C I O N
Sabemos, que una matriz triangular con elementos diferentes en su diagonal
principal, tiene valores caractersticos, iguales a los elementos de su diagonal
principal. Por lo tanto, dicha matriz es diagonalizable por tener cada valor
caracterstico multiplicidad algebraica 1. Entonces, la matriz A es semejante a una
matriz diagonal, cuyos elementos de la diagonal son los valores caractersticos de
la matriz A.
E J E M P L O 8.4.10
Sea A :(n, n) y AT su transpuesta. Prubese que una es diagonalizable si, y
slo si, lo es la otra.
ALGEBRA LINEAL CON MATLAB
431
SO L U C I O N
Para que la matriz A sea diagonalizable, sus valores caractersticos deben ser
diferentes (tener multiplicidad algebraica 1). Entonces, para que su transpuesta
sea tambin diagonalizable, ambas deben tener el mismo polinomio caracterstico.
Es decir, debemos probar que Det(A - OI) = Det(AT - OI):
Det(A - OI) = Det(A - OI)T = Det(AT - OIT) = Det(AT - OI).
Con esto hemos demostrado que A y AT son diagonalizables.
E J E M P L O 8.4.11
Dada una matriz A :(n, n):
a.- Prubese que si A es diagonalizable, entonces tambin lo es A2.
b.- Sabiendo que u :(n, 1) es un vector caracterstico de A2, que no es vector
caracterstico de A, encuntrese otro vector caracterstico de A2 independiente de
u y correspondiente al mismo valor caracterstico que u.
SO L U C I O N
a.- Para que la matriz A sea diagonalizable, debe existir una matriz P no singular
tal que D = P-1AP. Para que A2 sea diagonalizable, debemos probar que
D2 = P-1A2P:
D2 = DD = (P-1AP)(P-1AP) = P-1APP-1AP = P-1AIAP = P-1AAP = P-1A2P.
De esta manera se demuestra que si A es diagonalizable, A2 tambin lo es.
b.- Sea u un vector caracterstico, correspondiente al valor caracterstico O de la
matriz A2 (este vector se obtiene de resolver el sistema (A2 - OI)u = ). Para
encontrar otro vector caracterstico de A2, independiente de u y que corresponda
al valor caracterstico O, debemos resolver el siguiente sistema:
(A2 - OI)v = u
donde v es el vector caracterstico solicitado. Aqu: tanto u como v, no son
vectores caractersticos de la matriz A.
E J E M P L O 8.4.12
Demuestre que la matriz:
2 1 3
A 1 1 4
3 4 2
E J E M P L O 8.4.13
Demustrese que los siguientes endomorfismos f : R 3 o R 3 son diagonalizables.
En cada caso encuentre una base S de R 3 respecto de la cual la matriz que
representa a f es una matriz diagonal.
a.- f(( a , b, c)) = (2a , 3a + 2b + c , 4 a + b + 2c);
b.- f(( a , b, c)) = (5 a - 3b + 2c, 6 a - 4b + 4c, 4 a - 4b + 5c);
c.- f((a , b, c)) = (7 a - 12b + 6c, 10 a - 19b + 10c, 12 a - 24b + 13c).
SO L U C I O N
a.- La matriz del endomorfismo es:
432
2 0 0
[ f ] 3 2 1.
4 1 2
O = 1: 3 1 1 y 0
4 1 1 z 0
1 0 0 0 1 0 0 0 1 0 0 0
3 1 1 0 | 0 1 1 0 | 0 1 1 0
4 1 1 0 0 1 1 0 0 0 0 0
de donde obtenemos que x = 0, y + z = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z) / x = 0, y + z = 0}
BaseV(O) = {(0, -1, 1)} dimV(O) = 1.
0 0 0 0 0 0 0 0
0 0 0 x 0
O = 2: 3 0 1 y 0 3 0 1 0 | 3 0 1 0
4 1 0 z 0
4 1 0 0 0 1 0 0
O = 3: 3 1 1 y 0
4 1 1 z 0
1 0 0 0 1 0 0 0 1 0 0 0
3 1 1 0 | 0 1 1 0 | 0 1 1 0
4 1 1 0 0 1 1 0 0 0 0 0
[ f ] 6 4 4 .
4 4 5
433
O = 1: 6 5 4 y 0
4 4 4 z 0
4 3 2 0 4 3 2 0 1 0 1 0
6 5 4 0 | 0 1 2 0 | 0 1 2 0
4 4 4 0 0 1 2 0 0 0 0 0
de donde obtenemos que x - z = 0, y - 2z = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z) / x - z = 0, y - 2z = 0}
BaseV(O) = {(1, 2, 1)} dimV(O) = 1.
3 3 2 x 0
O = 2: 6 6 4 y 0
4 4 3 z 0
3 3 2 0 3 3 2 0 1 1 0 0
6 6 4 0 | 0 0 0 0 | 0 0 0 0
4 4 3 0 0 0 1 0 0 0 1 0
O = 3: 6 7 4 y 0
4 4 2 z 0
2 3 2 0 2 3 2 0 2 0 1 0
6 7 4 0 | 0 2 2 0 | 0 1 1 0
4 4 2 0 0 2 2 0 0 0 0 0
[ f ] 10 19 10 .
12 24 13
434
8 12
O = -1: 10 18
12 24
10
12
6 x
10 y
14
z
0
0
0
12 6 0
18 10 0 |
24 14 0
4 6 3 0 2 0 1 0
0 6 5 0 | 0 6 5 0
0 6 5 0 0 0 0 0
de donde obtenemos que 2x - z = 0, 6y - 5z = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z) / 2x - z = 0, 6y - 5z = 0}
BaseV(O) = {(3, 5, 6)} dimV(O) = 1.
1 2 1 0 1 2 1 0
6 12 6 x 0
O = 1: 10 20 10 y 0 1 2 1 0 | 0 0 0 0
12 24 12 z 0
1 2 1 0 0 0 0 0
E J E M P L O 8.4.14
Pruebe que los siguientes operadores f : :(2, 2) o :(2, 2) son diagonalizables.
En cada caso, encuentre una base S de :(2, 2) respecto de la cual la matriz que
representa a f es una matriz diagonal. Determine la matriz A k:
a b 2 a 2b
a 5b
a.- f
;
c d 2 a c 4 a 8c 3d
a b a 6b 12c
4b 6c
f
.
c
d
3
b
5
c
3
b
6c d
SO L U C I O N
a.- La matriz del endomorfismo es:
2 2 0 0
1 5 0 0
[f]
.
2 0 1 0
4 0 8 3
El polinomio caracterstico tiene la forma siguiente:
p(O) = O4 - 9O3 + 23O2 - 3O - 36.
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O4 - 9O3 + 23O2 - 3O - 36 = 0
(O + 1)(O - 3)2(O - 4) = 0
O = -1, O = 3 y O = 4.
El valor caracterstico O = -1 tiene multiplicidad algebraica 1, O = 3 tiene
multiplicidad algebraica 2 y O = 4, tiene multiplicidad algebraica 1. Los vectores
caractersticos se encuentran reemplazando cada valor caracterstico en la
ecuacin caracterstica, y luego se resuelve cada sistema de ecuaciones
homogneo:
b.-
1
O = -1:
2
4
3
1
1
435
2 0
6 0
0 0
0 8
0 x
0 y
0 z
4 u
0
0
0
0
0 3 2 0 0 0 3 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0
|
|
0 0 1 0 0 0 0 0 0 0 0
0 0 2 6 3 0 0 0 2 1 0
de donde obtenemos que x = y = 0, -2z + u = 0. Por consiguiente el subespacio
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / x = y = 0, -2z + u = 0}
BaseV(O) = {(0, 0, 1, 2)} dimV(O) = 1.
1 2 0 0 x 0
1 2 0 0 y 0
O = 3:
2 0 4 0 z 0
4 0 8 0 u 0
1
1
1
2 0
6 0
0 0
0 2
0
0
0
1
0 1 2 0 0 0 1 0 2 0
0 0 0 0 0 0 0 0 0 0
|
|
0 0 1 1 0 0 0 1 1 0
0 0 1 1 0 0 0 0 0 0
de donde obtenemos que x 2z = 0, y - z = 0. Por consiguiente el
propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / x 2z = 0, y - z = 0}
BaseV(O) = {(2, 1, 1, 0), (0, 0, 0, 1)} dimV(O) = 2.
2 2 0 0 x 0
1 1 0 0 y 0
O = 4:
2 0 5 0 z 0
4 0 8 1 u 0
1
1
2
2 0
2 0
0 2
0 2
0
0
0
0
0
0
subespacio
0 1 1 0 0 0 4 0 0 5 0
0 0 0 0 0 0 0 0 0 0 0
|
|
0 0 2 5 0 0 0 4 0 5 0
0 0 4 8 1 0 0 0 2 1 0
de donde obtenemos que 4x 5u = 0, 4y 5u = 0, 2z u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / 4x 5u = 0, 4y 5u = 0, 2z u = 0}
BaseV(O) = {(5, 5, 2, 4)} dimV(O) = 1.
La base S de :(2, 2) tiene la siguiente forma:
{(0, 0, 1, 2), (2, 1, 1, 0), (0, 0, 0, 1), (5, 5, 2, 4)}.
La matriz Ak esta dada de la siguiente manera:
3 1
k
1 0
0 2 0 5 1 0 0 0 5 5
0 1 0 5 0 3 0 0 1 1 0 0
k
A
1 1 0 2 0 0 3 0 2 2 2 1
2 0 1 4 0 0 0 4 1 2 0 0
5 5
1 0 0
1 0 0
0 5 0
0 8 1
436
0
1
2
1
1
0
0
0
0
1
k
5 (1)
5 0
2 0
4 0
3k
3k
3 1
0 5 5 1
0 1 1 0
0 2 2 2
4 k 1 2 0
5 5
0
1
2 3k 2 2 k
22 k 1 2 3k
0
0
k
2k
2 k 1
k
3 2
2
3
0
0
k
k 22 k 1 3(1) k
0 4 6 0
[f]
.
0 3 5 0
0 3 6 1
El polinomio caracterstico tiene la forma siguiente:
p(O) = O4 - O3 - 3O2 + 5O - 2.
Los valores caractersticos se obtienen igualando a cero el polinomio
caracterstico:
O4 - O3 - 3O2 + 5O - 2 = 0 (O - 1)3(O + 2) = 0 O = 1 y O = -2.
El valor caracterstico O = 1 tiene multiplicidad algebraica 3, y O = -2
multiplicidad algebraica 1. Los vectores caractersticos se encuentran
reemplazando cada valor caracterstico en la ecuacin caracterstica, y luego se
resuelve cada sistema de ecuaciones homogneo:
0 1 2 0 0 0 1 2 0 0
0 1 2 0 x 0
0
1
2
0
y
0
0 1 2 0 0 | 0 0 0 0 0
O = 1:
0 1 2 0 0 0 0 0 0 0
0 1 2 0 z 0
0 1 2 0 u 0
0 1 2 0 0 0 0 0 0 0
de donde obtenemos que y + 2z = 0. Por consiguiente el subespacio propio
generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / y + 2z = 0}
BaseV(O) = {(1, 0, 0, 0), (0, -2, 1, 0), (0, 0, 0, 1)} dimV(O) = 3.
1 2 4 0 x 0
0 1 1 0 y 0
O = -2:
0 1 1 0 z 0
0 1 2 1 u 0
0
0
0 1 0 6 0 0 1 0 0 6 0
0 0 1 1 0 0 0 1 0 1 0
|
|
0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 1 0 0 0 1 1 0
de donde obtenemos que x + 6u = 0, y u = 0, z + u = 0. Por consiguiente el
subespacio propio generado por el valor caracterstico, tiene la forma siguiente:
V(O) = {(x, y, z, u) / x + 6u = 0, y u = 0, z + u = 0}
BaseV(O) = {(-6, 1, -1, 1)} dimV(O) = 1.
La base S de :(2, 2) tiene la siguiente forma:
ALGEBRA LINEAL CON MATLAB
2 4 0
1 1 0
1 1 0
1 2 1
437
{(1, 0, 0, 0), (0, -2, 1, 0), (0, 0, 0, 1), (-6, 1, -1, 1)}.
La matriz A k esta dada de la siguiente manera:
Ak
1 0
0 2
0 1
0 0
0 6 1 0 0 0
0 1 0 1 0 0
0 1 0 0 1 0
1 1 0 0 0 2
1 0
0 2
0 1
0 0
k
0 0
0 6 1
0 1 0 1k 0
0 1 0 0 1k
1 1 0 0 0
1 0
0 2
0 1
0 0
0 6
0 1
0 1
1 1
1
0 1 6 12
0 0 1 1
2
0 0 1
k 0 1
2
(2)
1 3 2 k 1 (1) k 6 3 2 k 2 (1) k 12
0
2 2 k (1) k
2 2 k 1 (1) k
2 k (1) k 1
2 k 1 ( 1) k 1
0
1 2 k (1) k
2 2 k 1 (1) k
0
0
1
0
.
0
PR O B L E M AS
a b
A
es
c d
diagonalizable si 4bc < ( a d)2 y no diagonalizable si
4bc > ( a d)2.
8.4.1
Demuestre
que
la
matriz
d.- 1 0 1 ; e.- 4 6 9 ;
1 2 1
3 6 8
f.- 5
1
h.- 2
1
1 2
3 3 ;
0 2
2 1
0 3 .
3 0
3 1 0
g.- 4 1 0 ;
4 8 2
a.-
;
b.;
c.
0 1 4 ;
2
1
5
1
0 5 2
0
d.-
0
0 0
1 0
0 2
0 3
0
.
7
0 2 3
A
0 0 3
0 0 0
4
4
4
es diagonalizable. Encuentre una matriz no singular P
tal que P-1AP sea una matriz diagonal.
a.- 3 4 0 ; b.- 4 10 6 .
4 8 4
2 0 2
438
8.5 D I A G O N A L I Z A C I O N D E M A T R I C ES SI M E T R I C AS Y H E R M I T I C AS
En esta seccin se abordar el problema de determinar una base ortonormal para el espacio vectorial V,
integrada por vectores caractersticos de un endomorfismo simtrico f.
439
los valores caractersticos de A pueden ser nmeros complejos, aun cuando A sea
real; lo que s se sabe es que, por ser reales los coeficientes de la ecuacin, si una
matriz real tiene valor caracterstico complejo, tiene tambin por valor
caracterstico el complejo conjugado y con igual orden que aqul. Para cada valor
caracterstico O de A, los vectores caractersticos correspondientes a O son los
vectores no nulos u C tales que Au = Ou; en general, estos vectores
caractersticos son complejos; pero, si O es real, la ecuacin (A - OI) = que da
los vectores caractersticos proporciona soluciones reales.
El problema que ahora se considera es aquel en el que la matriz cuadrada real A
de orden n es adems una matriz simtrica y, en tal hiptesis, se pretende
demostrar que todos los valores caractersticos de A son nmeros reales.
T E O R E M A 8.5.1
Si A es una matriz simtrica, O1 y O2 son dos valores caractersticos de A
y u1 es un vector propio correspondiente a O1 y u2 lo es a O2, entonces se
verifica
(O1 - O2)uT2 u1 = 0.
D E M OST R A C I O N
De acuerdo con la hiptesis, se verifica Au1 = O1u1 y Au2 = O2u2; multiplicando
por la izquierda la primera igualdad por uT2 y la segunda igualdad por uT1, se
obtiene:
uT2Au1 = O1uT2u1 y uT1Au2 = O2uT1u2
de la segunda de estas igualdades, y dado que A es simtrica, al trasponer ser
uT2Au1 = O2uT2u1
que comparada con la primera permite escribir
O1uT2u1 = O2uT2u1
de donde
(O1 - O2)uT2 u1 = 0.
T E O R E M A 8.5.2
Todos los valores caractersticos de una matriz real y simtrica son
nmeros reales.
D E M OST R A C I O N
Todo valor caracterstico O de la matriz real simtrica A es un nmero complejo,
y se pretende demostrar que tiene nula su parte imaginaria o, lo que es igual, que
coincide con su conjugado, es decir, O = O . Supngase que as no ocurre y que,
en consecuencia, fuese O z O ; de esta hiptesis se pretende llegar a una
contradiccin que obliga a rechazarla. Si O fuese, un valor caracterstico de A,
complejo pero no real, y u z un vector caracterstico correspondiente a O, es
decir, Au = Ou, donde u es la matriz columna de las coordenadas de u, entonces el
nmero complejo O, O z O , tambin sera valor caracterstico de A, ya que, por
ser A real, todos los coeficientes de la ecuacin caracterstica son reales y sta, al
admitir una raz compleja, admite tambin como raz a su conjugada; por otra
parte, dado que A es real, tomando conjugados en Au = Ou, se obtiene Au Ou ,
de donde se infiere que el vector u , conjugado del vector u, es un vector
caracterstico correspondiente a O . Aplicando la proposicin anterior a los
valores caractersticos O y O y sus vectores caractersticos u y u , se obtiene
(O - O ) u T u = 0, pero como se ha supuesto que O z O , habr entonces de
satisfacerse u T u = 0, es decir
a1a1 a2 a2 ... an an | a1 |2 | a2 |2 ... | an |2 0
de donde se deduce que ha de verificarse a 1 = 0, a 2 = 0, ..., an = 0, es decir, u = ,
ALGEBRA LINEAL CON MATLAB
440
441
442
u
es una
|| u ||
base ortonormal de V y adems v es vector caracterstico de f, ya que f(v) es un
vector de V, pues f(V) V, y, por tanto, para un cierto nmero real O, es
f(v) = Ov, lo que confirma la veracidad. Queda por cerciorarse de que la propiedad
es verdadera para cualquiera que sea la dimensin q de V, en el supuesto de que
lo sea para los espacios de dimensiones q 1; en efecto, {u1, u2, ..., uq} una base
ortonormal de V, la cual puede completarse con n q vectores hasta constituir
una base ortonormal {u1, u2, ..., uq, uq+1, uq+2, ..., un} de R n; como f es una
transformacin simtrica, la ecuacin de f en esta ltima base viene dada por una
matriz A simtrica, v = Au; por otra parte, como f(V) V, si u V, entonces
v = f(u) V, es decir, si las componentes de lugares q + 1, q + 2, ..., n de u son
nulas tambin lo son las de v = f(u) y, por tanto, A de ser tal que, para todo
u R q, satisfaga a:
a1q
a1n a1
b1 a11
bq aq1
aqq
aqn aq
0
0
0 a
anq
an n 0
n1
en consecuencia, respecto de la base {u1, u2, ..., uq} de V, la restriccin
f | V : V o V, de f a V, tiene ecuacin matricial v1 = A1u1, es decir:
a1q a1
b1 a11 a12
a2q a2
b2 a21 a22
.
aqq aq
bq aq1 aq 2
Por ser A1 real y simtrica sus valores caractersticos son reales y hay al menos un
vector caracterstico real, u z , para el que es f | V (u) = Ou, siendo O el valor
caracterstico que admite a u por vector caracterstico; por tanto, f(u) = Ou, es
u
decir, u es vector caracterstico de f y, en consecuencia, v
V es vector
|| u ||
caracterstico de f. Considrese ahora el subespacio vectorial U, de V, ortogonal a
v, es decir, el constituido por todos los vectores de V ortogonales a v, el cual es de
dimensin q 1; para cualquiera que sea w U, es decir, w V y w A v, ser
f(w) V y w v = 0, y en consecuencia:
f(w) v = (Aw)Tv = wTATv
= wTAv = wT(Av)
= w f(v)
= w Ov
= Ow v = 0
por consiguiente, si w U, entonces f(w) V y f(w) A v, es decir, f(w) U,
resultando entonces que U es un subespacio de R n de dimensin q 1 tal que f le
transforma en s mismo; por tanto, segn lo supuesto, la proposicin es verdadera
para U, es decir, U posee una base ortonormal de vectores caractersticos de f; en
consecuencia, al aadir a esta base el vector v, se obtiene una base ortonormal de
V formada por vectores caractersticos de f.
vector no nulo u de V, el sistema constituido por el nico vector v
T E O R E M A 8.5.6
Toda matriz real y simtrica es ortogonalmente diagonalizable.
443
D E M OST R A C I O N
La demostracin de este teorema resulta ya evidente: sea f : R n o R n la
transformacin lineal asociada a la matriz A en la base cannica de R n; f es,
entonces, una transformacin lineal simtrica y, por tanto, segn la consecuencia
anterior, existe una base ortonormal de R n formada por vectores caractersticos de
f, los cuales lo son de A. La matriz P que se busca es, aquella cuyos vectores
columna son los vectores de dicha base ortonormal.
E J E M P L O 8.5.1
Demostrar que los mdulos de todos los valores caractersticos de una matriz
ortogonal son iguales a 1.
SO L U C I O N
Sea A una matriz ortogonal. Entonces
Au Av u AAv u v
para cualesquiera vectores reales u y v. Supongamos que O = a + bi es un valor
caracterstico de la matriz A y que w = u + vi es su vector caracterstico
correspondiente. Entonces
Au = au bv, Av = av + bu,
de donde
a2 v
v v Av Av
v v Av Av
b2 u
2abu v ,
2abu v .
a v b u
b( u
v ) 2a u v 0 .
u v Au Av ( a 2 b2 )u v ab u
v
de donde
a( u
v ) 2bu v 0 .
Por consiguiente
u v
v
0.
E J E M P L O 8.5.3
Demuestre que una matriz P de n x n es ortogonal s y slo si sus vectores
columna forman un conjunto ortonormal.
SO L U C I O N
Suponga que los vectores columna de la matriz P forman un conjunto ortonormal:
p11 p12 ... p1n
p
p22 ... p2 n
P ( p1 : p2 :...: pn ) 21
.
444
p
p22 ... p22 p21 p22 ... p2 n
P T P 12
p2 p1 p2 p2 ... p2 pn
p p p p ... p p
n
2
n
n
n 1
dado que el conjunto {p1, p2, ..., pn} es ortonormal, se tiene que pi p j 0 , i z j
y pi pi
pi
de la forma
PT P =
=I.
M M
M
T
-1
Lo anterior implica que P = P y se concluye que P es ortogonal.
E J E M P L O 8.5.4
Diagonalizar ortogonalmente las siguientes matrices:
1 4 2
4 2 2
2 0 36
SO L U C I O N
a.- Para diagonalizar la matriz A, debemos encontrar los valores y vectores
caractersticos. Es decir:
1 O 4
2
= (6 - O)(O + 3)2 = 0 O1 = -3, O2 = 6.
4 1 O
2
2
2 2 O
4 4 2
O1 = -3: 4 4 2
2 2 1
0 4 4 2 0
0 | 0 0 0 0
0 0 0 0 0
SpanV(-3) = {( a , b, c) / 2 a 2b + c = 0}
BaseV(-3) = {(1, 0, -2), (0, 1, 2)} dimV(-3) = 2.
5 4 2 0 5 4 2 0 1 0 2 0
O2 = 6: 4 5 2 0 | 0 1 2 0 | 0 1 2 0
2 2 8 0 0 1 2 0 0 0 0 0
4 2
Base ortogonal V(O) = (1, 0, 2), ,1, , (2, 2,1)
5
5
5 4 2 1
1
445
P 0
2
5
4
3 5
5
3 5
2
3 5
3
2
3
1
1
4
2
1
4
2
3
3
5 3 5
5 3 5
1 4 2
5
2
5
2
D = P T AP 0
4 1 2 0
3
3
3 5
3 5
2 2 2
2
2
2
1
2
1
3
3
5 3 5
5 3 5
3 0 0
0 3 0
0 0 6
O1 = 2: 2 2 2
2 2 2
0 2 2 2 0
0 | 0 0 0 0
0 0 0 0 0
SpanV(2) = {( a , b, c) / a + b + c = 0}
BaseV(2) = {(-1, 1, 0), (-1, 0, 1)} dimV(2) = 2.
4 2 2 0 2 1 1 0 2 1 1 0
O2 = 8: 2 4 2 0 | 1 2 1 0 | 0 1 1 0
2 2 4 0 1 1 2 0 0 1 1 0
1 0 1 0
0 1 1 0
0 0 0 0
SpanV(8) = {( a , b, c) / a = c, b = c}
BaseV(8) = {(1, 1, 1)} dimV(8) = 1.
Base V(O) = {(-1, 1, 0), (-1, 0, 1), (1, 1, 1)}
1 1
Base ortogonal V(O) = (1,1, 0), , ,1 , (1,1,1)
2
2
2 1 1 1
1
(1,1, 0),
(1,1,1)
Base ortonormal V(O) =
, ,1 ,
2
2
2
3
3
1
1
1
2
6
3
1
1
1
P
6
3
2
2
1
0
6
3
446
1
1
1
1
1
1
2
6
3
2
6
3 2
4 2 2
1
1
1
1
1
1
D = P T AP =
2
4
2
0
2
6
3
6
3
2 2 4
0
2
1
2
1
0
0
6
3
6
3
36
0 0
2 0
0 8
vectores
23 O
0 | 0 1 0 0 | 0 1 0 0
O1 = -50: 0 47 0
36 0 27 0 4 0 3 0 0 0 0 0
SpanV(-50) = {( a , b, c) / 4a - 3c = 0, b = 0}
BaseV(-50) = {(3, 0, 4)} dimV(-50) = 1.
1 0 36 0 1 0 36 0 1 0 36 0
0 | 0 0 0
0 | 0 0 0
0
O2 = -3: 0 0 0
36 0 20 0 9 0 5
0 0 0 324 0
1 0 0 0
0 0 0 0
0 0 1 0
SpanV(-3) = {( a , b, c) / a = c = 0}
BaseV(-3) = {(0, 1, 0)} dimV(-3) = 1.
27 0 36 0 3 0 4 0 3 0 4
0 | 0 1 0 0 | 0 1 0
O3 = 25: 0 28 0
36 0 48 0 3 0 4 0 0 0 0
SpanV(25) = {( a , b, c) / 3 a 4c = 0, b = 0}
BaseV(25) = {(-4, 0, 3)} dimV(25) = 1.
Base V(O) = {(3, 0, 4), (0, 1, 0), (-4, 0, 3)}
0
0
4
3
5 0 5
1
1
4
3
0
5
5
T
4
4
3
3
5 0 - 5 -2 0 -36 5 0 - 5
D = P T AP = 0 1 0 0 -3 0 0 1 0
4
3 -36 0 -23 4
3
0
0
5
5
5
5
-50 0 0
= 0 -3 0 .
0 0 25
447
PR O B L E M AS
8.5.1
Demuestre que si una matriz simtrica A
solamente tiene un valor caracterstico O, entonces
A = OI.
8.5.2 Obtener una matriz simtrica B de 2 x 2 tal que
B2 = A para la matriz
2 1
A
.
1 2
8.5.3 Determine una matriz ortogonal P tal que P -1AP
sea diagonal para la matriz
a b
A
.
b a
8.5.4 Diagonalizar ortogonalmente las
matrices:
1 2 1
0 2 3
a.- 2 3 0 ; b.- 2 4 1 ;
1 0 1
3 1 5
1
1
1
4
2
3
c.- 1 1 1 ; d.- 2 2 1 ;
3 1 2
1 1 0
siguientes
6 3 2
e.- 3 7 4 .
2 4 8
a.- 1 3 0 ; b.- 8 17 4 ;
4 4 11
0 0 2
5 10 8
2 2 2
c.- 10 2
2 ; d.- 2 5 4 ;
2 4 5
8
2 11
matrices
6 2 2
11 2 8
e.- 2 5 0 ; f.- 2 2 10 ;
2 0 7
8 10 5
4i
6 2i
4 3i
g.- 4i
4 3i 2 6i .
6 2i 2 6i
1
8.6 P O L I N O M I O M I NI M O D E U N A M A T R I Z
En esta seccin se ver cmo determinar el polinomio mnimo del endomorfismo f, utilizando el polinomio
caracterstico.
En esta seccin ser de inters estudiar polinomios que son anulados por matrices.
Ms concretamente, se estudiar el problema de, dada una matriz A de n x n,
encontrar un polinomio de menor grado que es anulado por la matriz A.
Tal polinomio existe. Adems, su grado no excede a n2. Uno de los resultados
importantes que se ver en esta seccin es el grado de tal polinomio de hecho no
excede a n.
448
D E F I N I C I O N 8.6.1
Sea A una matriz cuadrada de orden n. Se dice que m(x) es un polinomio
mnimo de A si m(x) es un polinomio mnico y es, de entre todos los
polinomios que son anulados por A, un polinomio del menor grado
posible.
T E O R E M A 8.6.1
El polinomio mnimo de una matriz es nico.
D E M OST R A C I O N
Sean m1(x) y m2(x) dos polinomios de A. Segn la definicin, m1(x) y m2(x) son
polinomios mnicos del mismo grado, dgase
m1(x) = a 0 + a 1x + ... + a k-1xk-1 + xk
y
m2(x) = b0 + b1x + ... + bk-1xk-1 + xk
Se quiere demostrar que a 0 = b0, a 1 = b1 a k-1 = bk-1, es decir, que
m1(x) = m2(x). Sea p(x) = m1(x) - m2(x). Entonces
p(x) = (a 0 b0) + (a 1 b1)x + ... + ( a k-1 bk-1)xk-1 + xk
Supngase, para obtener una contradiccin, que existe j, 1 d j d k 1 tal que
a j bj z 0. Tmese el menor ndice j con esta propiedad. Entonces
p(x) = (a 0 b0) + (a 1 b1)x + ... + ( a j bj)xj.
Sea
1
p( x)
p( x)
a j bj
se tiene que
a.- p( x) es un polinomio mnico;
b.-
1
0 0
a j bj
449
450
451
T E O R E M A 8.6.8
Si O1, O2, ..., Ok son los valores caractersticos diferentes de la matriz A y
si el polinomio caracterstico de A es
p(O) = (-1)k(O - O1)s1(O - O2)s2 ... (O - Ok)sk
entonces el polinomio mnimo de A tiene la forma
m(O) = (O - O1)r2(O - O3)r3 O - Ok)rk
en donde 1 d r i d si, i = 1, 2, ..., k. Es decir, todo factor lineal que
aparezca en el polinomio caracterstico de A, debe tambin aparecer en
su polinomio mnimo.
El ltimo resultado que se ver en esta seccin relaciona la propiedad de
diagonalizacin de una matriz A con la estructura de su polinomio caracterstico.
T E O R E M A 8.6.9
Sea O1, O2, ..., Ok los valores propios diferentes de la matriz A. Esta
matriz es diagonalizable si, y slo si su polinomio mnimo es
m(O) = (O - O1)(O - O2) ... (O - Ok).
D E M OST R A C I O N
Supngase primeramente que A es diagonalizable. Existe entonces una matriz no
singular P tal que P-1AP = D, en donde D es una matriz diagonal. An ms, en la
diagonal principal de D aparecen los valores propios de A. Entonces, el polinomio
caracterstico de D es
p(O) (1) k (O O1 )s1 (O O2 )s2 ...(O O k )sk
en donde
si = DimV(Oi), i = 1, 2, ..., k y s1 + s2 + sk = n.
Segn el teorema anterior, en el polinomio mnimo de D deben aparecer todos los
factores
(O - O1)(O - O2) ... (O - Ok). Es claro que el polinomio mnico de
menor grado posible en el que aparecen todos estos factores es
m(O) = (O - O1)(O - O2) ... (O - Ok).
Se ver que de hecho ste es el polinomio mnimo de D. Basta verificar entonces
que m(D) = 0. Obsrvese que
m(D) = (D - O1I)(D - O2I) ... (D - OkI).
A partir de la estructura de la matriz D, se puede deducir que D - O1I es una
matriz diagonal con ceros en la primera DimV(O1) posiciones de la diagonal
principal, D - O2I es una matriz diagonal con ceros en las Dim V(O2) posiciones
despus de las primeras Dim(O1) posiciones de la diagonal principal, etc. D - O1I
es una matriz diagonal con ceros en la ltima DimV(Ok) posiciones de la diagonal
principal. Por otra parte, q(D) es el producto de k matrices diagonales. Se sabe
que al multiplicar matrices diagonales se obtiene tambin una matriz diagonal en
cuya diagonal principal aparecen los productos de los elementos correspondientes
de las diagonales principales de cada una de las matrices en el producto. Por lo
analizado anteriormente acerca de la estructura de las matrices diagonales D - OiI,
i = 1, 2, ..., k que aparecen como vectores en q(D), se concluye que q(D) = 0.
Entonces
m(O) = (O - O1)(O - O2) ... (O - Ok)
es el polinomio mnimo de D. Es, por tanto, el polinomio mnimo de A.
Supngase ahora que el polinomio mnimo de A es de la forma mostrada
anteriormente para m(O). Considrense los espacios vectoriales V(O1), V(O2), ...,
V(Ok) correspondientes a los valores propios O1, O2, ..., Ok, respectivamente.
Recurdese que V(Oi) es el espacio solucin del sistema homogneo (A - OiI)u =
. De acuerdo a lo visto en secciones anteriores, la dimensin del subespacio
propio V(Oi) es DimV(Oi) = n Rang(A - OI).
Anteriormente, se prob que para cualesquiera dos matrices cuadradas A y B de
orden n se cumple
ALGEBRA LINEAL CON MATLAB
452
SO L U C I O N
a.- El polinomio caracterstico de A es p(O) = -O3 - O2 + 8O + 12. Tal como lo
asegura el teorema de Hamilton-Cayley se tiene
p( A) A3 A2 8 A 12 I
8 0 0 4 0 0
2 0 0
1 0 0
0
20
14
0
8
2
8
0
2
2
12
0 1 0 O .
0 14 1 0 2 5
0 2 1
0 0 1
453
m2 (A) = A + 2I z O ,
m3 (A) = A + 4A + 4I z O , m4 (A) = A2 - A - 6I = O .
Entonces, m4(O) = O2 - O - 6 es el polinomio mnico de menor grado que es
anulado por A . Este es entonces el polinomio mnimo de A .
b.- El polinomio caracterstico de A es p(O) = -O3 + 6O2 - 11O + 6. Tal como lo
asegura el teorema de Hamilton-Cayley se tiene
p(A) = -A3 + 6A2 -11A + 6I
2
1 14 75
1 6 18
1 2 3
1 0 0
0 8 57 6 0 4 15 11 0 2 3 6 0 1 0 O .
0 0 27
0 0 9
0 0 3
0 0 1
9 18 9 4 3 6 3 3 1 2 1 O .
4 9 5
1 3 2
0 1 1
454
= - 3 -8 6 + 3 1 -3 3 - 3 0 0 1 + 0 1 0 = O .
6 -15 10
3 -8 6 1 -3 3 0 0 1
1 5 0 0
0 2 1 0
0 2 1 0
a.-
; b.-
; c.-
.
2 0 1 0
0 0 2 1
0 0 2 0
4 0 8 3
0 0 0 2
0 0 0 2
SO L U C I O N
a.- El polinomio caracterstico de A es
p(O) = (O - 3)2(O - 4)(O + 1)
Entonces, el polinomio mnimo de A puede ser
m(O) = (O - 3)(O - 4)(O + 1) m(O) = (O - 3)2(O - 4)(O + 1)
Verifique la primera alternativa
m(A) = (A 3I)(A 4I)(A + I)= O.
Entonces, efectivamente m(O) = (O - 3)(O - 4)(O + 1) es el polinomio mnimo de
A.
b.- El polinomio caracterstico de A es
p(O) = (O - 2)4
Entonces, el polinomio mnimo de A puede ser
m(O) = (O - 2)3 m(O) = (O - 2)4
Verifique la primera alternativa
ALGEBRA LINEAL CON MATLAB
455
m(A) = (A 2I)3 z O.
Entonces, m(O) = p(O) es el polinomio mnimo de A.
c.- El polinomio caracterstico de A es
p(O) = (O - 2)4
Entonces, el polinomio mnimo de A puede ser
m(O) = (O - 2)3 m(O) = (O - 2)4
Verifique la primera alternativa
m(A) = (A 2I)3 = O.
Entonces, efectivamente m(O) = (O - 2)3 es el polinomio mnimo de A.
E J E M P L O 8.6.5
Dada la matriz
1 4 0 2 4
0 2 0 0 0
A 0 6 1 0 0
0 3 2 1 0
0 1 1 3 1
0 1 0 0 0 0 0 0 0 0
m(A) = (A - I)(A - 2I) 0 6 0 0 0 0 6 1 0 0
0 3 2 0 0 0 3 2 1 0
0 1 1 3 0 0 1 1 3 1
0 10 0 14 4
0 0
0 0 0
0 0 0
0 0 .
0 12 2 0 0
0 15 5 3 0
E J E M P L O 8.6.6
Determine el polinomio mnimo de la matriz identidad de orden n, as como el de
la matriz cero de orden n.
SO L U C I O N
Sea I la matriz identidad de n x n. Para encontrar el polinomio caracterstico de
esta matriz, es necesario resolver el siguiente determinante:
Det(I - OI) = Det((1 - O)I) = (1 - O)nDetI = (1 - O)n = 0.
Por lo tanto el polinomio caracterstico es:
p(O) = (1 - O)n
Como el polinomio mnimo divide al polinomio caracterstico, entonces ste
tendra que ser:
m(O) = 1 - O
Sea O la matriz cero de n x n. Para encontrar el polinomio caracterstico de esta
matriz, es necesario resolver el siguiente determinante:
Det(O - OI) = Det(-OI) = (-O)nDetI = (-O)n = 0.
Por lo tanto el polinomio caracterstico es:
p(O) = (-O)n
ALGEBRA LINEAL CON MATLAB
456
A 0 0 1
a b c
457
E J E M P L O 8.6.11
Demuestre que ninguna matriz real de 3 x 3 satisface x2 + 1 = 0. Pruebe que
existen matrices complejas de 3 x 3 que si lo hacen. Pruebe que existen matrices
reales de 2 x 2 que satisfacen la ecuacin.
SO L U C I O N
Si A es una matriz real de 3 x 3 su polinomio caracterstico f(x) es real de grado 3.
Si A satisface x2 + 1 = 0, el polinomio mnimo dividira a x2 + 1 y podra no tener
como un factor irreducible al factor real de grado uno que debe tener f(x).
E J E M P L O 8.6.12
Determine una matriz A de orden 2 cuyo polinomio mnimo sea m(O) = O2.
SO L U C I O N
a b
Sea la matriz A
. Sabemos que el polinomio caracterstico de la matriz
c d
A es
p(O) = O2 - (Tr A)O + Det( A).
Pero como p(O) = m(O), entonces Tr(A) = Det(A) = 0 y una de las matrices
buscada tiene la forma
a a
.
a a
E J E M P L O 8.6.13
Demuestre que si la matriz A satisface la ecuacin x2 + x + 1 = 0, entonces A es
no singular y la inversa A-1 es expresable como una combinacin lineal de A e I.
SO L U C I O N
Efectivamente, si A2 + A + I = O, entonces A(- A I) = I de modo que
A I = A-1.
PR O B L E M AS
8.6.1 Encuentre una matriz de 2 x 2 con elementos
enteros que satisfaga la ecuacin x3 1 = 0, pero que no
satisfaga la ecuacin x 1 = 0.
8.6.2 Determine una matriz A de orden 3 cuyo
polinomio mnimo sea m(O) = O2.
8.6.3 Dadas las matrices:
2 0 0 0
2 0 0
1
2
0
0
y B 1 2 0
A
0 0 2 0
0 0 2
0 0 1 2
0 0 0
a.- Demuestre que A y B tienen el mismo
caracterstico.
b.- Compruebe que A y B tienen el mismo
mnimo.
c.- Demuestre que A y B no son semejantes.
0
0
2
polinomio
polinomio
d.- 1 1 2 ;
0 1 2
0
e.-
0
0
0
1
0
0
1
0
0
0
.
0
458
0 1 0
a.- 0 0 1 ;
1 3 3
2 1 0
c.- 0 2 0 ;
0 0 2
4
e.-
0
0 1
2 1
0 2
0 0
b.- 1
1
1 1
0 1
d.-
0 0
0 0
6 6
3 2 ;
5 2
0 0
1 0
;
1 1
0 1
1
.
5
8.6.8 Sean
1 1 0
1 0 0
1 0 0
A 0 1 0 , B 0 2 1 , C 0 2 0 .
0 0 2
0 0 2
0 0 2
8.7 C U EST I O N A R I O
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
8.7.1 Para que un endomorfismo f sea no singular es
necesario y suficiente que l tenga valores
caractersticos nulos.
8.7.4
Para un endomorfismo arbitrario f la
multiplicidad algebraica de todo valor caracterstico O
sobrepasa su multiplicidad geomtrica.
8.7.5
Los vectores caractersticos de un
endomorfismo, pertenecientes a diversos valores
caractersticos, son linealmente independientes.
459
8.7.20
La cantidad de vectores caractersticos,
linealmente independientes, del endomorfismo f,
pertenecientes a un valor caracterstico O0 no supera a
la multiplicidad de O0 como raz del polinomio
caracterstico del endomorfismo f.
8.7.21
Cualquier matriz cuadrada A con distintos
valores caractersticos, es semejante a una matriz
triangular.
8.7.11
Los valores propios de un endomorfismo
diagonal coinciden con sus elementos diagonales.
un
8.7.29
Las matrices semejantes tienen polinomio
mnimo distintos.
8.7.30
Toda matriz cuadrada es una raz de su
polinomio caracterstico.
1.1
1.2
1.3
1.4
1.5
1.6
1.7
ALGEBRA DE MATRICES
CLASIFICACION DE LAS MATRICES CUADRADAS
MATRIZ TRANSPUESTA
MATRIZ TRANSPUESTA-CONJUGADA
TRAZA DE UNA MATRIZ
POTENCIA DE UNA MATRIZ
CUESTIONARIO
001
029
036
043
053
055
067
2.1
2.2
2.3
2.4
2.5
069
080
096
102
106
3.1
3.2
3.3
3.4
3.5
MATRICES EQUIVALENTES
RANGO DE UNA MATRIZ
INVERSA DE UNA MATRIZ
METODOS PARA OBTENER LA INVERSA DE UNA MATRIZ
CUESTIONARIO
109
115
122
130
137
4.1
4.2
4.3
139
143
184
5.1
5.2
5.3
5.4
5.5
5.6
ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES
COMBINACIONES LINEALES Y SUBESPACIOS GENERADOS
INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA
DEPENDENCIA E INDEPENDENCIA LINEAL
BASE Y DIMENSION
185
299
204
212
222
231
5.7
5.8
250
255
6.1
6.2
6.3
6.4
6.5
257
269
273
287
6.6
ESPACIOS EUCLIDEOS
ESPACIOS VECTORIALES HERMITICOS
NORMA, DISTANCIA Y ANGULO ENTRE VECTORES
BASES ORTOGONALES Y ORTONORMALES
SUBESPACIO COMPLEMENTO ORTOGONAL, PROYECCIONES
ORTOGONALES Y DISTANCIA A UN SUBESPACIO
CUESTIONARIO
7.1
7.2
7.3
7.4
7.5
7.6
7.7
7.8
7.9
DEFINICIONES Y PROPIEDADES
REPRESENTACION MATRICIAL. MATRIZ DE CAMBIO DE BASE
ALGEBRA DE TRANSFORMACIONES LINEALES
NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL
TRANSFORMACIONES LINEAES INVERSIBLES
TRANSFORMACIONES GRAFICAS R2
TRANSFORMACIONES GRAFICAS EN R3
FORMAS LINEALES. ESPACIO DUAL
CUESTIONARIO
313
324
334
344
356
362
374
384
386
8.1
8.2
8.3
8.4
8.5
8.6
8.7
DEFINICIONES Y PROPIEDADES
ECUACION CARACTERISTICA. SUBESPACIOS PROPIOS
SEMEJANZA DE MATRICES
MATRICES DIAGONALIZABLES
DIAGONALIZACION DE MATRICES SIMETRICAS Y HERMITICAS
POLINOMIO MINIMO DE UNA MATRIZ
CUESTIONARIO
389
399
414
421
438
447
458
300
310