Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebra II - Armando Rojo
Algebra II - Armando Rojo
A R MA N D O
0.
ROJ O
IIIIIIII
E L A T E N Ewww.FreeLibros.com
O
www.FreeLibros.com
lgebra II
Armando O. Rojo
D c i m a
III1 1 III
JM U
t e r c e r a
e d ic i n
OBRERIA-EDITORIAL
E L
www.FreeLibros.com
A T E N E O
5 1 2 (0 7 5 )
ROJ
R o jo , A rm a n d o O.
A lg e b ra II. - 13a. ed. - B u e n o s A ire s : El A te n e o ,
1995.
X II, 3 9 6 p .; 2 3 x 16 cm .
IS B N 9 5 0 -0 2 -5 2 0 5 -8
I. T tu lo - 1 . M a te m tic a - E n s e a n z a S e c u n d a ria
A d v e r te n c ia im p o rta n te :
Ei d e r e c h o d e p r o p ie d a d d e e s ta o b ra c o m p re n d e p a ra su a u to r la
fa c u lta d d e d is p o n e r d e elia, p u b lic a rla , tra d u c irla , a d a p ta rla o a u to riz a r
su tra d u c c i n y re p ro d u c irla e n c u a lq u ie r fo rm a , to ta l o p a rc ia lm e n te , po r
m e d io s e le c tr n ic o s o m e c n ic o s , in c lu y e n d o fo to c o p ia s , g ra b a c i n
m a g n e to f n ic a y c u a lq u ie r s is te m a d e a lm a c e n a m ie n to d e in fo rm a ci n .
P o r c o n s ig u ie n te , n a d ie tie n e fa c u lta d a e je rc ita r los d e re c h o s p re cita d o s
s in p e rm is o d e l a u to r y del e d ito r, p o r e scrito.
Los in fra c to re s se r n re p rim id o s c o n la s p e n a s d e l a rtc u lo 172 y
c o n c o rd a n te s del C d ig o P e n a l (a rts . 2 , 9 ,1 0 , 7 1 , 7 2 le y 1 1 .7 2 3 ).
Q ueda hecho el depsito que establece la ley Ns 11.723.
1 9 7 3 , 1975, 1976 (3a y 4 a edicin), 1978, 1980,
1981, 1983, 1985, 1987, 1 99 1 ,1 9 9 3, 1995, "EL ATEN EO " Pedro G arca S. A.
Librera, Editorial e Inm obiliaria, Florida 340, Buenos Aires.
Fundada en 1912 p o r don Pedro Garca.
Im preso en T. G. C O LO R EFE,
Paso 192, Avellaneda, Bs. As.,
el 6 de m arzo de 1995.
Tirada: 2.000 ejemplares.
IM PR ESO EN LA AR G EN TIN A
www.FreeLibros.com
P R O LO G O
Este libro responde a los contenidos de la asignatura ALG EBRA LINEAL, que
figura en los planes de estudios del ciclo bsico de Matemtica de las facultades e
institutos ote profesorado. Se supone adquirido el conocimiento de los temas
relativos al lgebra de conjuntos, relaciones, y funciones, y de las estructuras de
grupo, anillo y cuerpo. Esencialmente se desarrolla a q u la estructura de espacio
vectorial y se estudian los modelos particulares indispensables en la formacin actual
de profesionales y en las aplicaciones a disciplinas de uso cotidiano, entre las que
citamos, por ejemplo, la Estadstica y la Investigacin operativa.
El esquema seguido es anlogo al expuesto en Algebra I, editado por EL
ATENEO en 1972. La teora es ilustrada con el desarrollo de ejemplos en los que el
alumno puede apoyarse. En cada captulo se propone un trabajo prctico cuyas
respuestas se sugieren en el texto.
Agradezco a la editorial EL ATENEO y a su personaI la colaboracin que me
han brindado en todo lo concerniente a esta publicacin.
A R M A N D O O . R O JO
www.FreeLibros.com
aI
pi
)It
www.FreeLibros.com
CONTENIDO
aptulo 1. ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIO
I
!
,
,
2. 3. Subespacio generado
2 . 4. Dependencia e independencia lineal
2. 5. Sistema de generadores
2. 6 . Base de un espacio vectorial
2. 7. Dimensin de un espacio vectorial
2 . 8 . Dimensin de la suma
Trabajo Prctico II
www.FreeLibros.com
1
1
6
7
10
11
13
15
20
27
30
30
34
42
51
^
53
57
60
63
66
66
72
80
83
85
86
92
93
96
98
in i
^
X
Captulo
C O N T E N ID O
4. MATRICES
4. 2. Producto de matrices
4. 3. Anillo de matrices cuadradas
4. 4. Trasposicin de matrices
4. 5. Matrices simtricas y antisimtricas
4. 6 . Matrices triangulares
4. 7. Matrices diagonales
4. 8 . Matrices idempotentes e involutivas
4. 9. Inversa de una m atriz no singular
4.10. Matrices ortogonales
4.11. Matrices hermitianas
4.12. Matrices particionadas
4.13. Espacios fila y columna de una matriz
4.14. Operaciones y matrices elementales
4.15. Equivalencia de matrices
4.16. Mtodo de Gauss Jordn para determinar el rango
4.17. Inversin de matrices por Gauss Jordn
4.18. Inversin de matrices por particin
4.19. Cambio de base y semejanza de matrices
Trabajo prctico IV
Captulo
5. DETERMINANTES
5. 2. Determinantes
5. 3. Propiedades de la funcin determinante
5. 4. Existencia de D
5. 5. Unicidad del determinante
5. 6 . Determinante de la traspuesta
5. 7. Determinante del producto de dos matrices
5. 8 . Adjunta de una m atriz cuadrada
5. 9. Inversin de matrices no singulares
5.10. Regla de Cilio
Trabajo Prctico V
www.FreeLibros.com
106
106
109
110
112
114
114
115
1 16
117
118
121
123
130
133
135
138
141
144
149
155
155
157
161
163
166
169
170
172
174
177
181
181
187
188
190
196
198
202
205
210
C O N T E N ID O
www.FreeLibros.com
XI
214
214
219
222
223
223
225
225
229
232
233
236
239
246
249
251
253
257
263
263
270
276
279
282
285
289
289
293
294
296
299
300
303
307
310
311
314
318
321
X II
C O N T E N D IO
325
325
330
336
339
342
344
346
356
BIBLIOGRAFIA
359
361
INDICE
393
www.FreeLibros.com
Captulo 1
1.1. INTRODUCCION
La estructura de espacio vectorial, que tratam os en este captulo, es el concepto bsico
del Algebra Lineal. Confiere unidad y precisin a temas esenciales de la matemtica que
tienen vastas aplicaciones en la ciencia y en la tecnologa actuales. Despus de introducir el
sistema axiomtico y de dar las propiedades fundamentales, proponemos los espacios
vectoriales de funciones,de los que se derivan los modelos de los espacios de matrices,
nuplas y sucesiones de elementos de un cuerpo. Se da, finalmente, el concepto de
subespacio.
1.2. CONCEPTO DE ESPACIO VECTORIAL
Sean: V un conjunto no vaco, K un cuerpo, + y . dos funciones, que llamaremos suma y
producto, respectivamente.
Definicin
El objeto (V, + , K , . ) es un espacio vectorial si y slo si se verifican los siguientes:
Aj . La suma es una ley de composicin interna en V.
+ : V2 -> V
O sea
xeV
y e V =>x + y e V
www.FreeLibros.com
x e V =>ax e V
(0 x ) - (a p) x
Observamos aqu que los dos productos que figuran en el primer miembro
corresponden a la ley de composicin externa. Pero el producto a p del segundo
miembro se efecta en K.
A8 . El producto es distributivo respecto de la suma en K.
V a e K , V 0 e K , V x e V : ( a + 0 ) x = a x + (}x
La suma a + 0 se efecta en K, pero la suma que figura en el segundo miembro
corresponde a la ley de composicin interna en V.
Ag . El producto es distributivo respecto de la suma en V.
V a e K , V x e V , V y e V ; a,(x + y ) - o , x + o ; y
Las dos sumas se realizan en V.
A ,0 . La unidad dei cuerpo es neutro para el producto.
V x e V : Ix = x
donde 1 denota la identidad en K.
Los axiomas A ,, A2 , A 3, A 4 y As caracterizan a (V , + ) como grupo abeliano. Los
ltimos cinco axiomas son relativos a la ley de composicin externa.
Los elementos de V se llaman vectores; en particular, el elemento neutro para la suma
www.FreeLibros.com
ESPACIO VECTORIAL
x 4- y es una suma en V
a (i es un producto en K
Ejemplo 1-1.
Sean: V = R2 , K = R, la adicin definida en R 2 por
(a , b) + (c , d ) = (a + c , b + d)
(1)
b)
= (oca, ot b )
(2 )
A7 . a
= (a 0) (a , b)
otb
+ a d ) = (Oia,
<x b )
( a (a + c ) , a (b + rf)| =
+ ( ot e, o c d ) ~ a ( a ,
b)
www.FreeLibros.com
+ a ( c , d)
Ejemplo 1-2.
En R2 se definen: la suma, como en el ejemplo anterior, y la ley de composicin
externa mediante
( , * ) = (a , a)
(2)
www.FreeLibros.com
ESPACIO VECTORIAL
{$(<*,b)) = <*(a,a) = ( a , a ) = ( a $ ) ( a , b )
No se verifica A8 , ya que
(a + i 3 ) ( a , b ) = (a, a)
pero
a (a , b) + 0 (a , b) = (a , a) + ( a , a) = (2a , 2a)
Este hecho es suficiente para afirmar que no se trata de un espacio vectorial.
El lector puede comprobar que esta interpretacin cumple A9 pero no A 10 .
Observamos aqu que la estructura de espacio vectorial no es inherente exclusivamente
al conjunto V, sino que, adems, depende de K y de las leyes de composicin que se
definan. Aclaramos que toda vez que se mencione al espacio vectorial (R 2, + , R , .) se
sobrentender que la suma y el producto son los definidos en (1) y en (2) del ejemplo
Ejemplo 1-3.
La estructura de espacio vectorial no es un sistema axiomtico independiente, pues As
puede deducirse sobre la base de los restantes axiomas.
En efecto
www.FreeLibros.com
x + x + y + y ^ l x + lx + ly + ly = (1 + l ) x + ( l + l )y (1 + 1 ) 0 + y)
= 1 (x + y ) + 1 (x + y ) = l x + ly + l x + ly = x + y + x + y
en virtud de Aio , Ag, A9 , Ag , A9 y A 10 .
O sea
X + x + y +*y - X + y + x + y
Por ley cancelativa en el grupo (V , + ) resulta
x + y =y + x
Ox
www.FreeLibros.com
lx ~ 0
x=0
a ) x +-e'X'= - ( a x) + jxjc
VjccX
VxeX
www.FreeLibros.com
.f e Kx
+ h (x) =
.a e K
A 7
. S e a n a e K ,/3 e K y f e K x .
A f e K x
=> a f e K x
p o r la d e f i n i c i n i i ) .
www.FreeLibros.com
Entonces
(a<JJf)) W = ( ( O W ) = ( p f ( x ) ) = (a fl) f(je ) = ( ( a f t j (x)
Luego
a (/3 f) = (a /? )f
A8 . Considerando
a e K , 0 e K y f e K x es
(( + P) f j (*) = (a + p) f (x) = a f (x) + p f (X) =
= (a f) (jc) + (/i f) (x) = (a f + p f) (x)
en k ) i r " 3 tenend CUe,,ta i0 13 dS,ributiVdad ^ 13 asociatividad del producto
Entonces es
(a + |3)f = a f + 0 f
A9 . Sean a e K , f e K x y g e K x .
y 0 r2 e 0, distdbutividad del pr0duct0 resP de la suma en K y por las definiciones ii)
IZltZl
www.FreeLibros.com
<.
10
(0 = oc f (/) = a a
www.FreeLibros.com
ESPACIOS DE N -U P L A S Y DE MATRICES
jx
12
22
. . . a Xm
a2m
www.FreeLibros.com
12
A=
11
12
13
21
22
23
ni
n2
i,
l2m
a n3
www.FreeLibros.com
13
ESPACIO DE SUCESIONES
Ejemplo 1-4.
En R2 x 3 se consideran las matrices A y B cuyos elementos genricos son a a = 2i - j y
j .j = 1 i2 . Obtenemos C = A 2B.
La expresin de C es C = A + ( 2)B, y como
1
0 -1
B=
1/
resulta
1
0 -1
C=
+ bi V i e N
c = (a f) (/) = a f (i) = a a V i e N
O sea
(j, a 2,
+ ( i, b 2, bn, . . .) = (fli + b i, a 2 + b 2, . .
an
.)
www.FreeLibros.com
14
Ejemplo 1-6
Sea S el conjunto de las funciones reales definidas en [0,1 ] tales que f (0) = 0, es decir
S = f : [ 0 , l ] ^ R / f ( 0 ) = 0j
Como todo elemento de S pertenece a R f0,1
es S C R l0-1)
www.FreeLibros.com
SUBESPACIOS
A2
15
A6 a e R a f e S ^ a e R a f ( 0 ) = 0 = > a f ( 0 ) = 0 = > ( a f ) ( 0 ) = 0 = o t f e S
Los restantes axiomas, lo mismo que A 2 y A5 , por ser identidades en Rla se
cumplen en S ya que S C R ^01 J.
En consecuencia, (S, + , R , .) es un espacio vectorial.
1.8. SUBESPACIOS
1.8.1.
Concepto
S = {(x, y ) e R 2 f y = 2 x )
www.FreeLibros.com
16
e s c a la r c s .
www.FreeLibros.com
SUBESPACIOS
x e S A y e S = > x e S A ( - l ) y e S = ^ x e S A - y e S =>
17
x + (-y )e S
Estas condiciones son, adems, necesarias. Es decir, sabiendo que S es un subespacio son
proposiciones verdaderas.
Ejemplo 1-8
Sean: el espacio vectorial (R 3 , + , R , .), y el conjunto S de las ternas ordenadas de R
tales que la tercera com ponente es igual a la suma de las dos primeras.
O sea
S= { ( x ^ ^ ^ e R 3 l x z = *i + *2 f
Afirmamos que S es un subespacio de R 3 , pues
1. (1, 2, 3) e S => S =0
2. S C R3 por la definicin de S.
3. (x,
X 2 , X 3)
e S A O i , ^ 2, ^ 3) e S
=>X3 = X t
+ X2 A y 3 - y l + y 2
^ ( x If x 2, x 3) + ( y l t y 2, y 3) e S
Hemos aplicado sucesivamente: la definicin de S, la adicin en R, la definicin de S y
la definicin de suma de ternas.
4. a e R a (xj, x 2l x 3) e S ^ a e R a x j =a : 1 + x 2 =>
^ax
+ otx 2 :* ( o i x 1 , a x 2 , a x 3) e S = * o c ( x l , x 2, x 3) e $
www.FreeLibros.com
18
f l e\ CT
tiene Un subesPacio de R l. como fue tratado en detalle en el eiemolo
1-6. Independientem ente del anlisis realizado en el ejemplo citado se U a f
misma conclusion aplicando el teorem a demostrado, pero en forma m s'staple
En cuanto alcaso 2., S no es un subespacio, pues no es cerrado m ra l
p
efecto, las funciones f y g de I
en R definidas por
P" a a SUma' E"
f(r) = j ; + l
g (^ )==x2 + 1
g(0) = 1
j ( x l t x 2, x 3, * 4) e R 4 /x1 + x 2 + x 3 + x 4 = 1 j
Se verifica que
1.
pues (1, 0 ,0 , 0 ) e S
2. S C R 4 por la definicin de S
3. S 110 es cerrado para la suma ya que
(1, 1 , - 1 , 0 ) e S a (I, 1, - 1 , 0) e S pero
* t o matdCeS CUadradas
www.FreeLibros.com
filas y
19
SUBESPACIOS
Si A e R *n escribimos
au a n
#21 #22
ln
a2n
A=
\ &n 1
nn
Por definicin, traza .de una m atriz cuadrada es la suma de los elementos de su
diagonal. La notacin es
tr A = a n + 22 + . . . + ann - 2^ ati
El conjunto
S = ( A e R nx" / fr A = 0
es el conjunto de las matrices de traza nula de R nxn, y constituye un subespacio, pues
se verifica:
1. S =0, pues la matriz nula N es de traza nula, y en consecuencia es un elemento
de S.
2. S e Rnx" por definicin de S.
3. S es cerrado para la adicin.
Sean A y B dos matrices cualesquiera de S. Entonces
n
= i a + i bu = 0
= i
=i
(= 1
(a + b u) = 0=>
ii
=> tr (A + B) = 0 => A + B e S
4. S es cerrado para el producto por escalares. En efecto
n
a e R A A e S = >a e R A - A = 0=> a e R A 2 t- = 0=>
=i
n
=> a 2 a a - 0 =S
i= l
i 1
a ai = 0 *=> tr (a A) = 0 =* a A e S
Ejemplo 1-12.
Consideremos S =
( R2 ,+> R, .)
Se ve de inmediato que no se verifica A4, pues no todo elemento de S admite
opuesto en S. As
(0, - l ) e S p e r o (0, 1 ) S
www.FreeLibros.com
>
(ylty 2 ) e s
^ siguiente
t *2
www.FreeLibros.com
INTERSECCION DE SUBESPACIOS
Tesis)
21
r io
i el
sfcv,v/ei=>
16 I
sfcv=>scv
=>X S
i el
y e S i , Vi e I => x + y e S, Vi e I ==>
^ x + y e P s ^ x + yeS
ie l
Ejemplo 1-13
En (R 3, + , R , .) consideramos los subespacios
Si = j ( x , , x 2 x 3) e R 3/x3 = 0 j
S2 = j ( x I l x 2 l x 3) e R 3/ x I= 0
La interseccin de estos es
S = Si n S2 = j (X|, x 2, x 3) e R 3/ x i = 0 a x 3 = 0 }
www.FreeLibros.com
22
Esto significa que un vector genrico de S es una terna del tipo ( 0 , x 2, 0) que puede
expresarse mediante (0, a , 0) para algn ol en R.
Entonces
S = ((0 , a, 0) e R3 /a e R )
O sea, S es el eje x 2
Subespacios de R3 son: R 3 , {0 }, todas las rectas que pasan por el origen y todos los
planos que pasan por dicho punto. Dos rectas distintas que pasan por e! origen son
subespacios cuya interseccin es el vector nulo, y se llaman disjuntos.
1.9.2. Unin de subespacios
Si Si y S2 son dos subespacios de (V, + , K , .), entonces S i U S2, no es necesariamente un
subespacio de V, como lo prueba el siguiente ejemplo:
Consideremos en (R 2 , + , R , .) los subespacios Sj y S2 de la figura
www.FreeLibros.com
SUMA DE SUBESPACIOS
23
La unin de ambos es el par de rectas, y eligiendo x e S , , y e S2, distintos del vector nulo,
se tiene
x e S j =>xeS! U S 2
y e S 2 =>y e S i u s 2
pero
x + y / S ! U S2
1.9.3. Suma de subespacios
Sean Si y S2 dos subespacios de (V, + , K , .). Definimos el conjunto
S = ( x e V / x = xj + x 2 a x i e S i a x 2 e S 2 1
O sea
S = | x e V / 3 x 1 e S 1A 3 x 2 e S 2 A x = x! + x 2 )
El conjunto S se llama suma de los subespacios S t y S2 y se indica
|
j
!
S = S1 + S 2
Teorema. La suma de dos subespacios de V es un subespacio de V.
Hiptesis) Sj y S2 son dos subespacios de (V, + , K , .)
S= S!+S2
Tesis) (S, + , K , .) es un subespacio de (V, + , K ,.)
Demostracin) Se verifican las condiciones expuestas en 1.8.2., a saber
1. S es no vaco, pues
O e S i A 0 e S 2 ^ 0 + 0 = 0 e S i + S2 = > 0 e S
2. S es una parte de V, por la definicin de S.
3. S es cerrado para la suma, ya que
www.FreeLibros.com
24
Ejemplo 1-14
Consideremos primero los subespacios de R 3
S , = ( a , 3, 0 ) / a RA( J c R |
S2 = j ( 0 , 0 ", y ) / r e R a t e R )
El subespacio suma S = Si + S2 est formado por todas las ternas del tipo
(a, 0 +
y ) = (<*,(}, y )
En cambio, si
St H ( t t , 0 , 0 ) / a e R [
S2 = j (0 J , O)/0 e R )
se tiene
S = S , + S2 ~
0 )/a e R A / 3 e R )
www.FreeLibros.com
Sn de (V, +, K , .) es el conjunto
Resulta S = 2
Ejemplo 1-15
Sean S, T y U subespacios de (V, + , K , .), tales que T C S . Entonces se verifica que
s n ( T + u) = T + ( s n u )
I o. x e S n ( T + U ) = > x e S A x e T + U=>
www.FreeLibros.com
25
= * x e S A x = x 1 -f-XjAXi e T A x 2 eU=
=^(xi + x 2 e S A X ] e S ) a x2 e U a Xi e T =>
^ X j T a x 2 e S A x 2 eU=>
=> x t e T a x 2 e S n U =xi + x 2 e T + (S n U) =
=>xeT + (SnU )
O sea
sn(T + u)cT + (snu)
(i)
www.FreeLibros.com
(2)
TRABAJO PRACTICO I
1-16. Determinar si las cuaternas que se indican denotan espacios vectoriales con las
operaciones que se indican
i
) (R, + , Q ,.)
i) (Q} + j r
iv) (R, +, Z , .)
i i ) (Q, +, Q , .)
i ) x + y = 0 = > y ~ x
i i ) x + y = x = >y = 0
1-18. Determinar ct sabiendo que y ^ 0 y que
(1 - a ) x + a ( x y) = x y
1'19. Considerando V = Rr , o sea, el conjunto de las funciones reales con una variable real,
y K = R, investigar si son espacios vectoriales sobre R:
i ) El conjunto de las funciones continuas,
i i ) El conjunto de las funciones derivables.
i) El conjunto de las funciones pares, o sea, las funciones f e R R tales que
f 0 0 = f (-x).
iv) El conjunto de las funciones impares, es decir, las aplicaciones f c R R que
verifican f (x) = f (-x ) .
v ) El conjunto de las funciones constantes,
vi) El conjunto de las funciones no negativas.
1-20. Sean V = R2 y K = R. Determinar si las siguientes operaciones definen sobre V una
estructura de espacio vectorial.
( a , b ) + (a , b ,) = ( l a + l a l } + l f
2
oc ( a , b) ~ (ota, ab)
1-21. Determinar si (C2 , + , C ,.) es un espacio vectorial, definiendo
( z , , z 2) + ( z l r z 2) ^ ( z 1 + z l t z 2 + z 2)
z ( z i , z 2) = ( z z l , z z 2)
www.FreeLibros.com
})
'
28
ESTRU
CTURA DE ESPACIO VECTORIAL. SUBESPACIOS
) S = ( ( x 1, x 2f x 3) e R 3/ x 1 + x 3 = 0 J
i i ) S = ( ( x 1, X 2 , x 3) e R 3/ i x 1 1= 1^2 l)
iii) S = | (x 1( x 2, x 3) e R 3/ x 3 =X i + 2 )
1-23. Sea el espacio vectorial ( R " ,+ , R , .). Determinar si los siguientes conjuntos son
subespacios de R"
i ) S = ((Xi, x 2, . - - x n) e K n x n e Z \
ii) S = ( ( x i , x 2, ..
x)eR ^S
iXi^O Aai
eR}
=>aj
S - ( ( x , ^ ) / ( x - ^ ) 2 = (x + ^ )2)
ii) T = ( ( x , y ) / - ^ x + y = x ~ ^ y \
1'29. Considerando (C2 , + , R , .) el espacio vectorial de los pares ordenados de nmeros
complejos sobre el cuerpo de los reales, investigar si los siguientes conjuntos son
subespacios del mismo.
1 ) S = j (z , u ) e C2/z 2 + u 2 = 0 J
i i ) S = |(z , u) e C2z + 2 e R |
iii) S = {(z , u) e C2/ R e (z) = R e ())
iv) S = J (z , u ) e C2 / Im (z) = 0
R e (z - u) = Im (z) f
www.FreeLibros.com
TRABAJO PRACTICO I
29
v ) S = j ( z , i / ) e C 2/z= u |
vi) S = I (z , u) e C 2 / m (z) - /m () = 0)
1-30. Sean S, T y U subespacios de (V, + , K, .) Demostrar
i
) S + T = T+S.
i i ) S + (T + U) = (S + T) + U.
iii) S C S + T .
1-31. Demostrar que si el subespacio S de (V, + , K , .) es la suma directa de los subespacios
Si y S2 , entonces todo vector de S puede expresarse demodo nico como la suma de
un vector de S t y uno de S2 .
1-32. Sean ( Rnxn , +, R , .) y los subconjuntos
S = { A e R nKn
V/ V/ )
T = 1 A e R,,Xl I a = - a Jt Vi V ;)
Por definicin, los elementos de S se llaman matrices simtricas, y los de T se llaman
matrices antisimtricas.
Demostrar
I o. S y T son subespacios de R " xr*
2 . R " X" = S T
www.FreeLibros.com
C apitulo 2
D EPEN D EN C IA E IN D E P E N D E N C IA LINEAL,
B A S E Y D IM E N S IO N
2.1. INTRODUCCION
En esta unidad introducimos las definiciones de combinacin lineal de un conjunto no
vacio de un espado vectorial y de subespacio generado por el mismo. Se estudian la
dependencia e independencia lineal y los sistemas de generadores, a fin de caracterizar los
conceptos de base y de dimensin en el caso finito.
"
* "
Definicin
Combinacin lineal de la familia A C V es todo vector del tipo
n
.2
o b t t e P
r n u l o '
= a , Vl + 2 v2 + . . . + tt vn I oc g K. a v c A
S n nUl S h C mb aC"
* >vial
tri y se
Definicin
El vector v e V es combinacin lineal de la familia A c V si y slo si exist
,
<*i, <*2 , . .
tales que
y
ten escalares
www.FreeLibros.com
31
COMBINACIONES LINEALES
Ejemplo 2-1.
Sean los vectores v, = ( - 1 , 0, 2) y v2 = ( - 1 , 2 ,4 ) en R 3 . Determinamos si los vectores
v = ( - 1 , 1, 3) y u - (1, 2, 2) son combinacin lineal de Vj y v2 .
1. Para que v sea combinacin lineal de v t y v2 deben existir escalares oi y a 2 tales
que
i V! + a 2 v2 = v
O sea
a , ( - 1 , 0 , 2) + o2 ( - 1 , 2 ,4 ) = (1, 1, 3)
Por definicin de ley externa es
( - a j , 0, 2
) + ( - a 2 , 2 a a , 4 a a) - ( - 1 , -1,3)
2 ai + 4 a 2 =3
Entonces
01 +
q2
= 1
1
ct2 - -
a t + 2o^ = -
Oj + - =
1 =*0 ti =
.
www.FreeLibros.com
1 + v2.
2
32
- Ci! 2
0i2 - -1
O! +
0i2 = l
<*2 = 2
o bien
a2 =
O'!
+ 2<*2 =
2i + 4<2 = 2
De donde
g ( 0 = e 3
Determinar todas las combinaciones lineales, es decir, los escalares a y b, tales que
a i + >g = 0
donde 0 denota la funcin nula, definida por 0 () = 0 , V t R.
Por definicin de funciones iguales, suma de funciones y producto de escalares por
funciones (vase 1.4.) se tiene
a f (?) + b g (f) = 0 cualquiera que sea t e R
O sea
aet + b e ^ t = 0
(1)
www.FreeLibros.com
COMBINACIONES LINEALES
Ejemplo 2-3-1.
D ecidim os si el vector v = (1, 2 ,3 ) es com binacin lineal de la fam ilia cuyos elementos
son los vectores de R 3
Vl = ( 1 , 0 , - 1 )
va = ( 0 , 1 , - 1 )
v 3 = ( 1 , 1, 2)
a Vi + / j v 2 +
cv3
(0, , 1) + c (1, 1, 2) = ( 1 ,2 ,3 )
Efectuando operaciones
(a, 0, - a ) + (0, b, - b ) + (c, ct - 2 c ) = (1 ,2 , 3)
(a + c, b + c, ~ a - ft- 2 c ) - ( l , 2 ,3 )
Por igualdad de ternas es
a+ c- 1
b + c=2
a b - 2 c = 3
Sumando las tres relaciones se tiene
0
lo que es imposible.
En consecuencia, v no es combinacin lineal de Vi , v2 , y v 3 .
Ejemplo 2-3-2.
En el espacio vectorial (R 2X2, + , R , .) se consideran las matrices
www.FreeLibros.com
33
34
W ) + / . u
a)
\ 0
\y
0 /
\0 + 7 a + y)
/o
\0
0 \
0/
0 +
0 =
oc + y = 0
<y = _ 0
Sustituyendo en la tercera es
-2 0
O sea
0 = 0
Luego a = 0 = 7 = O y l a nica combinacin lineal que satisface la relacin propuesta es
la trivial.
v
v } , entonces escribiremos
^ = (i? i a v* / e K A vi e A )
Ejemplo 2-4.
El conjunto de todas las combinaciones lineales de los vectores
v, = ( 1 , 0 , 1 )
v2 = ( 0 , 1 , l ) d e R 3
www.FreeLibros.com
SUBESPACIO GENERADO
35
es
= { i ( 1 , 0 , 1 ) + o2 ( 0 ,1 , l ) / *! e RA (*2 e R
O sea
= j ( a j , o t a , ! + <*2 ) /<*i c R a a 2 e R |
En consecuencia, a A pertenecen todas las tem as cuya tercera componente es la suma
de las dos primeras.
Podemos escribir
A = ) (x i, x 2, x 3) e R 3 1 x 3 =Xi + x 2 )
2.3.2. Subespacio generado por una familia de vectores
Teorema. El conjunto de las combinaciones lineales de toda familia no vaca de un
espacio vectorial es un subespacio del mismo.
Hiptesis) (V, + , K , .) es un espacio vectorial
A = ( v i, va, .,v C V
Tesis) (A, + , K , .) es un subespacio de V
Demostracin)
1. Siendo Vi = 1 v t + 0 v2 + . . . + 0 v se deduce que Vi e A, o sea, A
2. Por definicin, se tiene
n
www.FreeLibros.com
36
0, v , = a v e
Como se cumplen las hiptesis del teorema 1.8.2., resulta (A, +, K ,.), un subespacio de
1 5 i, IV,
Definicin
El subespacio de las combinaciones lineales de la familia no vaca A C V se llama
subespacio generado por A.
Ejemplo 2-5.
Determinar el subespacio de (R 3 , + , R ,.) generado por la familia A cuyos elementos
son los vectores
v, = ( 2 , 1 , 2 )
v2 = ( 1 , 2 , 1 )
= (2
= (2 a , + a 2 ( a , + 2a2, 2a t + a 2)
Por igualdad de ternas es
2 aj + a 2 = x t
a i + 2a2 ~ x 2
2 aj +
a 2 =x
www.FreeLibros.com
SUBESPACIO GENERAD O
Ejemplo 2-6.
Obtener el subespacio de (R2 x 2 , + ,.) R
generado
,
por las matrices
1
0\
/O I
V, =
0 0
1 0
V,- e A )
'
0'
0 0
0)1 o - i / + 2lo o / + 3 U 0,
Realizando operaciones en R2x2es
www.FreeLibros.com
c d
38
DEPENDEN
CIA E INDEPENDENCIA LINEAL. BSE Y DIMENSION
En consecuencia
- a , oc2 = b , a 3 = c , - a , - d
Luego
d - a y b y c
son nmeros reales cualesquiera.
Los vectores de A son matrices del tipo
( : .* )
Es decir, es el subespacio de matrices de traza n ula.
2.3.3. Propiedad
El subespacio generado por una familia no vaca de un espacio vectorial es la interseccin
de todos los subcspaeios que incluyen dicha familia.
Hiptesis)
(> ^A = j v j , v 2 l . . ., v j C V
( S,- J con i e I es la familia de tocios los subespacios que incluyen A.
Tesis) A = D S,iel
Demostracin)
Probaremos lasao s inclusiones que conducen a la igualdad.
1. c ne l s
En efecto
n
x e A =>x = 2 <xj Vj
n
=>x = 2 dj \ j
a y
eK
dj e K
e A =>
v;- e Sf , Vi e I =>
2. i ne l s1 c
Como todo v,- de A es combinacin lineal de los elementos de A, pues
vf = 0 v, + 0 v2 + . . . + lv (- + . . . + 0 v,
www.FreeLibros.com
SUBESPACIO GENERADO
39
se tiene que.
ACA
Ysiendo A un subespacio que incluye a A, se identifica con algn S e s decir, existe; en
I tal que S;- = .
Por otra parte, como la interseccin est incluida en cualquiera de los conjuntos que se
intersecan, es
s' c
Por lo tanto
A =n
el
s,
En virtud del teorema demostrado, observamos que el subespacio generado por una
familia no vaca de vectores de V z> ei m nim o subespacio, en el sentido de inclusin, que
incluye a A.
Ejemplo 2-7.
Demostrar que los siguientes conjuntos de vectores generan el mismo subespacio de
R 3.
A = j (1, 1, 1) , (3, 0, 1) |
B = j ( - 2 ,- 1 ,0 ) ,(5,-2,3 ))
Determinaremos y B.
1.A A pertenecen las ternas (x, y , z), tales que
( x , y , z ) = t ( 1, 1, 1) + ( 3 , 0 , i)
Entonces
(x, y , z) = (t, - t , t) + (3u, 0, )
(x, y , z) = (t + 3 , - t , t + u)
Luego
x = t + 3u
y --t
z-t +u
Como t = - y , se tiene
x = - y + 3u
www.FreeLibros.com
O sea
= - y + 3u
3 2 = - 3 y + 3u
Restando
x - 3z = 2y
Resulta
A = j ( x , y , z ) e R 3 x - 2y - 3 z - 0
2. Procediendo anlogamente para obtener B es
(x, y, z) = t ( - 2, 1 ,0 ) + u (5, 2, 3)
(x, y, z) = ( - 2 1, - t , 0) + (5m, 2, 3)
(x, _v, z) = (2t + Su, t 2u, 3)
O sea
x = 2 1 4- 5
y = - t - 2U
z = 3u
Como u - z , se tiene
3
x = - 2t+7 *
y ~ - t ----- - z
3
O bien
x
= 2 H z
3
2y
= - 2 t ----- - z
3
Restando
x 2y - 3z
Luego
B = \ ( x , y , z ) e R 3 l x ~-2y -3z = 0
Resulta
A=B
La ecuacin x - 2 y - 3 z = 0 corresponde a un plano que pasa por el origen.
www.FreeLibros.com
SUBESPACIO GENERADO
Ejemplo 2-8.
El subespacio de (V, + , K , .) generado por un vector v es, en particular, el conjunto de
todos los mltiplos escalares de v, o sea
{ b / j k e K
Determinamos el subespacio de R2 generado por v = (1,2).
Llamando S a tal subespacio, se tiene
S = ( ( x l , x 2) l ( x l , x 2) := k ( l , 2)
En consecuencia
{ x t , x 2) = (k,
2 k)
O sea
Xi=k
x 2 = 2k
2x - x 2 = 0
Entonces
S - j ( X , x 2) e R 2 / 2 x i ~ x 2 = 0
www.FreeLibros.com
41
42
g ( ) = e 3f
y la funcin que asigna a todo nm ero real t, el valor 0, es el vector nulo. Este hecho se
traduce diciendo que los vectores f y g son linealmente independientes, o bien que el
conjunto {f, g } es linealmente independiente.
Sea A = | v j , v2 , . . . , vr | una familia de vectores del espacio (V, + , K ,.).
Definicin
La familia A C V es linealmente independiente si y slo si la nica combinacin
lineal de dicha familia, cuyo resultado sea el vector nulo, es la trivial.
En smbolos
>
A es linealmente independiente o Vz: .2 a v = 0 = a = 0.
La independencia lineal de un conjunto finito y no vaco de vectores significa que no
puede darse una combinacin lineal de dicho conjunto que d el vector nulo, con algn
escalar distinto de cero.
Para investigar la independencia lineal de un conjunto de vectores, se propone una
combinacin lineal de stos, con escalares a determinar, que sea igual al vector nulo. Si los
escalares son necesariamente nulos, entonces el conjunto es linealmente independiente.
Convenimos en que el conjunto vaco es linealmente independiente.
Definicin
El conjunto A C V es linealmente independiente si y slo si todo subconjunto finito de
A es linealmente independiente.
Esta definicin extiende el concepto de independencia lineal a toda familia de vectores de
un espacio V.
www.FreeLibros.com
INDEPENDENCIA LINEAL
Ejemplo 2-9.
Dado el espacio vectorial (R 3 , +, R , . ) determinar si los siguientes conjuntos de
vectores son linealmente independientes.
i ) A = ( ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1)|
ii) B = 1 ( 1 , - 1 , 0 ) , ( 1 , 1 , 2 ) , ( 1 , 0 , 1))
i ) Sea
1 ( 1 , 0 , 0 ) +
( 0 , 1 , 0 ) + *3 ( 0 , o, 1 ) = ( 0 , 0 , 0 )
( i , 0, 0 ) + ( 0 , 0 2 , 0 ) + (0, 0, a 3) = (0, 0 ,0 )
( 1 , 0 2 . 3 ) = ( 0 , 0 , 0 )
Por igualdad de ternas resulta
oi = a 2 = a 3 = 0
Luego
A es linealmente independiente
ii) Procediendo anlogamente
oi (1, 1, 0) + a 2 (1 ,1 , 2 ) +ce3 ( 1 ,0 ,1 ) = (0 ,0 , 0)
(a,,
, 0) + (a 2 , Os, 22) + (a 3 , 0 , a 3) = ( 0 ,0 ,0 )
(<*! + o2 + a 3 _ a i +
*2 a 2 + 0 3 ) = ( 0 , 0 , 0 )
Entonces
gi + a 2 + o3 = 0
- a , + <*2
=0=>a1 = a2
a-i + a 3 = 0 =a 3 = - 2o2
2
Las infinitas soluciones de este sistema de ecuaciones son
<Xx~k
<*2 = k
ot3 = 2 k
c o n fc e R
www.FreeLibros.com
44
V e [0,1 ] es
i sen
t + a2 c o s t ^ O
( 1) V i el
Derivando
oi eos t - a 2 sen t = 0
(2)
A=
Aa, =
sen t
eos t
eos t - sen t
0
= -se n t - c o s 2 / = - 1
eos t
0 - sen t
-0
A a2
sen t 0
eos t 0
= 0
Y la nica solucin es
= o 2 = 0
O sea
V], v2 } es linealmente independiente
Ejemplo 2-11.
Sabiendo que dos vectores vj y v2 son linealmente independientes en ( V , +, K )
demostrar que Vj + v2 y v2 son linealmente independientes.
Consideremos una combinacin lineal de la familia ( v t + v 2 , v 2 } que sea igual al
vector nulo, con escalares a y b, que determinaremos:
a (v i + v2 ) + b v2 = 0
Por distributividad respecto de la suma en V
a Vi + a v 2 + b v 2 = 0
www.FreeLibros.com
DEPENDENCIA LINEAL
45
2.4.2. Propiedad.
Si un vector es combinacin lineal de una familia linealmente independiente, entonces
dicha combinacin lineal es nica.
Sea v e V
V = 2 0f v
1=1 1
tales que
v = 2fi vf
1=1
Entonces
.2
i=i
v f = 2 fr v
ii
O sea
2 ai Vf - 2
=i
1=1
/3v = 0
Luego
.2 ( a f - f c ) v , = 0
1= 1
www.FreeLibros.com
46
DEPENDEN
CIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
a , ( 1 , - 1 , 0 ) + 0 2 (1, 1 , 2 ) + a 3 ( 1 , 0 , 1 ) - ( 0 , 0 ,0 )
Diremos que los vectores (1, - 1 , 0 ) , (1, 1, 2) y (1 ,0 , 1) son linealmente dependientes.
Definicin
La familia A C V es linealmente dependiente si y slo si no es linealmente
independiente.
La familia A = {Vi , v2, . . . , vr [ es un conjunto linealmente dependiente de vectores
de V si y slo si existe una combinacin lineal no trivial de dicha familia cuyo
resultado sea el vector nulo.
Negando las dos proposiciones que figuran en la definicin de independencia lineal, se
tiene
A es linealmente dependiente o 3
/ /2
a, v- =
=i 1 '
0 a
a = 0
La dependencia lineal de un conjunto finito de vectores significa que tiene que existir, al
menos, una combinacin lineal de stos que d el vector nulo y que no sea trivial.
Para investigar
la dependencia lineal de una familia de vectores, se propone una
combinacin lineal de dicha familia, con escalares a determinar, que sea igual alvector nulo.
Si algn escalar es distinto de 0, entonces la familia es linealmente dependiente.
Ejem plo 2-12.
2 <*! + a 2 = 0
4 a] - 2 a 2 = 0
Dividiendo la segunda relacin por - 2 , el sistema se reduce a la nica ecuacin
2 a! + a 2 = 0
Esta admite infinitas soluciones, dadas por
a 1 =k
a2 = 2 k
ke R
www.FreeLibros.com
47
Ejemplo 213.
Las matrices
/ 1
En =
0\
)
O
/
^12 = |
Vo o/
\o
1\
|
o/
/O
Eai = |
\i
\
j
/O
E22 = i
o'
'o
son vectores linealmente independientes del espacio vectorial (K2x2, + , K ,.), pues
cualquiera que sea la combinacin lineal de los mismos con escalares en K, cuyo
resultado sea la matriz nula, es la trivial. En efecto
a i E n + ct2 E 12 + a 3 E2l + a 4 E22 = N =>
a i
0\
i0
lo
0/
\o
0C2\
0 /
/ O0
0^
0 \i
/O
Va3
3 00 /'/
a2\
a 4 / i \0
\^o0
0\
a4/
0^
0;
Luego
a 1 = a2 a 3 = a4 =0
www.FreeLibros.com
/O
\ 0
0
0
A - r
0
1
y B=
\_ ,
o
o
<*i A + a 2 B = N =>
1 -0 2
0\
/O
ai
0 /
\0
02
O
0.
O sea
a i - a 2 = 0 ^ oti~cx.2 = k
\/ke K
' m e n te
CUaqUer
t 0 M C nSttUye un
ta lm e n te
Vj , v2, . .
a j v j = ocj O = O
www.FreeLibros.com
49
=2 ct \ = 0 a ocj = 0 =>
=i
n
=> Uj \ j + %. a v = 0 a otj ^ 0 =>
rt
=>OtjVj = ^2
tt/V/ A
0, se tiene
<*/* (jV;) = ( - a / i ) . Vi
Por A7 y propiedad de la sumatoria
n
(ocf1
Por inversos en K y A 7 es
n
1 v; =
( - a / 1 a*)*.1 i*}
2.Vj = 2
V,- 2 a vf => S
J ij
Como <Xj
www.FreeLibros.com
50
y Ss
DEPENDEN
CIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
: ; ^
En smbolos
10- A - { v , , v3 , . .
vr } es LD
0 /A =* 3 k j 2 < k < r
vh -
fe
Si
= 0 , entonces j Vl, v2 , . .
0/Vf - O y algn
l S
P dem0S afrmar
hS Siuie"
a) A es L.I.
b) Toda combinacin lineal de la familia A, cuyo resultado sea el vector nulo, as la trivial.
c) Ningn vector de A es combinacin lineal de ios dems.
Anlogamente son equivalentes:
a ) A es L.D .
re s u d t e r e , c ^ o ? : b, o aCn ' nea
www.FreeLibros.com
SISTEMA DE GENERADORES
51
Ejemplo 2-14.
En el espacio vectorial de los polinomios reales sobre el cuerpo de los reales, P y Q
definidos por
P (x) = x 2 + x
Q 0 ) = -2 x
VxeR
Vx e R
S ix = - l , s e verifica a - a + 2b = 0 , y en consecuencia b = 0 .
Entonces es ax 2 + a x = 0 , y haciendo x = 1, resulta 2a = 0, o sea, a = 0.
www.FreeLibros.com
52
0+7 =
En consecuencia
ot = a - k
p -b -k
y =k
V keR
Este resultado nos dice que, efectivamente, A es un S.G. de R2, y adems, que
cualquier vector del espacio puede expresarse de infinitas maneras como C.L. de los
vectores de A. Por otra parte, es fcil verificar que A constituye una familia L.D.
En el ejemplo 2-6 est demostrado que las matrices V 1} V2 y V 3 constituyen un
sistema de generadores del espacio vectorial de las matrices reales de traza nula del tipo
2 X 2 . Adems, tales matrices son linealmente independientes.
2.5.2. Propiedad
Si la familia A = { v 1 }v 2 , . . .
A - |v ;- | es un S.G. de V.
e A , tal que
( 1)
Como A es linealmente dependiente, por 2.4.3. iv), algn vector de A, digamos v/, es
combinacin lineal de los restantes, o sea
3 Vy tal que vy = 2
*/
(i
www.FreeLibros.com
( 2)
BASE
r
53
r
3 1 *j 1 1
1 t*r* '
a, v, =
*i ' 1
= 2f j V
(pj; p
2 ynt \ ii
r, + ot)
V v
i = iJ
{ v j es un sistema de generadores de V.
0 , ) = (a , b , c)
Luego
a + P + y =a
a+ p
a
=b
=c
De donde resulta
a =c , p =b - c , y ~ a - b
En consecuencia, todo vector de R 3 puede expresarse como C.L. de los vectores
propuestos. Observamos, adems, que tal C.L. es nica para c a d a v e R 3,
En el caso en que ( a , b , c) sea el vector nulo, los escalares son nulos, y en
consecuencia los vectores v t , v 2 y v 3, adems de constituir un S.G., son L.I.
Por este motivo se dice que tales vectores son una base de (R 3, + , R , .).
www.FreeLibros.com
e2 = (0, 1,0,...,0)
e = (0 , 0 , . . . , 0 , 1 )
El lector puede com probar que la familia { , e 2 , . . e | es linealmente
independiente y un sistema de generadores de K \ Tal familia recibe el nombre de base
cannica.
Ejem plo 2-19.
1-8.
Tal subespacio es
S = { ( x u x 2, x 3) e R 3 x 3 = x x + x 2 |
A d e m s,
a ( 1 , 0 , l ) + 6 ( 0 , 1 , 1 ) = ( 0 , 0 , 0)=>a = b = 0
www.FreeLibros.com
COORDENADAS
55
expresarse de m odo nico como combinacin lineal de la base, ya que los vectores de sta
son linealmente independientes y sistema de generadores, de acuerdo con 2.4.2.
O sea, s ix e V, entonces existen y son nicos los escalares x t , x 2, . . x n tales que
n
X = *1 V, + x 2 V2 + . . . + x n v n = 2 x Vi
i- 1
Ejemplo 2-21.
Determinar las coordenadas de x = ( - 2 , 3) perteneciente a (R 2 , + , R , .), respecto de
las bases:
i
) [v] 1 ( 1 , 1 ) , ( 1 , 0)1
ii ) [w] = | ( - 2 , 3 ) (, 1 , 2 ) |
iii) cannica
En el primer caso, planteamos la relacin lineal
a ( U l ) + 6 (1 ,0 ) = ( - 2 , 3)
Efectuando las operaciones, y resolviendo respecto de a y b, se tiene
(a + b ,a ) = (--2, 3) =*a + b = - 2 y a = 3 =>
=>a = 3 y b = - 5
En consecuencia, las coordenadas de x, respecto de la base [v], son: 3 y - 5
Y puede escribirse
www.FreeLibros.com
56
v |
es
una
b a se
del
espacio
ctorial
ve
V,
de
V,
e n to n c e s
e x is te n
vectores
ta^es
^ue
. ,v)
www.FreeLibros.com
son bases de V.
DIMENSION
57
A = | wm, v l ! v2 , . . . ,vJ
Este conjunto, al que no pertenece el vector nulo, es un sistema de generadores (pues [ v ]
es una base), y linealmente dependiente (ya que w m es C.L. de la familia [v]). La propiedad
2 .4 .3 . nos dice que algn v es C.L. de los precedentes, y, de acuerdo con 2.5.2,, es
A - { v } un sistema de generadores de V.
Sea
( 1)
Anlogamente, a partir de
(2)
www.FreeLibros.com
58
dimKK2 x 2 = 4
dimRR rt =
dim RS = 2
El lector puede verificar que { 1, X, X2 | constituye una base del espacio vectorial de
los polinomios reales en la indeterm inada X, de grado menor o igual que 2 y el
polinomio nulo, sobre el cuerpo de los reales. En consecuencia, su dimensin es 3.
2.7.2.
Propiedad
www.FreeLibros.com
Ei
y,
DIMENSION
59
En efecto, si
[v] = | Vj,v2 , . . ., vn )
es una
base
de
1 [w] es L.I.
Sea
n
a /V.-+
;= i ;= i
1 1
i\, = 0=>
n
(<Xj + i p j )
;= i
v ;= 0=>O /+ i/3y= 0
V/=*
=> (Xj = fy = 0 , V/
2 . [w] es S.G.
Por ser [v] una base de (V, 4-, C, .), para todo v e V, existen escalares a + i ty e C tales
que
v = j=.i
.ent;
+ 1 & v ^ v =
ai vj +
0 ' v/>
dim RC = 2 dim cC = 2
2.7.3. Propiedad
stiti
lal
[w]=
w1 ,w2, . . w}
Los n vectores de [w] son L.I. en V, y de acuerdo con 2.6.3. constituyen una base de V.
Entonces son un S.G. de V, lo que nos dice que todo vector de V pertenece a S, o sea, V C S,
es y, como por definicin de subespacio es S C V, resulta S = V.
www.FreeLibros.com
60
dim V = .
dimS,=
d i m ( s 1 n s 2) = p
d i mS2 = /2
d i m S ! + S 2 =q
u + n" - f>
x , x2 , . .
y
xp , z , , z2 , . . . , z p
Si y en S2 , respectivamente.
El conjunto
A = I X j, x 2 , . . Xp, y i , . . ., y n p , z , , , . ,
es una base de S i + S2 , pues:
I o. Ae s S. G. d e S ! + S 2 .
En efecto, sea v e Sj + S2 . Por definicin de subespacio suma es
v=x + y
xeSi
y eS2
Entonces
71 -p
v = ,?i X i + g
b y ' + M 'X +I . 2
( z ,=
P
n'-p
n"-p
^ . 2 (a + a \ ) x +
pi Y i + S
p. z .
2o. A es L.I.
Consideremos
i*
t*
.Sa.x.+ Z
t\ y
p ,y +
7Zi = 0
Entonces
www.FreeLibros.com
( 1)
| bases
DIMENSION DE LA SUMA
61
y n -P
2 y i z, que pertenece a S2 , tambin pertence a S i , o sea
n - p
TjZieSinSj
z=i
En consecuencia es
n "-p
t=i 7,' Z = / l i a
x*
O sea
p
n -p
2 oc' x { - 2
i=i
=i
0 ,
y =
-i
n '- p
0Ci x +
.2
i=i
P y i = 0
Luego
o = 0 , /3j = 0
Siendo A una base de Si + S2 , resulta
j r + ( n - j r ) + ( n -p )= < i
Es decir
q = n + n - p
Lo que se traduce en
d im (S i + S 2) = d i mSi + dim S2 - dim ( S ^ n S2)
2.8.2. Dimensin de la suma directa
Si Si y S2 son dos subespacios disjuntos de (V, +, K , .), entonces la dimensin de la suma
directa es igual a la suma de las dimensiones de S t y S2 .
En este caso es Si n S 2 = {0} , y en consecuencia, dim (Si n S2) = 0.
El teorema anterior es vlido tambin en esta situacin, y por consiguiente resulta
dim (Si S2) = dim Si + dim S 2
Ejemplo 2-24.
Determinar la dimensin de la suma de los siguientes subespacios de (R 3, +, R , .).
51 = (pe, y , z) e R 3 / x + y - z - 0 j
52 =
i (x ,y , z ) e R 3 / * ~ z = 0 )
www.FreeLibros.com
62
0,
a) = a
(1,0,1)
Va eR
Luego
dim Si n S 2 "
En consecuencia
dim (S i + S 2) = 2 + 2 1 = 3
O sea
S, + S 2 = R 3
www.FreeLibros.com
TRABAJO PRACTICO ||
2-25. Expresar en cada caso, si es posible, al vector v como combinacin lineal de vt y v2. El
espacio vectorial es (R 2 , + , R , .).
i ) v = ( V 2 " , - l ) , V l = ( > / 3 , 2 ) , v2 = (
, 2)
) v = (2 , 4 ) , V! = ( - 1 , 3 ) , v 2 = (2, - 6 )
2-26. Comprobar que los vectores de R 3
V = ( - 1 , 3 , 1 ) va = ( 3 , - 1 , 1) y v 3 = ( 4 , 0 , 2 )
son linealmente dependientes, y expresar a v 3 como combinacin lineal de Vj y v2.
2-27. En (R 2 *3 , + , R , .) se consideran las matrices
v2 = 3 1/4
www.FreeLibros.com
64
{ v, + V2 + >V3 , V2 + Cl> 3 , V3 )
ii) { V!, V2 + av 3 , v 3 + bv 2
donde a, b y c son elementos de K.
2'36. Sean:
x )
ix =0 .
2-40. Demostrar la independencia lineal de los vectores f ,, f2, y f 3 del espacio (R 1, +, R, .),
donde I es el intervalo cerrado de extremos 0 y 1 , sabiendo que
0 s ix e [ ,11
f 3 (x) = 2 - x s ix e [0 , lj
2-41. Proponer una base en cada uno de los siguientes espacios vectoriales:
i ) (R, + , R , .)
iii) (R 2 x 3 , + , R , .)
i i ) (R 4 , + , R, .)
iv) ( C . + X , )
v ) (C, +, R, .)
www.FreeLibros.com
TRABAJO PRACTICO II
65
B = j (1,-2,0),(2,-2,-1)|
2-44. Determinar una base y la dimensin del subespacio de matrices de traza nula de
(R 2 x2, + , R, .)
245. En (C2 , + , R , .) se considera el subespacio S = { (z, u ) e C 2 / z - 2u = 0 }
Obtener una base y la dimensin de S.
2-46. En ( R2x2, + , R, .) se considera S = ( A e R 2x2 / 12 (a n + a 22) = 0 }
Investigar si S es un subespacio, y en caso afirmativo obtener una base delmismo.
2-47. Investigar si S = \ ( z , u ) e C2 / z - J + u = 0} es un subespacio en (C2 , + , C , . ) y
(C 2 , + , R, .) Si lo es, determinar una base y la dimensin.
2-48. Determinar el subespacio S de ( R3, + , R , .) generado por los vectores ( 2 ,0 ,1 ) y
( - 1 , 0 , 1 ) . Hallar una base de S y su dimensin. Proponer un subespacio T que no
contenga a los vectores dados.
2-49. Dados los subespacios de (R 4 , + , R , .)
51 = { ( X
x , X 7 , X - i , X A )
5 2 = I ( X l , X 2 , X 3, X 4 ) / X i
x + X 2
- *
+ * 4 =0)
- x 2 - X 3 - x 4 =o)
Obtener la dimensin de S! + S2 .
2-50. Sea j v l(
v2 , . . vn )una familia de vectores de (V, + , K , .) y r < n . Por definicin, el
conjunto jV! , v 2, . . vr J es un subconjunto maximal de vectores L.I. si yslo si
i>r=> j V j, v2, . . . , vr, v* J es L.D.
Demostrar que si { V j, v2 , . . v} es un S.G. de V y { Vj, v2,. . vr} es un sub
conjunto maximal de vectores L.I., entonces ste es una base de V.
2-51. Demostrar que si V es un espacio de dimensin finita y V = Sj S2, entonces se
verifica que dim V = dim S x + dim S2 .
www.FreeLibros.com
C aptulo 3
3.1. INTRODUCCION
Exponemos en este captulo el concepto de trasformacin lineal entre dos espacios
vectoriales sobre un mismo cuerpo, las propiedades generales y los tipos especiales de
trasformaciones lineales. Se introducen las estructuras de ncleo y de imagen de una
trasformacin lineal y se da la relacin entre sus dimensiones. Fijada una base en cada
espacio, siempre en el caso finito, se determina la matriz asociada a una trasformacin lineal.
Despus del estudio de la composicin de trasformaciones lineales, se conecta este concepto
con el producto de matrices. Finalmente, se mencionan los espacios vectoriales de
trasformaciones lineales y el espacio dual de un espacio vectorial.
la imagen del producto de cualquier escalar por todo vector de V es igual al producto
del escalar por la imagen de dicho vector.
f (a x) = a f (x)
www.FreeLibros.com
TRASFORMACiON LINEAL
67
i= i
a f/(x )
i ) f [ ( x i , x 2, x 3) + ( y1, y 2, y 3) ] = f ( x l + y u x 2 + ya , x 3 + y 3) =
= ( x i + y i ~ x 3 - y 3, x 2 + y 2 - x 3 ~ y 3)
(1)
f ( x\ , x 2, X 3 ) + f ( y u V2 , y 3 ) = (xi - x 3 , x 2 - x 3)
+ O i
= (*1 - x 3 + V j - y 3, x 2 - x 3 + y 2 - y 3)
y 3, y 2 - y
3) =
(2)
www.FreeLibros.com
68
TRASFORMACIONES LINEALES
3 + y 3) =
3 - y 3t x 2 + y 2 ~ x 3 - y 3 + 1 )
pero
f ( x i , x 2 , x 3) + f ( y u y 2, y 3) ^ ( x x - x 3, x 2 - X
= (* i ~ x
3 + 1) + (y x ~ y 3, y 2 - y 3 + 1) =
3 + y x - y 3, x 2 - x 3 + ^ 2 - y 3 + 2 )
Ejemplo 3-3.
Supongamos q u e / : R 2 -* R 3 es una trasformacin lineal que verifica
/ ( ! > 0) = (1, 2, 3)
/(O , 1) = (0, - 1 , 2)
www.FreeLibros.com
PROPIEDADES
69
f [ ( x \ > x i , x 3) + ( yl , y 2 l y?i) \ = f ( x l + y i , x 2 + y 2, x 3 + y 3) =
= (*2 + y 2, - * i ~ y l t x 3 + y ) = ( x 2, - x u x 3) + ( y 2, - y l t y 3) =
= f ( X i , x 2l x 3) + f ( y l l y 2l y 3)
ii) La imagen del producto de cualquier escalar por todo vector es igual al producto
del escalar por la imagen del vector.
f [ a ( X t , x 2, x 3) ] = f ( a x i , a x 2, a x 3) ~
(<*x2, - a x u u x 3) =
~<x (x 2l - x , x 3) = a f ( x u x-2, x 3)
2 . f e s inyectiva.
Sean (* ], x 2l x 3) y { y {, y 2, y 3) en el dominio, tales que
f ( x i, x 2, x 3) = f ( y f y 2, y 3)
O sea
www.FreeLibros.com
70
TRASFORMACIONES LINEALES
Luego
( x , x 2, x 3) = ( y l , y i , y 3)
3. f e s sobreyectiva.
Cualquiera que sea (a, b, c) en el codominio, existe ( - b, a, c) en el dominio, tal que
/ ( -b , a, c) = (a, b, c)
Queda probado as que f es un autom orfism o en R 3. La trasformacin lineal/puede
interpretarse como una trasformacin del espacio en s mismo que corresponde ana
rotacin de 90 alrededor del eje x 3 .
Ejemplo 3-5.
1. La funcin / : V W que asigna a todo vector de V e l vector nulo en W es una
trasformacin lineal, pues
/ ( x + y) = 0 w = (V + 0 w = / ( x ) + / (y)
/ ( x ) a O w - 0w a / ( x )
f se llama trasformacin lineal nula.
2. La f u n c i n /: V -> V tal que / (x) =ax cualquiera que sea x e V, y a un escalar dado
en K, es una trasformacin lineal.
www.FreeLibros.com
PROPIEDADES
71
En efecto:
f (x + y ) = a ( x + y ) = a x + a y = / ( x ) + / ( y )
f (a x) = a (a x) a (a x) = a / (x)
La trasformacin lineal / as definida se llama homotecia de razn a.
Ejemplo 3-6.
Sea/ : R 2 - >R 2x2 definida por
a+c+ b + d
0
a+b+c+d
/ n o es inyectiva ni sobreyectiva.
Ejemplo 3-7.
Si (V, +, R , .) denota el espacio vectorial de los polinomios reales en la indeterminada
X, entonces la funcin
/ : V -* V,
www.FreeLibros.com
72
TRASFORMACIONES LINEALES
trasfoTmacin lineal, pueT"*0 *
V *
P r e m i o derivado, es una
/ ( P + Q ) = (p + Q ) p . + q , ^ / ( p ) + / ( Q )
del codominio.
VeC*riaks
K ( j ) = f l ( ( 0 W| )
Por definicin, un vector perteneciente a V es un elemento del ncleo si v slo
imagen es el vector nulo de W.
y so!o SJ su
x e N (/) ^ / ( x ) = Ow
www.FreeLibros.com
NUCLEO
73
Ejemplo 3-8.
Determinamos el ncleo de la trasformacin lineal definida en el ejemplo 3-1.
N ( 0 = { (x 1, * 2 , x 3 ) e R 3 / / ( * ! , *2 l x 3) = ( 0 - )
Se tiene
(*i.
e N ( f ) o f ( x u x 2, x 3) = ( 0 , 0) <>
^ (*1 ~ * 3. *2 - * 3) = (O , 0) O X j - JC3 = O A x 2 - *3 = 0 o
^ X i =X i = x 2 =a
Luego
N (/) = ( ( a , a , a ) a e R )
Por definicin de ley de composicin extem a en R 3 se tiene
N(/)={fl(l,l,l)/eR|
Esto nos dice que el ncleo de / es el conjunto de todos los mltiplos escalares del
vec t or ( l , 1, 1). La representacin d e l N ( / ) e s t dada en el grfico siguiente
www.FreeLibros.com
TRASFORMACIONES LINEALES
74
Demostracin) Ya hemos visto que el ncleo de toda trasformacin lineal entre dos
espacios vectoriales es una parte no vaca del dominio. De acuerdo con la condicin
suficiente, demostrada en 1 .8 .2 ., falta demostrar:
1. N (/) es cerrado para la suma.
Sean x e y dos vectores cualesquiera de N (/).
x e N ( / )A y e N ( / ) = > /(x ) = 0 W
=>x + y e N (f)
/ ( y ) = Ow =>
s> a f ( x ) =
a ) ^ =
= /(a x) = 0W ^ a x e N (/)
Por definicin de ncleo, producto de escalares por elementos de W, definicin de trasformacin lineal, propiedad 1.3.2. y definicin de ncleo.
3.3.3. Concepto de imagen
Imagen de una trasformacin lineal / : V -+ W es el conjunto imagen del dominio, o sea, es
la totalidad de las imgenes de los vectores del primer espacio.
El sm bolo I (/) se lee: imagen de f.
I</)={/(x)/xeV|
Tambin
1(0=1 y W / 3 x e V
/(x ) = y j
www.FreeLibros.com
IMAGEN
75
Demostracin) Sabemos que la imagen de toda trasformacin lineal entre dos espacios
vectoriales es una parte no vaca del segundo. Teniendo en cuenta la condicin suficiente
para la existencia de subespacio, probaremos:
1 . I (/) es cerrado para la suma.
Consideremos a e K y u e I (f)
a e K a u e I (/) => a e K a / (x) = u a x e V =>
=> a / (x) = a u a x e V = > / ( a x ) = a u a a x e V = >
=> a u e I (f)
www.FreeLibros.com
TRASFORMACIONES LINEALES
76
magen> P r dUCt0
W>
trasformacin
Ejemplo 3-9.
* '* ma8en "* " trasformaci" lta^ / : 2R- R 2 * 2 definida
eDe7eT em pto31
1.
N ( / ) =(x\,
| x 2) R . 2 / f ( x l , * 2) = N}
/O
( ^ i , x 2 ) e N ( / ) / ( XliJCjj = J
0 \
\0
xi
+ *2
0 /
/O 0 \
+ x 2 = 0^
,
)=
J
x , +x 2f
\0 o /
* x t = -x
Luego
N (J) = f ( - a, a ) / a e R )
o sea, ei ncleo de / es el conjunto de los pares ordenados de componentes opuestas.
1 0 ) = |A e R 2 / / ( * , . * 2) = A}
A=
(c
*i
e I W <>3 f e . ^ ) e R 2 / / ( I l | ! ) = A
ja
b\
] =[
x x + x 2 I \c
d J
+ * 2 = a= d
b=c=O
\0
Ejemplo 3-10.
Dada la trasformacin lineal del ejemplo 3-9, determinamos las dimensiones de N (/) e
www.FreeLibros.com
NUCLEO E IMAGEN
77
O sea, la matriz
Ov eN
(f)=>
www.FreeLibros.com
TRASFORMACIONES LINEALES
78
=>xe j 0V}
(2)
0 V a c tj i= 0
Aplicando / es
/ ( .2
^ v ^ /O M a ^ O
2 O!|/(Vi) = 0wA
1=1
En consecuencia
/ ( V i ) , / ( V2 ) , . . . , / ( v r)
es linealmente dependiente.
www.FreeLibros.com
IMAGEN
Ejemplo 3-12.
Si / : V -*W es una trasformacin lineal y V i, v2, . . -, vr son vectores de V tales que
sus imgenes constituyen un conjunto linealmente independiente en W, entonces
v , , v2 , . . . , vr son linealmente independientes.
En efecto., consideremos una combinacin lineal, con escalares a determinar, de los
vectores Vj , v2 , . . vr, que sea el vector nulo de V
r
i 1
a, v,- = 0 V
i= i
i / (Vf) = 0 W
vr
vr ) es L.I. en V.
www.FreeLibros.com
TRASFORMACIONES LINEALES
80
.2 ,
= 0V
dim I (f) = 1
O sea
dim N (/) + dim 1 (/) = 2 = dim R 2
Este hecho se verifica cualquiera que sea la trasformacin lineal definida en un espacio
vectorial de dimensin finita.
Propiedad
Si (V, + , K , .) es un espacio vectorial de dimensin finita y / : V - > W es una
trasformacin lineal, entonces la suma de las dimensiones del ncleo y de la imagen es igual a
la dimensin del primer espacio.
Hiptesis) / : V - W es una trasformacin lineal
dim V = n
Tesis) dim N (f) + dim I (f) ~ dim V
Demostracin)
1 . I (f) tiene dimensin finita
Sabiendo que cualquier base de V es finita, se deduce que I (f) tiene dimensin finita. En
efecto si I w , , w 2 , . . wr } es un conjunto L.I. en I {/), entonces existe un conjunto L 1
en V :( vj , v 2, . . vr j tal que
/(v ) = w
i = 1 , 2 , .. .,r
de acuerdo con el ejemplo 3-12. Esto significa que si 1 (f) no tuviera dimensin finita
entonces V no tendra dimensin finita.
2. Sea ( x , , x2 , . . xp ) una base de N (J).
S i n - p , entonces N (/) = V y dim I (f) = 0, pues en este caso es I (f)= j 0W J .
www.FreeLibros.com
81
ys en V, tales que
( 1)
( z ! , z 2, . . . , zs ) es L.I.
Sea
=i
a Z =
P o r (1)
. 2 a f ( y ) = *>w
a y ; ) = w ^
y. e n ( o =>
ii)
= 0 V V/
I z l , z 2, . . ., z s } es S.G. de l ( f )
www.FreeLibros.com
13, y =
82
TRASFORMACIONES LINEALES
2 - x 3 + * 4 ) 0)
Determinamos:
1. El N (/), una base del mismo y su dimensin
(* i, * 2 . * 3 , * 4 ) e N /)*/(*,, * 2l x 3, * 4) = ( 0 , 0 ) o
o (* i ~ x
2-
* 3 + x 4 , 0 ) = (O, 0 ) o Xl - x 2 - x 3 + x 4 = 0 o
ojcj ~ x 2 + * 3 - * 4
En consecuencia, los vectores del ncleo .son del tipo (a + b - c, a, b, c), y por
definicin de suma en R 4 y producto de escalares por cuaternas, se tiene
(a + b - c , a , b, c) - (a, a, 0 , 0 ) + (b, O, b, 0 ) + ( - c , O, O, c) ~
= a ( 1 , 1, 0 , 0 ) + 6 ( 1 , O, 1 , 0 ) + c ( - 1 , O, 0 , 1 )
O sea, los vectores
V ! = ( l , 1, 0 , 0)
v2 = ( 1 , 0 , 1 , 0 )
v 3 = ( - 1 , 0 , 0 , 1)
se verifica que
www.FreeLibros.com
TEOREMA FUNDAMENTAL
O . y i ) e I (f)
83
O , y i ) = (a - b - c + d , 0 ) o
^ (y 1 , y 2 ) = (a , 0 ) + ( - b , 0 ) + ( - C , 0 ) + ( d , 0 ) o
( yi . >a) = ( l , 0 ) - ( l , 0 ) - c ( l , 0 ) + d ( l , 0 ) o
^ 0 1 . ^ 2 ) = ( a - 6 - c + c ) ( l , 0 ) o ( y l i ^ 2 ) = 0 ( i , 0 )
Luego
( 1 , 0 ) es una base de I (f).
En consecuencia
dim I (/) 1
vn | es una base de V
cw
Tesis) Existe f : V -W trasformacin lineal nica, tal que / (v ) = w, Vi = 1, 2, . . ., n
Demostracin) Sea cualquier vector x e V. Entonces existen y son nicos los escalares o!,
a 2 , . . 0n , tales que
n
X= 2
=1
di V;
'
ya que todo vector del espacio puede expresarse de m odo nico como combinacin lineal de
los vectores de la base, segn 2.4.2.
Definimos
f : V -*W
mediante
/ (x) = 2
1=1
cc wf
n
A
www.FreeLibros.com
84
TRASFORMACIONES LINEALES
y se verifica
i ) / ( x + y ) = / ( | aiV +
= .2
, w( + |
(a+ft)v) = |
( a, + WW( =
ft w , = / (x ) + / ( y)
v,) = / ( . 2
C / ) W , - t t S
2 . / - 1, 2 , . .
= > /(v .) ^ w .
f tv ,) = / ( |
(aa,.) v , ) =
ttW = / ( * )
En efecto
vf = 0 v, + . . . + o vM + j v . +
Luego
f(y ) = 0 w, + . . . + o wM
+ 0
+ 1 Wi + . . . + o W)j =
= 1 wf = w,
3. Bajo la co n d ici n /(v ,) = w,. / e s nica.
S ig : V -> W es una trasformacin lineal tal que g (y.) - w . y / = 1 ?
& \ o wt, vi
i , / , . . . , n, entonces
g ( x ) = g ( . , V) = . aig (V)
" A a i f (y)
a . w. =
/| 1a v, ) - / ( X)
del primero.
neal sobre
entre cualquier
dos
determinada poi los valores que toma
base
Ejemplo 3-15.
Definimos la trasformacin lineal / : R3
R 2 0hp 1tion,
i
O 1 . 1) , (1 1 0 )
(i 0 r 3 ,
q
gna a los vect res de la base
/v.
en R , losvectores (T 2) ( \
v ( i n
2
respectivamente.
y ( - 1 , 1) en R 2,
Necesitamos determinar la imagen de un vector genrico (a b
este como combinacin lineal de la base dada
www.FreeLibros.com
p
' A s a mo s a
PRODUCTO DE MATRICES
(a,b,c)=
85
a , ( 1 , 1 , \ ) + a 2 ( 1, 1 , 0 ) + o3 ( 1 , 0 , 0 ) -
= c , ot2 = b c , a 3 = a -- b
Entonces
( f f , , c ) = c ( l , 1 , 1) + (> - c ) ( l , 1 , 0 ) + (a - b) ( i , 0 , 0 )
f ( a , b , c ) = c ( 1,
2) +
= ( c>2 c) + (b
- c) ( 1, 2)+
c, 2b 2 c)
>) ( 1, | ) =
+ (a + b, a b) =
= (2 b - a , b + a )
a k b h}
- 2 /
'0 - 1
1 -2
--I
entonces
www.FreeLibros.com
86
TRASFORMACIONES LINEALES
0 -1 \
2 -2 /
f-2 \
2
\ 3 /
i -5
\ -4
c y =0 si /=/
y verifica
Al = IA
y
[w] = ( w , , w2 , . .
w m I una base de W
Si x es cualquier vector de V, por ser [v] una base, existen escalares a , , a 2>-,a n>
nicos, tales que
x = ^
a i vi
0 )
www.FreeLibros.com
87
Si la imagen de x e V es y e W, se tiene
y= /(x )
Como y es un vector de W, puede expresarse de m odo nico como combinacin lineal de
la base [w], o sea
m
y = . 2 a ,w , (2 )
donde a i , a 2, . .
consecuencia
f(vj) =
.2
aj
W( (3) V/ = 1, 2, ..
wi + f l 2i w2 + . . . + a ml wm
f (y-i) ~ a n
w 1 + ^ 2 2 w2 + .
f (vn)
+ a mi wm
n Wx + a2n w 2 -K . . + a mn wm
Los n.m escalares au , que figuran en las combinaciones de los vectores que son imgenes
de los elementos de la base de V, constituyen una m atriz cuya traspuesta, que denotamos
con A, recibe el nombre de matriz de la trasformacin lin eal/resp ecto de las bases [v] y [wj.
O sea
www.FreeLibros.com
88
TRASFORMACIONES LINEALES
=2
(!)
aJ
y /(x ) = y = 2
a i
w, (2)
<Xj vy) = 2
aj f (v;)
f (x) = ;2 aj 2 ^ aj w
Introduciendo ot en la segunda sumatoria, por ser constante respecto del ndice i, y
permutando las dos sumatorias, se tiene
n
/O O ^ . S
a aj w,- = ,2 ^ 2
a) w
(4)
otj
www.FreeLibros.com
a >.. " . 2
a i
<*i2
. ain
ai\
<a{
/2
On, /
am I a m 2 &ntnJ
89
O bien
Reiterando lo enunciado, afirmamos que la imagen de cualquier vector del primer espacio
es igual al producto de la m atriz de la trasformacin lineal por la matriz de coordenadas de
dicho vector, respecto de la base [v].Tal imagen resulta expresada en trminos de la base del
segundo espacio.
Ejemplo 3-16.
Consideremos la trasformacin lineal / : R3 -> R 2 tal que
f ( X \ , X 2 , JC3 ) ( # 1
J 3 )
( 1)
enR 3
[ w ] = | 2(, 0 ) , ( 0 , 1) |
en R 2
Mediante (1) obtenemos las imgenes de los vectores de la base [v], y expresamos
dichas imgenes como combinaciones lineales de los vectores de la segunda base
/ ( 1 , 1 , 1 ) = ( 2 , 0 ) = 1 ( 2 , 0 ) + 0 ( 0 , 1)
/ ( l f 11 0 ) = ( 1 , 1) = (2 , 0 ) + 1 ( 0 , 1 )
/ ( 1 , 0 , 0 ) = ( 1 , 0 ) =_~ ( 2 , 0 ) + 0 ( 0 , 1)
Se tiene
2 ~2
0 1 0
www.FreeLibros.com
90
TRASFORMACIONES LINEALES
Para ello es necesario determ inar las coordenadas de x respecto de la base en R 3, o sea,
a i >a2 y a 3 tales que
( 1 , 2 , 3 ) = *! ( l . l . O + a a ( 1 , 1 , 0 ) + a 3 ( 1 , 0 , 0 ) =
= ( a, + a2 + 0 :3 , 0 :, +<x2, (*
Resulta
a i = 3 , a2 = - 1
, a 3 = -1
Entonces
Su imagen es
/ l \
Los escalares 2 y
de
la
trasformacin
jx i
lineal / : R2 *2 - +R
x2\
\ x3
(*1
+ * 4 , X 2 - X 3)
x j
(
'0
'0
0/
0/
) = (1 , 0 ) = 1 ( 1 , 0 ) + 0 ( 0 , 1)
) =(0,1) = 0 ( 1 , 0 ) + 1 ( 0 , 1 )
www.FreeLibros.com
definida
por
f
\1
0 /
\0
1/
= ( 0 , - 1) = 0 ( 1 , 0 ) + ( - 1) ( 0 , 1)
= (1 , 0 ) = 1 ( 1 , 0 ) + 0 ( 0 , 1)
Resulta
/I
\ 0
1 1
/2
' i
-i
Su imagen p o r /, utilizando A, es
/ ( P ) A P (V] = / 1
\0
| ^
j =( 2 - l , - 3 - l ) = ( l , - 4 )
www.FreeLibros.com
91
TRASFORMACIONES LINEALES
92
3.8.
Sean / : V - > U y g : U - * W
compuesta
( 0/) ( x ) = [ /( x )]
Demostramos que la composicin de dos trasformaciones lineales en las condiciones
dadas, es una trasformacin lineal.
En efecto:
1- ( f f / ) ( x + y ) = * | / ( x + y ) ] ^ [ / ( x ) + / ( y ) ] -
a (S f ) (x)
Hemos aplicado sucesivamente la definicin de composicin, las hiptesis ( f y g son
trasformaciones lineales) y la definicin de composicin.
Ejemplo 3-18.
Consideremos las trasformaciones lineales
/ :R 3
g :R
R2
definidas por
f ( x lt x 2 , x 3) = x 1 - x 2 + X3
g ( y ) = (y 0 )
f e 0 / ) ( ^ 1 ^ 2 , ^ 3 ) = ( / ( x 1, X 2 , X 3 ) ] - ^ ( x 1
= (x\ - x
+ X 3) =
2 + x 3 , 0)
*Xx =x 2 ~ x
Entonces
N (/) = { ( b ~ c , b , c ) / b e R
accR)
Como
( b - c , b , c ) = ( b , b , 0) + (c, 0, c) = 6 ( 1 , l , 0 ) + c ( - 1 , 0 , 1 )
www.FreeLibros.com
93
es
{ ( 1 , 1 , 0 ) , ( - 1 , 0 , 1 ))
un S.G. del ncleo de g / . Como adems es L.I., tal conjunto es una base del ncleo,
y por consiguiente su dimensin es 2 .
www.FreeLibros.com
94
TRASFORMACIONES LINEALES
/ ( x 2) = y2
Se verifica que
1. r
= V (xi + x 2) = Xl + x 2 - r 1 ( y O + r 1 (y 2 )
2. S e a n a e K y y i e W
Entonces
/"* ( y i ) = r 1 [ a / ( x1 ) ] = r I [ / ( oc Xi ) ] ^
= (f ~ l / ) ( a x 1) = i'v ( a xO ^ a x j - a / ' 1( yt )
/ y / 1 se llaman trasformaciones lineales inversas, y se verifica que
/ " f = h
/ r 1 = w
R 2 definida por
f(a,b) =(a,-b)
b =b
O sea, f e s inyectiva.
2. Sea ( a , b ) cualquier vector del codominio.
Existe (a , - b ) en el dominio, tal que
f ( a , - b ) = ( a , b)
Y, por consiguiente, f e s sobreyectiva.
El significado geomtrico de esta trasformacin lineal es una simetra respecto del eje
de abscisas
www.FreeLibros.com
96
TRASFORMACIONES LINEALES
dim N (J) = 0
Como
dim N (/) + dim I (f) = dim V
resulta
dim I (f) = n = dim V
En consecuencia, I (f) ~ V, o s e a ,/e s sobreyectiva.
2. Hiptesis) / : V -*V es una trasformacin lineal sobreyectiva
dim V = n
Tesis) / e s inyectiva.
Demostracin) Sea ( W j, w2 , . . w ) una base
sobreyectiva, existen V!, v2 , . . v en V, tales que
/ ( v ) = w
del codominio
V. Por ser /
Vf = 1 , 2 , . . . ,
a vf a / ( x ) = 0 => / ( x ) -
ctt f ( y t) = 0 =*
w, = 0 =>
0 , Vi = 1,2.......n
y ^:U ^W
y sean
M = ( v i , v 2 , . . v } , [ u] = ( u ! , u2 , . . up J y [w ]= {wl t w2 ) ----- , w m J
bases de U, V y W, respectivamente.
www.FreeLibros.com
MATRIZ DE LA COMPOSICION
97
(g /)(v j) =. 2
w,
( 1)
akj , 2
b ik w, - 2 ^
. 2 akj b ik w, = . 2 ( ^
b ik ahj) wf
c ij H1 bih ahj
En consecuencia, por definicin de producto de matrices, resulta
C = BA
Ejemplo 3-20.
Sean / : R 3 - + R y : R - - R 2 trasformaciones lineales definidas por
f ( x l , x 2, x 3) ^ x l + x 2 ~ x
g ( y ) = (y. t y )
Se consideran las bases
[v] = { ( 1 , 0 , 0 ) ,( 0 , 1 , 0 ) , ( 0 , 0 , 1 ) 1 e n R 3
[u] = ( 1 )
en R
[w ]= (2 , 0 ) , ( 0 , 2 ))
enR 2
www.FreeLibros.com
( 2)
98
TRASFORMACIONES LINEALES
1 = 1.1
A 0,1,0)=
1= 1.1
U A = (l
1 -1)
/ (0 , 0 , 1) = 1 = ( 1 ) 1 J
L
(1) = (1, 2) = - ~ (2, 0) + 1 (0, 2) =* B = ( 2
1
Resulta
1\
C = B A = ( 2 j (1
/I
-1
_ 1 ) = ^2
_2J
Definimos ahora
/ : R3 - * R 2
(g f ) (Xi, * 2 - *3> = 8 [ f ( x u x 2> x 3)] =
= (* i +
*2
~ x 3) = (xt + x 2 - x 3, 2 x ! + 2 x 2 - 2 x 3)
Luego
< * / ) (1 , 0 , 0 ) = ( 1 ,
2 ) = -^- ( 2 , 0 ) + 1 ( 0 , 2 )
< r /)(0 , 1 , 0 ) = ( 1 ,
2) = ~ ( 2 , 0 ) + 1 (0 , 2)
(?/ )(0 , 0 , l ) = ( _ i f _ 2 ) = - i . ( 2 f 0 ) + ( ^ I ) ( 0 , 2 )
O sea
C=|
I
2
11
-1
www.FreeLibros.com
ESPACIO DE TRASFORMACIONES
99
(i)
(a f ) (x) = o f (x )
(2)
En efecto:
i ) ( / + ) (x + y) = / ( x + y) + # (x + y) =
= / ( x ) + / ( y ) + g (x) + g ( y ) = ( f + ) (x) + ( f + g ) (y)
) / + ) ( a x ) = / ( o : x ) + g - ( o x ) =
= a / ( x ) + a g ( x ) = a [ / ( x ) + (x)] =
= Ot(f + g)(x )
V x eV
[V]= | v , , v2 . . . , v n }
enV
[ w ] = | w , , w2 ) . . , w m )
en W
www.FreeLibros.com
100
TRASFORMACIONES LINEALES
En efecto, definimos
F : Z, (V, W)
mediante
F</) = A
donde A es la matriz d e /re sp e c to de las bases [v ]y w].
[
De acuerdo con el teorema fundamental de las trasformaciones lineales, A queda
unvocamente determinada para cada f e L (V, W), respecto de las bases [v] y [w]. O sea, la
definicin dada satisface las condiciones de existencia y unicidad de toda funcin. Adems,
se verifica que:
1.
V ,= l f 2 , . . . f
En consecuencia
n
/ ( x ) = / ( . 2 a, V/) = 2 a , / ( v f) = . 2 a t g ( v t) ^
O
g ( f2 a (V|) = ? ( x )
sea
f=S
f (Vj) = 2 a u w,
tal que
F tf)= A
3. F es una trasformacin lineal.
' En efecto:
F ( / + ) = A + B = F ( / ) + F( g)
F(af) =a A =aF(f)
donde A y B son las matrices de / y g respecto de las bases [v] y [w].
En consecuencia
F : L ( V , W ) ^ K mxn
es un isomorfismo para cada eleccin de una base en V y una en W.
Resulta entonces que
dim L (V , W) = dim K m Xl= mn
www.FreeLibros.com
ESPACIO DUAL
101
K / / e s trasformacin lineal )
(K, +, K , .)
www.FreeLibros.com
( X\ , X 2,
X3 ) =
( X 2l
Xi,
JC3 )
2 . g ( x l , x 2 , x 3) = ( x l + l , x 2 + 2 , 0 )
3. T ( x 1 , x 2 , x 3) = ( 0 , x 1 + x
4. T (.Vi,
X3 )
,0)
X 2 , .X3 , A!] )
3-23. Sea / : V -+ W una trasformacin lineal y sean x e y en V tales que / ( x ) *=z. Sabiendo
que / (y) = 0 W, dem ostrar que / (x + y ) = z,
3-24. Sea la funcin / : R 2 -* R 2 definida por f ( x lt x 2) = ( ~ x lf ~ x 2). Demostrar que es
lineal, clasificarla e interpretarla geomtricamente.
3-25. La funcin / : R2 -R 3 es lineal, y verifica
/ ( 1, 2 ) ( - 1, 0 , 2 )
/ ( 2 , 1 ) = (0 , 2 , 1)
: V -> K
T (0, 1) = ( 1, 2)
www.FreeLibros.com
103
/( 2 ,5 ) =
2
g ( a , b , c) = (a + b , c)
( - X 1 *1
\ 0 x2
0
*2
Xi - x 2
V
)
I
Probar que / es lineal y determ inar el conjunto de los vectores de R 2 cuyas imgenes
p o r /s o n la matriz nula.
3-33. Demostrar que si / : V -W es una trasformacin li neal y S es un subespacio de I (f),
entonces / _1 (S) es un subespacio de V.
3-34. Determinar el ncleo, la imagen y las dimensiones de ambos en las siguientes
trasformaciones lineales.
1. / :
2. / :
R 2 ~R definida p o r / ( x lfx 2) = X l 2 x 2
* 3, x 4 ) e R 4 f x x + x 2 = 0 , ^ ! - x 4= 0 , x 2 + x 3 + x 4= o )
www.FreeLibros.com
104
TRASFORMACIONES LINEALES
2, x x +
2 x 2 )
enR 2
1 ( 0 , 2 , 1) , ( 2 , 0 , 1 ) , ( 0 , 1 , l)}en R 3
3-41. Definir la trasformacin lineal / : R3 -R2 , tal que respecto de las bases
((0 , 1 , 1 ) , ( 1 , 0 , 1 ) , ( 1 , 1 , 0 ) )
enR3
1(1, 2 ) , ( 2 , 1 ) ) en R 2
www.FreeLibros.com
105
su matriz sea
/1
\ 1
0
-1
0
1
3-42. Hallar la matriz de la trasformacin lineal g o / d e l ejercicio 3-29, respecto de las bases
( ( 1, 1) , ( 0 , 1)}
en el dominio
{ (2 , 0 ) , ( 2 ,
en el codominio
2)
3-43. Determinar la m atriz de la rotacin del plano de ngulo 0, respecto de la base cannica,
con centro en el origen.
3-44. Sea la trasformacin lineal f 0 : R 2 -> R 2 representada por la matriz
6 - sen Q
sen 6
eos 6
eos
- f-e
www.FreeLibros.com
C aptulo 4
M ATRICES
4.1. INTRODUCCION
Hemos credo oportuno dedicar un captulo al estudio de las matrices con elementos en
un cuerpo K, dado el rol fundamental que este tema desempea en todos los campos de la
Matemtica y en las aplicaciones. Conocido el espacio vectorial (Kmxn, +, K , .), se trata
ahora el producto de matrices, anticipado en el captulo anterior, y el anillo de matrices
cuadradas. Sin pretender agotar el tema, se estudian la trasposicin y algunos tipos de
matrices especiales: simtricas, antisimtricas, triangulares, diagonales, idempotentes, involutivas, hermitianas, etctera. Se trata, adems, la inversin de matrices, el concepto de
matrices particionadas, el rango de una matriz y su invarianza frente a operaciones
elementales. Despus de dar m todos para la determinacin de la inversa de una matriz se
estudian la equivalencia de matrices y los cambios de bases en espacios vectoriales.
g:U-*W
www.FreeLibros.com
PRODUCTO
107
Observamos que para que exista el producto de dos matrices, el nmero de columnas de la
primera debe ser igual al nm ero de filas de la segunda.
Si A e K mx " y B e K n x m, entonces coexisten los productos A B e K mxm y B A e K ' 1*",
pero son distintos si mi=-n.
En el caso en que m = n , tanto AB como BA son matrices del tipo n x n, es decir,
cuadradas y pertenecientes a KMX , pero en general se verifica que
AB^BA
O sea, el producto de matrices no es conmutativo.
Ejemplo 4-1.
Verificamos la no conmutatividad del producto de matrices en el siguiente caso:
:U
y h : S-W
www.FreeLibros.com
MATRI CES
108
-1
C
0/
ABC
2X3
2 X 4
3 X 4
4 X 1
4X1
2X1
www.FreeLibros.com
A N I L L O D E M A T R I C E S nXn
109
verifica
IA = A
y la identidad n x n
satisface
AI = A
Calculamos AB - I, siendo
1 0 -2
A=
/ 1 0 -2
AB=
0 1
\0 0
Luego
AB - I = N
donde N denota la matriz nula de R3 x 3 .
4.2.4. Distributividades del producto
Si A y B son elementos de K "xp y C e K p xm , entonces es
(A + B) C - AC + BC
Esto significa que el producto de matrices es distributivo a derecha, respecto de la suma.
Para demostrar esta afirmacin, consideremos el elemento genrico dj, de la matriz
(A + B) C. Por las definiciones de suma y producto y propiedades de la sumatoria es
p
^>1 ~
ckj =
a iU c h + f _1 b k c k j
O sea
(A + B) C = AC + BC
Si C e Km xn y A y B son las matrices anteriores, entonces se verifica la distributividad a
izquierda.
C (A + B) = CA + CB
4.3. ANILLO DE MATRICES CUADRADAS
En K "x el producto es una ley de composicin interna, asociativa, con elemento neutro
igual a la identidad nx n.
www.FreeLibros.com
110
MATRI CES
Por otra parte, sabemos que (K "x" f + ) es grupo abeliano, y de acuerdo con 4.2.4. el
producto es doblemente distributivo respecto de la suma.
En consecuencia (K "xn, + , .) es el anillo no conmutativo, con unidad, de las matrices
cuadradas n x n con elementos en K.
Este anillo tiene divisores de cero; es decir, existen matrices no nulas cuyo producto es la
matriz nula.
Por ejemplo:
A = l l o r N y B=( i i l#N
pero
AB
0 0
0 0
/ - i
0 \
\ 1 2 3 ] entonces es A
~ l
l\
I 2 2 )
En consecuencia, para hallar la traspuesta de una matriz, se cambian filas por columnas.
Observamos, adems, que toda m atriz 1 X 1 es igual a su traspuesta.
www.FreeLibros.com
TRASPOSICION
111
/ ( A + B) = (A + B )'= A t + Bt - f (A ) + / ( B )
2. La traspuesta del producto de un escalar por cualquier matriz es igual al producto del
escalar por la traspuesta de la matriz.
Teniendo en cuenta que si C = (a A )4 entonces cy = a aj, resulta
f ( a A ) = (a A)* = o A* = ct/ ( A )
Ejemplo 4-4.
Como B( A = (a b c)
= (-a
c b), resulta
www.FreeLibros.com
112
MATRI CES
Si C = AB, entonces
cti "
aik bkj
En consecuencia.
(AB) = BA
Ejem plo 4-5.
o V
i : \ f l
En R3*3, la matriz
1 -1
-1
2
0 3
0
3 J
0
/i
vj
es simtrica
Vi V/
www.FreeLibros.com
113
La matriz
1 -2
A = ( 1
O 3
2 3 O / es antisimtrica
Ejemplo 4-5.
Demostraremos las siguientes propiedades:
i
Observamos que no es necesario que A sea cuadrada para que existan AA* y A*A, las
que son, en todos los casos, matrices cuadradas.
i i ) La suma de toda matriz cuadrada y de su traspuesta es simtrica.
Sea A e K nxn. Se verifica que
(A + A ) = A* + (A*)* = Af + A ~ A + Af
Es decir, A 4- A* es simtrica.
iii) La diferencia de toda matriz cuadrada con su traspuesta es antisimtrica.
Si A e K "xn, entonces, aplicando propiedades anteriores, se verifica
(A - A f) ( - A( - (A ()f = A* - A = - ( A - A*)
En consecuencia, A A 1 es antisimtrica.
iv) Toda matriz cuadrada es la suma de una matriz simtrica y de una matriz
antisimtrica.
j
A e K ',xn =* A + A 1 es simtrica y A - A* es antisimtrica =* (A + A*) es
simtrica y (A A*) es antisimtrica => A = (A + A f) + - - (A Af) es lasuma
2
2
2
de una matriz simtrica y de una antisimtrica.
Ejemplo 4-6.
Sean A e K nx,! una m atriz simtrica, X e K xl y Y e K " x l . Desarrollaremos el
producto (X Y / A (X Y).
Teniendo en cuenta que la trasposicin es una trasformacin lineal, la distributividad
del producto respecto de la suma y que X*AY es del tipo 1 X 1, o sea, simtrica,
tenemos
www.FreeLibros.com
MATRI CES
114
(X - Y )' A (X - Y)
=0.
1 -2 3 \
0 0 2
es una matriz triangular superior.
0 0 5 1
Anlogamente
Ae
El lector puede dem ostrar que el conjunto S de las matrices triangulares superiores o
inferiores de (K "Xf,>+ , K, .) e s u n subespacio de KMXn.
Ejemplo 4-7.
Efectuamos el producto de las matrices triangulares A y B pertenecientes a R 3x3, tales
que o/y = 0si i > j, aj = i + / s i / < / ,b tj = 0 si i > j, bj ~ i - 2 / si i </.
AB=
/ 2 3 4 \ / - I 3 - 5 \
0 4 5
0 -2 -4
\ 0 0 6/ \ 0 0 -3 I
= 0 - 8 - 3 1
\ 0
0 -1 8 /
f 2 - 1 2 34 \
www.FreeLibros.com
! O . . . O
O o2 o
A=
c O
...
115
= diag (a 1 ,a-2, . . . , a n)
an
es involutiva, pues A2 =
www.FreeLibros.com
=1
MATRI CES
118
4.10.3. Propiedad
El producto de dos matrices ortogonales es ortogonal.
A y B son ortogonales => AB es ortogonal
En efecto:
(AB) (AB)4 = ABBfA( = AIA* - AA* = I
por traspuesta del producto y 4.10.2.
Anlogamente es
(AB)'(AB) = I
En consecuencia, por 4.10.2. resulta AB ortogonal.
Ejemplo 4-10.
Toda matriz
cos a -s e n a
sen a
0
cos a
0
donde a e R
i/
es ortogonal.
En efecto:
eos a
AA* = | sen a
0
-s e n a 0 \
co sa 0
0
1 /
c o s a sena
-s e n a c o sa
\
0
0
0
0
1
1+i
-2
\
1 es una matriz compleja del tipo 2 X 3.
3 -2 (/
www.FreeLibros.com
MATRIZ HERMITIANA
119
\-i
-2
1)
3 + 2i j
ii) la conjugada del producto de un escalar por una matriz es igual al producto del escalar
por la conjugada de la matriz.
El lector puede demostrar que / es un automorfismo.
Se verifica que la traspuesta de la conjugada de cualquier matriz es igual a la conjugada de
su traspuesta, o sea
a'
- *
- i
2
-2 ]
3 + 2i /
p
c ij
j aik bkj
y teniendo en cuenta que el conjugado de una suma es la suma de los conjugados y que el
conjugado de un producto es el producto de los conjugados, se tiene
___
ca =
ak H j
O sea
AB = B
www.FreeLibros.com
MATRI CES
120
Vi V/.
Los elementos de la diagonal de toda matriz hermitiana son nmeros reales, pues
A es hermitiana =*au = ai
a e R.
La matriz
2+i
- 3 - 2 i | es hermitiana
-i
-2
/ 1
A= ( i
\ 2 z 3 + 2/
Ejemplo 4-12.
Dadas las matrices X = (
) yA= [
\ 1 + i f
i ) X*X =
(1
- i) ^
.j =
\ 1 -
(1 -
(1
+ () =
) , calculamos
- i2 = 3
o x 'A x ^ 1
Ejemplo 4-13.
Si H = { A e C 3X3/ A es h e rm itia n a } , entonces H no es un subespacio de
(C3 x 3 , + , C , .), ya que H no es cerrado para el producto por escalares.
En efecto:
www.FreeLibros.com
PARTICION
/ e (.:
iA =
121
y A=
/
1
1
1 - i -2 i
-1 +
0 2 / 1 ^ H , puesladiagonalno esr
3i
a 4
2#43j t<?; y
entonces
www.FreeLibros.com
MATRI CES
122
A21 = A [ v + l , V i + 2
A 22 A
Escribiremos A=
Ah
+ l , ^ i + 2 ,. .
A 12
' A2i
I 1, 2, . . .,Mi]
A22 /
1 -1 0 3
0 4 \
1 0
2 3 3 2
1
1 1 3
2 2
-3 0 0 3 1 2 4
1 0 2 -2 3 /
l --1 0
corresponde al esquema
n
= V\
+ ^2 = 2
m = Mi + h
3
= 2 + 3+2
y se obtiene
A-
/
\ A2i
^ 12 ^ 13
A22 A23
A t2 . , . A |,
A2i
A22 . . A2s
A=
Ari
Ar2
A,
www.FreeLibros.com
123
Vi
v2 + . . . + vr ,
r, j = 1, 2, . .
5 y k = 1, 2, . .
t.
A B = ((2 i A lk Bw )
Ejemplo 4-14.
1
0
V -l
2\
1 2
-1
2 3 2
0
1
1\
1
2
2
1 -2
2
2
3 -1
1
0
0 /
El producto en forma particionada es
/ I
0
-1
1
\o
AB =
, An
A j2
A2i
A22
B2j b 22
An
A 12
A2i
A 22
Bu
B12
b 21
b 22
CO
Bu
+ A i2
+ A 22 B 2 i
/ i
0 \
An
B 12 + A 12
A 2i
B l 2 + A 22
As:
1 0
C n - A n B u 4- A i2 B2i
0
\o
-G:)*(: i
)-/
1 /
/
\ l
1 2'
~ l
1 2
l\
1 ./ V o i /
r \ 1 7/
Anlogamente se calculan C J2 , C22 y C2J , que son los restantes bloques del producto.
www.FreeLibros.com
MATRI CES
124
X oij A j I oij e K
;=1
Definicin
Rango columna de una matriz es la dimensin del espacio columna de dicha matriz.
p c (A) se lee: rango columna de A, y es
iOc (A) = dim S c(A )
Si A es una m atriz nula, el espacio columna es un vector nulo y el rango columna es 0. Si
A # , entonces el rango columna de A es el mximo n mero de vectores columnas
linealmente independientes.
Anlogamente se definen el espacio fila y el rango fila de una matriz A, y se indican
mediante Sp(A) y P f (A), respectivamente.
SF(A) es el subespacio de Km generado por las n filas de A y dimSp(A) es el mximo
nmero de vectores filas linealmente independientes de A.
La particin de A Knxm en vectores filas se indica as:
AiN
A2
, donde A e Kw ;i - 1, 2 , . . ., n .
www.FreeLibros.com
RANGO
A=
125
2 0 -1
4 \
0 4
1 -2
\1 2
1/
Observamos que las dos primeras filas son linealmente independientes y que la tercera
es combinacin lineal de aqullas: A 3> = A j. + - A 2 .. En consecuencia, el rango fila
Propiedad
a i 2 d \ r l >r + 1 a , r + h ^ l m
i2 . Or tfj,r + l
+ aim
a n \ a n2 & n r a r t , r + 1
& n ,r+ k
a nm
V / = 1 ,2 ,...,
www.FreeLibros.com
em 2
h =1
,t, e /j
(2 )
126
MATRI CES
ya que el
mximo nm ero de filas L.I. de A es menor o igual que elcardinal
sistema de
generadores de las filas de A.
Anlogamente, razonando a partir del rango fila de A, se prueba que
detodo
r < r (4)
De (3) y (4) resulta
r = r
O sea
P c (A) = P f (A)
4.13.3. Rango de una matriz
Hemos demostrado que los rangos fila y columna de toda matriz son iguales. Este
nmero se llama rango de la matriz. Para denotar el rango de una matriz A, escribiremos
P (A)
Definicin
Rango de una matriz es su rango fila o su rango columna.
p (A) = Pc(A ) = P f(A )
Dos matrices traspuestas tienen igual rango, pues
P (A) = Pe (A) = P f(A ') =p (A ')
Si I e K n *rt, entonces es p (I) = , ya que los n vectores columna de I son linealmente
independientes.
www.FreeLibros.com
RANGO
127
Para probar esta afirmacin, demostraremos que el rango del producto es menor o igual
que los rangos de cada una de las dos matrices, es decir
p (A B) < p (A) y p ( A B ) < p ( B )
Consideremos B particionada en los p vectores filas, y efectuemos el producto en forma
particionada
AB =
a i
a{i
...
a ip
an i
ani
. . . anp
B;
1J
l
P
\j= !aV
B"
Este resultado nos indica que las filas de AB son combinaciones lineales de las filas de B
con coeficientes en A. En consecuencia, todo vector del espacio fila de AB pertenece al
espacio fila de B, y por consiguiente
SF(A B )C S F (B)
Entonces, resulta
dim SF(AB) < dim SF(B)
Luego
p (A B )< p (B )
(1)
Esta relacin nos dice que el rango del producto de dos matrices es menor o igual.que el
rango de la segunda matriz.
Adems, teniendo en cuenta que la trasposicin no modifica el rango y (1), es
p (AB) = p (AB) = p (B f A() < p (A ') = p (A)
Luego
p (A B )< p (A )
(2)
Es decir, el rango del producto de dos matrices es menor o igual que el rango de la
primera matriz.
www.FreeLibros.com
128
MATRI CES
'
Hiptesis) A e K nxm
B e K nx esnosingular
Tesis)
p (B A) = p (A)
(1)
pues el rango del producto es m enor o igual que el rango de cada factor.
Como B es no singular, existe B"1 tal que BB'1 = B"1
B=I
Ahora bien
A = IA = (B_1 B)A = B"1(BA)
Por consiguiente
P (A) = p [B"1 (B A)]
Y por rango del producto, es
p (A )< p (B A )
(2)
p (A) = n
www.FreeLibros.com
OPERACIONES ELEMENTALES
129
0
0
0
0
0
1
0
0
0
0
0
0
www.FreeLibros.com
130
MATRI CES
1.
La perm utacin de las filas i y j puede obtenerse premultiplicando A por la matriz no
singular
P y - I - E - E + E U + En e n K " :
En K4x4 es
10 0 0
0 0 10
P 23 ~
0 10
0 0 0
,i
}
/A .
/ am
/A i
/ a2
A;
A;
A,
Af
_
\k
i0 0
0 0
0 10 0
1 1 0
0 0 0
www.FreeLibros.com
131
/ Al \
/ A1\
/1 0
0 1
AyA -
\
0
_0_ 0_1
<
lo 0
A2 1
:
d -.0
i
i _0
.0_-0_1
A;
Af + Ay
, : 1
1/
\ Anl
e constituyen un
1 0
0 0
0 0
0 0
a
0
0 10
0
1
h o
Ai
A2
_ 0_ 0 _ a _ 0
A,-
Ai
A2
M ^a). A
a
0 0
An i
Como p (M (a)) = n, es M,- (a) no singular.
www.FreeLibros.com
132
MATRI CES
1 -1
A=[ 1
lo 1
\2
1
2 - 1
2
-1 2
0
0
0
- 1 -1
3
1
2 -1
-2
-3
4
0
0
0
1
1 -3
1
2 -1
- 2 3
4,
0
0
0
1
0
0
1
1
2
- 2 -1 - 2
0
0
0
1
0
0
0
1
2
0 -1 - 2
www.FreeLibros.com
EQUIVALENCIA
1
0
0
0
0 0
1 0
0
1
0 -1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
133
B=
1
0
0
0
0 0 0
1 0 0
0 10
0 0 0
N ( m . r j X( _ r j
www.FreeLibros.com
MATRI CES
134
F.C.(A) = F.C.(B)
1. A ~ B = * p ( A ) = p (B )
Si A ~ B , entonces B puede obtenerse efectuando un nmero finito de operaciones
elementales sobre A, y de acuerdo con lo afirmado en 4.14.2. el rango se conserva. En
consecuencia es p (A) = p (B).
2. p ( A ) = p (B) => F.C.(A) = F.C.(B)
Es inmediato por la propiedad 4.15.2.
3. F.C.(A) = F.C.(B) =>A ~ B
Por la propiedad 4.15.2. es F.C.(A) ~ A y F.C.(B) ~ B. Como A y B son equivalentes a
una misma m atriz, resulta A ~ B.
4.15.4. Propiedad
Si A e K " x m, entonces existen matrices no singulares P e K nxn y Q e K mxm tales que
F.C.(A) = PAQ.
En efecto, la forma cannica de A se obtiene premultiplicando A por un nmero finito de
matrices elementales del tipo n x n y posmultiplicndola por un nmero finito de matrices
elementales pertenecientes a K mx m. Como tales matrices elementales son no singulares, sus
productos P y Q, respectivamente, tambin lo son, y a que las matrices no singulares forman
grupo multiplicativo.
4.15.5. Propiedad
Toda matriz no singular es un producto de matrices elementales.
En efecto, si A e K nxn es no singular, entonces su forma cannica es la identidad, y de
acuerdo con 4.15.4. existen P y Q no singulares (am bas son productos de matrices
elementales) tales que
PAQ = I
www.FreeLibros.com
135
En consecuencia
P"1PAQQ1 = F l Q " !
Luego
A = P_1 Q1
El segundo miembro es un producto de matrices elementales, ya que la inversa de toda
matriz elemental es una m atriz elemental o un producto de stas.
4.15.6. Propiedad
Las matrices A y B pertenecientes a K "Xfn son equivalentes si y slo si existen matrices
no singulares P e K nx" y Q e K mxm tales que B =PAQ.
1. A ~ B => F.C.(A) = F.C.(B) =3 K, L, M, R no singul ares / KAL = MBR =>
=> B =
....
....
www.FreeLibros.com
136
MATRI CES
Dividiendo la primera fila por a = 0, o sea, multiplicndola por el recproco del pivote, se
obtiene
1
d
....
En la etapa siguiente, se reducen a cero los restantes elementos que figuran en la columna
del pivote. Entonces, a la segunda fila se le suma la primera multiplicada por - . De este
a
modo, d se trasforma en 0, e se trasforma e n e - , y / s e trasforma en / - . Se obtiene
a
a
www.FreeLibros.com
GAUSS JORDAN
137
que no figure en la fila y columna del pivote es igual a la diferencia entre dicho elemento y el
producto contradiagonal dividido p o r el pivote.
En las etapas siguientes se reitera el procedim iento eligiendo un pivote que no figure ni en
las filas ni en las columnas de los pivotes anteriores. De este modo las operaciones
elementales indicadas preservan los vectores cannicos.
l procedimiento se termina cuando no es posible ob tener ningn pivote (distinto de
cero) en las condiciones ya sealadas.
Ejemplo 4-17.
Mediante el m todo de Gauss Jordn, obtener el rango de
El trasform ado de a 23 = 0 es
0
1. 1
1
1
2
1 -1
0 -1 -1
3
0 C O -2 -1
0 - 2 - -3
4
El trasformado de a43 = 3 es
1
0
0
0
0 -3
1
0
-2
1
0
1 --2
El trasformado d e a 44 = 2 es
1
0
0
0
0
0
1
0
2 - i ^ = 0
0
7
1
2
0 5
0
0
www.FreeLibros.com
138
MATRICES
es combinacin lineal de los tres primeros, pues es la suma de los productos de ellos
por 7, - 5 y 2, respectivamente.
Si en alguna etapa intermedia se eligiera com o pivote un elemento no nulo que figure
en la fila de algn pivote ya seleccionado, la columna que entonces se trasform en un
vector cannico dejara de serlo.
Resumimos la mecnica del procedimiento:
1. Se elige com o pivote cualquier elemento no nulo de la matriz dada, y se divide por l
la fila correspondiente.
2. Los restantes elementos de la columna del pivote se trasforman en ceros.
3. El trasformado de todo elemento que n o figure en la fila ni en la columna del pivote se
determina siguiendo la regla del rectngulo , es decir, es igual a su diferencia con el
producto contradiagonal dividido por el pivote.
4. Se reitera el mecanismo eligiendo como pivote un elemento no nulo que no pertenezca
ni a las filas ni a las columnas de los pivotes anteriores.
5. El nm ero de vectores cannicos linealmente independientes es el rango de la matriz.
www.FreeLibros.com
INVERSION
139
1 0 0
0 1 0
0 0 1
1 0 0
-1 1 0
-2 0 1
- 1
1
2
2 -1
- 2
1
0
- 1
-1
0 - 1
-1
~
2
0 ( 1 ] - i l l
\2 j 2 2
-1 1 1
1 0 0
l
2 2
i l
5 5
i
5
5
(-1X-1), 3 _ 1 = !
2
ti
A
l
5
5
www.FreeLibros.com
= + 1
2
10
MATRI CES
140
La matriz inversa de A es
/o
i
5
-i
2
5
-1
1
5
T
i
5
2
5
Determinamos la inversa de
-1
ffi
0
0
1 2
1
1
1
1
0
0
0
1
0
0
0
1
0
1
0
0
0
1
1
0
0
-1
0
3
1
(1)
0
1
0
-1
1
0
0
-1
0
(3)
0
1
0
1
0
-1
2
3
0
1
3
1
0
-1
0
0
1
1
3
0
1
3
Para trasformar A en la identidad, es necesario an perm utar las dos ltimas filas de
toda la matriz. Resulta
www.FreeLibros.com
INVERSION
1 2_
3
141
y
0
1
3
o 1
' C D
/ X
\ Z
B \ /X
Y \
D/ ' Z
U '
lp
N\
' N qI !
O sea
A X + B Z - I P (1)
A Y + B U = N (3)
CX + D Z=N
c Y + D U = 1Q (4)
(2)
De (2) se deduce
D Z " C X
Y premultiplicando por D '1
Z ~ D-1 C X
(5)
www.FreeLibros.com
142
MATRICES
A X - B D"! C X = Ip
(A - B D '1 C) X = lp
Luego
De (4)
X = (A B D"1 c y l
d u
(6)
= i9 - c y
En consecuencia
U = D"1 - D"1 c Y
(7)
Sustituyendo en (3)
A Y + B D~' - B D 1C Y = N
Por distributividad y /trasposicin
(A B D"1 C) Y = - B D"1
Premultipcando por ( A - B D '1 C )'1 = X, resulta
Y - X B D"1
(8)
M=[ *
2
\1
-1 0
11
1 1 0
-2 0
\o
V . - D .
1
Resulta
www.FreeLibros.com
INVERSION
Calculamos
-1
-1
0
1
0
0
1
1 -1
0 0
1
1
0
1
1
0
0
1
0 -1
-1 -1
Luego
www.FreeLibros.com
MATRI CES
144
0
0
0
1
V/ = 1, 2, . . n
(2)
[vjen cada espacio, y diremos que es la
4.19.2. Propiedad
Las matrices de pasaje P y P son inversas entre s.
Demostraremos que P P* = P P = I.
Teniendo en cuenta (1 ) y (2 ) escribimos
www.FreeLibros.com
CAMBIO DE BASE
Como
145
Vj = 0 Vj + 0 v2 + . . . + 1 \ j + . . . + 0 v
resulta que el nico trm ino no nulo de la sumatoria anterior se obtiene para i = /, y vale 1
Luego
n
S
H1 Pik p kj = <7
Por definicin de producto de matrices y de matriz identidad resulta
PP= I
Anlogamente se deduce que
P P = I
En consecuencia, ambas matrices de pasaje son inversibles, y cada una es la inversa de la
otra.
4.19.3. Trasformacin de coordenadas
Sea P la matriz de pasaje de la base [v] a la base [v],
y sea x e V.
Demostraremos que
X,v, - P X j v.j
donde X[v] y X[v.j son las matrices de las coordenada s de x e V en las bases [v] y [v]
respectivamente.
En efecto, expresando a x como combinacin lineal de cada base y teniendo en cuenta (1)
de 4.19.1., escribimos
n
n
n
x = j S 1 ai>v,} = jS 1 Ci'i
Pero
n
x= 2
Pi}V"
Vi
pj cCj
Vi = 1, 2, . .
www.FreeLibros.com
146
MATRI CES
O sea
Xt v r P X [v.| (3)
Y como P es no singular, premultiplicando por P"1 resulta
X [V. , = P - X [V| (4)
(3) y (4) se llaman frmulas de trasformacin de coordenadas.
4.19.4. Matrices de una trasformacin lineal y cambio de bases.
Sea / : V -> W una trasformacin lineal de m atriz A e K mxn respecto de las bases
[ v] ~ v i , v 2, . . .,v } e n V y [ w ] = ( w , , w 2 , . . , w m ) enW.
Si se efecta un cambio de base en cada espacio, entonces la misma trasformacin lineal/
est caracterizada por una matriz B e Kmxn respecto del nuevo par de bases fv] y [wl.
Sean P e K.nxn y Q e K1X"1 las matrices de pasaje de [v] a [vJ y de [w
] a [w].
Demostraremos que las matrices A y B de la trasformacin lineal /re sp e c to de los dos
pares de bases verifican
B = Q '1 A P
es decir, son equivalentes.
Para ello consideremos el diagrama
V, [v]
W, [w]
V, [v]
W, [wl
Se verifica que
l . Xj vj = P X [v.j por 4.19.4. (3)
2 Y(w] = Q Y [w,, por4.1 9 .4 . (3)
3. Y,t (w] - A X[v] por ser / trasformacin lineal de matrizA respecto de las bases [v] y
[w].
4. Y[w.j - B X|v ,, pues / e s trasformacin lineal de m
atriz B respecto de las bases [v] y
[w].
De 2., 3. y 1. se deduce
Y [W]
. . . . -n -O'
m Y (wj = Q- 1 A X [v) = Q- A P X(v,|
www.FreeLibros.com
SEMEJANZA
147
le ,+l e 2 + l e 3
/ ( 0 , 1 , 0 ) = (1, 1 , 0 ) =
1 ej - 1 e2 + 0 e 3
/ ( 0 , 0 , 1) = (0, l , - l ) = 0 e t + 1 e2 - l e 3
Entonces
\
A = ( 1 -1
1
\l
0 -1
ii)
de la
( 1, 1 , 1 ) = l e , + 1 e2 + 1 e 3
www.FreeLibros.com
base
148
MATRI CES
( 1 , 1 0 ) = 1 e, + 1 e2 + Oe3
(1, 0 ,0 ) = 1 e, + 0 e2 + 0 e3
Luego
P=
/ 1 i i
1 1 0
\ 1 o o
CakUlam0S riZ B
de la base
B = P"1 A P
Empleando Gauss Jordan resulta
Luego
1 -1
0/
\i
1
1
1
o
1
1
0
?)/:
1/ \ 1
1\
/o
0 ]= [ 1
0 /
\ 1
1
1
2
o
1
o
0
www.FreeLibros.com
TRABAJO PRACTICO IV
1\
B=
2/
1 -1
0
0
\ -2
2
/
Obtener: A2 , A B C y B fAt ,
4-25. Desarrollar
i ) (A + I) (A I)
ii)
(A + B) (A - B)
q2
-P2
~PQ
Calcular A2 .
www.FreeLibros.com
-3
-3
MATRI CES
150
demostrar
www.FreeLibros.com
TRABAJO PRACTICO IV
151
4-37. Demostrar
A A =N = > A = N
4.38 Demostrar que si A y B son matrices idem potentes y permutables en Kxn , entonces
A B es idempotente.
4.39 Demostrar que si una matriz es simtrica, idem potente y con algn elemento nulo en la
diagonal, entonces la fila y la colum na de dicho elemento son el vector nulo.
440. Demostrar que si A es idem potente y B es ortogonal, entonces B* A B es idempotente.
441. Demostrar
A2 = A a A + B = I=>B2 = B a AB = BA = N
442. Demostrar
A + B = I A A B = N = >A y B son idempotentes
443. Demostrar
A B = A a B A = B => A, B, A f, B* son idempotentes
444. Demostrar que si A es simtrica, entonces Bf A B es simtrica cualquiera que sea
B e K x".
445. Sean A y B dos matrices simtricas en K nxn. Demostrar
A B es simtrica 0 A y B son permutables
446. Demostrar que la m atriz A e K nx" es involutiva si y slo si (I - A) (1 + A) = N.
447. Demostrar que A y B son permutables si y slo si A al y B - a l son permutables,
cualquiera que sea el escalar a.
448. En K3 x 3 se consideran una matriz cualquiera B y A tal que a = 1
Analizar las filas de AB y las columnas de BA.
Vi V/
449. Demostrar que si A y B son no singulares y permutables, entonces sus inversas son
permutables y sus traspuestas tambin lo son.
4'50. Demostrar que si A es una matriz diagonal y todos los elementos de la diagonal son no
nulos, entonces A es no singular y su inversa es la m atriz diagonal formada por los
inversos de tales elementos no nulos en la diagonal.
4-51. Demostrar que si A es no singular e idem potente, entonces A = I.
4-52. Verificar que las siguientes matrices forman grupo multiplicativo.
www.FreeLibros.com
MATRI CES
152
2 0 0\
0
0
1 0 0 \
0 0 1 j
0 2 2/
/O 0 0 1
/ 0 0 2 0
1 1 0 0 0
'0 1 0 0
/ 1 -1
0\
0
1 -1
1 0
1/
/ 1 -1
0
B= | 0
1 -1
V 1
0
2
4-60. Sea
2
1
-7
3
4
www.FreeLibros.com
TRABAJO PRACTICO IV
153
) X( A X = X2
)X AX = nX2
iii) X^ A X = ( X i - X f
=i
4-66. Sea T e JC estrictamente triangular superior. Demostrar que
(I _ t )- i =1 + T + T 2 + . . . + T fl_l
4-67. Sean
'0
.
1 0
0
1i o o o I
, 0 1 0 0
y b=
\ C
A=
4-70. Sean A = |
1 -v 0 0
0 1 -p 0
0 0 1 -p
0 0 0 1
www.FreeLibros.com
154
MATRI CES
VeN
www.FreeLibros.com
Captulo 5
DETERMINANTES
5.1. INTRODUCCION
En esta seccin se define axiomticamente la funcin determinante de orden n y se
demuestran las propiedades que se derivan de tales axiomas. Se encara despus el problema
de la existencia del determ inante y se llega al desarrollo por los elementos de una fila. A
continuacin, y sobre la base del concepto de inversiones de una permutacin, se da el
desarrollo del determ inante en funcin de los elementos de la matriz, y se demuestra la
igualdad de los determinantes de dos matrices cuadradas y traspuestas. Se encara el
desarrollo de los determinantes por los elementos de una lnea cualquiera, y se demuestra el
teorema relativo al determinante del producto de dos matrices. Despus de exponer el
concepto de matriz adjunta de una matriz cuadrada, se da un m todo para invertir matrices
no singulares.
5.2. DETERMINANTES
En lo que sigue, supondremos que K es tal que 1 + 1 =0, y si A e K " x", escribiremos
A = (Aj 2 . . . A), donde A con 1 < / ' < denota la columna de lugar i de la matriz
cuadrada.
Definicin
Determinante de orden n es toda funcin
D : Knxn - K
que verifica
1 . D ( A , . . . a ; + a ; \ . . a ) - d ( a i . . . a ; . . . a ) + d ( a .1. . a ? . . . a )
cualquiera que s e a / = 1, 2 , . . . , n.
2.
D (Aj . . . a A ; . . . A ) = f tD ( A 1 . . . A , . . . A )
para todo / = 1, 2 , . . .,n.
www.FreeLibros.com
DETERMINANTES
156
3. A ~ AJ + ! => D (A i . . . A; Aj + 1 . . . A ) - O
cualquiera que sea / = 1, 2 , . . n - 1.
4. D (I) = 1 .
Haremos algunas aclaraciones acerca de la notacin usada y de los axiomas propuestos en
la definicin. La funcin D asigna a cada matriz n x n un escalar llamado determinante de la
matriz. As, el sm bolo D (A) se lee determinante de A , y es un elemento de K.
Los axiomas 1. y 2. caracterizan a D como una funcin lineal respecto de cada columna
de la matriz.
El axioma 3. establece que si dos columnas consecutivas de una matriz son idnticas,
entonces su determ inante es nulo.
El axioma 4. expresa que el determ inante de la identidad vale 1.
Si
A=
an
an
a \n
a 2l
a 22
an1
a n2
@2n
flfin
escribiremos
11 d \1 . . . d \ n
a21 22 a2 n
&n 1
0 -n 2
a nn
Ejemplo 5-1.
La funcin D : K2*2 ->K definida por
D (A) =
= ad - be
es un determinante.
En efecto:
1.
b +
d + d
a b
c
2.
d
aa b
ac d
= a (d + d ,T) - ( b , + b ) c = ( a d , - b c) + ( a d - b c) =
a b
c d
a a d - b a c ~ a .( a d - b c ) =a
a b
c d
www.FreeLibros.com
r
PROPIEDADES
3_ a a
c c
=a c - a c = 0
4- D(I)= | o
os en
157
= u
~ 00=1
D (A) = \a\ = a
d e la
im na
ticas,
5.3.1. Teorema
Si se perm utan dos columnas de una m atriz, entonces los correspondientes determinantes
son opuestos.
Razonamos inductivamente:
i ) Las columnas que se perm utan son consecutivas.
Sea A = (A i . . . Ay Ay+i . . . An)
Por 3. es
D (Aj . . . Ay + A/+i Ay+i + Ay . . . An)
Aplicando 2. se tiene
D (Aj . . . Ay Ay+i . . . A n) + D iA J_ _ ^ A r -Ar^ r A ) - +
4- D_( A i . .
Ay+i . . . A ny + D (A i . . . Ay+ i A . . . A n) 0
P o ri)
Por hiptesis
Por i)
5.3.2. Teorema
El determ inante de toda matriz que tenga dos columnas idnticas es nulo.
ii= j a A = Ay => D (A i A2 . . . A . . . A y. . . A ) = 0
www.FreeLibros.com
158
DETERMINANTES
En efecto, perm utando tales columnas idnticas por 5.3.1. es
n)
O sea
D (A) = - D (A) pues A* = A,
Luego
1 D (A) + 1 D (A) = 0
En consecuencia
(1 + 1) D (A) = 0
Y como l + l ^ o , resulta
D (A ) = 0
5.3.3. Teorema
5.3.4. Teorema
linfa! de
ante
S a
/ ^ ^ D ( A 1 . . . A J. . . . A , . . . A ) = D ( A 1 . . . A ; . . . A f c + a A .
A plicando los axiom as 1. y 2., y teniendo en cuenta 5.3.2., resulta
D (A, A , . . . A * + a A / . . . A ) =
l >I A'
' A - -A.
(A, . . . A ; . . . A / . . . A ) =
= D ( A. . . . A j . . . A k . . . A n) +
a .0 =
= D ( A 1 Aj . . . A k . , . A)
Ejemplo 5 -2,
Sea
/
A- ^
l\
1 / eR3X3
www.FreeLibros.com
. ,
PROPIEDADES
D.(A) =
1
0
1 0
1 -1
1
-1
2
0 0
1 1
1 -3
D (A) =
1
0
3
0
0
1
1
1 -3
D (A) =
1
0
3
0
0
1 0
1 -4
0 0
1 0
1 1
D (A) = ( - 4 )
0 0
01 0
0 1 1
Ejemplo 5-3.
S i a e K y A e K " * " , entonces
D ( a A ) = a " D (A)
www.FreeLibros.com
160
DETERMINANTES
En efecto:
D ( a A ) = D [ a (A 1 A2 . . . A ) ] =
= D(o: Aj a A2 . . .a A n) =
= a n D (A)
Ejemplo 5-4.
Sl Alx^2
A" son vectores columnas de K n tales que D (Ai A2 . . . A)
B e K" x es combinacin lineal de aqullos, o sea
B = ; ? i * A ' con x e K , i =
1 , 2 ,. .
0 y
.,n,
entonces
D(At . . . B . . . A )
D (A )
. An) =
A2 . . . A2 . . . A ) +
. _ D ( A i ...B ...A 1
D( A)
5.3.5. Teorema
D ( A , A i ' * AAa ) = o " A "
S n U n e a l m e n t e
dependientes
en
K n,
entonces
D ( A ) - D ( A j A2 . . . . S ft AI. . . . A ) = 0
www.FreeLibros.com
EXISTENCIA
161
5.4. EXISTENCIA DE D
Definiremos los determinantes p o r induccin sobre n. Sea A e K " x", Para cada
(/ /)e l n X I consideramos la m atriz A ( / 1f) del tipo (n - 1) X (n - 1), que se deduce de
A al suprimir la fila i y la columna;.
d\\
..
. . .
a in
...
a,
ay
an 1 an 1
1 2
3
1
0 2
2
1 -3
'w
1 -3
II
0 -2
>
A n ( l) 2
1!
to
www.FreeLibros.com
= - 1 , etctera.
162
d e t e r m in a n t e s
* j
determinante de orden - i. Para ello definimos, para cada fla / = 1 , 2 . ^ 6XPenSaS deI
D : K n x n ~>K
mediante la asignacin
D (A ) = . 1 au A
(i)
donde Aj ( - 1 ) d f A ( / / ) ) .
0 sea
D ( A ) - s A fl + a 2 A + . . . + an An V ; e l .
2. D ( A i
2 . . .a Ak . .
. A )=
n)
a ..
a* Av
-=
an
^ u ta " 3 ^
D ( A 1 A2 . . . a Af t . . . A) = a D ( A i A 2
3 . A = A * +1 =>D( A, . . . A *
4. v
Aft
1U8" * ^ faC r
A* + 1 . . . A ) =
=St aH A = a ik A ik + ai
h+1 At h+ =
- ( D1)A
(1D*}!
a**+D^ i*4 c D14+
)()/ 1*) J = 0 =
ath
( A (;+(_1)i"
Ik ) ) ++1
(_!)<**,
( A>
4- D W = , 4 ( ~ l ) w 5i D ( l ( | / ) j =
( - I ) +i Su D f I (/ [ /) J= 1
Entonces, Vn e N , V/ e l n , la funcin
D : Knx
www.FreeLibros.com
qUe
UNICIDAD
163
definida por
D ( A ) = . |i a ; Ai;es un determinante de orden n.
La frmula anterior corresponde al desarrollo del determinante por la i-sima fila y expresa
que todo determinante es la suma de los productos de los elementos de la fila i por sus
correspondientes cofactores.
5,5. UNICIDAD DEL DETERMINANTE
Expondremos primero algunos conceptos relativos a permutaciones e inversiones de una
permutacin, sin entrar en detalles de demostraciones. Despus hallaremos una expresin del
determinante en trminos de los elementos de la m atriz, de modo tal que se satisfagan los
cuatro axiomas de la definicin.
5.5.1. Permutaciones
Sea el intervalo natural inicial
= {1
Definicin
Permutaciones de I son todas las funciones biyectivas de I en s mismo.
Si o : I -*I n es una perm utacin, entonces O queda caracterizada por el conjunto
ordenado de las imgenes
a~ {a(l)
a ( 2 ) . . . ff(tt))
1 ( O = / si o ( j ) ~ i
ln
definida por
i
o ( i)
si i
+ } a / =/ + 1
www.FreeLibros.com
164
DETERMINANTES
Se verifica que la perm utacin inversa de una trasposicin es una trasposicin. Por
ejemplo, la permutacin inversa de la trasposicin
20 = (2 3 1 4 5)
es la trasposicin
!
2' = (3 1 2 4 5)
Se demuestra que si o es una perm utacin de I y n > 1,entonces existe un nmero finito
de trasposiciones cuya composicin es la identidad.
Por ejemplo, si
o = (2 3 1 4 5)
2(j = (2 1 3 4 5)
entonces
l2 0 = ( l 2 ) 0 = ( i 2 3 4 5) = I
-aa{n) n
www.FreeLibros.com
UNICIDAD
165
A2 ~ a 2 E
1=1
A = 2 ain E,
=i
O sea
D (A) = D (A , A i . . . A ) = D ( i a E,
1=1
2 a 2 E , . . . J
1 =1
l-l
ain E,)
0(2),2 ao(n),n
Este desarrollo del determ inante no es til para el clculo, pero s lo es desde el punto de
vista terico.
www.FreeLibros.com
166
DETERMINANTES
5.6. DETERMINANTE DE LA TRASPUESTA
k " x"
Sabemos que
D (A ) ~~ ^
1 ) eCT)fla ( l ) , i
* -
( I ) ,2 a a{n) n
ao(j)J=ak,o~l (k)
ao (i),i a<ji
2 ) t 2
y la suma es
ya que
( - l ) c< > = (-I)e< cT ')
Ejemplo 5-5.
Calculamos, segn 5.5.4., el determinante de C = (A B ) siendo
Efectuamos primero
-ri).
www.FreeLibros.com
DETERMINANTE DE LA TRASPUESTA
167
Entonces
C ~ (A B)( -
/ 3 -3
-2
2
\ 5 -5
-4
0
-2
Para obtener los seis trminos del desarrollo 5.5.4. podem os aplicar la conocida regla
de Sarros, repitiendo debajo del determ inante las dos primeras filas de la matriz, y
efectuando los productos indicados
= 3 . 2 . (-2 ) + (-2 ) . (-5 ) . (-4 ) + 5 . (-3 ) . 0 5 . 2 . ( - 4 ) - 3 . ( - 5 ) . 0 - ( - 2 ) . ( - 3 ) . ( - 2 )
= - 1 2 - 4 0 + 4 0 + 12 = 0
D (C) =
D (C) - 2
3 -3 - 4
-1
1
0 =2
5 -5 -2
3
-1
5
0 -4
0
0
0 -2
9 9 9
3 5
3
5
=9
1 1 1
3 5 1
5 1 3
0
2
-4
www.FreeLibros.com
168
DETERMINANTES
-2
-4
-2
= 9 ( - 4 - 8 ) = -1 0 8
Teniendo en cuenta que los determinantes de dos matrices traspuestas son iguales, los
axiomas y propiedades relativos a las columnas son vlidos para las filas.
En consecuencia, el desarrollo de un determ inante por los elementos de una fila
propuesto en 5.3.5., se hace extensivo a los elementos de una columna. Podemos decir
entonces, que todo determ inante es igual a la suma de los productos de los elementos de um
lnea (fila o columna) por sus respectivos cofactores.
Ejemplo 5-7.
Desarrollamos por los elementos de la primera columna.
D ( A) =
1 1 1 1
a
c d
a2 b2 c2 d 2
a3 b3 c 3 d 3 .
D (A) =
1
1
1
b -a
ca
d -a
0 b 2 -a b c2 - a c d 2 -a d
0 b : -ab2 c 3- a c 2 d 3- ad 2
ba
b(b~a)
b 2(b - a )
c -a
c (c -a )
c 2 (c -a )
d -a
d (d -a )
d 2(d -a )
1
b
b2
El determinante de orden 3 que resulta es del mismo tipo que el primero. Ahora
restamos a cada fila la anterior po r b
D (A) = (b -a ) (c -a ) (d -a )
1
1
1
0 c-b
d -b
0 c2- b c d 2~bd
www.FreeLibros.com
169
0 sea
D (A) = (b - )( c - a) (d - a )( c - t) (d ~ b ) ( d - c)
El determinante propuesto recibe el nombre de determinante de Vandermonde, y
considerando la fila de elementos a, b, c y d,su desarrollo es igual al producto de los
binomios que se obtienen restando cada elemento de la misma de todos los que le
siguen.
C = A B = (A 1 A 2 . . . A n)
b 11 b 12 b 1
21 b 22 . . . b 2 n
bni
A j
b n2 . . .
j = i b i2 A i y ? !
b nn
b jn A i)
Luego
D (A B) = D ( 2 yi Ay .2 bj 2
= 2 D (^0(1 >,1 Aff( i)
.. . .2 bjn A}) =
www.FreeLibros.com
170
d e t e r m in a n t e s
Si
* -
I a n a 12 . . .
an
<*22
a ln
a2n
...
an 1 a n2 . . .
ann>
A 12
A:
k2 i
A 22
A ln
A2 . . .
Anl
. . . A 2
Ann
es
39 - 5 \ '
Adj A = - 4
-2
3 -4
_2
-2
=[ 9 1 7
,-5 - 2 -1
7 -1
5.8.2. Propiedad
Sea
rn
a i2
A=
a1n
a \2
...
ff;.
donde h=i
ah\
a h2
. . .
www.FreeLibros.com
y es
ADJUNTA
171
Sum ando a la fila h la fila i, el determ inante de esta m atriz no vara, es decir
tuir
#11
#12
an
a 2
a ln
...
air
D (A ) =
ah l+ a
^ h 2 ^ i2
ni
D (A ) = .2 {ahj + au) A hj
Entonces
n
D (A) = 2 ah A hj + .2 a 3 A hj
La primera sumatoria es D (A), y en consecuencia
D (A ) = D ( A ) + J i f l f f Aw
Luego
.2 aj A hj = 0
Esta propiedad tam bin es vlida para columnas. A continuacin demostraremos que el
producto de toda m atriz cuadrada a izquierda y a derecha por su adjunta es igual al
determinante de dicha matriz por la identidad.
OS
5.8.3. Teorema
Cualquiera que sea A e K "xn se verifica que
A . Adj A = Adj A . A = D (A) . I
En efecto, aplicando la definicin de adjunta de una matriz cuadrada, el producto de
matrices, 5.4. y 5.8.2. se tiene
A Adj A =
A u A 21 Ai
Aj2 a 22 A2
&n l
Aln A2 n * An
#r2
a nn
www.FreeLibros.com
172
DETERMINANTES
n
n
a H A 2;
' ' }S x lJ
n
A 2 j
av
'
D (A )
O
= D (A )
O
...
D (A) . . .
...
1 0 ... 0
0 1 ... 0
o 0
...
A ni
a n j A nj
O
O
D (A )
= D(A).I
matZ
nVerSWe
* sl * -> determinante es
AB=BA= I
D (A B) = D (B A) = D (I)
www.FreeLibros.com
173
A-F (x r^ (X )
Entonces, por definicin, existe A 1 y es
A-l - Ad A
D( A)
Se obtiene de este modo otro m todo efectivo para el clculo de la inversa de una matriz
110 singular.
Ejemplo 5-8.
Obtenemos la inversa de la m atriz del ejemplo 5-6.
/I
A= I 3
V5
3 5
5 1
1 3
- 4 -2 2
14
14
- 4 -2 2
14 - 4
\ -2 2
- 4 --22 \*
14
14
- 4 -2 2
4
/
14
-2 2
Luego
A"1 =
/ 14
~ 108 \ - 2 2
- 4 -2 2 \
-22
14
14 - 4 /
O sea
7
~ 54
2
54
11
2
54
11
11
54
7
54 54
2
7
54 ~ 54
54
Ejemplo 5-9.
Demostramos que los determinantes de dos matrices inversas son escalares recprocos.
Sea A e K nx'' no singular, es decir, tal que existe A 1.
Entonces se tiene
A A"1 = I
www.FreeLibros.com
174
d e t e r m in a n t e s
D (A A_1) = D (I)
Por determinante del producto y de la identidad es
D ( A ) D ( A ~ 1) = 1
O sea
qs - ^ S
K CeS Semejanfes
determinantes iguaies.
' SlBeK
CS SemCJ;1,' te a A - 0 " ' " existe P no singular ltaque
B = P '1 A P
Entonces
O sea
D (B ) = D ( I ) D ( A )
Y resulta
D (B ) = D( A )
5.10. REGLA DE CfflO
det
n :
de rminaaC
nteta;eel
T O a^atai^ ^
E.
Sea
12 . . .
u
2i
a 22
ai2 . (a
am
an2
...
au ...
a 2j . . .
a ln
a 2n
D (A) =
. . . anj
...
a nn
www.FreeLibros.com
175
REGLA DE CHIO
D (A) = a a
d j\
a i2
aj
aj
d n \ a n 2 anj ar
A cada fila A, con h * i, le restamos la fila i multiplicada por aHh y resulta
au -
& t]a n
Q i j a 2
012
. .
(*i2
D (A ) = fly
...
..
ai -
fllj
y
din
an 1
anan
ai
a n2
Gni &
ana i 2
2
3
0
0 - 1 2
2 - 2 - 3
-2
(3)
0 -1
del pivote se anulan, y a los elementos del determ inante que no figuran ni en la
www.FreeLibros.com
176
d e t e r m in a n t e s
en h columna del pivote se los trasfonna de acuerdo con la regla del -rectngulo
2
3
0
2
1
4
0
1
0 -5
1 -1
0 -1
D (A ) = ( - 2 )
4
3
1
-5
-1
2
-5
-4
1 1 l1
0 -9
0 -4
-5
-9
-4
-4
= 2 (20 - 3 6 )= 32
www.FreeLibros.com
TRABAJO PRACTICO V
$.12 Calcular los siguientes determ inantes desarrollando por los elementos de una linea,
reduciendo a ceros todos los elementos de la misma, salvo uno:
2 4 3
2
2 1
1
3 1
D
(B)
=
1
0 3
D (A) =
4
1 2
1
4 1
D (C) =
-2
4
1
3
0
1
2 --1
1
1
0
1
2 -1
3
4
-1
0
1
3
D (E ) =
1
3
4
1
2
1
2 -1
2
1
3
2
5-13. Demostrar que el determ inante de toda matriz triangular es igual al producto de los
elementos de su diagonal.
5-14. Demostrar que si u n determinante tiene dos lneas proporcionales, entonces es nulo.
5-15. Resolver las siguientes ecuaciones:
0
1
1 -X
0
-2
-2
0 =0
4 -X
2 -x
4
2
-3
1
-1
Resolver la ecuacin D (A - X 1) - 0
5-17. Resolver la ecuacin D (A - X I) = 0 siendo
A=
j_
J_
i'
2
www.FreeLibros.com
6
-2
2 +x
178
DETERMINANTES
1
x2
x i)
5-21. S e a n /y g funciones reales de una variable real con derivadas primeras y segundas.
Demostrar que si
entonces
5-22. Demostrar que si n vectores columnas de K" son Unealmente independientes, entonces
el determinante de la matriz cuyas columnas son tales vectores es no nulo.
5-23. Determinar los signos de las permutaciones de I3 , y la inversa de cada una.
5-24. Sean a x , a2 , . .
definidas por
www.FreeLibros.com
179
TRABAJO PRACTICO V
ii)
iii)
iv)
x y 2
y z xz xy
=(x-y)(y~ z)(z-x)
X y z t
y z t X
z t X y
X y z
(x
+y +z + 0
1 X y z +1
1 y z X+t =0
1 z t x +y
1 t X y +z
X-
y z
^y
2z
2x
y - x - z
2z
2x
2y
(x + y + z )3
z-x -y
2
3
1
5-30. Calcular
0
1
1
1
0
1
1
1
1
1
0
1
1
1
1
1
0
1
1
1
1
0
www.FreeLibros.com
180
DETERMINANTES
5-33. Demostrar que el detenninante de toda m atriz antisimtrica de orden impar es nulo.
5-34. Demostrar que
A
B
C
D
= lAl ID - B A '1 Cl
B\ 1
/a - i + F E " 1 F
D/
-FE"1
- E ' 1 F
www.FreeLibros.com
E"1
Captulo 6
SISTEMAS LINEALES
6.1. INTRODUCCION
En este captulo se estudian los sistemas de ecuaciones lineales sobre la base de su
estrecha relacin con las trasformaciones lineales, y se analizan los espacios soluciones de los
sistemas lineales y homogneos. Despus de la demostracin del teorema de Cramer, se trata
la compatibilidad de los sistemas lineales generales. Se dan, finalmente, los siguientes
mtodos directos de resolucin: de Gauss Jordn, de la raz cuadrada y del orlado.
www.FreeLibros.com
SISTEMAS LINEALES
182
K"
21
11 12 lm '
22 2 m
*1 '
*2
/ti n2 Jim
Xm
bi
b-i
bn
www.FreeLibros.com
SISTEMAS LINEALES
0
sea, cada m-upla de elementos de K que satisface a todas las ecuaciones del sistema es
una solucin del mismo.
Entonces
a = (a i , <*2 , ,
es una solucin o a e f 1 | { B | )
A X = B es incompatible o B l ( f )
En particular, si B es el vector nulo de K n , entonces
AX=0
(II)
www.FreeLibros.com
SISTEMAS LINEALES
= I /(X ) / X e Km ) =
= j (A i 2 . . . Am)
(AX/XeK"*|
/ ^ 1\
2 J / Xj - eK con i = 1, 2___,
xm f
I m
t
= j .X x tA / jr e K J = SC(A)
Por consiguiente es
dim l(f) = dim SC(A) = p (A)
www.FreeLibros.com
j=
r
ESPACIO SOLUCION
185
AX = 0
y sea S el espacio solucin, es decir
s=m
donde f es la trasformacin lineal a que nos hemos referido.
De acuerdo con 3.4. se verifica que
dim N (/) 4- dim \(f) = dim Km
En consecuencia
dim S + p (A) = m
O sea
dim S = m - p (A)
Luego, la dimensin del espacio solucin de todo sistema lineal y homogneo es igual al
nmero de variables menos el rango de la matriz de coeficientes.
En particular, si p (A) = m , entonces es dim S = dim N(/) = 0. En consecuencia
*2
+*3 +
~ *2
*3
3*! - 2*2
*4
= 1
+ 2*4
=0
+ 3*4 = 1
-1
1 - 1 - 1
3
2
3
www.FreeLibros.com
SISTEMAS LINEALES
R3
mediante
AX) = A X
el sistema lineal propuesto nos conduce a la determinacin de la preimagen de
Para hallar dim 1(0 obtenemos el p (A) por el m todo de Gauss Jordn
-2
-1
-1
3
-3
2
-3
- 3
1
0
x 2 + *3 + *4 = 0
www.FreeLibros.com
TEOREMA DE CRAMER
18^
I X = AM B
En consecuencia
X = A1 B
_ D(A j A3 . . . B . . . A )
........
D(A)
-V 3 = 1
+ 2 x 2 2x 3 = 1
2 x, -
x2 + x3 -
www.FreeLibros.com
SISTEMAS LINEALES
188
La matriz de coeficientes es
1
_ 1
/ 1
=
- 1
0
www.FreeLibros.com
TEOREMA DE ROUCHE
189
En efecto:
A X = B es compatible 3 a e Kmx 1 / A a = B
I ai \
......... K / (A j A2 . . . A m )
4 > 3 % a 2 , . . . , a m e K / B = | i a ( A
B es combinacin lineal de las m columnas de A o
^ B e SC(A) o- p (A) = p (A)
Por definicin de sistema compatible, producto de matrices en forma particionada,
definicin de combinacin lineal, definicin de espacio colum na de una matriz y de rango de
una matriz.
Denotando con T el conjunto solucin del sistema lineal A X = B, el teorema demostrado
puede expresarse as:
T = 0 < * p ( A ) = p ( A )
En consecuencia
T = 0 o p (A) =p (A)
0
sea, un sistema de ecuaciones lineales es incompatible si y slo si los rangos de la matriz
de coeficientes, y de la m atriz ampliada con la columna de los trminos independientes, son
distintos.
6.4.2. Conjunto solucin de un sistema lineal compatible
Sea A X = B un sistema lineal compatible, es decir, tal que p ( A ) = p ( A ), donde
A e Knxm, X e Kmxl y B e K n x i . Se presentan las siguientes situaciones:
1. El rango de ambas matrices es igual al nm ero de variables.
Si p (A) = p (A) = m, entonces las m columnas de A son linealmente independientes y, en
consecuencia, B es combinacin lineal nica de tales columnas. Esto significa que existen
escalares
, . . . , ccm e K, nicos, tales que
O sea, ot =
i
0i2
B = S tt/A ;
i= i
es la nica solucin del sistema.
www.FreeLibros.com
SISTEMAS LINEALES
190
X2
+ *3 =
2x , - x 2 - *3 = 1
+ 2 x 2 - *3 - 3
2
1
1
-1
2
-1
-1
1
-
3
2
1
-3
- 2
0
1
( -)
- 18
-3
-2
www.FreeLibros.com
RESOLUCION DE SISTEMAS
191
+ x2 -
*3 =
- x 2 + 3x 3 - - 3
I xt
+ X3 =
1
1
1
3
1
- 1
- 2
(r* )
0
0
0
1
Ejemplo
-1
-1
-2
0
6-6
Determinamos una base del espacio solucin del sistema lineal y homogneo
(A - X I) X - 0
para cada X tal que
D (A - X I) = 0
siendo
y X e R3 x 1.
www.FreeLibros.com
192
SISTEMAS LINEALES
2 X
1 -X
(1 -X )2 (2 X) = 0
Las races son
\ - X2 = 1 y X3 =2
1. Para \
Es decir
0*! + x 2 + * 3 = 0
0*! + x 2 + * 3 = 0
0*1 + 0*2 + 0*3 = 0
V * ! e R se verifica
*2 + * 3 = 0
O sea
*2
~ *3
www.FreeLibros.com
RESOLUCION DE SISTEMAS
193
Una base del espacio solucin est formada por los vectores
0
0
0
0
0
0
1
1
0
0
0
0
1
0
0
1
0
0
0
0
0
Como p (A) = p (A) = 1 y este valor es menor que el nmero de variables, el sistema
tiene infinitas soluciones. La dimensin del espacio solucin es
3-p(A) = 2
Las dos primeras ecuaciones caracterizan un plano que pasa por el origen y que
contiene al eje x x. La tercera ecuacin se satisface para todo ( * i, x 2, x 3) e R3, o sea,
representa a R 3 . La interseccin de estos dos subespacios es el plano de ecuacin
*2 + *3 = 0Ejemplo 6-7
Considerando las matrices
li
A=
~4
4"
2~
*1
>
x=
*2
^
*r
*3
3 i
www.FreeLibros.com
-y
1=
l
\ i
SISTEMAS LINEALES
Efectuamos primero las operaciones matriciales
l . ( * l * 2 * 3)
(*i X% * 3 )
i * . + ^ a + f r ,
j x 2 + ^ X
'*' + 4 Xi + J a:3 = * ,
i
+ ~ * 2 + T * 3 =X 2
I9 r 2 +4 --1* 3 = * 3
6x + 3*2 + 4 * 3 = 12*1
6x t + 3 * 2 + 4*3 = 12.*2
3*2
Reduciendo trminos
+ 2*3 =
6x 3
(
2* * X = 1 => (l
!)/
'
3*2 - 4* 3 = o
~ 1 ^* 1 +*2 + * 3 = 1
www.FreeLibros.com
(*1 * 2 * 3)
RESOLUCION DE SISTEMAS
195
-1 0
C 22 )
-"2 2
4
15
0
1
3
7
3
0
1
3
11
0
4
11
11
4
Xi ~
11
4
La matriz A de este ejemplo es tal que sus elementos son no negativos y la suma de los
elementos de cada fila vale 1. Esto significa que los vectores filas caracterizan una
distribucin discreta de probabilidades, y por tal motivo la matriz se llama estocstica.
www.FreeLibros.com
SISTEMAS LINEALES
196
6-8
www.FreeLibros.com
SISTEMAS HOMOGENEOS
i )
197
X ! - 2*2 + * 3 = 0
-
X i
*2
3=0
- 2*2 - 2*3 = 0
D(A) =
-2
- 1
-2
- 1
- 3
=3*0
{0 |
*! - x 2 + 3 x 3
I X t + X 2 - *3 = 0
( *1
+ *3 = 0
=0
Como
D(A) =
- 1
- 1
= 1
- 1
0, el sistema es indeterminado.
www.FreeLibros.com
SISTEMAS LINEALES
198
Se tiene:
/* ,
+*3=0
i
x 2 - 2*3 = 0
Despejando las variables principales
= -*3
X2 = 2 *3
Las infinitas soluciones estn dadas por
i Xi
= - a
| x 2 = 2a
[ *3 = 0
Va eR
-1
O
_X2_
_ _*3_
sea
S = { ( a, 2a, a ) / a e R
Af = B
B = O =>
sea
T C + S (1)
www.FreeLibros.com
CONJUNTO SOLUCION
199
Luego
f + SCT
(2)
D e ( l ) y ( 2 ) resulta
T= + S
En consecuencia, toda solucin de un sistema lineal es igual a una solucin particular de
dicho sistema, ms una solucin del sistema homogneo asociado. En otras palabras, el
conjunto solucin de un sistema lineal es igual a la suma de una solucin particular con todas
las soluciones del sistema lineal y homogneo correspondiente.
Ejemplo 6'9
Interpretamos geomtricamente el significado del teorema anterior considerando el
sistema lineal de una ecuacin con dos variables
2*i - * 2 = 1
En este caso es A = (2 1) y A = (2
sistema tiene infinitas soluciones.
-1
2x j - * 2 = 0
y corresponde a una recta que pasa por el origen. Una solucin particular del sistema
dado es (1 ,1 ) = t. Sumando a t los vectores correspondientes a todos los puntos de la
recta de ecuacin 2 x x - x 2 ~ 0, se obtiene la recta T, paralela a S.
www.FreeLibros.com
SISTEMAS LINEALES
200
Ejemplo 6-10
Dado el sistema lineal
/ *j +
J 3*!
X2 +
+ 2x 2
* 3
* 3 +
* 4
+ X5 = 7
* 4 3* 5 = -
|
* 2
+ 2*3 + 2*4 + 6*5 ~
^ 5 * t + 4*2 + 3*3 + 3*4 * 5 =
23
12
1
0
0
0
0)
-2
0
0
23
12
-6
-2 3
23
-23
- 16
- 2
-3
- 6
- 5
23
* 3 - * 4 - 5*5 = 0
www.FreeLibros.com
CONJUNTO SOLUCION
201
= a + p + 5y
* 2 = - 2a 2/3 6-y
*3 = a
*4
=0
*5=7
cualesquiera que sean a, 0 y y e R.
Luego
1
*1
*2
-2
= Oi
*3
*4
1
XS
5 1
~2
-6
+ 7
+ 0
1 \
-2
-2
1
-6
51
0
1 /
0
0
0
23
0
+ a
_ 2
+0
'
1
2
0/
www.FreeLibros.com
-6
+7
0
0
1/
202
SISTEMAS LINEALES
O sea
16 + a + 0 + 5y
6y
* 2 = 23 - loe - 2)3 -
* 3 = 0:
x 4 =p
*5=7
6.8. RES
OLUCION DE SISTEMAS SIMETRICOS POR EL METODO DE
LA RAIZ CUADRADA
convergencia, y mediante Z
l
1 reqUl eren el anlisis *> cuestiones *
que se desee. A diferencia de stos los mtodos8 * 0 ? " 6'1 S 1UC10nes con la aProximacin
^ n e r o finito de operaciones aritmticas elementales.
AX-B
(i)
? 12
?22
*1 "
hn
I tu
0
t3n . . .
tn n j
(2)
f 12
hn
*2 2
h n
o ...
al 2
1 n
2 1
22
2 n
n 1
.n 2
www.FreeLibros.com
..
SISTEMAS SIMETRICOS
203
Luego
A
lL
_ L
t ti =
t\ i
V11
Considerando cualquier fila distinta de la primera, es decir, tal que / > 1, se tiene:
-i
i = i=>au = 2 tl = X j , = r j + 2 tl,* > tt
h- 1
h= l
h= 1
/ >i^au = ^
thi t hj = ^
ia-u 2 t\
h= 1
i~i
th thj = t u tu +
t hi h i
i'-l
a -
2 h i thi
/!= 1
conocido K, se obtiene X.
La determinacin de las com ponentes del vector K se efecta de la misma manera que las
columnas de la matriz T. En efecto, considerando (3), es
1 12
22
Iti
t-in
t n n
i ^
k-i
knj
www.FreeLibros.com
l
=
b' '
b2
bn 1
,
204
SISTEMAS LINEALES
1. ti j Aj = b x, o sea
i> \^ b i
2.
2 th l k h - X
thikhn=I
h= i
- A : f + S t h k h => ki =
h=i
i-1
bi ~ ^ {hi ^ h
/!= 1
5
-
2
-
1
33
- 5
0
-8
4
0
-8
- 18
En consecuencia:
+ 2x 2 + 2x 3 =
x2 -
5x 3 =
2x 3 = 1 8
Luego
*3 = - 9
*2 = -5 3
x i=
124
www.FreeLibros.com
205
La solucin es
/
X=
124
-
53
\ -
*0,
\/i
= 1, 2 , . . .
,n.
Ejemplo 6'12
Resolvemos por el mismo mtodo
x 2 - 2x 3 = 2
+3*3 = - 5
2x i + 3;c2 2 x 3 = - 1
No es necesario multiplicar la primera ecuacin por - 1 para obtener elementos reales
en T.
1
- 2
-5
- 1
- 2
-i
2i
-2 i
0
0
-3
-2
Entonces
x3 = - 2
x2 = ~ 1
x, -
1) + 1
A
C
B
ann
www.FreeLibros.com
206
SISTEMAS LINEALES
M"1 =
Y
an
donde an e K - ( 0 )
Considerando que
M M ' 1 =1
se tiene
i ,
O sea
A X + BZ = I
a y
0)
+-2. = n
(2 )
C X + ann Z = N
(3)
C Y +^2^i
Oi
(4)
De (2)
Y
- ^
(S)
un
Luego
= * - C A ' 1 B (6)
De(l)
A X - I - B Z = X = A^1 - A1 B Z (7)
Teniendo en cuenta esta relacin, (6) y (3), es
C (A 1 - A~! BZ) + ann Z = N
C A ' 1 C A"1 B Z +ann Z = N
C
~(<*nn - a n) Z - b a nn 2 = N
C A 1 ann Z + an Z + ann Z = N
n Z = - C A"1
www.FreeLibros.com
207
a -1
Z = _-J r'_A_
(8)
De (7) y (8)
X - A ' 1 + A 1 B C A 1 (9)
Entonces
M"1 =
A- , , A"1 B C A '1
A + -------- --------a,
A"1 B
CA
dir,
etctera
, etc
-A "1B
bn-1 ,n
2.
-- C A
(c n i
C,j2
C n , n -l)
bi n
3-
0tn = a nn - C A1 B = ann + C
bn-l,n
&n- l,M
an =an n + X
}= i
I b ln
b2n
an j bj
www.FreeLibros.com
SISTEMAS LINEALES
208
Tambin:
I &ln
ann " C A 1 B
ann + (cn>1 C2 . . . cn n ., )
2 n
n-l,n
^nn
n-I
^ in *'<
/= 1
.>
x j = x ij +
bin Cni
in ni
O
i< n -\,]< n -\
Adems
' in
ni
Ejemplo 6-12
Calculamos la inversa de A por el m todo del orlado, siendo
www.FreeLibros.com
209
- 1
- 1
- 2
- 1
-2
- A"1 B
-1
- - C A"
11
5
14
14
14
14
1
14
3
14
5
" 14
14
14
www.FreeLibros.com
TRABAJO PRACTICO VI
6-13. Sea
i>2
una
S a c ia n
lineal
caracterizada
r11 ; *r1
1
7' * 2 + 2 V ,=do
1 de ^
3
* i + * 2 + * 3 =2
2x
*1 - * 2 +
^.
2- i x + 3 y + z = 6
)3x~2y~8z=
*3 = 5
1-
2.
*! +
j 2xl
* 2 ~ * 3=0
I X1 +
i2 * (
+ x 2 - * 3 =()
X1 + *3
3.
=0
* 3= 0
+ 2*2 + 2at3 = o
5*
=0
'
X1 + * 2 + * 3 ~ 0
*1 * 2
*2 +
*1 +
*2 -
* 3= 0
3*1 + 4 * 2
=0
5* 1 +
*2 + * 3 = 0
anterior, en los c z s o X Z ^ T p o Z L
*2 +
=: Q
*
3=0
U" ^
C3SOSdeIejerci
u l x + y - z =0
|
, > +z = o
,
1
ll + 1
(I + 0 * - , , + * = o
x + y ^ z = 0
www.FreeLibros.com
TRABAJO PRACTICO VI
211
./8: En el anillo de las clases de restos m dulo 3, determ inar una base del espacio solucin
de! sistema
_
Xi + *2 + * 3 = 0
Xi
+2*2
=0
+ 2x:2 = 5
3*1 + *2 = - 5
i 2xt + 3 * 2 = - 8
6-20. Resolver por el mtodo de Cramer el sistema del ejercicio 6-14. 1.
6-21. Resolver el sistema homogneo X (A I) = 0, donde X e R
1
. 3
A
3
+*4=0
*1 + 2*2 + *3
= 1
2 4
-1
6 \
B=
-1 1 /
-2
\
5
3
( * 1 2*2
2 *!
*2
+ *3
~ * 3
4 * i - 3*2 + * 3
2.
*1 +
2xt +
*J +
*4 *5 =
*5 =
2*4-
3*5 =
3*3= -
*2- 2*3 =
*2
*2
*1 + 2*2
+ *3= 3
3*3 =
www.FreeLibros.com
212
SISTEMAS LINEALES
3.
xx +x2-3x3
*1 - *2 +
Txi
2*i
- x s =0
*3 - *4
+2*3 -
x4
=0
- * 5 =0
*4 *5 = 0
2*i - * 2 + 2*3 = 4
4* i + * 2 + 6x3 - 6
en trminos de una solucin particular y del espacio solucin del sistema homogneo
asociado.
6-26. Siendo
- 3
A=
-4
4
obtener X tal que D(A - X I) = 0. Despus resolver el sistema (A - XI) X = 0 para cada
valor de X.
6-27 Determinar para qu valores de k el siguiente sistema tiene soluciones distintas de la
trivial:
* + (& + l)_y +
z=0
y { k + 1)2 = 0
*+
y +
(+1)*+
z=0
1
&29. Resolver el sistema X*A ~ x \ siendo
n
1 -1
- 1
1
1
www.FreeLibros.com
TRABAJO PRACTICO V
+ >1y + ci 2 - 0
a2 x + b 2 y + c2 z = 0
sabiendo que
bi
Ci
b2
c-i
=0
3*
y + 2z = 1 + a
+ ay -
z = 1
+ y + z =a
z = ~ 2a + 5
y - az =1
4x + y - a z = a
para los distintos valores de a
6-33. Discutir la compatibilidad de
axi + bx2 + * 3
bx1 + ax2 +
~a + b
+ x 4 =a - b
x 2 + bx 3 + ax 4 = a + 1
Xi
+ o x 3 + bx4 = 0 - 1
(4,-11,7)}
~c
+ az = b
cy + bz = a
tiene solucin nica si abe = 0. Hallar la solucin.
6-36. Resolver por el mtodo de la raz cuadrada
-
xx + x2
Xi
2xt
+ 2x3
2 x 3 =
2x 2
+ x3
=7
5
=1
www.FreeLibros.com
213
Captulo 7
7.1. INTRODUCCION
En este captulo introducimos, sobre la base de un producto interior, el concepto de
mtrica en un espacio vectorial real. Se estudian temas relativos a distancias, longitudes,
ortogonalidad y ngulos entre vectores. Se desarrolla el procedimiento de Gram-Schmidt
para la construccin de bases ortonormales en espacios de dimensin finita. Despus de dar
una idea del espacio afn R ", se tratan algunos temas bsicos de geometra: rectas, planos,
superficies y curvas elementales.
que satisface las condiciones de simetra, de linealidad respecto del primer argumento
y de definida positiva:
i ) < x , y > = < y , x > cualesquiera que sean x e y en V.
i i ) ( x + y , z } = ( x , z > + < y , z > cualesquiera que sean x, y y z en V.
iii)<ax,y>
iv) <x , x >> 0
( x , x >= 0
= a<x,y)
V x e V , V y e V , V a e R.
VxeV
x=0
www.FreeLibros.com
215
Todo producto interior en un espacio vectorial real asigna a cada par de vectores un nico
escalar real.
Espacio euclidiano es todo espacio vectorial real con producto interior.
La adjuncin de un producto interior a un espacio vectorial permite establecer una
mtrica en l; o sea, los conceptos de distancia entre pares de vectores, m dulo de un vector,
ortogonalidad y ngulo entre dos vectores. Estas nociones no son intrnsecas al espacio
vectorial, sino que dependen del producto interior que en l se considere. O sea, dos vectores
de un espacio,ortogonales con un producto interior, pueden perder este carcter si se define
otro producto interior.
Ejemplo 7-1
En (R ", + , R> ), la funcin
<, >: R " X R " -+ R
definida por
< X , Y > = X*Y
(1)
donde
X~
*1
x2
Y=
Xn
y2
yn,
www.FreeLibros.com
216
< X, Y ) = g 1 x iy i
0 sea, el producto interior de dos n*uplas de nmeros reales es igual a la suma de los
productos de las com ponentes correspondientes.
En el caso n = 2 esta definicin se traduce en
<X , > = * ! y
+ *2y
Ejemplo 7-2.
Consideremos ( R2, + , R, ) y la m atriz A = |
La funcin
( , ) : R 2 X R - >R
tal que
<X,Y>=X( AY
(1)
~ s ) ( * j
*2 ~ x \
= <* 1
4*1
X2
2*2 - 2x + 5* 2 ) ,
x2
+ 5*2 =
www.FreeLibros.com
PRODUCTO INTERIOR
217
x " a ''x
y =jS [
y>
donde
ctiJjeK
x,y; eV
= .2 < ot x f ,.2
n
= lS 1
y >= 2
a <x ,5 ^ fy y )-
y> X i ) " d i v ? !
n m
=
( x y/ >
sumatoria e i).
www.FreeLibros.com
218
Luego
<x,0>=<0,x> = 0
7.2.4. Mdulo o longitud de un vector
Definicin
Mdulo de un vector en un espacio con producto interior es la raz cuadrada no
negativa del producto interior de dicho vector por s mismo.
El smbolo llxli se lee: m dulo o longitud de x.
De acuerdo con la definicin es
II XI = V <x ,x >
En R2 , con la definicin dada en el ejemplo 7-1, si x = (3,4), entonces
11x11 = \ / 3 2_+ 4 2 =\ 2 S = 5
y II
www.FreeLibros.com
M ODULO
219
El lector puede com probar que esta definicin satisface los axiomas de la funcin
distancia.
7 2 5. Mdulo del producto entre un escalar y un vector
En todo espacio con producto interior, el m dulo del producto entre un escalar y un
vector es igual al valor absoluto del escalar por el m dulo del vector.
il a x l l = I a l II x l l
En efecto:
a x il2 = ( a x
=
l a i 2 IIxi!2 = ( l a l I!xll)2
O sea
llax!2 = ( l a l II xll)2
Y como las bases son no negativas resulta
IIa xi l = lal IIxll
El producto de un vector no nulo por el recproco de su m dulo, o lo que es lo mismo, el
cociente entre un vector no nulo y su m dulo, es un vector de mdulo 1.
X
X
Ilxll
Ilxll
llxll=
ti X 1
xll=l
= [.L
\2
V?
2 2
www.FreeLibros.com
220
Ejemplo 74.
y = (3 , 2)
y = (-a , a, 1)
www.FreeLibros.com
ORTOGONALIDAD
221
y ' =( - l , 1, 1)
x = ( - l , - 4 , l )
y = ( - 1 ,1 ,1 )
Ejemplo 7-5
D em ostram os el teorema de Pitgoras: si x e y son dos vectores ortogonales, entonces
En efecto:
llx + yl2 = < x + y , x + y > = < x , x ) + ( x , y > +
+ <y , x ) + <y , y ) = II x lt2 + 0 + 0 + II y II2 =
= llxll2 + II y II2
Ejemplo 7-6.
En el espacio vectorial de los polinomios reales de grado menor o igual que 2 y el
polinomio nulo, donde el producto interior se define como en el ejemplo 7-3, los
polinomios
y/2
s /
y -^7=*
s fl
www.FreeLibros.com
222
,
y/3 x 2
x d x = -i-------
2 2
II y II = 0
Luego
I<x , y > 1= llxll IIyII
En consecuencia
K x , y > K llxll II y II
2.y^0.
es
) >0
2 t u ( x , y ) + u 2 ( y , y )> 0
Haciendo
t=(y,y)
w= - < x , y >
se tiene
( < y , y > ) 2 < x , x > - 2 < y , y > ( < x , y > ) 2 + ( <x , y > )2 <y , y > > 0
Por definicin de m dulo y reduccin de trminos
llyff4
llxll2
www.FreeLibros.com
DESIGUALDAD DE SCHWARZ
223
O sea
I
(1)
llxll llyll
Luego
2 ( x , y > < 2
llxll llyll
(2)
D e ( l ) y ( 2 ) resulta
11 x +
y II2 <
II x II2 + 2
II x II 11 y II +
II y II2
O sea
llx +
yll2 < (
11x11+
llyll)2
En consecuencia
II x
yll <
II x l l +
II y l l
de Schwarz
l < x , y >
l <
llxll llyll
se deduce que
-
< x , y >
y,
www.FreeLibros.com
llxll
llyll
224
Definicin
Angulo de dos vectores no nulos x e y es el nm ero real y?que satisface:
1. 0 < p < 7 T
2. 0 8 *=
llxll IIyII
x 1 x
, x >= O
O sea
<y
Luego
< y , x ) - < x , x > = 0
En consecuencia
y il II x II
eos
II y II
eos
II x l l 2
Resulta
II y II. = 3
2
De donde
www.FreeLibros.com
BASE ORTONORMAL
225
y sea la
2 a x, = 0
i =i 1 3
Para cada / = 1, 2 ,. . ., r consideramos
< .2^
oi j X j
, x ) - <0 , x ) = 0
Entonces
r
.2^
/=
a.j
< X j , x > = 0
Como i=j =>( X j , x >= 0, la sumatoria se reduce a un nico trmino que se obtiene si
o sea
a <Xf, x ) = 0
Siendo x # 0 resulta < x , x ) # 0, y en consecuencia
a~0
V i= 1, 2,
Luego
x , , x 2, . . . , x r } esL .I.
7.8. BASE ORTONORMAL
7.8.1. Concepto
Sea (V, + , R , .) un espacio con producto interior y sea A = { X j, x 2, . . . , x } una base
del mismo.
Definicin
Diremos que A es una base ortonormal si y slo si A es un conjunto ortogonal de
vectores de mdulo 1.
www.FreeLibros.com
226
e I
<x , x >= 1
,Xj) =
5y
Ejemplo 7-8.
En R ", con el producto interior usual, la base cannica j e l t e2, . . . , e ) es
ortonormal.
En R 2, con el mismo producto interior, la base formada por*
X* T T 7
(' ^
X2 = \ 2 -
x*
,X 2
>= 0
El vector
Xl
y i = 7 ItXj7 II
de acuerdo con 7.2.5., es unitario.
2.
( x 4.1 j y ) y /
www.FreeLibros.com
BASE ORTONORMAL
227
En efecto
( zfe+i >y i ^ =
+i
^Xft+ 1 >y ^
y/
yj
>
<xfe+ 1 , y,-)
Se deduce que
es un conjunto ortonormal.
Este proceso, llamado de Gram-Schmidt, nos permite construir una base ortonormal a
x, =(1, 1)
xa =(-1,2 )
www.FreeLibros.com
228
- i ^
-H-)
La base f y , , y 2 | es ortonormal.
Ejemplo 7-10
^ ,
, n. , .) se aeiine un producto
mediante
r interior
r grado
< P Q> = / !
Gram-SchmidlJ * '
1.
pW Q W *
2.
*i
=2
-i
___ 1 = V2^_
Xi II V 2
z2 = x 2 - < x a , y, >yi
vT
* dx
VT
= 0,
resulta
Adems
Z2
' Z2 11' <Z2 , Z2 ) = ( X ' X > = j 1 2 dx =
x3 l1 2
Entonces
3 J -i 3
www.FreeLibros.com
COMPLEMENTO ORTOGONAL
Luego
3.
Z3
= x 3 - . s
z2
Il z 2 ti
- V 3 -,
V2
, y > y =>
<*3
y i
> y i
- < x 3 , y 2 > y 2
v - l ^ v 2 Wv =
( x 3 , yi > ~ l i
229
( i)
-i
i \/3
De (1 ) re s u lta
Como
II z 3 f ^ < Z 3 , Z3 > ^ 1 | * 2 ~ j j 2 fe =
= P (x4
J_i
5
+ i ) & = -- - X 3 + i x l ^
9
5
9
9 J~i
1 + 1 = ^ - - - =
9
9
5
9
45
resulta
1
, 1
3 > /r
Y en consecuencia
y3 ~
La base
= 2^
Z3
II z 3
/ 2 _ i ) = 3^
2 y /l l
3 /
Vf
2 s/2
/
4
2_i)
\
3 /
3Vio / 2 1
es ortononnal.
7.9. COMPLEMENTO ORTOGONAL
7.9.1. Com plem ento ortogonal de un subespacio
Sea (V, + , R , .) un espacio con producto interior, y sea S un subespacio de V.
www.FreeLibros.com
230
Definicin
Complemento ortogonal del subespacio S de V, es el conjunto de los vectores de V que
son ortogonales a todos los vectores de S.
El smbolo S1 se lee: com plem ento ortogonal de S.
S1 = j x e V / x l y , V y e S
Ejemplo 7-11
En R 3, con el producto interior ordinario, si
S = { (0, 0 , x 3) / * 3 e R |
7.9.2. Propiedad
El complemento ortogonal del subespacio S de (V, + , R , .) es un subespacio de V.
Debemos probar que S1 es un subconjunto no vaco de V, cerrado para la suma y para el
producto por escalares.
1. S1 C V por definicin de S1.
2 . y e S = > < 0 , y > = O ^ O e S 1 =>Si v(/>
S . x e S 1 a y e S1 => <x , z> = 0 A ( y , z >= 0, Vz e S =>
=><x,z) + <y,
z >= 0 , V z e S ^
^ ( x + y , z ) = 0 , V z e S =>x + y e S i
www.FreeLibros.com
COMPLEMENTO ORTOGONAL
231
4. a e R A x e S !^ e R A ( x ,y> = 0 , V y e S = >
9.7.3. Propiedad
Si V es un espacio euclidiano de dimensin finita y si S es un subespacio de dimensin r,
entonces la dimensin del complem ento ortogonal de S es n - r .
Se trata de probar que
dim S + dim S1 = dim V
En efecto:
Si S = {0 } o S = V, la propiedad es obvia. Consideremos, pues, el caso en que S
S = V, y sea
{01 y
\ X i,X 2, . . .,xr )
X 2 -------- , X r , X r + l , . . , , X n l
i , X r + 2 > X n
u =.2
i=r+ 1
ax
iX r +
, Xr+2, ) X n }
www.FreeLibros.com
232
com o estos vectores son ortogonales y de m dulo 1 , constituyen una base ortonormal de
S1 , y se tie n e
O sea
dim S1 = n - r
dim S + dim S1 dim V
suma
x - a y ly
< x - f l y , y > = 0=*<x,y> a < y , y > - 0
=>a =
(x ,y >
El vector
y <y ,y>y_ y
yl
se llama p r o y e c c i n o r to g o n a l d e x s o b re y .
www.FreeLibros.com
ESPACIO AFIN
233
O
sea, la proyeccin de un vector x sobre un vector y es igual al producto interior de
ambos, dividido por el m dulo del vector sobre el cual se proyecta.
En particular, si y es un vector de mdulo 1, se tiene
Py x = <x ,y >
por lo tanto, la proyeccin de un vector sobre un vector de mdulo 1 es igul al producto
interior de ambos.
Ejemplo 7-12
Comprobamos que las proyecciones de un vector de R3, con el producto interior
usual, sobre los vectores de una base ortonorm al, son las componentes de dicho vector
respecto de la base.
www.FreeLibros.com
234
Para cada A e R " definimos una suma en R " y un producto de escalares por elementos de
Rn , mediante
X Y = X + Y A
a X = a ( X - A ) + A
Estas definiciones hacen de la cuaterna (R n , , R, ) un espacio vectorial con origen A.
El vector nulo de este espacio es A.
La suma y el producto de este espacio pueden obtenerse llevando las flechas AX y AY
al origen 0, operando en (R n , + , R , .), y desplazando el resultado al origen A. En R 2 esta
situacin queda indicada por las figuras siguientes:
Definicin
Espacio afn R " es el conjunto de todas las n*uplas de nmeros reales, y una estructura
de espacio vectorial para cada A e R " , con las operaciones definidas.
7.11.2. Vectores fijos
Consideremos V = R ", X e R" e Y e R n . El par de puntos (X, Y) se llama vector fijo de
origen X y extrem o Y.'Se lo denota mediante XY*.
Sean los elementos de R :
A~(fJ( #2,
#n)
x ~ ( x i, x2> >% n}
www.FreeLibros.com
(yi>y2> >yn)
VECTORES UBR ES
235
a A - (a - 1) A = ( a x j - (a -
. ..,a
xn
- (a - 1))
www.FreeLibros.com
236
estructura de espacio vectorial fija, con origen 0. Entonces el vector fijo XY es equivalente al
vector Y - X, con origen 0, y se escribe
H ed ien te aJ
3t v = y x
Y - X
por
reaCn ^ eqUValenCa es compatible con la suma y el producto
nr
a x
- bV
A~X + AX' ~ T y + B V
A X ~ B Y
A X ~ B Y A a e R = > X ~ a B Y*
J = (0, 1, 0)
K = (0,0,1)
adas ( x
www.FreeLibros.com
o p -
RECTA
237
El vector O P0, de origen 0, ser denotado por P0 . Sea X un punto genrico de la recta, de
coordenadas (x, y , z).
Se verifica que
^
X - P o + P qX
Y como P0X es equivalente a t A, para algn t e R, resulta
X = P0 + A
(1)
y=y
0 +mt
z = z 0 + nt
-y o _
m
2 ~Zq
n
www.FreeLibros.com
238
Ejemplo 7-13
Determinamos las ecuaciones vectorial y cartesianas de la recta que pasa por
p0 (_ } ?o, 2) y es paralela al vector A, siendo A = 3 I J + 2 K .
La ecuacin vectorial es
X = P0 + t A
O sea
x I + y J + z K - I + 2K + ( 3 l J + 2K)
xI
+ ;> J + z K = (- 1
+ 3 01 - t J + (2 + 2 t) K
Igualando componentes
(x=
3t
\y =-t
\ z= 2 +
x + 1 __
3
_ z- 2
Observamos que los sustraendos de los numeradores son las coordenadas del punto
dado, y los denominadores son las componentes del vector A.
Ejemplo 7-14
Obtenemos las ecuaciones cartesianas de la recta r que pasa por P0 ( 1 ,2 ,3 ) y es
paralela al vector A = 2 1 + K.
Como
X = P0 + t A
se tiene
x I + _ v J + z K = I + 2 J + 3 K + f ( 2 I + K)
O sea
x = 1+ 2 t
y = 2
z= 3+
Eliminando el parmetro entre la primera y la tercera ecuacin, resulta
x" 1 = z- 3
2
1
y =2
www.FreeLibros.com
PLANO
239
j x - 2z = 5
i
y =2
t I + n 2S + n 3K
www.FreeLibros.com
240
n 3 = eos y
Los nmeros eos a, eos 0, eos y se llaman cosenos directores del vector N, y se identifican
con sus coordenadas, o sea
N = eos a I + eos 0 J + eos y K
Como el mdulo de N es 1, se verifica que
eos2 a + eos2 P 4- eos2 y = 1
Esta propiedad es vlida para todo vector del espacio. Es decir, la suma de los cuadrados
de los cosenos directores de un vector es igual a 1.
Dados un vector unitario N y un nmero p e R , estamos interesados en determinar la
ecuacin del plano perpendicular a la direccin de N y tal que la distancia del origen al plano
sea p.
El vector N y el nmero p se llaman parmetros normales del plano.
(1)
Es decir
<X,N>-p=0
Para denotar el producto interior o escalar <X , N > escribiremos X . N.
www.FreeLibros.com
241
PLANO
Entonces
X . N - p = 0
(2)
Tanto (1) como (2) son la ecuacin normal vectorial del plano.
En trminos de coordenadas se tiene
(x \ + y J + 2 K) (eos a I + eos j3 J + eos 7 K - p) = 0
Efectuando el p ro d u cto interior resulta
(3)
La relacin (3) recibe el nombre de ecuacin normal cartesiana del plano. Los coeficientes
de las variables son los cosenos directores del vector normal al plano, y el termino
independiente cambiado de signo es la distancia del origen al plano.
M u ltip lic a n d o la e c u a c i n
(3) p o r k i = 0, r e s u lta
ax + by + cz + d = 0
(4)
(3)
c = k eos 7
d = k(-p)
k 2 = 2 + b 2 + c 1
En consecuencia
k = V a2 + b 2 + c 2
www.FreeLibros.com
242
donde el signo de k, por lo observado anteriorm ente, debe tomarse distinto del de d.
De (5) resulta
a
eos a =
k
Q b
c
y eos p = eos y ~
k
k
d
k
- p =
_^
s /a 2 + b 2 + c 2
Luego, para trasformar la ecuacin general del plano a la forma normal, se divide el
primer miembro de aquella por la raz cuadrada de la suma de los cuadrados de los
coeficientes de las variables, la que se tom a con signo distinto al del trmino independiente.
Ejemplo 7-16
Determinamos la ecuacin normal cartesiana del plano cuya ecuacin general es
x - y +z -
1 =0
+ z -
_ n
Vi 2 + (- )i2 + i2 ~
O sea
x-y+z^l
=Q
y /T
O bien
3
_.V L o
3
3
Observamos que el vector cuyas componentes son los coeficientes de las variables de la
ecuacin general del plano es normal al mismo, ya que se deduce del vector normal
unitario multiplicndolo por k.
Ejemplo 7-17
Obtenemos la ecuacin del plano que pasa por P0 ( 1 ,2 ,2 ) , sabiendo que es
perpendicular al vector A = 3 I + J + K.
www.FreeLibros.com
PLANO
Ejemplo 7-18
Determinamos la distancia entre el plano de ecuacin
2 x -j'-2 z + 3-0
y el punto P0( l , 2, 3)
Sea 7Tel plano cuya ecuacin normal es
PN X - p = 0
y sea P0(^ 0 . yo> z 0) un punto dado.
www.FreeLibros.com
243
244
- p\
O sea la distancia entre un plano y un punto es el valor absoluto del primer miembro
Pian0 CUand " SUSt Uye h
Determinamos primero la ecuacin normal del plano dado
J l x - y O sea
2z +3
- V 2 + ( - l ) + ( 2)2
2
X1
? " +? v + I 2 - 1 =o
Sustituyendo x, y , z por las coordenadas de Pft es
d | - f 1 + r 2f - 3 -
Ejemplo 7-19
Dados los puntos A ( - i 3 2l v R f _ i
i n\ a *
www.FreeLibros.com
S<!miSUmaS de laS
DISTANCIA
245
M = A + AM
B = M + MB
Restando
M _ fi = A - M pues M y MB son equivalentes
Entonces
2M = A + B
0 sea
m
= 1 ( a + b)
2
O . (x + 1 ) 2 (y 2) 2 (z 1) = O
www.FreeLibros.com
246
O sea
2y + 2 z - 6=0
es la ecuacin del plano pedido. Este plano es ortogonal al vector 2J - 2K, es decir,
al plano y z ; en consecuencia, es paralelo al eje x.
Observamos que si el coeficiente de una variable de la ecuacin de un plano es cero,
entonces dicho plano es paralelo al eje correspondiente a esa variable.
La ecuacin normal del plano hallado es
2y + 2 z - 6
=0
2 s2
O sea
\/2
, y/2
y + z
2
Y la distancia pedida es
d= ^ . 0
2
+ ^ . 0
_ 3y / 2
www.FreeLibros.com
CURVAS
247
y=y{t)
Z ~
()
www.FreeLibros.com
248
PR
O DUCTO INTERIOR. GEOMETRIA VECTORIAL
[ F (x , y , z ) = 0
( G (x , y , z) = 0
Donde el sistema anterior es tal que se cumplen las condiciones de regularidad dadas por
el teorema de Cauchy Dini, relativo a la existencia de funciones definidas por sistemas de
ecuaciones.
Ejemplo 7-20
Deducimos la ecuacin vectorial de la hlice circular, definida como la trayectoria de
un punto que gira alrededor de un eje y adems se traslada paralelamente a l, siendo
ambos movimientos uniformes.
www.FreeLibros.com
SUPERFICIE CILINDRICA
249
Suponem os
tiem po
Se verifica que
wt
z = vt
www.FreeLibros.com
r
250
x= q + \ a
Ejemplo 721
Determinamos la ecuacin de la superficie cilindrica de directriz
x = eos t
y = sen t
z =0
y cuyas generatrices son paralelas
1. Al eje z , o sea, al vector A = K.
X = 2 + Xa
Como 12 (eos t, sen t, 0), de (1) resulta
Luego
(l)
x I + y J + z K = cos ? I + sen / J + \ K
x = eos t
y = sen t
z =\
www.FreeLibros.com
SUPERFIC IE CONICA
251
x2 + y 2 ~
l + y J + z K = eos 1 1 + sen ? J + X ( I + J + K )
Luego
x = X + eos
= X + sen
= X
eos
y -
sen
z =
Y resulta
ito
(x - z )2
un
{y -
z )2 = 1
O
I
www.FreeLibros.com
252
x=v+xvn
O bien
X = 2 + XV 2
Ejemplo 7-22
Obtenemos la ecuacin de la superficie cnica de directriz
x 2 + y2 - 1 = 0
z =1
y vrtice V ( 0 ,0 ,0 )
Como
V 2= (a O )I + (0 O )J = a I + 0 J
y
resulta
= V + \V ~2,
x I + 7 J + 2 K = X ( a I + 0 J + K)
www.FreeLibros.com
PROYECCION
253
Luego
x = Xa
y = \(3
z~ \
De donde
z
(3 =
z
Sustituyendo e n ( l )
*2 + y2 - z
2=0,
(1)
G (x,y,z) =0
(2)
www.FreeLibros.com
f(x,y) = 0
2
aproyeccin
Aa r cnhr?deel Colano
que
Para obtener ,la
sobrev 2el hay
piano
y eliminar
no* 4 x entre (1) y (2)j
cortar el cilindro proyectante con el plano de ecuacin x 0.
Ejemplo 7-23
Determinamos las proyecciones, sobre los planos * j y * z, de la curva
x * + y 2 + 2* = l
c
x2 + / = 2
(1)
(2)
+ y 2 + ( x 2 + y 2)2 - 1
p4 4- p2 1 = 0
Resolviendo respecto de p2
^
- 1 VT
P2 = ;
La nica solucin es
O sea
www.FreeLibros.com
PROYECCION
Su radio es
255
______
z 2 + z 1 = 0
O sea
-1 >/5
z --------------
Resulta
P*=0 C {
y/5 - 1
jc = 0
Ejemplo 7-24
Obtenemos la proyeccin de C sobre los planos x y y x z , siendo
C
Ix2 + y2 +z2 = 1
(1)
( x2 + y 2 - x
(2)
=0
~0
(2)
ya que z no figura.
Luego
x2 +y2 - x = 0
P ,= o C
z=0
www.FreeLibros.com
256
Luego
( Z2 = X + 1
py = o c \
_ n
\y-0
www.FreeLibros.com
= Xf A Y no es un producto interior en (R 2 , +, R, .)
7-26. Considerar la misma cuestin siendo A =
7-27. En (V, + , R , .) se sabe que v es ortogonal a v 1( v2 y v3. Demostrar que v es ortogonal
al subespacio generado por ellos.
7-28. En un espacio con producto interior el ngulo de los vectores y y z es a. Sabiendo que
y = x + z, demostrar que
II xll2 = llyli2 + llzll2 - 2 II yl l . II zll c o sa
7-29. Demostrar
<x , y > 1= II xll II yll
e y son L.D.
www.FreeLibros.com
258
definida por
/(x)= < x, y)
es una forma lineal.
7-34. Sea < , ) un producto interior en (V, + , R , .), y sea / : V ^ V una T. L. Demostrar que
: V2 -*R
tal que ( p ( x , y ) = < /(x ), /(y)> es un producto interior en V, s i / es 1 - 1.
7-35. Sea (V, + , R , .) un espacio euclidiano. Demostrar que la funcin
N :V ^R
definida por
N (x) = ( x , x > f
verifica:
1 . N ( a x ) - a 2 N (x )
2.
3. N (x + y) - - N (x - y ) = <x , y >
4
4
7-36, Demostrar que en
perpendiculares.
7-37. Sea (V, + , R , .) un espacio vectorial con producto interior.
Demostrar
1. ! l x - y l l > | l l xl l - Uyll|
2. llxll2 + IIyII2 = IIx +y l l 2 = > x l y
3. I l x - y l ! > l l xl l - llyll
4. x l y
II x + a y II > II x II, V a e R
l.x eT ^x lS
www.FreeLibros.com
259
2. dim T = - W
3. V = S T
j 4 l En (R 3 , + . R >)se considera el producto interior ha bitual.
1 Obtener un vector unitario ortogonal a
V! = (1 , 1, 3) y v2 = ( 2 , 4 , 3)
2. Obtener dos vectores unitarios ortogonales entre s y ortogonales a
v = (1, 1 ,3 )
3. Sea la base
[v ]= ( 1 , 1 , 1 ) , ( 1 , 1 , 0 ) , ( 1 , 0 , 0)(
Construir una base ortonorm al a partir de [v] mediante el proceso de Gram Schmidt
742. Sea ( , va , . . v ) un conjunto ortogonal en (V, + , R ,.) y sea
n
v .S
1=1
a v
Demostrar que
7-43. Sean (V, + , R , .) un espacio euclidiano y { Vi, v2 , . .., vn } una base de V tal que
n
x e V a y e V=><x , y >= x t y t
n
n
donde x = 2 x f vf y y =. 2) y \ i
i
ii
Demostrar que la base { v , , v2 , . . v } es ortonormal.
7-44. Sean: V un espacio euclidiano y A C V. Si 2(A) denota el conjunto de todos los
vectores ortogonales a A, entonces
fi(2 (A )) = A
7-45. Demostrar que si / V i,v2 , . .
+ y,z> = <x,y>+<x,z>
www.FreeLibros.com
260
2 =z
2x - y + z 2=0
y
x +
2 y - z + 1= 0
7-52. Hallar las ecuaciones de la recta que pasa por el origen y es paralela a la interseccin de
los planos
2 x + y ~ z =0
y
x 2y + z = 5
7-53. Obtener la ecuacin de la superficie cilindrica de directriz
www.FreeLibros.com
261
C
y cuyas generatrices son paralelas al vector A = I + J 4- K.
7-54. Determinar la ecuacin de la superficie cnica cuya directriz es la curva del ejercicio
7-53, y cuyo vrtice es V (0, - 1 , 1 ) .
7. 55 . Obtener las proyecciones de la curva
x + z=2
y =0
y Y 2
. ii
=
7-59. Sea P e Rnxn una matriz ortogonal. Demostrar que las lneas de P constituyen una base
ortonormal de R", considerando el producto interior habitual.
n
i < /' = > 2
P U = 0
www.FreeLibros.com
262
PR
O DUCTO INTERIOR. GEOMETRIA VECTORIAL
www.FreeLibros.com
v una base
Captulo 8
R2
www.FreeLibros.com
264
definida por
f ( x i , x 2) = (2jc 1 , 7 x 1 - 2 x 2) ,
el escalar X = 2 es un valor propio de / , ya que el vector no nulo (2, 1) es tal que
/ ( 2 , 1 )= (4 , 2) = 2 ( 2 ,1 )
(2, 1) es un vector propio asociado al valor propio 2.
8.2.2. Propiedad
Si X es un valor propio de una trasformacin lineal / : V V, y si S \ es el conjunto de l0s
vectores propios asociados a X, entonces S* = S \ U {0 } es un subespacio de V
En efecto:
1.QeSx^Sx^j).
2.
a x
e S \ =>aeK a
/ (
) -
Xx
=>
www.FreeLibros.com
VALORES PROPIOS
265
al valor
entonCes que, un vector propio de una m atriz A e Knxn es un vector propio de
sformacin lineal de Kn en K" representada por A en la base cannica.
Ejemplo 8-2.
V es el espacio vectorial sobre el cuerpo de los nmeros reales, de las funciones
R R infinitamente derivables y
D :
es
D (f)
dx
_ .
A=
Id i
0
0
0
d2
0
Entonces
0 . ..
d2
'o
0
. o
A E =
. o
di
di
dt Et
. dn
\ i
\ol
www.FreeLibros.com
266
VAL
O RES Y VECTORES PROPIOS. DIAGONALIZACION
Demostraremos que X i, x 2 , . .
t6 A,-
=> \
1 . M- 1 ^ x i ^ O ^ x j esL .I.
2.
{ X j, x 2 , . .
En efecto, consideremos
h+1
aixi= 0
(1 )
x t + 0h + l \ j + i x ft + i 0
x i + +
h i + i - b i ) x h = 0
( \ +i - \ ) = 0
V /= 1 , 2 , . . .,h
V /= 1 , 2 , . . .,h
= . .. =
oth = a h
+! = 0
Y por lo tanto
( x , , x 2 , . . . , x } esL .I.
8.2.5. Propiedad
Si / es una trasformacin lineal del espacio vectorial V , de dimensin finita,
entonces A e K es un valor propio de / s i y slo si / - Ai es singular.
i denota la trasformacin identidad en V.
1. Sea X un valor propio d e /. Entonces existe x ^O en V, tal q u e /( x ) = Ax
www.FreeLibros.com
VECTORES PROPIOS
267
Ahora bien
/ ( x ) = X x = */(x) - X i (x) = 0 =/(x ) - (X) (x) = 0 => ( f - M) (x) = 0.
En consecuencia, N ( f - Ai)
{0 ) , o s e a , / - A/ es singular.
D (A - Xl ) = 0
Ejemplo 8-4
El lector podr demostrar, al realizar el trabajo prctico, que todo endomorfismo en V,
donde V es un espacio vectorial de dimensin finita y mayor o igual que 1 sobre el
cuerpo de los complejos, admite un vector propio.
Pero si el cuerpo no es C, entonces pueden no existir vectores propios. En efecto, sea
(R2, + , R , .) y sea
entonces
6 - x 2 sen 0 = X x i
x 1 sen 6 + x 2 eos 6 = \ x 2
Xi eos
O sea
(X - eos 6) x ! + x 2 sen 6
- x i sen 0 + (X - eos 6) x 2 = 0
www.FreeLibros.com
268
VAL
O RES Y VECTORES PROPIOS. DIAGONALIZACION
sen 0
sen 0
X eos 0
Luego
(X - eos 0)2 + sen2 0 = 0
X2 2 Xcos 0
+ 1= 0
X= eos 0 \Jeos2 0 1
Si 0 = 60, entonces
\ = +V " R
Slo existen vectores propios si 0 - n ir.
Considerando (R 2 , + , C , .) existen valores y vectores propios. El endomorfismo f
representa una rotacin del plano de ngulo 0 alrededor del origen.
8.2.6. Propiedad
Si / : V - ^ V es una trasformacin lineal, y si adems existe una base
jyj = j Vl ( v2 ........ v form ada por los vectores propios de/correspondientes a los valores
propios X j,
., X n , entonces la matriz de / respecto de esta base es la matriz diagonal
D=
I X,
0
;
0 ...
Xa . . .
;
0
0
;
o ... K
D=
X! 0
0 X2
0
...
www.FreeLibros.com
VECTORES PROPIOS
269
A=
-2
- 2
=
2- X
Resolvemos respecto de X
(3 -
X) ( 2 -
X) -
2 = 0
X2 - 5 X + 4 = 0
5 V 25 - 16
os
_ 5 3
2xi - 2x 2 =0
~ X :
-X j + * 2 = 0
El sistema es equivalente a
x i - x2= 0
De donde
x x x 2
www.FreeLibros.com
270
Luego
1
Xi =
X i es un vector propio asociado a \
2. a2 = 4 - ( : |
:j)
,1
= 1.
= ( ) * - * . - 2 * , + 2 , a =o
= - 2 x 2 =>X2 = ^ ^
X2 es un vector propio asociado a X2
Los vectores X j y X2 son L.I. y forman una base de R2.
A es diagonalizable, y su forma diagonal es
D=
8-6
En R [X] consideremos
P (X ) = 2 X 2 - X - l
www.FreeLibros.com
POLINOMIO CARACTERISTICO
271
y sea
A=
Entonces
P (A) = 2 A2 - A - I =
1 1 \ / 1 1 \
2, 1 I U
, ,
0 2/ \
0 4/
0 2/
I - 1 +
- 1 =
10-3/
1\
0 2 /
- 1
\ 0 -2
2 2 +/
0 8/
/-I
/ 1 0
\0 1
0 1
1
0 5
Se verifica que
1. (P + Q) (A) = P (A) + Q (A)
2.
3. (a P )(A ) = a P ( A )
Si i , <*2 , >On son elementos de K y
P (X ) = ( X - a 1) ( X - a 1) . . . ( X - a II),
entonces es
P (A) = (A otl I) (A - a 2 I) . . . (A - an I)
Ejemplo 8-7
Si A k " xm, entonces existe un polinomio no nulo P K [X]tal que P (A) = N, donde
N denota la matriz nula del tipo n x n.
En efecto, la dimensin de (K x , + , K , .) es n 2 . Esto significa que las matrices
I,
A, A2 ,. .
i A 11 + . . . + ! A + a0 I = N
O sea, existe
P ( X ) = im X m + a m-l Xm_1 + . . . + a i X + a 0
en K [X], que satisface
P(A)=N
www.FreeLibros.com
Am
272
P (X) = D (X I A) =
Q\n
~ ^In
a n2 . . .
~ ni
nn
Ejemplo
8-8
X -t-1 2
X 2
-2
6
3
P (X) = D (XI A) =
X- 2
= (X + 1 )
-2
A+ 6
+ 2
-2
2
X+ 6
-2
6
-2
X+ 6
+ 3
= (X + 1) (X2 + 4 X) + 2 ( - 2 X ) + 3 . 2 X
= X3 + 5 X2 + 4 X - 4 X + 6 X = X 3 + 5 X2 + 6 X
Una raz es \
O sea
X=
1
2
www.FreeLibros.com
-2
X- 2
2
- 2
POLINOMIO CARACTERISTICO
273
Resulta
X2 = 3
X3 = 2
8.3.3. Propiedad
El escalar X es un valor propio de A e K nxn si y slo si X es raz del polinomio
caracterstico de A.
1 . Sea Xun valor propio de A. Entonces, de acuerdo con 8.2.5., A - XI es singular, y por
El polinomio caracterstico es
P(X) = D (XI A) =
= (X 2)2 + 4
X 2
Xj = 2 -
2i
De donde
X X A X = 0
O sea
XIX-AX =0
www.FreeLibros.com
274
VAL
O RES Y VECTORES PROPIOS. DIAGONALIZACION.
Por distributividad es
(XI - A ) X = 0
1. Xt = 2 + 2?=*
2i 2 \ / x A
\ 22i j \ x 2j
0\
\0 /
2i x 1 - 2 x 2 =Q
2 x i + 2 i x 2 =0
=>x2 = ix i
Un vector propio es X j
'1
1/
2. X2 = 2 - a -
( * | ) = ( ) - | 2*. - 2 /* , = 0 - x , = i* 2
i\
I , entonces es
1/
P"1 A P =
/ 2 + 2i
\
0
2 - 2i
(1)
Premultiplicando por A
A2 X = X A X
Como A2 = I, se tiene
ix =Xa x
O sea
X = XA X
(2)
www.FreeLibros.com
POLINIMIO CARACTERISTICO
275
Con procedimiento anlogo el lector podr com probar que los valores propios de toda
matriz idempotente son 0 o 1, es decir
A2 - A =* X - 1 . X = 0
8.3.4. Propiedad
Dos matrices semejantes tienen el mismo polinomio caracterstico, y en consecuencia los
mismos valores propios.
Hiptesis) A ~ B e n K lXfl
Tesis)
D( X I - A ) = D ( X l B)
Demostracin)
A ~ B =>3 P n o singular / B = P 1 A P
Por 4.19.5.
Entonces es
D (XI B) = D (XP1 I P - P ' 1A P ) =
= D [P_1 (X I - A) P] ~D (P"1) D (X I - A) D (P) =
= D (P-1) D (P) D (XI A) = D (P*1 P) D (XI A) =
= D (I) D (X I - A) = 1 . D (XI - A) = D (X I - A)
La recproca no es cierta, ya que dos matrices pueden tener los mismos valores propios y
no ser semejantes.
Un contraejemplo se presenta considerando las matrices
il
A-(o
i 1
0\
.)
y B = (o
3
.
www.FreeLibros.com
276
di
0
0
0
\ - d
\- d y
=.7^ (A - d )
El polinomio caracterstico de A es
P (k) = ( \ - d l ) ( K - d 2 ) . . . ( k ~ d tl)
En consecuencia, los elementos de la m atriz diagonal son los valores propios de A.
8.4.2. Propiedad
ele
P D = (Xj X2 . . . X)
/ Xj 0
0 ^
0
...
0
0
...
www.FreeLibros.com
(1)
dia
lo i
hoi
DIAG ONALIZACION
277
Adems
A P = A ( X , X2 . . . X ) = ( A X , A X 2 . . . A X j
(3)
i = 1, 2, . .
P - (X! X 2 . . . X) y D - (\ - 5a)
Se tiene
A P = (A X A X2 . . . A X * ) ^ , X t
%2 X2 . . . X,, X j,)^
= (x i X2 . . . X ) (A; 5jj) = P D
Como P es no singular resulta
P"1 A P = D
0 sea, A es diagonalizable.
8.4.3. Races del polinomio caracterstico y diagonaizacin
De acuerdo con 8.2.4., si los valores propios del polinomio caracterstico de A e K nxn son
elementos distintos de K, entonces los vectores propios asociados son nealmente
independientes, y, por 8.4.2.2., A es diagonalizable.
En general, si el polinomio caracterstico de A tiene races mltiples, la matriz no es
diagonalizable. Para que lo sea, debe cumplirse la condicin suficiente demostrada en 8.4.2.,
lo que significa que a toda raz mltiple de orden p debe corresponderle un sistema lineal y
homogneo cuyo espacio solucin tenga dimensin p.
Ejemplo 8-11
La matriz
no es diagonalizable
www.FreeLibros.com
278
= (X
1
0
0
P(A) = D ( X l - A ) =
-1
X -l
0
l ) 3 ^ Xi X2 *- X3
o
-i
X -l
1.
Luego
0 * ! - x-i + 0 x 3 0
Oxj +
0x 2 - X 3 = 0
P (X) = D (X I - A) =
C X - 1)
X+3
-4
-2
X+3
X- 3
0
X -l
0
4
-4
X- 3
= ( X - 1)(X2 - 1)=*
=>Xi =X 3 = 1 , X3 = - 1
www.FreeLibros.com
TRIANGUALCION
1. Xi -
279
- 1 =*
Sn , tales que
Vi = 1 , 2 , . . . , n
Vi = 1, 2 , . . . ,
Es obvio que Sn = V.
Definicin
Si { S i , S 2, . . . , S j
www.FreeLibros.com
280
A=
011
^
0 022 Q'in
0
. . . a nn
Si f : V -*v es una trasformacin lineal y si existe una base respecto de la cual la matri
de fe s triangular, entonces diremos q u e /e s triangula ble.
dim V = n.
Sea V, un vector propio de / , el cual existe de acuerdo con el ejercicio 8-46, y sea S,
subesoacio generado por V i. Resulta dim S i 1.
,, ,
c _
Siendo Sr un subespacio de V, existe un subespacio W cuya suma directa con S,
(ejercicio 7-40), o sea
V = Si w
www.FreeLibros.com
TRIANGULACION
2gl
( W , , w 2 .........w ^ )
para?= 2, 3 , . . . , n.
Se verifica que dim Sf = i, ya que si | Wj , w2 , . . ., wn_, J es una base de W, entonces
{Vi, Wi , . . WM } es una base de S,-, i 2 , 3 , . . n.
Adems, S C S+1 para todo / = 1 , 2 , . . . , .
Para demostrar que {
/( V ) c V(,
, S2, . .
Observamos que
f = i v f = ( p i + p 2) f = p 1 f + p 2 f
puespi + p 2 = i y (v e r3 4 6 )
Sea x un vector cualquiera de S,-:
(1)
(2)
Ahora bien
P i 0 f ) (x) = p i f (x)] e S i , y en consecuencia
(Pif)(x)eS
(3)
(4 )
www.FreeLibros.com
282
A 1 + . . . + c 1 A + c0 l
Multiplicando a derecha por el vector propio X,- asociado al valor propio X, y teniendo en
cuenta la propiedad mencionada, es
P (A )X f = A X, + cn_, A""1 X/ +. . . + c 1 A X i + c 0 X r
= X? X, + e_, XT1 X, + . . . + c , X X + c0 X =
= (X? + c . i X T + . . . + C, X, + c0)X =
= 0X,. = 0
Vi = 1 ,2 ........ n
(1)
www.FreeLibros.com
283
0 sea
P (A) = N
Ejemplo 8-13
Utilizando el teorem a de Hamilton-Cayley, determinamos la inversa de la matriz A del
ejemplo 8-5.
A=
,
-2
El polinomio caracterstico de A, es
P (X) = X2 - 5 X + 4
Entonces es
P (A ) = A2 ~ 5 A + 4 I = N
O sea
i
I = (A2 - 5 A)
-2
-2
-1
-3
Resulta
A '1 =
_L 1
4
4 I
(1)
Sabemos que el producto de toda matriz cuadrada por su adjunta es igual al determinante
de aquella por la matriz identidad (5,8.3.). Entonces
(X I - A) Adj (X I - A) = D (XI A) . I
www.FreeLibros.com
(2)
Los elementos de Adj (X I - A), por ser los cofactores de (XI - A), son polinomios de
grado menor o igual que n - 1, y en consecuencia
Adj (X I - A) = A n^ X*'1 + A n.2 X"-a + . . . + A1 X + A0
(3)
O sea
An-j = I
An-2 ~ A An_i Cn-1 I
An_3 A An_2 Cf-2 ^
Ao
A Aj
A Aq =
Cj I
Cq
A e I, respectivamente, se tiene
A A n_i = A"
A" 1 A_2 A*1 A n_i c n_i A n 1
A Aq
Cq
www.FreeLibros.com
8-16. Demostrar que si X es un valor propio de A e K "x " y sta es no singular, entonces X es
no nulo.
8-17. Demostrar que si X es un valor propio de la m atriz no singular A, entonces X'1 es un
valor propio de A"1.
8-18. Demostrar que si X, es un vector propio de la matriz A asociado al valor propio X,
entonces X es un vector propio de A n correspondiente al valor propio Xf
8-19. Demostrar que si X! es un vector propio de la matriz A, correspondiente al valor
propio X j, entonces Y = S"1 X , es un vector propio de la matriz S"1 A S, asociado a
X!.
8-20. Determinar el polinomio caracterstico, los valores y vectores propios de cada una de
las siguientes matrices complejas:
www.FreeLibros.com
286
8-26. Sea una matriz A e Cnxn tal que A k = I. Demostrar que si X es un valor propio de A,
entonces Xfe = 1.
8-27. Demostrar que los valores propios de una matriz triangular son los elementos de la
diagonal.
8-28. Por definicin, una matriz cuadrada A es nilpotente si y slo si existe un entero
positivo k, tal que A k = N. Demostrar que los valores propios de toda matriz
nilpotente son nulos.
8-29. Demostrar las siguientes propiedades:
1. Dos matrices semejantes tienen sus trazas iguales.
2. Si k es un entero positivo, entonces tr A h = 2 X?.
3. La traza de toda matriz idempotente es igual a su rango.
4. La traza de una suma es igual a la suma de las trazas.
5. Las trazas de dos matrices traspuestas son iguales.
6. Las matrices A B y B A tienen trazas iguales.
7. tr (ABC) = tr (BCA) = tr (CAB)
8. Si P es ortogonal, entonces tr (Pf A P) = tr A.
8-30. Considerando el producto interior habitual en R2, determinar una base ortonormal de
vectores propios de A, siendo
8-31. Demostrar que si todos los valores propios de una matriz son no nulos, entonces dicha
matriz es no singular.
8-32. Calcular P (A), siendo P (X) = X3 X + 1 y
www.FreeLibros.com
287
8-33. D em ostrar que si A es u na m atriz sim trica y P e R [X], entonces P (A) es una matriz
simtrica.
A=
sen y?
P=
0\
\ 0
-1 /
/ eos v? -s e n
\ sen
eos
*-(::) h i :
8'42. Demostrar que si X es un valor propio de A e K "xn, entonces a + Xes un valor propio
de a I + A , V a K.
8-43. Demostrar que una m atriz A e Cnxn es singular si y slo si admite algn valor propio
igual a cero.
8-44. Diagonalizar, si es posible, las matrices
A=
1
0
l+ i
1
e C 2x2
www.FreeLibros.com
288
___
A -
1
0
2
8-45. Sean A =
-2
2
j_
2
_1_
2
e R 3x3
0
2
y P (X ) = X2 - l.
www.FreeLibros.com
Captulo 9
FO R M AS
9.1. INTRODUCCION
Presentamos en este captulo los conceptos de forma bilineal sobre un espacio vectorial,
de forma cuadrtica asociada, y sus conexiones con la matriz de cada una respecto de una
base en el caso de dimensin finita. Se estudian los operadores adjuntos, traspuestos,
hermitianos y simtricos, as como tambin algunas propiedades de sus valores propios. Esta
situacin se reitera en el caso de operadores unitarios y ortogonales. Despus de la
demostracin del teorema de Sylvester, se trata el tem a de la diagonalizacin de operadores
simtricos y de las matrices correspondientes. Adems de la descomposicin espectral de una
matriz diagonalizable, se estudia la congruencia de formas cuadrticas reales, la reduccin a
la forma cannica y el signo de una forma cuadrtica.
www.FreeLibros.com
290
(1)
011 12 . . . flih
#22 O-i
a 2\
/( X , Y ) = X A Y = (X l X 2 . . . Xn)
1 #n2 flfm
y
( 2 XfOn 2 x a 2 . . . 2 * 0 ^ )
i - i
y 2
i= i
y n
=2
i-i
y, 2
1 i= l
xau
1 y
= 2 2
i= l)= l
auXtyi
www.FreeLibros.com
291
A=
ax 0
0 a-i
0
...
...
0 '
0
...
&ri
1 ai x yi
www.FreeLibros.com
R definida por
^
292
unaform
aM
inealsiratricasiys,sAes
T. 2
T la
X forma
l T bilineal
reT simtrica
nta
>ea/
asociada a A.
/ e s simtrica / ( X , Y) = / ( Y X)
, =>X, A Y = Y A X
Como
X t A Y = X Af Y
V X , Y e K"
X* (A - A' ) Y = 0
V X . Y e K 11
A - A* - N
Y por lo tanto
A-A
Luego / es simtrica.
Ejemplo 9-3.
l
-1
/ (X ,Y ) = Xl AY = (I l J l 3 )
-l
3
1 - 2
(\
\
.= ( * i ~ * 2 + 2x3 - * , + 3 x 2 + * 3
? ' y i|
1 _2
2x , + x 2 ~ 2
73
x
3)
www.FreeLibros.com
293
* ,7 ,
es una forma hermitiana definida positiva, ya que satisface los axiomas del producto
interior usual en un espacio unitario (vase el ejercicio 7-46).
I x,7,<v,,v,> =
JT=1i-!-/ i
au x yj = x t A Y
www.FreeLibros.com
v J es una
294
K una forma
Definicin
Form a cuadrtica asociada a la forma bilineal simtrica g es la funcin
/ : V- >K
definida por
/(x)=*(x,x)
Como la form a bilineal sim trica# verifica los axiomas i), ii) y iii) del producto interior
definido en 7.2.1., es usual escribir
S (Xj x ) = ( x, x )
Si V = K" y si A e Knxn es la matriz simtrica de la forma bilineal#, entonces la forma
cuadrtica asociada est definida por
/( X ) = X A X = ,2
www.FreeLibros.com
FORMAS CUADRATICAS
295
Ejemplo 9-5
La matriz correspondiente a la forma cuadrtica
f : R3 - R
definida por
f ( x ) =x \ +
2 x\ + 2x 1 - 2 x xx 2 + 4*! x 3
es
A=
Como
D (A) =
-1
1 1 0
=2
11
= - 6 = 0
www.FreeLibros.com
296
Definicin
Rango de una forma cuadrtica es el rango de cualquiera de h* m t
representan.
siquiera ae las matrices que la
En consecuencia, una forma cuadrtica es no degenerada si v
dimensin del espacio. Una forma cuadrtir*
a
/
la dimensin del espacio.
* degenerada S1V
SU rang0 es ^ ual a
si su rango es menor que
Ejemplo 9-6.
La forma cu ad rtica/est caracterizada por la matriz
/ JO
0
\ 2
6
0
0
7
/ 6
( 0
0
0
6
0
0
0 11
Propiedad
un
en
</(x),y> = <x,/*(y)>
www.FreeLibros.com
OPERADORES
297
Demostracin)
(1)
VxVyeV
/*(fly + *y,)=Sfl/*
(y) + */*(y)
O sea
f* es un operador lineal.
La unicidad de f* se justifica porque para cada y e V existe y =f * (y), nico, tal que
F(x) = < x , / * ( y ) >
El operador f * a que se refiere el teorema anterior, se llama adjunto d e /.
www.FreeLibros.com
298
Definicin
En un espacio de dimensin finita con producto interior, un operador f * se llama
adjunto d e / s i y slo si
< /(x ) ,y > = <x, f * (y)>
cualesquiera que sean x e y en V.
Si el cuerpo es R, el operador /* se llama traspuesto de f y se denota
r=f
9.5.2. Matriz del operador adjunto
Si A es la matriz del operador f respecto de una base ortonormal, entonces B = * e s la
matriz del operador adjunto f *.
En efecto, sea [v] = ( Vi , v*, . . . , v } una base ortonormal de V. De acuerdo con el
ejercicio 7-61, se verifica que
/ ( v j) = < /(vj) ,v , >vx+ ( f ( v j ) , v 2 >v2 + . . . + < /(v;-) ,v >vn V/ =1 , 2 , . . . ,
En consecuencia, el elemento genrico de la matriz A es
ay = < / ( V; ) Jvf >
Si B es la matriz d e /* respecto de [vj, entonces
=
y)
Se verifica que
btj = <f* (v>), Vf) = ( v u f * (v;-) >= ( f ( V i \ v j ) =
Luego
B = A *^ Af
Observamos que si f y g son dos operadores sobre V y a e C, entonces
( f + g)* = f * + g *
(/* )* = f
(otf)* = f *
( f g)* = g* f*
C2
tal que
/ ( z , u) = (z + 2i'u, (1 +)z + u)
www.FreeLibros.com
OPERADORES
299
A=
1+i
'-2 /
Resulta
/ * (z, u ) = (z + (1 i) u , 2iz + u)
9.6. OPERADORES HERMITIANOS Y SIMETRICOS
9.6.1. Concepto
S e a / u n operador lineal sobre V, de dimensin finita, con producto interior, y sea f * el
operador adjunto.
En el caso complejo, V es un espacio unitario, y en el caso real, V es euclidiano.
Definicin
www.FreeLibros.com
300
Se tiene
< / ( x ) , x > = < x , / ( x ) ) - < / * ( x ) , x > = >
O sea, / es hermitiano
9.6.3. Propiedad
0 resulta X= X
X eR
Una consecuencia inmediata es la siguiente: los valores propios de toda matriz hermitiana
son reales. En particular, los valores propios de toda matriz simtrica y real por ser
hermitiana, son reales.
www.FreeLibros.com
OPERADORES
3Q1
Ejemplo 9 'T
El operador / : R2 -> R2 definido por
( ( x x, y x) ,{x2, y 2) ) ^ x i x 2 + y x y 2
y el producto interior entre sus imgenes es
( f ( x u y i ) , f ( x 2ty 2) ) ^
= { (Xi eos 0 - yx sen 8, x x sen 8 + y x eos 8),(x2 eos 8 - y 2 sen 8, x 2 sen0 + y 2 eos 0)) =
- X i x 2 eos2 8 + y x y 2 sen2 8 - x xy 2 sen 8 eos 8 - x 2 y i sen 9 eos 8 +
+ Xi x 2 sen2 8 + y y 2 eos2 8 + x x y 2 sen 8 eos 8 + x 2 y t sen
= Xi
X2
6 eos 8 =
ll/(x)ll2
=>
www.FreeLibros.com
302
Resulta
< / ( x ) >/ ( y ) > = <x , y >= 0
Luego / (x ) es ortogonal a / (y).
Observamos que no toda trasformaein lineal que preserve la ortogonalidad eoperador ortogonal. En efecto, si
/ : V->V
es tal q u e / ( . * ) - 3a:, en tonces/conserva la ortogonalidad, pero no es un operador ortogt
9.7.4. Propiedad
Sea V un espacio euclidiano de dimensin finita. Un operador lineal / : V -M
ortogonal si y slo si/* / = iv .
En efecto:
/ es ortogonal ^ <x , y >= < / ( x ) , /( y )>
* < x , y > = < x , (/*<>/) (y) ) o
f* denota el operador adjunto de / , que en el caso real es su traspuesto.
Luego
/ es ortogonal
/v
O sea
A1 = A*
9.7.5. Propiedad
Sea V un espacio unitario, y s e a /u n operador sobre V.
Como en el caso real, se verifica que un operador es unitario si y slo si preserva
longitudes de los vectores.
Se demuestra anlogamente q u e /e s unitario si y slo si/* / = iv .
Adems, si A e C l xn es la matriz de / respecto de una base ortonormal, en to n c e s/e s
operador unitario si y slo si A* = A"1.
Una matriz compleja que satisface la condicin anterior se llama unitaria.
www.FreeLibros.com
TEOREMA DE SYLVESTER
3Q3
Definicin
A e Cf,Xfl es unitaria
A* A = I
A* = A"1.
P= 1
Luego
I Xl= 1
x = ( , 3) => <x , x )= 8
Los vectores
dada.
www.FreeLibros.com
304
{ V,- , V/) = 1
< v , v >= 0
sia = 0
vi
si a > 0
V -
v=^
si a < 0
+ i x } + + . . . + a r x]. 2
www.FreeLibros.com
TEOREMA DE SYLVESTER
3Q5
Los vectores v, - (1, 0) y v2 - (1, 1) constituyen una base ortonorm al y se verifica que
< v: , Vi > = - 2 < y 2 , v2 >= 0
9.8.3. Propiedad
Sea < ,) una forma bilineal simtrica en el espacio Y de dimensin finita,sobre el cuerpo
R, y sea el subespacio
S0 = | x e V / ( x , y > = 0 , V y e V |
Si [v] = { v j , v2 , . . v },es una base ortogonal, entonces la dimensin de S0 es igual al
nmero de enteros i, tales que = 0.
Demostracin)
Sea [v] ordenada de m odo que
a i &O si / = 1 ,2........ /*
a = 0 si i > r
Por ser [v] ortogonal, se verifica que
i > r = * ( v ,-,y> = 0 , V y e V
En consecuencia
^r +1, Vr -f2 >'<<>V
son elementos d e S 0.
Sea un elemento cualquiera x e S0 , y escribamos
x =x
1 y l + . . . + x r vr + . . . + x n y n
Entonces
/ < r => 0 = <x ,
) = Xj < v j ,
) = xj a
www.FreeLibros.com
306
O
F RMAS BILINEALES Y CUADRATICAS
si z = 1, 2, . . , p
bf> 0
si i = 1 , 2 , . . . , p'
a < 0
i ^ p + l,...,r
b< 0
s r = p + 1 , . .
a = 0
si = r + 1,. .
bt- 0
s i i = r + 1 , . . n
Vp, wp . + 1, . .
, ' i xy = - ,= ? .+
y efectuando
<
i X, V, , 1
. +1
W; ,
J , + 1y, W, >
se deduce
a, * ? + . . . + ap Xp = bP+1 y j ,'+1 + . . . + bry l
El primer miembro es m ayor o igual que cero, y el segundo miembro es menor o igual qt
cero, o sea, ambos son nulos. Entonces es
= *2 = = x p = Q
yr'+i=...=yn = 0
www.FreeLibros.com
DIAG ONALIZACION
307
www.FreeLibros.com
308
1 "
V/ i V c o n / =2, 3 , . .
di~
Una
Dada la matriz A -= /. 2
a A.
\ n/ 2
X- 2
D (X 1 A)
\2
y/2 X - 1
= (X 2 )(X - 1 )-2 =
= X2 - 3 X
Resulta
Xi - 0
\2= 3
2 V 2 \ /x, \ _ /O
y/2
1 l\x2l
(o
2 * j + y /2 x 2 - 0
y/2xt +
x 2 =0
2 xx + x 2 = 0
>x2 = - \ / 2 x l
www.FreeLibros.com
DIAG ONALIZACION
309
C o m o x \ + x j = 1, se tiene
2x\ = 1
x\ +
Luego
X
v f
= y
x-y
_ \/6"
= + ----3
Entonces
X, =
V i
3
b) Aa = 3. Con el mismo procedimiento se obtiene
v r 3
X, =
VT
3
3. Resulta
P=
V3
~3
V 6_
3~
y/6
y/3
3 ~
tal que
P"1 A P = P* A P =
Ejemplo 9-11
Efectuamos una trasformacin de coordenadas que diagonalice la forma cuadrtica / ,
definida por
f ( x l , x 2 ) = 3 x j + 1 0 JCj x 2 + 3 x \
La matriz de esta forma cuadrtica es
\S
35
=-
www.FreeLibros.com
310
P=
y/2
V2"
2
X . = -------- X , -
X2
_ V2
-------- X
2
y/2
---------*
y/2
X 2
(1)
www.FreeLibros.com
311
i a
; K )
, s/K , . . >A)
Dj = diag
Se verifica que
Di = D
T e n ie n d o e n c u e n ta
(2)
(1) y (2) e s
a = P D P 1 = P D P = P D P* = P D , d [ p ^ c p d o c p d , ) *
(3 )
Haciendo
Q = (PDi)
re su lta
A=QQ(
donde Q es no singular por ser producto de dos matri ces no singulares.
2. Sea A simtrica y real. Supongamos que existe Q no s ingular tal que A - Q Q * .
Por 9.9.3., existe P ortogonal tal que
P( A P = D = diag ( Xi , \ K
Entonces
Pt Q Q , P = D
O sea
(Pf Q )(P ( Q ) = D
Llamando Xf a la i-sima fila de P( Q, y por lo tanto a la i-sima columna de (P( Q )', se
tiene, considerando el producto interior habitual en Rn
Xi Xf = X . > o
Si fuera \ = 0, resultara X, = 0, y en consecuencia P{ Q sera singular, lo que es absurdo.
Luego
\> 0
V /= 1 , 2 , . .
www.FreeLibros.com
312
A=2 \ A t
i=l 1 '
de m odo tal que se verifica
1 . f = A V/ = 1 ,2........ s
i ^ j => A A = N
2.
3.
i=i
A = I
'
4 . A A = A,- A V = 1, 2 , . .
Demostracin)
Por ser A diagonalizable existe P no singular tal que
P
AP = D
(1)
D
Considerando las matrices
N,
para / = 1 , 2 , . .
www.FreeLibros.com
DESCOMPOSICION ESPECTRAL
Se verifica, por ser matrices diagonales,
a)
E? = Ef
b)
i j => Ef E; = N
c)
Adems
D = S \ E ,
(2)
De (1) resulta
A = P D P"1
Considerando esta relacin y (2), se tiene
A = p ( . f i Xi E 1) P"1
O sea
A = 2 \ P E P -i
=i
Haciendo
A = P E, P"
resulta
A= 2
Ai
i -1 n
Se verifican las siguientes proposiciones
1. A \ = P E f P '1 P Ej
2.
= P E? P"1 = P E P"1 = A
Af A = P E( P '1 P E P 1 = P E Ey F 1 = P N P '1 = N
3"! _ D T D _1 ~
3. 2 A,-= 2 P E f P1 = P ( 2 E,) P"1
= P I P _1 =1
=i
=i
-i
4. A A = A P E, P 1 = P D E( P"J = P ( . 2 A, E) E, F 1 = P ( . 2 ^ E, E) F 1 ^ ? ( \ E ) F
1 = \ ? E P-1 ^ \ A (3)
Aj A = P E P"1 A = P E i D P 1 = P E f ( . 2
-AfPEiP-^XfAi
A, E,) F 1 = P \ Ef F 1 =
(4)
V< = 1 ,2 , . . n
www.FreeLibros.com
313
314
9.12.2. Propiedad
Demostracin)
1. Sean f y g ortogonalmente congruentes. Entonces existe P ortogonal, tal que
B = P* A P ~ P"1 A P
En consecuencia, A y B son semejantes y admiten el mismo polinomio caracterstico.
2. Sean A y B con la misma forma diagonal. O sea, existen Q y R ortogonales tales que
Q-J A Q = R1 B R = D
(1)
www.FreeLibros.com
CONGRUENCIA
315
B = P 'AP
O s e a ,/y g son ortogonalmente congruentes.
9.12.3. Propiedad
Si / es una forma cuadrtica real, entonces es ortogonalmente congruente a la forma
cuadrtica g, tal que
g 0 0 = 1=1
4 hyl
siendo At >X2 , . . A los valores propios de A.
En efecto, sean D la matriz diagonal formada por los valores propios de A, y Y e Rn* 1.
Consideremos la forma cuadrtica g definida por
g ( Y) = Y D Y
Sabemos, por 9.9.3., que existe P ortogonal tal que
D = P"1 A P = P<A P
Luego f y g son ortogonalmente congruentes.
9.12.4. Propiedad
Toda forma cuadrtica real f es congruente con la forma cuadrtica g, tal que
g(Y ) = ^ i y l + . . . + y l - y l + i
. y \ , siendo r el rango de A y p el ndice de
positividad de la forma.
Demostracin)
La matriz simtrica y real A admite exactamente r valores propios no nulos, ya que
p (A) = r. Ordenamos los valores propios de modo que
son positivos
V + i , . . . , A,.
son negativos
son nulos
Consideremos
Xi
D=
Xn
Definimos la matriz diagonal
www.FreeLibros.com
316
P=
V \ j+ i
=B
y r2
www.FreeLibros.com
FORMA CANONICA
317
Ejemplo 9-12.
Reducimos a la forma cannica la forma cuadrtica / : R2
R definida por
f ( x i , x 2) = x' - Tx x 2 + x l
1 La matriz de la forma cuadrtica es
1
A=
-1
El polinomio caracterstico es
X- 1
D (X l A) =
= X2 1
X -
2 X
X = 0
y X2 se obtiene
1) y
-1
X2 =
Se verifica que
Q'AQ
1
P=
vxr
0
2 z'
^
2
0
www.FreeLibros.com
318
B = P* D P =
0
y/2
2
0
2
0
1 0
O sea
g ( y i , y i ) = y 2i
9.13. SIGNO DE UNA FORMA CUADRATICA
Sea / una forma cuadrtica real definida por
/ ( X ) = X rA X
donde A es una matriz simtrica real del tipo nx n.
9.13.1. Definiciones
1 ./ e s definida positiva si y slo si
X* A X > 0
2 ./
VX^O
www.FreeLibros.com
319
Ejemplo 9-13.
|
0 sea
|
!
AX) =
C om o/(X ) > 0, V X
9,13.2.
2 x \ + (x i ~ x 2f + x \
Propiedad
La forma cuadrtica real / , tal que / (X) = X* A X, es definida positiva si y slo si los
valores propios de A son positivos.
En efecto, sabemos que toda forma cuadrtica real es ortogonalmente congruente a una
forma cuadrtica g tal que
0 0 =J i
siendo Xj , X2 , . . . , X los valores propios de A. Como ejercicio del trabajo prctico se
propone la demostracin de que el signo de una forma cuadrtica no vara frente a
trasformaciones de coordenadas. Esto significa que el signo de / es igual al deg. Luego
/ es definida positiva<*g es definida positiva o \ ( > 0, Vi
'
Anlogamente se demuestra que: / es definida negativa si y slo si sus valores propios son
negativos; / es semidefinida positiva si y slo si sus valores propios son mayores o iguales que
0 y alguno de ellos es 0; / es semidefinida negativa si y slo si sus valores propios son
menores o iguales que cero, pero alguno de ellos es 0. Si existen valores propios positivos y
negativos, diremos que la forma cuadrtica es indefinida.
El lector podr demostrar como ejercicio del trabajo prctico que una forma cuadrtica
real / , definida por / ( X ) = X* A X, es definida positiva si y slo si los menores principales de
la matriz A son positivos.
Ejemplo 9-14
Analizamos, utilizando el criterio de los menores principales, si la forma cuadrtica/,
definida por
www.FreeLibros.com
320
/ ( *u x 2>x z ) = 2 x \ + x \ +
3 * i
+ 2 Xl
es definida positiva.
La matriz de la forma cuadrtica dada es
/ 2
A =
11 - 1
\ 0
-1
a l2
a 21
a 22
D(A)= 1 > 0
Luego, / es definida positiva.
www.FreeLibros.com
x2
- 2
TRABAJO PRACTICO IX
9-15. Sea (V, + , K , .) un espacio vectorial. Dem ostrar que el conjunto B (V) de todas las
formas b ilin e a le s /: V2 - K es un espacio vectorial sobre K, como se indica en 9.2.1.
9-16. Sea : V2 -+ K una forma bilineal. Demostrar que gy : V -> K, definida por
gy (x) = g (x, y), es una forma lineal.
9-17. Una forma bilineal / sobre R 3 est caracterizada por la matriz
i) O b te n e r/(x , y).
ii) Determinar la matriz d e / respecto de la base
1 ( 1. 1, 1) ,
( 1, 1, 0) , ( 1, 0 , 0)1
9-18. Determinar la forma escalar de las formas cuadrticas asociadas a las formas bilineales
S (X , Y) = X* A Y, en los siguientes casos:
ii) / ( X ) -
(X,. - X)2
www.FreeLibros.com
322
y ) _ / ( x _
y ) j
2 x%
forma';uadrticayi
sean [y] y {J
Pro^ t o interior y
^v
^ ^
que
" COn
*> * * * Amostra,
* . Sea P una matriz ortogonal diagonal. Demostrar que ,os Cementos de ,a diagona, son ,
9m27. Sean las matrices
/ eos 6 -s e n Q \
\ sen 0
'
eos 0 )
/ je
Q=
ew
/3
0\
A= \0
3 /
)
A
www.FreeLibros.com
vectores propios de
TRABAJO PRACTICO IX
* - (\ y / 2
323
*2 ) I
+ 2 \ f 6 Xl x 2 + 2 x \
9 32 Dem ostrar que el signo de una forma cuadrtica real no vara si se efecta un cambio
de base.
9-33. D em ostrar que si / ( X ) - X !A X es definida positiva, entonces g (Y) = Y*A-1 Y es
definida positiva.
9-34. Determinar el rango y la signatura de las formas cuadrticas definidas por
i)/(*i,*a.*a) = *i + 2 *2 + 6 *3 - 2
X 3 + 4 x 2 x3
i i ) f ( x , x 2) r ( x - x 2f
9-35. Obtener la descomposicin espectral de la matriz C del ejercicio 8-15.
8
V5"\n/T
^
2
como producto entre una m atriz ortogonal y una m atriz definida positiva.
9-39. Demostrar que una form a cuadrtica real / (X) = Xf A X es definida positiva si y slo si
los menores principales de A son positivos.
9-40. Sean dos formas cuadrticas f y g en R definidas por f (X) = X t A X y g (X) = X B X.
Sabiendo que f es definida positiva, demostrar que existe una trasformacin de
congruencia que las reduce a
www.FreeLibros.com
324
O
F RMAS BILINEALES Y CUADRATICAS
Si (Z )= X ! z \ + X 2 z \ + . . . + \
zn
9-41. Sean (V, + , K, .) un espacio vectorial de dimensin finita, y < , ) una forma bilineal
simtrica sobre V. Una base [v] es ortogonal respecto de <,> si y slo si
i =/ =*<*,v; >= 0.
Demostrar que si V
www.FreeLibros.com
Captulo 10
CONVENXIDAD. PR O G R AM AC IO N LINEAL
10.1. INTRODUCCION
A partir de la distancia definida sobre la base del producto interior habitual, se estudian y
se clasifican puntos y subconjuntos de R . Se generalizan las nociones de recta, plano,
semiplano y semiespacio estudiadas en el captulo 7. Se presenta una introduccin a los
conjuntos convexos en R ", y se estudian sus propiedades fundamentales. Despus de
relacionar la convexidad con las trasformaciones lineales, se desarrollan los conceptos de
hiperplano soportante y de puntos extremos. Finalmente, y en conexin con o anterior, se
esboza una introduccin al problema general de la Programacin Lineal, y al mtodo
simplex.
10.2. CONJUNTOS DE PUNTOS EN R"
En lo que sigue consideraremos el espacio vectorial (R n, +, R , .) con el producto interior
habitual, es decir, definido por
< x , y > = 2 x j' , = Xt Y
i=i
donde X e Y denotan las matrices columnas asociadas a los vectores x e y.
10.2.1. Esfera abierta en R"
Definicin
Esfera abierta de centro a e R " y radio r > 0 es el conjunto de puntos de Rn cuyas
distancias a a son menores que r.
El smbolo S ( a , r) se lee: esfera abierta de centro a y radio r\
S ( a , /) = x e R" /d (x , a) < r }
O sea
S(a,r)= x e R "/ !lx-aii< r|
www.FreeLibros.com
326
O bien
< r2
S(a,r)=( xeR"
s far)
S (a, *)= f x e R / I x - a l O } ={ x e R / a - f < x < a +
En R2 , S (a, r) es el interior del crculo de centro a y radio r.
Sfar)
de
www.FreeLibros.com
327
Definicin
a e R" es un Pu nto frntera de C si y slo si toda esfera abierta de centro a tiene
intersecciones no vacas con C y Cc.
a e R n es frontera d e C - V / - > O : S ( a , r ) n c ^ 0A S ( a , r) n C * 0
www.FreeLibros.com
328
..
J
p e s p u n t o frontera y tam bin de acumulacin de C
Si consideramos
- f
. "
qus i ,
,1
- > - . .
M a n S ' de la
; 'K l " :
r r pun, os de
S e acumulaein de C, se llama
C es cerrado ^ C C C
www.FreeLibros.com
DERIVADO Y CLAUSURA
329
C
representa un conjunto cerrado, donde C = A . Los conceptos de abierto y cerrado no son
' cluyentes, ya que existen conjuntos que no son abie rtos ni cerrados.
6XEste es el caso de un conjunto formado por la unin de un disco abierto y un punto
aislado. Observamos, adems, que un segmento abierto es un conjunto abierto en R, pero no
lo es en R2 ; o sea, el concepto de abierto es relativo al espacio mtrico que se considere.
El lector podr demostrar, como ejercicio del trabajo prctico, que un conjunto es
c-cuc
O sea, la clausura de C es la unin entre C y el conjunto de sus puntos de acumulacin. Se
demuestra que la clausura de un conjunto cualquiera es cerrada. Ms an, que la clausura de
un conjunto C es la interseccin de todos los cerrados que inlcuyen a C. En este sentido, la
clausura de C es el m nim o cerrado, en el sentido de inclusin, que contiene a C.
10.2.8. Conjunto acotado
SeaCCR".
Definicin
C es acotado si y slo si existe r > 0 tal que
a e C ^ IIa I l <r
www.FreeLibros.com
330
donde e R
www.FreeLibros.com
331
= P 2 + ( l - O ^ i
coneR
2 ) -( 3 ,
0) +
f ( - 3 ,
4)
= 3 -
|x2
= 4
* i = 3 3
4
O sea
4 x i
= 12
(1)
www.FreeLibros.com
La representacin es
El vector c = 41 + 3 j
La distancia entre 0 y r es
(0 , r ) = lpc p 1 1
|
IIC II
La igualdad
=
5
c 'x *
direccin d e '
Ejemplo
10-2
dEI ~
Pl
por
! rt o c
( 2 . 2)
(.4f)+(3-3/,0) =(3_3/,4)
de donde resulta t =
2'
www.FreeLibros.com
HIPERPLANOS
333
10.32. Hiperplanos en R rt
pefinicitt
Un hiperplano en R es un conjunto de puntos de R tales que
C *X = k
donde C denota un vector columna de n componentes y k es un nmero real.
x =
liti
www.FreeLibros.com
334
1=1
'
Consideremos el caso de un hiperplano cuyas intersecciones con los ejes sean positivas I
siguiente figura ilustra la situacin en R2
'
u
La ecuacin es
C* X = k
donde k > 0. Mostraremos que si el hiperplano se traslada paralelamente a s mismo en la
direccin del vector normal, entonces el trmino independiente de la ecuacin crece En
etecto, el hiperplano que pasa por X ! , de vector normal C, est definido por
Cf X -f c i
Si consideramos el hiperplano con el mismo vector normal, que pasa por
X2 = Xj + a C, con a > 0,
se tiene
C *X = k 2
www.FreeLibros.com
SEMIESPACIOS
335
Como
Ct X 2 ^ C t ( X l + ttC ) = C X 1 + a C t C = k l + o: Il CIP
resulta
&2 ^ k x
Todos los puntos del hiperplano de ecuacin Ct X = k 2 verifican C* X > k
Se propone como ejercicio del trabajo prctico la demostracin de la siguiente propiedad*
todo hiperplano es un conjunto cerrado.
10.3.3 Semiespacios
Un hiperplano 7Tde ecuacin
C( X = A
determina una particin de R " en tres conjuntos: el hiperplano 7r y dos semiespacios
abiertos de borde 7T.
Ilustramos esta situacin en R2 .
Definicin
Semiespacios abiertos de borde tt son los conjuntos
S, = ( X e R n / C X < / c
S2 = ( X e R n / C f X>ifc
Definicin
Semiespacios cerrados de borde 7r son los conjuntos
www.FreeLibros.com
336
Si = I X e R n / C t X < k \
n CY ^
* * Se8men
par de
C C R es convexo o Pi e C ^ P2 e C ^ p T p , c e
Pi P2 ~ f X e R n j X = t V 2 + ( i _ ) Pl
A0< ? < i|
las
10.4.2. Propiedad
La interseccin de dos conjuntos convexos es un conjunto convexo
y ^ p e rte n e c ie n te s
P,_eC_A P2 e C =* P ^ e C a P , e C j A P2 e c , a P2 e C 2 *
^ P > P2 c c , A P , p 2 c c 2 =p , p 2 c c , n c 2 ^ p 7 p c e
www.FreeLibros.com
conjuntos, entonces
CONVEXIDAD EN RM
337
Definicin
Combinacin convexa de los puntos P t , P 2 , . . Pm es todo vector del tipo
.2 di Pf
i=i
cioj
donde
oc = 1 y a.- > 0, V/ = 1 , 2 , . . . , m.
2
=i
propiedad
de
j P i , P 2 ........ P | C R "
i m
m
>
Tesis) C = { .2^ cf Pf / 2^~ 1 a > 0 J es convexo
Demostracin)
Se trata de probar que toda combinacin convexa de dos puntos cualesquiera de C,
pertenece a C. Sean P y P pertenecientes a C. Ahora bien
P e C a P e C =P = 2
=i
12
in
las
a) P a P = 2 a , P,
f=i
' 1
donde
0 < aj-, 0 <
y 2 a|- = .2 a ) = 1
V
' *-1 f=i
Como
ni
t P + (1 - 0 P = t .2 a} Pf + ( i - 0 2 a ;. Pf =
m
= 2 ( a ; + ( l - O /) Pf
1-1
-0
Adems
m
2 t a + (1 i=l
m
m
i) a = t 2 a- + (1- t) 2
a =
' 1 1=1 ' v
1=1
1
www.FreeLibros.com
338
C nVeX ^
C nVeX
C n jU n t
C=
de todos'eHos : ^
CU3lqUera
' S
de
www.FreeLibros.com
CONVEXIDAD EN Rrt
339
P e S =* P = 2 a* Pf a 0 <
a 2
=i
Sea
=i
a =
entonces
p = ( i - o (
\ 1 - am
c|
1 '
p, + ^
1 - am
fti
dm _i
vector ------ Pi + . . . + ^ ^ P m - i
1 - Otm
* - m
2 + . . . + - ^ i - P m n ) +<*m P,
1 - am
es
una
combinacin
convexa
de
C C R " es convexo
Tesis) /( C ) es convexo en Rm
/ ( P ) = Q*
/ ( P ) = Q
www.FreeLibros.com
340
Luego
? / ( n + ( l ~ 0 / ( P ) e / ( C )
O sea
' Q + ( l - ? ) Q e / ( C )
En consecuencia,/(C ) es convexo.
10.5.2. Preimagen de un conjunto convexo
c o m eZ I x o de Un C njUnt0 C nVeX0 P r *da ' d a c i n n e a l / : R ^ * esin
Hiptesis) f : R n -> R m es trasformacin lineal
C C R m es convexo
Tesis) / 1 (C) es convexo en R".
Demostracin) Consideremos dos puntos cualesquiera P v P
i
definicin de preimagen, de t r a s l a c i n lineal y T e convexMad, L t
Pe f 1 (C) a P e n
* C
(C) ^ / ( P ) e C a / ( P) e C
'1 (C)
Rn
www.FreeLibros.com
341
( X e R " / f ( X ) = Ct X = &}
0 sea, el hiperplano de ecuacin C* X = k,
!
P2
x1
*2
Bn efecto:
Pj e C a P2 e C =>x4 > k A x 2 >k=>
=* t x 2 + ( 1 - t ) x i > t k + { 1 f) fr - fc
]II Todo semiespacio abierto es un conjunto convexo.
Considerando la trasformacin lineal f : R " -> R definida por
/ ( X ) = C* X,
y que el conjunto
{x e R / x > k }
es convexo, entonces su preimagen, o sea
j x e R / / ( X ) = C * X >&} ,
es un conjunto convexo, de acuerdo con 10.5.2.
Tal preimagen es el semiespacio de inecuacin
C*X>k
IV. Con criterio anlogo se prueba que todo semiespacio cerrado es un conjunto
convexo.
V . La interseccin de un nmero finito de semiespacios, por ser stos conjuntos
convexos, es un conjunto convexo. Tal interseccin, como lo muestran las siguientes
figuras, puede ser acotada o no.
www.FreeLibros.com
342
10.6.1. Propiedad
Si C es un subconjunto cerrado y convexo HP R
pertenece a C, o bien existe un hiperplano tt T a u l J L
en uno de los dos semiespacios a b ie rta de borde *
T *
Y
^
pUnto
q# C 6St * * 4
f * C' en ^
afirm a d o en el enunciado.
definida por
f P (X)=
IIX-PIJ
N ( X - P ) = 0
www.FreeLibros.com
HIPERPLANO SOPORTANTE
343
dStri
D espus
Para t -+ 0 es
< ( A - P)f (B - A) = N f (B - A) = N B - N A =
= N* B - N* A + N* P - N* P = N ( (B - P) - N f (A - P)
Osea
De donde
0 < N f (B - P) - N N
N N < N t ( B - P )
N B > N P
www.FreeLibros.com
344
Sabiendo que
X eC ^N 'x >
Bn efecto, S1 P no J
(i)
ra un
"
P-eNeC
Luego
p e rte n e c ie m e fa c S q u Y ^
S ^
-p2 + ( l - / ) P 1
GXStm dos Pu n to s t i n t o s P, y P
-bta*
. *
Se dem uestra que to d o p u n to extrem o de '
Propiedad
U" C njUnt C nVeX" PUnt0 f era.
Todo hipeiplano soportante de
contiene un p u n to extrem o.
C nVeX
www.FreeLibros.com
y acotado p o r debajo,
PUNTOS EXTREMOS
345
derem os el
1
= n ' p0
Nf X > N Po
sea
VXe C
A - ttn c
cu erd o
De ac
debajo.
por
A 0< < l
(1)
Ahora bien
P e 7 T ^ N P = N P0
(2)
De (1) se deduce
N P = N Q 2 + ( 1 - ) N ( Qj
De esta igualdad y de (2) resulta
N P0 = N ( Qa + ( l - ) N Qi
(3)
Adems
Q t e C a Q 2 e C = > N f Qi > N ( P 0 a N Q 2 > N P 0
Supongamos que se verifica alguna desigualdad estricta, por ejemplo, N ( Q 2 > N( P0 .
www.FreeLibros.com
346
O sea
Nf Q2
N* P0
C m e je rd d "
p u n tt
de que un ~
10.8. INTR
ODUCCION A LA PROGRAMACION UNEAL
10.8.1. Concepto
r r s ?
- r
i r
r * ? - -
fsirtZ'SE.rr.'rr'
^ E iH n 6 relac^ones **neales que vinculan las variabies corlos datos16 PUeden "
SU P
www.FreeLibros.com
etC,era'
e s > materia prima y
T c o m ^ e s.
^ Investi6acin Operativa.
eXPreSadS
estrucura lineal,
PROGRAMACION LINEAL
347
oroducir una unidad del producto A x , el dinero insumido por los recursos es, en pesos,
pa?0 y 4 respectivamente. En el caso del segundo producto las cantidades son 6 ,2 0 y 4.
5 Esta situacin queda indicada en la siguiente tabla o matriz
A)
a2
Mano de obra
Materia prima
10
20
Equipos
El dinero disponible para cada uno de los tres recursos es, respectivamente, 15.000,
20.000 y 6.000 pesos.
.
.
.
La ganancia o beneficio neto por cada unidad del producto A! es 3 pesos, y por cada
unidad del producto A2 es 4 pesos. Se supone que el mercado puede absorber sin
competencia estos productos.
Con esta informacin completamos el cuadro anterior:
^ ^ ^ P r o ducto s
Disponibilidades
Recursos^''''' ' ^ ^ A!
a2
Mano de obra
15.000
Materia prima
10
20
20.000
Equipos
6.000
Beneficio
6.000
2. Condiciones de no negatividad
\Xl >0
www.FreeLibros.com
348
10 X !
+ 20x2 =
4*i+
20.000
4 * 2 = 6.000
2.500
*2
1.000
*2
1.500
www.FreeLibros.com
PROGRAMACION LINEAL
349
re p re se n ta
llamadas rectas de
isobeneficio.
De stas, interesa aquella cuya interseccin con S sea no vacia y cuya distancia al origen,
es decir, , sea mxima. Esto es, hay que determinar la recta de la familia de mayor k y de
interseccin no vaca con S.
www.FreeLibros.com
350
3*, +4*2 =0
origDeeSP,aZand Sta reC,a
b e n e L r ^ r i " : ; : er: r
dee al p u n to a o o - 5 o o )- p
m x f
2) ~ 3 .
-* ^
^ *. y
u n id a d e sdel p ro d u cto ^ T ^ r i n T d a d e s ^ ? V ^ C u T
P1' duci
cnd 1-000
10
20 I
* =
2 O.OOO )
6.000
1. Condiciones de vnculo:
c =
AX< B
2. Condiciones de no negatividad:
X>0
3. Funcin objetivo (a optimizar):
/(X)-Cfx
Ejemplo 10-5
Desarrollamos el siguiente problema expuesto por Tucker en el Se, ,
Royaumont, cuyo enunciado figura en la publicacin nmero 26 escrita 2
7
r
LU A. Santal, de la coleccin La Escuela en el T i e m p o S c S ^ a
9^
i f.a
i'
www.FreeLibros.com
* **
PROGRAMACION LINEAL
Cultivos
R e c u r s o s ^ ''\.
Ci
c,
Disponibilidades
Hectreas
Das-hombre
Inversin por ha.
1
1
40
1
4
20
100
160
1.100
Benefcio
40
120
351
* 2 < 100
4*2 ^
160
10x i + 2 0 x 2 < 1 . 1 0 0
>0
x2 > 0
En el grfico siguiente estn representados el conjunto S de soluciones posibles, y el
punto de coordenadas (60, 25) que optimiza la funcin objetivo:
www.FreeLibros.com
352
minimizar
(funcin objetivo)
(condiciones de vnculo)
(condiciones de no negatividad)
Definicin
Solucin posible o factible de un problema de programacin lineal es todo vector de
K que satisfaga las restricciones.
r de
El conjunto S, de las soluciones posibles es c o n v e n
semiespacios cerrados. Si alguna condicin de vncnln p
interviene un hiperplano, que es convexo y cerrado.
^ ^ intersecci de
eCUaC10n en tal interseccin
Definicin
"
na S 1Udn P Sble
en este caso) ,a
Propiedad
S de soluciones posibles.
31 m nim o de ia * *
que es intenor al conjunto
S (P0 , e) C S
Pi=P0 -
3 II CU
r f ( P a ,P ,) = IIP, - P 0 II=-1
3
www.FreeLibros.com
353
e l l e II , ,
~
a
lo que es contradictorio con la hiptesis de que la funcin objetivo alcanza el mnimo en P0.
En consecuencia, podemos afirmar que un hiperplano correspondiente a una solucin
ptima es un hiperplano soportante de S en el punto de solucin ptima.
10.8.3. Soluciones ptim as y puntos extremos
propiedad
La funcin objetivo tom a el valor ptimo en un punto extremo del conjunto de
soluciones posibles. Si tom a dicho valor en ms de un punto extremo, entonces lo toma en
toda combinacin convexa de tales puntos.
Consideremos un problema genrico de Programacin Lineal, consistente en maximizar la
funcin objetivo
/( X ) = C* X
sujeta a un nmero finito de restricciones del tipo habitual. Entonces S admite un nmero
finito de puntos extremos, y se identifica con el poliedro convexo generado por ellos. Es
decir, S es el casco convexo de sus puntos extremos, y por consiguiente toda solucin posible
puede expresarse como combinacin convexa de los mismos.
Sean P i , P 2 , . Pfc los puntos extremos, y sea P0 un punto de solucin ptima, es decir,
que maximiza la funcin objetivo.
Se verifica que
P e S = > / ( P ) < / ( P 0)
La funcin
/ : RH
definida por
/ ( X ) = C X
es una trasformacin lineal, y en consecuencia
Consideremos
/ ( P 0)= = / ( P )
i=i
(0
/( P * ) = mx j / ( P ) /i ~ 1>2........ * )
i
www.FreeLibros.com
354
/ ( P * ) < /( P 0)
(2)
/( P * ) > /( P ,)
Entonces
V/ = 1, 2 ,. .
i =i , 2 , . . . , A
a , f ( P,)
<Xi = 1 , resulta
/ ( ? * ) > 2 a,/-(Pj)
(3)
De ( I ) y (3) se deduce
/(P * )> /(P )
m S n a Cr
P,
PM eX tK
el valor
y sean stos
/(P )= /(P y ) = M
/ ) P,
Como
/ ( P t = f / ( P ;-j + (l r j / ( P )- / M + ( l
/) M = M
www.FreeLibros.com
355
problema de Programacin Lineal es convexo, cerrado y acotado por debajo por el vector
nulo ya que X > 0. El teorema anterior asegura que si existe ptimo de la funcin objetivo,
tal valor es alcanzado al menos en u n punto extremo. En R ", S tiene un nmero finito de
puntos extremos.
. .
El problema se reduce entonces a examinar el valor de la funcin objetivo en los puntos
extremos a fin de hallar el ptimo. El m todo Simplex permite determinar analticamente
los puntos extremos y pasar de uno a otro analizando el valor d e /, hasta obtener el ptimo.
www.FreeLibros.com
TRABAJO PRACTICO X
m S e a A ^ J ^ . ^ e R ' / U i K i A ^ K ! )
j (2 , i ) |
Ax2 ^ l }
clasificar los puntos del plano respecto de ellos, determinar sus fronteras y derivados e
investigar si son abiertos o cerrados.
10'8' a b
10-12 . Demostrar que la interseccin de una familia finita de abiertos es un conjunto abierto.
10-13. Demostrar que la interseccin de una familia numerable de cerrados es un conjunto
cerrado, y que la unin de una familia finita de cerrados es un conjunto cerrado.
10-14. Determinar el casco convexo generado por los puntos (1, 2) (1 _ n ( l i w
, n
www.FreeLibros.com
357
TRABAJO PRACTICO X
xeA )
yeC2|
es un cono.
10-23. Plantear el siguiente problema de programacin lineal:
* Ao
Un mezclador de licores importa licores de tres grados: A, B y C. Mediante mezclas de
stos, atenindose a las indicaciones especificadas en la tabla siguiente, obtiene tres
productos finales: L, M y N.
Mezcla
Especificacin
Precio de venta
por litro
No menos del 60 % de A
No ms del 20 % de C
68 $
No ms del 60 % de C
No menos del 15 % de A
57$
No ms del 50 % de C
45 $
www.FreeLibros.com
358
Licor
Disponibilidad mxima
mensual en litros
A
B
C
6.000
7.500
3.600
63 $
45 $
36$
L, M y N> a & de m a x i.
y t S i z ? ; dt p e 3rdfciC
om0 C rta r 108 r I,0S de 82
www.FreeLibros.com
W"
BIBLIOGRAFA
pieudonn J.: Fundamentos de Anlisis Moderno. Editorial Revert S.A., Barcelona, 1966.
Faddeeva, N. A.: Mtodos de Clculo de Algebra Lineal, Editorial Paraninfo, Madrid, 1967.
F aure-K aufm an-D enis: Matemtica Moderna. Editorial Paraninfo, Barcelona, 1966.
P r in c ip le s
www.FreeLibros.com
360
B IB L IO G R A F IA
TUm o ^ Vi
;, L L L T 19I
Mac ^
* /flS
www.FreeLibros.com
h & ****
Tr
TRABAJO PRACTICO I
j - i 6. i ) si
i i ) s
iii) no
iv)no.
i i ) s
iii) s
iv )s
v)s
vi) no.
(x
, y ))
www.FreeLibros.com
i ) (* , ) e S -
+ , )2
( l , 0 e S y ( , l ) e S pero (1 + t 1 + A / s
iii) si
iv) si.
v ) s
s= j (a, a + b) j a e R
a b eR i
Vi) s.
x v
www.FreeLibros.com
m ,t*
TRABAJO PRACTICO II
2-25. i ) se determinan a y b tales que
a ( v S ,2 ) + 6 ( - V 6 ,2 ) = (V 2,l)
Aplicando las leyes de composicin habituales se resuelve, despus de igualar
componentes, un sistema lineal de dos ecuaciones respecto de a y b.
ii) procediendo anlogamente, el sistema resultante carece de soluciones y en
consecuencia v no es combinacin lineal de Vi y v2 .
2-26. Considerar la relacin lineal
a x ( - 1 , 3, 1) + a 2 (3, - 1 , 1) + a 3 (4, 0, 2) - (0 ,0 , 0)
y despus de aplicar las leyes de composicin usuales y de igualar las componentes de
las ternas se llega a un sistema lineal cuyas infinitas soluciones estn dadas por
o^i = k , 0=2 = 3 k , a 3 = 2 k
En la segunda parte, a partir de
(4, 0, 2) = o ( - 1 , 3, 1) + 0 (3, 1, 1)
1
3
se llega a un sistema lineal cuya solucin es a = , 0 = . Luego
2
(4, 0 , 2 ) = ~ ( - l , 3 , l ) + | ( 3 , - l , 1)
2-27. Considerar a A + 0 B = N. Resulta a = (3 = 0,
2-28. En (R , + , R , .) son L.D., pero en (R , + , Q, .) son L.I.
2-29. x = l .
2-30. Considerar
<* ( 1 , a , a 2 ) + I K M , &2 ) + 7 0 , c , c 2 ) = ( 0 , 0 , 0 )
www.FreeLibros.com
364
al S! 2CnSdera ]a
de cualquier f e R; derivando
a i xi + - - . + a n x + ^ u = 0
0.
2-38. A partir d e a , x , + .
+ <* x
x seria C.L. de los vectores de^. Te* er"en cuenta^desp^s la "hiptesis ^ aS contrar*
>
i i ) la base cannica
iii) la base cannica
v) ! i +i i
y ) i + i, i -/ .
2-42. El subespacio pedido es el plano de ecuacin * - y _ , = n
1 0 , l .o ) , ( 1, 0 , 1) ) . y a q u e
> y u base del mismo es
( x . y . z ) e S * ( y + z , y , z ) e S ~ ( y , : ,< o) + ( 2 o , z ) e S ~
2-43
* *
2-44. Una base es
r "
//*
\0
' - * b *
\
- .i.
\ I
-~l) \o 0 / \l 0/
la dim ensin es 3.
www.FreeLibros.com
TRABAJO PRACTICO II
365
248. S es el plano de ecuacin = 0. Una base de S est formada por los vectores (1 0 01 v
(0, 0, 1). T puede ser el plano de ecuacin z = 0.
2.8.1.,
y considerando
2-5L Considerar dos bases: una en Si y otra en S2, y tener en cuenta el ejercicio 1-31
www.FreeLibros.com
gue
2. no.
3. s.
4. no.
3-22. l . s .
2. no.
3. s.
4. no.
Pr bar
3-2S. Expresar los veetores (3, 3) y (0, - 1 ) com o C.L. de (1, 2) y de (2,1). Apliear deSp
la definicin de T.L. R e s u lta /(3 , 3) = ( -1 , 2, 1) y /(O , - 1) =
(a
+ b, a +
b + c, c).
rf* v
i
de V y la
3-35. n = 3. Se define / ; R4
y su dimensin el
N W 65 ( (2 - 'M y ^ dimensin es 1.
R 3 mediante
www.FreeLibros.com
367
2 . / ( 2, 2, - 2 ) =
3-36. l . A =
3. B =
1 0
0 1
2\
2. A =
1
2
3
- 0
3-40. 1. A =
0 0 0
0 0 1 0 1 -1
-i \
0
4
2. La imagen de la matriz
-1 3
2
-3
0 ) expresado en trminos de la
10
es el vector
base dada.
3-41. f ( x l f x 2( * 3 ) = ( - - * ! + - x
**
L
2 + ~ x 3 i - - Xl
+ - x 2 + 2 x 3).
www.FreeLibros.com
368
RESPUESTAS A L
OS TRABAJOS PRACTICOS
3-42. A
J_
\ 2
2 /
6 -se n
sen 9
eos
= e donde e denota
www.FreeLibros.com
TRABAJO PRACTICO IV
el
ue
5 2- U
do
)ar
>ta ,
- .
4 2 4
= | 0
o ) ;ABC = f 0 I
B 'A ^
do
-1
1
ii) A 2 - AB + BA - B
el
2\
,4 _ / 5 3
www.FreeLibros.com
370
n
n
4-39. Q = X a i k aki = ^ a ^ k =>a[k = 0 , V k. Anlogamente se prueba que la columna de
lugar i es el vector nulo.
4-40. Efectuar (B f A B)2
4-41. Premultiplicar A + B = I por A, y posmultiplicar por B.
4-42. Como en el ejercicio anterior.
4-43. Determinar el cuadrado de cada una de las cuatro matrices y aplicar las hiptesi-i,
propiedades de la trasposicin.
^
4-44. Verificar que se cumple la definicin de matriz simtrica.
4-45. Para la condicin necesaria, considerar A B = ( A B ) ' . Para la condicin suficiente
partir de (A B ) \
me>
4-46. Desarrollar el producto indicado.
4-47. Desarrollar (A - a 1) (B - a I) y utilizar la hiptesis de que A y B son pemiutables
cancelar"011
4-48. Las filas de AB son iguales entre s, y cada elemento es igual a la suma de los
elementos de la correspondiente columna.
4-49. Tener en cuenta las propiedades relativas a la inversa de un producto y a la traspuesta
de un producto.
4-50. Se considera la matriz diagonal B cuyos elementos diagonales son los inversos de los
correspondientes de A ,y se verifica que A B = B A = I.
4 '5 l, Considerar A2 = A y multiplicar p o r A"1.
4-52. Probar que se verifican los cuatro axiomas de grupo.
4-53. Utilizando el mismo esquema de particin en ambas matrices, en bloques de dos filas y
dos columnas, se obtiene
0 0
4 1
0 0
2 0
0 1 0
0
.2 2
0 0,
4-54. Las dos primeras filas constituyen una base del espacio fila de A.
4-55. Multiplicar a derecha B A = N por la inversa de A.
4-56. Premultiplicar por la inversa de A.
4-57. Tener en cuenta que hay que probar la verdad de una disyuncin.
4 -5 8 .p { A) = 2 ;p (B ) = 3.
/2 2 1
4-59. La inversa de A no existe. B '1 = [ 1 2 1
1
1 1
www.FreeLibros.com
TRABAJO PRACTICO IV
371
iii) Despus de
4-70. Para la condicin necesaria, efectuar los productos AB y BA, e igualarlos para obtener
a y ($. Para la condicin suficiente, efectuar ambos productos sustituyendo B por su
expresin.
S
/1
; 4*72. i ) A = ! 1
\0
1 -1
-1 0
1
1
www.FreeLibros.com
www.FreeLibros.com
TRABAJO PRACTICO V
$.12. D (A) = - 2 0 . D (B) = 10. D (C) = -1 3 5 . D (E) = 57.
$.3. Desarrollar por los elementos de la primera columna.
$.14. Considerar que la fila h, con h # / , es el producto del escalar por la fila i.
5-15. i )
~ ^2 ~ 0, X3 = 5
ii)* i = 0 >*2 = 2 , x 3 = - 3 .
5-16, \
- 1 >^2 = 10-
5-17. \
- 1,
$-26. En cada caso, examinar el valor del determ inante, y si es distinto de cero, aplicar 5.9.
www.FreeLibros.com
374
RESPUESTAS A L
OS TRABAJOS PRACTICOS
N R
I
-B A -1 I
IPIIRI.
www.FreeLibros.com
TRABAJO PRACTICO Vi
./i. La preimagen del vector (1 ,1 ) es j ( 2 - k , 3 + 3k, k ) / k e R } .
6-14. El sistema 1. adm tela solucin nica X \ = 5 , x 2 = l , x 3 = 4.
El sistema 2. tiene infinitas soluciones, dadas por x = 3 + 2fc, y ~ 1 k ,z = k.
6-15. Las dimensiones de los espacios soluciones de los sistemas homogneos, son,
respectivamente: 2 , 1 , 0 , 2, 0.
6- 16 . 1 . { ( 1 , 0 , 1 ) , ( 0 , 1 , 1 ) ) .
2. ( ( 1 , - 1 , 1 ) ) .
4. ( ( - 1 , 1 , 0 ) , ( - 1 , 0 , 1 ) ) .
p (A ) = 2,
el sistema
tiene
T= ((-1 ,-2 )) .
3= 1 -
c -
2{}
x 4 - 3 a 2 0 con a e R, (3 e R,
1 /
S -10
o\
www.FreeLibros.com
solucin
es
376
RESPUESTAS A L
OS TRABAJOS PRACTICOS
*l = 2 ~ 3 a + 2 { 3 - y
x2 =a
3 =/3
X4 = y
xs - 8 - 5 a + 3
2 -y con a, 0, y e R .
x 2 =a
x3=0
x 4 =0
x s = 2ec + (3
solucinson
22 H \i \
+ * /
*
W
1 ). k e R .
'
\ ^
/
6-26. Las races de la ecuacin son: \ , = \ , = 1 A = _ i p
-x _ i
soluciones son del tip o * , = - a x , = h v - \ 3Ai - A* - 1 las infinitas
p
ara A, - - 1 , se obtiene ^
(7,
= - 2 k , * 2 = 2k , x 3 = k.
k = o T * = 13.Vp a raSestosA;
ambas situaciones. Para * = o
el e s a d o
C efidentes- Se obti
" * 1 * * 1
6-28.
M '1 =
y ' ^ u c i r t n n in o s , se
Xl =
www.FreeLibros.com
TRABAJO PRACTICO VI
3??
0 0 . Trasponer ai segundo miembro los trm inos en z y aplicar el teorema de Cramer. Si los
tres determinantes son no nulos, puede escribirse
X
bt
cx
b 2 c2
at
Ci
ax bx
a2 c3
a2 b2
6-31. Proceder com o en 6-27. Para a distinto de 2 y de 3, se obtiene solucin nica. Para
a = 2 existen infinitas soluciones y para a = 3 no existe solucin.
6-32. Para a # 1 existe solucin nica. Para a = 1 el conjunto solucin es infinito y para
a = 1 el conjunto solucin es vaco.
(>33. Analizar qu relacin vincula a a y a b para que exista solucin nica, ninguna solucin
e infinitas soluciones.
(.34. Un sistema lineal y homogneo es 74xj + 1 \ x 2 25* 3 = 0.
6-35. Analizar el determ inante de los coeficientes. La solucin nica es
b 2 + c 2 - a2
a2 + c z - b 2
a2 + b2 - c 2
x ~ ------------------ , y - ------------------ . z = -----------------2 be
2 ac
2a b
6-36. La solucin e s x x = l , x 2 = 2 , x 3 = 3 .
www.FreeLibros.com
definicin de orto8onaiidad y
7-28. Es el teorema del coseno; despejar x y considerar el producto interior <x , x >.
7-29. Para la condicin necesaria proponer una combinacin lineal de x e y que sea im.ai ,
vector nulo y considerar el producto interior entre dicha combinacin H . J 1
d(x,y) = \ = y
( )
"
* -
- R **
m 6 n d ' v 2
(X. * ) + < f f e y ) .
( 3 ) d ( x , y ) >
c ^ l i ^
108 aX0maS ^
Pr<
p r o l i x / - V y l l ) . eSSUflCente demM tr
www.FreeLibros.com
379
2 . Vi
1. Pj X . P x P2 - 0; 2x - 2y + z - 5 = 0.
2. X = P0 + X A ; ~ = - - = z + 3 .
2
2
748.
Es el paraboloide de ecuacin x 2 + y 2 + 2z2 - 2x y -
6x - 6v - 4z + 1 = 0.
'
7 .v * . - y ~ 1 - z ~ 3
www.FreeLibros.com
380
RESPUESTAS AOS
L TRABAJOS PRACTICOS
[z = +^
p*=oc r
U =0
~ P y=o C
2'
I Z = 4 JL
- ^__
"
1^-0
7-5<. 2* = ( 2 - ^ ) (2 z).
7-57. X = M + X M 2 ; z = > aretg.
*
7-55. Desarrollar el producto hermitiano.
7-59. Efectuar el producto PP* = I.
7-60. Considerar el producto interior entre cualquier fila i, con i < n , y tener en cuenta de
acuerdo con el ejercicio anterior, que tal producto es 0.
7-61. Probar que la funcin F : V
isomorfismo.
n
7-62. Desarrollar E ( x , v >v,-.
www.FreeLibros.com
*j , X2 =
2. N o existen en R.
8-15. 1. Valores propios: 2 y 3.
Vectores propios:
y | j
2. No existen en R.
3. X1 = X2 =: 6, X3 = 11. Vectores propios asociados a 6 son
2\
X3 = 11, corresponde ( 0 j .
8-16. Suponer que existe algn valor propio nulo.
8-17. Considerar A X = X X y premultiplicar por la inversa de A y por el recproco de X .
8-18. Probarlo por induccin.
8-19. Partir de S '1 A S Y.
8-20. 1. Para A, es X* = 1 + i, X2 = 1 i. Los vectores propios asociados son ^
1
1- i
2. Para B, los valores propios son 1, 1,
i.
8-21. Considerar P (X )- X + c n^ X1 + . . . + C i X - f c 0
P(X) = ( X - X 1) . . . ( X - \ l).
www.FreeLibros.com
un sistema h o rn o s
^ T u V
"
t iz T
anZ
'-r
nces
r unos *
5. Considerar 8-24.
6. Expresar los valores de tr AB y tr BA.
7. Asociar y aplicar 6.
8. Aplicar 7.
8-30.
1
v r
2
2
V5-
P2 =
1
y /s /
8-32.
P (A)
8-33,
Considerar P(A) -
8-34.
8-35.
8-36.
Partir de (B'1
P A B) - .2 a (B~J A B); y aplicar 8-35.
1 6
a
www.FreeLibros.com
383
W 7 . X - | i1 CO
MPS ip
8-38. Y - ( 1 cos ^ ) . Respecto de los vectores Y, / representa una simetra.
\ sen /
*
/
cos p sen k \
*
. . . .
S'39' P = \ - sen l - cos l ) y representa la P<> n de una rotacin de ng ulo y
una sim etra axial.
8-40. Segn 8.5.3. II, existe P n o singular tal que P 1 A P es triangular superior. Resulta
/( P " 1 A P ) triangular superior cuya diagonal est formada por / ( X j ) , .
Adems f ( P 1 A P) = P"1 / ( A ) P es la forma triangular de /(A ).
8-41. Tener en cuenta 8.5.
8-42. Considerar (a I + A) X.
8-43. Relacionar con 8-16.
8-44. * ^ "j" *) n0 es diagonalizable.
- 0 0
La matriz 3 X 3 es diagonalizable y su forma diagonal es D =
o l
0 0
8-45. Los valores propios de A son 1 y 4. Los valores propios de P (A) son 0 y 15. La forma
diagonal de P (A ) es ( ^
\0
^
15
8-46. De acuerdo con 8-7 existe P e C [X] no nulo, tal que P (A ) = N, donde A es la matriz
de / . Adems, es
n
P (i) = 7T ( - X), donde X,- e C.
O sea
N =P(A )=(A -M )
3 tal que A X,-1 es singular, pues si no, P (A ) sera inversible. En consecuencia,
existe X ^ 0 tal que
(A - X I ) X = 0
O
sea
A X = XfX
www.FreeLibros.com
TRABAJO PRACTICO IX
9-15 D esarrollar
( f + g) (ax + b x \ y ) ,
( /+ ) ( x c v + ^
, A,
9-17 - >
^
680313165 por
3 +X2y 1 - 2 X 2 y 3 + X 3 y 2 + X 3 ^
B = P( A P =
/ i 4 2
\ 2 3 17
donde P es la matriz de pasaje de la base dada a la base cannica
W*
, ) X) = * X) = X 'A X = 3 I ! + ^
)/ ( X ) = * ? - * 2 + , .
I^
2^
9-19.
I
A
f '=
1
\ 2 ti2
X? = t f X . Se obtiene A = J __ - T 1
www.FreeLibros.com
TRABAJO PRACTICO IX
385
9-23. La funcin h : V2
U=
V2
VT '
www.FreeLibros.com
386
0 j y resul(a
1
V3
0 = PD, =
2 ^
V3
2
V6
9-31. La
mat ri z
/V 3
V \ y /2
o rto g o n al
-V 2
de
vectores
2
V T/
propios
de
1 y/6
- y /6
2
A=
'
es
- V
2y t )
1
9-32. Sea / ( X ) = X ' A X definida positiva y sea X = P V h
S (Y ) = Yf B Y y es ta l q u e B = P ' A P T a L / '
eS n Si 8ular; e n to n c
su fic ie n te p ro b a r q u e Y ' B Y= 0 = Y = . C o n s i d e r a ^ Y ^ V ^ X " ^ mSma agen; es
9-33. Tener en cuenta el ejercicio 8-17 y 9 .1 3 2
9-34. i ) p ( A ) = 3; s = 3.
ii) p (A) *= l ; s = ].
9-35. Considerar 9.11, Se obtiene
/1
A=S
5
0
2
\ Ai = 6
1 n 1
.
2
5
0
4
/
+ 11
5 /
2~
1
2
0
1
4 /
www.FreeLibros.com
TRABAJO PRACTICO IX
387
positiva y P =
j_
V3
V i
\/T
V?
V3
J V3
es ortogonal.
donde
es
triangular
superior
D (T) = 1,
que
la
reduce
a la forma
(Y)=YfD
g (Y) = Y ( D Y
a l l z \ "*"f? 2_=2^;' Z
n, y reiterar el proce
dimiento.
9-40. Por ser / definida positiva, segn 9.12.4., existe una trasformacin de coordenadas
n
www.FreeLibros.com
TRABAJO PRACTICO X
10-6. Frontera de A es el conjunto
I (x i, x 2) e R 2 / f j j j | = i A j ; 2 1< 2 j
u (i
2) i
r ; : : * * -
&
......................... ...
3 SU
XI X2
L<*
interiores de
satisfacen las
PU' t0 d aCUmulaci
* A que pertenece a
b i e n N b > *
, 2 "N"
*P wrif
www.FreeLibros.com
TRABAJO PRACTICO X
389
10-10. El conjunto del ejercicio 10-6 no es convexo. Los tres conjuntos de 10-7 son
convexos.
10*11. Probar primero que el conjunto vaco es abierto. Sea | A i e N } una familia
numerable de abiertos. Si esta familia es vaca, entonces A = U A es el conjunto vaco,
ie N
y en consecuencia es abierto. Si la familia no es vaca, cada abierto de la misma es una
unin de esferas abiertas. De este modo, A es la unin de tales esferas abiertas, y por lo
tanto es un conjunto abierto.
Se ha utilizado la siguiente propiedad: un subconjunto C C R" es abierto si y slo si es
una unin de esferas abiertas.
10-12. Sea
2- z 2<0
z> 0
www.FreeLibros.com
390
31 Un VeC r 2 6 C mUltP,Car P
O- y e re n cuenta que Cl y C_
2 son
N.
1
2
3
Precio
de venta
por litro
* 11
x 12
j f J3
*21
* 22
* 23
*31
*32
*33
68
57
Disponibilidades
en litros
6 .0 0 0
7 .5 0 0
3 .6 0 0
Costo por
litro
63
45
36
--------- -------------- 1
45
Objetivo: maximizar
F = 5 * n - & . 2 - l & 1 3 + 2 3 * 2,
Sujeta a las restricciones:
+12**2+32*3, + 2 1 ^ + 9 . ^
* n + * 1 2 + * i 3 < 6 .0 0 0
*21
+*22 +*23
< 7 .5 0 0
*31
+ * 32 + * 3 3
< 3 .6 0 0
*11 > 0 . 6 ( x n
*31 <
*32
0 .2
(* jj
+ x 2i + * 3 1 )
+ x 21 + x 3 l )
< 0 . 6 ( x 12 + ^ 22 + ^ 23)
* 1 2 ^ 0 .1 5 ( x 12 + x 22 + X 32)
*33 <
0 .5 ( * i 3 + X 23 + X 33)
XU > 0
1,2,3, j = 1,2,3
www.FreeLibros.com
TRABAJO PRACTICO X
nmero
rollos
391
ancho
*1
*2
*3
*4
* 5
*6
*7
*8
x9
*10
58
26
24
23
10
10
Desperdido
en cm
* 11
*12
0
2
11
12
13
..
Minimizar
F = x 2 + 4 * 3 + 6 * 4 + 7 * s + &x 6 + 9 x n + 10*8 + 1 0 x 9 + 1 U 10 + 12xn + 13x12
Sujeta a las restricciones:
*1
+ * 2 > 60
x , + x 4 + 2 * 6 + * 7 + 3 * 9 + 2 x 10 + * 1 1 > 8 5
*2 + * 5 + * 7 + 2 * 8 + * 1 0 + 2 * u + 3 * 12 > 5 0
*j > 0 , 7 = 1 , 2 , . . . , 12.
www.FreeLibros.com
www.FreeLibros.com
INDICE
www.FreeLibros.com
394
INDICE
de la suma, 60
del ncleo, 80
Fan, 279
Form a bilineal, 289, 291
cuadrtica, 2 9 4 ,3 0 5 ,3 1 4 ,3 1 8
hermitiana, 293
lineal, 101,257
Funcional, 101
Funcin objetivo, 349, 352
G au ss-Jo rd an , m to d o de, 135 186
G ram -S ch m id t, 228
www.FreeLibros.com
INDICE
395
www.FreeLibros.com
ISBN 950-02-5205-8
www.FreeLibros.com