Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algebralineal5 140828141652 Phpapp02 PDF
Algebralineal5 140828141652 Phpapp02 PDF
AL ALGEBRA
LINEAL
COLABORADOR
EN LA T R A D U C C I ~ N :
HUGO VILLAG~MEZVELZQUEZ
LAPRESENTACI~NY DISPOSICI~N EN CONJUNTO DE
DERECHOS
RESERVADOS:
O1(800) 7-06-91-00
(5) 512-29-03
limusa@noriega.com.mx
www.noriega.com.mx
\.; ,.
.T
r
-?
I
i.
+
;
y! ;o!?
t4 ;S1
QUINTAREIMPRESI~N
DE LA SEGUNDA EDICIN
HECHO
EN M x l c o
ISBN 968-1 8-5192-7
y Lauren
PROLOG0
As comoenlaedicin
anterior. enestanuevaedicinse
proporciona un tratamiento bsico del lgebra lineal, idneo para estudiantes que estn cursando el
primer o segundo aos de facultad. Mi objetivo es presentar los fundamentos del
lgebra lineal de la forma ms clara posible. por lo que el aspecto pedaggico es
esencial. No se requiere haber estudiado clculo, aunque se presentan ejercicios y ejemplos para estudiantes que tienen los conocimientos necesarios; estos
ejercicios y ejemplos estn claramente indicados y se pueden omitir sin prdida de continuidad.
10
Prlogo
GUA PARA
EL INSTRUCTOR
12
Patrn largo
Patrn corto
Captulo 1
Captulo 2
Captulo 4
Captulo S
Captulo 6
Captulo 7
Captulo 8
7 lecciones
4 lecciones
3 lecciones
X lecciones
6 lecciones
3 lecciones
3 lecciones
7 lecciones
6 lecciones
3
3
Total
3 8 lecciones
4 lecciones
6 lecciones
lecciones
lecciones
2 lecciones
27 lecciones
AGRADECIMIENTOS
Expreso mi aprecio por la til orientacin proporcionada por las siguientes personas:
I-
Agradec.citrrientos
William
Trench,
F.
Trinity University
Joseph L. Ullman, University of Michigan
W. VanceUnderhill, East Texas State University
James R. Wall, Auburn University
Arthur G. Wasserrnan, University of Michigan
Evelyn J. Weinstock, Glassboro State College
Rugang
Ye,
Stanford University
Frank
Zorzitto,
University of Waterloo
Daniel Zwick, University of Vermont
COMPLEMENTOS
Benny Evans, Oklahoma State University
Charles A. Grobe, Jr., Bowdoin College
Agradecimientos / 15
Elizabeth M. Grobe
IntelliPro, Inc.
Jerry Johnson, Oklahoma State University
Randy Schwartz, Schoolcraft College
OTROS COLABORADORES
Un agradecimiento especial a los siguientes profesores, quienes leyeron
profundamente el material del texto e hicieron contribuciones significativas a la
calidad del nivel matemtico y de exposicin:
Stephen Davis, Davidson College
Blaise DeSesa, Drexel University
Dan Flath, University of South Alabama
Marc Frantz, Indiana-Purdue University
William McWorter, Ohio State University
Donald Passman, University of Wisconsin
David Ryeburn, Simon Fraser University
Lois Craig Stagg, University of Wisconsin-Milwaukee
Tambin deseo expresar mi agradecimiento a:
Barbara Holland, mi editora, quien me ayud a moldear al concepto de esta
nueva edicin y cuyo entusiasmo incluso convirti en divertido el arduo trabajo (alguna vez).
Ann Berlin, Lucille Buonocore y Nancy Prinz del Departamenro de Produccin de Wiley, por preocuparse tanto por la calidad de este trabajo y proporcionarme un apoyo extraordinario.
Lilian Brady, cuyoojo para los detalles y sentido esttico infalible mejor
grandemente la exactitud del texto y la belleza de la tipografa.
Joan Carafiello y Sharon Prendergagst por su soberbio trabajo en la coordinacin de la mirada de detalles que mgicamente produjeron las respuestas y
los complementos a tiempo.
El grupo en Hudson River Studio por tratar con tanto tacto a un autor riguroso.
Mildred Jaggard, mi asistente, quien coordin todoslos detalles deltexto
desde la lectura de pruebas hasta el ndice con pericia consumada, y quien pacientemente toler mi idiosincrasia.
HOWARD
ANTON
CAPTULO 1
CAPTULO 2
DETERMINANTES
85
107
2.1. La funcindeterminante
107
2.2. Evaluacin de determinantes por reduccin de renglones
2.3. Propiedades de la funcindeterminante121
2.4. Desarrollo por cofactores; Regla de Cramer 131
CAPTULO 3
21
115
CAPITULO 4
ESPACIOS
VECTORIALES
189
EUCLIDIANOS
203
CAPTULO 5
ESPACIOS VECTORIALES
GENERALES
5. 1. Espaciosvectorialesreales257
5.2. Subespacios
265
5.3. Independencialineal277
5.4. Base y dimensin 287
5.5. Espacio rengln. espacio columna
5.6. Rango y nulidad322
CAPTULO 6
239
257
339
CAPTULO 7
EIGENVALORES,
EIGENVECTORES
41
7. l. Eigenvalores y eigenvectores
7.2. Diagonalizacin 426
7.3. Diagonalizacin ortogonal437
CAPTULO 8
4 15
TRANSFORMACIONES LINEALES
447
478
Contenido / 19
CAPTULO 9
TEMAS
COMPLEMENTARIOS
513
CAPTULO 10 ESPACIOSVECTORIALESCOMPLEJOS
601
10.1. Nmeroscomplejos
601
10.2. Mdulo;Conjugadocomplejo;Divisin
610
10.3. Forma polar; Teorema de De Moivre
617
10.4. Espacios vectoriales complejos 628
10.5. Espacios complejosconproducto interior 637
10.6. Matrices unitarias, normales y hermitianas 647
711
661
S79
CAPTULO
I .I
SISTEMAS DE
ECUACIONES
LINEALES Y
MATHCES
ECUACIONES
LINEALES
=b
+ a2x2+ . . . + U , X ,
=h
donde al, a2, . . . , a,, y b son constantes reaies.Las variables en una ecuacin
lineal algunas veces se denominan incgnitas.
Ejemplo 1 Las ecuaciones siguientes son lineales:
x + 3 y = 7x ,
y=+x+3z+ 1
3x, + x, = 7
x,+x*+...+xx,=l
-
2x,
21
22
;'
Observar que una ecuacin lineal no incluye ningn producto o raz de variables.
Todas las variables estn elevadas slo a la primera potencia y no aparecen como
argumentos de funciones trigonomtricas, logartmicas o exponenciales. Las siguientes ecuaciones no son lineales:
(b) x1 - 4x,
+ 7x3 = 5
x=t,
y,
Aunque estas expresiones son diferentes a las que se obtuvieron antes, producen el
mismo conjunto solucin cuando t asume todos los nmeros reales posibles. Por
ejemplo, con las expresiones anteriores se obtuvo la solucin x = 3 , y =
cuando
t = 3, mientras quecon las expresiones posteriores se obtuvo esa solucin cuandot
11
-
2 '
x2=s,
x3=t A
SISTEMAS
LINEALES
Un conjunto finito de ecuaciones lineales en las variables x,, x,, . . ., x,, se denomina sistema de ecuaciones lineales o sistema lineal. Una sucesin de nmeros S , , S,,. . . , S, se denomina solucin del sistema si x1 = sl, x, = S,, . . . , S,, =
xn es una solucin de todas y cada una de las ecuaciones del sistema. Por ejemplo,
el sistema
+ 3x,
31, + x2 + 9x,
-4
4x, - x *
i,
se multiplica por
resulta evidente que no existen soluciones, ya que el sistema
equivalente obtenido
x +y = 4
x+y =3
( a , , b , nosonceroalavez)
( a z ,6,
Las grfkas de estas ecuaciones sonrectas; por ejemplo I, y I,. Como un punto (x,
lospuntosde
24
Aunque aqui slo se han considerado dos ecuaciones en dos incgnitas, ms tarde
se demostrar que las mismas tres posibilidades se cumplen para sistemas lineales
arbitrarios:
Todo sistema de ecuacioneslineales no tienesoluciones,tiene
una solucin o tiene una injinidad de soluciones.
exactamente
a)
Figura 1
I M d a d de soluciones I
No existe solucin
donde xl, x2,. . . , x, son las incgnitas y las letras a y b con subindices denotan
constantes. Por ejemplo, un sistema general de tres ecuaciones lineales con cuatro
incgnitas se puede escribir como
MATRICES
AUMENTADAS
,I
25
am2
...
...
...
a In
a 2"
amn
Este arreglo se denomina mutriz aumentada del sistema. (El trmino matriz se usa
enmatemticasparadenotarun
arreglo rectangulardenmeros.Lasmatrices
surgen en muchos contextos que sern considerados con ms detalle en secciones
ulteriores.) Por ejemplo. la matriz aumentadadel sistema de ecuaciones
+ + 2x3 = 9
2x, + 4x2 - 3x3 = I
3x1 + 6x2 - 5x3 = O
x1
x2
es
AI elaborar una matrizaumentada, las incgnitas deben escribirse en el mismo orden en cadaecuacin.
El mtodo bsico para resoiver un sistema de ecuaciones lineales es sustituir
el sistema dado por un nuevo sistema que tenga el mismo conjunto solucin, pero
que sea ms fcil de resolver. Este nuevo sistema suele obtenerse en una serie de
pasos mediante la aplicacin de los tres tipos de operaciones siguientes para eliminar incgnitas de manera sistemtica.
OBSERVACI~N.
Dado que los renglones (lneas horizontales) de una matriz aumentada corresponden a las ecuaciones en el sistema asociado, las tres operaciones mencionadas
corresponden a las siguientes operaciones efectuadas en los renglones de la matriz
aumentada.
1. Multiplicar un rengln por una constante diferente de cero.
2. Intercambiar dos renglones.
3.
26
OPERACIONES
ELEMENTALES
EN LOS
RENGLONES
Las tres operaciones anteriores se denominan operaciones elementales en los renglones. En el siguiente ejemplo se ilustra cmo se pueden usar estas operaciones
para resolver sistemas de ecuaciones lineales. Como
en
la
siguiente seccin se
obtendr un procedimiento sistemtico paradeterminar soluciones, no es necesario
preocuparse sobre cmo se eligieron los pasos en este ejemplo. El esfuerzo principal en este caso debe dedicarse a comprender los clculos y el anlisis.
[:
x+ y+2z=9
2X + 4y - 32 = 1
3~ 6-v - 5~ = O
1
4
-3
6 - 5
'1
la
Sumar -2 veceselprimerrengln
gundo para obtener
al se-
la
x+ y+2z=
9
2 y - 7 ~-17
~
3~
+ 61'
- 52
x + y 2+ z =
y'+
2z=
v-
Sz=
3~ - 1 I Z
v"?
9
3
2
"
" 7
-
z=
la
17
+ 2z =
2Z
1/2 para
-27
Multiplicarlaterceraecuacinpor
obtener
x +y
Multiplicar el segundorenglnpor
obtener
y-$z="
-
-27
17
x + , y + 22=
2'
2
-7
-11
"
- 1"
ia 1 "1'
o
2 ~ -7Z=-17
3 ~ I-I z = -27
-2 para
9
2
[; -; -;1
1
+yz=
y - S z = -17
35
z=
=1
=2
z ='3
La solucin
x=l,
z=3
y=2,
es evidente ahora. A
+ 5x2 - d
b) xI
e) x:/'
x 3= 1
d ) x F 2 + x 2 8x, = 5
+ 3x2 + x,x3 = 2
C)
+ xj = 4
- 2x,
xi = -7x,
+ Jx,
+ ;x3 = 7'13
f ) m ,- f i x 2
a)x,-xx,+x,=senk
b) k x i - - x , = 9
k -
c) 2 k x 1 + 7 x 2 - x 3 = 0
a) 7x - 5.v = 3
C) - 8 x , + 2 x 2 - 5 x 3 + 6 x 4 = 1
4. Hallar la matnz aumentada de cada uno de los sigwentes sistemas de ecuaciones lineales.
- 2x, = - 1
4x, + 5 x 2 =
3
7x, +3x2 = 2
a) 3x,
+ 2x3 = 1
b) 2x,
3x, - x2
6x1 X,
c)
X,
+ 2x2
+ 4x,
=7
3x2 + x3
X,
x3
x4
x5 = 1
-x5=2
7x4
=1
a)
[: -9
81
b)
[: -:
O
c,
2
2
1 - 3
4
51 1
[i i
0
-2
-:I
-;]
0
6. a) Encontrar una ecuacin lineal en las variables x y y que tenga la solucin general x
=5+2t,y=t.
d) X I
x2
=1
=2
xj = 3
28
7. La curva y = ax2 + bx + c de la figura 2 pasa por los puntos (x1,y,), (x2,y,) y (x3,yJ.
Demostrar que los coeficientes a, b y c son una solucin del sistema
de ecuaciones
lineales cuya matriz aumentada es
no
x- y = 3
2~ - 2y = k
+ b-v = k
cx + dy = I
ex + fy = n:
ax
+ by = k, cx + 4v
1 y ex
+fi =
10. Demostrar que si el sistema de ecuaciones del ejercicio 9 es consistente, entonces del
sistemaesposibleeliminar
solucin.
por l o menosunaecdacinsinmodificarelconjunto
x+v+2z=a
x
z=b
2x+y+3z=c
kx,
+
= c y x, + Ix, = d tienen el
mismo conjunto solucin, entonces las ecuaciones son idnticas.
1.2
ELIMINACINGAUSSIANA
En esta seccin se dar un procedimiento sistemtico para resolver sistemas de
ecuaciones lineales; el mtodo se basa en la idea de reducir la matriz aumentada
a una forma sujicientemente simple para que el sistema de ecuaciones se pueda
resolver por inspeccin.
FORMA
ESCALONADA
REDUCIDA
En elejemplo 3 de la seccinprecedente,el
matriz
aumentada
a
a partir de lo cual la solucin del sistema era evidente. Este es un ejemplo de una
matriz que est en forma escalonada reducida. Para que una matriz sea de esta
forma. debe tener las siguientes propiedades.
1. Si un rengln no consta completamente de ceros, entonces el primer nmero
diferente de cero en el renglnes un 1. (Que se denomina 1 principal.)
2. Si hay renglones que constan completamente de ceros, se agrupan en la
parte inferior de la matriz.
3. En dos renglones consecutivos cualesquiera que no consten completamente
de ceros, el I principal del rengln inferior aparecems a la derecha que el
1 principal en el rengln superior.
4. Cada columna que contenga un I principal tiene ceros en todas las dems
posiciones.
o
o
41
7 ,
1 - 1
[I
O O]
0 1 0 ,
O
[: A -: y
0
I]
[::]
30
El lector debe verificar que cada una de las matrices anteriores satisface todos los
requisitos necesarios.
Segnelejemplo precedente, unamatrizenformaescalonada
tiene ceros abajo de cada 1 principal, mientras que una matriz en forma escalonada reducida tiene ceros tanto arriba como abajo decada 1 principal.
los renglones, se llega a
Si, por m d o de una serie de operaciones elementales en
la forma escalonada reducida a partir de la matriz aumentada de un sistema de ecuaciones lineales, entonces el conjunto solucin del sistema
ser evidente por inspeccin o
al cabo de unos cuantos pasos simples. Este
hecho se ilustra conel siguiente ejemplo.
ORSERVACI~N.
c)
4 - 2
O
o
0
0
0
0
1
0
5
0
0
1
0
0
0
1
2
3
2
0
XI
- -2
x2
x3 =
+ 4x,
+ 2x,
x3 + 3X,
XI
.x2
=
=
6
2
= - 1 - 4x,
x2 =
2 ~ ,
X) =
3s,
221526
Solucin c).
x, + 6x,
x3
+ 4x, = - 2
+ 3x5 = 1
x, + SX, = 2
Aqu las variables principales son x,, x3 y x4, y las variables libres son x2,y x5. Al
expresar las variables principales en trminos delas variables libres se obtiene
X, =
x3
x,
- 2 - 6x2 - 4x5
1 - 3x5
2 - 5x5
Solucin
d).
+ ox, + ox,
Paso 1.
4
4
Localizarlacolumnade
de ceros.
2
-10
-5
o
6
6
12
-5
-1
la izquierdaque no constecompletamente
317
I/
0
2
2
- 10
-5
4
4
7
12
-5
If]
-1
Intercambiar el rengln superior con otro rengln, en caso de ser necesario, para que en la parte superior de la columna determinada en
el paso 1 haya un elemento diferente de cero.
0 - 2
Paso 3.
Paso 5.
7 1 2
renglones
primero
y segundo
Si el elemento que est ahora en la parte superior de la columna determinada en el paso l es a, multiplicar el primer rengln por l l a a
fin de introducir un 1 principal.
Paso 4.
-10
- 5
0 - 2
4 -5
6
7
-5
o
6
-1
El primer rengln de la
precedente
matriz
se
multiplic por 1/2.
Sumar mdtiplos adecuadosdelrenglnsuperior a los renglones inferiores para quetodos los elementos abajo de1 principal se vuelvan ceros.
2
5
0 - 2
o
5
o
o
7
-
o
O
- 5
0 - 2
O
5
0
O
7
-17
-29
l .2 Eliminacin gaussiana / 33
1
0
O
0
O
1
1
5
0
O
o
0
1
-?I
~
o -;
0
El primer rengln de la
submatriz se multiplic
por - 1/2 para introducir
un 1 principal.
-29
o -;
" 2
-17
1
0
El primer (yrengln
nico)
en la nueva submatrlz se
introducir
un
1 principal.
Ahora toda la matriz est en forma escalonada. Para determinar la forma escalonada reducida esnecesario efectuar el siguiente paso adicional.
Paso 6.
1
0
0
1
0
0
5
1
0
3
0
0
6
0
1
3
0
0
0
0
5
1
0
0
1
2
0
0
0
1
0
3
0
0
0
0
1
0
0
-
sum -6 veces al
El segundo rengln se
sum 5 veces al primer
rengln.
+ 3x,
2x, + 6x2
X]
2x,
+ 6x2
+ 2x,
2x4 + 4x5
2x,
5x3
5x,
+ lox,
8x,
+ 4x,
= o
-
3x6 =
+ 15x,
+ 18x,
1
5
(I
O
O
-2
5 1 0
4
8
2
-1
-3
-1
5
6
0 1 5
O 1 8
O
O
0
0
I
1
0
3
0
0
1
4
2
2
0
0
0
0
0
4 4x,
x3
+ 2x,
=o
+ 2x4
X6
=Q
(Se ha eliminado la ltima ecuacin. Oxl + Ox, + Oxj + Ox4 -t Ox, + Ox6 = O, ya
que las demris ccuaciones harn que se cumpla de manera automtica.) AI despejar
la,; variables principalcs. se obtiene
RETROSUSTITUCI~N
3r
--
4s
2t,
X?
.x3 =
= Y,
2 ~ ,
.x4 = S,
= t.
X,
y t.
f A
I
1
0
0
o
0
0
0
2
1
0
0
2
O
0
0
2
0
0
0
3
l
0
0
1
g
0
= -3x,
+ 2x,
xi =
1 - 2.r,
x,
3x,
2x,
La sustitucin de x3 = -2x,
+ 2x,
- 2x,
2x,
=$
en la primera ecuacin da
x, = - 3x, - 4x,
2x5
x, = -2x,
x6 =
Ejemplo 5 Resolver
x+ y+22=9
+ 4y 32 = 1
3x + 6 , ~ 5~ = O
2x
38
,/
a la forma escalonada
[;
-f
-y]
9
2, = -17
z=
y=2
z=3
y la sustitucin de la segunda ecuacin en la ecuacin
superior se obtiene
x= 1
y=2
z=3
SISTEMAS
LINEALES
HOMOGNEOS
la eliminacin de
a,x+h,y=O
( a , , b , nosonceroalavez)
a2x + h2y = O
( a z ,h,
ecuaciones condos
las grfkas de las ecuaciones son rectas que pasan por el origen, y la solucin
trivial corresponde al punto de interseccin en el origen (figura 1).
Av
S Y
Figura 1
SI~
la solucin trivial
I Infinidad de soluciones I
+ 2x2
-
x2
x, + x2
x3
+ 2x,
+x5=o
-
3x,
-x,=o
- 2x,
x3
+ x5 = o
xq
+ x5 = o
2
-1
2 - 1
2
1 - 2
-1
-3
1
1
o
o
o
0 - 1
1
40
/'
1
0
0
0
0
1
0
0
0
0
1
0
1
1
0
0
0
0
0
0
+X?
xj
5 5
=0
+ X5 = o
.x4
=o
x, =
-x2 -- X.j
x2
= -x5
-Y4
- S
- t,
.x2 = S,
Xj =
t,
XJ
= 0,
xj = 1
Xk2
-X( 1
-G( 1
Xk,
-C( )
con ms
SOLUCIONES
POR
COMPUTADORA
DE SISTEMAS
LINEALES
42
[:]
["
a ) O l O
1 "1
b)
"1
[:1 y] [A 0" f]
:] [: '1 [:I :]
c)
d)
O 0 0
O 0 0
g)[:
f ) l O O
O 0 0
hj
i)
O 0 0O 0 0
0 0 0
O 0 0
[l
"1
:]
a ) O l O
c)
b ) [ iO 0 0
[i f
o o
d) -0
O 2 0
1 2 0 3 0
a )[O O oO O O O]I
0 0 0 0 0
dl
['
o
-71
b)[i
'1
'1
c j [ 'o 1
o 2 4
1 3 0 2 0
e)
['
*0
f)
O]
1
[i i]
0 0 0 0 0
4. En cada inciso, suponer que la matriz aumentada de un sistema de ecuaciones lineales
los renglonesalaformaescalonada
hasidoreducidamedianteoperacionesen
ducida dada. Resolver el sistema.
1
0 - 3
o
1
1 - 6
O
;]
3 - 2
d)
[i -: 81
,)[O
O
0 - 7
O
3
re-
8
2
5
Resolver el sistema.
01
-31
42
1
q
s
c)
+ 3x3 = 1
+ 4x3 = 10
-2x,
8x,
d)
xy- + 2 z w=-1
2x+y-22-2w=-2
- x + 2 y - 4 2w+=
1
3x
- 3w = -3
+ 5x, + 2x3 = 1
+ X, + 4x3 = - 1
-2b + 3 ~ = 1
3~+6b-3~= -2
6a 66 3c = 5
+ +
C)
+
+
4x, - SX, = 12
d)
3x1 - 6 ~ ,= 9
-2x, +4x,= 32-xz6y++2 w =
1oy-4z+
x + 4y- z +
1
2
5
- 2 ~ - 8 y + 2 ~ - 2 ~ -=4
X 6y+32
=
1
w=
w =
9. Resolver cada uno de los sistemas del ejercicioS aplicando eliminacin gaussiana.
10. Resolver cada uno de los siguientes sistemas aplicando eliminacin de Gauss-Jordan.
a)
5x,
-2x,
2x2
x,
+ 6x, = O
+ 3x3 = 1
+
+
x, - 4x, = 1
3x2
7x3
2x, = 2
x1 - I ~x1,IX,
- 16x4= 5
b) xI - 2x,
XI
c)
w + 2 x y- = 4
x - y=3
~ + 3 ~ - 2 ~ = 7
2u+4v=
+7
w+7x
11. Resolver cada uno de los sistemas del ejercicio 10 aplicando eliminacin gaussiana
12. Sin usar lpiz y papel, determinar cules de los siguientes sistemas homogneos tienen
soluciones no triviales.
b) x, + 3x2 - x3 = 0
a) 2x1 - 3x, + 4x, - x, = O
7x,
x, - 8x3 + 9x4 = o
x, - SX, = o
4x3 = o
2x, + 8x2 + x3 - X, = O
C) a , ,x,
aZlXl
+ alzx2 + uI3x3 = O
+ a2zx2 + a23x3 = 0
+ X, + 3x3 = O
+ 2x,
=O
x, + x, = o
d) 3x1 - 2x2 = 0
6x,
- 4x2 = O
b) 3x1 + x2 + x3 + x, = O
5x, - x2 + x3 - x, = o
c)
2x
+ 2y + 4z = o
W
- y-3.?=0
2w+3x+ y + z=O
-2w+ ~ + 3 ~ - 2 ~ = 0
14. Resolver los siguientes sistemas de ecuaciones lineales homogneos aplicando cualquier mtodo.
44
1'
a) 2.r
-- y - 3z = 0
--x + 2y - 32 =
b)
x+ ,y+4z=o
u t 3w-2x=o
2u+ u-4w+3x=o
2 ~ + 3 ~ + 2x =~O -414 - 3U + 5W -. 4x = 0
c) x , + 3 x ,
+x,=o
x, t 4x,
2x,
=o
- 2x2 - 2x, - x, = o
2x,
x,
.-
4x,
+ x, + x
,= o
2x, - xj + .x4 = o
a) 21, - I,
+ 31, + 41,
b)
+ 71, = I 1
+ l3+ 51, = 8
- 21,
31,
21,
31,
I2 t 41,
+ 41,
z, + z,+ z,= o
-z,- z, + 22, - 32, + z, = o
z, +- z2- 22,
22,+ 2z2 -
= 10
z,
-z,=o
+z,=o
a) 2x
3x
+ .V = a
+- 6~ = h
b) x,
2.r
.x2
3.Y2
+ x
,=u
+ 2x, = h
+ 3x, = c
17. Paraqu
valores de a elsiguientesistemanotienesolucin?exactamente
solucin'? ,intinidadde soluciones?
.Y i- 21'
31
4x
"
3z = 4
"~
J' 4-
+ v+
una
5z = 2
--
(U'
1 4 ) ~= 0 + 2
18. Expresar
20. Resolver e1 siguiente sistema de ecuaciones no lineales para los ngulos desconocidosa,yp,dondeO(a(2n,OIPI2n,yOsy<:.
2 s e n ac-o s p + 3 t a n y = 3
4sencu+2cosp-2tany=2
6sena-3cosp+
tany=9
21. Resolvcr el siguiente sistema de ecuaciones
no lineales para .Y, y y z.
X'
+ +
z2 = 6
x"y'+22=2
2x2
fV2
22 =
y elsiguientesistemadeecuacionestienesolucionesno
(a - 3lX +
x
v=o
+ (a - 3)?, = o
ax
cx
ex
+ by = O
+ dy = o
+ fy = O
+ b? + cx + d.
ty
20
'
Figura 2
26. Recordar que en geometra plana tres puntos no colineales determinan una
circunferencia de manera nica. En geometra analtica se demuestra que la ecuacin de una
circunferencia en el planoxy es de laforma
ux2
+ uy2 + bx + cy + d = O
CY
46
+ b ~=, k
+ dv = I
para x,, x 2 y x j SI
a) k = 1 b) d = 2
31. Considerar el sistema de ecuaciones
ux
C.Y
+ bj. = o
+ 41) = o
+
+ dl) = I
(1) u . ~ b,, = k
C.Y
(11) ax
cx
+ by = O
+ 4v = o
y,
'
N O T A C I ~ NY
TERMINoLoGA
DE MATRICES
48
Paradenotarmatrices
se usarn maysculas y paradenotar
minsculas; as. se podra escribir
cantidades,
[U,,I,,,X,I
[%,I
y para la matriz
de orden
principal
Figura 1
OPERACIONES
CON MATRICES
Hasta el momento, las matrices se han usado para abreviar el trabajo al resolver
sistemas de ecuaciones lineales. Para otras aplicaciones, sin embargo, es deseable
desarrollar una "aritmtica de matrices" en la que sea posible sumar, restar y multiplicar matrices de manera til. El resto de esta seccin se dedicar al desarrollo
de esa aritmtica.
Definicin. Dos matrices son iguales si tienen elmismo tamao y sus elementos correspondientes soniguales.
50
' P
.,*<
r"*I
: ,, ~'i . .
:
En notacin matricial, si A
1
O
4 - 2
0
2
7
'1
B=[
-4
2
3
3
5
2
O
2 - 4
-:]
C=['
'1
Entonces
11
-5
[ a 1, entonces
r/
3 4
3 I]
o
B = [ -1
2
3
- 571
c=
[: -r,
se tiene
. ,
224526
-:I+[; -: :I
[:1 ;l.+[:1:
[7
1'
11
i.
. ',
I '
'
O
2
-1
7
1
-
l(1.3)
+ ( 2 . 1 ) + (4.2)
= 131
+ ( 2 . 0 ) + (4.2) =
12
(1.1)-(2.1)+(4.7)=
27
(1.4)+(2.3)+(4.5)=
30
12
(2.4)
+ (6.0) +- (0.2) =
(2. 1) - ( 6 . 1 )
(2.3)
+ (0.7) =
27
-4
30
26
12
131
-4
+ (6.1) + ( 0 . 2 ) =
12
Figura 2
r
h
H
x
n
S
AB
m x n
Medios
Extremos
R
4x7
C
7x3
AB =
Figura 3
PARTICI~NDE
MATRICES
A =
MULTIPLICACIN DE
MATRICES
POR COLUMNAS
Y POR
RENGLONES
[:::
'I2
'31
'32
'33
""""_"
_"" " " "
a12
u13
u22
a23
'31
'32
'33
"""""_
1::
'13
'14
u22 u23
u24]
=
~
'34
'14
=
a34
[ii:
[il
'I2]
A22
(3 1
Ejemplo 7 Si '4 y B son las matrices del ejemplo 5 , entrnces por (3) la segunda
matriz columnade AB se puede obtener al calcular
,"I
Segunda columna
deB
Segunda columna
deAB
11
1' -:
41 0
L2
[12 27
30
131-,
21
Primer rengln
1
PRODUCTOS
DE MATRICES
COMO
COMBINACIONES LINEALES
Lasmatricesrenglnycolumnaproporcionan
otra manera de concebir la multiplicacin de matrices. Por ejemplo, suponerque
all
A=
Entonces
a22
a21
.
a12
" '
al,
' . '
a2n
2[-i]-1
y el producto matricial
[I
-9
-:]
-3][-/
= 1-16
8
351
-2
21-9[1
-31-3[2
- 2 ] = [ - 1- 61 8
351 A
AB=
2
2
4
1
411[ 0 - 1
0 2
7
2-
['E]
= 4 [ ; ] + 0 [ ; ]+ 2 [ $
FORMA
MATRZCIAL DE
UN SISTEMA
LINEAL
aZ,xl
+ a12.5 + + LI,,J, = h ,
+ a22x7+ . . . + a2n.x,= b2
' '
'
Como dos matrices son iguales si y slo si sus elementos correspondientes son
iguales, es posible sustituir las m ecuaciones lineales en este sistema por la simple
ecuacin matricial
Ax=b
La matriz A en esta ecuacin se denomina matriz de coeficientes del sistema. La
matriz aumentada del sistema se obtiene adjuntando b a A como ltima columna;
as, la matriz aumentadaes
TRANSPUESTA Esta
seccin termina con la definicin de dos operaciones matriciales quecarecen
DE UNA MATRIZ de anlogo en los nmeros reales.
Definicin. Si A es cualquier matriz m X n, entoncesla transpuestade A ,
denotada por AT, se define como la matriz n X m que se obtiene al intercambiar
los renglones y las columnas de A ; es decir, la primera columna de AT es el
primer rengln de A, la segunda columnade AT del segundo renglnde A , y as
sucesivamente.
Ejemplo 10 A continuacin se presentanalgunos ejemplos dematrices y sus
transpuestas.
;;; ;;;
'12
A=[:!:
'13
;J:]
2
B=[t
'14
i]
C=[l
3 51
0=[41
Observar no slo que las columnas de AT son los renglones de A , sino que
los renglones de AT son las columnas de A . As, el elemento en el rengln i y la
columnaj de A es el elemento en el renglnj y la columna i de A , es decir,
"2
-1-
-2
>..
,f
Figura 4
-5
58
:'
TRAZA DE UNA
MATRIZ
CUADRADA
Ejemplo 11
trazas.
I tr(A)=a,,+a,,+a,, I
-2
Itr(B)= - 1 + 5 + 7 + 0 = 1 1
(4 x 5)
(4 x 5 )
(5 x 2 )
(4 x 2 )
(5 x 4)
Determinar cules de las siguientes expresiones de matnces estn definidas. Para las
que estn definidas, proporcionar el tamao de la matriz resultante.
a) BA
e) E(A
c).4E+B
d).4B+B
h) ( A
E)D
g) ETA
2. Resolver la siguiente ecuacin matricial paraa, b, c y d.
bjAC+D
f ) E(AC)
+ B)
a-b
" c ] = [ ;
3 d +2c a - 4 d
A]
-1
a) D + E
e) 2 B - C
i) tr(D)
b)D-E
f) 4E-2D
j) tr(D - 3 E )
c) 5 A
g) - 3 ( 0 + 2 E )
k) 4 tr(7B)
d) -7C
h) A - A
1) ' tr(A)
4. Con las matrices del ejercicio3, calcular lo siguiente (en caso de ser posible)
d ) B T + 5C7
c) ( D - E)'
h) (2ET - 30')'
g) 2ET - 30'
5. Usar las matrices del ejercicio3 para calcular lo siguiente (en caso de ser posible).
a) U ' + C
e) $ C ' - ~ A
a) AB
e) A W )
i) tr(DD')
b) D T - E'
f) B-B'
b) BA
f ) cc'
j ) tr(4ET- D )
c ) (3E)D
g) (DA)'
k) tr(CTAT+ 2E')
d ) (AWC
h) (C 'B)A
'
1 3
1 2
4 1 3
a) (2DT- E ) A
d) ( B A T - 2C)T
C) ( -AC)T + 5D7
f ) D T E T - (ED)'
b) (4B)C + 2 B
e) B T ( C C T - A T A )
Demostrar que el producto YA se puede expresar como una combinacin lineal de las
matrices rengln de A con los coeficientes escalaresde y.
10. Sean A y B las matrices delejercicio 7.
a) Usar el resultado del ejercicio 9 para expresar cada matnz rengln de AB como una
combinacin lineal de las matricesrengln de B.
b) Con el resultado del ejercicio 9 expresar cada matnz rengln de BA como una combinacin lineal de las matncesrengln de A.
11. Sean C, D y E las matrices del ejercicio 3 . Efectuando el menor nmero de clculos
posible, determinar el elemento en el rengln 2 y en la columna 3 de C(DE).
13. En cada inciso determinar las matricesA , x y b que expresen el sistema de ecuaciones
x3 =
5x, + 4x3 =
7
1
- 3x, + x4 = 1
5x,
x2
- 8x4 = 3
2 x , - 5x2 9x, - x j = o
3x2 - x3 + 7x, = 2
b) 4x,
14. En cada inciso expresar la ecuacin matncial como un sistema de ecuaciones lineales.
los tamaosdelassubmatrices
A y B seantalesquelas
en elsupuestodeque
operacionesIndicadas se puedanefectuar.Estemtodoparamultiplicarmatrices
divididas se denomina mukiplicwidn en bloque. En cada inciso, calcular el producto
por medio de multiplicacin en bloque. Comprobar los resultados multiplicando directamente.
-1
1
1 1 5
6 1 1
2
5=[
-1
i 1'
'
"
"
"
"
"
"
"
O
j-3
15 paracalcularlossiguientesproductosmediante
16. Adaptarelmtododelejerciclo
multiplicacin en bloque.
41
5
1
"1
-2
0 ; -1
17. En cada inciso, determinar si la multiplicacin en bloque se puede usar para calcular
18. a) Demostrar que siA contiene un renglnde ceros y B es cualquier matriz para la que
[ u'J. ] 6 X 6 quecumplalacondicinquese
establece. Hacer que las respuestas seanlo ms generales posible usando letras en vez
de nmeros especficos para denotarlos elementos diferentes de cero.
21. Encadainciso,encontrarunamatriz
n, entonces
62
,/
PROPIEDADES
DE LAS
OPERACIONES
CON MATRICES
Al multiplicar se obtiene
BA
-3
1
o
As, A B f BA. A
Aunque la ley conmutativa de la multiplicacin no es vlida en aritmtica
matricial, muchas leyes conocidas de la aritmtica son vlidas para matrices. En el
siguiente teorema se resumen algunas de las ms importantes, as como sus denominaciones
Teorema 1.4.1. Suponiendo que los tamaos de las matrices son tales que las
operaciones indicadas se pueden efectuar, entonces son vlidas las siguientes
reglas de aritmtica matricial.
a) A + B = B + A
h) A f ( B + C ) = ( A + B ) f C
c ) A(BC) = (AB)C
d ) A(B+C)=AB+AC
e ) ( B f C ) A = BA + CA
f)A(B-C)=AB-.4C
g ) ( B - C ) A = BA -- CA
h ) a(B + C ) = aB + aC
i ) a(B - C ) = nB - aC
(Ley c o n d a t i v a de la adicin)
(Ley mociativa de la adicin)
(Ley asociativa de la mltiplicacin)
(Ley distributiva por la izquierda)
(Ley disfributivaporla derecha)
j ) (a+b)C=uC+bC
k ) (U - b ) C = u C - bC
I ) a(hC) = (ab)C
m ) a(BC) = (aB)C= B(aC)
[A(B
+ C ) ] ,= [ A B + AC I;,
para todos los valores de i y j . Pero por las definiciones de adicin y multiplicacin
de matrices se tiene
[A(B + C)];,
U , ~ C ~ ,
Entonces
. ..
Y
1
.4(BC) = 3
O
24
1
MATRICES
CERO
Aqu
3
A B = , A C = [6
4
8]
= AC
A+U=O+A=A
6)A-A-O
O P A = -A
d ) A O = O; OA = O
C)
MATRICES
IDENTIDAD
66
R = [r;,
y,, I
I';
I'IZ
r R z
Yl?,
" '
..
"n n
Entonces sucede que el ultimo rengln de esta matriz est integrado completamente de ceros o no lo est. En caso de que no lo est, la matriz no contiene
renglones cero y. en consecuencia, cada uno de
los n renglones contiene un
elemento principal igual a 1. Como estos unos principales aparecen progresivamentecada vez ms lejos hacia la derechaamedidaquelamatrizse
recorre hacia abajo. cada uno de estos unos debe aparecer en l a diagonal principal. Ya que los dems elementos en la misma columna
de uno de los unos
principales son cero, entonces R debe ser I,,. As, R tiene un rengln de ceros,
o bien, R = I,,. 0
INVERSA DE UNA
MATRIZ
Definicin. Si A es unamatrizcuadrada
y si se puedeencontraruna
matriz B del mismo tamao tal que AB = BA = I. entonces se dice que A es
invertible y R se denomina una inversa de A .
Ejemplo S La matriz
Ejemplo 6 La matriz
cualquier matriz 3
3 . La tercera columna de BA es
As.
BA#I=
PROPIEDADES
DE LAS
INVERSAS
[a :I
O
A"A-I
t
O. er? cuyo
cuso la
U
Ud -
Demostracidn.
bc
Tambin,
Definicin. Si A es una matriz cuadrada, entonces las potencias enteras no negativas de A se definen como
n factores
n factores
70
De manera semejante,
LA"
(k
Ejemplo 8 Sean A y A
"
Entonces
EXPRESIONES
POLIN~MICAS
EN QUE
APARECEN
MATRICES
Si A es unamatrizcuadrada, porejemplo m
m, y si
+ . . + a,,s"
p ( x ) = a() a 1x
cualquier
es
'
polinomio,, entoncesdefine
se
p(A) = a,,/ a , A
+ . . . + a,,A"
entonces
m que
PROPIEDADES
DE LA
71
TRANSPUESTA
Teorema 1.4.9. Si los tamaos de las matrices son tales que se pueden efictuur
las operaclones planteadas, entonces
u ) ( ( A ) T ) T= A
b) ( A + B ) ~ = A ' +B r y ( A - B)'= A ' - B'
C ) ( k A ) = kA ,
' donde k es cualquier escalar
r i ) (AB)'= B ~ A T
:B-'.8.'
'
~pQ1-1
Sean
de modo que es posible formar los dos productos A B y BTAT. Se deja para el lector
comprobar que (AB)Ty BTAT son del mismo tamao; a saber, que son n x m. As,
queda por demostrar que los elementos correspondientesde (ABjTy BTAT son los
mismos; es decir,
( ( A B ) T )= (BT,4')),,
(2)
I,
(('4B)') =(AB),, = u, .I b I j
,,
+ . . . + u,?h,.,
(3)
Para evaluar el miembro derecho de (2) es conveniente queatjy b', denoten los ijsimos elementosde A7 y BT. respectivamente, de modo que
I2
,/
es igual al
OBSERVACI~N.
INVERTIBILIDAD
DE UNA
TRANSPUESTA
1 Teorema 1.4.10.
Demostracin.
demostrar que
Se
puede
in-
. *'.
.,a
2
A=[-;
-1
i],
-;
-3
B=[:
a],
-2
C=[:
t],
3
u=4,
Demostrar que
(B + C )= ( A + B )
d) u(B - C ) UB - UC
a) A
+- C
b) (AB)C= A ( B C )
c)
(U
+ h)C = UC + bC
b) A ( B - C ) = AB - AC
C)
(B+ C)A = EA
+ CA
d) u(bC) = (ub)C
3. Usando las matrices y los escalares del ejercicio 1, demostrar que
a)
b) ( A + B ) 7 = A r + B T
c) ( U C ) ~ = U C ~d) ( A B ) 7 = B 7 A 7
4. Usar el teorema 1.4.5 para calcular las inversas de las sguientes matrices
5. Comprobar que las tres matrices A , B y C del ejercicio 4 satisfacen las relaciones
(AB)" = B"A"
y (fit)" = C"B"A"
6. Sean A y B matricescuadradasdelmismotamao.
8. SeaA la matriz
[:Y]
Calcular A3, A-3 y A' - 2A + I.
1 9 . Sea A la matriz
[: :I
h = -7
73
224526
b) p ( x ) = 2x2 -x + 1
a) p ( x ) = x -2
c) p ( x ) = x3 -2x + 4
--en
cos*0
cos 0
+ B)2 = A
' + 2ilB + B'
c) Encontrar un desarrollo de ( A + B)' que sea vlido para todas las matrices cuadradas A y B del mismo tamao.
'" "7 y
.4 =
donde a ,la22-
. .
" '
"
'
'
'
ann
14. Demostrar que si una matriz cuadrada A satisface ,43 - 311 + I = O, entonces A"
- A.
31
15. a) Demostrar que una matnzcon un rengln de ceros no puede tener inversa.
b) Demostrar que una matrizcon una columna de cerosno puede tener inversa.
16. La suma de dos matrices invertibles, necesariamente es invertible?
19. La ecuacin real a' = 1 tiene exactamente dos soluciones. Encontrar por lo menos ocho
matricesdiferentes 3 X 3 que cumplan la ecuacinmatricial A2 = I,. [Sugerencia
Buscar soluciones en las que todos los elementos fuera de la diagonal principal sean
iguales a cero.]
X
X
25. Aplicar los incisos d)y m) del teorema 1.4.1 a las matrices A , B y (- 1)(' para obtener
30. Demostrar el inciso c) del teorema 1.4. l . [Sugerencia Suponer que A es m X n, que B
es n X p y que C es p X q. El 9-simo elemento en el miembro izquierdo es 111 = all
BC + u12BC + . + alnBC y el q-simo elemento en el miembro derecho es r
11
= ~ ~ l ~ , ~ + i l B ~ z c ~ + .Comprobarque1
~ . . + A B ~ r =r 1
'
'
~,,
P PJ
11
MATRICES
ELEMENTALES
[;
Ejemplo 1 A continuacin se muestran cuatro matrices elementales y las operaciones con que se obtuvieron.
O 0 1 0
] F I E ]
Sumar 3 veces el tercerMultiplicar
- 3 el segundo
renglones
segundo
rengln de /?
por
Cuando una matrizA se multiplica por la izquierda por una matriz elemental E,
el efecto es efectuar una operacin elemental enlos renglones deA . Este es el contenido
del siguiente teorema, cuya demostracin se deja
corno ejercicio para el lector.
-1
3
4
EA=
I
1
2
0
-1
/ 77
Si una operacin elemental en los renglones se ejecuta en una matriz elemental I para obtener una matriz elemental E, entonces existe una segunda operacin en los renglones que, al ser efectuada en E, produce nuevamente I. Por
ejemplo, si E se obtiene al multiplicar el i-simo rengln de I por una constante c
diferente de cero, entonces I se puede recuperar si el i-simo rengln de E se multiplica por llc. En la tabla l se enumeran las diversas posibilidades.
TABLA 1
Operaciones en los renglones
de E que reproducen I
[:Y]
Multiplicar por 7 el segun-
[t
:]
[Y A]
se-
78
prlmero Y segundo.
[:, :I
[::]
-+
[:P]
I
"
es
EE,=I
El siguiente teoremaestablece algunas relaciones fundamentales entre invertibilidad, sistemas lineales homogneos, formas escalonadas reducidas ymatrices elementales. Estos resultados son extremadamenteimportantes y se usarn
muchas veces en secciones ultenores.
Teorema 1.5.3. Si A es una matriz n X n, entonces las siguientes proposiciones
son equivalentes; es decir, todas son verdaderas o todas son falsas.
a) A es Invertible.
b ) Ax = O slo tiene la solucin trivial.
c ) La.forma escalonada reducida de A es In.
d)A se puede expresar como un producto de matrices elementales.
Demostracin. Se demostrar la equivalencia estableciendo la cadena de
implicaciones a * b * c => d * a.
a
= O.
/ 79
+ a 1 2 x 2+ ' . + a , , x , = o
a 2 1 x I+ u22x2+ . . . + u 2 , x , = o
allXl
'
+ an2x2 + . + annx, = o
UnlXl
' '
y suponer que el sistema slo tiene la solucin trivial. Si el sistema se resuelve por
eliminacin de Gauss-Jordan, entoncesel sistema de ecuaciones correspondiente a
la forma escalonadareducida de la matriz aumentadaes
=o
=o
*I
x2
x,
..
o o
0 0 0 . " 1
80
multiplicando por la izquierda por una matriz elemental idnea. As. es posible
hallar matrices elementalesE,, E2, . . . , Ek tales que
F> h . , . F'2 E I ''1 - 1
I,
(3)
Por el teorema 1.5.2. las matriccs elementales E,, E*.. .. ; , Ek son invertibles. Al
multiplicar por la izquierda ambos miembros de la ecuaclon (3) sucesivamente por
E;l
I?;, P" se obtiene
I
.l
,d
= E,- 'E? l .
(4)
productodematrices
EQUIVALENCLA
POR
RENGLONES
U N MTODO
Como primera aplicacin del teorema1.5.3,se establecer unmtodo para determinar la inversa de una matriz invertible. Al invertir los miembros izquierdo y derechode (4) seobtiene A" = EL E2 E,o, de manera equivalente,
PARA INVERTIR
MATRICES
'
'
/ 81
y luego se aplican operaciones en los renglones a esta matriz hasta que el lado
izquierdo se reduce a I; estas operaciones convierten el lado derecho en A", de
modo que la matrizfinal es de la forma
[I
A"]
2
5
0
3
3
8
/
j
j
1
0
O
0
1
O
2
3
1
1
o 1 - 3 1 -2
0 - 25 ; - 1
0
1
2
3
1 1
1 - 3 :
-2
1
O
2
1
O j -14
1 3 - 5
0 :
1
o
0
1
"1
"1 I
1
1
1
As,
1
2
A = [
-1
4-
-1
5-
-1
o -8
-9
[-
o
o
-- 1 ;
'
54 1!
1
oo
-2
0
1
0
'"I
1
:undo rengln
tercero.
Dado que enel lado izquierdo se ha obtenido un renglnde ceros, se concluye que
A no es invertible. A
Ejemplo 6 En el ejemplo 4 se demostr que
es una matriz invertible. Por el tepema 1.5.3 se concluye que el sistema de ecuaciones
+ 2x, + 3x, = o
2x, + 5x, + 3x, = o
x,
+ 8x,
XI
=O
2.
3.
-: -:I,
B=[:
-:-:I,
1
dada en
c=[i
1;
-i]
tificar la respuesta.
En los ejercicios 5. 6 y 7, aplicar el mtodo mostrado en los ejemplos 4 y 5 para encontrar
lainversadelamatriz
dada silamatnzesinvertible,
y comprobar la respuestapor
multiplicacin.
/ 83
d)
[-: 'i
.. .
1-3
L')
o1
o
2
o2
(1!
"3.
9. Considerar la matriz
'
la operacin en los renglones que se indica, multiplicando A por la izquierda por una
matnz elemental. En cada caso, comprobar l a respuesta, efectuando la operacin en los
renglones directamente enA.
a) Intercambiar los renglones primeroy tercero.
b) Multiplicar por f el segundo rengln.
c) Sumar dos veces el segundo rengln al primer rengln.
11. Expresar la matriz
es una matriz elemental, entonces por lo menos un elemento en el tercer rengln debe
ser igual a cero.
85
b O c O O
A = O d O e O
O O f O , q
o O o I? o,
no es invertible para cualesquiera valores de los elementos
14. Demostrar que si A es una matriz m X n, entonces existe una matriz invertible
C tal
A,
Demostracin.
~~
~~~
Si Ax = b es un sistema de ecuaciones lineales, entonces exactamente una de las siguientes afirmacicmes es vcrdadcra: a) el sisienla no tiene s c h cin, b) el sistema tiene exactamentc I ~ I I solucltr!.
;~
o bien, c) el sistema tiene ms
de una solucicin.La demostracin cstard conipleri si se puede demostrar que cl
sistema tiene innidnd de soluciones en el caso 2).
86
1'
=Ax,
=b+kO=b+O=b
+ k(AX,)
RESOLUCI~NDE
SISTEMAS
LINEALES POR
INVERSI~NDE
MATRICES
Hasta el momento se han estudiado dos mtodos para resolver sistemas lineales: la
eliminacingaussiana y la eliminacin de Gauss-Jordan. El siguiente teorema
proporciona unnuevo mtodo para resolver ciertos sistemas lineales.
Teorema 1.6.2. Si A es una matriz invertible n x n, entonces para toda matriz
b n x I , el sistema de ecuaciones Ax = b tiene exactamente una solucin; a
saber, x = A"b.
Demostracidn. Como A(A"b) = b, se concluye que x = A-lb es una solucin
de Ax = b. Para demostrar queesta es la nica solucin, se supondr que x. es una
solucin arbitraria y luego se demostrar quex. debe ser la so1ucinA"b.
Si x. escualquier solucin, entonces AxO = b. Al multiplicar ambos
miembros por A" se obtiene x. = A"b. 0
+ 2x, + 3x, = 5
2x, + sx, + 3x, = 3
XI
+ 8x3= 17
x,
o bien, x1 = 1, x2 = -1,
x3 = 2.
RESOLUCIN DE
VARIOS
SISTEMAS
LINEALES CON
UNAMATRIZ DE
COEFICIENTES
. . . , Ax=bk
AAxA
x==
xb=
b, ,b
2,,
COMN
. . . , xk=A-lb,
...
bk]
(1)
donde la matriz de coeficientes A es "aumentada" por todas las k matrices b,, b,, .
. . , b,. Al expresar (1) en forma escalonada reducida, por eliminacin de GaussJordan se puedenresolvera la veztodos los k sistemas. Este mtodo tiene la
ventaja de que se puede aplicar aun cuandoA no sea invertible.
Ejemplo 2 Resolver los sistemas
Solucin. Los dos sistemas tienen la misma matriz de Coeficientes. Si esta matriz
de coeficientes se aumenta con las columnas de constantesque estn enlos
miembros derechos detales sistemas, se obtiene
'1
o
o
o
O I
1 ;
0 ;
1 I
0 ;l
1 i-1
= 1, x2 = O,
PROPIEDADES
DE LAS
MATRICES
INVERTIBLES
A n x n es invertible ha sido
BA=I
-'
BAA"=IA"
BI=IA-'
B-A-'
Para probar queA es invertible, basta demostrar queel sistema A x = O slo tiene la
solucin trivial (vase el teorema 1.5.3). Sea x. cualquier solucin de este sistema.
Si ambos miembros de AxO = O se multiplican por la izquierda por B, se obtiene
BAxo = BO o Ixo = O o x. = O . As, el sistema de ecuaciones A x = O slo tiene la
solucin trivial. 5
Ahora ya es posible aadir dos proposicionesms que son equivalentes a las
cuatro dadas enel teorema I . S . 3 .
~
~~
--
e * a: Si el sistema A x
particular los sistemas
son consistentes. Sean x,, 3,. . . , x,, las soluciones de los sistemas respectivos, y
se forma una matriz C n x n que tenga estas soluciones como columnas. As, C es
de la forma
Como se analiz en la seccin 1.3, las columnas sucesivas del producto A C son
A x , , Ax,, . . . , Axn
Asi,
= A-l.
Entonces, A es
90
sea consistente?
Solucin. La matriz aumentada es
-1
-1
[(!I
O
1
o
O
2
-1
-1
bl
h,-2h,
hl
-I
-1
1
1
O
1
1
O
h3-2bl
bl-b2
b2
b3-bZ-bl
] T
El segundo rengln se
multiplic por - l .
El segundo rengln se
sum al tercero.
Por el tercer rengln de la matriz, ahora resulta evidente que el sistema tiene una
solucin si y slo si b,, b, y b, satisfacen la condicin
=b
es consistente si y slo si b es
sea consistente?
Solucin.
La matriz aumentada es
O
1
0
O
O
1
-40b,
+ 16b2 + 963,
X*
(3)
para toda b. A
OBSERVACI~N. Debido a que el sistema A x = b del ejemplo anterior es consistente para toda b, entonces por el teorema 1.6.4 se concluye que A es invertible. Se
deja para el lector comprobar que las frmulas en (3) tambin se pueden obtener
calculando x =A"b.
1 al X, resolver el sistemainvirtiendolamatrizdecoeficientes
aplicando el teorema 1.6.2.
1. x,
,Y2 = 2
2. 4x, - 3.x2 = - 3
3. x, + 3x, +.u3 = 4
Sx,+ 6x2 = 9
2x, - 5x2 = 9
21, 2x2 + x3 = - 1
Zx,
3n2 + .Yi = 3
4. 5x, + 3.Y2 + 2.17 = 4
5.
.I + j' + 2 = 5
6.
- 1- - 2.v - 3 - = o
3 s , + 31, -i- ?.\Y3 = 2
.x t j'- 4; = 10
LC
Y + 4j, + 42 = 7
+ .Y2 = S
-4x+j.+
z- o
M' t 3.r
7y + 93 = 4
l b 10s ejerciciosdel
+
+
x
,
l. 3.r, + Sx, = h ,
Y , + 2x2 = h,
N.
- M' -
h,
.I
21 - 4y
"
63 = 0
21: t is, =
2.u, + 5.r, + Sx3 = h,
3x, + 5x, + 8x, = h,
.YI f
h) h , = S ,
h,=O,
/),=O
c) h , = - 1 .
h,= - 1 ,
10. Resolver los tres sistemas del ejercicio9 aplicando elmtodo del ejemplo 2
En los ejercicios del I 1 al 14, usar el mtodo del ejemplo 2 para resolver simultneamente los sistemas en todoslos incisos.
a) h, = I ,
hZ=4
h, = 5
-2,
b) h ,
'X,
13. 4 . ~ ~-,
= h,
.x, 2 s , = h,
a) h , = O, h, = 1
b) h , = -4, h, 6
h, = 3
C) h , = - I ,
d ) h , = -5, h, = I
15. Elmtododelejemplo
x , - Zx, +
.xi = - 2
+ -Ti =
3x, - ?x, + 2.Y, =
2x, - sx,
1
-1
b) xi - 2x,
=
2x, - 5x2
x; =
3xi - 7,r2 + 2x7 =
1
1
h,=3
18.
-4x,
- 4x,
2~2-
S,
+ 5x2 + 2x3
+ 7x2 + 4x3 = h,
b2
- I)x
=Oy
trivial (sin
'1
b)
5x, +x,
+ 4x3 +
x4 = O
2x, -- x4 = o
x, + x4 = o
7x4 = o
es una solucin.
26. Usar el incisoa) del teorema 1.6.3 para demostrar el incisob )
94
,'
MATRICES
DUGONALES
0
X
D = [ do,
0 - 4
O
d2
-I
1 0 0
principal
...
...
Ejemplo 1 Si
A=[:
-9 3
entonces
d2
O O
o o
d3
'31
u32
'33
u34
dl'13
dlall
= [.a2]
d3a31
d2a22
d2a23
d2a24
d3a32
d3a33
d3'34
En palabras, paramultiplicarunamatriz
A por laizquierda por unamatriz
diagonal D, es posible multiplicar renglones sucesivos de
A por los elementos
diagonales sucesivos de D, y para multiplicar A por la derecha por D es posible
multiplicar columnas sucesivas de
A por los elementos diagonales sucesivosde D.
MATRICES
TRIANGULARES
Ejemplo 2
96
Ntese quea
ls matricesdiagonales son tanto triangulares superiores como triangulares inferiores, ya que tienen ceros por abajo y por arriba de la
diagonal principal. Ntese tambin que una matrizcuadrada en forma escalonada
es triangular superior porque tiene ceros por abajo de la diagonal principal.
A continuacinseproporcionan
cuatro caracterizaciones tiles de las
matrices triangulares. El lector encontrar instructivo comprobar que las matrices
en el ejemplo 2 tienen las propiedades establecidas.
OBSERVACI~N.
Teorema 1.7.1.
a ) La transpuesta de una matriz triangular inferior es triangular superior, y
la transpuesta de una matriz triangular superiores triangular inferior.
b) El producto de matrices triangulares inferiores es triangular inferior, y el
producto de matrices triangulares superioreses triangular superior.
e> Una matriz triangular es invertible si y slo si todos sus elementos diagonales son diferentesde cero.
d) La inversa de una matriz triangular inferior invertible es triangular inferior, J J la inversa de una matriz triangular superior invertiblees triangular
superior.
El inciso a) es evidente a partir del hecho de que la trasposicin de una matriz
se puede efectuar reflejando los elementos con respecto a la diagonal principal; se
omite la demostracinformal. Se demostrar b), pero las demostraciones de c) y 6)
se pospondrn para el siguiente captulo, donde se contar con los medios para
probar los resultados de manera m s eficaz.
Demostracin de b). Se demostrar el resultado para matrices triangulares inferiores; la demostracin para matricestriangulares superiores es semejante. SeanA
= lav] y B = [b - .] matrices triangulares inferiores n x n, y sea C = [c..] el
J
IJ
producto C = AB. Por la observacin que precede a este teorema, se puede probar
que C es triangular inferior demostrandoque [c..]= O para i < j . Pero por la
1J
definicin de multiplicacin de matrices,
s i se supone que i <j , entonces los trminos de esta expresin se pueden agrupar
como sigue:
, + ajjbj,+ . . . + ainbn,,
A=[:
11
B=
-3
-2
"1
1
Esta inversa es triangular superior, como garantiza el inciso d) del teorema 1.7.l .
Tambin se deja para el lector comprobar queel productoAB es
-2
AB=[:
:]
-2
Unamatrizcuadrada
A es simtrica si A
= A T.
Ejemplo 4 Las siguientes matrices son simtricas, ya que cada una es igual a su
propia transpuesta (comprobar).
[-:-:I
-*4
-5
-3
O
:]
7
O
O
O
4
O
O
O
O
4
O
:]*
O
98
AB)^= B ~ A B~A =
Como A B y BA suelen ser diferentes, se concluye que en trminos generalesA B no
es simtrico. Sin embargo, en el caso especial en que A B = BA, el producto AB es
simtrico. Si A y B son matrices tales que A B = BA, entonces se dice que A y B
conmutan. En resumen: el producto de dos matrices simtricas es simtrico si y
slo si las mafrices conmutun.
Ejemplo 5 En la primera de las siguientes ecuaciones se muestra un producto
de matrices simtricas que no es simtrico, y en la segunda se observa un producto de matrices simtricas que s es sinltrico. Se concluye que los factores de la
primera ecuacin no conmutan, pero que los de la segunda s lo hacen. Se deja
para el lector comprobar ambos hechos.
[::I[ -;;]=[I: :I
99
En general, una matriz simtrica no necesariamente es invertible; por ejemplo, una matriz cuadradacero es simtrica, pero no invertible. Sin embargo, si una
matriz simtrica es invertible, entonces suinversa tambin es simtrica.
Teorema 1.1.3. Si A es una matriz simtrica invertible, entonces A"
trica.
es sim-
es simtrica.
Los productos matriciales de la forma A A T y ATA se presentan en varias aplicaciones. Si A es una matriz m x n, entonces AT es una matriz n X m, de modo
que los dos productos A A T y ATA son matrices cuadradas; la matriz A A T es de
tamao m x m y la matriz ATA es de tamao n x n. Estos productos siempre son
simtricos porque
Entonces
EJERCICIOS DE LA S E G C I ~ N1.7
2
I
SI
7. Encontrar todos los valores de a, b y c para los cuales A y B , ambas, no son invertibles.
8. Aplicar la ecuacin dada para determinar por inspeccin si las matrices de la izquierda
conmutar.
- d = 7b
[i -A -:]
o
a) A5 =
b) A
' =[o
o]
o o
[-i 31,
2
A=
-8
;]
unamatriz
10 1
I02
21. Conbaseenlaexperienciaadquiridaenelejercicio
gencral que se pueda aplicar a
simtrica.
a
i/
20, instrumentarunaprueba
a fin de determinar si A = u es
il
22. Una matriz cuadradaA se denomina untkimdtrica si ,4T = -A. Demostrar lo siguiente:
a) Si A es una matriz antisimtrica invertible,entor-ces A" es antisimtrica.
b] Si A y 4 son antisimtricas, entonces tambin lo son n T , A + B, A -+ B y kA para
cualquier escalar k.
c) roda matriz cuadrada se puede expresar como la suma de una matriz simtrica y
una matriz antisimtnca.
24. Si la matriz A IZ X n se puede expresar como A = LU, donde L es una matriz triangulm
inferior y li es una matriz triangular superior, entonces el sistema lineal Ax = b se
puede expresar comoLUX = b y se puede resolver en dos pasos:
Paso 1. Sea (:x = y, de modo que I,Cix = h se puede expresar como L y = b. Resolver
este slstc~na
Paso 2. Resolver el sistema U x = y para x.
En cada inciso, aplicar el mtodo anterior de dos pasos para resolver el sistema dado
1 0 0 2 - 1
2
y = Qx' + g y t
3. Encontrar un sistema lineal homogneo con dos ecuaciones que no sean mltiples entre
s y tales que
x,= 1, x2 = - 1,
xj = 1,
xq
=2
Y
x2 = o,
x, = 2,
x j = 3,
x4 = - 1
x+ y+
z= 9
x+5y+ 10z=44
+ x2 + xj = 4
xj = 2
(a2
- 4)x,
=a-2
7. Sea
+ 3zy = 8
2*y 3 g y + 2zy = 7
-xy + fi + 2zy = 4
XY -
2$
y],
ax+3y-cz=
8
6
-4
a x + b L 3 z = -3
x-by+cz=
C=[
-1
-3
tengalasolucinx= l , y = --I y z = 2 ?
6
-1
-6.
1
o.
12.
=
=
x1 - x,
3x,
x3
x* - 4x,
-2.w, - 2x2
21
+ 3x,
4Y, -
z* = - 3,v,
."2
+Y3
+ 5y: - y,
Si A es m X n y B es n X p , cuntasoperacionesdemultiplicacin
y cuintas
operaciones de adicin son necesarias para calcular el producto matricial
AB?
16. (Para lectofes qaeya estudiaron Cdculo.) Encontrar vaIores de a, b y c de modo que
la grfica del polinomio p(x) = a? + bx +.c pase por el punto (- 1, O> y tenga una
que
18.
Demostrarquesiunamatrizcuadrada
tambin AT cumple esta ecuacin.
19.
A satisface A3
= B"A
+ 4A2 -
71,
entonces
si y slo si AB = E4
2A
son lnvertibles o
+ B ) = tr(A) + tr(B)
b) tr(kA) = k tr(A)
d) tr(AB) = tr(BA)
dx
X n y B es la matriz n
por elementos iguales a Un, entonces
1 integrada completamente
Demostrarquesi
y los
tattlaiim de a
ls matrices rim tales-fpe.es posible ejecutar 1% peraciones indi&las,
entonces
a)
d
dA
(kA) = k dx
(b)
- (A
dA
B ) = -+
dB
1
(c) -(AB)
dx
dx
dx
+ A-dB
24
para
+ 1)
+-Bx*x++ C1
"
3x
una identidad. [Sugerencia Multiplicar todo por (3x - 1)(2 + 1) e igualar los coeficientes correspondientes de los polinomios en cada miembro de la ecuacin resultante].
27. Si P es una matriz n X 1 tal que PTP = 1, entonces H = I
I'
105
28. Suponiendo que las inversas indicadas existen, demostrar las siguientes igualdades.
CAPITULO
DETEMINANTES
2.1
LA FUNCIN DETERMINANTE
El lector est familiarizado con funciones como Ax) = sen x y Ax) = x2, que
asocian un nmero real A x ) aun valor realdelavariable
x. Como x y Ax)
aLwmenslo valoresreales, tales funciones se describencomo 'yunciones con
valores reales de una variable real". En esta seccin se estudiar la funcin
determinante, que es una "$uncin con valores reales de una variable matricial"
en el sentido de que asocia un nmero real f o con una matriz X . El trabajo que
se efectuar sobre funciones determinantes tendr importantes aplicaciones en la
teora de sistemas de ecuaciones lineales
y tambin conducir a una ,frmula
explcita para calcular la inversade una matriz invertible.
I07
108
Determinantes
{ 1, 2, 3},
nmero de la permutacidn. Las tres r a m a que salen de cada uno de estos puntos
representan las posibilidades para elegir la segunda posicibn en la permutacin.
Entonces, si la permutacin empieza como (2, -, -, -), las tres posibilidades
para la segunda posicin son 1, 3 y 4. Las dos ramas que salen de cada punto enla
segunda posicin representan las elecciones posibles para la tercera posicin. As,
si la permutacin empieza como (2, 3, -, -), las dos elecciones posibles para la
tercera posicin son 1 y 4. Por ltimo, la rama que sale de cada punto en la tercera
posicin representa la nica eleccin posible para la cuarta posicin. Entonces, si
la permutacinparalacuarta
posicin empieza como (2, 3, 4, -), la nica
eleccin para la cuarta posicines 1. Ahora es posible enumerar las distintas
permutacionessiguiendo todas las trayectorias posiblesa lo largo del "rbol".
desde la primera posicin hasta la ltima. Por medio de este proceso se obtiene la
siguiente lista.
Apartirde
este ejemplo se observa que existen 24 permutaciones del
conjunto { 1, 2, 3, 4). Si se hubiera razonado como sigue, este resultado hubiera
podido anticiparse sin necesidad de enumerar realmente las pcrmutaciones. Como
l a primera posicin puede ocuparse de cuatro formas y luego la segunda posicin
las dos primeras
puede ocuparse de tres formas, hay 4.3 formasparaocupar
posiciones. Como la tercera posicin se puedeocupar entonces en dos formas,
existen 4 3 2 formas para ocupar las tres primeras posiciones. Finalmente, como
la ltima posicin se puede ocupar de una sola forma, existen 4 . 3 . 2 . 1 = 24
formas de ocupar las cuatro posiciones. En general, el conjunto { 1, 2, . . . , n }
tiene n(n - l ) ( n - 2). . . 2 . 1 = n! permutaciones diferentes.
I
Para denotar una permutacin general del conjunto (1, 2, . . . , n}, se escribir
j 2 , . . . , jn). Aqu, j , es el primer entero en la permutacin, j , es el
segundo, y as sucesivamente. Se &ce que en una permutacin
j 2 , . . . , j,)
ocurreuna inversin siemprequeun entero mayor precedea uno menor. El
nmero total de inversiones queocurrenenunapermutacin
puedeobtenerse
como sigue: (1) encontrar el nmero deenteros que son menoresquejl y que estn
despusde j , enlapermutacin; (2) encontrar el nmerode enteros queson
menoresque j z y que estn despus de j , en la permutacin.Continuar este
proceso de conteoparaj,, . . . ,jn-,. La suma de estos nmeros es el nmero total
de inversiones que hay en la permutacin.
u,,
ol,
c) (1,Z 3 , 4 )
Solucidn.
a) El nmero de inversiones es 5 + O + 1 + 1 + 1 = 8.
b) El nmero deinversiones es 1 + 2 + O = 3.
c) En esta permutacin no hay inversiones. A
II O
Determinantes
DEFINICIN DE
DETERMINANTE
a)
a22
a31
032
a33
Solucin de a). Como cada producto elemental tiene dos factores y cada factor
proviene de un rengln diferente, entonces unproducto elemental se puede escribir
en la forma
donde los espacios en blanco indican nmeros de columna. Como ninguna pareja
de factores en el producto proviene de la misma columna, entonceslos nmeros de
columna deben ser 1 2o 2 . As. los nicos productos elementales son al ,a22 y
a12a21.
Solucin de 6). Como cada producto elemental tiene tres factores, cada unode
10s cuales proviene de un rengln diferente, entonces unproducto elemental se
puede escribir en la forma
olT
'
'
a)
['I'
b)
"I2]
aa2212
413
a12
a22
431
432
u33
Solucin.
a)
Producto
elementalPermutacin Producto
elemental
asociada
Par
4 ,la22
012421
o impar
signo
con
(L2)
(2, 1)
par
impar
a 1la22
-a12421
h)
112
Determinantes
EVALUACIN DE
DETERMtNAN-
Para no tener que memorizar estas expresiones dificiles de manejar, se sugiere usar tcnicas mnemnicas que se describen en la figura 2. La primera fbrmula del ejemplo 7 se obtiene de la figura 2a al multiplicar los elementos de
la flecha hacia la derecha y restar el producto de los elementos de la flecha hacia
la izquierda. La segunda frmuladel ejemplo 7 se obtiene escribiendo de nuevo las
columnas primera y segunda como se muestra en la figura 26. Luego, el detenninante se calcula sumando los productos de las flechas hacia la derecha y restando
del resultado la suma de los productos de las flechas hacia la izquierda.
Figura 2
a)
h)
- (1)(4) = - 10
A
Advertencia. Se recalca que los mtodos que se muestran en la figura 2 no funcionan para determinantes de matrices 4 X 4 o superiores.
all
a12
u13
a21
a22
a23
'31
'32
u33
donde
ol,
indica que los trminos deben sumarse sobre todas las permutaciones
- se eligen en cada trminosegn s i la permutacin es
par o impar. Esta notacin es til cuando es necesario recalcar la definicin de un
determinante.
j 2 , . . . , J n ) y los signos + o
clones de 1.2. 3 , 3 , 5
a) ( 4 1 3 5 2 ) . b ) ( 5 7 4 2 l ) . c ) ( ~ 2 5 4 l ) . d ) ( 5 4 3 2 l ) . e ) ( l 2 3 4 5 ) . f ) ( l 4 2 3 5 ) .
2. Clasilicar cada una de las pennutaciones del ejercicio I como par o impar
E11 los
-2
-1
14. Clasificar cada una de las permutaciones de { 1,2, 3 , 4 } como par O impar.
4 - 9
9
2
5
6
1
2 -5
I
-2
o
2
4
-3
-2
a ) O
0
5
o
o
0
0 - 3
0 - 4
o
0 - 1
O
0
2
0
0
0
0
0
0
0
0 - 4
O
0
0
0 - 2
3
0
O
1
O
0
b)O
3 x-5
19. Demostrar que el valor del determinante
conmutan si y slo si
UN TEOREMA
BSICO
4).
El nico producto elemental de A que puede s a diferente de cero es a l la22a33a44.
Para ver que as cs. considerar un producto elemental representativo ~ ~ , , a ~ , ~ n ~ ,
Corno a , ? = o I 3 - a14= O
. se debe tenerjl = 1 a fin de tener un productoelemental
diferente de cero. Si ,jl = 1. se debe cumplir que j , = 1, y-que ninguna pareja de
factores comunes prmienc de a
l misma columna. Adems, como
= a = O. se
24
debe tener], = 2 a fin de que el producto elementalsea d&rente de cero. Proslguicndo
de esta manera se obtienejB= 3 y j , = 3. Como n1lc122a33a44
se multiplica por +I
al formar el producto elemental con signo. se obtiene
Ejemplo 1
EFECTO DE LAS
OPERACIONES
2
7 - 3
0 - 3
7
O
O
6
8
5
7
O
0
3
1
6
= (2)( -3)(6)(9)(4)
= - 1296 A
ELEMENTALES
EN LOS
RENGLONES
SOBRE UN
DETERMINANTE
n.
Operacin
El primer rengln de A
se multiplica pork.
d e t ( B ) = k dct (. I)
u23
a22
a21
011
012
al3
a31
a32
u33
all
a12
013
= - a21
022
u23
a31
"a3332
det ( B ) = - det ( 4)
all
a22
+ kkafank212a,322 3
I 'I3 'I2
a21
'31
a32
a33
d c t ( R ) = det(:l)
'aa222321
a3 I
a 3a23 3
rengln de A se suma al
primer rengln.
118 / Determinantes
OBSERVACI~N. Como se observa en la primera ecuacin del ejemplo 2,
a) del teorema 2.2.3 permite sacar del determinante un "factor comn"
el inciso
de cual-
Recordarqueunamatrizelemental
se obtiene cuando se efecta unasola operacin
elemental en
los
renglones
de una matriz identidad; as, si en el teorema
2.2.3 se hace que A = I,,, demodo que se tiene det(A) = der(/,) = 1, entonces la
matriz B es unamatriz elemental y elteoremaconduce
al siguiente resultado
sobre determinantesde matrices elementales.
Teorema 2.2.4. Sea E una matriz elemntal n X n.
a ) Si E se obtiene al multiplicar por k un rengln de In, entonces det(E) = k.
b) Si E se obtiene al intercambiar dos renglones de In, entonces det(E) = -1.
c) Si E
. se obtiene al sumar un mltiplo de un rengln de In a otro renglbn,
entonces det(E) = I .
Ejemplo 3 Los siguientes determinantes de matrices elementales. que se evalan
por inspeccin, ilustran el teorema 2.2.4.
1
o
0
0
0
3
0
0
0
0
1
0
0
0
=3
0
1
DETERMINANTES CON
RENGLONES
O COLUMNAS
PROPORCIONALES
0 0 0 1
0 1 0 0
o 0 1 0
-1
1 0 0 7
0 1 0 0
0
=I
o 0 0 1
Se intercambiaron los
renglones primero y
liltimo de I,.
1 0 0
El liltimo rengln de I, se
sum 7 veces al primer
rengln.
-4
1I Y
Cada una de las siguientes matrices tiene dos renglones o dos columnas proporcionales; as, por inspeccin, el determinantede cada una es cero.
EVALUACI~NDE
DETERMINANTES POR
REDUCCIN DE
RENGLONES
1
-6
A=[3
2
5
9
1
o
det(A)= 3
2
1
-6
6
5
9
1
-6
1
6
9
5
1
-2
3
5
1
3
=
- O
= -3
1
6
2
1
=
-3
-2
1
10
3
5
-5
el
-2
1
O
IO
1
=(-3)(-55)
o
O
31
5
-551
-2
1
0
(-3)(-55)(1)=
3
5
1
165 A
en el ltimo rengln
considerando el signo del
OBSERVACI~N. El mtodo de reduccin de renglones se ajusta bien a la evaluacin de determinantes por computadora, ya que es sistemtico y se puede programar fcilmente. Sin embargo, en seccionesulteriores se desarrollarn mtodos que
a menudo facilitan los cilculos manuales.
Este ejemplo seala lautilidad de no perder de vista las operaciones en las columnas que pueden abreviar los clculos. A
121
[-.;y
-;]
3a
36
6.
3c
-3
-6
7.
a+g
b+h
c+i
ik; i 2 i
1
:2
= ( b - u)(c - a)(c - b)
14. Con un razonamiento semejante al de la demostracin del teorema 2.2.2, mostrar que
;: 1
Y:l/ ;: 1
12
&I3
all/ =kl:::
a)
31
32
a33
31
a22
32
a22
u13
aI2
b)
u33
31
a32
=
33
-111:
a31
a12
az2
32
33
122 / Determinantes
PROPIEDADES
SkSICAS DE LOS
DETERMINANTES
+ B)
y det(AE)
1 det(kA)
~~
= k"det(A)
Por ejemplo,
Ejemplo 1 Considerar
A pesar deltono negativo delejemplo anterior, existe una relacin importante en la que intervienen sumas de determinantes que a menudo es til. Para
obtenerla, considerar dos matrices 2 X 2 que slo difieren en el segundo rengln:
= det
a21
Asi,
+ 6 2 1a 2 2
+ 622
det
DETERMINANTE
DE UN
PRODUCTODE
MATRICES
1
2
l+O
7
O
4+1
5
3
7+(-1)
] i i i]
=det[
+.et[:
-:]
(2)
det@B)
det(EB) = k det(B)
I24
Determinantes
0
OBSERVACI~N.
una matriz n
(31
Por ejemplo.
det(E,E,B)
PRUEBA DE LA
INVERTIBILKDAD
MEDIANTE UN
DETERMINAYTE
= det(E, j
det(E,B)
= det(E,)
det(E2) det(B)
se demostrar quetanto det(A) como det(R)son cero o diferentes de cero: Sean E,.
E2, . . , , E,. las matrices elementales que corresponden a Las operaciones elementales en los renglones con quese obtiene R a partir de A . As,
R =E;
'
.E2E1A
y segn (3),
(4)
Por los teoremas 2.3.3 y 2.2.5 se concluye que una matriz cuadrada con dos
renglones o columnas proporcionalesno es invertible.
Ejemplo 3 Como los renglones primeroy tercero de
= det(A)
det(B).
= E,E,. . .E,
(5)
de modo que
A B = E1E2.. .E,B
-23
126
,/
Determinantes
Denrosfracin. Como A "A = I, se concluye que det(A "A) = det(r). Por consiguiente, se debe tener que det(A -I) det(A) = 1. Como det(A) = O, la demostracin
puede completarse dividiendo entre det(A). 0
SISTEMAS
LINEALES DE LA
FORMA A x = Ax
de n
(6)
(7)
Ax,
Ax2
A[:
AI-.=[
A-- 4 1
a-- 32 ]
Idet(lI-A)=O
*La palabra elgenvalor es una combinacin de alemn y espaiiol. El prefijo alemn ergen puede traducirse
como"propio",queresulta de l a s antiguaspublicacionesen l a s que l o s eigenvalores se conocancomo
valores proplos; tambin se denominan raices latentes.
/2*-3a-
lo=o
es un eigenvectorde
decir.
Si A
= 5
son las
Se deja que el lector resuelva este sistema y demuestre que los eigenvectores de A
correspondientes a A = 5 son las soluciones diferentes de cero de la forma
RESUMEN
Teorema 2.3.6. Si A es una matriz n X n, entonces las siguientes proposiciones son equivalentes.
a ) A es invertible.
b ) Ax = O slo tiene la solucin trivial.
c ) La forma escalonada reducida de A es I,,.
d) A se puede expresar como un producto de matrices elementales.
e ) A x = b es consistente para toda matriz b n X 1.
fi Ax = b tiene exactamente una solucin para toda matriz b n X 1.
g ) det(A) = O.
EJERCICIOS DE LA S E C C I ~ N2.3
1. Comprobar que det(kA) = k" det(A) para
[a
.-[i
2 1 0
A=
-1
i]
-6
-3
4. Con el teorema 2.3.3, determinar cules de las siguientes matrices son invertibles
5. Sea
det(A")
c) det(2A")
130
,I
Determinantes
lin los ejercicios del 8 al 1 1. demostrar la identidad sin evaluar los determinantes
12.
sen' y
cos2 a c o s ' p
cos2 y
sen1 (Y
210
sen '
fi,
y y
+
+
15. Para cada uno de los sistemas del ejerclcio 14, encontrar
a) la ecuacin caracterstica,
b) los eigenvalores, >
c) los eigenvectores correspondientes a cada uno de los eigenvalores.
17. a)Expresar
a,
a,
+ b,
+ b,
c, + d l
c,
+ d,
+ bl CI + d l
+ 6 2 c2 + d2
a3 + b3 c3 + d3
a1
el
+fl
a2
e2
+f 2
e3
+f 3
~~
MENORES Y
COFACTORES
Ejemplo 1 Sea
A=[:
; i]
1
-4
?32
1)etermlnante.s
El cofactor de
es
M;2
= 2
4
6
8 =
;1
=26
el cofactor de a32cs
...
DESARROLLOS
Considerar la matrizgeneral 3
POR
COFACTORES
-[." ;;; %J
a,,
-4
013
Debido a que las expresiones entre parntesis son justamente los cofactores
Czl y C31(comprobar), se tiene que
c,,.
Ejemplo 2 Sea
A=
=3(-4)-(-2)(-2)+5(3)=
-1
Como en cada ecuacin todos los elementos y los cofactores provienen del mismo
rengln o de la misma columna. Estas ecuaciones se denominan desarrollos por
cofactores de det(A).
Los resultados que acaban de proporcionarse para matrices 3 x 3 constituyen un caso especial del siguiente teorema general, que se enuncia sin demostracin,
I34
1'
Determinantes
det(A) = aljClj+
+ -.. +aniCnJ
(Desarrollo por cofuctores a lo largo
de
la j-sima columna)
det(A) = a,lC,l +
+anJCnj
(Desarrollopor cofdores a lo largo deli.&no renghjn)
Ejemplo 3 Sea A la matriz del ejemplo 2. Evaluar det(A) mediante desarrollo por
cofactores a lo largo del primer rengln.
Solucin.
=3(-4)-(1)(-11)+0=
-1
A = [ l3
-2
-1
2
3
1
5
:I
53
Sumando mltiplos idneos del segundo rengln a los dems renglones se obtiene
Soluci&.
det(A)
0 - 1
1 2 0
0
O
1
1
1
3
8
3
1
3
0
-1
"
o 9 3
Desarrollo por
cofactores a lo largo de
la primera columna.
-18
ADJUNTA DE
UNA MATRIZ
Ejemplo 5 Sea
Considerar la cantidad
que se forma al multiplicar los elementos del primer rengln por los cofactores de
los elementoscorrespondientesen el tercer rengln y sumar los productosresultantes. A continuacin se demostrar queesta cantidad es igual a cero mediante
la sigwente regla prctica. Obtener una nueva matriz A' sustituyendo el tercer
rengln de A por el primer rengln. As,
- .
,
..
. ,
I36
Determinantes
Por otro lado, al evaluar det(A') por desarrollo por cofactores a lo largo del tercer
rengln se obtiene
Ejemplo 6 Sea
-4
de esta matriz se
C,, = 12
c,, = 4
C, = 12
C,, = - 16
c,, = 2
C, =
C, = 16
10
C,, = 16
y la adjunta de (A) es
adj (A) =
12
6
-16
4
2
16
-:"I
16
(6)
Demostracin.
Primero se demostraraque
A adj(A) = det(il) I
138
Determinantes
A adj(,4)=[
...
...
" '
]=det(A)I
(8)
det(A)
Dado que A es invertible, det(A)
escribirse como
1
det ( A )
[ A adj(A)] = I
.4 detiAj adj(A)
=I
-',se obtiene
1
r
= 64. As,
12
adj(A) = 6
i4
det ( A )
-16
A ~ -=1
APLICACIONES
DE LA
FRMULA DE
LA ADJUNTA
PARA LA
INVERSA
2
16
12- 10
16-
139
=a
r/
se puede demostrar que A-' es triangular superior puede probarse probando que
adj(A) es triangular superior o, equivalentemente, que la matriz de cofactores es
triangular inferior. Lo anterior se puede lograr demostrando que todo cofactor C:
iJ
con i < j (es decir, arriba de la diagonal principal) es cero. Como
ciJ= ( -
i);+jM.
'J
140
/'
Determinantes
basta demostrar que cada menor My con i <j es cero. Para este propsito, sea By la
matriz que se obtiene cuando se quitan el i-simo renglny laj-simacolumna deA, de
modo que
M,, = det@,,)
(9)
REGLA DE
CRAMER
donde 4
. J es la matriz que se obtiene al sustituir los elementos de la j-&into
columna de A por los elementos de la matriz
x=A"b=-
1
adj (A)b = det (A)
det (A)
b l C , , + h2C,, f . .
. + b,Cn,
det (A)
Ahora, sea
= b,C,,
+ b2CZj+ . . . + b,C,,
El trabajo ms conocido
de
Crarner,
Introductron
ir l'analyse des lrgnes courbes
algbnques (1750), es un estudio y una clasificacin de las curvas algebraicas; la regla de Cramer
apareci enel apndice.Aunquelareglalleva
su nombre,variantesdelaideabsicafueron
planteadasantes porotrosmatemticos.Sinembargo,lanotacinsuperiordeCramerayuda
aclarar y popularizarla tcnica.
El exceso de trabajo, combinado con una cada de un carruaje, provocaron
su fallecimiento
en 1752. Aparentemente,Cramererauna
persona de buencorazn y agradable,aunquenunca
contrajo matrimonio. Sus intereses eran amplios. Escribi sobre filosofa de las leyes y del gobierno,
y sobre la historia de las matemticas. Trabaj en una oficina pblica, particip en la artillera y en
actividades de fortificaciones para el gobierno, instruy a trabajadores sobre tcnicas de reparacin
de catedrales y efectu excavaciones de archivos catedralicios. Cramer recibi numerosos honores
por sus actividades.
112
Determinantes
n
'=det(A)
x, +
-
3x,
-.Y,
+ 2x,
= 6
+ 4 . +~ 6x3
~ = 30
2 s 2 + 3x, = S
Solucibn.
Por consiguiente.
~1="-
x3="
152 - 38 A
44
11
.x2=--
det(A,)
det(A)
72
18
44
11'
"-
"
det(A)
OBSERVACION. Para resolver un sistema de n ecuaciones con n incgnitas
mediante la regla de Cramer, es necesario evaluar n + 1 determinantes de matrices
n x n. Para sistemas con ms de tres ecuaciones, la eliminacin gaussiana es
bastante ms eficaz, ya que slo es necesario reducir una matriz aumentada n X (n
+ 1). Sin embargo, la regla de Cramer proporciona una frmula para la solucin si
el determinante de la matriz de coeficientes es diferente de cero.
EJERCICIOS DE LA S E C C I ~ '2.4
;~
1. Sea
2. Sea
4 - 1
A=
I
6
0 - 3 3
O 1 4
c) El segundo rengln.
f) La tercera columna.
a) adj(A). b) A"
En los ejercicios del 5 al 10, evaluar det(A) mediante desarrollo por cofactores a lo largo de
un rengln o una columna que el lector elija.
5. A = [
-3
2
I]
-1
-:-!]
3
t. A = [ :
5
O
10. A =
-:-: :]
A -:]
2
11. A = [
2
13. A = [ :
-3
12. A = [
-:
-:
2
14. A = [
21
15. Sea
1
A=[;
: '8 i]
1:
4
i -!
144
'
Determinantes
En los ejercicios del I6 al 2 l . obtener la solucin usandola regla de Cramer cuando sea aplicable.
16. 7 x , - 2 ~ =, 3
3.x,
x? = 5
17.
19.
x,
2s,
41-I
3.x2
+ x, =
.x2
=
-
4x
+ 5y
=2
18.
Ilx+ y+22=3
3x, =
+ 5y + 2z = 1
-.x1 - 4x, + 2 s , + .xj = -32
2x, - .x2 + 7x3 + 91, = 14
-x, + X2 + 3x, + Xq = 1 I
XI - 2s2 +
- 4x, = - 4
x
20.
-2
21.
x - ~ J + Z=
6
4x- y + 2 2 = - 1
2x + 2.v - 32 = -20
3x,
-x,
2x1
x*
+ 7x,
+
"
+ 6x2 -
xi = 4
2x, = I
X.,
x
i
sen H
co;H
.-[:O
y]
O
4x+ v +
z t u'=
3x+7.v-
z+
M'=
71-+3y-5z+8U.= -3
St y +
2+2w=
es trian-
28. Obtener los desarrollospor cofactoresprimero y ltimo que se enumeran en la frmula (3).
29. Demostrar: La ecuacin de la recta que pasa por los puntos distintos ( a , ,b , ) y (a2,b z )
se puede escribir como
30. Demostrar: (x,, yl), (x2,y ? ) v (x3,y,) son puntos colineales si y slo si
=5
Ejercicios complementarios
31. Demostrar: La ecuacin del plano que pasa por
(a,, b,, cz) y
b,
a2 b2
a3 b3
a1
( a , ,b , , c , ) ,
CI
c2
c3
=O
I EJERCICIOS COMPLEMENTARIOS
1. Con la regla de Cramer, resolver para
x y y en trminos dex y y .
x=xcosO-ysen0
y=xsenO+ycosO
3. Analizando el determinante de la matriz de
coeficientes, demostrar que el siguiente
sistema tiene una solucin no trivial si y slo si CY = p.
x+
y+m=o
x+
y+pz=o
z=o
ffx+py+
5. a) Para el tnngulo de la
cos
a cos
CY
+ a cos y = b
p + b cos CY = c
CY
b2
+ c2 - a2
2bc
usar trigonometria
145
b) Con a
l rcgla de Crarner obtener frmulas semejantes para cosp y cos y.
6. Por medlo de determinantes, demostrar que para todos los valores reales de jl la nica
solucin de
x - 2-v = Lx
x-
A.v
'
[ adj ( A ) ] - = A
det (A)
8. Demostrar- Si A es una matriz n X
11,
= adj ( A - I )
expresar como
Figura 2
12. Sean A una matriz n x n y B la matriz que se obtiene cuando los renglones de A se
escriben en orden invertido. Cmo estn relacionados det(A)
y det(B)?
13. Cmo se afecta A si
15. Sea
.=[a,;;j
u12
u13
1
8
4
0
9
3
7
1
2
1
7
9
6
2
5
5
8
2
3
4
I48
Determinantes
CAPhULO
VECTORES EN LOS
ESPACIOS
BIDIMENSIONAL Y
TRIIDIMENSIONAL
Los lectores familiarizados con el contenido de este captulo pueden omitirlo y
pasar al captulo 4 sin prdida decontinuidad.
3.1
~~~~~
~~~~~~
~~
VECTORES
GEOMTRICOS
Losvectoressepuedenrepresentargeomtricamentecomosegmentosde
recta
dirigidos o flechas en el espacio bidimensional o en el espacio tridimensional;
la direccin y la longitud de la flecha especifican, respectivamente, la direccin y la magnitud del vector. La cola de l a flecha se denomina punto inicial
del vector y lapunta, puntoterminal. Losvectores se denotarn conminsculas negritas (por ejemplo, a, k, v. w y x). Cuando se analizan vectores,
los nmeros se denominan escalares. Todos los escalares sern nmeros reales y se denotarn por minsculas cursivas (porejemplo,, a, k, v, w y x),
149
v=AB
a)
Figura 1
b)
Vectores
equivalentes
para todo vector v. Como para el vector cero no existe ninguna direccin natural,
se acuerdaque es posible asignarle cualquier direccin convenientepara el
problema en cuestin.
Figura 3
= O.
v-w=v+(-w)
/'
(MIl.
w2)
-w 1
y v2
w2
ty
~i~~~~ 6
y w = (wl. w2)
r
v
Figura 7
+ w = ( U i+ w,,u, + w2)
L - 1 - i - U J - r
= (7,
6), entonces
~+~=(1,-2)+(7,6)=(1+7,-2+6)=(8,4)
Y
4 ~ = 4 ( 1 ,-2)=(4(1),4(-2))=(4,
Como v - w
=v
I
(Comprobarlo.)
tY
-8)
v -w
VECTORES EN
EL ESPACIO
TRIDIRIENSIONAL
As comolosvectores
en el plano sepueden describir por parejas denmeros
reales, los vectores en el espaciotridimensional sepueden describir por ternas de
nmeros reales introduciendo un sistema de coordenadas
rectangulares.
Para
construir ese sistema de coordenadas, se elige un punto O, denominado el origen,
y se eligen tres rectas perpendiculares entre si, denominadas ejes de coordenadas,
que pasan por el origen. Los ejes seidentifican con x, y y z y se elige una direccin
positiva para cada eje de coordenadas,as como una unidad de longitud para medir
distancias (figura 9a). Cadapar deejesde
coordenadasdetermina un plano
denominado plano de coordenadas.Estos planosse denominan plano x y , plano xz
y plano yz. A cada punto P en el espacio tridimensional corresponde unaterna de
nmeros (x, y , z ) denominados coordenadas de P, como sigue: Por P se hacen
pasar tres planos paralelos a los planos de coordenadas, y los puntos de interseccin de estos planos con los tres ejes de coordenadas se denotan por X. Y y Z
(figura 9h).
f'
Figura 9
Figura 10
155
Figura 11
I Derecho I
I Izquierdo I
Si v = (vl, v2, v3) y w = (wl, w2,w3) son dos vectores en el espacio tridimensional,
entonces se pueden usar razonamientos semejantes a
los que se siguieron para
vectores en elplano a fin deestablecer los siguientes resultados
v y w son equivalentes si y slo si v1 = wl, v2 = w2,v3 = w3.
v + w = (vl + w l , vz + w2,v3 + w3).
kv = ( k v , , kv,, kv,), donde k es cualquier escalar.
= (4,2,
l), entonces
V + W = ( S , -1,3),
2 ~ = ( 2 -, 6 , 4 )-, ~ = ( - 4 ,
v - w = v + ( - w ) = ( - ~ , -5,l) A
......
-2, - 1 )
I p,p;
I
= (x2 - X I , Y2 - Y , , 22
Figura 13
!
d
Ejemplo 2 Las componentes del vector v = P,P, con punto inicial P,(2, - 1, 4) y
punto terminal P,(7, 5, -8) son
TRASLACI~N
DE EJES
t'
Figura 14
6)
"----*
y'=y - 1
y=y'+ 1
y'=y-/
z ' = z - ~
S. linconlrar un vector 11 diferente de cero cuyo punto terminal esQ(3, O, -5) tal que
a) II tiene la mismn dlreccln que v = (4, -2, - 1 ).
b', II tiene direccibn opuesta a l a de v = (4, -2. - I ) .
6. S C ~ U
I ~= (-3,
a) v
"w
I ,
21, v
= (4- O,
b) 6 u + 2cv)
-8)
> w = ( 6 , - 1,
-v+ u
d) 5 t v - 4 ~ )
f) ( 2 ~ - 7 w ) - ( 8 v +
-3(v-Xw)
e)
7. Sean u, v y w los vcctores del ejercicio 6 . Encontrar las componentes del vector x que
satist'acc I 2u - v + x = 7n +- \v.
8. Sean u. v y w los vectores del ejercicio 6. lhcontrar los escalares e l , c2 y c3 tales que
C,(-2.9,6)-~i.L(-3,2,1)+Cj(l,7,5)=(0,sr4)
$ de la
12. Suponerque
un
U)
figura 15.
t
Figura 15
15.
PROPIEDADES
DE LAS
OPERACIONES
VECTORIALES
de los
u+v=v+u
u+o=o+u=u
k(lu) = (k1)u
( k + 1)u = ku + Zu
b) ( u + v ) + w = u + ( v + w )
d ) u+(-u)=O
f ) k<u+ v) = ku kv
h) l u = u
v+w=QS
u+(v+w)=PS
Tambin.
+
u+v=PR
4'
(u+v)+w=PS
Por consiguiente.
u+(v+w)=(u+v)+w
O B S E R V A C I ~ N . En vista del inciso b) de este teorema, el smbolo u + v + w est
bien definido, ya que la misma suma se obtiene sin importar dnde se escriban
parntesis. Adems, si los vectores u, v y w se colocan "punta con cola", entonces
la suma u + v + w es el vector que va del punto inicial de u al punto final de w
(figura 1).
Figura 1
Asi,
t*
Figura 2
Figura 3
La distanciaentre
&
PI y P2 es la normadel vector P I P 2 .
V(
3)* + (2)2 + ( 1 ) 2
dii
= (1,
dada.
a)
l b + VI1
b)
d) Il3u - 5v
+ wl\
e)
IIUII
+ IIVII
c) II - 4
1 + 2llull
1
"w
llwll
en el teorema3.2.l .
vectores y escalares satisfacen las igualdades expresadas
inciso b).
inciso b)
e).
c) incison.
inciso d)
g).
a)
"v
llvll
es un vector unitario.
b) Usar el resultado del incisoa) para encontrar un vector unitario que tenga la misma
direccin que el vector v= (3,4).
c) Usar el resultado del inciso a) para encontrar un vector unitario cuya direccin sea
opuesta a la del vector v = (-2, 3 , -6).
7. a) Demostrar que las componentes del vector v = (vl, vz) en la figura 4 son v1 = llvll
cos 8 y v 2 = llvll sen B.
b) Scan u y v los vectores de la figura 5. Usar el resultado del inciso a) para encontrar
las componentes de4u - 5v.
AY
,"".
,
\
Figura 4
x, y , 2). Describir
Figura 5
Illull+
Ilvll.
PRODUCTO
PUNTO DE
VECTORES
Figura P
n.
JJullJJvJj
cos 6
=
si u f O y v # O
siu=O o v = O
Figura 2
Y
Para efectosde clculo es deseable contar con una frmula que exprese elproducto
punto de
dos
vectores
en
trminos de las componentes de los vectores. La frmula
se obtendr para vectores en el espacio tridimensional; la obtencin para vectores
en el espacio
bidimensional
es
semejante.
Sean u = (ul, u2, u3) y v = (vl, v2, v3) dos
vectores diferentes de cero. Si,
como se muestraen la figura 3, 8 es el ngulo entre u y v, entonces la ley delos
cosenos da
FORMULA DE
LAS
COMPONENTES
PARA EL
PRODUCTO
PUNTQ
Figura 3
x/
"*
"
.,,". _.
L
u v = U I V l+ u2v2 + u3v3
CLCULO DEL
NGULO ENTRE
VECTORES
As, 8 = 60. A
Solucin. Sea k la longtud de UM arista, y se introduce un sistemade coordenadas comose muestra enl a figura 4.
As,
si y slo si
si y slo s1
si y slo si
U'V>O.
u.v<O.
u.v=O.
COS 6 =
/ VI/'
COS
O = llvlI2
~-~=(1)(-3)+(-2)(4)+(3)(2)=
+ (2)(3) = 2 1
w = (1)(3) + ( - 2)(6) + (3)(3) = O
v w = ( - 3)(3) + (4)(6)
U
= (a,
O.
b)
ax2
+c =O
+ by2 + c = o
q2
(6) se obtiene
(a,b).(x,-x,,y,-y,)=O
JY
ax+by+c=O
Figura 5
n.P,P2=0
b) u . ( v + w ) = u - v + u * w
c) k(u.v)= (ku).v= u.(kv)
d)v.v>Osiv#O, y v.v=Osiv=O
Demostracin. Se demostrar c ) para vectores en el espacio tridimensional, y las
dems demostraciones se dejan como ejercicio. Sean u = (u1, u2, u3) y v = (vl, v2,
v3); entonces
k(u .v) = k(ulvI
=(
+ U ~ U Z+ ~
3 ~ 3 )
b ) v ,+ (ku,)v, + (ku3)7J3
= (ku). v
De manera semejante,
PROYECCIONES
ORTOGONALES
Figura 6
w,+w,=w,+(u-ww,)=u
(7)
u.a
u -proya u = u -?a
Itall
(componente vectorial
de u ortogonal a a)
u=w,+w,=ka+w,
(8)
(9)
+ ( - 1)( - 1) + (3)(2) = 15
+ ( - 112 + 22 = 21
u a = (2)(4)
lla1I2 = 42
proya u = y
y la componentevectorial de u ortogonal a a es
Como verificacin, el lector puede comprobar que los vectores u - proya u y a son
perpendiculares si demuestra que su producto punto es cero. A
Una frmula para calcular la longitud de la componente vectorial de u a lo
largo de a se puede obtener escribiendo
Figura 7
OSO<-
7r
7T
--< e
2
n = (u, h )
se coloca de modo que su punto inicial est en Q.
Por el ejemplo 5, el vector n es perpendicular a la recta (figura S). Como se
indica
en la figura. la distancia D es igual a la longitudde la proyeccin ortogonal
+
de QPo sobre n; as, por (lo), se tiene que
Pero
y+by+c=O?
Figura 8
de modo que
(I(.,,
Dadoque el punto
yl) est sobre la recta, sus coordenadas satisfacen la
ecuacin desta, de modo que
aX1+by1+c=O
o bien,
c = -ax1 - by,
Ejemplo 8 Por la frmula (15) se concluye que la distancia D del punto (1, -2) a
la recta 3x + 4y - 6 = O es
D=
1(3)(1)+4(-2)-6\
d m
1-111
11
Encontrar u . v.
a) u = (2, 3), v = (5, -7)
b) U = ( - 6, - 2), v = (4, O)
C) ~ = ( l -, 5 , 4 ) ,~ = ( 3 , 3 , 3 )d ) ~ = ( - 2 , 2 , 3 ) ,~ = ( 1 , 7 ,
-4)
a> u = ( 6 , 1 , 4 ) v, = ( 2 , 0 -, 3 )b ) u = ( O , O ,
- I ) , v = ( l , 1, 1)
c>u=(-6,0,4), ~ = ( 3 , 1 , 6 )
d ) ~ = ( 2 , 4 ,-8), ~ = ( 5 , 3 , 7 )
4. Encontrar la proyeccin ortogonal de
u sobre a.
a) u = (6, 2), a = (3, -9)
b ) u = ( - 1 , -2), a = ( - 2 , 3 )
c) u = ( 3 , 1 , -7), a = ( l , 0 , 5 )
d)u=(l,O,O), a = ( 4 , 3 , 8 )
5. En cada inciso del ejercicio4, encontrar la componente vectorial deu ortogonal a a
6. En cada inciso, encontrar Ilproy, u 11.
a) u = ( l , -2), a = ( - 4 , - 3 )
b) u = (5, 6), a = (2, - 1)
C) u = (3, O, 4), a = (2, 3, 3)
d) u = ( 3 , -2, 6), a = ( l , 2, -7)
(1, 6, 3) y k
a)
- (7v
w)
10. Explicar por qu cada una de las siguientes expresiones carece de sentido.
a) u (v w)
b)
(u v)
+w
c) Ilu
- vII
d) k
(u + v)
11. Usar vectores para hallar los cosenos de 10s ngulos internos del tringulo cuyos vrtices son (O, - l), (1, -2) y (4, 1).
12. Demostrar que 4 3 , O, 2), B(4, 3, O) y C(8, 1, -1) son los vrtices de un tringulo
b=a
y a # O. $,e
c) 3x+y=5;(1,8)
16. Establecer la identidad Ilu + vJ12+ IIu - v1I2 = 2 lu112+ 2
17. Establecer la identidad u * v =
)l~11~.
Figura 9
0:
cos
4,
=o
22. Demostrar quesi v es ortogonal tanto aw ,como a w2, entonces v es ortogonal ak,wl+
k2w2para todos los escalaresk, y k,.
23. Sean u y v vectores diferentes de cero en el espacio bidimensional
o en el espacio
tridimensional, y sean k = 1 1 ~ 1 1 y I = IIvII. Demostrar que el vectorw = lu + kv biseca el
ngulo entre u y v.
DE VECToRES
1 o,
en notacin de determinantes,
Se forma la matriz 2
cuyoprimer rengln contiene las componentes de u y cuyo segundo rengln contiene las componentes dev.
Para encontrar la primera componente de u X v, eliminar la primera columna y evaluar el determinante; para encontrar la segunda componente, eliminar la segunda columna y evaluar el negatiTlo del determinante; para encontrar la terceracomponente,eliminarlaterceracolumna
y evaluar eldeterminante.
Ejemplo 1 Encontrar u x v, donde u = (1, 2, -2) y v = ( 3 , O, 1)
Solucin
(u X Y
es ortogonal
a u)
(u X v es ortogonul a
v)
( u ~ v ) ~ (IdentzdaddeLagrunge)*
d ) u X (v X w) = (u. w)v - (u. v)w (relucidn entre los productos cruzypunto)
e ) (U X V) X w = (u w)v - (V W)U (relacin entre los productos cruz ypunto)
C)
I
*Joseph Louis Lagrunge (1736-1813). Matemtico y astrnomo francs-italiano. Lagrange, hijo
de un funcionario pblico, naci en Turin, Italia. (En el registro bautismal su nombre aparece como
GiuseppeLodovicoLagrangia.)Aunquesupadrequeraquefueseabogado,Lagrangesesinti
atrado por las matemticas y la astronomia despus de leer una memoria del astrnomo Halley. A
los 16 aAos de edad empez a estudiar matemticas por
su cuenta y a los 19 h e contratado como
profesor en la Royal Artillery School en Turin. El ao siguiente resolvi algunos problemas famosos
aplicando nuevos mtodos que florecieron en una rama
de las matemticas denominada clculo de
variaciones. Estos mtodos y las aplicaciones que Lagrange hizo de stos a problemas de mecnica
celesteerantanmonumentalesqueaproximadamentea
los 25 aos deedadLagrangeyaera
considerado por muchos de sus contemporneos como el ms grande matemtico existente. Uno de
los trabajos ms famosos de Lagrange es un documento denominado Mcunique Anulyflque, en el
que reduce la teora
de la mecnica a unas cuantas frmulas generales a partir
delascualeses
posible derivar todas las dems ecuaciones necesarias.
Eshistricamenteinteresante
el hechodeque
elpadredeLagrangeincursioninfrucsu familia estaba obligada a vivir
con
tuosamenteenvariasempresasfinancieras,demodoque
bastante modestia. Lagrange mismo afirm quesi su familia tuviera dinero, su vocacin no hubieran
sido las matemticas.
Napolen era un gran admirador de Lagrange y lo cubri de honores: lo hizo conde, senador y
le otorg la orden de la Legin de Honor.
A pesar de su fama, Lagrange siempre fue
un hombre
tmido y modesto. A su fallecimiento, h e sepultado con honores en El Panten parkino.
y v = (3, o, 1)
u X V = ( ~ -7,
, -6)
Como
en
el espacw tridimen-
a) u x v - - ( v X u )
b)
x (Y
-1-
W)
(U
x Y) f
(U X W)
e) u x o = Oxu-o
x u ==o
,f) u
=(I,
O, O)
= (O,
!, O)
k = (O, O, 1 j
Cada uno de estos vectorcs tiene longitud igual a 1 y est a lo largo de un eje de
coordenadas (figura 1). Se denominan vectores unitarios normales en el espacio
tridimensional. Todovector v = (v,, v2, v 3 ) en elespacio tridimensional puede
expresarse en trminos de i, j. k. ya que es posible escribir
Figura 1
Por ejemplo,
(2,
--
3, 4) = 2 i - 3 j + 4k
oj
i
El lector no debe tener ningn problema para obtener los siguientes resulta-
dos:
Figura 2
FRMNLA DEL
DETERMINANTE
PARA EL
PRODUCTO
CRUZ
iXi=jXj=kXk=O
kj iX
xxikj==j ki ,,
j X i = -k,
k x j = -i,
ixk=
-j
La figura 2 es til para recordar los resultados anteriores. Con referencia a esta
figura, si la circunferencia se recorre en el sentido del movimiento de las manecillas del reloj, el producto cruz de dos vectores consecutivos es el siguiente vector
que se encuentra, y si se recorre en sentido contrario al movimiento de las manecillas del reloj, el producto c m de dos vectores consecutivos es el negativo del
siguiente vector quese encuentra.
Tambin vale la pena observar que un producto cruz se puede representar simblicamente en formade un determinante 3 X 3:
j
2
0
k
-2 =2i-7j-6k
1
(v
w)
(u
v)
w. Por
iX(jxj)=iXO=O
Y
( i X , j ) x j = k X j = -i
de modo que
iX(j~j)#(iXj)Xj
180 / Vecto~es
en los espacios hidinmvional y tridimensional
de u x v se puede determinar aplicando la siguiente "regla de la mano derecha"* (figura 3): Sea 8 el ngulo entre u y v, y suponer que u se hace girar
por el ngulo 8 hasta que coincide con v. Si los dedos de la mano derecha se
disponen de modo que apunten en la direccin de rotacin, entonces el pulgar
indica (aproximadamente) la direccin de u X v.
&
u
+
uxv
Figura 3
"
'
jXk=i
kXi=j
Si 8 denota el ngulo entre u y v, entonces u . v = llull llvll cos 8 , de modo que (5)
se puede escribir de nuevo como
As,
Pero llvll sen 8 es la altura del paralelogramo determinadopor u y v (figura 4). Por
tanto,
*Recordar que en este texto se acord considerar slo sistemas de coordenadas derechos. En caso de que se
hubieran usado sistemas izquierdos,aqu se hubiera aplicado una "regla de la
mano izquierda".
= (base)(altura)= llull
llvll sen 0 1 / 1 1 x
VI]
Solucin.
P I P , x P I P 3= ( - 10,5,
Figura 5
I'
10)
Pi (2'2. O)
y en consecuencia,
TRIPLE
PRODUCTO
ESCALAR
(7)
WI
w:!
w3,
;3iul
Solucin.
w) de los vectores
Por (7),
-2
4
3
U.(VX
w)
-60+4-
-5
-4
15149 A
u.(vxw)=w.(uxv)=v.(wxu)
Figura 6
INTERPRETACI~N
GEOMTRICA DE
LOS
DETERMINANTES
183
Teorema 3.4.4.
a ) El valor absoluto del determinante
Ahora, por el teorema 3.1.3 y el hecho de que Ilk11 = 1. se concluye quc el rea A
del paralelogramo determinado poru y v es
Figura 7
u1
Figura 8
nl
~~
Teorema 3.4.5. Si los vectores u = ( u l , u2, u3), v = ( v l ,v2, v3)y w = (wl, w2,
w3)tienen el mismo punto inicial, entonces estn en el mismo plano si y solo si
INDEPENDENCIA
DEL PRODUCTO
CRUZ Y DE LAS
COORDENADAS
Figura 9
de modo que
de modo que
Pero por las figuras 106 y 1Oc es evidente que el vector (O, O, 1) en el sistema xyz
es el mismo que el vector (O, 1, O) en el sistema x'y'z'. As, se obtiene el mismo
vector u x v si los clculos se realizan con coordenadas del sistema xyz o con
coordenadas del sistema x'y'z'. A
1,5)
b) ~ = ( - 2 , 1, 5), ~ = ( 3 , 0 ,-3)
(1, 2, -1) y
b) ( v X w ) - u
C)
w-(uxv)
d) v . ( u x w )
e) ( u x w ) . ~
f) v.(wxw)
= (2,
w =
(2,2, -4)
b)
U =
(3, I , 2), v
11. Determinar si u, v, y w son coplanares cuando se colocan de modo que coincidan sus
puntos iniciales.
a) u = ( - 1, -2, I), v = (3, O, - 2 ) w = (5, -4, O)
b ) u = ( 5 , -2, I), ~ = ( 4 -,I , I ) , w = ( l , - I , O )
C) U =(4, -8, I ) , v = ( 2 , 1, -2), w
(3, -4, 12)
12. Encontrar todos los vectores unitarios paralelos al plano xy que son perpendiculares al
vector (3, - 1,2).
15. Simplificar (u + v) X (u - v )
16. IJsar el producto cruz para encontrar el seno del ngulo entre los vectores u = (2,
3, -6) y v = (2, 3,6)
17. a ) Encontrar el rea del tringulo cuyos vrtices son A(1, O, I ) , B(O,2, 3 ) y C(2, 1, O).
b) IJsar el resultado del inciso a) para encontrar la longitud de la altura del vrtice ' al
lado AH.
18. Demostrar que si u es un vector que va de cualquier punto de una recta a un punto 1'
que no pertenece a la recta y v es un vector paralelo a Csta, entonces la distancia entre
P y la recta est definida por 1111 X vII / Ilvll.
21. Considerar el paraleleppedo con lados u = (3,2, I), v = (1, 1,2) pw = ( I , 3 , 3).
a) Encontrar el rea de la cara determinada por u y w .
22. Encontrar un vector n perpendicular al plano determinado por los puntos A(0, -2, I),
& I , -1, -2) y (?(--I, 2, O). [Ver la nota del ejercicio 21.1
23. Sean m y n vectores cuyas componentes en el sistema xyz de la figura IO son m = (O, O,
1)y n = ( O , I , O).
a) Encontrar las componentes de m y n en el plano xyz' de la figura 1O.
b) Calcular m X n usando las componentes del sistema q z .
c) Calcular m X n usando las componentes del sistema xyz'.
d) Demostrar que los vectores obtenidos en b) y c) son los mismos.
24. Demostrar las siguientes identidades
a) ( u + k v ) ~ v = u X v
b) U . ( V X Z ) =" ( u x z ) . ~
mismo punto inicial, pero de modo que ningn par de ellos es colineal. Demostrar que
a) u X (v X w) est en el plano determinado por v y w.
b) (u X v) X w estri en el plano determinado por u y v
27. Demostrar el inciso e ) del teorema 3.4.1. [Sugerencia Aplicar el inciso a) del teorema
28. Sean u = (1, 3, -l), v = (1, 1,2) y w = (3, -1, 2). Calcular u x (v X W) usando el
ejercicio 26; luego, comprobar el resultado efectuando el clculo directamente.
29. Demostrar: Si a, b, c y d estn el mismo plano, entonces (a
b) x (c
X d)
= O.
30. En geometra de slidos existe un teorema que establece que el volumen de un tetrae-
dro es 1/3(rea de la base) * (altura). Usar este resultado para demostrar que el volumen del tetraedro cuyos lados son los vectores a, b y c es 116 ::. (b X c) (figura 11).
31. Usar el resultado del ejercicio 30 para encontrar el volumen del tetraedro con vrtices
P,Q, R Y S.
a) P ( - 1, 2, O), Q(2, 1, -31, 4 1 , O, 11, S(3, -2, 3)
b) P(0, O, O), Q(1, 2 , - I ) , R(3,4, O), S ( - 1, -3, 4)
32. Demostrar los incisos a ) y 6 ) del teorema 3.4.2
33. Demostrar los incisos c) y 6)del teorema 3.4.2.
34. Demostrar los incisos e ) y j ) del teorema 3.4.2
PLANOS EN EL
ESPACIO
TRIDIMENSIONAL
Suponer que se desea encontrar la ecuacin del plano que pasa por el punto
Po(xo,yo,zo) y cuya normal es el vector n = (a, b, e) diferente de cero. De la figura
1 resulta evidente que el plano consta precisamente de los puntos P(x, y , z ) para
T
6 es ortogonal a n; es decir,
los cuales el vector P
-----f
n.PoP=O
4
Como POP= (x - xo. y - yo, z - zo). la ecuacin (1) se puede escribir como
Figura 1
x/
- 5~ + 25 = O
son iguales
1
ax+by+cz+d=O
+ by = k,
cx
+ dy = k2
= k,
y cx +
(4)
Solucin. Como los tres puntos estn en el plano, sus coordenadas deben satisfacer
la ecuacin general ax + by + cz + d = O del plano. As,
a+2b2a+3b+
c+d=O
c+d=O
3 ~ -b + 2 c + d = O
- A1 t6 ,
h = " I1 6t ,
c=&t,
d=l
Figura 2
~~
- 5~ - 1 6 = 0
&
9(x - 1)
+ ( y - 2) - 5(z + 1) = O
~ x + Y - ~ z 1- 6 - 0
FORMA
VECTORLAL DE
LA ECUACI6N
DE UN PLANO
Figura 3
La
notacin
vectorial
proporciona
otra
manera
til para
escribir
la
punto-normal de la ecuacin de un plano; con referencia a la figura 3,
= (x, y , z) el vector que va del origen
al punto P ( x , y , z), r, = (x,, y,,
vectorque va delorigenalpunto
P,(x,, y,, z,), y n = (u, b, c) un
normal al plano (figura 3).
forma
sean r
zo) el
vector
x+
Entonces PTP
como
I
n (r - r,,) = O
= tu, y
+ tu,
-yo = tb y z
y = yo + tb,
tc)
Figura 4
CQ
y=yo+tb,
a+
m.
z=z0+tc
(7)
(--<tt+-t)
~~~~~~~~
Ejemplo 4 La recta que pasa por el punto (1, 2, - 3 ) y es paralela al vector v = (4,
5, - 7 ) tiene las ecuaciones paramtricas
x=1
+ 4t,
.v
+ 5t,
z = -3
7t
(--<tt+-t)
Ejemplo 5
a) Encontrar las ecuaciones paramtricas de la recta I que pasa por los puntos
P,(2, 4, - 1) y P,(5, o, 7 ) .
b) Dnde corta la recta al plano y ?
Solucin a). Como el vector P , P , = (3, -4, 8) es paralelo a 1y P,(2, 4 , - 1) pertenece a I, entonces la recta 1est definida por
~ = 2 + 3 t , y=4-4t,
Z =
-1 +8t
(-m<<<++)
3~ 2y - 42 = 6
x-3y-2z=4
11,
y = -ii--iit,
z=t
FORMA
VECTORIAL DE
LA ECUACIN
DE UNA RECTA
La notacin vectorial da otra forma til para escribir las ecuaciones paramtricas
de una recta; con referencia a la figura 3, sean r = (x, y, z) el vector que va del
origen al punto P(x, y , z), ro = (xo, yo,zo) el vector que va del origen al p u s
Po(xo,yo, zo), y v = (a, 6, c) un vector paralelo a la recta (figura 5). Entonces Pop
= r - ro, de modo que la frmula (6) se puede volver aescribir como
r-ro=tv
(-m<t<+w)
Figura 5
.,/
Ejemplo 7 La ecuacin
(.\-,?:.)=(-2,0,3)+t(4,
- 7 , 1)
(--<t<+-t)
Figura 6
ID=
ViGK2
e(.,,
Demostracin. Sea
y,, zl) cualquier punto en el plano. El vector normal n
= (a, b, c) se coloca de modo que su punto inicial est en Q. Como se ilustra en la
figura 7 , la distancia D es igual a la longitud de la proyeccin ortogonal de
sobre n. As, por (10) de la seccin 3 . 3 ,
Qx
Pero
As,
D = 14x0 - x, 1 + @Yo - Y ,
1 + &o
e@,,
- z1
)I
(10)
Como el punto
yl, z i ) pertenece al plano, sus coordenadas satisfacen la
ecuacin del plano; entonces
d=
198
Entonces
D=
/(2)(1)+(-3)(-4)+6(-3)+1)
q 2 2 + (-3>*+ 62
--=1-31
3 A
7
y 2x+4y-4z=7
son paralelos, ya que sus normales (1, 2, -2) y (2, 4, -4) son vectores paralelos.
Encontrar la distancia entre estos planos.
Solucin. Para encontrar la distancia D entre los planos, se puede elegir un
punto arbitrario en uno delos planos y calcular su distancia al otro plano.
Haciendo y = z = O en la ecuacin x + 2y - 22 = 3 , se obtiene el punto P,(3, O, O)
en este plano. Por (9), la distancia entre Po y el plano 2x + 4y - 42 = 7 es
_ _ ~ ~ ~
~
EJERCICIOS DE LA SECCIN 3 5
1. Encontrar una forma punto-normal de la ecuacin del plano que pasa por P y cuya
normal es n.
-2); n = ( - 2 , 1, -1)
c ) P(2, O, O); n = (O, O, 2)
a) P ( - l , 3 ,
b)P(l, 1,4); n = ( l , 9 , 8 )
d ) P(0, O, O); n = (1, 2, 3)
a) - 3 x + 7 y + 2 z = 10
b) ~ - 4 ~ = 0
a) P(-4,
1, - I ) ,
y 7~-3y+42=8
a) 4 x - y + 2 z = 5
b)x-4y-3~-2=0
y 3 ~ -1 2 ~ - 9 ~ - 7 = 0
c) 2 y = 8 x - 4 z + 5
y x = + z + ' 4Y
6. Determinar si la recta y el plano son paralelos.
a ) x = -5-4t,
y = l -t, z = 3 + 2 t ; x + 2 y + 3 z - 9 = 0
b)x=3t, y = 1+ 2 t , z = 2 - t ; 4 x - y + 2 ~ = 1
a) 3 x - y + z - 4 = 0 ,x + 2 z =
-1
b) x - 2 y + 3 z = 4 ,- 2 x + 5 y + 4 z =
-1
a) x = - 2 - 4 t , y = 3 - 2 r , z = 1 + 2 t ; 2 x + y - z = 5
b)x=2+t, y = l -t, ~ = 5 + 3 t ; 6 ~ + 6 ~ - 7 = 0
9. Encontrar las ecuaciones paramtncas de la recta que pasa por P y es paralela a n.
10. Encontrar las ecuaciones paramtricas de la recta que pasa por los puntos dados
11. Encontrar las ecuaciones paramtricas de la recta de interseccin de los planos dados
a) 7 x - 2 ~ + 3 ~ -2
=
-3x+y+2z+5=0
b) 2 x + 3 y - 5 ~ = 0 y
12. Encontrar la forma vectorial de la ecuacin del plano que pasa por Po y cuya nor-
mal es n.
a) P 0 ( - l , 2 , 4 ) n; = ( - 2 , 4 ,
1)
c) P0(5,-2, 1); n = ( - I , O,O)
b) P0(2,0,
-5);
n=(-l,4,3)
d) Po(O,O, O); n = (u, b, c )
a) ( - 2 , l , 4 ) . ( x -
15. Encontrar l a forma vectorial de la ecuacin de la recta que pasa por p , y es pa-
ralela a v.
a) P o ( - l > 2 , 3 ) ; v = ( 7 , - 1 , 5 )
C) Po(L -4, 1); v = (O, O, - 2)
b) Po(2,0, - I ) ; VE(], I , I )
d) Po(O, O, O); v = ( U , b, C)
y=O
y = [ *
z-
(-E.<!<
+,A)
a) plano KV.
b) piano xz.
c)
plar~ovz.
19. Encontral. la ecuacin del piano que contiene al punto (xo,yo. zo) y es paralelo al
a) plano x y .
b)
plano yz.
c) plano xz.
20. t-hcontrar l a ecuacrn del plano que pasa por el origen y es paralelo al plano 7x +
4y - 2 2 + 3 - 0 .
21. Encontrar la ecuacin del plano que pasa por el punto (3, -6, 7) y es paralelo al plano
5, - 2 y + z - S=().
22. Jhcontrar el punto de interseccin de l a recta
x-9=-sr,
y+l--t,
z-3=r
(--cc<t<+m)
y el plano 2x -. 3v + 42 + 7 = O.
23. Encontrar l a ecuacin del plano que contiene a la recta x =
-= 2 - t y es perpendicular al plano 2x - 4y + 22 = 9.
- I + 3t, y
=5
+ 2t, z
21. Ilncontrar la ecuacin delplano que pasa por (2, 4, - 1) y contiene a la rectade
interseccin de los planos x y - 4z = 2 y - 2 x + y + 22 = 3 .
-2,
-1)
y (2, O, 1)
26. Encontrar las ecuaciones paramtncas de l a recta que pasa por ( - 2 , 5 , O) y es paralela
alosplanos2x+y-4z=Oy -x+2y+3z+1 =O.
27. Encontmr l a ecuacin del plano que pasa por ( - 2 , I , S ) y es perpendicular a los planos
4~ - 2 ~ + 2 ~- 1 =V 3 ~ + 3 y- 6 . ~ ~ 5 .
28. Encontrar la ecuacin del plano que pasa por (2, - 1,4) y es perpendicular a la recta de
interseccin de los planos 4x + 2y + 2z =-1 y 3x + 6y + 32 = 7.
29. Encontrar la ecuacin del plano que es perpendicular al plano 8x - 2y + hz = 1 y pasa
por los puntos P I ( - i , 2 , S) y P2[2, I , 4).
30. Demostrar que las rectas
y=4+r,
z=l-t
(--<<<++)
x=5+2t,
y=l-t,
z=7+r
(--<tt++)
Y
son paralelas y encontrar la ecuacin del planoque determinan.
31. Encontrar la ecuacin del plano que contiene al punto (1,
+ l , ~ -3
= +2t.
- 1,2) y a la recta x = t, y
=t
(0, -2,2).
34. Demostrar que la recta
x-5=-t,
esparalelaalplano - 3 x + y + z
- 9=0.
(-rn<t<+m)
Y
~ + 1 = 1 2yt -, 7 = 6~t ,- 5 = 3 t
(-x<t<+x)
38. Demostrar que elplano cuyascoordenadas al origen son x = a,y = b, z = c tiene la ecuacin
x y z
-+-+-= 1
a b c
I ) ; 2 ~ + 3 ~ - 4 z =1
C) (0,3, -2); x - Y - z = ~
40. Encontrar la distancia entre los planos paralelos dados
a) 3x - 4y + z = 1
b) - 4 ~ + y - 3 ; = 0
c) 2 x - . v + z =
y
y
22 = 3
8~-2,v+6z=O
2x-y+z=
-1
61 - S,V
x=x,+at,
(--<<<+-m)
z=z,+ct
-Y
-Yo-2-%
h
c
43. En cada inciso, encontrar las ecuaciones de los dos planos cuya interseccin es la recta
dada.
a)x=7-4t,
b)x=4t,
y = -5-2t,
,v=2t,
z=7t
z=5+f
(-m<t<
(-m<[<
+m)
+m)
prximo.
y
2x-y+z-4=0
b)x+2y-22=5
y
6~-3.~+2~=8
a)x=O
Figura 8
45. Encontrar el ngulo agudo de interseccin entre el plano x - y - 32 = 5 y la recta x =
2 - t, y = 2t, z = 3t - 1 hasta el grado ms prximo. [Sugerencia Ver el ejercicio 44.1
4.1
ESPACIOEUCLIDIAN0 n DIMENSIONAL
La idea de usar parejas
de nmeros para localizar puntos en el plano
y
ternas de nmeros para localizar puntos en el espacio tridimensional
fue
explicada con claridad por vez primera a mediados del siglo XVII. Al jinal
del siglo XIX los matemticos y losfisicos comenzaron a darse cuenta de que
no era necesario detenerse en las ternas. Se reconoci que las cudruplas de nmeros (al, a2, a3, a4) podan
considerarse como puntos en el espacio de "tetradimensional", las quntuplas ( a l , a2, . . . , a5) como puntos en el espacio
de "pentadimensional", y as sucesivamente. A pesar de que nuestra representacin geomtrica se limita al espacio tridimensional, muchos conceptos
conocidos se pueden extender ms all del espacio tridimensional trabajando con las propiedades analticaso numricas de puntosy vectores en vez de
hacerlo con las propiedades geomtricas. En esta seccin se precisarn con
ms detalle esas ideas.
VECTORES EN EL
ESPACIO n
DIMENSIONAL
Figura
[La tema ordenada (al, a2, d 3 ) se puede interpretar geomtricamente como un punto o un
I vector.
I
Definicin. Dos vectores u = (u1, u2, . . . , u,) y v = (vl, v2, . . . , v,) en R" se
denominan iguales si
u1
= u , , u2 = V I , .
..
u, = u ,
= (u,
1-
Las operaciones de adicin y multiplicacin escalar en esta definicin se denominan operaciones normales sobre R".
El vector cero en R" se denota por O y se define como el vector
o = (O,
O, . . . , O)
-u2,.
. . , -un)
PROPIEDADES
DE LAS
OPERACIONES
VECTORIALES
EN EL
DIMENSIONAL
u,)
a) u + v = v + u
6) u + ( v + w ) = ( u + v ) + w
c) u + o = o + u = u
d ) u+(-u)=O;esdecir, u-u=O
e ) k(1u) = (kl)u
f)k(u+v)=ku+kv
g ) ( k + /)u = ku lu
h) l u = u
Es instructivo que el lector mencione los incisos del teorema 4.1.1 que justifcan
los tres ltimos pasos de este cdculo.
ESPACIO
EUCLIDIAN0 n
DIMENSIONAL
= UIU,
+ u*u* + . . . + unvn
2 on
v = (5, -4, 7, O )
en R4 es
~.~=(-1)(5)+(3)(-4)+(5)(7)+(7)(0)=18 A
u.v=v.u
b) ( u + v ) . w = u . w i - v . w
c ) (ku). v = k(u v )
d ) v.v?O.Adems,v-v=Osiyslosi
v=O.
Entonces
( u + v ) . w = ( u , +u,,u,+u,,
. . . , U,+U,).(Wl,W2,
. . . , w,)
'
' '
Demostracin de
d).
Se tiene vv
'
v++v#+ ...+v
O. Adems, la igualdad se
+ v) + (2v) - (4u + v)
= (3u) (4u) + (3u) v + (2v) (4u) + (2v)
= ~ ~ ( I I -+u~) ( u - v+
) ~ ( v - u+) ~ ( v - v )
*v
12(u.u)+ lI(u.v)+2(v.v)
NORMA Y
DISTANCIA EN
EL ESPACIO
EUCLIDIAN0 n
DIMENSIONAL
11u11 = (u *
=v u :
+ 2.4'2 + . . . + ut
[Comparar esta frmula con las frmulas (1) y (2) de la seccin 3.2.1
De manera semejante, la distancia euclidiana entre los puntos u
. . , U,,) y v = (y1, v2, . . . , vn) en R" se define por
(1)
(ul, uz, .
Y
d(u,v)=2/(1-0)2+(3-7)2+(-2-2)2+(7-2)2=fi
. ...
..".".
208
,'
*ilugustin Louis Barn de) Cauchy (1789-1857). Matemtico francs. Cauchy recibi su primera
educacin de su padre,abogado y que tambin era maestro
de los clsicos. Cauchy ingres a l a
Ecole Polytechniqueen
1805 paraestudiaringeniera,perodebidoa
su quebrantadasalud, le
recomendaronconcentrarscen
las matemticas. Su trabajomatemticoespecializadoempez
en
181 1 con una serie de brillantes soluciones de algunos prohlemas sobresalientes dificiles.
[ a s contribuciones
matemticasdeCauchydurantc
los 35 afioius siguientesfueronbrillantes
y
asombrosas en cantidad, > a que produjo ms de 700 articulos que abarcan 26 volmenes modernos. El
trabajo de Cauchy inici la era del anlisis moderno, aport6 a In%matemticas n o m a s de precisin y rigor
jams soados por matemticos anterioresa 61.
I,a vidadeC;ruchyestuvoligadademanerainextricable
a los aconteclmientos polticos de l a
&poca.Fuerte partidario de los Worbones, abandon a su mujer e hijo en I 830 para seguir a l exllio ai
rey borbn Carlos X. Debido a su lealtad, el ex-rey lo nombr6 barn. Cauch? volvi finalmentc a
Francia pero rehuso aceptar u n puesto universltario. hasta que el gobierno ccdio al requisitc dr: que
prestara juramento.
Es dificil tener una imagen clara de la personalidad de Cauchy. Devoto catlico, patrocin obra>
Sin embargo.otroz
dccarldad para madressolteras y criminales, asi como deayudaaIrlanda
aspectos de su vida lo presentan de manera desfavorable. E 1 matcmitico noruego Abel lo describe
co1710"loco. i~~finitamrnte cailicny fantico". Algunos escritorespregonan sus enseanzas.pero
otros aiirman q u e divagaba incoherenc~asy. segn un informe de l a poca. una ocasin dedic6 toda
una clase a extraer l a raz cuadrada de 17 a 10 cifras decimales aplicando un metodo bien conocido
por SUS estudiantes. En todo caso, Cauchy cs indiscutiblemente una de las grandes luminarias en la
historia de l a ciencia.
f f e r m a n .4mandrrs Schwarz 1843.1921). Matemtico alemn. Schwarz fue e1 matemtico ms
Importanteenncrlndurantelaprimeraparte
del siglo NX. Debidoa la devocin que guardaba
respecto a s u s deberes acadmicos ell la IJniversidad de Berln y a una propensin a tratar con la
misma dedicacinhechosimportantes
y hechostriviales, n o public6 en grani,olumen.Tenda a
centrarse en estrechosproblemasconcretos.pero
sus tcnicaseran
a nrenudoextremadarnents
brillantes e influenciaban el trabajo de otros matemiticos. l J n a versin de l a desigualdad que llc\a
su nonlbre apareci en un artculo sobre superficies de rea minima publicado en 1885
(5)
~~
d),
de
Demostracin de d).
((u+v((2=(u+v).(u+v)=(u.u)+2(u.v)+(v.v)
= ()u/12 2(u v)
5 11u112
S
+ (/VI12
+ 21u * V I + IIVII?
tllull + //v11~2
210
2,'
longitudes de dos lados de un tringulo es mayor o igual que la longitud del tercer
lado (figura 2b)
Figura 2
Los resultados de este teorema son consecuencias inmediatas del teorema 4.1.4 Se
demostrar el inciso d) y las demostraciones de los dems incisos se dejan como
ejercicios.
Demostracin de d). Por (2) y el inciso d)del teorema 4.1.4, se tiene
d(u, v) = \/u- VI/ = Il(u w) + (w - v)l/
5 ljll - w// l/w - VI/ = d(u, w) + d(w, v)
"
= +/\u VI12
(6)
- +ilu - VI12
Demostracin.
ORTOGONALIDAD
Figura 4
Teorema 4.1.7. (Teorema de Pitgoraspara R"). Si u y v son vectores ortogonales en R" con el producto interior euclidiano, entonces
OTROS TIPOS DE
NOTACIN PARA
VECTORES EN R"
[;I
U=
u=[.,
u2
...
u,]
u,
u2
+ u,,.
. . , un
+ u,)
U =
As, para vectores expresados como matrices columna se tiene la siguiente frmula
para el producto interior euclidiano:
-;I
E3
VTU =
Por ejemplo, si
u=[
u.v
entonces
u.v=vTu=[5
1
2
31],
-2
-1
.=[-;I, -p1
v=[
Entonces
1
-: ;][ ;] [
.
.
4
I
1.
7( - 2) + lO(0) + 5(5)
I1
u*ATv=(-1)(--7)+2(4)+4(-1)=
11
UN PRODUCTO
PUNTO
CONSIDERADO
COMO
MULTIPLICACIN
MATRICIAL
Los productospuntoproporcionanotraformadeentender
dematrices.Recordarquesi
A = [a,] esunamatriz
m
matriz Y X n , entonces el ij-simo elementode A B es
la multiplicacin
r y B = [b,.] esuna
215
Por tanto, si los vectores rengln de A son r,, r,, . . . , r, y los vectores columna
de B son c l , c,, . . . , c,, entonces el producto matricial A B se puede expresar como
AB =
rl.x
r2- x
rm x
donde rl, r l , . . . , rm sonlosvectoresrenglnde
elementos de b.
b) 2~ + 7~
e) - v - w
"U + (V - 4 ~ )
f ) (6v - w ) - (4u v)
C)
- 2v =
o,
a) (-2, 5)
b) (1,2, -2)
c ) (3,4, O, -12)
d) (-2, II, ,
-3,4)
218
1'
VI
= ( U l , o, o, . . . , O),
v2
(O,
(I?,
o, . . . , O), . . , v,
,
= (O,
o, o, . . . , a,,)?
Figura 5
Ry"
Recordar que una funcidn es una regla f que asocia a cada elemento de un
conjunto A uno y slo un elemento de un conjunto B. Sifasociael elemento b con
el elemento a, entonces se escribe b = A a ) y se dice que b es la imagen de a bajof,
o que f ( a ) es el valor de f e n a. El conjunto A se denomina dominio d e f y el
conjunto B se denomina codominio del: El subconjunto de B que consta de todos
los valores posibles def cuando a vara sobre A se denomina recorrido de f: Para
las funciones ms comunes, A y B son conjuntos de nmeros reales, en cuyo casof
se denominafuncin con valores reales de una variable real. Otras funciones COmunes Ocurren cuando B es un conjunto de nmeros reales y A es un conjunto de
vectores en R2, R3 o, ms generalmente, en R". En la tabla 1 se muestran algunos
ejemplos.
TABLA 1
Frmula
I Ejemplo
Descripcin
Clasificacin
~~~
f (x>
f (x)
=x2
Funcin de R2 a R
de dosvariables reales
Funcin de valores reales Funcin de R3 a R
de tres variables reales
Funcin de valores reales Funcin de R" a R
de n variables reales
R" A R m
=&, si tienen el
Estas m ecuaciones asignan un punto nico (wl, w2,. . . , w,) en Rm a cada punto
(x1,x2, . . . , X,,) en R" y, por tanto, definen una transformacin de R" a Rm.Si esta
transformacin se denota por T, entonces T:R" + Rm y
= x,
w2
+ x2
3x,x2
wj = x ; - x;
definen una transformacin T:R2 -+ H3. Con esta transformacin, la imagen del
punto (xl, xz) es
= (11 f X2, 3xlX2, 1
: -.X:)
T(X,, X2)
T(1, - 2 ) = ( - 1 ,
TRANSFORMACIONES
LINEALES DE
R"aP
En el caso especial en que las ecuaciones de (1) son lineales, la trasformacin T:Rn
+ K" definida por esas ecuaciones se denomina transformacin lineal (u operador lineal si m = n). As, una transformacin lineal T:R" Rm est definida por
ecuaciones de la forma
-+
W]
= a,+]
+ a,2x2 +
' '
. + a,,x,
o, ms brevemente,
w =Ax
La matriz A = [ a -1
. se denomina matriz estrindar de la transformacin lineal T y T
se denomina muhplicacin porA .
Ejemplo 2 La transformacin lineal T:R4 + R3 definida por las ecuaciones
WI=
2x1 - 3x2 f
w 2 =
4x,
X3
x2 - 2x3
w 3 = 5x, - x* + 4x3
- 5x4
,x4
La imagen de un punto (xl, x2, x3, x4) se puede calcular directamente a partir de
las ecuaciones de definicin (5) o a partir de (6) por multiplicacin de matrices.
Por ejemplo, si (xl, x2, x3, x4) = (1, -3, O, 2), entonces al sustituir en (5) se
obtiene
wI=l,
w2=3,
w,=8
ALGUNOS
COMENTARIOS
SOBRE LA
NOTACI~N
(7)
En esta ecuacin se sobrentiende que el vector x en R" se expresa como una matriz
columna.
Algunas veces es tedioso introducir una nueva literal para denotar la matriz
estndar de una transformacin lineal T:R" -+ R". En esos casos, la matriz estndar.para T se denota por el smbolo [q.Con esta notacin, la ecuacin (7) asume
la forma
T(x) = [ T ] x
(8)
Algunas veces se mezclan las dos notaciones para la matriz estndar, en cuyo caso
se tiene la relacin
(9)
OBSERVACI~N. Entre toda esta notacin es importante tener en mente que se ha
establecido una correspondencia entre las matrices m X n y las transformaciones
lineales de R" a Rm:a cada matriz A le corresponde una transformacin lineal T,:
(multiplicacin por A ) , y a cada transformacin lineal T:R" "* Rm le corresponde
una matriz [qm X n (la matriz estndar para 7).
222
,;
GEOMETRA DE
LAS TRANSFORMACIONES
LINEALES
Figura 1
"-+
T mapea puntos en puntos.
de modo que la multiplicacin por cero mapea cada vector de R" en el vector cero
en R". To se denomina transformacin cero de R" a R". Algunas veces la
transformacin cero se denota por O. Aunque esta e$ la misma notacin que se usa
para indicar la matriz cero, la interpretacin apropiada es evidente a partir del
contexto. A
= zx = x
OPERADORES
REFLEXI~N
Considerar el operador T:R2-R2 que transforma cada vector en su imagen simtrica con respecto al eje y (figura 2).
Si se hace w = T(x),entonces las ecuaciones que relacionan las componentes
dexywson
w,= --x
u'2= y
+ oy
ox + y
= "x
4 Y
Figura 2
[:I
[-:, Y][ :1
224
Figura 3
Ecuaciones
Reflexin
respecto al
plano xy
w ,=
Keflexln
respecto al
plano xz
w, =
Reflexin
respecto al
plano yz
OPERADORES
PROYECCIN
Ilustracin
w2 =
wg =
Matriz
estjadar
x
y
-2
w, = -y
wg = 2
w1=
"x
w, =
w3 =
= T(x) son
xfOy
o = ox + oy
[:I
[:, :][;I
Las ecuaciones en (12) son lineales, de modo que T es un operador lineal y por
(13) se tiene que la matriz estndar para T es
1 0
[T1=[0
o]
MBLA 4
Ilustracin
Operador
Proyeccin ortogonal
sobre el eje x
w, = x
Proyeccin ortogonal
,726
Espaciosvectorialeseuclidianos
TABLA 5
Operador
Matriz
estndar
Ilustracin
Proyeccin ortogonal
sobre el plano xv
4'
Proyeccin ortogonal
sobre el plano xz
Proyeccin ortogonal
sobre el plano yz
Y
-__t
OPERADORES
ROTACI~N
Un operador que hace girar todo vector en R2 hasta describir un ngulo fijo se denomina operador rotacidn sobre R2. En la tabla 6 se enumeran los dos operadores
rotacin bsicos sobre R2. Para mostrar cmo se obtuvieron los resultados, considerar el operador rotacin que hace girar en sentido contrario a las manecillas del
reloj cada vectorpor un ngulo positivo fijo 8. Para encontrar ecuaciones que
relacionen x y w = T(x), sea el ngulo del eje x positivo a x, y sea r la longitud
comn de x y w (figura 4).
.
Figura 4
I
Entonces, por trigonometra bsica,
x =r
cos 4,
=r
send
w2=xsen8+ycos8
Las ecuaciones en (16) son lineales, por lo que T es un operador lineal; adems;
con base en estas ecuaciones se concluye que la
matriz estndar para "es
aciones
Operador
Rotacin a travs
de un ngulo 8
Matriz
estndar
Ilustracin
W, = X C O S
(w1,
w2)
8-y
cos O
-sen O
cos 8
St\(&Y)
[:]
= (30), entonces
la
es
A"
Figura 5
b)
(i I
a Rm /
229
'ABLA 7
Operador
Matriz
estndar
Ecuaciones
Ilustracin
Rotacin en
sentido
contrario al
movimiento de
las manecillas
del reloj a travs
de un n a o
respecto al eje x
positivo.
w ,=x
w 2= y c o s 0 - z s e n 0
w 3 = y sen O + z
Rotacin en
sentido
contrario al
movimiento de
las manecillas
del reloj por un
ngulo
respecto al eje y
positivo.
w 1= x cos O
tz
+ z sen0
cos 8 O
U'2 = y
Rotacin en
sentido
Zontrario al
movimiento de
las manecillas
le1 reloj a travs
le un ngulo
lespecto al eje z
~ositivo.
COS
-xsenO+zcosO
w ,= x c o s 0 - y s e n 0
t"
w2 = x s e n O + y c o s 0
wj = z
cos0
[se;
sen O
.:@I
sen0 O
p]
coi O
+ cos 8
ab(1 - cos 0)
c sen 0 ac(1
cos 0)
+ b sen8
ab(l-cos8)+csen8
b2(1-cose)+cos8
bc(l-cos~)-usen8
ac(1 - cos 0) - b sen O bc(1 - cos O ) + U sen 8 c2(1 - cos 0) + cos O
(1 7)
... .
230
Hill, 1979. Es instructivo que el lector deduzca los resultados de la tabla 7 como
casos especiales de este resultado ms general.
OPERADORES
DILATACION Y
CONTRACCIN
Figura 6
U)
b)
O%k< 1
k> 1
'ABLA 9
Operador
Ilustracin
Contraccin con
factor k sobre R3.
t"
Ecuaciones
Matriz
estndar
w ,= kx
w2 = kY
w3 =
Dilatacin con
factor k sobre R3.
kz
w , = kx
w2 = kY
w 3 = kz
COMPOSICIONES
DE TRANSFORMACIONES
LJNEALES
(19)
sontransformacioneslineales,entoncesdebido
a quela matriz estndarparala
composicin T, TI es el producto de lasmatrices estndares paraT, y T I ,se tiene
0
Ejemplo 6 Sean T1:R2+ RZ y T2:R2+ R2 los operadores lineales que hacen girar
a los vectores por los ngulos O, y O,, respectivamente. As, la operacin
(T2 O
TI )(x> = T,(T,(x))
primero hace girar a x por un ngulo O,, luego hace girar a Tlx) un ngulo O,. Se
concluye que el efecto neto de T, o T , es hacer girar cada vector en R2 por el
ngulo O, + O, (figura 7).
Figura 7
cos 8,
COS(O,
+ O,)
+ O,)
T2
1 = [,O2
-sen(8, + O,)
cos(8, + 8,)
sen 8,
cos 0,
Estas matrices deben satisfacer (21). Con auxilio de algunas identidades trigonomtricas bsicas se puede demostrar que lo anterior es como sigue:
Figura 8
de modo que [ T, 0 TI ] # [ T I 0 T, 1. A
Ejemplo 8 Sea T,:R2 + R2 la reflexin respecto al eje y , y sea T2:R2 + R2 la
reflexinrespecto al eje x. En este caso, T, T2 y Tz 0 T,son iguales; ambas
transforman cada vector x = (x,y ) en su negativo -x = ("x, -y) (figura 9):
0
t'
Figura 9
T2
T,
T2
t'
T,
233
COMPOSICIONES DE TRES
o MS
TRANSFORMACIONES
LINEALES
T,:Rk-+R',
(T?" 7o,
Ti ) ( x ) == Ti(T(l T , ( X ) ) )
(22)
-sen8
-1
o o
w, = x,
C) W , = SX, - x2
xj
d) W , =
X: 3x,
-
x2
+xi
- 2x4
w, = -x, + x, + 7x,
w, = 3x1 - 4x2 - .x: + xq
w j = 2x, - 4x2 - x3
2. Hallar la matriz estndar para la transformacin lineal definida por las ecuaciones.
a) w ,= 2x, - 3x, + x,
b) wI = 7x, + 2x2 - 8x,
w2 = 3x, + 5x2 - x,
w, =
- x2 + 5x,
w, = 4x, + 7x2 - x j
c) w1 = -x, + x,
w, = 3x, - 2x2
d) w ,= x I
w, = x , + x2
w j = x , +x,+x,
w 4 = x , +x,+x3+x,
w3 = Sx, - 7s2
w , = 3x,
+ SX,
-x3
w2 = $x, - x2 +x,
w3 = 3x,
+ 2x2 -x,
a) T ( x , , .x2) = (xz, - - S , , x i
3x,, xI - x2)
b) T(x-, , ,x2, ,uj, x4) = (7x, 2x2 -x3 .x4, x2 +x,, -.xi)
c) T ( x , , x2. X,) = (O, O, O, O, O j
-xi)
7. I?n cada mciso, encontrar "(x) usando la matriz para T, luego, comprobar el resultado
calculando directamente T(x).
a) T ( x , , x , ) = ( - x , + x , , x , ) ;
b) 7 ' ( ~ , ,~ 2 X,)
, = (2x1 - X >
x=(-1,4)
+~
3 x2
,
+ ,uj, O);
= (2, 1, - 3)
a) el ejex.
b) ejey.
el
c) la recta y = x.
3) sobre el
a) plano
x y .
b) plano xz.
c) plano yz.
12. Usar la multiplicacin matricial para encontrar la imagen del vector (3, -4) cuando se
C) 0 = 4 5 O
d) 0 = 90
13. Por medio de la multiplicacin matnciai hallar la imagen del vector ( - 2 , 1, 2) si este
se hace girar
a) 30 en sentido contrario al movimiento de las manecillas del reloj con respecto al
eje x.
b) 4 5 O en sentido contrario al movimiento de las manecillas del reloj con respecto al
eje y .
c) 90 en sentido contrario al movimiento de las manecillas del reloj con respecto al
eje z.
14. Encontrax la matrrz estndar para el operador lineal que hace girar un vector en R3 en
sentido del movimiento de las manecillas del reloj hasta describir un ngulo de -60'
con respecto al
a) eje x.
b) eje y .
c) eje z.
hace girar
a) -30 en sentido del movimiento de las manecillas del reloj con respecto al eje x.
b) -45O en sentido del movimiento de las manecillas del reloj con respecto al eje y .
c) -90 en sentido del movimiento de las manecillas del reloj con respecto al eje z.
16. Encontrar la matriz estndar para la composicin de operadores lineales sobre R2 que
se indica.
a) Una rotacin de 90 en sentido contrario al movimiento de las manecillas del reloj,
seguida de una reflexin con respecto a la rectay = x.
b) Una proyeccin ortogonal sobre el eje y , seguida de una contraccin con factor k =
1
-
2 '
c) Una reflexin con respecto al eje x, seguida de una dilatacin con factor k = 3 .
17. Encontrar la m a w estndar para la composicin de operadores lineales sobre R2 que
se indica.
a) Una rotacin de 60 en sentido contrario al movimiento de las manecillas del reloj,
seguida de una proyeccin ortogonal sobre el eje x, seguida de una reflexin con
respecto a la recta y = x.
b) Una dilatacin con factor k = 2, seguida de una rotacin de 45O en sentido contrario
al movimiento de las manecillas del reloj, seguida de una reflexin con respecto al
eje y .
c) Una rotacin de 15O en sentido contrario al movimiento de las manecillas del reloj,
seguida de una rotacin de 105Oen sentido contrario almovimiento de las manecillas del reloj, seguida de unarotacin de 60 en sentido contrario al movimiento de las manecillas del reloj.
de operadores lindes sobre R3 que se
indica.
a) Una reflexin respecto al plano yz, seguida de una proyeccin ortogonal sobre el
plano x z .
b) Una rotacin de 45O en sentido contrario al movimiento de las manecillas del reloj
se indica.
a) Una rotacin de 30' en sentido contrario al movimiento de las manecillas del
reloj respecto al eje x, seguida de una rotacin de 30' en sentido contrario al
movimiento de las manecillas del reloj respecto al eje z, seguida por una contraccin con factor k =
b) Una reflexin respecto al plano x y , seguida de una reflexin respecto al plano x z ,
seguida de una proyeccin ortogonalsobre el planoyz.
c) IJna rotacin de 270' en sentido contrario al movimiento de las manecillas del
reloj respecto al eje x, seguida de una rotacin de 90' en sentido contrario al movimiento de las manecillas del reloj respecto al eje y , seguida de una rotacin de
180' respecto al eje z.
a Rm /
237
,738
-+
T,
21. Detenninar si
o 7; = 1- o 7'
1.
a)
: K3 += R 3 cs &a dhatacin con factor k y 7, : R 3
7,
+ R3 es la rotacin en sentido
contrarioal movimiento de las manecillasdelreloj
con respectoal eje z hasta
describir un ngulo
b) T , . R' .+ R3 es la rotacin con respecto al eje x hasta describir un ngulo 8, y
T2 : K' -+ R3 es la rotacin con respecto al eje z hasta describir un ngulo O,.
22. En R3,las proyecciones ortogonales sobre el ejex, el eje y y el eje z se definen como
respectivamente.
a) Demostrar quelas proyecciones ortogonales sobrelos ejesde coordenadas son
operadores lineales y encontrar sus matnces estndar.
b) Demostrar que si TR3 + R3 es una proyeccin ortogonal sobre uno de los ejes de
coordenadas, entonces para todo vector x en R3 los vectores T ( x ) y x - T ( x ) son
ortogonales.
c) Hacer una figuramostrando x y x - T(x) en elcasoen que T es la proyeccin
ortogonal sobre el eje x.
23. A partir de la frmula (1 7), obtener las matnces estndar para las rotaciones en sentido
contrario al movimiento de las manecillas del reloj respecto al eje x, al ejey y al eje z
en R3
24. Usar la frmula (17) paraencontrar
c) T , ( x , ,S ? , .x3) = ( - x 1
( - 2 . x , , 3x3, - 4x,)
+ x2, "Y>
-xI
+ 2.r2 - x 3 ,
Xj)
41, - x j )
u = A x +ATx
+ [ 1 - tr(~)]x
determina un eje de rotacin cuando u se coloca con su punto inicial en el origen. [Ver
The Axis of Rotation:Analysis, Algebra, G e o m e t y , de Dan Kalman, Mathematics Magazine, Vol. 62, No. 4, Oct. 19891.
a) Demostrar que la multiplicacin por
es una rotacin.
b) Encontrar un vector de longitud 1 que defina un eje de rotacin.
c) U s a r el resultado del ejercicio 27 para encontrar el ngulo de rotacin en sentido
contrario al movimiento de las manecillas del reloj alrededor del eje obtenido en el
inciso b).
4.3
TRANSFORMACIONES
LXNEALES UNO
A UNO
Figura 1
*Tv)
xy,
Figura 2
Sea A una matriz n x n, y sea TA:R" R"' la multiplicacin por A . A continuacin se analizarn las relaciones entre la invertibilidad de A y las propiedades
de TA.
Recordar del teorema 2.3.6 (con w en lugar de b) que las siguientes proposiciones son equivalentes:
A es invertible
Ax = w es consistente para toda matriz w n X 1.
Ax = w tiene exactamente una solucin para toda matriz w n
1.
A es invertible.
Ax = w es consistente para toda matriz w n X 1.
Ax = w tiene exactamente una solucin cuando el sistema es consistente.
Al traducir l o anterior en proposiciones correspondientes respecto al operador lineal TA,se deduce que las siguientes proposiciones son equivalentes:
A es invertible.
* ' Para todo vector w en R", existe algn vector x en R" tal que TA(x)= w.
Expresado de otra forma, el recorrido de TA es todo R".
Para todo vector w en el recorrido de TA, existe exactamente un vector x
en R" tal que TA(x)= w. Planteado de otra forma, TA es uno a uno.
En resumen, se ha establecido el siguiente teorema acerca de los operadores
lineales sobre R".
Ejemplo 2 En' el ejemplo 1 se observ que el operador rotacin T:R2 --* R2 ilustrado en la figura 1 es uno a uno. Por el teorema 4.3.1 se concluye que el recomdo
de T debe ser todo R2, y que la matriz estndar para T debe ser invertible. Para
probar que el recomdo de T es todo R2 es necesario demostrar que todo vector en
R2 es la imagen de algn vector x bajo T. Pero claramente este hecho es as, ya que
el vector x que se obtiene al hacer girar w hasta describir el ngulo -O lo transforma en w cuando se hace girar el ngulo O. Adems, por la tabla 6 de la seccin
4.2, la matriz estndar para T es
,742
Espaciosvectoriales euclldianos
INVERSA DE UN
OPERADOR
LINEAL UNO A
UNO
[g=O.
Si TA:K" + R" esun operador lineal uno a uno, entonces por el teorema 4.3.1 la
matriz A es invertible. As, TA-':Rn-+ R" por s mismo es un operador lineal; se
denomina inverso de TA.Los operadores lineales TA y TA-, se cancelan entre s en
el sentido de que para todo x en R"
7-,(r,
I(
,(x)) = A'4
Tq(x)) = A
' x = Ix = x
' A x = fx
=X
o. equivalentemente,
1
TI
T A = T A - 1A
TI
T A o TA-1 == T A A T A
I 0
Figura 3
__
"
u
[ T"
] = [ TI"
Ejemplo 4 Sea T R 2 + R2 el operador que hace girar cada vector de R2 hasta describir el ngulo 0; de modo que por la tabla 6 de la seccin 4.2
['
COS 8 -sen8
[seno
cos 0
[T"]=[T]"=
Ejemplo 5 Demostrar que el operador lineal T:R2 + R2 definido por las ecuaciones
w , = 2x, + x2
w, = 3x1 + 4x,
Esta matriz es invertible (de modo que T es uno a uno), y la matriz estndar
para T" es
244
PROPIEDADES
DE
LA
LINEALIDAD
($w,
-.
6w2, -?M>,
+gw2)
~~
~~~
~~~~
R" es lineal si y slo si las siguientes relaciones se cumplen para todos los vectores u y v en R" y cualquier
escalar c.
( I ) T(u + v ) = T(u) + T(v)
h ) T(cu)= cT(u)
-+
matrices se concluyeque
T(u + v)
= A(u
+ v) = Au + A v
T(u) + T(v)
(31
+ . . + V k ) = T(v,) + T(v,) + . . . + T ( V k )
I]
'
e, =
, e2
Si
x=
Figura 4
P .
La frmula (6) es un medio eficaz para encontrar matrices estndar y anal i z a el efecto geomtrico de una transformacin lineal. Por ejemplo, suponer que
T:R3 * R3 es la proyeccin ortogonal sobre el plano x y . Con referencia a la figura
4, geomtricamente es evidente que
It]
A = [
61
Las imgenes de los vectores estndar bsicos se pueden leer directamente de las
columnas de lamatriz A :
Ejemplo 6 Sea I la recta en el plano xy que pasa por el origen y forma un ngulo
con el eje x positivo, donde O 5 8 < n.Como se ilustra en la figura 5a, sea T:R2
R2 el operador lineal que transforma cada vector en su proyeccin ortogonal
sobre 1.
donde el y e2 son los vectores estndar bsicos para R2. Se considerar el caso en
que O 5 8 5 n12;el caso en que n12 < 8 < 7t es semejante. Con referencia a la
figura 5b, se tiene IIT(el)ll = cos 8, de modo que
cos2 H
y con referencia a la figura 5c, se tiene IIT(e2)ll=sen 6, de modo que
248
1'
cos' H
sen0 cos O
sen O cos
sen28
Solucicin de b). Como sen nI6 = 112 y cos n/6 = f i I 2 , por el inciso a) se concluye que la matriz estndar para este operador proyeccin es
As,
3+5v3
4
f i + 5
4
(7)
Figura 6
Figura 7
osas1
a21
- 1 ~ a s o
a s -I
Ejemplo 7 Sea T:R2 + R2 el operador lineal que hace girar cada vector un ngulo 8. Geomtricamente es evidente que a menos de que 8 sea un mltiplo de n,
entonces T no transforma ningn vector x uerente de cero sobre la misma recta
que x; en consecuencia, T no tiene eigenvalores reales. Pero si 8 es unmltiplo de
n,entonces todo vector x diferente de cero es transformado sobre la misma recta
que x, demodo que todo vector diferente de cero es un eigenvector de T. A
continuacin se comprobarn algebraicamente estas observaciones geomtricas. La
matriz estndar para T es
A = [ cos O
sen0
-sen0
cos 8
Como se analiz en la seccin 2.3, los eigenvalores de esta matriz son las soluciones de la ecuacin caracterstica
det(AZ - A ) =
A - cos 0
-sen 0
sen 0
A - cos 0
es decir.
(a - COS
t sen2 O = O
(8)
de modo que T transforma todo vector en s mismo y, por tanto, en la misma recta.
En el caso en que sen 6 = O y cos 6 = -1, la ecuacin caracterstica
(8) se
vuelve (A + 1)2 = O, de modo que A = - 1 es el nico eigenvalor de A. En este caso,
la matriz de A es
T(x)= i i x
-1x
= "x
*Existen aplicaciones que requieren escalares complejos y vectores con componentes complejas. En
talescasossonpermisibles
los eigenvalorescomplejos
y los eigenvectoresconcomponentes
complejas.Sinembargo,estehechocarece
de importanciageomtricadirectaaqu.Encaptulos
ulterioresseanalizarntaleseigenvalores
y eigenvectores,perohastaqueexplcitamente
se
establezca lo contrario, se supondr que se considerarn sirlo eigenvalores reales y eigenvectores con
componentes reales.
La ecuacin caracterstica de A es
A-1
det(AZ - A ) =
a-]
o =o
h
Si A = O, este sistema es
[-;-A
:][:;I =[!I
x3
Como ya se haba anticipado, estos son los vectores a lo largo del eje t. Si ,
I=' 1,
entonces el sistema (9) es
= S, x2 = t, x3 = O
RESUMEN
En el teorema 2.3.6 se present una lista con seis resultados que son equivalentes
a la invertibilidad de una matriz A. Esta seccin concluye agregando el teorema
4.3.1 a esa lista, para obtener el siguiente teorema que relaciona todos los temas
principales estudiados hasta el momento.
a)
b)
c)
d)
e)
2. Encontrar la matriz estndar del operador lineal definido por las ecuaciones y usar el
teorema 4.3.1 para determinar si el operador es uno a uno.
a) w I = Sx, + 4x2
b) w I = 2x, - 3x,
c) w I = -xi + 3x, + 2x3
d) u', = X, + 2x2 + 3x3
w 2 = ZX, + x2
w2 = 5x, + x2
w 2= ZX,
+ 4x3
w 2 = 2x, i51, -t 3s3
w 3 =
x! + 3x2 + 6x3
kv3 = x1
+ 8x3
w , = 4x, - 2x2
w2 = 2x,
x2
w,= x, - 2x2+- x3
w2 = 5x, - x2 + 3x,
w, = 4x, + x2 + 2x,
no es todo de R3, y encontrar un vector que no est en el recorrido.
5. Determinar si el operador lineal T : R2 + R2 definido por las ecuaciones es uno a
+ 2x,
+
x3
+
c) w ,= S,+ 4x2 - x,
w, = 2x, + 7x2 + x,
w3 = x, + 3x2
b) w ,=
x,
w 2 = -x,
w, =
d) w ,=
3x2 + 4x,
x2 + xj
- 2x2 f 5x3
x,+ 2x, + x,
+ x2 + 4x,
w* = -2x,
w3 = 7x,
+ 4x2 - 5x3
7. Por inspeccin, determinar el inverso del operador lineal uno a uno dado.
a)
b)
c)
d)
e)
10. a) T(x,y,z)=(x,x+y+z)
11. a) T(x, y, z) = (O, O)
b) T ( x , y , z ) = ( l , l )
b) T(x, y, z) = (3x - 4y, 2x
52)
y Sean e , , e2 y e3 10s vectores estndar bsicos para R3. Encontrar por inspeccin los
siguientes vectores.
.a) &(e,), U e A y U e 3 )
b) U e , + e2 + e 3 j
c) TA(7e3)
16. Determinar si la multiplicacin por A es una transformacinlineal uno a uno.
17. Usar el resultado del ejemplo 6 para encontrar la proyeccin ortogonal de x sobre la
recta que pasa por e1 origen y forma un ngulo 8 con el eje x positivo.
a) x = ( - l , 2 ) ; 0 = 4 5 "
b) x = ( l , O ) ; 0 = 3 0 "
cx) = ( l , 5 ) ;
18. Aplicar el tipo de razonamiento proporcionadoenelejemplo
O = 120"
21. Demostrar que T(x, y ) = (O, O) define un operador lineal sobre R2 pero T(x, y ) = (1, 1)
no lo hace.
22. Demostrar que si TRn + Rm es una transformacin lineal, entonces To) = O; es decir,
T transforma el vector cerode Rn en el vector cero deRm.
23. Sea 1 la recta en el plano xy que pasa por el origen y forma un ngulo con el eje .x
positivo, donde O I8 < Z. Sea TB2 + R2 el operador lineal que refleja cada vector
respecto 1(figura 8).
Figura 8
a) Usar el mtodo del ejemplo6 para encontrar la matriz estndar para T.
b) Encontrar la reflexin del vector x = (1, 5) respecto a la recta 1 que pasa por el
origen y forma un ngulo 8 = 30' con el eje x positivo.
X n es invertible si y slo si el sistema lineal Ax = w tiene
exactamente una solucin para todo vector w en Rn para el que el sistema es consistente.
5.1
AXIOMAS DE
ESPACIOS
VECTORIALES
(x + /)U = k M + U
9) k ( h ) =- ( k / ) ( u )
10) l u = u
Dependiendode la aplicacin,losescalarespuedensernmeros reales o complejos. Los espacios vectoriales en que los escalares son nmeros complejos se denominan espacios vectoriales complejos, y aqullos donde los
escalares deben ser reales se denominan espacios vectoriales reales. En el captulo
10 se estudiarn los espacios vectoriales complejos; hasta entonces, todos los escalares considerados sern nmeros reales.
OBSERVACI~N.
EJEMPLOS DE
ESPACIOS
VECTORIALES
Ejemplo 1 El conjunto V = R" con las operaciones estndar de adicin y multiplicacin escalar, definido en la seccin 4.1 es un espacio vectorial. Los axiomas 1 y
Los tres casos especiales ms importantes de R" son R (los nmeros reales),
R2 (los vectores en el plano) y R3 (los vectores en el espacio tridimensional).
Ejemplo 2 Demostrar que el conjunto V de todas las matrices 2 x 2 con elementos reales es un espacio vectorial si la ahcin vectorial se define como la suma de
matrices y la multiplicacin escalar vectorial se define como la multiplicacin escalar matricial.
Solucin. En este ejemplo resulta conveniente verificar los axiomas en el
siguiente orden: 1, 6, 2, 3 , 7 , 8, 9, 4, 5 y 10. Sea
u = u + O = u para
u = O.
+ g(x)
(kf)(x) = kj'(.x)
Figura 1
hi
al
Cl
En el ejemplo precedente, la atencin se centr en el intervaEn caso de que la atencin se hubiera restringido a algn intervalo
cerrado [a, b ] o en algn intervalo abierto (a,b), las funciones definidas en estos
intervalos con las operaciones establecidas en el ejemplo tambin hubieran producido espacios vectoriales. Estos espacios vectoriales se denotan por F [a,b ] y F(a,
b), respectivamente.
OBSERVACI~N.
lo
(-m, m).
Ejemplo 5 Sea V = R2, con las operaciones de adicin y multiplicacin escalar de-
= ( k u , , O)
= (u,,
O) # u
I?'.
ax
+ by + cz = O
(1)
(Teorema 3.5.1). Por tanto, si u = (ul, u2, u3)y v = (vl, v2, v3)
son puntos en V,
entonces aul + bu2 + cu3 = O y a v l + bv2 + cv3 = O. Sumando estas ecuaciones se
obtiene
+ U ] ) + b(u, + u 2 ) + c(u3+ u 3 )= o
a(u*
= (U]
+ u1, u2 + u2, u3 + u 3 )
As,
"u =
Ejemplo 7 Sea V que consta de un solo objeto, elcual se denota por O, y se define
o+o=o
kO = O
para todos los escalares k. Es fcil comprobar que se cumplen todos los axiomas de
espacio vectorial. Este espacio se denomina espacio vectorial cero. A
ALGUNAS
PROPIEDADES
DE LOS
VECTORES
"u
d) If ku = O, entonces k = O
u = O.
ou + ou
= (O
=
+ O)u
[Axioma 81
ou
ou + [Ou
-t (-Ou)] = ou
+ (-OU)
[Axioma 31
[Axloma 51
ou+o=o
ou = o
[Axloma 41
u+(-l)u= lu+(-l)u
=
=
(1 + ( - 1))u
Ou
[Axloma 101
[Axloma 81
(Propiedad de los nmeros]
=o 0
EJERCICIOS DE LA SECCIN 5.1
En los ejercicios del 1 al 13 se da un conjunto de objetos, junto con operaciones de adicin
y multiplicacin escalar. Determinar cules conjuntos son espacios vectoriales bajo las operaciones dadas. Para aquellos que no sean espacios vectoriales, enumerar los axiomas que
no se cumplen.
1. El conjunto de todas las temas de nmeros reales (x, y , z) con las operaciones
+ y, i + 2 )
2. El conjunto de todas las temas de nmeros reales (x, y , z) con las operaciones
(x,y, z) + (x,y , z ) = (x
+ x,y + y ,2 + z )
o, O)
3. El conjunto de todas las parejas de nmeros reales (x, y) con las operaciones
(x,Y ) f
(x, Y ) = (x
+ x, y +u)
k(x, y) = W x , 2ky)
4. El conjunto de todos los nmeros reales x con las operaciones estndar de adicin y
multiplicacin.
5. El conjunto de todas a
ls parejas de nmeros reales de la forma (x, O) con las opera-
[ Inciso u)]
forma ( x , x ,.
. .
, x ) con las
8. El conjunto de todas las parejas denmeros reales (x,y ) con las operaciones
(x, y )
f y'
+ 1)
k ( x , y ) = (kx, ky)
2 de la forma
[::I
con la adicin y la multiplicacin escalar de matrices
1o. El conjunto de todas lasmatrices 2
2 de la forma
la recta real y tales quefil) = O, con las operaciones definidas enel ejemplo 4.
12. El conjunto de todas las matnces2
2 de la forma
+ Luna = Luna
14. Demostrar que una recta que pasa por el origen en R3 es un espacio vectorial bajo las
h=xk
es un espacio vectorial.
16. Escribir los detalles quefaltan en el ejemplo 4
17. Escribir los detalles que faltan en el ejemplo 6
IS. Demostrar el inciso b ) del teorema 5.1. l .
19. Demostrar el inciso 6)del teorema 5.1.1
Subespacios
265
5.2 SUBESPACIOS
Es posible que un espacio vectorial est contenido
en un espacio vectorial ms
grande. Por ejemplo, en la seccin precedente se demostr que los plcnos que
pasan por el origen son espacios vectoriales contenidos en el espacio vectorial
ms grande R3. En esta seccin se estudiar con ms detalle esta importante idea.
DE
SUBESPACIO
Definici6n.Un subconjunto W de un espacio vectorial V se denomina subespacio de V si W es un espacio vectorial bajo la adicin y la multiplicacin escalar
definidas sobre V.
W.
EJEMPLOS DE
SUBESPACIOS
A
Figura 2
Subespacios de R2
{O}
0
0
(0)
Rectas que pasan por el origen
Planos que pasan por el origen
R3
+ a , x + . . + a,x"
'
(1)
donde ao, . . . , a, son nmeros reales. As, W consta de la funcin cero junto con
todos los polinomios reales de grado menor o igual que n. El conjunto W es un
subespacio del espacio vectorial de todas las funciones con valores reales que se
analiz en el ejemplo 4 de la seccin precedente. Para ver esto, sean p y q los
polinomios
p(x) =a,
+ a,x + . . . + a,x"
Y
q(x) =bo + b,x + . . . + b,x"
Entonces
(p
Y
(kp)(x) = kp(x) = (ka,)
+ ( k a , ) x+ . . + (ka,)x"
'
ESPACIOS
SOLUCIN DE
SISTEMAS
HOMOGNEOS
Si Ax = b es un sistema de ecuaciones lineales, entonces todo vector x que satisface esta ecuacin se denomina vector solucidn del sistema. El siguente teorema
muestra que los
vectores solucin de un sistema lineal homogneo forman un
espacio vectorial. que se denomina espacio solucin del sistema.
es un sistema lineal homogneode m ecuaciones con
n incgnitas, entonces el conjunto de vectores solucin es un subespacio de R".
I
A x = O y Ax'=O
= kO = O
a)
c)
[i -% j[:l-[B1 [
[-i -: -:][!]=[:]
b)
- 31
-2
- 27
4
d ) [O0 O0 O]
0
0 0 0
Cada uno de estos sistemas contiene tres incgnitas, de modo que las soluciones
son subespacios de R3. Geomtricamente, esto sigmfka que cada espacio solucin
debe ser UM recta que pasa por el origen, un plano que pasa por el origen, slo el
origen o todo R3. A continuacin se comprobar que as es (se deja para el lector
la resolucin de los sistemas).
Solucin.
a) Las soluciones son
x = 2 s - 3 4 y=s,
z=t
x = ~ Y - ~ Oz ~ - 2 y + 3 ~ 0
Esta es la ecuacin del plano que pasa por el origen con n = (1, -2,
vector normal.
b) Las soluciones son
x = -5t,
y = -t,
3) como
z=t
que son las ecuaciones paramtricas de la recta que pasa por el origen y es
paralela al vector v = (-5, - 1, 1).
c) La solucin es x = O, y = O, z = O, de modo que el espacio solucin es slo el
origen, es decir, { O ) .
d) Las solucionesson
x = r , y = s ,z = t
COMBINACIONESLINEALES
DE VECTORES
'
+ k,.v,
OBSERVACI~N.
Ejemplo 8 Todo vector v = (a, 6, c ) en R3 se puede expresar como una combinacin lineal de los vectores estndar bsicos
i=(l,O,O),
j=(O,
1,0),
k=(O.O,l)
Ya que
v
= (U,
h, c ) = ~ ( l O,
, O)
+ h(0, 1, O) + c(0, O,
1) = ai
+ bj + ck
= k,u
+ k2v; es decir,
+ 2k2)
+ 6k2 = 9
+ 4k, = 2
+ 2k, = 7
w=-~u+~v
De manera semejante, para que w' sea una combinacin lineal de u y v,
deben existir escalares k , y k, tales que w' = klu + k,v; es decir,
(4, - 1 , 8 ) = k , ( I , 2 , - l ) + k 2 ( 6 , 4 , 2 )
O
(4, - 1, 8) = ( k ,
+ 6k2,
2 k ,+ 4k2,
k, + 2k2)
4
-
GENERADO
(Lw
Si vl, v,, . . . , v, son vectores en un espacio vectorial V, entonces en general algunos vectores en V pueden ser combinaciones lineales de vl, v,, . . . , v, y otros
no. El siguiente teorema muestra que si se construye un conjunto W que consta de
todos los vectores que es posible expresar como combinaciones lineales de vl,
Y,, . . . , v,, entonces W forma un subespacio de V.
2 72
= Ovl
+ Ov2 + . .
, + Ov,. Si u y v son
Y
donde el. c2,. . . , c, k,, k2, . . . , k, son escalares. Por consiguiente.
u
+ v = ( c , + k , ) v , + ( c 2 + k , )Ir2 +
'
' '
+ (cr+ kJv,.
+ ov, f . . + Iv, +
'
'
+ ov,.
I
Ejemplo 10
kv, kv,,
p = a, + a,x + .
'
'
+ a,x"
de los vectores vl, v2 y v3. Expresando esta ecuacin en trminos de las componentes se obtiene
2 74
Generado { w ,w 2 , . . . ,wk}
c)
dondea+b+c+d=O.
Todas las matnces A 2 X 2 tales que det(il) = O
3. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespacios de P,.
cios de M,,,,.
a) Las matrices A n
b) Las matrices A n
c) Las matricesA n
X
X
X
n tales que tr A ) = O.
n tales que A = -A.
n tales que el sistema linealAx = O slo tiene la solucin tnvial.
6. Determinar si el espacio solucin del sistema Ax = O es una recta que pasa por
el
origen, un plano que pasa por el origen o slo es el origen. Si es un plano, encontrar su
ecuacin; si es una recta, encontrar sus ecuaciones paramtricas.
.)A=[-:
-4
d)A=[!
i]
- 11
:]
b)A=[-3 1
-5
-6
"1
-2
-2
e)A=[i
c ) , 4 = [ 21 52 3 1
1 0 8
-6
f, A=[:
]!l
18
-3
i]
(1,3, -l)?
a) (2,2,2).
b) (3, 1,5).
c) (O, 4, 5).
d) (0,
o, O).
p,
5 ~ -t
x 4*'.
--
pz = 3 + x.
ps = - 2
2.u Jr 2 2
+3 2 .
p,
"
v,
14. Sean
IS. hcontrar la ecuacin del plano generado por los vectores u = (-- 1 , 1, I ) y
v = (3,4.4).
16. Encontrar las ecuaciones paramtricas de la recta generadapor el vector u = ( 3 , -2, 5).
17. Demostrar que los vectores solucin de un sistema no homogneo consistente de m
ccuaciones linealcs con n incgnitas no forma un subespacio de R".
18. Demostrar el teorema 5.2.4
19. Aplicar el teorema 5 2.4 para demostrar que
v,=(l.h.4),
v , = ( 2 . 4 , -1).
v3=(-l,2,5)
Y
W!
=(I,
-2, -5),
WI =
(O. 8, 9)
kv,
de
+ 2f = O.
22. (Pura quienes y a estudiaron Clculo). Demostrar que el conjunto de funciones continuas f =./(x) sobre [a,bj tales que
f f
(x) dx = O
es un subespacio de C [ a ,h ]
Definicin. Si S = {v v
1.' 2'
ces la ecuacin vectond
DEFINICI~NDE
INDEPENDENCIA
LINEAL
'
'
k:=O,
...,
k,=O
Si esta es la nica solucin, entonces S se denomina conjunto linealmente independiente. Si existen otras soluciones, entonces S se denomina conjunto linealmente dependiente.
Ejemplo 1 Si v1 = (2, -1, O, 3), v2 = (1, 2, 5, - 1 ) y v3 = (7, - 1, 5 , 8), entonces
el conjunto de vectores S = v , , v2, v3 es linealmente dependiente, ya que 3vl +
v2 - v3 = O . A
Ejemplo 2 Los polinomios
p,
1 -x,
p2 = 5
+- 3.x
"
22,
p3 = 1 + 3 x - x2
pz + 2p,
= O.
=O
se convierte en
k,( 1,
o. O) + k,rO,
l . O)
-L-
J"(0,
o, 1) = (O,
o equivalentemente,
(itl,
. . ..,
IC,>
P,)
~= (0;
o *
0)
O,
0)
e,=(1,0,0,. ..,O),
. . . , e , = ( 0 , 0 , 0 , . . , , 1)
+ k2v, + k 3 v , = O
se convierte en
kI(1, - 2, 3 ) + k2(5, 6, - 1 )
+ k3(3, 2, 1) = (O, O, O)
o equivalentemente,
( k , + 5k,
+ 3k3,
2k,
k, + 5k,
+ 3k,
=O
-2k,
6k2 2k3 = O
3k, - k , + k3 = O
-1n t ,
k2 -
-'
zt,
k,=t
Solucin.
Sean
po= I ,
p1= x ,
p2=x2, . . . ) p n = x n
+ a l p , + a,p, +
+ anpn= 0
o equivalentemente,
ao+a,x+a,x2+...+a,,x"=0
paratodaxen
(1)
(-x,")
Para ver que as es, recordar que en lgebra un polinomio diferente de cero de
grado n tiene cuando mucho n races distintas. Pero esto significa que a. = al = a2
= . . . = a,,= O; en caso contrario, por ( I ) se concluira que a. + a,x + a$ +
+
a,$' es un polinomio diferente de cero con una infinidad de races. A
I
'
(-$
+ . . . + k , ~ =, O
(2)
+. ..+
(-$
de modo que
VI
c2v2 -
c3v3 - '
' '
- crv,. =
se satisface por
k,
1,
k,
. . . . kr = - c,.
--c2,
que no todos son cero. La demostracin para el caso en que algn vector diferente
de v, se puede expresar como una combinacin lineal de los dems vectores en S
es semejante. 0
Ejemplo 6 En el ejemplo 1 se vio que los vectores
VI = (2,
- 1 , O, 3),
v2= ( I , 2,5,
l),
v3 = ( 7 ,
1, 5 , 8)
-+v2
+ iv,,
v2 = - 3 v ,
+ v3,
vi
3v,
+ v2
+ k2j
= kl(l,
O, O) -t k,(O, 1, O)
Pero esta ecuacin no se cumple para ninguno de los valores de k , y k2, de modo
que k no se puede expresar como una combinacin lineal de i y j. De manera se-
Teorema 5.3.2.
a> Un conjtlnto j n i t o de vectores que contiene al vector cero es linealmente
dependiente.
h) Un conjunto con exactamente dos vectoreses linealmente independiente si y
slo si ninguno de los vectores es un mltiplo escalar del otro.
a)
Figura 1
Linealmente dependientes.
b)
Linedmente dependientes.
C)
Linealmente independiente$.
a)
Figura 2
b)
Linealmente dependienta.
Linealmente dependientes.
c)
Linealmente independientes.
El primer resultado es una conclusin del hecho de que dos vectores son
linealmente independientes si y slo si ninguno de ellos es un mltiplo escalar del
otro. Geomtricamente, esto equivale a afrmar que los vectores no estn en la
misma recta cuando se colocan con sus puntos iniciales en el origen.
El segundo resultado es una conclusin del hecho de que tres vectores son
linealmente independientes si y slo si ninguno de ellos es una combinacin lineal
de los otros dos. Geomtricamente, esto equivale a decir que ninguno de los
vectores est en el mismo plano que los otros dos o, de otro modo, que los tres
vectores no estn en un plano comn cuando se colocan con sus puntos iniciales
en el origen (por qu?).
El siguiente teorema muestra que un conjunto linealmente independiente en
R" puede contener cuando mucho n vectores.
Demostracin.
Se supone que
Considrese la ecuacin
k,v,
+ k2v2f .. . + k,v, = o
5 = 5(sen2 x
+ cos2 x>
=O
O est expresado como una combinacin lineal de f,, f2 y f3 con los coeficientes no
todos iguales a cero. Sin embargo, tales identidades se pueden aplicar slo en
situaciones especiales. Aunque no existe ningn mtodo general para establecer
independencia lineal o dependencia lineal de funciones en F( - m, a ) ,a continuacin se desarrollar un teorema que algunas veces se puede aplicar para demostrar
que un conjunto de funciones dado es linealmente independiente.
Si f, =A(.), f2 =&(x), . . . , f,, =f,(x) son funciones derivables n - 1 veces
sobre el intervalo (- m , m), entonces el determinante
284
k,f,(.x) i k , f , ( s )
+ k,,f',,(s) o
y=
para toda x en el intervalo (- m , m). AI combinar esta ecuacin con las ecuaciones
obtenidas al derivar sucesivamente n - 1 veces, se obtiene
tiene una solucin no trivial para toda x en el intervalo (- m, m). Esto a su vez
significa que para toda x en (- m ; m) la matriz de coeficientes no es invertible o,
de manera equivalente, que su determinante (el wronsluano) es cero para toda x en
(- m , m). Por tanto, si el wronskiano no es idnticamente cero sobre (- m, m),
entonces las funciones f,, f2, . . . , f,, deben ser vectores linealmente independientes en C("-l)(- m. m). Este es el contenido del siguente teorema:
Teorema 5.3.4. Si las funciones f,, f2, . . . , f,, tienen n - 1 derivadas continuas sobre el intervalo (- 03, m) y si el wronskiano de estas funciones no es
idnticamente cero sobre (- m, m), entonces las funciones formanun conjunto
linealmente independiente de vectores en &-l)(-m,
m).
1 e-' e Z X
w(x> = O e x 2e2'
O ex 4eZX
= 2e3'
286
/'
a) 2 - x + 4 x 2 , 3 + 6 x + 2 x 2 , 2 + 1 0 x - 4 x 2b ) 3 + x + x 2 2, - x + 5 x 2 4, - 3 x 2
C) 6 - x', 1 + X
4 ~ '
d) 1 3x 3x2, x 4x2, 5
+ 6x + 3x2, 7 + 2x
- x2
S. Supngase que vl, v2 y v3 son vectores en R3 cuyos puntos iniciales estn en el origen.
En cada inciso, d e t e m a r si los tres vectores son coplanares.
b)v,=(-6,7,2),v2=(3,2,4),v,=(4,-1,2)
a)v,=(2,-2,0),v2=(6,1,4),v,=(2,0,-4)
6. Supngase que vI, v2 y v3 son vectores en R3 cuyos puntos iniciales estn en el origen.
En cada inciso, determlnar si los tres vectores son colineales.
a) v , = ( - 1 , 2 , 3 ) ,
c)
VI =
- 6 ) , v,=(-3,6,0)
= (2, 3,4), vj = ( - 2 , -3, -4)
b) ~ 1 = ( 2 , - 1 , 4 ) , ~ , = ( 4 , 2 , 3 ) ,~ , = ( 2 , 7 ,- 6 )
~ 2 = ( 2 , -4,
(4, 6, 8).
v2
dependiente en R3?
v,
=(a, -1
2.
;),
"
v2 = ( - L 2. a,
4).
"
vj
-A -+. a)
es linealmente independiente.
12. Demostrar que si {vl, v2, . . . , vr} es un conjunto linealmente independiente de
13. Demostrar que todo conjunto con ms de tres vectores de P2 es linealmente dependiente.
14. Demostrar que si {vI, vz} es linealmente independiente y v3 no est en lin {vl, vz},
- Y, v
-w y w
16. Demostrar: El espacio generado por dos vectores en R3 es una recta que pasa por el
tz
Figura 3
19. Usando las identidades adecuadasdondeseanecesario,determinarculesde
siguientes conjuntos de vectores enF( - m , 03)son linealmente dependientes.
a) 6, 3 sen2x, 2 cos2 x
b) x, cos x
e) (3 - x), x2 - 6x, 5
c) l,senx, sen2x
f ) O, cos3 m , s e n 5 3 n x
a) 1, x, ex
los
c) e, xe, xeX
d) 1, x,
los
x2
21. Con el inciso a) del teorema 5.3.1, demostrar el incisob ) del mismo teorema.
2811
a)
bI
('
coordenadas no rectangulares en el
El primer objetivoenestaseccines
ampliar elconceptode sistema dc
coordenadas a espacios vectoriales generales. Para empezar, ser de utilidad volver
a plantear el concepto de sistema de coordenadas en el espacio bidimensional o en
el espacio tridimensional usando vectores en vezdeejesde
coordenadas para
especificar el sistema de coordenadas. Esto se puede hacer sustituyendo cada eje de
coordenadas por un vector de longitud 1 que apunte en la hreccin positiva del
eje. En la figura 2a, por ejemplo, v1 y v2 son tales vesores. Como se ilustra en esa
figura, si P es cualquier punto en el plano, el vector OP se puede escribir como una
combinacin lineal de v1 y v2 proyectando P en forma paralela a vI y v2 a fin de que
OP sea la diagonal del paralelogramo determinadopor los vectoresmIy bv2.
OP = a v , +- bv,
Resulta evidente que los nmerosa y b en esta frmula vectorial son precisamente las
coordenadas deP en el sistema de coordenadas de la figura lb. De manera semejante,
las coordenadas (a,b, c) del punto P en la figura IC se pueden obtener al expresar ?
como una combinacin lineal delos vectores que se muestran en la figura 26.
-3 -2 -1
-?I
-1
-3
-2
Figura3
BASE DE UN
ESPACIO
VECTORIAL
a) S es linealmente indepenhente.
b) S genera a V.
Unabase es la generalizacin de espacio vectorial de un sistema de
coordenadas enelespacio bidimensional y en el espacio tridimensional. El siguiente teorema ayudar a ver por ques as.
= ClV1
+ c,vz +
= k,v,
+ k,v, +
' '
. + c,vn
y tambin como
'
+ knv,
c,-kl=O,
c,-k,=Q,
. . , , c,--,,=O
es decir.
C,
= k,,
c 2 = k,,
COORDENADAS
RESPECTO A
UNA BASE
...,
crt
= kn
v = c,v,
+ c*v2+
'
'
+ c,v,
vector (cl, c2, . . . , cn) en R" que se obtiene a partir de estas coordenadas se llama
vector de coordenadas dev con respecto a S; se denota por
(v)s = (CI,
$9
..
'
c,>
>
l,O),
j=(O,
k=(O,O, 1)
= (a, b, c) = a(1,
O, O)
+ b(0, 1, O) + c(0, O, 1) = a i + bj + ck
(1)
As, S es una basede R3; se denomina base estndar de R3. Al observar los
coeficientes de i, j y k en (1). se concluye que las coordenadas de v respecto a la
base estndar son a, b y c, de modo que
(VIS
= (a, b, c>
= (VIS
Figura 4
e,
= (O,
1, O , . . . , O),
. . . , e,, = (O, O, O, . . . , 1)
entonces
As, S es una base de R"; se denomina base estndar de R". Por (2) se concluye que las coordenadas de v = (vl, v2, . . . , vn) respecto a la base estndar
son v l , v2, . . . , vn, de modo que
(VIS
= (u,,
u23
u,)
=w
7
.
+ 2c2 + 3c3 = h ,
2c, + 9c2 + 3c3 = h2
+ 4c, = b,
CI
CI
As, para probar que S genera a R3 es necesario demostrar que el sistema (3) tiene
una solucin para todas las elecciones de b = (6
6-J.
Para probar que S es linealmente independlente, se debe demostrar que la
nica solucin de
,,t2,
slo tiene la solucin trivial. Obsrvese que los sistemas (3) y (5) tienen la misma
matriz de coeficientes. As, por los incisos a), b ) y g) del teorema 4.3.4 se puede
probar en forma simultnea que S es linealmente independiente y que genera a H3
al demostrar que en los sistemas (3) y (5) la matriz de coeficientes
1 2 3
1
294
2C,
+ 2C2 f 3C3 5
+ 9C2 + 3C3 = - 1
CI
zz
+4c, =
= 1,
(v)s = (1,
Solucinde h).
obtiene
c2
9
= - 1,
c3
2 (comprobar). Por
- 1, 2)
coordenadas ( v ) ~ ,se
= ( - l ) ~+, 3 ~ +
22 ~ 3
=(-1)(1,2, 1)+3(2,9,0)+2(3, 3,4)=(11,31,7) A
Ejemplo 5
'I+#
a [ 'O O
0 ]+b[O
O 0
=O
: ] + d [ oO 0I]=[:
:]
Se concluyeque
296
,I
Wl
U,,V,
+ u21v2 - t . . + a,,v,
+
+ . . . + an2v,
'
w2 = a12v1 a2,v2
w,
= Ul,VI
+ a2,v2 + . . + U n m V ,
'
Usando las ecuaciones en (6), la expresin (7) se puede volver aescribir como
(k,u,1
" k,a,2 +
+ kmUlm)V,
+
+ . . + q m k m= o
a , , k , +- a2,k, + . . . + a,,k, = O
a,,!%, a,,k,
an,kl
'
(8)
+ a,2k2 + . . . + anmkm= O
v, = a l l w l + a Z I w 2 . . . + a , , ~ ,
v2 = a 1 2 w l+ a22w2+ . . + am2w,
'
v, = a,,w,
+ a2nW2 + . . . + c,,w,
Para obtener la contradiccin, se demostrar que existen escalares k,, k2, . . . , km,
no todos cero,tales que
k , ~+, k2v2+ . . . + k,v, = O
(10)
Pero obsrvese que (9) y (10) son de la misma forma que (6) y (7), excepto que se
han intercambiado m y n, as como las w y las v. Por tanto, los clculos con los
que se lleg a (8) ahora producen
a,,k,
a2,k,
+ a I 2 k 2+ . . . + a&,
+ a2,k2 + . . . + a2,k,
O
=O
=
Este sistema lineal contiene ms incgnitas que ecuaciones y por el teorema 1.2.1,
posee soluciones no triviales. 0
Del teorema precedente se deduce que si S = {vl, v2, . . . , v,,} es cualquier
base para un espacio vectorial V, entonces todos los conjuntos en V que
simultneamente generan a V y son linealmente independientes deben tener precisamente n vectores. As, todas las bases de Vdeben tener el mismo nmero de vectores que la base arbitraria S. Esto lleva al siguiente resultado, que es uno de los
ms importantes en lgebra lineal.
1
Ejemplo 9
dim@") = n La base estndar tiene n vectores (ejemplo 2).
dim(Pn) = n + 1 La base estndar tiene n + 1 vectores (ejemplo 5)
dim(Mmn)= mn La base estndar tiene mn vectores (ejemplo 6).
Ejemplo 10 Determinar una base para y la dimensin del espacio solucin del
sistema homogneo
2x, + 2x,
x2
+ 2x,
x2
.x1
+x,=o
x3
- x, -
3x,
+xg =o
o
xi + xq + x5 = o
2x,
- .x5
j
O
generan el espacio solucin. Como tambin son linealmente independientes (comprobar), {vl, va} es una base y el espacio solucin es bidimensional. A
ALGUNOS
TEOREMAS
FUNDAMENTALES
El resto de esta seccin se dedicar a una serie de teoremas que revelan las sutiles
relaciones que hay entre los conceptos de generacin, independencia lineal, base y
dimensin. Estos teoremas no son ejercicios vanos de matemticas tericas; porel
contrario, son esenciales para comprender los espacios vectoriales y muchas aplicaciones prcticas del lgebra lineal se basan en ellos.
El siguienteteorema,que
en estelibro se denomina Teorema M&/Menos,
establecedosprincipiosbsicos
en los que se basan la mayorade los teoremas
subsecuentes.
Teorema 5.4.4. (Teorema MdMenos). Sea S un conjunto no vaco de vectores en un espacio vectorial I/:
a ) Si S es un conjunto linealmente independiente y v es un vector en V que no
pertenece a [in (SI, entonces el conjunto que se obtiene al incluir v en S
an es linealmente independiente.
6 ) Si v es un vector en S que se puede expresar como una combinacin lineal
de los dems vectores en S, y si S - {v} denota el conjunto que se obtiene
al quitar v de S, entonces S y S - { v) generan el mismo espacio;es decir,
lin
La demostracin se pospone hasta el final de la seccin para poder estudiar de inmediato las consecuencias del teorema. Sin embargo, el teorema se puede representar en R3 como sigue:
a)
b)
Figura 5
". . -.
,".I
..
. .
".
C)
En general, para probar que un conjunto de vectores {vl, v2, . . . , v,,} es una
base de un espacio vectorial V, se debe demostrar que los vectores son linealmente
independientes y generan a Y, Sin embargo, si se sabe que la hmensin de Ves n
(de modo que {vl, v2, . . . , v,,} contiene el nmero adecuado de vectores para una
base), entonces basta verificar y a sea, la independencia lineal o la generacin: la
otra condicin se cumple automticamente. Este es el contenido del siguiente
teorema.
v. n
Ejemplo 11
Demostrar por inspeccin que v I = ( - 3 , 7 ) y v2 = (5, 5 ) forman una base para
R2.
Solucin de a). Como ninguno de los vectores es un mltiplo escalar del otro, los
dos vectores forman un conjunto linealmente independiente en el espacio bi&mensional R2 y, entonces, por el teorema 5.4.5, forman una base.
Solucin de 6). Los vectores v1 y v2 forman un conjunto linealmente independiente en elplano xz ($or qu?). El vector v3 est fuera del plano xz, de nlods que
~~~
.-.. .
302
,I
idea para R3. En esa figura se observa que aumenta la dimensin de subespacios
sucesivamente ms grandes.
Origen
(dimensin O)
Figura 6
~~
~~~
~~
~~~
~~
Demostracin. Sea S = { wl, w,, . . . , wm} una base para W. S puede ser una
base para V o no. Si es as, entonces dim(w = &m(V) = m. Si no es as, entonces,
porel
teorema 5.4.66, es posible agregar vectores al conjunto linealmente
independiente S a fin de convertirlo en una base para Y de modo que dim(JV) <
&m( 4. Por tanto, d i m ( q 5 & m ( q en todos los casos. Si dim( W) = dim(V),
entonces S es un conjunto de m vectores linealmente independientes en el espacio
vectorial Vde dimensin m ;por tanto, debido al teorema 5.4.5, S es una base para
V. Esto signifca que W = Y (por qu?). 0
MS DEMOSTRACIONES
Demostracin del teorema 5.4.4a Supngase que S = {y1, v2, . . . , vr} es un conjunto linealmente independiente de vectores en V y que v es un vector en I/ fuera
de lin (S). Para probar que S = {vl, v2, . . , vr, v} es un conjunto linealmente
independiente, es necesario demostrar que los nicos escalares que satisfacen
,
k,v, + k2v2 +
+ k,v, + k,,
,v = o
(1 1)
k,v, + k2v2+ . . . + k , ~ ,= O
lo cual, debido a la independencia lineal de v,, v,, . . . , vr , sigrufca que
k I -- k
2 -
= k =O.
(12)
b) (4,
11, (-7,
-8)
[:
-0611
[-Y
-:I9
[-I:
[ -; :]
304
,I
a) u l = ( l , O ) . u ~ ~ ( OI ) ; , ~ = ( 3 -,7 )
c) u, = ( I , I ) , u, = ( O , 2); w = (u, h )
b)
U,
= ( 2 , -4), ~ , = ( 3 , 8 ) ;w = ( l , 1)
En los ejercicios del 1 1 al 16, determinar la dimensin y una base para el espacio solucin
del sistema.
11.
x , + x , - xi = o
13. x , - 4x,
3x3 - x4 = o
12. 3r, +x, +x, + x 4 = o
- 2x, - x, 2x3 = o
5x, - x,
xj - x4 = o
2 ~ -, 8x2 + 6x3 - 2x4 O
+ x, = o
- 3x, + x3 = O
-x,
14.
X,
2x, - 6x2
3x,
+ 2 ~ =, O
+ 3x3 = O
+ 5x, = o
x, + xj = o
9x, -t3x, = o
x,
16. x + y + z = O
3x+2y-2z=O
4xf3y-
z=o
6x+5y+ z=O
17. Determinar bases para los siguientes subespacios de R3.
a) El plano 3x - 2y+ 5z = O.
b) El plano X - = O.
c) L a r e c t a x = 2 t , y = - t , z = 4 t .
d) Todos los vectores de la forma (u, 6 , e), donde b = u + c
18. Dar las dimensiones de los siguientes subespacios de p.
- b.
20. Encontrar un vector estndar bsico que se pueda agregar al conjunto { v , , vz} para
-2)
b ) v , = ( l , -l,O),
vz=(3,1,-2)
21. Encontrar vectores estndar bsicos que se puedan agregar al conjunto {vi, v2} para
~ , = ( - 3 , 8 , -4,6)
22. Sea { v I , v2, vj} una base de un espacio vectorial V. Demostrar que {ui, u2, u3} tambin es una base, donde u1= Y , , u2 = v i + v2 y u3 = v, + v2 + v3.
23. a) Demostrar que para todo entero positivo n, en F( - m , m ) se puede hallar n + 1 vectores linealmente independientes. [Sugerencia Buscar polinomios.]
b) Usar el resultado del inciso a) para demostrar que F( - m , m) es de dimensin
mfihita.
c) Demostrar que C( - m ,
dimensin m f i i t a .
m),
Cm(- m ,
m)
y C (- m ,
m)
24. Sea S una base de un espacio vectorial V de dimensin n. Demostrar que si v l , v2, . . .
vr forman un conjunto linealmente independiente de vectores en V, entonces los vectores de coordenadas ( v ~ (vJS,
) ~ . . . , (v& forman un conjunto linealmente independiente en R" y recprocamente.
25. Usando la notacindel ejercicio 24, demostrarque si v l , v2, . . . vr generan a V,
entonces los vectores de coordenadas ( v ~ ) (v,&
~ , . . , , ( v ~ generan
) ~
a R" y recpro-
camente.
26. Encontrar una base parael subespacio deP2 generado por los vectores dados.
a) - 1 + x - 2x2, 3 + 3x + 6 2 , 9
b) 1 +x, x2, -2+2x2,-3x
C) 1 + X - 3x2, 2 + 2~ - 6x2, 3 + 3~ - 9x2
[Sugerencia Sea S labase
estndar para P2 y trabjese con los vectoresde
coordenadas relativos a S; consultar los ejercicios 24 y 25.1
X'
Figura 7
coordenadas xy se proporcionan.
X n
r
los vectores
-=: [%!
' '
U?
,
:n
Rm
ores rengln de
IcA.
I
Ejemplo I Sea
"I
'
"i
r,=[2 I
O]
r,=[3
-1
41
La siguiente definicin caracteriza tres espacios vectoriales importantes asociados con una matriz.
~~~~
ESPACIO
COLUMNA,
ESPACIO
RENGLN Y
ESPACIO NULO
Por la frmula (7) de la seccin 1.3 se concluye que si cl, c2, . . . c, denotan los
vectores columna de A , entonces el producto A x sepuede expresar como una
combinacin lineal de estos-vectores columna con coeficientes de x; es decir,
A x = x , c I + x2c2 + . . . + X,C,
(1)
+ x2c2+ . . . +
=b
X,C,
=b
(2)
b es consistente si y
Ejemplo 2 Sea Ax
= b el
sistema lineal
x2
x3 = 3
1,
RELACIQN
ENTRE LAS
SOLUCIONES DE
Ax = O Y LAS
SOLUCIONES DE
Ax=b
+ C l V l + c2vz +
= O.
+ CkVk
Ax,= b
Ax=b
xo) =
Ax - A x ,
O
A(x
b, y que X es
X" = C , V ,
+ c2v2 +
+ CkVk
Por tanto,
x = xg
CIY]
CZVz
+ CkVk
lo que demuestra la primera parte del teorema. Recprocamente, para todas las
elecciones de los escalares cl, c2,. . . , ck en (3) se tiene
Ax
= A(x,
+ C l V i + c2v2+
t CkVk)
Ax
= Ax,
+ c,(Av,) 3- C2(AV2) + .
'
+ Ck(AVk)
Para sistemas lineales con dos o tres incgnitas, el teorema 5.5.2 posee una
interpretacin geomtrica interesante en R2 y en R3. Por ejemplo, considrese el
caso en que A x = O y Ax = b son sistemas lineales condos incgnitas. Las
soluciones de Ax = O forman un subespacio de R2 y, por tanto constituyen una
recta que pasa por el origen, slo el origen o todo R2. Por el teorema 5.5.2, las
soluciones de A x = b se pueden obtener sumando cualquier solucin particular de
Ax = b, porejemplo xo, a las soluciones de A x = O . Suponiendo que x. est
colocado con su punto inicial en el origen, esto tiene elefectogeomtricode
trasladar el espacio solucinde Ax = O demodo que el punto en el origen se
mueve hacia la punta de x. (figura 1). Esto significa que los vectores solucin de
A x = b forman una recta que pasa por la punta de
el punto en la punta de x*, o
todo R2. (Puede el lector imaginar el h m raso?! De marma semtjante. prrra
sistemas lineales contres incligl'hits, I;I: so!ucioms de A x -= b constituyen un
plano que pasa por l a punta de cuaicyjier scllnci6rr $. ~.lZicuHsrx*. una recta que pasa
por la punta de x0? o todo R 3 .
~0.
310
,/
Espacio solucin
deAx = O
Figura 1
x, 3- 3x,
Lx,
"
2x,
2x1
+ 6x2
t 2x5
= o
2x4 + 4x5 - 3x6 = - 1
lox,
+ 15x6 = 5
8x4 + 4x, + 18x6 = 6
y se obtuvo
3r - 4s - 2t
(4)
:I
-2
1
O
O
O
x=r
r-4
O-
-2
S
+t
O
O
O1
(comprobar). A
BASES PARA
ESPACIOS
RENGL~N,
ESPACIOS
COLUMNA Y
ESPACIOS
NULOS
A = [
Solucin.
2 - 1
+ 2x2 -
X] -
x1
x2
x3
+ 2x,
- 3x4
x* - 2x,
x3
+x,
=o
=0
.xg
-xg
x4
=o
+ xg = o
1 I-1
v, =
1
O
O
O
-1
O
-1
O
1
En vista de los teoremas 5.5.3 y 5.5.4 se podra anticipar que las operaciones
elementales en los renglones no deben cambiar el espacio columna de una matriz.
Sin embargo, esto no es as: las operaciones elementales en los renglones pueden
modificar el espacio columna. Por ejemplo, considrese la matriz
313
tienen el mismo conjunto solucin. As, el primer sistema tiene una solucin no
trivial si y slo si lo mismo secumple para el segundo sistema. Pero si los vectores
columna de A y B, respectivamente, son
C],
c2,.
..
cn
c1, c2,.
. . , c:,
+ x2c2 +
xlc;
+ x2c; +
'
'
+X$,
'
'
+X$:,
=o
As, (5) tiene una solucin no trivial para xl, x*, . . . , x, si y slo si lo mismo es
cierto para ( 6 ) . Esto indica que los vectores columna de A son linealmente independientes si y slo si lo mismo es cierto para B. Aunque se omitir la demostracin, esta conclusin tambin es d i d a para cualquier subconjunto de los vectores
columna. As, se tiene el siguiente resultado.
El siguiente teorema hace posible encontrar por inspeccin bases para lps
espacios rengln y columna de una matriz en forma escalonada.
314
Espaciosvectorialesgenerales
i Teorema 5.5.6. S
i una
Ejemplo 5 La matriz
R=
I
O
.7
.=[!
-2
o 31
?=[o
1 3
01
rj = 0
o o
A=
2
2
-1
-3
-4
-6
4
9
9
--4
-2
-1
-1
2
4
5
S
2
9
7
-- 5 -. 4
1 315
de A determinando una base para el espacio rengln de cualquier forma escalonada de A. ReduciendoA a forma escalonada se obtiene(comprobar)
Por el teorema 5.5.6, los vectores rengln diferentes de cero de R forman una base
para el espacio rengln de R y, por tanto, forman una base para el espacio rengln
de A. Estos vectores bsicos son
',=[I
r,=[O
r,=[O
-2 5 41
O 1 3 -2
-61
O O O 1 51
-3
forman una base para el espacio columna de R; as, los vectores columna correspondientes de A , a saber
c, =
[ 11,
-1
j],
%=[ -4
[; I]
-5
316
~ , = ( 2 ,-5, -3, - 2 , 6 ) ,v 3 = ( 0 , 5 ,
v4 = (2, 6, 18, 8, 6 )
vI=(1, -2,0,0,3),
15, l O , O ) ,
Solucin.
1 - 2
o
2 -5
-3
O
5
15
2
6 1 8
3
6
-2
10
8
I
1
-- 2
O
0
O
O
O
_J
= ( l , -2,0,0,3),
w 3 = ( 0 , O , 1, 1,O)
w,=(O, 1 , 3 , 2 , 0 ) ,
Estos vectores forman una base para el espacio rengln y por tanto forman
una base para el subespacio de R5generado por vl, v2, v3 y v4. A
Obsrvese que en el ejemplo 6 los vectores bsicos obtenidos para el espacio
columna de A consistan en los vectores columna de A , pero los vectores bsicos
obtenidos para el espacio rengln de A no eran todos los vectores rengln de A . El
siguiente ejemplo ilustra un procedimiento para encontrar una base del espacio
rengln de unamatriz A que consta completamente de vectoresrengln de A .
-;y; ;
-2
A = [
;]
2
-5
O
5
-3
-2
6
15
-2
AT=
o
3
2
6
18
8
6
10
O
'-;I
I;]O
O
Las columnas primera, segunda y cuarta contienen los unos principales, de modo
que los vectores columna correspondientes en AT forman una base para el espacio
columna de AT; stos son
c,
-2
Transponiendo denuevoy
vectores bsicos
rl = [ 1
c ~ = l2 i ]
O 31,
r2=[2
-5
-3
-2
61,
Y
r4=[2
18 8 6 1
Ejemplo 9
3 IN
que forme una base para el espacio generado por estos vectores.
b) Expresar los vectores que no pertenecen a la base como una combinacin lineal
de los vectores bsicos.
Solucin de u). Se empezar por construir una matriz que tenga a v l , vz, . .
como sus vectores columna:
i~
2
-5
-3
6
T
-2
3
\;
2
-1
4
-7
. , v5
5
"8
1
21
\,
\ ;
\,
\ <
La primera parte del problema se puede resolver encontrando una base para el
espacio columna de esta matriz. Al reducir la matriz a la forma escalonada y
denotar los vectores columna de la matriz resultante por wl, w2, w3, w4 y w5 se
obtiene
i:
1
o
o
1
O
o
1
-1
~1
1
0
319
W? =
2v,
v5 = v i
V?
+ v2 + vq
El mtodo ilustrado en el ejemplo precedente es tan importante que a continuacin se resumen los pasos:
Dado un conjunto de vectores S -- {vl, v2, . . . , vk} en R" con el s i p e n t e procedimiento se obtiene un subconjunto de estos vectores que forma una base para
lin (S) y expresa losvectoresde
S que no pertenecen a la basecomouna
combinacin lineal de los vectores bsicos.
Paso 1. Formar la matriz A que tiene a vl, v2, . . . , vk como sus vectores
columna.
Paso 2. Expresar la matriz A en su forma escalonada reducida R, y sean wl,
w2, . , wk los vectores columna de R.
, ,
Paso 3. Identificar las columnas que contienen a los unos principales en R. Los
vectores columna correspondientes de A son los vectores bsicos para
lin (S).
Paso 4. Expresar cada vector columna de R que no contenga un uno principal
comocombinacin lineal delosvectores
columna precedentes que
contengan unos principales. (Esto se puede hacer por inspeccin.) As,
se obtiene un conjunto de ecuaciones de dependencia que incluyen a
los vectores columna de R. Las ecuaciones correspondientes para los
vectores columna de A expresan los vectores que no pertenecen a la
base comocombinaciones lineales de los vectores bsicos.
320
x, = - 3 r + 4s-
x? =
x, = r,
- S,
x4
=S
+ +
2 x I - 6x2 = 2
XI
2x,
C)
+
+
.xI - 2 ~ , X , + 2 x 4 = - 1
2xI - 4x,
2x3 4x, = -2
-x,
2x, - x3 - 2x4 =
1
3x, - 6x, 3x3 6x4 = - 3
+ x, = - 2
+ x, + 3x, = 3
.xI
d)
-2x,
-x1
4x,
+ 2x, 3x3 + x4 = 4
+ x, +2x, + x, = - 1
+ 3x, x3 + 2x, = 3
-
lx,
- 5x4 = -5
c)
[: A -;
- :I [" ' :]
5
d)
-7
8. Para las matnces del ejercicio 6, encontrar una base para el espacio rengln de A redu-
A que
11. Encontrar unabase para el subespacio de I? generado por los vectores dados.
a) (1, 1, -4, -31, (2, O, 2,-21, (2, - 1, 3,2)
(b) ( - 1,1, -2, O), (3,3, 6, O), (9, 0,0,
c) (1, 1, o, O), (0, o, 1, 11, (-2, o, 2,2), (O, -3, o, 3)
12. Determinar un subconjunto de los vectoresque formen una base para el espacio generado
por los vectores; luego, expresar cada vector que no pertenezca a la base como una combinacin lineal de los vectores bsicos.
a)vl=(l,O,l,l), v,=(-3,3,7,1), v,=(-1,3,9,3), v4=(-5,3,5,
-1)
b)v,=(1,-2,0,3), ~,=(2,-4,0,6), v3=(-1,1,2,0), ~,=(O,-l,2,3)
~ ) ~ 1 = ( 1 , - 1 , 5 , 2 )~,, = ( - 2 , 3 , 1 , 0 ) , ~ , = ( 4 , - 5 , 9 , 4 ) , ~ , = ( 0 , 4 , 2 , - 3 ) , ~ , = ( - 7 , 1 8 , 2 , - 8 )
13. Demostrar que los vectores renglnde una mabiz invertible A n X n fomm una base para R".
14. a) Sea
A=[!
i]
t1 '
Espacio nulo de A
Y
3)
5.6 RANGO Y N
LQS CUATRO
ESPACIOS
MATRIClALES
FUNDAMENTALES
Sin embargo, al transponer una matriz sus vectores rengln se convierten en vcctores columna y sus vectores columna se convierten en vectores rengln, de modo
quc, exceptoporuna diferencia en la notacin,el espacio rengln de A T es el
mismo que el espacio columna de A, y el espacio columna de AT es el mismo que
el espacio rengln de "l. As, quedan cuatro espacios vectoriales de inters:
espacio rengln de A
espacio nulo de A
espacio columna de A
espacio nulo de Ai'
tienen, cada uno, tres vectores; es decir, ambos espacios son tridimensionales. NO
es fortuito que estas dimensiones sean iguales; es una consecuencia del siguiente
resultado general.
el espacio rengln y el
RANGO Y
NULIDAD
r-l
14
"9
-4
-4
O
1
-4
-2
-28
-12
O
O
-37
-16
O
O
-:I
71
324
+
,y2 = 2x3 + 12x4 i
.Y,
4 ~ , 28x4 + 37x5 - I ~ x ,
16x5- 5x6
+ 28s + 37t
x2 = 2r + 12s + 16t
X, =
"3
4r
1 3 ~
5u
x4 = S
X$
X6
+ S
28
12
O
1
37
t l
O
O
O
O
1
-1
16
+U
13
O1
Los cuatro vectores del miembro derecho de (3) forman una base para el espacio
solucin. de modo que nulidad(A) = 4. A
I Teorema
Demostracin.
TEOREMA DE LA
DIMENSI~N
rungo ( A )
+ nulidad ( A ) = n
Asl.
nmero de variables
principales
variables libres
o.
.726
,/'
Ejemplo 2 La matriz
-1
'4 =
-
2
3 - 7
2 - 5
4 -9
O
2
2
2
5 - 3
1
4
o
4
"4
6
"4
1
7
nulidad(A) = n - rango(A) = 7 - 3 = 4
As, existen cuatro parmetros. A
Ahora supngase que A es una matriz m X n de rango r ; por el teorema
X m de rango r . Aplicando el teore-
A
'
nulidad@) = n - r , nulidad(AT)= m - r
a partir de lo cual se deducela siguiente tabla que relaciona las dmensiones de los
cuatro espacios fundamentales de una matriz A de rango r.
(Espacioental
I Espacio rengln d e n
VALOR MXIMO
PARA EL RANGO
Dimensin
Si A es una matriz m x n, entonces los vectores rengln estn en R" y los vectores
columna estn en Rm. Esto signrfica que el espacio rengln de A es cuando mucho
de hmensin n y que el espacio columna de A es cuando mucho de dimensin m.
Como los espacios rengln y columna tiene la m i s m a dimensin (el rango de A ) ,
se debe concluir que si m = n, entonces el rango de A es menor o igual al mnimo
de m y n. Este hecho se indica escribiendo
1'
327
(5)
n o su valor conin
ae
hy b
c. ya que enton-
Generado { c, , c2, . . . , c, }
328
. , c:
C ] I c2,.
+ 2x4 = - 4
x, - 2x, - 3x,
-3X,
+7X2-
2x, - 5x2
- 3x,
-3
X,+
X,=
+ 4x,
- 3x, =
es
- -2
-3
2
-3
- .S
-3
--1
4
1
--3
--6
I:J
- 17
10
O
O
O i O
Debido al rengln
0
Teorema 5.6.6. Si A x = b es un sistema lineal de m ecuaciones Con n incognitas, entonces lassiguientes proposiciones son equivalentes.
a ) A x = b es consistente para toda matriz b m X 1.
b ) Los vectores columna de A generan a R".
c) rango(A) = m .
Demostracin. Basta probar las equivalencias a
por lgica se concluye que b e c.
* b y a * c, ya que entonces
+ x2c2 + . . . + X,C,
b se puede expresar
=b
(1
3 h , -- 4h2
4b, - 5h2
h,
-0
-C
b,%
~=
+ h, = li
Teorema 5.6.8. Si A es una matriz m X n, entonces las siguientes prOpOSiCi0nes son equivalentes.
a ) A x = O slo tiene la solucin trivial.
b ) Los vectores columna de A son linealmente independientes.
c) A x = b tiene cuando mucho una solucin (ninguna o una) para toda matriz
bmxl.
Demostracin. Basta probar las equivalencias a
por lgica se concluye que b e.c.
b y a e c, ya que entonces
+ x*c2 +
X$,,
(6)
'
c e a.
332
,/
RESUMEN
* p . Si los n vectores rengln de A forman una base para R", entonces el espacio
Id -!I
a) A = [ !
d) A
1
4
3 - 2
-1
o
3
-a]
-1
b) A = [ :
5
1
-1
5
6
4
-1
,-I
-3
2- 5 - 4
-3
-2
7
-2
2 1 3 , ]
c)A=
1
o
'1
3. En cada inciso del ejercicio (2), usar los resultados obtenidos para encontrar el nmero
de variables principales y el nmero de parmetros que hay en la solucin de Ax = O
dimensin del espacio rengln de A, del espacio columna de A, del espacio nulo de A y
del espacio nulo de AT.
a)
TamaodeA
Rango de A
b)
2
e)
2
9 x 5
2
d)
8)
5 x 9 6 x32x 3
O
2
4 x3 4x 3
5.
c) A es 5
3.
3 x 3
334
Espaciosvectoriales generares
8. Para cada una de las matrices del ejercicio 7, encontrar l a nulidad de A y determinar el
niunero de parmetros que hay en la solucin general del sistema lineal homogneo Ax
=o
9. ,Quk condicionesdebensatisfacer
sobredeterminado
el sistema lineal
3 , =~ h ;~
= h2
i- X? = 11,
- 4x2 = h,
X --
x1 - 21,
S
.yl
x, + 5
. =~ h,~
sea consistente!
10. Sea
A=
21
22
2,
21
022
23
22
23
es diferente de cero.
11. Supngase que A es una matriz 3 X 3 cuyo espacio nulo es una recta que pasa por el
;
i
t
t
b)A=[-i
-:
3
-:]
[;y +]
O
el origen en el espacio tridimensional. Es posible que el espacio nulo sea un plano que
pasa por el origen? Es posible que el espacio rengln sea un plano que pasa por el
origen? Explicar las respuestas.
15. a) Demostrar: Si A es una m a h z 3
linealmente dependientes.
b)Demostrar:Si
A es unamatriz
linealmente dependientes.
16. Demostrar: Si A es una matrlz no cuadrada, entonces los vectores rengln de A o los
15.;
17. Usar el resultado del ejercicio 10 para demostrar que el conjunto de puntos (x, y , z) en
O
-S
COMPLEMENTARIOS
1. En cada inciso, el espacio solucin es un subespacio de R", por lo que debe ser una
recta que pasa por el origen, 'unplano que pasa por el origen, todo R3 o slo el origen.
Para cada sistema, determinar cul es el caso. Si el subespacio es un plano, encontrar
una ecuacin para 1 y si es una recta, encontrar las ecuaciones paramtricas.
d) Ox + O y + Oz = O
b) 2x - 3v +- z == O
c)
x - 2y
7z = O
d) x i 4y 82 = O
6~ - 9 , ~ 32 = O
2x + Sy + 62 = O
-4~+8y+5z=O
2x - 43' 32 = o
-4xt-6.v-2z-O
3X+ y - 4 2 ~ 0
+ sx3 = O
x, + sx2 + Xj = O
XI
SXI
x2
x2 i
xj = O
es una recta que pasa por el origen, un plano que pasa por el origen, slo el origen o
todo R3?
3. a) Expresar (4a, a
c, 4h
+ O) y
g, = cos (x
+ O ) son
vectores en W.
b) Demostrar que f, y g, forman una base para W.
= ( 1, 1) como una combillacin lineal de v, = (1, - l), v2 = (3, O), vg =
(2, 1) en dos formas distintas.
b) Demostrar que el resultado del inciso anteriorno viola el teorema 5.4.1.
S. a) Expresar v
a,,=
si i + j espar
si i +j es impar
11
Ejercicios complementarios / 33 7
penor tienen determinante igual a cero. (Una submatriz de A es cualquier matriz que
se obtiene al eliminar renglones o columnas de A . La matriz A en s tambin se considera como una submatriz de A , ) En cada inciso, aplicar este criterio para encontrar el
rango de la matriz.
13. Usando el resultado del ejercicio 12, encontrar los rangos posibles paralas matrices de
la forma
14. Demostrar: Si S es una base para un espacio vectorial V, entonces para cualesquiera
vectores u y v en V y cualquier escalar k se cumplen las siguientes relaciones:
a)
+ v), = (u), + (v>,.
b) ( W , = k ( q .
"
6.1
PRODUCTOS
INTERIORES
En la seccin 4.1 se defini el producto interior euclidiano sobre R y se us
para extender los conceptos de longitud y distancia al espacio euclidiano n
dimensional. En esta seccin se usarn como axiomas laspropiedades ms
importantes del producto interior euclidiano para definir el concepto general de
producto interior; luego se demostrar cmo los productos interiores se pueden
utilizar para definir las ideas de longitud y distancia en espacios vectoriales
diferentes aR.
PRODUCTOSEnla
INTERIORES
GENERALES
+ { v, w )
[Axioma de simetra]
[Axioma de ahtividad]
339
340
[Axioma de homogeneidad]
[Axloma de positividad]
Un espacio vectorial real con un producto interior se denomina espacio real con
producto interior.
OBSERVACI~N. En el captulo 10 se estudiarn productos interiores complejos;
es decir, productos interiores cuyos valores son nmeros complejos. Hasta ese
momento se usar la expresin "espacio con producto interior" para indmr que se
trata de un "espacio real con productointerior".
Debido a que los axiomas del producto interior se basan en las propiedades
del producto interior eucliciiano, ste satisface de forma automtica los axiomas;
este es el contenido del siguiente ejemplo.
Ejemplo 1 Si u = ( u l , u2, . . . . un) y v
entonces la frmula
( u , v } = U . v = U ~ U , + U 2 U * + ~ ~ ~ + U , u , '
define a (u, v) como el producto interior euclidiano sobre R". Los cuatro axiomas
del producto interior se cumplen debido al teorema 4.1.2. A
El producto interior euclidtmo es el producto interior ms importante sobre
R". Sin embargo, existen varias aplicaciones en las que resulta conveniente modificar el producto interior euclidiano ponderando sus trminos de manera Iferente.
En pocas palabras. si
y que m repeticiones del experimento producen estos valores con varias frecuencias; es decir, x1 ocurrefi veces, x2 ocurre& veces, etc. Como en total hay m
repeticiones del experimento,
fl
+- f 2 + . . +
fn=m
se denota por X) es
x = (f, x ) =
W I f 1x1
+ w 2 f 2 x 2 + . + W,f,X,
' '
OBSERVACI~N. Siempre se supondr que R" tiene el producto interior euclidiano, a menos de que explcitamente se especlfique que tiene algn otro producto
interior. Como se defini en la seccin 4.1, R" con el producto interior euclidiano
se denomina espacio euclidiano n dimensional.
Ejemplo 2 Sean u = (u1, u2) y v = (vl, v2) vectores en R2. Comprobar que el
producto interior euclidmno ponderado
(u, v) = 3 u , u , + 2
u 9 2
Si w = (wl, w2),entonces
Luego,
= /Iu - v i / =
[(u - V ) . ( r r "
= (u1,
u2, . . . , un) y v
v)]':
[Vanse las frmulas (1) y (2) de la seccin 4.1 .] Tomando como motivacin estas
frmulas, se hace la siguiente definicin
Ejemplo 3 Si u = (u,: y2, . . . , U,,) y v = (v,, v2, . . . , vn) son vectores en R3 con el
producto interior euchdlano, entonces
-___
/lul/= (u,
U)I'*
= ( u . u)1/2 = f l u ;
' '
+ u;
Y
d(u, v) = //u- VI/ = (u - v, u
=
V(U,-
Ul)2
+ (u*
v)l2
u2)2
= [(u - v ) . (u - v ) y
. + (u,
- u,)l
Obsrvese que las expresiones anteriores son simplemente las frmulas estndar
para la norma y la distancia euclidianas que se analizaron en la seccin 4.1 [vanse las frmulas (1) y (2) de esa seccin.] A
Ejemplo 4 Es importanteteneren
mente quelanorma
y la distanciadependen del producto interior que se est usando. Si se cambia el producto interior, entonces tambin cambian las normas y las distancias entre vectores.
Por ejemplo, para los vectores u = (1, O) y v = (O, 1) en R2 con el producto interior euclidiano se tiene
11u11 = v?TT
Y
d(u, v) = I/u- VI/ = /1(1,
1)/1=
v
,
mv5
=
entonces se obtiene
//u//
= (u, u) = [ 3(1)(1)
+ 2(0)(0)]12 = fi
Y
d(u, v)
= //u
- V I / = ((1,
l),(l,
1))12
= [ 3 ( 1 ) ( 1 ) + 2 ( - 1 ) ( - 1 ) ] ~ 2 = ~A
CIRCUNFERENCIAS Y ESFERAS
UNITARIAS EN
ESPACIOS CON
PRODUCTO
INTERIOR
I I ~ I I= 1
se denomina egera unitaria o algunas veces circunferencia unitariaen
y R3, estos son los puntos cuya distancia al origen es igual a l.
I/.
En R2
Ejemplo 5
a) Trazar la circunferencia unitaria en un sistema de coordenadas en R2 usando el producto interior euclidiano (u, v) = ulvl + u2v2.
b) Trazar la circunferencia unitaria en un sistema de coordenadas xyz en R3 usando el producto interior euclidiano ponderado (u, v) = $ ulvl + $ u2v2.
Solucin de u). Si u = (x, y),entonces llull = (u, u ) ~= ~
,/-,
de modo que
la ecuacin de la circunferencia unitaria es ,/- = 1 o bien, elevando al cuadrado ambos miembros,
t"
Figura 1
Circunferencia unitariacon
norma 11u11=
Solucin de 6).
6-7
y2
-+"=1
9
4
a)
Figura 2
PRODUCTOS
INTERIORES
GENERADOS
POR MATRICES
1 " + V/I
b)
/1u/1+ b'l/
U=
[q
v = [ q
un
Un
vectores en R" (expresados como matrices n X l), y sea A una matriz invertible n
x n. Sepuede demostrar (ejercicio30) que si uv
es el producto interior
euclidiano sobre R", entonces la frmula
u
u, v) = Au .Av
define un producto interior; se llama producto interior sobre R" generado por A .
Si se recuerda que el producto interior euclidiano u v puede escribirse como
el producto matricial v'u [vase (7) en la seccin 4.11, se concluye que otra forma
de escribir (3) es
(u, v ) = (AV)T'4U
= u.v
346
Espaciosconproducto interior
= 3u,u,
+ 2u2u2
+ W7U2U2 f
' '
+ W,U,U,
A-
1 0
.
\$O
0 1
(comprobar). A
En los siguientes ejemplos se describirn algunos productos interiores sobre
espacios vectoriales Qferentes a R".
Ejemplo 7 Si
son dos matrices cualesquiera 2 X 2, entonces la siguiente frmula define un producto interior sobre M22 (comprobarlo):
Por ejemplo, si
entonces
( U , V ) = 1( - I )
Ejemplo 8 Si
p = a.
+ a,x -1 u2x2
and
q = bo + b,x
+ b2x2
VGF2-G
= g(x)
dos
(1)
(f9
g) =
i,
f ( x M 4 dx =
g(x)f@) dx = (g, f )
I,
(2) ( f + g,
S)
cf(x> + g(x))s(x) dx
I,
f ( x > W dx
g(x)s(xl dx
j6
m)g(X)
dx = k
Jab
f(n)g(x)dx
= k(f, g)
Adems, debido a que$(x) 2 O y f =Ax>es continua sobre la, 61, se concluye que 1,fZ(x)dx = si y slo si Ax) = O para todo x en [ a , 61. Por tanto,
se tiene que (f, f ) = 1, fZ(x>dx = O si y slo si f = O . As se demuestra que se
cumple el axioma 4. A
Ejemplo 10 (Para quienesya esfudiaron Clculo). Si C [a,b ] tiene el producto
interior definido en el ejemplo precedente, entonces la norma de una funcin f =
Ax) con respecto a este producto interior es
y la esfera unitaria en este espacio consta de todas las funciones f en C [a, b ] que
satisfacen la ecuacin llfll= 1, que cuando se eleva al cuadrado queda como
lUbf2(x)dx = 1
Este concepto de longtud de arco no se debe confundir con Ilfll, que es la longitud
(norma) de f cuando f se considera como un vector en C [a,b].Las frmulas (7) y
(8) son bastante diferentes.
Demostracin. Se demostrar el inciso 6) y la demostracin de los dems incisos se deja como ejercicio.
(u, v + w )
=
=
=
(v + w, u)
(v, u) + (w, u )
(u, v) + (u, w )
[por simetra]
[por aditividad]
p o r simetra]
El siguiente ejemplo ilustra d m o se pueden usar el teorema 6.1.1 y las propiedades que definen los productos interiorespara efectuar clculos algebraicos con stos.
A medida quese estudie el ejemplo,
ser instructivo que el lector justifiquepasos.
los
Ejemplo 11
( u - ?v, 3u + 4v)
(v + w)TATAu
+ wT)ATAu
[Propiedad de la transpuesta]
= (V'A~AU)
+ (w'A 9 ~ )[Propiedad de la multiplicacinde matrices]
=
= (VT
= (u, v)
+ (u, w )
350
Ser instructivo para el lector comprobar los dems incisos del teorema 6.1.1 para
este producto interior.
w=(-1,6)yk=-4,Encontrar
a) (u, v ) = (v, U )
d)(ku,v)=k(u,v)=(u,kv)
b)(u+v.w)=(u,w)+(v,wj
e) (O.v}=(v,O)=O
(c) ( I I , V + W ) = ( U , V ) + ( U , W )
= 4u,v,
q=3+2x-4x2
b) Con el producto interior del inciso a), calcular (u, v) si u = (-?,2) y v = ( I , 7).
6 a) 7Jsar la frmula (3), para demostrar que (u, v) = Su,vi
b) Usando el producto interior del inciso a), calcular (U, v) si U = (o, -3) y v = (6,2).
7. Sean u = ( u , , u2) y v = ( Y , , v2). En cada inciso, la expresin dada es un producto in-
terior, demostrar que las siguientes expresiones definen productos interiorcs sobreR2.
a) (u. v ) = 3u,u, + 5 1 y 2
b) ( U , v ) = 4u,u, + u2ul + u l u 2 + 4u:Uz
9. Sean U = ( u , , u2, u2) y v = (v,, v , vJ. Determinar cules de las siguientes expresiones
son productos intenores sobre RS . Para las que no 10 sean, enumerar 10s aXiomas que
no se cumplen.
+ u3u3
= ~ u , u+, u2u2 + ~ u , u ,
= ulul
b) (u, v ) = .:u: +
+ U$:
d ) ( U , V ) = u I u I - u2u2 + ~ 3
'1
3
13. SeaMz2con el producto interior del ejemplo 7. En cada inciso, encontrar lv11.
14. Sea P, con el producto interior del ejemplo 8. Hallar d(p, 9).
p = 3 - x q+=x 2* +, 5 x *
15. SeaMZ2con el producto interior del ejemplo 7. Encontrar d(A, B).
= 5,
I I ~ I I= 1,
IIVII = 2,
llwll= 7
4 IIU + VI1
e) I12w
vll
C)
f)
(u-v-~w,~u+v)
j l u - 2v + 4w/l
17. (Para quienes ya estudiaron CcUCurO). Sea el espacio vectorial P, con el producto
interior
( P, 9 ) =
J: p(x)q(x)
dx
352
1'
"c">ii
Figura 3
20. Demostrar que la siguiente identidad se cumple para vectores en cualquier espacio con
producto interior.
+ VI/* + //u
//u
- V/IZ
+ 21jv112
= 2//U1l2
21. Demostrar que la siguiente identidad se cumple para vectores en cualquier espacio con
producto interior.
22.
(u, .4v) = ( A T U , V )
[Sugerencia Usar el hecho de que (u, v) = u . v = vTu.]
25. Comprobar el resultado del ejercicio 24 para el producto interior euclidiano sobre R3 y
. . , un)y
( u , v ) = W I U I U ,+ W2U2U*
+ w,u,u,
es un producto interior sobre R" si wl, w2,. . . , w n son nmeros reales positivos.
27.
q =2
+ 8x2
(f, g) =
Io1
f(x)g(x) dx
a) f = c o s 2 mg,= s e n 2 m
Tr
C)
f = t a n -4x ,
g= 1
29. Demostrar que el producto interior delejemplo 7 sepuede escribir como (U,
tr( U%).
30. Demostrar que la frmula (3) define un producto interior sobre R". [Sugerencia Usar
+ w2u2u2 +
'
'
+ wu,u,,
sobre R".
PRODUCTO INTERIOR
En esta seccin se definir el concepto de ngulo entre dos vectores en un espacio con producto interior, y esta idea se usar para obtener algunas relaciones
bsicas entre vectores en un espacio con producto interior, incluyendo una relacibn geomtrica fundamental entre el espacio nulo y el espacio columna de una
matriz.
DESIGUALDAD
DE CAUCHYSCHWARZ
Recurdese por la frmula (1) de la seccin 3.3 que si u y v son dos vectores diferentes de cero en R2 o en R3 y 8 es el ngulo entre estos vectores, entonces
u v
(1)
o = - u.v
llull llvll
354
at2
+ bt + c
(u,
( u , u ) ( v v, ?
5: (u,
u)2(v,
I(K
v)l
llull llvll
Y)?
p T Z K T - 1
m[
(5)
(6)
Ejemplo 1 La desigualdad de Cauchy-Schwarz para R" (teorema 4.1.3) se concluye como un caso especial del teorema 6.2.1 tomando a (u, v) como el producto
interior euclidiano u v. A
PROPIEDADES
DELA
LONGITUD Y LA
DISTANCIA EN
ESPACIOS CON
PRODUCTO
INTERIOR
llull 2 0
b) llull = O si y slo si u = O
c ) llkull = Ikl llull
d ) I ~ u + 5 ~~u~~
+ Ilvll (Desigualdad del tringulo)
~~~~
d ( u , v2
) O
d(u,v)=Osiyslosiu=v
d ( u , v )= d(v, U )
d ( u ,V ) 5 d(u, W ) + d ( w , v ) (Desigualdad del tringulo)
Se demostrar el inciso d) del teorema 6.2.2 y la demostracin de los dems incisos de este teorema, as como la demostracin del teorema 6.2.3, se dejan como
ejercicio.
VI12 =
(u
+ v, u + v )
(u, u ) + 2(u, v )
(u, u )
+ (v, v )
l l ~ l l l l ~ (v,
l l +v>
= llU1l2 + 2llull I b ! l + 11vIl2
(u, u >+ ~
= (llull
[~or(4)1
+ /lv11)2
Schwarz para definir hgulos en espacios generales conproducto interior. Supngase que u y v son vectores diferentes de cero en un espacio V con producto interior. Si ambos miembros de la frmula (6) se dividen entre llull llvll se obtiene
',
Se define a 8 como el ngulo entre u y v. Obsrvese que en R2 o en R3 con el producto interior euclidiano, la expresin (8) concuerda con la frmula usual para el
cosen3 del ngulo entre dos vectoresdiferentes de cero frmula (2).
m,
jlvll =
m,
( u , v ) = -9
de modo que
cos
o = -(u,
- v)
II~IIIIVII-
ORTOGONALIDAD
mm
"
2 f i
Obsrvese queen el caso especial en que (u, v) = u v es el producto interioreuclidiano sobre R", la definicin anterior se reduce a la definicin de ortogonalidad en el espacto euclidlano n dunensional proporcionadaen la seccin4. l. Tambin se hace notar
que la ortogonalidad depende del producto interior; dos vectores pueden ser ortogonales
con respecto a un producto interior pero pueden no serlo con respecto a otro.
Ejemplo 3 Si M,, tiene el producto interior del ejemplo 7 de la seccin
precedente, entonces las matrices
p=x,
q=x2
Entonces
Demostracin.
+ llv112
COMPLEMENTOS Si Ves un plano que pasa por el origen de R3 con el producto interior euclidianc,
entonces el conjunto de todos los vectores que son ortogonales a cada vector en V
ORTOGONALES
forman la recta L que pasa por el origen y es perpendicular a V (figura 2). En
trminos de lgebra lineal, se dice que la recta y el plano son complementos
ortogonales entre s. La siguiente definicin ampla este concepto a espacios
generales con producto interior.
Figura 2
todo vector en V .
= W.
360
Espaciosconproducto interior
(u+v,w)=(u,w)+(v,w)=0+0=0
(ku, w ) = k(u, w ) = k(0) = o
OBSERVACI~N.
gonales.
O se puede ex-
de modo que por (9), v es una solucin de este sistema y, por tanto, est en el
espacio nulo de A .
Recprocamente, supngase que v es un vector en el espacio nulo de A , de
modo que Av = O . Por (10) se concluyeque
r l . v= r2.y =1.. . = r,.v = O
Pero si r es cualquier vector en elespacio rengln de A , entonces r se puede
expresar como una combinacin lineal de los vectores rengln de A , por ejemplo
r = c,r, + c2r2+ .
'
. + c,r,
Por tanto,
=o+o+...+o=o
con lo cual se demuestra que v es ortogonal a todo vector en el espacio rengln de
A.
w* = ( - 1, - 1, 2, -3, l),
w 4 = ( 0 , 0 , 1 , 1, 1)
362
1
O
2 - 1
1
-2
- l0
- 31
-1
'
]
O
forman una base para este espacio nulo. Expresando estos vectores en la misma
notacin que wl, w2, w3 y w4 se concluyeque los vectores
"I
= i1,1,
o, o, 0)
v 2 = ( - l , O , -1,o, 1)
+.
363
Este teorema relaciona todos los temas principales estudiados hasta el momento.
Se deja como ejercicio para el lector demostrar que en cualquier espacio V con
producto interior, el espacio cero { O ) y todo el espacio V son complementos
ortogonales. Entonces, si A es una matriz n X n, afirmar que Ax = O slo tiene la
solucin trivial es equivalente a decir que el complemento ortogonal del espacio
nulo de A es todo R" o, de manera equivalente, que el espacio rengln de A es todo
R". Este hecho permite agregar dos nuevos resultados a los 17 resultados mencionados en el teorema 5.6.9.
RESUMEN
interior euclidiano.
a) u = ( - 1 , 3, 2), v = (4, 2, - 1)
c) = ( U l , U 2 r Uj), v = (O,
O,
0)
e) u=(O, 3, -2, I), v = ( 5 , 2, -1, O)
b ) u = ( - 2 ,- 2 ,- 2 ) ,
v = ( l , 1, 1)
d ) u = ( - 4 , 6 , -10, l), ~ = ( 2 1,, - 2 , 9 )
f ) u = ( a , b), v = ( - b , a)
4. Sea P2 con el producto interior del ejemplo 8 en la seccin 6.1. Encontrar el coseno del
ngulo entre p y q.
a) p = - 1 + 5x + 2x2, q = 2 + 4x - 9x2
b) p = X - x2, q = 7
+ 3x + 3x2
7. Sea
A = [ -1
'1
9. Sea
con el producto interior euclidiano. Encontrar dosvectores de norma 1 que sean
ortogonales a los tres vectores u = (2, 1, -4, O), Y = (- 1, - 1,2,2) y w = (3,2,5,4).
10. En cada inciso, con el producto interior euclidiano comprobar que la desigualdad de
Cauchy-Schwarz se cumple para los vectores dados.
a) u = (3, 2), v = (4, - 1)
b ) ~ = ( - 3 , 1 , 0 ) , ~ = ( 2 -,1 , 3 )
C) ~ = ( - 4 , 2 ,I), v = ( 8 , -4, -2)
d) u = ( O , - 2 , 2 , I ) , v = ( - l , - 1 , 1, I )
11. En cada inciso, comprobar que la desigualdad de Cauchy-Schwarz se cumple para los
vectores dados.
a) u = (-2, 1) y v = (1, O), usando el producto interior del ejemplo 2 en la seccin 6. l .
WL
J'"
-st,
z=4t
("<<<E)
D e t e m ~ a una
r ecuacin para WL
14. Sea
-1
A=[:
a]
2
a.
18. Sea V un espacio con producto interior. Demostrar que si w es ortogonal tanto a u, como a
u2, entonces es ortogonala k,u, + k2u2 paratodos los escalares k , y k2. Interpretar
geomtricamente este resultadopara el casoenque V es R3 con el producto interior
euclidiano.
19. Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada unode los
vectores u,, u2, . . . , u,, entonces es ortogonal a todo vector en lin {u,, u2, . . . ,u }, .
20. Sea {v,, v2, . . . , v,} una base para un espacio V con producto interior. Demostrar que el
vector cero es el mco vector en V que es ortogonal a todos los vectores bsicos.
21. Sea {w,, w2, . . . , w,}una base para un subespacio CV de V. Demostrar que WL consta de
todos los vectores en V que son ortogonales a todos los vectores bsicos.
22. Demostrar la siguiente generalizacin del teorema 6.2.4. Si v,, v2, . . . , Y, son vectores
ortogonales por parejas en un espacio V con producto interior, entonces
n, entonces
[vTATAu]25 (urATAu)(v*A*Av)
27. Por medio de la desigualdad de Cauchy-Schwm, demostrar que para todos los valores
reales de a , b y 8 ,
30. (Para quienes y a estudiaron Ccilculo). Sea C [O, x]con el producto interiol
( f , g) = i h d x ) dx
31. (Para quienes y a estudiaron Chkulo). Seanfix) y g(x) funciones continuas sobre [O, 11 .
Demostrar:
[Sugerencia Usar
la desigualdad de Cauchy-Schwarz.]
32. Mediante mtodos vectoriales, demostrar que el tringulo inscrito en una circunferencia,
de modo que uno de sus lados es el dimetro de la circunferencia, debe ser un tringulo
rectngulo. [Sugerencia Expresar los vectores AB y BC de la figura 3 en trminos de u y
v. 1
a)
33. Con respecto al producto interior euclidiano, la norma de los vectores u = (1,
y
v = ( - 1, 3 ) es igual a 2, y el ngulo entre u y v mide 60 (figura 4). Encontrar un producto interior euclidiano ponderado con respecto al cual u y v sean vectores unitanos ortogonales.
Figura 4
DESCOMPOSICIN QR
En muchos problemascon espacios vectoriales, quien resuelve el problema
puede
elegir cualquier base que juzgue pertinente para el espacio vectorial. En espacios
conproductointerior,
la solucin de un problemaamenudo
se simplGca
bastante al elegir una base en la que los vectores sean ortogonales entre s. En
esta seccin se mostrar cmo es posible obtener las bases.
BASES
ORTOGONALES
Y ORTONORMALES
1,0),
u , = ( l , O , l),
u , = ( l , O , -1)
mv
tiene norma 1, ya que
I I Y I I = 1,
IIu211 =
f i 9
11~311=
u5
v2)
= ( V I , v3) = ( v 2 , v3) = 0
IlVlll = llvzll
= llv3ll = 1 A
En un espacio con producto interior, una base que consta de vectores ortonormales se denomina base ortonormal,y una base que consta de vectores ortogonales se denomina base ortogonal. Un ejemplo conocido de una base ortonormal
es la base estndar para R3 con el producto interior euclidiano:
i=(l,O,O),
k=(O,O, 1)
j = ( O , l,O),
. . . , e,=(0,0,0, . . . , 1)
es ortonormal.
COORDENADAS
RELATIVAS A
BASES
ORTONORMALES
u = (u, V , > V l
Demostracion.
presar como
(v,, vi) = 0
ifj#z
' '
, (u, vn))
=(O, 1, O),
v2 = ( - 4 57
3
51,
v3 = (& o, 6,
Es fcil comprobar que S = {vl, vz, v3} es una base ortonormal para R3 con el producto interior euclidiano. Expresar el vector u = (1, 1, 1) como una combinacin
lineal de los vectores en S y hallar el vector de coordenadas (u),.
Solucin.
+ %v3
es decir,
~~~~
'1, d m = \ , ?
Sin embargo, si se hace que R' tenga la base ortonormal S del ejemplo anterior,
entonces por ese ejemplo se sabe que el vector de coordenadas de u con respecto a
S es
(a),5
=(1
"X,
k)
COORDENADAS
RELATIVAS A
BASES
ORTOGONALES
Esta frmula expresa u como una combinacin lineal de los vectores en la base
ortogonal S. En los ejercicios se dan algunos problemas que requieren el empleo
de esta frmula.
Es evidente que si v,, vz y v3 son tres vectores diferentes de cero mutuamente perpendiculares en R3, entonces ninguno de los vectores est en el mismo
plano que los otros dos; es decir, los vectores son linealmente independientes. El
siguiente teorema generaliza este resultado.
Teorema 6.3.3. Si 5' = (v,, v,, . . . , v,) es un conjunto ortogonal de vectores no
nulos en un espacio
conproductointerior,entonces
S es linealmente
independiente.
Demostracin.
Supngase que
k , ~ +, k2vz
..
+ k,v,
(2)
=O
Para demostrar que S = (vl, v2, . . . , vn} es linealmente independiente, es necesario probar que k , = k, = . . = k, = O.
Para todo vi en S, por (2) se concluye que
'
=O
o, de manera equivalente,
i, de modo que
k,(v,, V I ) = O
Como se supone que los vectores en S son diferentes de cero, entonces <(, vi) f O
por el axioma de positividad en la definicin de producto interior. Por consiguiente, k , = O. Como el subndice i es arbitrario, se tiene k , = k, = . . . = kn = O;
as, S es linealmente independiente. 0
3 72
A continuacin se desarrollarn algunos resultados que sern de utilidad para obtener bases ortogonales y bases ortonormales para espacios con producto interior.
En R2 o R3 conel producto interior euclidiano, geomtricamente resulta
obvio que si W es una recta o un plano que pasa por el origen, entonces todo vector
u en el espacio se puedeexpresar como UM suma
u = w,
+ w2
~~~
~~~~
I'
3 73
Figura 2
El siguiente teorema, cuya demostracin se pide en los ejercicios, proporciona frmulas para calcular proyecciones ortogonales.
6)
ProY
+ (u, v2)v2
= (1)(0. 1, 0) + (-6)(-9, o, g)
u = (u, v, )v,
-("
25,
"&
3
25)
La componente de u ortogonal a W es
proy,, u = u -proy,.u
(1, 1, 1) - (&, 1,
--&) = (+&,t?, gj
374
DETERMINASe
ha
CIN DE BASES
ORTOGONALES
Y BASES
ORTONORMALES
~~~~
~~~
Teorema 6.3.6. Todo espacio no nulo de dimensin finita con producto interior tiene una base ortonormal.
Demostracin. Sea T cualquier espacio no nulo de hmensin finita con producto interior, y sea (u1, u2. . . . , un} cualquier base de V. Basta demostrar que Y
tiene una base ortogonal, ya que los vectores enla base ortogonal se pueden
normalizar a fin de obtener una base ortonormal para V. La siguiente serie de
pasos produce una base ortogonal {vl, v2, . . . , v,} para V
Paso 1. Sea v1 = ul.
Paso 2. Como se ilustra en la figura 3, se puede obtener un vector v2 que sea
ortogonal a vI calculando la componente de u2 que sea ortogonal al espacio Wl generado por vl. Se aplica la frmula (7):
/
(U2VI)
V
l 1I2
la cual establece que u2 es un mltiplo de ul, contradiciendo la independencia lineal de la base S = {u1, u2,. . . , U,,).
Paso 3. Para obtener un vector v3 que sea ortogonal tanto a v, como a v2, se
calcula la componente de u3 ortogonal al espacio W2 generado por v1 y
v2 (figura 4). Por (7),
IF112
(u3v2) v2
P2u2
v2 -
'
Figura 4
q31.
Solucin.
3 76
o,
1) -
(U3'vl)
P12
(u3'y2)
P2I2
f (1, 1, 1) = # [--$+,*)
As,
2' 2
forma unabase ortogonal para R3. Las normas de estos vectores son
{ q,, q,, . . . , qk} es una base ortonormal para el espacio generado por {u1,
Up
...>
Uk}.
qk es ortogonal a { u l , u 2 , . . . , U k - l } .
Se omiten las demostraciones, pero estos hechos debenser evidentes despus de un
anlisis profundo de lademostracin del teorema 6.3.6.
DESCOMPOSICIN QR
u2
I '.. I
U,]
Q=[q, 1
92
I ' . . I S,]
Por el teorema 6.3.1 se concluye que ul, u,, . . . , u, se pueden expresar en trminos de q,, q,, . . . , q, como
u2 = ( U 2 > 91)91
+ (u23
'..+
q,)q,
92h2 +
+ ( u 2 , q,h,
u,
+ (u,,
q2h2
= ( u n ,q1)91
(u13
+ . . . + ( u , , q,)q,
o, ms brevemente, como
Se deja como ejercicio demostrar que los elementos dela diagonal de R son
diferentes de cero, de modo que R es invertible. As, (S) es una factorizacin de A
en el producto de una matriz Q con vectores columna ortonormales y una matriz
triangular superior invertible R. La expresin (8) se denomina descomposicin
QR de A . En resumen, se tiene el siguiente teorema.
= QR
FUNCIN DE LA
DESCOMPOSICIN QR EN
LGEBRA
LINEAL
DEMOSTRACI~NADICIONAL
(10)
w2=u-w1
(11)
+ k2v2 + . . . + knvn
380
./
Pero
(u, w) = (U, k , ~ +
, k2v2+ . . . f k , ~ , , )
= k!(U, VI>
+ k2(U,
v2)
..
+ k,(U, Vil)
(w,,
= (u,
w)v , )k,
+ (u. v2)k, +
+ (u, v,)k,
As, (u, w} y (wl, w) son iguales, de modo que (12) produce (w2, w) = O, que es lo
que quera probarse.
Para ver que (IO) y (11) son los nicos vectores con las propiedades enunciadas en el teorema, supngase que tambin es posible escribir
se obtiene
o = (w;
o bien,
wl)
+ (w;- w2)
w1- w;= w; - w?
(14)
w2,
w; - w2) = o
b) ( - l/V% I / f i ) ,
I / f i ) , (l/VZ l / d ? )
l / d )
d) (0,O). (O, 1)
2. Cules delos conjuntos del ejercicio 1 son ortonormales con respecto al producto
4. Cules de los conjuntos del ejercicio 3 son ortononnales con respecto al producto
a) $ - f x + + x 2 , $ + Q x - $ x ,
+ -x2,
v5v5
b) 1 , -x
$+$x+$x2
x2
6. Cules de los siguientes conjuntos de matrices son ortononnales con respecto al producto interior sobre M22que se analiz en el ejemplo 7 de la seccin 6. l?
a)
b,
7. Comprobar que el conjunto de vectores dado es ortogonal con respecto al producto interior euclidiano; luego, normalizando los vectores convertirlo en un conjunto ortonormal.
a) ( - 1, 21, (6, 3)
b)
-11, (2, 0, 21, (0, 5, 0)
C) (i
&,
i),
( - f , b O), ($,$, - f )
Demostrar que {x, y}es ortononnal s R2 tiene el producto interior (u, v) = 3u,vl
base ortonomal para R3 con el producto interior euclidiano; luego, mediante el teorema 6.3.1, expresar cada uno de los siguientes vectores como una combinacin lineal
de V , v2 Y v3.
a) (1, - 1, 2)
b) (3, - 7 , 4)
C) (+, -%$I
10. Comprobar que los vectores
~ , = ( - 2 , 2 , 3 , 2 ) ,v , = ( l , 2 , 0 ,
-I),
v,=(I,O,O,
1)
3817
11.
{MI ,
=(-1,4).
b) Calcular Ilull, d(u. v) y {u, v) aplicando e1 teorema 6.3.2 a los vectores de coordenadas
(u), y (v)& luego, comprobar los resultados mediante clculos directos sobre u y v.
13. Sea H' con el producto interior euclidimo, y sea S = {w),
w,, w3}la base ortononnal
4 3
IV, = (1, O, 0 ) y w3= (O,y,y).
con w,= (O, - ((),-I,*),
' I F
'.
a ) Encontrar los vectores u, v y w cuyos vectores de coordenadas son (u), = (-2, 1, 2),
(v), = (3, o, - 2 ) v (w), = ( S , -4, 1).
b) Calcular 11~11, d(u, W) y (w,v} aplicando el teorema 6.3.2 a los vectores de coordenadas ( u ) , (v).~y (w)& luego, comprobar los resultados mediante clculos directos
sobre u y v.
14. En cada inciso, S representa alguna base
IS. a) Demostrar que los vectoresv, = (1, -2, 3, -4), v2 = (2. I, -4, -3), Y? = (-3, 4, I ,
-2) y v4 = (4, 3, 2, I foinan una base ortogonal para R;' con el piducto kt&or
cuclidlano.
b) Usando ( 1 ), expresar u = (- 1,2,3, 7 ) como una conlbinacln lineal de los vectores
cn el inciso a).
16. Sea R2 con el producto interior euclidiano. Usando el proceso de Gram-Schmidt, transfonnar Is base (u,, u2} en una base ortonormal.
a! u , = ( I . -3L u 2 = ( 2 . 2 )
b) u , = ( l . O ) , u 2 = ( 3 . - 5 )
17. Sea H'
con el producto interior euclidiano. Con el proceso de Gram-Schmidt, transformar la base { u I .u,, u3}en una base ortononnal.
a) u , = ( 1 , I , I ) , u Z = ( - 1 , 1.0). u,=(1,2. I )
b ) u , = ( I . O , O ) . ~ 2 = ( - 3 , 7 ,-2). u ; = ( O . ~ . I )
18. Sea R4 con el producto interior euclidiano. Usando el proceso de Gram-Schmidt, transformar la base {u1,u,, u3, u4} en una base ortononnal
-1,O,O),
u 3 - ( l , 2 , O-, l )u, 4 = ( 1 , 0 , 0 , 1 )
19. Sea R3 con el producto interior euclidiano. Encontrar unabase ortonormal para el
subespaciogeneradopor(0, 1,2),(-1,0, l)y(-1, 1,3).
20. Sea R3 conelproducto interior u, v = ulv! + 2u2v2+ 3u3v3.Con elproceso de GramSchrmdt,transformarul=(1,1,1),~=(1,1,0),~=(1,0,O)enunabaseortonormal.
21. El subespacio de R3 generado por los vectores u1 = (+,O,-+)
y u2 = (O, 1, O) es un
plano que pasa por el origen. Expresar w = (1,2, 3 ) en la forma w = w I + w2, donde w1
est en el plano y w2 es perpendicular al plano.
- 1).
23. Sea
a)
[: -:I
1 0 2
1 2 0
-1
1
o 3 1
O[
-1
25. Sea {vI, v2, v3) una base ortonormal para un espacio V con producto interior. Demos-
trar que si w es un vector en V, entonces llw112 = (w, v1)2+ (w, v2)2+ (w, v ~ ) ~ .
26. Sea {vl, v2,. . . , vn} una base ortonormal de un espacio Vcon producto interior. Demostrar que si w es un vector en Y, entonces llw112 = (w, vl)' + (w, vJ2 + . . . + (w, v ~ ) ~ .
27. En el paso 3 de la demostracin del teorema 6.3.6, se afirm que "la independencia lineal de {u1,u*,.. . , u,,}asegura que v3 # O". Demostrar esta afirmacin.
28. Demostrar que los elementos en la diagonal de R en la frmula (9) son difaentes de cero.
c'
( P , 4)= J,
P(X)Y(X)
&
PROYECCIONES
ORTOGONALES
CONSIDERADAS
COMO
APROXIMACIONES
l b - PO' Y,
UII
(It
Figura 1
Q es el punto en N ms prximo a P.
h)
Hay otra forma de pensar esta idea. Considerar que u es un vector fijo cuya
aproximacin se desea obtener por medio de un vector en W. Cualquier aproximacin w de este tipo dar por resultado un "vector de error"
u-w
l b - ProY,
UII
sea tan pequea como se quiera. As, w = proy, u se puede describir como la
''mejor aproximacin" para u por medio de vectores en W. El siguiente teorema
precisar estas ideas intuitivas.
UII
<1111
- WII
(1)
Pero proyw u - w, por ser una diferencia de vectores en W, est en W, y u proy, u es ortogonal a W, de modo que los dos trminos en el miembro derecho de
(1) son ortogonales. As, por el teorema de Pitgoras (teorema 6.2.4),
Ilu - wl12 = 11u -pray, u1I2 + Ilproy~u - w1I2
si w
que
o, de manera equivalente,
11u - WII > 11u - pray, 4
SOLUCIN DE
SISTEMAS
LZNEALES POR
MNLMOS
CUADMDQS
~~
~~~~~~~
sea e
7-
..I x
la aprosinmcim x. Si e
cu;i&ados
+P
r n m i n u m a llell
( e , . e2.
=- ( ~ f t e $
cf
-:-
que un vector x sea una solucin por mnimos cuadrados de Ax = b, este vector
debe satisfacer
(2)
Ax = proy, b
o, de manera equivalente,
ATAx = ATb
(3)
ciado
ATAx = ATb
es consistenle y todas las soluciones del sistema normal son soluciones por
mnimos cuadrados de Ax= b. Adems, si W es el espacio columna de A y x es
cualquier solucin por mnimos cuadrados de Ax = b, entonces la pro-yeccin
ortogonal de b sobre W es
proy, b = A x
UNICIDAD
DE LAS
SOLUCIONES
POR M~NIMOS
CUADRADOS
Se demostrar que a 3 h y h
a.
/'
389
Solucin. Aqu,
" 3 , 8, 9) sobrc
Solucidn. Para resolver este problema se aplica primero el procesode GramSchmidt con el fin de convertir { u l , u2, u3} en una base ortonormal y luego se
aplica el mtodo usado en el ejemplo 6 de la seccin 6.3. Sin embargo, el siguiente
mtodo es mejor.
El subespacio W de R4 generado por u l , u2 y u3 es el espacio columna de la
matriz
-1
A = [ 3
-1
Entonces, si u se expresa como un vector columna, es posible determinar la proyeccin ortogonal de u sobre W encontrando una solucin por mnimos cuadrados
del sistema A x = u y, luego, calculando proy, u = Ax a partir de la solucin por
mnimos cuadrados. Los clculos son como sigue: El sistema Ax = u es
3
1
O
1
de modo que
3
ATA=
[-1
ATu =
3
1
-1
1
2
0
1
1
2
0
0
1
2
"
1
i
I
1
-1
-4
11
6
-4
1
1
-3
-3
8
9
es
10
6
7
O
-4
0
6
391
(6)
donde A se obtiene usando cualquier base para W como sus vectores columna
Ejemplo 3 En la tabla 5 de la seccin 4.2 se demostr que la matriz estndar para
la proyeccin ortogonal de R3 sobre el plano xy es
Para darse cuenta de que lo anterior es consistente con la frmula (6), considrense los vectores unitarios a lo largo de los ejes x y y positivos como base para el
plano xy, de modo que
A=
[ie]
392
Se deja para el lector comprobar que ATA es la matriz identidad 2 x 2; as, (6) se
simplifica a
[:
o
[P]-AAT=
:][I
1
O
1
o]=[:
0
"1
0
Se deja para el lector comprobar que ATA es la matriz identidad 1 x 1; as, (6) se
simplifica a
[ P I =AAT=
[i:::] [ cos e
,p
sen 6 1 =
1.
cos2 e
sen o COS e
sen e cos 6
sen2 8
7';
PIX)
1L
+
Figura 3
RESUMEN
h) El rango de TA es R".
i) TA es uno a uno.
j ) Los vectores columna de A son linealmente independientes.
k) Los vectoresrengln de A son linealmente independientes.
r) Los vectores columna deA generan a R".
m ) Los vectores rengln deA generan a R".
n ) Los vectores columnade A forman una base para R".
o ) Los vectores rengln de A forman una base para R".
p ) El rango de A es n.
q) La nulidad deA es O .
r ) El complemento ortogonal del espacio nulo de A es R".
S ) El complemento ortogonal del espacio rengln deA es (O).
t) ATA es invertible.
Ax
= b y hallar la
vectores v, y v2.
a) u = (2, 1, 3); v1 = (1, 1, O), v2 = (1, 2, 1)
b ) u = ( l , -6,l); ~,=(-1,2,1), v2=(2,2,4)
b)u=(-2,0,2,4);
~ ~ ~ ~ ( l . IO) , , ~l , ,= ( - 2 . - 1 . 0 . - I )
v , - ( l , l . 3 , 0 ) , v,=(-2,
- I , -2,1), V , - ( - 3 .
" I , 1,3)
W.
c) Usar la matriz obtenida en el inciso b) para determinar la proyeccin ortogonal de
un punto Po(xo,y,,, z,,) sobre W.
d) Encontrar la distancia entre el punto P & l , -2, 4) y el piano W,y comprobar el
resultado mediante el teorema 3.5 -2
10. Sea Cz, la recta con ecuaciones paramktricas
11. Para los sistemas linealesdel ejercicio 3, comprobar que ei vector de error AY - b que
resulta de la solucinpor mnimos cuadrados F es ortogonal alespacio columna de A .
12. Demostrar: Si A tiene vectores columna linealmente independientes y si Ax = b es consistente, entonces la solucin por mnimos cuadrados de Ax = b y la solucin exacta de
Ax = b son iguales.
395
MATRICES
ORTOGONALES
Las matrices cuyas inversas se pueden obtener por transposiciones son tan importantes que existe una terminologa asociada con ellas.
Definicin. Una matriz cuadrada A con la propiedad
A-l'AT
(1)
Ejemplo 1 La matriz
"1
"
1 0 0
=[O
0
0~ A
O
sen0
COS
-sen0
cos 0
Teorema 6.5.1. Las siguientes proposiciones son equivalentes para una matriz
A n x n.
a ) A es ortogonal.
b ) Los vectores rengln de A forman un conjunto ortonormal en R" con el producto interior euclidiano.
c ) Los vectores columna de A forman un conjunto ortonormal en R" con el
producto interior euclidiano.
Demostracin. Se probar la equivalencia de a ) y b), y la equivalencia de a ) y c )
se deja como ejercicio para el lector.
397
r l - r l = r 2 . r 2 = .. .= rn-rn= 1
Y
ri-rj=O CuandoiZj
ALGUNAS
PROPIEDADES
BASICAS DE
LAS MATRICES
ORTOGONALES
En el ejemplo 2 se vio que las matrices estndar para los operadores reflexin y
rotacin bsicos sobre R2 y R3 son ortogonales. El siguiente teorema ayudar a
explicar este hecho
398
a ) A es ortogonal.
h ) &4xll = llxll para todo x en R".
c)Ax.Ay=x.yparatodoxyyenR".
Demostracin.
3 c:
Supngase que A x
=x
= I.
* a.
Entonces por la
c 3 a: Supngase que A x * Ay = x
frmula (8) de la seccin 4.1 se tiene
X . ( A ~ A- q Y = o
= (A 7A
1)y
de modo que
/)Y
=O
los operadores que no modifican las longitudes de todos los vectores. Como las
reflexiones y las rotaciones de R2 y R3 tienen esta propiedad, este hecho explica la
observacin en el ejemplo 2 de que las matrices estndar para las reflexiones y rotaciones bsicas de R2 y R3 son ortogonales.
MATRICES DE
COORDENADAS
Recordar por el teorema 5.4.1 que si S = {vl, v,, . . . , vn} es una base para un espacio vectorial V, entonces todo vector v en V se puede expresar de manera nica
como una combinacin lineal de los vectores bsicos, porejemplo,
v
= k,v,
+ k2v2+ . . . + k,V,
Los escalares k,, k,, . . . , kn son las coordenadas de v con respecto a S, y el vector
(v)s = (k,,
k2,
>
k,)
= {U,, U*}
B'
{u;, u;}
las bases inicial y nueva, respectivamente. Sern necesarias las matrices de coordenadas para los nuevos vectores bsicos con respecto a la base inicial. Supngase
que las matrices son
400
Es decir,
+ bu,
= cul + dU2
u; = "U1
u;
= k,(au,
+ bu, j + k,(CU, + d U 2 )
= (k,"
['IB
i"'" + k2c1
k,b + k,d
o bien, por ( 9 ,
Las columnas de esta matriz son las coordenadas de los nuevos vectores bsicos
con respecto a la base inicial [vase (3)]. As, se tiene la siguiente solucin para el
problema del cambio de base.
= P[VI/?'
(7)
MATRICES DE
TRANSICI~N
>
[uAIB
Ejemplo 4 Considerar las bases B = {u1, u2} y B' = {u;,ui} paraR2, donde
u1 = (1, O);
u2 = (O, 1);
U'(1, 1);
u' = (2, 1)
u; = u, u2
u; = 2u, + u2
de modo que
u, = - u ;
+ u;
u2 = 2u;
u;
de modo que
l.
=Iy
..
Cl I
PQ =
..
C2 I
..
Por (7)
rx1B
-:I
Cnn
= p[xlB'
Y
[XIB, = Q[xIB
1 x 1 =~ ~ Q [ X ] B
(9)
. ,...
(. '
... ..
."I
404
CAMBIO DE
BASE
ORTONORMAL
El siguiente teorema muestra que c.11 un espacio con producto interior, la matriz de
transicin de una base ortonormal a otra es o; togonal.
Teorema 6-55. Si P es la maMz de lransicin de una base ortonormal a otra
base ortorzormal para un espacioconproductointerior,
entonces I-' es una
matriz ortogonal; es decir,
donde la primera norma es con respecto al producto interior sobre V y las normas
segunda y tercera son con respecto al producto interior euclidiano sobre R".
Ahora. sea x cualquier vector en R", y sea u el vector en V cuya matriz de
coordenadas con respecto a la base B' es x: es decir,
= x. As, por (12),
liull =
ilPxll
IIXII =
Ejemplo 6 (Aplicacin a la rotacin de ejes de coordenados.) En muchos problemas se proporciona un sistema de coordenadas rectangulares x y , y al mover este
sistema en sentido contrario a las manecillas del reloj alrededor del origen por un
ngulo se obtiene un nuevo sistema de coordenadas rectangulares x". Cuando se
hace lo anterior, cada punto Q en el plano posee dos conjuntos de coordenadas: las
coordenadas (x, y ) con respecto al sistema xy y las coordenadas (xt,Y ' ) con respecto
al sistema x" (figura la).
AI introducir los vectores unitarios u, y u2 a lo largo de los ejes x y y
positivos y los vectores unitarios u l y u2 a l o largo de los ejes x' y y' positivos,
esta rotacin se puede considerar como un cambio de una base inicial B = {u1,
u*} a una base nueva B' = { u;, u; } (figura l b ) . As, las nuevas coordenadas
(x'. y ' ) y las coordenadas anteriores (x, y ) de un punto Q estn relacionadas
por medio de
1
[;:I
= p"[
;]
\
"
I
'
\
Figura 1
d)
[u;I R =
cos H
[sen
- sen
[4lS
cos
-sen 0
sen H
cos 8
COS
Observar que P es una matriz ortogonal, como seesperaba, ya que B' y B son bases
ortonormales. As,
cos O sen 0
-sen O cos O
p-1 = p r =
y' =
x cos O
"x
+ y sen 9
senO+ycos 8
7T
% - 1
= cos - = -
4 v 5
[;:I
Por tanto, si las coordenadas iniciales de un punto Q son (x, y) = (2, - l), entonces
A- 31a).A
Figura 2
Ejemplo 7 (Aplicacin a la rotacin de los ejes de coordenadas en el espacio tridimensional.) Suponerque un sistemadecoordenadasrectangulares
xyz se hace girar alrededor de su eje z en sentido contrario a las manecillas
del reloj (mirando sobre el eje z positivo) por un ngulo 9 (figura 2). Si se introducen los vectores unitarios u , , u2 y u 3 a l o largo de los ejes x, y y z positivos, y los vectores unitarios ul, u2 y u3a lo largo de los ejes x!, y' y z' positivos, la rotacin se puede considerar como el cambio de la base anterior B =
{ul, u2: u3} a la base nueva B' = { u;, u;, u; >. En vista del ejemplo 6 debe
ser obvro que
D
[!]
y]
-sen8 O
co; 8
cos 8 sen 8 O
408
1;
cos 0 sen H O
-sen8 cos 8 O
O
o
1
1 2 "
25
16
25
1/%6
4. Comprobar que las matrices de rotacin y las matrlces de reflexin en las tablas 2 y 3
112 O
10. Considerar las bases B = {U,, u2} y B' = {vl, v2} para R2, donde
; I, +I,
12. Considerar las bases B = {u,,u2, u3} y B' = {vI,v2, v3) para R3, donde
ul=[;a].
u2=[
.+], .;=[
w=[;!]
y usando (1 1), calcular [wlBt.
c) Comprobar las respuestas mediante el clculo directo de [w],,.
13. Repetir las instrucciones del ejercicio 12 con el mismo vector w, pero con
3 "1
vj=
/'
409
410
b1,"
5 cos x, y usando
16. Sea un sistema de coordenadas rectangulares x)' obtenido al girar un sistema de coordenadas rectangulares xy en sentido contrario a las manecillas del reloj por un ngulo 0
= 3~14.
a) Determinar las coordenadasx y del punto cuyas coordenadasxy son (-2,6).
b) Determinar las coordenadas xyz del punto cuyas coordenadasxyz' son (1,6,
- 3).
19. Repetir el ejercicio 18 para una rotacin de 0 = z13 en sentido contrario a las maneci-
llas del reloj alrededor del ejey (mirando a lo largo del eje y positivo hacia el origen).
20. Repetir el ejercicio 18 para una rotacin de B = 3 ~ 1 4en sentido contrario a las manecillas del reloj alrededor del eje x (mirando a lo largo del eje x positivo hacia el
origen).
21. a) Un sistema de coordenadas rectangulares x'y'z' se obtiene al girar un sistema de
coordenadas xyz en sentido contrario a las manecillas del reloj alrededor del eje y
por un ngulo O (mirando a lo largo del eje y positivo hacia el origen). Encontrar
una matriz A tal que
donde (x, y , z) y ( 2 , y', z') son las coordenadas del mismo punto en los sistemas xyz
y x'y'z', respectivamente.
b) Repetir el inciso a) para una rotacin alrededor del eje x.
de coordenadas xyz en sentido contrario a las manecillas del reloj alrededor del eje z
por un ngulo'de60 (mirando a lo largo del
eje z positivo hacia el origen) para obtener un
sistema de, coordenadas xyz', y luego al girar el sistema de coordenadasxyz' en sentido
contrario alas manecillas del reloj alrededor del eje y por un ngulo de 4 5 O (mirando a
lo largo del eje y positivo hacia el origen). Encontrar una matriz
A tal que
donde (x, y , z) y (x", y " , z") son las coordenadas q z y x"y"z" y del mismo punto,
respectivamente.
23. Qu condiciones deben cumplira y b para que la matriz
[ zz ]
sea ortogonal?
24. Demostrar que una matriz ortogonalA tiene una de las dos formas posibles:
cos 0
A = [sen 0
sen0
cos 0
A=
cos 0
-sen 0
-senO]
- cos 0
donde O S 8 < h.
[Sugerencia. Empezar con una matriz general A = (a..) 2 X 2, y
I)
aplicar el hecho de que los vectores columna formanun conjunto ortogonal enR'.]
25. a) Aplicar el resultado del ejercicio 24 para demostrar que la multiplicacin por una
matriz ortogonal2 X 2 es una rotacin o una rotacin seguida de una reflexinalrededor del eje x.
b) Demostrar que la multiplicacin por A es una rotacin si det(A) = 1 y una rotacin
seguida de unareflexin si det(A) = - l.
26. Usar el resultado del ejercicio 25 para determinar si la multiplicacin por A es una
rotacin o una rotacin seguida de una reflexin. En cada caso, encontrar el ngulo
de rotacin.
eje fijo seguidade una reflexin con respecto a algn planode coordenadas si det(A) =
- l . Determinar si la multiplicacin porA es una rotacin o es una rotacin seguida de
una reflexin.
3
1 EJERCICIOS COMPLEMENTARIOS
1. Sea conelproducto interior euclidiano.
a) Obtener un vector d que sea ortogonal a u1= ( I , O, O, O) y a u4 = (O, O,O, 1) y
forme ngulos iguales COR u2 = (O, 1, O, O) y u3 = (O, O, 1 O).
b) Encontrar un vector x = (x,, x*, x3, x4) de longitud 1 que sea ortogonal a los vectores
u1 y u4 del inciso a) y tal que el coseno del ngulo entre x y u2 sea el doble del
coseno del ngulo entre x y u3.
2. llemostrar que si x es un vector diferente de cero en Rn, entonces la matriz n
es ortogu:;al y simtrica.
3. Sea A x = O un sistema de m ecuaciones con n inc,gnitas.Demostrar que
es una soluci6n del sistema si y slo si el vector x = (x,, xz, . . . , x,) es ortogonal a
lodo vector rengln de A con el producto interior euclidiano sobre R".
4. Aplicar la desigualdad de Cauchy-Schwarz para demostrar que si a l , u2, . . . , a , son
= (.2I/xjlZ
+ 2c( x, y ) + I/y/l2
6. Sea R3 con el producto interior euclidiano. Encontrar dos vectores de longitud 1 que
sean ortogonales a todos y cada uno de los vectores u , = (1, 1, - I ), u2 = (-2, - 1,2) y
u3 = ( - 1 , o, X).
v , = ( O , ~ , O, . . . , O )
vi = (O, O, v?, . . . , O)
v,
(O, O,
o,
. . .,
d i)
(1,2) y (3,
11. a) En R3, los vectores (k, O, O), (O, k, O) y (O, O, k) forman las aristas de un cubo con
diagonal ( k , k, k ) (figura 4 de la seccin 3.3). De manera semejante, en Rn,los
vectores
se pueden considerar como las aristas de un "cubo" con diagonal (k, k, . . . , k). Demostrar que cada una de las aristas anteriores forma un ngulo igual a Q con la diagonal, donde cos 0 = l 1 6 .
b) (Para quienes ya estudiaron Crilculo.)Qu sucede con el ngulo Q en el inciso a)
cuando la dimensin de Rn tiende a infinito?
12. Sean u y v vectores en un espacio con producto interior.
a) Demostrar que llull = Ilvll si y slo si u + v y u - v son ortogonales.
b) Proporcionar una interpretacin geomtnca del resultado anterior en R2 con el producto interior euclidiano.
13. Sea u un vector en un espacio V con producto interior, y sea {v,, v2, . . . , vn) una base
ortonormal para V. Demostrar que siaies el ngulo entre u + vi, entonces
cos2 a , + cos2 ff2
+ cos2 a, = 1
terior.
41 4
15. Demostrar que el producto interior sobre Rn generado por cualquier matriz ortogonal es
CAPITULO
EIGENVALORES,
EIGENVECTORES
7.1
EIGENVALORES Y EIGENVECTORES
Si A es una matrizn X n y x es un vector enR", entonces no hay ninguna relacin
geomtrica general entre el vector x y el vector Ax vgura la). Sin embargo, a
menudo existen ciertos vectores x diferentes de cero tales que x y Ax son mltiples escalares entre si yigura lb). Estos vectores surgen de manera natural en
el estudio de vibraciones, sistemas elctricos, gentica, reacciones qumicas, mecnica cuntica, esfuerzo mecnico, economa y geometria. En esta seccin se
mostrar cmo encontrarestos vectoresy , en seccionesposteriores, se abordarn
algunas de sus aplicaciones.
AX
AX
Figura 1
REPASO DE
EIGENVECTORES Y
EIGENVALORES
4I 6
"
Eigenvalores, eigenvectores
Ejemplo 1 El vector x =
[:I
es un eigenvector de
correspondiente al eigenvalor ,
I= 3 , ya que
X n , A x = Ax
se vuelve a escri-
dlx
Para que A sea un eigenvalor, debe existir una solucin diferente de cero
para esta ecuacin. Sin embargo, por el teorema 6.2.7, la ecuacin (1) tiene una
solucin Merente de cero si y slo si
Esta expresin se denomina ecuacin caracteristica de A ; los escalares que satisfacen esta ecuacin son los eigenvalores de A . Al desarrollar det(A1 - A ) se obtiene un polinomio en A, denominadopolinomio caracterstico deA .
tiene cuando mucho n soluciones &stintas, por lo que una matriz n X n tiene a lo
sumo n eigenvalores distintos.
Sera conveniente que el lector revise el ejemplo 6 de la seccin 2.3, donde
se encontraron los eigenvalores de una matriz 2 X 2 resolviendo la ecuacin
caracterstica. En el siguiente ejemplo se usa una matriz 3 X 3 .
Ejemplo 2 Encontrar los eigenvalores de
A
det(A1-A)
= det[
O
-4
-1
o
-
17 A - 8
= A3 - 8A2
+ 17A-
Para resolverestaecuacinseempezarbuscandosolucionesenteras.Esta
sotarea se puede simplificar bastante aprovechando el hecho de que todas las
luciones enteras (en caso de que haya) de una ecuacin polinomial con coeficientes enteros
A* + C,A"
+ . . + c, = o
'
deben ser divisores del trmino constante, cn. As, las nicas soluciones enteras
posibles de (2) son los divisores de -4, es decir, +1, 22, +_4. Sustituyendo
sucesivamente estos valores en (2) se observa que 1 = 4 es una solucin entera. En
consecuencia, 1 - 4 debe ser un factor del miembro izquierdo de
(2). Dividiendo 1 -4 entre A3 -%I2 + 171 - 4 se observa que (2) se puede volver a escribir como
418
Bigenvalores. tigenvectores
(A-4)@-4A+
1)=0
As. las otras soluciones de (2) satisfacen la ecuacin de segundo grado que se
EIGENVALORES
DE MATFUCES
TRIANGULARES
A=[
u22
023
a24
Solucicin. Recordando que el determinante de una matriz triangular es el producto de los elementos de la diagonal principal (teorema 2.2.2), se obtiene
det(A1 -
( A - 1 1 ) ( A - 2 2 ) ( A - a j j ) ( A- U 4 . l )
(A--u,~)(~~-~~~~~(A~11~3)(Aa,~)=o
i, = u,,.
A = u:?,
A = 1133,
A = UJJ
EIGENVALORES
COMPLEJOS
Es posible que la ecuacin caracteristica de una matriz con elementos reales tenga
soluciones complejas. Por ejemplo, el polinomio caracterstico dela matriz
es
DETJCRMINACIN DE BASES
PARA
EIGENESPACIOS
A es un eigenvalor de A :
El sistema de ecuaciones @I - A)x = O tiene soluciones no triviales
En R existe un vector x diferente de cero tal que Ax = Ax.
A es una solucin de la ecuacin caracterstica det(AI - A ) = O .
420
Eigenvalores, eigenvectores
Si A
= 2,
entonces ( 3 ) se convierte en
x2 =
t,
x3 = S
-Y
Como
son linealmente independientes, estos vectores forman una base para el eigenespacio correspondiente a A = 2.
Si 1 = 1, entonces ( 3 ) se convierte en
[";I
de modo que
=.y[
-;
1
[-T]
= l.
Una vez que se han determinado los eigenvalores y los eigenvectores deuna
matriz A , es fcil encontrar los eigenvalores y los eigenvectores de cualquier
potencia entera positiva de A ; por ejemplo, si 1 es un eigenvalor de .4 y x es un
eigenvector correspondiente, entonces
A2x = A ( A x ) = A(Ax) = A(Ax) = il(dx) = A2x
lo cual demuestra que L2 es un eigenvalor de A 2 y que x es un eigenvector correspondiente. En general, se tiene el siguiente resultado
Teorema 7.1.3. Si k es un entero positivo, 1 es un eigenvalor de una matriz A y
x es un eigenvector correspondiente, entonces Lk es un eigenvalor de A k y x es
un eigenvector correspondiente.
Ejemplo 6 En el ejemplo 5 se demostr que los eigenvalores de
= 27 =:
128 como 1 =
de A correspondiente al eigenvalor A
pondiente a A = l7 = 1. A
EIGENVALORES
E
INVERTIBILIDAD
El siguiente teorema establece una relacin entre los eigenvalores y la invertibilidad de una matriz.
si y slo si el trmino constante c, es cero. As, basta demostrar que A es invertible si y slo si cn f O. Pero
o bien, haciendo 1 = O,
det(-A)=c,,
(-l)det(A)=c,
O, y esto a su
RESUMEN
a)
L: 1 11
-2
1 O
424
Eigenvalores, eigenvectores
-4
-2
11
O 0 0
12. Encontrar los eigenvalores y bases para los eigenespacios deA25 para
-1
A=[-;
-2
-2
-f I]
13. Sea A una matnz 2 X 2. La recta que pasa por el origen de R2 es inwuiante bajo A si
Ax est sobre la recta cuando x tambin lo est. Encontrar las ecuaciones de las rectas
en R2, en casode haberlas, que son invariantes bajo la m a w dada.
X n.
a) Demostrar que el polinomio caracterstico deA es de grado n.
b) Demostrar que el coeficiente de 1' en el polinomio Caracterstico es 1.
2 se puedeexpresar
+ 4bc I
Al
+d)+v
=$[(u
( u - d ) 2 + 4bc
/I2
[ ( u+ d ) - d ( u - d)2+ 4bc
son
respectivamente.
19. Demostrar: Si a, b, c y d son enteros tales que a + b = c + d, entonces
=a
- c.
[Sugerencia Vease el
y x es un eigenvector correspon-
diente.
22. Encontrar los eigenvalores y bases para los eigenespaciosde
10s
326
,/
Eigenvalores, eigenvectores
23. a) Demostrar que si A es una matriz cuadrada, entonces A y AT tienen los mismos
eigenvalores. [Sugerencia Considerar la ecuacin caracterstica det(A.1 - A) = O.]
b) Demostrar que A y AT no necesariamente tienen los mismos elgenespacios. [Sugerencia IJsando el resultado del ejercicio 18, encontrar una matnz 2 X 2 para la
cual A y AT tengan eigenespaclos diferentes.I
7.2 DIAGONALIZACI~N
En esta seccin se vera cmo encontrar un base para R" integrada por eigenvectores de una matpiz dada A n x n. Las bases se pueden usar para estudiar las
propiedades geomtricas de A y para simplrficar varios clculos numricosdonde
aparece A . Estas bases tambin revisten importanciaJsica en una amplia gama
de aplicaciones, algunas de las cuales sern consideradas despus en este texto.
EL PROBLEMA
DE LA
DIAGONALIZACIN DE
MATRICES
El objetivo principal de esta seccin es mostrar que los dos problemas siguientes,
que a simplc vista parecen muy diferentes, en realidad son equivalentes.
Problema del eigenvector. Dada una matriz A n
R" integrada por eigcnvectores de A?
n,
a ) A es diagona/izahle.
h ) '4 lime n eigenvectores linealrnente independientes.
P=
PI1
PI2
'..
P21
P22
...
Pnl
Pn2
D=
=D
Si ahora p,, p,, . . . , p, denotan los vectores columna de P, entonces por ( I ) las
columnas sucesivas de A P son Alpl, A,p,, . . . ,Anp,. Sin embargo, por la frmula
( 3 ) de la seccin 1.3, las columnas sucesivas de A P son Ap,, Ap,, . . . , Ap,. As,
se debe tener
AP,
= alp,,
A P , = il2p-2, . .
AP,
Anpn
(2 1
Como P es invertible, no todos sus vectores columna son cero; as, por (2) se
concluye que A,, A,, . . . , A, son eigenvalores de A, y que p l , p,, . . . , p, son los
eigenvectores correspondientes. Como P es invertible, por el teorema 7.1.5 se
concluye que p l , p,, . . . , p, son linealmente independientes. Por tanto, A tiene n
eigenvectores linealmente independientes.
b * a: Supngase que A tiene n eigenvectores linealmente independientes, p,, p2,
. .. . , p,, con los eigenvalores correspondientesA,, A,, . . . , A,, y sea
PI1
PI2
P2l
P22
P ~ IP n 2
'.'
' '
' "
Pnn
la matriz cuyos vectores columna son p,, p,, . . . , p,. Por la frmula ( 3 ) de la
seccin 1.3, los vectores columna del producto A P son
428
Eigenvalores, eigenvectores
Pero
de modo que
AP
PRQCEDIMIENTO PARA
DIAGONALEAR
UNA MATRIZ
I Paso 1.
Paso 2.
Paso 3.
7 . 2 Diagonalizacin / 429
(A - l)(A - 2)* = o
=[-;I,
L=2:
p,
p2=[;]
p-lAp=[-:
- ~ ] [;~ :I[ ;
2
0 - 2
-1
0 - 2
:I=[:: ;
2 0 0
;]A
P=[
-2
o
; ;]
430
Eigenvalores,
eigenvectores
o o
Solucin.
El polinomio caracterstico de A es
A-1
det(A.l-~A)= - 1
3
A-2
-5
O
1-2
= ( A - l)(A-2)2
( A - 1 ) ( A 2)* = o
-
A correspondientes a
, ,
, vk}es un conjunto
+ c2v* +
+ e,.+ ]V,..+
(4)
se obtiene
ClA1V,
+ c2A,v, +
+ cy+lAr+]V,+
(5)
132
Eigenvalores, eigenvectores
Las ecuaciones (6) y (7) contradicen el hecho de que no todos los c l , c 2., . . , c,+,,
son cero; esto completa la demostracin. 0
OBSERVACI~N. El teorema 7.2.2 es un caso especialde
un resultado ms
son eigenvalores distintos y que en cada
general: Supngase que A,, ,I2, . . .
uno de los eigenespacios correspondientes se elige un conjunto linealmente
independiente. Si despus estos vectores se unen en un solo conjunto, el resultado
an es un conjunto linealmente independiente. Por ejemplo, si se eligen tres
vectores linealmente independientes de un eigenespacio y dos vectores linealmente
independientes de otro, entonces los cinco vectores forman un conjunto
linealmente independiente. Se omite la demostracin.
,,I,
= 4,
+ fi,A
2 - A.Por consiguiente,
:I
2-v3
Ejemplo 4 Por el teorema 7.1.1, los eigenvalores de una matriz triangular son los
elementos desu diagonal principal. As, una matriz triangular con elementos
distintos en la diagonal principal es diagonalizable. Por ejemplo,
-
A=[
-2
MULTIPLICIDAD
GEOMTRICA Y
MULTIPLICIDAD
ALGEBRAICA
(A- ])(A- 2 ) 2
Por tanto, el eigenespacio correspondiente a A = 1 es cuando mucho (y, por tanto,
exactamente) unidimensional y el eigenespacio correspondiente a A= 2 es a lo
sumo bidimensional. En e! ejemplo 1, el eigenespacio correspondiente a A = 2 en
realidad es de dimensin 2, lo cual da por resultado condiciones para la diagonalizacin, pero en el ejemplo 2 el eigenespacio slo es de dimensin 1, lo cual indica
que no hay condiciones para la diagonalizacin.
Existe una terminologa que relaciona las ideas anteriores. Si A. es un
eigenvalor de una matriz A n X n, entonces la dimensin del eigenespacio corres-
434
,'
Eigenvalores,eigenvectores
CLCULO DE
LAS POTENCIAS
DE UNA MATRIZ
= P"APP"AP
=P-
' A M P = P"A2P
' A P ) k ( P - ' A k P= P -
lAP)k
= (P
di
D es una
(9)
4
O
entonces
...
i]
A=[!
-2
-1
-2
:I
y]
D=P"..=[:
2 0 0
[-p A
[
A'3=PD13P"
- 8190
:l[:
-2
213
o
:3
:'.I[-:
o
0
1
0
2
I]
-1
(11)
-16382
8191
8192
8191
16383
Con el mtodo del ejemplo precedente casi todo el trabajo consiste en diagonalizar A . Una vez hecho sto, se puede usar para calcular cualquier
potencia de A . As, para calcular A loo0 basta cambiar el exponente de 13 a 1000
en laexpresin (11).
OBSERVACI~N.
En los qercicios del 8 al 1 1. hallar una matriz P que diagonalice a A, y determinar P" AP.
3
cncontrar una matri7 P que diagonalice a A , y determinar P"AP
'I
o3
A=
[-A
: -"]
15
-2
SI II
es un entero positlvo y
-1
4j
o
PROBLEMADE
LA DIAGONALIZACION
ORTOGoNAL DE
UNA MATRIZ
El primer objetivodeestaseccin
son equivalentes.
~~
Con respecto a la primera pregunta, se observa que no hay ninguna posibilidad de diagonalizar ortogonalmente una matriz A a menos de que A sea simtrica
(es decir, A =AT).Para darse cuenta de este hecho, supngase que
P'AP
=D
(1)
A T = (PDPT)T= (PT)TDTPT
= PDPT = A
PARA DIAGONALIZACI~N
ORTOGONAL
El siguiente teorema muestra que toda matriz simtrica es, de hecho, diagonalizable ortogonalmente. En este teorema, y durante el resto de esta seccin,
ortogonal sigruficar ortogonal con respecto al producto interior euclidiano sobre
R"
Teorema 7.3.1. Si A es una matriz n x n, entonces las siguientes proposiciones son equivalentes.
a) A es diagonalizable ortogonalmente.
b) A tiene un conjunto ortonormal de n eigenvectores.
c> A es simtrica.
= PDP-]
= PDPT
Por consiguiente,
A T = (POPT)= PDTPT= PDPT= A
ALGUNAS
PROPIEDADES
DE LAS
MATRICES
SIMTRICAS
A*vz
-130
Eigenvalores,
eigenvectores
( A
A2)(VI
.v2) =o
(4)
O B S E R V A C I ~ N . El lector
DIAGONALIZACION DE
MATRICES
SIMTRICAS
Como una consecuencia delteorema precedente se obtiene el siguiente procedimiento para diagonalizar ortogonalmente una matriz simtrica.
Paso 1.
Baso 2.
Paso 3.
Soluci6n.
La ecuacin caracterstica de A es
det(A1-A)=det
["-: 1:
-2
A-4
-2
=(A-2)2(A-8)=0
%=[
-;]
v,
l/v?
y
l/ofi]
El eigenespacio correspondiente a X
=8
v2=
tiene a
p = [
-116
116
l/V5
l/v3
2 / d
1/%5
df
: '1
2
e ) [4
O o]
0 0 0 0
0 0 0 0
f)
[-: ;
2
-1
;
-I
-;I
6. A =
1 1 0
I 1 O]
O 0 0
::
I!]
7. A = [ : !
-7
3 1 0 0
8. A = [ O 0 o0 0
9. A = [
O 0 0 0
10. Suponiendo que b f O, encontrar una matriz que diagonalice ortogollalmente a
n,
2.
EJERCICIOS COMPLEMENTARIOS
1. a) Demostrar que si O < 0 < n,entonces
A=
cos 0
-sen 0
sen 8
cos 8
24O
O - 70
7
O 2 4
24
O
7
24
valores.
b) Demostrar que A y AT nonecesariamentetienenlosmismoseigenvectores.
[Sugerencia Usando el ejercicio 18 de la seccin 7.1, encontrar una matriz A 2
tal que A y AT tengan eigenvectoresdiferentes.]
5. Demostrar: Si A es una matriz cuadrada y p(1) = det(1Z - A ) es el polinomio caracterstico de A, entonces el coeficiente de 1"" enp(1) esel negativo dela traza deA .
6. Demostrar: Si b
O, entonces
no es diagonalizable.
7. En algebra lineal avanzada se demuestra el teorema de Cayley-Hamilton, que establece que una matriz cuadradaA satisface su ecuacin caracterstica;es decir, si
co+cla+c~a~+~~~+c~~,~-~+a~=o
es la ecuacin caracterstica de A , entonces
col
-3
paramatrices2
el teoremadeCayley-Hamilton
2.
9. El teorema de Cayley-Hamilton proporciona un mtodo eficiente para calcular potencias de una matnz. Por ejemplo, si A es una matriz2 X 2 con ecuacin caracterstica
co
entonces cJ
a2
=o
A 2 = -cIA - c o l
As
para
X II y n
eigenvalor real.
15. Encontrarunamatriz
A de 3
elgenvectores correspondientes
respectivamente.
- 1 con
elgenvalores de A?
CAPITULO
TRANSFORM4CIONES
LINEALES
8.1
TRANSFORMACIONESLINEALESGENERALES
En las secciones 4.2 y 4 . 3 se estudiaron Iransformaciones lineales de R" a
R". En esta seccin se definirn y estudiarn transformaciones lineales de un
espacio vectorial V a un espacio vectorial W. Los resultados tienen aplicaciones
importantes en fisica, ingeniera y varias ramas de las matemticas.
DEFINICIONES Y
TERMINOLOGA
Recurdese que una transformacin lineal de R" a Rm se defini como una funcin
w , , x2,
. . . ,x,)
=(
y , w2,. . . , w m )
en la cual las ecuaciones que relacionan a wl, w2,. . . , wm y xl, xz, . . . , x, son
lineales. Luego se demostr que la transformacin T:Rn i* R" es lineal si y slo si
a
ls siguientes relaciones se cumplen para todos los vectores u y v en R" y cualquier
escalar c (vase elteorema 4.3.2):
T(u + v) = T(u) + T(v)
T(cu) = cT(u)
Definicin. Si T:V * W es una funcin de un espacio vectorial V a un espacio
vectorial W, entonces T se llama transformacin libzealde Va W si para todos
los vectores u y v de V y todos los escalares c se cumple que
a) T(u v) = T(u)
b) T(cu) = cT(u)
+ T(v)
Estas propiedades se usarn como punto de partida para el estudio de las transformaclones linealcs generalcs.
EJEMPLOS DE
TRANSFORMACIONES
LINEALES
P(u + v ) = o, 7'(u) = o.
T(v) = o,
T ( k u )= o
Por consiguicnte.
T ( u + V) = T ( u ) + T ( v )
T ( k u )= k T ( u ) A
Ejemplo 3 Sea J'cualquier espacio vectorial. El mapeo I:V + V definido por I(v)
v se llama operador identidad sobre b'. La comprobacin de que I es lineal sc
dejacomo qercicio. A
=
Ejemplo 1 Sea I' cualquier espacio vectorial y k cualquier escalar fijo. Se deja
como ejercicio comprobar que la funcin 7 I.' + C'definida por
T(v) = kv
es un operador lineal sobre 1'. Este operador lineal se conoce como dilatacin de P.
con factor k si k > 1, y como contraccin de V con factor k si O < k < 1
Geomtricamente. la dilatacin "estira" a cada vector de T' por un factor k . y la
contraccin de L '"comprime" a cada vector de I' por un factor k (figura 1). A
= (v,
= (u
' '
+ ( v , WI)W,+ ( v , W2)WZ +
=
T(u)
+ (v, WJW,
+ T(v)
= (v,
= x ( 1 , o, 0) + Y a 1, 0)
= (X>Y , 0)
$50
7iansjorrnaclones lineales
(Vase Pa figura 3 .) A
F~~~~~
Ejemplo 7 Sea S = {wl, w2, . . . , w,,} una base deun espacio vectorial V de
dimensin n, y sea
(V).? =
( k , , k2 , . .
' 1
Se define 1': L' -+ K" como la funcin que mapea v en su vector de coordenadas con
respecto a S; es decir,
La funcin T es una transformacin lineal. Para darse cuenta de que as es, supngase que u y v son vectores en Y y que
As,
Pero
u+V
(c.,
de modo que
(u + v ) =
~ ( c , + d , , c2 + d,, . . . , C,
(kuj,
( k c , , kc,, . . . , kc,)
+ d,,)
Por consiguiente,
T(ku) = kT(u)
OBSERVACI~N.
T(p) = T ( p ( x ) )= x p ( x ) = cox
+ c1x2 +
+ C,X,+l
4.52
Transformaciones lineales
Ejemplo 10 Sea V un espacio con producto interior y sea vo cualquier vector fijo
en V. Sea T:V + R la transformacin que mapea un vector v en su producto
interior con vo; es decir,
T(v) = (v, vo )
Vo>
= (u, vo)
T ( k u ) = (ku, v")
= k( u,
vo>= kT(u)
y(.,
D(kf)
= kD(f)
Ejemplo 12 (Para quienes ya estudiaron Crilculo). Sea V = C(- m, m) el espacio vectorial de funciones continuas sobre (- m , m), y sea W = C1(- m , m) el espacio vectorial de funciones con primeras derivadas continuas sobre (- m , m). Sea
J:T' + W la transformacin que mapea f =Ax) en la integral
J ( c f ) = j : c f ( t ) d t = ~ [O f ( t ) d r = c J ( f )
+R
n en
T(A) = det(A)
PROPIEDADES
DE LAS
TRANSFORMACIONES
LINEALES
= c,T(v,)
+ CJ(V2)
T(c,v,+ c2v2 +
+ c,v,)
= c,T(v,)
+ c2T(v2)+
'
. . + c,T(v,)
(1)
454
,'
Transformacioneslineales
Demostracin.
=
=
=
T(v
+ (-
1)w)
T(v) + ( - l)T(w)
Z(V) - T(w)
En palabras, el inciso a ) del teorema anterior establece que una transformacin lineal mapea O en O. Esta propiedad es til para identificar transformaciones
que no son lineales. Por ejemplo, si % es un vector fijo diferente de cero en R2,
entonces la transformacin
T(x)= x
+ x,,
DETERMINACIN DE
TRANSFORMACIONES
LINEALES A
PARTIR DE LAS
IMGENES DE
LOS VECTORES
BSICOS
455
de los vectores bsicos. Esto se hace al expresar primero a v como una combinacin lined de los vectores bsicos, por ejemplo,
v
= C,Vl
+ C2V* +
' '
. + c,v,
Expresado en palabras, una transformacin lineal est completamentedeterminada por lasimgenes de vectores bsicos cualesquiera.
Ejemplo 14 Considerar la base S = {vl, v2,v3} para R3, donde v1 = (1, 1, l), v2
= (1, 1, O), v3 = ( 1, O, O); y sea T:R3+ R2 la transformacin lineal tal que
Obtener una frmula para T ( x l ,x2, x3);luego, usar esta frmula para calcular T(2,
- 3 , 5).
Solucidn. Primero, x = (x1, x2, x3) se expresa como una combinacin lineal de v1
= (1, 1, l), v2 = (1, 1, O) y v3 = ( 1, O, O). Si se escribe
456
,/'
Transformaciones lineales
Por tanto.
T(.u,, x2, x
i
= -u,T(v,)
= -u,(
-
1,
(4a,
2.5
- x j , 3.Yl
4s2
+ x3)
COMPOSICIONES
DE TRANSFORMACIONES
LINEALES
~~
3. 5 ) = (9. 2 3 ) A
7,:
Definicin. Si Ti: I/ + V y
V + W son transformaciones lineales, la composicin de T2 con TI denotada por T . o T I (que se lee como " T , seguida de
7;").
es la funcin definida por la frmula
I donde u es un vector en U.
Ntese que esta definicin requiere que el dominio de T, (el cual
es 1),' contenga al recorrido de T,;este hecho es esencial para que la expresin
T,(T,(u))tenga sentido (figura 5). El lector debe comparar (2) con la frmula (18)
de la seccin 4.2.
OBSERVACI~N.
Figura 5
la
45 7
P, y T,:P,
T I ( P ( 4 )=x&)
-+
T,(P(X)) = P(2X
+ 4)
T(Z(v))= T ( v )
( I o T ) ( v ) = I ( T ( v ) )= T ( v )
r; es decir,
A
T2 V+ W,
)(u>=
T 3 : W+Y
composicin T3 T2 T I se define
0
T3(T2(Tl(u)))
(4)
Figura 6
EJERCICIOS DE LA S E C C I ~ N8.1
1. Con la definicin de operador lineal proporcionada en esta seccin, demostrar que la
funcin T S 2 + R2 deffida por la frmula T(x,, 3)= (x, + 2.5, 3x, - x2) es un ope-
rador lineal.
2. Por medio de la definicin de transformacin lineal que se dio en esta seccin, demostrar que la funcin TB3 + R2 expresada por la frmula T(x,,%, x3) = (2x, - x2 +
x3, x2 - 4 5 ) es una transformacin lineal.
En los ejercicios del 3 al 10, determinar si la funcin es una transformacin lineal. Justificar las respuestas.
3. T: V + R, donde Ves un espacio con producto interior y T(u) = IIuII.
4. T:R3+ R3, donde vo es un vector fijo en R3 y T(u)= u X vo
5. M2*
6. TM
:,
+ R, donde
7. TM,,
+ M,,
3 y T(A)= AB
T(A)= &(A).
donde F(A) = A T
8. TM2, + R, donde
9. KP,
+ P,,
donde
+f(4
m),
donde
b) T(f(x))
= f(x
+ 1)
T ( v , ) = ( - 4 , 1)
13. Considrese la base S = {vl, v2} para R2, donde v1 = (-2, 1) y v2 = (1, 3), y sea TB2
R3 la transformacin lineal tal que
-f
Obtener una frmula para T ( x l ,x2, x3) y usarla para calcular T(2,4, - 1)
15. Considrese la base S = {vI,v2, v3} para R3, donde v1 = (1, 2, l), vz = (2, 9, O) y v3 =
hallar una frmula para T ( x l ,xz, x3) y usarla para evaluar T(7, 13, 7)
16. Sean vl, v2 y v3 vectores en un
459
a) Encontrar ( T , 0 T J A ) , donde A
[::]
21. Sea T,:V + V la dilatacin T,(v) = 4v. Encontrar un operador lineal T,:V
T I 0 T , = I y T, 0 TI = 1.
V tal que
(T, - T2)W
+ T2W
TI(V) - TAv)
, Y ) = @,x
J(f) = j ; i ( t j dt
+ 3x + 2
b) f(x) = senx
c) f(x) = x
30. Sea {v,, v,, . . . , vn} una base de un espacio vectorial V y sea T V +- Wuna transformacin lineal. Demostrar que si T(v,)= T(v,) = ' . . = T(v,) = O, entonces T es la transfor-
macin cero.
. . . , vn} una base de un espacio vectorial V y sea T:V -* V un operador
lineal.Demostrar que si T(v,) = v,, T(v,) = v,, . . . , T(vn)= Y", entonces T es la
transformacin identidad sobre V.
NCLEO Y
RECORRIDO
462
Transformaciones
lineales
Ejemplo 5 Sea T:R2 -z R2 el operador lineal que hace girar a todo vector en el
plano xy por un ngulo 8 (figura 2). Como todo vector en el plano xy se puede
obtener al girar algn vector por un ngulo 8 (por qu?), se tiene que R(T) = R2.
Adems, el nico vector que gira en O es O, de modo que ker(T) = { O } . A
En todos los ejemplos anteriores, ker(7) y R(7) resultaron ser subespacios. En los
ejemplos 2, 3 y 5 fueron el subespacio cero o todo el espacio vectorial. En el
ejemplo 4 el ncleo era una recta que pasa
por
el
origen y el recorrido era un
plano que pasa por el origen; ambos son subespacios de R3. Nada de lo anterior es
fortuito; es una consecuencia del siguiente resultado general.
Teorema 8.2.1. Si T:V -i. W es una transformacin lineal, entonces:
a) El ncleo de T es un subespacio de V.
b) El recorrido de T es un subespacio de W.
Demostracin de a).Para demostrar que ker(7) es un subespacio se debe probar
que contiene por lo menosa un vector y es cerrado bajo la adicin y la
multiplicacin escalar. Por el inciso a) del teorema 8.1.1, el vector O est en
ker(7'), de modo que este conjunto contiene por lo menos un vector. Sean v, y v2
vectores en ker(7') y sea k cualquier escalar. Entonces
T(v,
de modo que
Demostracin de 6). Como T(0) = O, existe por lo menos un vector en R(7). Sean
w, y w2 vectores en el recorrido de T y k cualquier escalar. Para demostrar esta
parte es necesario probar que w, + w2 y
estn en el recorrido de T; es decir, se
deben encontrar vectores a y b en Vtales que T(a) = w, + w2 y T(b) = k w , .
Como w, y w2 estn en el recomdo de T, en V existen vectores al y tales
que T(al) = w, y T(%) = w2. Sean a = a, + % y b = ka,. Entonces
kw,
Y
T(b) = T ( k a , )= kT(a,) = kw,
464
Transjormaciones lineales
7'
n y TA :R"
Rm es la multiplicacin
3
2
4
-7
-5
-9
2
2
2
o
4
-4
6
-
nulidad ( T ) = 1 y rango ( 7 ) = 2 A
TEOREMA DE
LA DIMENSIN
DE LAS
TRANSFORMACIONES
LINEALES
rango(T) + nulidad(T) = n
Ejemplo 9 Sea T:R2 + R2 el operador lined que hace girar a cada vectordel
plano xy por un ngulo 8. En el ejemplo 5 se demostr que ker(7) = { O } y que
R(T) = R 2 . As,
rango ( r ) + nulidad ( T ) = O + 2 = 2
lo cual concuerda con el hecho de que el dominio de T es bidimensional. A
DEMOSTRACIN ADICIONAL
Demostracin del teorema 8.2.3. Se debe demostrar que
dim(R(T))
+ dim(ker(T)) = n
+r =n
..=
T(v,)
466
Transformaciones lineales
k,,
, T(v,+
+ . . . + k,T(V,)
1)
(2)
+ . . . + k,v,)
=O
k,
Iv,
+ . . . + k,v,
= k,v,
+ . . . + k,~,
As,
k,vl+ . . . + k,v,
k , , 1~,,
I - . . . - k,v, = O
Como {vl, .
, v,} es linealmente independiente, todas las k son cero; en
particular, krtl= . . = k, = O, con lo que se completa la demostracin. 0
'
2. Sea TI??+ R' el operador lineal del ejercicio 1. 2,Cules de los siguientes vectores
estn en ker( T)?
a) (5, 10).
b) ( 3 , 2 ) . c) (1, 1).
3. Sea T@
+ K3
+ R3 la transformacin lineal del ejercicio 3. (,Cules de los siguientes vcctores estn enker(T)?
a) ( 3 , -8,2, O).
b) ( O , O, O, 1).
C) (O, -4, 1, O).
5. Sea T:P, + P, la transformacin lineal definida por T(p(x)) = xp(x). Cules de los
ejercicio 3.
[i -i]
-1
10. A =
1:
11. A =
1
3
-1
2
-a]
4
-2
0
3
5
!
-1
5
o
o
9
-1
-1
8
a) el plano xz.
b) el plano yz.
c) el plano cuya ecuacin es y = x.
15. Sea V cualquier espacio vectorial y sea T:V + V definida por T(v) = 3v.
a) Cul es el ncleo de T?
b) Cul es el recorrido de 77
a) T A +
~ R? tiene rango 3.
b) TP4 + P, tiene rango 1.
c) El recorrido de TR' -D R3 es R3. d) TMZ2+ M,, tiene rango 3.
X 6 tal que A x = O slo tiene la solucin trivial, y sea TR'
multiplicacin por A . Encontrar el rango y la nulidad de A .
+ R7 la
X 7 con rango 4.
a) Cul es la dimensin del espacio solucin de Ax = O?
b) Es consistente A x = b para todos los vectores b en R'? Explicar la respuesta
20. Sen 7'. I.; -3. R 3 una transformacin l~nealde crlalquicr espac~ovcctorial a R 3 . Demostrar
quc el recomdo dc 1" es una recta qrx pasa por el origen, un plano que pasa por el
arrgen, slo e orlgen o todo I?
21. sea T:R'
Hi la multlpiicacion por
a) Ikmostrar que el nilcleo de 7' es una recta que pasa por el origen y encontrar
ecuacrollcs paramtncas de Csta.
b) Ikmostrar que elrecorrido de T es un plano que pasa por el origen y encontrar una
ecuacin de Cste.
22. Demostrar: Si f v , . v 2 , . . , v n ) es una base para V y w , , w2, . . . , w nson vectores en
I+', no necesariamente distintos, entonces existe una transfommcin lineal T:l' + W tal
que 7'(vlj = w,,T(v7) = w:, . . . , T(v,) = wn.
23. Lknostrar el teorema de la dimensin en los casos en que
b) dim(ker(7')) = n.
a) dim(ker(T)) = O
21. Sea 7'1.'
R l a transformacin integraci6n
27. (Pura quienes y a estudiaron Clculo). Sea D:V -., W la transformacin derivacin
[I( p) =,f(x). donde I' = C2( - 00,m ) v W = F( - 00,m). Describir el ncleode D o D.
Recurdese de la seccin 4.3 que una transformacin lineal de R" a R" se denomina uno a uno o biunivoca si mapea vectores distintos de R" en vectores distintos de R"'. La siguiente definicin generaliza esta idea.
I'
469
~~
Definicin. Una transformacin lineal T:V + W se llama uno a uno si 7 mapea vectores distintos de Ven vectores distintos de W.
Ejemplo 1 Recurdese por el teorema 4.3.1 que si A es una matriz n X n y
TA :Rn + R" es la muitiplicacin por A , entonces T> es uno a uno si y slo si A es
una matriz invertible. A
Ejemplo 2 Sea T:Pn + Pn+l la transformacin lineal
T(p1 = T ( p ( x ) )= x p ( x )
' '
+ c,xn
= y(x) = do
+ d , +~. . . + d,,x"
tambin difieren en por lo menos un coeficiente. Por tanto, T es uno a uno, ya que
mapea polinomios distintos p y q en polinomios distintos T(p) y T(q). A
+ 1) = 2x
Teorema 8.3.1. Si T:l/ + W es una transformacin lineal, entonceslas siguientes proposiciones son equivalentes.
a ) T es uno a uno.
b ) El ncleo de T slo contiene al vector cero; esdecir. ker(7) = { O } .
c) Nulidad ( r ) = O .
"
.l.-_"."
4 70 i Transformaciones lineales
es decir.
(1)
w#O
Para demostrar que T esuno a uno es necesario probar que T(v) y T(w) son
vectores dstintos. Pero si este no fuese el caso, entonces se tendra
T(v) = T(w)
T(v)- T(w) = o
T(v - w) = o
lo cual indica que v - w est en el ncleo de T. Como ker(T) = O , se tiene que
v-w=o
lo cual contradice (1). As, T(v)y T(w) deben ser hstintos. 0
7
2
0
2 - 5
2
4
4 -9
2 -4
1
6
-4
1
7
4, as que T no es
a ) T es uno a uno.
b ) ker(T) = ( O } .
c) Nulidad (7') = O.
d) El recorrido de T es V; es decir, R(T) = V.
Demostracin. Sesabe que a), b ) y c ) son equivalentes, de modoquela
demostracin se puede completar probando la equivalencia de c ) y d).
c * d. Supngase que dim@') = n y que nulidad (7') = O. Por el teorema de la
dimensin (teorema 8.2.3) se concluyeque
nulidad ( r )
=n
- rango(T) = n
ji
-- n = O.
-,
-2
-4
1
+.
472
Transformaciones lineales
OBSERVACI~N.
n P) = T(P(.Y)) =
es uno a uno; as, T tiene inversa. Aqu, el recorrido de T no es todo P,,,; en vez
de ello, R(7) es el subespacio de P,+, que consta de los polinomios con trmino
constante cero. Este hecho es evidente a partir de la frmula para T:
T(C,
+ C'X + . . . + C , Y )
= cox
+ c,x2 + . . . + C,X"+
' '
+ c,x"
1)
= c*
+ c1x + . . . + c&?
X2,
"2x1 - 4x2
+ 3x3,
5x1
+ 4x2 - 2x3)
[TI=
-2
-4
-2
-3
[T"]=[T]-'=
-12
10
Se concluye que
INVERSASDE
COMPOSICIONES
Teorema 8.3.3. Si T , : U
uno, entonces:
a)
h) (T2 0 Tl)-I =
r;'
Ti-].
T,(TI(U))
T,(T,(V))
tambin son vectores distintos. Pero estas expresiones tambin se pueden escribir
como
(T,~T,)~'(w)=(T,~~T,')(w)
para todo vector w en el recomdo de T, T I .Para este propsito, sea
o
'
T,- l)(w)
En el caso especial en que TA, TB,y Tc, sean operadores matriciales sobre R", entonces la frmula (4) se puede escribir como
En palabras, esta frmula establece que la matriz estndar para la inversa de una
composicin es el producto de las inversas de las matrices estndar de los operadores individuales en orden invertido.
En los ejercicios se proporcionan algunos problemas en los que se usan las
frmulas (4) y (S).
4 1 5 2
a ) A = [ - 1 1 21 ol ]
" A = [ - ;
i]
c ) A = [ O1 11 0I]
.)A=[:
a uno.
-:]
-7
2
-
'1
c) A
S. Sea 1'8'
Figura 2
6. Sea FA2 + R2 el operador lineal T(x,y) = ("x, y ) que refleja cada punto con respecto
al eje y (figura 3).
a) Encontrar el ncleo de T.
h) Es T u n o a uno? Justificar la conclusin.
ry
Figura 3
9. Sea A una matriz cuadrada tal que det(A) = 0 LLa multiplicacin por A es una
transformacin lineal? Justificar la conclusin.
10. En cadainciso determinar si eloperador lineal T X n
afirmativo, encontrar ~ " ( x , ,xz, . . . ,x,,).
7 '(XI, x2, . . . , x n ) .
a) T ( . x , , x 2, . . . , .x , j ) = ( 0 , ~ l , ~. 2. .r, x = - , )
c) "(x,, x*,. . . , x,,) = (x2, x3, . . . x,, XI )
-+
Rn es uno a uno;encaso
b) T(x,,xL,. . . , x , ) = j x , , ~ . , ~ ,I . . . , . x ? , x i )
x*, . . . , x , )
= (a,x1,a,x,,
. . . , a,,x,)
T , ( x ,y ) = (x + y, x'
"
T,(x, y ) = (2x + y. x
y)
2y)
c) Comprobar que ( T 20
13. Sean T;P, + P , y Tz:P, +
= T I p 10
T2-l.
@(x)) y
(T2 O T 1 ) - ' @ ( x ) )
T2-I
plano xz y al plano yz, respectivamente. Comprobar la frmula (5) para estos operadores lineales.
15. Sea TPl + R2 la funcin definida por la frmula
T M x ) ) = (P(O),
P( I )I
a)
b)
c)
d)
Encontrar T( 1 - 2x).
Demostrar que T es una transformacin lineal.
Demostrar que T es uno a uno.
Encontrar T"(2,3) y trazar su grfica.
16. Demostrar: Si V y W son espacios vectoriales de dimensiones finitas tales que dim W <
afirmativo, encontrar
T(x, y ) =
Demostrar que T es uno a uno para todo valor real de k y que T" = T.
(x
+ /y, -y)
19. Demostrar que si T:V + Wes una transformacin lineal uno a uno, entonces T":R(T)
+
478
,,
Transformaciones lineales
MATRICES DE
TRANSFORMACIONES
LINEALES
Figura 1
un A es
en
vector
un A es
en vector
W
(m-dimensional)
A es un
[x18
R"
T(x)
[ Tt4h
vector
en
R~
La matnz A en (1) se denomina matriz para T con respecto a las bases B y B'.
T mapea
Ven W
T(x)
I
Figura 2
i
La multiplicacin
por A mapea
R" en R"
A=
que (1) se cumpla para todos los vectores x en V. En particular, se quiere que
esta ecuacin sea verdadera para los vectores bsicos ul, u*,. . . , U,,; es decir,
tal
A[uI]B=[T(ul)]B'~
A[u21B=[T(u2)1Br,
...)
A[unlB=[T(un)lBr
Pero
O'
1
O
de modo que
I '
'
] =
a11
a12
a2 1
a12
am2
(2)
380
"
Transformaciones lineales
con respecto ala base B'. As, la matriz para T con respecto a las bases B y B' es
IR', B
OBSERVACI~N.
, E
44
MATRICES DE
OPERADORES
LINEALES
En trminos informales, las expresiones (4a) y (5a) establecen que la matriz para
T multiplicada por la matriz de coordenadas para x es la matriz de coordenadas
para "(x).
Ejemplo 1 Sea T:P, * P, la transformacin lineal definida por
u, = 1,
u* =x; v1
1,
v2
=x,
v3 = x 2
T(x) = (x)(x) = x2
482
'
Transformaciones lineales
[a y]
o 0
1 TI,..,=
=a
+ bx en P ,
T(x)= xp(x)
= ax
+ hx2
[ T(x)],.= [ax
Por tanto,
+ bx2] =
[:I
a
T(u2)
= 3v,
+ v2
As,
de modo que
[;;I)
"1
2x, + 4x2
a) Encontrar [ q ~ .
b) Comprobar que (5a) se cumple para todo vector x en R2
Solucin de a ) . Por la frmula dada para T,
v3
484
Transformaciones
lineales
Por consiguiente,
En consecuencia,
Solucin de b).
Si
x=
[:;I
x1
-2x1
+ x2
+ 4x2]
Para encontrar [xIB y [T(x)IB,es necesario expresar (6) y (7) como combinaciones
lineales de u1 y u2.Esto conduce a las ecuaciones vectoriales
+ k , = x,
k , + 2 k , = x2
k,
+ c2 = x, +
c , + 2c, = -2x, + 4x2
c1
x2
de modo que
rx1B =
k2=
-X,
2x, - x2
-x1 +x2]
+X,
= 4 X l - 2x2,
C2
= -3Xl
+ 3x2
de modo que
As,
. , I(un)= u,
Por consiguiente,
As,
...
...
'..
... 1
En consecuencia, la matriz de operador identidad con respecto a cualquier base es
la matriz identidad de n X n. Este resultado se pudo haber anticipado a partir de la
frmula (5a), ya que la frmula produce
[zlB[xlE =
E])'('[
= ['IR
186
Transformaciones lineales
(12)
Este teorema, establece que en el caso especial en que T transforma R" en Rm,la
matriz para T con respecto a las bases estndar es la matriz estndar para T. En
este caso especial la frmula (4a) de esta seccin se reduce a
[ T ] x = T(x)
POR QU SON
IMPORTANTES
LAS MATRICES
DE LAS
TRANSFORMACIONES
LINEALES
estructura de
transformaciones lineales generales sobre espacios vectoriales de dimensin
finita estudiando simplemente las transformaciones lineales. estas cuestiones
se consideran con ms detalle en cursos ms avanzados de lgebra lineal.
aunque se abordarn en secciones ulteriores de este texto.
Estas matrices hacen posible calcular imgenes de vectores usando multiplicacin matricial. Los clculos sepuedenefectuar rpidamente en computadora.
[nBB
T ( x ) = 3~ - 5,
1,
T ( x 2 )= ( 3 -~5)
= 9x2 -
de modo que
3 0 +~ 25
[2 1
Por tanto.
Solucin de 6).
2x + 3x2 es
T( 1 + 2~ + 3x2) = 66 - 8 4 ~ 27x2
MATRICES DE
A continuacin se enunciarn dos teoremas que son generalizaciones de la
COMPOSICIONES frmula (21) de la seccin 4.2 y de la frmula (1) de la seccin 4.3. Se omiten las
Y TRANSFORMA- demostraciones.
CIONES
INVERSAS
Teorema 8.4.2. Si T , :U + V y T,: V + W son transformaciones lineales y si B.
B" y B' son bases para U,V y W, respectivamente, entonces
[ T, T, I B ' J
O
[ T2 IB'.B"[ TI I
B 3
(13)
Figura 6
= (3x
= C0(3X
+ CI(3X - 5))
5) + Cl(3X - 5)*
5)(c,
-
(16)
Se elegirn B = { 1, x} como la base para P , y B' = { 1. x, x,} como la base para P,.
En los ejemplos 1 y 6 se demostr que
[-a]
(T2 T,)(x)
=( 3 ~ 5),
0
= 9x2 - 3
T ~ ) ( =
~ N ~ ~
~ ~ ) ( x )=
1 ~,
0 +~ 25
490
Transformaciones
lineales
[;
-5
7',1,,
25
-3;]
B' =
~ 2 vi.
,
vql
donde
UI= I,
u2 = x ,
v,
v2 =x,
1,
u3 = x >
vj = x 2 ,
v4 =x3
[uFB
a) Encontrar la matriz para T con respecto a las bases estndar B = { 1, x , 2)y B' = 1,
x paraP2 y P I .
b) Comprobar que la matriz [qF8
obtenida en el inciso a) satisface la frmula (4a)
para todo vector x = c o + c I x+ cp2 en P2.
3. Sea TPz + P, el operador lineal definido por
T(a,
+ a,x + a$)
= U,)
+ a , ( x - 1) + u2(x
1)*
a) Encontrar [qe.
b) Comprobar que la frmula (5a) secumple para todo vector x en R2.
a) Encontrar la matriz [TIpB con respecto a las bases B = { ul, u2} y B' = {v,, V2,
donde
V3),
en R2
6. Sea TJ3 + R3defmido por T(x,, x, x3) = (xl - x, xz - x,, x1 - x3).
a) Encontrar la matriz para T con respecto a la baseB' = {vl, v,, v3}, donde
v , = ( l , O , l),
v 2 = ( 0 , 1, I ) ,
v 3 = ( 1 . 1,O)
b) Comprobar que la frmula (5a) secumple para todo vector x = (x,, x*, x3)en R3.
7. Sea TP2 + P, el operador lineal definido por T(p(x)) = p ( k + 1); es decir,
T(c,
CIX
T(c,
+ c , x + c$)
= X(C"
- 3); es decir,
a) Encontrar [qpB
con respecto a las bases B = { 1, x, ?} y B = { 1, x, 2,?}.
b) Aplicar el procedimiento indirecto ilustrado en la figura 5 para calcular T(l + x
2).
2).
10. Sea
A =
[-i
:]
la matnz de of T : R"R3
con respecto
a las bases
(d)Usarlafrmulaobtenidaen(c)paracalcularT
m ) .
11. Sea A =
+ 3x + 2x2,vj = 3 + 7x + 2 2 .
+ c2xZ) = 3c0x + 3
+ 3c2x3
SeanB={1,x},B"=(1,x,~}yBm={1,x,~,~}.
matriz diagonal.
16. Sea B = {v,, v2, v3, v4) una base para un espacio vectorial V. Encontrar la matriz con
respecto a B del operador lineal T V + V defindo por T(v,)=v2, T(v,)= v,, T(v3)= v4,
T(v4)= V I .
17. (Para quienes y a estudiaron C6lculo). Sea D I P , + P, el operador derivacin
D(p)= p'(x). En los incisos a) y b), encontrar la matriz D con respecto a la base B
=
{PI,P,. PJ
18. (Para quienes ya estudiaron CcuCurO).En cada inciso,B = {f,,f2, f,} es una base para
b) f, = 1, f2 = e x , f3 = e 2 x
19. Demostrar: Si B y B' son las bases estndar para R" y R"', respectivamente, entonces la
matnz de la transformacin lineal T8" + R"' con respecto a las bases B y B' es la
matriz estndar para T.
494
Transformaciones
lineales
8.5 SEMEJANZA
La matriz de un operador lineal T:V + V depende de la base elegida para V. Uno
de los problemas fundamentalesdel lgebra lineal es elegir una base para V que
simplijque la matriz para T; por ejemplo, diagonal o triangular. En esta seccin
se estudiar esteproblema.
ELECCIN DE
BASES A FIN DE
OBTENER
MATRICES
SIMPLES PARA
OPERADORES
LINEALES
2x,
'I'
+ 4x,
'2]
Por el teorema 8.4.I, la matriz para T con respecto a esta base es la matriz estndar para T; es decir,
TI,
=[TI =
[ V e , ) I T(e2)l
de modo que
entonces la matriz para T con respecto ala base B' ={ ul, u2} es la matriz diagonal
Esta matriz es ms "simple" que (2) en el sentido de que las matrices diagonales
poseen propiedades especiales que no tienena
lsmatrices generales.
Uno de los temas principales en cursos ms avanzados de lgebra lineal es
determinar la "forma ms simple posible" que se puede obtener para la matriz un
operador lineal al elegir la base correcta. Algunas veces es posible obtener una
matriz &agonal (como se acaba de hacer, por ejemplo); otras veces es necesario
establecer una matriz triangular o de alguna otra forma. En este texto slo ser posible mencionar la importancia de este tema importante.
El problema de determinaruna base que produzcala matriz ms simple posible
para un operador heal T V V se puede atacar encontrando primerouna matriz para
T con respecto a cualquier base; por ejemplo una base estndar, cuandosea posible, y
luego cambiando la base de manera que se simplifique la matriz. Antes de prosegw
ser de utilidadrepasar algunos conceptos sobre cambio de base.
con esta idea,
Recurdese por la ftrmula (8) de la seccin 6.5 que si B = {ul, u2, . . . , un}
y B' = { u ,u ,. . . ,u
son bases para un espacio vectorial V, entonces la
matriz de transicin de B"a B est definida por la frmula
, ,
L}
[[u;],
[u;],
: [ull,]
El siguiente teorema proporciona otro punto de vista til sobre las matrices de
transicin; muestra que la matriz transicin de una base B' a una base B se puede
considerar como la matriz operador identidad.
Teorema 8.5.1. Si B y B' son bases para un espacio vectorial V de dimensin
finita y si I:V + V es el operador identidad, entonces [qBpes la matriz de
transicin de B' a B.
Demostracin. Supngase
que
B = {u1, u2, . . . , un} y B' =
#
,
{ u ,u ,. .. ,u }son bases para V. Usando el hecho de que I(v) = v para todo v
en V, por la frmula (4) de la seccin 8.4, con B y B invertidas, se concluyeque
Figura 1
Base = B'
Base = B
496
EFECTO DEL
CAMBIO DE
BASES SOBRE
MATRICES DE
OPERADORES
LINEALES
Esta pregunta se puede contestar considerando la composicin de los tres operadores lineales sobre V que se ilustra en la figura 2.
Figura 2
Base = B'
Base
I'
=B
Base
V
= B
Base
(7)
= [IIB',R[ TIB,B[llE,E'
(8)
Pero por el teorema 8.5.1 se deduce que [dBY,esla matriz transicin de B' a B y
que, en consecuencia. I B'B es la matriz transmon de B a B'. Luego, si se hace P =
[ABB"entonces P" = [AEB,de modo que (9) se puede escribir como
[TI,,
=P
'[ T],P
.. .
[ARB' es la
matriz
R2 definido por
T(
[:I) [ :
4 3
-2::
Encontrar la matriz T con respecto a la base estndar B = {el, e,} para R2, y luego
ap!icqr el teorema 8.5.2 para encontrar la matriz T con respecto a la base B' =
{ U I . U},
~donde
y
u;=[;]
u;=[;]
Para encontrar [
+ e2
u; = e, + 2e2
u;
= e,
498
7iansformaciones lineales
de modo que
de modo que por el teorema 8.5.2 la matriz T con respecto a la base B' es
La relacin enla frmula (10) es tan importante que existe terminologa asociada
con ella.
como
Haciendo Q = P"
se obtiene
= P"AP
det ( P)
= det(
P")det(A)det( P)
Por esta ecuacin se concluye que el valor del determinante depende de T, pero no
de la base particular que se usa para obtener la matriz para T. As, el determinante
se puede considerar como una propiedad del operador lineal T; de hecho, si V es
un espacio vectorial de dimensin finita, entonces el determinante del operador
lineal T se puede dejnir como
Propiedad
Determinante
Invertibilidad
Nulidad
Traza
A y P"AP
Dimensin del
eigenespacio
d e t ( T ) -= det([ T I R )
T ( [ ~ J )=
14zI]
-2::
Encontrar det(7).
Solucin. Puede elegirse cualquier base B y calcular det( [ TIB). Si se considera la
base estndar, entonces por el ejemplo 1
de modo que
det(T)=
1 '1
-2
=6
Por tanto
det(T)=
1 1
2
o
UN EJEMPLO
GEOMTRICO
0
=6
3
B' = {u;,u;}
es labase que consta de un vector unitario u;a lo largo de 1y de un vector unitario
i2perpendicular a I (figura 4).
f'
Una vez que se ha encontrado [TJEse efecta un cambio de base para enLos clculos son como sigue:
contrar [qB.
T(u;)= U ;
T(u;)=
-U;
de modo que
Por tanto,
.. . .
[ T I = P[ T],#P"
T es
[cos 8
sen8
-senO][l
cos 8 O
O][
-1
cos 8 sen8
-sene cos 0
cos 28
sen28
sen 28
-cos 28
de modo que
EIGENVALORES
DE UN
OPERADOR
LINEAL
8.5 Semejanza
1'
503
= { 1, x, x2} es
+2
p2 = x,
p3 =
+ x + x2
(p3)
(-2 +x+x2}
Como comprobacin, el lector debe usar la frmula dada para T a fin de verificar
que "(PI) = 2P,> T(P,) = 2P, Y T(P3) = P3. A
504
Transformaciones lineales
Encontrar una base para R3 con respecto a la cual la matriz para T sea diagonal.
Solucin. Primero se encontrar la matriz estndar para Tr luego se buscarh un
Ahora se quiere cambiar de la base estndar B a una nueva base B' = {uI,u2,u3}a
finde obtener una matriz diagonal para T. Si se hace que P sea la matriz
transicin de la base desconocida B' a la base estndar B, entonces por el teorema
8.5.2 las matrices T y [qB'
se relacionan mediante
-1
P=[
-21
1$
Por tanto,
u;
( - l)e,
+ (O>e,+ (l)e3 =
U; =
(O)e, + (I)e,
U; =
(-2)e,
+ &Ve3 =
[:I
+ (I)e2 + (])e3 =
son vectores bsicos que producen una matriz diagonal para [''IP. Como comprobacin, en seguida se calcular directamente [''IB'.Por la frmula dada para T se
tiene que
T(u;) =
[-p]
= 2u;,T(&)
[i]
=2
4,
T(u;)
[-y]
= U;
4.
[; I)
[]3x'-,:X+I + 7x3
6, TB2 + R2 est definido por T(x) = 58;B y B son las bases del ejercicio 2
7. TP,+ P , est definido por T(ao + a,x) = a. + a,(x + 1); B = {p,, pz} y B = {q,, q2},
donde p, = 6 + 3x, p2 = 10 + 2 x , q, = 2, q2 = 3 + 2x.
8. Encontrar det(T)
-x1 + 7x,)
x, - xj, xj - xI)
a) Rango.
b) Nulidad.
Invertibilidad.
c)
10. Sea TP4+ P4 el operador lineal definido por la frmula T@(x)) =p(2x + 1).
a) Encontrar una matnz para T con respecto a alguna base conveniente; luego, usando
el resultado del ejercicio 9, encontrar el rango y la nulidad de T.
b) Con el resultado del inciso a), determinar si T es uno a uno.
11. En cada inciso, hallar una base para R2 con respecto a la que la matriz para T sea diagonal.
8.5 Semejarlza
a) T(
[:I)
2x, + 4x2
b) T (
[:I) [
=
- 4x1
3x1 x2
12. En cada inciso, encontrar una base para R3 con respecto a la que la matriz para T sea
diagonal.
.([:;I)= [
u+
dc]
b -2c
2c
A y BZ tambinson
semejantes. De manera ms general, demostrarque Ak y Bk son semejantes, dondek es
un cualquier entero positivo.
X n, y sea B = {v,, v,,. . . , vn} una base para un espacio
vectorial V. Demostrar que si C[x], = D[x], para todo x en V, entonces C = D.
18. Sea I una recta en el plano xy que pasa por el origen y forma un ngulo 8 con el eje x
positivo. Como se ilustra en la figura 5, sea TB2 + R2 la proyeccin ortogonal de R2
sobre 1. Con el mtodo del ejemplo 3, demostrarque
[ I]) [
=
cos2 e
sene cos
sen O cos
sen2e
y (X.)
\
e]
[;]
507
EJERCICIOS COMPLEMENTARIOS
X n, B una matriz n X 1 diferente de cero y x un vector en R"
expresado en notacin matricial. Es T(x) = Ax + B un operador lineal sobre R"?
Justificar la respuesta.
2. Sea
A=
cos 8
sen8
-sen0
cos 0
a) Demostrar que
A'=
cos 28
sen20
-sen28
cos 20
-sen30
cos 30
sen30
A3=[
cos 30
4. Sean Y ,., Y,,I . . . , v m vectores fijos en R", y sea TR" + Rmla funcin definda por T ( x )
= (x * v,, x . v2, . . . , x * vm),donde x . vi es el producto interior euclidiano sobre R".
a) Demostrar que T es una transformacin lineal.
b) Demostrar que la matriz con vectores rengln vl, v2, . . . , vm es la matriz estndar
para T .
5. Sean fe,, e2, e3, e4} la base estndar para @ y T@ + R3 la transformacin lineal para
la cual
T ( e , ) = (1, 2. 11,
V e , ) = (1, 3, O),
7Ye2)=(O, 1, O),
T(e,) = (1, 1, 1)
b) Encontrar elrango
m x ,
x2
%I)
[x,
x2
%I/
2 4-
3 O I]
2 2 5
y la
3, y definase TR3-D
proposiciones:
i) La ecuacin T(x) = b tiene una solucin para todos los vectoresb en V.
ii) Nulidad de T > O.
11. Sea TM,,
+ M,,
P=[!
ij
51 O
_/'
lransformaciones lineales
* Y un operador
[-1 -:I
-I
2
1
o]
no lo s o x
17. Supngase que T: V + Ves un operador lineal y que B es una base para V tal que para
cualquier vector x en V
Encontrar [ TI,.
18. Sea T:V + Vun operador lineal, Demostrar que T es uno a uno si y slo si det(l")
r:J
T ( P ( - d )=
P(0)
Ejercicios complementarios 1 51 1
donde
a,P,(x)+ @2(4
+ @,(X)
a2) Y (x3,a,)?
..
.
..
.
..
.
o1
..
.
0 O O O " ' n
0 0 0 0 " ' 0
-5 I 2
'
Transformaciones lineales
24. (Para quienes ya estudiaron Cdkulo). Puede demostrarse que para cualquier nmero
I , 1 - l ' , --.
~~
c.)>
...,
2!
(x
c.)"
I2 !
+=
P,,
del
la transformacin integracin
definida por
(u,,+a,x+"'+cl,,x")d.~=a,,s+-.u
u1 2
donde p = U +
+..
estndar para P,, y Pn+,.
+...+a,*""
n+ I
9.1
(2 1
= tea'
donde c es una constante cualesquiera. Cada funcin de esta forma es una solucin
de y' = ay, ya que
y'
= caeaX -
QY
514
Temas complementarios
Recprocamente, toda solucin de y' = ay debe ser una funcin de la forma cem
(ejercicio 7). de modo que (2) describe las soluciones de y' = ay. La expresin (2)
se denomina solucin general de y' = ay.
Algunas veces el problema fsico que genera
una ecuacin diferencial
impone alguna condicin agregada que permite aislar unasolucin particular
de la solucin general. Por ejemplo, si se requiere que la solucin de y' = ay
cumpla la condicin agregada
y(0)
=3
(3 )
es decir, y = 3 cuando x = O, entonces al sustituir estos valores en la solucin general de y = ce" se obtiene un valor para c, a saber,
As,
es la nica solucih de y' = a-v que satisface la condicin agregada. Una condicin
como (3), que especifica el valor de la solucin en un punto, se denomina
condicin inicial, y el problema de resolver una ecuacin diferencial sujeta a una
condicin inicial se denominaproblema con valor inicial.
SISTEMAS
LINEALES DE
ECUACIONES DE
PRIMER ORDEN
donde y1 =fi(x), y z =&(x), . . . ,yn =&(x) son funciones que sern calculadas y
las a,, son constantes. En notacin matricial, (4) se'puede escribir como
o, ms brevemente, como
Y' = A Y
Ejemplo 1
Y; =
Y;
-2Y2
5Y3
Y; =
b) Resolver el sistema.
c) Obtener una solucin del sistema que cumpla las condiciones iniciales y , (O)
1, YZ(0) = 4 Y Y3(0) = -2.
Solucin de a).
0
-2
Y1
Y2
Y3
o bien,
3
y' =
0
-2
O
0
Solucin de 6). Debido a que en cada ecuacin hay slo una funcin desconocida, las ecuaciones se pueden resolver individualmente. Por (2) se obtiene
y I = cle3x
y 2 = c2e
y, = c3e5x
Solucin de c).
= y2(0)= czeo= c2
- 2 = y,(O) = e j e o = c,
516
Temas complementarios
Y' = A Y
en el que la matriz A no es diagonal? La idea es sencilla: se intenta hacer una
sustitucin para Y con la que se &tenga un nuevo sistema con una matriz de coeficientes diagonal; se resuelve este nuevo sistema ms simple y luego se usa esta
solucin para determinar la solucin delsistema original
El tipo de sustitucin que se tiene en mente es
o, ms brevemente.
En esta sustitucin, los coeficientesp,, son constantes por determinar de forma que
el nuevo sistema con las funciones desconocidas ul, u2, , , . , un tenga una matriz
de coeficientes diagonal. Se deja como ejercicio para el lector derivar cada ecuacin en (6) y obtener
Y' = PU'
Si se efectan las sustituciones Y = PU y
Y = P U en el sistema original
Y' = A Y
PU'
= A(PU)
o bien,
U'
= (P"AP)U
o bien,
U'
= DU
Paso 1.
Paso 2.
Paso 3.
Resolver V = DU.
Paso 4.
Ejemplo 2
a) Resolver el sistema
Y;= Y,+
Y2
y; = 4yI - 2y2
b) Encontrar la solucin que cumpla las condiciones iniciales
Y l ( 0 )= 1, Y2(0>= 6.
Solucin de a).
518
Temas complementarlos
d"1
-4
= 2,A =
-1
=d2+d-6=(A+3)(d-2)
a+Z1
- 3 . Por definicin,
Si A
= 2.
= 1,
x2 = t
de modo que
Asi,
= 2.
De manera semejante, el
diagonaliza a A y
[:,
D=P"AP=
-;I
Y'
= PU'
u2 = c2e p 3 x
u=
- 1, e
-3x
c,e2*+ 4 c2e
-- 3x
2
o bien,
y , = c l e 2 x- $c2e - 3 x
y2 = c l e 2 x+ c2e - 3 x
Solucin de 6).
c,+ c 2 = 6
c2 = 4
de modo que por (7) la solucin que satisface las condiciones iniciales es
y;
y; = y,
+ 3v2
y; = 4.h
+ 5Y,
y;=
4y,
+ y3
y; = - 2 v , +y,
Y; = -2%
+ Y3
Y,(O) = 0.
4. Resolver el sistema
- 6y = O. [Sugerencia. Hacer y , = y ,
y=
2 y' y
y; = y '
-Y'
+ 6~ = 6.~1+ y21
=AX)
. .
, dm,
+.
entonces
[;I
ax + by
[U+dYl
t'
(ax + by, cx + d y )
\
\
\
\
\
(X,Y)
Figura 1
...
. .. .
"
-. . ...
-.
...
...
522
Temascomplementarios
ABLA 1
Operador
Matriz estndar
Reflexin con
respecto al eje y
[-A
Y]
Reflexin con
respecto al eje x
[A
-Y]
-sen0
.:I,
! I,
.
1,
Reflexin con
respecto a la recta
?/=X
Rotacin en
sentido contrario a
las manecillas del
reloj por un ngulo
COS
sen0
cos 8
En la seccin 4.2 se analizaron reflexiones, proyecciones, rotaciones, contracciones y dilataciones de R2. A continuacin se considerarn otros operadores
lineales bsicos sobre R2.
EXPANSIONES Y
COMPRESIONES
523
Si la abscisa de cada punto del plano se multiplica por una constante positiva k,
entonces el efecto es expandir o comprimir cada figura del plano en la direccin x.
Si O < k < 1, el resultado es luna compresin, y si k > 1, una expansin (figura 2).
Un operador as se denomina expansin (o compresin) en la direccin x con
factor k. De manera semejante, si la ordenada de cada punto delplano se
multiplica por una constante positiva k, se obtiene una expansin (o compresin)
en la direccin y con factor k. Se puede demostrar que las expansiones y las
compresiones a lo largo de los ejes de coordenadas son transformaciones lineales.
p;
Figura 2
[(Expansin) k = 2
Expansin x (compresin)
....
Expansin y (compresin)
524
,I
Temas complementarios
= k, = k,
ntese que
DESLIZAMLENTOS
CORTANTES
Figura 3
Un deslizamiento
cortante
en la
direccin
x con factor k es una
transformacinque mueve cadapunto (x, y ) paralelo al eje x en unacantidad ky
hastala nueva posicin (x + ky, y>.Bajo unatransformacindeeste
tipo, los
puntos que estn sobre el eje x no se mueven porque y = O. Sin embargo, a
medidaqueseavanzaalejndose
del eje x, la magnitudde y aumenta,de
modo que aquellos puntos ms alejados del eje x recorren una mayor distancia
que los puntos ms prximosa l.
Cuadrado unitario.
Un deslizamiento cortante en la direccin y con factor k es una transformacin que mueve cada punto (x, y ) paralelo al eje y en una cantidad IQC hasta la
nueva posicin (x, y + h).
Bajo una transformacin de este tipo, los puntos que
estn sobre el eje y permanecen fijos, y los puntos alejados del eje y recorren una
mayor distancia que los puntos prximos a l.
Se puede demostrar que los deslizamientos cortantes son transformaciones
lineales. Si T:R2 + R2 es un deslizamiento cortante con factor k en la direccin x,
entonces
Ejemplo 2
a) Hallar una matriz de transformacin de R2 en R2 que primero efecte un deslizamiento cortante en la direccin x con factor 2 y luego realice una reflexin
con respecto ay = x.
b) Encontrar una matriz de transformacin de R2 en R2 que primero efecte una
reflexin con respecto ay = x y luego un deslizamiento cortante en la direccin
x con factor 2.
Solucin de a). La matriz estndar para el deslizamiento cortante es
y para la reflexin es
Solucin de b).
'][I
0 0
'1 = [ y :]
1
526
Temas complementarios
t'
11. I
-.
Figura 4
matriz
b)
c)
d)
e)
Solucin. Debido a que al realizar una sola operacin en los renglones de una
matriz identidad 2 x 2 se obtiene una matriz elemental 2 x 2, sta debe tener una
de las formas siguientes (comprobar):
[-b :] [A
=
-;,I [A
=
-:][A
:,I
i,y
Esta seccinconcluye con dos teoremas que permiten conocer ms las propiedades
geomtricas de los operadores lineales sobre R 2 .
DE LOS
~~~"
OPERADORES
LINEALES
SOBRE R2
528
/'
Temas complementarios
Demostracin. Como A es invertible, sepuede reducir a la identidad mediante
una sucesin finita de operaciones elementales en los renglones. Una operacin
elemental en los renglones se puede efectuar multiplicando por la izquierda por
una matriz elemental. As, existen matriz elementales E,, E*, . . . , Ek tales que
EA.
' '
E,EIA
=1
Despejando A se obtiene
( 51
Esta ecuacin expresa a A como un producto de matrices elementales (ya que por
el teorema 1.5.2 la inversa deuna matriz elemental tambin es elemental). El
resultado se concluye ahora por el ejemplo 3. 0
Ejemplo 6 Expresar
A =
I: :]
I veces al segundo. I I - 4.
Las tres operaciones consecutivas en los renglones se pueden efectuar al multiplicar por la izquierda sucesivamente por
[:-;][:-y][:
=
;]
530
Temas
complementarios
Ejemplo 7 Trazar la imagen del cuadrado con vrtices P,(O, O), P2(l, O), P3(0, 1)
y P4( 1, 1) bajo la multiplicacin por
Solucin. Como
la imagen del cuadrado es un paralelogramo con vrtices (O, O), (- 1, 2), (2, - 1) y
( 1 , 1) (figura 5). A
2x
de modo que
Sustituyendo en y
= 2x + 1 se obtiene
-2x
+ 3y = 2(x - y ) + I
As,
(XI,
y) satisface
y=$x+i
2. En cada inciso del ejercicio 1, usar la matriz obtenida para calcular T(2, 1). Comprobar
a)
-*y
b) x z .
C) YZ.
TB3 + R3 quetransforma un
Figura 6
5317
i'
7ema.y contplernentnrros
[ -;y ]
8. Encontrar la matriz que hace girar un punto (x,y) con respecto al origen por un hlgulo
de
a) 45"
b) 90"
C)
180"
d ) 270"
e ) -30"
a) k = 4 en a
l direccin y.
b] k = -2 en la direccin x.
l a matriz
13. En cada inciso. encontrar una sola matriz que efecte la sucesin de operxiones que se
mdica:
indica:
a) Reflejar con respecto al eje y, luego expandir por un factor de 5 en la direccin x y
luego reflejar con respectoa y = x.
b) Girar 30, luegoefectuar un deslizamientocortante por un factor de -2 enla
direccin y y luego expandir por un factor de 3 en la direccin y.
15. Por inversin de matnces, demostrar lo siguiente:
17. En los incisos del a) ale), obtener la ecuacin de la imagen de la rectay = 2x bajo
a) un deslizamiento cortante con factor 3 en la direccin x.
b) una compresin con factor $ en la direccin y.
est en el origen.
19. a) Demostrar que la multiplicacin por
B' = ( - bA
+ u B ) / ( u -~ bc)
Luego, demostrar que ni A' ni B son cero afin de concluir que la imagen es una recta,]
21. Usando la sugerencia del ejercicio 20, demostrar los incisos b ) y c ) del teorema 9.2.2.
22. En cada inciso, encontrar la matriz estndar para el operador lineal ?A3 + R3 descrito
por la figura 7.
b)
Figura 7
. ..
".
~.
~
."
t;
1
4.
. ."
"'ir + k z , y + kz. )I
.
.
,'
"
.~
",."
Figura 8
24. En cada inciso, encontrar por inspeccin todos los eigenvectores linealmente independientes que sea posible (mediante una representacin del efecto geomtrico de la
transformacin sobre R'). Para cada uno de los eigenvectores, encontrar por inspeccin
el eigenvalor correspondiente; luego comprobar los resultados calculando los eigenvaiores y bases para los eigenespacios partir de la matriz estndar de la transformacin.
535
a)
b)
c)
d)
e)
Un problema comn en el trabajo experimental es obtener una relacin matemtic a y = f i x ) entre dos variables x y y mediante el ajuste de una curva a puntos en
el plano correspondientes a diversos valores de x y y determinados experimentalmente,
ejemplo
por
(~I,~~I),(-y2,Y2),,(~,,Y,)
La forma general de la curva y =Ax) que se debe ajustar se decide con base
en consideraciones tericas o simplemente en el patrn descrito por los puntos.
Algunas posibilidades son (figura 1)
Figura 1
y=a+bx
b)
y =a
+ bx + cx2
c)
y =a
+ bx + cx2 + dx
536
Temas
complementarios
nando sus coeficientes) que mejor se "ajuste" a los datos. Se empezar con el caso
ms simple: ajustar una recta a los puntos de datos.
AJUSTE POR
MNIMOS CUADRADOS DE
UNA RECTA
Si los puntos de datos son colineales, la recta debe pasar por todos los n puntos y,
as, los coeficientes desconocidos a y b deben satisfacer
y, = a + bx,
y, = a
+ bx2
y,, = a + bx,,
donde
= v* =
[;:I
explicar esta terminologa, recurdese que una solucin por mnimos cuadrados de
(1) minimiza
IIY
Mvll
(3 )
= ( y , - a - bx,)'
+ ( y z- a
- bx212 + . . .
+ ( y , - a - bx,12
(4)
Si ahora se hace
d , = I,v
-U
~ x Jd2
, =
-U
- hx-21,
. . . , d,, = ly,, - a - h ~ , /
= d:
+ d: + . . . -td:
(5)
Figura 2
ECUACIONES
NORMALES
~~
Recurdese por el teorema 6.4.2 que las soluciones por mnimos cuadrados de (1)
se pueden obtener al resolverel sistema normal asociado
M TMv= M T y
v*
= ( M T M ) - "Ty
Teorema 9.3.1. Sean (xl, y l ) , (x2, y& . . . , (x,, y,) puntos de u1 conjunto de
dos o ms datos, no todos en unarecta vertical, y sean
+ b*x
Ejemplo 1 Encontrar la recta de ajuste por mnimos cuadrados a los cuatro puntos
( O , l), (1, 3), (2, 4) y (3,4). (Vase la figura 3.)
0:
Figura 3
- 1 0
2
X
M T M = [4
'1
14
rll
L41
l .5 + x. A
x,
Figura 4
Fuerzay
6.1
7.6
8.7
10.4
Solucin. Se tiene
10.4
donde los valores numricos se redondearon hasta una cifra decimal. As, el valor
estimado de la constante del resorte es b* = 1.4 Ib/pulg. A
AJUSTE POR
MINIMOS
CUADRADOS DE
UN POLINOMIO
La tcnica descrita para ajustar una recta a puntos de datos se generaliza fcilmente al ajuste de un polinomio de cualquier grado especfico a puntos dedatos.
A continuacin se intentar ajustar un polinomio de grado fijo m
y = a,
+ a,x+ . . . + a,xm
a n puntos
donde
(8)
M TMv = M Ty
= ( M T M ) - 1MTy
(10)
donde
S
so
vo
g
= a,
+ a,t + a2t2
M=
t;
1 t2 t;
1 t3 t:
1 t, t i
1 t5 t:
(1 1)
542
Temas complementarios
-0.18
2.48
3.73
Y
=(MTM)
V* =
' M T y"-
0.400.35
16.1
= 32.2
pies/s2
0.35 piesls
-1
Figura 5
1 2 . 3 4 . 5
Tiempo /(en segundos)
- 1 lo),
- 14), (O,
-S),
MEJORES
APROXIMASIONES
Todos los problemas que se estudiarn en esta seccin son casos especialesdel
siguiente
problema
general.
I
b) Encontrar la mejor aproximacin posible a sen nx sobre [ - 1, 1I por una fun+ u3e3..
cinde la forma u. + ulc? +
c> Encontrar la mejor aproximacin posible a x sobre [O, 2x1 por una funcin de
la forma clo + u , sen x + a2 sen 2x + h, cos x + 6, cos 2x.
En el primer ejemplo, W es el subespacio de C[O, 11 generado por 1, x y x;, en el
segundo ejemplo, W es el subespacio de C[- 1, 11 generado por 1, @, e& y e3x; y
en el tercer ejemplo, U es el subespacio de C[O, 2n] generado por 1, sen x, sen 2x,
cos x y cos 2x
MEDICIONES
DEL ERROR
error =
Figura 1
Desviacin entref y g en X O .
(f(x)- g(x)( dx
Geomtricamente, (1) es al rea entre las grficas def(x) y g(x) sobre el intervalo
[a,b] (figura 2); mientras mayor sea el rea, mayor es el error global.
error cuadrticomedio
J'
(f,
8) =
f(xlg(x) dx
Se concluye que
Ilf
- 81)' = ( f - g, f
g) =
y sca Lt' un subespacio de dimensin finita de C[a, b]. Encontrar una funcin g
em CV que minimice
Como Ilf -- gl12 y I(f - gl( son minimizados por la misma funcin g, el problema
precedente equivale a buscar una funcin g en W que sea la ms prxima a f. Pero
por el teorema 6.4.1 se sabe que g = proywf es la funcin (figura 3).
~~~
~~~
= co t
L',
cos x
' '
+ cos x
(2)
u
,'no son cero, entonces se dice
3 cos 2x
+ 7sen4s
547
El orden de t(x) es 4.
Por (2) resulta evidente que los polinomios trigonomktricos de orden mcnor
o igual que n son las diversas combinaciones lineales posibles de
. . . , sennx
13)
[vease el teorema 6.3.5). Es posible obtener una base ortonormal para kt/ medianhe
la aplicacin del proceso de Gram-Schmidt a la base (31, usando el producto interior
go = - g, = -cos x,
g,,
,=
Si se introduce la notacin
VG
1
. . . , g, = __ cos nx,
5411
,/
lemas complementarios
.
L
donde
En resumen.
Los nimeros
de f.
ao, a19,
= x
sobre
*Jean Soptiste Joseph Fourier (1768-1830) fue un matemtico y fisico francs que descubria
ls series
que llevan su nombre e ideas relacionadas cuando trabajaba en problemas de difksin del calor. Este
descubrimiento es uno de los ms importantes en la historia de l a s matemticas; es la piedra angular de
muchos campos de investigacin matemtica y una herramienta bsica en muchas ramas de la ingeniera.
Fourier, un activista poltico durante la revolucin francesa, fue encarcelado por haber defendido a muchas
victimas durante la Epoca del Terror. Despus se convirti en favorito de Napolen, quien l o nombr barn
y conde.
Solucin de a).
7r -
2 senx - sen2x
x=O
+-
n - 2 (sen X
sen nx
+...+"--n
(sen X +
T -
"
2 (sen X
n - 2 sen X
sennx]
fQ
f(x) =
i-
(uk
cos
kx + bksenkx)
k-l
DE LA SlECCIibN 9.4
a . Encontrar la aprcxirnacibn por mnimos cuadrados deAx) = 1 + x sobre el intervalo [O,
Z.X]
por
;:)
3.
3)
G ,;
J.
:.;.,
- 1,
/as e c r t ~ ~ i o nlinedes:
e.~
es
FORMAS
CUADRTICAS
CON DOS
VAKIABLES
cxprcs~5nque
+ 2hXj. + cy*
(1;
l . entonces ( I )
S52
Temas complementarios
Ejemplo 2
2x2
FORMAS
CUADRTICAS
CON n
VARIABLES
+ ~ X J -J 7v2= [X
[: -:][;I
y]
(4)
Adems, es posible demostrar que si las matrices en (4) se multiplican, la expresin resultante es dela forma
donde
denota la suma de los trminos de la formaa l p . ,donde xi y xj son variables &ferentes. Los trminos a$zc, denotan trminos de producto cruzado de la forma
cuadrtica.
+ 7x:
3x:
= [x,
x2 x3]
Ntese que los coeficientes de los trminos al cuadrado aparecen sobre la diagonal
principal de la matriz 3 X 3, y que cada uno de los coeficientes de los trminos de
producto cruzado estn separados a la mitad y aparecen en las posiciones fuera
de la diagonal como sigue:
t
:
:
Coeficiente de A
Posiciones en la matriz A
a12 y a21
XlX3
PROBLEMAS EN
QUEAPARECEN
FORMAS CUADRTICAS
'13
y '31
'23
'72
554
Temas complementarios
A, 2 X ~ A X2 A,.
+x;
+ ... +x
y=1
,I,
+ 4x,x,
.Y:
x: + x i
+ 4x,x2 = X'AX
La ecuacin caracterstica de A es
= [x,
xz
en que
=d2d-3=(d-3)(d+
A2:1]
1)=0
<
<
- 1, que ocurre
xz =
x2 = l/&.
-l/fi
y el valor mnimo,
Definicih. Una forma cuadrtica xTAx se denomina positiva definida si x*Ax >
O para todo x f O, y una matriz simtrica A se denomina matriz positiva
definida si xTAx es una forma cuadrtica positiva definida.
o < X ~ A X= x r a x = axrx
= a11x112
(6)
donde llxll es la norma euclidiana de x. Como llx112 > O, se deduce que L > O, qui es
lo que se quera demostrar.
556
/'
Temas complementarios
A=
[a;l
an,
"2
".
".
an2
...
a12
::j
ann
121=2,
;I
2
=3,
-1
-3
-1
4 =I
-3
todos son positivos. As, se garantiza que los eigenvalores de A son positivos y que
xTAx > O para todo x # O . A
OBSERVACI~N.
minan
positiva semidefinida
negativa dejinida
negativa semidefinida
indefinida
Los teoremas 9.5.2 y 9.5.3 se pueden modificar de manera evidente a fin de que
sean vlidos para los tres primeros tipos de matrices. Por ejemplo, una matriz simtrica A es positiva semidefinida si y slo si todos sus eigenvalores son no negativos. Tambin, A es positiva semidefinida si y slo si todas sus submatrices
principales tienen determinantes no negativos.
OPCIONAL
Demostracin del teorema 9.5.la.Como A es simtrica, por el teorema 7.3.1 se
concluye que existe una base ortonormal para R" que consta de eigenvectores de A .
558
;'
Temas complementarlos
Supngase que S' = { vl, v2, . . . , v,,) es esa base, donde vl es el eigenvector
correspondiente al eigenvalor A,. Si ( , } denota el producto interior euclidiano,
entonces por el teorema6.3.1 se concluye que para cualquier x en R"
x = (x, V l > V l
+ (x, v2)v2+
+ (x, v,)v,
Por tanto,
A x = (x, VI)AV,
= (x, V I ) h l V ~+(x,
=
al(x,
(Ax),
((x,
VI),
= (LAX,
X ,
v,))
(x, Ax)
(x,
VI),
+ (x, V2)*
dI(X,v 1 ) 2 + &(x,
+ (x, V,)* = 1
v2)2 +
+ &(x, v,)2
f.
'
Con estas dos ecuaciones y la frmula (5) se puede demostrar que xTAx
sigue.
1, como
dl
c)
2 4x:
3x5 + x;
5.r,x3
7x:
+ x: + 4x,x2x3
f)
X:
6 ~ : .xI
5x2
8 ) (x I - 3x2
h) (xI - x ~ +
) ~
2(xI + 4x2)
2. Expresar las siguientes formas cuadrticas en la notacin matricial xTAx, donde A es
+ 7xi
b) 4x:
9 x i - 6xlx2
c) 5x:
+ 5xIx2
d) - 7 ~ 1 %
~1x2
e) x:
+ 4x: + 6 x 1 ~ 2- 8 ~ 1 . ~+3
b) x:
~ 2 x 3
+~2x3
+ x:
- x: - x i
+X:
- 3 ~ -: 5xIx2+ 9 ~ 1 . ~ 3
d) V?X: -
~1x3
+ 2x,x, - 10x,x4+ 4 ~ ~ x 4
+ 2\fh1x2
8 ~ ~ 1 x 3
4. En cada inciso, encontrar una frmula para la forma cuadrtica en la que no aparezcan
5. En cada inciso, encontrar los valores mximo y mnimo de la forma cuadrtica sujeta a
la restriccin x! + x; = 1 y determinar los valores de x1 y xz en los que ocurren los
valores mximoy mnimo.
b) 7x: 4x: xlxz
c) 5x: 2x2 - xIx2 d) 2.r: +x: + 3X,X2
a) 5x: -x:
6. En cada inciso, hallar los valores mximo y mnimo de la forma cuadrtica sujeta a la
restnccin x: + +
= 1 y determinar los valores de xl, .xz y .x3 en los que ocurren
los valores mximosy mnimos.
44
a) x: + x i
c) 3x:
+ 2x:
2xlx2
+ 4x,x3 + 4x2x3
b) 2x:
+ x;
+x:
+ 2xlx3 + 2x,x2
7. Mediante el teorema 9.5.2, determinar cules de las siguientes matnces son positivas
definidas.
8. Con el teorema 9.5.3, determinar cules de las matrices del ejercicio 7 son positivas
definidas.
9. Usando el teorema 9.5.2, determinar cules de las siguientes matrices son positivas
def~das.
Temas complementarios
560
IO. Por medio del teorema 9.5.3, determinar cuides de las matrices del ejercicio 9 son posidefinidas.
tlvas
11. En cada inciso, clasificar la forma cuadrtica como posltiva defmida, positiva semide-
--X:
a)
12. En cada Inciso, clasificar la matnz como positiva definida, positiva semidefinida, nega-
d)
-:-:-81
O 0 0
e) [O O O]
fj
[A y
O 0 1
O 0 0
F.'
14. En cada inciso, encontrar los valores de k con los que la forma cuadrtica es positiva
definida.
a) x: + kx:
c) 3 x i + .x:
4.x1x,
b) 5 ~ +
:
X:
+ kx: + 4 ~ ~ -x 2 ~ ~ x 3~ x , x ,
-
+ 2 4 + 2x1x3+ 2k.rzx3
. .
donde A es simtrica.
C~NICAS
En esta seccin se mostrar cmo eliminar, cambiando las variables, los trminos
de producto cruzado que hay en unaforma cuadrtica, y los resultados se usarn
para estudiar las grJcasde secciones cnicas.
DIAGONALIZACIN DE
FORMAS
CUADRTICAS
Sea
xTAx = [xI x2
..
'
x,]
una forma cuadrtica, donde A es una matriz simtrica. Por el teorema 7.3.1 se
sabe que existe una matriz ortogonal
P que diagonalizaaA; es decir,
:I
Y=
Y"
donde y,, y,, . . . ,y, son variables nuevas,y si en (1) se efecta la sustitucinx =
P y , entonces se obtiene
X~A=
X ( P Y ) ~ A P=
Y yTPTAPy= yTDy
Pero
56.2
7emas complementarios
Teorema 9.6.1. Sea xTAx una forma cuadrtica en las variables xl, x,, . . . ,
x,, donde A es simtrica. Si P diagonaliza ortogonalmente a A y si las nuevas
variables -y1, y,, , . , , y , estn dejnidas por la ecuacin x = P y , entonces al
sustituir esta ecuacin en xTAx se obtiene
x T A x = y7By =
..
a, o
D=P%P=
I10
o
.
" '
d2 . . . O
.
...
,;
A
-2
o
-2
a-tl
=a3-9d=A(d+3)(A-3)=O
I'
563
- 3y: + 3Y: A
Hay otros mtodos para eliminar los trminos deproducto
cruzado de una forma cuadrtica, perono sern analizados aqu. Dos de los
mtodos, la reduccin de Lagrange y la reduccin de Kronecker se estuhan en
textos ms avanzados.
OBSERVACI~N.
SECCIONES
CNICAS
+ cy2 + dx + ey + f = O
(2)
donde a, 6, . . . ,f son, todos, nmeros reales y por lo menos uno de los nmeros a,
b, c es diferente de cero. Una ecuacin de este tipo se denomina ecuacin
cuadrcibica en x y y , y
ax2 + 2bxy
+ cy2
564
lentas cumplernentarios
0
= 3.
h :r
2,
z: ---
,(
d=2,
f=7 A
p=o,
Ejemplo 3
4x2
5.v
i8v+
I\
+y =o
9=o
4x
5y
xv
k<l
x
k
k>l
[- 1; k. 1 > O
Fhperbola
k=l
.v2 = kx
Parbola
x2 = ky
Parbola
Figura 1
Ejemplo 4 La ecuacin
x2
y2
-+-=
4
9
x2
y2
lesdelaforma-+-=
k2 l 2
1 con k = 2 , 1 = 3
Por tanto, su grfca es una elipse en posicin normal que corta el eje x en (-2, O)
Y (2,O) Y al ejey en (O, -3) Y (0, 3).
L a ecuacin x2 - S 2 = - 16 se puede escribir de nuevo como ,912 - x2/16
= 1, que
una luperbola en posicin normal que corta al ejey en (O, - JiT y (O, J2 1.
La ecuacin 5x2 + 2y = O se puede volvera escribir como x2 = - *y. que es
de la forma 2 = ky con k = Como k < O, su grfca es una parbola en
posicin normal cuyas ramas se abren hacia abajo, A
3.
IMPORTANCIA
DEL TRMINO
DE PRODUCTO
CRUZADO
Obsrvese que ninguna cnica en posicin normal tiene trmino xy (es decir,
trmino de producto cruzado) en su ecuacin; la presencia de un trmino xy en
la ecuacin de una cnica no degenerada indica que la cnica no est rotada en la
posicin normal y ha girado (figura 2a). Tambin, ninguna cnica en
posicin
normal tiene a la vez un trmino x* y un termino x o un termirno y 2 y un t.Cr;runo
y . Si no hay tnnino de producto cruzado. entonces la aparici6n de cualquiera de
estas parejas en la ecuacin de una cnica degeneradaindica que la cnica est6
trasladada fuera de la posicin nonnal (tigura 33).
h)
c.)
piq
Rotacin y traslacin
contiene trminos 2,
x, 3 y y pero no contiene trmino de producto cruzado, su
grfica es una cnica que no est en la posicin normal y se ha trasladado pero no
ha girado. Esta cnica se puede colocaren posicin normal trasladando de manera
apropiada los ejes de coordenadas. Para lograrlo, primero se agrupan los trminos
x y y. As, se obtiene
(2x2 - 1 2 ~ ) ( y 2- 4y) + 18 = O
o bien,
2(x2
6 ~ +) ( y 2- 4y)
18
o bien,
2(x - 3)2
+(y
18
+ 18 + 4
2)* = 4
* Para completar al cuadrado una expresin de la forma x2 + px se suma y resta la constante @/2)2para
obtener
y'=y-2
+ y'* = 4
o bien,
X
-+"=I
I2
Y'*
4
que es la ecuacin de una elipse en posicin normal en el sistema x?. Esta elipse
se muestra en la figura 3. A
Figura 3
ELIMINACIN
DEL TRMINO
DE PRODUCTO
CRUZADO
xTAx+Kx+ f = O
donde
Paso 1.
= Px,
esto es,
[;]
=p[;:]
es una rotacin.
+f =O
+f =O
(Px)7A(Pxr) K ( P x )
o bien,
( x ) ~ ( P ~ A P ) x(KP)x
(6)
+ 2bxy + cy2 + dx + ey + f
=O
xrAx
= ax2
+ 2bxv + cy2
tf =O
= Px'
=O
X'AX - 36 = O
donde
La ecuacin caracterstica de A es
de modo que los eigenvalores de A son 1 = 4 y 1 = 9. Se deja para el lector demostrar que bases ortonormales para los eigenespacios son
570
/'
Temas complementarios
Asi,
P=
2'l v' V
33
"7
2/v3
1, demodoque
la
(8)
= Px'
Como
PTAP=
lo
4 0
9]
v5v5
donde
(PX>~A(PX)K(Px)
+4 =O
o bien,
( X ) ~ ( P ~ A P+
) X(KP)x
+4 =O
4 ~+ 9 ~~ 8 ~- 3 6 ~ 4 = O
Para que la cnica est en posicin normal es necesario trasladar los ejes x y
Procediendo como en el ejemplo 5, (1 1) se vuelve a escribir como
4(x2 - 2x) + 9(y2 - 4y) = -4
+ 4)
-4
+ 4 + 36
o bien,
4 ( ~' I)2
+ 9( y'
2)'
= 36
=X'
1,
y'
= j/
"
o bien.
2. En cada inciso, encontrar un cambio de variable que reduzca la forma cuadrtica a una
Suma 0 diferencia de cuadrados, y expresar la forma cuadrtica entrminos de las
nuevas variables.
a) 3.4 + 4xz + 5x: + 4x1x2- 4~2x3
b) 2.4 + 5 ~ +
: 5 4 + 4x,-x2- 4x,X3 - 8X2X3
C) - 5x: + X: - X: + 6 1 , +
~ 4~~ 1 x 1
d) 2~1x3+ 6x2~3
3. Encontrar las formas cuadrticas asociadas a las siguientes ecuaciones Cuadraticas.
a) 2-x2- 3sy + 4y
7x
+ 2.v + 7 = O
b) x - xy + 5x + 8y - 3 = O
e) y 2 + 7x - 8v - 5 = O
d ) 4x2 - 2 ~ =
7
c) 5xy = 8
5. Expresar cada una de las ecuaciones cuadrticas del ejercicio 3 en la forma matricial
XAX
+ Kx + f = O.
2
i) y - s 2 = o
J ) X - 3 = -y2
c) x2 - y 2 - 8 = O
d) 4y2 - 5x2 = 20
h) 3~ - 1 ly2 = O
g) -x2 = 2y
d ) x 2 + y 2 + 6 s - ~ O < V +1 8 = 0
f ) x2 + 1 0 +~ 7~ = -32
+ +
8. Las siguientes cnicas no degeneradas estn rotadas fuera de l a posicin normal y han
grado. En cada inciso, grar los ejes de coordenadas para eliminar el trminox y . Identificar
la c h i c a y proporcionar su ecuacin en el sistema de coordenadas queha girado.
a) 2 s 2 - 4 x , v - y 2 + 8b=)0x 2 + 2 x y + y 2 + 8 ~ + y = O
c) 5x2 + 4sy + S$ = 9
d ) 1 1x 2 + 2 4 . +
~ 4-V
~ - 15 = O
En los ejercicios del 9 a 14, trasladar y girar los ejes de coordenadas, en caso de ser necesario, a fin de que la cnica est en posicin normal. Identificar la cnica y proporcionar su
ecuacin en el sistema de coordenadas final.
9. 9s - 4Xy + 6 ) ~
- ~10s - 20,V
11. 2 x 2 - 4 ~ . ~ - y 2 - 4 x - 8 v = - 1 4
13.
X -
6xy - 7 ~ +
1 O X + 2~3+ 9
12. 21x
+ 6sy + 13y2
1 1 4 ~ 34.v + 73 = O
15. La grfica de una ecuacin cuadrtica en x y y puede, en ciertos casos, ser un punto,
e) 9 x 2 + 1 2 s y + 4 y 2 - 5 2 =f0) s + y 2 - 2 x - 4 y -=5
574
Temas complementarios
SUPERFICIES
CUDRKAS
+ 2exz + 2fyz + gx + hy + iz + j = O
(1)
z]
[:;:I[:]
d
b f
[:I
+[g h
i] y
+j=O
xTAx+Kx+j=O
donde
3x2 + 2y2 - z 2 + ~ X , V
- 8yz + 7~ + 2 y + 3~ - 7 = O
~ X Z
es
3x2
+ 2y2
- z2
+ 4xy + 3xz
8yz A
/I
575
Ecuacin
Superficie
Superficie
Ecuacin
Cono elptico
'
IHiperboloide I
Ide unahoja 1
"
Y A
V'
2'
m'
n2
"+""=
I'
El trazo en el plano xy es un
punto (el origen), y los trazos
en los planos paralelos al
plano xy son elipses. Los
trazos en los planos yz y xz
son pares de rectas que se
cortan en el origen. Los trazos
en los planos paralelos a stos
son hiprbolas.
Paraboloide elptico
IHiperboloide de I
dos hojas
x
' - = -z'
- + - -"'
I'
m'
n2
I
El trazo en el plano xy es un
punto (el origen), y los trazos
en los planos paralelos y por
encima del plano xy son
elipses. Los trazos en los
planos yz y xz son parbolas,
a s como los trazos en los
planos paralelos a stos.
Paraboloide hiperblico
1
V2
-~ y'
x'
"
"
m'
I'
El trazo en el plano xy es un
par de rectas que se cortan en
el origen. Los trazos en los
planos paralelos al plano xy
son hiprbolas. Las hiprbolas
por encima del plano xy se
ls
abren en la direccin y, y a
que es^ por abajo lo hacen
:n la direccin x. Los trazos
m los planos yz y xz son
mrbolas, a s como los trazos
:n los planos paralelos a stos.
576
/'
Temas complementarios
+ 36(,~'- 6 ~ ) 9z2
-
--
304
+ 4) + 3 6 ( ~ '
6.y
+ 9)
9 2 = -304
+ 16 + 324
(x
2)'
Z2
+(y-3)2--=
se obtiene
(2)
Se quiere girar los ejes de coordenadas xyz de modo que la ecuacin de la cudrica
en el nuevo sistema de coordenadas xlylz' no contenga trminos deproducto
cruzado. Esto se puede efectuar como sigue:
Paso 1.
Paso 2.
es una rotacin.
Paso 3.
= Px'
=O
donde
5 78
Temas complementarlos
Pero
[: :]
2
PTAP=
o bien,
2s* + 2y*
+ 82
=3
-+-+-=I
312
3/2
318
C) X!
e ) 3:
+ +
+ 3.~2
Y 2
)JZ
1
14y
+9 =O
b) 31 7z
2.uy - 317 4.1.2 - 3x = 4
d ) .xz +.v - z = 7
f ) 2 2 2x2 +y2 2x -y 3z = o
+ 9y2 + 4z2 - 36 = O
d) 9x2 4y2 - z2 = O
g)x2+y2+z2=25
a) 36x2
C)
posicin normal.
a) 9x2
+ 36y2 + 4z2
+ 153 = O
+
+
g ) ~ ~ + y ~ + ~ ~ - 2 ~ + 4 ~ - 6 ~ = 1 1
6. En cada inciso, encontrar una rotacin x = Px' que elimina los trminos de producto
cruzado. Identificar la cudrica y escribir su ecuacin en el sistema xyz'.
a) 2x2 + 3y2 + 23z2 72xz 150 = O
b) 4x2 + 4y2 + 4z2 + 4x-v + ~
C) 1 4 4 +~ 1~ 0 0 ~ 812'
~ - 2 1 6 -~ 5~4 0 ~ 7202 = O
d) 2xy + z = O
En los ejercicios del 7 al 10, trasladar y girar los ejes de coordenadas a fin de colocar la
cudrica en posicin normal. Identificar la cudrica y escribir su ecuacin en el sistema de
coordenadas final.
7.
+ 4yz
X Z
5=O
~ X Y + ~ X Z + ~ Y Z - ~ X - ~ Y - ~- 9
Z =
8. 7x2
+ 7y2 + 10z2
2xy
- 4x2
9. 2 ~ ~ - 6 ~ + 1 0 ~ + ~ - 3 1 = 0
10. 2x2
+ 2y2 + 5z2
4xy - ~
+ 2yz + 1 0 -~ 26y - 22 = O
X Z
9.8 COMPARACI~N
DE PROCEDIMIENTOS PARA RESOLVER
SISTEMAS LINEALES
En esta seccin se analizarn algunos aspectos prcticos para resolver sistemas
de ecuaciones lineales, invertir matrices y encontrar eigenvalores. Aunque ya
antes se analizaron mtodos para efectuar estos clculos, los mtodos no son
aplicables directamente a la solucin por computadora de problemas en gran
esca!a que se presentan en aplicaciones del mundo real.
CONTEO DE
OPERACIONES
1.O microsegundo
= 3 .O microsegundos
= 0.5 microsegundos
=
0.5 microsegundos
Mtodo
Nmero de adiciones
' + $n * - gn
in
gn3
ResolverAx = b como
x =,4K1b
n3 - n2
+ gn2
gn
3.4
n
Nmero de multiplicaciones
n 3 + n2
in' +in
i n 4 - I n 3 - Ln2
6
+1
6n
n
2
n2
adiciones
n3
2
+2
multiplicaciones
que son valores mayores que los aqu obtenidos para toda n 2 3.
Para ilustrar cmose calculan los resultados de la tabla 1, se obtendr el
conteo de operaciones para la eliminacin de Gauss-Jordan. Para llevar a cabo este
anlisis se requieren las siguientes frmulas de la suma de los n primeros enteros
positivos yla suma de los cuadrados de losn primeros enteros positivos:
1 2 + 2 2 + 3 2 + . . . + + 2 = n(n + 1)(2n + 1)
6
CONTEODE
OPERACIONES
PARA LA
ELIMINACIN
DE GAUSSJORDAN
A es invertible, de
modo
x i x
0 ; .
X
I
O
O
O
O
O
O
..
..
o ; .
o ; .
Paso 1
n multiplicaciones
O adiciones
Paso l a
n multiplicaciones/rengln
n a&ciones/rengln
n - 1 renglones que requieren
clculos
Lo x
Paso 2
.. x
n(n - 1) multiplicaciones
n(n - 1) adiciones
n - 1 multiplicaciones/rengln
n - 1 adiciones/rengln
n - 2 renglones que requieren
clculos
Paso 2a
I.
.
o o
o o
x
x
x
x
."
" '
x
x
n - l)(n
2) multiplicaciones
Paso 3
.
..
.
..
..
.
n - 2 multiplicaciones
O adiciones
n - 2 multiplicaciones/rengln
n - 2 adiciones/rengln
n - 3 renglones que requieren
clculos
Paso 3a
...
..
.
X
n - 2)(n - 3) multiplicaciones
Paso
(n - 1)
O
O
..
..
..
..
..
2 multiplicaciones
O adiciones
X
O
Paso
2 multiplicaciones/rengl~
2 adicioneshengln
1 renglones que requieren
clculos
( n - l)a
I multiplicacin
O adiciones
'
o o ". 1
o o o '.' o
0
'
'
'1
o j o
1 ; x
584
Temas complementarios
Pasos 1 y l a
Multiplicaciones: n + n(n - 1) = n
Adiciones:
n(n - 1) = n2 - n
Pasos 2 y 2a
Multiplicaciones: ( n - 1 ) + (I? - I )(n - 2) = ( n - 1 )
Adiciones
(n-I)(n-2)=(n-l)-(n1)
Pasos 3 y 3a
Multiplicaciones: ( n - 2) i( n - 2)(n - 3) = ( n - 2)
( n - 2)(n - 3) = (n - 2) - ( n - 2)
Adiciones:
Pasos (n - 1) y (n - l)a
Multiplicaciones: 4 ( = 2 )
Adiciones:
2(=2-2)
Paso n
Multiplicaciones: I ( = I )
Adiciones:
O ( = 1 2 - 1)
Por consiguente, el nmero total de operaciones necesarias para expresar [A
+ ( n I) + ( n 2) + . . . + 1
[n + ( n - 1) + ( n - 2) + . + 1 2 1
Multiplicaciones: n
Adiciones:
-[n+(n-l)+(n-2>++1]
Multiplicaciones:
Adiciones:
n(n
+ 1)(2n + 1) - n 3 +-+n2 n
n(n +
(5 1
6
1)(2n + 1)
6
n(n + 1) - n 3
2
3
(6)
Paso 1
'1
'..
" '
o o
" '
.
.
.
.
1
.
.
o o o
-0 o o
Paso
o1 x
ojx
ojx
".
".
'
ojx
... o o j x
o 1
o o
" '
..
...
1
...
o o o
o o o
" '
I
I
.
'
'.'
o ojx
o ojx
.
" '
n - 1 multiplicaciones
. I .
.
.
1 adiciones
1
n
n
'
'
-2
multiplicaciones
2 adiciones
1 o j o
I / .
Paso
(n - 2)
.
.
.
.
.
.
Paso
o o o
o1 0
o o o ... o 1 ; .
'1 o o . . ' o o I x o 1 o ..' o 0 1 0
" '
( n - 1)
..
.
1
o o
.
..
.
..
1
.
..
o o o
,o o o
'
'
'.'
" '
0 ;
0
.
1 adicin
'
'
1 o j o
0-
+1
1
(n - l)n
~
n2
2
- "-
n
2
( n - 1)n "n2 n
2
2 2
"
As, por ( 9 , (6), (7) y (S), el conteo total de operaciones para la eliminacin de
Gauss-Jordan es
586
Temas complementarios
COMPARACI~N
DE METODOS
PARA
RESOLVER
SISTEMAS
LINEALES
+ u,x + . . . + q x k -
ukxk
parax grande
Mtodo
Nmero de
adiciones
i
T
-
n3
EncontrarA-l reduciendo [A
I] a [I /A]"
multiplicaciones
"
3
=n3
%n3
=-
i
T
-
n3
3
n4
3
n3
x-
OBSERVACI~N.
n3
"-
n
2
adiciones
n3 n2
+multiplicaciones
2
2
esunamatrizm
nyBesunamatrizn x p .
2. Usando
los
resultados del
ejercicio
1, encontrar nmero
el
de
adiciones
y
multiplicaciones necesarias para calcular Ak por multiplicacin directa si A es una
matriz n X n.
3. Suponiendo que A es una matriz n X n, usar las frmulas de la tabla 1 para determinar
el nmero de operaciones necesarias para efectuar los procedimientos dela tabla 3.
Tabla 3
Resolver Ax
"
. . . ."
=b
multiplicaciones y de 0.5 microsegundos para las adiciones, usar los resultados del
ejercicio 3 para escribir los tiempos de ejecucin en segundos necesarios para efectuar
los procedimientosde la tabla 4.
Tabla 4
5. Obtener la frmula
n(n + 1)
1 +2+3+,..+n=----2
1+2+3+...+(n-l)=-
(n - 1)n
2
7. Obtener la frmula
12+22+32+...+n2=
n(n
+ l)(2n + 1)
6
12+22+32+'"+(n")
(n - l)n(2n
6
1)
9.9 Descomposiciones L U
589
9. Sea R la forma escalonadade una matriz invertiblen X n. Demostrar que para resolver
el sistema lineal Rx = b por retrosustitucin se requieren
n2 n
"multiplicaciones
n2
"- n
adicisnes
10. Demostrar que para reducir una matriz invertible de n X n a I, aplicando el mtodo del
texto se requieren
n3
"-
n
3
multiplicaciones
n3 n2 n
-"
+ - adiciones
n3 n 2
+multiplicaciones
2
2
n3 n
-"
adiciones
a.
+ u,x + .
. .
+ ukx" = ".,u
para
9.9 DESCOMPOSICIONES LU
Con la eliminacin gaussiana y la eliminacin de Gauss-Jordan se resuelve un
sistema lineal operando sistemticamente sobre la matriz aumentada. En esta
seccin se analizar&un mtodo difrente basado en la factorizacin de la matriz
de coejkientes en un producto de dos matrices: una triangular inferior y otra
SQLUCIN DE
SISTEMAS
LINEALES POR
FACTORIZACIN
Paso 1.
=b
como
LUX = b
Paso 2.
(1)
1 por
ux=y
Paso d.
Paso 4.
(2)
=
+ 3x2 +
x2
x, = 1
+ 3x, = 5
x3 = 2
(comprobar). A
x2=-l,
x3=2
592
i Temas complementarios
DESCOMPOSICIONES LU
(6)
para obtener
A = E ; 'E,
. . . E"
(7)
(8)
-:
6
2J
Reduccin a la
forma escalonada
Paso 1
1
Paso 2
Paso 3
-4
Paso 4
Paso 5
As,
oj[o
o
1
-3
2
de modo que
1 0 0
1
O 0 7
[-:-: !I=[
2
2
-3
4
-3
:][A ;
7
'1
O 0 1
es una descomposicin LU de A . A
PROCEDIMIENTO PARA
ENCONTRAR
DESCOMPOSICIONES LU
Luego, obsrvese que para introducir ceros por abajo del 1 principal en el primer
rengln se realizaron las siguientes operaciones:
sumar 3 veces el primer rengln al segundo rengln
sumar -4 veces el primer rengln al tercer rengln
y para introducir el cero por abajo del 1 principal en el segundo rengln se efectu
la siguiente operacin
sumar 3 veces el segundo rengln al tercer rengln
Ahora se observa que en cada posicin abajo dela &agonal principal de L (en tipo
negro) el elemento es el negativo del multiplicador en la operacin con que se
introdujo el cero en esa posicin en U (figura 2).
L=[p-JJ
Figure 2
Paso 1.
;[; -; ;]
6
-2
Solucidn. Se empezar por reducir A a forma escalonada sin perder de vista a los
multiplicadores.
multiplicador = 4
/-
"
c-multiplicador =
[ ," $ i]
1
-9
multiplicador = - 3
-1.
t-multiplicador
=$
t-multiplicador
t-multiplicador
A=LU=
1
O
-$
j[O A /] *
9 2 O
[3 8
2.
-2x,
6x2 = O
+ 5x, = 1
+ 6x3 = -22
2x1
-4x1
-3
+ 7x2 + 4x,
=[-;I
11. Sea
2
A=[-:
-;
1
a]
no tiene descomposicinLU.
13. Sea
CAPITULO
10
ESPACIOS
VECTORLALES
COMPLEJOS
NMEROS
COMPLEJOS
-1
no tiene soluciones reales. Para manejar este problema, los matemticos del siglo
XVIII introdujeron el nmero "imaginario"
i = l / r-"
1
pero que de otra forma poda considerarse como un nmero real. Expresiones de la
forma
a + bi
de nmeros realesy que las operaciones deadicin, swtmccin, multiplicacin y &visin se definieran sobreestos pares ordenados de modo que
se cumplieran las leyes conocidas de la aritmtica y adems i2 = - l . Este enfoque es el que se seguir en el
texto.
Definicin. Un nrimero complejo es un par ordenado de nmeros reales,
denotado por (a,b ) o a + bi.
Ejemplo 1 A continuacin se presentan algunos ejemplos de nmeros complejos
f:n ambas notaciones:
Par ordenado
(3>4)
(- 1,2)
(0, 1)
(290)
(4, -2)
Notacin equivalente
3 + 4i
- 1 +2i
O+i
2 + Oi
4
+ (-2);
Para facilitar las cosas, los tres ltimos nmeros complejos en general se abreviarn como
O+i=i,
2 + 0 i 4=+2 (, - 2 ) i = 4 - 2 i
ty
Figura 1
- 4 - 32
Figura 2
EL PLANO
COMPLEJO
b)
Q)
Algunas veces es conveniente usar una sola letra, como z, para denotar un nmero
complejo. As, se podra escribir
z=a+bi
'e
Im(4 - 3i) = - 3
Figura 3
OPERACIONES
CON NUMEROS
COMPLEJOS
Eje imaginario
(Parte real de z)
As como se define que dos vectores en R2 son iguales si tienen las mismas componentes, tambin dos nmeros complejosson iguales si tanto sus partes reales
como sus partes imaginarias son iguales:
=c
+ di,
de modo que los nmeros reales se pueden considerar como nmeros complejos
cuya parte imagmaria es cero. Geomtricamente, los nmeros reales corresponden
a puntos sobre el eje real. Si se tiene a = O, entonces a + bi se reduce a O + bi, que
en general se escribe como bi. Estos nmeros complejos, que corresponden a
puntos sobre el eje imaginario, se denominan nrimeros imaginarios puros.
As como la adicin de vectores en R2 se realiza sumando las componentes
correspondientes de los vectores, tambin la adicin de nmeros complejosse
realiza sumando las partes y las imaginarias:
(u
+ bi) f (c + d i ) = ( a + c ) + ( b + d)i
(1)
(a
+ bi) - ( c + d i ) = (a - c ) + ( D - d)i
I k(a + bi)
= (ka) t (kb)i,
k real
(2)
(3)
Solucin.
z,+zz=(4-5i)+(-l+6i)=(4-1)+(-5+6)i=3+i
dos nmeros
complejos.
f
I
Figura 4
f
(k >O)
Producto
de
(k
un nmeros
complejo
O)
z y un nmero
real
k.
+ bi)(c + di)
(OC -
b d ) + (ad + b ~ ) i
Ejemplo 4
(3
(4-i)(2-32)=[4.2-(-1)(-3)]+[(4)(-3)+(-1)(2)]i
= 5 - 14i
i 2 = ( O + i j ( O + i j = ( O ~ O - 1 ~ 1 ) + ( O ~ 1 + 1 ~ O ) i =- 1 A
+ z 2 = z2 + z,
z1z2
ZI
=z2z*
+ (z2 + z3 j = ( z *+ z 2 )+ z3
Zl(ZZZ3j =
z1(z2
(z1z2)z3
z+(-z)=O
l.z=z
Estas reglas permiten multiplicar nmeros complejos sin necesidad de aplicar &rectamente la frmula (4). Siguiendo el procedimiento usado para originar
esta frmula, basta multiplicar cada trmino de a + bi por cada trmino de c + di,
hacer i2 = - 1 y simplificar.
Ejemplo 5
(3
(5
i(I
+ 2i)(4 + i) = 12 + 3i + 8i + 2i2 = 12 + 1 l i 2 = 10 + 1 l i
4i)(2 + 32) = 10 + 15i i $i2 = 10 + 14i + $ = 9 + 14i
+ i)(I 2i) = i(1 2i + i - 2i2) = i(3 i) = 3i i2 = 1 + 3i
-
Ejemplo 6 Si
entonces
AB=[
=
-i][
I+i
4 2- i- 3 i
'qi]
+
!.i+(-i).(2-3i)
1 . ( 1 - i) ( - i ) . 4
(1 +i).(l
-i)+(4-i).4
(I + i ) . i + ( 4 - i ) . ( 2 - 3 i )
=[
-3-i
4-13i
1 -5i
18-4i
dado.
a) 2
+ 3i.
b) 4.
c) -3
2. Expresarcadanmerocomplejo
reales.
- 2i.
d) -Si.
3. En cada inciso, usar la mformacin proporcionada para encontrar los nmeros reales x
YY.
a) x - i y =
-2+3i
b) ( x + y ) + ( x - y ) i = 3 + i
4. Dado que z , = 1
a) z+, z ,
- 2i y z2 = 4 + S i , encontrar
c) 42,
b) z-Iz 2
d) -z2
e) 32, +4z,
f)
2 1
a) z + ( l - i ) = 3 + 2 i
b) - 5 z = 5 + 1 0 i
c) ( i - z ) + ( 2 ~ - 3 i )-=2 + 7 i
- 9222
c) z = 4 + 6 i , k = $
b)z=-3-4i,k=-2
a) k l i + k , ( l + i ) = 3 - 2 i
b) k , ( 2 + 3 i ) + k 2 ( l - 4 i ) = 7 + 5 i
a)
2,
= 3i. z2 =
b) z, = 4
+ 6i,
z, = 2
3i
a) z l - z,z2
11. (1
+ 2i)(4
15. [ (2
17. ( I
b) (zl
+ 32,)'
c) [zI+ ( I + z 2 ) I 2
12. (2 - i)(3
6i)2
+ i)(&+ $)I2
16.
+ i + i 2 + i3)'""
d) iz, - z:
+ i)(4
2i)
(a+ i) - i a ( l + ai)
18. (3 - 2i)2 - (3
+ 2i)'
19. Sea
Encontrar
a) A + 3iB
b) BA
c) A B
d) B2 - A2
20. Sea
Encontrar
a) A(BC)
b) ( B C ) A
c ) (CA)B2
b) Re(iz) = - Im(z).
d) (1 + i)(AB) + (3 - 4i)A
25. Usar el resultado del ejercicio 24 para demostrar lo siguiente: Si zzl = zz2 y z # O ,
entonces z1 = zz.
26. Demostrar que para los nmeros complejoszl, z2 y z3
a)
z,+ z2 = z2 + zI
b) z ,
4 zlz2= z2zl
b) zl(z2z3)
= (zIz2)z3
28. Demostrar que zl(z2+ z3) = z1z2+ z i t 3para los nmeros complejos
z I ,zz y z3.
29. En mecnica cuntica,a
lsmatrices de Dirac* son
1
P= o
o
1
0
0
O
O
O
0
(
Y
,
=
O - i
-1
>
':
(Y,=
-1
O - i
i
0
,
O
O
0
0
CU, =
"I
o '
0
0 - 1
,o
-1
a) Demostrar que p2 = 4= a: = 4 = I,
b) Dos matrices A y B se denominan anticonmui&*vus si AB =
dos matrices de Dirac cualesquiera son anticonmutativas.
*Paul Adrien Maurice Dirac (1902-1984) fisico terico ingls que instrument una nueva forma
de mecnica cuntica y una teora que predijo el "espn"de electrn y la existencia de una particula
atmica fundamental denominada positrn. En 1933 fue galardonado con el premio Nobel de fisica
y en 1939, con la medalla de oro de la Royal Society.
CONJUGADOS
ComLEJOs
Seempezarconalgunasideaspreliminares.
z = a + bi escualquiernmerocomplejo,entonces
el conjugado de z, denotado por z,(que se lee como"z barra"), se define como
z=a-bi
i+=n-bi
~~~~
Figura 1
Ejemplo 1
z=i
Z=3-2i
Z= -4+2i
-i
z=4
z=4 A
z=3+2i
z = -4-2i
El ltimorenglndelejemplo
1 ilustrael hecho deque un
nmerorealesigual
a suconjugado. Para serprecisos, se puededemostrar
(ejercicio 22) que z = Z si y SIO si z es un nmero r d .
OBSERVACI~N.
(zI
= , / m = J z s = 5 .
y Izl.
Demostracin.
Si z = a + bi, entonces
ZZ = (a
D I V I S I ~ NDE
NMEROS
COMPLEJOS
El procedimiento ser demostrar que (2) tiene una solucin nica para z si z2 f O,
y luego z1/z2 se definir como este valor de t.Igual que con los nmeros reales, no
se permite la divisin entre cero.
Teorema 10.2.2. Si z2
nica, que es
z=-zz
1z212
Demostracin. Sean z = x
puede escribir como
x1
612
o bien
x] + i,vl
+ i(y2x + xzy)
= (xzx ---v2y)
o bien,
As, por la regla de Cramer (teorema 2.4.3), el sistema (4) tiene la solucin mica
Por tanto,
Ejemplo 3 Expresar
3 + 4i
1 -2i
en laforma a + bi.
Solucin. Por ( 3 ,con z1 = 3 + 4 i y z2 = 1 - 2i,
3 + 4i
1 - 2i
11
"
(3
1
5
- 2iI2
=-(-5+
+ 4i)( 1
2i) = - (3 + 4i)( 1
+ 2i)
1Oi)= - 1 + 2 i
3 +4i 1 +2i -5
1Oi
= -I+2i
5
1 -2i 1 +2i
+ 2y = 1 - 2i
4x-iy= -1 +3i
Y=
1' -'"'I
;1 -21
As, la solucin es x = i , y
- (i)(-1 +3i)-4(1
i( - i) - 2(4)
- 2 i ) -" -7+7i
-1-i
-7
1 - i. A
PROPIEDADESDE Esta seccin concluye con la enumeracin de algunas propiedades del conjugado
LOS NMEROS
complejoqueserndeutilidad
en seccionesulteriores.
COMPLEJOS
Teorema 10.2.3. Para nmeros complejos cualesquiera z, z1y Z2
a)
b)
Z]
+ z,
= 2,
+ z2
"
= Z,
- z2
z, + z, 0
+ (u2- b,i)
OBSERVACI~N.
z,+z2+.~~+z,=z,+z2+~'~+~,
Z]Z2.
. . z,
"
= z,z*.
. .Z"
d)z=-i
d)z=l+i
e ) z = -9
e)z=-8
f)z=0
f)z=O
a) z = 2 - 4 i
= kl2para
c) z=*-V%
b) z -=3 + 5 i
b) 5,/z2
a) zI/zz
c) z l / &
e) zl/lzzl
d) (z1/z2)
f) Iz,/z21
b) z = 1 -5i
a) z = i
c) z = -
-i
7
En los ejercicios del 7 al 14, realizar los cillculos y expresar el resultado en la forma a + bi.
i
I+i
7. 10.
13.
8.
2+i
i( - 3 4i)
11.
(1 - i)(l
2+i
14.
- 2i)(l + 2i)
2
(1 - i)(3 + i )
____9. ___
V3+i
(1
- i)(V3 - i)
1-2i
3 + 4i
(3
12.
+ 4)
i(3 - 2i)(l
+ i)
5i
a) iz = 2 - i
b) (4 - 3i)F =
a) z+=z-Si
b)
z= -iZ
i+Z
c) -=
I-z
-1
17. En cada inciso, trazar el conjunto de puntos enel plano complejo que satisfacen la
ecuacin.
a) I z ( = 2
b) l z - ( l + i ) / = 1
c) Iz - i ( = ( z + i (
d) I m ( Z + i ) = 3
18. En cada inciso, trazar el conjunto de puntos en el plano complejo que satisfacen la(s)
condicin (condiciones)dada(s).
a) Iz
+i l s 1
a) Re(G)
b) 1 < bl < 2
d) JzI5 )z
+ iJ
+ Q, encontrar
b) Im(c)
c) Re(i5)
d) Im(i5)
20. a) Demostrar que si n es un entero positivo, entonces los nicos valores posibles de
(1li)son 1, - 1 , i y -i.
b) Calcular ( l/i)2s09. [Sugerencia.Vase el ejercicio 23(b) de la seccin 10.1,]
I
bj -(z - 5) = Im(zj
+ Z ) = Re(z)
a) -(z
2
2i
22. Demostrar: z =
24. Demostrar: Si
26. Demostrar:
a)
"
z,
z, = z I - z2
= I,:,
b)
c) (zl/z2) = Z,/Z2
d)
=z
En los ejercicios del 28 al 31, resolver el sistema de ecuaciones lineales aplicando la regla
de Cramer.
29. x, + x 2 = 2
x , - x2 = 2i
30. xI x, + x3 = 3
x, x, - x j = 2 2i
x, --,+x,=
-1
31. ix,
x,
XI
+ 3x, + (1 + i)x3 = - i
+ ix, + 3x, = -2i
+ x, +
xj = o
- l"
+i
" -2
-i][~~]=
[:]
33.
"If2
"[;;]=[:I
1
x, + ix,
+ (1 i)x, + 2ix3 = O
+ ( - I + 2i)x, - 3ix3 = O
-x1
2x,
- ix, = O
1.4.5 paracalcularlainversadela
matriz y comprobar el resultado demostrandoque AA - = A - ' A = I.
'
36. Sea&) = a. + alx + a,x2 + . . . + anX"un polinomio en el que los coeficientes a,,,a , ,
a2, . . . , an son reales. Demostrar que si z es una soluci6n de l a ecuacin p ( x ) O,
entonces tambin
lo es.
Iz/.
IRe(z)l + IIm(z)l
v5
[Sugerenciu Sea z = x
39. En cada inciso aplicar el mtodo del ejemplo 4 de la seccin 1.5 para encontrar A"
= A"A = 1.
2-i
-i
FORMA POLAR
DE UN NMERO
COMPLEJO
Figura 1
o bien, como
ARGUMENTO DE
UN NMERO
COMPLEJO
e = arg z
El argumento de z no est determinado de manera nica porque se puede sumar o
restar a 8 cualquier mltiplo de 2z para obtener otro valor del argumento. Sin
embargo, slo existe un valor del argumento en radianes que satisface
e = Arg z
Ejemplo 1 Expresar los siguientes nmeros complejos en forma polar usando sus
argumentos principales:
(a)z=l+d%
b)z=-1-
ycomox= l y y = fi,por(l)seinfiereque
619
as, cos 8 = 112 y sen O = 6 1 2 . El nico valor de O que satisface estas relaciones
y cumple elrequisito - n < 8 In es O = n/3 (= 60") (vase la figura 2a).
Entonces, una forma polar de z es
1 -i
- 1 = *COS
- 1 = *sene
-+isenINTERPRETACIN
GEOMTRICA
DE LA
MULTIPLICACIN Y LA
DMSIN
"1
4
+ i sene,)
z2 = r,(cos 6,
+ i sen e,)
Multiplicando,
obtiene
se
Z,Z,
= r,r2[(cos-0,COS
e,
-sene, sene,)
= sen O,
cos S,
+ cos 8, sen 8,
Se obtiene
zlz2= r,r,[cos(S, + O , )
+ isen(8, + O,)]
= IZllIZ2l
Figura 3
~~
arg
k)
= arg z1 - arg z2
[ y
+isen('+:)]
-1
c o s - + i s e n=
- 4[O+i]=4i
2
T
T V 3 1
=cos-+isen-=--+--i
6
6
2
2
Como comprobacin, zlz2 y z1/z2 se calcularn directamente sin usar las formas
polares dez1 y z2:
.- .
622
t'
Figura 4
FRMULA DE
DE M O W
I Al multiplicar por i,
.~=r"[cos(8+8+...+8)+isen(8+8+...+8)]
n factores
n trminos
n trminos
Z"=Z.Z.t..
o bien,
z" = r"(cos no
+ isen ne)
expresin que se denomina frmula de De Moivre*. Aunque (7) se obtuvo suponiendo que n es un entero positivo, en los ejercicios se demostrar que esta frmula esvlida para todos los enteros n.
*Abraham De Moivre (1667-1754) matemticofrancs que realizimportantescontribucionesa
probabilidad, estadsticay trigonomehia. Desarrollel concepto de eventos estadsticamente independientes,
escribi un tratado hndamentalsobre probabilidady ayud a transformar la trigonometra de unarama de
lageometraauna
rama del anlisis a travs del empleo de los nmeroscomplejos. A pesar de su
importante trabajo, a duras penasse a
sarreglaba paravivir como tutor y asesor sobre juegos y seguros.
DETERMINACI~N
DE LAS
RAICES
n-SIMAS
z=r(cosO+isen8)
(9)
Al comparar los mdulos delos dos miembrosse observa quep = r o bien, que
+ 1 , t 2, . . .
a=-+-
2!cr
,
n
k=0, k l , 2 2 , .
As, los valoresde w = p (cos a + i sen a) que satisfacen(8) estn dados por
w=('h[cos(!+~)+isen(~+~)],
k=0, k l , k2, . . .
= l / n = , [ , , s ( 8, t ~2km
)+iSen(!+~)],
k=O,1,2,,..,n-l
(IO)
[ (3-+cos
25") + i s e n
(3-+-
2 3 ] ,
k = O , 1,2
2(cos7r+isen7r)=2(-1)= -2
4'
Figura 5
4"
/
EXPONENTES
COMPLEJOS
\
\
Estaseccinconcluyeconalgunoscomentariossobrenotacin.
En estudios
ms
detallados
de
nmeros
complejos
se
definen
los
exponentes
complejos y se demuestra que
I
o+
cos
i sen8=eie
+ i sen 8)
z2= r2ei*2
Pero estas son justamente l a s frmulas (3) y (5) escritas en otra notacin.
Por ultimo, se obtendr una frmula til para expresar 2en notacin polar.
Si
z
= rei* = r(cos
+ i sen e)
entonces
Z = r(cos 9 - i sene)
Recordando las identidades trigonomtricas
sen(- O) = -sen 0
COS(
e) = COS e
b)z=i
d ) ze=) lz+=i- l + d ? i
c)z=-i
b) - a < O s a
a) O<O'2a
f)z=l-i
c)
--SO<--
rr
6
1l a
b) - 4
c) 5 + 5 i
d) - 6 + 6 d ? i
e) - 3
3i
f) 2 f i - 2 i
polar de
5. Expresar z, = i, z2 = 1
f i i y z3 =
encontrar z,z2/z3.Comprobar los resultados efectuando los clculos sin usar formas polares.
a) (-i)'12
+ V'%)'12
c)
(i)'I3
d)
e) ( -
f) ( - 8
z4 - 16 =
b) z4I3 = - 4
+ 8V3i)1/4
I'
627
628
a) ( I
+I)'
b) (-2*+2i)")
10.4
PROPIEDADES
BASICAS DE LOS
ESPACIOS
VECTORIALES
COMPLEJOS
w = k,v, k2v2 + . . .
+k,~,
Los conceptos de independencia lineal, conjunto generador, base, dimensin y subespacio permanecen sin ningn cambio para espacios vectoriales complejos, y los teoremas obtenidos en el captulo 5 siguen siendo vlidos.
El espacio vectorial real ms importante es R", que es el espacio de n-adas
de nmeros reales, donde la adicin y la multiplicacin escalar se efectan por
coordenadas. El espacio vectorial complejo ms importante es C", que es el espacio de n-adas de nmeros complejos, donde la adicin y la multiplicacin escalar
se efectan por coordenadas. Un vector u en C" se puede escribir en notacin
vectorial
o en notacin matricial
donde
u, = a ,
+ b,i,
u2 = a ,
+ h,i,
. . . , u, = a,
+ h,i
Ejemplo 1 Si
u = (i, 1
+ i, -2)
v = ( 2 + i, 1 - i, 3 + 2i)
entonces
u+v
= (i, 1
+ i,
-2)
i u = i ( i , 1 + i , - 2 ) = ( i z , i + i 2 , - 2 i ) = ( - 1 , - 1 ti,-2i) A
1,0, . . . , O),
. . . , en=(O,O,O,
. . . , 1)
OBSERVACI~N.
f(x) = 2x + ix3
g(x>= 2 sen x
+ i cos x
(1)
Sea Vel conjunto de las funciones con valores complejos que estn definidas sobre
la recta. Si f = fi(x) + iJ2(x) y g = gl(x) + ig2(x) son funciones como las
mencionadas y k es cualquier nmero complejo, entonces la funcin suma f + g y
el mltiplo escalar kf se definen por
se defini como
vu:+
u;
+ . . + u;
'
((u(\
=
VFZ = v% = o
de modo que u sena un vector dverente de cero con longitud cero, situacin a
todas luces contradictoria.
PRODUCTOS
INTERIORES
EUCLIDIANOS
COMPLEJOS
~~~~
donde i
1' 2'""
u=(-ii,2, 1 +3i)
v = ( l -i,O,
I +3i)
es
u - v = (-i)(l - i)
= (-i)(l
-
- i - 22 + 1 - 9'2
I z I 1 - i
u.v=v.U
(u+v).w=u.w+v.w
(ku).v = k(u.v)
v.v?O.Ademas,v.v=O
siysfosi v=O.
v. u = U I U I + U22-t .
'
'
+ un,
de modo que
v.u
= UIUl
= ulul
+ u2u2
- + ' . . + Unn
+-
VnUn
+ *uz+ . . . + ,,un
= U l l + u22+ . . + un,
'
u.v
Demostracin de 4.
OBSERVACI~N.
u . (kv) = k(u v)
NORMA Y
DISTANCIA EN
llull
=m=2v3
d(u, v)
= ~ I - 1 + 2 i ) 2 + I - 1 + i ( 2 + 1 3 - 4 i ( 2 = ~ 5 + 2 + 2 5 = ~ =A4 ~
El espacio vectorial complejo Cn con la norma y el producto interior antes defihdos se denomina espacio n euclidiano complejo.
634
,/
b) i v f 2 w
d) 3 ( u - ( I + i ) v )
c) - w + v
e) - i v + 2 i w
f) 2 v - ( u + w )
u - v + ix = 2ix + w.
3.
cz y c3 tales
c,(i, 2 - i, 2
a) v = ( l , i )
b) v = ( l + i , 3 i , 1)
c) v = ( 2 i , 0 , 2 i + 1, - 1 )
d) v = ( - i , i , i , 3 , 3 + 4 2 )
1
e ) -w
llwll
7. Demostrar que si v es un vector diferente de cero en Cn, entonces (l/llvll)v tiene noma
euclidiana l .
8. Encontrar todos los escalares k tales que I l k v l l = 1, donde v = (32,4i)
9. Encontrar el producto interior euclidiano u * v si
a) u = (-i, 3i), v = (3i,2i)
b) u = (3 - 4i, 2 i, -6i), v = (1
+ i, 2 - i, 4)
c) u = ( l - i , l + i , 2 i , 3 ) , v = ( 4 + 6 i , - 5 , - 1 + i , i )
En los ejercicios 10 y 11 se proporciona un conjunto de objetos junto con las operaciones
de adicin y multiplicacin escalar. Determinar cules conjuntos son espacios vectoriales
complejos bajolas operaciones dadas. Para los que no lo sean, mencionar todos los axiomas
que no se cumplen.
10. El conjunto de todas las temas de nmeros complejos (z,, z2, z3) con las operaciones
14. Aplicando el teorema 5.2.1, determinar cules de los siguientes conjuntos son subes-
donde z1 + z4 = O.
c) Todas las matricescomplejas A 2 X 2 tales que
= A , donde 2 es lamatriz
cuyos elementos son los conjugados de los elementos correspondientes de A.
15. Aplicando el teorema 5.2.1, determinarculesde
los siguientes conjuntos son subespacios del espacio vectorial de las funciones con valores complejos de la variable
real x:
a) Todas lasf tales queA1)= O.
b) Todas lasftales queA0) = i . c) Todas las f tales quef(-x) = f ( x )
d) Todas las f de laforma k , + k2 elx, donde k , y k, son nmeros complejos.
16. Cules de los siguientes vectores son una combinacin lineal de u = (i, -i, 32) y v =
(2i, 4i,O)?
a) (3i,3i, 3i)
b) (442i, 6i)
c) (i, 5i, 6i)
d) (O, O, O)
17. Expresar cada uno de los siguientes vectores como una combinacin lineal de u = (1, O,
- z), v = (1 + i, 1, 1 - 2i) y w = (O, i, 2).
a) (1, 1, 1)
b) (i, O, - i )
C) (O, O, O)
d) ( 2 - i, 1, 1 + i)
a) cos x
g=e-
b) sen x
c)cos
+ 3i sen x
20. Explicar por qu los siguientes conjuntos de vectores son linealmente dependientes.
2i
j]
en el complejo
a) u,
22. Sea V el espacio vectorial de todas las funciones con valores complejos de la variable
+ 3i cos 2x,
g =sen2 x
+ i cos2 x,
h = cos2 x
- isen* x
23. Explicar por qu los siguientes conjuntos de vectores no son bases para los espacios
24. Cules de los siguientes conjuntos de vectores son bases para C2?
b) (1 + i, l), (1 + i, i )
d) (2 - 32, i), (3 + 2i, - I )
En los ejercicios del 26 al 29, determinar la dimensin y una base para el espacio solucin
del sistema.
26.
x,
( 1 - i)x,
28. x,
ix,
+ (1 + i)x, = O
2x2 = O
(2 - i)x2
x2
+ 3ix,
+ ( 2 + 2i)x2 +
=o
=O
3ix3 = O
2x1 - (1
27.
(-1 + i ) x ,
29. x,
ix,
x, = o
+ x, = O
4x3 - 2ix, = O
ix, - 2ix3
+ 3x, +
+ i)x2 = O
u.(h)=k(u.v)
-4111
- vil2
10.5
ESPACIOS
UNITARIOS
1) ( u , v ) = ( v , u )
2) ( u + v, w ) = (u, w ) + (v, w )
3) (ku, v) = k( u, v )
4) ( v , v ) r 0 y ( v , v ) = O siyslosi v = O
I
Un espacio vectorial complejo con un producto interior se llama espacio con producto interior complejo o espacio unitario.
Las siguientes propiedades adxionales se deducen de inmediato a partir de
los cuatro axiomas de producto interior:
Como slo iii) difiere de los resultados correspondientes para productos interiores reales, se demostrar y las otras demostraciones se dejan como ejercicio.
(u, kv) = (kv, u)
= k(v, U )
k( V , u )
[ h o m a 31
[Propiedad delos conjugados]
k(u, v )
[Axioma I ]
"
[Axioma 11
Ejemplo 1 Sean u = (u1, u2, . . . , un) y v = (vl, v2,. . . , vn) vectores en P. Por el
teorema 10.4.1, el producto interior euclidiano (u, v) = u
v =
u1ulVl +u2V2+...+unVn satisface todos los axiomas de producto interior. A
Ejemplo 2 Si
Por ejemplo, si
entonces
JUhf(4
U
ID
+
dx =
[fl(4
if2(x)ldx =
fl(4
dx + i l ,
f2(4
dx
En espacios con producto interior complejo, as como en espacios con producto interior real, la norma (o longitud) de un vector u se define por
Se puede demostrar que con estas definiciones los teoremas 6.2.2 y 6.2.3 siguen
siendo verdaderos en espacios con producto interior complejo (ejercicio 35).
Ejemplo 4 Si u = (ul, u2, . . . , un) y v = (vl, v2,. . . , vn) son vectores en C" con el
producto interior euclidmno, entonces
Obsrvese que estas expresiones son justamente las frmulas para la norma y la
distancia euclidianas analizadas en la seccin 10.4. A
CONJUNTOS
ORTOGONALES
v = (1, i)
Solucin.
Paso 1.
v I = u, = (i, i, i)
As.
forma una base ortogonal para 6 3 . Las normas de estos vectores son
+ i sen mx
642
-sen
[k-1
(O)
(k - l ) x
k- 1
i(0) = O
1 1
+2u
2 2
define un
u,,
U=
C) U =
(2i, - I ) , v = ( - i, 3i)
(1 + i, 1 - i), v = (1 - i, 1 + i )
5. Sean u
a) ( u , v ) = u,,
d) (u, v ) = 2u,U,
b) (u, v ) = u,, - u p 2
c ) { u , v ) = (uI/2(ul(2
e) (u, v ) = 2u,, + iu,2- iu,,
+ 2u,,
- "
7. Sean u = ( u I ,u2, u3)y v = (vl,v2, v3).(u, v) = yvI+~v2+u3v3-iu3v,define un pro-
ducto interior sobre C3?En caso negativo, enumerar todos los axiomas que no se cumplen.
8. Sea Vel espacio vectorial de las funciones con valores complejos de la variable real x ,
y sean f =&(x) + z&(x) y g = g l ( x ) + ig,(x) vectores en V. La expresin
(f3
define un producto interior sobre P En caso negativo, enumerar todos los axiomas que
no se cumplen.
9. Sea c" con el producto interior del ejercicio 1. Encontrar I(w((si
a) w = ( - i , 3 i )
b) w = ( l - i , l + i )
c) w = ( O , 2 - i )
d) w=(O,O)
10. Para cada vector del ejercicio 9, usando el producto interior euclidiano encontrar I(w((
11. Usando el producto interior del ejercicio 3 , encontrar llwll si
a) w = ( l , -i)
b) w = (-li ,
1 +i)
c) w = ( 3 - 4 i , O )
12. Usando el producto interior del ejemplo 2, encontrar
d) w=(O,O)
l!,4(( si
c.
15. Repetir las instrucciones del ejercicio 13 usando el producto interior del ejercicio 3.
16. Sea el complejo MZ2con el producto interior del ejemplo2. Encontrar d(A, B ) si
644
18. Sea n/r.2 con el producto interior del ejemplo 2. Detenninar cules de las siguientes
matrices son ortogonales a
19. Sea C" con el producto interior euclidiano. Demostrar que para todos los valores de 0
1 - i)
b)
('
- -v5'
), (v5"*
) (
v5
"
C
'
21. Sea
con el producto interioreuclidiano.Cules
ortonornlales?
c)
conjuntos son
), (
"
v5'v5
--r
v2'
22. Sea
+ 2u22
proceso de Gram-Schmidt,
"
v5
25. Sea
u, = ( O , 2i,i, O),
u 2 = ( i , -i, O, O),
O, i, i)
ortonormal para el
28. Sea C4 con el producto interior euclidiano. Expresar w = (-i, 22,6i, O ) en la forma w =
w, + w2, donde el vector w, est en el espacio W generado por u1= (-i, O, i, 2;) y u2 =
(O, i, O, i), y w2 es ortogonal a W.
kv,
k v ) = (u, u)
- i (u, v)
k(u,v)+kk(v,v).
b) Usando el resultadodelincisoa),demostrar
que O
I (u, u) -
k (U, V)
k(u,v)+kz(v,v).
30. Demostrar que si u y v son vectoresen un espacio con producto interior complejo,entonces
KU.
v)l
(u3U X V , v )
+ U2 +
+ U,nl 5 (jU,/+ / U 2 / +
+ lu,12)12(/u,/2
+ IU2l2 +
+ JUJ2)2
u3
= (0,4i. i )
(u, v
+ w) = (u, v) + (u, w )
35. Los teoremas 6.2.2 y 6.2.3 siguen siendo verdaderos en espacios con producto interior
- i, 1 +
37. Demostrar que si u y v son vectores en un espacio con producto interior complejo, entonces
=A(.) + If,(.)
y g = g , ( x )+
interior
m = o,
* 1, +2,
MATRICES
UNITARIAS
donde
mentos correspondientes en A y
los ele-
ATes la transpuesta de 2 .
Ejemplo 1 Si
entonces
de modo que
Las propiedades bsicas de la operacin conjugada transpuesta son semejantes a las de la transpuesta:
Teorema 10.6.1. Si A y B son matrices con elementos complejos y k es cualquier nmero complejo, entonces:
a ) (A*)* = A
b ) ( A +B)* = A * +B*
c) ( M ) * = kA*
d ) (AB)* = B*A*
Las demostraciones se dejan como ejercicios.
Recurdese que una matriz con elementos reales se denomina ortogonal
si A" =AT.Los anlogos complejos de las matrices ortogonales se llaman matrices unitarias, y se definen como sigue:
Definicin. Unamatrizcuadrada
unitaria si
I
l+i
l+i
~-
A=
1-i
-l+i
2
"
son
r1 =
l+i
I).
l+i
r2 =
(?. -+)
1-i
-l+'
i
i
-""
-0
c.As. A es
El lector debe comprobar que la matriz (2) es la inversa de la matriz (1) probando
q u e m * = A*A =I. A
DIAGONALIZACIN UNITARIA
Recurdese que una matriz cuadrada A con elementos reales se llama diagonalizable ortogonalmente si hay una matriz ortogonal P tal que P"AP (= P'AP) sea
diagonal. Para matrices complejas se tiene un concepto anlogo.
Definicin. Una matriz cuadrada A con elementos complejos se denomina diagonalizable unitariamente si existe una matriz unitaria P tal que P"AP (=
P*AP) es diagonal; se dice que la matriz P diagonaliza unitariamente a A .
*Charles Hermite (1822-1901) matemtico francs que realiz contribuciones fundamentales al lgebra, a
la teora de matrices y a varias ramas del anlisis. Es conocido por usar integrales para reso1ver:una
ecuacin polinmica general de quinto grado. Tambin demostr que el nmero e (la base de los logaritmos
naturales) no es raz de ninguna ecuacin polinmica con coeficientesracionales.
650
.I
Ejemplo 3 Si
i
-5
2+i
l+i
z;i]
-i
i
l+i
-5
2-i
1-i
2+i
3
A = [ Li
1-i
entonces
I=[
de modo que
MATRICES
NORMALES
son diagonalizables ortogonalmente, se ver que las matrices hermitianas son diagonalizables unitariamente. Sin embargo, a pesar de que las matrices simtricas
ls nicas matrices con elementos reales que se pueden diagonalizar
reales son a
ortogonalmente (teorema 7.3.1), las matrices hermitianas no constituyen toda la
clase de matrices diagonalizables unitariamente; es decir, existen matrices &agonalizables unitariamente que no son hermitianas. Para explicar por qu es as se
necesita la siguiente definicin:
Definicin. Una matriz cuadrada A con elementos complejos se denomina
normal si
AA*
= A*A
= A*A,
y toda
~~
Si A es una matriznormal,entonces
eigenespacios diferentes de A son ortogonales.
10.6.4.
los
eigenvectores de
En la seccin 7.3 se vio que una matriz simtrica A es diagonalizada ortogonalmente por cualquier matriz ortogonal cuyosvectores columna sean eigenvectores
de A . De manera semejante, una matriz normal A es diagonalizada por cualquier
matriz unitaria cuyos vectores columna sean eigenvectores de A . El procedimiento
para diagonalizar una matriz normal es como sigue:
Paso 1.
Paso 2.
Paso 3.
es diagonalizable unitariamente porque es hermitiana y, por tanto, es normal. Encontrar una matriz P que diagonalice unitariamente a A .
Solucin. El polinomio caracterstico de A es
det(AZ-A)
a-2
= det
-I-i
1-3
-l+i
=(a-2)(a-3)-2=a2-5a+4
a-2
-l+i
-'il[;;]=[;]
A-3
- I- +
l i
-l-i][;:]=[;]
-2
"QS,
x2=s
x=
( - 1 - i)s]+ll-i]
-'l-i]
el vector
-l+i
-"i][;;]
1
[o]
x*
=S
X = [(?)S]
=S
Por tanto,
r-
-1-i
diagonaliza a A y
PAP=
EIGENVALORES
DE MATRICES
HERMITIANAS Y
SIMTRICAS
[A y]
l+i
-
En el teorema 7.3.2 se estableci que los eigenvalores de una matriz simtrica con
elementos reales son nmeros reales. Este importante resultado es un corolario del
siguiente teorema ms general.
~~
Teorema 10.6.5.
reales.
Los eigenvaloresde
una
Av = Av
Y
(v*v)*
= v*(v*)* = v*v
Como las matrices hermitianas tienen elementos reales sobre la diagonal principal
*
y como v * ~ vy v v son 1 x 1, se concluye que estas matrices tienen elementos
reales, con lo cual se completa la demostracin. 0
Teorema 10.6.6. Los eigenvalores deuna
reales son nmeros reales.
Demostracin. Sea A una matriz simtrica con elementos reales. Debidoa que
los elementos de A son reales, se concluye que
A=A
c) A = [7i O
-3i]
d) A =
'22
'23
-1
I
-
"
v5
c) ["i 1 - 1
d)
+ i]
I + i
v%
-
i
__
v5
1
v5
d)
En los ejercicios del 7 al 12, encontrar una matriz unitaria P que diagonalice a A y determinar P"AP.
A=[l';
';;I
,.A=[;
-;]
, . A = [ 2 - 62 i
2 +42 i
r
[3(11
3 : ~
11. A =
5
O
O
i
-
i
--
v5v5
0
-1
-l+i
-I-i
O
O
12. A =
v5
1
-
--Z
- v5
0
2
1
-
3 f i
4+3i
v5
lb'.
'!
__
'
: :: ;igno
16. a) Aplicando el resultado del ejercicio 15, demostrar que si A es una matriz n
n con
nmeros reales.
18. Sean
d) (AB)* = B*A*
19. Demostrar: Si A es invertible, entonces tambinA* lo es, en cuyo caso (A*)" = (A")*.
20. Demostrar que si A es una matriz unitaria, entonces tambin A* es unitaria
21. Demostrar que una matriz n x n con elementos complejos es unitaria si y slo si sus
EJERCICIOS COMPLEMENTARIOS
1. Sean u = (uI,u2, . . . , u,) y v = (ul, u2, . . . , u,) vectores en C", y sean
u = (I,i d 2 , . . . , u,) y v = (U1, *, . . . , u,).
a) Demostrar: u.V = .V.
b) Demostrar: u y v son ortogonales si y slo si ii y 7 son ortogonales.
+ lb12 = 1 y si O es un nmero
real, entonces
donde =
6. a) Demostrar que si z es un nmero complqo diferente de 1, entonces
2)
~ 3 [Sugerencia
.
usar
el producto
tambin es unitario.
9. Supngase que A* = -A.
a) Demostrar que id es hermitiana.
b) Demostrar que A es diagonalizable unitariamente y que tiene eigenvalores imaginarios puros.
+ bi) + (c + di) = (a + c) + ( b + d ) i
y k(a + bi) = ka
+ kbi
RESPUESTAS
A LOS
EJERCICIOS
EJERCICIOS DE LA SECCIN 1.1 (Pgina 27)
1.
a),
2 . 4, b), c)
c), f )
3. a) x = $
+jt
x2 = S
x I = i r - 0s + i t x2 = r
u = $q - $r + Qs - QI
w=q
xj = t
X)
x=r
y=s
b) x I = {S - 4t
y=t
+f
=S
x, = t
z=t
o
[.
1
c)
S.
a) 2 x ,
3x,
0 - 1
=O
4x2 = o
x2 = 1
-1
0
b) 3x,
7x,
x,
- 2x2
i]
O
-
+
+
d)
0
2X) =
4x, =
x3 =
[:y
1
-3
'1
c) 7x1 + 2x2
x1
d)
X) -
+ 2x2 + 4x,
XI
x3
- 2y = 5
5
I
=
x, =
3
4
= -2
x2
6. a) x
3x4 =
8. k = 6: infinidad de soluciones
k # 6: no hay soluciones
661
1.
a) iildeXd,J
c) 5 x 5
b) 4
P) 5
X
X
2
2
e ) hdefmdad)
g ) Indefinida
Indefinida
h) 5 X 2
~]
5
d)
2.
a = 5,
-7
-28
-21
-7
b = - 3, c = 4, d = 1
-141
-35
e)
[-::] [y -A] [
3
e)
g)
f)
1:
45
-11
17
l;]
13
9
-13
O
f) 21
17 35]
17
1
2
1
g)
I:]
h)
-6
-:
- 13
2
-4
-1
h)
[:n
y]
-6
6
-2:
24
I:]
16
i) 61 (j) 35 (k) 28
7 . a) [67 41
411
b) [63 67
571
c)
F:]
67
d)
[ :]
63
[24
e)
56 971
f)
IO. a) [67
[64
[63
b) [6
[6
[63
41 411 = 3[6 -2
21 591 = 6[6 -2
67 571 = 0[6 -2
- 6 701 = 6[3 -2
17
311
=0[3 - 2
= 7[3 - 2
41
1221
--:
13. . ) A = [ !
14. a)
.
-3
i],x=[:],b=[-a]
3x, - xz + 2x3 = 2
4x, + 3x, + 7x3 = - 1
-2x,
x,
5xs = 4
41 - 2 [O 1 31 + 7[7 7 51
41 + 5 [O 1 31 + 4[7 7 51
41 + 4[0 1 31 + 9[7 7 51
71 - 2[6 5 41 +4[0 4 91
71 + 1[6 5 41 + 3[0 4 91
71 + 7[6 5 41 + 5[0 4 91
b)
3w - 2~
4
b)A=l5
2
o
-5
3
3
O
9
1
z =O
5w
+2y-2z=O
3 w +x + 4 y + 7 z = O
--2w+5~+ y+6~=0
I S.
16. a)
[--;
-15
-111
-15
b)
44
355
3
25
23
24
a,,
O a , , O
21.
o
o
o
o
a55
o
o
a)
66
1
-8
-1
1
a,,
a21
'22
a31
a32
a33
'41
'42
'43
a51
a52
a53
'61
'62
a63
'1
a,,
al2
'21
a22
'23
u32
a33
o
0
'44
o
o
a54
a64
'1 1
1 2
1 3
2 3 4 5
22. a)
b)
4 5 6 7
5 6 7 8
.I
18. OA y A0 no puedentener
[;
1-
o
o
o
o
o
o
el mismo tamao.
-1
-1
I:].
19.
o
o
'34
o
0
a a4 a45 4 3
o
o
a54
-1
'56
a66
a65
4
8
9 2 7
16 64-
20. a) Un ejemplo es
b) Un ejemplo es
['
r1
:]
kl
1. c), 4 , f ,
3.a)
["
'1 [:1 :]
o1 O
b)
c)
"1
d)
o I
-2
[A y
2
5. a)
[ -: -:] [-:
z]
b)
c) N o e s invertible
[-i 8 81
1
c)
b) No es invertible
o - o o
-1
k2
o -I o o
k'l
kl
k2
"
-1
8. a)
I-
"
o
0
1
-
k3
0
o ,
-
k4
b)
k3
1
- 0
kl
-1
k
lu
Respuestas a los ejercicios 1 667
16. b) Sumar - 1 veces el primer rengln al segundo rengln.
Sumar - 1 veces el primer rengln al tercer rengln.
Sumar - 1 veces el segundo rengln al primer rengln.
Sumar el segundo rengln al tercer rengln.
17. b , = b2
16. b , = 2b2
11
-6
-15
12
-8
+ b3
73
27
-18
-38
-21
19. 6 , = b3
+ b,,
b2 = 26,
22. a)
slo
la solucin
trivial
x 1 = x, = x3 = x4 = O; invertible
b) Intinidad de soluciones;
no
es invertible
-35
1. a)
2. a)
[ y]
[ -:I [
0
b)
4
4
10
b) A z = rl
oi,O],
o
o o &
4.
b), c)
5. a)
8. a) No conmuta
[ F]
-1
b)No es invertible c)
-1
-2;
60
I::
I:]
20
-16
A-r
9
O O
o o
:],
3k
O *O]
0
A-.=[:
o o
16
6. u = 11,b= - 9 , c = - 1 3
b) Conmuta
10. a)
[i
4k
7. ~ = 2 , b =- 1
;
O
$ 0 - 0
b ) [O i
61
O 0 1
/
__
+ 6,
11. a)
[:!: 1::
3 0 0
5 O]
1::][0
a32
a33
c) Es simtrica
a) x , = $ , x , =
-*
,x,=
IY. n
-2( I + n )
b) No
b) x , = - + , X , =
d) No es simtrica
-3
-$,X,=
-+x+$
2. x ' = x c o s ~ + y s e n ~ , y ' = - x s e n ~ - ~ . i v c o s ~
4. 3 monedas de 1 centavo, 4 de 5 centavos y 6 de I O centavos
S. x = 4, y = 2, z = 3
b)a#O,b=2
d)a=O,b#2
7. a) a f O , b # 2
C) a = O , b = 2
-I,c= 1
10. a = 2 , b =
12. a) Z =
6. Infmidad si a = 2 o a =
[y:
8. x = $ , y = 9 , 2 = +
11. a) X =
-::]X
--%
b) z1 =
z2 =
Y.
IC=[:
:]
b) X =
-3i
-37
- X , - 7x2+ Ilx,
1 4 ~ , lox2 - 26x3
a) 5
b) Y
2. Impar
a)
3. 22
c) 6
d) 10
b) Impar c) Par
S. S2
4. O
d) Par
e) Par
f ) Par
7. a Z - 5 a + 2 1
6. - 3 f i
12. -c4+c3-16c2+8c-2
16. 275
f) 2
e) O
13. a) a = 1 , a = -3
17. a) = - 120
b) = -120
18. x="--
b)
a=
10. - 4
9. -65
8. O
11. -123
-2,~=3,a=4
a) -30
7 . 33
b) -2
8. 39
Y. 6
c)
d) O
10. -Q
3. a ) - S
b) - 1
I t . -2
12. a) - 6
c) 1
4. 30
b) 72
c) - 6
5. 5
6. -17
d) 18
a) det(2A)= -40=2'det(A)
b) det(-2A)=-208=(-2),det(A)
S. a) - 189 b) - f c)
12.
a)k=-
5 2 m
2
-3
d)
b) k = - 1
- & e)
14. a)
[""
c) ["3
-2
a-2][::]=[:]
-1
at-3
-I
I["'] 1 3
x,
"
670
18.
a) k3 + ( - a l l
A=
a)
~ +u
I-:],[y],
-5,1=2,1=4;
[I":]
b)
A=
[-!]
I;
- u13'21432)
3 . a) PIP2= ( - I ,
- 1)
b)
e ) s = ( - 5 , 12, -6)
P1P2=(-7,
6. a) ( - 2 , 1, -4)
d) (80, -20, - 80)
8. c , = 2 , c 2 = - l , c , = 2
c)
f) P I P 2 = ( l r-1, -2)
p,p;
= (2, 1)
+
g) P,P, = ( - a ,
-2)
d)
- b , -c)
h)
b) ( - 10, 6 4 )
c) ( - 7 , 1, 10)
e ) (132, -24, - 72)
f) ( - 7 7 , 8, 94)
I O . c, = c, = c 3 = o
1 1 . a)
7 . x = (-9,
'
-9
2. a)
b)
fl
3. a) V%
1. k =
fl
b) 2b)
*x
4
c) 5
d ) 2~
b)x= - l , y = 3
c)
f) 6
e) 3V%
d) 3 f l
fi+ac ) 4 f i
e)
(-
--)m
4
t, 9)
L)
4,4
= (a,b, c)
b) (23
4 ,
1.
p,p; = (a, b)
f) 1
11.
4v5
6. a)
b)
c)
18
x
43
d)
9. a) 102
m cos e, = 3 m
, 3
',
10
e, = -,10
COS
12. Elngulorecto
=O
COS
b) 1252/5
c) 170
d) 170
est en B.
1. a) (32, -6,
-4)
a) No
13.
(-,
b) S
c) No
-),4
m m'a
a
17. a) -
b)
a
3
fi
3. a)
9. a) -3
b) -110
-- 3
b) (-3, 9, -3)
b) 3
d) -3
c) 3
c) O
b)
e) - 3
4. a)
b ) m
2
10, a) 16
f) 0
b) 45
12.
(--,-
19. a)
1 2 m
16* 49
15* 2 ( v x u )
23. a ) m = ( O , l , O ) y n = ( 1 , 0 , 0 )
--
b)
b)(-l,O,O)
21. a)
c)(O,O,-I)
b) 0
40'19
28.(-8,0,-8)
31. a ) j
b)&
a) -2(x + 1) + (y - 3) - (z + 2) = O
b) (x - 1) 9(y - 1) 8(2 - 4) = O
c) 2z = o
d)x+2y+3z=O
2. a) - 2 x + y - z - 7 = 0
b)~+9~+&-42=0
c) 2z = o
d)x+2y+3y=O
3. a) (O, O, 5) es un punto en el plano y n = (-3, 7, 2) es un vector normal de modo que -3(x - O) + 70, - O) +
2(z - 5) = O es una forma punto-normal; otros puntos y otras normales producen otras respuestas correctas.
672
4. a) 2y
+ 1=o
b)
+ 9V - 5z - 26 = O
S. a) No son paralelos
b) Son paralelos
c) Son paralelos
h . a) Son paralelos
X.
7. a) No son perpendiculares
b)
Son
perpendiculares
b) No son paralelos
a) Son perpendiculares
b) No son perpendiculares
11. a)
X = -12-7t,y=
-41 - 2 3 t , z = t
b)x=$t,y=O,z=t
10. a ) x = 5 + t , y =- 2 + 2 t , z = 4 - 4 t
9. a) x = 3 + 2 t , y =- I + t , z = 2 + 3 t
b)x= -2+6t,y=3-6t,z= -3-2t
c) x = 2 , v = 2 + t , z = 6
d)x=t,y= -2t,z=3t
a) (-2, 4, 1) .(x I , y - 2, z - 4) = O
b)(-l,4,3).(X-2,;,~+5)=0
c) (-1,O,O).(.x-5,y+2,z])=O
d) (a, h, C) * (x, Y , Z) = 0
b) No son paralelos
b) No son perpendiculares
d ) (.x,~v,
Z ) = (O, O, O)
17. 2 ~ + 3 y - 5 ~ + 3 6 = 0
b) x-x,=O
19. a) z - z o = O
22.
18. a)
(-y,
-9,y)
z=O
b) y = O
c) y - y , = O
23.y+22-9=0
27. x + ~ v + ~ z1 8- = 0
+ t ( ~b,,
(-m
C)
<t <
c) x = O
20. 7 ~ + 4 y - 2 ~ = 0 21. 5 ~ - 2 ~ + ~ - 3 4 = 0
24. x - y - 4 ~ - 2 = 0
28. ( ~ - 2 ) + ( y + I ) - 3 ( ~ - 4 ) = O
26. x = % t - 2 , y -=% t + 5 , z = t
29. 4 ~ + 1 3 ~ - ~ - 1 7 = 0
3)
b)
39. a)
42. a)
b)
x-3
-q1g
c)
z + y3 - x3 + 22 - 2
I =3
-y+
-2
40.
a)
b) -6
b) O
C)
x=g+&t,.Y=-#-$t,Z=f
X = -$t, y = O, z = t
2
-
43.
a) X - & 1 7 = 0 y x + 4 z - 2 7 = 0 esunarespuestaposible
b) x - 2y = O y - 7.v + 2z = O es una respuesta posible.
44.
a) 0
35"
b) 0
79"
45. 0
75"
a) ( - 1 , 9, - 11, 1)
d) (-90,
-114,60,
-36)
(g,d,$,g)
h. a)
3.
b)
~,=1,c,=I,c,=-I,c,=1
m +V%
c) 4V'%
+m)
d)
C)
5. a)
e)
b)3
1
c) 13
2
d ) f i
di 3 v 5 3V5'3di
8. k =
r$
11.
a)
14.
a) Si
9. a) 7
c) 7
b) 14
b) 2-
c)
b) No
c ) S
fi
d) 11
10. a)
d) 10
d) No
15. a) k = -3
f) S
e ) No
19. x , = ~ , x , =
-l,x3=2
16. S $ ( - 3 4 , 4 4- 6, , l l )
b) k = -2, k = -3
20. -6
+ a: +
+ ai
2. a)
3.
4.
b) No lineal; R2 -+ R3
d) No lineal; R4 + R2
a) Lineal; R3 + R2
c ) Lineal; R3 -+R'
['
[i -1
a)
S. a)
[-P
- 1
b)
['
O]
8. a) (-1,-2)
13. a)
(
(
c)
[-: I:]
d)
[I
d)
:]
[" :]
O
-8
[I
O
3
-- O]
1
b,
2
1
o
-1
b)
c)
"1
d)
O
1
+ 4x,
3x, + 5x2 + 7x3]
-2x,
6x1
x2
d)
x3
-x,
2x,
7x,
+ 4x2]
O
1
O
-1
x2
+ 8x2
(b) (1,2)
3fi2 +4,3
1 2 1
5 O]
12. a)
[:-1 111
c) [l
[ :] [
-
b)
I : ] ; T ( - 1 , 2 , 4 ) = ( 3-, 2-, 3 )
7. a) T ( - 1 , 4 ) = ( 5 , 4 )
IO.
'1
[: -:]
1
6. a)
o0
"35
1 0 0 0
-y
c ) (2, - 1 )
___
+tfi)
-2, ",",
___
9. a)
(2,
-5, -3)
c) (O, 1, 3)
b) ( - 2 , 0 , 3 )
?v5
3 - 4 v- 3 f i - 4
b) (O, 1 , 2 v 5 )
b) (2, 5, 3)
c ) (-1,
-2,2)
-v5
c) (-2, - 5 , 3)
674
15. a)
-2,-
v 5 + 2 -1+2v5
2
'
b) ( - 2 l h , I , O)
c ) (1,
2. 2)
e) Esuno
auno
d) Es uno a uno
-!I
[!
3
-1
[I
-2
c) Es uno a uno, -
6 . a) Es uno auno,
; T-
o ] ; T P L ( w , w,)
,
+xl
+ $x2)
-xl)
= ( -X,,
b) No es uno a uno
d) No es uno a uno
I:]; T"(w,,
-X1
3% - 5x3)
d) No es uno a uno
b) Rotacinporelnguio - n/4.
d) Reflexin con respecto al plano yz
8. a) Lineal
b) No lineal
c) Lineal
d) Lineal
9. a) Lineal
b) No lineal
e) Lineal
d) No lineal
10. a) Lineal
b) No lineal
12.
11. a) Lineal
b) No lineal
[J
Por tanto, T = O
Lo
y T(e,) =
T(e2)=
I.
11
[-!)
[-:P]
y ve3)=1].
[A] [:l.
y -(e,)=
Portanto, T =
0 01
-1 O
Por tanto, T =
[y].
1.
Portanto, T =
[b :].
L:i 111
b) T(e,) =
T(e,) =
16. a) Transformacinlineal de R 2 + R 3
[:I
Ix.
a)
a=
1;
ti).
a)
L=
1;
a=
- 1;
b)
a= 1;
[!] [!]
[i]
y
[:I
c)
a=
b)L= I;
L = o;
Portanto, T = [O
[i]
d)
[i] [!I
y
O]
[I
O
. Por tanto, T =
L: : :I
O
O 0 0
b)Transformacinlineal
1;
, T(e,)
de R3 + R 2
2 b)
3. a), b), d)
3
6. a) Recta, x = - L t , y = - -t,
z=t
2
2
b) Recta; x = 21, y = t, z = O
C) El origen
d) El origen
e) Recta; x = -3t,y = -2t, z = t
f) Plano; x -3y + z = O
7 . a), b), d)
4. b), 4 , e)
5. b)
a),
677
678
X.
a) ( - 9 , -7, - 1 5 ) = - 2 u + v - 2 w
b)(6, 1 1 , 6 ) = 4 ~ - 5 ~ + ~
c) (O, o, O) = ou + ov ow
c)
d ) (7, 8, 9) = Ou - 2u + 3w
9.
13. No
2. d)
4. d)
S. a) No estn en un plano.
b) Estn en un plano.
7 . b)
17:Si
V , = $v, -
+,, v2 = f ~ +, $v3, v,
-&, + gV2
8.
a = -1 a = 1
27
18. a) Son linealmente independientes porque vl, v2 y v3 no estn en el mismo plano cuando se colocan con
puntos iniciales en el origen.
b) No son linealmente independientes porque v,, v2 y v3 estn en el mismo plano cuando se colocan con
puntos iniciales en el origen.
3. a),
b)
7 . a) ( w ) =
~ (3,
7)
8. a) ( v ) ~
= ( 3 , -2, 1)
10. (A),= ( - 1, 1, - 1, 3 )
12. Base: ( -&
4. c), d)
c) (w), = ( a ,
b) ( v ) =
~ ( - 2 , O, 1)
9. a) (pis = (4,
-3,
1)
b) (PIS = (0,2, - 1)
SUS
SUS
17.
a)
(g,
c) (2,
1, 0),(-5,0, 1)
- 1, 4)
18.
20.
{ v l , v2, e l ) o { v l , v2, e 2 )
b) (1, l , O ) , ( O , O , 1)
d) (1, 1, O), (O, 1, 1)
19. tndimensional
27. a) (O, f i )
b) (1, O)
c) ( - 1, f i )
d)
( a - b,
fib)
1. r l = ( 2 , - 1 , O , l ) , r 2 = ( 3 , 5 , 7 , - 1 ) , r 3 = ( 1 , 4 , 2 , 7 ) ; c l =
3. a)
[;:]=[:I-[-:]
[:I
3 ,c2=
b) b no es el espacio columna de A
[-I
[I1 [-!I
5 ,c3= 7 ,e4=
680
O
1
b) rl = [l
-3
c) rl = [ I
d) rl = [l 2
1 O
O], r,=[O
51, r z = [O
-3
O], cI =
[;]M [-;]
O], r3 = [O
[-;Ilc4=[-,1
- 1 51, r2 = [O
1 4
31, r3 = [O
-31, r,
[O
I],
O 1 -7],r4=
[O
I],
b) 1; 2
4. a) 3; 3; O; O
c) 2; 2
b) 2; 2; 1; 1
f, O; o; 4; 4
e) 2; 2; 3; 7
b) Nulidad = 2, rango = 1; n = 3.
d) Nulidad = 3, rango = 2; n = 5.
d) 2; 3
e) 3; 2
c) 1; 1 ; 2 ; 2
g) 2; o; 4
5. a) Rango = 4, nulidad = O
b) Rango = 3, nulidad = 2
6. Rango = &(m, n), nulidad = n - mn(mj n )
7. a) S, O
b) No
c) si, 2
d) S, 7
s, 4
si, 0
9. b , = r, b, = S, b,
c) Rango = 3, nulidad = 0
e) No
f,
8)
d) 2; 2; 7; 3
= 4s
- 3r, b, = 2r - S, b, = 8s - 7r
2. Una
recta
que
pasa
por
e1 origen: S = -2
Un plano que pasa por el origen: S = 1
Slo el origen: S f 1, -2
Todo R3;ningn valor de S
3. a) 4 4 , 1, l)+b(O,-1,2)b)
( u + c ) ( ~ ,- 1 , 2 ) + b ( 1 , 4 , 1)
C) a ( 2 , 3 , 0 ) + b ( - l , 0 , 4 ) + ~ ( 4 , -1, 1)
7. No
9. a) Rango = 2, nulidad = 1
b) Rango = 3, nulidad = 2
c) Rango = n + 1, nulidad = n
8. a) Rango = 2, nulidad = 1
b) Rango = 2, nulidad = 2
c ) Rango = 2, nulidad = n - 2
1 1 . (l,x2,x3,x4,x5,x
, .6. . , X")
12. a ) 2
b) 1
c)2
13.0,1,0
d)3
b) 11
c ) -13
3. a) 3
b) 56
4. a)
I.
d) - 8
-
29
e) O
b) - 15
2. a) -2
5 . b) 29
b) 62
6.
c) -74
d) 8
e) O
b) - 42
7. a)
9. a)
10. a)
13. a)
17. a)
x2
y2
18. a) "+"=I
4
16
19. (u, v ) = c , v ,
+ u2vz
27.
a)
-E
b) O
28. a) O
b) 1
b) No
1
3. a) --
v5
c ) S
3
m
b) --
c) O
f) S
e ) No
d) No
4. a) O
16. a)
b)
[E], [a]
12.y= -$x
c)
[I:],
1o
vi
b) k = -2, k =
13. a) x = t , y = - 2 t , z =
[!
1.
19
6. a) - b) 0
b) O
7. a) Ortogonales b) Ortogonales 8. a) k =
c) Ortogonales d) No son ortogonales
Y. -t#7(-34,44, -6, 1 1 )
2. No
-1
-1
1
O
O
+ Qu,v,
2. b)
3 . b), d)
4.
b), d)
S. a)
6.
3
-3t
b) 2 x - 5 y + 4 z =
684
/'
r l
r 1
11
24. a)
1
-
v5
v5
1
-
d)
v5
O
v5
=-
+ x + 4x2 = g V 5 vi + &%
V5
2 - 7x2 = --
30. a) 1
b)
V , - g q g " ,
v2
v3
c) 4 + 3 x = 4 v 5 v , + v z v 2
31. v, = 1, vz = d ( 2 x - l), v3 = d 5 ( 6 x 2 - 6x + 1)
S 1
4. a)
(%,E,#)b) (-5,
5. a) (7,2, 9, 5)
-4, -9)
6. (O, - 1, 1, 1)
7. a)
[::] [:y ]
8. a)
b)
b)
(-y, -j,V,F)
[A : "1 [:y :]
b)
O 0 1
O 0 1
b)
10
55
3%] [
[-;$ -i]
43 "3%
44x0
c)
"
36
35
IO.
a) v I =(2, -1,4)
b)
21
+ %Yo
- &o
4E
15
+ %YO + b o ]
- 35x0 + &Yo + %o
%O
-3i
"
21
8
-
&x0
C) [-&X,
21
15. P=AT(AAT)"A
- &Yo
+ #izo
+&Yo-&zo]
&x0 - &Yo
+ &o
18. a)
19.
( t f i ,3v5,5)
a) (-&$u5,2,
20. a) ( - l , b & $ v 5 )
cos 0 O
21.
a) A = [
sen0 O
23. u'
+ b2 =
$a,3)
$--$a)
(b) ( l - & b , 6 ,
-$-ifi)
(b) (1, -ia,:fi)
b) ( --$v5,
-sen3
O
cos O
O
,)A=[:
26. a) Rotacin
cos0 se:0]
-sen3 cos3
b) Rotacin
u
22.
12
"
4
"
v5
-f i a
12. b) Las diagonales de un paralelogramo son perpendiculares si y slo si los lados del paralelogramo tienen la
misma longitud.
2
1
c = -;
16. a = O, b = --,
no son micos
G V 5
c)
b)a2-8a+ 16=0
e) L2 = O
a) A 2 - 2 A - 3 = o
d)A2+3=0
2. a) L = 3 , L = - 1
d) No hay eigenvaloresreales
C) a
b)a=4
e) 1= O
3. a) Baseparaeleigenespaciocorrespondiente
a2-
f)
= m , a = -VE
=1
a A = 3:
[;]
;
4. a) a3- 6L2 + 1 1 1 - 6 = o
c) v + g a 2 + + + 8 = 0
e) a3- 6a2 12L - 8 = o
a = 1:
-v5
[+(I5 +15fi)
;I=fi:base
a A = O:
b)a3-2a=o
d)a3-a2-a -2=0
f) A3 - 2L2 - m + 36 = o
5. a) a = 1 , a = 2 , ; 1 = 3
b) a = o , n = f l , a =
d ) a = 2 e) a = 2 f) a = - 4 , a = 3
[-"I
a:
e) Base paraeleigenespaciocorrespondiente
[:I
[+I;
a:
b) A = O : base
[PI
[t ]
a = 4:
d) No hay eigenespacios.
12=0
f) a 2 - 2 a + 1 = o
+(-1 + 2 f i )
C)
a = -8
;I-=
a:base
[+(I5 -:fi)]
$(-1 - 2 ~ 5 )
[It]
d ) .=?:base[
base[-;j
c) il= - 8: base
7 . a)
x.
9.
a)
(a - 1)2(n+ 2)(il+
a=I,a= -2,a=
a) A. = I : base
13. a ) y = x
c)
[i]
y y=2x
I) =
b)
)]
e) L=2:base
[I!]
(a - 4)2(i12+ 3) = o
b) i l = 4
-1
y [:];A=
-;];A=
-l:base[
c) y = O
14. a ) - 5
-2;base[
b) Nohayrectas
-:]
3'
b) A'="[.
b) 7
a, = 3:
2. a) 1 = 3,A = 5
b) Parda = 3, el rango de 31 - A es 1 y la nulidad es 2. Para1 = 5, el rango de 51 - A es 2 y la nulidad es 2.
c) .4 es diagonalizable, ya que los eigenespacios producen un total de tres vectores bsicos.
3. No es diagonizable
4. No es diagonizable
5. No es diagonizable
6. No es diagonizable
7. No es diagonizable
10. p = [
O
1 01
-1
0l ] ; P - ' A P = [ OO 1
0 O]
0
O 0 2
[A y :]
b)
30 o]
0
O 0 2
14. No es diagonizable
1y :] [A 1:
c)
O 0 1
O 0 1
A];P-'A.-[.
1 0 0
13. F =
12. No es diagonizable
20. a)
ll.P=["i
:] [E
d)
-1
"1
-1
A2 - 5A = O; A= O: unidimensional; A = 5: unidimensional
A3 - 2 7 A - 54 = O; A = 6 : unidimensional ; A = - 3 : bidimensional
A3 - 3A2 = O; A = 3 : unidimensional ; A = O: bidimensional
A3 - 12A2+ 3 6 A - 3 2 = O; A = 2: bidimensional,;A = 8: unidimensional
A4 - SA3 = O; A = O: tridimensional; A = 8: unidimensional
A4 - SA3 + 22A2 - 24A+ 9 = O; A = 1: bidimensional;
A = 3 : bidimensional
; P"AP=
[:i]
5. P = [
-a y :];
P"AP=
s o 2
['H
O
-3
:]
-50
690
\%
v5
1
25
750 375
A4
[ SO],
125
3 . c) [O 2 1 1
0 0 3
2. L=kconmultiplicidad 3.
1875
625
A 3 = [ 2 575
Y. A * = [ ' :
3750
o],:,
-3
-15
150
50].
-8
10
IO
-24
15
15. T(x~,X,,
X-,)
= (-41x1
16. T(2vl
3v,
+ 4 ~ 3 =) ( -
17. a)
b)
c)
d)
+d
6)
b) Dominio:
U
- 7,
Dominio:
Dominio:
Dominio:
Dominio:
18. a) Dominio:
19. a)
10,
21. T,(v) = ;V
26.
b) (3T)(xI,
27. b) (TI
28.
X*)
= (6x1
U,X
- 3x2,3x2
b) No lineal
29. a) 4
(T2
+ 3x1)
- T~)(x,Y) = (Y, 2x1
b) 3415
c) 1
3. a), b), c)
2. a)
4. a)
5. b)
c) No existe base.
10. a)
11. a)
[i],[p] [-91
b)
[i] [:],[!I
b)
c) Rango ( T ) = 2; nulidad ( r ) = 1
c) Rango(T)=l;nulidad(T)=2
b) Nulidad ( T )= 4
d) Nulidad ( r ) = 1
=6
a) ker(T)=(O};7esunoauno.
b) ker(T)={X[-:]];
c)ker(T)=
d) ker(T)= { O } ; T e s u n o a u n o
d) T"
{ O } ; Tesunoauno.
[I.] [-::::::y:: ]
=
:I}
5.
a) ker(T) = k [
6.
a) ker(T) = { O }
7 . a) T e s u n o a u n o .
8.
a) T es uno a uno.
1 0 . a)
4x, - 5x,
Tnoesunoauno
+ 2x,
b) T n o e s u n o a u n o .
t) T es unoauno.
c) Tnoesunoauno.
d)
Tnoesunoauno.
9. No. A no es invertible.
I,
x , - 2 . . . . , xl)
15. a) (1,
- 1)
d) T"(2, 3) = 2
c ) Tesunoauno. T-'
+X
[::I=[; ;.I
20. J no es uno a uno porque J(x) = J(x3).
694
+ SX',
b, T:~I)
= 16
+ 5 1 +~19x2, T(v,)
c) T(a, + u,x
+ u2x2)= 2 3 9 ~ 1~246 1 +~ 2~ 8 9 +~ ~
d) T( 1
+ x')
= -6
5x
11 :]
= 22
12. a) [T,oT,],,,,=
T(v,) = 7 + 4 0 ~ 15x2
2 -0 1
ill^,
~ ~ 247~2 61~0
+ 56x + 14x2
2
1 1 1
4 , [ T 2 I B . =[oO o2 4 , [ Tl BI ' , B = [ i
S]
X+
b,
+~1 0~7 ~
X2
12
1
4.
-;
1
-~],[*lB,=
[-; -;
-%I
s. [TI,=
[ ] [ ]
o
0
1 o ,[TI,,=
0 0
1 1
O 0 0
O 2 4
O 0 0
8 3 2
O 0 0
O 1 6
( r ) =O.
c) u; =
13. a) il=
14. a)
[IB
10. a)
8. a) det(T) = 17
b) det(T) = O
c)det(T) = 1
, u; =
4, a = 3
a= I, a=
-2,
u;
a=
-1
a = 1:
a = - 2:
1:
[-: 3 ;
[-::I
(3 + y ,G4+
5)
2. b) A
cosn0 -senno
senno
cosn0
(-4,
--Y,
11,
y si c # 1, entonces
b) (1,0, 0) y (-2, 1, O)
7. a) Rango ( r ) = 2 y nulidad ( T ) = 2
b) T no es uno a uno.
O, 1)
696
/'
1 0 0 0
1 1 . Rango = 3, nulidad = 1
13.
A oy
-4
15. [ T I E = [
19.
[l!]
..
..
+3
d) - 3 2
e)
-1
-2
-1
o 1 o o ."
o o 1 o ."
o o o 1 ."
..
A]
-1
17. [Z']B=[!
c) e'
b) x
20. a)
-y]
+ 3v3
o o o
1 o o
o 4 o
0O
O
25.
..
o o o o '.'
o o o o
" '
..
.
1
O-
-o
" '
o
o
" '
" '
$ '..
.. ..
. .
o o ..'
1
n+l
a) y , = cle5"- 2c,e-"
y, = c , $ x + c,e-"
b) y , = O
y, = O
3. a) y , = --,eZ' + c3e3x
y2 = clex+ 2c,e2" - c3e3"
y, = 2c,eZ"- c3e3"
5. y
+ c2e-Z'
= cle3*
2. a) y , = cle7"- 3c,e-"
y, = 2c,e7"+ 2c,e-"
b) y , = eZ'- 2c3"
y, = ex - 2e2" 2e3"
y 3 = - 2e2" 2e3+
b) y I - - 4L~ e
y, =
7x+se-x
- me
27 - X
+
+
6. a)
b)
c)
d)
e)
r)
Rectngulo con vrtices en (O, O), (1, O), (1, -2), (O, -2).
Rectngulo con vrtices en (O, O), (- 1, O), (- 1,2), (O, 2).
).
Rectngulocon vrtices en (O, O), (1, O), (1, ), (O,
Cuadrado con vrtices en (O, O), (2, O), (2,2), (O, 2).
Paralelogramo con vrtices en (O, O), (1, O), (7,2), (6,2).
Paralelogramo con vrtices en (O, O), (1, -2), (1, O), (O, 2)
7. Rectngulo con vrtices en (O, O), (-3, O), (O, 1). (-3, 1)
1 1
'1
o
12* a) [O
'][O
- 5 en la direccin y.
factor d e 2
; oblongamiento en la direccin x por un factor de 4, luego oblongamientoen la direccin
d)
:][A :]
[1 y] [
factor de 4
17. a ) y = f x
16. 1 6 y1-1 x - 3 = 0
18.
-I
[:-:]
.
. ..
b) y = x
c)y=ix
1
. .. .
22. a)
d) y = -2x
0
d)
a=
1:
[A]
e)
a=
1:[~]
f ) ( O entero imparmltiplo de
T)
A=
--
1:
T)
no hay eigenvalores
2. ~ = $ + Q x
4. y = - 5 + 3 x - 4 x 2 + 2 x 3
3. y = 2 + 5 x - 3 x 2
2. a)
4 ~ + 4 cos x + cos 2x +
b) $7r2+4
4.
4T
1
1
3. a) --+-eX
2 e-1
coskx
k2
a) (4e- 10)+(18
-6e)x
x--
k=l
+-
b) ( 1 + m ) - 2
b)
(3 - e)(7e - 19)
2
b)
1
12
3-e
2e-2
6
b) 1 - -
3
5. a) -x
T
T 2
3. a) A = [ - :
4. a)2x2
-B
+ 5y2 - 6xy
-4
b)
b) 7x:
[-:
1
+ 5x,x,
-5
o +
c ) A = [ $1
c) x 2 - 3y2 + 5z
O1
:]
s O
8.
2
-sen(kx)
k
k= I
- 2x:
b) valor mximo =
valor mnimo =
+m
1 en -t (O, 1)
-1
11
-m
-1
valor mnimo =
d) valor mximo =
7-m
2
en*
3+m )
% 5 i z z ' -
(-,v3v%v%
-, -)
(-,v%v%v3
-, -)
1
7. b)
e) 2x1x,
o,-
9. a)
; valor mnimo =
; valor mnimo = 0 en
A)
b) Negativa definida.
e) Indeffida.
12. a) Indefinida.
b) Indefinida.
e) Positiva y negativa semidefinida.
c) Positiva semidefinida.
f , Indefinida.
c) Positiva definida.
f , Positiva definida.
d) Indefinida.
b) k > 2
c)
-1
___
n(n
16. a) A =
-1
n(n - 1)
-1
n
-1
-1
n(n
-&m<k<Qm
1)
-I
...
1) n(n - 1)
-1
~
n(n
1)
n(n
1)
. . . ___
n(n
1)
b) Positiva s e m i d e f ~ d a
b) x z - x y
c) 5xy
d) 4x2 - 2y'
e ) y2
f) Parbola
7.
a) 9x + 4 ~= 36,~ elipse
c) yf2= 8x, parbola
e) 18y - 12x = 419, hiprbola
12. 6x
+ 1ly
elipse
= 66,
2 V w 2 9x - 7y = o, 2V5y12 7x
2 v 5 y Q - 7x - 9y = o, 2v5Xf2 - 9x
4-p
- y2
= 3,
A , ,
=3
= O, hiprbola
14. m x - 3y = O, parbola
13. 4y
elipse
- x
b) No existe grfica.
d) La grfica es la recta y = x.
3
2
x + -y = 2 2.
,m m
f-)
2y2 - z2
dc)) Xx2y++yx2z -+zy2z
e) 3z2+ 3x2
1. a) x2
2. a)
[:
o -4
3. a) [x y z ]
+ 4xy - 5yz
-!] [
[:
b)
+ 2xz + y2
O L
-2
c)
[i
d)
i
2
2
o -4
+ 9y = o
+ 7y = o
9. 2xn2+y = 6,
e) Circunferencia
j ) Circunferencia
d) fiprbola
i) Parbola
c) Bprbola
h) Parbola
b) Elipse
g) Parbola
6. a) Elipse
-;]r]+[7
-1
O 21 [:]--3=o
[i y :]
o
-1
4. a) Elipsoide.
b) Hiperboloide de un manto.
c ) Kperboloide de dos mantos.
d) Cono elptico.
e) Paraboloide elptico.
f) Paraboloide hiperblico
g) Esfera.
e) x"
l)(n3 - n2).
3.
n=5
Resolver Ax
Jordan
Resolver Ax
65
50
I +:
reduciendo [A I I] a [IIA"]
Encontrar A"
=b
como x =A" b
+: 100
X:
150
X:
+:
X:
X:
430
375
X:
383,250
343,300
X:
t :
810
+:
980,100
+:
+~:
x:
990,000
i :
x : 1,010,000
x:
900
1100
+:
X:
t:
285
+:
+:
+:
x : 1,000,000
x:
Resolver Ax
383,250
343,300
+:
+:
n = 1000
n = 100
n=lO
X:
Resolver Ax
328,350
333,399
+: 33,163,350
X:
33,673,399
+:
x:
333,832,500
334,333,000
333,832,500
334,333,000
998,001,000
1,000,000,000
999,000,000
1,001,000,000
332,833,500
333,333,999
f : 33,316,633 X IO4
X:
33,366,733 X IO4
n=100
n=1000
Tiempo de
ejecucin
Resolver A x
Jordan
Resolver Ax
b por
eliminacin
de Gauss-
b como x
A b
x
1.55
2.84
3.50
10-4
1.05 X 1 0 - ~
1 0 - ~ 2.41
1.03 X 1 0 - ~
Resolver Ax
6.18 x 1O-4
=b
90.3 x
3.
XI
= 3, x2 = - 1
9.
X]
= - 3, x2 = 1, x3 = 2,
1
18. A = P L U =
o o
[o
x4
0
2
XI
= -2,
4.
XI
= 4, x2 = - 1
x2
x3
= -3
10. x, = 2, x2 = - 1, x3 = o, x4 = 0
=1
Ji3
0
1
= 1,
2.
1 - 3
o o
o J
!J
,878
836
2.49
2499
83.9
834
IO3
703
31
2.
a) (2,3)
4.
a) 5 + 3 i
5.
a) 2
+ 3i
c ) (-3,
b) (-4,O)
-2)
b) - 3 - 7 ic ) 4 - 8 i
b)
2i
d ) (O, -5)
d) - 4 - 5 i
3. a) x = - 2 , y =- 3
e) 19+14i
b) x = 2 , y = 1
f ) - =2 - E 2. 1
c) - 2 + 9 i
31
t
c)
7 . a)
k
2z = 2
+ 21
++3i
z = 1 + 1
8. a) k , = -5, k2 = 3
b) k , = 3, k , = 1
10.
a)9-8i
13. - 2 6 +
18i
9.
b) - 6 3 + 1 6 i
14.
1 - lli
c ) -32-24i
IS.
-g+i
d)22+19i
16. ( 2 + ~)
11. 76-88i
+ i(1 - f i )
12. 26-18i
17. O
18. -24i
19. a)
1 +36 i 12i
7i]
- 3 + b, [ 33--25ii
13+13i
-8+12i
-33-22i
O
7 + 9i - 6 + 61
-16-
2 + 1Oi
6 - Si
-1i_
22 - l i
-5-4i
9- i
2+5i1
3+3i
1 3 + 3 i 6 +c)
5 i ] 9 - 5l
3+8i
b)
16i
6 + 2i
-1+6i
1'
+ 1"-j5i
-11
-9-
1 v 5
b) z = - k - - - i
2
2
22. a) z = - 1 k i
f 9 + i 12+2i
.
i
;18-2i
13+
'
c)
23. b) i
a)
b) -3 + 5 i
e) - 9
--%-gi
b)
f)o
g+gi
5. a) - i
b) & + A i
8.
c)
c) 7i
2. a) 1
d ) f i
g-#i
625
14.
$2
6251
-8
15.
,
X
b)
b) 7
e)8
c) 5
0 0
d) -u+u'
25
25[
e)
6. a) f + f i
b) - f + + i
'r)
. -1-24'
10. - # + & i
13. - & + h i
17. a)
c) -5i
a) - 1 -2i
1;i
11.
b)
O
c) g+yi
C)
s
d) f + + i
7.
i+ij
1+v3.
4
25l
25
1-v3
-+-4
6 - j
Y.
12. - & - A i
,
X
d)
,
X
y = -2
x,
= -(I - i)t,x,=
35. a)
- i t , x ,= t
[ -: f] [-y ii]
b)
1+ i
-7+6i
1 +2i
-i
5-i
-i
1+4i
1
b) ~ / 2 c) - 7r/2
a) O
);(
3. a) 2[cos
+ isen(:)]
d) ~ / 4 e ) 2 ~ / 3 f ) - rr/4
COS P + i m;]
b)
+hen(:)]
c) 5./I[cos(;)
d) 12[cos(T)+isen($)]
e ) 3G[cos(-?)+isen(-?)]
4. a) 6 [ c o s ( S )
c) [cos(
2
5. 1
7.
-6)
6. a) -64
\2
a)
_ _+
f) .[cos(-:)
+isen(%)]
Ll
v2
+isen(
b) - i
Ty
2. a ) 5n/3
b) :[cos(;)
-E)]
+isen(-:)]
+isen(;)]
d) :[cos(%)
+isen($)]
1+v%
c) - 6 4 f i - 6 4 i
d)
-- 2048
b) - ~ / 3 c) 5 ~ / 3
8.
11. a) 2 2 ,+ 2 i
b) +(2+2i),+(2-2i)
+
+
+
+
14. a) 16
b)
3i
- i, 4)
c) (-1-2i,2i,2-i, -1)
e) ( - 3 + 2 i , 3 , - 3 - 3 4 i )
c2 = 0 , c 3 = 2 - i
3. cl = - 2 - i ,
6. a)
fl
5. a)
b) fi+V%
2. (2
b ) ( 3 + 2 i ,- 1 - 2 i ,- 3 + 5 i ,
-i)
d)(-3+9i,3-3i, -3-6i,12+3i)
f) (-1-5i,3i,4, -5)
~
c) f i + f i i
9. a) 3
b) 2 6
d)
b) 2-27i
c)
c) -5
fi
+ i, O,
-3
+ i, -4i)
d)
e) (!-$,O)
f) 1
- 1Oi
12. NO,R" no es cerrado bajo la multiplicacibn escalar.(Multiplicar un vector diferente de cero de R" por i.)
13. a)
14. b)
15. a), d)
17. a ) ( 3 - 2 i ) u + ( 3 - i ) v + ( l + 2 i )bw) ( 2 + i ) u + ( - l + i ) v + ( - l - i ) w
c) ou + ov ow
d)(-5 - 4i)u (5 2i)v
+ +
18. a) S
b) No
c) Yes
d) No
+ (2 + 4i)w
21. b), c)
28. ( 3 t 6i,
24. a), b)
b) O
- 12
c) 2i
+ 5i
4. a) - 4
d) 37
b) O
c) 4 - 4 i
d) 42
S. a) No se cumple el axloma 4.
b) No se cumple el.axioma 4. c) No se cumplen los axiomas 2 y 3
d) No se cumplen los axiomas 1 y 4. e) Este es un producto interior.
6.
9 - 5i
9. a)
11. a)
fl
b)
V6 c) V6
b) 2 V 5
14. a) 2
d) O
15. a) 2 G
b) 2 v 3
c) 5
d) O
20. b)
2 1. b),
10. a)
V6 b) 2
b)
12. a) 3 V 6
16. a) 7 v 3
b) 2 v 3
-2i
l f i 3-i
2. b), d), e )
b)
d) O
13. a)
b) 2 f l
b) 2%6
17. a) -8i
C)
1. a)
%6
c)
4
T:i
5 +3 71 i
-1-i
3. k = 3 + 5 i , Z = i , m = 2 - 4 i
I-:] [TI2
-i
(111
c)
1
4. a), b)
d)
13
a21
%]
23
b) Paraninguno
b) A"=
5.
3-i
-
2
m
4 - 3i
-
7. P =
2v-E
5i
2
m
"
8. P =
; P"AP=
[o4
2]
"
v5v5
71;
O
O
O
1
v3
-1
P"AP = O
-0
:I
-2
710
13.
14.
a = 2 +- i
[ -:d]
es una posibilidad.
3.
r]
1,
ol
es una posibilidad.
5.
A = 1, w, o?
(= O )
10. b) Dimensin = 2
NDICE
C(-
, + ),268,630
C[a,b], 268,630
Cambio de base,399-401
Cauchy, Augustin Louis,208
cero:
matriz, 64
subespacio, 266
transformacin, 448
vector, 150,205
Cerrado bajo la adicin, 266
Cerrado bajo la multiplicacin escalar,
266
Circunferencia unitaria, 343
C . 132
628
base normal de,628
Cociente de nmeros complejos,
6 11614
Codominio, 2 18
d:
Coeficientes, 50
Coeficientes de Fourier, 548
Columna:
de una matriz, 47
espacio, 307
vector, 306
Combinacin lineal, 50,270,627
Complemento ortogonal,359,360
Componente:
a lo largo de un vector, 169-173
ortogonal a una subespacio, 372-373
ortogonal a un vector, 169-170
deunvector, 152,155,185
Compresin, 523-524
Condicin inicial, 5 14
Cnica imaginaria, 573
Cnica no degenerada,564
Conjugada transpuesta, 547
Conjugado, 77
propiedades del, 614-615,626
Conjunto ortogonal, 367
conjunto ortonormal (devectores), 367,
Cono elptico, 575
Contraccin (operador), 230, 448
Coordenada (S):
de un punto, 154
de un vector, 399
ejes de, 154-155
independiente de las, 685
matriz de, 399
planos de, 154
Cosenos directores, 174
711
712 / hdice
Cramer, Gabriel, 140
De Moivre, Abraham, 622
Desarrollo por cofactores, 131-135
Descomposicinde un vector, 169
Descomposicin LU, 589-598
DescomposicinQR, 377-380
teorema de, 378
Descomposicin triangular, vase
descomposicinLU
Desigualdad de Cauchy 355,366,645
Desigualdad de Cauchy-Schwa, 208,
354,645
Det, 112
Desigualdad de Schwarz, vase
desigualdad de Cauchy-Schwa
Desigualdad del tringulo, 209
Desviacin, 544
Determinante (funcin):
de un operador lineal, 499
de una matriz 2 X 2,111-1 12
deunamatriz3 ~ 3 111-112
,
definicin, 111
derivada de, 146-147
desarrollo por cofactores de, 132
Diagonal principal, 49
Diagonalizable, 426
ortogonalmente, 58
unitariamente, 649
Diagonalizacin ortogonal, 437
Diferencia de vectores, 37
Dilatacin, 230, 406
Dimensin, 292,298
Dirac, Paul Adrien Maurice, 609
Distancia:
en un espacio vectorial complejo con
producto interior, 639
entre puntos, vase Distancia entre
vectores
entre planos paralelos, 196-199
entre rectas paralelas, 196-199
entre un punto y una recta 173
entre un punto y un plano, 196-199
entre vectores, 206-207,
341-342
Dominio, 2 18
Ecuacin caracterstica, 127,416,649
Ecuacin cuadriicas:
e n ~ y y551-552
,
enx,yyz,574
Ecuaciones de dependencia, 3 19
Ecuaciones de traslacin, 157
Ecuaciones normales, 387
Ecuaciones paramtricas, 193-194
Ecuaciones simtricas, 202
Eigenespacio, 419-420, 502-503
de un operador lineal, 502-503
Eigenvalor, 127 248,413, 502
de un operador lineal, 502-503
Eigenvalores complejos, 418419,601
Eigenvector, 127,248,413,502
de un operador lineal, 502-503
Eje de rotacin, 228
Eje imaginario, 603
Eje regal, 603
Elementos, 47
Eliminacin de Gauss-Jordan, 33-34,
579,
580,586
Elipse, 564
Elipsoide, 575
Equivalente por renglones, 80, 81
Error cuadrtico medio, 545
Error por redondeo, 41
Escalar, 47,149
Esfera unitaria, 343
Espacio euclidiano n dimensional, 633
Espacio generado, 272
Espacio lineal generado, 272-273
Espacio n euclidiano, 203-2 15
complejo, 633
Espacio vectorial complejo con producto
inhior, 632,637
Espacio nulo (kernel), 307
Espacio rengln, 307
Espacio unitario, 637
Espacio(s) vectorial(es):
axiomas de, 257-258
base de, 290-295
complejos, 258,601,627-633
de dimensin fita, 295-298
de dimensin infinita, 295
definicin de, 258-259
dimensin de, 298
reales, 257-258,601
subespacio de un, 265
Espacio vectorial con producto
interior, 339
distancia en un, 341-342,639
norma en un, 341-342,639
Espacio vectorial de dimensin finita,
295-298
295
Kernel, 46 1
Lagrange, Joseph Louis, 176
Ley conmutativa:
para la adicin, 62
para lamultiplicacin, 62
Ley de cancelacin, 64
Leyes asociativas, 62
Leyes distributivas, 23
Longitud euclidiana, 207, 633
Longitud (norma) de un vector, 161,
207,
343,633
Mapeos, 218,240
MathemahcsMagmme, 34
Matrices de Dirac, 609
Matrices iguales, 22
ndice / 713
negativa semidefinida, 557
normal, 220-22 1
notacin para vectores, 2 12-213
orden de una, 48
ortogonal, 62
positiva d e f ~ d a 555
,
positiva semidefinida, 555
producto de, 49-50
rango de una 323-324,336
renglones de una, 47
semejante, 498-499
Simtrica, 97-98,437
suma de, 49
sustraccin de, 49
tamao de una, 47
transpuesta de una, 57-58
traza de una, 104
triangular, 95
triangular inferior, 95
triangular superior, 95
unitaria, 647-649
hermitiana, 647,649
indefinida, 557
identidad, 65
igualdad de, 49
inversa, 66-68, 85
inversin de, 80
invertible, 66-68, 85, 137-139
multiplicacin por un escalar de una,
49-50
negativa d e f ~ d a557
,
1 X 1.47
Matriz i n d e f ~ d a557
,
Matriz invertible, 66-68,85, 137-139
Matriz normal, 220-22 1
Matriz ortogonal, 395
Matriz simtrica, 97-98,437
Matriz triangular, 95
Matriz triangular inferor, 95
Matriz triangular superior, 95
Matriz unitaria, 647-648
Medida euclidiana, 217
Mejor aproximacin, 384-385
Menor, 131
M . 131
M":,
260
Mdulo, 610
Muestra:
media de la, 560
variancia de la, 560
Multiplicacin por.4 (como una
trasfomacin):
defmicin), 220
espacio nulo, 307
recorrido, 46 1
Multiplicacin de nmeros complejos,
604,609
argumento de,6 18
argumento principal de, 6 18
conjugado de un, 6 1O, 6 14-615
divisin de, 6 11-6 13
forma polar de, 6 17-618
imaginario(s) puro(s), 604
iguales, 604
mdulo de, 610
multiplicacin de, 604,605
negativo de, 604
parte imaginaria de, 419,602,603
parte real de, 603
races de, 622-625
suma de, 604-605
sustraccin de, 604
valor absoluto de, 61 1
Nmero imaginario, 602
Nmeros complejos iguales, 604
Operador identidad, 222,448
Operador lineal, 219,447
determinante de un, 499
matriz de un, 481-490
Operador proyeccin, 225
Operador rotacional, 228
Operaciones (elementales) en los
renglones, 26
Operaciones inversas, 76-77
Operaciones normales en R", 205
Operadores reflexin, 223
Orden:
de una matriz cuadrada, 49
de un polinomio trigonomtrico, 546
Origen, 153
Par ordenado, 203-204
Parribola, 565
Paraboloide elptico, 575
Paralologramo, 181
Parte imaginaria, 418,602,603
Parte real, 603
Pase hacia adelante, 580
Pase hacia atrs, 580
Permutacin, 108
inversin en una, 109
Permutacin impar, 109
Permutacin par, 109
Pesos, 333
Pitgoras, teorema generalizado, 358
Plano:
ecuacin general del, 191
forma punto-normal, 190
forma vectorial del, 193
Plano complejo, 603
714 / hdice
Plano xy, 154
Plano xz, 154
Planoyr, 154
Pohnomio caracterstico, 416,649
Polinomio mnico, 444
Polinomio trigonomtrico, 546
orden de un, 546
Polinomios de Legenbre, 384
Polinomios de Legendre normalizados,
3 84
440441,640-641
Producto:
de matrices, 49-50
de matrices invertibles, 68
de nmeros complejos, 604,605
de un vector por un escalar,
151-152,204,257-258
columna, 306
de coordenadas, 399
d e f ~ c i nde, 257-258
descomposicinde, 170
diferencia de, 205
destancia entre, 206-207,341-342,
633
en o", 628-633
en R", 203-2 15
equivalentes, 150
iguales, 150,204
imagen de un, 2 19
inverso aditivo,de, vase vectotfes),
negativo de
linealmente dependientes,
277-279
linealmente independientes,
279-287,628
Indice 1 715
negativo de un, 15 1
norma de un, 161,207,342,633
norma euclidianade, 207,633
normalizacin de,367-368
ortogonal, 167-168,357-359,640
ortonormal, 367,640
producto cruz de, 175-176
punto inicial de. un, 131, 149
punto terminal de un, 149
rengln, 306
solucin, 269-270
unitario normal, 178-179
Yuster, Thomas, 34
LA EDICIN,
BAJO LA