Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AL ALGEBRA
LINEAL
V E R S I N AUTORIZADA EN ESPAOL DE LA OBRA
PUBLICADA EN INGLS CON EL TTULO:
ELEMENTARY LINEAR ALGEBRA
WILEY& SONS,INC.
O JOHN
COLABORADOR
EN LA T R A D U C C I ~ N :
HUGO VILLAG~MEZVELZQUEZ
DERECHOS
RESERVADOS:
+ limusa@noriega.com.mx
www.noriega.com.mx
\.; ,.
,.
I
-?
i.
-+;
r
-
1 QUINTAREIMPRESI~N
DE LA SEGUNDA EDICIN
.T
-
t4 ;S1 y! ;o!?
HECHO
r
EN M x l c o
ISBN 968-1 8-5192-7
y Lauren
I PROLOG0
Aunque esta edicin tiene mucho en comn con la edicin anterior, se trata de una
revisin sustancial. g e intentado mantener la claridad y el estilo de la edicin
previa, y a la vez reflejar las necesidades cambiantes de una nueva generacin de
estudiantes. Con esta intencin hepuesto en prctica varias recomendaciones
hechas por el Linear Algebra Curriculum Study Group. Tambin he hecho algu-
nos cambios de organizacin que deben facilitar a los instructores cubrir los fun-
damentos detodos los temas esenciales, inclusive con severas restricciones de
tiempo. Posteriormente, en este prlogo se presenta una descripcin de los cam-
bios captulo a captulo, aunque a continuacin se presenta unresumende los
cambios ms importantes:
Mayor nfasis en las relaciones que hay entre los conceptos: Uno de los
objetivos importantes de un curso de lgebra lineal es establecer la trama
7
intrincada de las relaciones que hay entre sistemas de ecuaciones, matrices,
determinantes, veclores. transformaciones lineales y eigenvalores. En esta
edicin. la trama de relaciones se desarrolla a travs del siguiente
crescendo de teoremas que vinculan cada nueva idea con ideas precedentes:
1.5.3, 1.6.4. 2.3.6, 4.3.4, 63.9. 6.2.7, 6.4.5 y 7.1.5. Estos teoremas no slo
hacen ms coherente el panorama algebraico, sino tambin sirven como
fuente constante de repaso.
Transicin m b suavehacialaabstraccin:La transicin de R" a es-
pacios vecloriales generales es traumtica para casi todos los estudiantes.
de modo que he intentado suavizarla analizando Rn en detalle, recalcando
los conceptos geomtricos subyacentes antes de proceder con el estudio de
espacios vectoriales generales.
Exposicin temprana de transformaciones lineales y eigenvalores: A fin
de asegurar que el material sobre transformaciones lineales y eigenvalores
no se pierda al final delcurso, algunos de los conceptos bsicos que se re-
lacionan con tales temas se desarrollan ms pronto en el texto y luego se
repasan cuando el tcma se desarrolla con mayor profundidad en la parte
final del texto. Por ejemplo, las ecuaciones caractersticas se analizan
brevemente en la seccin sobre determinantes. Las transformacioncs linea-
les de H" a R'" se abordan inmediatamente despus que se introduce K". y
se analizan ms tarde enel contexto de las transformaciones linealcs
gencrales. Estos repasos ayudan a asegurar que los estudiantes se ramiliari-
cencon los fundanlentos de todoslos temas ms importantes, inclusive
cuando el tiempo apremia.
Mayor nfasis en la conceptualizacin: Para mantener el inters actual
cn la conceptualizacin y en las aplicaciones crecientes del lgebra lineal a
las grficas, he puesto mayor nfasis en los aspectos geomtricos de las
rotaciones. proyecciones y reflexiones en y en R3.
Nuevo material sobre mnimos cuadrados y descomposicin QR: Seha
aadido nuevo material sobre mnimos cuadrados y descomposicin QH,en
respuesta al inters creciente en estos temas.
Msdemostraciones: Se han aadidovarias demostraciones que antes
haban sido omitidas. Todas las demostraciones eneltexto han sido
escritas en un estilo adecuado para principiantes. y se ha puesto especial
cuidado a fin de asegurar que el carcter accesible y amable del texto no
haya sido afectado de manera adversa por las demostraciones adicionales.
Quienes deseenun curso matemticamente ms forrnal encontrarn que
esta nueva edicin es ms idnea para tal efecto. y quienes deseen un curso
ms conceptual tendrhn mayor eleccin en las demostraciones.
Son posibles muchas variantes del curso normal. Por ejemplo. es posible crcar un
patrn largo opcional siguiendo la asignacin de tiempo del patrn corto y
dedicando las 11 lecciones restantes a algunos dc los temas de los cdphlOS 9 y 1 0 .
t AGRADECIMIENTOS
1
Expreso mi aprecio por la til orientacin proporcionada por las siguientes personas:
13
I- I Agradec.citrrientos
Mark B. Beintema, Southern Illinois University Andrew S. Kim, Westfield State College
Paul Wayne Britt, Louisiana State University John C. Lawlor, University of Vermont
David C. Buchthal, University of Akron M. Malek, California State University at Huyward
Keith Chavey, University of Wisconsin-River Falls J. J. Malone, Worcester Polytechnic Institute
Stephen L. Davis, Davidson College William McWorter, Ohio State University
Blake DeSesa, Drexel University Valerie A. Miller, Georgia State University
Dan Flath, Uniwrsity of South Alabama Hal G. Moore, Brigham Young University
Peter Fowler, California State University S. Obaid, San Jose State University
Marc Frantz, Indiatza-Purdue University Ira J. Papick, University of Missouri-Columbia
Sue Friedman, Bernard M. Baruch College, CUNY Donald Passman, University of Wisconsin
William Golightly, College qf Charleston Robby Robson, Oregon State University
Hugh Haynsworth, College qf Charleston David Ryeburn, Simon Fraser University
Tom Hem, Bow!ling Green State University Ramesh Sharma, University of New Haven
J. Hershenov, Queens College. CUNY David A. Sibley, Pennsylvania State University
Steve Humphries, Brigham Young Universitt3 Donald Story, Universio,of Akron
Steven Kahan, Queens College, CUNY Michael Tarabek, Southern Illinois University
COMPLEMENTOS
Elizabeth M. Grobe
IntelliPro, Inc.
Jerry Johnson, Oklahoma State University
Randy Schwartz, Schoolcraft College
OTROS COLABORADORES
HOWARD
ANTON
CAPTULO 1 SISTEMAS DEECUACIONESLINEALES Y MATRICES 21
17
3.4. Producto cruz 175
3.5. Rectas y planos en elespacio tridimensional 189
CAPITULO 4 ESPACIOS
VECTORIALES EUCLIDIANOS 203
5. 1. Espaciosvectorialesreales257
5.2. Subespacios
265
5.3. Independencialineal277
5.4. Base y dimensin 287
5.5. Espacio rengln. espacio columna y espacio nulo 306
5.6. Rango y nulidad322
CAPTULO 7 EIGENVALORES,
EIGENVECTORES
41 5
7. l. Eigenvalores y eigenvectores 4 15
7.2. Diagonalizacin 426
7.3. Diagonalizacin ortogonal437
CAPTULO 9 TEMAS
COMPLEMENTARIOS 513
9. l . Aplicaciones a las ecuaciones diferenciales S 13
9.2. Geometra de los operadores lineales sobre R2 521
9.3. Ajustede datos por mnimos cuadrados 535
9.4. Problemas de aproximacin: Series de Fourier 543
9.5.Formas cuadrticas 55 1
9.6. Diagonalizacin de formas cuadrticas; Secciones cnicas 561
9.7. Superficies cudricas 574
9.8. Comparacin de procedimientos para resolver sistemas lineales S79
9.9. Descomposiciones LU 589
iNDlCE 711
CAPTULO I
~ SISTEMAS DE
ECUACIONES
LINEALES Y
MATHCES
u I x+ a,y =b
U,X, + a2x2+ . . . + U , X , =h
donde al, a2, . . . , a,, y b son constantes reaies.Las variables en una ecuacin
lineal algunas veces se denominan incgnitas.
y=+x+3z+ 1 x,+x*+...+xx,=l
21
22 ;' Sistemas de ecuaciones linealesy matrices
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 si-
guientes ecuaciones no son lineales:
x=t, y=2t-$
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 = ycuando
t = 3, mientras quecon las expresiones posteriores se obtuvo esa solucin cuandot
-
- 11
-
2 '
SISTEMAS Un conjunto finito de ecuaciones lineales en las variables x,, x,, . . ., x,, se de-
LINEALES nomina sistema de ecuaciones lineales o sistema lineal. Una sucesin de n-
meros 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
4x, - x * + 3x, = - 1
31, + x2 + 9x, = -4
x+ y=4
2x+2y=6
se multiplica por i,
resulta evidente que no existen soluciones, ya que el sistema
equivalente obtenido
x +y = 4
x+y =3
u,x+b,y=c, ( a , , b , nosonceroalavez)
+
a2x b,y = c2 ( a z ,6, no son cero a la vez)
Las grfkas de estas ecuaciones sonrectas; por ejemplo I, y I,. Como un punto (x,
y) pertenece a una recta s y slo si los nmeros x y y satisfacen la ecuacin de la
recta, las soluciones del sistemade ecuaciones correspondena lospuntosde
interseccin de 1, y I,. Existen tres posibilidades (figura 1):
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:
a)
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 Si mentalmente se ubica a los signos +, las letras x y los Signos =, entonces un
AUMENTADAS sistema de m ecuaciones lineales con n incgnitas puede abreviarse al escribir slo
el arreglo rectangular de nmeros:
a12
... a In
a22
... a 2"
am2
... 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
x1 x2
Dado que los renglones (lneas horizontales) de una matriz aumentada corres-
ponden a las ecuaciones en el sistema asociado, las tres operaciones mencionadas
corresponden a las siguientes operaciones efectuadas en los renglones de la matriz
aumentada.
OPERACIONES Las tres operaciones anteriores se denominan operaciones elementales en los ren-
ELEMENTALES glones. En el siguiente ejemplo se ilustra cmo se pueden usar estas operaciones
EN LOS para resolver sistemas de ecuaciones lineales. Como en
la siguiente seccin se
RENGLONES obtendr un procedimiento sistemtico paradeterminar soluciones, no es necesario
preocuparse sobre cmo se eligieron los pasos en este ejemplo. El esfuerzo prin-
cipal en este caso debe dedicarse a comprender los clculos y el anlisis.
ia 1 "1'
x + y 2+ z = 9 2
2 ~ -7Z=-17 o 2 -7
3 ~ I-I z = -27 -11 -27
Multiplicar la segunda ecuacin por 1/2 para Multiplicar el segundorenglnpor 1/2 para
obtener obtener
x+ y'+ 2z= 9
v- Sz= " 17
3~ - 1 I Z = -27
Sumar -3 veces la segundaecuacina la Sumar -3 veces el segundo rengln al tercero
tercera para obtener para obtener
x + , y + 22= 9
y-$z=" 17
- 1" " 3
2' - 2
z=
9
2
3
[; -; -;1 1 2 9
1 . 1 Introduccin a los sistemas de ecuaciones lineales 1 27
y - S z = -17
z= 3
Sumar - 1112 veces laterceraecuacin a la Sumar - 1112 veces el tercer rengl6n al
primera y 7/2 veces la terceraecuacin a la primero y 712 veces el tercer rengln al segundo
segunda para obtener para obtener
X =1 0 0
y =2
z ='3
La solucin
x=l, y=2, z=3
es evidente ahora. A
[: -9 81 [: -:
o -2 5
-:I
a)
b) -;]
O 0 0
c, [
7
1
2
2
1 - 3
4 0 51 1 [i i 0 o
g
1 4
6. a) Encontrar una ecuacin lineal en las variables x y y que tenga la solucin general x
=5+2t,y=t.
28 Sistemas de ecuaciones lineales .y marices
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
x- y = 3
2~ - 2y = k
ax + b-v = k
cx + dy = I
ex + fy = n:
10. Demostrar que si el sistema de ecuaciones del ejercicio 9 es consistente, entonces del
sistemaesposibleeliminar por l o menosunaecdacinsinmodificarelconjunto
solucin.
x+v+2z=a
x + z=b
2x+y+3z=c
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.
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.
[I [I [: A -: y I]
[::]
O O 41 O O]
o 1 o 7 , 0 1 0 ,
0 0 0 0 0
o o 1 - 1
O o l o o o o o
Las siguientes matrices estn en forma escalonada
30 1 Sistemas de ecuaciones lineales y matrices
El lector debe verificar que cada una de las matrices anteriores satisface todos los
requisitos necesarios.
1 0 0
b) [O 1 0 2
O 0 1 3 2
1 6 o o 4 - 2
c)
O 0 0 1 5 2
o 0 0 0 0 0
XI = 5
-
- -2
x2
x3 = 4
XI + 4x, = - 1
.x2 + 2x, = 6
x3 + 3X, = 2
x, + 6x, + 4x, = - 2
x3 + 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, = - 2 - 6x2 - 4x5
x3 = 1 - 3x5
x, = 2 - 5x5
0 0 - 2 o
2 4 -10 6 12
2 4 -5 6 -5 -1
0
2
2
0
4
4
- 2
- 10
-5
o
6
6
7
12
-5
If]
-1
! Columna de la orilla izquierda diferente de cero
Paso 2. Intercambiar el rengln superior con otro rengln, en caso de ser ne-
cesario, para que en la parte superior de la columna determinada en
el paso 1 haya un elemento diferente de cero.
2 4 -10
o 0 - 2 o 7 1 2 renglones
primero y segundo
1 2 - 5 3 6 El primer rengln de la
o 0 - 2 o 7 precedente
matriz se
multiplic por 1/2.
2 4 -5 6 -5 -1
1 2 -
5 3 El primer rengln de la matriz
o 0 - 2 o 7 precedente
sumse -2 veces
0 o 5 o -
1 2 - 5 3
o 0 - 2 0 7
O O 5 O -17
-29
Columna de la orilla izquierda
diferente decero en la submatriz
l .2 Eliminacin gaussiana / 33
1 2 - 5 3 El primer rengln de la
0 0 1 0 " 2 submatriz se multiplic
por - 1/2 para introducir
O O 5 O -17 -29 un 1 principal.
1 2 - 5 3 6
o o 1 o -; submatriz se sum - 5 veces '
al segundo rengln de la
-?I
0 0 0 0 ~ 1submatriz para introducir un
cero abajo del 1 principal.
1 2 - 5 3 6
El rengln superior de la
o o 1 o -; submatriz se cubri, y se
0 0 0 0 ~ 1volvi nuevamente al paso l .
A
1 2 - 5 3 El primer (yrengln
nico)
en la nueva submatrlz se
o o 1
0 0 0 0 1 2 introducir
un 1 principal.
Ahora toda la matriz est en forma escalonada. Para determinar la forma escalo-
nada reducida esnecesario efectuar el siguiente paso adicional.
1 2 - 5 3 6
0 0 1 0 0 precedente se sum 712 veces
0 0 0 0 1
1 2 - 5 3 o
0 0 1 0 0 sum -6 veces al
0 0 0 0 1
1 2 0 3 0
El segundo rengln se
0 0 1 0 0 sum 5 veces al primer
0 0 0 0 1 rengln.
1 3 - 2 o 2 o o
o o -1 -2 o -3 -1
(I O 5 1 0 0 1 5 5
L
O O 4 8 O 1 8 6
O 0
O 0 0 6 2
I
1 3 0 4 2 0 0
0 0 1 2 0 0 0
0 0 0 0 0 1 g
0 0 0 0 0 0 0
I
1 3 - 2 o 2 0 0
0 0 1 2 O 3 1
0 0 0 0 0 l g
o 0 0 0 0 0 0
de las variables.
Ejemplo 5 Resolver
x+ y+22=9
2x + 4y 32 = 1
-
3x + 6 , ~ 5~ = O
-
a la forma escalonada
[; 1
-f
2
-y] 9
x + y + 22= 9
- 2, = -17
2
z= 3
Al despejar las variables principales se obtiene
x= 1
y=2
z=3
SISTEMAS Se dice que un sistema de ecuaciones lineales es homogneo si todos los trmino:
LINEALES constantes son cero; es decir, el sistema esde laforma
HOMOGNEOS
a I l x , + ai2x2+ . . . + a , , x , = O
u2,x, + a22x2+ . . . + u2,x, = O
+ +
amlxl am2x2 . . . + amnx, = O
a,x+h,y=O ( a , , b , nosonceroalavez)
a2x + h2y = O ( a z ,h, no son cero a la vez)
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).
S Y Av
Figura 1 I SI~
la solucin trivial I I Infinidad de soluciones I
Existe un caso en el cual se asegura que un sistema homogneo tiene soluciones
no triviales, a saber, siempre que el sistema tengams indgnitas que ecuaciones. Para
ver por qu, considerar elsiguente ejemplo decuatro ecuaciones con cinco incgnitas.
Ejemplo 6 Resolver el siguiente sistema de ecuaciones lineales homogneo por
eliminacin de Gauss-Jordan.
2 2 - 1 o 1 o
-1 -1 2 -3 1 o
1 1 - 2 0 - 1 o
0 0 1 1 1 0
40 /' Sistemas de ecuaciones lineales y matrices
1 1 0 0 1 0
[
0 0 1 0 1 0
o 0 0 1 0 0
0 0 0 0 0 0
El sistema de ecuaciones correspondientees
XI +X? + 5 5 =0
xj + X5 = o
.x4 =o
Al despejar las variables principales se obtiene
x, = -x2 -- X.j
x2 = -x5
-Y4 = o
Par tanto, la solucin generales
.x1 = - S - t, .x2 = S, Xj = - t, XJ = 0, xj = 1
xk, = -X( 1
Xk2 = -G( 1
Xk, = -C( )
As como en el ejemplo 6, es posible asignar valores cualesquiera a las variables
libres del miembro derecho y obtener as una infinidad de soluciones del sistema.
En resumen, se tiene el siguiente teorema importante.
OBSERVACI~N. Sedebe notar que el teorema 1.2.1 es vlido slo para sistemas
homogneos. Un sistema no homogneoconms incgnitas que ecuaciones no
necesariamente es consistente (ejercicio 34); sin embargo, si el sistema es con-
sistente, entonces tiene infinidad de soluciones. Este hecho se demostrar des-
pus.
[:]
a ) O l O b) 1 "1 [:1 y] [A 0" f]
c) d)
["
f ) l O O
0 0 0
g)[:
O 0 0O 0 0
hj i)
O 0 0
2. De las siguientes matnces 3 x 3 , cules estn en forma escalonada?
[l "1
1 3 4
a ) O l O
:] b ) [ iO 0 0 c) [i f O 2 0 d) -0
0 0
o o
1
a )[O O oO O O O]I
0 0 0 0 0
b)[i p o 2 4
c j [ 'o 1 '1
dl ['
o -71 3 '1
2 e) ['O
1 3 0 2 0
o
0
0 0 0 0 0
0
*0 O]
1
f) [i i]
4. En cada inciso, suponer que la matriz aumentada de un sistema de ecuaciones lineales
hasidoreducidamedianteoperacionesen los renglonesalaformaescalonada re-
ducida dada. Resolver el sistema.
1 o 0 - 3 I o 0 - 7 8
1 O 3 2
~
1 - 6
O
O
0
0
0
O
1
0
0
O
0
0
1
3 - 2
4
5
0
;]
0 0
,)[O
d) [i -: 81
o o
x1 1 - 5
01 -31 42 q
0 0 1 s 2
1.2 Eliminacin gaussiana / 43
10. Resolver cada uno de los siguientes sistemas aplicando eliminacin de Gauss-Jordan.
a) 5x, - 2x2 + 6x, = O b) xI - 2x, +
x, - 4x, = 1 c) w + 2 x y- = 4
-2x, + x, + 3x3 = 1 XI +3x2 7x3+ +
2x, = 2 x - y=3
x1 - I ~- x1,IX, - 16x4= 5 ~ + 3 ~ - 2 ~ = 7
2u+4v=
+7w+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.
a) 2x1 - 3x, + 4x, - x, = O b) x, + 3x2 - x3 = 0
7x, +x, - 8x3 + 9x4 = o x, - SX, = o
2x, + 8x2 + x3 - X, = O 4x3 = o
14. Resolver los siguientes sistemas de ecuaciones lineales homogneos aplicando cual-
quier mtodo.
44 1' Sistemas de ecuaciones lineales y matrices
a) 2x + .V = a b) x, + .x2 + x ,=u
3x +- 6~ = h 2.r , + 2x, = h
3.Y2 + 3x, = c
17. Paraqu valores de a elsiguientesistemanotienesolucin?exactamente una
solucin'? ,intinidadde soluciones?
.Y i- 21' "~ 3z = 4
31 " J' 4- 5z = 2
4x + v+ (U' -- 1 4 ) ~= 0 + 2
18. Expresar
20. Resolver e1 siguiente sistema de ecuaciones no lineales para los ngulos descono-
cidosa,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
sena+2cosp+3tany=O
2sena+5cosp+3tany=O
-sena-5cosp+5tany=O
ty -
20
' I Figura 2
26. Recordar que en geometra plana tres puntos no colineales determinan una circunfe-
rencia 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
Encontrar la ecuacin de la circunferencia que se muestra en
figura
la 3
CY
46 / Sistemas de ecuaciones linealesy matrices
30. tlrsolvzrelsistema
para x,, x 2 y x j SI
a) k = 1 b) d = 2
+
(1) u . ~ b,, = k (11) ax + by = O
C.Y + dl) = I cx + 4v = o
a) Demostrar que si x = x,, y = y , y x = x*, y = y, son soluciones de I, entonces x = x1
y,
- x2,y = y I - es una solucin de I I .
b) Demostrar que si x = x], y = y , es una solucin de I y x = x,, y = y, es una solucin
de I I , entonces x = x , + x,, y = y , + y es
o una solucin deI.
[U,,I,,,X,I 0 [%,I
la primera notacin se usa cuando enel anlisis es importante conocerel tamao y
la segunda cuando no es necesario recalcar el tamao. Por lo general, la letra que
denota una matriz corresponde a la letra que denota sus elementos; as, para una
matriz B en general se usar b,, para denotar el elemento en el rengln i y la
columnaj, y para una matrizC se usar cy.
El elemento en el rengln i y la columna j de una matriz A se denota por el
smbolo (A)q.As. para la matriz (1) anterior, se tiene
( A ) , , = a,,
y para la matriz
Figura 1
OPERACIONES Hasta el momento, las matrices se han usado para abreviar el trabajo al resolver
CON MATRICES sistemas de ecuaciones lineales. Para otras aplicaciones, sin embargo, es deseable
desarrollar una "aritmtica de matrices" en la que sea posible sumar, restar y mul-
tiplicar 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 ele-
mentos correspondientes soniguales.
-1
2
4 - 2
1
O
0
2
7
'1
o
B=[
-4
2
3
3
2
2 - 4
O
5
-:] 5
C=['
2
'1
2
Entonces
11 -5
Las expresionesA + c', B + C', A - C y B - C no estn definidas. A
se tiene
A=[1
2 3 4
3 I] B = [ -1
o 2
3 - 571 c= [: -r,
Es comn denotar (- l)B por -B. A
Si A , , A,, . . . , A,, son matrices delmismo tamao y cl, c,, . . . , c,, son
escalares. entonces una expresin dela forma
, ,
i
6
. ', j
4 1 4 3 -
O -1 3 1
I O
2 7 5 2 -
(1 '4) + ( 2 . 0 ) + (4.2) = 12
(1.1)-(2.1)+(4.7)= 27
(1.4)+(2.3)+(4.5)= 30 12 27 30
(2.4) + (6.0) +- (0.2) = 8 8 -4 26 12
131
(2. 1) - ( 6 . 1 ) + (0.7) = -4
(2.3) + (6.1) + ( 0 . 2 ) = 12 A
A H
-
AB
m x r r x n m x n
b A h S
Medios
Figura 2 Extremos
A R C
3 x 4 4x7 7x3
AB =
Figura 3
A = [:::
"""""_
'I2 '13
u22 u23
\ '14
u24]
= [ii: 'I2]
A22
1:: [il
'31 '32 '33 ~ '34
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
54 / Sistemas de ecuaciones lineales y matrices
L ,"I t
I Segunda columna
deB 1 Segunda columna
deAB I
y por (4), la primera matriz renglnde A B se puede obtener alcalcular
I
11 2 1' -:
41 0
L2 7 5 21
= [12 27 30 131-,
I
Primer rengln
1 1 I I
Entonces
1.3 Matrices y operaciones con matrices / 55
2[-i]-1
y el producto matricial
[I -9 -3][-/ -:]
-2
= 1-16
8 351
4 1 4 3 -
AB= 2 411[ 0 - 1 3 1
2 6 0 2 7 5 2-
['E] = 4 [ ; ] + 0 [ ; ]+ 2 [ $
FORMA La multiplicacin de matrices tiene
una aplicacin importante
a los sistemas de
MATRZCIAL DE ecuaciones lineales. Considerarcualquiersistemade rn ecuaciones lineales con n
UN SISTEMA incgnitas.
LINEAL
CI,,Xl + a12.5 + + LI,,J, = h ,
' ' '
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
TRANSPUESTA Esta seccin termina con la definicin de dos operaciones matriciales quecarecen
DE UNA MATRIZ de anlogo en los nmeros reales.
;J:]
transpuestas.
2 3
A=[:!: ;;; ;;;
'12 '13 '14
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,
TRAZA DE UNA Definicin. Si A es una matriz cuadrada, entonces la truzu de A , denotada por
MATRIZ tr(A), se define como la suma delos elementos de la diagonal principal de A . La
CUADRADA traza de A no est definida si A no es una matriz cuadrada.
-2
I tr(A)=a,,+a,,+a,, I Itr(B)= - 1 + 5 + 7 + 0 = 1 1 J A
[ a-b " c ] = [ ; A]
- 3 d +2c a - 4 d
6. Mediante las matrices delejercicio 3 , calcular lo siguiente (en caso de ser posible)
a) (2DT- E ) A b) (4B)C + 2 B C) ( -AC)T + 5D7
d) ( B A T - 2C)T e) B T ( C C T - A T A ) f ) D T E T - (ED)'
Demostrar que el producto YA se puede expresar como una combinacin lineal de las
matrices rengln de A con los coeficientes escalaresde y.
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
lineales dado como una simple ecuacin matricial Ax = b.
a) 2 x , - 3x2 + 5x3 = 7 b) 4x, - 3x, + x4 = 1
9 x , - x2 + x3 = - 1 5x, + x2 - 8x4 = 3
XI + 5x, + 4x3 = o +
2 x , - 5x2 9x, - x j = o
3x2 - x3 + 7x, = 2
14. En cada inciso expresar la ecuacin matncial como un sistema de ecuaciones lineales.
60 / Sistemas de ecuaciones lineales y matrices
-1
1
2
5
1 1 5
6 1 1 5=[ p
"""
2
"
O
;
"""
-1
I
j-3
i 1'
'
1 41 5
1 4
1 5 "1 7
-2
0 ; -1 2
17. En cada inciso, determinar si la multiplicacin en bloque se puede usar para calcular
AB a partir d e las particiones dadas. En caso afmativo, calcular el producto mediante
multiplicacin en bloque.
1.4 Inversas; reglas de la aritmtica de matrices / 61
18. a) Demostrar que siA contiene un renglnde ceros y B es cualquier matriz para la que
AB est definido, entoncesAB tambin contiene un rengln de ceros.
b) Encontrar un resultado semejante, pero respectoa una columna de ceros.
19. Sea A cualquier matriz m X n y sea O la matriz m X n, cada uno de cuyos elemento es
cero. Demostrar que sikA = O, entonces k = O o A = O.
22. Encontrar una matriz A = [ulJ de 4 X 4 cuyos elementos cumplan la condicin que se
los elementos de A
donde S es la suma de los cuadrados de
PROPIEDADES Paranmeros reales a y b siempre se tiene que ab = ba, lo cual se denomina ley
DE LAS conmutativa de la multiplicacin. Para matrices, sin embargo, A B y BA no ne-
OPERACIONES cesariamente son iguales. Es posible quelaigualdad nose cumpla debido a tres
CON MATRICES razones. Puede suceder, por ejemplo, que A B est definido pero que BA no. Este es
el caso si A es una matriz 2 x 3 y B es una matriz 3 x 4. Tambin, puede suceder
que A B y BA estn definidos aunquesean de tamaos distintos. Esta es la
situacin si A es una matriz 2 X 3 y B es una matriz 3 X 2. Finalmente, como se
muestra en el ejemplo 1, se puede tener A B f BA inclusive si tanto A B como BA4
estn definidos y son del mismo tamao.
Al multiplicar se obtiene
BA = [ -3 1
o
As, A B f BA. A
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 (Ley c o n d a t i v a de la adicin)
h) A f ( B + C ) = ( A + B ) f C (Ley mociativa de la adicin)
c ) A(BC) = (AB)C (Ley asociativa de la mltiplicacin)
d ) A(B+C)=AB+AC (Ley distributiva por la izquierda)
e ) ( B f C ) A = BA + CA (Ley disfributivaporla derecha)
f)A(B-C)=AB-.4C j ) (a+b)C=uC+bC
g ) ( B - C ) A = BA -- CA k ) (U - b ) C = u C - bC
h ) a(B + C ) = aB + aC I ) a(hC) = (ab)C
i ) a(B - C ) = nB - aC m ) a(BC) = (aB)C= B(aC)
I
Para probar las igualdades de este teorema es necesario demostrar que la matriz
del miembro izquierdo es del mismo tamao que la matriz del miembro derecho y
que los elementos correspondientes en ambos miembros son iguales. Con excep-
cin de la ley asociativa del inciso c), todas las demostraciones siguen el mismo
1.4 Inversas; reglas de la aritmtica de matrices / 63
[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
Entonces
. . ..
Y
1 2-
.4(BC) = 3 4
O 1
MATRICES Una matrizque tiene todos sus elemento iguales a cero, como
CERO
Aqu 3 4
A B = , A C = [6 8]
Teorema 1.4.2. Si se supone que los tamaAos de las matrices son tales que es
posible efectuar las operaciones que se indican, las siguientesreglas de
aritmtica matricial son vlidas.
a) A+U=O+A=A
6)A-A-O
C) O P A = -A
d ) A O = O; OA = O
Entonces
66 5';ste)rra.sde ccuaciones lineales .v matrices
I';
t-11 I'IZ ' ' ' Yl?,
y,, I r R z .. "n n
Entonces sucede que el ultimo rengln de esta matriz est integrado comple-
tamente 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 progresi-
vamentecada vez ms lejos hacia la derechaamedidaquelamatrizse
recorre hacia abajo. cada uno de estos unos debe aparecer en l a diagonal prin-
cipal. 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
Ejemplo S La matriz
1.4 Inversas; reglas de la aritmtica de matrices 1 67
Ejemplo 6 La matriz
As.
PROPIEDADES
BA#I=
[a :I
O 1 O A
AA"=/ y A"A-I
t
La inversa de .-1 t i e x cn aritmCtica matricial casi la misma funcin que cl
recproco a.-i juega en las relaciones numericas aa-l = 1 y a-"a = 1.
En la siguiente seccin se desarrollar m mtodo para determinar inversas de
xnatriccs jnvertibles dc cualquier tamafio; sin embargo, el siguiente teorema
establece condiciones bajo las cuales una matriz 2 X 2 es invertible y proporciona
una frmula sencilla para cncontrar l a inversa.
U
Ud - bc
a ) A B es znverlible,
b ) (AB)" = 8",4 -1,
Tambin,
-n factores
n factores
Demostracin
Entonces
APARECEN
MATRICES cualquier
es polinomio,, entoncesdefine
se
+
p(A) = a,,/ a , A + . . . + a,,A"
donde I es la matriz identidad m X m. En palabras, p(A) es la matriz m X m que
se obtiene cuando A se sustituye porx en (1) y a. se reemplaza por a d .
Ejemplo 9 Si
entonces
1.3 Inversas; reglas de la aritmktica de matrices 71
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 ~pQ1-1 :B-'.8.'
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 ij-
simos elementosde A7 y BT. respectivamente, de modo que
I2 ,/ Sistemas de ecuaciones lineales y matrices
Demostracin. Se
puede probar la invertibilidad de AT y obtener (4) al
demostrar que
A7'(.+-l)T=(.+-*)TAT=]
a],
1. Sean
A=[-;
2
;
-1
i], B=[: -;
-3 -
C=[:
o -2
t],
3
u=4, h = -7
Demostrar que
a) A +
(B + C )= ( A + B ) +- C b) (AB)C= A ( B C ) c) (U + h)C = UC + bC
d) u(B - C ) UB - UC
2. Usando las matricesy los escalares del ejercicio I , demostrar que
a) a(BC) = (uB)C= B(uC) 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) 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"
/ 8. SeaA la matriz
[:Y]
Calcular A3, A-3 y A' - 2A + I.
1 9 . Sea A la matriz
[: :I
74 Sistemas de ecuaciones linealesy matrices
224526
En cada inciso, determinarp(A).
a) p ( x ) = x -2 b) p ( x ) = 2x2 -x + 1 c) p ( x ) = x3 -2x + 4
r cos*0
--en cos 0
12. a) Encontrar matnces A y B 2 X 2 tales que (A + B)' # A2 + 2AB + B2.
b) Demostrar que si'4 y B son matrices cuadradas tales queAB = BA, entonces
('4 + B)2 = A
' + 2ilB + B'
c) Encontrar un desarrollo de ( A + B)' que sea vlido para todas las matrices cuadra-
das A y B del mismo tamao.
'" "7 y
13. Considerar la matriz
o o " '
.4 = " '
14. Demostrar que si una matriz cuadrada A satisface ,43 - 311 + I = O, entonces A" = 31
- A.
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.
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.]
22. Si A es una matriz cuadrada y n es un entero positivo, ,es cierto que (A")T = (A')"?
Justificar la respuesta.
25. Aplicar los incisos d)y m) del teorema 1.4.1 a las matrices A , B y (- 1)(' para obtener
el resultado del incison.
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
~ . . + A B ~ r =r 1
= ~ ~ l ~ , ~ + i l B ~ z c ~ + .Comprobarque1
P PJ u 11
[;
Ejemplo 1 A continuacin se muestran cuatro matrices elementales y las opera-
ciones con que se obtuvieron.
O 0 1 0
- 3 el segundo
rengln de /?
renglones
segundo y ] F I E ]Sumar 3 veces el tercerMultiplicar 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 0 2
A=[2 -1 3
1 4 4
1 0 0
3 o 1
I
1 0
EA= 2 -1
4 4 1 0 9
1.5 Matrices elementules,v un mtodo pura determinar A / 77
TABLA 1
[:Y]
Multiplicar por 7 el segun-
IMultiplicar por 1/7 el
rengln.
gundo
se-
I
[t :] [Y A]
78 Sistemas de ecuaciones lineales v matrices
prlmero Y segundo.
[:, :I -+
[::] [:P] "
I
Sumar -5 veces el segun-
do rengln al primero.
E,E= I y EE,=I
allXl + a 1 2 x 2+ ' . + a , , x , = o
'
a 2 1 x I+ u22x2+ . . . + u 2 , x , = o
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
*I =o
x2 =o
x, = o
..
0 0 0 . " 1 o
de (2) por medio de una sucesin de operaciones elementales en los renglones. Si
en cada una de estas matrices se elimina la ltima columna (de ceros), se puede
concluir que la forma escalonada reducidade A es I,.
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 . . .E, I,,= E , ' E 2 I . . .EA (4)
EQUIVALENCLA Si una matriz B se puede obtener a partir de una matriz A mediante la ejecucin
POR de una
sucesin finita de operaciones
elementales
en los renglones, entonces
RENGLONES resulta evidente que 13 sepuede convertir denuevo en A mediantela ejecucinal
revsde las inversas de tales operacioneselementalesen los renglones. Las
matrices que se pueden obtener a partir de otra matriz mediante la ejecucin de
unasucesin finita de operacioneselementalesen los renglones se denominan
equivalentes por rengfones. Con esta terminologa, por los incisos a) y c ) del
teorema 1.5.3 se concluyequeuna matriz A n X n es invertible si y slo si es
equivalente por renglones a la matriz identidad n X n
U N MTODO Como primera aplicacin del teorema1.5.3,se establecer unmtodo para deter-
PARA INVERTIR minar la inversa de una matriz invertible. Al invertir los miembros izquierdo y de-
MATRICES rechode (4) seobtiene A" = EL E2 E,o, de manera equivalente,
' '
L
Para determinar la inversa de una matriz invertible A , es necesario encontrar
una sucesin de operaciones elementales en los renglones que reduzca A a la
matriz identidad y luego efectuar esta misma sucesin de operaciones en I ,
para obtener A".
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"]
1
2
1
2
5
0
3
3
8
j
j
/
0
O
1
1
O
0
"1
1
"1 I
1 2 3 1 1 0 Se sum -2 veces el primer
o 1 - 3 1 -2 1 1 vez
rengln al segundo y - el
0 - 25 ; - 1 o 1 primer rengln al tercero.
1 2 3 1 1 0
o 1 - 3 : -2 1
1 2 3 j 1 0
1 0
Se sum -2 veces el segundo
o 1
82 !Sistemas de ecuaciones lineales y matrices
As,
1 6 4-
A = [ 2 4 -1
-1 2 5-
'"I
1 6
[- 2
-1
1
4
6
2
-- 1 ;
4
54 1!
I
1
o
o '
1
1
oo
0
1
o -8 -9 I
I
-2 1 rengln al segundo y se sum el
0 8 9 1 1 0 1
:undo rengln
tercero.
Dado que enel lado izquierdo se ha obtenido un renglnde ceros, se concluye que
A no es invertible. A
es una matriz invertible. Por el tepema 1.5.3 se concluye que el sistema de ecua-
ciones
1.5 Matrices elementales y un mtodo para determinar A" / 83
+ 2x, + 3x, = o
x,
2x, + 5x, + 3x, = o
XI + 8x, =O
2. Encontrar una operacin en los renglones que convierta la matriz elemental dada en
-: -:I, -:-:I,
3. Considerar las matrices
3
A=[&
4
B=[:
8 1 5
c=[i 1;
4
-i]
Encontrar matrices elementalesE,, E2,E, y E4tales que
a) E , A = B b) E $ = A c)E#=C d)E4C=A
4. En el ejercicio 3, Les posible encontrar una matriz elemental E tal que EB = C? JUS-
tificar la respuesta.
"3.
matrices 4 X 4, donde k,, k2,k3, k4 y
8. Encontrar la inversa de cada una dc las siguientes
k son, todos, diferentes de cero.
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.
es una matriz elemental, entonces por lo menos un elemento en el tercer rengln debe
ser igual a cero.
1.6 Otros resultados sobre sistemas e invertibilidad I 85
r
13. Demostrar que
O a O O O
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
que CA est en forma escalonada reducida.
1 2 3 O
UN TEOREMA Se empezar por demostrarun resultado fundamental sobre sistemas lineales. que
FUNDAMENTAL ya fue anticipado en la primera seccin de este libro.
RESOLUCI~NDE Hasta el momento se han estudiado dos mtodos para resolver sistemas lineales: la
SISTEMAS eliminacingaussiana y la eliminacin de Gauss-Jordan. El siguiente teorema
LINEALES POR proporciona unnuevo mtodo para resolver ciertos sistemas lineales.
INVERSI~NDE
MATRICES 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.
x, + 2x, + 3x, = 5
2x, + sx, + 3x, = 3
XI + 8x3= 17
En forma matricial, este sistema se puede escribir como Ax = b, donde
o bien, x1 = 1, x2 = -1, x3 = 2. A
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 Gauss-
Jordan se puedenresolvera la veztodos los k sistemas. Este mtodo tiene la
ventaja de que se puede aplicar aun cuandoA no sea invertible.
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
88 i Sistemas de ecuaciones linealesy matrices
o
o
1
O I
0 ;
1 ;
0 ;l
'1
se obtiene (comprobar)
o o 1 I 1 i-1
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
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,
xl + .y2 + 2x, = h ,
.xl 3- x3 = b,
2 x , + x2 + 3x, = h,
sea consistente?
] T I
hl
[(!I
El segundo rengln se
multiplic por - l .
O -I -1 h3-2bl
bl-b2
1 1 1 b2
El segundo rengln se
o 1 1 sum al tercero.
O O O b3-bZ-bl
1.6 Otros resultados sobre sistemas e invertibilidad / 91
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
sea consistente?
1
O
O
O
1
0
O
O
1
-40b, + 16b2 + 96,
13b, - 5b2 - 3b3
5b, - 2b2 - b3 1
En este caso no hay restricciones sobre b b, y 6,; es decir, el sistema Ax = b dado
tiene la solucin nica
para toda b. A
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 simultnea-
mente los sistemas en todoslos incisos.
a) h, = I , hZ=4
b) h , -2, h, = 5
13. 4 . ~ ~-, 'X,
= h,
+
.x, 2 s , = h,
a) h , = O, h, = 1
b) h , = -4, h, 6
C) h , = - I , h, = 3
d ) h , = -5, h, = I
En los ejercicios del 16 al 19, encontrar condiciones que deben satisfacer las b para que el
sistema sea consistente.
16. 6 ~-, 4x2 = h,
3x, - 2x2 = h,
18. X, - 2~2- S,
-4x, + 5x2 + 2x3 b2
- 4x, + 7x2 + 4x3 = h,
20. Considerar las matrices
22. En cada inciso, determinar si el sistema homogneo tiene una solucin no trivial (sin
usar lpiz y papel); luego, establecer si la matrizdada es invertible.
a) 2x, + x2 - 3x, + x4 = O
5x2 + 4x, + 3x4 = o
2
o 5
1 -3
4 3'1
b) 5x, +x, + 4x3 + x4 = O 1 4
2x, -- x4 = o
x, + x4 = o
7x4 = o
O 0 0 7
23. Sea Ax = O un sistema homogneo de n ecuaciones lineales en n incgmtas que slo
tiene la solucin tnvial. Demostrar que si k es cualquier entero positivo, entonces el
sistema Akx = O tambin tiene slo lasolucin trivial.
25. Sea Ax = b cualquier sistema de ecuaciones lineales consistente, y sea x, una solucin
se puede escribir en la formax = x1 + xo,
fija. Demostrar que toda solucin del sistema
donde x. es una solucin de Ax = O. Tambin demostrar que toda matriz de estaforma
es una solucin.
MATRICES Una matrizcuadradaen la que todos los elementos fuera deladiagonal principal
DUGONALES son cero se denomina matriz diagonal; algunos ejemplos son
-m -I
6 0 0 0
1 0 0
0 - 4 o o
0 0 1
O 0 0 8
Una matriz diagonal generalD n X n se puede escribir como
D = [ do, O ...
...
d2
O O
Ejemplo 1 Si
A=[: -9 3
entonces
[ Odl
o o
O O
d2
d3
][": :: 1:; "::]
'31 u32 '33 u34
dlall
= [.a2]
d3a31
d2a22
d2a23
d2a24
d3a32
d3a33
dl'13
d3'34 1
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.
Ejemplo 2
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 diago-
nales son diferentesde cero.
d) La inversa de una matriz triangular inferior invertible es triangular infe-
rior, J J la inversa de una matriz triangular superior invertiblees triangular
superior.
s i se supone que i <j , entonces los trminos de esta expresin se pueden agrupar
como sigue:
A=[:
3 -
11 B=
-3
o
O
-2
o
0
"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
AB=[:
-2 -2
:]
Este productoes triangular superior,como garantiza el inciso 6) del teorema 1.7. l . A
[-:-:I
4
-*4
-5
-3
O
:]
7
O
O
4
O
O 4
O
O
:]*
O
O O O 4
98 ; Sistemas de ecuaciones Iineales y matrices
AB)^= B ~ A B~A =
[::I[ -;;]=[I: :I
l .7 Matrices diagonales, triangulares y simtricas / 99
Entonces
7
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.
1.7 Matrices diagonales, triangulares y simtricas I 10 1
a) A5 = [i -A -:]
o
b) A ' =[o
9
o o
0
4 o]
0
A= [-i 31, 2 s 2 -8
; ;]
13. Comprobar el teorema 1.7: 14para las matricesAy B del ejercicio 12
17. Sea '4 una matriz triangular superior y sea p ( x ) un polinomio @(A) es necesariamente
triangular superior? Explicar la respuesta.
19. ;,Cul es el nmero mximo de elementos distintos que puede contener unamatriz
simktrica de n X n?
I02 / Sistemas de ecuaciones linealesy matrices
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 4 1
x = $y- &'
y = Qx' + g y t
3. Encontrar un sistema lineal homogneo con dos ecuaciones que no sean mltiples entre
s y tales que
1.7 Matrices diagonales, triangulares y simtricas I 103
x,= 1, x2 = - 1, xj = 1, xq =2
Y
x, = 2, x2 = o, x j = 3, x4 = - 1
4. Una caja contiene en total 13 monedas distintas de 1, 5 y 10 centavos, cuyo valor total
es de 83 centavos. Cuntas monedas de cada denominacin hay en la caja?
x+ y+ z= 9
x+5y+ 10z=44
7. Sea
8. Resolver para x, y y z.
XY - + 3zy = 8
2$
2*y 3 g y + 2zy = 7
-
-xy + fi + 2zy = 4
9. Encontrar una matrizK tal que AKB = C dado que
- y], C=[
-4
8
6
6
-1
o
-6.
1
o.
10. Cmo se debe elegir los coeficientes a, b y c de modo que el sistema
a x + b L 3 z = -3
x-by+cz= -1
ax+3y-cz= -3
tengalasolucinx= l , y = --I y z = 2 ?
15. d t bx + z
Encontrar valores de u, b y c de niodo que la ghfica del polinOmio p(x) = t
pase por los puntos ( I , 2), (- 1,6) y (2,3).
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
tangente horizontal en (2, -9).
x, entonces se define
son funciones diferenciables de
d d dA dB d
dx
a) -
dx
dA
(kA) = k - (b) - (A f B ) = -+ 1 (c) -(AB)
dx
dx
=
dx
+ A-dB
25. (Para kcfores que ya estudiaron CcflcurO.) Usar elincisoc)delejercicio 24 para
demostrar que
3x
A
- 1
+-Bx*x++ C1
una identidad. [Sugerencia Multiplicar todo por (3x - 1)(2 + 1) e igualar los coefi-
cientes correspondientes de los polinomios en cada miembro de la ecuacin resultante].
28. Suponiendo que las inversas indicadas existen, demostrar las siguientes igualdades.
DETEMINANTES
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
Para denotar una permutacin general del conjunto (1, 2, . . . , n}, se es-
cribir u,, 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 ol,
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.
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
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
a) ['I'
aa2212
"I2] b) [ 431
413
a12
a22
432 u33
Solucin.
- a)
Producto
elementalPermutacin Producto
elemental
asociada
Par o impar
signo
con
4 ,la22 (L2) par a 1la22
012421 (2, 1) impar -a12421
h)
Figura 2 a) h)
A
Advertencia. Se recalca que los mtodos que se muestran en la figura 2 no fun-
cionan para determinantes de matrices 4 X 4 o superiores.
2.1 La funcin determinante / I 1 3
donde indica que los trminos deben sumarse sobre todas las permutaciones ol,
- se eligen en cada trminosegn s i la permutacin es
j 2 , . . . , J n ) y los signos + o
par o impar. Esta notacin es til cuando es necesario recalcar la definicin de un
determinante.
EJERCICIOS DE LA SECCIN 2.1
I . Ihcontrar el nmero de inversiones que hay en cada una de las siguientes permuta-
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
-2 I 3 -1 1 2
14. Clasificar cada una de las permutaciones de { 1,2, 3 , 4 } como par O impar.
3 x-5 1
19. Demostrar que el valor del determinante
2.2 Evaluacin de determinantes por reduccin de renglones / 11 S
no depende de O
20. Demostrar que si una matriz cuadrada A tiene un rengln o una columna de ceros,
entonces det(A) = O.
conmutan si y slo si
DETERMINANTES F1 sigtnicnte teorema facilita la evaluacin del determinante de una matriz trian-
DE MATRICES gular, sin imporlar su tamaito.
TRIANGULARES
Teorema 2.2.2. S i -4 es una matriz triangnlar w X n (triangularsuperior,
triangular inj>rior o diagonalj, pnronces dei(,4) es el producto de los elenlentos
de in diagonal principal; es decir, det(;.l) a , ,a7, . . a,,,,.
Ejemplo 1
2 7 - 3 8 3
0 - 3 7 5 1
O O 6 7 6 = (2)( -3)(6)(9)(4) = - 1296 A
O 0 0 9 8
0 0 0 0 4
EFECTO DE LAS El siguiente teorema muestra cmo una operacin elemental en los renglones de
OPERACIONES una matriz afecta el valor de su determinante.
2.2 Evaluacin de determinantes por reduccin de renglones / 1 1 7
~
Ejemplo 2
Relacin Operacin
I
El primer rengln de A
se multiplica pork.
d e t ( B ) = k dct (. I)
u23
a22
a21 all a12 013
Los renglones primeroy
011 012 al3 = - a21 022 u23
segundo deA se
a31 a32 u33 a31 "a3332 intercambian.
det ( B ) = - det ( 4)
1 0 0 0 0 0 0 1 1 0 0 7
o 3 0 0 0 1 0 0 0 1 0 0
=3 -1 =I A
0 0 1 0 o 0 1 0 0 0 1 0
0 0 0 1 o 0 0 1 1 0 0
El segundo rengln deI, se Se intercambiaron los El liltimo rengln de I, se
multiplic por 3. renglones primero y sum 7 veces al primer
liltimo de I,. rengln.
Cada una de las siguientes matrices tiene dos renglones o dos columnas propor-
cionales; as, por inspeccin, el determinantede cada una es cero.
o 1 5
A=[3 -6 9
2 6 1
-2
1 31
5
IO O -551
1 -2 3
=(-3)(-55) o 1 5 en el ltimo rengln
O 0 1 considerando el signo del
= (-3)(-55)(1)= 165 A
OBSERVACI~N. El mtodo de reduccin de renglones se ajusta bien a la evalua-
cin de determinantes por computadora, ya que es sistemtico y se puede progra-
mar 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 colum-
nas que pueden abreviar los clculos. A
4. [-.;y
3 6 -9
-;] 5. [I
o 3 1
1 21
3 2 4
6. [-:-; 11 [-: i -!]
1 -3
7.
3 -6
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
15. Demostrar los siguientes casos especiales del teorema2.2.3.
-111:
kat2 &I3 12 u13 a22 a12
1 det(kA) 1
~ ~~
= k"det(A)
Por ejemplo,
Ejemplo 1 Considerar
= det
a21 + 6 2 1a 2 2 + 622
Asi,
2.3 Propiedades de la funcin determinante / 123
det [1
2
l+O
7
O
4+1
5
3
7+(-1)
] i i i]
=det[ +.et[: -:] A
I det@B) = d e t p ) de@)
det(EB) = k det(B)
I24 / Determinantes
Por ejemplo.
Pero por el teorema2.2.4, los determirlantes deals matrices elementales son Merentes
de cero. (Tomar en cuenta que multiplicar por cero un rengln no es una operacin
elemental en los renglonespermitida de modo que k = O en esta aplicacin del teorema
2.2.4.) As, por (4) se concluye que det(A)y de@) son cero o diferentes de cero.Ahora
se proceder a la partems importante dela demostracin.
Si A es invertible, entonces por el teorema 1.6.4 se tiene R = I, de modo que
det(R) = 1 f O y, en consecuencia,det(A) f O . Recprocamente, si det(A) f O,
entonces det(R) f O, de modo que R no puede contener un rengln de ceros. Por el
teorema 1.4.3 se concluye que R = I , de modo que por el teorema 1.6.4 se tiene que
A es invertible. [1
2.3 Propiedades de la funcindeterminante / 125
Por los teoremas 2.3.3 y 2.2.5 se concluye que una matriz cuadrada con dos
renglones o columnas proporcionalesno es invertible.
de modo que
A B = E1E2.. .E,B
Denrosfracin. Como A "A = I, se concluye que det(A "A) = det(r). Por consi-
guiente, se debe tener que det(A -I) det(A) = 1. Como det(A) = O, la demostracin
puede completarse dividiendo entre det(A). 0
A[: - =
Idet(lI-A)=O I
Sta se denomina ecuacidn caracterstica de A ; los eigenvalores de A se pueden
encontrar resolviendo esta ecuacin para l.
Los eigenvalores y los eigenvectores se estudiarn denuevo en otros
captulos, donde se analizar su interpretacin geomtrica y se desarrollarn sus
propiedades conmayor profundidad.
*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.
O
/2*-3a- lo=o
La forma factorizada de esta ecuacines (A + 2)(A - 5 ) = O, demodoquelos
eigenvalorcs deA son A = - 2 y A = 5 ,
Por dcfinicin,
x 1 = - t , x2 = 1
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
EJERCICIOS DE LA S E C C I ~ N2.3
1. Comprobar que det(kA) = k" det(A) para
A= [a
2 1 0
y .-[i -1
I i]
3. Por inspeccin, explicar por qu det(A)= O
- 2 8 1 4
4 -6 4 -3
4. Con el teorema 2.3.3, determinar cules de las siguientes matrices son invertibles
5. Sea
a) det(3A)
b) det(A") c) det(2A")
lin los ejercicios del 8 al 1 1. demostrar la identidad sin evaluar los determinantes
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.
2.4 Desarrollo por cofactores; regla de Cramer / 13I
17. a)Expresar
a, + b, c, + d l
a, + b, c, + d,
cuyos elementos no contengan sumas.
como una suma de cuatro determinantes
b) Expresar
a1 + bl CI + d l el +fl
a2 + 6 2 c2 + d2 e2 +f 2
a3 + b3 c3 + d3 e3 +f 3
18. Demostrar que una matriz cuadrada A es invertible s i y slo si ATA es invertible.
Ejemplo 1 Sea
A=[: ; i]
1 -4
El cofactor de I es
;1
3 1 4
M;2 = 2 S 6
1 4 8 = =26
el cofactor de a32cs
...
-[." ;;; %J
POR
COFACTORES a,, 013
-4
Debido a que las expresiones entre parntesis son justamente los cofactores c,,.
Czl y C31(comprobar), se tiene que
Ejemplo 2 Sea
A=
=3(-4)-(-2)(-2)+5(3)= -1 A
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 cons-
tituyen un caso especial del siguiente teorema general, que se enuncia sin de-
mostracin,
I34 1' Determinantes
t .&no renghjn)
I
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
:I
A = [ l3 -2
-1
2 1
3 5
53
2.4 Desarrollo por cofactores; regla de Cramer 1 I35
Soluci&. Sumando mltiplos idneos del segundo rengln a los dems renglo-
nes se obtiene
0 - 1 1 3
det(A) =
1 2 - 1 1
0 0 3 3
O 1 8 0
-
-
-1 1 3
-
"
o 9 3
Desarrollo por
cofactores a lo largo de
la primera columna.
= -18 A
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 productosre-
sultantes. 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
det(A') = O
Por otro lado, al evaluar det(A') por desarrollo por cofactores a lo largo del tercer
rengln se obtiene
Ejemplo 6 Sea
2 -4 o
Los cofactores de A son
2.3 Desarrollo por cofactores; regla de Cramer 1 13 7
-:"I
y la adjunta de (A) es
adj (A) = [ 12
6
-16
4
2
16 16
A
A adj(A) = det(il) I
138 Determinantes
A adj(,4)=[ ...
" ' o ]=det(A)I (8)
det(A)
Dado que A es invertible, det(A) = O. Por tanto, la ecuacin (8) puede volver a
escribirse como
1
[ A adj(A)] = I
det ( A )
[
.4 -
detiAj adj(A) 1 =I
1
I
12 r 4 12-
A ~ -=-
1 adj(A) = - 6 2 - 10
det ( A ) i4
-16 16 16-
APLICACIONES Aunque el mtodo del ejemplo precedente es razonable para invertir manualmente
DE LA matrices 3 X 3, el algoritmo de inversin que se analiz en la seccin 1.5 es ms
FRMULA DE eficaz para matrices ms grandes. Sin embargo,debe tenerse en cuenta que el m-
LA ADJUNTA todo de la seccin 1.5 es slo unprocedimientodecmputo,mientras quela
PARA LA frmula (6) es una frmula real para encontrar la inversa. Como se ver a conti-
INVERSA nuacin, esta frmula estil para obtener propiedades de inversa.
la
En la seccin 1.7 se establecieron sin demostracin dos resultados sobre
inversas.
2.4 Desarrollo por cojactores; regla de Crawler 139
Demostracin del teorema 1.7.I C . Sea A =a una matriz triangular, de modo que
r/
sus elementos diagonalesson
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)
lineales con n incdgnitas tal que det(A) = O, entonces la solucin del sistema
es nica. Esta solucidn es
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
*Gabriel Cramer (1704-1752), matemtico suizo. Aunque Cramer no est considerado al lado de
los grandesmatemticos de
su
tiempo,
sus
contribucionescomo
diseminador de
las
ideas
matemticasleganaron un bienmerecidolugar en lahistoriadelasmatemticas.Cramerviaj6
bastante y conoci a muchos de los grandes matemticos de su poca. Estos contactos y amistades
condujeron a una correspondencia abundante a travs de la cual se difilndia la informacibn snbrt
nuevos descubrimientos matemticos.
2.4 Desarrollo por cofactores; regla de Crarner / 141
1
x=A"b=- adj (A)b = -
det (A) det (A)
b l C , , + h2C,, f . . . + b,Cn,
x, =
det (A)
Ahora, sea
Solucibn.
Por consiguiente.
det(.4,) 152 - -
38 A
x3=" - "
det(A) 44 11
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 I 6
o 0 - 3 3
A=
4 1 O 1 4
4 1 3 2
2.4 Desarrollo por cofactores; regla de Cramer / 143
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.
-3 o 7
-:-!]
3
1:
5. A = [ 2 5 I] t. A = [ :
-1 o 5
i -!
4 0 0 1 0
5
O 10. A =
2
2 2 4 2
3
11. A = [ -:-: :]
2 5
12. A = [ -: 21
13. A = [ :
2
A -:] -3 5
14. A = [ -: 2 0 0
15. Sea
1 3 1 1
A=[;
1
: '8 i]
3 2 2
En los ejercicios del I6 al 2 l . obtener la solucin usandola regla de Cramer cuando sea aplicable.
16. 7 x , - 2 ~ =, 3 17. 4x + 5y =2 18. x - ~ J + Z= 6
3.x, +
x? = 5 Ilx+ y+22=3 4x- y + 2 2 = - 1
x + 5y + 2z = 1 2x + 2.v - 32 = -20
19. x, - 3.x2 + x, = 4 20. -.x1 - 4x, + 2 s , + .xj = -32 21. 3x, - x* + xi = 4
2s, - .x2 = -2 2x, - .x2 + 7x3 + 91, = 14 -x, + 7x, 2x, = I
-x, + X2 + 3x, + Xq = 1 I
"
cs invertible para todos los valores de d; luego, encontrarA" usando el teorema 2.4.2
4x+ v + z t u'= 6
3x+7.v- z+ M'= 1
71-+3y-5z+8U.= -3
St y + 2+2w= 3
24. Sea A x = b el sistema del ejercicio 23.
a ) Resolver aplicando la regla de Cramer.
b) Obtener la solucin por eliminacin de Gauss-Jordan.
c) ,Cul mktodo requiere menos clculos?
25. Demostrar que si d 4 4 ) = 1 y todos los elementos de A son enteros, entonces todos los
elementos deA " son enteros.
26. Sea A x = b un slsterna de tz ecuaciones lineales con n incgnitas, coeficientes enteros y
constantes enteras. Demostrar que si det(A) = 1, la solucin x tiene elementos enteros.
27. Demostrar que si 11 es una matIiz triangular inferior invertible, entonces A -I es trian-
gular mferior.
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
Ejercicios complementarios / 145
31. Demostrar: La ecuacin del plano que pasa por los puntos no colineales ( a , ,b , , c , ) ,
(a,, b,, cz) y (u3,b,, c3)se puede escribir como
x y z l
a1 b, CI 1
=O
a2 b2 c2 1
a3 b3 c3 1
I EJERCICIOS COMPLEMENTARIOS
x y y en trminos dex y y .
1. Con la regla de Cramer, resolver para
x=xcosO-ysen0
y=xsenO+ycosO
bcosy+ccosp=a
c cos CY + a cos y = b
a cos p + b cos CY = c
cos CY =
b2 + c2 - a2
2bc
l rcgla de Crarner obtener frmulas semejantes para cosp y cos y.
b) Con a
6. Por medlo de determinantes, demostrar que para todos los valores reales de jl la nica
solucin de
x - 2-v = Lx
x- v = A.v
1
'
[ adj ( A ) ] - = -
-
A
det (A)
= adj ( A - I )
10. a) En la figura 2 que se muestra a contmuacion, el rea del tringulo ABC se puede
expresar como
Figura 2 D E F
una A n X n es cero,
11. Demostrar: Si la suma de los elementos en cada rengln de matriz
entonces el determinante deA es cero. [Sugerencia Considerar el producto M, donde
X es la matriz n X 1 cuyos elementos son iguales a 1.]
12. Sean A una matriz n x n y B la matriz que se obtiene cuando los renglones de A se
y det(B)?
escriben en orden invertido. Cmo estn relacionados det(A)
14. Sea A una matriz de n X n . Suponer que B , se obtiene al sumar el mismo nmero ta
cada elemento en el z-simo rengln de A , y que B, se obtiene al restar t de cada
elemento en el z-simo rengln de A . Demostrar que det(A)= 112 [det(B,) + det(BJ1.
15. Sea
17. Usar el hecho de que 21 375, 38 798, 34 162, 40 223 y 79 154 son, todos, divisibles
entre 19 para demostrar que
2 1 3 7 5
3 8 7 9 8
3 4 1 6 2
4 0 2 2 3
7 9 1 5 4
I48 Determinantes
VECTORES EN LOS
ESPACIOS
BIDIMENSIONAL Y
TRIIDIMENSIONAL
149
150 / Vectores en los espacios bidilnensional y tridimensional
v=AB
a) b)
Figura 1 E l Vectores
equivalentes
Los vectores con la misma longitud y direccin, como los de la figura l b , se
denominan equivalentes. Como se quierequeunvectorquededeterminado
solamente por su longitud y su direccin, los vectores equivalentes se consideran
como iguales aun cuando puedanestar ubicados en posiciones diferentes. Si v y w
son equivalentes, se escribe
v=w
v+w=w+v
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.
Si v es cualquier vector diferente de cero, entonces "v, el negutivo de v, sc define
como el vector que tiene la misma magnitud quev, pero direccin opuesta (Figura3).
v+(-v)=O
v-w=v+(-w)
(- l)v = -v.
/'
Ill
-
-w 1 y v2 -
- w2
ty
entonces
r v + w = ( U i+ w,,u, + w2)
Figura 7 L - 1 - i - U J - r
(Figura 8). As, por ejemplo, si v = (1, -2) y w = (7, 6), entonces
~+~=(1,-2)+(7,6)=(1+7,-2+6)=(8,4)
Y
4 ~ = 4 ( 1 ,-2)=(4(1),4(-2))=(4, -8)
tY
154 / Vectores en los espacios bidimensionaly tridimensional
f'
Figura 9 b
Figura 10 I
3.1 Introduccin a los vectores (qeorntrica) 1 155
t t
......
156 / Vectoves enlos espacios bidimensionaly tridimensional
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
t'
Figura 14 4 6)
"----*
est en (x, y), de modo que O'P = (x - k, y - 0. En el sistema x", su punto
inicial est en (O, O) y su punto terminal esti en ( Y , y'), de modo que O'P = (x', y').
Por consiguiente,
6. S C ~ U
I ~= (-3, I , 21, v = (4- O, -8) > w = ( 6 , - 1, -4). Encontrar las componentes de
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)
13. Suponer que un sistema de coordenadas xyz se traslada para obtener un sistema de
coordenadas xyz. Sea v un vector cuyas componentesson v = (vl, v2, v3) en el sistema
xyz. Demostrar que v tiene lasmismas componentes en el sistemaxyz.
Figura 15
15. Demostrar geomtricamente que si v = (vl, K~), entonces kv = ( k v , , kv2 ):, (Limitar la
demostracin al caso k > O que se ilustra en la figura 8. La demostraclon completa
requiere de varios casos que dependen del signo de k y del cuadrante en que se en-
cuentra el vector.)
VECTORIAL
3.2 NORMA DE UN VECTOR: ARITMTICA
v+w=QS
- y u+(v+w)=PS
-
Tambin.
u+v=PR
+
4' (u+v)+w=PS
-
Por consiguiente.
u+(v+w)=(u+v)+w
(1)
Asi,
t*
f
I
I
Figura 2
&
Figura 3 La distanciaentre PI y P2 es la normadel vector P I P 2 .
d=V(4-2)2+(-3+ 1)2+(1 + 5 ) * = m = 2 f l A
3. Sean u = (2, -2, 3), v = (1, -3,4), w = (3,6, -4). En cada inciso evaluar la expresin
dada.
5. Sean u = (7, -3, l), v = (9, 6,6), w = (2, 1, -S), k = -2 y I = 5. Comprobar que estos
vectores y escalares satisfacen las igualdades expresadas
en el teorema3.2.l .
a) inciso b). inciso b) e).
c) incison. inciso d) g).
1
"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 Figura 5
Figura 2 Y
FORMULA DE Para efectosde clculo es deseable contar con una frmula que exprese elproducto
LAS punto dedos
vectores trminos de las componentes de los vectores. La frmula
en
COMPONENTES se obtendr para vectores en el espacio tridimensional; la obtencin para vectores
PARA EL en el espacio
bidimensional
es semejante.
PRODUCTO Sean u = (ul, u2, u3) y v = (vl, v2, v3) dos
vectores diferentes de cero. Si,
PUNTQ como se muestraen la figura 3, 8 es el ngulo entre u y v, entonces la ley delos
cosenos da
Figura 3 x/
"*
Como PQ = v - u, (2) se puede volver a escribir como
" . .,,". _.
166 / Vectores en los espacios bidimensional
y tridimensional
Lu v = U I V l+ u2v2 + u3v3
CLCULO DEL Si u y v son vectores diferentes de cero, entonces la frmula (1) se puede escribir
NGULO ENTRE como
VECTORES
Solucin.
u . v = U I V l+ u2v2+ u3v3 = (2)(1) + (1)(2) = 3
Para los vectores dados se tiene IIuII= llvll= & , de modo que por (5)
As, 8 = 60. A
d = (k, k, k ) = u1 + u2 + uj
As,
~-~=(1)(-3)+(-2)(4)+(3)(2)= -5
v w = ( - 3)(3) + (4)(6) + (2)(3) = 2 1
U w = (1)(3) + ( - 2)(6) + (3)(3) = O
Por consiguiente, u y v forman un ngulo obtuso, v.y w forman un ngulo agudo y
u y w son perpendiculares. A
(a,b).(x,-x,,y,-y,)=O o n.P,P2=0
-
As, n y P I P , son perpendiculares. A
ax+by+c=O
JY
Figura 5
3.3 Producto punto: proyecciones / I69
=( b ) v ,+ (ku,)v, + (ku3)7J3
= (ku). v
De manera semejante,
w 2 = u - w1
w,+w,=w,+(u-ww,)=u
P'OY, u (7)
El vector w2 se denomina componente vectorial de u ortogonal a a. Comose
tiene que w2 = u - w l , este vector se puede escribir en notacin (7) como
w2 = u - proy, u
(componente vectorial
de u a lo largo de a)
-
u a = (ka + w2) a = klJa112+ w2. a (9)
k = -u s a
lla1I2
Solucin.
-
u a = (2)(4) + ( - 1)( - 1) + (3)(2) = 15
lla1I2 = 42 + ( - 112 + 22 = 21
As, la componentevectorial de u a lo largo de a es
u-a
proya u = y a = g(4, - 1,2) = (y, - 47 3 'o)
7
llall
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
7T 7r
Figura 7 OSO<- --< e s
2 2
Pero
1 y+by+c=O?
Figura 8
de modo que
3.3 Producto punto: proyecciones / I 73
Ejemplo 8 Por la frmula (15) se concluye que la distancia D del punto (1, -2) a
la recta 3x + 4y - 6 = O es
1(3)(1)+4(-2)-6\ 1-111 11
D= - A
d m a 5
7. Sean u = (5, -2, l), v = (1, 6, 3) y k = -4. Comprobar el teorema 3.3.2 para estas
cantidades.
8. a) Demostrar quev = (a,b ) y w = ( 4 , a) son vectores ortogonales.
b) Usar el resultado del inciso a) para encontrar dos vectores que sean ortogonales a
v = (2, - 3 ) .
c) Encontrar dos vectores unitarios que sean ortogonales(-a3,4).
9. Sean u = (3,4), v = (5, - 1) y w = (7, 1). Evaluar las expresiones
a) - (7v + w) b) Il(u v)wll c) IlUlKV . w > d) (Ilullv)-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 vr-
tices 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
rectngulo. En qu vrtice est elngulo recto?
13. Suponer que a b=a c y a # O. $,e concluye que b = c? Explicar la respuesta
14. Sean p = (2, k ) y q = (3, 5). Encontrar k tal que
a) p y q sean paralelos.
b) p y q sean ortogonales.
c) el ngulo entre p y q sea d 3 .
d) el ngulo entre p y q sea n/4.
15. Usar la frmula (13) para calcular la distancia entre el punto
y la recta.
a) 4x+3y+4=0;(-3, 1)
b) y = - 4 ~
+ 2; (2, -5)
c) 3x+y=5;(1,8)
16. Establecer la identidad Ilu + vJ12+ IIu - v1I2 = 2 lu112+ 2 )l~11~.
17. Establecer la identidad u * v = f 11u + v)12- f 1111 - ~ 1 1 ~ .
18. Encontrim el ngulo entre una diagonal de un cubo
y una de sus caras.
Figura 9
3.4 Producto cruz / 175
20. Usar el resultado del ejercicio 19 para calcular, hasta el grado ms prximo, los n-
gulos que forma una diagonal de una caja de dimensiones 10 cm X 15 cm X 25 cm con
las aristas dela caja. [Nota Se requiere una calculadorao tablas trigonomtncas.]
cos 0:
1
cos 4, + cosp, cos p, + cos y, cos y, =o
22. Demostrar quesi v es ortogonal tanto aw ,como a w2, entonces v es ortogonal ak,wl+
k2w2para todos los escalaresk, y k,.
1 o, en notacin de determinantes,
Se forma la matriz 2 X 3
Demostracin de a). Sean u = (ul, u2, uz) y v = (v,, v2, v3). Entonces
u X V = ( ~ -7,
, -6)
Como
(2, -- 3, 4) = 2 i - 3 j + 4k
3.4 Producto cruz / I79
oj
El lector no debe tener ningn problema para obtener los siguientes resulta-
i dos:
iXi=jXj=kXk=O
kj iX
xxikj==j ki ,,
k j X i = -k, k x j = -i, ixk=
-j
Figura 2 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 maneci-
llas 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 mane-
cillas del reloj, el producto c m de dos vectores consecutivos es el negativo del
siguiente vector quese encuentra.
FRMNLA DEL Tambin vale la pena observar que un producto cruz se puede representar simbli-
DETERMINANTE camente en formade un determinante 3 X 3:
PARA EL
PRODUCTO
CRUZ
i j k
uXv= 1 2 -2 =2i-7j-6k
3 0 1
&
uxv
Figura 3 u
+ v
r " '
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".
3.4 Producto cruz / 181
Ejemplo 4 Encontrar el rea del tringulo determinado por los puntos P I P , 2, o),
P 2 ( - 1. o, 2) y P,(O, 4, 3 ) .
Solucin. 4
El rea 4 del tr$ingulo es del rea del paralelogramo determinado
-
por los vectores P I P , y P , P, (figura 5). Usando el mtodo analizado en el ejemplo
b
2 de la seccin 3.1, P I P 2= (-3, -2, 2) y P I P 3= (-2, 2, 3). Se concluye que
P I P , x P I P 3= ( - 10,5, - 10)
I' Pi (2'2. O)
Figura 5 i x
y en consecuencia,
El triple producto escalar de u = (u1, u2, u2), v = ( v l , v2, v2) y w = (wl, w2,
wz) se puede calcular a partir de la frmula
(7)
WI w:! w3,
182 / Vectores en los espacios bidimensional y triditnensional
;3iul -
3 -2 -5
U.(VX w) = 1 4 -4
o 3 2
-60+4- 15149 A
-
O B S E R V A C I ~ X El smbolo (u v) X w carece de sentido, ya que no es posible
formar el producto cruz de un escalar y un vector. As, no hay ambigedad si
se escribe u v X w en vez de u (v X w). Sin embargo, por claridad en general se
conservar el parntesis.
Por (7) se concluye que
u.(vxw)=w.(uxv)=v.(wxu)
INTERPRETACI~N
GEOMTRICA DE
LOS
DETERMINANTES
3.4 Producto cruz 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
184 / Vectores en los espacios bidimensional y tridimensional
Demostracin de b). Como se observa en la figura 86, se considera que la base del
paraleleppedo determinado por u, v y w es el paralelogramo determinado por u y
v. De acuerdo con el teorema 3.4.3 se concluye que el rea de la base es IIv X wII
y, como se ilustra en lafigura 86, la alturah
I Y
Figura 8 nl
u.(vXw)= kv
donde el signo + o -resulta si u forma un ngulo agudo U obtuso con v X W .
La frmula (8) conduce a una prueba til para averiguar si tres vectores
dados son coplanares. Como tres vectores no coplanares determinan un paralele-
ppedo de volumen positivo, por (8) se concluye que 1u * (v X w)l = O si y slo si
los vectores u, v y w son coplanares. As, se tiene el siguiente resultado.
~~ ~~ ~
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
Figura 9
de modo que
de modo que
3.4 Producto cruz / 187
u X v = k X i = j = ( O , 1,0)
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
6 . Comprobar el teorema 3.4.2 para u = (5, -1, 2), v = (6, O, -2), w = (1, 2, -1) y
k = -5.
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).
I88 / Vectores enlos espacios bidimensional y tridimensional
13. Encontrar todos los vectores unitarios en el plano determinado por u = (3, O, 1) y v =
(1, - 1, 1 ) que son perpendiculares al vector w = (1,2, O).
(a+d).(bXc)==a.(bXc)+d-(bXc)
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 .
b) Encontrar el nguio entre u y el plano que contiene la cara determinada por v y w.
[Nota El ngulo entre un vector y un plano se define como el Angulo O entre el
vector y la nonnal al plano para la que O .c- O S d 2 . 1
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.
26. Demostrar el inciso 6)del teorema 3.4.1. [Sugerencia Demostrar primero el resultado
en el caso en que w = i = (1, O, O), luego cuando w = j = (O, 1, O) y luego cuando w = k
= (O, O, 1). Por Cltimo, hacer la demostracin para un vector cualesquiera w = (w,,wz,
w3)escribiendo w = w,i + wzj + w3k.]
27. Demostrar el inciso e ) del teorema 3.4.1. [Sugerencia Aplicar el inciso a) del teorema
3.4.2 al resultado del inciso d) del teorema 3.4.1.1
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.
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 volu-
men 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
En esta seccin se usarn los vectores para obtener ecuaciones de rectas y planos
en elespacio tridimensional, y estas ecuaciones se utilizarn para resolver
algunos prob lemas de geometra bsicos.
PLANOS EN EL En geometra analtica plana, una recta se puede especificar dmdo su pendiente y
ESPACIO uno de sus puntos. De manera semejante, un plano en el espacio tridimensional se
TRIDIMEN- puede especificar proporcionando su inclinacin y especificando uno de sus pun-
SIONAL tos.
Unmtodo conveniente para describir la inclinacin es especificar un vector
diferente de cero (denominado normal) que es perpendicular al plano.
I90 / Vectvres en los espacios bidimensiorraly tridinrensisional
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
los cuales el vector P
T6 es ortogonal a n; es decir,
-----f
n.PoP=O
4
Como POP= (x - xo. y - yo, z - zo). la ecuacin (1) se puede escribir como
Figura 1 x/
4x + 2y - 5~ + 25 = O
1 ax+by+cz+d=O
es un plano cuya normal es el vector n = (a, 6, c).
ax + by = k,
cx + dy = k2
lineales corresponde a los puntos de interseccin de las rectas ax + by = k, y cx +
dy = k, en el plano x y , as las soluciones de unsistema
ax + by + cz = k ,
dx + ey + fz = k , (4)
gx + hy + iz = k3
corresponden a los puntos de interseccin de los tres planos ax + by + cz = k , , dx +
ey+&=k2ygx+hy+iz=k3.
En la figura 2 se ilustran algunas de las posibilidades geomtricas que
ocurren cuando (4) no tiene solucin, tiene exactamente una solucin o tiene
infinidad de soluciones.
Ejemplo 2 Encontrar la ecuacin del plano que pasa por los puntos Pl(l, 2, - l),
P , ( 2 , 3 , 1) y P,(3, - L 2 ) .
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+2b- c+d=O
2a+3b+ c+d=O
3 ~ -b + 2 c + d = O
192 / Vectores en los espacios bidimensional y tridimensional
u'2
-
&
FORMA La
notacin
vectorial
proporciona
otra
manera til paraescribir la forma
VECTORLAL DE punto-normal de la ecuacin de un plano; con referencia a la figura 3, sean r
LA ECUACI6N = (x, y , z) el vector que va del origen al punto P ( x , y , z), r, = (x,, y,, zo) el
DE UN PLANO vectorque va delorigenalpunto P,(x,, y,, z,), y n = (u, b, c) un vector
normal al plano (figura 3).
Figura 3 x+
Entonces PTP = r - r,, de modo que la frmula (1) se puede volver a escribir
como
I n (r - r,,) = O
Ejemplo 3 La ecuacin
esla ecuacin vectorialdel plano que pasaporel punto (6, 3 . -4) y es per-
pendicular al vector u = (- 1, 2, 5). A
Figura 4
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
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 ?
3.5 Rectas y planos en el espacio m'dimensional / 195
L
FORMA La notacin vectorial da otra forma til para escribir las ecuaciones paramtricas
VECTORIAL DE de una recta; con referencia a la figura 3, sean r = (x, y, z) el vector que va del
LA ECUACIN origen al punto P(x, y , z), ro = (xo, yo,zo) el vector que va del origen al p u s
DE UNA RECTA 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
r=r,+tv (-m<t<+w)
Figura 5 .,/
Ejemplo 7 La ecuacin
(.\-,?:.)=(-2,0,3)+t(4, - 7 , 1) (--<t<+-t)
ALGUNOS Esta seccin termina con el estudio de dos "problemas de distancia" bhsicos en el
PROBLEMAS espacio tridimensional:
DONDE
INTERVIENE LA Problemas
DISTANCIA a) Encontrar la distancia entre un punto y un plano.
b) Encontrar la distancia entre dos planos paralelos.
Figura 6
1
La distancia entre los planos paralelos V y Cy es
igual a la distancia entre P, v W.
3.5 Rectas y planos en el espacio tridimensional / I Y7
ID= +
laxO byo + czo + dl
ViGK2
Demostracin. Sea e(.,, y,, zl) cualquier punto en el plano. El vector normal n
Qx
= (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 ,
Pero
As,
Solucin. Para aplicar (9), primero se vuelve a escribir la ecuacin del plano en
la forma
2~ - 3 ~ + 6 1~= +
O
Entonces
/(2)(1)+(-3)(-4)+6(-3)+1) 1-31
--=- 3 A
D= -
q 2 2 + (-3>*+ 62 7 7
x+2y-22=3 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.
_ _ ~ ~ ~
~
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)
a) P ( - l , 3 , b)P(l, 1,4); n = ( l , 9 , 8 )
c ) P(2, O, O); n = (O, O, 2) d ) P(0, O, O); n = (1, 2, 3)
2. Escribir en forma generallas ecuaciones de los planos del ejercicio l .
3.5 Rectas y planos en el espacio tridimensional / 199
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 ) b) Po(2,0, - I ) ; VE(], I , I )
C) Po(L -4, 1); v = (O, O, - 2) d) Po(O, O, O); v = ( U , b, C)
200 / Vertnres en los espacios bidimensionai y tridimensionul
19. Encontral. la ecuacin del piano que contiene al punto (xo,yo. zo) y es paralelo al
a) plano x y . plano yz.
b) 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=().
y el plano 2x -. 3v + 42 + 7 = O.
23. Encontrar l a ecuacin del plano que contiene a la recta x = - I + 3t, y =5 + 2t, z
-= 2 - t y es perpendicular al plano 2x - 4y + 22 = 9.
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 .
25. Demostrar que los puntos (-1, -2, -3), ( - 2 , O, I), (-4,-1, -1) y (2, O, 1)
pertenecen al mismo plano.
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.
Y
x=5+2t, y=l-t, z=7+r (--<tt++)
31. Encontrar la ecuacin del plano que contiene al punto (1, - 1,2) y a la recta x = t, y =t
+ l , ~ -3
= +2t.
33. Encontrar la ecuacin del plano tal que todos sus puntos equidistan de (- 1, -4, -2) y
(0, -2,2).
esparalelaalplano - 3 x + y + z - 9=0.
35. Demostrar que las rectas
x - 3 = 4yt-,4 =zt-,l = O (-rn<t<+m)
Y
~ + 1 = 1 2yt -, 7 = 6~t ,- 5 = 3 t (-x<t<+x)
36. Hallar la ecuacin del plano que contiene a las rectas del ejercicio 35.
38. Demostrar que elplano cuyascoordenadas al origen son x = a,y = b, z = c tiene la ecuacin
x y z
-+-+-= 1
a b c
en el supuesto de que a, b y c son diferentes de cero,
42. Encontrar las ecuaciones simtricas de las rectas de los incisos a) y b) del ejercicio 9.
[Nota Ver el ejercicio 4 1 respecto a la terminologa.]
43. En cada inciso, encontrar las ecuaciones de los dos planos cuya interseccin es la recta
dada.
a)x=7-4t, y = -5-2t, z=5+f (-m<[< +m)
b)x=4t, ,v=2t, z=7t (-m<t< +m)
Figura 8
203
204 i Espacios vectoriales euclidianos
Figura [La tema ordenada (al, a2, d 3 ) se puede interpretar geomtricamente como un punto o un
I vector.
I
I
Definicin. Dos vectores u = (u1, u2, . . . , u,) y v = (vl, v2, . . . , v,) en R" se
denominan iguales si
u1 = u , , u2 = V I , . .. f u, = u ,
1-
4.1 Espacio euclidiano n dimensional / 205
o = (O, O, . . . , O)
v-u=v+(-u)
(X+U)+(") =v+(-u)
x+(u-u) =v-u
x+o =v-u
x =v-u
206 i Espacios vectoriales euclidianos
Es instructivo que el lector mencione los incisos del teorema 4.1.1 que justifcan
los tres ltimos pasos de este cdculo.
ESPACIO Para extender losconceptos de distancia, norma y ngulo a R", se empieza con la
EUCLIDIAN0 n siguiente generalizacin del producto punto sobre R2 y R3. Frmula (3) de la sec-
DIMENSIONAL cin 3.31.
~.~=(-1)(5)+(3)(-4)+(5)(7)+(7)(0)=18 A
Entonces
=u.w +v.w
= ~ ~ ( I I -+u~) ( u - v+
) ~ ( v - u+) ~ ( v - v )
= 12(u.u)+ lI(u.v)+2(v.v)
NORMA Y Por analoga con las conocidas frmulas en R2 y R3, la norma euclidiana (o
DISTANCIA EN longitud euclidiana) de un vector u = (u1, u2, , . . , U,,) en R" se define por
EL ESPACIO
EUCLIDIAN0 n
DIMENSIONAL 11u11 = (u * =v u : + 2.4'2 + . . . + ut (1)
[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 = (ul, uz, .
. . , U,,) y v = (y1, v2, . . . , vn) en R" se define por
Y
d(u,v)=2/(1-0)2+(3-7)2+(-2-2)2+(7-2)2=fi A
. ... I ..".".
208 ,' Espacios vectoriales euclidianos
*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.
Es dificil tener una imagen clara de la personalidad de Cauchy. Devoto catlico, patrocin obra>
dccarldad para madressolteras y criminales, asi como deayudaaIrlanda Sin embargo.otroz
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.
~~ ~~
Demostracin de d).
((u+v((2=(u+v).(u+v)=(u.u)+2(u.v)+(v.v)
+
= ()u/12 2(u v) + (/VI12
5 11u112 + 21u * V I + IIVII? Propiedad del valor absoluto
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.
~.~=(-2)(1)+(3)(2)+(1)(0)+(4)(-1)=0 A
Figura 4 U
[;I
OTROS TIPOS DE Un vector u = u l , u2, . . . , U,,) en R" tambin sepuede escribir en notacin
NOTACIN PARA matricial como matriz rengln o matriz columna:
VECTORES EN R"
u,
As, para vectores expresados como matrices columna se tiene la siguiente frmula
para el producto interior euclidiano:
-;I
E3
VTU = u.v
Por ejemplo, si
u=[
entonces
u.v=vTu=[5
.=[-;I, -p1
y la multiplicacin por AT.
Entonces
1
-: ;][ ;] [
.
.
- =
4
I 1 - 1.
AU v = 7( - 2) + lO(0) + 5(5) = I1
u*ATv=(-1)(--7)+2(4)+4(-1)= 11
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
Figura 5
FUNCIONES DE Recordar que una funcidn es una regla f que asocia a cada elemento de un
F A R 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 CO-
munes 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.
4.2 Transformaciones lineales de R" a Rm / 219
TABLA 1
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
definen una transformacin T:R2 -+ H3. Con esta transformacin, la imagen del
punto (xl, xz) es
T(X,, X2) : -.X:)
= (11 f X2, 3xlX2, 1
T(1, - 2 ) = ( - 1 , -6, - 3 ) A
TRANSFORMA- En el caso especial en que las ecuaciones de (1) son lineales, la trasformacin T:Rn
CIONES + K" definida por esas ecuaciones se denomina transformacin lineal (u ope-
LINEALES DE rador lineal si m = n). As, una transformacin lineal T:R" Rm est definida por
-+
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 .
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
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 estn-
dar.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 ,; Espacios vectoriales euclidianos
- 1
"-+ -
T,(X) = ox = o
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
T,(x) = zx = x
OPERADORES Considerar el operador T:R2-R2 que transforma cada vector en su imagen sim-
REFLEXI~N trica con respecto al eje y (figura 2).
Si se hace w = T(x),entonces las ecuaciones que relacionan las componentes
dexywson
4.2 Transfornlacioneslineales de Rn a Rm / 223
Figura 2 l
[:I
o bien, en forma matricial,
= [-:, Y][ :1
Como las ecuaciones en (10) son lineales, T es un operador lineal y por (1 1) se
tiene que la matriz estndar para T es
'ABLA2
224 i Espacios vectoriales euclidianos
ABLA 3
Matriz
Operador Ilustracin Ecuaciones estjadar
Reflexin w ,= x
respecto al w2 = y
plano xy
wg = -2
Keflexln w, = x
respecto al w, = -y
plano xz
wg = 2
Figura 3
4.2 Transformaciones lineales de Rn a Rm / 225
w,=x= xfOy
w* = o = ox + oy
o bien, en forma matricial;
1 0
[T1=[0 o]
MBLA 4
Ilustracin Operador
I I
Proyeccin ortogonal
sobre el eje x w, = x
I I
Proyeccin ortogonal I
,726 Espaciosvectorialeseuclidianos
TABLA 5
Matriz
Operador Ilustracin estndar
Proyeccin ortogonal
sobre el plano xv
4'
Proyeccin ortogonal
sobre el plano xz
Proyeccin ortogonal
sobre el plano yz
Y
-__t
OPERADORES Un operador que hace girar todo vector en R2 hasta describir un ngulo fijo se de-
ROTACI~N nomina operador rotacidn sobre R2. En la tabla 6 se enumeran los dos operadores
rotacin bsicos sobre R2. Para mostrar cmo se obtuvieron los resultados, consi-
derar 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, y =r send
4.2 Transformacioneslineales de Rn a Rm / 227
w, =.xcos O-ysen8
w2=xsen8+ycos8
Las ecuaciones en (16) son lineales, por lo que T es un operador lineal; adems;
matriz estndar para "es
con base en estas ecuaciones se concluye que la
Matriz
aciones
Operador Ilustracin estndar
Rotacin a travs
de un ngulo 8
w2)
(w1,
\(&Y)
W, = X C O S 8-y e cos O
St- 8
-sen O
cos 8 1
Ejemplo 5 Si cada vector en R2 se hace girar un ngulo n/6 = (30), entonces la
imagen w de un vector es
x= [:]
228 ' Eipacios vectorzales euctidianos
es
b)
Figura 5 (i I
'ABLA 7
Matriz
Operador Ilustracin Ecuaciones estndar
Rotacin en
w ,=x O
sentido
contrario al w 2= y c o s 0 - z s e n 0
movimiento de w 3 = y sen O + z COS O
las manecillas
del reloj a travs
de un n a o
respecto al eje x
positivo.
Rotacin en
sentido w 1= x cos O + z sen0 cos 8 O sen O
tz
contrario al
movimiento de
las manecillas
U'2 = y
= -xsenO+zcosO .:@I
del reloj por un
ngulo
respecto al eje y
positivo.
Rotacin en
w ,= x c o s 0 - y s e n 0
sentido
Zontrario al
t" w2 = x s e n O + y c o s 0
cos0 - sen0 O
movimiento de
las manecillas
wj = z [se; 0 coi O p]
le1 reloj a travs
le un ngulo
lespecto al eje z
~ositivo.
1
ab(1 - cos 0) - c sen 0 ac(1 - cos 0)
(1 7)
L a obtencin de este hecho puede consul barse en el libro Yrincipies of Interactive
Computer Graphics, de W. M. Newrnan y R. F. Sproull, 'Nueva York, McGra\v-
... . .
230 Espacios vectoriaies euclidianos
Hill, 1979. Es instructivo que el lector deduzca los resultados de la tabla 7 como
casos especiales de este resultado ms general.
U) b)
'ABLA 9
Operador Ilustracin Ecuaciones Matriz
estndar
Contraccin con
factor k sobre R3. t" w ,= kx
w2 = kY
w3 = kz
Dilatacin con 0 0 k
factor k sobre R3. w , = kx
w2 = kY
w 3 = kz
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
Figura 7
cos 8, - sen 8,
[ T2 1 = [,O2 cos 0,
Figura 8
de modo que [ T, 0 TI ] # [ T I 0 T, 1. A
t' t'
Figura 9 T2 T, O T2 O T,
233 / Espacios vectoriales euclidianos
T I , T, y T3 por
(22)
cos 0 -sen8 O -1 o o 1 0 0
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 , ) ; x=(-1,4)
b) 7 ' ( ~ , ,~ 2 X,)
, = (2x1 - X > +~ 3 x2
, + ,uj, O); X = (2, 1, - 3)
12. Usar la multiplicacin matricial para encontrar la imagen del vector (3, -4) cuando se
hace girar un ngulo de
a) 0 = 3 0 O b) 8 = -60' 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.
4.2 Transformaciones lineales de R" a Rm / 237
15. Usar multiplicacin matricial para encontrar la imagen del vector (-2, 1, 2) si ste se
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 .
18. Encontrar la malriz estndar para la composicinde 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
respecto al eje y , seguida de una dilatacin con factor k = fi .
c) Una proyeccin ortogonal sobre el plano q ,seguida de una reflexin con respecto
al plano yz.
19. Encontrar la matriz estndar para la composicin de operadores lineales sobre R3 que
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 con-
traccin 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 mo-
vimiento de las manecillas del reloj respecto al eje y , seguida de una rotacin de
180' respecto al eje z.
,738 Espacios vectoviales euclidianos
21. Detenninar si T,
o 7; = 1- o 7'
1.
a) 7,
: K3 += R 3 cs &a dhatacin con factor k y 7, : R 3 + R3 es la rotacin en sentido
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
26. Se puede demostrar que si A es una matriz 2 X 2 con det(A) = 1 y tal que los vectores
columna de A son ortogonales y tienen longitud 1, entonces la multiplicacin por A es
una rotacin en sentidocontrario al movimiento delas manecillasdelrelojhasta
describir algn ngulo O. Comprobar que
27. El resultado del ejercicio 26 tambin es verdadero en R3: se puede demostrar que si A
es una matriz 3 X 3 con det(A) = 1 y tal que los vectores columna de A son ortogonales
por parejas y tienen longitud 1, entonces la multiplicacin por A es una rotacin en
sentido contrario al movimiento de las manecillas del reloj con respecto a algn eje de rota-
cin hasta describir algn ngulo O. Usar la frmula (1 7)para demostrar que si A satis-
face las condiciones establecidas, entonces el ngulo de rotacin satisface la ecuacin
tr(A) - 1
cos 0 = ~
2
28. Sea A una matriz 3 X 3 que satisface las condiciones planteadas en el ejercicio 27. Se
puede demostrar que si x es cualquier vector en R3, entonces el vector
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 Ma-
gazine, 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).
Definicin. Se dice que una transformacin lineal T:R" + R"' es uno a uno si T
mapea vectores (puntos) distintos de R" en vectores (puntos) distintos de R"'.
-
Sea A una matriz n x n, y sea TA:R" R"' la multiplicacin por A . A conti-
nuacin 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 propo-
siciones son equivalentes:
4.3 Propiedades de las transformaciones lineales de R" a Rm 1 241
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 X 1.
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.
Ejemplo 2 En' el ejemplo 1 se observ que el operador rotacin T:R2 --* R2 ilus-
trado 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 trans-
forma 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
INVERSA DE UN Si TA:K" + R" esun operador lineal uno a uno, entonces por el teorema 4.3.1 la
OPERADOR matriz A es invertible. As, TA-':Rn-+ R" por s mismo es un operador lineal; se
LINEAL UNO A denomina inverso de TA.Los operadores lineales TA y TA-, se cancelan entre s en
UNO el sentido de que para todo x en R"
o. equivalentemente,
T A o TA-1 == T A A - 1 = TI
T A - I 0 T A = T A - 1A = TI
Figura 3
__
I
"
- X
4.3 Propiedades de las transformaciones lineales de R" a Rm / 243
u
[ T" ] = [ TI"
Ejemplo 4 Sea T R 2 + R2 el operador que hace girar cada vector de R2 hasta des-
cribir el ngulo 0; de modo que por la tabla 6 de la seccin 4.2
[' 1 =
COS 8 -sen8
[seno cos 0 1
Geomtricamente es evidente que para deshacer el efecto de T es necesario hacer
girar cada vector de R2 por un ngulo -0. Pero esto es exactamente lo que hace el
operador T- I , ya que la matriz estndar para T- es
Ejemplo 5 Demostrar que el operador lineal T:R2 + R2 definido por las ecuacio-
nes
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 Espaclos vectorxales euclidianos
As,
T '(M.,
, ($w, -. 6w2, -?M>, +gw2) A
PROPIEDADES En la seccin precedente, una trasformacin TR" R" se defini como lineal si
+
DELA las ecuaciones que relacionan a x y a w = T(x) son lineales. El siguiente teorema
LINEALIDAD proporciona otra representacin de la linealidad. Este teoremaes fundamental y
constituye la base para extender el concepto de transformacin lineal a casos ms
generales que se presentarn despus en el texto.
~~ ~~~ ~~~~
Teorema 4.3.2. Una trasformacin T:R" R" es lineal si y slo si las si-
-+
T ( x )= Ax (31
I]
'
e, = , e2 =
Si
x=
son los vectores estrindar. brisicos para R", entonces la matriz estndar para 7
es
It]
de modo que por (6)
[TI=[:
-1 2 1
A = [ 3 o 61
4.3 Propiedades de las transforrnaciones lineales de R a Km / 247
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.
[ T I = [ Y e , ) I T(e,)l
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
[ TI =
i cos' H
sen0 cos O
sen O cos
sen28 1
Solucicin de b). Como sen nI6 = 112 y cos n/6 = f i I 2 , por el inciso a) se con-
cluye que la matriz estndar para este operador proyeccin es
As,
3+5v3
4
f i + 5
4
o bien, en notacin horizontal.
T(x) = Ax (7)
Figura 6
A = [ cos O
sen0
-sen0
cos 8 1
250 / Espacios vectoriales euclidianos
Como se analiz en la seccin 2.3, los eigenvalores de esta matriz son las solucio-
nes de la ecuacin caracterstica
A - cos 0 sen 0
det(AZ - A ) =
-sen 0 A - cos 0
es decir.
T(x)= A x =/x = x
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
*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.
4.3 Propiedades de las transformaciones lineales de R" a Rm / 251
La ecuacin caracterstica de A es
A-1 o o
det(AZ - A ) = o a-] o =o
O O h
O
:][:;I =[!I
Si A = O, este sistema es
[-;-A O
0 x3
cuyas soluciones son x1 = O, x2 = O, x3 = t (comprobar), o bien, en forma matricial,
Como ya se haba anticipado, estos son los vectores a lo largo del eje t. Si ,
I=' 1,
entonces el sistema (9) es
252 / Espacios vectorialeseuclidianos
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) A es invertible.
b) A x = O slo tiene la solucin trivial.
1
cf La forma escalonada reducida de A es In.
(0 A se puede expresar como un producto de matrices elementales.
e) AH = b es consistente para toda matriz b n X 1.
8 AH = b tiene exactamente una solucin para toda matriz b n X 1.
gj det4) # O .
h) El recorrido de TA es R".
i ) T,es uno a uno.
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 51, -t 3s3
w 2 = 2x, i-
w 3 = x! + 3x2 + 6x3 kv3 = x1 + 8x3
4.3 Propiedades de las transformaciones lineales de Rn a Rm / 253
3. Demostrar que el recorrido del operador lineal defindo por las ecuaciones
w , = 4x, - 2x2
w2 = 2x, - x2
4. Demostrar que e! recorrido del operador lineal definido por las ecuaciones
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.
10. a) T(x,y,z)=(x,x+y+z) b) T ( x , y , z ) = ( l , l )
11. a) T(x, y, z) = (O, O) b) T(x, y, z) = (3x - 4y, 2x - 52)
254 / Espacios vectoriales euclidianos
12. En cada inciso, usar el teorema 4.3.3 para encontrar la matriz estndar del operador
lineal a partir de las imgenes de los vectores estndar bsicos.
a) Los operadores reflexin sobre R2 en la tabla 2 de la seccin 4.2.
b) Los operadores reflexin sobre R3 en la tabla 3 de la seccin 4.2.
c) Los operadores proyeccin sobre R2 en la tabla 4 de la seccin 4.2.
d) Los operadores proyeccin sobreR3 en la tabla 5 de la seccin 4.2.
e) Los operadores rotacin sobre R2 en la tabla 6 de la seccin 4.2.
f, Los operadores dilatacin y contraccin sobreR3 en la tabla 9 de la seccin 4.2.
13. Aplicar el teorema 4.3.3, para encontrar la matriz estndar de TR2 R2 a partir de las
Imgenes de los vectores estndar bsicos.
a) TB2 +. R2 proyecta un vectorortogonalmentesobreel eje x y luego refleja ese
vector respecto al ejey.
b) T:R2 +. R2 refleja unvector respecto a la recta y = x y luego refleja ese vector
respecto al eje x.
c j 7R2 + R2 dilata un vector por un factor de 3 , luego refleja ese vector respecto a la
recta y = x, y luego proyectaese vector ortogonalmente sobre el eje y .
14. Aplicar el teorema 4.3.3 para hallar la matriz estndar de TR3 + R3 a partir de las
imgenes de los vectores estndar bsicos.
a) TR3 +. R3 refleja un vector respecto al plano xz y luego contrae ese vector por un
factor de 1/5.
b) 7R3+. R3 proyecta un vector ortogonalmente sobre el plano xz, y luego proyectaese
vector ortogonalmentesobre el plano x y .
c) TB3+. R3 refleja un vector respecto al plano x y , luego refleja ese vector respecto al
plano xz, y luego refleja ese vector respecto al planoyz.
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 ) ; 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.
25 7
256: / Espacios vectorides generales
6 se deducen de las definiciones de las operaciones estndar sobre R"; .los dems
axiomas se deducen del teorema 4.1.1. A
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 4 Sea V el conjunto de las funciones con valores reales definidas sobre
toda la recta real (- m , m ) . Si f =Ax) y g = g(x) son dos de estas funciones y k es
cualquier nmero real, entonces la funcin suma f + g y el mltiplo escalar kf se
definen por
Figura 1 al hi Cl
Ejemplo 5 Sea V = R2, con las operaciones de adicin y multiplicacin escalar de-
finidas como sigue: Si u = (u1, u2) y v = (vl, v2), entonces se define
u+v=(u, +u,,u,+u,)
u+v=(2+(-3),4+5)=(-1,9)
ku = 7u = ( 7 . 2 , O) = (14, O)
l u = l ( u , , u2) = (1 . u , , O) = (u,, O) # u
Ejemplo 6 Sea Vcualquier plano qui: pasa por el ongen en R'. Se demostrara que
los puntos en V constituyen u n espacio kectorial bajo las Operaciones estandar de
adxin y multiplicacin escalar para veclores en I?'.
Por el ejemplo I, se sabe que
262 / Espacios vectoriales genevales
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
As, "u = ( -ul, -u2, -u3) est en I.'. Esto establece el axioma 5. A
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
ou + ou = (O + O)u [Axioma 81
= ou [ Propiedad del nmero O 1
Por el axioma 5, el vector Ou tiene un negativo: -0u. Al sumar este negativo a
ambos miembros de la ltima e>rpresinse obtiene
O
ou + [Ou -t (-Ou)] = ou + (-OU) [Axioma 31
ou+o=o [Axloma 51
ou = o [Axloma 41
=o 0 [ Inciso u)]
1. El conjunto de todas las temas de nmeros reales (x, y , z) con las operaciones
2. El conjunto de todas las temas de nmeros reales (x, y , z) con las operaciones
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-
ciones estndar sobre R2.
261 / Espacios vectoriales generales
I. El conjunto de todas las parejas denmeros reales de ia forma (x, y ) , donde x 2 O, con
las operaciones estndar sobreR2.
8. El conjunto de todas las parejas denmeros reales (x,y ) con las operaciones
(x, y ) + (xf, y ' ) = (x + x' + 1, y f y' + 1) y k ( x , y ) = (kx, ky)
[::I
con la adicin y la multiplicacin escalar de matrices
13. El conjunto cuyo nico elemento es la Luna. Las operaciones son Luna + Luna = Luna
y k(Luna) = Luna, donde k es un nmero real.
14. Demostrar que una recta que pasa por el origen en R3 es un espacio vectorial bajo las
operaciones estndar sobre R".
15. Demostrar que el conjunto de todos los nmeros reales positivos con l a s operaciones
x+y=xy y h=xk
es un espacio vectorial.
22. Demostrar que los nueve primeros axiomas de espacio vectorial se cumplen si V = X
tiene la adicin y la multiplicacin escalar definidas en el ejemplo 5.
5.2 SUBESPACIOS
Ejemplo 2 Demostrar que una recta que pasa por el origen de R3 es un subespacio
de R3.
Solucin. Sea W una recta que pasa por el origen de R3. Geomtricamente es
evidente que la suma de dos vectores sobre esta recta tambin est sobre la recta, y
que un mltiplo escalar de un vector sobre la recta tambin est sobre la recta
(figura 2). As, W es cerrado bajo la adicin y la multiplicacin escalar, de modo
que es un subespacio de R3. En los ejercicios se pide al lector demostrar algebrai-
camente este resultado usando las ecuaciones paramtricas de la recta.
Todo espacio vectorial V diferente de cero tiene por l o menos dos subes-
pacios: Ves un subespacio, y el conjunto {O} que consta slo del vector cero en V
es uil subespacio denominado subespacio cero. Combinando esto con los ejemplos
1 y 2 se obtiene la siguiente lista de subespacios deR2 y R3.
{O} (0)
0 Rectas que pasan por el origen Rectas que pasan por el origen
0 R2 Planos que pasan por el origen
R3
Ejemplo 4 Por el teorema 1.7.2, la suma de dos matrices simtricas es una matriz
simtrica, y un mltiplo escalar de una matriz simtrica es simtrico. As, el
conjunto de matrices simtricas n x n es un subespacio del espacio vectorial M,,
de als matrices n X n. De manera semejante, el conjunto de las matrices triangu-
lares superiores n X n, el conjunto de las matrices triangulares inferiores n x n y
el conjunto de las matrices diagonales n X n son subespacios de M,,, ya que cada
uno de estos conjuntos es cerrado bajo la adicin y la multiplicacin escalar. A
Ejemplo 5 Sea n un entero positivo y sea W que consta de todas las funciones que
pueden expresarse en la forma
p(x) = a0 + 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 + q)(x) = p ( x ) + q(x) = (ao+ bo)+ ( a l + b , ) x + . . . + (a, + b,)x"
Y
(kp)(x) = kp(x) = (ka,) + ( k a , ) x+ . . + (ka,)x"
'
268 / Espacios vectoriales generales
A x = O y Ax'=O
a) [i -% j[:l-[B1 [ b) - 31 - 27
[-i -: -:][!]=[:]
-2 4
c) 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.
x = 2 s - 3 4 y=s, z=t
a partir de lo cual se concluye que
270 / Espacios vectoriales generales
x = ~ Y - ~ Oz ~ - 2 y + 3 ~ 0
Esta es la ecuacin del plano que pasa por el origen con n = (1, -2, 3) como
vector normal.
b) Las soluciones son
x = -5t, y = -t, 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
Solucin. Para que w sea una combinacin lineal de u y v, deben existir escala-
res k , y k2 tales que w = k,u + k2v; es decir,
5.2 Subespacios / 271
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)
k , + 6k2 = 4
2 k , + 4k2 = - 1
-k+
t 2k, = 8
Este sistema de ecuaciones es inconsistente (comprobar), de modo que no existen
los escalares k, y k,. En consecuencia, w' no es una combinacin lineal de u y v. A
ESPACIO Si vl, v,, . . . , v, son vectores en un espacio vectorial V, entonces en general al-
GENERADO gunos vectores en V pueden ser combinaciones lineales de vl, v,, . . . , v, y otros
(Lw 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.
de W. 0
de los vectores vl, v2 y v3. Expresando esta ecuacin en trminos de las compo-
nentes se obtiene
2 74 Espacios vectoriales generules
2. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespa-
cios
a) Todas las matrices 2 X 2 con elementos enteros.
b) Todas las matrices
dondea+b+c+d=O.
c) 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 subespa-
cios de P,.
5.2 Subespacios / 275
4. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespa-
cios del espacioF( - 03,m ) .
a) Todas lasftales queflx) O paratoda x. b) Todas lasftalesquefl0) = O.
Todas
c) lasftales quef(0) = 2. d) Todas las funciones
constantes.
e) Todas lasfde la forma k , + k, sen x, donde k , y k, son nmeros reales.
5. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespa-
cios de M,,,,.
a) Las matrices A n
b) Las matrices A n
X
X
k
n tales que tr A ) = O.
n tales que A = -A.
c) Las matricesA n X 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
"1
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=[-: - 11 i] b)A=[-3 1 -2 c ) , 4 = [ 21 52 3 1
d)A=[!
-4
2 -6 :]
-5
e)A=[i
-2 -6
]!l f, A=[:
1 0 8
18
-3 i]
7. Cules de los siguientes vectores son combinacioneslineales de u = (O, -2, 2) y v =
(1,3, -l)?
a) (2,2,2). b) (3, 1,5). c) (O, 4, 5). d) (0, o, O).
8. Expresar cada uno delos siguientes vectores como combinacioneslineales de u = (2, 1,
4), v = (1, -1,3) y w = (3,2, 5).
a) (-9, -7, -15). b) (6, 11,6). c) (0, o, O). d) (7,8, 9).
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).
20. llna recta L que pasa por el origen en R3 se puederepresentar por ecuaciones
paramtricas de la forma x = at,y = ht y z = ct. Usar estas ecuaciones para demostrar
que L es un subespacio de R3; es decir, si v, = (x,, y , , z,) y v2 = (x2,y,, z2) son puntos
en L y k es cualquier nmero real. entonces kv,
y v, + v2 tambin son puntos en L.
f f (x) dx = O
es un subespacio de C [ a ,h ]
5.3 Independencia lineal / 277
se convierte en
k,( 1, o. O) + k,rO, l . O) -L- J"(0, o, 1) = (O, O, 0)
o equivalentemente,
(itl, IC,> P,) ~= (0; o * 0)
- . . .., .
278 / Espacios vectoriales generales
k,v, + 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, + 6k, + 2 k 3 ,3kl - k2 + k 3 ) = (O, O, O)
Igualando las componentes correspon&entes se obtiene
k, + 5k, + 3k, =O
-2k, +
6k2 2k3 = O +
3k, - k , + k3 = O
1 , x , x 2, . . . ) x"
Solucin. Sean
po= I , p1= x , p2=x2, . . . ) p n = x n
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$ + + I '
Demostracin de a). Sea S = {vl, v2, . . . , vr} un conjunto con dos o ms vectores.
Si se supone queS es linealmente dependiente, entonces existen escalaresk , , k,, . . . ,
k,., no todos iguales a cero, tales que
k , v l + k,v, + . . . + k , ~ =, O (2)
Para ser especfcos, supngase que k , f O. Entonces (1) se puede volver a escribir
como
de modo que
VI - c2v2 - c3v3 - ' ' ' - crv,. = o
Se concluye que S es linealmente dependiente, ya que la ecuacin
k , ~ +, k2v2 + . . t- k,v,. = O
'
se satisface por
k, = 1, k, --c2, . . . . kr = - c,.
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
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-
5.; Independencia lineal / 281
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) b) C)
a) b) c)
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.
Considrese la ecuacin
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 continua-
cin 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 Espacios vectoriales generales
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 independien-
tes 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 conti-
nuas 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).
Solucin. El wronskiano es
1 e-' e Z X
w(x> = O e x 2e2' = 2e3'
O ex 4eZX
c) pl = 3 - 2x + x2 y p2 = 6 - 4x + 2x' enP,
286 /' Espacios vectoriales generales
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.
a)v,=(2,-2,0),v2=(6,1,4),v,=(2,0,-4) b)v,=(-6,7,2),v2=(3,2,4),v,=(4,-1,2)
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 ) , - 6 ) , v,=(-3,6,0)
~ 2 = ( 2 , -4, b) ~ 1 = ( 2 , - 1 , 4 ) , ~ , = ( 4 , 2 , 3 ) ,~ , = ( 2 , 7 ,- 6 )
c) VI = (4, 6, 8). v2 = (2, 3,4), vj = ( - 2 , -3, -4)
11. Demostrar que si {vl, v2> v3} es un conjunto de vectores linealmente independiente en
un espacio vectorial V y v4 es cualquier vector en V, entonces {vl, v2, v3, v4) tambin
es linealmente independiente.
13. Demostrar que todo conjunto con ms de tres vectores de P2 es linealmente depen-
diente.
14. Demostrar que si {vI, vz} es linealmente independiente y v3 no est en lin {vl, vz},
entonces {v,, v2, v3} es linealmente independiente.
16. Demostrar: El espacio generado por dos vectores en R3 es una recta que pasa por el
origen, un plano que pasa por el origen o el origen mismo.
18. ,$on linealmente independientes los vectores v,, v2 y v3 de la figura 3a? Y los de la
figura 3b? Explicar las respuestas.
tz
Figura 3
21. Con el inciso a) del teorema 5.3.1, demostrar el incisob ) del mismo teorema.
a) bI (' 1
coordenadas no rectangulares en el
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.
5.4 Base y dimensin / 289
-3 -2 -1
-?I
-3
-1
-2
a) S es linealmente indepenhente.
b) S genera a V.
es decir.
C, = k,, c 2 = k,, ..., crt = kn
RESPECTO A
UNA BASE v = c,v, + c*v2+ ' . ' + c,v,
es l a expresin que describe un vector v en trminos de la base S, entonces los
escalares cl, c2,. . . , e,, se denominan coordenadas de v respecto a la base S. El
5.4 Base y dimensin / 291
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,>
OBSERVACI~N. Se debe notar que los vectores de coordenadas no slo dependen
de la base S, sino tambin del orden en que se escriben los vectores bsfcos; un
cambio en el orden de los vectores bsicos da por resultado un cambio corres-
pondiente en el orden de los elementos en los vectores de coordenadas.
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
v = (VIS
Figura 4
Los resu1:ados delejemplo anterior son un caso especial de los quese
presentan en el siguiente ejemplo.
entonces
As, S es una base de R"; se denomina base estndar de R". Por (2) se con-
cluye que las coordenadas de v = (vl, v2, . . . , vn) respecto a la base estndar
son v l , v2, . . . , vn, de modo que
v =w7
.
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 0 4
Ejemplo 5
Ejemplo 6 Sean
Es decir,
a [ 'O O
0 ]+b[O
O 0 'I+# : ] + d [ oO 0I]=[: :]
Se concluyeque
Ejemplo 8 Por los ejemplos 2, 5 y 6, los espacios vectoriales R", Pn y M,,,, son de
dimensin finita. Los espacios vectoriales F(- m , m ) , C(- m , m ) , Cm(- m , w)
y C" (- m , m) son de dimensin infinita (ejercicio 23). A
296 ,I Espacios vectoriales generales
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,
+ (k1a,, + k2a,, + . . . + kma2,,,)v2
+
a,,!%, a,,k, + . . + q m k m= o
'
a , , k , +- a2,k, + . . . + a,,k, = O
(8)
+
v, = a l l w l + a Z I w 2 . . . + a , , ~ ,
v2 = a 1 2 w l+ a22w2+ . . + am2w,
'
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, + a I 2 k 2+ . . . + a&, =O
a2,k, + a2,k2 + . . . + a2,k, =O
Este sistema lineal contiene ms incgnitas que ecuaciones y por el teorema 1.2.1,
posee soluciones no triviales. 0
Ejemplo 9
Ejemplo 10 Determinar una base para y la dimensin del espacio solucin del
sistema homogneo
"
j
O
ALGUNOS El resto de esta seccin se dedicar a una serie de teoremas que revelan las sutiles
TEOREMAS relaciones que hay entre los conceptos de generacin, independencia lineal, base y
FUNDAMENTA- dimensin. Estos teoremas no son ejercicios vanos de matemticas tericas; porel
LES contrario, son esenciales para comprender los espacios vectoriales y muchas apli-
caciones 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.
b) C)
Figura 5
". . -. ,".I .. . .
. ".
I
300 / Espacios vectoriales generales
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.
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.
.-.. .
302 ,I Espacios vecloriaies generales
idea para R3. En esa figura se observa que aumenta la dimensin de subespacios
sucesivamente ms grandes.
1 Origen
(dimensin O)
I
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 con-
junto 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
,
1. Explicar por qu los siguientes conjuntos de vectores no son bases de los espacios
vectoriales indicados. (Resolver este problema por inspeccin.)
a) u, = (1, 2), u2 = (O, 3), uj = (2, 7) para R2
b ) u l = ( - 1 , 3 , 2 ) , u,=(6,1,1)paraR3
C) pI = 1 + x + x2, p2 = x - 1 para P2
a) u l = ( l , O ) . u ~ ~ ( OI ) ; , ~ = ( 3 -,7 ) b) U, = ( 2 , -4), ~ , = ( 3 , 8 ) ;w = ( l , 1)
c) u, = ( I , I ) , u, = ( O , 2); w = (u, h )
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 12. 3r, +x, +x, + x 4 = o 13. x , - 4x, 3x3 - x4 = o +
- 2x, - x, 2x3 = o+ 5x, - x, xj - x4 = o + 2 ~ -, 8x2 + 6x3 - 2x4 O
-x, + x, = o
14. X, - 3x, + x3 = O 15. 2x, +x, + 3x3 = O 16. x + y + z = O
2x, - 6x2 + 2 ~ =, O x, + 5x, = o 3x+2y-2z=O
3x, - 9x, -t3x, = o x, + xj = 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
20. Encontrar un vector estndar bsico que se pueda agregar al conjunto { v , , vz} para
obtener una base paraR3.
a ) v , = ( - 1 , 2 , 3 ) v, , = ( l , - 2 , -2) b ) v , = ( l , -l,O), vz=(3,1,-2)
21. Encontrar vectores estndar bsicos que se puedan agregar al conjunto {vi, v2} para
obtener una basepara p.
v , = ( l , - 4 , 2 , -3), ~ , = ( - 3 , 8 , -4,6)
22. Sea { v I , v2, vj} una base de un espacio vectorial V. Demostrar que {ui, u2, u3} tam-
bin es una base, donde u1= Y , , u2 = v i + v2 y u3 = v, + v2 + v3.
5.4 Base y dimensin / 305
23. a) Demostrar que para todo entero positivo n, en F( - m , m ) se puede hallar n + 1 vec-
tores 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 , m), Cm(- m , m) y C (- m , m) son espacios vectoriales de
dimensin m f i i t a .
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 vec-
) ~ . . . , (v& forman un conjunto linealmente indepen-
tores de coordenadas ( v ~ (vJS,
diente en R" y recprocamente.
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
COLUMNA
los vectores
Ejemplo I Sea
"I
' "i
4
.
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,
x, = 2 , x2 = - 1, x3 = 3
Ax,= b y Ax=b
A(x - xo) = o
5.5 Espacio rengln, espacio columna y espacio nulo / 309
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 ~0.
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 .
310 ,/ Espacios vectoriales generales
I
Espacio solucin
deAx = O
Figura 1
y se obtuvo
- 3r - 4s - 2t
I- -
- 3 r-4 -2
1 O
O -2
x=r
O
+ S
1
+t
O O
- O-
O - O1
es la solucin general del sistema homogneo
(comprobar). A
BASES PARA Primero se designaron las operaciones elementales en los renglones para resolver
ESPACIOS sistemas lineales y, por ese
trabajo.
sabe
se que al efectuar una
operacin
RENGL~N, elemental en los renglones de una matriz aumentada no cambia el conjunto so-
ESPACIOS lucin dei sistema lineal correspondiente. Se concluye que realizar una operacin
COLUMNA Y elemental en los renglones de una matriz A no modificael conjunto solucindel
ESPACIOS sistema lineal correspondiente A x = O o, expresado de otra forma, no cambia el
NULOS espacio nulo de A . As, se tiene el siguiente teorema.
A = [
1 I-
-1 -1
1 O
v, = O -1
O O
O 1
q,r2 ,..., rk de B son combinaciones lineales de rl, r2, . . . , rmj as, estn en el
espacio rengln de A. Como un espacio vectorial es cerrado baJo la adicin y la
multiplicacin escalar, todas las combinaciones lineales de ri, r;, ..., rh tambin
estn en el espacio rengln de A . Por consiguiente, todovector en el espacio
rengln de B est en el espacio rengln de A.
Como B se obtiene a partir de A al efectuar una operacin en los renglones,
A se puede obtener de B al efectuar la operacin inversa (seccin 1.5). As, el
razonamiento anterior muestra que el espacio rengln de A est contenido en
el espacio rengln de B. 0
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
.. . . , c:,
I ,
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 inde-
pendientes si y slo si lo mismo es cierto para B. Aunque se omitir la demostra-
cin, 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
r
i Teorema 5.5.6. S
i una matriz R esfh en ,forma escalonada.entonces los
vectoresrengln con los unos prixipales (rs decir, k m vectnres rengkbc;
dferentes de cero) forman una base para el espaciorengln de N, y L L Y
vectores columna con los unos principales de ios vectores rengln forman u m
base para el espacio columna de R.
Ejemplo 5 La matriz
I .7
O l
R=
o o
O O
1 -3 4 -2 5 4
2 -4 9 -1 S 2
A=
2 -6 9 -1 9 7
-1 3 --4 2 -- 5 -. 4
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 -3 4-2 5 41
r,=[O O 1 3 -2 -61
r,=[O O O O 1 51
forman una base para el espacio columna de R; as, los vectores columna corres-
pondientes de A , a saber
c, = [ 11,
-1 %=[ -4 j], [; I] -5
Ejemplo 7 Encontrar una base para el espacio generado por los vectores
316 Espacios vectoriales generales
1 - 2 o o 3
2 -5 -3 -2 6
O 5 15 10
2 6 1 8 8 6
I
1 -- 2
O 1
0
O
O
O
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
A = [ -;y; ;
-2 o o
;]
que conste completamente de vectores rengln de A .
I
1 2 O 2
-2 -5 5 6
AT= O -3 15 18
o -2 10 8
3 6 O 6
O I;]O
O
O O
'-;I
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 ~ = l2 i ]
c, = O Y
i
3
Y
r4=[2 6 18 8 6 1
Por el teorema 5.5.5 se sabe que las operaciones elementales en los renglo-
nes no modifican las relaciones de independencia lineal o dependencia lineal entre
los vectores columna; sin embargo, las frmulas (5) y (6) indican un resultado
incluso ms profundo. Debido a que estas frmulas tienen en realidad los mismos
coeficientes escalares xl, xz, . . . ,xn, se concluye quea ls operaciones elementales
en los renglones no modifcan l a s frmulas (combinaciones lineales) que relacionan
vectores columna linealmente dependientes. Se omite la demostracin formal.
Ejemplo 9
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, . . . , v5
como sus vectores columna:
i~
1 2 O 2 5
-2 -5 I -1 "8
o -3 3 4 1
3 6 o -7 2-
1
T
\; \, \ ; \, \ <
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
1 o 2 o
1 -1 o
0 0 1 1
o 0 O 0
w,,w2>w4)
es una base para el espacio columna de (8) y en consecuencia
W? = 2w, - W?
wj = w , + w2 + wq
v3 = 2v, - V?
v5 = v i + v2 + vq A
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.
5. Encontrar la forma vectorial de la solucin general del sistema lineal dado A x = b; luego,
usar el resultado para encontrar la forma vectorial de la solucin general de Ax = O.
a) x I - 3x, = 1 b) x 1 x, 2x, = 5 + +
2 x I - 6x2 = 2 XI + x, = - 2
2x, + x, + 3x, = 3
C) +
.xI - 2 ~ , X , + 2 x 4 = - 1 d) .xI + 2x, 3x3 + x4 = 4
-
2xI - 4x, + +
2x3 4x, = -2 -2x, + x, +2x, + x, = - 1
-x, + 2x, - x3 - 2x4 = 1 -x1 + 3x, x3 + 2x, = 3
-
+ +
3x, - 6x, 3x3 6x4 = - 3 4x, - lx, - 5x4 = -5
6. Encontrar una base para el espacio nulo deA .
-1 0 -
5.5 Espacio rengln, espacio columna y espacio nulo / 321
7. En cada inciso se proporciona una matriz en forma escalonada. Por inspeccin, Rallar las
bases de los espacios rengln y columna deA .
c)
1
[: A -;
O
O
2
0
4
0
- :I [" ' :]
5
0
d)
O
O
0
-7
8. Para las matnces del ejercicio 6, encontrar una base para el espacio rengln de A redu-
ciendo la matnz a la forma escalonada.
9. Para las matnces del ejercicio 6, encontrar unabase para el espacio columna deA .
10. Para las matrices del ejercicio 6, encontrar una base para el espacio rengln de A que
conste completamente de vectores rengln A
de.
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, 3)
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 com-
binacin 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]
y considrese un sistema de coordenadas rectangulares xyz en el espacio tndimensional.
Demostrar que el espacio nulo de A consta de todos los puntos del eje z y que el espacio
columna constade todos los puntos enel plano v.
t1 '
Espacio nulo de A
Y
5.6 RANGO Y N
LQS CUATRO Si se consideran juntas una matriz A y su transpuesta A': entonces existen seis
ESPACIOS espacios vectoriales de intcrds:
MATRIClALES
FUNDA- espacio rengln de A espacio rengln deA T
MENTALES espacio colunlna de '4 espacio columna de AT
espacio nulo de .4 espacio nulo de A'
Sin embargo, al transponer una matriz sus vectores rengln se convierten en vcc-
tores 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:
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.
Las dmensiones de los espacios rengln, columna y nulo de una matriz son n-
meros tan importantes que existen notacin y terminologa especiales asociadas con
ellos.
RANGO Y Definicin. La &mensin comn del espacio rengln y del espacio columna de
NULIDAD una matriz A se denomina rango de A y se denota por rango@); la dimensin
del espacio nulo de A se denomina nulidad de A y se denota por nulidad(A).
r-l
-:I
o
14 "9 2 -4 -4
71
1 O -4 -28 -37
O 1 -2 -12 -16
O 0 0 O O
O 0 0 O O
324 Espacios vectoriales generales
x4 = S
X$ = t
X6 = u
-1
o bien, de manera equivalente,
28 37 - 13
12 16
O O
+ S t l +U
1 O
O 1
O O1 O
Los cuatro vectores del miembro derecho de (3) forman una base para el espacio
solucin. de modo que nulidad(A) = 4. A
I
-rungo ( A ) + nulidad ( A ) = n
5.6 Rango y nulidad / 325
Asl.
nmero de variables
principales variables libres
nmero de
libres
1
El nmero de variables libres es igual a la nulidad de A . Esto es as porque la
nulidad de A es la dimensin del espacio solucin de A x = O, que es igual al
nmero de parmetros que hay en la solucin general vase (3), por ejemplo , que
es igual al nmero de variables libres. As,
rango ( A ) + nulidad ( A ) = n 0
La demostracin del teorema precedente contiene dos resultados importantes
de suyo.
Ejemplo 2 La matriz
-1 2 O 4 5 - 3
3 - 7 2 o 1 4
'4 =
2 - 5 2 4 6 1
4 -9 2 "4 "4 7
-
nulidad(A) = n - rango(A) = 7 - 3 = 4
(Espacioental Dimensin
I Espacio rengln d e n I r I
VALOR MXIMO Si A es una matriz m x n, entonces los vectores rengln estn en R" y los vectores
PARA EL RANGO 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
5.6 Uav1go y nulidad 1' 327
{c,, c2, . . . , c n } y recprocamente (por qu?). As, por, el teorema 5.2.4, el es-
pacio columna de A y el espacio columna de [A ! b] son iguales.
328 1 Espacios vectoriales generales
I
1 - -2 --3 2
-3 7 --1 1
2 - .S 4 --3
-3 6 9 --6
I:J
- 17
que tiene la siguiente forma escalonada reducida (comprobar):
10
O
O O i O
Debido al rengln
0 0 0 0 1
se observa que el sistema es inconsistente. Sin embargo, tambin es debido a este
rengln que la forma escalonada reducida de la matriz aumentada tiene menos
renglones cero que la forma escalonada reducida de la matriz de coeficientes. Esto
hace que la matriz de coeficientes y la matriz aumentada del sistema tengan ran-
gos distintos.
Ei teorema de consistencia trata sobre las condiciones en las cuales un sis-
tema lineal Ax = b es consistente para un vector espedfico b. El siguiente teore-
ma tiene que ver con las condiciones en que un sistema lineal es consistente para
todas las elecciones posibles de b.
5.6 Rango y nulidad / 329
-
Teorema 5.6.6. Si A x = b es un sistema lineal de m ecuaciones Con n incog-
nitas, entonces lassiguientes proposiciones son equivalentes.
x1 - 2x2 = b,
XI - x2 = b,
x, + x2 = b,
x, + 2x2 = b,
x1 + 3x2 = b,
es sobredeterminado, de modo que no puede ser consistente para ninguno de IPS
valores posibles de h , , h, b,, 5, y b,. La resolucindel sistema lineal por
climinacin deGauss-Jordan da las condiciones exactas en que el sistema cs
consistente. Se deja para el lector demostrar que la roma escalonada reducida rle
(1
l a matriz aurncntada es
7_h! - 3h2 -5 h, -0
3 h , -- 4h2 -C b,% ~=o
4b, - 5h2 + h, = li
o bien, resolviendo este sistema lineal hornogdnco,
a ) A es invertible.
b ) Ax = O sdlo tiene la solucin trivial.
c) La forma escalonada reducida de A es 1,.
d, A se puede escribir corno un producto de matrices elementales.
e ) A x = b es consistente para toda matriz b n X l .
fi A x = b tiene exactamente una solucin para toda matriz b n x l .
g>det(A) f O .
h) El rango de Zp, es Rn.
I) TA es unoa uno.
j ) Los vectores columna de A son linealmente independientes.
k ) Los vectores rengln de A son linealmente independientes.
0 Los vectores columna de A generan a R".
m ) Los vectoresrengln de A generan a R".
n ) Los vectores columna de 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 de A es O .
o * p . Si los n vectores rengln de A forman una base para R", entonces el espacio
rengln de A es de dimensin n y el rango de A es n.
1
Id -!I
2. Encontrar el rango y la nulidad de la matriz;luego,comprobar que los valores
obtenidos satisfacen la frmula (4) del teorema de la dimensin.
a) A = [ ! b) A = [ :
o
-a]
-1
c)A=
,-I
1 4
2 1 3 , ]
3
5
2
2
d) A =
1
3 - 2
-1
4
o -1
5
1
-2
6
4 -1
1
o
-3
3 6 O -3 '1
2 3 5 7
-2 9 2- 5 - 4
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
sin resolver el sistema.
- a) b) C e) d) 0 8)
TamaodeA 9 x 5 5 x 9 6 x32x 3 4 x3 4x 3 3 x 3
Rango de A 3 2 1 2 2 O 2
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 b , , b,. b,, b, y b, paraque el sistema lineal
sobredeterminado
X -- 3 , =~ h ;~
x1 - 21, = h2
S ) i- X? = 11,
.yl - 4x2 = h,
x, + 5 . =~ h,~
sea consistente!
10. Sea
A=
22 21
2, 022 21 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
origen en el espacio tndimensional. Es posible que el espacio rengln o el espacio
columna de A tambin sea una recta que pasa por el origen? Explicar la respuesta.
a)A=[; l ;
i t b)A=[-i
14. Supngase que A es una matnz 3 X 3 cuyo espacio columna es un plano que pasa por
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.
16. Demostrar: Si A es una matrlz no cuadrada, entonces los vectores rengln de A o los
vectores zolumna de A son linealmentedependientes. [Sugerencia Ver elejercicio
15.;
17. Usar el resultado del ejercicio 10 para demostrar que el conjunto de puntos (x, y , z) en
R3 para el que l a matriz
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 -4~+8y+5z=O 2x + Sy + 62 = O
-4xt-6.v-2z-O +
2x - 43' 32 = o 3X+ y - 4 2 ~ 0
3. a) Expresar (4a, a - b, a + 26) como una combinacin lineal de (4, 1, 1) y (O, - 1,2).
b) Expresar (3a + b + 3c, -a + 46 - c, 2a + b + 2c) como una combinacin lineal de
(3, - 1 , 2 ) ~ ( 1 , 4 , 1 ) .
336 i Espacios vectoriales generales
8. Para efectos de este problema, una "matriz en tablero de ajedrez" se defmir como una
matriz cuadrada A = [ a ..] tal que
II
1 si i + j espar
a,,=
{ O si i +j es impar
Encontrar el rango y la nulidad de las siguientes matrices en tablerode ajedrez:
Lamatriz 3 X 3 . b) La matriz 4 X 4 . c) La matriz n X n .
9. Para efectos de este ejercicio, una "matriz en X" se d e f i como una matriz cuadrada
con un nmero impar de renglones y de columnas que contiene ceros en todas partes,
excepto en las dos diagonales, donde tiene unos. Encontrar el rango y la nulidad de las
siguientes matrices en X
p O 0 O 11
11. (Pata quienes ya esfudiaton Cdculo.) Demostrar que el conjunto de todos los
polinomios en Pn que tienen una tangente horizontal en x = O es un subespacio de Pn.
Encontrar una base paraeste subespacio.
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 consi-
dera 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
339
340 / Espacios con producto interior
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.
( 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
y que m repeticiones del experimento producen estos valores con varias fre-
cuencias; es decir, x1 ocurrefi veces, x2 ocurre& veces, etc. Como en total hay m
repeticiones del experimento,
fl +- f 2 + . . + fn=m
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,
3
Resulta evidente que (v, v} = 3v + 2v O. Adems, (v, v} = 3v f + 2v = O si y 3
slo si v1 = v2 = O , es decir, si y slo si v = (vl, v2) = O. Asi, se cumple el cuarto
axioma. A
l/uil = (u -u)'/?
y la distancia euclidiana entre dos puntos cualesquiera u = (u1, u2, . . . , un) y v =
(vi,v2, . . . . vn) se puede expresar como
d(u, v) = /Iu - v i / = [(u - V ) . ( r r " v)]':
[Vanse las frmulas (1) y (2) de la seccin 4.1 .] Tomando como motivacin estas
frmulas, se hace la siguiente definicin
X(u, v) = /u
- VI/
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 ; + I ' ' + u;
6.1 Productos interiores / 343
Y
d(u, v) = //u- VI/ = (u - v, u - v)l2 = [(u - v ) . (u - v ) y
= V(U,- Ul)2 + (u* - u2)2 + . + (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 [van-
se las frmulas (1) y (2) de esa seccin.] A
11u11 = v?TT = 1
Y
d(u, v) = I/u- VI/ = /1(1, - 1)/1= v,
mv5 =
CIRCUNFEREN- Si Ves un espacio con producto interior, entonces el conjunto de puntos en V que
CIAS Y ESFERAS satisfacen
UNITARIAS EN
ESPACIOS CON I I ~ I I= 1
PRODUCTO
INTERIOR se denomina egera unitaria o algunas veces circunferencia unitariaen I/. En R2
y R3, estos son los puntos cuya distancia al origen es igual a l.
Ejemplo 5
a) Trazar la circunferencia unitaria en un sistema de coordenadas en R2 usan-
do el producto interior euclidiano (u, v) = ulvl + u2v2.
b) Trazar la circunferencia unitaria en un sistema de coordenadas xyz en R3 usan-
do el producto interior euclidiano ponderado (u, v) = $ ulvl + $ u2v2.
t"
x2 y2
-+"=1
9 4
todos los espacios con producto interior, sin importar cul sea el producto in-
terior (ejercicio 20).
a) b)
Figura 2 1 " + V/I /1u/1+ b'l/ Ilu + V/12 + l/u- V / l 2 = 2(/lu1I2+ /lV1l2)
[q
GENERADOS describirn a continuacin. Sean
POR MATRICES
U= y 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
= 3u,u, + 2u2u2
En general, el producto interior euclidiano ponderado
{u, v ) = "IU1L'! + W7U2U2 f ' ' + W,U,U,
es el producto interior sobre R" generado por
A-
1 0
.
\$O
0 1
(comprobar). A
Ejemplo 7 Si
Por ejemplo, si
entonces
( U , V ) = 1( - I ) + 2(0) + 3(3) + 4(2) = 16
6. I Productos interiores / 347
Ejemplo 8 Si
[
b
I,
b
I,
b b
= f ( x > W dx + g(x)s(xl dx
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 A
L =
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.
6.1 Productos interiores / 349
a ) (O, v) = (v, O ) = O
b) (u, v + w ) = (u, v)+ (u, w)
c) (u, kv) = k( u, v)
d ) ( u - v, w ) = (u, w) - (v, w )
e) (u, v - w ) = (u, v) - (u, w )
I
Ejemplo 11
(u, v + w ) = (v + w)TATAu
= (VT + wT)ATAu [Propiedad de la transpuesta]
= (V'A~AU) + (w'A 9 ~ )[Propiedad de la multiplicacinde matrices]
= (u, v) + (u, w )
350 Espacios con producto interior
Ser instructivo para el lector comprobar los dems incisos del teorema 6.1.1 para
este producto interior.
5. a) Usando la frmula (7), demostrar que (u, v) = 9u,vl + 4u2v2 es el producto interior
sobre R2 generado por
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 - u,v2 - u2vl + 10u2v2es el
producto interior sobre R2 generado por
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 sobre R2. Encontrar una matriz que lo genere.
a) (u, v ) = 3u,u, + 5u2u2 b) ( u , v ) = 4u,u, + 6 u p 2
8. Sean u = (U,, U*) y v = (v,,v2). Comprobando que se cumplen los axiomas de 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.
6.1 Productos interiores / 351
A = [ -1 '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 *
( P, 9 ) = J: p(x)q(x) dx
19. Encontrar un producto interior euclidiano ponderado sobre R2 para el cual la circun-
ferencia unitaria sea la elipse que se muestra en la figura 3 .
352 1' Espacios con producto interior
"c">ii Figura 3
20. Demostrar que la siguiente identidad se cumple para vectores en cualquier espacio con
producto interior.
//u + VI/* + //u - V/IZ = 2//U1l2 + 21jv112
21. Demostrar que la siguiente identidad se cumple para vectores en cualquier espacio con
producto interior.
(u, v ) = +l/u + vil2 - allu - vil2
22.
Demostrar que (U, = u l v l + u2v3 + u3v2+ u4v4 no es un producto interior sobre M2,.
24. Demostrar: Si (u, v) es un producto interior euclidiano sobre R" y si A es una matnz n
X n, entonces
(u, .4v) = ( A T U , V )
25. Comprobar el resultado del ejercicio 24 para el producto interior euclidiano sobre R3 y
26. Sean u = (u1, u,, . . . , un)y v = (y1, v2, . . . , v,). Demostrar que
27.
28. (Para quienes ya estudiaron C6lculo). En cada inciso, usarel producto interior
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
la otra versin de la frmula (3), definida por (4).]
31. Demostrar que la matriz (5) genera el producto interior euclidiano ponderado
(u, v ) = w l u l u l + w2u2u2 + ' ' + wu,u,, sobre R".
32. Demostrar los incisos a) y d)del teorema6. l. l.
DESIGUALDAD Recurdese por la frmula (1) de la seccin 3.3 que si u y v son dos vectores dife-
DE CAUCHY- rentes de cero en R2 o en R3 y 8 es el ngulo entre estos vectores, entonces
SCHWARZ
u v = llull llvll cos o (1)
o bien, de otra manera,
cos o = - u.v
llull llvll
En el primer objetivo de esta seccin es definir el concepto de ngulo entre
dos vectores en un espacio general con producto interior. Para que la definicin
sea razonable, sera bueno que fueseconsistente con la frmula (2) cuando se apli-
que al caso especial de R2 y R3 con el producto interior euclidiano.A s , se quiere que
la definicin del ngulo 8 entre dos vectores diferentes de cero en un espacio con
producto interior cumpla la relacin
354 1 Espacios con producto interror
p T Z K T - 1
m[
(5)
(6)
PROPIEDADES Losdos teoremas siguientes demuestran que las propiedades bsicas de la longitud
DELA y la distancia establecidas en los teoremas 4.1.4 y 4.1.5 para vectores en el espacio
LONGITUD Y LA euclidiarro n dimensional son vlidas en espacios generales con producto interior.
DISTANCIA EN Este hecho es una evidencia deque las definiciones de producto interior, longitud
ESPACIOS CON y &stancia estn bien elegidas.
PRODUCTO
INTERIOR Teorema 6.2.2. Si u y v son vectores en un espacio V con producto interior y
si k es cualquier escalar, entonces:
a) 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)
~ ~~~~
a)
b)
d ( u , v2 ) O
d(u,v)=Osiyslosiu=v
1
c) d ( u , v )= d(v, U )
d; d ( u ,V ) 5 d(u, W ) + d ( w , v ) (Desigualdad del tringulo)
I
llu + VI12 = (u + v, u + v )
= (u, u ) + 2(u, v ) + (v, v )
9 (u, u ) + 2/(u, v)l + (v, v ) [Propiedaddel valor absoluto]
5 (u, u >+ ~ l l ~ l l l l ~ (v,
l l +v> [~or(4)1
= llU1l2 + 2llull I b ! l + 11vIl2
= (llull + /lv11)2
Extrayendo raz cuadrada se obtiene
cos o = -(u,
- v) - 9 3
A
mm
"
II~IIIIVII- = 2 f i
ORTOGONA- El ejemplo 2 esen esencia un ejercicio matemtico, ya que hay relativamente poca
LIDAD necesidad de encontrar ngulos entre vectores, excepto en R2 o en R3 con el
producto interior eucli&ano. Sin embargo, un problema de importancia capital en
todos los espacios con producto interior es determinar si dos vectoresson
ortogonales; es decir, si el ngulo entre ellos es 0 = n/2.
Por (8) se concluyeque si u y v son vectoresdferentes de cero en un espacio
con producto interior y 0 es el ngulo entre ellos, entonces cos 0 = O si y slo si (u,
v) = O. De manera equivalente, para vectores diferentes de cero se tiene 0 = n/2 si
y slo si (u, v) = O. Si por acuerdo se considera el ngulo entre u y v como n/2
cuando uno de los vectores es O o ambos vectores son O, entonces se puede afirmar
sin excepcin que el ngulo entre u y v es n / 2 si y slo si (u, v) = O. Este hecho
sugiere la sigwente definicin.
y sea
p=x, q=x2
Entonces
COMPLEMENTOS Si Ves un plano que pasa por el origen de R3 con el producto interior euclidianc,
ORTOGONALES entonces el conjunto de todos los vectores que son ortogonales a cada vector en V
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.
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
2 2 - 1 o 1
1 1 -2 o -1
L
O - l0 1 - 31 '
1
]
ortogonal de W. En el ejemplo 4 de la seccin 5.5 se demostr que
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 = i-
1,1, o, o, 0) y v 2 = ( - l , O , -1,o, 1)
+.
Teorema 6.2.7. Si A es una matriz n X n, y si TA 1 R" R" es la multiplicacin
por A , entonces lassiguientes proposiciones son equivalentes.
a ) A es invertible.
b ) Ax = O slo tiene la solucin trivial.
c ) La forma escalonada reducida deA es I,,
d) A se puede escribir como un producto de matrices elementales,
e ) ifx = b es consistente para toda matriz b n X 1.
fi A x = b tiene exactamente una solucin para toda matriz b n X 1.
S> deffJ f o.
h ) Id rango de 7> es Rn.
i ) TA es uno a uno.
j ) Los vecfores columna de A son linealmente independientes.
k) Los vectores rengln de A son linealmente independientes.
I) Los vectores columna deA generan a R".
m) Los vectores rengln de A generan a Rn.
n) Los vectores columna de A forman una base para R".
o) Los vectores rengln deA forman una basepara R".
p) El rango de A es n.
q) La nulidad de A es O.
r) El complemento ortogonal del espacio nulo de A es Rn.
S) El complemento ortogonal del espacio rengln deA es (O) .
6.2 ngulo y ortogonalidad en espacios con producto interior 363
Este teorema relaciona todos los temas principales estudiados hasta el momento.
RESUMEN 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 mencio-
nados en el teorema 5.6.9.
6. Sea M22 con el producto interior del ejemplo 7 en la seccin 6. l . Encontrar el coseno del
ngulo entre A y B.
7. Sea
A = [ -1 '1
3
364 / Espacios con producto interior
Cules de las siguientes matrices son ortogonales a A con respecto al producto interior
del ejercicio 6?
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 .
r ecuacin para WL
D e t e m ~ a una
14. Sea
A=[:
2 -1
a]
2
16. Encontrar una base para el complemento ortogonal del subespaciode R" generado por los
vectores
a) vI = (1, - 1, 3), v2 = (5, -4, -4), v3 = (7. -.6, 2 1
b) V I = (2, O, - l), vZ = (4, O, -2)
c)v,=(l,4,5,2),v2=(2,1,3,0),v3=(-1,3,2,2)
d)~,=(l,4,5,6,9),~~=(3,-2,1~4,-1),~~=(-I,0,-1,-2,-1),
v4 = (2, 3, 5, 7, 8)
17. Sea V un espacio con productointerior. Demostrar que si u y v son vectores ortogonales en
a.
Vtales que llull= llvll= 1, entonces ~ l u- V I I =
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
[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 ,
366 i Espacios con producto interior
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:
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
33. Con respecto al producto interior euclidiano, la norma de los vectores u = (1, ya)
v = ( - 1, 3 ) es igual a 2, y el ngulo entre u y v mide 60 (figura 4). Encontrar un pro-
ducto interior euclidiano ponderado con respecto al cual u y v sean vectores unitanos orto-
gonales.
Figura 4
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicin QR / 367
Ejemplo 1 Sean
u1 =(O, 1,0), u , = ( l , O , l), u , = ( l , O , -1)
1
mv
tiene norma 1, ya que
I I Y I I = 1, IIu211 = f i 9 11~311= u5
En consecuencia, al normalizar u u2 y u3 se obtiene
36% Espacios con producto interior
El lector debe comprobar que el conjunto S = {vl, v2, v3> es ortonormal, al de-
mostrar que
COORDENADAS El inters de encontrar bases ortonormales para espacios con producto interior es
RELATIVAS A motivada en parte porel siguiente teorema, que muestra cun excepcionalmente
BASES vector en trminos de una base ortonomal.
sencillo es expresar un
ORTONOR-
MALES
Demostracion. Como S = {vl, v2, . . . , v n > es una base, un vector u se puede ex-
presar como
Ejemplo 3 Sean
VI =(O, 1, O), v2 = ( - 4 57 o 9 3
51, v3 = (& o, 6,
Es fcil comprobar que S = {vl, vz, v3} es una base ortonormal para R3 con el pro-
ducto 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.
~~~~ ~
I/u//= (u u) '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
1
"X, k)
-
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 mutua-
mente 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.
o, de manera equivalente,
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 con-
siguiente, k , = O. Como el subndice i es arbitrario, se tiene k , = k, = . . . = kn = O;
as, S es linealmente independiente. 0
3 72 I Espacios con producto interior
PROYECCIONES A continuacin se desarrollarn algunos resultados que sern de utilidad para ob-
ORTOGONALES tener 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
donde w1 est en W y w2 es perpendicular a W (figura 1). Este resultado es un caso
especial del sigwente teorema general cuya demostracin
se da a final de esta seccin
r
~~~ ~~~~ ~
u=w,+w,
Figura 2
La componente de u ortogonal a W es
proy,, u = u -proy,.u = (1, 1, 1) - (&, 1, --&) = (+&,t?, gj
ObsCrvese que p r o y p u es ortogonal tanto a vi comoa v2, de modo que este
vector es ortogonal a todo vector en el espacio W generado por v1 y v2, como debe
ser. A
374 / Espacios con productointerior
DETERMINA-Se
ha visto que las bases ortonormales poseen varias propiedades tiles. El
CIN DE BASES siguiente teorema, que es el resultado principal de esta seccin, muestra que todo
ORTOGONALES espacio vectorial no nulo y de dimensin finita tiene una base ortonormal. La de-
Y BASES mostracin de este resultado es muy importante, ya que proporciona un algorit-
ORTONORMALES mo, o mtodo, para convertir una base arbitraria en una base ortonormal.
~~ ~~~~ ~~~
Teorema 6.3.6. Todo espacio no nulo de dimensin finita con producto inte-
rior tiene una base ortonormal.
/ \
(U2VI)
v2= u2 - proyw, u2 = u2-
V
l 1I2
Por supuesto, si vz = O, entonces v2 no es un vector bsico. Pero st0 no
puede suceder, ya que por la frmula precedente parav2 se concluira que
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),
Paso 4. Para determinar un vector v4 que sea ortogonal a v,, v2 y v3, se calcula
la componente de u4 ortogonal al espacio W3 generado por v l , v2 y vj.
Por (71,
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicin QR /I 3 75
'
Figura 4
Solucin.
3 76 Espacios con producto interior
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.
son ul, %,
Para resolver este problema, supngase que los vectores columnaA de
. . . , u,, Q son q,, q2, . . . , 9,; as,
y que los vectores columna ortonormales de
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.
DEMOSTRACI~NADICIONAL
w2=u-w1 (11)
u=w,+w,
se obtiene
o = (w; - wl) + (w;- w2)
o bien,
w1- w;= w; - w? (14)
2. Cules delos conjuntos del ejercicio 1 son ortonormales con respecto al producto
interior euclidiano sobre R2?
3. Cules de los siguientes conjuntos de vectores son ortogonales con respecto al pro-
ducto interior euclidiano sobre R3?
4. Cules de los conjuntos del ejercicio 3 son ortononnales con respecto al producto
interior euclidiano sobre R3?
a) 3 5 3 5
Demostrar que {x, y}es ortononnal s R2 tiene el producto interior (u, v) = 3u,vl +
2u2v2, pero que no es ortononnal s R2 tiene el producto interior euclidiano.
11.
12. Sea I? con el producto interior euclidiano, y sea S = {MI , w?]la base ortonormal con
w = (++j , w 2 = (5.4)
> >
a)l Deternlinar los vectores u y v cuyos vectores de coordenadas son (u), = (1, 1) y (v),
=(-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
con w,= (O, - ((),-I,*),' I F
IV, = (1, O, 0 ) y w3= (O,y,y).
'.
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 coorde-
nadas ( u ) , (v).~y (w)& luego, comprobar los resultados mediante clculos directos
sobre u y v.
14. En cada inciso, S representa alguna base ortotlorma1 de u11 espacio tetradimensional
con producto interior IJsar l a informacin que se proporciona para encontrar IIuII, IIv -
WII, IIv + w11 Y (v, w).
a) (u), = ( - 1. 2, I , 3 ) , (vjS = (0, - 3 , I , 5), ( w ) =
~ ( - 2. - 4. 3, 1)
b) (U), = (O. O. - 1. - l ) , (v),,= (5, 5. - 2, -2). (w),, = (3, O. " 3 . O)
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, trans-
fonnar 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, trans-
formar 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, trans-
formar la base {u1,u,, u3, u4} en una base ortononnal
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicin QR / 383
19. Sea R3 con el producto interior euclidiano. Encontrar unabase ortonormal para el
subespaciogeneradopor(0, 1,2),(-1,0, l)y(-1, 1,3).
a) [: -:I
1 0 1
1 0 2 1 2 1
-1 1 1
o 3 1 1 0 1
1 2 0
O[ -1 1 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. Demos-
trar 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 li-
neal 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.
30. (Para quienes y a estudiaron Crslculo). llsando el teorema 6.3.1, expresar los si-
guientes polinomios como una combinacin lineal de los tres polinomios normalizados
de Legendre (ejercicio 29).
a) I + x + 4x4. b) 2 - 7x2 c) 4 + 3x.
c'
( P , 4)= J, P(X)Y(X) &
(It 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 aproxima-
cin w de este tipo dar por resultado un "vector de error"
u-w
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.
o, de manera equivalente,
SOLUCIN DE Hasta ahora se han tratado principalmente sistenlas de ecuciones lineales consistentes.
SISTEMAS Sin embargo. los sistemas lineales inconsistentes tambin son importantes en
LZNEALES POR aplicaciones fisicas. Una situacin comn es que algn problema fisico conduzca a un
MNLMOS sistema 'lincal A x = b quedesde un punto de vista terico debeser consistente.
CUADMDQS aunqueno lo es debido a que"erroresdemedicin"en los elementosde A y b
perturban bastante al sisten~a parahacerlo inconsistente. E n situaciones como stas se
brlsca un valor de x que est "Io n h prximo posible" de ser una solucin en el sentido
de que redczca el valor de jbgx = bll con respecto al producto interior euclidiano.
Lacantidad Ib4x = bll se puedeconsiderarcomounamedidadel"error"que
resulta al considerar a x como una solucibn aproximada del sistema lineal A x = b.
Si el sistema es consistente y x es una solucin exacta, entonces el error es cero. ya
que (PIX -= bjl 1 1 0 1 1 = O. En general, mientras ms grande sea el valor de 1c4x =
bjl, mas deficiente ser la aproximacin de x a una solucin del sistema.
~ ~ ~~ ~ ~~~~~~~
-:-cf +P t71
.
t . . t e 2 de donde proviene la cspresin r n i m m m cuadrdoa.
Para resolver e1 problema de mnimos cuadrados, sea I f ' el espacio columI-ta
de A . Para todanlatri/: n X 1 . el producto - { X es una combinacin lineal de los
xzcctorcs crrlunrna dc ..! h i . cuando x \,aria sobre !?n. el vector .'Zx vara sobre
todas las combinacroncs 1:nealcs posibles dc los \'cctorcs columna de ;1; es decir.
. la \.aria sobrc lodo cl cspacio columna il'.Geomtricamente, resolver el problema
dc mnimos cuadrados equivale a encontrar u11 vector S en R n tal que <.lx sea el
Lector CPI i f . m i s prbxiino a b ( f i g m 2).
que un vector x sea una solucin por mnimos cuadrados de Ax = b, este vector
debe satisfacer
Ax = proy, b (2)
o, de manera equivalente,
ATAx = ATb (3)
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 Antes de ardizar algunos ejemplos numricos, se establecern condiciones que
DE LAS garantizan que un sistema lineal tiene slo una solucin por mnimos cuadrados.
SOLUCIONES Sc nccesitari el siguienic tcorema
POR M~NIMOS
CUADRADOS Teorema 6.4.3. S' '4 es una matriz tt1 X n, entonces las siguientes proposicio-
nes son equivalentf~s.
c ) A tiene vectores columna linealmente independientes
d) ATA es invertible.
Solucin. Aqu,
-1
A = [ 3
o 2
1 -1
3
1
O
1
de modo que
3
3 1 0 1 11 6 -4
1
ATA= 1 2 1 1 6 7 0
O
[-1 O 2 " i -4 O 6
1
-3
3 1 0 I
-3
ATu = 1 2 1 1
8
-1 0 2 -1
9
-4 10
6.4 Mejor aproximacibn, mnimos cuadrados / 391
Se deja como ejercicio demostrar que las proyecciones ortogonales son operadores
lineales. Por la frmula (5) se concluye que la matriz estndar para la proyeccin
ortogonal de Rmsobre IV es
[ P 1 = A ( A 'A) ' 4 '
~ (6)
donde A se obtiene usando cualquier base para W como sus vectores columna
Para darse cuenta de que lo anterior es consistente con la frmula (6), consid-
rense los vectores unitarios a lo largo de los ejes x y y positivos como base para el
[ie]
plano xy, de modo que
A=
392 3 Espacios con producto interior
Se deja para el lector comprobar que ATA es la matriz identidad 2 x 2; as, (6) se
[:
simplifica a
[P]-AAT= o :][I
1
0
O
1
o]=[:
0 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 7';
PIX)
1L
+
Figura 3
a ) A es invertible.
b ) Ax = O slo tiene la solucin trivial.
c ) La forma escalonada reducida de A es I,,,
d) A puede escribirse como un producto de matrices elementales,
e ) Ax = b es consistente para toda matriz b n X 1,
f,l A H = b tiene exactamente una solucin para toda matriz b n X 1.
g ) det(A) f O .
6.4 Mejor aproximacin, mnimos cuadrados / 393
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.
8. Por medio de la frmula (6) y el mtodo del ejemplo 3 , determinar la matriz estndar
de la proyeccin ortogonalP r R 3 -+R3 sobre
a)el plano x z . b) el planoyz.
[Nofa Comparar los resultados con la tabla 5 de la secci6n 4.2.1
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 .
15. Sea A una matriz m X n con vectores renglol linealmente independientes. Encontrar
una matnz estndar para la proyeccin ortogonal de Rn sobre el espacio rengln de A .
[Sugerencia Empezar con la frmula (6).]
Una base que es adecuada para un problema puede no ser para otro, de modo
que en elestudio de los espacios vectoriales unproceso comn es cambiar de una
base a otra. Debido a que una base es la generalizacin a espacios vectoriales
de un sistema de coordenadas, el cambio de base es semejante a cambiar de
ejes de coordenadas en R2 y R3. En esta seccin se estudiarn varios problemas
relacionados con el cambio de base. Tambin se obtendrn propiedades de las
matricescuadradas que tienenvectores columna ortonormales. Estasmatrices
surgen en diversos contextos, incluyendo problemas en los que hay un cambio de
una base ortonormal a otra.
MATRICES Las matrices cuyas inversas se pueden obtener por transposiciones son tan im-
ORTOGONALES portantes que existe una terminologa asociada con ellas.
A-l'AT
A A ~ = A ~ A = I (1)
Ejemplo 1 La matriz
""1
7
=[O
1 0 0
0
1
0
0~ A
1
A = [
COSO
sen0
-sen0
cos 01
Esta matriz es ortogonal para todas las elecciones de 8 ,ya que
Obsrvese que para las matrices ortogonales en los ejemplos 1 y 2, tanto los
vectores rengln como los vectores columna forman conjuntos ortonormales con
respecto al producto interior euclidlano (comprobar). Este hecho no es fortuito; es
una consecuencia del siguiente teorema.
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 pro-
ducto interior euclidiano.
c ) Los vectores columna de A forman un conjunto ortonormal en R" con el
producto interior euclidiano.
r l - r l = r 2 . r 2 = .. .= rn-rn= 1
Y
ri-rj=O CuandoiZj
Ejemplo 3 La matriz
MATRICES En el ejemplo 2 se vio que las matrices estndar para los operadores reflexin y
ORTOGONALES rotacin bsicos sobre R2 y R3 son ortogonales. El siguiente teorema ayudar a
COMO OPERA- explicar este hecho
DORES LINEALES
398 i Espacios con producto interior
a ) A es ortogonal.
h ) &4xll = llxll para todo x en R".
c)Ax.Ay=x.yparatodoxyyenR".
x.(A~AY-~)=o O X . ( A ~ A- q Y = o
de modo que
-
( A ' A- I)y (A 'A - /)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 ro-
taciones bsicas de R2 y R3 son ortogonales.
MATRICES DE Recordar por el teorema 5.4.1 que si S = {vl, v,, . . . , vn} es una base para un es-
COORDENADAS pacio 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
las bases inicial y nueva, respectivamente. Sern necesarias las matrices de coor-
denadas para los nuevos vectores bsicos con respecto a la base inicial. Supngase
que las matrices son
400 / Espacios con producto interior
Es decir,
u; = "U1 + bu,
u; = cul + dU2
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.
6.5 Matrices ortogonales; cambio de base / 401
Ejemplo 4 Considerar las bases B = {u1, u2} y B' = {u;,ui} paraR2, donde
10s nuevos vectores bsicos u1y u2 con respecto ala base inicial B. Por inspeccin,
u; = u, u2 +
u; = 2u, + u2
de modo que
u, = - u ; + u;
u2 = 2u; - u;
de modo que
a ) P es invertible.
b ) P- es la matriz de transicin de B a B'.
-:I
Suponer que B = {ul, u2, . . . , U,} y que
Cl I
..
C2 I
..
PQ =
.. Cnn
Por (7)
rx1B = p[xlB'
Y
[XIB, = Q[xIB
1 x 1 =~ ~ Q [ X ] B (9)
. ,...
(. ' O
... ..
."I
404 I Espacios con producto interior
CAMBIO DE El siguiente teorema muestra que c.11 un espacio con producto interior, la matriz de
BASE transicin de una base ortonormal a otra es o; togonal.
ORTONORMAL
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),
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
6.5 Matrices ortogonales; cambio de base / 405
[;:I = p"[ ;]
Y Y
\
"
I
'
\
Figura 1 d)
cos H
[u;I R = [sen
[4lS = 1 - sen
cos
e
COS
sen H
0 -sen 0
cos 8 I
406 1 Espacios con producto interior
Observar que P es una matriz ortogonal, como seesperaba, ya que B' y B son bases
ortonormales. As,
7T % - 1
sen: = cos - = -
4 4 v 5
[;:I =
Por tanto, si las coordenadas iniciales de un punto Q son (x, y) = (2, - l), entonces
Figura 2
vos, y los vectores unitarios ul, u2 y u3a lo largo de los ejes x!, y' y z' posi-
tivos, 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
LU;lB = [!]
Por tanto, la matriz de transicin de B' a B es
cos 6
P = [sei0
-sen8 O
co; 8 y]
y la matriz de transicin de B a B' es
cos 8 sen 8 O
cos 0 sen H O
-sen8 cos 8 O
O o 1
1 2 " 16
25 5 25
3. Determinar cules de las siguientes matnces son ortogonales. Para las que s sean, en-
contrar la inversa
O O
O 1/%6 112 O
4. Comprobar que las matrices de rotacin y las matrlces de reflexin en las tablas 2 y 3
de l a seccin 4.2 son ortogonaies.
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
w=[;!]
13. Repetir las instrucciones del ejercicio 12 con el mismo vector w, pero con
410 / Espaclos con producto interior
16. Sea un sistema de coordenadas rectangulares x)' obtenido al girar un sistema de coor-
denadas 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) Encontrar las coordenadas xy del punto cuyas coordenadasx'y' son (5,2).
20. Repetir el ejercicio 18 para una rotacin de B = 3 ~ 1 4en sentido contrario a las ma-
necillas del reloj alrededor del eje x (mirando a lo largo del eje x positivo hacia el
origen).
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.
6.5 Matrices ortogonales; cambio de base I' 41 1
donde (x, y , z) y (x", y " , z") son las coordenadas q z y x"y"z" y del mismo punto,
respectivamente.
[ zz ]
sea ortogonal?
24. Demostrar que una matriz ortogonalA tiene una de las dos formas posibles:
[
cos 0
A = [sen 0
donde O S 8 < h.
- sen0
cos 0 1 o A= cos 0
-sen 0
-senO]
- cos 0
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 reflexinalre-
dedor 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.
28. Con el resultado del ejercicio 27 y el inciso b ) del teorema 6.5.2, demostrar que una
composicin de rotaciones siempre se puede efectuar mediante una simple rotacin con
respecto a algn eje idbneo.
1 EJERCICIOS COMPLEMENTARIOS 1
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.
es ortogu:;al y simtrica.
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".
7. Encontrar un producto interior euclidiano ponderado sobreRn tal que los vectores
v , = ( l , O , O , . . . O)
)
v , = ( O , ~ , O, . . . , O )
vi = (O, O, v?, . . . , O)
v, = (O, O, o, . . ., d i)
8. Existe algn producto interior euclidiano ponderado sobre R2 para el que los vectores
(1,2) y (3, - 1) formen un conjunto ortonormal? Justificar la respuesta.
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). De-
mostrar que cada una de las aristas anteriores forma un ngulo igual a Q con la dia-
gonal, 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?
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
14. Demostrar: Si (u, v ) ~ y (u, v)* son dos productos interiores sobre un espacio vet-
torial V, entonces la cantidad (u, v) = (u, Y), + (u, tambin es un producto in-
terior.
41 4 Espacios con producto interior
15. Demostrar que el producto interior sobre Rn generado por cualquier matriz ortogonal es
el producto interior euclidiano.
EIGENVALORES,
EIGENVECTORES
AX AX
Figura 1
Ax= Ax
415
4I 6 " Eigenvalores, eigenvectores
Ejemplo 1 El vector x =
[:I es un eigenvector de
correspondiente al eigenvalor ,
I= 3 , ya que
Ax = 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
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 .
det(A1-A) = det[
A
-4
O
-1
A
17 A - 8
o
- 1 ] = A3 - 8A2 + 17A- 4
Para resolverestaecuacinseempezarbuscandosolucionesenteras.Esta
so-
tarea se puede simplificar bastante aprovechando el hecho de que todas las
luciones enteras (en caso de que haya) de una ecuacin polinomial con coefi-
cientes 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). Divi-
diendo 1 -4 entre A3 -%I2 + 171 - 4 se observa que (2) se puede volver a escri-
bir como
418 Bigenvalores. tigenvectores
(A-4)@-4A+ 1)=0
As. las otras soluciones de (2) satisfacen la ecuacin de segundo grado que se
det(A1 -
= ( A - 1 1 ) ( A - 2 2 ) ( A - a j j ) ( A- U 4 . l )
As, la ecuacin caracterstica es
(A--u,~)(~~-~~~~~(A~11~3)(Aa,~)=o
EIGENVALORES Es posible que la ecuacin caracteristica de una matriz con elementos reales tenga
COMPLEJOS soluciones complejas. Por ejemplo, el polinomio caracterstico dela matriz
es
a) A es un eigenvalor de A :
6) El sistema de ecuaciones @I - A)x = O tiene soluciones no triviales
c) En R existe un vector x diferente de cero tal que Ax = Ax.
6) A es una solucin de la ecuacin caracterstica det(AI - A ) = O .
DETJCRMINA- Ahora que ya se sabe cmo obtener los eigenvalores, se abordar el problema de
CIN DE BASES determinar eigenvectores. Los eigenvectores de A correspondientes a un
PARA eigenvalor son los vectores x diferentes de cero que satisfacenA x = Ax. De manera
EIGENESPACIOS equivalente, los eigenvectores correspondientes a 1 son los vectores Werentes de
cero en el espacio solucin de (AI - A)x = O . Este espacio solucin se denomina
eigenespacio de A correspondiente a A.
420 Eigenvalores, eigenvectores
Si A = 2, entonces ( 3 ) se convierte en
x, = "S, x2 = t, x3 = S
x=[-;]=[-!]+[;];.[ -Y1
Como
son linealmente independientes, estos vectores forman una base para el eigenespa-
cio correspondiente a A = 2.
Si 1 = 1, entonces ( 3 ) se convierte en
7.1 Eigenvalores y eigenvectores / 421
de modo que
[-T]
es una base para el eigenespacio correspondiente a L = l. A
EIGENVALORES Una vez que se han determinado los eigenvalores y los eigenvectores deuna
DE LAS matriz A , es fcil encontrar los eigenvalores y los eigenvectores de cualquier
POTENCIAS DE potencia entera positiva de A ; por ejemplo, si 1 es un eigenvalor de .4 y x es un
UN MATRIZ eigenvector correspondiente, entonces
EIGENVALORES El siguiente teorema establece una relacin entre los eigenvalores y la invertibili-
E dad de una matriz.
INVERTIBILIDAD
Teorema 7.1.4. Una matriz cuadrada A es invertible s y slo si 1 = O no es un
eigenvalor de A .
o bien, haciendo 1 = O,
det(-A)=c,, o (-l)det(A)=c,
a)
L: 1 11
-2 1 O
424 Eigenvalores, eigenvectores
-4 -2
5. Obtener los eigenvalores de las matrices del ejercicio 4.
3 7 11
O 0 0
O 0 0
12. Encontrar los eigenvalores y bases para los eigenespacios deA25 para
-1 -2 -2
A=[-; -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.
(u + d ) t v ( u - d)' + 4bc I
Usando el resultado anterior, demostrar queA
a) tiene dos eigenvalores reales distintos si (a - d)2 + 4bc > O
b) tiene un eigenvalor real si (a - d)2 + 4bc = O.
c) no tiene eigenvalores reales si (a - q2+ 4bc < O.
18. Sea A la matriz del ejercicio 17. Demostrar quesi (a - d)2 + 4bc > O y b f O, entonces
los eigenvectoresde A correspondientes a los eigenvalores
Al =$[(u +d)+v ( u - d ) 2 + 4bc ] y /I2 = [ ( u+ d ) - d ( u - d)2+ 4bc
son
respectivamente.
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. [Suge-
rencia 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 eigenvec-
tores 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 El objetivo principal de esta seccin es mostrar que los dos problemas siguientes,
DE LA que a simplc vista parecen muy diferentes, en realidad son equivalentes.
DIAGONALIZA-
CIN DE Problema del eigenvector. Dada una matriz A n X n, jexiste una base para
MATRICES R" integrada por eigcnvectores de A?
a ) A es diagona/izahle.
h ) '4 lime n eigenvectores linealrnente independientes.
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
PI1 PI2
'.'
P2l P22
. ' '
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 =
(A - l)(A - 2)* = o
=[-;I,
y se determinaron las siguientes bases para los eigenespacios:
L=2: p, p2=[;]
p-lAp=[-: ;]A
o
P=[
-1 -2
; ;]
En el ejemplo 1 se hubiera obtenido
430 Eigenvalores,
eigenvectores
2 o o
A-1 o O
det(A.l-~A)= - 1 A-2 O = ( A - l)(A-2)2
3 -5 1-2
( A - 1 ) ( A 2)* = o
-
Como A es una matriz 3 X 3 y en total slo hay dos vectores bsicos, entonces A
no es diagonalizable.
se obtiene
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
:I
4 0
o o 2-v3
para alguna matriz invertible P. Sise desea, la matriz P puede determinarse
usando el metodo del ejemplo 1 de esta seccin. A
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
es una matriz diagonalizable. A
(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 diagonali-
zacin, 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
I I
O
4
O ...
entonces
7.2 Diagonalizacin / 435
A=[! o i]
-2
:I
-1 o -2
:
D=P"..=[: 2 0 0 y]
As, por (lo),
A'3=PD13P" = [-p A o -2
:l[: 213 o
:3 :'.I[-:
o 1 0
1
0 -1
2
I]
(11)
- 8190 O -16382
OBSERVACI~N.
= [ 8191
8192
8191 O 16383
2. Sea
a) krlxwnlrar los eigellvalores de 11.
b) Para cada eigenvalor 1, determinar el rango de a
l matriz111 - <4
c) ,Esdiagonalizable A? Justificar In respuesta.
En los qercicios del 8 al 1 1. hallar una matriz P que diagonalice a A, y determinar P" AP.
A= [-A o
: -"]
15 -2
22. Sea
23. En el caso en que la matnz A del ejercicio 22 es diagonalizable, encontrar una matriz P
que diagonalice a A .
24. Demostrar que si A es una matriz diagonalizable, entonces el rango de A es el nmero
de eigenvalores diferentes de cero de .4.
P'AP =D (1)
A T = (PDPT)T= (PT)TDTPT
= PDPT = A
CONDICIONES El siguiente teorema muestra que toda matriz simtrica es, de hecho, diago-
PARA DIAGO- nalizable ortogonalmente. En este teorema, y durante el resto de esta seccin,
NALIZACI~N ortogonal sigruficar ortogonal con respecto al producto interior euclidiano sobre
ORTOGONAL R"
D = P AP
As,
A = PDP-]
A = PDPT
Por consiguiente,
A , V ] . v2 = V ] A*vz
O B S E R V A C I ~ N . El lector
debe recordar que hasta el momento se ha supuesto
que todas las matrices tienen elementos reales. De hecho, en el capitulo 10 se
ver que el inciso a) del teorema 7.3.2 es falso para matrices con elementos
complejos.
det(A1-A)=det
["-: 1:
-2 A-4 -2 =(A-2)2(A-8)=0
v, = [ - l/v?
l/ofi] y v2=
I
Finalmente. usando a v l , v2 y v3 como vectorescolumna se obtiene
df
2
: '1
2 4
4
e ) [4
4 0
O o]
0 0 0 0
0 0 0 0
0
f) [-: ;2
0
-1
0 -I
o
; -;I
En los ejercicios del 2 al 9, encontrar una matriz P que diagonalice ortogonalmente a A , y
determinar P"AP.
442 / Eigenvalores, eigenvectores
6. A = [
1 1 0
I 1 O]
O 0 0
7. A = [ : ! :: I!]
O 0 0 0
3 1 0 0
8. A = [ O 0 o0 0
24O
O
24 O
O - 70
7
O 2 4
O
O
24
7
EJERCICIOS COMPLEMENTARIOS
A= [ cos 0
sen 8
-sen 0
cos 8 1
no tiene eigenvalores y en consecuencia no tiene eigenvectores.
b) Proporcionar una explicacin geomtrica del resultado del inciso
a)
6. Demostrar: Si b # O, entonces
no es diagonalizable.
O 1 0
1 -3 3
co + + a2 =o
para
13. Una matm cuadrada A se denomina nilpotente si A" = O para algn entero positivo n.
,Qupuede afirmar el lector sobre los eigenvalores de una matriz nilpotente?
respectivamente.
Ejercicios complementarios / 445
17. Sea A una matriz cuadrada tal que A3 = A. Qu puede afirmar el lector sobre los
elgenvalores de A?
CAPITULO 8
TRANSFORM4CIONES
LINEALES
8.1 TRANSFORMACIONESLINEALESGENERALES
DEFINICIONES Y Recurdese que una transformacin lineal de R" a Rm se defini como una funcin
TERMINOLOGA
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
ls siguientes relaciones se cumplen para todos los vectores u y v en R" y cualquier
a
escalar c (vase elteorema 4.3.2):
44 7
Estas propiedades se usarn como punto de partida para el estudio de las transfor-
maclones linealcs generalcs.
Ejemplo 2 Sean G ' y E' dos espacios vectoriales cualesquiera. El mapeo T:V + W
tal que ?'(v) = O para todo v en V es una transformacin lineal denominada trans-
formacin cero.Para darse cuenta que 7' es lineal, obsrvese que
Por consiguicnte.
T ( u + V) = T ( u ) + T ( v ) y 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
8. I Transformaciones lineales generales / 449
w2, . . . , w,)
S = {WI,
(Vase Pa figura 3 .) A
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, supn-
gase que u y v son vectores en Y y que
As,
Pero
de modo que
(u + v ) =
~ ( c , + d , , c2 + d,, . . . , C, + d,,)
(kuj, = ( k c , , kc,, . . . , kc,)
8.1 Transformaciones linealesgenerales / 451
Por consiguiente,
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 )
Por las propiedades de producto interior,
T ( u + v) = ( u + v, Vo> = (u, vo) + ( v , vO)= T(u) + T(v)
Y
T ( k u ) = (ku, v") = k( u, vo>= kT(u)
de modo que T es una transformacin lineal. A
D(f) = y(.,
Por las propiedades de derivacin se tiene que
Y
D(kf) = kD(f)
J ( c f ) = j : c f ( t ) d t = ~ [O f ( t ) d r = c J ( f )
T ( 0 ) = T(0v) = OT(V) = o
T(x)= x + x,,
tiene el efecto geomtrico de trasladar cada punto x en una direccin paralela a x.
por una distancia llxo/l (figura 4). Esta no es una transformacin lineal, ya que T(0)
= xo, de modo que T no mapea O en O .
8.I Transformaciones lineales generales / 455
de los vectores bsicos. Esto se hace al expresar primero a v como una combina-
cin lined de los vectores bsicos, por ejemplo,
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
Por tanto.
T(.u,, x2, x
i = -u,T(v,) + ( x 2 - -Y3 IT@,) + (x, - X 2 ) T ( V 3 )
= -u,( 1, O) + (x2 - -Y3 )(2, - 1 ) + (x, - x2)(4,3 )
-
- (4a, - 2.5 - x j , 3.Yl - 4s2 + x3)
A partir de esta frmula se obtiene
T(2. ~~ 3. 5 ) = (9. 2 3 ) A
I donde u es un vector en U.
OBSERVACI~N. 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.
Figura 5
( T o I)(v) = T(Z(v))= T ( v )
( I o T ) ( v ) = I ( T ( v ) )= T ( v )
T I : U+ V, T2 V+ W, y T 3 : W+Y
como
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, de-
mostrar 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. Jus-
tificar las respuestas.
6. TM
:, + R, donde T(A)= &(A).
8. TM2, + R, donde
12. Considrese la base S = {y1, vz) para HZ,donde v, = ! . j 1 v2 = ( I , O), y sea T:Rz +
R2 el operador lineal tal que
T(v,)= (1, -2) y T ( v , ) = ( - 4 , 1)
Obtener una frmula para T ( x l ,x2) y usarla para encontrar T(5, - 3 ) .
13. Considrese la base S = {vl, v2} para R2, donde v1 = (-2, 1) y v2 = (1, 3), y sea TB2
-fR3 la transformacin lineal tal que
14. Considrese la base S = {vl, v2, v3} para R3, donde v1 = (1, 1, 1 ), vz = ( 1 , 1 , O) y v3 =
( 1, O, O) y sea TB3+ R3 el operador lineal tal que
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 =
(3, 3 , 4 ) y sea TB3+ R2 la transformacin lineal tal que
hallar una frmula para T ( x l ,xz, x3) y usarla para evaluar T(7, 13, 7)
a) Encontrar ( T , 0 T J A ) , donde A =
[::]
b) Puede el lector obtener (T2 0 T,)(A)?Explicar la respuesta
21. Sea T,:V + V la dilatacin T,(v) = 4v. Encontrar un operador lineal T,:V + V tal que
T I 0 T , = I y T, 0 TI = 1.
23. Sea qo(x) un polinomio fijo de grado m ,y la funcin T con dominio Pn definida por la
frmula T(p(x))= p(q,(x)).
a) Demostrar que T es una transformacin lineal. b) Cul es el codominio de T ,
b) T 3 o T 2 o T I = ( T 3 0 T 2 ) o T l
c) T 3 0 T 2 0 T 1 = T 3 0 ( T 2 0 T I )
30. Sea {v,, v,, . . . , vn} una base de un espacio vectorial V y sea T V +- Wuna transforma-
cin lineal. Demostrar que si T(v,)= T(v,) = ' . . = T(v,) = O, entonces T es la transfor-
macin cero.
31. Sea {v,, v,,. . . , 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.
Ejemplo 3 Sea I:V + Vel operador identidad (ejemplo 3 de la seccin 8.1). Como
I(v) = v para todos los vectores de V, todo vector en Ves la imagen de algn vector
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
PROPIEDADES En todos los ejemplos anteriores, ker(7) y R(7) resultaron ser subespacios. En los
DEL NCLEO ejemplos 2, 3 y 5 fueron el subespacio cero o todo el espacio vectorial. En el
Y DEL ejemplo 4 el ncleo era una recta que pasa por
el origen y el recorrido era un
RECORRIDO plano que pasa por el origen; ambos son subespacios de R3. Nada de lo anterior es
fortuito; es una consecuencia del siguiente resultado general.
a) El ncleo de T es un subespacio de V.
b) El recorrido de T es un subespacio de W.
T(kv,) = kT(v,) = M) = O
Y
T(b) = T ( k a , )= kT(a,) = kw,
por el ejemplo 1 se sabe que ker(T) de 7> es el espacio nulo. deA y que el recorri-
do de 7' es el espacio columna de A . Por tanto, se tiene la siguiente relacin entre
cl rango y la nulidad de una matriz y el rango y la nulidad de la transformacin
matricial correspondiente.
A = [ -
1 2 0 4 5 -
3 -7 2 o 1
2 -5 2 4 6
4 -9 2 -4 - 4
nulidad ( T ) = 1 y rango ( 7 ) = 2 A
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
DEMOSTRACIN ADICIONAL
dim(R(T)) + dim(ker(T)) = n
La demostracin se proporcionar para el caso en que 1 Idim(ker(7)) < n. Los
casos dim(ker(2)) = O y dim(ker(7)) = n se dejan como ejercicios. Supngase que
dim(ker(7)) = r, y sea v l , . . . , v, una base para el ncleo. Como {vl, . . . , v,) es
linealmente independiente, el teorema 5.4.66 establece que existen n - r vectores,
v,+~,. . . ,vn, tales que {vl, . . . , v,, v , + ~ ., . . , v,} es unabase de V. Para completarla
demostracin, se probar que los n - Y vectores en el conjunto S = { T(V,+~),. . . ,
T(v,)} forman una base para el recorrido de T.Entonces se concluir que
dim(R(T)) + dim(ker(T)) = ( n - r ) +r =n
Primero se demostrar queS genera el recorrido de7'. Si b es cualquier vectoren
el recorrido de T.entonces b = T(v) para algn vector v en V. Como { v , , . . . , v,,
v , + ~ ., . . , vn} es una base para V, entonces el vector v se puede escribir como
siguiente, este vector se puede escribir como una combinacin lineal de los
vectores bsicos (vl.. . . , v,.}, por ejemplo,
k, + Iv, + . . . + k,v, = k,v, + . . . + k,~,
As,
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).
4. Sea TJr' + R3 la transformacin lineal del ejercicio 3. (,Cules de los siguientes vcc-
tores 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
siguientes vectores estn en ker(T)?
a) x3. b) O. c) 1 +x.
8.2 Ncleo y recorrido / 467
-a]
c) 1 rango y la nulidad de T. d) el rango y la nulidad de A .
10. A = [i -i]
-1
11. A = 1:
2 0 -
1 4 5 0 9
3 -2 ! o -1
-1 0 -1 o -1
2 3 5 1 8
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
17. Sea A una matriz 7 X 6 tal que A x = O slo tiene la solucin trivial, y sea TR' + R7 la
multiplicacin por A . Encontrar el rango y la nulidad de A .
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?
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.
21. Sea 7'1.'-3. I" u 1 1 operadorlineal sobre un espacio vectorial V de dimensin finita.
Ilemostrar que H ( T ) = s i y slo SI keI(7') = {O}
I.'
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.
TRANSFORMA- Recurdese de la seccin 4.3 que una transformacin lineal de R" a R" se deno-
CIONES LLNEA- mina uno a uno o biunivoca si mapea vectores distintos de R" en vectores distin-
LES UNO A UNO tos de R"'. La siguiente definicin generaliza esta idea.
8.3 Transformaciones lineales inversas I' 469
~~
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
D ( x 2 )= D(x2 + 1) = 2x A
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.-_"."
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
- 7 2 0 1
2 - 5 2 4 6 1
4 -9 2 -4 -4 7
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.
nulidad ( r ) =n - rango(T) = n
-- n = O.
-,
ji
Ejemplo 5 Sea TA:R4+ R4 la multiplicacin por
3
-2
-4
1
1 4
TRANSFOR- Enla seccin 4.3 sedefini la inversa deun operadormatricial uno a uno
MACIONES +.
TA:R" R" comoel operador matricial TA-1:Rn"* R", y se demostr que si w es la
LINEALES imagen de un vector x bajo TA, entonces TA-I mapea w de regreso en x. A
INVERSAS continuacin, estas ideas se extendern a transformaciones lineales generales.
472 i Transformaciones lineales
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(X1, X2, X3) = (3x1 + X2, "2x1 - 4x2 + 3x3, 5x1 + 4x2 - 2x3)
Determinar si T es uno a uno; en caso afirmativo, encontrar T- '(x,, x2, x3).
3 1 0
[TI= -2 -4
4 -2 -3
[T"]=[T]-'=
-12 7 10
Se concluye que
T,(TI(U)) Y 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, 0 T,)(uj = w
T,(T,(u)) = w
Ahora, aplicando 2";'a cada miembro de esta ecuacin y luego T;'a cada miem-
bro del resultado, se obtiene (comprobar)
En el caso especial en que TA, TB,y Tc, sean operadores matriciales sobre R", en-
tonces la frmula (4) se puede escribir como
8.3 Transformacioneslineales inversas / 475
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 opera-
dores individuales en orden invertido.
En los ejercicios se proporcionan algunos problemas en los que se usan las
frmulas (4) y (S).
1 4 - 1 5 2
a ) A = [ - 1 1 21 ol ] " A = [ - ; ; i] 1 0 1
c ) A = [ O1 11 0I] .)A=[: -:]
4. En cada inciso, determinar si la multiplicacin por A es una transformacin lineal uno
a uno.
476 / Transformaciones lineales
1 -7
-
1
1
3
3
2
5
0 0
'1 c) A =
a) Encontrar el ncleo de T.
b) ,Es Tuno a uno? Justificar la conclusin.
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
I
Figura 3
7. En cada inciso, usando la informacin dada determinar si T es uno a uno.
a) T:Rm + R"; nulidad(T) = O. b) TBn + R"; rango ( T ) = n - 1
c) TRm -+ R"; n < m . d) TBn + Rn; R( T)= R".
a) T ( . x , , x 2, . . . , .x , j ) = ( 0 , ~ l , ~. 2. .r, x = - , ) b) T(x,,xL,. . . , x , ) = j x , , ~ . , ~ ,I . . . , . x ? , x i )
c) "(x,, x*,. . . , x,,) = (x2, x3, . . . x,, XI ) 1
12. Sean Tl:R2+ R2 y T2@ + R2 los operadores lineales definidos por las frmulas
13. Sean T;P, + P , y Tz:P, + P, las transformaciones lineales definidas por las frmulas
P( I )I
T M x ) ) = (P(O),
a) Encontrar T( 1 - 2x).
b) Demostrar que T es una transformacin lineal.
c) Demostrar que T es uno a uno.
d) Encontrar T"(2,3) y trazar su grfica.
16. Demostrar: Si V y W son espacios vectoriales de dimensiones finitas tales que dim W <
dim V, entonces no existe ninguna transformacin lineal uno a uno T:V + W.
17. En cada inciso, determinar si el operador lineal TMZ2+ MZ2es uno a uno. En caso
afirmativo, encontrar
18. Sea TR2 + R2 el operador lineal defindo porlafrmula T(x, y ) = (x + /y, -y)
Demostrar que T es uno a uno para todo valor real de k y que T" = T.
19. Demostrar que si T:V + Wes una transformacin lineal uno a uno, entonces T":R(T)
+ Ves una transformacin lineal.
20. (Para quienes ya estudiaron CruCulo). Sea JPI + R la transformacin integracin
1
J(p) = j-, p(x)dx. Determinar si J es uno a uno. Justificar la ccnclusin.
478 ,, Transformaciones lineales
A es un
T
X T(x) un A es
vector en V I en vector W
(n-dimensional) (m-dimensional)
I
un A es
en
vector R"
i
[x18 [ Tt4h
A es un
vector
en R~
Figura 1
La matnz A en (1) se denomina matriz para T con respecto a las bases B y B'.
T mapea
Ven W
X
T T(x)
I I
i
t i
La multiplicacin
por A mapea
R" en R"
Figura 2
8.4 Matrices de transformaciones lineales generales / 479
A=
tal 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,
O'
1
O
de modo que
I ' '
] =
a11 a12
a2 1 a12
am2
380 " Transformaciones lineales
con respecto ala base B'. As, la matriz para T con respecto a las bases B y B' es
[ IR', B
, E
44
MATRICES DE En el caso especial donde V = W (de modo que T:V + V es un operador lineal), es
OPERADORES comn tomar B = B' al construir una matriz para T. En este caso la matriz resul-
LINEALES tante se denomina matriz para T con respecto a labase B y se denota por [ q ~en,
vez de [ ~ BB.I Si B = {u1, u,, . . . u,}, entonces en este caso las frmulas (4) y
(4a) se convierten en
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).
u, = 1, u* =x; v1 = 1, v2 =x, v3 = x 2
1 TI,..,= [a y]
o 0
Por tanto,
[ T(x)],.= [ax + bx2] =
[:I
a
de modo que
T( [;;I) = [ - + "1
2x, + 4x2
a) Encontrar [ q ~ .
b) Comprobar que (5a) se cumple para todo vector x en R2
Por consiguiente,
En consecuencia,
Solucin de b). Si
x= [:;I
es cualquier vector en R2, entonces por la frmula dada para T
= [ -2x1
x1 + 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, + k , = x,
k , + 2 k , = x2
c1 + c2 = x, + x2
de modo que
rx1B = [ 2x, - x2
-x1 +x2]
8.4 Matrices de transformaciones lineales generales i 485
As,
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
[TI,,,. = [ T I (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 Haydos razones esenciales para estudiar matrices de transformaciones lineales
IMPORTANTES generales, una terica y otra bastante prctica:
LAS MATRICES
DE LAS A menudo es posible contestar preguntas tericas acerca de
la estructura de
TRANSFORMA- transformaciones lineales generales sobre espacios vectoriales de dimensin
CIONES finita estudiando simplemente las transformaciones lineales. estas cuestiones
LINEALES se consideran con ms detalle en cursos ms avanzados de lgebra lineal.
aunque se abordarn en secciones ulteriores de este texto.
o Estas matrices hacen posible calcular imgenes de vectores usando multipli-
cacin matricial. Los clculos sepuedenefectuar rpidamente en compu-
tadora.
T ( p ( x ) )= P(3X - 5)
T( 1) = 1, T ( x ) = 3~ - 5, T ( x 2 )= ( 3 -~5) = 9x2 - 3 0 +~ 25
de modo que
[2 1
Por tanto.
T( 1 + 2~ + 3x2) = 66 - 8 4 ~ 27x2 +
Solucin de c ) . Por clculo directo
= 1 + 6~ - 10 + 27x2 - 9 0 + ~ 75
= 66 8 4+
- ~2 7 ~
[ T, T, I B ' J
O = [ T2 IB'.B"[ TI I B 3 (13)
Figura 6
TI(P(X))= .vP(x)
y sea T2:P2+ P , el operador lineal definido por
8.4 Matrices detransformaciones lineales generales I 489
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
(T, Tl)(l) = 3x - 5
0 y =( 3 -
(T2 T,)(x)
0 ~ 5), = 9x2 - 3 0 +~ 25
[-a]
Como B' = { 1, x, 2},
a partir de sto se concluye que
w 2 0 T ~ ) ( =
~ N ~ ~ y w 2 0 [
~ ~ ) ( x )=
1 ~-
,
490 Transformaciones
lineales
7',1,, = [;
-5 25
-3;]
a) Encontrar [qe.
b) Comprobar que la frmula (5a) secumple para todo vector x en R2.
8.4 Matrices de transformaciones lineales generales / 49 I
a) Encontrar la matriz [TIpB con respecto a las bases B = { ul, u2} y B' = {v,, V2, V3),
donde
en R2
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.
8. Sea TP,+ P, la transformacin lineal definida por T@(x)) = xp(x - 3); es decir,
T(c, + c , x + c$) = X(C" + c,(x - 3) + c2(x - 3)2)
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).
c) Comprobar el resultado obtenido en el inciso b) calculando directamente T( 1 + x -
2).
492 / Transformaciones lineales
m ) .
T,(p(xj) = p ( 2 x + 1)
8.4 Matrices de transformaciones lineales generales / 493
14. Demostrar que si T:V + W es la transformacin cero, entoncesla matriz T con respecto
a bases cualesquiera para V y W es una matnz cero.
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 .
18. (Para quienes ya estudiaron CcuCurO).En cada inciso,B = {f,,f2, f,} es una base para
un subespacio V del espacio vectorial de funcionescon valores reales defindas sobre la
recta real. Encontrar la matriz con respecto a B del operador derivacinD:V -D V.
a) f, = 1, f2 = senx, f3 = cos x b) f, = 1, f2 = e x , f3 = e 2 x
c) f, = e2x, f2 = x e Z x , f3 = x 2 e Z 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
ELECCIN DE Las bases estndar no necesariamente producen a ls matrices ms simples para ope-
BASES A FIN DE radores heales. Por ejemplo, considrense el operadorlineal TR2 += R2 definido por
OBTENER
MATRICES
SIMPLES PARA
OPERADORES
T([r:l) = [ - 2x,
'I' + 4x,
'2]
Por el teorema 8.4.I, la matriz para T con respecto a esta base es la matriz estn-
dar para T; es decir,
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
8.5 Semejanza / 495
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 po-
-
sible 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}
, ,
1 1
y B' = { u ,u ,. . . ,u L}
son bases para un espacio vectorial V, entonces la
matriz de transicin de B"a B est definida por la frmula
As, por (5), se tiene [IjBg' = P, lo cual demuestra que [JIBB' es la matriz
transicin de B' a B. 0
El resultado de este teorema se ilustra en la figura l .
Y
- I
V
I' I
V V V V
Figura 2 Base = B' Base =B Base = B Base = B
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
En resumen. se tiene el siguiente teorema.
I
I
I donde P es la matriz de transicion de B' a B.
.. .
8.5 Semejanza / 497
Una vez que se domina este patrn, basta recordar que P = [ARB' es la matriz
transicin de B' a B y que P" = [AFBes su inversa.
T( [:I) [ := -2:: 4 3
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' =
~donde
{ U I . U},
u;=[;] y u;=[;]
u; = e, + 2e2
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
SEMEJANZA La relacin enla frmula (10) es tan importante que existe terminologa asociada
con ella.
Entonces
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
T ( [ ~ J )= [ -2:: 14zI]
Encontrar det(7).
1 '1
de modo que
det(T)= =6
-2 4
Si se hubiese elegido la base B' = {u1, u2} del ejemplo 1, entonces se hubiera
obtenido
Por tanto
det(T)= 1 12
o
0
3
=6
B' = {u;,u;}
f'
Una vez que se ha encontrado [TJEse efecta un cambio de base para en-
contrar [qB.Los clculos son como sigue:
Por tanto,
.. . .
502 1 Transformaciones lineales
[ T I , = P[T],,P"
de modo que
EIGENVALORES Los eigenvectores y los eigenvalores sepueden definir para operadores lineales
DE UN tambin como matrices. Un escalar A se denomina eigenvalor de un operador lineal
OPERADOR T:Y + V si en V existe un vector x diferente de cero tal que Tx = Ax. El vector x se
LINEAL denomina eigenvector de T correspondiente a A. De manera equivalente, los
eigenvectores de T correspondientes a A son los vectores diferentes de cero en el
ncleo de AI - T (ejercicio 15). Este ncleo se denomina eigenespaciu de T
correspondiente a A.
p1 = - 1 +2 , p2 = x, p3 = - 2 + x + x2
As, el eigenespacio de T B correspondiente a 1 = 2 tiene la base
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
Encontrar una base para R3 con respecto a la cual la matriz para T sea diagonal.
, ( I
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 o -2-
P=[ o 1 1
1 o 1-
$ 9 ,
Por tanto,
U; =
U; =
(O)e, + (I)e,
(-2)e,
+ &Ve3 =
+ (I)e2 + (])e3 =
[:I 1
son vectores bsicos que producen una matriz diagonal para [''IP. Como compro-
bacin, en seguida se calcular directamente [''IB'.Por la frmula dada para T se
tiene que
[; I)
4. TR3+ R3 est definido por
T( []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)
a) T :R2-+R2, donde T(x,,x,) = (3x,- 4x,, -x1 + 7x,)
b) T : R3-+R3, donde T ( x , , x,, x3)= (x1-x,, x, - xj, xj - xI)
c) T :P2+ P,, donde T(p(x))= p ( x - 1)
9. Demostrar que las siguientes caractersticas son invariantes bajo semejanza
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 dia-
gonal.
8.5 Semejarlza i 507
a) T( [:I) = [ 2x, - 1
+ 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)= [ b -2c
2c u+
dc]
17. Sean C y D matrices m 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 e
sen O cos
sen2e
e] [;]
[Nota Ver el ejemplo 5 de la seccin 4.3.1
y (X.)
t \ 1
508 / Transformaciones lineales
EJERCICIOS COMPLEMENTARIOS
2. Sea
A= [ cos 8
sen8
-sen0
cos 0 1
a) Demostrar que
A'= [ cos 28
sen20
-sen28
cos 20
y A3=[
-sen30
cos 30
sen30 cos 30 1
b) Conjeturar la forma de la m a w A" para cualquier entero positivo n.
c) Considerando el efecto geomtrico de TB2 + R2, donde T es la multiplicacin por
A , obtener geomtricamente el resultado del inciso b).
3. Sea vo un vector fijo en un espacio V con producto interior, y sea T:V -D V definido por
T(v) = (v, vo)vo. Demostrar que T es un operador lineal sobre V.
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, 7Ye2)=(O, 1, O),
V e , ) = (1, 3, O), T(e,) = (1, 1, 1)
7. Sean B = {v,, v,, v3, v4} una base para un espacio vectorial V y T:V + V el operador
lineal para el que
+
T(V,) = V I v2 + v3 3v4+
T(v,) = V I - v2 + 2v, + 2v,
+
T(v,) = 2v, - 4v2 SV, + 3v,
T(v,) = -2v1 + 6v2 - 6v3 - 2 ~ 4
a) Encontrar el rango y la nulidad de T.. b) Determinar si T es uno a uno.
10. (Teorema alferna&ivode Fredholm). Sea T:V + V un operador lineal sobreun espacio
vectorial n dimensional. Demostrar que se cumple exactamente una de las siguientes
proposiciones:
i) La ecuacin T(x) = b tiene una solucin para todos los vectoresb en V.
ii) Nulidad de T > O.
13. Sea TM,, + M,, el operador lineal defindo por T(M) = MT. Encontrar la m a w para
T con respecto ala base estndar para M2,.
14. Sean B = {u1,u2, u3}y B' = {v,, v,, v3} bases para un espacio vectorial V, y sea
P=[! - j ij
la matriz transicin de 6' a B
a) Expresar v l , v2, v3como combinaciones lineales de ul, u2,u3.
51 O _/' lransformaciones lineales
15. Sean B = {u,, u2, u3} una base para un espacio vectorial V y T:V * Y un operador
lineal tal que
-3 4 7
[-1 -:I y [ -I
1
2
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") f O
r:J
20. Sea TP2 + R3 la funcin d e f ~ d por
a la frmuia
T ( P ( - d )= P(0)
21. Sean xl, x, y,x3 nmeros reales distintos tales que x , < x, < x3, y sea TP, +R3 la
funcin definida por la frmula
donde
24. (Para quienes ya estudiaron Cdkulo). Puede demostrarse que para cualquier nmero
real c, los vectores
(x c.)> (x c.)"
I , 1 - l ' , --.
~~ ~
...,
2! I2 !
25. (Para quienes ya estudiaron Clculo). Sea J:P, += P,, la transformacin integracin
definida por
(u,,+a,x+"'+cl,,x")d.~=a,,s+-.u
u1 2 +...+a,*""
2 n+ I
donde p = U + +.. . + a,.". Encontrar la matriz para J con respecto a las bases
estndar para P,, y Pn+,.
9.1 APLICACIONES A LAS ECUACIONESDIFERENCIALES
y = tea' (2 1
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 )
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.
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; = 3y1
Y; = -2Y2
Y; = 5Y3
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).
3 0 Y1
o -2 Y2
O 0 Y3
o bien,
3 0
y' = o -2 Y
O 0
Solucin de 6). Debido a que en cada ecuacin hay slo una funcin descono-
cida, las ecuaciones se pueden resolver individualmente. Por (2) se obtiene
y I = cle3x
y 2 = c2e
y, = c3e5x
I = y,(O) = Cleo= c ,
4 = y2(0)= czeo= c2
- 2 = y,(O) = e j e o = c,
Y' = A Y
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 ecua-
cin en (6) y obtener
Y' = PU'
PU' = A(PU)
o bien,
U' = (P"AP)U
o bien,
U' = DU
Ejemplo 2
a) Resolver el sistema
Y;= Y,+ Y2
y; = 4yI - 2y2
Y l ( 0 )= 1, Y2(0>= 6.
Solucin de a). La matriz de coeficientes para el sistema es
518 1 Temas complementarlos
det( dl - A ) =
d"1
-4
-1
a+Z1
I
=d2+d-6=(A+3)(d-2)
de modo que
Asi,
-;I
diagonaliza a A y
D=P"AP= [:,
Por consiguiente, la sustitucin
I
Cle2" - 1, e -3x
c,e2*+ 4 c2e
2
-- 3x
o bien,
y , = c l e 2 x- $c2e - 3 x
y2 = c l e 2 x+ c2e - 3 x
de modo que por (7) la solucin que satisface las condiciones iniciales es
2. a) Resolver el sistema
y; = y, + 3v2
y; = 4.h + 5Y,
b) Encontrar la solucin que satisface las condiciones inicialesyl(0) = 2, y2'(0)= l .
3. a) Resolver el sistema
y;= 4y, + y3
y; = - 2 v , +y,
Y; = -2% + Y3
+.
Si T:R2 R2 es el operador matricial cuya matriz estndar es
entonces
[;I y
ax + by
[U+dYl
o (ax + by, cx + d y )
t' \
\
\
\
\
\
\
(X,Y)
... . .. .
" -. . ... , -. . ... ....
522 / Temascomplementarios
ABLA 1
Operador Matriz estndar Efecto sobre el cuadrado unitario
Reflexin con
respecto al eje y [-A Y] 4 .)
1 .:I, , I . ! I,
. 1,
Reflexin con
respecto al eje x [A -Y]
Reflexin con
respecto a la recta
?/=X
Rotacin en
sentido contrario a
las manecillas del
COS
sen0
0 -sen0
cos 8 1
reloj por un ngulo
EXPANSIONES Y Si la abscisa de cada punto del plano se multiplica por una constante positiva k,
COMPRESIONES 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 I (Cuadrado unitario) I I(Compresin) k = 4 [(Expansin) k = 2
.... .
524 ,I Temas complementarios
DESLIZA- Un deslizamientocortante en la
direccin x con factor k es unatrans-
MLENTOS formacinque mueve cadapunto (x, y ) paralelo al eje x en unacantidad ky
CORTANTES 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.
Ejemplo 2
y para la reflexin es
A , A , = [O1 '][I
0 0 '1 = [ y :]
1
t'
11. I
-.
Figura 4
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):
9.2 Geometra de los operadores lineales sobreR2 / 527
PROPIEDADES Esta seccinconcluye con dos teoremas que permiten conocer ms las propiedades
GEOMTRICAS geomtricas de los operadores lineales sobre R 2 .
DE LOS
~~~"
Despejando A se obtiene
A = E ~ ]-E - 1 . . . E L1
1 2 ( 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: :]
como un producto de matrices elementales y luego describir el efecto geomtrico
de la multiplicacin por A en trminos de deslizamientos cortantes, compresiones,
expansiones y reflexiones.
9.2 Geometra de los operadores lineales sobre R2 / 529
I veces al segundo. I I - 4.
. .
[:-;][:-y][: = ;]
se concluye que el efecto de multiplicar por A es equivalente a
OBSERVACI~N. Por los incisos c), 6)y e) se concluye que la multiplicacin por
una matriz invertible A 2 X 2 transforma tringulos en tringulos y paralelogra-
mos en paralelogramos.
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
la imagen del cuadrado es un paralelogramo con vrtices (O, O), (- 1, 2), (2, - 1) y
( 1 , 1) (figura 5). A
Solucin. Sea (x, y ) un punto sobre la recta y = 2x + 1 y sea (x', Y ' ) su imagen
bajo la multiplicacin por A . Entonces
9.2 Geometra de los operadores lineales sobre R2 1 531
de modo que
Sustituyendo en y = 2x + 1 se obtiene
-2x + 3y = 2(x - y ) + I
o bien, de manera equivalente,
y=$x+i
4 Figura 6
2. En cada inciso del ejercicio 1, usar la matriz obtenida para calcular T(2, 1). Comprobar
las respuestas geomtricamente graficando lospuntos (2, 1) y T(2, 1).
1, 1 )
6. Trazar l a iInagen del rectngulo con vrtices (O, O), (1, O), (1,2) y (O, 2) bajo
a) una rellexin con respecto al q e x.
b) una reflexin con respecto aleje y.
c) una compresin con factor k = a
en la direcclny.
d) una expansion con factor k = 2 en la direccin x.
e) un deslizamiento cortante con factor k = 3 en la direccin x .
t) un deslizamiento cortante con factor k = 2 en l a direcciny.
7. Trazar la imagen dei cuadrado con vrtices (O,O), (1, O ) , (O, I ) y ( I , 1) bajo la
multiplicacin por
A= [ -;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"
13. En cada inciso. encontrar una sola matriz que efecte la sucesin de operxiones que se
mdica:
9.2 Geometra de los operadores lineales sobre R2 / 533
14. En cada inciso, encontrar una sola m& que efecte la sucesin de operaciones que se
a
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.
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.
c) una reflexin con respecto a y = x.
d) una reflexin con respecto al ejey.
e) una rotacin de 60.
20. Demostrar el inciso a) del teorema 9.2.2. [Sugerencia Una recta en el plano tiene un
ecuac~n dela forma Ax + By + C = O, donde tanto A como B no son cero. Con el
534 i Temas complementarios
mtodo del ejempio 8, demostrar que la imagen de esta recta bajo la multiplicacin por
la matriz invertible
A' = (dA - c B ) / ( ~ -
d bc) y 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.
4 c 4
b) d Figura 7
23. En R3, el deslizamiento cortanfe en la a'ireccibn xy con factor k es la transformacin
lineal que mueve cada punto (x,y , z) paralelo al plano xy a la nueva posicin (x + kz, y
+ kz, z). (Vase la figura 8.)
a) Encontrar la matriz estndar del deslizamiento cortanteen la dxeccinxy con factork.
b) Cmo d e f d a el lector el deslizamiento cortante en la direccin xz con factor k y
el deslizamiento cortante en la direccin yz con factor k? Encontrar la matriz
est&dar para cada una de estas transformaciones lineales.
. .. ". ~.
~ ." t;
1 4. . ."
"'ir + k z , y + kz. )I
. .
. " .~",."
,'
Figura 8
24. En cada inciso, encontrar por inspeccin todos los eigenvectores linealmente inde-
pendientes 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 eigen-
vaiores y bases para los eigenespacios partir de la matriz estndar de la transformacin.
9.3 Ajuste de datos por mnimos cuadrados I 535
AJUSTE DE UNA Un problema comn en el trabajo experimental es obtener una relacin matemti-
CURVA A DATOS c a y = f i x ) entre dos variables x y y mediante el ajuste de una curva a puntos en
EXPERIMEN- el plano correspondientes a diversos valores de x y y determinados ex-
TALES perimentalmente, 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)
4 b) c)
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.
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
[;:I
inconsistente. En este caso se buscar una solucin por mnimos cuadrados
v = v* =
explicar esta terminologa, recurdese que una solucin por mnimos cuadrados de
(1) minimiza
IIY - Mvll (3 )
Si ahora se hace
d , = I,v -U - ~ x Jd2
, = -U - hx-21, . . . , d,, = ly,, - a - h ~ , /
ECUACIONES Recurdese por el teorema 6.4.2 que las soluciones por mnimos cuadrados de (1)
NORMALES 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
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: ~ -
- 1 0 1 2 3 4
Figura 3 X
9.3 Ajuste de datos por mnimos cuadrados / 539
Solucin. Se tiene
M T M = [4
6
'1
14
rll
L41
x, I 6.1 I 7.6
8.7 10.4
Figura 4
+
Fuerzay
540 i Temas complementarios
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 La tcnica descrita para ajustar una recta a puntos de datos se generaliza f-
MINIMOS cilmente al ajuste de un polinomio de cualquier grado especfico a puntos dedatos.
CUADRADOS DE A continuacin se intentar ajustar un polinomio de grado fijo m
UN POLINOMIO
y = a, + a,x+ . . . + a,xm (8)
a n puntos
Mv=y
donde
M TMv = M Ty
determinan los coeficientes de los polinomios que minimizan
IIY - Mvll
s=s,+u,t+~gt* (10)
donde
(0.1, -0.18), (0.2, 0.31), (0.3, 1.03), (0.4, 2.48), (0.5, 3.73)
-0.18
2.48
3.73
u. = a: = 0.35 piesls
-1
0 1 2 . 3 4 . 5 6
Figura 5 Tiempo /(en segundos)
3. Encontrar el polinomio cuadrtico que se ajusta mejor a los puntos (2, O), (3, - 1 lo),
(5, -48) y (6, -76).
4. Encontrar el polinomio cbico que se ajusta mejor a los puntos (- 1, - 14), (O, -S),
(1 > -4), (2, 1) Y (3,221.
SeaM la matriz de la ecuacin (9). Usando el ejercicio 6, demostrar que una condicin
suficiente para que la matriz MM sea invertible es que n > m y por l o menos m + 1 de
los nmerosx ] ,x2, . . . ,xn sean distintos.
MEJORES Todos los problemas que se estudiarn en esta seccin son casos especialesdel
APROXIMA- siguiente
problema
general.
SIONES
I I
Problema de aproximacin. Dada una funcin f que es continua sobre un
intervalo [a, 61, encontrar la "mejor aproximacin posible" a f usando slo
funciones de unsubespacio especfico W de C[a,61.
error =
l
(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.
I I
error cuadrtico-
medio
I I
(f, 8) = J'
h
f(xlg(x) dx
Se concluye que
APROXIMACI~ IN
Problema de aproximacinpor mnimos cuadrados. Sea f una funcin que
POR MNIMOS es continua sobre un intervalo [a,b ] ,sea C[a,b] con el producto interior
CUADRADOS
y sca Lt' un subespacio de dimensin finita de C[a, b]. Encontrar una funcin g
em CV que minimice
i
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).
(2)
+ d , senx + d , sen2x + . . + d , sennx
se denomina polinomio trigonomtrico; si c, y u
,'no son cero, entonces se dice
que [(x) es de orden n . Por ejemplo.
[(x) = 2 + cos x ~ 3 cos 2x + 7sen4s
9.4 Problemas de aproximacin: series de Fourier 1 547
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
[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 in-
terior
1 1 1
m'
go = - g, = -cos x,
VG
. . . , g, = __ cos nx,
G
1 1
g,, ,= senx, . . . , g2, = __ sennx
6
Si se introduce la notacin
5411 ,/ lemas complementarios
a0
projcvf = ; +-
[ u , cos x + . . . + u,?cos nx] + [ h ,senx + . . . +- h, sennx]
.
L
donde
En resumen.
*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.
9.4 Problemas de aproximacin: series de Fourier / S49
Solucin de a).
n - 2 (sen X +
T - 2 (sen X +
"
2 (sen X 4
n - 2 sen X
Es natural esperar que disminuya el error cuadrtico medio a medida que
aumenta el nmero de trminos en la aproximacin por mnimos cuadrados
u
fQ + 2 uk cos kx + b, sen kx)
2 k=l
7-
U
f(x) = i- (uk cos kx + bksenkx)
2 k-l
DE LA SlECCIibN 9.4
a . Encontrar la aprcxirnacibn por mnimos cuadrados deAx) = 1 + x sobre el intervalo [O,
Z.X] por
a;) un polinemio trigonomktrico de orden menor o igual que 2.
b) un pclinomio trigonomttrico de orden menor o igual que n.
b ) ~ ~ n m ~ t .elr aerror
r cuadrtico medio de la aproximacin.
[: -:][;I
Ejemplo 2
2x2 + ~ X J -J 7v2= [X y]
Si se hace
donde
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:
PROBLEMAS EN
QUEAPARECEN
FORMAS CUA-
t
:: Coeficiente de A
XlX3
Posiciones en la matriz A
a12 y a21
'13
'23
y '31
Y '72
,I,
la forma cuadrtica xTAx tiene un valor mximo de (el eigenvalor ms grande)
y un valor mnimo de I n (el eigenvalor ms pequeo).
x: 4-x; + 4x,x,
.Y:
sujeta a la restriccin T x; = 1, y determinar los valores de x1 y xz en que
ocurren el mximo y el mnimo.
La ecuacin caracterstica de A es
I
MATRICES Definicih. Una forma cuadrtica xTAx se denomina positiva definida si x*Ax >
POSITIVAS O para todo x f O, y una matriz simtrica A se denomina matriz positiva
DEFINIDAS Y definida si xTAx es una forma cuadrtica positiva definida.
FORMAS
CUADRTICAS
El siguiente teorema es el resultado principal sobre matrices positivas definidas.
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
xTAx > O
A=
all
[a;l
an,
a12
"2
an2
".
".
...
::j
ann
Se omite la demostracin.
Ejemplo 6 La matriz
121=2,
2 -
;I =3,
-1
-3
2
4
4 =I
9
todos son positivos. As, se garantiza que los eigenvalores de A son positivos y que
xTAx > O para todo x # O . A
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 si-
mtrica A es positiva semidefinida si y slo si todos sus eigenvalores son no ne-
gativos. Tambin, A es positiva semidefinida si y slo si todas sus submatrices
principales tienen determinantes no negativos.
OPCIONAL
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"
Con estas dos ecuaciones y la frmula (5) se puede demostrar que xTAx 5 1, como
sigue.
= dl
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.
a) 5x: -x: b) 7x: 4x: xlxz + + +
c) 5x: 2x2 - xIx2 d) 2.r: +x: + 3X,X2
6. En cada inciso, hallar los valores mximo y mnimo de la forma cuadrtica sujeta a la
restnccin x: + + 44= 1 y determinar los valores de xl, .xz y .x3 en los que ocurren
los valores mximosy mnimos.
a) x: + x i + 2x: - 2xlx2 + 4x,x3 + 4x2x3 b) 2x: + x; +x: + 2xlx3 + 2x,x2
c) 3x: + 2x: + 3x: + 2x,x3
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.
560 Temas complementarios
IO. Por medio del teorema 9.5.3, determinar cuides de las matrices del ejercicio 9 son posi-
1 definidas.
tlvas
11. En cada inciso, clasificar la forma cuadrtica como posltiva defmida, positiva semide-
finida, negativa definida, negativa semidefinidao indefinida.
a) .Y; + .Y: b) --X:
- 3 ~ : C) ( X , - x2)*
12. En cada Inciso, clasificar la matnz como positiva definida, positiva semidefinida, nega-
tiva definida, negativa semidefinida o indefinida.
a)
d) [ -:-:-81 O
O 0 0
e) [O O O]
O 0 0
0 1
fj [A y
O 0 1
13. Sea X'AX una forma cuadrtica en x I ,x ,x,; definir T:Rn+ K por T(x) = x'dx.
F.'
a) Demostrar que T(x + y) = T(x) + 2x Ay + ?"(y). b) Demostrar que T ( b ) = pT(x).
c) ,Es T una transformacin lineal? Explicar l a respuesta.
14. En cada inciso, encontrar los valores de k con los que la forma cuadrtica es positiva
definida.
a) x: + kx: - 4.x1x, b) 5 ~ +
: X:
+ kx: + 4 ~ ~ -x 2 ~ ~ x 3~ x , x ,
-
17. Cnmpletar la demostracin del teorema 9.5. I probando que I n 5 xTAx si llxll = 1 ya,
= xTAx si x es un eigenvector de A correspondiente a An.
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas 1 561
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.
DIAGONALIZA- Sea
CIN DE
FORMAS
CUADRTICAS
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
donde Al, A2, . . . ,A,, son los eigenvalores deA . Si se hace
Y=
Y"
donde y,, y,, . . . ,y, son variables nuevas,y si en (1) se efecta la sustitucinx =
P y , entonces se obtiene
X ( P Y ) ~ A P=
X~A= 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
a, o
I10
" ' 0
o d2 . . . O
D=P%P= . .
o ... ,;
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
0 = 3. h :r 2
2,
L z: --- 7
,( d=2, p=o, f=7 A
Ejemplo 3
x ?
k
[- 1; k. 1 > O -
Fhperbola
.v2 = kx
Parbola
x2 = ky
Parbola
Figura 1
Ejemplo 4 La ecuacin
x2 y2 x2 y2
-+-=
4 9
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 es de la forma glk - x2/1= 1, con k = J2,1= 4. Por tanto, su grfica es
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 = - 3.Como k < O, su grfca es una parbola en
posicin normal cuyas ramas se abren hacia abajo, A
IMPORTANCIA Obsrvese que ninguna cnica en posicin normal tiene trmino xy (es decir,
DEL TRMINO trmino de producto cruzado) en su ecuacin; la presencia de un trmino xy en
DE PRODUCTO la ecuacin de una cnica no degenerada indica que la cnica no est rotada en la
CRUZADO 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).
566 / Temas complenzentarios
h) c.)
2 x 2 + + * - 1 2 ~ - 4 , ~ +1 8 ~ 0
+
(2x2 - 1 2 ~ ) ( y 2- 4y) + 18 = O
o bien,
2(x2 - 6 ~ +) ( y 2- 4y) - 18
2(x2 - 6~ + 9) + ( y 2- 4~ + 4) - 18 + 18 + 4
o bien,
2(x - 3)2 +(y - 2)* = 4
* Para completar al cuadrado una expresin de la forma x2 + px se suma y resta la constante @/2)2para
obtener
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas / 567
x"x-3, y'=y-2
2x'2 + y'* = 4
o bien,
-+"=I
X I2 Y'*
2 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
xTAx+Kx+ f = O
donde
es una rotacin.
+
(Px)7A(Pxr) K ( P x ) +f =O
o bien,
+
( x ) ~ ( P ~ A P ) x(KP)x
+f =O (6)
,
[donde d = dp, + ep21 y e = dp,, + ep,,). Esta ecuacin no contiene trmino
je producto cruzado.
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas / 569
x = Px'
X'AX - 36 = O
donde
La ecuacin caracterstica de A es
Asi,
P= [2'l v' V
33 - "7
2/v3
diagonaliza ortogonalmente a aTAx. Adems, det(P) = 1, demodoque la
transformacin ortogonal de coordenadas
x = Px' (8)
PTAP= lo 4 0
9]
+
4 ~ " 9 ~ ' '- 36 1 O
O
20 80
5x2-4xy+8y2+-~--y+4=0
v5v5
Solucin. La forma matricial de esta ecuacin es
xTAx+Kx+4=0
donde
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
o bien,
4 ( ~-
' I)2 + 9( y' - 2)' = 36
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
5. Expresar cada una de las ecuaciones cuadrticas del ejercicio 3 en la forma matricial
XAX + Kx + f = O.
6. Identificar las siguientes cnicas.
a) 2s + 5y2 = 20 b) 4x2 9y2= 1 + c) x2 - y 2 - 8 = O d) 4y2 - 5x2 = 20
e) x2 + y 2 - 25 = O f) 7y2- 2x = O g) -x2 = 2y h) 3~ - 1 ly2 = O
2
i) y - s 2 = o J ) X - 3 = -y2
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 . + ~ - 15 = O
~ 4-V
En los ejercicios del 9 a 14, trasladar y girar los ejes de coordenadas, en caso de ser nece-
sario, 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 5 10. 3x2 - 8.w~- 1 2 ~ -
3 0 . ~- 64,~= O
11. 2 x 2 - 4 ~ . ~ - y 2 - 4 x - 8 v = - 1 4 12. 21x + 6sy + 13y2 - +
1 1 4 ~ 34.v + 73 = O
13. X - 6xy - 7 ~ +
1 O X + 2~3+ 9 O 14. 4 ~ - +
20.~1) 2 5 ~ - 15s - 6y = O
15. La grfica de una ecuacin cuadrtica en x y y puede, en ciertos casos, ser un punto,
una recta o un par de rectas. Estas cnicas se denominan degenerodas. Tambin es
posible que ningn valor real de x y y satisfaga la ecuacin. En estos casos la ecuacin
no tiene grfica; se dice que representa una c h i c a imaginaria. Cadauna de las
siguientes expresiones representa una cnica de-generada o imaginaria. Cuando sea po-
sible, trazar la grfica.
a) x* -.v2 = O b) S + 3y2 + 7 = O C) 8 x 2 + 7 y 2 = O
d)x2-2xy+,v=O e) 9 x 2 + 1 2 s y + 4 y 2 - 5 2 =f0) s + y 2 - 2 x - 4 y -=5
574 1 Temas complementarios
o
[x y z]
[:;:I[:]
d b f y +[g h
[:I
i] y +j=O
xTAx+Kx+j=O
donde
Cono elptico
' V2
Y A V' 2'
"+""= 1
I' m' n2
m'
x'
I'
Vo hay trazoen el plano x y . El trazo en el plano xy es un
En los planos paralelos al par de rectas que se cortan en
)lano x y , que cortanla el origen. Los trazos en los
uperfkie, los trazos son planos paralelos al plano xy
:lipses. En los planosyz yxz son hiprbolas. Las hiprbolas
os trazos son hiprbolas, a s por encima del plano xy se
:om0 los trazos en los planos abren en la direccin y, y als
malelos a stos. 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
(x - 2)' Z2
+(y-3)2--= 1
9 4
se obtiene
es una rotacin.
x = Px'
X'AX - 3 =O
donde
O 1
donde los dos primeros vectores columna en P son eigenvectores correspondientes
a,I= 2 y el tercer vector columna es un eigenvector correspondiente a 1 = 8.
Como det(P) = I (comprobar), la transformacin ortogonal de coordenadas x
= Px es una rotacin. Sustituyendo estaexpresin en (4) se obtiene
) 3 =o
( P x ) 7 A ( P x -
Pero
PTAP= [: :]
2 0 0
o bien,
2s* + 2y* + 82 =3
7. ~ X Y + ~ X Z + ~ Y Z - ~ X - ~ Y - ~- 9
Z =
CONTEO DE Debido a que las computadoras estn limitadas en el nmero de cifras decimales
OPERACIONES que pueden manejar, redondean o truncan casi todas las cantidades numricas. Por
ejemplo, una computadora diseada para almacenar ocho cifras decimales puede
3
registrar como .66666667 (redondeado) o como .66666666 (truncado). En cual-
quier caso se introduce un error denominado error por redondeo.
580 i Ternas complementarros
ResolverAx = b como
x =,4K1b
n3 n n2 n3
"-
2 2
adiciones y -
2
+-
2
multiplicaciones
que son valores mayores que los aqu obtenidos para toda n 2 3.
1 2 + 2 2 + 3 2 + . . . + + 2 = n(n + 1)(2n + 1)
6
1
I
O O O .. O o ; .
I
O O O .. O o ; .
O
n multiplicaciones
O adiciones
Paso l a O n multiplicaciones/rengln
X n a&ciones/rengln
n - 1 renglones que requieren
X
clculos
X
Lo x x .. x x X
I n(n - 1) multiplicaciones
n(n - 1) adiciones I
Paso 2
1
9.8 Comparacin de procedimientos para resolver sistemas lineales
/ 583
Paso 2a n - 1 multiplicaciones/rengln
I. n - 1 adiciones/rengln
n - 2 renglones que requieren
clculos
. . .
o o x ." x x
n - l)(n - 2) multiplicaciones
o o x " ' x x
Paso 3 O
X
I n - 2 multiplicaciones
O adiciones I
Paso 3a n - 2 multiplicaciones/rengln
n - 2 adiciones/rengln
n - 3 renglones que requieren
clculos
... .
..
.
..
..
.
..
.
X n - 2)(n - 3) multiplicaciones
X
Paso
(n - 1) O
.. .. .. .. ..
O
I 2 multiplicaciones
O adiciones I
X
O
Paso 2 multiplicaciones/rengl~
( n - l)a 2 adicioneshengln
1 renglones que requieren
clculos
I multiplicacin
O adiciones
' I '
'1
'
10 o o ". 1
o o o '.' o
o j o
1 ; x
584 1 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)-(n- 1)
Pasos 3 y 3a
Multiplicaciones: ( n - 2) i( n - 2)(n - 3) = ( n - 2)
Adiciones: ( n - 2)(n - 3) = (n - 2) - ( n - 2)
Pasos (n - 1) y (n - l)a
Multiplicaciones: 4 ( = 2 )
Adiciones: 2(=2-2)
Paso n
Multiplicaciones: I ( = I )
Adiciones: O ( = 1 2 - 1)
Multiplicaciones: n + ( n I) + ( n 2) + . . . + 1
- -
Adiciones: [n + ( n - 1) + ( n - 2) + . + 1 2 1
-[n+(n-l)+(n-2>++1]
Multiplicaciones:
n(n + 1)(2n + 1) - n 3 +-+-
n2 n
(5 1
6 3 2 6
n(n + 1)(2n + 1) n(n + 1) - n 3 n
Adiciones: (6)
6 2 3 3
0 1 O " '
0 ojx
o o 1 " '
0 ojx n - 1 multiplicaciones
. . . . . I .
. . . . . I . n - 1 adiciones
f . .
. ' 1 .
o o o ". I ojx
-0 o o j
". o 1
Paso 1 O O ... o o j x
o 1 0 " ' o ojx
o ojx
o o
.
..
o o o
...
1
...
" '
" '
.
.
'
1 o j o
.
'
.
1
I
I
I
'
.
.
1
n
n
-2
-
multiplicaciones
2 adiciones
o o o '.' o I / .
Paso
(n - 2)
..
. . . . l .
. . .
. . . .
.
.
I
I
.
.
o o o o1 0
" ' 1
o o o ... o 1 ; .
Paso '1 o o . . ' o o I x -
( n - 1) o 1 o ..' o 0 1 0
o o 1 o 0 ; 0
. . . . . I .
.. .. .. ' ' I ' 1 adicin
. . I '
o o o '.' 1 o j o
,o o o " ' o 1 j 0-
Multiplicaciones: ( n - 1) + ( n - 2) + . . . + 2 +1
Adiciones: (n- l)+(n-2)+...+2+ 1
(n - l)n n2 n
Multiplicaciones: ~ - "-
-
2 2 2
n2 n
( n - 1)n "-
Adiciones: " -
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
Mtodo
I Nmero de
adiciones multiplicaciones
Jordan
n3 n3
" x-
Resolver Ax = b por eliminacin gaussiana 3 3
n3
Encontrar det(A) por reduccin derenglones =-
3
n4
Resolver A x = b por la regla de Cramer i
T -
3
9.8 Comparacin de procedimientos para resolver sistemas
lineales / 587
As, para n grande este procedimiento requiere = n3/2 operaciones, que es 50%
mayor que las n3/3 multiplicaciones necesarias para efectuar el mtodo presentado
en el texto. Lo mismo secumple para las adic';ones.
Es razonable preguntar si sepueden crear otros mtodos para resolver
sistemas lineales que pudieran requerir sigmficativamente menos operaciones que
las = n3/3 adiciones y multiplicaciones necesarias en la eliminacin gaussiana y
en la eliminacin de Gauss-Jordan. La respuesta es un "s" categrico. En aos
recientes se han creado mtodos que requieren = Cnq multiplicaciones, donde q es
ligeramente mayor que 2.5. Sin embargo, estosmtodos tienen poco valor
prctico, ya que su programacin es complicada, la constante C es muy g r a d e y el
nmero de adiciones necesarias es excesivo. En pocas palabras, en la actualidad no
existe ningn mtodo prctico para resolver sistemas lineales generales que mejore
sigruficativamente elconteo de operaciones de la eliminacin gaussiana y del
mtodo de eliminacin de Gauss-Jordan presentado en el texto.
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
" . . . ."
588 / Temas complementarios
Tabla 4
5. Obtener la frmula
n(n + 1)
1 +2+3+,..+n=-----
2
[Sugerencia Sea Sn = 1 + 2 + 3 + . . . + n. Escribir lostrminosde S, enorden
invertido y sumar las dos expresiones para S,.]
6. Usando el resultado del ejercicio 5, demostrar que
(n - 1)n
1+2+3+...+(n-l)=-
2
7. Obtener la frmula
12+22+32+...+n2=
n(n + l)(2n + 1)
6
realizando los pasos siguientes.
a) D e m o s t r a r q ~ e ( k + l ) ~ - p = 3 3 k 2 + 3 k + 1 .
b) Demostrar que
[2' - 1 3 ] + [33 - z3] + [43 - 33] + . . . + [ ( n + 1)3 - n 3 ] = ( n + 1)' - 1
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
2 2
n2
"- n adicisnes
2 2
10. Demostrar que para reducir una matriz invertible de n X n a I, aplicando el mtodo del
texto se requieren
n3
"- n
multiplicaciones
3 3
n3 n2 n
-"
3
+ - adiciones
2 6
n3 n 2
-
2
+-
2
multiplicaciones
n3 n
-" adiciones
2 2
9.9 DESCOMPOSICIONES LU
(comprobar). A
592 i Temas complementarios
para obtener
A = E ; 'E, 1 . . . E"
k (7)
En el ejercicio 5 se ayudar al lector a demostrar que la matriz L definida por
L = E" ] E - 1 . . . 1
I 2 (8)
para reducir A a U no se efecte ningn in-
es triangular lnferior en el supuesto de que
tercambio de renglones. Suponiendo que este es el caso, sustituyendo (8) en (7) se
obtiene
A= LU
Teorema 9.9.1. Si A es una matriz cuadrada que se puede reducir a una forma
escalonada U sin aplicarningnintercambio de renglones, entonces A se
puede factorizarcomo A = LU, donde L es una matriz triangular inferior.
A=[-:
2
-: 6
2J
Paso 1
1 3
Paso 2
Paso 3
-4 o 1
Paso 4
Paso 5
594 / Temas complementarios
As,
-3
o
1 oj[o
0
1
1 0 0
1
O 0 7
2 0 0
[-:-: !I=[
de modo que
2 6
-3
2
4 -3
0
:][A ;
7 O 0 1
'1
es una descomposicin LU de A . A
Luego, obsrvese que para introducir ceros por abajo del 1 principal en el primer
rengln se realizaron las siguientes operaciones:
y para introducir el cero por abajo del 1 principal en el segundo rengln se efectu
la siguiente operacin
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
En resumen, se tiene el siguiente procedimiento para obtener una
descomposicin L U de u a matriz cuadrada A , en el supuesto de que A se pueda
reducir a la forma escalonada sin efectuar ningn intercambio de renglones.
;[; -; ;]
6 -2 O
596 / Temas complementarios
Solucidn. Se empezar por reducir A a forma escalonada sin perder de vista a los
multiplicadores.
/-
- multiplicador = 4
"
1
-
c-multiplicador = -9
multiplicador = - 3
[ ," $ i]
1 -1.
t-multiplicador =$
t-multiplicador = - 8
6 0 0 1 -$
A=LU= 9 2 O
[3 8 j[O A /] *
O
-2x, + 5x, = 1
2. Usar el mtodo del ejemplo 1 y la descomposicinLU
=[-;I
11. Sea
A=[-:
2
-;1 -
a]
a) Encontrar una descomposicinLU de A
b) Expresar A en la forma A = L,DU,, donde L , es una matriz triangular inferior con
unos en la diagonal principal, U , es unamatriz triangular superior y D es una
matnz diagonzl.
c) Expresar A en la forma A = L2U2, donde L, es una matriz tnangular inferior con
unos en la diagonal principal y U2es una matriz tnangular superior.
no tiene descomposicinLU.
13. Sea
16. Usando el resultado del ejercicio 15b), demostrar que el producto de un nmero finito
de matnces triangulares superiores es triangular superior. [Sugerencia Considerar las
transpuestas.]
18. Factorizar
ESPACIOS
VECTORLALES
COMPLEJOS
Hasta el momento slo se han considerado espacios vectoriales para los cuales
los escalares son nmeros reales. Sin embargo, en muchas aplicaciones impor-
tantes de vectores es aconsejable dejar que los escalares sean nmeros com-
plejos. Un espacio vectorial que permite escalares complejos se denomina espa-
cio vectorial complejo, y uno que slo permite escalares reales se denomina
espacio vectorial real. Una ventaja de pvrmitir escalares complejos es que todas
las matrices con elementos escalares complejos tienen eigenvalores, lo cual no es
cierto si solamente se permiten escalares reales. Por ejemplo, la matriz
601
602 / Espacios vectoriales complejos
pero que de otra forma poda considerarse como un nmero real. Expresiones de la
forma
a + bi
donde a y b son nmeros reales reciben el nombre de "nmeros complejos", los
cuales se operan segn las reglas normales dela aritmtica, con la propiedad
adlcional de que i2 = - l .
A principios de siglo XIX se aceptaba que un nmero complejo
a + hi
O+i=i, 2 + 0 i 4=+2 (, - 2 ) i = 4 - 2 i A
Geomtricamente, un nmero complejo se puede considerar como un punto
o un vector en el plano xy (figura 1).
t ty
I
t
- 4 - 32
Figura 2 Q) b)
EL PLANO Algunas veces es conveniente usar una sola letra, como z, para denotar un nmero
COMPLEJO complejo. As, se podra escribir
z=a+bi
El nmero real a se denomina parte real de z y el nmero real b, parte imaginaria
de z. Estos nmeros se denotan por Re(z) eIm(z), respectivamente. Por tanto,
t Eje imaginario
OPERACIONES As como se define que dos vectores en R2 son iguales si tienen las mismas com-
CON NUMEROS ponentes, tambin dos nmeros complejosson iguales si tanto sus partes reales
COMPLEJOS como sus partes imaginarias son iguales:
a=a+Oi
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:
Solucin.
z,+zz=(4-5i)+(-l+6i)=(4-1)+(-5+6)i=3+i
zl-zZ=(4-5i)-(-l +6i)=(4+ 1)+(-5-6)i=5- lli
32, = 3(4 - 5i) = 12 - 15i
- z Z = ( - 1 ) z z = ( - 1 ) ( - 1 + 6 i ) = 1 -6i A
f f
I (k >O) (k O)
Figura 4 Producto
de un nmeros
complejo z y un nmero
real k.
(a + bi)(c + di)
606 / Espacios vectoriales complejos
Ejemplo 4
(3 + 2i)(4 + Si) = (3 ' 4 2 ' 5 ) + (3 . 5 + 2 '4)i
-
= 2 + 23i
(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
Se deja como ejercicio comprobar las siguentes reglas de aritmtica com-
pleja:
ZI + z 2 = z2 + z,
z1z2 =z2z*
ZI + (z2 + z3 j = ( z *+ z 2 )+ z3
Zl(ZZZ3j = (z1z2)z3
z1(z2 + Zj) = ZlZ2 + z,z3
o+z=z
z+(-z)=O
l.z=z
Ejemplo 5
(3 + 2i)(4 + i) = 12 + 3i + 8i + 2i2 = 12 + 1 l i 2 = 10 + 1 l i-
Ejemplo 6 Si
entonces
AB=[
I+i
-i][
4 2- i- 3 i
'qi]
= [ !.i+(-i).(2-3i)
(I + i ) . i + ( 4 - i ) . ( 2 - 3 i ) (1 +i).(l
+
1 . ( 1 - i) ( - i ) . 4
-i)+(4-i).4
=[ -3-i
4-13i
1 -5i
18-4i
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
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 d) (1 + i)(AB) + (3 - 4i)A
22. En cada inciso, resolver la ecuacin aplicando la frmula cuadrhtica y comprobar los
resultados sustituyendo las soluciones enla ecuacin dada.
a) z2+2z+2=0 b) z2-z+ 1 = 0
23. a) Demostrar que si n es un entero positivo, entonces los nicos valores posibles de in
son 1, -1, i y -i.
25. Usar el resultado del ejercicio 24 para demostrar lo siguiente: Si zzl = zz2 y z # O ,
entonces z1 = zz.
28. Demostrar que zl(z2+ z3) = z1z2+ z i t 3para los nmeros complejos
z I ,zz y z3.
"I
1 0 0 0
O 1 0 0
P= o
':
o o
(Y,=
0 -1 o >
1 o '
o 0 o -1 1 0 y
0 0
O O O - i 0 0 1 0
O 0 i 0 0 o 0 - 1
(
Y ,
= , CU, =
O - i O O 1 0 0 0
i o 0 0 ,o -1 0 o
a) Demostrar que p2 = 4= a: = 4 = I,
b) Dos matrices A y B se denominan anticonmui&*vus si AB = - BA. Demostrar que
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.
61 O / Espacios vectoriales complejos
CONJUGADOS Seempezarconalgunasideaspreliminares.
ComLEJOs z = a + bi escualquiernmerocomplejo,entonces el conjugado de z, deno-
tado por z,(que se lee como"z barra"), se define como
z=a-bi
En palabras, se obtiene invirtiendo el signo de la parte imaginaria de z.
Geomtricamente, t es la reflexin dez con respecto al eje real (figura 1).
i+=n-bi
Figura 1
~~~~
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.
1 -
z=-zz
1z212
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.
1 - 2i - 11 - 2iI2
(3 + 4i)( 1 - 2i) = - (3 + 4i)( 1
5
+ 2i)
1
=-(-5+ 1Oi)= - 1 + 2 i
5
Otra solucin. As como en la observacin precedente, el numerador y el
denominador se multiplican por el conjugado del denominador:
3 +4i -
3 +4i 1 +2i -5
-
1Oi +
= -I+2i A
1 -2i 1 -2i 1 +2i 5
ix + 2y = 1 - 2i
4x-iy= -1 +3i
614 / Espacios vectoriales complejos
Y=
1' -'"'I - (i)(-1 +3i)-4(1
- - 2 i ) -" -7+7i
-1-i
;1 -21
As, la solucin es x = i , y = 1 - i. A
i( - i) - 2(4) -7
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) Z] + z, = 2, + z2
1
b) m "
= Z, - z2
Z]Z2. = z,z*.
En los ejercicios del 7 al 14, realizar los cillculos y expresar el resultado en la forma a + bi.
i 2 1
7. - 8. ____-
9. ___
I+i (1 - i)(3 + i ) (3 + 4)
2+i V3+i 1
10. 11. 12.
+
i( - 3 4i) (1 - i)(V3 - i) i(3 - 2i)(l + i)
i 2+i 1-2i
13. 14.
(1 - i)(l - 2i)(l + 2i) 3 + 4i 5i
15. En cada inciso, resolver para z.
a) iz = 2 - i b) (4 - 3i)F =
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 b) 1 < bl < 2 c) (2z - 4il < 1 d) JzI5 )z + iJ
19. Dado que z = x + Q, encontrar
a) Re(G) 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,]
616 / Espacios vectoriales complejos
21.Demostrar:
1 I
a) -(z
2
+ Z ) = Re(z) bj -(z - 5) = Im(zj
2i
a) z, - z, = z I - z2 b) d) =z
-
27. a) Demostrar que z 2 = (i)2.
-
b) Demostrar que si n es un entero positivo, entonces Z " = ( 1j".
c) Es verdadero el resultado del inciso b) si n es un enteronegativo?Explicarla
respuesta.
En los ejercicios del 28 al 31, resolver el sistema de ecuaciones lineales aplicando la regla
de Cramer.
+
30. xI x, + x3 = 3 31. ix, + 3x, + (1 + i)x3 = - i
+
x, x, - x j = 2 2i + x, + ix, + 3x, = -2i
x, --,+x,= -1 XI + x, + xj = o
32. [ - l"
+i " -2
-i][~~]= [:] 33. [ "If2 "[;;]=[:I
1
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,
37. Demostrar: Para cualquier nmero complejo z,IRe(z)l 5 Izi e IIm(z)l 5 Iz/.
IRe(z)l + IIm(z)l ~
v5
[Sugerenciu Sea z = x + iy y aplicar el hecho de que (bl - b1)22 O.]
39. En cada inciso aplicar el mtodo del ejemplo 4 de la seccin 1.5 para encontrar A" y
comprobar el resultado demostrando que AA" = A"A = 1.
i O -i
2-i i
Figura 1
618 / Espacios vectoriales complejos
z=rcos e+irsenB
o bien, como
I I
e = Arg z
Ejemplo 1 Expresar los siguientes nmeros complejos en forma polar usando sus
argumentos principales:
(a)z=l+d% b)z=-1- I
r = \ z l = w = + T = 2
ycomox= l y y = fi,por(l)seinfiereque
10.3 Forma polar; teorema de De Moivre / 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 e
- 1 = *sene
-+isen- "1
4
A
INTERPRETA- A continuacin se mostrar cmosepueden usar las formas polares para obtener
CIN interpretaciones geomtricas de la multiplicacin y la divisin de nmeros
com-
GEOMTRICA plejos.
Sean
DE LA
MULTIPLICA- z, =?,(cos 0, + i sene,) y z2 = r,(cos 6, + i sen e,)
CIN Y LA
DMSIN Multiplicando,
obtiene
se
lv21 = IZllIZ2l
Y
arg(z,z2) = arg z1 + arg z2
(Por qu?)
~~
Ejemplo 2 Sean
=4
[ y -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 / Espacios vectoriales complejos
t'
Figura 4 I Al multiplicar por i, z gira 90' en sentido contrario a las manecillas del reloj. I
o bien,
w=p(cosa+isena) y z=r(cosO+isen8)
Al comparar los mdulos delos dos miembrosse observa quep = r o bien, que
donde " 6denota la n-sima raz real positiva de r. Adems, para que en (9) se
cumplan las igualdades cos n a = cos 8 y sen n a = sen 8, los ngulos n a y 8 deben
ser igualeso diferir por un mltiplo de2n. Es decir,
n a = 8 + 2 k r ,k = 0 , + 1 , t 2, . . .
O
8 2!cr
a=-+- , k=0, k l , 2 2 , .
n n
As, los valoresde w = p (cos a + i sen a) que satisfacen(8) estn dados por
= l / n = , [ , , s ( 8, t ~2km
)+iSen(!+~)], k=O,1,2,,..,n-l (IO)
624 / Espacios vectoriales complejos
Solucin. Como -8 est sobre el eje real negativo se puede usar 0 = ?t como
argumento. Adems, r = bl = 1-81 = 8, de modo que una forma polar de -8 es
-8=8(cos v+isen.rr)
[ (3-+-
cos 25") + i s e n (3-+- 2 3 ] , k = O , 1,2
2(cos7r+isen7r)=2(-1)= -2
4'
Solucidn. Se podra aplicar la f6miila i.U.: j . 1.c. vez de ello, se observa quew = 1
es una raz cuarta de 1, de modo que las tres races restantes se pueden generarsi
esta raz se hace girar en incrementos de 2 d 4 = n/2 radianes (= 90'): En la
figura 6 se observa quelas races cuartasde 1 son
1. i, -1, "i A
4"
/ \
/ \
EXPONENTES Estaseccinconcluyeconalgunoscomentariossobrenotacin.
COMPLEJOS En estudios
ms
detallados
de
nmeros
complejos se
definen
los
exponentes
complejos y se demuestra que
I
o+
cos i sen8=eie
donde e es un nmero real irracional definido aproximadamente por e =
2.7 1828. . . (Para quienes ya estularon Clculo, en el ejercicio18 se proporciona
una demostracin de este hecho.)
Por la expresin(1 1) se concluye que la forma polar
z = r(cos 8 + i sen 8)
se puede escribir de manera
ms breve como
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 = r(cos 9 - i sene)
su argumento principal.
3. En cada inciso expresarel nmero complejo en forma polar usando
a) 2i b) - 4 c) 5 + 5 i d) - 6 + 6 d ? i e) - 3 - 3i f) 2 f i - 2 i
4. Dado que z, = %(cosn14 + i sen n / 4 )y z2 = COS nl6 + i sen n16) obtener una forma
polar de
10. Obtener las races cuadradas de 1 + i y expresar los resultados en forma polar.
a) ( I +I)' b) (-2*+2i)")
16. a) Demostrar que todos los valores de en la frmula (10) son diferentes.
b) Demostrar que los valores enteros de k distintos de k = O, 1,2, . . . ,n - 1 producen
valores de z"" que son rplicas de los producidos por la frmula (IO).
18. (Para quienes ya estudiaron Cdkulo). Para demostrar la frmula (1 l), recurdese l a
serie de Maclaurin para 8
COMPLEJOS
+
w = k,v, k2v2 + . . . +k,~,
donde k,, k,, . . . , kr son nmeros complejos.
1O. 4 Espacios vectoriales complejos / 629
o en notacin matricial
donde
u, = a , + b,i, u2 = a , + h,i, . . . , u, = a, + h,i
Ejemplo 1 Si
forman una base. sta se denomina base estndar para P.Como en esta base hay
n vectores, Cn es un espacio vectorial n dimensional.
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
((u(\
= VFZ = v% = o
de modo que u sena un vector dverente de cero con longitud cero, situacin a
todas luces contradictoria.
PRODUCTOS Para extender correctamente los conceptos de norma, distancia y ngulo a C" es
INTERIORES necesario modificar un poco el producto interior.
EUCLIDIANOS ~~ ~ ~ ~ ~ ~ ~~~~
es
= u.v
I O. 4 Espacios vectoriales complejos / 633
Demostracin de 4.
.
u . (kv) = k(u v)
llull =m=2v3
u - v + ix = 2ix + w.
7. Demostrar que si v es un vector diferente de cero en Cn, entonces (l/llvll)v tiene noma
euclidiana l .
10. El conjunto de todas las temas de nmeros complejos (z,, z2, z3) con las opera-
ciones
Y
10.4 Espacios vectoriales complejos / 635
13. Aplicando el teorema 5.2.1, determinar cules de los siguientes conjuntos son subes-
pacios de C3.
a) Todos los vectores de la forma (2, O, O).
b) Todos los vectores de la forma (z, i, i) "
14. Aplicando el teorema 5.2.1, determinar cules de los siguientes conjuntos son subes-
pacios del complejoMZ2:
a) Todas las matnces complejas de la forma
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 sub-
espacios 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)
18. En cada inciso, determinar si los vectores dados generan a C3
636 / Espacios vectoriales complejos
c) A = [ 2i
J j]
O
y = [2 0
en el complejo
En los ejercicios del 26 al 29, determinar la dimensin y una base para el espacio solucin
del sistema.
26. x, + (1 + i)x, = O 27. 2x1 - (1 + i)x2 = O
( 1 - i)x, + 2x2 = O (-1 + i ) x , + x, = o
u.(h)=k(u.v)
4
-4111 - vil2 + -1i1 + iv1I2 4i llu
- -
Un espacio vectorial complejo con un producto interior se llama espacio con pro-
ducto interior complejo o espacio unitario.
Las siguientes propiedades adxionales se deducen de inmediato a partir de
los cuatro axiomas de producto interior:
638 / Espacios vectoriales complejos
Como slo iii) difiere de los resultados correspondientes para productos inte-
riores reales, se demostrar y las otras demostraciones se dejan como ejercicio.
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
10.5 Espacios complejos con producto interior / 639
JUhf(4 U
ID
dx = + [fl(4 if2(x)ldx =
b
fl(4
h
dx + i l , f2(4 dx
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
Y
640 1 Espacios vectoriales complejos
Obsrvese que estas expresiones son justamente las frmulas para la norma y la
distancia euclidianas analizadas en la seccin 10.4. A
u = (i, 1) y v = (1, i)
u.v=(i)(i)+(1)(5)=(i)(l)+(l)(-i)=o A
Solucin.
Paso 1. v I = u, = (i, i, i)
1O.5 Espacios complejoscon producto interior / 641
As.
forma una base ortogonal para 6 3 . Las normas de estos vectores son
1
- -sen (k - l ) x
- [k-1 k- 1
= (O) - i(0) = O
- " -
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 cum-
plen.
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
define un producto interior sobre P En caso negativo, enumerar todos los axiomas que
no se cumplen.
10. Para cada vector del ejercicio 9, usando el producto interior euclidiano encontrar I(w((
16. Sea el complejo MZ2con el producto interior del ejemplo2. Encontrar d(A, B ) si
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
v5'v5
), ( --r
v2'
"
)
v5
(d) (i,O), (0,O)
21. Sea C
'
con el producto interioreuclidiano.Cules de los siguientes conjuntos son
ortonornlales?
22. Sea
23.
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.
30. Demostrar que si u y v son vectoresen un espacio con producto interior complejo,entonces
33. Demostrar que si (u, v) es un producto interior sobre un espacio vectorial complejo,
entonces
(O, v ) = (v, O ) = o
646 / Espacios vectoriales complejos
37. Demostrar que si u y v son vectores en un espacio con producto interior complejo, en-
tonces
Para matrices con elementos reales, las matrices ortogonales (Ap1 = A T ) y las
matrices simtricas (A = AT) desempearon un papel importante en el problema
de diagonalizacin ortogonal (seccin 7.3). Para matrices con elementos com-
plejos, las matricesortogonales y simtricas son relativamente poco importantes;
son reemplazadas por dos nuevas clases de matrices, la matrices unitarias y her-
mitianas. que se analizarn en esta seccin.
entonces
de modo que
son
r1 =
l+i
A=
I).
l+i
rl+i
~-
"
l+i
2
1-i
2
2
-l+i
2
r2 = (?. -+)
1-i -l+'
i
-"" i
- -0
2 2
1 O. 6 Matrices unitarias, normales y hermitianas / 649
El lector debe comprobar que la matriz (2) es la inversa de la matriz (1) probando
q u e m * = A*A =I. A
DIAGONALIZA- Recurdese que una matriz cuadrada A con elementos reales se llama diagona-
CIN UNITARIA lizable ortogonalmente si hay una matriz ortogonal P tal que P"AP (= P'AP) sea
diagonal. Para matrices complejas se tiene un concepto anlogo.
MATRICES En la seccin 7.3 se vio que als matrices desempeaban un papel fundamental en
HERMITIANAS el problema de diagonalizar ortogonalmente una matriz con elementos reales. Los
anlogos complejos ms naturales de las matrices simtricas reales son las ma-
trices hermitianas*, que se definen como sigue:
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 Espacios vectoriales complejos
Ejemplo 3 Si
i l+i
A = [ Li -5 z;i]
1-i 2+i
entonces
1 -i 1-i
I=[ i -5 2+i
l+i 2-i 3
de modo que
MATRICES Las matrices hermitianas poseen muchas propiedades, aunque no todas, de las
NORMALES matrices simtricas reales. Por ejemplo, as como a
ls matrices simtricas reales
son diagonalizables ortogonalmente, se ver que las matrices hermitianas son dia-
gonalizables unitariamente. Sin embargo, a pesar de que las matrices simtricas
reales son als nicas matrices con elementos reales que se pueden diagonalizar
ortogonalmente (teorema 7.3.1), las matrices hermitianas no constituyen toda la
clase de matrices diagonalizables unitariamente; es decir, existen matrices &ago-
nalizables unitariamente que no son hermitianas. Para explicar por qu es as se
necesita la siguiente definicin:
~~
PROCEDE En la seccin 7.3 se vio que una matriz simtrica A es diagonalizada ortogonal-
MIENTO DE mente por cualquier matriz ortogonal cuyosvectores columna sean eigenvectores
DIAGONALI- de A . De manera semejante, una matriz normal A es diagonalizada por cualquier
ZACIN matriz unitaria cuyos vectores columna sean eigenvectores de A . El procedimiento
para diagonalizar una matriz normal es como sigue:
Ejemplo 5 La matriz
652 / Espacios vectoriales complejos
det(AZ-A) = det
a-2
-l+i
-I-i
1-3 1 =(a-2)(a-3)-2=a2-5a+4
[ a-2
-l+i
-'il[;;]=[;]
A-3
[ - I- +
l i -2
-l-i][;:]=[;]
x= [ ( - 1 - i)s]+ll-i]
10.6 Matrices unitarias, normales y hermitianas / 653
u= [ -'l-i]
el vector
[ -l+i -"i][;;]
1 = [o]
Resolviendo este sistema por eliminacin de Gauss-Jordan se obtiene (comprobar)
x, = x* =S
X = [(?)S] S =S
Por tanto,
r-
-1-i l+i
-
diagonaliza a A y
PAP= [A y] A
EIGENVALORES En el teorema 7.3.2 se estableci que los eigenvalores de una matriz simtrica con
DE MATRICES elementos reales son nmeros reales. Este importante resultado es un corolario del
HERMITIANAS Y siguiente teorema ms general.
SIMTRICAS
~~
Av = Av
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
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
4. Aplicando el teorema 10.6.2., determinar cules de las siguientes matrices son unita-
rias.
r
i I
-
-1
"
v5 v%
i
c) ["i 1 - 1 - + i] d) 0 -
I + i
v5
1 i
__
L
v5
5. En cada inciso, comprobar que la matriz es unitaria y encontrar su inversa.
i 1
d)
3 v5
-
3 f i 4+3i
En los ejercicios del 7 al 12, encontrar una matriz unitaria P que diagonalice a A y deter-
minar P"AP.
[3(11 3 : ~ 11. A = [5
O
O -I-i
0
-1 -l+i
O
O 1
12. A = --Zv5
v5v5
2 0
i
- 0 2
- v5 -
13. Demostrar que los eigenvalores de la matriz simtrica
14. Encontrar una matnz 2 X 2 que sea hennitiana y unitaria y cuyos elementos no sean
todos nmeros reales.
Ejercicios complementarios / 657
"
15. Demostrar: Si A es una matriz n X n con elementos complejos, entonces lb'. , '! =
__
det(A). [Sugerencia Primero demostrarque los productos cl ": ' . : : :: ;igno
son los conjugados de los productos elementales de A con sign J
16. a) Aplicando el resultado del ejercicio 15, demostrar que si A es una matriz n X n con
elementos complejos, entonces det(A*) = det(A).
b) Demostrar: Si A es hermitiana, entonces det(A) es real.
c) Demostrar: Si A es unitaria, entonces Idet(A)I = l .
17. Demostrar que los elementos sobre la diagonal principal de una matriz hermitiana son
nmeros reales.
18. Sean
19. Demostrar: Si A es invertible, entonces tambinA* lo es, en cuyo caso (A*)" = (A")*.
21. Demostrar que una matriz n x n con elementos complejos es unitaria si y slo si sus
renglones forman un conjunto ortonormal en C" con el producto interior euclidiano.
22. Usando los ejercicios 20 y 21, demostrar que una matriz n X n es unitaria si y slo si
sus columnas forman un conjunto ortonormal en C" con el producto interior euclidiano.
23. Dzmostrar: Si A = A*, entonces para todo vector x en C", el elemento en la matriz
x Ax de 1 X 1 es real.
EJERCICIOS COMPLEMENTARIOS
donde =
1 sen[ (n + +)O]
1 +cosO+cos2o+~~~+cosnO"+
2 2sen(O/2)
para O < O < 277. [Sugerencia Sea z = cos O + i sen O.]
7. Seaw=e2n1'3.Demostrarquelosvectoresvl= ( l / f i ) ( l , 1, 1 ) , v 2 = ( 1 / f i ) ( 1 , w , w
tambin es unitario.
S.
c) [.
1
0
a) 2 x ,
0
2
3
1
=O
0 - 1
1
7
o
0
b) 3x,
-1
1
1
-
i]
O 0
2X) =
d) [:y 1
5
3 '1
c) 7x1 + 2x2 + X) - 3x4 = 5
3x, - 4x2 = o 7x, + x, + 4x, = -3 x1 + 2x2 + 4x, = I
x2 = 1 - 2x2 + x3 = 7
d) XI = 7
x2 = -2
x3 = 3
x, = 4
8. k = 6: infinidad de soluciones
k # 6: no hay soluciones
Ningn valor de k produce una solucin.
9. a) Las rectas no tienen punto de interseccin comn. b) Las rectas se intersecan exactamente en un punto
c) Las tres rectas coinciden.
661
1. a) iildeXd,J b) 4 X 2 e ) hdefmdad) Indefinida 2. a = 5, b = - 3, c = 4, d = 1
c) 5 x 5 P) 5 X 2 g ) Indefinida h) 5 X 2
~]
5
d) [ -7
-21
-28
-7
-141
-35
Respuestas a los ejercicios / 663
e) [-::] [y -A] [
3
a
9
a
f) g) -13
9
O
1
2
1
I:]
-6
h) [ 9
-1
1
- 13
-4
2
-6
y]
e) [
1:
45
-11
17
l;]
13
[
f) 21
17 35]
17 g) [ -: h) [:n
24
-2:
6
I:]
16
i) 61 (j) 35 (k) 28
13. . ) A = [ ! --:
-3 i],x=[:],b=[-a]
4
b)A=l5
r
2
0
-5
1
3
O
9
-8
-1
1
o 3 1 1
I S.
a,, o o o o o
O a , , O o o o
21. a)
0 a55
o o 66
Respuestas a los ejercicios / 665
o o o o
'1
'61 '62 a63 a64 a66
a65
22. a) [
2 3 4 5
4 5 6 7
5 6 7 8
b)
'1 1
1 2
1 3
.I 4
4
1
8
9 2 7
16 64-
1- -1 -1 1 1
o
:]
kl
20. a) Un ejemplo es
o
b) Un ejemplo es [; -1
I:].
666 / Respuestas a los ejerciclos
3.a) [" O
1
o1 O
0
'1 [:1 :]
0
b) O 1 O c) [ -2
y
o I
"1 d) [A y
2 0 1
5. a) [ -: -:] [-: b)
5
z]
2
c) N o e s invertible
b) No es invertible c) [-i 8 81
-
1
-
2
"
-
1
2
"
1
0 -
I-
1
- L
P
1
-1
- 0 0 0 0 0 0 - O O
kl k'l
1
o -I o o 0 0 - 0 O O
k2 k3
8. a) b)
o o
1
- o ,
1
o - o o -1 O
k3 k2 k
0 0 0 -
1 1
- 0 0 0 -1
k4 - kl - k
lu
Respuestas a los ejercicios 1 667
1. a) [ y]
0 b)No es invertible c) [ F] -1 o o
[ -:I [
-1
b) A z = rl oi,O],
o A-r 9 :], A-.=[: O *O]
3k 0
o o & O O 16 o o 4k
4. b), c) 5. a) 6. u = 11,b= - 9 , c = - 1 3 7. ~ = 2 , b =- 1
-
$ 0 - 0
b ) [O i
O 0 1
61
7
/ +
__ . -
668 / Respuestas a los ejercicios
O
5 O]
O 7
b) No IY. n
-2( I + n )
7. a) a f O , b # 2
C) a = O , b = 2
b)a#O,b=2
d)a=O,b#2
8. x = $ , y = 9 , 2 = + Y. IC=[: :]
10. a = 2 , b = -I,c= 1 11. a) X = b) X =
6 0 1 -37 -3i
I. a) 5 b) Y c) 6 d) 10 e) O f) 2
2. Impar
a) b) Impar c) Par d) Par e) Par f ) Par
3. 22 4. O S. S2 6. - 3 f i 7. a Z - 5 a + 2 1 8. O 9. -65 10. - 4 11. -123
I. a) -30 b) -2 c) O d) O 3. a ) - S b) - 1 c) 1 4. 30 5. 5 6. -17
7 . 33 8. 39 Y. 6 10. -Q I t . -2 12. a) - 6 b) 72 c) - 6 d) 18
Respuestas a los ejercicios / 669
c) ["3 -I
at-3 I["'] 1 3
x, =
f) P I P 2 = ( l r-1, -2)
-2) c)
+
p,p;
= (2, 1)
g) P,P, = ( - a , - b , -c)
d)
h)
p,p; = (a, b)
= (a,b, c)
2 ' 2
3. a) V% b) fi+ac ) 4 f i d ) a e) (- 3
-
6
--)m4
f) 1
1. k = *x 4
8. Una esfera de radio 1 con centro en (xo, y,, z 0 )
Respuestas a los ejercicios / 671
6. a) b b)
4v5
-
5
c) -
m
18
d) x 43
9. a) 102 b) 1252/5 c) 170 d) 170
11. COS
m cos e, = -
e, = -,10
3 m
, 3
', COS =O 12. Elngulorecto est en B.
10
1. a) (32, -6,
-4) b) ( - 14, -20, - 82) C) (27, 40, -42)
d) (O, 176, -264) e) (-44, 55, -22) f) (-8, -3, -8)
II. a) No b) S c) No 12.
17. a) -
a
2
b)
a
3 19. a) -
2 m
b)
m
3 21. a) m b) 0 - 40'19
1. a) -2(x + 1) + (y - 3) - (z + 2) = O 2. a) - 2 x + y - z - 7 = 0
+
b) (x - 1) 9(y - 1) 8(2 - 4) = O + b)~+9~+&-42=0
c) 2z = o c) 2z = o
d)x+2y+3z=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 1 Respuestas a los ejercicios
4 1 2
39. a) $ b) -q1g c) 40. a) -
2 m
b) O C) -
6
x-3 z + y3 - x3 + 22 - 2
-
42. a) --
-y+ I =- b) --
6
-
6 2
2 3
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"
8. k = r$ 9. a) 7 b) 14 c) 7 d) 11 10. a)
11. a) b) 2- c) fi d) 10
14. a) Si b) No c ) S d) No e ) No f) S 15. a) k = -3 b) k = -2, k = -3
16. S $ ( - 3 4 , 4 4- 6, , l l ) 19. x , = ~ , x , =
-l,x3=2 20. -6
33. a) Medida euclidiana de la "caja" en R": a , a2 . . . a ,
b) Longltud de la diagonal: \'a? + a: + ' ' ' + ai
1. a) Lineal; R3 + R2 b) No lineal; R2 -+ R3
[:-1 111
c ) Lineal; R3 -+R' d) No lineal; R4 + R2
[-: I:] [I :]
1 0 0 0
3. [i -1 I : ] ; T ( - 1 , 2 , 4 ) = ( 3-, 2-, 3 )
4. a) [: -:] b) [' o
O]
1
c) [l
O
1 2 1
5 O]
0 1
d) [" :]O O -8
S. a) [-P 1
1
3
-- O]
1
b, [ -1
o
7 2
1
o
-
"1
O
d) [I O
O
1 -1
O
O
1
O
6. a) [ :] [- b) c) [ -2x,
6x1
+ + 4x,
x2
2x,
7x,
+ x2
+ 4x2]
+ 8x2
7. a) T ( - 1 , 4 ) = ( 5 , 4 ) (b) T(2,1, -3)=(0, -2,O)
8. a) (-1,-2) (b) (1,2) c ) (2, - 1 ) 9. a)
(2, -5, -3) b) (2, 5, 3) c) (-2, - 5 , 3)
IO. a) (2,O) (b) (O, - 5 ) 11. a) (-2, 1,O) b) ( - 2 , 0 , 3 ) c) (O, 1, 3)
12. a)
( 3fi2 +4,3
~
-y
___
3 - 4 v- 3 f i - 4 ?v5 -v5
v 5 + 2 -1+2v5
15. a)
( -2,-
2 ' 2
b) ( - 2 l h , I , O) c ) (1, 2. 2)
S. a) Es uno a uno;
[!
3 -!I
5
; T- ,(MI,,w2)= (+x, - $x, +xl + $x2) b) No es uno a uno
[
c) Es uno a uno, -
o -1
o ] ; T P L ( w , w,)
, = ( -X,, -xl) d) No es uno a uno
1 -2 4
6 . a) Es uno auno, [I I:]; T"(w,, w2,w3) = (x, - 2x, + 4x3, - X I + 2x2 - 3x3, -X1 3% - 5x3)
d) No es uno a uno
12. a) Para una reflexin con respecto al ejey. T(e,)= [ y T(e,) = [y]. Portanto, T =
[-:P]
b) Para una reflexin con respecto al plano xz. T(e,)= O [J T(e2)= [-!) y ve3)=1].
r1 0 01
Por tanto, T = O I -1 O I.
11
Lo 0
C) Para unaproyeccinortogonal sobre el eje x. T(e,)= [A] [:l. y -(e,)= Portanto, T = [b :].
d) Para una proyeccin ortogonalsobre el plano z. T(e,)=
Por tanto, T =
cost)
[
-sen%
sen% COS e 1. I
676 i Respuestas a los ejercicios
L:i 111
f ) Para una dilatacin por un factor k 2 1, T ( e , )= O , T(e,) = k , T(e,) =
[I
O . Por tanto, T =
L: : :I
O k O
O 0 0
0
O
0
O]
a= - 1; [i] L = o;
Respuestas a los ejercicios / 677
7 . a), b), d)
678 Respuestas a los ejercicios
11. a) Los vectores generan. b) Los vectores no generan. 12. a), c), e) 13. No
c) Los vectores nogeneran. d) Los vectores generan.
1. a) u2es un mltiplo escalar de u , . b) Por el teorema 5.1.3, los vectores son linealmente independientes
c) p2 es un mltiplo escalar de p l . d) B es un mltiplo escalar de A .
2. d) 3. Ninguno 4. d)
18. a) Son linealmente independientes porque vl, v2 y v3 no estn en el mismo plano cuando se colocan con SUS
puntos iniciales en el origen.
b) No son linealmente independientes porque v,, v2 y v3 estn en el mismo plano cuando se colocan con SUS
puntos iniciales en el origen.
7 . a) ( w ) =
~ (3, - 7) c) (w), = ( a ,
= ( 3 , -2, 1)
8. a) ( v ) ~ ~ ( - 2 , O, 1)
b) ( v ) = 9. a) (pis = (4, -3, 1) b) (PIS = (0,2, - 1)
10. (A),= ( - 1, 1, - 1, 3 ) 11. Base: (1, O, 1); dimensin= 1
1. r l = ( 2 , - 1 , O , l ) , r 2 = ( 3 , 5 , 7 , - 1 ) , r 3 = ( 1 , 4 , 2 , 7 ) ; c l =
[:I
3 ,c2=
[-I [I1 [-!I
5 ,c3= 7 ,e4=
O
1
[-;Ilc4=[-,1
d) rl = [l 2 - 1 51, r2 = [O 1 4 31, r3 = [O O 1 -7],r4= [O O O I],
Respuestas a los ejercicios / 681
3. a) 2; 1 b) 1; 2 c) 2; 2 d) 2; 3 e) 3; 2
4. a) 3; 3; O; O b) 2; 2; 1; 1 c) 1; 1 ; 2 ; 2 d) 2; 2; 7; 3
e) 2; 2; 3; 7 f, O; o; 4; 4 g) 2; o; 4
9. b , = r, b, = S, b, = 4s - 3r, b, = 2r - S, b, = 8s - 7r
12. a) Rango ( A ) = 1 si t = 1; rango ( A ) = 2 si t = -2; rango ( A ) = 3 si t = 1, -2
b) Rango ( A ) = 2 si t = 1,312; rango ( A ) = 3 si f f 1,312
682 / Respuestas a los ejercicios
13. El rango es 2 si r = 2 y s = 1
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)
1 1 . (l,x2,x3,x4,x5,x
, .6. . , X") 12. a ) 2 b) 1 c)2 d)3 13.0,1,0 2
I. a) 2 b) 11 c ) -13 d) - 8 e) O 2. a) -2 b) 62 c) -74 d) 8 e) O
3. a) 3 b) 56 4. a) - 29 b) - 15 5 . b) 29 6. b) - 42
7. a)
9. a)
10. a)
13. a)
17. a)
x2 y2
18. a) "+"=I
4 16
1. a) S b) No c ) S d) No e ) No f) S 2. No
1 19
3. a) --
v5 b) -- m
3
c) O 4. a) O b) O 6. a) - b) 0
1o vi
[E], [a]
-1
16. a) [ b) c) [I:], [! 1.
-1
1
O
O
33. (u, v ) = tu,v, + Qu,v,
r l 11 r 1 S 1
24. a)
1
- v5
v5
1
-
d)
v5
O
b) [ 10
55
"
36
-
35
3%] [
43 "3%
c)
44x0
%O
+ %Yo
+ %YO + b o ]
- 35x0 + &Yo + %o
- &o
4E
15
-
21
-3i
"
2
21
8
-
-
21
C) [-&X,
&x0 - &Yo + #izo
+&Yo-&zo]
&x0 - &Yo + &o
15. P=AT(AAT)"A
21. a) A = [
cos 0 O
O
sen0 O
1
-sen3
O
cos O
1 ,)A=[:
O
O
cos0 se:0]
-sen3 cos3
22.
u
"
v5
"
2
-f i a
5 1-
2
O
12. b) Las diagonales de un paralelogramo son perpendiculares si y slo si los lados del paralelogramo tienen la
misma longitud.
2 1
16. a = O, b = --, c = -; no son micos
G V 5
3. a) Baseparaeleigenespaciocorrespondiente a A = 3:
[;] ;
b) A = O : base
[:I
i ;I=fi:base
[+(I5 +15fi)
+(-1 + 2 f i )
1
;I-=
a:base
[+(I5 -:fi)]
$(-1 - 2 ~ 5 )
6118 i Respuestas a los ejercicios
[i]
a) -1
c) a, = 3:
1. 1 , 2 o 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
Respuestas a los ejercicios / 689
10. p = [ O
1 01 0l ] ; P - ' A P = [ OO 1
0 O]
0 ll.P=["i y A];P-'A.-[. 3 30 o]
0
-1 o 1 O 0 2 1 0 0 O 0 2
20. a) [A y :]
O 0 1
b) 1y :] [A 1:
O 0 1
c)
o -1
:] [E d)
o "1
-1
1. a) A2 - 5A = O; A= O: unidimensional; A = 5: unidimensional
b) A3 - 2 7 A - 54 = O; A = 6 : unidimensional ; A = - 3 : bidimensional
c) A3 - 3A2 = O; A = 3 : unidimensional ; A = O: bidimensional
d) A3 - 12A2+ 3 6 A - 3 2 = O; A = 2: bidimensional,;A = 8: unidimensional
e) A4 - SA3 = O; A = O: tridimensional; A = 8: unidimensional
f) A4 - SA3 + 22A2 - 24A+ 9 = O; A = 1: bidimensional;
A = 3 : bidimensional
I
o -
v5
1
o -
\%
o 0
1 0
25
1. b) La transformacin rota u11 h g u l o 0 los vectores; por consiguiente, si O < 0 < x , entonces ningn vector
diferente de cero es transformado en un vector en la misma direccin o en direccin opuesta.
l i 0
2. L=kconmultiplicidad 3. 3 . c) [O 2 1 1 Y. A * = [ ' : A 3 = [ 2 575 150
50].
0 0 3
-3 -8
750 375 1875 3750
A4 = [ SO],
125 = [ 625 o],:, -15 10
IO -24 15
15. T(x~,X,, X-,) = (-41x1 + 9x2 + 24x3, 14x1 - 3x2 - 8x3); T(7, 13, 7) = (-2, 3)
16. T(2vl - 3v, + 4 ~ 3 =) ( - 10, - 7, 6)
17. a) Dominio: R2;espacio imagen: R2; (T20 Tl)(x, y) = (2x - 3y, 2x + 3y)
b) Dominio: R2; espacio imagen: la recta y = gx; (T2 Tl)(x, y) = (4x - 12y, 3x - 9y)
0
c) Dominio: R2; espacio imagen: R2; (T2 ,)(x, y) = (2x + 3y, x - 2y)
0
21. T,(v) = ;V 22. (T, 0 T,)(u, + U,X + a2x2)= (uo-tc 1+ uz)x + (ul + 2u2)x2+ u2x3
26. b) (3T)(xI, X*) = (6x1 - 3x2,3x2 + 3x1)
27. b) (TI + TZ)(X,y) = (3.~3 4x1; (T2 - T~)(x,Y) = (Y, 2x1
28. b) No lineal 29. a) 4 b) 3415 c) 1
c) No existe base.
25. ker(D) consta de todos los polinomios constantes. 26. ker(J) consta de todos los polinomios de la forma h.
:I}
- 4x, - 5x,
b, T:~I)
= 16 + 5 1 +~19x2, T(v,) = -6 - 5x + SX', T(v,) = 7 + 4 0 ~ 15x2 +
c) T(a, + u,x + u2x2)= 2 3 9 ~ 1~246 1 +~ 2~ 8 9 +~ ~
- 2 -0 1
ill^,
8
+
~ ~ 247~2 61~0
X+
- 3 1
12
+~1 0~7 ~ X2
11 :]
d) T( 1 + x') = 22 + 56x + 14x2
12. a) [T,oT,],,,,= 2
1 1 1
4 , [ T 2 I B . =[oO o2 4 , [ Tl BI ' , B = [ i S] b, ~ T Z a T ~ ~ B ~ , B ~ ~ T ~ ~
4.
1 0 0
-;1 0 0
-~],[*lB,=
1
[-; -; 4
-%I s. [TI,= [ ] [ ]
o
0
1 o ,[TI,,=
0 0
o 1 1
O 0 0
Respuestas a los ejercicios / 695
1 1 1 1 1
O 2 4 6 8
8. a) det(T) = 17 10. a) [IB = donde B es labase normal b) T es uno a uno
b) det(T) = O O 0 0 8 3 2 de P4;rango(T) = 5 y nulidad
c)det(T) = 1 O 0 0 O 1 6 ( r ) =O.
, u; =
(3 + y ,G4+
5)
- 1:
[-::I
18. b) ~ -
2. b) A =
i
cosn0 -senno
senno
cosn0 1
5. a) T(e,) y dos cualquiera de (e,), T(e,), y T(e,) constituye una base para el rango; ( - 1,1, O, 1)
es una base parael kernel.
b) Rango = 3 nulidad = 1
6 . a) (-4, --Y,
11, b) (1,0, 0) y (-2, 1, O)
7. a) Rango ( r ) = 2 y nulidad ( T ) = 2 b) T no es uno a uno.
696 /' Respuestas a los ejercicios
1 0 0 0
15. [ T I E = [ A oy
-4
-y] 17. [Z']B=[!
-1
1
o -1
A]
19. b) x c) e'
20. a) [l!] d) - 3 2 +3 e) ~ -2
-1
6. a) Rectngulo con vrtices en (O, O), (1, O), (1, -2), (O, -2).
b) Rectngulo con vrtices en (O, O), (- 1, O), (- 1,2), (O, 2).
c) Rectngulocon vrtices en (O, O), (1, O), (1, ), (O, ).
d) Cuadrado con vrtices en (O, O), (2, O), (2,2), (O, 2).
e) Paralelogramo con vrtices en (O, O), (1, O), (7,2), (6,2).
r) 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
12* a) [O
o
'][O '1
o ; expansin en la direccin y por un factor de 3, luego expansin en la direccin x porun
factor d e 2
-I . . .. ~ . .. .
698 1 Respuestas a los ejercicios
1 k O
1. y = + + $ x 2. ~ = $ + Q x 3. y = 2 + 5 x - 3 x 2 4. y = - 5 + 3 x - 4 x 2 + 2 x 3
1. a) ( 1 + ~ ) - 2 s e n x - s e n 2 x b) ( 1 + m ) - 2 +- 3
4T
2. a) 4 ~ + 4 cos x + cos 2x + cos 3x - 4 x senx - 23r sen 2x - -sen 3x
3
b) $7r2+4
k=l
x--
coskx
k2
1
3. a) --+-eX
2 e-1
1
b)
1
12
3-e
2e-2
(3 - e)(7e - 19) 3 6 2
4. a) (4e- 10)+(18
-6e)x b) 5. a) -x b) 1 - - 8. -sen(kx)
2 T T 2 k
k= I
3. a) A = [ - :
9
-B
3 -4
b) [-: 1 -5
5 9
c ) A = [ $1
o +
z
O1
s O
:]
d) - 2x: + 3x: + 7x1x2+ x1x3+ 12x2x3 e) 2x1x, + 2x1x3+ 2x,x4 + 2x,x3 + 2x2x4+ 2x3x4
5. a) valor mximo = 5 at -t (1, O); valor mnimo = - 1 en -t (O, 1)
b) valor mximo =
11 +m -1
2
valor mnimo =
11 -m -1
2
valor mnimo =
7-m
~
2
en* ( % 5 i z z ' -
1
3+m )
7 I
d) valor mximo =
-, -)
(-,v3v%v% 1 1 2
6. a) valor mximo = 4en -t ; valor mnimo = -
7. b) 9. a)
- o,-
A) ;valor mnimo = 2en-t
1 -1
___ ~
-I ...
n(n - 1) n(n - 1) n(n - 1)
-1 -1 -1
~ . . . ___
16. a) A = n(n - 1) n n(n - 1) n(n - 1) b) Positiva s e m i d e f ~ d a
-1 -1
n(n - 1)
700 / Respuestas a los ejercicios
2. a) [:
o -4 -!] [
- b) -2 c) [i
O L
P i 0
d) [i y :] o -1
3. a) [x y z ] [:
o -4
2
2 -;]r]+[7
-1 2
O 21 [:]--3=o
4. a) Elipsoide. 5. a) 9x" + 3 6 ~+' 4zt2
~ =elipsoide.
36,
b) Hiperboloide de un manto. b) 6 ~+'3yt2 ~ - 2zI2 = 18, luperboloide de un manto.
c ) Kperboloide de dos mantos. 3x12 - 3y0 - z72 = 3, luperboloide de dos mantos.
d) Cono elptico. d) 4x'* + 9y'2 - z'* = O, cono elptico.
e) Paraboloide elptico. e) x" + 16y" - 162' = O, paraboloide elptico.
f) Paraboloide hiperblico f , 7xt2- 3yI2+ z' = O, paraboloide hiperblico.
g) Esfera. g) x'2 + y'2 + 2'2 = 25, esfera.
1. Multiplicaciones: mpn; adiciones: mp(n - 1). 2. Multiplicaciones: ( k - l)n3; adiciones: (k - l)(n3 - n2).
3.
n=5 I n=lO n = 100 n = 1000
t:
900
1100
285
+: 990,000
x : 1,010,000
+: 328,350
i :
x:
+:
999,000,000
1,001,000,000
332,833,500
x: 333,399 x: 333,333,999
4.
n=10 I
I
n=100 I n=1000
Tiempo de
ejecucin
I Resolver A x
Jordan
= b por
eliminacin de Gauss-
I x 10-4
Resolver Ax =b aplicando la regla de Cramer 6.18 x 1O-4 90.3 x I 83.9 I 834 X IO3
1. x ] = 2, x2 = 1 2. XI = -2, x2 = 1, x3 = -3
3. XI = 3, x2 = - 1 4. XI = 4, x2 = - 1
9. X] = - 3, x2 = 1, x3 = 2, x4 =1 10. x, = 2, x2 = - 1, x3 = o, x4 = 0
Ji3 !J
1 0 0 3 0 0 1 - 3
18. A = P L U = o o 1 o 2 o o
[o o J 0
704 / Respuestas a los ejercicios
31
31
t t
7 . a) c) , I
k t
2z = 2
z = 1 + 1
+ 21
++3i
8. a) k , = -5, k2 = 3 9. +
a) zlz,= 3 3i, 2: = -9, z i = -2i
b) k , = 3, k , = 1 b) zlzz= 2 6 , ~ := -20 +
48i, z: = - 5 - 12i
c ) z,z2 = y - i, z: = 8 - 3 + 44, z: = - 6 - 21
13. - 2 6 + 18i 14. - 1 - lli IS. -g+i 16. ( 2 + ~) + i(1 - f i ) 17. O 18. -24i
Respuestas a los ejercicios / ,705
19. a) 3+8i +
1 +36 i 12i
7i]
- 3 + b, [ 33--25ii 1 3 + 3 i 6 +c)
3+3i
5 i ] 9 - 5l [ 1'
2+5i1
:
1 '
f 9 + i 12+2i
.
;18-2i
13+ i 1
13+13i
-8+12i
-33-22i
O
7 + 9i - 6 + 61 -16- 16i
1 b) [ 6 + 2i
-1+6i
-11
-9-
+ 1"-j5i c) [
I
22 - l i 2 + 1Oi
1 v 5
-5-4i 6 - Si 22. a) z = - 1 k i b) z = - k - - - i 23. b) i
2 2
9- i -1- i_
'r)
1-v3 1+v3.
8. 9 . -1-24'
10. - # + & i
625 6251 11. -+-4 4
1 12. - & - A i
17. a) $2 , b) , C) Y. , d) ,
X 1;i X X
X
y = -2
706 / Respuestas a los ejercicios
1+ i -i
-7+6i 5-i 1+4i
I 1 +2i -i 1
2
c) [cos( -6) +isen( -E)] d) :[cos(%) +isen($)]
1+v%
5. 1 6. a) -64 b) - i c) - 6 4 f i - 6 4 i d) -- 2048
7. a)
\2
_ _+ Ll
v2
Ty
-
Respuestas a los ejercicios / 707
8.
11. a) 2 2 ,+ 2 i b) +(2+2i),+(2-2i)
+ +
12. Las races son+ (2Il4 2'14i), (2,14 - 2,14i) y la factorizacin es
+ +
z4 8 = (2' - 2'142 z3l2).(z2 2'142 23/2). + +
13. z gira 90' en el sentido de las manecillasdelreloj 14. a) 16 b) 3i
15. a) Re(z) = -3, Im(z) = O b) Re(z) = -3, Im(z) = O
c) Re(z) = O, Im(z) = - fi d) Re@)= - 3, Im(z) = O
6. a) fl b) fi+V% c) f i + f i i d) m e) (!-$,O) f) 1
11. No es un espacio vectorial. No se cumple el axioma 6; es decir, el conjunto no es cerrado bajo la multiplicacin
escalar. (Por ejemplo, multiplicar por i).
12. NO,R" no es cerrado bajo la multiplicacibn escalar.(Multiplicar un vector diferente de cero de R" por i.)
21. b), c) 22. f - 3g - 3 h = O 23. a) Tres vectores en un espacio bidkensional 24. a), b)
b) Dos vectores en un espacio tridimensional
25. a), b), c), d) 26. ( - 1 - i, 1); dimensin = 1 27. (1, 1 - i);dimensin = 1
28. ( 3 t 6i, - 3i, 1); dimensin = 1 29. (jz,-+, 1, O), (-$, 2i, O, 1); dimensin = 2
2. a) - 12 b) O c) 2i d) 37 4. a) - 4 + 5i 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 7. No se cumplen los axiomas 1 y 4
9. a) fl b) V6 c) V6 d) O 10. a) V6 b) 2 c) %6 d) O
11. a) ~ b) 2 V 5 c) 5 d) O 12. a) 3 V 6 b) 13. a) m b) 2%6
1. a) [ -2i
l f i 3-i O
b) [ T:i
-1-i
4
5 +3 71 i
i
-i
1
c) I-:] [TI2 d)
(111
13
a21
%]
23
5. b) A"=
-
3-i
2
m
4 - 3i
- 7. P =
2v-E
"
5i
2m
8. P = ; P"AP= [o4 0
2]
"
v5v5
r 1
71;
:I
i O
O -1 O
P"AP = O 5
-1 -0 O -2
O
v3
710 Respuestas a los ejercicios
3. 1,
ol
r] 1
es una posibilidad. 5. A = 1, w, o? (= O ) 10. b) Dimensin = 2
NDICE
711
712 / hdice
M":,
Menor, 131
definicin de, 24, 47 M . 131 Operaciones inversas, 76-77
diagonal, 666,495 260 Operaciones normales en R", 205
diagonal principal de una, 49 Mdulo, 610 Operadores reflexin, 223
diagonalizable, 426,438, 649 Muestra: Orden:
diagonalizable odogonalmeente, 437 media de la, 560 de una matriz cuadrada, 49
diagonalizable unitariamente, 649 variancia de la, 560 de un polinomio trigonomtrico, 546
diagonalizable ortogonalmente, 437 Multiplicacin por.4 (como una Origen, 153
diagonalizable unitariamente, 649 trasfomacin):
elemental, 75-76 defmicin), 220 Par ordenado, 203-204
elementos en una, 47 espacio nulo, 307 Parribola, 565
equivalente por renglones, 80,81 recorrido, 46 1 Paraboloide elptico, 575
espacio columna de una, 47 Multiplicacin de nmeros complejos, Paralologramo, 181
espacio rengln de una, 307 604,609 Parte imaginaria, 418,602,603
forma escalonada de una, 29-30, Multiplicacin por bloques, 59 Parte real, 603
33-34 Multiplicidad algebraica, 433 Pase hacia adelante, 580
forma escalonada reducida de una, Multiplicidad geomtrica, 433 Pase hacia atrs, 580
29-30, 33-34, 124 Mltiplo escalar, 49-50,204,257-258, Permutacin, 108
hermitiana, 647,649 630 inversin en una, 109
indefinida, 557 n-ada ordenada, 203 Permutacin impar, 109
identidad, 65 Permutacin par, 109
igualdad de, 49 Negativa definda, 557 Pesos, 333
inversa, 66-68, 85 Negativa semidef~da,557 Pitgoras, teorema generalizado, 358
inversin de, 80 Negativo: Plano:
invertible, 66-68, 85, 137-139 de un nmero complejo, 604 ecuacin general del, 191
multiplicacin por un escalar de una, de un vector, 15 1 forma punto-normal, 190
49-50 Nilpotente, 44 forma vectorial del, 193
negativa d e f ~ d a557
, Norma, 161,207,343,633 Plano complejo, 603
714 / hdice
Plano xy, 154 ecuaciones paramtricas de la, 37- de nmeros complejos, 604
Plano xz, 154 194 de vectores, 15 1,205
Planoyr, 154 ecuaciones siqtricas de la, 202
Pohnomio caracterstico, 416,649 forma vectorial de la, 195 Tamaio de una matriz, 47
Polinomio mnico, 444 Reduccin de Kronecker, 563 Teorema alternativo de Fredholm, 509
Polinomio trigonomtrico, 546 Reduccin de Lagrange, 563 Teorema de Cayley-Hamilton, 443
orden de un, 546 Reflexiones, 222-226 Teorema de la dimensin, 464
Polinomios de Legenbre, 384 Regla de Cramer, 139-142 Teorema de la mejor aproximacin, 384
Polinomios de Legendre normalizados, Regla de la mano derecha, 179 Teorema de los ejes principales:
3 84 Regla de la mano izquierda, 179 para R2,569-570
Posicin normal, 564,574 R", 292 p a r a 9 , 577
Positiva definida, 555 base normal de, 292 Teorema de proyeccin, 372
matriz, 5 5 5 Rengln, 47 Teorema de Piagoras generalizado, 358
Positiva semidef~da,557 Retrosustitucin hacia atrs, 36-38 Trminos del producto cruz, 552,
principal, 21.28 Rotacin: 565-568
Problema con valor inicial, 514 de ejes, 404-407 Transformacin lineal, 220,22 1
Proceso de Gram-Schmidt, 375-376, de vectores, 227-230 matriz de una, 481-496
440441,640-641 Transformaciones inversas, 468-474
Producto: Schmidt, Erhardt, 376 Transpuesta, 401
de matrices, 49-50 Schwan, Hermann Amandus, 208 propiedades de la, 71
de matrices invertibles, 68 Seccin cnica (cnica), 563-572 Traza de una matnz,104
de nmeros complejos, 604,605 degenerada, 564,573 Triple producto escalar, 181
de un vector por un escalar, no degenerada, 564 Tripleta ordenada, 203
151-152,204,257-258 Seccin cnica degenerada, 564,573
Producto cruz de vectores, Series de Fourier, 546-549 Valor absoluto, 610
175-187 Sistema consistente, 38,56,90,307 Valores caracteristicos, 127
Producto elemental, 110 Sistema de coordenadas derecho, 154, Valores propios, 127
con signo, 111 180 Variables libres, 30
Producto elemental con signo, 111 Sistema de coordenadas rectangulares, Variables principales, 30
Producto interior: 154-155 Vedofles), 149,202,203-337,
axiomas del, 339,637 Sistema de ecuaciones lineales, 21-25 627-646
euclidiano, 164, 205,631 consistente, 23,38,90,307 adicin de, 150,204,257-258,627
Producto interior euclidiano, 164,206, inconsistente, 23 ngulo entre, 164,356
637-641 solucin de un, 22 cero, 150,204
como producto de matrices, 2 12-2 13 Sistema homogneo, 38-40,269 combinacin lineal de, 270,627
ponderado, 272 Sistema inconsistente, 23 componente vectorial a lo largo de
propiedades de, 164, 167-169,63 1 Sistema lineal, 22 un, 170-173
Producto interior euclidiano ponderado, Sistema lineal indeterminado, 33 1 componente vectorial ortogonal a un,
340 Sistema lineal sobredeterminado, 331 169-171
Producto punto, vase producto interior Sistema normal, 387 columna, 306
euclidiano Solucin: de coordenadas, 399
Promedio aritmtico (media), 341 conjunto, 23 d e f ~ c i nde, 257-258
Proyeccin ortogonal, 169,372 de un sistema, 22 descomposicinde, 170
operador, 225 de una ecuacin lineal, 23 diferencia de, 205
Punto inicial, 131, 149 espacio, 269 destancia entre, 206-207,341-342,
Punto-normal, 190 Solucin general, 309, 513 633
Punto terminal, 149 Solucin trivial, 38 en o", 628-633
Puntos e n F , 203-205 Soluciones no triviales, 38 en R", 203-2 15
Soluciones particulares, 309, 514 equivalentes, 150
Races latentes, 127 Subespacio, 265,628 iguales, 150,204
Raz (de un nmero o complejo), 621- Submatrices principales, 556 imagen de un, 2 19
625 Submabiz, 32 inverso aditivo,de, vase vectotfes),
Raz n-sima, 622-625 Suma: negativo de
Rango: de cuadrados, 562 linealmente dependientes,
de una matriz, 322-323,336 de matrices, 50 , 277-279
de una transformacin, 462 de nmeros complejos, 604-605 linealmente independientes,
9,291 de vectores, 150,205,257-258 279-287,628
base normal de, 29 1 Superficie cudrica, 574-578 longitud de un, 161,207,
Recorrido, 461 Sustitucin hacia adelante, 591 342,633
Recta: Sustraccin: mltiplo escalar de un, 204,
de matrices, 49 257-258,630
Indice 1 715