Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Larson 7ma
Larson 7ma
* CENGAGE
• '" Learning·
Fundamentos de algebra lineal
Fundamentos de algebra lineal
Septima edici6n revisada
Ron Larson
The Pennsylvania State University
The Behrend College
Traducci6n
Oliver Davidson Vejar
Traductor profesional
Revisores tecnicos:
Edmundo Palacios Pastrana
Universidad lberoamericana, Mexico
CENGAGE
Learning·
Australia • Brasil • Corea • Espana • Estados Unidos • Jap6n • Mexico • Reino Unido • Singapur
CENGAGE
Learning·
Fundamentos de algebra lineal © D.R. 2016 por Cengage Learning Editores, S.A. de C.V.,
Septima edici6n revisada una Compaflfa de Cengage Learning, Inc.
Ron Larson Corporativo Santa Fe
Av. Santa Fe num. 505, piso 12
Director Editorial para Latinoamerica: Col. Cruz Ma nca, Santa Fe
Ricardo H. Rodriguez C.P. 05349, Mexico, D.F.
Cengage Learning•Mes una marca registrada
Editora de Adquisiciones para usada bajo permiso.
Latinoamerica:
Claudia C. Garay Castro DERECHOS RESERVADOS. Ninguna pa rte de
este trabajo amparado por la Ley Federal del
Gerente de Manufactura para Derecho de Autor, podra ser reproducida,
Latinoamerica: transmitida, al macenada o utilizada en
Antonio Mateos Martinez cualquier forma o por cualquier medio, ya sea
grafico, electr6nico o mecanico, incluyendo,
Gerente Editorial en Espanol para pero sin limitarse a lo siguiente: fotocopiado,
Lati noamerica: reproducci6n, escaneo, digitalizaci6n,
Pilar Hernandez Santamarina grabaci6n en audio, distribuci6n en Internet,
distribuci6n en redes de informaci6n o
Gerente de Proyectos Especiales: almacenamiento y recopilaci6n en sistemas
de informaci6n a excepci6n de lo permitido
Luciana Rabuffetti
en el Capftulo 111, Artfculo 27 de la Ley Federal
Coordinador de Manufactura: del Derecho de Autor, sin el consentimiento
por escrito de la Editorial.
Rafael Perez Gonzalez
Impreso en Mexico
1234567 17 16 15 14
Contenido
2 ■ Matrices 39
2 .1 Operaciones con matrices 40
2.2 Propiedades de las operaciones con matrices 52
2.3 lnversa de una matriz 62
2.4 Matrices elementales 74
2.5 Aplicaciones de las operaciones con matrices 84
Ejercicios de repaso 98
Proyecto 1 Explorando la multiplicaci6n de matrices 102
Proyecto 2 Matrices nilpotentes 102
3 ■ Determinantes 103
3 .1 Determinante de una matriz 104
3.2 Determinantes y operaciones elementales 112
3.3 Propiedades de los determinantes 120
3.4 Aplicaciones de los determinantes 128
Ejercicios de repaso 138
Proyecto 1 Matrices Estocasticas 141
Proyecto 2 Teorema de Cayley-Hamilton 141
Examen acumulativo de /os capitu/os 1 a 3 143
V
vi Contenido
8 ■ Apendice A1
lnducci6n matematica y otras formas de demostraciones
vii
viii Prefacio
proporcionan a los docentes que lo adopten como texto en sus cursos. Para mayor infor-
maci6n, p6ngase en contacto con el area de servicio al cliente en las siguie ntes direcciones
de correo electr6nico:
Al igual que los recursos impresos adicionales, las direcciones de los sitios web seiialadas
a lo largo de! texto, y que se incluyen a modo de referencia, no son administradas por
Cengage Learning Latinoamerica, por lo que esta no es responsable de los cambios y
actuali zaciones de las mismas.
Agradecimientos
Me gustarfa agradecer a todas las personas que me han ayudado durante las diversas etapas
de la escritura de esta nueva edici6n. En particular, agradezco los esfuerzos de los siguien-
tes colegas que hicieron muchas sugerencias utiles en el camino:
ix
Sistemas de
1 ecuaciones lineales
1.1 lntroducci6n a las sistemas de ecuaciones lineales
1.2 Eliminaci6n gaussiana y eliminaci6n de Gauss-Jordan
1.3 Aplicaciones de las sistemas de ecuaciones lineales
L
_ _ _ _ _ _ _t>
a) xy +z=2 b) ex - 2y =4
1.1 lntroducci6n a los sistemas de ecuaciones lineales 3
De esta manera, la variable x 2 es libre, lo cual significa que puede tomar cu alqui er valor real.
La variable x 1 no es libre, ya que su valor dependera del valor asignado a x2 • Para representar
un numero infinito de soluciones de esta ecuaci6n es convenience introducir una tercera varia-
ble t denominada parametro. Asf, con x 2 = t, se puede representar el conjunto soluci6n como
x 1 = 4 - 21, x 2 = 1, t es cualq uier numero real.
Se puede n obte ner soluc iones particulares al asignar valores al parametro t . Po r ejem-
plo, t = 1 produce la soluci6n x 1 = 2 y x 2 = 1 y t = 4 genera la soluci6 n x 1 = - 4 y x 2
= 4.
El conjunto soluc i6n de una ecuaci6 n lineal puede representarse parametricamente en mas
de una fo rma. En el ejemplo 2 usted pudo haber elegido x 1 como la variable libre. La
representac i6n parametrica del conjunto soluci6n habrfa ento nces tornado la forma
x 1 = s, x2 =2 - ½s, s es cualquier numero real.
Por conveniencia, elegiremos como variables libres aquellas que aparecen al final en la
ecuaci6 n.
3x - y =1
6x - 2y = 2.
©□ En general, lQue tipos basicos de conjuntos solucion son posibles
para un sistema de dos ecuaciones con dos incognitas?
Puesto que una reacci6n qui mica no puede crear o destruir atomos,
todos los atomos representados a la izquierda de la flecha deben ser
considerados tambien a la derecha. Esto se llama balance de la
ecuaci6n quimica. En el ejemplo dado, los quimicos pueden usar un
sistema de ecuaciones lineales para encontrar los valores de x 1, x 2, x3
y x4 que balanceen la ecuaci6n quimica.
Puede suceder que un sistema de ecuaciones lineales tenga exactamente una soluci6n,
un m1mero infinito de soluciones o ninguna soluci6n. Un sistema de ecuaciones lineales se
denomina consistente si tiene por lo menos una soluci6n e inconsistente si no tiene solu-
ci6n.
a) Dos rectas que se cortan: b) Dos rectas coincidentes: c) Dos rectas paralelas:
x+y= 3 X + y =3 x+y=3
x-y=- 1 2x + 2y =6 x+y= I
Figura 1.1
El ejemplo 4 ilustra los tres tipos basicos de conjuntos soluci6n que son posibles para
un sistema de ecuac iones linea1es. Este resultado se enuncia aquf sin demostraci6n. (Esta
se proporciona despues en el Teorema 2.5)
X - 2y + 3z = 9 X - 2y + 3z = 9
-x + 3y = -4 y + 3z = 5
2x - Sy+ 5z = 17 z=2
El sistema de la derecha es el mas facil de resolver. Este sistema esta en la forma escalo-
nada por filas o renglones, lo cual significa que sigue un patron escalo nado y que tiene
coefic ientes principales iguales a I. Para resolver este sistema se aplica un p rocedimiento
denorninado sustituci6n hacia atras.
SOLUCION
De la Ecuaci6n 2 usted sabe que y = -2. Al sustituir este valor en la Ecuaci6n 1, o btiene
X - 2(- 2) = 5 Sustituya - 2 =y
X = ). Resuel va para x
SOLUCION
De la Ecuaci6n 3, conoce el valor de z. Para resolver para y, sustituya z = 2 en la ecuac i6n
2 para obtener
y + 3(2) = 5 Sustituya ;: =2
y = - 1. Resuelva para y
La soluci6n es x = l , y = - I y z = 2.
X - 2y + 3z = 9 Multiplicando la tcrcera
y + 3z = 5
z= 2 ..... ecuaci6n por ½, obtenemos una
nueva tercera ecuaci6n.
los tres pianos se intersectan en el punto representado por estas coordenadas, como se
muestra en la figura 1.2.
Figura 1.2 BenmaM/Corb,s
8 Capitulo 1 Sistemas de ecuaciones lineales
(Otra manera de describir esta operaci6n es decir que de la tercera ecuaci6n se rest6 la
pri mera para obtener una nueva tercera ecuaci6n.)
x 1 - 3x 2 + x3 = I Sumando - I veccs la segunda ccuaci6n
5x 2 - 4x 3 = 0 a la tercera ecuaci6n, producimos una
0 = - 2 .._ nueva tercera ecuaci6n.
Ya que la tercera "ecuaci6 n" es falsa, este sistema no tiene soluci6n. Ademas, debido a
que es equi valente al sistema original, pode mos concluir que este tampoco tiene solu-
ci6n.
Figura 1.3
1.1 lntroducci6n a los sistemas de ecuaciones lineales 9
Esta secci6n termina con el analisis de un sistema de ecuaciones li neales que tiene un
numero infinito de soluciones. Puede representarse el conjunto soluci6n para este sistema de
manera parametrica como se hizo en los Ejemplos 2 y 3.
Resuelva el sistema.
X2 - X3 = 0
x1 - 3x 3 =- I
-x 1 + 3x 2 I
SOLUCION
Comience por reescribir el sistema en la fonna escalonada por renglones, como se muestra
enseguida.
XI - 3x 3 = - 1 ...,.. Intercambiamos las dos
X2 - X3 = 0 ...,.. primeras ecuaciones.
-x 1 + 3x 2 =
- 3x 3 = - I
Sumando la primera ecuaci6n
X2 - x3 = 0 a la tercera ecuaci6n, se genera
3x 2 - 3x 3 = 0 ...,.. una nueva tercera ecuaci6n.
XI - 3x 3 = -1
Sumando - 3 veces la segunda ecuaci6n
X2 - x3 = 0 a la tercera ecuaci6n para e liminar
O= 0 ...,.. la tercera ecuaci6 n.
@rn@©ODOOOOD[R!X] □ Cg~LJ@
'LI□ Grafique las dos rectas representadas por el sistema de ecuaciones.
X - 2y = 1
- 2x + 3y = -3
~□ Utilice la eliminaci6n Gaussiana para resolver este sistema de la
siguiente manera.
x - 2y =
- 1y = - 1
X - 2y =1
y =1
x =3
y = 1
Grafique el sistema de ecuaciones que obtiene a cada paso de este
proceso. lQue puede observar acerca de estas rectas?
Se le pedira repetir este analisis grafico para otros sistemas en los ejercicios
89 y 90.
10 Capitulo 1 Sistemas de ecuaciones lineales
Ecuaciones lineales En los ejercicios I a 6, determine si Analisis grafico En los ejercicios 3 1 a 36, complete el
la ecuaci6n dada es lineal en las variables x y y. siguiente conj unto de tareas para cada sistema de ecuacio nes.
1. 2x - 3y = 4 2. 3x - 4xy = 0 a) Utilice una aplicaci6n grafica para graficar las ecuaciones
3 2 en el sistema.
3. - +- - I = 0 4. x 2 + y2 = 4
y X b) Utilice las graficas para determinar si el sistema es con-
5. 2 sen x - y = 14 6. (sen2)x - y = 14 sistente o inconsistente.
c) Si el sistema es consistente, aproxime la soluc i6n.
Representaci6n parametrica En los ejercicios 7 a 10,
d) Resuelva el sistema algebraicamente.
encuentre la representaci6n parametrica de! conj unto solu-
ci6n de la ecuaci6n lineal. e) Compare la soluci6n del inciso (d) con la aproximaci6n
de! inciso (c). j,Que puede concluir?
7. 2x - 4y=0 8. 3x - 2I y =9
9. x+y +z= I 31. -3x - y =3 32. 4x - Sy= 3
6x + 2y =I -Bx+ I0y = 14
10. 13x 1 - 26x 2 + 39x 3 = 13
33. 2x - 8y = 3 34. 9x - 4y =5
Analisis grafico En los Ejercicios I I a 24, grafique el ½x+ y=0 ½x+½Y=o
sistema de ecuaciones lineales. Resuelva el sistema e inter- 35. 4x - 8y = 9 36. - 5.3x + 2. ly = 1.25
prete su respuesta.
0.8x - I .6y = 1.8 15.9x - 6.3y = -3.75
11. 2.x + y = 4 )2. + 3y = 2
X
23. i +i = l 24·
2x
3 +6=3
y 2
sistema de sustituci6n hacia atras para resolver el sistema. 0.07x 1 + 0.02x 2 = 0.17
25. x1- x 2 =2 26. 2x 1 -4x 2 =6 47. X + )' + Z = 6 48. x+y+z= 2
X2 = 3 3x2 = 9 2x - y +z= 3 -x + 3y + 2 z = 8
27. - X + y - Z = 0 28. X - y = 4 3x - z = 0 4x + y = 4
+ z=2y 3 2y + z= 6 49. 3x 1 - 2x 2 + 4x 3 = l
½z = 0 3z = 6 x1 + x2 -2x 3 =3
2x 1 - 3x 2 + 6x 3 = 8
29. Sx 1 + 2.x 2 + x 3 = 0 30. XI + X2 + X3 = 0
2.x , + X2 =0 X2 =0 50. Sx 1 - 3x 2 + 2x 3 = 3
2x 1 + 4x 2 - x 3 = 7
x1 - llx 2 + 4x 3 = 3
El simbolo indica un ejercicio en e l cual puede u1ilizarse una aplicaci6n grafica
o un programa de c6mpu10.
1.1 Ejercicios 11
79. Exactamente una soluci6n. Descubrimiento En los Ejercicios 89 y 90, trace las rectas
x + ky = 0 determinadas por el sistema de ecuaciones lineales. Entonces,
kx+ y=0 aplique la eli minaci6n gaussiana para resolver el sistema. En
80. Sin soluci6n. cada paso del proceso de eliminaci6n, trace las rectas corres-
x + ky = 2 pondientes. i,Que puede observar de estas rectas?
kx+ y=4 89. X - 4y = -3 90. 2x - 3y = 7
81. Sin soluci6n. 5x - 6y = 13 - 4x + 6y = -1 4
x + 2y + kz = 6 Escriba En los Ejercicios 9 1 y 92, las graficas de ambas
3x + 6y + 8z =4 ecuaciones parecen ser paralelas. Resuelva el sistema de
82. Exactamente una soluc i6n. ecuaciones algebraicamente. Explique por que las graficas
confunden.
kx + 2ky + 3kz = 4k
x+ y+ z= 0 91. l00y - x = 200 92. 2 1x-20y = 0
2x- y+ z= 99y-x = - 198 l 3x - l 2y = 120
y y
83. Determine los valores de k tales que el sistema de ecua-
4
ciones lineales no tenga una soluci6n unica. 3
x + y + kz = 3
x+ky+ z= 2 -+--+--+--+--+--+--+--+-- X
-3 - I I 2 3 4
kx+ y+ z=
-3
-4
1.2 Eliminaci6n gaussiana y eliminaci6n de Gauss-Jordan 13
MATRICES
En la secci6n 1. 1 la eliminaci6n Gaussiana fue introducida como un procedimie nto para la
soluci6n de sistemas de ecuaciones lineales. En esta secci6n usted estudiara este procedi-
miento con mayor profundidad, empezando por algunas defin iciones. La primera es la
COMENTARIO definici6n de matriz.
El plural de matriz es matrices.
Definici6n de matriz
Si cada elemento de la matriz es
un numero real, entonces la Si m y n son enteros positivos, entonces una matriz m X n (que se lee como "m. porn") es
matriz se denomina matriz real. un arreglo rectangular
A menos que se indique lo
contrario, todas las matrices de Columna I Columna 2 Columna 3 Columna 11
H
columna de terminos constantes - 4 3
en la matriz aumentada. -.x +3y - z= -3 3 - 1
2.x - 4z = 6 0 -4
14 Capitulo 1 Sistemas de ecuaciones lineales
Aunque es facil efectuar las operacio nes ele mentales e n los renglo nes, esto implica
muchas operaciones aritmeticas. Ya que es faci l cometer un error, es recome ndable an otar
sie mpre la operaci6n elemental real izada e n cada paso, de modo que revisar el trabaj o sea
NOTA TECNOLOGICA mas facil.
Muchas aplicaciones graficas y Debido a que resolver aJgunos siste mas implica muchos pasos, es de gran ayuda uti-
progra m as de c6m puto pueden lizar un me todo de notaci6n abreviada, para tener seguimiento de cad a operaci6n ele me n-
efectuar operaci ones elementa- tal que usted efectue. Esta no taci6n se introduce e n el siguie nte ejem plo.
les en renglo nes de matrices. Si
usted usa una aplicaci6 n grafica,
las pant allas para el ejem plo
2(c) pueden verse como las que , EJEMPLO 2 Operaciones elementales en los renglones
aparecen abaj o. Los com andos
y sintaxis de programaci6 n pa ra
a) lntercambie el prime ro y segundo re nglones.
estas aplicaciones/programas
para el ejemplo 2(c) se propo r- Matriz original Nueva matriz equivalente por renglones Notaci6n
n
cio nan en la Online Technology
H ~]
Guide, dispo nible en 3 2 0
w ww.cengag e.com
con la busqueda Larson, Funda-
mentos de A lgebra Linea l 7e.
2
- 3
0
4
;] - 3
1 3
4
R 1 ~ R1
-~] [:
[2 1 5 -21 I
MRAdd( -2,A,1,3)
[ [1 2
[0
[0
3
-4 3 J
-2 -1)
-3 13 -BJ I [
2
I
5
- 4
-2
3 - 3
6 -2
-2
3
3
- 3 -~] (i}R1 ➔ R 1
...____------1{> c) Sume -2 veces e l primer re ngl6n al tercero, para generar un nuevo te rcer re ngl6n.
-'.] [~
1 2 -4 2 -4
[ 0
2
3 -2
5 -2
3
- 3
- 2
13
-'.]
-8 R3 + (- 2)R 1 ➔ R3
Note que sumar - 2 veces el re ng l6n I al rengl6n 3 no camb ia el re ngl6 n I .
1.2 Eliminaci6n gaussiana y eliminaci6n de Gauss-Jordan 15
2x - Sy
+
+
3z =
=-4
9
Sz = 17 H
-2
3
-5
~
5
-!]
17
Sume la primera ecuac i6n a la segunda. Sume el primer rengl6n al segundo
para obtener un nuevo segundo rengl6n.
X - 2y + 3z = 9
1 - 2 33 95]
y + 3z = 5 R2 + R 1 ➔ R2
[0
2x - Sy + 5z = 17 2 -5 5 17
Sume - 2 veces la primera ecuaci6n Sume - 2 veces el primer re ngl6 n al tercero
a la tercera. para obtener un nuevo tercer rengl6n.
X - 2y+ 3z =
+ 3z =
y
-y - z = -
9
5
l
[
~
0
-2
- 1
~
- 1
!]
- 1 R3 +(- 2 ) R 1 ➔ R3
~
X - 2y + 3z = 9
y + 3z = 5 -~ !4]
2z =4 0 2 R3 + R2 ➔ R 3
Multiplique la tercera ecuaci6n por ½- Multiplique el tercer rengl6n por ½
para obtener un nuevo tercer rengl6 n.
[~-~ ~ !]
X - 2y + 3z = 9
y + 3z = 5
z= 2 0 0 2 (½)R3 ➔ R3
Ahora puede utilizar la sustituci6n hacia atras para encontrar la soluci6n, como en el
ej emplo 6 de la secci6 n 1.1. La soluci6n es x = l , y = - 2 y z = 2.
Se dice que la ultima matriz del ejemplo 3 esta en la forma escalonada por renglones.
El termino escalonada se refiere al patron de escalera fo rmado por los elementos no nulos
de la matriz. Para que una matriz tenga esta forma debe tener las siguientes propiedades.
Determine si cada matriz esta en forma escalonada por renglones. De estarlo, determine
si esta en forma reducida.
2 - 1 2 -1
NOTA TECNOLOGICA l 0 0 0
a) [~
0 1 1 2
Utilice una aplicaci6n grafica o
un programa de c6mputo para I -5 2 - I 0 0
encontrar la forma escalonada
por renglones reducida de la
0 0 I 3 I 0
c) 0
matriz del inciso (f) de la matriz 0 0 I 0 I
en el Ejemplo 4 (b). Los
0 0 0 0 0 0
comandos y la sintaxis de
-~]
programaci6n de esta 2 -3 1 0
aplicaci6n/ programa para el
ejemplo 4 se proporcionan en 2 0 I
e) [~
la Online Technology Guide, 0 -3 0 0
disponible en
www.cengage.com SOLUCION
con la busqueda Larson, Funda-
mentos de Algebra Lineal 7e. Las matrices en (a), (c), (d) y (t) estan ahora en fonna escalonada por renglones. Las matrices
en (d) y (f) estan en forma escalonada por renglones reducida porque cada columna que tiene
un l principal tiene ceros en cada posici6n arriba y abajo de su l principal. La matriz en (b)
no esta en forma escalonada por renglones porque no hay un reng16n de puros ceros hasta
abajo de la matriz. La matriz en (e) no esta en forma escalonada por reng16n porque la primer
entrada distinta a cero en el Rengl6n 2 no es un I principal.
Puede demostrarse que toda matriz es equivalente por renglones a una matriz en forma
escalonada por renglones. De este modo, en el ejemplo 4 usted puede cambiar la matriz
de! inciso (e) a la forma escalonada por renglones al multiplicar por ½el segundo reng16n
de Ia matriz.
El procedimeinto para utilizar la eliminaci6n gauss iana con sustituci6n hacia atras
para resolver un sistema es el siguiente.
La eliminaci6n gaussiana con sustituci6n hacia atras funciona bien como metodo algorftrnico
para resolver sistemas de ecuaciones lineales ya sea a mano o a computadora. Para este algo-
ritmo, el orden en el que las operaciones elementales en los reglones son efectuadas es impor-
tante. Muevase de izquierda a derecha por columnas, carnbiando a cero todos los elementos
directamente debajo de los I princi pales.
1 2 - 1 0 Se suma -2 veces el
primer reng16n al tercero
0
0
1
0 3
1 -2 -3
-3 -6
2] ..... para obtener un nuevo
tercer rengl6n . R3 + (- 2) Ri -> R3
-4 -7 - 1 - 19
l 2 - 1 0 2
-2 - 3 Se suma - I veces el primer
0 1 1
rengl6n al cuarto, para
0 0 3 -3 -6
0 -6 -6 - 1 -21 ..... obtener un nuevo cuarto
rengl6n . R4 + (- ! ) Ri -> R4
A hora que la primera columna esta en la fonna deseada, puede modificar la segunda
columna como sigue.
1 2 - 1 0 2
0 1 1 -2 -3 Sume 6 veces el segundo
rengl6n al cuarto, para
3 - 3 -6
0
0
0
0 0 - 13 -39 ..... obtener un nuevo cuarto
rengl6n. R4 + (6) R2 -> R4
Para escribir la tercera columna e n la forma adecuada, multipliq ue e l te rcer rengl6 n por ½
y multiplique e l cuarto re ngl6n por --&,.
l
0
2
1
- 1
1 -2
0
_;] Multiplique el tercer reng16n
0 0 I - 1 -2 .....
.....
por ½y el cuarto rengl6n
por -h para obtener un (DR3 ➔ R3
0 0 0 3 nuevo cuarto reng16n. (-h)R4➔ R4
La m atriz esta ahora en la forma escalona da por re nglo ne s y e l sistema de ecuacio nes
lineales respecti vo es e l siguie nte
x 1 +2x 2 -x 3 2
X2 + X3 - 2x4 = -3
X3 - X4 =- 2
X4 = 3
'
, EJEMPLO 6 Un sistema sin soluci6n
Resuelva el sistema.
X1 - + 2x 3 = 4
X2
X1 + X3 = 6
2x 1 - 3x 2 + 5x 3 = 4
3x 1 + 2x 2 - X3 = I
SOLUCION
La matriz aumentada de este sistema es
- I 2 4
0 6
-3 5 4
r~ 2 - I
- 1 2 4
I - ] 2 R2 + (- l) RI ➔ R2
-3 5 4
r~ 2 - 1
-L 2 4
- 1 2
- 1 1 -4 R3 + (- 2)R 1 ➔ R3
r~ 2 - 1 l
- ) 2 4
I - I 2
- I I -4
r~ 5 - 7 -II R4 + (- 3)R 1 ➔ R4
-1 2 4
1 - 1 2
0 0 -2 R3 + R2 ➔ R3
r~ 5 -7 - 1I
Observe que el tercer rengl6n de esta matri z consta de ceros, excepto e l ultimo elemento.
Esto significa que el sistema de ecuaciones lineales original es inconsistente. Puede com-
probarlo al regresar de nuevo a un sistema de ecuaciones lineales.
X1 - X2 + 2x 3 = 4
X2 - X3 = 2
0 = - 2
5x 2 - 7x 3 =- II
ELIMINACION DE GAUSS-JORDAN
Con la eliminaci6n gaussiana, usted aplica operaciones elementales en los renglones de
una matriz para obtener una forma escalonada por renglones (equivalente por renglones).
Un segundo metodo de eliminaci6n, denorninado eliminaci6n de Gauss-Jordan en honor
de Carl Gauss y Wilhem Jordan ( 1842-1899), continua el proceso de reducci6n hasta que
se obtiene una forma escalonada reducida por renglones. Este procedirniento se demuestra
e n el siguiente ejemplo.
SOLUCION
En el ejemplo 3 usted uti liz6 la eliminaci6n gaussiana para obtener la siguiente forma
escalonada por renglones.
-2 3
1 3
0 l
Ahora, aplique soluciones elementales en los renglones hasta obtener ceros arriba de cada
uno de los I principales, como se muestra a continuaci6n.
0 R1 + {2)R2 ➔ R 1
'~]
9
[~ l
0
3
0 9
0
19]
-1 R2 + ( - 3)R 3 ➔ R 2
[~ 1
0 2
0 0 R1 + (- 9)R 3 ➔ R 1
[~ l
0
0
-ll
La matriz esta ahora en la fo rma escalonada reducida por renglones. Yolviendo a un sis-
tema de ecuaciones lineales tenemos
x=
y = - I
z = 2.
__
COM ENTARIO -3x 3y 16
No importa el orden que utilice,
la forma escalonada por puede que qu iera multiplicar el primer rengl6n por 1/2 para generar un I principal, lo que
renglones reducida sera la habrfa introducido fracciones en este. Para calculos manuales, en ocasiones podemos evi-
..___
misma. [> tar las fracciones eligiendo prudentemente el orden en el que se aplican las operaciones
elementales en los renglones.
20 Capitu lo 1 Sistemas de ecuaciones lineales
@rn@©ODOOOOO[lYAJOCgU\'!Jv@
'ua Sin realizar ninguna operaci6n en los renglones, explique por que este
sistema de ecuaciones lineales es consistente.
El siguiente ejemplo muestra c6mo aplicar la elimjnac i6n de Gauss-Jordan para resol-
ver un sistema que tiene un numero infinito de soluciones.
SOLUCION
La matriz aumentada de! sistema de ecuaciones lineales es
4 -2
5 0
Utilizando una aplicaci6n gra fica, un programa de c6mputo o la eliminaci6n de Gauss-
Jordan, usted puede comprobar que la forma escalonada por renglones reducida de la
matriz es
0 5
-3
Es facil o bservar que un sistema homogeneo debe tener por lo menos una soluci6n. Espe-
cfficamente, si todas las variables de un sistema homogeneo son iguales a cero, entonces
deben satisfacerse cada una de las ecuac iones. Tai soluci6 n se deno mina trivial (u obvia).
2x 1 + x 2 + 3x 3 = 0
SOLUCION
Aplicando la eliminaci6 n de Gauss-Jordan a la matriz aumentada
- I 3
I 3
obtenemos la sig uiente matriz.
[~
-l
3
3
-3 ~] R2 + (- 2)R1 -tR2
[~
- I
I
3
- I ~] G)R 2 ➔ R2
+ R2-tR1
[~ 0 2
-I ~] RI
Como ilustra el ej emplo 9, un sistema homogeneo con menos ecuaciones que varia-
bl es tie ne un numero infi nito de solucio nes.
Una demostraci6n de] teorema 1.1 puede efectuarse aplicando Jos mis mos procedi-
mientos que utiliz6 en el ejemplo 9, esta vez para una matriz general.
22 Capitulo 1 Sistemas de ecuaciones lineales
1.2 Ejercicios Consulte www.CatcChat.com para las soluciones de los eJerc1cios nones.
-ii 11
1.
[~ -4 2.
[-i
-2
18.
0
l
0
0
2
I
0
0
3
l
0
3. [_! -l
2
-l
0 ~] 4. [ -1] 0
0
0
0
I
0
2
0 ;1
6 4 3
Forma escalonada por renglones En los ejercicios 19 a 24,
-7 4 1
5. determine si la matriz esta en la forma escalonada por renglones.
[f - I
- I
2
2
0
I
0
Si es asf, determine tambien si esta en la forma escalonada redu-
cida.
6. [ I 2 3 4 - 10]
0
I
0
0
I
~]
rengl6n realizadas para obtener la nueva matri z equi valenle
por reng lones.
Matriz original Nueva matri: equivaleme por renglones
20.
[~ l
0
0
2 ~]
0 I
-2
7. [ 3 - I
5
- I
0 -39]
-8
21.
[~ - 1
0 0
I
;]
~]
Matriz original Nueva matri: equivalente por renglones 0 2
- I
3
- I
0
-4]
-5
22.
[~ 0
I 3
Matriz original
-I
- 5
3
-5
-7
3
Nueva matriz equivaleme por renglones
5]6 [-0I - 3I -7
- 5
0 7 -27
23.
[~
0
0
0
0
0
0
0
I 0
I
2 ~]
Matriz orig inal Nueva matri: equivalente por renglones
3 -2]
24. [~ 0
0
0
0 !]
7 - ll Sistema de ecuaciones lineales En los ejercicios 25 a 38,
8 -4 resuelva el sistema ya sea utilizando eliminaci6n gaussiana con
sustituci6n hacia atras o la eliminaci6n de Gauss-Jordan.
Matriz aumentada En los ejercicios I I a 18, encuentre el
25. X + 2y = 7 26. 2x + 6y = 16
conjunto soluci6n del sistema de ecuacio nes lineales repre-
sentado por la matri z aumentada. 2x+ y=8 -2x-6y=- 16
27. -x+2y= 1.5
11.
[~ 0
I ~] 12.
[~ 0
I ~] 2x - 4y = 3
28. 2x - y = -0. l
J
- I 0 2
13.
[~ I
0
- 2
l
14. [~ 0
0 0
-!] + 2y = 1.6
3x
29. -3x + 5y = -22
3x + 4y = 4
ts. [:
-I
I
-I
I
2 ~] 16. [: -2
0
- ~] 30. X
X
4x - Sy=
+ 2y = 0
+ y= 6
3x - 2y = 8
32
1.2 Ejercicios 23
~]
31. Xi - 3x 3 = -2 0 0
3x i + x 2 - 2x 3 = 5 43.
2xi + 2x 2 + x 3 = 4 [~ 0
0
I
0
+ 3x 3 = 24
~]
32. 2x 1 -x2 0
2x 2 x3 = 14 44.
[~ 0
-
7xi - 5x 2 = 6 0
33. 2x i + 3x 3 = 3
4 Xi - 3X 2 + 7X 3 = 5 45. Finanzas Una pequeiia corporac i6n de software tom6
un prestamo por $500,000 para expandir su lfnea de
8xi - 9x 2 + l5x 3 = 10
software. Parte del prestamo fue a 9%, otra parte a I 0%,
34. Xi + X z - 5x 3 = 3 y otra a 12% de interes. Use un sistema de ecuacio nes
Xi - 2x 3 = I para determinar cuanto se tom6 en prestamo a cada tasa
2xi-x 2 - x 3 = 0 si el in teres anual fue de $52,000 y la cantidad prestada
35. 4x + l 2y - 7 z - 20w = 22 a 10% fue 2½ veces la cantidad prestada a 9%. Resuelva
3x + 9y - 5z - 28w = 30 el sisle ma usando matrices.
36. X + 2y + Z = 8 46. Propinas Un mesero examina la cantidad de dinero
-3x - 6y - 3z = -2 1 que gan6 en propinas despues de trabaj ar un turno de 8
horas. El mesero tiene un total de $95 en billetes de $ 1,
37. 3x + 3 y + I2z = 6
$5, $ I 0, y $20. El numero total de billetes es 26. El
X + y + 4z = 2 numero de billetes de $5 es 4 veces el numero de billetes
2x + Sy + 20z = 10 de $ I 0, y el numero de billetes de $ I es I menos que el
-x + 2y + 8z = 4 doble del numero de billetes de $5. Escriba un sistema
38. 2x + y - z + 2 w = - 6 de ecuaciones lineales para representar la situaci6n. Des-
3x + 4y + w = I pues use matrices para encontrar el numero de cada
x + 5y + 2z + 6w = -3 denominaci6n.
5x + 2y - z - w = 3
Representaci6n de matrices En los ejercicios 47 y 48,
Sistema de ecuaciones lineales En los ejercicios 39 y asuma que la matriz dada es una matriz aumentada de un
J!I\ 40, utilice un programa de c6mputo o una aplicaci6n grafica sistema de ecuacio nes lineales, y (a) determine el numero de
\ii:,/ para resolver el siste ma de ecuaciones lineales. ecuaciones y el numero de variables; (b) encuentre el valor
o valores de k tal que el sistema sea consistente. Despues
39. x 1 - x 2 +2x 3 +2x 4 + 6x 5 = 6
asuma que la matriz es de coeficientes de un sistema de ecua-
3xi - 2x 2 + 4x 3 + 4x 4 + ! 2x 5 14 cio nes lineales homogeneo, y repita los incisos (a) y (b).
3x 5 =- 3
2x 1 - 2x 2
X2 -
+
X3 -
4x 3
X4 -
+ 5x 4 + l 5x 5 = 10 47. A = [_ ! ; ~]
40.
2x 1 - 2x 2
xi
2Xi
xi
+ 4x 3 + 4x 4 + l 3x 5 = 13
+ 2x 2 - 2x 3 + 2x 4 - x 5 + 3x6 = 0
- X2 + 3X 3 + x 4 - 3x 5 + 2x 6 = 17
+ 3x 2 - 2x 3 + x 4 -2x 5 -3x6 = -5
48. A~ H ~] -I
-2
2
0 0 X + z= 0
ax+ by+ cz = 0
24 Capitulo 1 Sistemas de ecuaciones lineales
51. El s ig uienle sislema tiene una soluci6n: x = I, y =- I 59. Escriba i,ES posible que un sistema de ecuac iones
y z = 2. lineales con menos ecuaciones que variables no tenga
4x - 2y + 5z = 16 Ecuaci6n I soluci6n? Si es asf, proporcione un ejemplo.
X + y 0 Ecuaci6n 2 60. Escriba i,Puede tener una matriz una forma escalonada
- x - 3y + 2z = 6 Ecuaci6n 3 por renglones unica? !lustre su respuesta con ejemplos.
i,ES unica la forma escalonada reducida por renglones?
Resuelva e l s istema propuesto por las (a) Ecuaciones l y
2, (b) Ecuaciones I y 3, (c) Ecuac io nes 2 y 3. (d) i,Cuan- Equivalencia por renglones En los ejercicios 61 y 62,
tas soluciones tiene cada uno de estos sistemas? determine las condiciones a, b, c yd tales que la matriz
52. Suponga que el siguiente sistema tiene una unica soluci6n.
a 1 1x 1 + a 12 x 2 + a 13 x 3 = b 1 Ecuaci6n I
[: !]
sea equivalente por renglones a la matriz dada.
lli I x , + a22x 2 + a23X 3 = h2 Ecuaci6n 2
a3 1X1 + a 32X 2 + C133X 3 = b 3 Ecuaci6 n 3
61. [~ ~] 62. [~ ~]
i,El sistema formado por las ecuacio nes I y 2 tiene una
unica soluci6n, no tiene soluci6n o tiene un numero infi- Sistema homogeneo En los ejercicios 63 y 64, encuen-
nito de soluc iones? Lre todos los valores de X. (la letra griega lambda) tales que el
sistema de ecuaciones lineales homogeneo tenga soluciones
Equivalencia por renglones En los ejercicios 53 y 54, no tri viaJes.
encuentre la unica matri z escalonada por renglones reducida
63. (A - 2)x + y =0
que es equivalente por renglo nes a la matriz propuesta.
x + (A - 2)y = 0
53. [
- I
I
~] 54. [ ~ ~ ~]
64. (A - l )x
x
+ 2y = 0
+ Ay = 0
Determine e l polinomio p(x) = a0 + a 1x + a 2x 2 cuya grafica pasa por los puntos (I , 4),
(2, 0) y (3, 12).
SOLUCION
Sustituyendo x = I, 2 y 3 en p(x) e igualando los resultados con los valores respectivos de
y , obtenemos el siguiente sistema de ecuaciones lineales en las variables a0, a 1 y a 2•
Simulacion
a0 = 24, a 1 = - 28 y a 2 = 8,
Explore mas este concepto con lo cual significa que el polinomio es
una simulaci6n electr6nica dispo-
nible en el sitio web college.cen- p(x) = 24 - 28x + sx2.
gage. www.cengagebrain.com. La grafica de p se muestra en la figura 1.5.
26 Capitu lo 1 Sistemas de ecuaciones linea les
SOLUCION
Debido a que los valores de x son grandes, se usa la traslaci6n z =x - 2008 para obtener
(: ,,y, ) (:2, Y2l (z1,Y1l (:4,)'4) k s, Y1l
,------'"---., ,------'"---., ,------'"---., ,------'"---., ,------'"---.,
(-2, 3), (- 1, 5), (0, I), (1, 4), (2, 10).
Encuentre un polinomio que relacione el periodo de los tres primeros planetas con su dis-
tancia media al Sol, como se muestra en la tabla. Despues, verifique la exactitud del ajuste
por medio de! polinomio para calcular el periodo de Marte. (La distancia se mide en uni-
dades astron6 micas y el periodo en afios.) (Fue nte: CRC Handbook of Chemistry and
Physics.)
SOLUCION
Comencemos por ajustar un polinomio cuadratico
p(x) = ao + a1x + a2x 2
a los puntos
(0.387, 0.24 1),(0.723, 0.6 15) y ( I, I).
Figura 1.7
28 Capitulo 1 Sistemas de ecuaciones lineales
In y
2
~ -.
~
Mane
-2
Figura 1.8
A partir de esta ecuaci6n concluimos que y = x 312 , o y2 = x3. En otras palabras, el cuadrado
de! periodo (en afios) de cada planeta es igual al cubo de su distancia media (en unidades
astron6micas) al Sol. El primero en descubrir esta relaci6n fue Johannes Kepler en 1619.
ANALISIS DE REDES
Las redes compuestas de ramas y nodos se utilizan como modelos en campos tan variados
como la economfa, el analisis de trans ito vehicular y la ingenierfa e lectrica. En estos mode-
los asumimos que el flujo total hacia un nodo es igual al flujo que sale de el. Por ejemplo,
ya que el nodo mostrado en la figura 1.9 tiene 25 unidades que llegan a el, debe haber 25
unidades que salen. Esto es representado por la ecuaci6n
X i + X2 = 25.
25
Xz
Figure 1.9
Dado que cada nodo en una red genera una ecuaci6n lineal, el flujo puede ser ana]j-
zado a traves de una red compuesta por varios nodos al resolver un sistema de ecuaciones
lineales. Este procedimiento se ilustra en el ejemplo 5.
Puede ver c6mo el tipo de amilisis de red presentado en el ejemplo 5 puede utilizarse en
problemas relacionados con el tluj o vehicular por las calles de una ciudad o con el flujo de
agua a traves de un siste ma de irrigaci6n.
COM ENTARIO Otro tipo de red al que suele aplicarse este analisis de red es la electrica. En un anaJ i-
Una trayectoria cerrada es una sis de este s istema se usan dos propiedades de las redes electricas conocidas como Leyes
sucesi6n de ramas tal que el
punto inicial de la primera rama
de Kirchhoff.
coincide con el punto terminal 1. Toda la corriente que flu ye hacia una uni6n o nodo debe tluir hacia fuera de el.
de la ultima.
2. La suma de los productos IR (I es la corriente y R la res istencia) al rededor de una tra-
yectoria cerrada es igual al voltaje total en la trayectoria.
En una red electrica, la corriente se mide en amperes o amps (A), la resistencia en
ohms (fl) y el producto de la corriente y la resistencia en volts (V ). Las baterfas se repre-
sentan por el sfmbolo --H --. La barra vertical larga denota el tlujo de corriente hacia
fuera de la terminal. La resistencia se representa con el sfmbolo -AN'v-. La direcci6n de
la corriente se indica con una tlecha en la rama de la red.
- -
R,=
- 2Q Camino2
13
C
1,.----------i 2 Uni6n I o uni6n 2
/ 1 - /2 + /3 = 0
311 + 212 = 7
212 + 4/3 = 8
Aplicando la eliminac i6n de Gauss-Jordan a la matriz aumentada
- [ I
[~ 2
2
0
4 !]
obtenemos la fonna escalonada por renglones reducida
~]
0 0
[~ 0
I 0
amin C .
ammo 2
/1 2 = 4Q
Figura 1.13
SOLUCION
Aplicando la primera ley de Kirchhoff a los cuat:ro nodos se obtiene
1, + 13 = 12 Nodo 1
1, + 14 = 12 Nodo 2
/3 + /6 = 15 Nodo 3
! 4 + 16 = 15 Nodo4
2/, + 4/2 =
10 Trayectoria I
412 + 13 + 214 + 215 = 17 Trayectoria 2
2/5 + 4 /6 = 14 . Trayectoria 3
De este modo, obtenemos el siguiente s istema de siete ecuaciones lineales en las variables
11, Ii, 13, /4, 15 e /6.
1I - 12 + 13 0
II - /2 + !4 0
13 15 + 16 = 0
I4 - 15 + /6 = 0
21, + 4/2 = 10
4/2 + 13 + 2/4 + 2/5 = 17
2/5 + 4/6 = 14
La matriz aumentada para este sistema es
1 - 1 1 0 0 0 0
I -I 0 I 0 0 0
0 0 1 0 - I 0
0 0 0 1 - I I 0
2 4 0 0 0 0 10
0 4 1 2 2 0 17
0 0 0 0 2 4 14
Utilizando la eli minaci6n de Gauss-Jordan, una aplicaci6n grafica o un programa de c6m-
puto, usted puede resolver el sistema para obtener
1. = 1, 12= 2, /3= 1, /4= 1, /5=3, y /6= 2
lo que significa / 1 = I amp, Ii = 2 amps, 13 = I amp, 14 = I amp, 15 = 3 amps e /6 = 2 amps.
32 Capitulo 1 Sistemas de ecuaciones lineales
1.3 Ejercicios Consulte www.CalcChat.com para las soluciones de los ejerc1cios nones.
Ajuste polinomial de curvas En los ejercicios l a 12, (a) (:) 19. Ganancia neta Las ganancias netas (en miUones de
determine el polinomio cuya grafica pasa por los puntos dados y d6lares) de Microsoft de 2003 a 20 IO se muestran en la
(b) dibuje la grafica de la funci6n, mostrando los puntos dados. siguiente tabla. (Fuente: Microsoft Corporaci6n).
1. (2, 5), (3, 2), (4, 5)
2. (0, 0), (2, -2), (4, 0) Aiio 2003 2004 2005 2006
3. (2, 4), (3, 6), (5, 10) Ganancias 10,526 11,330 12,7 15 12,599
4. (2, 4), (3, 4), (4, 4)
5. (- 1, 3), (0, 0), ( I, I), (4, 58) Year 2007 2008 2009 2010
6. (0, 42), (1, 0), (2, -40), (3, - 72) ~
- -
Ga11a11cias 14,065 17,68 1 14,569 18,760
7. (- 2, 28), (- 1, 0), (0, -6), (l , -8), (2, 0)
8. ( - 4, 18), (0, I), (4, 0), (6, 28), (8, 135)
(a) Determine un sistema de ecuaciones para ajustar los
9. (2006, 5), (2007, 7), (2008, 12)
datos de los aflos 2003, 2004, 2005 y 2006 a un
10. (2005, 150), (2006, 180), (2007, 240), (2008, 360) modelo cubico.
11. (0.072, 0.203), (0.1 20, 0.238), (0. 148, 0.284) (b) Resuelva e l sistema. i,La soluci6n genera un modelo
12. (I, 1), ( l.1 89, l.587), (1.316, 2.080), (l.414, 2.520) razonable para predecir ganancias netas despues de
2006?
13. Use Sen 0 = 0, Sen (f) = I y Sen 'TT = 0 para calcular ~ _
20 Ventas Las ventas (en miles de millones de d61ares)
22. La afirmaci6n de! ejercicio 2 1 puede generalizarse: Si un 28. Analisis de redes El flujo de trdfico (en vehfculos por
polinomio hora) a traves de una red de calles se muestra en la figura
p(x) = a0 + a 1x + · · · + a 1.16.
11
_
1xn-l
24. Calculo La grafica de una parabola pasa por los puntos (b) Encuentre el flujo vehicular cuando x 2 200 y
X3 = 50.
(0, I) y (½, ½) y tiene una tangente hori zontal en (½, ~).
Encuentre la ecuaci6n de la parabola y bosqueje su gra- (c) Encuentre el flujo vehicular cuando x2 = 150 y
fica. X3 = 0.
25. (a) La grafica de una funci6n pasa por los puntos (0, I), 29. Analisis de redes El flujo de trafico (en vehfculos por
(2, ½) y (4, ½). Determine una funci6n cuadratica cuya hora) a traves de una red de calles se muestra en la figura
grafica pasa por estos puntos. 1.1 7.
(b) Determine el polinomio p de grado 2 o menos que 200
pasa por los puntos (0, 1),(2, 3) y (4, 5). Luego
dibuje la grafica de y = 1/p(x) y comparela con la
de! polinomio encontrada en el ejercicio 8.
X I 2 3 3 4
I-
y I I 2 3 4 200
400 600
600 500 Xz
14 V T, T2
200 50°
T3 T4
20° 50°
10° 10°
T, T2
25° 25°
T3 T4
25° 25°
8V
1 Ejercicios de rep a so Consulte www.CalcChat.com para las soluc1ones de las eiercicios nones.
Ecuaciones lineales En los ejercicios l a 6, determine si Forma escalonada por renglones En los ejercicios 25 a
la ecuaci6n es lineal en x y y. 28, determine si las matrices estan en la forma escalonada
1. 2x - y 2 =4 2. 2xy - 6y = 0 por renglones. Si es asf, determine si tambien esta en la
forma escalonada reducida.
3. (sen 1r)x + y = 2 4. e- x 2
+ Sy = 8
:l
0 I 2 -3
2 X y
2- 4= 0
5. :; + 4y = 3 6. 25.
[~ 0
2
0
26. [~ 0
0
0
0 !]
Representaci6n parametrica En los ejercicios 7 y 8,
determine la representaci6n parametrica del conjunto solu-
ci6n de la ecuaci6 n lineal. 27.
[-I ~
2
I
0 il 28. [~
I
0
0
0
I
0 ~]
7. -4x + 2y - 6z = I
Sistema de ecuaciones lineales En los ejercicios 29 a
Sistema de ecuaciones lineales En los ejercicios 9 a 20,
38, resuelva e l sistema utilizando ya sea la eliminaci6n gaus-
resuelva el sistema de ecuaciones lineales.
siana con sustituc i6n hacia atras o con eliminaci6 n de Gauss-
9. +y =2
X 10. x + y=- I Jordan.
3x - y =0 3x + 2y = 0 29. - X + y + 2z =
11. 3y = 2x 12. X = y + 3 2x + 3y + z=- 2
y = +4
X 4x = y + 10 Sx + 4y + 2z = 4
13. y +X= 0 14. y = - 4x 30. 2x + 3y + z = l0
2x +y = 0 y = X 2x - 3y - 3z = 22
15. X - y = 9 16. 40x 1 + 30x 2 = 24 4x - 2y + 3z = - 2
-x + y = l 20x 1 + l 5x 2 = - 14 31. 2x + 3y + 3z = 3
I I I 4
17. 2X - D' = 0 18. 3X + 7y = 3 6x + 6y + 12z = 13
3x + 2(y + 5) = 10 2x + 3y = 15 12.x + 9y - z= 2
19. 0.2.x I + 0.3X 2 = 0.14 32. 2x + y + 2z = 4
0.4x 1 + 0.5x 2 = 0.20 2x + 2y = 5
20. 0.2.x - O. ly = 0.07 2x - y + 6z = 2
0.4x - 0.Sy = - 0.01 33. X - 2y + Z = -6
2x - 3y = -7
Tamafio de matriz En los ejercicios 21 y 22, determine e l
- x + 3y - 3 z = 11
tamafio de la matriz.
34. 2x + 6z = - 9
21. [ 20 3x - 2y + ll z= -16
3x - y + 7 z = - I I
35. x + 2y + 6z = I
22.
2x + 5y + I 5z = 4
3x + y + 3z = - 6
Matriz aumentada En los ejercicios 23 y 24, encuentre el 36. 2.x 1 + 5x 2 - 19x 3 = 34
conjunto soluci6n del sistema de ecuaciones lineales repre- 3x 1 + 8x 2 - 3 1x 3 = 54
sentado por la matriz aumentada. ~ 37. 2x + x + x + 2x =- I
1 2 3 4
23. [~ ~
2
! ~]3
5x 1 - 2x 2 + x 3 - 3x4
-x , + 3x 2 + 2x 3 + 2x 4
3x 1 + 2x 2 + 3x 3 - 5x 4
~ 38. x, + 5x 2 + 3x 3
=
=
= 12
= 14
0
0
0
0
0 !] 4x 2 + 2.x 3 + 5x 4
3x 3 + 8x 4 + 6x 5 = 16
- 2x 5 =
3
0
0
36 Capitulo 1 Sistemas de ecuaciones lineales
Sistema de ecuaciones lineales En los Ejercicios 51. Escriba Describa un metodo para demostrar que dos
39--42, use una aplicaci6n grafica o un software computacio- matrices son equi vaJentes por re nglones. i,Son las dos
nal para resolver el sistema de ecuaciones lineales. matrices siguientes equivalentes por renglones?
39. 3x + 3y + 12z = 6 I 2
X + y + 4z = 2
2x + Sy + 20z = I 0
- x + 2y + 8z = 4
- I 3
5 I~]
40. 2x + lOy + 2z = 6 52. Escriba Describa todas las posibles matrices en fomrn
x + Sy+ 2z = 6 escalo nada reducida de 2 X 3. Respalde su respuesta con
eje mplos.
x + Sy+ z = 3
-3x - l 5y + 3z = -9 53. Sean ~ 3. Determine la forma escalo nada por renglones
reducida de la matriz n X n.
41. 2x + y - z + 2w = -6
3x + 4y + w = I 2 3 11
x + Sy+ 2z + 6w = -3 n+ n+2 n + 3 2n
5x + 2y - z - w = 3 211 + l 2n + 2 2n + 3 3n
42. X + 2y +Z+ 3w =0
x- y + w=O n2 - n +I n2 - 11 + 2 11
2
- n +3 n2
47. Determine el valor de k ta! que el sistema de ecuacio nes 55. (a) El conjunto soluci6n de una ecuaci6n lineal puede
lineales sea inconsistente. representarse parametricamente solo de una manera.
kx+ y=O (b) Un sistema de ecuaciones lineales consistente puede
tener un numero infinito de soluciones.
X + ky = I
56. (a) Un sistema de ecuacio nes lineales homogeneo debe
48. Determine el valor de k tal que el sistema de ecuaciones
tener al menos una soluci6n.
lineales tenga exactamente una soluci6n.
X - y + 2z = 0
(b) Un sistema de ecuaciones lineales con menos ecua-
ciones que variables siempre tiene al menos una
-x + y - z = 0
soluci6n.
x+.ty+ z= O
49. Determine las condiciones de a y b tales que el sistema 57. Deportes En el Super Taz6n I, enero 15 de 1967, Ios
de ecuaciones lineales (a) no tenga soluci6 n, (b) tenga Empacadores de Green Bay derrotaron a los Jefes de
exactamente una soluci6n y (c) tenga un numero infinito Kansas C ity por un marcador de 35 a IO. El total de pun-
de solucio nes. tos anotados provinieron de una combinaci6n de touch-
X + 2y = 3 downs, patadas de punto extra y goles de campo con un
ax + by= - 9 valor de 6, I y 3 tres puntos, respectivamente. El numero
SO. Determine (si es posible) las condiciones de a, by c tales de anotaciones y de patadas de puntos extra fue el
que el sistema de ecuaciones lineales (a) no tenga soluci6n, mismo. El numero de anotaciones fue cuando mucho
(b) tenga exactamente una soluci6n y (c) tenga un numero seis veces el de goles de campo. Encuentre el numero de
infinito de soluciones. touchdowns, patadas de punto extra y goles de campo
anotados. (Fuente: National Football League).
2x- y+ z=a
x + y + 2z = b
3y + 3z = C
Ejercicios de repaso 37
58. Agricultura Una mezcla de 6 galones del compuesto 66. Movimiento vertical Un objeto que se mueve verti-
A, 8 galones del compuesto B y 13 galones de! com- calmente esta a las alturas dadas en los tiempos especf-
puesto C es necesaria para matar una plaga de insectos. ficos. Encuentre la ecuaci6n de posic i6n
El aspersor comercial X contiene I , 2 y 2 partes, respec-
s = 12 at 2 + V0 t + S0
tivamente, de estos compuestos q uimicos. El aspersor
comercial Y contiene s6lo el compuesto C. El aspersor para el objeto.
comercial Z contiene los compuestos A, B y C en las (a) A t = I segundo, s = 134 pies
mismas cantidades. i,Cuanto de cada tipo de aspersor
comercial es necesario para obtener la mezcla deseada?
A t = 2 segundos, s = 86 pies
A t = 3 segundos, s = 6 pies
Descomposici6n en fracciones parciales En los ejerci- (b) At = I segundo, s = 184 pies
cios 59 y 60, utilice un sistema de ecuaciones para escribir la
descomposici6n en fracciones parciales de la expresi6 n
A t = 2 segundos, s = 11 6 pies
racional. Despues, resuelva el siste ma usando matrices. A t = 3 segundos, s = 16 pies
67. Analisis de redes Determine las corrientes 11, 12 e 13
8x 2 A B C
59· (x - 1)2(x + I) = x-+-1 + x---1 + (x - 1)2 para el circuito electrico mostrado en la figura 1.23.
3V
3x 2 + 3x - 2 A B C
60· (x + 1)2(.x - I)= x- +-1 + x-,-- -1 + (x + 1)2
A,zo 0 4 80
Poblaci611 80 68 30
100 300
(a) Determi ne un sistema de ecuaciones li neales para
ajustar los datos a un polinomio cuadratico.
(b) Resuelva el sistema.
(c) Utilice una aplicaci6n grafica para ajustar un modelo
cuadratico a los datos.
(d) Compare el polinomio cuadratico del inciso (b) con
el modelo del inciso (c).
(e) C ite la expresi6n del texto que comprueba sus resul-
tados.
38 Capitulo 1 Sistemas de ecuaciones lineales
1 Proyectos
)'
x-y=O
1 Graficando Ecuaciones Lineales
Usted vio e n la secci6n I. I que un sistema de dos ecuacio nes lineales en dos variables x e
y puede representarse geometricamente como dos lfneas en el piano. Estas lfneas pueden
intersecarse en un punto, coincidir o bien ser paralelas, ta) como se indica en la fig ura 1. 14
·= 2 I. Considere el siguiente sistema, donde a y b son constantes.
2x- y = 3
ax+ by= 6
(a) Determine los valores de a y b para los cuales el sistema resultante tiene una unica
soluci6n.
(b) Determine los valores de a y b para los cuales el sistema resultante tiene un numero
infinito de soluciones.
(c) Determine los valores de a y b para los cuales el sistema resultante no tiene solu-
ci6n.
(d) Grafique las lfneas resultantes para cada uno de los sistemas en los incisos (a), (b)
--,1----+--,ti--+--+--+- X
y (c).
-2 I 2
2. Ahora considere un sistema de tres ecuaciones lineales en x, y y z. Cada ecuaci6 n repre-
2x-2Y = 0
senta un piano en un sistema coordenado tridimensional.
-2
(a) Encuentre un ejemplo de un sistema representado por tres pianos que se intersecan
y
en una recta, como se muestra en la figura l . l 5(a).
(b) Encuentre un ejemplo de un sistema representado por tres pianos que se intersecan
en un pun to, como se muestra en la fig ura l . l 5(b).
(c) Encuentre un eje mplo de un sistema representado por tres pianos que no tie nen una
intersecci6n comun, como se muestra en la fig ura l.15(c).
(d) i,Existen otras configuracio nes de tres pianos no cubiertas por los tres ejemplos en
los incisos (a), (b) y (c)?
Calendari os de la
tripulaci6n de v uelo Recuperaci6n de informaci6n (p. 58)
(p. 47)
[""
a 21
a,,;.
a 22
a,,,2
a2,,
"'"1
a,,;,,
Como se mencion6 en e l capftulo I, las matrices en este texto son fondamentalmente
matrices reales. Es decir, sus elementos son numeros reales.
Decimos q ue dos matrices so n iguales si sus elementos correspondientes son iguales.
a. [-~ ~] + [ - :
3]
2 =
[ - 1 + 1 2 + 3]
0 + (- 1) 1 + 2 =
[ 0
- I ~]
b.
[~ I
2
- 2] + [O
3 0
0
0 ~] = [~
I
2 -~J
COMENTARIO
[! ~
I
A m enudo es conveniente
reescribir una m at riz B como
cA, factorizand o c de cada uno
,.[=il +ni -m d. 0 - ~] + [ - ~] no esta definida.
Podemos utilizar - A para representar el producto escalar (- l)A. Si A y B son del mismo
tamafio, entonces A - B representa la suma de A y ( - l )B. Es decir A - B = A + (- 1) B.
~]
2 0
SOLUCION
3A -+i - ·i) = l[
2 6
a. 0
[3(1)
3(-3)
3(2) 3(4)
3(0) 3(- 1) = -9
3
0 12]
-3
l 2 3(2) 3(1) 3(2) 6 3 6
b. - B - (- 1)[ ~
- )
-4
0
3
ol
3 = [ -2
2
- I
I
4
0
- 3 - 2
-~]
dA- B-H
6
0
3
12] [
-3 -
6
21
- )
-4
0
3
~]-[-1~
2 7
6
4
0
12]
- 6
4
42 Capitulo 2 Matrices
MULTIPLICACION DE MATRICES
La tercera operaci6n basica es la multiplicaci6n de matrices. Para ver la utilidad de esta
operaci6n, considere la siguiente aplicaci6n, en la cual las matrices son de mucha ayuda
para organizar informaci6n.
Un estadio de futbol tiene tres areas concesionadas para locales comerciales, ubicadas
en el sur, norte y oeste de! mismo. Los artfculos mas vendidos son los cacahuates, los hot
dogs y los refrescos. Las ventas para c ierto dfa son registradas en la primera matriz abajo
y los precios (en d6lares) de los tres artfculos aparecen en la segunda.
l
Numero de articulos vendidos
Cacahuates Hot dogs Refrescos Precio de venta
Local sur 250
[120 305] [2 00 Cacahuates
Local norte 207 140 419 3.00 Hot Dogs
Para calcular el total de ventas de los tres productos mas vendidos en el local sur, multi-
plique cada elemento en el primer rengl6n de la matriz de la izquierda por el precio corres-
pondiente en la matriz columna de la derecha y sume los resultados. Las ventas del local
sur son
( 120)(2.00) + (250)(3.00) + (305)(2.75) = $ 1828.75 Ventas local sur
De manera similar, calculamos las ventas de los otros dos locales de la siguiente forma.
(207)(2.00) + ( 140)(3.00) + (4 19)(2.75) = $ 1986.25 Ventas local norte
(29)(2.00) + ( 120)(3.00) + ( I90)(2.75) = $940.50 Ventas local ocste
El producto de estas matrices es la matriz de 3 x I, que nos da el total de las ventas por
cada uno de los tres locales.
La definici6n general del producto de dos matri ces mostrada abajo, se basa en las
ideas recien desarrolladas. A primera vista esta definici6n puede parecer inusual, no obs-
tante, usted vera mas adelante que tiene muchas aplicaciones practicas.
Para I s i s my I s j s p.
SOLUCION
-n-;] y
B=[
- 3
-4
Para deterrninar c 11 (el elemento en e l primer rengl6n y en la primera columna de! pro-
ducto), multiplique los elementos correspondientes en el primer rengl6n de A y la primera
columna de B. Es decir
[-1 3] =! ~]= [ -9
3). Se reconoce a Cayley y
dos matematicos estadouni- AB = 4 -2 [ - 4
denses, Benjamin Peirce 5 0 - 15
(1809-1880) y su hijo, Charles
S. Peirce (1839-1914), por el Asegurese de entender que el producto de dos matrices esta de finido cuando el
desarrollo del "algebra matri- numero de columnas de la primera matriz es igual al numero de renglones de la segunda
cial."
matriz; es decir,
A B AB.
L J
m x n
tguai
n x p
tamafio
de A B
m x p
a; 1b 1i
b"" c,,,, c,,,2
l,·
+ a,'2bli + a;3b3j + · · · + a;,,b,,i = C;i
c,,,"
Sea
4
0 7
0
- 1 6
1
2x3 3 X 3 2 X 3
c.
[: ~] [-: - ~] = [~ ~]
2x2 2x2 2x2
Ix3 3x I I X I
3 x I l x3 3 X 3
Note la diferencia entre los dos productos en los incisos (d) y (e) del ejemplo 5. En
general, la multiplicaci6n de matrices no es conmutativa. Es decir, casi nunca se cumple
que el producto AB sea igual al producto BA. (Yease la secci6n 2.2 para un amilisis mas
profundo de la no conmutatividad de la multiplicaci6n de matrices.)
2.1 Operaciones con matrices 45
SOLUCION
Como un sistema de ecuaciones lineales, Ax = 0 lo representamos como
x 1 -2x 2 + x 3 =0
2x 1 + 3x 2 - 2x 3 = 0.
Utilizando la eliminac i6n de Gauss-Jordan en la matriz aumentada de este sistema, obte-
NOTA TECNOLOGICA nemos
Muchas aplicaciones graficas y
programas de c6mputo pueden 0
ejecutar la suma de matrices,
multiplicaci6n escalar y la
multiplicaci6n de matrices. Si
usted utiliza una aplicaci6n Por tanto, el sistema tiene un numero infinito de soluciones. En este caso, una elecci6n
grafica, sus pantall as para el conveniente de parametro es x 3 = 71, y puede escribir e l conjunto soluci6n como
Ejemplo 6 se veran como:
x1 = 1, x2 = 41, x3 = ?t, t es cualquier numero real.
- - -[>
46 Capitulo 2 Matrices
PARTICION DE MATRICES
El sistema Ax = b puede representarse de una forma mas conveniente, dividiendo las
matrices A y x de la siguiente manera. Si
all 1
A = a2, a
Cl2,, ]
." ' X = . ' [x'] X2
y
[
a,;,1 am2 a,~,n x·,,
son las matrices de coeficientes, la matriz columna de inc6gnitas y la matriz del !ado dere-
cho, respectivamente, de l sistema lineal Ax = b de tamai'io m X 11, entonces podemos
escribir
a,2 a,11
[x,
[""a;,,,
Cl2 1 Cl22
a,,,2
Clz11
a,,"' :: = b
~- + ... + x,,
[a, 11 Cl-,
~ = b.
a;,,2 a,~rn
En otras palabras
aClz
11
I
] a, 1
Cl 22
2
[a,,
C12,1
x1 • + x ,, . + ···+x 11
.
a,:i1 - ai,, 2
a,; 111
11
X 1
11
a021 ]
· + X -,
aCl22
·
,
2
1+ · · · + X 11
[a,
Cl211
·
[
a;,,, - a,;,2 a,; 111
El s istema lineal
x 1 + 2x 2 + 3x 3 = 0
4x 1 + 5x 2 + 6x 3 = 3
7x 1 + 8x 2 + 9x 3 = 6
Aplicando la eliminaci6n gaussiana podernos demostrar que este sistema tiene un numero
infinito de soluciones, una de las cuales es x 1 = 1, x 2 = 1 y x 3 = -1.
Es decir, b puede expresarse corno una combinaci6n lineal de las columnas de A. Esta
representaci6n de un vector columna en funci6n de otros es un tema fundamental del alge-
bra lineal.
u -2
4
2 0
0
2 ~] 3
- 1
1
- 2
2
4
u -2
4
2
o matrices rengl6n
0
0
2
~] ~ [c , C2 C3 C4]
{:l
2 0 0
3 4 0 0
- 1 -2 2
lgualdad de matrices En los ejercicios 1-4, encuentre 15. Resuelva la ecuaci6n matricial para x, y, y z.
xe y
4[xz y] - 2[-x
- !
y
17. A = [! ~l B= [_ ~ - ~]
18. A = [
- I
2 -2] 4 '
B = [4 l]
2 -2
~i
Operaciones con matrices En los ejercicios 5 a 12, deter-
¥1-
~ ~
mine (a) A + B , (b) A - B , (c) 2A, (d) 2A - By (e) B +
5. A = [~ =:l B = [ _ ~ - ~]
-
2
- ~].
3
B = [-
-4 -1
l
-2
8. A = [
2
!l =[-~
-3
2
!],
-•i =[~ ~]
-I -I B I -~J
2 2 22.A =H 0
- 2 -4
9. A =[~ 4
I
5 '
2
B
4
I
10. =[~
A
3
0
-~l B=[ ~ ~]
I - I
6
2
23. A = [3 2
11. A =[_~ -4
0
~], B =[! - IJ
- 3
3 2]
l
13. Encuentre (a) c 21 y (b) c 13, donde C 3B,
A = [ 5 4 4]2 '
- 3 y
B= [ I 2 -7].I
O -5 26. A=[! -3] =[~2 -1:2 ' B
14. Encuentre (a) c 23 y (b) c32, donde C = SA + 28,
A=[~
-3
1~ -~i, B=[-!
l
y
-6
~ l~l9 -
4
21. A=[:
-I
- 1
0
nB=Hl
=[--2~
0 l
28. A=[:
-2
- I
-~].
-2
B 2 -3
4
-!]
2.1 Ejercicios 49
29. A=
-~1 6
I , B = [10 12]
52, exprese la matriz columna b como una combinac i6n
lineal de las columnas de A.
49. A= [~
- I
~l b = [ - ~]
-3
3 -2
30. A= [~
0
13 8 - 17 2~l B = [! ~] 2
39. A= [~ - 2
-1 -1]2' ~[;:J ~[~] X O
54.
[~=~]A=[~ ~]
Resoluci6n de una ecuaci6n matricial En los ejercicios
~[l
3] [,, 2 1 55 y 56, resuelva la ecuaci6n matricial para a, b, c yd.
~ = :: o-m
-1 0 1
40 A
I - 1
' X
X4
55. [3 !] = [ 1: ~]
17]
Resoluci6n de una sistema de ecuaciones lineales En 56. [ ac ~] = [! - I
los ejercic ios 41 a 48, escriba el sistema de ecuaciones lineales
en la forma Ax = b y resuelva esta ecuaci6n matricial para x. Matriz diagonal Una matriz cuadrada
41. -x, + x 2 = 4 a 11 0 0 0
-2x 1 +x 2 = 0 0 a22 0 0
42. 2x I + 3x z = 5 A = 0 0 a33 0
x 1 + 4x 2 = 10
43. -2x 1 - 3x 2 = - 4 0 0 0
6x 1 + = -36 x2 se llama matriz di agonal si todos los elementos que no estan
44. -4x 1 + 9x 2 = - 13 en la diagonal principal son cero. En los ejercicios 57 y 58,
n~ ~]
x, - 3x 2 = 12 encuentre el producto AA para la matriz diagonal dada.
45. X l - 2x 2 + 3x 3 = 9
- Xl
2x 1
+
-
3x 2
5x 2
- X3
+ 5x 3 = 17
=-6
51. A ~ 58. A~[~ -~ ~]
46. + X2
X l - 3x 3 = - 1
Determinaci6n de los productos de matrices diago-
-xi + 2x2 = 1
nal En los ejercicios 59 y 60, determine los productos AB y
X 1 - Xz + x 3 = 2
BA para las matrices d iagonales.
47. x1 5x 2 + 2x 3 = -20
+ = A= [~ -~l B =[-~ ~]
n.-n
- 3x I X2 - X3 8 59.
- 2x 2 + 5x 3 = - 16
~ -i 0
48. X l - X2 + 4x 3 = )7
4
x1 + 3x 2 = - 11 60. A - [
0
-6x 2 + 5x 3 = 40
50 Capitu lo 2 Matrices
61. Demostraci6n guiada. Pruebe que si A y B son matri- 72. Demuestre que no existen matrices de 2 X 2 que satisfa-
ces diagonales (de! rnismo tamaiio), entonces AB = BA. gan la ecuaci6n matriciaJ
Inic io: Para demostrar que las matrices AB y BA son
AB - BA = [~ ~].
iguales, primero necesita demostrar que sus elementos
correspondientes son iguales. 73. Exploraci6n Sea i = J=T y sea
(i) Empiece su demostraci6n haciendo que A = [aij] y O
.Jy B = [O. -0iJ.
B = [bij] sean dos matrices diagonales n X n. I I
80. Manufactura Una corporaci6n tiene tres fabricas, cada Multiplicaci6n por bloques En los ejercicios 83 y 84, eje-
una de las cuales produce guitarras acusticas y guitarras cute la muJtiplicaci6n por bloques indicada de las matrices A y 8.
electricas. El numero de guitarras del tipo i producidas en Si las matrices A y 8 se dividen en cuatro submatrices
la fabricaj en un dfa se representa por aij en la matriz
A = [ 70 50 25]
A=[A"
A21
A12]
A22
y B= [8"
8 21
8 12]
8 22
35 100 70
Determine los niveles de producci6n de cada fabrica, si entonces puede multiplicar por bloques A y 8 , asignando el
la producci6n se incrementa 20%. tamaiio de las submatrices para las cuales la suma y la multi-
plicaci6n estan definidas.
81. Politica La matriz
De AB = [A" A 12] [8 11 812]
A21 A22 8 21 8 22
R D I = [ A 11811 + A i2B21 A I 18 12 + A 128 22]
0.6
P = 0.2
0.1
0.7
0. 1]
0. 1 D
R} A
A 21 B II + A22821 A21B 12 + A22B22
l 2 0
[ I 2 0 0
0.2 0.2 0.8 I -1 l 0
representa la proporci6n de votantes que cambi6 del 83. A = 0 I 0 0 B=
' 0 0 l
partido i al partido j en una elecci6n dada. Es decir, Pii (i 0 0 2 I
0 0 3
* j) representa la proporci6n de votante que cambiaron
I
del partido i al partidoj y P;; representa la proporci6n que 0 0 0 1 2 3 4
perrnanece lea! aJ partido i de una elecci6n a la siguiente. 0 0 0 I 5 6 7 8
84. A = B=
Determine e l producto de P consigo mismo. lQue repre- - 1 0 0 0 ' I 2 3 4
senta este producto? 0 - J 0 0 5 6 7 8
82. Poblaci6n Las matrices muestran la poblaci6n (en
lVerdadero o falso? En los ejercicios 85 y 86 determi ne
mi les de personas) que vivfa en diferentes regiones de
cua1 de las expresiones es verdadera o falsa. Si la expresi6n
Estados Unidos en 2009 y la poblaci6n (en miles de
es verdadera, de una raz6n o c ite una expresi6n adecuada de)
personas) estimada que vivira en estas regiones en 2015.
texto. Si la expresi6 n es falsa, proporcione un ejemplo que
Las poblaciones regionales se separaron en tres catego-
demuestre que la expresi6n no es valida para todos los casos
rfas de edad. (Fuente: U.S. Census Bureau)
o cite de! texto una expresi6n adecuada.
2009
85. (a) Para que el producto de dos matrices este definido,
0-17 18- 64 65 + el numero de columnas de la primera matriz debe ser
Noreste 12,399 35. 137 7747 igual al numero de renglones de la segunda matriz.
Medio oeste 16,047 41.902 8888 (b) El sistema Ax = b es consistente si y s61o si b puede
Sur 27,959 70.57 1 14,608 ser expresada como una combinaci6n lineal, donde
Montana 579 1 13,7 16 26 16 los coeficientes de la combinaci6n lineal son una
Pacffico 12,352 3 1,38 1 57 12 soluci6n del sistema.
86. (a) Si A es una matriz de m X n y Bes una matriz den X
2015
r, entonces el producto AB es una matriz de m X r.
0 - 17 18-64 65 + (b) La ecuaci6n matricial Ax = b, donde A es la matriz
Noreste 12,44 1 35,289 8835 de coeficienles y x y b son las matrices columna,
Medio oeste 16,363 42,250 9955 puede utili zarse para representar un sistema de ecua-
Sur 29,373 73.496 17,572 ciones lineales.
Montana 60 15 14,231 3337 87. Las columnas de la matriz T muestran las coordenadas
Pacffico 12,826 33,292 7086 de los vertices de un triangulo. La matriz A es una matriz
(a) La poblaci6n total en 2009 fue 307 000 000 y la de transformaci6n.
poblaci6n total estimada para 20 15 fue 322 000 000.
Reescriba las matrices para obtener la informaci6n
como porcentajes de la poblaci6n total.
A = [~ - ~]. T = [: ! ~]
(a) Encuentre AT y MT. Despues dibuje el triangulo
(b) Escriba una matriz que proporcione los porcentajes original y los dos triangulos transforrnados. l Que
en cambios estimados de poblaci6n por regiones y transformac i6n representa A?
por grupos de edad de 2009 a 20 15. (b) Un triangulo esta determinado por MT. Describa el
(c) Basado en el resultado <lei inciso (b), l que grupo(s) proceso de transforrnaci6n que produce el triangulo
de edad se esti ma mostrara(n) un crecimiento rela- determinado por AT y luego el triangulo determi-
ti vo de 2009 a 2015? nado por T.
52 Capitulo 2 Matrices
ALGEBRA DE MATRICES
En la secci6n 2.1 su atenci6n se centr6 en la mecanica de las tres operaciones basicas con
matrices: suma de matrices, multiplicaci6n escalar y multi plicaci6n de matrices. Esta sec-
ci6n comienza con el desarrollo de! algebra de matrices. Observara que esta algebra
comparte muchas (pero no todas) de las propiedades de! algebra de los numeros reales.
Enseguida aparece una lista de algunas propiedades de la suma de matrices y de la multi-
plicaci6n escalar.
DEMOSTRACION
La demostrac i6n de estas seis propiedades se concluyen directamente a partir de las defi-
niciones de suma de matrices y multiplicaci6n por un escalar, asf como de las propiedades
correspondientes a los numeros reales. Por ejemplo, para demostrar la propiedad conmu-
tativa de la suma de matrices, sean A = [au] y B = [bu]- Entonces, aplicando la propiedad
conmutati va de la suma de numeros reales, escribimos
A + B = [a;j + b;J = [bij + au) = B + A.
De igual forma, para demostrar la propiedad 5, aplicamos la propiedad distributiva (de los
numeros reales) de la multiplicaci6n sobre la suma, para escribir
c(A + B) = [c(aij + b;)] = [ca;j + cb;j] = cA + cB.
Las demostraciones de las cuatro propiedades restantes se dejan como ejercicios (vease los
ejercicios 57 a 60).
En la secci6n anterior, la suma de matrices se defini6 como la suma de dos matrices,
haciendola asf una operaci6n binaria. La propiedad asociati va de la suma de matrices ahora
permite escribir expresiones como A + B + C como (A + B) + C o como A + (B + C).
Este mismo razonamiento se aplica a la suma de cuatro o mas matrices.
I
t
EJEMPLO 1 Suma de mas de dos matrices
DEMOSTRACION
Para demostrar la propiedad 2, muestre que las matrices A(B + C) y AB + AC son iguales
si sus elementos correspondientes son iguales. Suponga que A es de tamafio m X n, B es
de tamafio n X p y C es de tamafio n X p. Aplicando la defin ici6n de la multiplicaci6n de
matrices, el elemento en el i-esimo rengl6n y la j-esima columna de
A(B + C) es a; 1(b 1j + c 1) + ... + a;,,(b,,j + c,,j).
Ademas, e l elemento en el i-esimo rengl6n y laj-esima columna de AB + AC es
Distribuyendo y reagrupando, puede ver que estos dos ij-esimos e lementos son iguales. Asf
A(B + C) = AB + AC.
La propiedad asociativa de la multiplicaci6n de matrices le perrn.ite escribir estos
productos matriciales como ABC sin ambigiiedad, como se muestra en el ejemplo 3.
Determine el producto matricial ABC agrupando primero los factores como (AB)C y luego
como A(BC). Demuestre que se obtiene el mismo resultado con ambos procesos.
-2] 1 -20 ol
~
- 1
-I ' B
=[
3 ~l C =[ :
SOLUCION
Agrupando los factores como (A B)C, obtiene
[1 0
(AB)C = ([~ -2]
- 1 3 -2 ~Jfi !]
= [-5
-1 2
4
~] [-i !]-[:; 1:l
Agrupando los factores como A(BC), obtiene el mismo resultado
=[
I -2] [ 3
2 - I -7
2.2 Propiedades de las operaciones con matrices 55
El siguiente ejemplo muestra que aun cuando los produclos de AB y BA esten definidos,
podrfan no ser iguales.
A = [~ _ ~] y B = [~ - ~].
SOLUCION
AB =[~
AB* BA
_n[~ -~J =[~ -~lBA =[~ -~J[~ -~J =[~ -n
A partir del ejemplo 4 no podemos concluir que los productos matriciales AB y BA nunca
son ig uales. Algunas veces sf lo son. Por ejemplo, intente multiplicar las sig uientes matri-
ces, primero en el orden AB y despues del modo BA.
A= [I 2]
I I
y B = [-2 4]
2 -2
Usted puede ver que los dos productos son iguales. El punto es este: aunque AB y BA son
en ocasiones iguales, a menudo no lo son.
Otra cualidad importante del algebra matricial es que no existe la propiedad de can-
celaci6n para la multiplicaci6n de matrices. Es decir, si AC = BC, no es necesariamente
c ierto que A = B. Esto se demuestra en el ejemplo 5. (En la siguiente secci6n vera que,
para algunos tipos especiales de matrices, la cancelaci6 n es valida.)
A = [~ ~l B = [~
SOLUCION
III = r~
,
0
0
0 r1
I! X fl
~]. ,,
0
-[~ 0
I
COM ENTARIO
TEOREMA 2.4 Propiedades de la matriz identidad
Observe que si A es una matriz
cuadrada de orden n, entonces Si A es una matriz de tamafio m X n, entonces estas propiedades son verdaderas.
Aln = lnA = A. 1. Al,, = A 2. /111 A = A
0
I
0
Tambien esto es conveniente para definir A0 = /11 (donde A es una matriz cuadrada de
orden n). Estas definiciones nos permiten establecer las propiedades ( I) AiAk = Ai+k y (2)
(Ai/ = Aik donde j y k son enteros no negativos.
DEMOSTRACION
Represente el sistema por la matriz Ax = b. Si el sistema tiene exactamente una soluci6n o
no tiene soluci6n, entonces no hay nada que demostrar. Asf, puede suponer que el sistema
tiene al menos dos soluciones diferentes x 1 y x2. La demostraci6n puede completarse si usted
demuestra que esta suposici6n implica que el sistema tiene un numero infinito de soluciones.
Como x 1 y x2 son soluciones, tiene que Ax 1 = Ax2 = b y A(x 1 - x2 ) = 0. Esto implica que
la columna de la matriz distinta de cero x,. = x 1 - x2 es una soluci6n de! sistema de ecuacio-
nes lineales homogeneo Ax = 0. Con esto podemos decir que para cualquier escalar c,
A(x 1 + cx1,) = Ax 1 + A(cx,,) = b + c(A x,,) = b + cO = b.
Asf que x 1 + ex,, es una soluci6n de Ax = b para cualquier escalar c. Debido a que hay un
numero infinito de valores posibles de c y cada valor genera una soluci6n diferente, puede
concluir que el sistema tiene un numero infinito de soluciones.
2.2 Propiedades de las operaciones con matrices 57
SeaA = [; !] y a,,
£ii,
a,2
0 22
a,3
0 23
o,,,
o2,,
B = [3 5].
1 - 1
A = a 3, 0 32 G33 0 3,,
~□ Haga una conjetura entonces la transpuesta, denotada por AT, es la matriz de 11 X m de abajo
sobre la trans-
all 0 21 a3, am,
puesta del pro-
a,2 0 22 0 32 0 1112
ducto de dos matri-
AT = o, 3 0 23 0 33 o,,,3
ces cuadradas.
©a Seleccione otras a,,, cii,, C13,, a,,,,,
dos matrices cua-
Tamaiio: 11 x m
dradas para verifi-
car su conjetura.
EJEMPLO 8 Transpuesta de una matriz
~] ~] J
2 2
Advierta que la matriz cuadrada
en el inciso (c) del ejemplo 8 es
igual a su transpuesta. Esta
a. A = G] b. B = [~ 5
8
c. C = [~ 1
0
d. D = [;
matriz se denomina simetrica .
Una matriz A es simetrica si A SOLUCION
= AT_ Partiendo de esta
definici6n, es evidente que una
matriz simetrica debe ser
cuadrada. Ademas, si A = [a;i]
es una matriz simetrica,
a. A7 = [2 8] U '= [~
4
5
6 ~]
~]
entonces aii = aii para toda i"' j. 2
[> c. C' = [~
0
1 d. D T = [~
2
4 _:]
TEOREMA 2.6 Propiedades de la transpuesta
Si A y B son matrices (de tamaiio tal que las operaciones con matrices dadas estan
definidas) y c es un escalar, entonces las siguientes propiedades son verdaderas.
1. (AT)T = A Transpuesta de la transpuesta
2. (A + B)T =AT+ BT Transpuesta de una suma
3. (cA)T = c(AT) Transpuesta de la multiplicaci6n por un escalar
4. (AB)T = B TAT Transpuesta de un producto
DEMOSTRACION
Debido a que con la transposici6n de una matriz se intercambian renglones y columnas, la
propiedad I parece tener sentido. Para demostrar la propiedad I, sea A una matriz de m X
n. Observe que AT tiene el tamaiio n X m y (A Tf es de m X n, igual que A. Para demostrar
que (A Tf = A usted debe demostrar que e l ij-esimo e lemento es el mismo. Sea aij el ij-
esimo elemento de A. Entonces a;j es el ji-esimo elemento de AT y el ij-esimo elemento de
(ATf. Esto demuestra la propiedad I. La demostraci6n de las demas propiedades se deja
como ejercicio. (Vease el Ejercicio 64.)
58 Capitu lo 2 Matrices
COMENTARIO Las propiedades 2 y 4 pueden generalizarse para abarcar sumas o productos de cual-
Recuerde que debe invertir el quier numero finito de matrices. Por ejemplo, la transpuesta de la suma de tres matrices es
orden de la multiplicaci6n al
(A + B + C)T =AT + BT + er
formar la transpuesta de un
producto. Es decir, la trans- y la transpuesta de] producto de tres matrices es
puesta de AB es (AB) T = BTA T y
normalmente no es igual a (ABC)T = CTB TAT.
A TBT.
A - Hj -:i y B - [~ -ll
SOLUCION
l
AB -H 0
-2
-2][3 '] = [
3
1
2
3
-1
0
62
-1
- '1]
2
(AB)T =
[~ 6
- ~]
~iu
-I
B7AT = [~
2
-I
-I
0
3
-;]-[~ 6
- I
- ~]
(AB)T = BTAT
COM ENTARIO Para la matri z A =[ ~ -~]. encuentre el producto AA.,. y demuestre que es simetrico.
La propiedad demostrada en el -2 -I
ejemplo 10 es generalmente
cierta. Es decir, para toda m atriz SOLUCION
A, la matriz AAT es simetrica. La
matriz A TA tambien es sime-
trica. Se le pedira que demues- Debido a que AAT = [ ~ - 2
0 -2] = [-6lO
- I
-6
4
-5]2 ,
tre estos resultados en el - 2 - 5 2 5
ejercicio 65.
- - -[> se tiene que AA T = (AA.,.) T, asf que AA Tes simetrica.
Evaluaci6n de una expresi6n En los ejercicios l -6, Asociatividad de la multiplicaci6n de matrices En los
evalue la expresi6n. ejercicios 21 y 22, encuentre la matriz producto ABC al (a)
~] , 0 = [~ 24. A=[:
7. aA + bB 8. A+ B
9. ab(B) 10. (a + b)B Productos de matrices iguales En los ejercicios 25 y
26, muestre que AC = BC a pesar de que A *
a =[!
11. (a - b)(A - B) 12. (ab)0 B
~Jc =G ~J
u-! H
13. Resuelva para X cuando 25. A= [~ B
A = [- ~
-3
-~l 2
y B = [-~
4
~1-
4
26
. A - [i _i H 8
-
(a) 3X
(c) X
+ 2A = B
- 3A + 2B =
~
* *
A = [-~ -
3 -4
~1 y B =[
-4
~1-
- 1
demuestre que si AB = 0 , aunque A
27. A = [! !] y
0oB
B
0.
= [ _ : - :]
(a) X
(c)
= 3A - 2B
2X + 3A = B
(b) 2X
(d) 2A
=
+
2A - B
4B = -2X 28. A = [~ :J y B = [ -½ -~J
Operaciones con matrices En los ejercicios 15 a 20, Operaciones con matrices En los ejercicios 29 a 34,
realice las operaciones indicadas siempre que c = -2 y realice las operaciones indicadas cuando
A=[~ 2
1 -1 '
3] B= [-11 23] ' C= [-10 l]
0 . A= [~ -~J.
29. IA 30. Al
15. B(CA) 16. C(BC)
17. (B + C)A 18. B(C + 0) 31. A (I + A) 32. A+ IA
2
33. A 34. A 4
19. (cB)(C + C) 20. B(cA)
60 Capitulo 2 Matrices
Escriba E n los ejercicios 35 y 36, explique por que la f6r- (c) La transpuesta del producto de dos matrices es igual al
mula no es valida para matrices. Ilustre su razonamjento con producto de sus transpuestas. Es decir, (ABl = ATBr.
ejemplos. (d) Para toda matri z C, la matri z ccT es simetrica.
35. (A + B)(A - B) = A2 - B 2 48. (a) La multiplicaci6n de matrices es conmutati va.
36. (A + B)(A + B) = A2 + 2AB + B 2 (b) Toda matriz A tiene in versa aditiva.
(c) Si las matrices A, By C satisfacen AB = AC, enton-
Encontrando la transpuesta de una matriz En los ces B = C.
ejercicios 37 y 38, encuentre la transpuesta de la matriz.
~!]
(d) La transpuesta de la suma de dos matrices es igual a
-:]
J
=[- 3!
(b) Demuestre que no existen escalares a y b tales que
W = aX+bY
(c) Demuestre que si aX + bY + cW
b = c = 0.
= 0 , entonces a =
40. A= [~ -~J y B = [ -3
- 2 (d) Determine escalares a, by c, no todos iguales a cero,
tales que aX + bY + cZ = 0.
41. A= [ ~
-2 :l y B =[~ 3
4 - ~]
l
t> 50. OOl]HiY,tJ~i]'~ En la ecuaci6 n matricial
aX + A(bB) = b(AB + IB)
42. A = [~ I
0
-~] y
B = [~
0
-1
-2
3
X, A, B e / son matrices cuadradas, y a y b son
escalare distintos de cero. Justifique cada paso en
la soluci6n dada a continuaci6n.
Multiplicacion con la transpuesta de una matriz aX + (Ab)B = b(AB + B)
En los ejercicios 43-46, encuentre (a) ATA y (b) M T_Muestre aX + bAB = bAB + bB
que cada uno de estos productos es simetrico. + bA B + (-bAB) = + bB + (-bA B)
iJ
aX bAB
~ ~
aX=bA B + bB +(- bAB)
43. A = [ _: l 44. A = [ aX = bAB + (- bAB) + bB
ax= bB
-4 3
X = !!_B
4 0 a
4 - 3
3
0 -3
5
2
Il
0
Determinacion de una potencia de una matriz En los
ejercic ios 5 1 y 52, calcule la potenc ia de A para la matriz
~ 46. A=
2
- 1 -2
14 -2
6
0
12 -9
8 -5 4
11
0
-1
3
A= [~
51. A 19
0
-1
0 n 52. A 20
lVerdadero o fatso? En los ejercicios 47 y 48, determine Determinacion de la n-esima raiz de una matriz Una
cual de las expresiones es verdadera o falsa. Si la expres i6n rafz n-esima de una matriz Bes una matriz A tal que A" = B. En
es verdadera, proporcione una raz6n o c ite una expresi6n los ejercicios 53 y 54, encuentre la raiz n-esima de la matriz B.
adecuada del texto. Si la expresi6n es falsa, proporcione un
ejemplo que muestre que la expresi6n no es cierta en todos 53. B = [~ ~], n = 2
los casos o c ite de! texto una expresi6n adecuada.
47. (a) La suma de matrices es conmutativa. 0
Funci6n polinomial En los ejercicios 55 y 56, use la 66. Prueba Sean A y B dos matrices simetricas de 11 X 11.
definki6 n dada para determinarf(A): s if es la funci6n poli- (a) Proporcione un ejemplo que muestre que el producto
nomial. AB no necesariamente es simetrico.
f(x) = a0 + a 1x + a2x2 + . . . + a,,x1', (b) De muestre que AB es simetrica si y solo si AB = BA.
ento nces para una matriz A den X n,f(A) esta definida asf
Matrices simetricas y cuasi-simetricas Una matriz
f(A) = a0! + a 1A + a 2A2 + . .. + a,,A". cuadrada es denominada cuasi-simetrica si AT= -A. En los
55. f(x) = x2 - 5x + 2, A = [! ~] ejercicios 67 a 70, determine cual de las matrices es sime-
trica, cuas i-simetrica o ninguna de las dos.
A=H ~
59. Prueba Demuestre que el escalar l es la identidad
para la multiplicaci6n por un escalar: IA = A
60. Prueba Demuestre la siguiente propiedad distributiva:
(c + d)A = cA + dA. como la suma de una matriz cuasi-simetrica y una
matriz simetrica.
61. Prueba Demuestre el teorema 2.2.
62. Prueba Complete la demostraci6n del teorema 2.3. 74. Prueba Demuestre que si A es una matriz de 11 X 11,
entonces A - AT es cuasi-simetrica.
(a) Demuestre la propiedad asociativa de la multiplica-
c i6 n: A(BC) = (AB)C 75. Considere matrices de la fonna
(b) Demuestre la propiedad distributiva: 0 a 12 C/ 13 a,,,
(A + B)C = AC + BC 0 0 Gi3 a 2n
(c) Demuestre la propiedad: c(A B) = (cA)B = A(cB) A =
63. Prueba Demuestre e l teorema 2.4 0 0 0 {/(11-1 )11
x = a- b
1
Las matrices no cuadradas no tienen inversas. Para ver esto, advierta que si A es de
*
tamano m X n y B es de tamano n X 111 (donde m n), entonces los productos AB y BA
son de tamano diferente y no pueden ser iguales entre sf. Efectivamente, no todas las
matrices cuadradas poseen in versa. (Vease el ejemplo 4 .) El sig uiente teorema, sin
embargo, nos dice que si una matriz tiene inversa, entonces esta es unica.
DEMOSTRACION
Ya que A es invertible, sabemos que al menos tiene una inversa B ta! que
AB = I = BA .
Suponga que A tiene otra in versa C tal que
A C= I = CA.
Entonces usted puede demostrar que B y C son ig uales, de la siguiente manera.
2.3 lnversa de una matriz 63
AB= I
C(AB) = Cl
(CA )B =C
IB = C
B = C
En consecuencia, B = Cy tenemos que la inversa de una matriz es unica.
El sig uiente ejemplo muestra c6mo util izar un sistema de ecuaciones para determinar
la inversa de una matriz.
A= [ - ~ _;].
SOLUCION
Para determinar la in versa de A, resuelva la ecuaci6n matricial AX = I para X.
X12] =[l
X22 Q
X11+4X21
[ -xii - 3X21
Ahora, igualando los elementos correspondientes, obtiene los dos sistemas de ecuaciones
que se muestran
X11 +4X21 =] X12+4X22=Q
-xii - 3X21 = Q -x12 - 3x22 = 1
Resolviendo el primer sistema, tenemos que la primera columna de X es x 11 = -3 y x21 =
I. De manera similar, resolviendo el segundo sistema, tenemos que la segunda columna de
12
X es x = -4 y x 22 = I. La inversa de A es
X=A-1 =[ -3I
Utilice la multiplicaci6n de matrices para verificar este resultado.
64 Capitulo 2 Matrices
[ _ : _; ~] y [ _ : _; ~]
separadamente, puede hacerlo de manera simultanea. Usted puede hacer esto adjuntando
la matriz identidad a la matriz de coeficientes para obtener
4 I
-3 0
Aplicando la eliminaci6n de Gauss-Jordan a esta matriz, puede resolver ambos sistemas
con un senci llo proceso de eliminaci6n, como el siguiente
4
-30
l
Aplicando la eliminaci6n de Gauss-Jordan a la matriz "doblemente aumentada" [A /],
usted obtiene la matriz [/ A- 1].
4 I 0 -3
-3 0
A I I
Este procedimiento (o algoritmo) funciona para una matriz arbitrari a den X n. Si A no
puede reducirse por renglones a/,,, ento nces A es no invertible (o singular). Este procedi-
miento se justificara formalmente en la siguiente secci6n, despue de exponer el concepto
de matriz elemental. Por el momento, el algori tmo se resume de la siguiente manera.
ALGEBRA Recuerde la Ley de Hooke, que dice que para deformaciones relativa-
mente pequenas de un objeto elastico, la cantidad de deflexi6n es direc-
LINEAL tamente proporcional a la fuerza que causa la deformaci6n. En una viga
APLICADA elastica soportada de manera simple, sujeta a multiples fuerzas, la
deflexi6n d se relaciona con la fuerza w por la ecuaci6 n matricial
d = Fw
donde F es una matriz de flexibilidad cuyas entradas dependen del
material de la viga. La inversa de la matriz de flexibilidad, F- 1 , se deno-
mina la matriz de rigidez. En los ejercicios 61 y 62, se le pedira que
encuentre la matriz de rigidez F- 1 y la matriz de fuerza w para un con-
- -[> junto dado de matrices de flexibilidad y deflexi6n.
nostal6,e/www shunerstock com
2.3 lnversa de una matriz 65
A = [ :
- 6
- ~
2
- ~i
3
SOLUCION
Empiece adjuntando la matriz identidad a A para formar la matriz
- 1 0 I 0
[A I] = [ !
-6
0
2
- 1
3
0
0
1
0
Ahora, util izando operaciones elementales con renglones, reescriba esta matriz en la forma
[/ A-IJ
de la siguiente manera.
- I 0 0
[-~ 2
I - I - 1
3 0 0
I
;] R2 + (- l )RI ➔ R2
1 -1 0 0
[ 0
0
1 -1
-4 3
-1
6
1
0 ;] R-,, + (6)R1➔ R-,,
NOTA TECNOLOGICA
Muchas aplicaciones graficas y
programas de computadora
pueden calcular la inversa de
una matriz cuadrada. Si usted
[
1 - 1
0
0
I - I
I - I - I
0 - .I 2
0
0
1 0
0
4 ~] R3 + (4)R2 ➔ R 3
0
1
0
0 -3
-2
I
-3
-4
0
-~]
- I
Rz + R3 ➔ R2
0
I
0
0
- 2
-3
- 2
-3
-3
- 4
-Ii
- I
- 1
R1 + R2 ➔ R 1
l
La matriz A es invertible y esta inversa es
A
I [1 -1 0 l -3
[1 0
[-6 2
-11
3 11 A- 1= [-2
-3 -3 -- 11 .
A·l
I [ -2 -3 -11 -2 -4 - I
[ -3 -3 -11
[ -2 -4 -11 l Confirme esto demostrando que
AA - 1 = I
t> = A- 1A.
El proceso mostrado en el ejemplo 3 se aplica a cualquier matriz de n X n y permite
hallar la inversa de la matriz A, si es posible. Si la matriz A no tiene inversa, el proceso
puede decirselo tambien. En el siguiente ejemplo se aplica el proceso a una matriz singular
(una que no tiene inversa).
66 Capitulo 2 Matrices
A= [
- 2
~ ~ -
3 - 2
~i
SOLUCION
Adjunte la matriz identidad a A para formar
[A 1] ~[ :
-2
2
- 1
3
0
2
-2
1
0
0
0
1
0 ~]
y aplique la eliminacion de Gauss-Jordan de la siguiente manera.
2 0 I 0
-7 2 -3
0 0 - 1
Debido a que la " parte A" de la matr iz tiene un renglon de ceros, puede concluir que no es
posible reescribir la matriz [A /] en la forma [/ A- 1]. Esto sig nifica que A no tiene
inversa o es no invertible (o singular).
COM ENTARIO
El den o minador ad - be se
llama determinante de A. Usted
podra estudiar los det erminan-
entonces A es invertible si y solo si ad - be if= 0. Ademas, si ad - bd * 0, entonces la
tes con m as detalles en el capi- inversa es representada por
tulo 3.
A-1 - I [ d -ba]·
ad - be -e
a. A = [ 3 - 2I]
-2
b. B = 3
[ - 6
- 1-1
2_
SOLUCION
a. Para la matriz A aplique la formula para la inversa de una matriz de 2 X 2 para obtener
ad - be= (3)(2)- (- 1)(-2) = 4. Debido a que esta cantidad no es cero, la inversa se
forrna intercambiando los elementos en la diagonal principal y cambiando los signos de
los otros dos elementos y multiplicando por la escalar ¼como sigue.
b. Para la matriz B, tiene que ad- be= (3)(2) - (- 1)(-6) = 0, lo que significa que B es
no invertible.
2.3 lnversa de una matriz 67
k factores
DEMOSTRACION
La clave de la demostraci6n de las propiedades 1, 3 y 4 es el hecho de que la inversa de
una matriz es unica (teorema 2.7). Es decir, si BC = CB= I, ento nces C es la inversa de B.
La propiedad l establece que la inversa de A- 1 es A misma. Para probar esto, observe
q ue A- 1A = AA- 1 = / , lo que signi fica que A es la in versa de A- 1• Asf, A = (A- 1 r'.
De manera similar, la propiedad 3 establece que .!.A- 1 es la in versa de (cA), c * 0. Para
C
probar esto, utilice las propiedades de la multi plicaci6n escalar dada en los teoremas 2. 1 y
2.3 de la siguiente manera.
Asf, .!_A- 1 es la inversa de (cA), lo cual implica .!_A- 1 = (cAf 1• La demostraci6n de las
C C
propiedades 2 y 4 se dejan como ejercicio. (Veanse los Ejercicios 65 y 66)
k factorcs
Usando esta convenci6n usted puede demostrar que las propiedades AjAk = Aj+k y (A1f =
Nk son verdaderas para cualesq uiera enteros j y k.
Sea A =[ ~
Calcu le A- 2 en dos formas diferentes y demuestre que los resultados son iguales.
A=[~ ~]
SOLUCION
Una fo rma de determinar A-2 es encontrando (A 2) - 1 al elevar la matriz A al cuadrado para
obtener
-SJ= [
3 J -¾
_J.
2
J.J.
4
-¾J
3 .
4
El siguiente teorema proporciona una formula para calcular la inversa del producto de
dos matrices.
DEMOSTRACION
Para demostrar que S- 1A- 1 es la inversa de AB, usted solo necesita mostrar que esta cumple
con la definicion de la inversa de una matriz. Esto es
De una manera similar puede demostrar que (B- 1A- 1)(AB) =l y concluir que AB es inver-
tible y que tiene la inversa indicada.
El teorema 2.9 establece que la inversa de! producto de dos matrices invertibles es el
producto de sus inversas tornado en el orden contrario. Esto puede generalizarse para
incluir e l producto de algunas matrices invertibles:
(A I A 2 A 3 · .. A11 ) -1 -
-
A11- I •••
A 3-IA 2 -IA I- I ·
COMENTAR 0
A-' - [-'.
- I
-3
I
0
-~] y
s-•-H
-2
I
0
_fl
Advierta que invirti6 el orden
d e la m ultiplicaci6n para SOLUCION
encontrar la inve rsa de AB. Est o Utilizando el teorema 2.9 obtenemos
es, (A Bt1 = a-1A - 1 y la inversa
d e A B a m enudo no es igual a B- 1 A- I
A - 1g-1_
m-~ -~]
-2 -3
- - -[> (AB)-• - s-•A-• -[-;
0 - 3
- I 0
-2]
-H
-5
4 3 .
7
-2 - 3
DEMOSTRACION
Para demostrar la propiedad I, utilice el hecho de q ue C es in vertible y escriba
AC = BC
(AC)C - I = (BC)C - I
A(cc- 1) = B(cc - 1)
Al = Bl
A = B.
SISTEMA$ DE ECUACIONES
Para sistemas cuadrados (los que tienen el mismo numero de ecuaciones que de variables),
puede utilizar el siguiente teore ma para determinar cual de los sistemas tiene una soluci6n
unica.
DEMOSTRACION
Puesto que A no es singular, los siguientes pasos son validos.
Ax = b
A- 1Ax = A- 1b
Ix = A- 1b
X = A- 1b
Esta soluci6n es un ica, ya que si x 1 y x2 son dos soluciones, usted podrfa aplicar la propie-
dad de cancelaci6n para la ecuaci6n Ax 1 = b = Ax2 para conclui r que x 1 = x2 .
:l
3
Prime,o obsecve qae la matriz de coefic;e"tes de cada , ;stema es A - [ ~ 3
4
-1 l
Utilizando la eliminaci6n de Gauss-Jordan encontrara que A- = 1
[
- ~ 0
-2 ~i-
-3
a. X = A- 1b =
[-! J[J-[=!l
- ~
I
0
-2
La soluci6n es x = 2,
y=- 1,yz=-2.
b. x = A- 1b =
[- I
- ~
I
0
-2 J[;]-[J La soluci6n es x = 4,
y = I, y z = -7.
[-1
J[~l-m
I
La soluci6n es trivial:
c. X
1
= A- b = - ~ 0
X = 0, y = 0, y Z = 0.
-2
2.3 Ejercicios 71
2. A = [ - : - ~ l B = [ 7 :] 8
5
-7
-4
.
3 A= [ 3 !l 1
B = [-½ -~l G') 21. 2
6
3
-5
-2
l
A = [
I -IJ
4. 2
!] 3 , ~ 29.
2
0
4
- 2
-2 2 3] [-4 - 5 0 0
5. A =
[ I
0
= - 8
- 1
l
0 , B
4
½- 4
l 2
Determinaci6n de la inversa de una matriz de 2 x 2
En los ejercicios 31-36, util ice la formula en la pagina 66
2l -1117 -11]7 , [I 4l - 2]3 para encontrar la inversa de una matriz de 2 X 2 (si existe).
6. A = -
[0 3 - 2
B = 2
3 6 - 5 31. [ - ~ ~] 32. [ _! -~J
Determinaci6n de la inversa de una matriz En los
ejercicios 7 a 30, encuentre la inversa de la matriz (si esta
33. [-~ -~J 34. [-1! -~]
existe)
7. [~ ~]
35. [l -;J 36. [-: ll
Determinaci6n de la inversa del cuadrado de una
9. [~ ~]
matriz En los ejercicios 37-40, calcule A- 2 de dos maneras
11. [-74 - 3193] diferentes y muestre que los resultados son iguales.
i
[
0
IS. [
u
Determinaci6n de las inversas de productos y trans-
puestas En los ejercicios 4 1 a 44, utilice matrices inverti-
I das para determinar (a) (AB)- 1, (b) (ATtt y (d) (2At 1•
17.
0
l
41. A- I =[
- 7
2 !l s-• = [; -~J
0
3 42. A- 1 = [-:
19. [ ~
0
21.
0.6
~-7
0
- 1
0.3]
0.2
43. A_,+
[
0 0 .5
0 0
23. [i 4
5
24. [i 0
5
44. A-•-[~
72 Capitulo 2 Matrices
Resolucion de un sistema de ecuaciones usando una Matriz singular En los ejercic ios 55 y 56, determine el
inversa En los ejercicios 45 a 48, utilice una matri z valor de x tal que la matriz sea singular.
inversa para resolver cada sistema de ecuaciones lineales. 4 2
45. (a) x + 2y = - I 46. (a) 2x - y =-3
55. A = [
-2
X]
-3
56. A = [
- 3
x 4]
X - 2y = 3 2x + y = 7
Resolucion de una ecuacion matricial En los ejercicios
(b) x + 2y = IO (b) 2x - y =- I
57 y 58, determine el valor de A tal que
X - 2y = - 6 2x + y = -3
47. (a) X I + 2x2 + X 3
X1 + 2x2 - X 3
= 2
= 4
57. (2A)-
1
= [~ !] 58. (4A)-
1
= [-~ ~]
x 1 - 2x2 + x 3 = -2 Determinacion de la inversa de una matriz En los
(b)x 1 +2x 2 + x 3 = I ejercicios 59 y 60, demuestre que la matriz es invertible y
x 1 +2x 2 - x 3 = 3 e ncuentre su inversa.
X 1 - 2x2 + X 3 = -3
59. A = [
Sen 0 Cos 0] 60_A = [Sec 0 Tan 0]
48. (a) XI + X2 - 2x 3 = 0 -Cos 0 Sen 0 Tan0 Sec 0
X1 - 2x2 + X3 = 0
x, - X2 - X3 =- I
Deflexion de vigas En los ejercicios 61 y 62, las fuerzas
w 1, w 2 y w 3 (en libras) actuan en una elastica soportada de
(b) X 1 + X2 - 2x 3 = - J manera simple, lo que resulta en las deflexiones d 1, d 2 y d 3
x 1 - 2x 2 + x3 = 2 (en pulgadas) en la viga (vease la fig ura).
X 1 - X2 - x3 = 0
Resolucion de un sistema of ecuaciones usando una
I!'\ inversa En los ejercicios 49 a 52, utilice una aplicac i6 n
\i:t1 gra fica o un programa de computadora co n capacidad matri-
cial para resolver el sistema de ecuaciones lineales usando
una matriz inversa.
49. x 1 + 2x 2 - x 3 + 3x 4 - x 5 = - 3
X I - 3x 2 + X 3 + 2x 4 - X 5 = - 3
Utilice la ecuaci6n matric ial d = Fw do nde
2x I + X2 + X 3 - 3x 4 + X 5 = 6
x1 x 2 +2x 3 + x 4 - x 5 = 2
2x , + X 2 - X 3 + 2x4 + X 5 = - 3
50. x 1 + x 2 - x 3 + 3x 4 -x 5 = 3 y F es la m.atriz de flexibilidad 3 X 3 para la viga, para encon-
2x 1 + x 2 +x3 + x 4 + x 5 = 4 trar la matriz de rigidez F 1 y la matriz de fuerza w. Las uni-
X 1 + X2 - X 3 + 2x 4 - X 5 = 3 dades de las e ntradas de F se presentan en pul gadas por libra.
2x 1 +x 2 + 4x 3 + x 4 - x 5 = - l
0.008 0.004 0.003] [0.585 ]
3x I + X 2 + X 3 - 2x 4 + X 5 = 5 61. F = 0.004 0.006 0.004 , d = 0.640
[
51. 2x 1 - 3x 2 + x 3 - 2x 4 + x 5 - 4x 6 = 20 0.003 0.004 0.008 0.835
3x 1 + x 2 -4x 3 + x 4 - x 5 + 2x 6 = - 16
4x 1 + x 2 - 3x 3 + 4x 4 - x 5 + 2x 6 = - 12
- 5x 1 - x 2 + 4x 3 +2x 4 - 5x 5 + 3x 6 = - 2
x 1 + x 2 - 3x 3 + 4x 4 - 3x 5 + x 6 = - 15
62. F = [~:~ :
0.008
~ ~:~:
0.010
~ ~:~~~],
0.0 17
d = [0.1 ~1
0
64. (a) La in versa de la inversa de una matriz no singular A, 75. Use el resultado del ejercicio 74 para deterrninar A- 1
r
(A- 1 1 es igual a A misma.
[-,
para cada matriz.
!]
~]
0
(b) La matriz [ ; es invertible si ab - de * 0. (a) A = ~ 3
0
(c) Si A es una matriz cuadrada, entonces el sistema de
ecuaciones lineales Ax = b tiene una soluci6n unica.
65. Prueba Demuestre la propiedad 2 del teorema 2.8: si A
es una matriz invertible y k un entero positive, entonces
~) A = [! 0
l
3
0 il
76. Sea A = [ _ I 2] .
2 1
k factor
(a) Demuestre que A2 - 2A + 5/ = 0, donde I es la
66. Prueba Demuestre la propiedad 4 del teorema 2.8: si
matriz identidad de orden 2.
A es una matriz invertible, entonces (ATf 1 = (A- 1)7. 1
(b) Demuestre que K = ½(2/ -A).
67. Demostraci6n guiada Demuestre que la inversa de
una matriz simetrica no singular es simetrica. (c) Demuestre que, en general, para cualquier matriz
cuadrada que satisfaga la ecuaci6n A2 - 2A + 5/ =
Inicio: para demostrar que la inversa de A es simetrica,
0, la inversa de A esta dada por A- 1 = ½(2/ - A).
necesita probar que (A- 1)7 = A- 1
77. Prueba Sea u la matriz columna n X I que satisface
(i) Sea A una matriz simetrica no singular.
uTu = I. La matriz den X n, H = I,, - 2uuT se llama
(ii) Esto signjfica que AT = A y A- 1 existen.
matriz de Householder.
(iii) Utilice las propiedades de la transpuesta para
(a) Demuestre que H es simetrica y no singular.
demostrar que (A- 1)7 es igual a A- 1•
68. Prueba Demuestre la propiedad 2 del teorema 2. 10: si
C es una matriz invertjble tal que CA = CB, entonces ~) Seau = [ ;~J Dem"estre q"eu'u = lycak"k
A = B.
la matriz de Householder H.
69. Prueba Demuestre que si A2 = A, entonces
I - 2A = (/ - 2A f 1
•
78. Prueba Sean A y B matrices n x n. Demuestre que si la
matriz I -AB es no singular, entonces tam bien lo es I - BA.
70. Prueba Demuestre que si A, B y C son matrices cua-
dradas y ABC = /, entonces B es invertible y Er 1 = CA. 79. Sean A , D y P matrices de n X n que satisfacen AP =
PD. Si P es no singular, resuelva esta ecuaci6n para A.
71. Prueba Demuestre que si A es invertible y AB = 0,
t,Debe cumplirse que A = D?
entonces B = 0.
80. Encuentre un ejemplo de una matriz singular de 2 X 2
72. Demostraci6n guiada Demuestre que si A2 = A,
entonces una de dos cosas: A = I o A es singular.
que satisfaga A 2 = A.
Inicio: usted debe demostrar que A es singular o que A es 81. Escriba Explique c6mo deterrninar si la inversa de una
igual a la matriz matriz existe. Si es asf, explique c6mo encontrar la
inversa.
(i) Comience su demostraci6n observando que A es
singular o no singular.
(ii) Si A es singular, la demostraci6n esta hecha.
~ 82. lfil[g[iYA].£'u'[g Como se menc ion6 en la
pagina 66, si A es una matriz de 2 X 2 dada por
(iii) Si A es no singular, entonces utilice la matriz
inversa A- 1 y la hip6tesis de que A 2 = A para
demostrar que A = I.
73. Escriba i,La suma de dos matrices invertibles es in ver- entonces A es invertible si y s6lo si ad - cb * 0.
tible? Explique por que sf o por que no. Ilustre su con- Verifique que la inversa de A este dada por
c lusi6n con un ejemplo apropiado.
74. Escriba i,Bajo que condicio nes la matriz djagonal A-t - 1 [ d - ab].
ad - be -c
0 0 0
0 0
83. Escriba Explique en sus propias palabras c6mo escri-
bir un sistema de tres ecuac iones lineales en tres varia-
0 0 a,w bles como una ecuaci6n matricial, AX = B, asf como la
es invertible? Si A es invertible, encuentre la inversa. manera de resolver el sistema usando una matriz inversa.
74 Capitulo 2 Matrices
i,Cuales de las siguientes matrices son e lementales? Para aquellas que lo sean, describa la
operaci6n elemental de rengl6n.
~]
0
0
a.
[~ 3
0
b.
[~ ~]
~]
0 0
c.
[~ I
0
d. [~
0
!]
J
0
e. [~ ~] f.
[~ 2
0
SOLUCION
a. Esta matriz es elemental. Puede obtenerse multiplicando el segundo rengl6n de 13 por 3.
b. Esta matriz no es ele mental, ya que no es cuadrada.
c. Esta matriz no es elemental, ya que fue obtenida al multiplicar el tercer rengl6n de / 3
por O (la multiplicaci6n de renglo nes debe ser por una constante diferente de cero).
d. Esta matriz es elemental. Puede obtenerse intercambiando el segundo y el tercer ren-
gl6n de h
e. Esta matriz es e lemental. Puede obtenerse al multiplicar el primer rengl6n de /2 por 2 y
sumar el resultado al segundo rengl6n.
f. Esta matriz no es elemental, ya que se requieren dos operaciones con renglones para
obtenerla a partir de / 3.
2.4 M at rices elementales 75
Las matrices elementales resultan utiles porque permiten usar la multiplicaci6n matri-
cial para realizar operaciones elementales con renglones, como se muestra en el ejemplo 2.
m~
0 0 - 4 0 - 4
[~
!
2
0
2 6
3
-}[~ 3
3
-~]
Aq uf el tamaiio de A es 3 X 4. A puede, sin embargo, ser cualquier matriz de 3 X n y
multiplicarse por la izquierda por E y mantener el resultado de multiplicar el segundo
rengl6n de A por ½,
c. En el siguiente producto, E es la matri z ele mental en la que se ha sumado dos veces el
primer re ngl6 n de / 3 a l segundo rengl6n.
COM ENTARIO E A
A segurese de t ener en mente
que en el t eorema 2.12 A es
mult iplicada por la izquierda por
la m atriz eleme ntal E. La mult i-
plicaci 6 n po r la derecha po r
m at rices elemental es, la cual
0
0
I
~lH-; -~l-[~-; -il
Note que en el producto EA se ha sumado dos veces el primer rengl6n al segundo.
implica operacio nes co n colum-
nas, no se considera en est e
texto.
- - -t> En cada uno de los tres productos del ejemplo 2, usted fue capaz de ejecutar operac io-
nes elementales con renglones para multiplicar por la izquierda por una matriz elemental.
Esta propiedad de las matrices elementales se generaliza en el siguiente teorema, el cual
se enuncia sin demostrar.
Muchas aplicaciones de las operacio nes eleme ntales con reglones requieren de una
secuencia de operaciones. Por ejemplo, la eliminaci6 n gaussiana a menudo precisa de
varias operac io nes elementales con renglo nes para reducir una matri z. Para matrices ele-
mentales, esta secuencia se traduce en la multiplicaci6n (por la izquierda) por varias
matrices e lementales. El orden de la multiplicaci6n es importante; la matriz elemental
inmediata para la izquierda de A corresponde a la operaci6n con renglones ejecutada pri-
mero. Este proceso se demuestra en el ejemplo 3.
76 Capitu lo 2 Matrices
Encuentre una sucesi6n de matrices elementales que puedan utilizarse para escribir la
matriz A en forma escalonada por renglones.
~]
l 3
A- [! -3
-6
0
2
SOLUCION
Operaci6 n elemental Matriz
Matriz con renglones elemental
[i
-3
-6
I
0
3
2 ~] R1- Rz
E, -[! I
0
0
;]
J ~
-3 0 0
[i 0
I 3
2 R3 + (- 2)RI ➔ R3
E, - [
-2
I
0
;]
- 3
J
0 0
[i l
0
3
(½)R3 ➔ R3
£, -[i
Las tres matrices elementales Ei, £ 2 y £ 3 pueden utilizarse para ejecutar la misma elimi-
l
0 il
naci6n.
~JU m ~m
0 0 l I 3
B - E, E, E,A - [~ l l 0 -3 0
COM ENTARIO 0 0 0 -6 2
El procedimiento demostrado
~]-[~
como un metodo practice para 0 -3 -3
~m
0
realizar la eliminaci6n gaus-
siana.
-[i I
0
I
0
3
2 -4 0
I
0
J
I 3 -3 0
A-[! -3
-6
0
2
~] y B - [~
I
0
3
son equivalentes por renglones, ya que usted puede obtener Bal ejecutar una secuencia de
operaciones con renglones en A. Es decir, B = E3E2E 1A.
La definici6n de matrices equivalentes por reglones puede ser reexpresada usando
matrices elementales de la siguiente manera.
8 = EkEk_,· · · E2E,A.
2.4 Matrices elementales 77
Usted sabe, de la secci6n 2.3, que no todas las matrices cuadradas son invertibles. Sin
embargo, toda matriz elemental es invertible. Ademas, la inversa de una matriz elemental
es en sf misma una matriz elemental .
~] -[! ~]
1 1
-[!
R1~R2 R1~R2
E2- 1 esta como se m uestra E-1
po rque convertir E2 a /3, en E2
E, 0 I 0
se tend rfa que sumar dos veces 0 0
el primer rengl6n al t ercero.
~ ~] -[~ ~]
0 0
[> E, - [ 1 E-1
2 1
-2 0 R3 + (- 2)R1➔ R3 0 R3 + (2)R1➔ R3
~]
0 0
E, - [~ 1
0 1] {½) R3➔ R3
E>' - [~ 1
0 (2)R3 ➔ R3
DEMOSTRACION
La frase "si y s61o si" significa que el teorema tiene dos partes . En una, usted debe demos-
trar que si A es invertible, entonces puede escribi rse como el producto de matrices elemen-
tales. Luego debe demost:rar que si A puede ser escrita como el producto de matrices ele-
mentales, en/onces es invertible.
Para demostrar el teorema en la otra direcci6n, suponga que A es invertible. Del teo-
rema 2.11 sabe que el sistema de ecuaciones lineales representado por Ax = 0 tiene s6lo
la soluci6n tri vial. Pero esto impl ica que la matriz aumentada [A O] puede reescribirse
en la forma [/ O] (usando operaciones elementales con renglones correspondientes E i,
E2 , . . . y Ek)- Ahora tenemos Ek ... E3E1E 1A = I y esto seguido de A = E,- , £ 2- 1 E3- 1 ••
. Ek-I· A puede escribirse como el producto de dos matrices elementales y la demostraci6n
esta completa.
Para demostrar el teorema en la otra direcci6n, asuma que A es el producto de matri-
ces elementales. Entonces, debido a que cada matri z ele mental es invertible y el producto
de matrices invertibles es inverti ble, se sigue que A es invertible. Esto completa la demos-
traci6n.
A= [ -2]8 .
-)
3
SOLUCION
Empecemos por encontrar una sucesi6 n de operaciones elementales con renglones que
puedan utilizarse para reescribir A en la forma escalonada reducida.
Matiiz Operaci6n elemental con renglones Matriz elemental
(- l )R 1 -4 R1
E, = [-~ ~]
E = [
2 -3
I
~]
E =
3
[I
0 ~]
£ 4 = [~ -~J
Ahora, a partir de! producto matricial £ 4 £ 3 £ 2 £ 1A = /, resuelva para A para obtener A
£,- 1£ 2- 1£ 3- 1£ 4- 1. Esto implica que A es el producto de matrices elementales.
£ - I
4
- 1
A= [
0
En la secci6n 2.3 usted aprendi6 un proceso para encontrar la inversa de una matriz no
singular A. Entonces emple6 la eliminaci6n de Gauss-Jordan para reducir la matriz aumen-
tada [A /]a[/ A- 1). Ahora puede utilizar el teorema 2.14 para justificar este procedi-
miento. Especfficamente, la demostraci6n de] teorema 2.14 permite escribir el producto
f = Ek · · · E3E2E, A.
Multiplicando ambos )ados de la ecuaci6n (por la derecha) por A- 1, podemos escribir A- 1
= Ek .. . £ 3£ 2£ 1/. En otras palabras, una sucesi6n de matrices elementales que reducen A
a la identidad pueden usarse para reducir tambien la identidad / a A- 1• Aplicando la suce-
si6n correspondiente de operaciones elementales con renglones a las matrices A e / de
manera simultanea, tenemos
Por supuesto, si A es singular, ento nces ta) sucesi6n no puede ser determinada.
El siguiente teorema vi ncula algunas relaciones importantes entre matrices de n X n y
sistemas de ecuaciones lineales. Las partes esenciales de este teorema ya han sido de mostra-
das (vease los teoremas 2.11 y 2.14); se deja a usted completar el resto de la demostraci6n.
FACTORIZACION LU
Como el coraz6n de muchos eficientes y modemos algoritmos para resolver sistemas
lineales, Ax = b se llama tambien facto rizaci6n LU, en la cual la matriz cuadrada A es
expresada como un producto, A = LU. En este producto la matriz cuadrada Les triangular
inferior, lo que significa que todos los e lementos arriba de la diagonal principal no nula
son ceros. La matriz cuadrada U es triangular superior, lo cual significa que todos los
l
elementos debajo de la diagonal principal no nula son ceros.
Il
0 a,2
[ a,, a,,
0 21
D3 1
lli2
D32
["f 0 22
0
0 23
Cl33
Definici6n de la factorizaci6n LU
Si la matriz A den X n puede ser escrita como el producto de una matriz triangular
inferior Ly una matriz triangular superior U, ento nces A = LU es una factorizaci6n
LU de A.
I EJEMPLO 5 Factorizaciones LU
L = [: ~]
y la matriz triangular superior
u = [~ -~J
[' m~ ~1-w
-3 0 -3
b. A = 0 l
2 -10 !]- [i -4
l l
0 14
es una factorizaci6n L U de la matriz A.
Si una matriz cuadrada A puede ser reducida a una matriz triangular superior U usando
s61o la operaci6n suma de rengl6 n para sumar un multiplo de un re ngl6n a otro debajo de
este, entonces es facil determinar una factorizaci6n LU de la matriz A. Todo lo que nece-
sita hacer es mantener e l registro de las operaciones con cada rengl6n, como se muestra en
el siguiente ejemplo.
~ [~
n
-3
Detecm;ne la factmi ,ad6n LU de la m,rr;z A l
- 10
SOLUCION
Comience por reducir A a la fonna triangular superior mientras mantiene el registro de las
matrices elementales utilizadas para cada operaci6n con renglones.
Matriz Operaci6n elemental con renglones Matriz elemental
[~
- 3
-4
1
~] R3 + ( -2)R 1 ➔ R 3
E1 -[ ~ -2
0
I
0
;]
-3 0
[~ 1
0 1!] R3 + (4)R 2 ➔ R3
£, - [~
4 ;]
La matriz reducida U a la izquierda es triangular superior, lo que conduce a E2£ 1A = Uo
A = £ 1- 1£ 2- 1 U. Como el producto de matrices triangulares inferiores
£,-•£,-• ~ [~ r m~ _: ~J ~ [~ _: ~l
es una matriz triangular inferior L, la factorizaci6n A = LU esta completa. Observe que esta
es la misma factorizaci6n LU que se demostr6 en el ejemplo S(b) al inicio de esta pagina.
En general, si A puede ser reducida a una matriz U triangular superior utilizando s61o la
operaci6n suma de un multiplo de un rengl6n a otro, entonces A tiene una factorizaci6n LU.
Ek ·· ·E2E1A = U
A= E,-• £ 2
- 1- - . Ek-•u = LU
Aquf L es e l producto de las inversas de matrices elementales utilizadas en la reducci6n.
Observe que los multiples en el ejemplo 6 son -2 y 4, es decir, los negativos de los ele-
mentos correspondientes en L. En general esto es cierto. Si U puede ser obtenida a partir de A
usando s61o la operaci6n de surnar un multiplo de un rengl6n a otro rengl6n de abajo, entonces
la matriz L es triangular inferior con numeros 1 a lo largo de la diagonal. Ademas, el negativo
de cada multiplo esta en la misma posici6n que el cero correspondiente en la matriz U.
Una vez que haya obtenido una factorizaci6n LU de la matriz A, usted puede resolver
entonces el sistema den ecuaciones lineales en n variables Ax = b eficientemente en dos pasos.
1. Escriba y = Ux y resuelva Ly = b para y.
2. Resuelva Ux = y para x.
La matriz columna x es la soluci6n del sistema original porque
Ax = LUx = Ly = b.
El segundo paso en este algoritrno es s61o una sustituci6n hacia atras, ya que la matriz
U es triangular superior. El primer paso es similar, excepto que comienza en la parte de
arriba de la matriz, ya que Les triangular inferior. Por esta raz6n, el primer paso a menudo
recibe el nombre de sustituci6n hacia delante.
2.4 Mat rices elementales 81
-[~ -4
l l
0
Primero, haga y = Ux y resuelva el sistema Ly = b para y.
[~ -4
0
~lH-[=~]
l y3 - 20
Este sistema se res uelve fac ilmente usando la susti tuci6 n hacia delante. Comenzando con
la primera ecuaci6n, tiene que
YI= 5.
La segunda ecuaci6n da como resultado y 2 = - 1. Finalmente, de la tercera ecuaci6n,
2y 1 - 4Ji + y3 = - 20
YJ = - 20 - 2y, + 4Ji
y3 = - 20 - 2(- 5) + 4(- 1)
YJ = - 14.
La soluci6n de Ly = b es
y =[ =~]-
- 14
Ahora, resolviendo el sistema Ux = y para x, aplicando la sustituci6n hacia atras
= [-5]
-3
I ol[x1]
3 X ry-I
0 14 X3 -1 4
De la ultima ecuaci6n, x 3 = - 1. Entonces, la segunda ecuaci6n da
X2 + 3(- 1) = - I
2. 4 Ejereic iOS Consulte www.CalcChat.com para las soluc1ones de los ejerc1c1os nones.
r~ 0 l
~1
1. [~ ~] 0
0 k =I= 0
0 0
7.
0
0
0
I
-5
0
0
I
0
I
0
0
0
I
-3
0
0
25.
[~
0
6
0
-- 11
4
26.
[~
0
2
0
-:i
Determinaci6n de una matriz elemental En los ejerci- Determinaci6n de una secuencia de matrices elemen-
cios 9-12, sean A, By C tales En los ejercicios 27-34, e ncue ntre una secue ncia de
matrices elementales cuyo producto sea la matriz no singular
B = [
- 1
~
2
2 - 3
~], dada.
27.
[~ ~] 28.
[~ ~]
29. [; -1]
-1 30.
[~ :]
-2
H
2
= B.
9. Encuentre la matriz elemental Eta! que EA
10. Encuentre la matriz ele mental Eta! que EA = C.
31. 3
0
;] 32.
[i 5
3
;]
= A.
~ ~
11. Encuentre la matriz elemental E tal que EB
J
0 0 0 0
12. Encuentre la matriz elemental E tal que EC = A.
~]
0 0 (c) Ax = 0 s61o tiene soluci6n trivial si y s6lo si Ax =
19.
[;
I
0
20.
[~ l
-3 ;] b tiene una unica soluci6n para toda matriz columna
b den X I.
2.4 Ejercicios 83
37. Escriba i,El produc to de dos matrices elementales Matrices idempotentes En los ej ercicios 49 a 52, deter-
siempre es un a matriz ele mental? Explique por que sf o mi ne cual de las matrices es ide mpo tente. Una matriz c ua-
por que no y de ej e mplos que ilustren su co nclusi6n. drada A es idempote nte si A2 = A .
38. Escriba £ es la matriz ele mental o btenida al intercam-
biar dos re ng lones en / 11 • A es una matriz de 11 X 11 . 49. [ ~ ~] 50. [ ~
(a) i,C6mo se puede comparar EA con A? (b) Encuen-
tre £ 2 •
39. Utilicc matrices ele me ntales para e ncontrar la inversa de 51. [~ ! ~] 52. [! 0
0
I
A - [~
Ct,. 0.
I m~ r ~m r n 53. Determine a y b tales que A sea ide mpote nte.
A- [~ ! HCH lnicio: la frase "si y s61o s i" significa que usted debe
probar dos afirmaciones:
1. S i A es ide mpote nte, entonces AT es idempotente.
Determinaci6n de la factorizaci6n LU de una 2. Si AT es idempotente, e ntonce A es idempotente.
matriz En los ejerc icios 41 a 44, e ncue ntre la factorizaci6n
LU de la matriz (i) Cornie nce su de mostraci6n de la prime ra afirmaci6n
-2 suponie ndo que A es ide mpote nte.
u
41. [ _ ~ ~] 42. [ (ii) E sto quiere decir que A2 = A.
- 6
u
(iii) Aplique las propiedades de la transpuesta para
0
il
0
demostrar que A 2 es ide mpote nte.
43. 44. - 3
12 !] (iv) Cornie nce su demostraci6 n de la segunda afirma-
ci6n suponiendo que A2 es ide mpotente.
Resoluci6n de un sistema lineal usando factorizaci6n
55. Prueba Pruebe q ue si A es una matriz de n X II que es
LU En los eje rcicios 45 y 4 6, resuelva el siste ma lineal Ax
idempote nte e in vertible, ento nces A = !,,.
= b de la siguiente manera:
56. Prueba De muestre que s i A y B son idempotentes y
(a) Enc uentre Ia factorizaci6n LU de la matri z de coeficien-
AB = BA , entonces AB es ide mpote nte.
tes A,
(b) Resuelva el siste ma triangular infe rior Ly = b, y 57. Demostraci6n guiada Demuestre que si A es equi va-
(c) Resue lva e l sistema triangular superio r Ux = y. le nte por renglones a B y B cquivale por renglones a C,
e ntonces A es equi valente por renglo nes a C.
45. 2x +y I
y - :: = 2 lnicio: para demostrar q ue A es equi valente por re nglo-
-2x + y +z = -2 nes a C, usted debe e ncontrar matrices eleme ntales £ 1,
. .. , Ek tales que A = Ek ... £ 1C.
46. 2x I 4
(i) Comie nce su demostraci6n observa ndo que A es
-2x, + X2 - X3 = - 4
equivale nte por re nglo nes a 8.
6x 1 + 2x2 + X3 = 15
(ii) Esto qui ere decir que existe n matrices ele me ntales
- x4 =- I
F 1 , • • • • , F,, tales que A = F,, . . ... , F 1B
47. Escriba Suponga que necesita resolver varios siste-
(iii) Existen matrices e le me ntales G 1, .... , G,,, tales que
mas de ecuaciones lineales Ax = b; que tie nen la mi ma
B = G 1, ••.• , G,,,C.
matriz de coeficientes A. Explique c6mo podrfa aplicar
la tecnica de la fac tori zaci6n LU para facilitar la tarea, (iv) Combine las ecuaciones matriciales de Ios pasos
mas que resolve r cada sistema de manera indiv idual (ii) y (ii i).
util izando la elirninaci6n gaussiana. 58. Prueba Demuestre que s i A es equivalente por reng lo -
nes a B, e nto nces B es equivalente por re ng lones a A .
~ 48. 0l . [V:1~'D'rn Explique cada uno de los 59. Prueba Demuestre que s i A es equi vale nte por renglo-
s1gu1e ntes. nes a B y B equi vale por reng lones a C, e ntonces A es
(a) C6 mo encontrar una matriz eleme ntal. equivalente por re nglo nes a C.
(b) C6mo usar matrice eleme ntales para e ncontrar la
60. De muestre que la matriz no tie ne factori zaci6n LU.
fac torizaci6 n LU de una matri z.
(c) C6mo usar la factorizaci6n LU para resolver un
siste ma lineal
A=[~ ~]
84 Capitulo 2 Matrices
■
Use algebra de matrices para analizar un sistema econ6mico (modelo
de entradas y salidas de Leontief).
MATRICES ESTOCASTICAS
Muchos tipos de aplicaciones implican un conjunto finito de estados {Si, S2, . .. , S,,} de
una poblaci6n dada. Por ejemplo, los residentes de una ciudad pueden vivir en el centro o
en la periferia. Los electores pueden votar por los Dem6cratas, los Republicanos o un
tercer partido. Consumidores de bebidas gaseosas pueden comprar Coca-Cola, Pepsi Cola
u otra marca.
La probabilidad de que un miembro de la poblaci6n cambie del j-esimo estado al
i-esimo estado es representada por un numero Pu, donde O :s: Pu s; I. Una probabilidad de
Pu= 0 significa q ue el miembro no cambia del estadoj-esimo al i-esimo, mientras que una
probabilidad Pu = I significa que el miembro cambia de l estado j-esimo al i-esimo.
De
s, S2 s,,
P=
P11 P12
P21 P22 p,.r }
P~, ~2 A
PI I + P21 + · · · + P111 = I.
tal matriz se deno mina estocastica (el termino "estocastico" q uiere deci r "conjetura res-
pecto a"). Esto es, una matriz P de n X n es liamada matriz estocastica si cada elemento
es un numero e ntre 0 y I y cada columna de P suma en total I.
~]
0 3
a. l b. 0
[~ 0 r1 2
3 !1
!
[0 I
c. 0.2
0.2
0.3
03]
0.4 d.
4
0
0.3 0.4 0.5
r: J
4 !1
2.5 Apli cacio nes de las operacio nes con matrices 85
El ejemplo 2 describe el uso de una matriz estocastica para medir las preferenc ias de un
consumidor.
Dos empresas competidoras ofrecen el servicio de television satelital para una ciudad de
100,000 residences. Los cambios en las suscripciones cada afio se muesu·an en la figura
2.1. La compafifa A actualmente tiene 15,000 suscriptores y la compafifa B tiene 20,000.
1,Cuantos suscriptores tendra cada compafifa dentro de I afio a partir de ahora?
70% ~ s %\
5
f, so%
(
70%
Figura 2.1
SOLUCION
La matriz que representa las probabilidades de transici6n dadas es
De
A B Ninguno
0.70 0. 150. l5] A }
P = 0.20 0.80 0. 15 B A
[
0. 10 0.05 0.70 Ninguno
X = [~~::~i- :
65,000 Ninguno
Para determinar la matriz de estado que representa las poblaciones en los tres estados
despues de un aiio, multiplicamos P por X para obtener
= [~!:~!~]-
48,000
Despues de un afio, la compaiifa A tendra 23,250 suscriptores y la compafifa B tendra
28,750.
Uno de los atractivos de la matriz soluci6n en e l ejemplo 2 es que una vez que se ha
creado el modelo, este vuelve faci l el determinar las matrices de estado que representen
aiios futuros al multiplicar repetidamente por la matriz P. Este proceso se demuestra en el
ejemplo 3.
86 Capitulo 2 Matrices
SOLUCION
a. Del ejemplo 2 usted sabe que el numero de suscriptores despues de un afio es
23,250] A
PX= 28,750 . B Despues de l afio
[
48,000 Ninguno
Ya que la matriz de probabilidades de transici6n es la misma del primer al tercer afio,
el numero de suscriptores despues de 3 afios es
30,283 ] A
P 3X = 39,042 . B Despues de 3 afios
[
30,675 Ninguno
Despues de 3 afios, la compafifa A tendra 30,283 suscriptores y la compafifa B 39,042.
P 5X =
[
32,411
43,8 12 .
23,777
l
b. El numero de suscriptores despues de 5 afios es
A
B
Ninguno
Despues de 5 afios
33,287] A
P 10 X = 47, 147 . B Despues de IO afios
[
19,566 Ninguno
Despues de IO afios, la compafifa A tendra 33,287 suscriptores y la compafifa B
47,147.
En el ejemplo 3, observe que existe una pequefia diferencia entre el numero de sus-
criptores despues de 5 afios y de IO afios. Si se continua el proceso mostrado en este
ejemplo, el numero de suscriptores eventualmente alcanzara un estado estable. Esto es, en
tanto la matriz P no cambie, la matriz producto P"X se aproxima al Ifmite X. En este ejem-
plo en particular el Ifmite es la matriz de estado estable
33,333] A
x = [47,6 19 . B Estado estable
19,048 Ninguno
Verifique que
PX =
[
PX = X como sigue
0.70
0.20
0.10
0.15
0.80
0.05
0.15] [ 33,333
0.15 47,619
0.70 19,048
l
33,333]
= 47,619 =x
[
19,048
2.5 Aplicaciones de las operaciones con matrices 87
CRIPTOGRAFIA
Un criptograma es un mensaje escrito de acuerdo con un c6digo secreto (la palabra griega
kryptos significa "oculto"). Esta secci6n describe un metodo para codificar y decodificar
mensajes aplicando la multiplicaci6n de matrices.
Comencemos por asignar un numero a cada letra del alfabeto (el cero representa un
espacio en blanco), de la siguiente manera
0 =_ 14 = N
l = A 15 = 0
2= 8 16 = P
3=C 17 = Q
4 = D 18 = R
5=E 19 = S
6=F 20 = T
7 = G 21 = U
8=H 22 = V
9 = I 23 = W
10 = J 24 = X
11 = K 25 = Y
12 = L 26 = Z
13 = M
Despues, el mensaje es convertido a numeros y dividido en matrices region sin codificar,
cada una con n elementos, como se demuestra en el ejemplo 4.
Escriba la matriz region sin codificar de tamafio I X 3 para el mensaje MEET ME MON-
DAY.
SOLUCION
Al dividir el mensaje (incluidos los espacios en blanco, pero ignorando la puntuaci6n) en
grupos de tres se producen las siguientes matrices rengl6n sin codificar.
[ 13 5 5) [20 0 13) [5 0 13) [ 15 14 4) [I 25 OJ
M E E T M E M 0 N DA Y
Observe que el espacio en blanco se utiliza para completar la ultima matriz rengl6n sin
codificar.
A= [-: -2
I - I -4
!]
para codificar el mensaje MEET ME MONDAY.
SOLUCION
Las matrices rengl6n codificadas se obtienen al multiplicar por la matriz A cada una de las
matrices rengl6n sin codificar encontradas en el ejemplo 4, de la siguiente manera.
[13 5 5]H
-2
l
- I -4
!]- (13 -26 21]
-2
[20 0 13]H - [
~]- (33 -53 - 12]
-4
[5 0 l3]H
-2
- 1 -4
!]- (18 -23 -42]
[ 15 14
•JH
- 2
-I - 4
!] -(5 -20 56]
- 2
[I 25
oi[-: -) - 4
~i-(-24 23 77]
[13 -26 21][33 -53 - 12][18 -23 -42][5 -20 56][-24 23 77].
X=[x I x 2 · · · x11]
Simulacion
Explore este concepto mas ade-
A=[-: -2
I - I
!]
- 4
lante con una simulaci6n electr6- Para decodificar el criptograma
nica disponible en el sitio college.
cengage.comlpicllarsonEI.A6e. 13 -26 21 33 -53 -12 18 -23 -42 5 -20 56 -24 23 77.
SOLUCION
Comience usando la elirninaci6n de Gauss-Jordan para encontrar A - 1•
[A I] [I A- 'J
[-:
-2
3
2
0
I 0
I
0
I
0
0
- I - 10
-I - 6 -8]
- 5
- l -4 0 0 0 0 - I - I
Ahora, para decodificar el mensaje, divfdalo en grupos de tres para formar las matrices
rengl6n codificadas
[13 -26 2 1][33 -53 - 12][18 -23 -42][5 -20 56][-24 23 77].
Para obtener las matrices rengl6n decodificadas, multiplique cada una de las matrices
rengl6n codificadas por A- ' (a la derecha).
Matriz rengl6n Matriz Matriz
codificada A- 1 decodificada rengl6n decodificada
[ 13 - 26 [-] -1 0
21] - ~ -6
-8]
- 5 = [ 13 5 5]
- I - I
[- ] - IO
[ 18 -23 -42] - ~ -6 -8]
-5 = [5 0 13]
-I - )
[5 -20 56] - I
[- I -IO
- 6 -8]
-5 = [ 15 14 4]
0 - I - I
[-24 23 77] - I
[- I - 10
-6 -8]
-5 = [ l 25 O]
0 -I - I
13 5 5 20 0 13 5 0 13 15 14 4 25 0.
M E E T M E M 0 N D A y
90 Capitulo 2 Matrices
11 /2 I,,
rd,,
D = .
d21
d12
d22
d,,,1
dz,,
,,
~~
}
Proveedor (entrada)
Considere un siste ma econo rnico simple consistente de tres industrias: electri cidad , agua
y carbon. La producc ion o salida de una unidad de electricidad requie re de 0.5 unidades
de sf misma, 0.25 unidades de agua y 0.25 unidades de carbo n. La produccion o salida de
una unidad de agua requiere de 0.1 unidades de electricidad, 0.6 unidades de sf misma y 0
unidades de carbo n. La produccio n o salida de una unidad de carbon requi ere de 0.2 uni-
dades de electricidad, 0. 15 unidades de agua y 0 .5 unidades de sf misma. De te nnine la
matri z de e ntrada-salida para este sistema.
SOLUCION
La columna de elementos muestra las cantidades que cada industria requiere de las otras,
tambien de sf rnisma, en el orden para producir una unidad de salida.
Usuario (salida)
[
E
0 .5
0.25
0.25
W
0.1
0.6
0
C
0.2 E } l
0 .15 W Proveedor (entrada)
0.5 C
Los ele me ntos de cada re nglon muestran las cantidades que cada industria suministra
a las otras, incluyendose a sf mis ma, en el orden en que cada industria produce una unidad
de producto o salida. Por eje mplo, la industria electrica surninistra 0.5 unidades para sf
misma, 0.1 unidades de agua y 0.2 unidades de carb6n.
Por otro lado, si las industrias dentro del sistema venden sus productos a grupos no
productores (como gobiernos o instituciones de caridad) fuera de! sistema, entonces el sis-
tema se denomina abierto y la salida total de la industria i-esima esta dada por
Sistema abierto
l:}
A B C
0. 1 0.43
D = 0. 15 0 ~.37 Proveedor (entrada)
[
0.23 0.03 0.02 C
Determine la matriz de salida X si la demanda externa es
E = [~~:~~~]-
25,000
:
C
[~ 0
0
38,0 14
detallado facilmente requiere de
una matriz entrada-salida
Asf, la matriz de salida es
mayor que 100 x 100. Es claro
que este tipo de anal isis puede [46,616]
X = 5 1,058 .
A
B
hacerse solo con ayuda de una
computadora. 38,014 C
----------"""'(::>- Para producir la demanda externa hallada, las salidas de las tres industrias deben ser las
siguientes: Salida para la industria A: 46,616 unidades, Salida para la industria B: 51 ,058
unidades y Sal ida para la industria C: 38,014 un idades.
92 Capitulo 2 Matrices
Determine la lfnea recta que mejor ajuste los puntos ( I, I), (2, 2), (3, 4) (4, 4) y (5, 6).
SOLUCION
Grafique los puntos, como se muestra en la figura 2.2. Puede parecer una buena e lecci6n
una recta cuya pendiente es l y cuya intersecci6n con el eje y es 0.5. La ecuaci6n de esta
recta es
y = 0.5 + x .
Una revision de la recta mostrada en la figura 2.2 revela que se puede mejorar el ajuste
rotando ligeramente la Hnea e n el sentido de las manecillas del reloj, como se muestra en
la figura 2.3. Claramente se ve que esta nueva recta, cuya ecuaci6n es y = l .2x, ajusta
mejor los puntos que la recta origi nal.
)' )'
6 6 y = 1.2.t (5
5 5
4 • (4,4) 4 (3, , 4)
3
)'
2 3 4 5 6 2 3 4 5 6
6 Modelo I
Figura 2.2 Figura 2.3
5
Una manera de medir que tan bien una fu nci6n y = f(x)) ajusta una serie de puntos
fu
4
(x 1,y 1), (x 2,y2), . . . , (x,,, y,,)
3
es calcular las diferencias entre los valores de la fu nci6n f(xi) y los valores actuates Yi,
2 • (2, 2) como se muestra en la figura 2.4. Elevando al cuadrado estas diferencias y sumando los
resultados, se obtiene una medida del error Hamada suma del cuadrado de l error. Las
sumas de los cuadrados de los errores para nuestros dos modelos lineales se muestran
X
2 3 4 5 6 abajo, en la tabla 2.1 .
y
Modelo 1: f(x) = 0.5 + x Modelo 2: f(x) = 1.2x
6 Modelo 2
Xi Yi f(x;) [y; - f(xi)]2 X; Yi f(x;) [y; - f(x;)]2
5
I I 1.5 (-0.5)2 I I 1.2 (-0.2)2
4 - - -
3 (3,4) , ~ :~·:: ) 2 2 2.5 (-0.5)2 2 2 I 2.4 (-0.4)2
Las sumas de los cuadrados de los errores confirman que el segundo modelo se aj usta
mej or que el primero a los puntos dados.
De todos los modelos lineales posibles para una serie de puntos, el modelo de mej or
ajuste se define como el unico que minimiza la suma del cuadrado del error. Este modelo
se denomina linea de regresion de minimos cuadrados y el procedimiento para determi-
narlo se denomina metodo de minimos cuadrados.
Para determinar la lfnea de regresi6 n de mfnimos cuadrados para una serie de puntos,
comencemos formando un sistema de ecuaciones lineales
[ y; - f(x) ]
rI
Y= 7,
y,
X= f E = r:;1
ry,. I x,, e,,
Y = XA + E.
Observe que la matriz X tiene dos columnas, una columna de numeros I (correspo ndiente
a a 0) y una colurnna que contiene a las X;. Esta ecuaci6n matricial puede usarse para deter-
minar los coefic ientes de la lfnea de regresi6n de mfnimos cuadrados, como sigue.
94 Capitu lo 2 Matrices
Determine la lfnea de regresi6n de mfnimos cuadrados para los puntos ( I, I), (2, 2), (3, 4),
(4, 4) y (5, 6) (vease la figura 2.5).
SOLUCION
Usando los cinco puntos abajo, las matrices X y Y son
l
2 2
X= 3 y Y= 4
4 4
5 6
Esto significa que
l l
I 2
x 1x = [! I
2
I
3 4 ~] 3
4
= [1~ 5515]
5
y
I
2
y
XTY = [! 1
2
1
3 4 !] 4
4
= [!;].
6 6
1
5 Ahora, utilizando (XTX)- para encontrar la matriz de coefici entes, tenemos
4 A = (xTx)- 1xTy
(3,4) !~ ~(4_ ,_4)- ~
3 [~ - 0.2 + I .2x ]
= ..1.[55 -15]5 ['7]
so - 15 63
= [-0.2]
2 (2, 2)
1.2 .
Matrices estocasticas En los ej erc ic ios I a 4, determine 9. Preferencia de los consumidores Una poblaci6n de
si la matriz es estocastica. 100 000 consumidores es agrupada como sigue: 20 000
3.
[03
0.5
0.1
0.2
08
O. l
] 4.
[03
O,I
0.160.25]
0.6 _ 0.25
probabilidad de no utilizar ninguna de estas dos marcas.
Un usuario de la marca B tiene una probabilidad de 15%
0.2 0.7 0.1 0.3 0. 16 0.5 de carnbiarse a la marca A y 10% de probabilidad de no
usar ni una ni otra marca. Un no-usuario tie ne una proba-
5. Compra de un producto El departamento de inves- bilidad de 10% de comprar la marca A y 15% de proba-
tigacion de mercados de una planta de manufactura bilidad de comprar la marca B. i,Cuanta gente puede estar
determino que 20% de la gente que compra los produc- en cada grupo en un mes?i,En dos meses?i,En tres meses?
tos de la planta en algun mes puede no comprarlos en e l
mes siguiente. Por otro lado, 30% de la gente que no
compra durante algun mes puede comprar el mes
siguiente. En una poblacion de 1000 personas, 100 co m-
P =
[
0.6
0.2
0.2
0. 1
0.7
0.2
0.1
0.1
0.8
l
10. Para la matriz de probabilidades de transici6n
~i
no fumado res, 2 500 fumadores de un paquete o menos Tamafio de la matriz re11gl611: 1 X 3
por dfa y 2 500 fumad ores de mas de un paquete al dfa.
Durante algun mes existe 5% de probabilidad de que un
no fumador pueda comenzar a fumar un paquete o
Matriz codificada A =[ ~ -~ -
- 6 2 3
menos por dfa y 2% de probabilidad de que un no fuma-
dor comience a fumar mas de un paquete al dfa. Para 12. Mensaje:: PLEASE SEND MONEY
fumadores que fuman un paquete o menos al dfa, existe Tamafio de la matriz rengl6n: I X 3
10% de probabilidad de que dejen de hacerlo y 10% de
probabilidad de que incrementen la cantidad. Para fuma-
dores que fuman mas de un paquete al dfa, existe 5% de
probabilidad de que dejen de hacerlo y I 0 % de probabi-
Mat,;zcodlf,cada A -H-~-:]
lidad de que disminuyan a un paquete o menos por dfa. 13. Mensaje:: COME HOME SOON
i,Cuantas personas estaran en cada Tama,io de la matriz reng/611: l X 2
8. Consumo de television El dormitorio universitario
alberga 200 estudiantes. Aquellos que miran television
Matriz codificada A = [~ !]
una hora o mas al dfa, siempre ven una hora menos de 14. Mensaje:: HELP IS COM[NG
television al dfa siguiente. Un cuarto de los que ven
Tamafio de la matriz rengl6n: I X 4
televisi6n menos de un a ho ra al dfa, pueden mirar la
- 2 3 - 1
television mas de una hora al dfa siguiente. La mitad de
los estudiantes ven televisi6n una ho ra o mas hoy. - 1 1 1
Matriz codificada A =
i,Cuantos pueden ver television por una hora o mas [- 1 - 1 1
maiiana? i,En dos dfas? i,En 30 dfas? 3 1 - 2
96 Capitulo 2 Matrices
Decodificaci6n de un mensaje En los ejercicios 15 a 18, (a) Usted sabe que [45 - 35]A- 1 = [10 15] y [38 - 30)
encuentre A- 1 y usela para descifrar el criptograma. A- 1 = [8 14]. Escriba y resuelva los dos sistemas de
ecuaciones para encontrar w, x, y y z.
15. A = [~ (b) Descifre e l mensaje.
23. Sistema industrial Un si tema compuesto por dos
11 21 64 11 2 25 50 29 53 23 46 40 75 55 92
industrias, carbon y acero, tienen los siguientes requeri-
17. A = [ ~
- 1
2
7
-4 -7
!], (b) Para producir $ 1.00 de ganancia a la salida, la indus-
tria del acero necesita $0.10 de su producto y $0.20
de carbon.
Determine D, la de matriz de entrada-salida para este
13 19 10 - 1 -33 -77 3 - 2 - 14 4 1 -9 -5
sistema. Despues, resuelva para la matriz X de salida en
-25 -47 4 I -9
la ecuacio n X = DX + E, donde la demanda extema es
-4
2 E = [10,000].
20,000
- 5
24. Sistema industrial Un sistema tiene dos industrias,
11 2 - 140 83 19 -25 13 72 -76 61 95 - 11 8 7 1 con los siguientes requerimientos de entrada.
20 21 38 35 - 23 36 42 - 48 32
(a) Para producir $ 1.00 de ganancia a la salida, la indus-
19. Decodificaci6n de un mensaje El siguiente cripto- tria A necesita $0.30 de su propio producto y $0.40
gram a fue codificado con una matriz de 2 X 2. de! producto de la industria B.
8 2 I - 15 - IO - 13 - 13 5 IO 5 25 5 I9 - I 6 (b) Para producir $ 1.00 de ganancia a la salida, la indus-
20 40 - l 8 - 18 I I 6 tria B necesita $0.20 de su propio producto y $0.40
La ultima palabra del mensaje es _RON. j,Cual es el de! producto de la industria A.
mensaje? Determine D , la matriz de entrada-salida para este sis-
tema. Despues, resuelva para la matriz X de salida en
20. Decodificaci6n de un mensaje El siguiente cripto-
la ecuacio n X = DX + E, donde la demanda extema es
grama fue codificado con una matriz de 2 X 2.
5 2 25 11 -2 -7 -15 -15 32 14 -8 -13 38 = [10,000].
19 - 19 - 19 37 16 E 20,000
La ultima palabra de! mensaje es _SUE. i,Cual es ela, 25- Soluci6n para una matriz de salida Una pequefia
comunidad incluye un granjero, un panadero y un ten-
mensaje?
dero y tiene la matriz D de entrada-salida y la matriz Ede
21. Decodificaci6n de un mensaje Utilice una aplica-
demanda extem a mostradas abajo.
cion grafica o algun software de computadora con capa-
Granjero Panadero Tendero
cidad matricial para descifrar el criptograrna.
Analisis de regresi6n por minimos cuadrados En los 41. Registro de vehiculos automotores La sig uiente
ejercicios 27 a 30, (a) bosqueje la linea que parece ser la de tabla muestra los numeros y de registros de vehiculos de
mejor ajuste para los puntos dados, (b) use el metodo de mini- motor (en ntillo nes) en los Estados Unidos para los aiios
mos cuadrados para encontrar la lfnea de regresi6n de mfnimos 2004 a 2008. (Fuente: U.S. Federal Hig hway Admi nis-
cuadrados y (c) calcule la surna de! cuadrado de! error. tration)
27. Y 28. y
A1io 2004 2005 2006 2007 2008
4 I--- - ~ -
4
(2, 3) 3
(3, 2)
Numero,y 237.2 241.2 244.2 247.3 248.2
3 • (- 1, I )
2 • (a) Use el metodo de minimos cuadrados para determ i-
2 • • (I, I )
----+---+--+---+----t---;......_ X
nar la lfnea de regresion de mfnimos cuadrados para
(-3,0)- 1 I 2 3 estos datos. Sea t el afio, con t = 4 el aiio 2004.
(-2, 0) (0, I)
-+-+---+--t---- X (b) Utilice las capacidades de regresi6n lineal de una
-2
-2 - I 2 aplicacion grafica para determinar un modelo lineal
29.
y
30.
)' para los datos. Sea t e l aiio, con t = 4 el aiio 2004.
(0, 4) 4 (5. 2) 42. Vida salvaje Un equipo de adntinistracion de la vida
4
3 (4, 2) \ (6, 2) salvaje estudi6 la tasa de reproducci6n de venados en
3 •(I, 3) 2 (3, 1) ". . ti tres extensiones de una reserva de la vida salvaje. El
2 ( 1/ 0) " • • -(4, I ) equipo registr6 el numero de hembras x y el porcentaje y
de las mismas que tuvie ron crfas al a.iio siguiente. Los
( I, I) • (2, 0)
------◄->--+- x
- I / \ s 6
resultados se muestran en la sig uiente tabla.
-+-+--+----<_-+-__ X (2, 0) (3, 0)
- I 2 3 -2
Numero, X 100 120 140
Determinaci6n de la recta de regresi6n por minimos
Porcentaje, y 75 68 55
cuadrados En los ejercicios 31 a 38, encuentre la lfnea de
regresi6n de mfnimos cuadrados. (a) Utilice el metodo de minimos cuadrados para deter-
minar la lfnea de regresio n de mfnimos cuadrados
31. (0, 0), (1, 1), (2, 4) 32. (1, 0), (3, 3), (5, 6)
que modele los datos.
33. (-2, 0), (- 1, 1), (0, l ), (l , 2) (b) Use una aplicaci6n grafica para graficar el modelo y
34. (-4, - 1). (-2, 0), (2, 4), (4, 5) los datos en la misma ventana.
35. (- 5, 1),(1,3),(2,3),(2,5) (c) Utilice el modelo para crear una tabla de valores
estimados de y. Compare los valores estimados con
36. (-3, 4), (- 1, 2), (1, I), (3, 0)
los datos actuales.
37. (- 5, 10), (-1 , 8), (3, 6), (7, 4), (5, 5) (d) Use el modelo para estimar el porcentaje de hembras
38. (0, 6), (4, 3), (5, 0), (8, -4), (10, - 5) que tuvieron crfas cuando existfan 170 de estas.
(e) Utilice el modelo para estimar el numero de hembras
39. Demanda Un refmador de combustible desea saber la
cuando 40% de ellas tenfan crfas.
demanda de cierto ti po de gasolina como una funci6n de su
precio. Las ventas diarias y (en galones) para tres diferen- 43. Use su biblioteca escolar, Inte rnet o alguna otra fuente
tes precios de producto se muestran en la siguiente tabla. de consulta para derivar la forma matricial para la regre-
si6 n lineal dada en la parte superior de la pagina 94.
Precio, x $3 .00 $3.~ $3.50
Demanda, y 4500 3750 3300 44. 00[:g~'i]'(g Explique cada uno de los
siguientes.
(a) Determine la lfnea de regresi6n de mf1timos cuadra-
(a) Como escribi r y usar una matri z estocastica.
dos para estos datos.
(b) Como usar la multiplicacion de matrices para
(b) Estime la demanda cuando el precio es $3.40. codificar y decodificar mensajes.
40. Demanda Un vendedor de her rantientas desea saber (c) Como usar un modelo de entradas y salidas de
la demanda de un taladro recargable como una fu nci6 n Leontief para analizar un sistema econontico.
del precio. Las ventas mensuales para cuatro precios (d) Co mo usar matrices para encontrar la recta de
diferentes se muestran en la siguiente tabla. regresion por mfnimos cuadrados para un conj unto
de datos.
Precio, x $25 $30 I $35 $40
45. Prueba Demuestre que el producto de dos matrices
Demanda, y 82 75 I 67 55
estocasticas de 2 x 2 es estocastico.
(a) Determ ine la lfnea de regresion de minimos cuadra- 46. Prueba Sea P una matriz estocastica de 2 X 2.
dos para estos datos. Demuestre que existe una matriz X de estado con ele-
(b) Calcule la de manda cuando el precio es $32.95. mentos no negativos, tal que PX = X.
98 Capitulo 2 Matrices
2 Ejercicios de repaso Consulte www.CalcChat.com para las soluciones de las eiercic1os nones.
Operaciones con matrices En los ejercicios I a 6, rea- Uso de la inversa de una matriz En los ejerc ic ios 19 a
lice las operaciones matriciales que se indican. 26, escriba el sistema de ecuaciones linea1es representadas
I. [~ 5 -~J- 3[~
3
-2
-:] por la ecuaci6n matricial.
2. -2[! -}s[: ~]
-2
3.
[~ -~] [1 0 ~]
4.
[~ -!J [1 3
- 2
0
-3
~]
5.
[i 2
0 -rn~ 3
0
-!] 23. 5x 1 + 4x 2 =
-x 1 + X2 = -22
2
25. -x 1 + x 2 + 2.x 3 =
2.x I + 3x 2 + X 3 = - 2
24. 3x I + 2.x 2 =
x 1 + 4x 2 = -3
5x 1 + 4x 2 + 2x 3 = 4
Resoluci6n de un sistema de ecuaciones lineales En 26. X I + X 2 + 2.x 3 = 0
los ejercicios 7-10, escriba el sistema de ecuaciones lineales X 1 - X2 + X3 = - I
en la forma Ax = b. Despues use elirninaci6n Gaussiana para 2.x I + X 2 + X 3 = 2
resolver esta ecuaci6n matricial para x.
7. 2.x I + X2 = - 8 8. 2x I - X2 = 5 Resoluci6n de una ecuaci6n matricial En los ejercicios
27 y 28, encuentre A.
x, + 4x 2 = - 4 3x 1 + 2x 2 = - 4
9. -3x 1
21'. 1
-
+
x 2 + x3 = 0
4x 2 - 5x 3 = -3
27. (3A)- 1 = [4
2
- I]
3
28. (2A)- 1 = [~
x1 + 3x 3 = l
- 2x 2 Matriz no singular En los ejercicios 29 y 30, determine x
10. 2x 1 + 3x 2 + x 3 = I 0 tal que la matriz A es no singul ar.
2x 1 - 3x 2 - 3x 3 = 22
4x 1 - 2x 2 + 3x 3 = -2 29. A = [~ _ :] 30. A = [~ :]
Determinaci6n y multiplicaci6n con una transpuesta Determinaci6n de la inversa de una matriz elemen-
En los ejercicios 11 a 14, determine Ar, A TA y Mr_ tal En los ejercicios 31 y 32, encuentre la inversa de la
2 matriz elemental.
11.
0 0
I 6
13. 14. [I -2 -3] 0 0
Determinaci6n de una secuencia de matrices elemen-
tales En los ejercicios 33-36, encuentre una secuencia de
Determinaci6n de la inversa de una matriz En los ejer- matrices elementales cuyo producto sea la matriz no singular
cicios 15 a 18, encuentre la inversa de la matriz (si existe). dada.
15. [~ -I]
-I 16. [_: ~] - 33.
[~ ~] 34. [-~ -413]
-il ~]
3 0 0
17.
[;
-3
0
18.
[~ I
0 :l 35.
[~ I 0
-!] 36.
[~ 2
0
Ejercicios de repaso 99
37. Determine dos matrices de 2 X 2 tales que A 2 = I. 49. (a) Todas las matrices de n X n son invertibles.
2
38. Encuentre dos matrices de 2 X 2 tales que A = 0. (b) Si una matriz A de n X n es no simetrica, entonces
39. Encuentre tres matrices idempotentes de 2 x 2 (recuerde A TA es no simetrica.
que una matriz cuadrada A es idempotente cuando A 2 = A .) SO. (a) Si A y B son matrices de n X n y A es invertible,
40. Encuentre dos matrices de 2 X 2 A y B tales que AB = entonces (A BA- 1)2 = A B2A- 1
0 pero BA -:/= 0 . (b) Si A y B son matrices no s ingulares den X n, enton-
41. Considere las siguientes matrices ces A + B es una matriz no singular.
X = r~ 0 y = - ~1,
3 z = [- !
J W = [ -4 ~1
51. Manufactura Una corporaci6n tiene cuatro fabricas,
cuada una de las cuales fabrica camionetas deportivas y
de carga. En la matriz
I 2 2 - 1
A = [ 100 90 70 30]
(a) Determine los escalares a, by c tales que W = aX + 40 20 60 60
bY + cZ. aii representa el numero de vehfculos de tipo i produci-
(b) Muestre que no existen escalares tales que Z = aX dos en la fabrica j en un dfa. Encuentre los ni veles de
+ b Y. producci6n cuando la producci6n incrementa en 10%.
(c) Demuestre que si aX + b Y + cZ = 0 , entonces a = b 52. Manufactura Una compafiia produce mesas y sillas
= c = 0. en dos fabricas. La matriz C muestra los costos de fabri-
caci6n en cada fabrica.
42. Prueba Sean A, B y A + B matrices no singulares. Pruebe
que A- 1 + s-1 es no singular po r demostraci6n de que Locaci6n I Locaci6n 2
(A- 1 + s - 1)- 1 = A (A + B)- 1B. C = [ 627 68 1 Mesas
135 150 ] Sillas
Determinaci6n de unafactorizaci6n LUde una matriz En
los ejercicios 43 y 44, determine la factorizaci6n LU de la (a) Si la mano de obra constituye ½de! costo, determine
matriz. la matriz L que arroja los costos de mano de obra en
cada fabrica.
43. [ 62 5] 2 (b) Encuentre la matriz M que arroj a los costos de mate-
14
2 rial en cada fabrica (as uma que s61o hay costos de
mano de obra y material).
Resoluci6n de un sistema lineal usando factorizaci6n
LU En los ejercicios 45 y 46, use la factorizaci6n LU de la 53. Ventas de gasolina En una estaci6n de gasolina, el
matriz de coeficientes para resolver el sistema lineal. numero de galones de gasolina de 87, 89 y 93 octanos
vendidos durante e l fin de semana
45. X + Z=3
2x + y + 2z = 7 Octano
3x + 2y + 6z = 8
87 89 93
46. 2x I + X2 + X3 - X4 = 7
3x 2 + X3 - X4 =- 3
580 840 Viernes 320]
A = 560 420 160 Sabado
- 2x 3 = 2 [
860 1020 540 Domingo
2x , + X2 + X3 - 2x4 = 8
Una segunda matriz proporciona los precios de venta y
lVerdadero o falso? En los ejercicios 47-50, determine las ganancias (ambas en d6lares por gal6 n por los tres
cual de las e xpresiones es verdadera o falsa. Si la expresi6n tipos de gasolina vendidos en la estaci6n de gasolina.
es verdadera, proporcio ne una raz6n o cite una expresi6 n
Precio de venta Ganancias
adecuada del texto. Si la expresi6n es falsa, proporcione un
ejemplo que muestre que la expresi6n no es cierta en todos 3.05
0.05 ] 87 }
los casos o cite de! texto una expresi6n adecuada. B = 3. 15 0.08 89 Octano
47. (a) La suma de matrices no es conmutativa.
[
3.25 0.10 93
(b) La transpuesta de la suma de matrices es igual a la (a) Encuentre AB. lCual es el significado de AB en el
suma de las transpuestas de las matrices. contexto de esta situaci6n?
48. (a) El producto de una matriz de 2 X 3 y otra de 3 X 5 (b) Detenuine las ganancias por la venta de gasolina en
es una matri z de 5 X 2. la estaci6n expendedora en el fin de semana.
(b) La transpuesta de un producto es igual al producto
de las transpuestas en orden invertido.
100 Capitulo 2 Matrices
54. Calificaciones finales Los resultados finales de un Determinaci6n de matrices de estado En los ejercicios
curso de algebra lineal en una escuela de artes estan 59 y 60, use la matriz Pde probabilidades de transicion dada
deterrninados por los resultados en dos examenes parcia- y establezca una matriz X para encontrar las matrices de
les y un examen final. Los resultados para seis estudian- estado PX, P2 X y P3X.
tes en dos posibles sistemas de graduacion se muesu·an
en las siguientes matrices.
Examenes
59. P = [ :
0.6
n
0.2
X = [ ':]
:i
80-89 B Tama,1o de la matri-::. re11gl6n: I X 3
1
70-79
60-69
C
D
Matriz codificada: A =[
-2
! - l - 3
0-59 F Decodificaci6n de un mensaje En los ejercicios 65 a 68,
encuentre A- 1 para decodificar el criptograma.
Funci6n polinomial En los ejercicios 55 y 56, use la defi-
nicion dada para encontrar f(A): sif es la funcion polinornial 3 2
65. A = [ - ]
J(x) = a0 + a 1x + a2x2 + ... + a,,x'' -4 3'
entonces para una matriz cuadrada A,f(A) se define como -45 34 36 -24 -43 37 -23 22 -37 29 57 -38
-39 31
J(A) = aol + aoA + a2A2 + ... + a,,x''.
55. J(x) = x 2 - 7x + 6, A = [~ ~]
66. A = [ _ ~ _;],
11 52 -8 -9 -1 3 - 39 5 20 12 56 5 20 -2 7
= x3 - 3x + 2, ~] 9 41 25 100
-H -I]
56. J(x) A = [ 2
- 1
- 1
Matrices estocasticas En los ejercicios 57 y 58, deter- 2 2 ,
l
61. A
mine si la matriz es estocastica. - 1 -2
0
o~] [03 0.4
00.5l
57. [i 0.5
0.1 0.5
58. 0.2
0.5
0.4
0.2 0.4
58 -3 -25 -48 28 19 - 40 13 13 -98 39 39
118 -25 -48 28 -14 -14
Ejercicios de repaso 101
68. A- [~ ~ n
23 20 132 54 128 102 32 21 203 6 10 23 2 1 15
77. Agricultura Un granjero utiliLa cuatro graficas de
prueba para determinar la relaci6n entre el trigo producido
(en kilogramos) por ki l6metro cuadrado y la cantidad de
fertilizante (en cientos de kilogramos por ki l6metro cua-
drado). Los resultado se mue tran en la siguiente tabla.
129 36 46 173 29 72 45
Fertilizaute, x l .0 1.5 2.0 2.5
L-- _____,
Decodificaci6n de un mensaje En los ejercicios 69 y 70,
utilice una aplicaci6n grafica o un software de computadora Producci611, y 32 41 48 53
con capacidades maLriciales para enconLrar A- 1 y descifrar el
(a) Encuentre la lfnea de regresi6n de mfnimos cuadra-
cri ptograma.
dos para estos datos.
69. [ - :
I
~
- I - 4
~1 (b) Estime la producci6n para una aplicaci6n de 160
kilogramos de fertilizante por kil6metro cuadrado.
78. Suscriptores a la telefonia celular La tabla muestra
- 2 2 5 39 - 53 - 72 - 6 - 9 93 4 - I 2 27 3 I el numero de su criptores de telefono celular y (en
-49 - 16 19 - 24 - 46 -8 -7 99 millones) en los Estados Unido para los aiios 2004 a
-! -~l
2009. (Fuente: Cellular Telecommunication and Inter-
net Association).
70. [;
66 27 -3 1 37 5 -9 61 46 -73 46 - 14 9 94
_______,__2004
Aiio 2005 2006
Suscriptores, y 182. 1 207.9 233.0
2 1 - 49 32 -4 12 66 3 1 -53 47 33 -67
71. Sistema industrial Un sistema industrial tiene dos A,'io 2007 2008 2009
industrias con los requerimientos de entrada mosLrados Suscriptores, y 255.4 270.3 285.6
enseguida.
(a) Para producir $ 1.00 de ganancia de salida, la indus- (a) Utilice e l metodo de mfnimos cuadrados para deter-
tria A requiere de $0.20 de su propio producto y minar la lfnea de regresi6n de mfnimos cuadrados
$0.30 del producto de la industria B. para los daLos. Sea x el aiio, con x = 0 correspon-
(b) Para producir $ 1.00 de ganancia de salida, la indus- diendo al aiio 2004.
tria B requiere de S0. 10 de su propio producto y de (b) Utilice las capacidade~ de regresi6n lineal de una
$0.50 del producto de la industria A. aplicaci6n grafica para deterrninar un modelo lineal
para los dato . i,C6mo se compara esLe modelo con
Encuentre D , la matriz de entrada-salida para este sis-
el obtenido en el inciso (a)?
Lema. Despues resuelva para la matriz de . alida X en la
(c) Use el modelo lineal para crear una tabla de valores
ecuaci6n X = DX + £, donde la demanda externa e
e timados para y. Compare los valores e timados
= l40,000J con los datos reales.
£ 80,000 .
D = [ ~:~
0.4
~:~
0.1
~:~1
0. 1
y £ = [~~~~1
8500
League Baseball).
Ano
Salario, y
2005
2.6
2006 2007 2008
2.9 2.9 3.2
2009 2010
3.2 3.3
Resuelva para la matriz de salida X en la ecuaci6n X =
DX +£. (a) Encuentre la lfnea de regresi6n de mfnimos cuadra-
dos para los dato . Sea x el aiio, con x = 5 correspon-
Determinacion de la recta de regresi6n por mmimos
diendo al aiio 2005.
cuadrados En los ejercicios 73 a 76, encuentre la lfnea de (b) Utilice las capacidade de regresi6n lineal de una
regresi6n de mfnimos cuadrados para los siguientes puntos. aplicaci6n grafica para deterrninar un modelo lineal
73. (I, 5), (2, 4), (3, 2) para los datos. i,C6mo se compara este modelo con
74. (2, 1), (3, 3), (4, 2), (5, 4), (6, 4) el obtenido en el inc iso (a)?
(c) Use el modelo lineal para crear una tabla de valores
75. ( I, 1),(1,3),( 1, 2), (1, 4),(2, 5)
estimados para y. Compare los valores estimados
76. (- 2, 4), (- 1, 2), (0, 1), (I , - 2), (2, -3) con los datos reales.
102 Capitulo 2 Matrices
2 Proyectos
Examen Examen 1 Explorando la multiplicaci6n de matrices
1 2 Las dos primeras calificaciones de los examenes de Ana, Bruno, Crist6bal y David se
Ana 84 1 96 muestran en la tabla. Utilfcela para generar una matriz M que represente los datos. Ingrese
esta matriz en una aplicaci6n grafica o un programa de computadora y usela para responder
Bruno 56 72 a las siguientes preguntas.
Cris- 1. l Cual de estos examenes es mas diffcil? lCual es mas facil? Explique por que.
78 83
t6bal
2. lC6mo clasificarfa el desempefio de los cuatro estudiantes?
David 82 91 I
3. Describa el significado de las matrices producto M[~] y M[~].
4. Describa el significado de las matrices producto [l 0 0 0] y M [0 0 O] M.
2 Matrices nilpotentes
Sea A una matriz cuadrada de n X n diferente de cero. lEs posible que exista un entero k
tal que Ak = 0? Por ejemplo, encuentre A3 para la matriz
1
0
0
Se dice que una matriz A es nilpotente de indice k si A * *
0, A2 0, ... , Ak- l * 0, pero
A k = 0. En este proyecto usted explorara el mundo de las matrices nilpotentes.
1. l Cual es el fndice de la matriz nilpotente A?
2. Utilice una aplicaci6n grafica o un software de computadora para deterrninar cuales de las
siguientes matrices son nilpotentes y encontrar sus fndices.
(a)
[~ ~] (b)
[~ ~] (c)
[~ ~]
~] ~]
0 0
(d)
[~ ~] (e)
[~ 0
0
(f )
[!
0
en lugar de
Definici6n del determinante de una matriz de 2 x 2
El determinante de la matriz
A = [a11 a,2]
G21 G22
,~
puede ser positive, negative o EJEMPLO 1 Determinante de una matriz de orden 2
cero.
a. Para A = [~
-3] ,
2
IAI - ~ , = 2(2) - 1(-3) = 4 + 3 = 7.
}] 0 1
2 2
c. Para C= [~ , ICI = = 0(4) - 2(½) =0 - 3 = -3.
4 2 4
3.1 Determinante de una matriz 105
MENORES Y COFACTORES
Para definir el detenninante de matriz cuadrada de orden mayor que 2 es conveniente la
aplicacion de las nociones de menores y cofactores.
Como puede ver, los menores y cofactores de una matri z pueden diferir solo por el signo.
Para obtener los cofactores de una matriz, primero encuentre los menores y despues apli-
que el patron ajedrezado de + y - como se muestra a la izquierda. Observe que las posi-
ciones impares (donde i + j es impar) ti enen signos negativos y las pares (donde i + j es
par) sig nos positi vos.
[: +
Matriz de 3 x 3
:] A ~ [; - 1
2
0
SOLUCION
~]
+
+ Para encontrar el menor M 11 , suprima el primer rengl6n y la primera columna de A y eva-
[~ +
+ lue el determinante de la matriz resultante.
Matriz de 4 x 4 ~I = - I ( I) - 0(2) = - 1
+ + +
+ + Yerifique que los menores son
+ + + -5
M 11 = - I M,2 = M, 3 = 4
+ +
M 21 = 2 M n= -4 Mn= 8 -
+ + +
M 31 5 M32 = -3 M33 = -6.
Aho ra, para encontrar los cofactores, combine el patron de los s ignos con estos menores
Matriz de n x 11
para obtener
Cll - 1 C 12 = 5 Cu = 4
C 21 -2 C 22 = -4 C 23 = 8
C 31 5 C 32 = 3 C 33 = - 6
106 Capitulo 3 Determinantes
Encuentre el determinante de
2
A-[! - I
0
SOLUCION
Esta matriz es la misma del ejemplo 2. Ahf determin6 que los cofactores de los elementos
del primer renglon son
c, I = - 1, C,2 = 5, C, 3 = 4.
Cuando expanda por cofactores no necesita evaluar los cofactores de los ele mentos
nulos debido a que el cofactor de un elemento nulo siempre es cero.
auCu = (O)Cu
=O
El renglon (o columna) que contiene mas ceros es a menudo la mejor eleccio n para la
expansion por cofactores. Esto es demostrado en el siguiente ejemplo.
A~ r-~ 1
2
4
0
0
0 -2
2
01
3 .
SOLUCION
Por inspecci6n de esta matriz puede verse que tres de los elementos en la tercera columna
son ceros. Puede evitar algo de trabajo en la expansion utilizando la tercera columna.
NOTA TECNOLOGICA Como C23 , C33 y C43 tienen coeficientes cero, usted solo necesita encontrar el cofactor C 13 .
Muchas de las aplicaciones gra- Para hacer esto, suprima el primer renglon y la tercera columna de A y evalue el determi-
ficas y programas de computa- nante de la matriz resultante.
dora tienen la capacidad de cal-
cular el determinante de una - I 2
matriz cuadrada. Si utiliza una c 13 = (- !)1 +3 0 2 3 Elimine la pri mcra y tercera columna.
aplicaci6n grafica, entonces
podria ver algo similar a lo 3 4 -2
siguiente para el Ejemplo 4. en - 1 I 2
la Online Technology Guide,
disponible en 0 2 3 Simplifique.
www.cengage.com 3 4 -2
con la busqueda Larson, Funda-
mentos de Algebra Lineal 7e. Expandiendo por cofactores el segundo renglon da como resultado
A
I 11 -2 3
I -1 1 0
0 J
2 J
C13 = (0)(-1 )2+11~ -~I+ (2)(- 1)2+21-~ 21 + (3)(-1 )2+31-1
-2 3
10 2 0 3 l
13 4 0 ·21 1 = 0 + 2(1)(-4) + 3(- 1)(-7)
det... A
39 = 13.
Usted obtiene
IAI = 3( 13)
= 39.
108 Capitulo 3 Determinantes
DEMOSTRACION
Puede utilizar inducci6n matemtitica* para demostrar este teorema para el caso e n el que
A es una ma triz tri angular superior. El caso e n el que A es una m atriz triangular inferior se
de muestra de mane ra similar. S i A es de orde n I , e ntonces IAI = [a 11 ) y el determinante es
IAI = a 11 . Suponie ndo que el teore ma es valido para c ualquier matriz triangular superior
de orden k - l , conside re una matriz triang ular s uperio r de o rden k . Expandiendo el
k-es imo re ng l6n, obtiene
es
A - [- 5 !
I
- 2
6
5
0
l
3 ~]
IA I = (2)(-2)(1)(3) =- 12.
l~l
El determinante de una matriz En los ejerc icios I a 12, 5 3 0 0 7
encuentre el determinante de la matriz. 4 6 4 6 11
27. O
1. [1] 2. [ -3] 2 -3 l -1
0 -2 5 2 10
3.
[! !] 4. [-! ~] y -1
[~ -;]
W - 15
21 X 24 3~
5. [_! !] 6. 29.
- 10 24 - 32 18
- 40 22 32 -35
7. [-; :] 8.
[l -!] 30.
10
w
15x - 25y 30 zl
9. [~ :] 10. [_~ -!] - 30
30
20 - 15 - JO
35 - 25 - 40
11. [" - 3
4 A-
2]1 12. [" - 2
4 A-
OJ
4
5
0
2
I
0
4
0
3
-2
2
31. 0 0 2 6 3
Encontrar los menores y cofactores de una matriz En 0 0 3 4 I
los ejercicios 13 a 16, encuenlre (a) los menores y (b) los 0 0 0 0 2
cofactores de la matriz. 4 3 -2 I 2
13.
[~ !] 14. [-~ ~] 32.
0
I
0
2
0
-7
0
13
0
12
15.
n 2
5
- 3 il 16.
nJ -7
4
3
[~:~~ 0.6]
[_i -~]
- I 6
~]
4 -1 0.8 - 0.2
35.
19. 2 20. 4 2
0.75 0.9 -0.4
4 [: 0
21.
23.
[~
[-04
0.2
4
3
0
0.4
0.2
J03]
0.2
22.
24.
n
[ 01
0
II
2
0.2
- 0.3 0.2
~
]03]
0.2
& 37.
l
0
0
8
2
I
3
2
5
-1
2
2
0
-~1
-I
- 2
I -2 0
0.3 0.2 0.2 0.5 0.4 0.4 - I 0 7 I 6
y y e 38. 0 8 6 5 - 3
25. [~ 3
-1 :] 26-H -2
5 i] 1
2
2
6
5
-2
-8
0
4
6
3.1 Ejercicios 111
39. [-~
-3
0
6
7 ~] 40.
[~
0
6
0 -~l
59. El deterrninante de una matriz de 2 X 2 implica dos pro-
ductos. El determinante de una matriz de 3 X 3 implica
seis productos triples. Demuestre que el determi nante de
una matriz de 4 X 4 implica 24 productos cuadruples.
8 -4 2 0 0 0 60. Demuestre que el sistema de ecuaciones lineales
41. r~
0
0
6
2
0
2
42. r.
- I
3
I
2
5
0
3
0
0
ax+by=e
ex+ dy = f
0 0 -I -8 7 0 -2 tiene una t:inica soluci6n si y s6lo si e l determinante de la
matriz es diferente de cero.
lVerdadero o falso? En los ejercicios 43 y 44, determine
cual de las expresiones es verdadera o falsa. Si la expresi6 n
Verificaci6n de una ecuaci6n En los ejerc ic ios 6 1 a 66,
es verdadera, proporcione una raz6n o cite una expresi6 n
evalue los determinantes para verificar la ecuaci6n.
adecuada del texto. Si la expresi6 n es falsa, proporcio ne un
ejemplo que muestre que la expresi6n no es cierta en todos
los casos o cite de! texto una expresi6n adecuada.
61.
I; :I -1: :I
43. (a) El determinante de la matriz A de 2
Cl 11G22-
X 2 es a 21 a 12 -
62.
I; cxl
CZ = cl: :I
(b) El determinante de una matriz de orden I es el ele-
1~; x +cwl XI= 0
I; z +cy
63. 64.1 w
mento de la matriz.
(c) El cofactor ij de una matriz cuadrada A es la matriz
:I cw ex
x2
=(y - x)(z - x)(z - y)
X
definida por la cancelaci6n de l i-esimo rengl6 n y la
65. y y2
j-esima columna de A .
44. (a) Para encontrar el determinante de una matriz trian- z z2
gular, sume los elementos de la diagonal principal.
(b) El determinante de una matriz puede ser evaluado
aplicando expansion por cofactores en cualquier
66. a b c =(a - b)(b - c)(c - a)(a +b +c)
a3 b3 c3
reng16n o columna.
(c) Cuando se expande por cofactores no es necesario 67. Dada la ecuaci6 n
evaluar los cofactores de los elementos nulos. X 0 C
45. ix + ~ x +~I= O
46. Ix+ ~ - 21- o
x-2
(a) Verifique la ecuaci6 n.
(b) Use la ecuaci6 n como un modelo para encontrar un
Ix - ~ determinante que sea ig ual a ax3 bx2 ex d. + ++
47.
x-2
21 - 0 48. Ix~!
x- 111_ 0 [> 68. OOrnDYiJ~'u'rn S i A es una matriz den X n,
Resoluci6n de una ecuaci6n En los ejercicios 49 a 52, explique c6mo encontrar lo siguiente.
encuentre los valo res de l para los que el determinante es cero.
(a) El menor Mu de la entrada au.
A+ 2 21 IA- 4I 'I
49.
I I A 50. A - 3 (b) El cofactor Cu de la entrada a,j·
A 2 0 A O 1 (c) El determinante de A .
51. 0 A + I 2 52. 0 A 3
69. Demuestre que el sistema de ecuaciones lineales
0 I A 2 2 A -2
+ a,r 2 = b 1
a 11 x 1
Entradas que involucran expresiones En los ejercicios
ai,x I + Cl2r2 = b2
53 a 58, evalue el determinante en do nde los elementos so n
funciones. Deterrninantes de este tipo ocurren cuando se tiene la soluc i6n
hacen cambios de variables en calculo. b 1a 22 - b2a 12 b2a 11 - b 1a 2 1
e2'
55.
I
2e-'
?
e3x l
3e3x 56.1 _;=:
112 Capitula 3 Determinantes
DETERMINANTES Y OPERACIONES
ELEMENTALES POR RENGLON
lCual de los siguientes deterrninantes es mas facil de evaluar?
-2 3 I I -2 3 I
4 - 6 3 2 0 2 - 9 - 2
IAI = -2 4 -9 -3
0 IBI =
0 0 -3 - I
3 -6 9 2 0 0 0 - I
Puesto que usted ya sabe acerca de! determinante de una matriz triangular, esta claro que
el segundo determinante es mucho mas facil de evaluar. Este detenn inante es simple-
mente el producto de los elementos de la diagonal principal, es decir, IBI = (1)(2)(-3)(- 1)
= 6. Por otra parte, usar expansion por cofactores (la unica tecnica aplicada antes) para
evaluar e l primer determinante es confuso. Por ejemplo, si expande por cofactores a lo
largo de! primer rengl6n, tiene
-6 3 2 4 3 2 4 -6 2 4 -6 3
IAI = 1 4 -9 -3 + 2 -2 -9 -3 + 3 -2 4 -3 - 1 -2 4 -9.
-6 9 2 3 9 2 3 - 6 2 3 - 6 9
Evaluando los determinantes de estas cuatro matrices de 3 X 3 se obtiene
IAI = ( 1)(-60) + (2)(39) + (3)(- 10) - (1)(- 18) = 6.
Note que !Al y IBI tienen el rnismo valor De hecho, usted puede obtener la matriz B al rea-
lizar operaciones elementales con renglones en la matriz A. En esta secci6n, vera los
efectos de operaciones elementales con renglones (o columnas) en el valor de un deterrni-
nante.
IAI = 11
2
-31
-4
=2 y -31
2
=?
-
IA I = I- 2
2
-81=
9
2 y IBI = I- 2I -41 =
9
1
En el ejemplo I, puede observar que al intercambiar dos renglones de una matriz cambia
el signo de su determinante. Sumar un multiplo de un rengl6n a otro no cambia el deterrni-
nante. Finalmente, multiplicar un reng16n por una constante diferente de cero, multiplica el
determinante por la misma constante. El siguiente teorema generaliza estas observaciones.
3.2 Determinantes y operaciones elementales 113
COM ENTARIO
TEOREMA 3.3 Determinantes y operaciones
Observe que la tercera propie-
dad del teorema 3.3 le permite elementales con renglones
dividir un rengl6n entre un factor Sean A y B matrices cuadradas.
comun. Por ejemplo
1. Si B es obtenida a partir de A al intercambiar dos renglones, entonces de t(B) = -
21 Factor 2 det(A).
. del primer
3 rengl6n. 2. Si B es obtenida a partir de A al sumar un multiplo de un rengl6n de A a otro
re ng l6n de A , e ntonces de t(B) = det(A).
- - -[> 3. Si B es obtenida a partir de A al multiplicar un rengl6n de A por una constance
c diferente de cero, e ntonces det(B) = c de t(A).
DEMOSTRACION
Para probar la propiedad I , utilice inducci6n matematica como s igue. Las demostraciones
de las otras dos propiedades se dejan como ejercicios (Veanse los ej ercicios 47 y 48).
Suponga que A y B son matrices c uadradas de 2 X 2 tales que
~~i-
Encuentre el deterrninante de
Augustin-Louis Cauchy
(1789-1857)
A = [~ -~
Las contribuciones de Cauchy 0 0 -3
al estudio de las matematicas SOLUCION
fueron revolucionarias, y a
Aplicando operaciones ele mentales con renglones, reescriba A en la forma triangular de la
menudo se le reconoce por
imponerles rigor a las mate-
maticas modernas. Por ejem-
plo, fue el primero en definir
siguie nte manera.
2
I
-3
2 -2
LO 1 2
- 3
-2
10
.....
..... lntercarnbie los dos primeros renglones
2
rigorosamente limites, conti-
0 0 -3 0 0 -3
nuidad y la convergencia de
una serie infinita. Ademas de
ser conocido por su trabajo
en analisis complejo, contri-
1
0 -7
2 -2
14 ..... Sume -2 veces el primer rengl6n al segundo
para producir un nuevo segundo rcng16n
0 0 -3
buy6 a las teorfas de determi-
nantes y ecuaciones diferen-
ciales. Es interesante
considerar que el trabajo de
=
I
- 210
2
I
-2
- 2 .....
..... Factorice - 7 fuera de] segundo rengl6n
Factor -3 fuera del tercer rengl6n
0 0
Cauchy con determinantes
Ahora, debido a que la matriz final es triangular, puede concluir que el determinante es
antecedi6 al desarrol lo de
matrices de Cayley. IAI = - 21 (1)( 1)( 1) = -2 1. © Bettmann/COABIS
114 Capitulo 3 Determinantes
2 3 -5 l 3 -5
4 I 0 =2 2 0
-2 4 -3 - 1 4 -3
A= [-~ -~ 5 -10
!].
- 3
SOLUCION
Como las dos primeras columnas de A son multiplos una de otra, usted puede obtener una
columna de ceros sumando dos veces la primera columna a la segunda, de la sig uiente
manera.
- I 2 2 - I 0 2
3 -6 4 3 0 4
5 - 10 - 3 5 0 -3
Hasta este punto, no es necesario que reescriba la matriz en forma triangular. Como existe
una columna completa de ceros, concluimos que el determinante es cero. La validez de
esta conclusion proviene del teorema 3. 1. Especfficamente, al expand ir por cofacto res a lo
largo de la segunda columna, tiene
IAI = (0)C1 2 + (0)C22 + (0)C32
= 0.
ALGEBRA En el juego de colocaci6n de numeros Sudoku, la finalidad es llenar una
reticula parcialmente completada de 9 x 9 recuadros con numeros del 1
LINEAL al 9 de manera que cada columna, rengl6n y subreticula de 3 x 3 con-
APLICADA tenga cada uno de estos numeros sin repetici6n. Para que una reticu la
de Sudoku completa sea valida, dos renglones (o columnas) no pueden
tener los numeros en el mismo orden. Si esto pasara en un rengl6n o
columna, entonces el determinante de la matriz formada por los nume-
ros en la reticula sera cero. Ese es un resultado directo de la condici6n 2
._________,[ > del Teorema 3.4 en la siguiente pagina.
Pinon Aoad/Shutterstock.COM
3.2 Determinantes y operaciones elementales 115
DEMOSTRACION
Yerifique cada pane de este teore ma apl icando operaciones elementales con renglones y
expansion por cofactores. Por ejemplo, si un renglon o una columna estan formados com-
pletamente de ceros, entonces cada cofacto r en la expansion es multiplicado por cero. Si
la condicion 2 o 3 es cierta, puede aplicar operaciones elementaJes con renglones o colum-
nas para crear un renglon o columna formados completarnenle de ceros.
No podemos concluir, sin embargo, que el teorema 3.4 proporciona las unicas condi-
c iones que producen un determinante cero. A menudo, este teorema se usa indirecta-
mente. Es decir, usted puede comenzar con una matriz que no satisfaga ninguna de
las condicio nes de l teorema 3.4 y, por medio de operaciones elementaJes con renglones o
columnas, obtener una matriz que cumpla una de las condiciones. Este proceso se muestra
en el ejemplo 4.
A~[~ - I
18
SOLUCION
Sumando -2 veces el primer renglon al segundo se produce
I 4 I
IAI = 2 - I 0
0 18 4
I 4 I
0 -9 -2.
0 18 4
Ahora, ya que el segundo y el tercer renglones son multiplos uno de otro, puede concluir
que el determinante es cero.
116 Capitulo 3 Determinantes
En el ejemplo 4, usted pudo obtener una matriz con un rengl6n completo de ceros al
realizar una operaci6 n elemental con renglones adicional (sumar 2 veces el segundo ren-
gl6n al tercero). Esto en general es cierto, es decir, una matriz cuadrada tiene un determi-
nante cero si y s61o si uno de estos renglones (o columnas) son equi vale ntes a una matri z
que tiene al menos un rengl6n ( o columna) formado completamente de ceros. Esto se
demostrara en la siguiente secci6n.
Usted tiene ahora dos metodos de reconocimiento para evaluar determinantes. De
ellos, el metodo de aplicar operaciones elementales con renglones o columnas para reducir
una matriz a la forma triangular es mas rapido que el de expansi6n por cofactores a lo largo
de un rengl6n o una columna. Si la matriz es grande, entonces el numero de operaciones
necesarias para una expansi6n por cofactores puede volverse extremadamente grande. Por
esta raz6n, muchos algoritmos de computadora y de calculadora usan el metodo que aplica
operaciones elementales con reglones o columnas. La sig uiente tabla muestra el numero
de sumas (mas restas) y las multiplicaciones (mas divisiones) necesarias para cada uno de
estos dos metodos para matrices de orden 3, 5 y I 0.
Encuentre el determinante de
A = [- ~ _: -
- 3 0
~i-
6
SOLUCION
Observe que la matriz A tiene un cero en el tercer rengl6n. Usted puede crear otro cero en
el tercer rengl6n al sumar dos veces la primera columna a la tercera, como sigue.
-3 5 2 -3 5 -4
IAI = 2 -4 - 1 2 -4 3
-3 0 6 - 3 0 0
-41 =
3
- 3(1)(-1) = 3.
3.2 Determinantes y operaciones elementales 117
~ ~f 2
3
- I
5
0
l
2
2
0
3
6 -4
3 -2
I
- 1 2 3
= (1)(- 1)4 1
1 5 6 - 4
3 0 0
Como ya tiene dos ceros en el cuarto rengl6 n, lo e lige para la s iguiente expansi6n po r
cofactores. Sume -3 veces la cuarta columna a la primera para producir lo siguiente
2 3 - 2 8 1 3
- 1 2 3 -8 - I 2
jAj =
I 5 6 -4
=
13 5 6 :_f
3 0 0 0 0 0 I
~ ,_ I
8 3
= (1)(- 1)8 -8 - I 2
13 5 6
Sume el segundo rengl6n al primero y luego expanda por cofactores a lo largo del primer
rengl6n.
8 3 0 0
IAI = -8 - I 2 = -8 - I ,:1r·
13 5 6 13 5
1
- I~ ~I 1~ ~I
8
=
2
-3 1 2 - l
de computadora para verificar su respuesta.
I 0 2 - I 3 2
21. - l I 4 22. 0 2 0
9. 3 - 12 6 = 12 3 -3 2 2 0 3 1 1 - l
7 4 9 7 1 3 I 2 I -I 3 2 I I
1 2 3 l l l 0 I 0 2 - I 0 2 0
10. 4 - 8 6 =64 - 4 2 23. O 24.
3 - I 4 - ) 0
5 4 12 5 2 4 0 0 4 3 0
5 0 10 0 2
11. 25 -30 40 = 53 5 - 6 8 Encontrar un determinante En los ejercicios 25 a 36,
utilice operaciones e le mentales con renglones o columnas
- IS S 20 - 3 I 4
para eval uar el determinante.
6 0 0 0 1 0 0 0
7 -3 I I I
0 6 0 0 0 1 0 0
12. O = 64 25. 3 26. 2 - I -2
0 6 0 0 0 1 0
4 8 I - 2 - I
0 0 0 6 0 0 0
2 - 1 -1 3 0 6
13
· I! -~1I~ = 27.
-6
I 3
3
2
3
28. 2
I
-3
-2
4
2
14
· I~ -:I= I!
I -3 2 I -3 2
29.
4
5
3
4
-2 3
30. 0
8
-5
-7
4
- 2 3 4 6 l 6
15. 5 2 - I 0 17 - 11
4 -7 9 I 9 -4 2 5
- I O 6 - I 0 6
6 2 7 0 2 7 6 - 5
3 2 4 3 2 -6 31. 32.
3 6 -3 3 4 I -2 0
16. -2 I 5 -2 I 0
0 7 4 - I 7 3 4 10
5 -7 -20 s -7 15
3.2 Ejercicios 119
-1 8 4 2 a i= 0, b i= 0, c i= 0
2 6 0 -4 3 45. Encuentre cada determinante.
35. 2 0 2 6 2 a
( )
I- Cos 0
Sen 0
Sen 01
Cos 0
I
(b) Sen 0 11
l Sen 0
0
0
2 8 0
2
0
2 C> 46. 00 [§ [R!il~iJ' [§ Evalue cad a determin ante
cuando a = I, b = 4, y c = - 3.
3 -2 4 3 I
0 b O a O I
- 1 0 2 l 0 (a) a 0 0 (b) 0 c 0
36. 5 - 1 0 3 2 0 0 C b 0 - 16
4 7 -8 0 0
47. Demostraci6n guiada Demuestre la propiedad 2 del
2 3 0 2 teorema 3.3: si B es obtenida a parti r de A al sumar un
multiplo de un rengl6 n de A a otro rengl6 n de A, enton-
lVerdadero o falso? En los ejerc icios 37 y 38, determine
ces det(B) = det(A).
cual de las expresiones es verdadera o falsa. Si la expresi6n
Inicio: para demostrar que el determinante de B es igual
es verdadera, proporcio ne una raz6n o cite una expresi6 n
al determinante de A, usted necesita demostrar que sus
adecuada de! texto. Si la expresi6n es falsa, proporcio ne un
respectivas expansiones por cofactores son iguales.
ejemplo q ue muestre que la expresi6n no es cierta en todos
los casos o cite de! texto una expresi6n adecuada. (i) Comience su demostraci6n haciendo que B sea la
matriz obte nida al sumar c veces elj-esimo reng16n
37. (a) Inte rcambiar dos renglones de una matriz dada cam- de A al i-esimo rengl6n de A.
bia el sig no de su determinante. (ii) Encuentre el determinante de B por expansion a lo
(b) Multiplicar un rengl6n de una matriz por una cons- largo de este i-esimo rengl6n de A.
tante diferente de cero da como resultado el determi- (iii) Distribuya y despues agrupe los terminos que con-
nante multiplicado por la misma constante diferente tengan un coeficiente de c y aquellos que no lo
de cero. contengan.
(c) Si dos renglones de una matriz cuadrada son iguales, (iv) Demuestre que la suma de los terminos que no con-
entonces su determinante es 0. tienen un coeficiente de c es el determinante de A y
38. (a) Sumar un multiplo de un rengl6n de una matriz a la suma de los terminos que contienen un coefi-
otro reng16n s61o cambia el signo del determi nante. ciente de c es igual a cero.
(b) Dos matrices son equi valentes por columnas si una 48. Demostraci6n guiada Demuestre la propiedad 3 de!
matriz puede ser obtenida al realizar en la o tra ope- teorema 3.3: si B es obtenida a parti r de A por la multi-
raciones elementales con columnas. plicaci6n de un renglon de A por una constante c dife-
(c) Si un reng!6n de una matriz cuadrada es un multiplo rente de cero, entonces det(B) = c det(A).
de otro reng16n, entonces el determinante es 0. Inicio: para demostrar que el determinante de B es igual
a c veces el determinante de A, usted necesita demostrar
Encontrar el determinante de una matriz elemen- que el determinante de B es igual a c veces la ex pansi6n
tal En los ejercicios 39 a 42, encuentre el determinante de por cofactores del determinante de A.
la matriz elemental. (Suponga k i= 0.)
(i) Comience su demostraci6n haciendo que B sea la
! ~]
largo de este i-esimo rengl6n.
■
Encuentre el determinante de una matriz inversa y reconozca las con-
diciones equivalentes para una matriz no singular.
A = [~ -;
! 0
~1
I
y B = [~ -
3
~ -~]-
-2
SOLUCION
Utilizando las tecnicas descritas e n las secciones anteriores, usted puede demostrar que IA I
y!Bl tienen los valores
1 -2 2 2 0 1
IAI = 0 3 2 =-7 y IBI = 0 - I -2 = 11.
0 3 -2
La matriz producto AB es
AB = 0
[
I
l - 2
3
0
-I4 -IO.
I - I
l
8 4 1
COM ENTARIO
Aplicando las mismas tecnicas, puede demostrar que 1,48 1 6 - 1 - JO = - 77.
El teorema 3.5 puede exten-
derse para incluir el producto 5 -1
de cualquier numero finito de
matrices. Esto es, En e l ejemplo I , observe que 1,4B1 = IAIIBI, o -77 = (-7)( 11 ). Esto es cierto en general,
IA ,A2A3 . . . Aki como se indica en el siguiente teorema.
= IA, IIA2IIA3I . . . IAi
TEOREMA 3.5 Determinante de una matriz producto
Si A y B son matrices cuadradas de orden n, e ntonces det(AB) = det(A) det(B).
DEMOSTRACION
Para empezar, observe que si E es una matriz elemental, entonces, por el teore ma 3.3 las
siguientes afirmaciones son ciertas. Si E es obtenida a partir de / por intercambio de dos
renglones, e ntonces IEl = - 1. Si E es obtenida por la multiplicaci6n de un reng16n de I por
una constante c diferente de cero, entonces IEI = c. Si E es obtenida por la suma del mul-
tiplo de un rengl6n de / con otro rengl6n de /, entonces IEl = I . Adicionalmente, por el
teorema 2. 12, si E es e l resultado de efectuar una operaci6n elemental con un rengl6n de
I y la misma operaci6n elemental se ej ecuta con un re ngl6n de B, e ntonces resulta la matriz
EB. Asf tenemos que IEBI = IEl IBI.
3.3 Propiedades de los determ inantes 121
Esto puede generalizarse para concluir que JEk . .. E 2E 1BJ = JEkl ... JE 2J JE iJ JBJ, donde E;
es una matriz elemental. Ahora considere la matriz AB. Si A es no singular, entonces, por
el teorema 2.14, puede escribirse como el producto de matrices elementales A = Ek . ..
£ 2 £ 1 y usted puede escribir como
DEMOSTRACION
Esta f6rmula puede obtenerse por la repetida aplicaci6n de la propiedad 3 de! teorema 3.3.
Factorice el escalar c de los n renglo nes de JcAJ para obtener
JcAJ = c"JAJ.
[ 10 -20
A = 30 0 40]
50
- 20 - 30 10
SOLUCION
Como
- 2 I - 2 4
A - 10[ : 0
;] y 3 0 5 = 5,
- 2 -3 - 2 - 3 I
usted puede aplicar el teorema 3.6 para concluir que
I - 2 4
3 5 = 1000(5) = 5000.
IAI = 10 3 0
-2 -3
Los teoremas 3.5 y 3.6 proporcionan formulas para evaluar los determinantes del
producto de dos matrices y un multiplo escalar de una matriz. Sin embargo, estos teoremas
no incluyen la formula para el determinante de la suma de dos matrices. Es importante
observar que la suma de los determinantes de dos matri ces a me nudo no es igual al deter-
*
minante de la suma. En general, esto es JAi + JBI JA + BJ. Por ej emplo, si
A - [: -~ J o B - [: -~ -:i
El siguiente teorema muestra que los determinantes son utiles para clasificar las matrices
cuadradas invertibles.
DEMOSTRACION
Para demostrar el teorema en una direcci6n, suponga que A es in vertible . Entonces AA- 1
[ID[g~ □ = I , y por el teorema 3.5 puede escribir !Al W11= I~- Ahora, como I~ = I, usted sabe que
tampoco el determinante de la izquierda es cero. Especfficamente, !Al =I= 0.
@(ill []3[]30 □ Para demostrar el teorema en otra direcci6n, suponga que el determinante de A es
!1YAJ0[g[R!]L[@ diferente de cero. Entonces, aplicando la eliminaci6n de Gauss-Jordan, encuentre una
matri z Ben la forma escalonada-reduc ida por renglones que sea equivalente por renglones
Sea a A. Como B esta en la forma escalonada-reducida por renglones, esta debe ser la matriz
4 identidad o debe contener al menos un rengl6n formado por ceros. Pero si B tiene un ren-
2
1 H gl6n completo de ceros, entonces por el teorema 3.4 usted sabe que !Bl = 0, lo cual puede
implicar que !Al = 0. Debido a que supuso que !Al es diferente de cero, puede concluir que
B = I. A es, por tanto, equivalente por renglones a la matriz identidad y por e l teorema
'u□ Utilice una aplica- 2. 15 usted sabe que A es invertible.
cion grafica O un
programa de com- Clasificaci6n de matrices cuadradas
putadora para
EJEMPLO 3
como singulares o no singulares
encontrar A- 1 .
lCual de las siguientes matrices tiene inversa?
~□ Compare det(A- 1 )
con det(A)
DEMOSTRACION
Debido a que A es invertible, AA- 1 = I, y usted puede aplicar el teorema 3.5 para concluir
que !Al 1,4- 11= Ji [ = l. Como A es invertible, tambien sabe que 1,4[ -:f- 0 y puede dividir cada
lado entre [A[ para obtener
IA-'I =w-
I EJEMPLO 4 Determinante de la inversa de una matriz
SOLUCION
Una manera de resolver este problema es encontrar A- 1 y despues evaJuar su determinante.
Sin embargo, es mas facil aplicar el teorema 3.8 como sigue. Encuentre el determinante de A,
lntente evaluar el determinante I 0 3
de esta matriz directamente.
Despues com pare su respuesta IAI = 0 -I 2 =4
con la obtenida en el ejemplo 4. 2 I 0
.....___ _[> y luego aplique la f6rmula 1,4- 11= 111,4[ para concluir que W1 =
J ¼-
Observe que el teore ma 3.7 proporciona otra condici6 n de equivalencia que puede ser
agregada a la lista de! teorema 2.15. Las seis condiciones se resumen a continuaci6n.
COM ENTARIO
En la secci6n 3.2 usted vio que Condiciones de equivalencia para una matriz no singular
una matriz cuadrada A puede
tener un determinante cero si Si A es una matriz de n X n, entonces las siguientes afirmaciones son equivalentes.
es equivalente por renglones a 1. A es invertible.
una matriz que por lo menos
tenga un region que conste
2. Ax = b tiene una unica soluci6 n para toda matri z columna b den X l.
completamente de ceros. La 3. Ax = 0 tiene s61o la soluci6 n trivial.
validez de esta afirmaci6n surge 4. A es equivalente por renglones a l w
a partir de la equivalencia de 5. A puede ser escrita como el producto de dos matrices elementales.
las propiedades 4 y 6. 6. det(A) -:f- 0.
SOLUCION
Del ejemplo 3, usted sabe que las matrices de coeficientes para estos dos siste mas de
ecuaciones tienen los siguientes determinantes.
0 2 -I 0 2 - I
a. 3 -2 I =0 b. 3 -2 = - 12
3 2 - I 3 2
Utilizando la lista de condiciones de equivalencia anteri or, puede concluir que solo el
segundo sistema tiene una unica soluci6n.
124 Capitulo 3 Determinantes
A = [
-4
~ - ~1 -~i
5
SOLUCION
Para encontrar el determinante de A, ex panda por cofactores a lo largo del segundo rengl6n
para obtener
F(s) = J=e-
0
51
f (t)dt.
1. A=
2. A=[~
[ -2
4
-~l
:J B =
B = [~:]
[-) ~]
3
-
16. A -[! -1
na-[~
Clasificaci6n de matrices como singulares o no singu-
3. A= [-' ~
2
0
n B = [-' ~
0
2
0 ~] lares En los ejercicios 17 a 24, use un determinante para
decidir que matriz es singular o no singular.
[1~ :] [! -~]
~]
- I 17. 18.
n
0
4.A -[! - ) I
[i _; !]
B - [~ 14 5
I -2
19. 0
2 0 I 0 -I [ -~ 20.
-5
5. A=
2
3
-1
3
2
2
0
I
3
4
~ls-[~ 2
0
-]
I
2
0
0
22. r_: =: :]
I - I 2
6. A =
4
0
- 1
0
1
2 -1
3
Il 23. [
1
~
0
8
0
-8
-1
0
24.
0.8 0.2 -0.6 0.1]
-1.2 0.6 0.6
[ 0.7 -0.3 0.1
0
0
B=
I
0
- 1
0
0
I 2
2
0
-I] 0 0
El determinante de la inversa de una matriz En los
ejercicios 25 a 30, encuentre JA-'1
0.2 - 0.3 0.6
- Comience hallando A- 1 y
0
7. A= [ 6
4
-~J S A
.
=[ 5 15]
10 -20 25. A = [~ !] 26. A = [~ -~]
9. A =
[-3~
6
9
12
,~] lo.A -[,~ -!]
15 16
16
-8
20
27. A -[~ -)
-2
0
~]
11. A -H - 4
-8
6 -:] 10
12. A = [40
30
15
25
5
35
10]
20
45
28. A - [~ -1
-2
0
~]
0 - ]
El determinante de una suma matricial En los ejerci-
cios 13 a 16, encuentre (a) JAi, (b) IBI, (c) JA + BJ
verifique que JAi + J
BJ JA + BJ. *
. Luego
29. A-[~ 0
0
3
2
-!]
-1
14. A = [~ -2]
o' B = [~ -~] ~-A -[;
- 2
-2
0
- 3
-4
2
-~]
126 Capitulo 3 Determinantes
r~
31. 32. 3x 1 - 4x 2 -2
2.x , + X 2 = J fx, - ~2 = 1 8
33. XI - X2 + X3 = 4
Q 49. A = 8
3
2x l - X2 + X 3 = 6
3x 1 - 2.x 2 + 2.x 3 = 0 5
34. XI
2x 1
+
-
X2 - X3 = 4
x 2 + x 3 =6 Q 5o. A=[-! 4
I
3x 1 - 2x 2 + 2.x 3 =0 2
G 35. 2x 1 + x 2 + 5x 3 + x 4 = 5 51. Sean A y B matrices cuadradas de orden 4 tales que IAI
x 1 + x 2 -3x 3 -4x 4 = - I B21, (c) 1,4 31y (d)
= - 5 y IBI = 3. Encuentre (a) IA\ (b) 1
2x 1 + 2x 2 + 2x 3 -3x 4 = 2 IB\
x 1 + 5x 2 - 6x 3
e 36. XI - X2 - X3 -
3
X4 =0 k> 52. OOrnGYXJ£'iJ'rn Sean A y B matrices cuadradas
de orden 3 tales que !Al = 4 y IBI = 5.
x 1 + x 2 -x 3 -x 4 =0
x 1 + x 2 +x 3 -x 4 = 0 (a) Encuentre 1,4B1.
XI + X z + x 3 + X 4 = 6 (b) Encuentre 12AI.
(c) lA y B son singulares o no singulares? Explique.
Encontrar determinantes En los ejercicios 37 a 44,
encuentre (a) JATI, (b) JA 21
, (c) JAATI, (d) 12AI y (e) 1,4- 11. (d) Si A y B son no singulares, encuentre 1,4-11y JB- 1J.
(e) Encuentre l(ABfl-
37. A= [ 6 -ll]
4 - 5
38. A= [ - 4
5
1~]
39. A = [! 0
-3
- I ~] 40. A = [~
5
-6
0 J
Matrices Singulares En los ejercicios 53 a 56, encuentre
e l valor(es) de k tal queA sea singular.
53. A = [k- 2l k _
3]
2
54. A =
[k - l
2 k + ~]
~
-! ~] H
0 l
41. A = [~ -1 ;]
2
42. A= [ -
-3
0
3
-~] 55. A=[~ 56. A =
k
0
r~
0 0 0
-3 0 0 57. Prueba Sean A y B matrices den X n tales que A B =
43. A = 0 4 0 /. Demuestre que !Al 0 y J
BI 0. * *
0 0 58. Prueba Sean A y B matrices den X n tales que AB es
~ r~
0 0 1 singular. Demuestre que cualquiera de las dos A o B
-3 0 0 es singular.
A = 0 4 0 59. Encuentre dos matrices de 2 X 2 tales que
0 0 IAI + JBI = IA + BJ.
60. Verifique la ecuaci6n.
Encontrar determinantes En los ejercicios 45 a 50, uti-
lice una aplicaci6n grafica o un programa de computadora a+ b a a
con capacidades matriciales para encontrar (a) !Al, (b) IA\ (c) a a + b a = b 2 (3a + b)
1,4 21,(d) J2AI Y (e) 1,4-'I· a a a+b
~
-2 61. Sea A una matriz de n X II en la que los elementos de
45. A= [ _ ~] 46. A= [
6 cada rengl6n suman mas de cero. Encuentre IAl-
~
62. Ilustre el resultado del ejercicio 6 1 con la matri z
=[ -
=H:l -n
41. A 1
-3
A
3.3 Ejercicios 127
63. Demostraci6n guiada Demuestre que el de tenni- 66. (a) En general, el detenninante de la suma de dos matrices
nante de una matriz invertible A es igual a ±1 si todos los es igual a la suma de sus determinantes.
e lementos de A y A- 1 son enteros. (b) (b) Si A y B son matrices cuadradas de orden n, y
Inicio: denote det(A) con x y det(A- 1) cony. Observe que det(A) = det(B), entonces det(AB) = det(A 2).
x e y son numeros reales. Para demo trar que det(A) es (c) Si el determinante de una matriz A de n X n es dife-
igual a :±: 1, debe demostrar que x e y son enteros tales rente de cero, entonces Ax = 0 tiene solo la soluci6n
que su producto xy es igual a I. trivial.
(i) Utilice la propiedad del determinante de una matriz
producto para demostrar que xy = I . 67. Escriba Sean A y P matrices de n X n, donde P es
(ii) Use la definici6n de determinante y el hecho de que invertible. i,ES posible que p- 1AP = A? Ilustre su con-
los ele mentos de A y A- 1 son e nteros para demostrar clusion con ejemplos apropiados. l,Que puede decir
que x = det(A) y y = det(A- 1) son enteros. sobre los dos determinantes IP- 1AP1y !Al?
(iii) Concluya que x = det(A) debe ser 1 o - 1 debido a 68. Escriba Sea A una matriz de n X n diferente de cero
que estas son las unicas soluciones enteras para la que satisface A 10 = 0. Explique por que A debe ser sin-
ecuaci6n xy = I . gular. l,Que propiedades de los determinantes utilizarfa
64. Demostraci6n guiada Demuest:re el teorema 3.9: si en sus argumentos?
A es una matriz cuadrada de orden n X n, entonces 69. Prueba Una ma tri z cuadrada es Hamada cuasi-sime-
det(A) = det(AT). trica si AT= - A. Demuestre que si A es una matriz cuasi-
Inicio: para demostrar que los determinantes de A y AT simetrica de n X n, e ntonces IAI = (- l )"IAI.
son iguales, usted necesita demostrar que sus expansio- 70. Prueba Sea A una matriz cuasi-sime trica de orden
nes por cofactores son iguales. Debido a que los cofac- impar. Utilice el resultado del ejercicio 69 para demos-
tores son detenninantes :±: de matrices pequeiias, es trar que !Al = 0.
necesario utilizar la inducci6n matematica.
Matrices ortogonales En los ejercicios 7 1 a 76, deter-
(i) Paso iniciaJ para la inducci6n: si A es de orden 1,
mine que matriz es ortogonal. Una matriz cuadrada invertible
entonces A = [a 1 i] =AT'
A es llamada ortogonal s i A- 1 = Ar_
asf
det(A) = det(AT) = a 11 •
(ii) Considere la hip6tesis inductiva sostenida para todas
71. [~ ~] 72.
[: ~]
[_: -I]
las matrices de orden n - I. Sea A una matriz cua-
drada de orden n. Escriba una expresi6n para el 73. 74. [ I / fi -1 /fi l
determinante de A por expansion del primer rengl6n.
- I - 1/fi - 1/ fi
(iii) E criba una expresi6n para el determinante de AT 0
[1/J2 I -t/J2] O
por expansion de la primera columna.
(iv) Compare las expansiones en (ii) y (iii). Los elemen-
tos del primer rengl6n de A son los mismos que los
75.
[~ 0
!] 76.
1/ fi
0
0 I/ fi
0
elementos de la primera columna de Ar_ Compare 77. Prueba Demuestre que si A es una matriz ortogonal,
cofactores (estos son los determinantes ± de matri- entonces IA I = :±: I.
ces mas pequeiias que son las transpuestas de otras)
y utilice la hip6tesis inductiva para concluir que Matrices ortogonales En los ejercicios 78 y 79, utilice
estos tambien son iguales. una aplicaci6n grafica con capacidades matriciales para
determinar cual A es ortogonal. Para probar la ortogonalidad,
lVerdadero o falso? En los ejercicios 65 y 66, determine
encuentre (a) A- 1, (b) AT (c) !Al y verifique que A- 1 = AT y !Al
cual de las expresiones es verdadera o falsa. Si la expresi6n
es verdadera, proporcione una raz6n o cite una expresi6n
= ± I.
adecuada del texto. Si la expresi6n es falsa, proporcione un 2
0 3
ejemplo que muestre que la expresi6n no es cierta e n todos
78. 79. A = :
los casos o cite del texto una expresi6n adecuada. [
65. (a) Si A es una matriz den X n y c es un escalar dife- 0
rente de cero, e ntonces el determinante de la matriz
cA esta dado por nc · det(A). 80. Prueba Si A es una matriz idempotente (A2 = A),
( b) Si A es una matriz invertible, entonces el determi- entonces demuestre que el determina nte de A puede ser
0 0 l.
nante de A- 1 es igual al recfproco del detenninante
de A. 81. Prueba Sea S una matriz singular de n X n. Demues-
(c) Si A es una matriz invertible de n x n, entonces tre que para cualq uie r matriz B de n X n , la matriz SB
Ax = b tiene una un ica soluci6n para cada b. tambien es singular.
128 Capitulo 3 Determinantes
■
Use Regla de Cramer para resolver un sistema de ecuaciones lineales
en variables.
■
Use determinantes para encontrar area, volumen y las ecuaciones de
las rectas y pianos.
c,,,1
C2,,
C,,z
c;,, .
La transpuesta de esta matriz se llama adjunta de A y se denota como adj(A), es decir
c,,,
adj(A)
re,,
= C; 2
C21
C22 C"2
Determinaci6n de la adjunta
EJEMPLO 1 de una matriz cuadrada
- 1 3
Encuentre la adjunta de A =
[
~ -2
0 -2 ~i-
SOLUCION
El cofactor C 11 esta dado por
-2
Cl I = (- J)2
1
Q I
-2
I = 4.
Continuando con este proceso, tenemos la siguiente matriz de cofactores de A.
[~ i il .!
n
6
La trnnspuesta de esta matriz es la adjunta de A. Esto es, adj(A) - [ 0
3
3.4 A p licaciones de las determ ina ntes 129
6 2
0
3 Il= [l 0
)l
Puede verificar que esta matriz es la inversa de A al multiplicar para obtener AA- 1 =I=
A - 1A.
130 Capitu lo 3 Determ inantes
REGLA DE CRAMER
La regla de Cramer, nombrada asf en honor de Gabriel Cramer ( 1704- 1752), es una for-
mula que uti liza determinantes para resolver un sistema de n ecuaciones lineales con n
variables. Esta regla solo puede ser aplicada a sistemas de ecuaciones lineales que tienen
una uni ca solucio n. Para ver como funciona la regla de Cramer, de otro vistazo a la solu-
cion descrita al principio de la seccio n 3.1. Ahf se muestra que el sistema.
a1 1X 1 + 0 1:r2 = h1
0 2 1X I + ~'.r2 = b2
tiene la solucion
h1°22 - b 2° 12
xi= y
a11°22 - 0 2 1a12
cuando 0 11 0 22 *
a 2 ibi 2 *
0. Cada numerador y denominador en esta solucion se puede
representar como un determinante, como s igue
lbl 01 21 1a1 1 1
b 1
b2 0 22 a 21 b2
X I = X2 = 0 11°22 - ~1012 i= 0
101 1 0121' 10 11 012 1·
0 21 0 22 021 0 22
IA1I = 1:: 0 12 1
0 22
y
Usted tiene x 1 = jAIAill y x 2 = IAIA2 1_Esta forma de solucion por determinante se llama regla
de Cramer. 1
. EJEMPLO 3
I
Uso de la regla de Cramer
SOLUCION
Primero encuen tre el determinante de la matriz de coeficientes.
-21
- 5
= - 14
Como !Al *
0, usted sabe que el sistema tiene una unica solucion y aplicando la regla de
Cramer obtiene
10 -21
X = IA I I = 111 - 5 = -28 = 2
1
IAI - 14 - 14
y
4 101
IA2I 13 11
X =--=---=--=
14 - l
2
IA I - 14 - 14 .
La solucion es x 1 = 2 y x 2 = - 1.
3.4 A p licaciones de las determ ina ntes 131
C/21 ° 22 £½3
DEMOSTRACION
Sea el sistema represe ntado por AX = 8 . Como !Al es di ferente de cero, puede escribir
x,
I
= A - 18 = IA! adj (A )B = :2
X
X .
rx ,, l
Si los elementos de B son bi, b 2, . . . , b,,, ento nces x; = IAl(b,Cli + b2 C2 ; +· · ·+bC 11 11 ) ,
Uti lice la regla de Cramer para reso lver el sistema de ecuaciones lineales para x.
-x + 2y - 3z =I
2x + z=0
3x - 4y + 4z = 2
SOLUCION
-1 2 - 3
El determ inante de la matriz de coeficientes es IA I = 2 0 l = 10.
3 - 4 4
COM ENTARIO Co mo !Al -:/= 0, usted sabe que la soluci6n es unica y la regla de Cramer puede aplicarse
lntente aplicar la regl a de Cra- para encontrar x, como sig ue.
mer en el ej emplo 4 para reso l- I 2 -3
ve r para y y z. Vera que la solu-
0 0 I
-!I
., 3
c,o n es y = - 2 y z = - 85.
(1)( -1 )5,~
.....___ _____,[> x=
2 - 4 4
= =
(1)(- 1)(- 8) 4
=-
10 10 10 5
132 Capitulo 3 Determinantes
:l
Yi
,
Area
I
= ± 2 det [x
x 2' Y2
X3 YJ
do nde el signo (::!::) es elegido para generar un area positi va.
DEMOSTRACION
y Pruebe el caso para Y; > 0. Suponga que x 1 :5 x 3 :5 x 2 y que (x3 , y 3 ) descansa sobre el
segmento de recta que une los puntos (xi, y 1) y (x 2, y 2 ) como se muestra en la figura 3. 1.
Considere los tres trapezoides cuyos vertices son
Trapezoide I : (x 1, 0), (x 1, y 1), (x 3, y 3), (x 3, 0)
Trapezoide 2: (x 3, 0), (x 3 , y 3 ), (x 2 , y 2), (x 2, 0)
Trapezoide 3: (xi, 0), (x i, Yi), (x 2, y 2), (x 2, 0).
El area del triangulo es igual a la suma de las areas de los dos primeros trapezoides menos
el area de! tercero. Asf
-+---- - ----- --,.___.. X Area= ½(Yi + Y3)(x3 - Xi)+ ½(y3 + Y2)(x2 - x3) - ½(Y1 + Y2)(x2 - Xi)
= ½(x 1Y2 + X2Y3 + X3Y1 - X1Y3 - X2Y 1 - X3Y2)
Figura 3.1
Xi Yt I
= ½X2 h
X3 )'3
SOLUCION
No es necesario saber la posici6n relati va de los tres vertices, simplemente evalue el deter-
minante
0
3
½2 2 - 2
4 3
Figura 3.2 Si tres puntos en el piano de xy yacen en la rnisma recta, entonces el deterrninante en la
f6rmula para el area del triang ulo sera cero. Este resultado se generaliza en el sig uiente
analisis.
La prueba para puntos colineales puede adaptarse para otro uso. Es decir, cuando se
tienen dos puntos en el piano de xy, usted puede encontrar una ecuaci6n de la recta que
pasa por los dos puntos, como sigue.
SOLUCION
Sean (xi, y 1) = (2, 4) y (x2 , y 2 ) = (- 1, 3). Aplicando la f6rmula del determinante para la
ecuaci6n de la recta que pasa por dos puntos, tenemos
X y
2 4 = 0.
- 1 3
Para evaluar este detenninante, expanda por cofactores a lo largo de! reng l6n superior para
obtener
11
I
+ 11 - 2
I
413 = 0
x( I ) - y(3) + 1( 10) = 0
X - 3y + 10 = 0
Volumen de un tetraedro
El volumen de un tetraedro cuyos vertices son (x 1, Yi, z1), (x2, y 2 , z2), (x3 , y3, Z3) y
(x4, y4, 24) esta dado por
;1
do nde el signo (±) se elige para tener un volumen positivo.
Encuentre el volumen del tetraedro cuyos vertices son (0, 4, I), (4, 0, 0), (3, 5, 2) y (2, 2,
5), como se muestra en la figura 3.3.
(4, 0, 0)
5 y
X
I
X
Figura 3.3
SOLUCION
Aplicando la formula de ) determinante para un volumen tenemos
4 l
0 0
= k(-n) = - 12.
5 2
2 5
El volumen del tetraedro es 12 unidades cuadradas.
rx,
det x
X3
X4
2
Yi
Y2
Y3
Y4
Z1
Z2
Z3
Z4
}o
3.4 A p licaciones de las determ ina ntes 13 5
X y- 1 z
0 0 0
= 0.
- 1 2 2
-2 - 1
Ahora, expandiendo por cofactores a lo largo de] segundo rengl6n resulta
x2 xy y2 X y
x21 x,y, Yi x, Y,
x22 X2Y2 y~ X2 Y2
x23 X3Y3 Yi X3 Y3
x24 X4Y4 y~ X4 Y4
x25 X5X5 y~ X5 Ys
Ralf Juergen KrafVShunerstock oom
136 Capitulo 3 Determinantes
3. A - [~ _L j] 4.A - [~ l -!] 2x 1
5x 1
+
-
2x 2
2x 2
+
-
3x 3
2x 3
=
=-
10
I
5. A = [ - ~
0
- :
I
- ;]
- I
6. A = [ ~
- I
2
- 1 -2
~i 26. 4x 1
2x 1
8x 1
27. 3x 1
-
+
-
+
2x 2
2x 2
5x 2
4x 2
+ 3x 3 = -2
+ 5x 3 = 16
- 21'. =
3
+ 4x 3 = 11
4
~~1
4x 1 - 4x 2 + 6x 3 = 11
7. A = -I ~ _201 ~l 6x 1 - 6x 2 = 3
[ 28. 14x 1 - 21x 2 - 7x 3 = -21
- 1 -4xl+ 2x2-2x3 = 2
I 0 56x 1 - 2lx 2 + 7x 3 = 7
I 0 29. 4X I - x 2 + X 3 = -5
8• A=[:1 0 2x I + 2x 2 + 3x 3 = lQ
0 5x 1 - 2x 2 + 6x 3 = I
9. Prueba Demuestre que si !Al = I y todos los elemen- 30. 2x 1 + 3x 2 + 5x 3 = 4
tos de A son enteros, entonces todos los elementos de 3x 1 + 5x 2 + 9x 3 = 7
1,4- 11tambiendebenserenteros. 5x 1 + 9x 2 + 17x 3 = 13
10. Prueba Demuestre que si una matriz A de n X n no es . . .
invertible entonces A[adj(A)] es la matriz cero. Uso de la Regla de Cramer En los eJerc1c10s 3 1 a 34,
' I!'\ utilice una aplicacion grafica o un programa de computadora
Demostraci6n ~n los eje~cicios 11 y 12, demuestre la for- '=# con capacidades matriciales y la regla de Cramer para resol-
mula para una matn z A no s mgular den X n. Suponga n 2= 2. ver para x,, si es posible.
11. ladJ.(A)I = IAl" - 1 12. adJ°[adJ.(A)] = IAl11 - 2A s
31. ~ I - x 2 = -20
13. Ilustre la formula proporcionada en el ejerc icio 11 para 1x - r2 = -51 ±r
la matriz 3 I
32. -8x 1 + 7x 2 - 10x 3 = - 151
A=[: l 2x 1 + 3x 2 - 5x = 86 3
36. Verifique e l siguiente sistema de ecuaciones lineales en 59. (0, 0, 0), (1, - 1, 0), (0, I, - 1)
Cos A, Cos B y Cos C para el triangulo mostrado en la 60. ( I, 2, 7), (4, 4, 2), (3, 3, 4)
figura.
Uso de la Regla de Cramer En los ejercicios 6 1 a 62 se
c Cos B + b Cos C = a
ha aplicado la regla de Cramer para resolver una de las varia-
c Cos A + a Cos C = b
bles indicadas en un sistema de ecuaciones 3 X 3. Determine
b Cos A + a Cos B =c en cual se aplic6 correctamente la regla para resolver esa
Despues utilice la regla de Cramer para resolver para cos variable. Si no, identifique e l error.
Cy use el resultado para verificar la ley de los cosenos
I 2 l
c 2 = a 2 + b2 - 2ab Cos C.
-I 3 -2
+ 2y + Z =2
A
X
4 I - 1
61. - X + 3y - 2z =4 y=
I 2 I
4x + y - z =6 -1 -2
4
4 6 - 1
A C B
15 -2 I
Encontrar el Area de un triangulo En los ejercicios 37 a -7 -3 - ]
40, encuentre el area de! triangul o que tiene los vertices dados. 5x - 2y + z = 15
-3 -1 -7
37. (0, 0), (2, 0), (0, 3) 38. ( I , I), (2, 4), (4, 2)
62. 3x - 3y - z = - 7 x=
5 -2 l
2x - y - 7z = -3
39. (- 1,2),(2,2),(-2,4) 40. (1, 1),(- 1, 1),(0,-2) 3 - 3 -I
2 - I -7
Prueba de puntos colineales En los ejercicios 41 a 44,
63. Publicaci6n de libros de texto La siguiente tabla
determine si los puntos son colineales.
muestra el numero de suscriptores y (en millones) de una
41. (I, 2), (3, 4), (5, 6) 42. (- 1, 0), (1, I), (3, 3) companfa de comunicaciones en los Estados Unidos
43. (-2, 5), (0, -1), (3, -9) para los aiios 2007 a 2009. (Fuente: U.S. Census Bureau)
44. (- 1, -3), (-4, 7), (2, - 13)
Ano, t Suscriptores, y
Encontrar la ecuaci6n de una recta En los ejercicios 45
2007 10,697
a 48, encuentre la ecuaci6n de la recta que pasa por los pun-
tos dados. 2008 11 ,162
45. (0, 0), (3, 4) 46. (-4, 7), (2, 4) 2009 989 1
47. (-2, 3), (-2, -4) 48. (1, 4), (3, 4)
(a) Genere un sistema de ecuaciones lineales para los
Encontrar el volumen de un tetraedro En los ejercicios
datos que se ajusten a la curva
49 a 52, encuentre el volumen de] tetraedro que tiene los
y = at 2 +ht + c
vertices dados.
donde t es e l aiio y t = 7 corresponde a 2007, e y es
49. (1 , 0, 0), (0, I , 0), (0, 0, 1), (1, I , I )
el numero de suscriptores.
50. (1, I , 1), (0, 0, 0), (2, I , - 1), (- 1, I , 2) (b) Utilice la regla de Cramer para resolver su sistema.
51. (3, - 1, I), (4, -4, 4), (I , I , I), (0, 0, I) (c) Use una aplicaci6n grafica para graficar los datos y
52. (0, 0, 0), (0, 2, 0), (3, 0, 0), (1, I, 4) su funci6n de regresi6n polinomial.
(d) Describa brevemente que tan bien la funci6 n polino-
Prueba de puntos coplanares En los ejercicios 53 a 56, mial se ajusta a los datos.
determine si los puntos son coplanares.
53. (-4, 1, 0), (0, 1, 2), (4, 3, - 1), (0, 0, 1) (;> 64. 00~~£,:j~ Considere el sistema de ecua-
54. (1, 2, 3), (- 1, 0, 1), (0, -2, -5), (2, 6, 11 ) ciones lineales
55. (0, 0, - I ), (0, - I , 0), ( I , I , 0), (2, I , 2) a 1x + h1y : c 1
{ Gr+ h2Y - Cz
56. (I, 2, 7), (-3, 6, 6), (4, 4, 2), (3, 3, 4)
donde ai, b 1, Ci, a 2 , b 2, c 2 representan numeros
Encontrar una ecuaci6n de una recta En los ejercicios reales. l Que debe ser cierto de las rectas represen-
57 a 60, encuentre la ecuaci6n <lei piano que pasa por los tadas por las ecuaciones cuando
puntos dados.
57. (1, -2, I), (-1, - 1, 7), (2, - 1, 3)
58. (0, - I , 0), ( I , I , 0), (2, I , 2)
I:: !j = O?
138 Capitu lo 3 Determinantes
3 Ejercicios de repaso Consulte www.CalcChat.com para las soluc1ones de los eiercic10s nones.
El determinante de una matriz En los ejercicios I a 18, Propiedades de determinantes En los ejercicios 19 a
encuentre el detenninante de la matriz. 22, determine cual de las propiedades de los detenninantes
esta ilustrada por la ecuaci6n.
2. [~ -~]
19. I! =!l=o
4. [-~ ~] 2 - I - I 2
20. 2 0 3 2 3 0
5 0
4 - 1 I 4 1 - I
6.
[
0
0 ;]
-1
0
2
0
-4
4
3
6
2 2 2
I
l =- l 2 0 -I 2
'! ~ -:]
21
· I 8 9 0 I -2 3 0
8. [- 6 12 - 6 I 6 - 3 - 2
12 0 6
1 3 1 1 3 1
10. [- '! ~
12 -3
-!] 6
22. 0 - I
2
2 2 5
2
4
~J
4
cios 23 y 24, encuentre (a) !Al, (b) IBI, (c) AB y (b) 1,481
. Des-
3
pues verifique que !Al IBI = 1,481.
2 12. [-~ -:
- l 2 1
23. A = [- ~ ~l B = [~ ~]
3 3
- l
2
4
14.
[
-2
-1
-2
0
2
I
-3
-2
I -3
4
l
24. A - [ ~ ~ H ~ B - [ -! il
- 1 I - 1 0 0 Encontrar determinantes En los ejercicios 25 y 26,
encuentre (a) !A r i, (b) 1,4 31, (c) jATAI y (d) 1
5AI.
G', 1s.
0
l
0
0
- l
I
0
l
- 1
I
0
0
- l
- 1
I
0
- I
I
1
25.A - [- ~ ~] 26. A -
0
0 H
2 - I 3 4 Encontrar determinantes En los ejercicios 27 y 28,
2 3 - I 2 -2 encuentra (a) IAI y (b) 1,4-'I-
e 16.
I
2
O
0
2 - I
- I
0 27. A = 0
I O
3
-4]2 28. A = 5
[2 - 0I
0 - I 0 2
[ - 2 7 6 I - 2
-I 0 0 0 0 El determinante de la inversa de una matriz En los
0 - ) 0 0 0 ejercicios 29 a 32, encuentre 1,4- 11
. Comience por encontrar
- I A- 1 luego evalue su determinante. Verifique su resultado
17. 0 0 0 0
para encontrar !Al y despues aplique la f6rmula del teorema
0 0 0 - [ 0
0 0 0 0 - I 3.8, IA- II = I~ 1·
0 0 0 0 2
0 0 0 2 0 29. [~ -1]
2
-!
18. 0 0 0 0 - I
0 2 0 0 0
31. [~ 32.
[
~ 4
2 0 0 0 0 - 1
Ejercicios de repaso 139
Resoluci6n de un sistema de ecuaciones lineales En 46. Ilustre la pro piedad demostrada en e l ejercicio 45 para:
los ejerc icios 33 a 36, resuelva el sistema de ecuaciones
lineales por cada uno de los siguientes metodos.
(a) Eliminaci6n gaussiana con sustituci6n hacia atras.
(b) Eliminaci6n de Gauss-Jordan.
A - [ i -~ -H c,, - 3, c,, - 0, c,, -
47. Encuentre el determinante de la matriz den x n.
(c) Regla de C ramer.
33. 3x 1 + 3x 2 + 5x 3 = 1 - n
3x 1 + 5x 2 + 9x 3 = 2
5x 1 + 9x 2 + 17x 3 = 4 -n
34. 2x I + X z + 2x 3 = 6 48. Demuestre que
- X I + 2x 2 - 3x 3 = 0
a
3x I + 2x 2 - X 3 = 6
a
35. X I + 2x 2 - X3 = - 7 = (a + 3)(a - 1)3.
a
2x 1 -2x 2 -2x 3 = -8 a
- x 1 + 3x 2 + 4x 3
= 8
36. 2x 1 + 3x 2 + 5x 3 = 4 Calculo En los ejercicios 49 a 52, encuentre los jacobianos
3x 1 + 5x 2 + 9x 3 = 7 de las funciones. S i x, y y z son func iones continuas de u, v y
5x 1 + 9x 2 + 13x 3 = 17 w con primeras derivadas parciales continuas, los jacobianos
J(u, v) y J(u, v, w) se definen como
Sistema de ecuaciones lineales En los ejercicios 37 a
ax ax ax
42, use el determinante de la matriz de coeficientes para
ax ax au a v aw
indicar cual de los sistemas de ecuacio nes lineales tie ne una
au av ay ay jy_
unica soluci6 n. J(u , v) = y J(u, v, w) =
ay ay au av aw
37. 5x+ 4y = 2 38. 2x - Sy= 2
au av az az az
-x + y = -22 3x - 7y = 1
au aV aw
39. - X + y + 2z = 1 40. 2x + 3y + z = 10
2x + 3y + z = -2 2x - 3y - 3z = 22 49. x = ½(v - u), y = ½{v + u)
5x + 4y + 2z = 4 8x + 6y = -2 50. x = au + bv, y = cu + dv
41. x 1 +2x 2 + 6x 3 = 51. x = ½(u + v), y = ½{u - v), z = 2uvw
2x 1 + 5x 2 + I 5x 3 = 4 52. X = U - V + W , y = 2uv, z= u + v+w
3x 1 + x 2 + 3x 3 = - 6
e 42. x, + 5x2 + 3x3 = 14 53. Escriba Compare los varios metodos para calcular el
4x 1 + 2x 2 + 5x 3 = 3 determin ante de una matriz. l Cua! metodo requiere menos
cantidad de calculos? lCual metodo prefiere cuando la
3x 3 + 8x4 + 6x 5 = 16
matriz tiene muy pocos ceros?
- 2x5 = 0
= 0 54. Escriba Un operador de computadora cobra $0.00 I
(un decimo de centavo) por cada suma y resta, y $0.003
43. Sean A y B matrices cuadradas de orden 4 tales que !Al por cada multiplicaci6n y di visi6n. Utilice la tabla en la
B21, (c) 12AI, (d)
= 4 y IBI = 2. Encuentre (a) IBAI, (b) 1 pagina I 16 para comparar y contrastar los costos de
l(AB>71Y (e) 1s-'1. calcular el deterrninante de una matriz de 10 X 10 por
44. Sean A y B matrices cuadradas de orden 3 tales que !Al expansi6 n de cofactores y despues por reducci6n de
= -2 y !Bl = 5. Encuentre (a) IBAI, (b) is41
, (c) i2AI, (d) renglones. l Que metodo preferirfa usar para calcular los
determinantes?
l(AB>71Y (e) 1s-'1.
55. Escriba Res uelva la ecuaci6n para x, si es posible.
45. Demostraci6n Demuestre la siguiente propiedad. Explique su resultado.
all al 2 a 13 Cosx 0 Senx
a 21 a22 a 23 = Senx 0 Cosx =0
a 31 + C3 1 a 32 + C32 a33 + C33 Senx - Cos x Senx + Cosx
all al 2 a 13 all al 2 a1 3 56. Demostraci6n Demuestre q ue si !Al = IBI 0 y A y *
a2, a 22 a 23 + a 21 a 22 a 23 B son del rnismo tamafio, entonces existe una matriz C
G3 1 a32 a 33 C31 C32 C33
tal que ICI = I y A = CB.
140 Capitulo 3 Determinantes
Encontrar la adjunta de una matriz En los ejercicios 57 72. Gastos de cuidados de salud La tabla muestra los
y 58, encue ntre la adjunta de la matri z. gastos personales anuales de cuidados de salud (en miles
57. [
-2
O
58. [i -i
Sistema de ecuaciones lineales En los ejercicios 59 a
J de millones de d6lares) en los Estados Unidos de 2007 a
2009 (fuen te: Bureau of Economic Analysis).
Aiio, t
Cantidad, y
2007
1465
2008
1547
2009
I 1623
62, utilice el determinante de la matriz de coeficientes para
hallar cual de los sistemas lineales tiene una unica soluci6n. (a) Genere un sistema de ecuaciones lineales para los
Si la tiene, use la regla de Cramer para encontrarla. datos que se ajusten a la curva
59. 0.2x - O. ly = 0.07 60. 2x + y = 0.3 y = at2 + bt +c
0.4x - 0.5y = - 0.0 I 3x - y = -1.3 donde I es el afio y I = 7 corresponde a 2007, e y es
61. 2x 1 + 3x 2 + 3x 3 = 3 el numero de suscriptores.
6x 1 + 6x 2 + 12x 3 = 13 (b) Utilice la regla de Cramer para resolver su sistema.
l 2x 1 + 9x 2 - x3 = 2 (c) Use una aplicaci6n g rafica para graficar los datos y
62. 4x 1 + 4x 2 +4x 3 =5 su funci6n de regresi6n polinomial.
4x 1 - 2x 2 - 8x 3 = I (d) Describa brevemente que tan bien se ajusta la fun-
8x 1 + 2x2 - 4x 3 = 6 ci6n polinomial a los datos.
Uso de la Regla de Cramer En los Ejercicios 63 y 64, lVerdadero o falso? En los ejercicios 73 a 76, determine
utilice una aplicaci6n gnifica o programa de computadora cual de las expresiones es verdadera o falsa. Si la expresi6n
con capacidades matriciales y la Regla de Cramer para resol- es verdadera, proporcione una raz6n o cite una expresi6n
ver (si es posible) el sistema de ecuaciones lineales. adecuada del texto. Si la expresi6n es falsa, proporcione un
63. 0.2x I 0.6X 2 = 2.4 ejemplo que muestre que la expresi6n no es c ierta en todos
los casos o cite del texto una expresi6n adecuada.
-x 1 + l.4x 2 = -8.8
73. (a) El cofactor C22 de una matriz dada siempre es un
64. 4x I - X2 + X3 = - 5 numero positivo.
2x 1 + 2x 2 + 3x 3 = I 0 (b) Si una matriz cuadrada B es obtenida a partir de A
5x 1 - 2x 2 + 6x 3 = por intercambio de dos renglo nes, ento nces det(B) =
det(A).
Encontrar el area de un triangulo En los ejercicios 65 y
(c) Si una columna de una matriz cuadrada es un multi-
66, utilice un determinante para encontrar el area de] trian-
plo de otra columna, ento nces el determinante es 0.
gulo con los vertices dados.
(d) Si A es una matriz cuadrada de orden n, ento nces
65. (1, 0), (5, 0), (5, 8) 66. (- 4, 0), (4, 0), (0, 6)
det(A) = -det(A 7 ) .
Encontrar una ecuaci6n de una recta En los ejercicios
74. (a) Si A y B son matrices cuadradas de orden n tales que
67 y 68, utilice un determinante para encontrar la ecuaci6 n
det(A) = - 1, entonces A y B son no singulares.
de la recta que pasa por los puntos dados.
(b) Si A es una matriz de 3 x 3 con det(A) = 5, entonces
67. (-4,0),(4,4) 68. (2,5),(6,- 1) det(2A) = 10.
Encontrar una ecuaci6n de un piano En los ejercicios (c) Si A y B son matrices cuadradas de orden n, entonces
69 y 70, encuentre la ecuaci6 n de] piano que pasa por los det(A + B) = det(A) + det(B).
puntos dados. 75. (a) En la reg la de Cramer, el valo r de X; es el cociente de
69. (0, 0, 0), (I , 0, 3), (0, 3, 4) dos determinantes, donde el numerador es el deter-
70. (0, 0, 0), (2, - 1, I), (-3, 2, 5) minante de la matriz de coeficientes.
(b) Tres puntos (x 1, y 1), (x2, y 2) y (x3 , y 3) son colineales
71. Uso de la Regla de Cramer Detennine si la regla de si el determinante de la matriz que tiene las coorde-
Cramer es u ada correctamente para resolver la variable nadas como elementos en las primeras dos columnas
indicada. Si no, identifique e l error. y I en la tercera es diferente de cero.
- 1 - 4 - 1
76. (a) Si A es una matriz cuadrada, entonces la matriz de
6 -3 I cofactores de A se llama adjunta de A.
x - 4y - z = - I
l l -4
2x - 3y + z = 6 z= (b) En la regla de Cramer, el denominador es el determi-
J -4 - 1
X + y - 4z = nante de la matriz fonnada al reemplazar la columna
2 -3 I correspondiente a la variable que debe ser resuelta por
I I -4 la columna que representa las constantes.
Capftulo 3 Proyectos 141
3 Proyectos
1 Matrices Estocasticas
En la secci6n 2.5, usted estudi6 el modelo de preferencia de! consum idor para dos compa-
fifas de television satelital. La matriz que representa las probabilidades de cambio era
0.70 0. 15
0. 15]
P = 0.20 0.80 0. 15 .
[
0.10 0.05 0.70
15,000]
X = 20,000
[
65,000
0.70 0.15
0.15] [15,000] [23,250]
PX = 0.20 0.80 0.15 20,000 = 28,750
[
0. 10 0.05 0.70 65,000 48,000
33,287 ]
P 10 x = 47,147
[
19,566
Es decir, para valores grandes den, el producto P"X se acerca al lfrrute X, PX = X.
Debido a que PX = X = IX, I es un eigenvalor de P con el correspondiente eigenvec-
tor X. Eigenvalor es valor propio. Eigenvector es vector propio. Usted estudiara valores y
vectores propios con mas detalle en el Capftulo 7.
1. Utilice una computadora o una calculadora para demostrar que los siguientes son los
valores y vectores propios de P. Es decir, demuestre que Px; = A;X; para i = 1, 2, y 3.
Va/ores propios: A1 = I, ,½ = 0.65, A3 = 0.55
2. Sea S la matriz cuyas columnas son los vectores propios de P. Demuestre que S-- 1PS es
una matriz diagonal D. l Cuales son los e lementos de la diagonal de D?
3. Demuestre que P'' = (SDS- 1) = SD"S- 1• Utlice este resultado para calcular P 10 X y verifi-
car el resu ltado de la secci6n 2.5.
2 Teorema de Cayley-Hamilton
El polinomio caracteristico de una matriz cuadrada A esta dado por el determinante IA/ -
Al. Si el orden de A es n, entonces el polinomio caracterfstico p(A) es un polinomio de grado
n-esimo en la variable A.
Observe que esta es una ecuaci6n matricial. El cero de la derecha es la matriz cero de n x
n y el coeficiente c0 ha sido multiplicado por la matriz identidad I de n x n.
1. Verifique el teorema de Cayley-Ham ilton para la matriz
[ 2 -2]
-2 - ) .
H n
0
I
0
A=[~ ~].
5. El teorema de Cayley-Hamilton puede utili zarse para calcular potencias A" de la matriz
cuadrada A. Por ejemplo, el polinomio caracterfstico de la matriz
-I]
- I
A2 - 2A - / = 0 o A2 = 2A + /.
Asf, A 2 se escribe en term inos de A e /.
A3 = 2A 2 + A = 2(2A + I) + A = SA + 2/
(a) Escriba A 4 en terminos de A e / .
(b) Encuentre A 5 para la matri z
0
2
0 -n
(Sugerencia: encuentre el polinomio caracterfstico de A, luego utilice el teorema de
Cayley-Hamilton para expresar A3 como una combinaci6n lineal de A2 , A e /. De
manera inductiva expreseA 5 como una combinaci6 n lineal de A2, A e /.)
Examen acumulativo de los capftulos 1 a 3 143
I
Examen acumulativo de los capitulos 1 a 3 Consulte www.CalcChat.com para las soluc1ones de los e1erc1c1os nones.
Tome este examen para repasar el material de los capftulos 1 a 3. Cuando haya terminado,
verifique su trabajo contra las respuestas que se proporcionan al final de! libro.
1.
4
y- x = 10 2. sx3 + Ti?7 =2
[:
0 2 - I
2 0 - I
;]
7. Resuelva el sistema lineal homogeneo correspo ndiente a la sig uiente matriz de coefi -
u
cientes.
2
0
l
2
-2]
-4
-4 -2
8. Determine las condiciones de k para las que el sistema es consistente.
X + 2y - Z = 3
-x- y+z=2
- x+ y+z=k
9. Resuelva para x y y en la ecuaci6n matricial 2A - B = I si
A = [ - ~ ~] y B = [: ;]-
7
10. ~ncue~tre A A para la matri z A = [~
s1metr1co.
2
5
!]- Demuestre que este producto es
ni ;
En los ejercicios 11 a I4, encuentre la in versa de la matriz (si existe).
11. [
-2
4
!] l3. 1
En los Ejercicios 15 y 16, util ice una matriz in versa para resolver el sistema de ecuaciones
l4. H l
6
1
lineales.
15. X + 2y = - 3 16. 2x - y = 6
X - 2y = 0 2x + y = 10
144 Capitulo 3 Determinantes
17. Encuentre una secuencia de matrices e lementales c uyo producto es la siguiente matriz
no singular.
A-H
- 2
-8
0 -~]
21. Si IAI = 7 y A es de orden 4, entonces encuentre cada detenninante.
(a) l3AI (b) IATI (c) IA- 1 1 (d) IA 3 1
A-[~ =~ -ii
para encontrar A- 1•
23. Sean x ., x2 , x 3 y b las matrices columna mostradas abajo.
200 300]
A = 600 350
[
250 400
aii representa el numero de unidades del modeo i que el fabricante envfa al almacen j.
B = [12.50 9.00 21.50]
representa los precios de los tres modelos en d61ares por unidad. Encuentre el pro-
ducto BA y declare que representa cada elemento en la matriz.
29. Sean A, B y C tres matrices den x n diferentes de cero tales que AC= BC. i,Esto indica
Figura para 27 que A = B? Demuestre su respuesta.
4 Espacios vectoriales
4.1 Vectores en R'1
4.2 Espacios vectoriales
4.3 Subespacios de espacios vectoriales
4.4 Conjuntos generadores e independencia lineal
4.5 Basey dimension
4.6 Rango de una matriz y sistemas de ecuaciones lineales
4.7 Coordenadas y cambio de base
4.8 Aplicaciones de espacios vectoriales
VECTORES EN EL PLANO
En ffsica e ingenierfa, un vector es caracterizado por dos cantidades (longitud y sentido) y
es representado por un segmento de recta dirigido. En este capftulo, usted vera que estos
son s6lo dos tipos especiales de vectores. Sus representaciones geometricas le ayudaran a
comprender la definici6n mas general de un vector.
Un vector en el piano se representa geometricamente por un segmento de recta
dirigido cuyo punto iniciaJ es el origen y cuyo punto terminal es el punto (xi, x 2), como
se muestra en la figura 4. 1.
y
(x i, x2)
• Punto
final
COM ENTARIO
El termino vector se deriva del
latin vectus, que quiere decir
"llevar o transportar" . La idea
es que si usted quiere llevar Punto inicial
algo desde el origen hasta el
punto (x1, x2 ), el viaje puede Figura 4.1
representarse por el segmento
de recta dirigido de (0, 0) a (x1 ,
x2 ). Los vectores se representan
Este vector se representa por el mismo par ordenado usado para representar su punto
con letras minusculas negritas terminal. Es decir, x = (xi, x 2). Las coordenadas Xi y x2 se denominan componentes del
(como u , v , w y x ). vector x. Dos vectores en el piano u = (ui, u2) y v = (vi, v2) son iguales si y s6lo si ui =
Vi y U2 = V2,
a. Use un segmento de recta dirigido para representar los siguientes vectores en el piano.
(a) u = (2, 3) (b) v = (-l , 2)
b. Para representar v = (-1 , 2), dibuje un segmento desde el origen de! punto (-1 , 2),
como se muestra en la figura 4.2(b).
y
a. )'
b.
3
-+--+----+-----I-+- X
2 3 -2 - i
Figura 4.2
4.1 Vect ores en Rn 147
y
OPERACIONES VECTORIALES
y -4 -4 -4
CV
• Figura 4.4
V
La segunda operaci6n vectorial fundamental se denomi na multiplicaci6n escalar.
c>O Para multiplicar un vector v por un escalar c, cada una de las componentes de v se multi-
-----+------+- X
plica por c. Es decir,
CV = c(v,, V2) = (cvi, CV2) -
Recuerde de! capftu lo 2 que el termino escalar se uti liza para denotar un numero real.
Hist6ricamente, este uso surgi6 de! hecho de que al multiplicar un vector por un numero
y real se modifica la "escala" de! vector. Por ejemplo, si el vector v se multiplica por 2,
entonces el vector resultante 2v es un vector que tiene la misma direcci6n que v y dos
veces su longitud. En general, para un escalar c, el vector cv es c veces mas grande que v.
ademas, si c es positivo, entonces cv tiene la misma direcci6n que v, y si c es negativo,
entonces cv y v tienen direcciones opuestas. Lo anterior se muestra en la figura 4.5.
El producto de un vector v por el escalar - 1 se denota por
- v = (- l )v.
El vector - v se denomina negativo de v. La diferencia de u y v se define como
u - v= u +(- v)
Figura 4.5 y se dice que v se ha restado de u.
148 Capitulo 4 Espacios vectoriales
DEMOSTRACION
La demostraci6 n de cada propiedad es una aplicaci6n directa. Po r ejemplo, para demostrar
la propiedad asociati va de la suma vectorial puede escribir
COM ENTARIO
Observe q ue la p ro piedad aso- (u + v) + w = [(u ,, u2) + (v 1, v2 ) ] + (w 1, w2)
ciativa de la su ma vectorial per- = (u, + 11,, U2 + V2) + (w ,, W2)
mite esc ribir sin am biguedad
expresiones como u + v + w = ((u 1 + v1) + w1, (u2 + v2 ) + w2 )
porque se obt iene el m ism o = (u, + (v, + w1), u2 + (v2 + w2 ))
resultado sin importar cual
suma se efectue pri mero. = (u,, U 2) + (v , + w,, V2 + W2)
= u + (v + w).
De manera semejante, para demostrar la propiedad distributiva de la multiplicaci6n escalar
sobre la adici6n puede escribir.
(c + d)u = (c + d)(u,, u 2 )
= ((c + d)u 1, (c + d)u 2 )
= (cu , + du 1, cu 2 + du 2 )
= (cu,, cu 2 ) + (du ,, du 2 )
=cu + d u .
Las demostraciones de las otras ocho propiedades se dejan como ejercicio. (Vease el ejer-
cicio 57.)
4.1 Vect ores en Rn 149
VECTORES EN R"
El analisis de los vectores en el piano puede extenderse al analisis de vectores en el espa-
cio n-dimensional. Un vector en el espacio-n se representa por una n-ada ordenada. Por
ejemplo, una tercia ordenada es de la forma (x 1, x 2, x 3), una cuadrupla ordenada tiene la
forma (xi, x 2, x 3 , x4 ) y una 11-ada ordenada general es de la forma (x 1, x 2, x3, .•. , x 11). El
conjunto de todas la n-adas se denomina espacio 11-dimensional y se denota por R".
R' = espacio I-dimensional = conjunto de todos los numeros reales
R 2
= espacio 2-dimensional = conj unto de todos los pares ordenados de numeros reales
R3 = espacio 3-dimensional = conjunto de todas las tercias ordenadas de numeros reales
( I , - I , 6) z con los x 1 como sus componentes. Como con los vectores en el piano (o R2), dos vectores
en R" son iguales si y s6lo si los componentes correspondientes son iguales. [En el caso
den = 2 on = 3, la notaci6n familiar (x, y) o (x, y, z) se usa ocasionalmente.]
A continuaci6n se definen la suma de dos vectores en R" y el multiplo escalar de un
vector en R". Estas operaciones se denominan operaciones estandar en R".
X 4 4 y
U + V = (u , + v,, U2 + Vz, U 3 + V3, . . . , u/1 + v,)
y el multiplo escalar de u por c se define como el vector
cu = (cu I , CU2, CU3, . . . , cu,).
Figura 4.7
UECTOR:U 3 a. Para sumar dos vectores, se suman sus componentes correspondientes como se muestra
e1 = -1 a continuaci6n.
e.:=0
e:::=1 u + v = (- 1, 0, 1) + (2, - 1, 5) = (1 , - 1, 6)
b. Para multiplicar un vector por un escalar, cada una de sus componentes se multiplica
..____ _ _[> por el escalar, como sigue:
2u = 2(- 1, 0, I)= (-2, 0, 2)
c. Con el resultado de! inciso (b), se obtiene v - 2u = (2, - 1, 5)- (-2, 0, 2) = (4, - 1, 3).
En la figura 4.7 se muestran graficamente estas operaciones vectoriales en R 3.
150 Capitulo 4 Espacios vectoriales
1. u + v es un vector en R 11
• Cerradura bajo la suma
2. U + V = V + U Propiedad conmutativa de la suma
3. (u + v) + w = u + (v + w) Propiedad asociativa de la suma
4. u + 0 = u Propiedad del identico aditivo
5. u + (- u) = 0 Propiedad del inverso aditivo
6. cu is a vector in R 11
• Cerradura bajo la multiplicaci6n por un escalar
William Rowan Hamilton 7. c(u + v) = cu + cv Propiedad distributiva
(1805-1865) 8. (c + d)u = cu + du Propiedad distributi va
Considerado el matematico 9. c(du) = (cd)u Propiedad asociativa de la multiplicaci6n
irlandes mas importante. En 10. l(u) =u Propiedad del identico multiplicativo
1828 public6 un sorprendente
tra bajo de 6ptica titulado Una
teoria de sistemas de rayos. Aplicando las 10 propiedades dadas en el teorema 4.2 usted puede realizar manipulaciones
En el, Hamilton incluy6 algu- algebraicas con vectores en R" casi de la mis ma manera en que se hace con numeros reales,
nos de sus propios metodos
como se demuestra en el siguiente ejemplo.
para trabajar con sistemas de
ecuaciones lineales. Tambien
introdujo la noci6n de la J EJEMPLO 5 Operaciones vectoriales en R4
ecuaci6n caracteristica de
una matriz (vease la Secci6n Sean u = (2, - 1, 5, 0), v = (4, 3, I, - 1) y w = (-6, 2, 0, 3) vectores en R4 . Encuentre el
7.1 ). El trabajo de Hamilton
valor de x.
condujo al desarrollo de la
notaci6n vectorial moderna. a. x = 2u - (v + 3w)
Hoy en dfa aun utilizamos su
b. 3(x + w) = 2u - v + x
notaci6n i, j y k para los vec-
tores unidad estandar en R3 SOLUCION
(vease la Secci6n 5.1 ).
a. Con las propiedades enumeradas en el teorema 4.2 se obtiene
x = 2u - (v + 3w)
= 2u - v - 3w
= 2(2, -1 , 5, 0) - (4, 3, I, - l) - 3(-6, 2, 0, 3)
= (4, -2, 10, 0) - (4, 3, I, - 1) - (- 18, 6, 0, 9)
= (4 - 4 + 18, -2 - 3 - 6, 10 - I - 0, 0 + I - 9)
= (18, -1 1,9, -8).
b. Se empieza por despejar x como se muestra a continuaci6n.
3(x + w) = 2u - v + x
3x + 3w = 2u - v + x
3x - x = 2u - v - 3w
2x = 2u - v - 3w
x = ½(2u - v - 3w)
COM ENTARIO Sea v un vector en R" y sea c un escalar. Entonces las siguientes propiedades se
En las propiedades 3 y 5 del cumplen.
teorema 4.3 observe que se uti- 1. El identico adi ti vo es unico. Es decir, si v + u = v, entonces u = 0.
lizan dos ceros diferentes: el 2. El inverso aditivo de v es unico. Es decir, si v + u = 0, entonces u = - v.
escalar O y el vector 0.
- - -t>- 3. Ov =0
4. cO = 0
5. Si cv = 0, entonces c = 0 o v = 0.
6. -(- v) = V
DEMOSTRACION
Para demostrar la primera propiedad se supone que v + u = v. Entonces los pasos siguien-
tes se justifican por el teorema 4.2.
v+ u= v Dado
(v + u)+(-v) = v +(- v) Sumar - v a ambos ]ados
(v + u)+(- v)= 0 Inverso aditivo
(u + v)+(- v) = 0 Propicdad conmutativa
u +(v +(- v)) = 0 Propiedad asociativa
u + 0=0 Inverso aditivo
u = 0 ldentidad aditiva
u +0 =- v Propiedad conmutativa
u = -v ldentidad adi ti va
U
Ul•21 + rV U2 +
V2l1 rUI V2
+. V11
u+ v= • =
r ~II ~II l/11 + VII
Determinaci6n de la forma componente de un vec- 28. lCual(es) de los siguientes vectores es(son) multiplo(s)
tor En los ejercicios 1 y 2 determine la forma en compo- escalar(es)?
nentes del vector mostrado.
y y
z = (½, -t ¾)?
l. 2. (a) u = (6, - 4, 9)
• (b) v = (- I , t -~)
4 4
Operaciones vectoriales En los ejercicios 29 y 30,
• encuentre (a) u - v, (b) 2(u + 3v) y (c) 2v - u.
2
29. U = (4, 0, -3 , 5), V = (0, 2, 5, 4)
X
-6 -4 -2
.r 30. U = (0, 4, 3, 4, 4), V = (6, 8, - 3, 3, - 5)
2 4
Demuestre que el conjunto de todas las matrices de 2 x 3 con las operaciones de suma de
matrices y multiplicaci6n escalar es un espacio vectorial.
COM ENTARIO
De la misma forma en que se SOLUCION
puede demostrar que el con- Si A y B son matices de 2 X 3 y c es un escalar, entonces A + B y cA tambien son matrices
junta de tadas las matrices de 2
de 2 X 3. Por consiguiente, el conjunto es cerrado bajo la suma de matrices y la multipli-
X 3 es un espacio vectoria l,
tambien puede demostrar que caci6n escalar. Ademas, los otros ocho axiomas de los espacios vectoriales se concluyen
el conjunto de todas las matri- directamente de los teoremas 2. 1 y 2.2 (vease la secci6n 2.2). Por tanto, puede concluir que
ces de m X n, denotada par el conjunto es un espacio vectorial. Los vectores en este espacio tienen la forma
Mm.n, es un espacio vectorial.
Cl
a = A= [
11
C/2 1
P,, se define como el conj unto de todos los polinomios de grado menor o igual que n
(i unto con el polinomio cero). El procedimiento usado para comprobar que P 2 es un espa-
c io vectorial puede extenderse para demostrar q ue P,,, con las operaciones estandar de
suma polinomial y multiplicaci6n escalar, es un espacio vectorial.
DEMOSTRACION
Para demostrar estas propiedades, la restricci6n es aplicar solamente los 10 axiomas que
definen un espacio vectorial. Por ejemplo, para demoslrar la segunda propiedad, del
axioma 4 se observa que O = 0 + 0. Esto permite escribir los pasos siguientes.
cO = c(O + 0) Identidad aditiva
cO =cO +cO Propiedad dist ributiva por la izquierda
cO + (-cO) = (cO + cO) + (-cO) Suma de - cO a ambos !ados
cO + (-cO) = cO + [cO + (-cO)] Propiedad asociativa
O =cO + O Inverso aditi vo
0 = cO ldentico aditivo
Para demostrar la tercera propiedad, se supone que cv = 0. Demostrar que esto implica ya
*
sea c = 0 o v = 0, supone que c 0. (Si c = 0, no hay nada que demostrar.) Ahora, dado
que c ct:- 0, se usa el recfproco l/c para demostrar que v = 0 como sigue.
[
en direcci6n vertica l. Es deci r, el sistema tiene un unico grado de
LINEAL libertad. Cuando se jala la masa hacia abajo y despues se libera, el
APLICADA sistema oscilara. Si nose disminuye el sistema, lo que significa que
no hay fuerzas presentes para ralentizar o detener la oscil aci6n, ento n-
ces el sistema oscilara indefinidamente. Al aplicar la Segunda Ley del
Movimiento de Newton a la masa, se produce la ecuaci6n diferencial
de segundo orden
x "+ w 2x = 0
donde x es el desplazamiento en el tiempo t, y 0 es un a constante fija
llamada la frecuencia natural del sistema. La soluci6n general de esta
ecuaci6n diferencia l es
' - - - - - -[:> i( l ) = ½-
Escalar
I - - -Entero
- - -No entero
El conjunto de todos los po linomios de segundo grado no es un e pacio vecto rial porque
no es cerrado baj o la suma. Para ver esto, considere los polinomios de segundo grado p(x)
= x2 y q(x) = -x2 + x + I, cuya suma es el po linomio de primer grado p(x) + q(x) =
X + 1.
Sea V = ?, el conj unto de todos los pares ordenados de numeros reales, con la operaci6n
estandar de suma y la siguiente definic i6n no esttindar de multiplicaci6n escalar:
e(x 1,x 2 ) = (ex 1, 0)
Demuestre que V no es un espacio vectorial.
SOLUCION
En este ejemplo, la operaci6n de multiplicaci6n escalar no es estandar. Por ejemplo, el
producto de! escalar 2 y de] par ordenado (3, 4) no es igual a (6, 8). En vez de eso, la
segunda compo nente del vecto r es 0,
2(3, 4) = (2 · 3, 0) = (6, 0).
Este ejemplo es interesante porque en realidad satisface los nueve primeros axiomas
(intente demostrar esto). Al verificar este ax ioma observe que con la definic i6n no estandar
de multiplicaci6n escalar se obtiene
1( 1, I)= ( I, 0) -4= ( I, I).
El decimo axioma nose cumple y el conjunto (con las dos operaciones) no es un espacio
vectorial.
4.2 Ejercicios Consulte www.CatcChat.com para las soluciones de los eJerc1cios nones.
Describir la identidad aditiva En los ejercicios J a 6, 25. El conjunto de todas las matrices de 2 x 2 de la forma
describa el vector cero (el identico aditivo) de! espacio vec-
torial dado ..
1. R4 2. C( - CX), CX)) 3. M 2_3
6. M 2_2 con las operaciones estandar.
26. El conj unto de todas las matrices de 2 X 2 de la forma
Describir el inverso aditivo En los ejercicios 7 a 12,
describa el inverso aditivo de un vector en el espacio vecto-
rial dado.
8. C( - CX), CX)) 9. M 2,3 con las o peraciones estandar.
11. P3 12. M 22
27. El conjunto de todas las matrices de 3 X 3 de la forma
Pruebas para un espacio vectorial En los ejercicios 13 a
a 34, determine si e l conj unto dado, jun to con las operaciones
0
indicadas, es un espacio vectorial. En caso negativo, identifi-
f
que por lo menos uno de los 10 axiomas de espacios vecto-
riales que no se cumpla. con las operacio nes estandar
13. M 4 _6 con las operaciones estandar. 28. El conjunto de todas las matrices de 3 X 3 de la forma
14. Mu con las operaciones estandar. a
15. El conjunto de todos los polinomios de tercer grado con I
las operaciones estandar. f
16. El conj unto de todos los polinomios de quinto grado con
con las operaciones estandar.
las operaciones estandar.
29. El conjunto de todas las matrices singulares de 2 X 2
17. El conj unto de todas la funci ones polinomiales de primer
con las operaciones estandar.
grado ax, a * 0, cuyas graficas pasan por el origen con
las operaciones estandar 30. El conjunto de todas las matrices no singulares de 2 X 2
con las operaciones estandar.
18. El conjunto de todas las funciones polinomiales de pri-
mer grado ax + b, a t,. 0, cuyas graficas no pasan po r el 31. El conjunto de todas las matrices diagonales de 2 X 2
origen con las operaciones estandar. con las operaciones estandar.
19. El conjunto de todos los polinomios de cuarto grado o 32. El conjunto de todas las matri ces tri angul ares superiores
menos con las operaciones estandar de 3 X 3 con las operaciones estandar.
20. El conjunto de todas las funciones cuadraticas cuyas gra- 33. C[0, 1], el conjunto de todas las funciones continuas
ficas pasan po r el origen con las operaciones estandar. definidas sobre el intervalo [0, 1) , con las operaciones
estandar.
21. El conjunto
34. C[- 1, I], el conjunto de todas las funciones conlinuas
{ (x, y): x ~ 0, yes un numero real} definidas en el i nterva]o [-1, l], con las operaciones
con las operaciones estandar en R2 . estandar
22. El conjunto 35. En vez de aplicar las definiciones estandar de suma y
multiplicaci6n escalar en R2, suponga que estas dos ope-
{(x,y): x ~ O,y ~ O} raciones se definen como sigue.
con las operaciones estandar en R2 . (a) (x 1,Y1) + (x2,Y2) = (x1 + X2,Y1 + Y2)
23. El conjunto e(x, y) = (ex, y)
{(x, x): x es un numero real } (b) (xi, y,) + (x2, Yi) = (xi, 0)
e(x, y) = (ex, ey)
con las operaciones estandar.
(c) (x ,, y 1) + (x2,Y2) = (x1 + X2,Y1 + Y2)
24. El conjunto
c(x, y) = ( Jcx, ✓cy)
{(x, ½x): x es un numero real}
Con estas nuevas definic iones, l R2 es un espacio vecto-
con las operaciones rial? Justifique sus respuestas.
4.2 Ejercicios 161
36. En vez de aplicar las de finicio nes estandar de suma y 42. Sea R(X) el conjunto de todas las sucesiones infinitas de
multiplicaci6n escalar en R3, suponga que estas dos ope- numeros reales, con las o peraciones
raciones se definen como sig ue. U + V = (u,, U2 , U3, . . . ) + (v,, V2, V3, . . . )
(a) (x 1,y 1,z 1) + (x 2,Y2,Z2) = (u 1 + v1, U2 + V2, U 3 + V3, . . . )
u= v d.
LVerdadero o falso? En los ejercicios 45 y 46, determine
(a) Describa las condiciones bajo las cuales un con- cual de las expresio nes es verdadera o falsa. Si la expresi6n
junto puede clasificarse como un espacio vectorial. es verdadera, proporcione una raz6n o cite una expresi6n
(b) Proporcione un ejemplo de un conjunto que es un adecuada de! texto. Si la ex presi6n es falsa, proporcione un
espacio vectorial y un ejemplo de un conjunto que ejemplo que muestre que la expresi6n no es cierta en todos
no es un espacio vectori al. los casos o cite del texto una expresi6n adecuada.
41. Sistema masa-resorte La masa de un sistema masa- 45. (a) Un espacio vectorial consta de cuatro elementos: un
resorte (vease la fi gura) se jala hacia abajo y despues se conj unto de vectores, un conjunto de escalares y dos
libera, provocando que el sistema oscile de acuerdo con operacio nes.
x(t) = a 1 Sen wt + a 2 Cos wt (b) El conjunto de todos los enteros con las operacio nes
estandar es un espacio vectori al.
donde x es el desplazamiento en el tiempo t, a 1 y a 2 son
(c) El conjunto de LOdas las tercias ordenadas (x, y, z) de
constantes arbitrarias, y w es una constante fija. De mues-
numeros reales, donde y :::::: 0, con las operacio nes
tre que el conjunto de todas las funciones x(t) es un
estandar en R 3 es un espacio vectorial.
espacio vectorial.
46. (a) Para demostrar que un conjunto no es un espacio
vectorial, es suficiente demostrar que uno de los
axiomas no se cumple.
(b) El conjunto de todos polinomios de primer grado
con las o peraciones estandar es un espacio vecto rial.
(c) El conjunto de todos los pares de numeros reales de
la forma (0, y), con las operaciones estandar en R2 ,
es un espacio vectorial.
47. Prueba Demuestre la propiedad I del teorema 4.4.
48. Prueba Demuestre la propiedad 4 del teorema 4.4.
162 Capitulo 4 Espacios vectoriales
SUBESPACIOS
En muchas de las aplicac iones importantes del algebra lineal los espacios vectori ales ocu-
rren como subespacios de espacios mas grandes. Por ejemplo, se vera que el conjunto
soluci6n de un sistema homogeneo de ecuac iones lineales en n variables es un subespacio
de R". (vease el teorema 4.16).
Un s ubconjunto no vacfo de un espacio vectorial es un subespacio si es un espacio
vectorial (con las mismas operaciones definidas en e l espacio vectori al original), como se
COM ENTARIO establece en la siguiente definici6n.
Observe qu e si W es un subes-
pacio de V, debe ser cerrado Definici6n de subespacio de un espacio vectorial
bajo las operaciones inherentes
a V. Un subconjunto no vacfo W de un espacio vectorial se denomina subespacio de V si
W es un espacio vectorial baj o las operacio nes de suma y multi plicaci6n escalar
definidas en V.
, EJEMPLO 1 Un subespacio de R3
'
DEMOSTRACION
La demostrac i6n del teorema en una direcci6n es directa. Es decir, si W es un subespacio
de V, entonces W es un espacio vecto rial y deber ser cerrado bajo la suma y la multiplica-
ci6n escalar.
4.3 Subespacios de espacios vectoriales 163
Para demostrar el teorema en la o tra direcci6n, se supone que Wes cerrado bajo la suma
y la multiplicaci6n escalar. observe que si u, v y w estan W, entonces automaticamente
tambien estan en V. Por consiguiente, los ax iomas 2, 3, 7, 8, 9 y IO que definen los espacios
COM ENTARIO vectoriales se cumplen automaticamente. ademas, debido a que W es cerrado bajo la adici6n
Observe que si W es un subes- y la multiplicaci6n escalar, se concluye que para cualquier v en W y un escalar c = 0, cv =
pacio de un espacio vectorial V, 0 y (- l )v = - v ambos estan en W, por tanto, satisfacen los ax iomas restantes 4 y 5.
entonces tanto W como V
deben tener el mismo vector Dado que un subespacio de un espacio vectorial es en sf un espacio vectorial, ento nces
...______C>
cero O (vease el ejercicio 55).
debe contener e l vector cero. De hecho, el subespacio mas simple de un espacio vecto rial
es aquel que consta solamente def vector cero, W = {0} . Este subespacio de denomina
subespacio cero. Otro subespacio obvio de V es V mismo. todo espacio vectorial posee
estos dos subespacios triviales, y Ios subespacios diferentes a estos se denominan subes-
pacios propios (o no triviales).
A + B = [~ ~]
es no singular (invertible). Asf, W no es cerrado bajo la suma y por el teorema 4.5 se puede
concluir que no es un subespacio de M2_2
164 Capitu lo 4 Espacios vectoriales
Demuestre que W = {(xi , x 2) : Xi;::,= 0 y x 2 ;::,= 0}, con las operaciones estandar, no es un
subespacio de R2 .
SOLUCION
Este conj unto es no vacfo y cerrado bajo la suma. Sin embargo, no es cerrado bajo la multi-
plicaci6n escalar. Para ver lo anterior, advierta que ( 1, 1) esta en W, pero el multiplo escalar
(-1)(1, 1) = (-1, -1) no pertenece a W. Por consiguiente, W no es un subespacio de R2.
A menudo encontrara series de subespacios anidados entre sf. Por ejemplo, considere
los espacios vectoriales P0 , Pi, P 2, P3 , . . . , y P,, donde Pkes el conjunto de todos los poli-
no mios de grado menor o ig ual que k, con las operaciones estandar. Es faci l demostrar que
sij 5 k, entonces Pj es un subespacio de Pk. asf, se puede escribir P0 C Pi C P2 C P3 C .. .
c P,,. (En el ejercicio 45, se le pedira que demuestre esto.) Otros casos de s ubespacios
anidados se describen en el ejemplo 5.
Sea W 5 el espacio vectorial de todas las funciones defi nidas en [O, I], y sean W 1, W2 , W 3
y W4 definidas como sigue
Wi = conjunto de todas las funciones polinomiales definidas en el intervalo [0, 1)
W2 = conjunto de todas las funciones derivables en [0, 1)
W3 = conjunto de todas las funciones continuas en [0, 1)
W4 = conj unto de todas las funciones integrables en [0, l]
Demuestre que W1 C W2 C W 3 C W4 C W 5 y que W; es un subespacio de Wj para i 5 j.
SOLUCION
Del calculo se sabe que toda funci6n polinomial es derivable en [0, I]. Por consiguiente,
w, C W2 . ademas, el W2 C W3 porque toda funci6n derivable es continua, W3 C W4 porque
toda funci6n continua es integrable y W4 C W5 porque toda funci6n integrable es, por
supuesto, una funci6n. Como resultado de los comentarios previos, se tiene que Wi C W2
Figura 4.10
C W3 C W4 C W5 , como se observa en la fig ura 4.10. Se deja que usted compruebe que W;
es un subespacio de Wj para i 5 j. (Yease el ejercicio 46.)
En el ejemplo 5, observe que si U, V y W son espacios vectoriales tales que Wes un
COMENTAPIO subespacio de V y V es un subespacio de U, entonces W tambien es un subespacio de U.
El teorema 4.6 esta blece que la Este caso especial de) siguiente teorema establece que la intersecci6n de dos s ubespacios
intersecci6n de dos subespacios
es un subespacio, como se muestra en la figura 4.11.
es un subespacio. En el ejerci-
cio 56 se pide que usted
demuestre que la union de dos TEOREMA 4.6 La intersecci6n de dos subespacios
subespacios no es necesa ria- es un subespacio
mente un subespacio.
Si Vy W son subespacios de un espacio vectorial U, entonces la intersecci6n de Vy
W (denotada por V () W) tambien es un subespacio de U.
DEMOSTRACION
u
Como V y W son subespacios de U, se sabe que ambos contienen el vector cero, lo cual
significa que V () Wes no vacfa. Para demostrar que V () Wes cerrada bajo la suma, sean
v 1 y v2 dos vectores cualesquiera en V () W. Entonces, como Vy W son subespacios de U,
se sabe que ambos son cerrados bajo la suma. Por consiguiente, como v 1 y v2 estan en V,
su suma v 1 + v2 debe estar en V. De manera similar, v 1 + v2 esta en W porque v 1 y v2 estan
en W. Pero esto implica que v 1 + v2 estan en V () W, y se concluye que V () Wes cerrada
Figura 4.11 La intersecci6n de
dos subespacios es un subespacio bajo la suma. Se deja que usted demuestre (con un argumento semejante) que V () W es
cerrada bajo la multiplicaci6n escalar. (Yease el ejercicio 59.)
4.3 Subespacios de espacios vectoriales 165
SUBESPACIOS DE ff'
y R" es una fuente conveniente para ejemplos de espacios vectoriales y el resto de esta sec-
c i6n se dedica a analizar subespacios de R".
2
De las dos rectas del ejemplo 6, la que es un subespacio de R 2 es la que pasa por el
origen. Esto es caracterfstico de los subespacios de R2 . Es decir, si We s un subconjunto de
R2, entonces es un subespacio si y s61o si se cumple una de las siguientes proposic iones.
I. W consta solo de/ punto (0, 0)
2. W consta de todos Los puntos sobre una recta que pasa por el origen.
3. W consta de todo R2.
En la figura 4.13 se muestran graficamente estas tres posibilidades.
.l'
.l' y
2 2
X --+--+-+---+---<>--- x
( I , 0) - 2 -I 2 - 2 -I 2
X
- I -I
-2
W = todos los puntos en una
La circunferencia W = {(0, 0)} recta pasan por el origen
unitaria no es un
(0, -1) Figura 4.13
subespacio de R 2.
Figura 4.14
EJEMPLO 7 Un subconjunto de Ffl que no es un subespacio
COM ENTARIO Demuestre que el subconjunto de R2 que consta de todos los puntos en el cfrculo unitario
Otra forma de decir que el sub- x2 + Y2 = l no es un subespacio.
conjunto mostrado en la figura
4.14 no es un subespacio de R2 SOLUCION
es hacer notar que este no con-
tiene el vector cero (el origen ). Este subconjunto de R2 110 es un subespacio, ya que los puntos ( l , 0) y (0, l) estan en el
.......___ _ _[> subconjunto, pero su suma ( I, 1) no lo esta (vease la figura 4. 14). Por tanto, este s ubcon-
junto no es cerrado bajo la suma.
166 Capitu lo 4 Espacios vectoriales
4.3 Ejercicios Consulte www.CalcChat.com para las soluciones de los eierc1c1os nones.
Verificaci6n de subespacios En los ejercicios I a 6, com- 16. Wes el conjunto de todas las matrices en M 3, 1 de la forma
pruebe que W es un subespacio de V. En cada caso, suponga
que V tiene las operaciones estandar.
[a O Ja-Y.
l. W = {(x 1, x 2 , x 3, 0): xi, x 2 y x 3 son numeros reaJes} 17. W es el conj unto de todas las matrices en M 11_11 con deter-
minantes cero.
V=R 4
18. W es el conjunto de todas las matrices en m tales que
2. W = {(x, y, 2.x - 3y): x y y son numeros reales } A2 = A
V =R 3
19. W es el conjunto de todos los vectores en R2 cuya
3. Wes el conj unto de todas las matrices de 2 X 2 de la forma segunda componente es el cubo de la primera.
20. W es el conjunto de todos los vectores en R2 cuya
segunda compo nente es el cuadrado de la primera.
Hb
V = M 3,2
n 21. El conjunto de todas las funciones positivas: j{x) > 0
22. El conj unto de todas las funcio nes negativas: f (x) < 0
23. El conjunto de todas las funciones pares:f(-x) = f (x)
24. El conjunto de todas las funciones impares:.fl-x) = - flx)
5. Calculo Wes el conjunto de todas las funciones conti- 25. El conjunto de todas las funciones constantes: f(x) = c
nuas en [0, 1]. V es el conjunto de todas las funciones 26. El conjunto de todas las funciones exponenciaJesf(x) =
integrables en [O, l]. a', donde a > 0
6. Calculo Wes el conjunto de todas las funci ones deri- 27. El conjunto de todas las funciones taJes que f(0) = 0
vables en [0, l]. V es el conjunto de todas las funciones 28. El conj unto de todas las funciones taJes que f(0) = 1
continuas en [0, 1].
Determinaci6n de subespacios En los ejercicios 29-36,
Subconjuntos que no son subespacios En los ejercicios determine si el subconjunto de M 11_11 es un subespacio de M,,_ 11
7 a 20, W no es un subespacio de! espacio vectoriaJ dado. con las operaciones estandar.
Compruebe lo anterior por medio de un ej emplo especffico
29. El conjunto de todas las matrices triangulares superiores
que viole la prueba para un subespacio vectorial (teorema 4.5).
den X n.
7. Wes el conjunto de todos los vectores en R3 cuya tercera 30. El conjunto de todas las matrices diagonales de n X n
componente es - 1.
31. El conjunto de todas las matrices den X 11 con elemen-
8. W es el conjunto de todos los vectores en R2 cuya tos enteros.
segunda componente es 1. 32. El conjunto de todas las matrices A de 11 X 11 que con.mu-
9. Wes el conjunto de todos los vectores en R2 cuyas com- tan con una matriz B de n X 11 dada
ponentes son numeros rac ionales. 33. El conjunto de todas las matrices singulares de 11 X 11
10. Wes el conj unto de todos los vectores en R2 cuyas com- 34. El conjunto de todas las matrices invertibles de 11 X n
ponentes son enteros. 35. El conjunto de todas la matrices de 11 X n cuya suma de
11. Wes el conjunto de todas las funciones no negativas en sus elementos es mayor a cero.
C(-oo, oo) . 36. El conjunto de todas las matrices den X 11 cuya traza es
distinta de cero.
12. W es el conjunto de todas las funciones lineales ax + b,
*
a 0, en C(-oo, oo) Determinaci6n de subespacios En Ios ejercicios 37 a
13. W es el conj unto de todos los vectores en R 3 cuyas com- 42, determine si el conjunto Wes un subespacio de R3 con las
ponentes son no negativas. operaciones normaJes. Jusrifique su respuesta.
14. Wes el conj unto de todos los vectores en R3 cuyas com- 37. W = {(x 1, x 2, 0): x 1 y x 2 son numeros reaJes}
ponentes son pitag6ricas triples. 38. W = {(x 1, x 2, 4): x 1, y x 2 son numeros reaJes}
15. Wes el conjunto de todas las matrices en M3_3 de la forma 39. W = {(a, b, a + 2b): a y b son numeros reales}
a 40. W = {(s, s - t, t): s y t son numeros reales}
0 41. W = {(x 1,x 2,x 1x 2): x 1 y x2 son numeros reales}
f 42. W= {(x 1, l/x 1,x 3 ): x 1 yx3 sonnumeros reaJes,x 1 i: 0}
168 Capitulo 4 Espacios vectoriales
lVerdadero o falso? En los ejercicios 43 y 44, determine 51. Demostraci6n guiada Demuestre que un conjunto
cual de las expresiones es verdadera o falsa. Si la expresi6n W no vacio es un subespacio de un espacio vectorial V si
es verdadera, proporcione una raz6n o cite una expresi6n y s6lo si ax + by es un elemento de W, donde a y b son
adecuada de) texto. Si la expresi6n es falsa, proporcione un escalares cualesquiera, y x e y estan en W.
ejemplo que muestre que la expresi6n no es cierta en todos Inicio: suponga que Wes un subespacio en una direcci6n
los casos o c ite del texto una expresi6n adecuada. y demuestrelo aplicando los axiomas de cerradura que
43. (a) Todo espacio vectorial V contiene al menos un sub- colocan a ax + by en W. En la otra direcci6n, suponga
espacio que es el subespacio nulo. que a x + by es un elemento de W para todas las escalares
(b) Si Vy W son subespacios de un espacio vectori al U, a y b y todos los vectores x e y en W, y compruebe que W
entonces la intersecci6n de V y W es tambien un es cerrado baj o la suma y la multiplicaci6n escalar.
subespacio. (i) Si W es un subespacio de V, entonces use la cerra-
(c) Si U, Vy W son espacios vectoriales tales que Wes
dura de la multiplicaci6n escalar para demostrar
un subespacio de V y U es un subespacio de V,
que ax + by esta en W. Utilice la cerradura bajo la
entonces W = U.
suma para obtener el resultado deseado.
44. (a) Todo espacio vectorial V contiene dos subespacios
(ii) En contraparte, suponga que a x + by esta en W.
propios que son el subespacio nulo y V mismo.
Con una asignaci6n ingeniosa de valores especifi-
(b) Si Wes un subespacio de R 2 , entonces W debe con-
cos para a y b, demuestre que W es cerrado bajo la
tener al vector (0, 0).
suma y la multiplicaci6n escalar.
(c) Si W es un subespacio de un espacio vectorial V,
entonces tiene cerradura bajo la adici6n como se 52. Sean x, y y z vectores en un espacio vectorial V.
define en V. Demuestre que el conjunto de todas las combinaciones
45. Considere los espacios vectoriales lineales de x, y y z W = {ax + by + cz: a, b y c son
escalares} es un subespacio de V. Este subespacio se
Po, Pi, P2, . .. , P,,
denomina generador de (x, y, z).
donde Pk es el conjunto de todos los polinomios de grado
menor o igual a k con las operaciones estandar. Demues- 53. Prueba Sea Auna matriz fij a de 2 X 3. Demuestre que
tre que si j :5 k, entonces Pj es un subespacio de Pk. el conj unto
46. Calculo Sean W 1, W2 , W3, W4 y W5 , definidos como en 3
el Ejemplo 5. Demuestre que W1 es un subespacio de Wj
W = {x E R : Ax = [~]}
para i :5 j.
no es un subespacio de R3.
47. Calculo Sea F(-oo, oo) el espacio vectorial de funcio-
54. Prueba Sea A una matriz fija de m X n. Demuestre
nes de valor real definidas en la recta real completa.
que el conjunto W = {x E R" : Ax = 0} es un subespa-
Demuestre que cada uno de los siguientes es un subes-
cio de R".
pacio de F(-oo, oo).
(a) C(-oo, oo) 55. Prueba Sea W un subespac io de! espacio vectorial V.
(b) El conjunto de todas las funciones diferenciables J Demuestre que el vector nulo en V es tambien e l vector
definidas en la recta de numeros reales nulo en W.
(c) El conjunto de todas las funciones diferenciables f 56. De un ejemplo que demuestre que la uni6n de dos sub-
definidas en la recta de numeros reales que satisfacen espacios de un espacio vectorial V no necesariamente es
la ecuaci6n diferenciall - 3f = 0 un subespacio de V.
48. Calculo Determine si el conjunto 57. Prueba Sean A y B matrices fij as 2 X 2. De muestre
que el conjunto W = { X : XA B = BA X} es un subespa-
S= {rE C[0, I]: L J(x) dx = 0} c io de M 2,2•
es un subespacio de C[0. l ]. Demuestre su respuesta. 58. Prueba Sean Vy W dos subespacios del espacio vec-
49. Sea W el subconjunto de R3 que consta de todos los torial U.
puntos en una recta que pasa por el origen. Tai recta (a) Demuestre que el conjunto
puede representarse con las ecuaciones parametricas
V + W = {u : u = v + w donde v E V y w E W}
x = at, y = bt y z = ct.
es un subespacio de U.
Utilice estas ecuaciones para demostrar que W es un
subespacio de R3•
(b) Describa V + W si Vy W son subespacios de U =
R 2: V = {(x, 0): x es un numero real} y W = {(0, y):
yes un numero real }.
[;> SO. 00[§GYiJ&iJ'[g Explique por que es suficiente 59. Prueba Complete la demostraci6n del teorema 4.6
probar la cerradura a fin de establecer que un sub-
al probar que la intersecci6n de dos subespacios de
conjunto no vacfo de un espacio vectorial es un
un espacio vectorial es cerrada bajo la multiplicaci6n
subespacio.
escalar.
4.4 Conjuntos generadores e independencia li neal 169
A menudo, uno o mas vectores en un conjunto dado pueden expresarse como combi-
nac iones lineales de otros vecto res en el conj unto. Esta posibilidad se ilustra con los ejem-
plos 1, 2 y 3.
2] [- II
0 '
3] [-2
2 ' l
v 1 es una combinaci6n lineal de v2, v3, y v4 porque
v1 = v2 + 2v3 - V4
= [~ ~] + 2[-:
= [~ ~].
En el ejemplo I fue facil verifi car que uno de los vectores en el conjunto S es una
combinaci6n lineal de los otros vectores, porque se contaba con los coeficientes adecuados
para formar la combinaci6n lineal. En e l siguiente ejemplo se muestra un procedi-
miento para determinar los coeficientes.
170 Capitu lo 4 Espacios vectoriales
-n
0 - I
[~ I
0
2
0
Asf, este sistema tiene un numero infinito de soluc iones, cada una de la forma
c, = I + /, C2 = - I - 2,, C3 = /.
Para obtener una soluci6 n, podrfa hacerse q ue t = I. Entonces, c3 = 1, c 2 = -3 y c 1 = 2,
y se tiene que
w = 2v 1 - 3v2 + v3 .
Otras elecciones para t producen otras ma ne ras de expresar w como una combinaci6n
lineal de v 1, v2 y V3.
c, - C3 = I
2c 1 + c2 = - 2
3c1 + 2c2 + c3 = 2.
La matriz a ume ntada de este siste ma se reduce a
0 - 1
1 2
0 0
A partir del tercer re ngl6n se concluye que e l s istema de ecuaciones es inconsiste nte y, por
tanto, no hay soluci6n. Asf que w no puede expresarse como una combinac i6n lineal de v 1,
Vz, y V3.
4.4 Conjuntos generadores e independencia lineal 171
CONJUNTOS GENERADORES
Si todo vector en un espacio vectorial puede expresarse como una combinaci6n lineal de
vectores en un conj unto S, entonces se dice que S es un conjunto generador del espacio
vectorial.
a. El conjunto S = {(1, 0, 0),(0, 1, 0), (0, 0, 1) genera a R3, ya que cualquier vector u =
(u 1, u2 , u 3) en R3 puede escribi rse como
u = u 1(1, 0, 0) + uz(0, 1,0) + ui 0, 0, 1) = (u 1, u 2, u 3 ) .
b. El conjunto S = {1, x, x 2 } genera a P 2, ya que c ualquier polinomio p(x) = a + bx +
cx 2 en P 2 puede expresarse como
p(x) = a(I) + b(x) + c(x 2 )
=a + bx + c.x 2 .
Al comparar los conjuntos de vectores en los ejemplos 5 y 6, se observa que los con-
juntos son los mismos excepto por una dife rencia aparenteme nte insignificante e n el tercer
vector.
SI = {( I, 2, 3), (0, I, 2), (-2, 0, I)} Ejemplo 5
S2 = {( I, 2, 3), (0, I, 2), (- I, 0, I)} Ejemplo 6
Figura 4.16 El siguie nte teorema establece que la generaci6n de cualquier s ubconjunto de un espacio
vectorial es un subespacio de V.
DEMOSTRACION
Para demostrar que gen(S), el conj unto de todas las combinaciones lineal es de v 1, v2, . . . ,
vk, es un subespacio de V, demuestre que es cerrado bajo la suma y la mul tiplicaci6n esca-
lar. Considere dos vectores cualesquiera u y v en gen(S),
2c 1 + c2 =0
3c 1 + 2c2 + c3 = 0
La matriz aumentada de este sistema se reduce por eliminac i6n de Gauss-Jordan como se
muestra a continuaci6n.
0 - 2 0 0
I 0 I 0
2 0
Esto implica que la unica soluci6n es la trivial, c 1 = c2 = c 3 = 0. Por tanto, S es linealmente
independiente.
S = {l + x - 2x 2,2 + Sx - x 2 ,x + x 2 }
SOLUCION
Al desarrollar la ecuaci6n c 1v 1 + c2v2 + c3 v3 = 0 se obtiene
+ x - 2x 2) + ci2 + Sx - x 2) + cix + x 2 ) = 0 + Ox+
c 1(1 Ox 2
(c, + 2c2 ) + (c, + 5c2 + c3 )x + (-2c 1 - c2 + c3)x2 = 0 + Ox+ Ox 2 .
u - I
2
5
0 2
l
0
0
I
3
0
Esto implica que e l sistema tiene infinidad de soluciones. Por consiguiente, e l sistema debe
tener soluciones no triviales y puede concluirse que el conjunto S es linealmente depen-
diente.
Una soluci6n no trivial es
c1 = 2, c2 = - 1, y C3 =3
lo que da como resultado la combinaci6n lineal no trivial
(2)(1 + x - 2x 2) + (- 1)(2 + Sx - x 2) + (3)(x + x 2 ) = 0.
SOLUCION
A partir de la ecuaci6 n c 1v 1 + c 2v2 + c 3v3 = 0 se obtiene
s - {v,
SOLUCION
v,. v,. v,} l
-{[-!rn JI r-rn
DEMOSTRACION
Para demostrar el teorema en una direcci6n, se supone que S es un conjunto linealmente
dependiente. Entonces, existen escalares c 1, c2, c3, .. • , ck (no todos iguales a cero) tales
que
c, v, + C2V 2 + C3 V3 + ... + ckvk = 0.
Debido a que uno de Los coeficientes debe ser diferente de cero, ninguna generalidad se
pierde al suponer c 1 *
0. Entones, al despejar v 1 como una combinaci6n lineal de los
demas vectores se obtiene.
En e l otro sentido, suponga que el vector v 1 en S es una combinacion lineal de los demas
vectores. Es decir,
v, = + C3V3 + · · · + ckv k.
C2V 2
S = { I + x - 2x 2 , 2 + 5x - x 2 , x + x 2 }
es [jnealmente dependiente. Demuestre que uno de los vectores de este conjunto puede
escribirse como una combinaci6n lineal de los otros dos.
SOLUCION
En el ejemplo 9 se determin6 que la ecuaci6n c 1v 1 = c2 v2 + c3 v3 = 0 produce e l s istema
C1 + 2c2 =0
c1 + 5c2 + c3 = 0
-2c 1 - c2 + c 3 = 0.
Este sistema tiene un numero infinito de soluciones, dadas por c3 = 3t, c2 = - t y c 1 = 2t.
al hacer t = I se obtiene la ecuaci6n 2v 1 - v 2 + 3v3 = 0. Por consiguiente, v 2 puede escri-
birse como una combinaci6n lineal de v 1 y v3 como se muestra a continuac i6n.
v2 = 2v 1 + 3v3
Al comprobar se obtiene
2+ 5x - x 2 = 2(1 + x - 2x 2) + 3(.x + x 2 ) = 2 + 5x - x 2 .
El teorema 4.8 tiene un corolario practico que proporciona una prueba simple para
determinar si dos vectores son linealmente dependientes. En el ejercicio 73 se pide que
COM ENTARIO demuestre dicho corolario.
El vector cero siempre es un
multiplo escalar de otro vector TEOREMA 4.8 Corolario
en u n espacio vectorial.
Dos vectores u y v en un espacio vectorial V son linealmente dependientes si y s6lo
.....___ ______,[ > si uno de ellos es un multiplo escalar del otro.
Comprobaci6n de la dependencia
EJEMPLO 13
lineal de dos vectores
a. b.
3 6
2 4
-2
X y
Figura 4.17
178 Capitulo 4 Espacios vectoriales
Combinaciones lineales En los ejercicios I a 4, deter- 23. S = {( -2, 5, 0), (4, 6, 3)}
mine si cada vector puede expresarse como combinaci6n 24. S = {( I, 0, I), ( I, I, 0), (0, I, I)}
lineal de los vectores en S.
25. S= {( I, - 2, 0), (0, 0, 1), (-1 , 2, 0)}
1. S = {(2, - 1, 3), (5, 0, 4) }
26. S = {( I, 0, 3), (2, 0, - 1), (4, 0, 5), (2, 0, 6)}
(a) z = ( -1, -2, 2) (b) v = ( 8, - I 27)
4, 4
(c) w = (1, -8, 12) (d) u = (1, 1, - 1) 27. Determine si e l conjuntoS = {1,x2,x2 + 2 ) genera a P2.
2. S = {(1, 2, - 2), (2, - 1, 1)} 28. Determine si el conjunto
(a) z = (-4, -3, 3) (b) v = (-2, -6, 6) S = {x 2 - 2x, x 3 + 8, x 3 - x 2, x 2 - 4}
(c) w = (- 1, - 22, 22) (d) u = (I, -5, -5) genera P 2.
3. S = {(2, 0, 7), (2, 4, 5), (2, -12, 13)} Pruebas para independencia lineal En los ejercicios 29
(a) U = (-1 , 5, -6) (b) V = (-3, 15, 18) a 40, determine si el conj unto S es linealmente dependiente o
(c) w = (½, ½) t (d) z = (2, 20, - 3) independie nte.
4. S = {(6, -7, 8, 6), (4, 6, -4, I)} 29. S = {(- 2, 2), (3, 5)}
(a) u = (-42, 113, - 112, -60) 30. S = {(3, - 6), (- 1, 2) }
(b) v = ( 49 99 19)
2• 4, -14, 2 31. S = {(0, 0), ( I , - 1)}
(c) w = ( -4, - 14, 227 , 853) 32. S = {(1, 0), (1, I), (2, - 1)}
(d) z = (8, 4, - 1, .If) 33. S = {(1, -4, 1), (6, 3, 2)}
34. S = {(6, 2, I), (- I, 3, 2)}
Combinaciones lineales En los ejercicios 5 a 8, para las
matrices
35. S = {( I, I, 1), (2, 2, 2), (3, 3, 3)}
u.
= {(¾, ½, (3, 4, ~). (- t 6, 2)}
[2 -3] [o 5] 36. S
A = y B= 37. S = {( -4, - 3, 4), (l , -2, 3), (6, 0, 0)}
4 I I - 2
38. S = {(l , 0, 0), (0, 4, 0), (0, 0, -6), (1, 5, -3)}
en M 2.2. determine cuales de las siguientes son combinacio-
nes lineales de A y 8. 39. S = {(4, -3, 6, 2), (1, 8, 3, L), (3, -2, - 1, 0)}
5. [ 6 -19]
10 7
6 [6
• 9
40. S = {(0 , 0, 0, I), (0, 0, I, I), (0, I, I, I), ( I, I, I, I)}
Demostraci6n de dependencia lineal En los ejercicios Demostraci6n En los ejercicios 61 y 62, demuestre que el
49 a 52, demuestre que e l conjunto dado es lineal mente conjunto de vectores es linealmente independiente y genera a R3
dependiente al hallar una combinaci6n lineal no trivial (de 61. B = {( I, I, 1), (1, I, 0), ( 1, 0, 0)}
vecto res en el conjunto) cuya suma sea el vector nulo. Luego,
exprese uno de los vectores del conjunto como una combina-
62. B = {( 1,2,3),(3,2, 1),(0,0, I)}
c i6 n lineal de los demas. 63. Demostraci6n guiada Demuestre que un subcon-
49. S = {(3, 4), (- 1, 1), (2, O)} junto no vacfo de un conjunto finito de vecto res lineal-
mente independientes es linealmente independiente.
50. S = {(2, 4), (- 1, -2), (0, 6)}
Inicio: necesita demostrar que un subconjunto de un
51. S = {( I, I , 1), (I , I, 0), (0, I , 1), (0, 0, I)} conjunto linealmente independiente de vectores no
52. S = {(1,2,3, 4),( l, 0, l ,2),(1, 4,5, 6)} puede ser linealmente dependiente.
53. i,Para que valores de t los siguientes conjuntos son (i) Suponga que S es un conjunto de vectores lineal-
linealmente independientes? mente independientes. Sea Tun subconjunto de S.
(a) S = {(t, 1, 1), (1, t, 1), (1, 1, t)} (ii) Si T es linealmente dependiente, entonces existen
( b) S = {(t, I , I), ( I , 0 , 1), (1, 1, 3t)} constantes no todas ig uales a cero que satisfacen la
ecuacion vectorial c 1v 1 + c2 v2 + ... + ckv k = 0.
54. i,Para que valores de t los siguientes conjuntos son
(iii) Use este hecho para deducir una contradiccion y
linealmente independientes?
concluir que Tes linealmente independiente.
(a) S = {(t, 0, 0), (0, 1, 0), (0, 0, l )}
(b) S = {(t, t, t), (t, I , 0), (t, 0, I)} 64. Prueba Demuestre que si S1 es un subconjunto no
vacfo de! conjunto finito de S2, y S 1es linealmente depen-
55. Prueba Complete la demostraci6n de! teorema 4.7.
di ente, entonces tambien S2 es linealmente dependiente.
C> 56. 00[§[!YA]£i1[g Por inspecci6n, determine por
que cada uno de los siguientes conjuntos es lineal-
65. Prueba Demuestre que cualquier conjunto de vectores
que contenga al vecto r cero es linealmente dependiente.
mente dependiente 66. Prueba Dado que {u 1, u2, . . . , u11 } es un conj unto de
(a) S = {(I , -2), (2, 3), (- 2, 4)} vectores linealmente independientes, pero el conjunto
(b) S = {( I, - 6, 2), (2, -1 2, 4)} { u 1, u2 , . . . , u11 , v } es linealmente dependiente, demues-
(c) S = {(0, 0), (I, 0)} tre que v es una combinacion lineal de los u;.
67. Prueba Sea {v 1, v2, . .. , vd un conjunto de vectores
Generaci6n del mismo subespacio En los ejercicios 57 linealmente independiente en un espacio vectorial V.
y 58, determine si los conjuntos S 1 y S2 generan el mismo Elimine el vector vk de este conjunto y demuestre que el
subespacio de R3. conjunto {v 1, v2, . . . , vk- l } no puede generar a V.
57. SI = {( I, 2, -1 ), (0, I , 1), (2, 5, -1 )} 68. Prueba Cuando V es generado por {v 1, v2, . . . , vd y
S2 = {(-2, - 6, 0), (1, I , - 2) } uno de estos vecto res se puede escribir como una com-
58. S1 = {(0, 0, 1),(0, I, 1),(2, I, t)} binaci6n lineal de los otros vectores k - I , demuestre que
el s ubespacio generado por estos k - I vectores tambien
S2 = {( l , 1, I), (1, 1, 2), (2, 1, I )} es V.
,Verdadero o fatso? En los ejercicios 59 y 60, determine 69. Prueba Sea S = {u, v} un conjunto linealmente inde-
cual de las expresiones es verdadera o falsa. Si la expresion pendiente. Demuestre que el conjunto {u + v, u - v} es
es verdadera, proporcio ne una razon o cite una expresion linealmente independiente.
adecuada de! texto. Si la expresion es falsa, proporcione un
70. Sean u, v y w tres vectores cualesquiera de un espacio
ejemplo que muestre que la expresion no es cierta en todos
vectorial V. Determine si el conjunto de vectores {v - u,
los casos o cite de! texto una expresion adecuada.
w - v, u - w} es linealmente independiente o lineal-
59. (a) Un conjunto de vecto res S = (v 1, v2 , . . . , vk) en un mente dependiente.
espacio vectorial es linealmente dependiente si la
71. Prueba Sea A una matriz no singular de orden 3.
ecuacion vectorial c 1v 1 + c 2v 2 + ... + ckv k = 0
Demuestre que si {v 1, v2, v3 } es un conjunto linealmente
tiene solo la soluc i6n trivial.
independiente en M3 , 1, entonces el conjunto {Av 1, Av2 ,
(b) El conjunto S = {(l, 0, 0, 0), (0, -l , 0, 0), (0, 0, 1,
A v3 } es linealm ente independiente tambien. Explique, por
0), (0, 0, 0, I)} genera R4.
medio de un ejemplo, por que esto no se cumple si A es
60. (a) Un conjunto S = (v 1, v2, . . . , vk), k ~ 2, es lineal-
singular.
mente independiente si y solo si al menos uno de los
vectores v j puede escribirse como una combinacion 72. Escriba i,Bajo que condiciones un conj unto que consta
lineal de los otros. de un solo vector es linealmente independiente?
(b) Si un subconjunto S genera un espacio vectorial V, 73. Demostraci6n Demuestre el corolario de! teorema
entonces todo vector en V puede escribirse como una 4.8: dos vectores u y v son linealmente dependientes si
combinacion li neal de los vectores en S. y solo si uno es multiplo escalar de otro.
180 Capitulo 4 Espacios vectoriales
Esta definicion no implica que todo espacio vectorial tiene una base que consta de un
numero finito de vectores. Sin embargo, en este texto, el analisis de bases esta restringido
a aquellas que estan formadas por un numero finito de vectores. Ademas, si un espacio
vectorial V tiene una base que consta de un numero fmito de vectores, entontes V es de
dimension finita. En caso contrario, V es de dimension infinita. [El espacio vectorial P
de todos los polinomios es de dimension infinita, asf como e l espacio vectorial C(- oo, oo)
de todas las funciones continuas definidas sobre la recta real.] El espacio vectorial V = {O}
solo tiene al vector nulo y es de dimension finita.
(0, 0, I) SOLUCION
En el ejemplo 4 (a) de la seccion 4.4 se demostro que S genera R3. Ademas, S es lineal-
mente independiente porque la ecuacion vectorial
X )'
c1 = c2 = c3 = 0.
Figura 4.18 (intente comprobar esto.) Por tanto, S es una base de R3 (vease la figura 4.1 8).
La base S = {( I , 0, 0), (0, I , 0), (0, 0, I ) } se denomina base estandar de R3. Este
resultado puede generalizarse para el espacio n-dimensional. Es decir, los vectores
e1 = (1, 0,. . , 0)
C2 = (0, 1, . . , 0)
C1 + C2 = X l
c 1 - c2 = X2
Dado que la matriz de coeficientes de este sistema tiene un determinante diferente de cero,
se sabe que el sistema tiene soluci6n unica. Por consiguiente, puede concluir que S genera
a R2 .
Para demostrar que S es linealmente independiente, considere la siguiente combina-
ci6n lineal.
c 1v 1 + c2v2 = 0
c 1(1 , 1) + cz(l , - 1) = (0, 0)
(cl + Cz, c, - Cz) = (0, 0).
Al igualar las componentes correspondientes resulta el siguiente sistema homogeneo.
c1 + c2 = 0
C1 - l'z = 0.
COM ENTARIO
La base S = {1, x, x2, x3} se Se dice que este polinomio de tercer grado es identicamente igual a cero. Del algebra,
denomi na base estandar de P3 .
usted sabe que para que un polinomio sea identicamente igual a cero todos sus coefic ientes
De manera se m ejant e, la base
est anda r de Pn es deben ser nu los; es decir,
S = {1, x, x 2 , . . . , x"}. ao = a1 = Gi = a 3 = 0.
Por tanto, S es linealmente independiente y, en consecuencia, es una base de P 3.
El conjunto
es una base M 2 ,2 . Ese conj unto se denomina base estandar de M2 _2 . De manera semejante,
la base estandar del espacio vectorial M,,,_11 consta de las mn distintas matrices de m X n
que tienen solo un I y todos los demas elementos son iguales a cero.
DEMOSTRACION
La parte de la demostraci6n de existencia es directa. Es decir, debido a que S genera a V, se
sabe que un vector u arbitrario en V puede expresarse como u = c 1v 1 + c 2v2 + . . . + c11vn-
Para demostrar la unicidad (que un vector dado puede representarse solo de una
manera), suponga que u tiene otra representaci6n
u = b1v1 + b2 v2 + · · · + b v,,. 11
DEMOSTRACION
Sea S1 = {u 1, u2, . . . u111 ) cualquier conjunto de m vectores en V, donde m > n. Para
demostrar que S1 es linealmente dependiente, es necesario encontrar escalares k 1, k2, . . . ,
k 111 (no todos cero) tales que
Ecuaci6n I
Como S es una base de V, puede concluirse que cada u;es una combinaci6n lineal de vec-
tores en S
u, = c 11 v 1 + C21 V2 + + c,,, v ,,
Como la base estandar de R" cons ta den vectores, por el teorema 4.10 se concluye que
todo conjunto de vectores en R" que contenga mas de n vectores debe ser linealmente
dependiente. Otra consecuencia importance del teorema 4. 10 se da en el siguiente teorema.
DEMOSTRACION
Sea S 1 = {vi, v2, ... v,,, } la base dada de Vy sea S2 = {u i, u 2, ... u,,,} cualquier otra base
de V. Dado que S 1 es una base y S2 es linealmente independiente, entonces el teorema 4.10
implica que m :s n. De manera semejante, n :s m porque S 1 es linealmente independiente
y S2 es una base. En consecuencia, n = m.
Utilice el teorema 4. 11 para explicar por que cada uno de los enunciados siguientes es
verdadero.
a . El conjunto S = {(3, 2, 1),(7, - 1, 4)) no es una base de R3.
b. El conj unto S2 = {x + 2, x 2, x3 - I, 3x + I, x 2 - 2x + 3} no es una base de P 3.
SOLUCION
a . La base estandar de R3 tiene tres vectores y S 1 tiene solo dos. Por canto, por el teorema
4.1 1, S 1 no puede ser una base de R3•
b. La base estandar de P 3, S = {1, x, x2, x3 ), tiene cuatro elementos. Asf, por el teorema
4. 11 , el conjunto S2 tiene demasiados elementos para ser una base de P3 .
ALGEBRA El modelo de co lor RGB usa la teoria de que todos los colores visibles
son combinaciones de los colores rojo (r), verde (g ) y azul (b ), conoci•
LINEAL dos como los colores aditivos primarios. Usando la base estandar
APLICADA para R3, donde r = (1, 0, 0), g = (0, 1, O) y b = (0, 0, 1), cualquier color
visible puede representarse como una combinaci6n lineal c1 r + c2 g +
c3 b de los colores aditivos primarios. Los coeficientes C; son son valo-
res entre O y un maximo a especificado, inclu ido. Cua ndo c1 = c2 = c3 ,
el color esta en escala de grises, con ci = 0 q ue representa negro y
c; = a que representa blanco. El modelo de colo r RGB se usa comun-
mente en monitores de computadoras, telefonos inteligentes, televi-
siones y otros equipos electr6nicos.
Chemetskry/Shutterstock com
4.5 Base y dimension 18 5
V1 V2 V3 V4 V5
0 0 0 0
2 l 0 0 0
S= - ) 3 , 2 0 0
3 - 2 - I 2 0
4 3 5 -3 -2
SOLUCION
Como S con st a de cinco vectores y la dimension de M 5 , 1 es 5, puede aplicar el teorema 4.12
para verificar que S es una base al demostrar linealmente independiente o que S genera a
M5, 1. Para demostrar lo primero, se forma la ecuacion vectorial c 1v 1 + c2v2 + c3v3 + c4 v4
+ c5v5 = 0, que produce el siguiente sistema de ecuaciones lineales homogeneo.
C1 =O
2c 1 + C2 =O
-c 1 + 3c2 + 2c3 =O
3c 1 - 2c2 - c3 + 2c4 =0
4c 1 + 3c2 + 5c3 - 3c4 - 2c5 =0
Como de este sistema tiene como unica solucion la trivial, S debe ser linealmente indepen-
diente. Asf, por el teorema 4. 12, S es una base de M5_1.
4.5 Ejercicios 187
Escribir la base estandar En los ejercicios I a 6, escriba Determinar si un conjunto es una base En los ejerci-
la base estandar para el espacio vectorial dado. cios 29 a 32, determine si el conj unto {v 1, v2 } es una base de
1. R6 2. R4 R2.
y )'
3. M 2.4 4. M 4 _1 29. 30.
5. P4 6. P2 •
vi
Escriba En los ej ercicios 7 a 14, explique por que S no es X
27. S = {[~ ~l[~ ~l[_! -:J} cios 45 y 46, detemline si S es una base de M2,2.
45. S = {[~
28. S = {[~ ~l[~ ~]} 46. S = {[ - ~ -7] [ 4 -9]
2 ' 11
[ 12 -
12 ' 17 42
16]}
188 Capitulo 4 Espacios vectoriales
Determinar si un conjunto es una base En los ej erci- LVerdadero o falso? En los ejercicio s 7 l y 72, detennine
cios 47 a 50, de te rmine si S es una base de R 3. Si es asf c ual de las expresiones es verdadera o falsa. S i la expresi6n
escriba u = (8, 3, 8) como una combinaci6n lineal de los es verdadera, proporcione una raz6n o cite una expresion
vectores en S. adecuada del texto. Si la expresi6n es falsa, proporcione un
47. S = {(4, 3, 2), (0, 3, 2), (0, 0, 2)} ejemplo que muestre que la expresi6n no es cierta e n todos
los casos o cite del texto una expres ion adecuada.
48. S = {(I, 0, 0), ( L, I, 0), (I, I, J)}
71. (a) Si dim(V) = n, e ntonces hay un conj unto de n - L
49. S = {(0, 0, 0), (1, 3, 4), (6, 1, -2)} vectores en V que generan a V.
so. s = {(½, ~, 1), (1, ½, o), (2, 12, 6)} (b) Si dim(V) = n, e ntonces hay un conjunto den + I
vectores en V que generan a V.
Determinar la dimension de un espacio vectorial En 72. (a) Si dim(V) = n, e nto nces c ualquier conjunto den +
los ejercicios 5 l a 56, determine la dimensi6n de! espacio I vectores e n V deber ser linealme nte dependiente.
vectorial dado. (b) Si d im(V) = n, e nto nces c ualquie r conjunto den - l
51. R6 52. R vectores en V deber ser linealme nte independiente.
53. P7 54. P4 73. Prueba Demuestre que si S = {vi, v2, ... , v11 } es una
base de un espacio vectorial Vy c es un escaJar no nulo,
55. M 2 _3 56. M 3 _2
entonces el conjunto S1 = {cv 1, cv 2, . • . , cv11 } tambien
57. Determine una base de D 3_3 (el espac io vectorial de codas es una base de V.
las matrices diagonales de 3 X 3). i,Cual es la dimens i6n 74. Prueba Demues tre el teorema 4.12
de este espacio vectorial? 75. Prueba Demuestre que si W es un subespacio de un
espacio vectorial V de dimension finita, e nto nces
58. Encuentre una base del espacio vectorial de codas las
dim(W) :5 dim(V).
matrices si metricas de 3 X 3. i,Cual es la dimensi6n de
este espacio vectorial?
59. Encuentre todos los subconjuntos del conjunto
r> 76. 00 [g ffi'AJ~TI' [g
(a) Un conjunto S1 consta de dos vecto res de la forma
S = {(1 , 0), (0, 1), (1, l )} u = (u. 1, u.2, u3). Explique por que S1 no es una base
que Forman una base para R2. de R 3.
60. Enc uentre todos los subconjuntos del conjunto (b) Un conjunto S 2 consta de cuatro vectores de la
forma u = (ui, u 2, u 3) . Explique por que S 2 no es
S = {( 1, 3, -2), (-4, I , I ), (-2, 7, -3), (2, 1, I )} una base de R 3.
q ue Forman una base para R3. (c) Un conjunto S3 consta de tres vectores de la form a
61. Encuentre una base de R2 que contenga al vector (2, 2). u = (u i, u2 , u 3 ). Determine las condicio nes bajo las
62. Encuentre una base de R3 que contenga a los vectores c uales S 1 es una base de R 3 .
(l , 0, 2) y (0, 1, I). 77. Prueba Sea S un conjunto de vectores linealme nte inde-
pendiente de! espacio vectorial V de dimensi6n finita.
Descripcion geometrica, base y dimension En los
Demuestre que existe una base para V que contiene a S.
ejercicios 63 y 64, (a) proporcione una descripci6n geome-
78. Demostracion guiada Sea S un conjunto generador
trica de, (b) encuentre una base, y (c) determine la dimens i6n
para el espacio vectorial V de dimensi6n finita. Dem ues-
del subespac io W de R2 .
tre que existe un subconj unto S' de S que forma una base
63. W = {(2t, t): t es un numero real} para V.
64. W = {(0, t): t es un numero real } Jnicio: S es un conjunto generador, pero quiza no sea una
base debido a que puede ser linealmente dependiente.
Descripcion geometrica, base y dimension En los Usted necesita eliminar los vectores extra para que e l
ejercicios 65 y 66, (a) proporcione una descripci6n geome- subconjunto S' sea un conjunto generador y sea tambien
trica de, (b) e nc uentre una base para, y (c) determine la linealme nte indepe ndiente.
dime nsi6n del subespacio W de R3. (i) Si S es un conj unto lineaJmente independiente, no
65. W = {(2t, t, - t): t es un numero real } hay nada que demostrar. En caso contrario, eli mine
66. W = {(2s - t, s, t ): s y t son numeros reales } algun vector v de S que sea una combinacion lineal
de otros vectores en S 1•
Base y dimension En los ejercicios 67 a 70 encuentre (a) (ii) Designe este conjunto como S 1• Si S 1 es linealmente
una base para, y (b) la dimension de! subespacio W de R4. independie nte, no hay nada que demostrar. En caso
61. W = {(2s - t, s, t, s): s y t son numeros reales} contrario, continue eliminando vectores dependien-
tes hasta que se produzca un subconjunto S' lineal-
68. W = {(St, -3t, t, t): t es un numero real }
mente independiente.
69. W = {(O, 6t, t, - t): t es un numero real } (iii) Concluya que este subconjunto es el conj unto
70. W = {(s + 4t, t, s, 2s - t): s y t son numeros reales} mfnimo generador S'.
4.6 Range de una matriz y sistemas de ecuaciones lineales 189
a1,,]
a2,,
ail
a 2,
r(/12
a 22
a,,.]
a 2,.
1
Para la matriz A =[ O - l ] , los vectores reng16n son (0, I , -I) y (-2, 3, 4),
- 2 3 4
Recuerde que dos matrices son equivalentes por renglo nes si una puede obte nerse a
partir de la otra al aplicar operaciones elementales en los renglones. El siguiente teorema
establece que las matrices equivalences por renglones tienen el mismo espacio rengl6n.
190 Capitu lo 4 Espacios vectoriales
COM ENTARIO
TEOREMA 4.13 Las matrices equivalentes por renglones
Observe que el teorema 4.13
establece que el espacio ren- tienen el mismo espacio rengl6n
gl6 n de una matriz no se modi-
Si una matriz A de m X n es equi valente por renglones a una matriz B de m X n,
fica por la aplicaci6 n de opera-
ciones elem entales en los entonces el espacio rengl6n de A es igual al espacio rengl6n de B.
renglones. Sin embargo, estas
pueden modificar el espacio
DEMOSTRACION
columna.
Como los renglones de B pueden obte nerse a partir de los renglones de A mediante operacio-
nes elementales en los renglones (multiplicaci6n escalar y suma), se concluye que los vecto-
res rengl6n de B pueden expresarse como una combinaci6n lineal de los vectores rengl6n de
A. Los vectores rengl6n de B pertenecen al espacio rengl6n de A, el subespacio generado por
los vectores rengl6n de B esta contenido en el espacio rengl6n de A. Pero tambien es c ierto
que los renglones de A pueden obtenerse a partir de los renglones de B mediante la aplicaci6n
de operaciones elementales en los renglones. Por tanto, se puede concluir que los dos espa-
cios rengl6n son subespacios uno de! otro, lo que los hace iguales.
Si la matriz B esta en forma escalonada por renglones, entonces sus vectores rengl6n
diferentes de cero constituyen un conjunto linealmente independiente. (Intente comprobar
esto). En consecuencia, forman una base de! espacio rengl6n de B y por el teorema 4. 13,
tambien forman una base del espacio rengl6n de A. Este importante resultado se establece
en el siguiente teorema.
Para encontrar una base del espacio columna de una matriz A usted tiene dos opciones.
En una, puede usar el hecho de que el espacio columna de A es igual al espacio rengl6n de
AT y aplicar Ia tecnica de! ejemplo 2 a la matriz Ar _ En la otra opci6n, observe que aun
c uando operaciones con renglones pueden cambiar el espacio columna de una matriz, no
pueden cambiar las relaciones de dependencia entre las columnas. (Se le pide que demues-
tre este hecho en el ejercicio 75.) Por ejemplo, considere las matrices equivalentes por
renglones A y B de! ejemplo 2.
I 3 I 3 I 3 I 3
0 I I 0 0 I I 0
A = -3 0 6 - I B= 0 0 0 1
3 4 -2 I 0 0 0 0
2 0 -4 - 2 0 0 0 0
31 32 33 34 b l b2 b3 b4
0 - I -2 0 0 0 0
Asf, w 1 = (1, 0, -3, 3, 2), w 2 = (0, I, 9, -5, - 6) y w 3 = (0, 0, I, - 1, - 1) Forman una base
de! espacio reng16n de Ar_ Esto equivale a afi rmar que los vectores columna
[l 0 -3 3 2)7, [0 1 9 - 5 -6f y [0 0 1 - 1 - l f forman una base del
espacio columna de A.
192 Capitu lo 4 Espacios vectoriales
Note que la base para el espacio columna obtenido en el eje mplo 5 es diferente del obte-
nido en el 4. Verifique que estas bases generen el rnismo espacio columna de A.
Tambien note en los Ejemplos 2, 4, y 5 que el espacio rengl6n como el espacio
columna de A tienen djmensi6n igual a 3 (ya queen ambas bases hay Ires vectores). Esto
se generaliza con el siguiente teorema.
DEMOSTRACION
Sea v 1, v2, . . . , y v,,, los vectores rengl6n y u 1, u2, . . . y u,, los vectores columna de la
matriz
G12
a2,,
a," 1
A= a~1
[""
a,:,1
G22
a,,,2 a,;,,,
Suponga que e l espacio rengl6n de A es de dimension r y que tiene una base S = {b i, b 2,
... , b,}, donde b; = (bn, b;2 , . . . , b;,,). Uti lizando esta base, puede escribir los vectores
renglon de A como
VI = +
C11 b 1 C12b 2 + · ·+ C1rb ,
V2 = C21 b 1 + C22b 2 + . .+ C2, b ,
a 11 c 11 b 11 + c 12 b21 +· ·+ c,,br1
a2, c2 , h1 J + c22h2, + . .+ c2,b,,
ento nces el sistema para la j -esima colu mna puede reescribirse en una forma vecto rial
como
uj = b 1j c 1 + b2j c 2 + · · · + b,j c, .
Agrupando todos los vectores columna se obtiene
u , = [a,1 Gi,. + h21C2 + . . + h,1c,
. a1111F = b11 c 1
U2 = [a, 2 Gi2 . . a,,aF = h12C 1 + b 22C2 + . . + b,2c,
COMENTARIO Por consig uiente, ambas dimensio nes deben ser iguales.
A lgu nos textos distinguen
entre el rango reng/6n y el La dimensio n del espacio renglon (o columna) de una matriz se denomina el rango de la
rango columna de una m atriz. matriz.
Sin em ba rgo, debido a que
estos rangos son iguales (teo-
rem a 4.15), este texto no esta- Definici6n del rango de una matriz
blece ning una d isti nci6n entre
---
ambos. [> La dimension de! espacio renglon ( o columna) de una matriz A se llama rango de A
y se denota por rango(A).
3 0
Como B tiene tres renglo nes diferentes de cero, e ntonces el rango de A es 3.
194 Capitulo 4 Espacios vectoriales
DEMOSTRACION
Como A es una matriz de m X 11, se sabe que x es de tamaiio n X 1. asf el conj unto de todas
las soluciones de este sistema es un subconjunto de R". Este conjunto claramente es no
vacfo, debido a que AO = 0. Puede comprobar que este es un subespacio demostrando que
es cerrado bajo las operaciones de suma y multiplicaci6n escalar. Sean x 1 y x 2 dos vectores
soluci6n del sistema Ax = 0 y sea c un escalar. Como Ax 1 = 0 y Ax2 = 0, se sabe que
A(x 1 + x2 ) = Ax 1 + Ax2 = 0 + 0 = 0 Suma
Multiplicaci6n escalar
ALGEBRA El Servicio Postal de las Estados Unidos utiliza c6digos de barras para
representar cierta informaci6n coma c6digos postales y direcciones de
LINEAL entrega. El c6digo de barras CP + 4 que se muestra a la izquierda
APLICADA comienza con una barra larga, tiene una serie de barras cortas y largas
para representar cada digito en el c6digo CP + 4 y un d igito adicional
.....,,_,.,
ms1ouunu1 para verificaci6n de errores, y termina con una barra larga. El siguiente
1(:UICff'l'l« UnSSS..I)
es el c6digo para las digitos.
YOUR COMPANY El digito para verificaci6n de errores es tal que cuando se suma con
2255 YOUR STREET
YOUR CITY NY 13215-5523 las digitos en el c6digo CP + 4, el resultado es un multiplo de 10 (veri-
fique esto, asi coma si el c6digo CP + 4 que se muestra esta correcta-
mente codificado). Algunos c6digos de barras m as sofisticados tam-
bien incl uyen digitos para la correcci6n de errores. De manera
1,,,11,,11,,,1,l,,,11,l,1,,1,l,,l,1,,,l,1,,ll,,,ll,1 analoga, las matrices se pueden usar para verificar e rrores en mensa -
jes transmitidos. La informaci6n en forma de vectores columna se
puede multiplicar par una matriz de detecci6n de errores. Cuando el
producto resultante esta en el espacio nulo de la matriz de detecci6n
de errores, no existen errores en la transmisi6n. De lo contrario, existe
un error en alguna parte del mensaje. Si la matriz de detecci6n de
-[i
2 - 2
6 - 5
A
2 0
SOLUCION
El espacio nulo de A es el espacio soluci6n del sistema homogeneo Ax = 0.
Para resolver este sistema, usted necesita escribir la matriz aumentada [A 0] en la
forma reducida escalonada por renglones. Ya que el sistema de ecuaciones es homogeneo,
la columna del !ado derecho de la matri z aumentada consiste completamente de ceros y no
puede ser cambiada con operacio nes con renglo nes. Esto es suficiente para encontrar la
forma reducida escalonada por renglones de A.
-[i ~ =~ ;] - [~
2 0
0 I
A
0 0
El sistema de ecuac iones correspondiente a la forma reducida escalonada es
+ 3x4 = 0
X3 + x 4 = 0.
Seleccione x 2 y x 4 como variables libres para representar las soluciones en la forma para-
metrica
Esto significa que el espacio soluci6n de Ax = 0 consta de todos los vectores x de la forma
mostrada enseguida.
COM ENTARIO
Aunque las bases del ejemplo 7
demuestran que los vectores Una base para el espacio nulo de A consta de los vectores
generan el conjunto soluci6n,
no prueban que sean lineal-
mente independientes. Cuando
se resuelven sistemas homoge-
neos a partir de la forma escalo-
nada reducida por renglones, el
conjunto generador siempre es
linealmente independiente. (::::> En otras palabras, estos dos vectores son soluciones de Ax = 0 y todas las soluciones de
este sistema homogeneo son combinaciones lineales de los mismos.
DEMOSTRACION
Como A tiene rango r, se sabe que es equivalente por renglones a la matriz B de la forma
escalo nada reducida por renglones con los renglones r diferentes de cero. No se pierde
ninguna generalidad al suponer que la esquina superior izquierda de B tiene la fo rma de la
matriz identidad I , de r X r. Mas aun, como los renglones nulos de B no contribuyen a la
solucion, pueden descartarse de la forma de la matriz B' de r x n, do nde B' = [Ir C] . La
matriz C tiene n - r columnas correspondientes a las variables x, + 1, x, + 2, •.• , x,,. Por
tanto, el espacio solucion de Ax = 0 puede representarse por el sistema
Resolviendo para las primeras r variables en terminos de las ultimas n - r variables pro-
duce n - r vectores en la base de! espacio solucio n. En consecuencia, el espacio solucion
tiene dimensio n n - r.
El ejemplo 8 ilustra este teorema y ademas explora el espacio columna de una matriz.
~
0 -2 l
3.
A= [
- 2 - 1
0
31
3
- I
32
-3
l
9
33
34
0 J 35
b. Determine un subconjunto de los vectores columna de A que forman una base para el
espacio columna de A.
SOLUCION
Sea B la forma escalonada reducida de A.
-2 -2
....
0 1 0 0
A
=H
- I
- 1
3
- 3
I
9 0
l
- 1
J1 8 =[~
1
0
0
3
0
0
0
1
0
-~1
- 1
0
3. Como B tiene tres renglones diferentes de cero, el rango de A es 3. Ademas, el numero
de columnas de A es n = 5, lo cual implica que la nulidad de A es n - rango = 5 - 3 = 2.
b. Debido a que el primero, el segundo y el cuarto vector columna de B son linealmente
independientes, los correspondientes vectores columna de A
DEMOSTRACION
Sea x cuaJquier soluci6n de Ax = b. Entonces, (x - xp) es una soluci6n del sistema ljneal
homogeneo Ax = 0, ya que
A(x - x,,) = Ax - Ax,,= b - b = 0.
Haciendo x,. = x - xp, se tiene x = xP + x,,.
X1 - 2.x3 + X4 = 5
3x 1 + x 2 - 5x3 = 8
x 1 + 2x 2 - 5x 4 =-9
SOLUCION
La matriz aumentada de! sistema Ax = b se reduce como sigue.
0
[i 1
2
El sistema de ecuaciones lineales correspondiente a la matriz reduc ida escalonada por
renglones es
X1 - 2.x3 + X4 = 5
X2 + X3 - 3x4 = - 7.
Haciendo x 3 = s y x 4 = t, se puede escribir un vector soluci6n representativo de Ax = b
como se muestra enseguida.
X =
xi] = [2s-+ 3tt+5]
x2 - 7
- s
=
[- 2]I + r-113 + [- 5]7 = I SU 1 + IU2 + x,,
[x Os + + 0
X3 s + Ot + 0 I
0 t
O 0
0
S
1
4
El teorema final de esta secci6 n describe c6mo el espacio columna de una matri z
puede utili zarse para determinar si el sistema de ecuac iones lineales es consiste nte.
DEMOSTRACION
Para el sistema Ax = b, sean A, x y b la matriz de coeficientes m X n, la matriz columna
de n X I de inc6gnitas, y la matri z de! !ado derecho de m X I, respectivamente. Entonces
ll12 1 1 11 12 1
Ax =
[ G21
a.,
.
ll22 aC½,,,,
· [xx·2 =l X1
a21
•
lli2
[ a ] + X2[a. ] + · ·+ X 11
[ aa2,,
•
,l •
X I + X2 - 3= - l
X
X1 +x3 = 3
3x 1 + 2x 2 - x3 = I.
[A
b] - [: 0
2
l - 1
- 1
l
-;l ..... [~ 0
l
0
-2
0
-~]
Como se muestra arriba, b esta en el espacio columna de A y el sistema de ecuaciones
lineales es consistente.
Vectores rengl6n y vectores columna En los ejercic ios Determinaci6n de una base para el espacio columna y
l a 4, escriba (a) Jos vectores rengl6n y (b) los vectores rango En Jos ejercicios 19-24, encuentre (a) una base de!
columna de la matriz. espacio columna y (b) el rango de la matriz.
2. [6 5 - 1] 19. [ 21 20. [ I 2 3]
3 [4 3
. I -4 4. [
- 2
~ 2
-1
-~i 2
21. [
- I
I
2
2 22. [ 26
4
!~ -1~6
-II
!]
-3
Determinaci6n de una base para un espacio rengl6n y
4
14 -6 -6]
-3
[-f
ran go En los ejercicios 5 a I 0, encuentre (a) una base de! 23.
espacio rengl6n y (b) el rango de la matriz. - 4 I -2
4 - 2 - 2
5. [~ ~] 6. [O -2] 2 4 - 2 I I
2 5 4 -2 2
7. [! -3
2 ~] 24. 4 3
- 4 -1
2
2 2 l
il
-3
0 4 2 -I
8. 10
[: -7 Determinaci6n del espacio nulo de una matriz En los
- 4
6 -6
4
-:] 25. A= [- 6 -
2
~] 26. A = [~ - ~]
4 0 2 3 27. A= [ I 2 3] 28. A= [I 4 2]
2 - I 2 0 I
10. 5
4
2
0
2
2
I
2
- I 29. A = [~
2
~] 30. A=[~
4
0 ~]
2 -2 0 0 l
16. S
(0, -3, 0, 15)}
= {(6, -3, 6, 34), (3, -
(-2, 0, 6, -5)}
2, 3, 19), (8, 3, - 9, 6),
35. A-[~ - 2
6
0
l
2
-l]
4 2
17. S = {(-3, 2, 5, 28), (-6, I , -8, - 1),
l
- 1 l
18. S
(14, - 10, 12, - 10), (0, 5, 12, 50)}
= {(2, 5, -3, -2), (-2, -3, 2, - 5), ( 1, 3, - 2, 2),
~-A -[~ 2
4 2
(- 1, -5, 3, 5)}
200 Capitulo 4 Espacios vectoriales
~ -1~1
Determinaci6n de una base y dimension En los ejer- -5 8
cicios 37 a 46, encuentre (a) la base y (b) la dimensi6n del 3 - 5
espacio soluci6n de! sistema homogeneo de ecuaciones 11 - 19 7 1
lineales.
7 -13 5 -3
37. X - =0 4y 38. X - y = 0
~ ~1
0
3x - l2y = 0 - x + y = 0
l - 2
39. - X + y + Z = 0 0 0 l - 5
3x - y =0 0 0 0 0
2x - 4y - 5z =0
40. 4x - y + 2z = 0 Sistema no homogeneo En los ej ercicios 49 a 54, (a)
determine si el sistema no homogeneo Ax = b es consistente
2x + 3y - z = 0
y (b) si el sistema es consistente, escriba la soluci6n en la
3x + y + z = 0
forma x = x 1, + x p, donde X 1, es una soluci6n de Ax = 0 y x P
41. X - 2y + 3z = 0
es una soluci6n particular de Ax = b
- 3x + 6y - 9z = 0
49. + 3y + lOz = 18
x
42. X + 2y - 4z = 0 + 7y + 32z = 29
-2x
-3x - 6y + l 2z = 0 + 3y + l 4z = 12
- x
43. 3x 1 + 3x 2 + l5x 3 + llx 4 = 0 X + y + 2z = 8
x 1 - 3x 2 + X 3 + X 4 = 0 SO. 2x - 4y + 5z = 8
2x 1 + 3x 2 + 1 lx 3 + 8x 4 = 0 - 7x + 14y + 4 z = - 28
44. 2x 1 + 2x 2 + 4x 3 - 2x 4 = 0 3x - 6y + z = 12
x 1 + 2x 2 + x 3 + 2x 4 = 0 51. 3x - 8y + 4 z = 19
-x 1 + x 2 + 4x 3 -2x4 =0 - 6y + 2 z + 4w = 5
(!) 45. 9x 1 - 4x 2 - 2x 3 - 20x 4 = 0 ~ + 22z + w = 29
12x 1 - 6x 2 - 4x 3 - 29x 4 = 0 X - 2y + 2z 8
3x 1 -2x 2 - 7x 4 =0 52. 3 w - 2x + l 6y - 2 z = - 7
3x 1 - 2x 2 - x3 - 8x 4 = 0 - w + 5x - l4y + I 8z = 29
~ 46. x 1 + 3x 2 + 2x 3 + 22x4 + 13x5 = 0 3v - x + l4y + 2z =
XI + X 3 - 2x4 + X 5 = 0 e s3. XI + 2x 2 + X 3 + X 4 + 5x5 = 0
3x 1 + 6x 2 + 5x 3 + 42x4 + 27x 5 = 0 -5x 1 - 10x 2 + 3x 3 + 3x 4 + 55x 5 =-8
Rango, nulidad, bases e independencia lineal En los x 1 + 2x 2 +2x 3 -3x 4 - 5x 5 = 14
ejercicios 47 y 48, use el hecho de que las matrices A y B son - x 1 - 2x 2 + x 3 + x 4 + 15x5 =-2
equivalentes por renglones. (?) 54. 5x 1 - 4x 2 + 12x 3 - 33x 4 + 14x 5 = -4
(a) Determine el rango y la nulidad de A. -2x 1 + x2 - 6x 3 + 12x 4 - 8x 5 = I
(b) Determine una base para el espacio nulo de A. 2x 1 - x2 + 6x 3 - 12x 4 + 8x 5 = - I
(c) Determine una base del espacio rengl6n de A.
Consistencia de Ax = b En los ejercicios 55 a 58, deter-
(d) Determine una base del espacio columna de A .
mine si b pertenece al espacio columna de A. Si es asf,
(e) Determine si los renglones de A son o no linealmente
escriba b como una combinaci6n lineal de Ios vectores
independientes.
columna de A.
(f) Sean las columnas de A denotadas por 3i, 3 2, 3 3, 3 4 y 3 5 .
i,Cual de los siguientes conjuntos es (son) linealmente
independientes?
55. A = [-I 4 ~J b = [!]
56. A = [-I _:J
(i) (ii) (iii)
2 b = [:]
H nb=m
2 0 0
47. A = rj 5 1 I 0 3
7 2 2 -2 57. A = 1
9 3 - 1 4 1
nb=Ul
0 3 0 -4 3
1 - 1 0 2 58.A = H l
B = r~ 0
0
0
0
l
0
-2
0
0
4.6 Ejercicios 20 1
59. Prueba Demuestre que si A no es c uadrada, entonces l Verdadero o falso 7 En los ejercicios 69-7 L, determine
los vectores renglon de A o los vectores columna de A cual de las expresiones es verdadera o falsa. Si la expresion
forman un conjunto linealmente dependiente. es verdadera, proporcione una raz6n o cite una expresion
60. De un ejemplo donde se demuestre que el rango del adecuada del texto. Si la expresi6n es falsa, proporcione un
producto de dos matrices puede ser menor que el rango ejemplo que muestre que la expresi6n no es cierta en todos
de cualquiera de las dos matrices. los casos o cite del texto una expresi6n adecuada.
61. De un ejemplo de matrices A y B del mismo orden tales que 69. (a) El espacio nulo de A tambien se denomina espacio
(a) rango(A + 8 ) < rango(A) y rango(A + 8 ) < rango(B) soluci6n de A.
(b) rango(A + 8 ) = rango(A) y rango(A + B) = rango(B) (b) El espacio nulo de A es el espacio soluci6n del sis-
(c) rango(A + 8) > rango(A) y rango(A + 8 ) > rango(B). tema homogeneo Ax = 0.
62. Prueba Demuestre que los vectores renglon diferentes 70. (a) Si una macriz A de m x n es equivalente por renglo-
de cero de una matriz en forma escalonada por renglones nes a una matriz B de III X 11, entonces el espacio
son linealmente independientes. rengl6n de A es equi valente al espacio renglon de B.
63. Sea A una matriz de m X 11 (donde m < 11) cuyo rango es r. (b) Si A es una matriz de m X 11 de rango r, ento nces la
dimension del espacio solucion de A x = 0 es m - r.
(a) l,Cual es el mayor valor que puede tener r?
(b) l,Cuantos vectores hay en una base del espacio ren- 71. (a) Si una matriz B de m X 11 puede ser obtenida a partir
glon de A? de operaciones elementales con renglones en una
matriz A de III X 11, entonces el espacio columna de
(c) l,Cuantos vectores hay en una base del espacio
B es igual al espacio columna de A.
columna de A?
(b) El sistema de ecuaciones lineales Ax = b es incon-
(d) l,Cual espacio vectorial Rk tiene como subespacio el
sistente si y s61o si b esta en el espacio columna de
espacio renglon?
A.
(e) l,Cual espacio vectorial Rk tiene como subespacio el
espacio columna? (c) El espacio columna de la matriz A es igual al espacio
rengl6n de AT_
64. Demuestre que los tres puntos (xi, y 1),(x2, Y2) y (x3 , y3)
en un piano son colineales si y solo si la matriz
~ 72. 00~11YAJ&'u'~ La dimension del espacio ren-
glon de una matriz A de 3 X 5 es 2.
(a) i,Cual es la dimension del espacio columna de A?
(b) i,Cual es el rango de A?
tiene un rango menor que 3. (c) j,Cual es la nulidad de A?
65. Dadas las matrices A y B, demuestre que los vectores ren- (d) l,Cual es la dimensi6n del espacio soluci6n del
glon de AB estan en el espacio renglon de B y que los sistema homogeneo Ax = 0?
vectores columna de AB estan en el espacio columna de A.
66. Encuentre al rango de la matriz 73. Sean A y B matrices cuadradas de orden n que satisfacen
Ax = Bx para toda x en R".
l 2 3 n
(a) Determine el rango y la nul idad de A - B.
n+ l n+2 n+3 2n
(b) Demuestre que A y B deben ser identicas.
2n + I 2n + 2 2n +3 3n
74. Prueba Sea A una matriz de m X 11.
que
[xJs = r;:1.
x,,
SOLUCION
Como x puede expresarse como x = (-2, I, 3) = -2( I, 0, 0) + I(0, I, 0) + 3(0, 0, I), la
matriz de coordenadas de x relativa a la base estandar es simplemente
Asf, las componentes de x son las mismas que sus coordenadas con respecto a la base
estandar.
4.7 Coordenadas y cambio de base 203
(3, 2)
La matriz de coordenadas de x en R2 con respecto a la base (no estandar) B = {v1, v2 } =
v
((1 , 0), ( 1, 2) ) es
[x]B = [~].
----1-a..----- - - - - - - x· Determine las coordenadas de x con respecto a la base (estandar) B' = {u 1, u 2 } = {( l , 0),
v, 3v1 (0 , I)}.
.. , / (5 , 4)
Figura 4.19
Determinaci6n de una matriz de coordenadas
EJEMPLO 3
relativa a una base no estandar
Encuentre la matriz de coordenadas de x = (1, 2, - 1) en R 3 relativa a la base (no estandar)
B ' = {u 1, u 2, u 3 } = {( I, 0, I), (0, - I, 2), (2, 3, - 5)}.
SOLUCION
Se empieza por escribir x como una combinaci6n lineal de u i, u 2 y u 3.
X = c 1u 1 + C2U 2 + C3U 3
COM ENTARIO
No hubiese sido correcto escri- La soluci6n de este sistema es c 1 = 5, c 2 = - 8 y c 3 = - 2. Por tanto,
bir la solucion como
x = 5(1 , 0, I) + (-8)(0, - J, 2) + (-2)(2, 3, -5)
y la matriz de coordenadas de x relativa a B' es
son las matrices de coordenadas de x con respecto a B y B', entonces la matriz de tran-
sicion Pde B' a B es la rnatriz P tal que
[x]8 = P[x]8 ,
El siguiente teorema establece que la matriz de transici6n P es invertible y que su inversa
es la matriz de transici6n de B a B ' . Es decir,
LEMA
Sean B = {v 1, v2, . . . , v
11 } y B' = {u 1, u2, . .. , u11 } dos bases de! espacio vectorial
V.Si
Cl I C12 · · · C1,,
C21 C22 · · · C2,,
Q= .. .. ..
[ . . .
c,, 1 c,,2 c,,,,
entonces se tiene
d 1] [ c l 1d 1 + C12d2 + · · + C1,,d,,l
d2 C2 1d1 + C22d2 + + C2,,d,,
[
. c,,,, J,, = c,,!d + c,,ld + · · + c,,;,d,,
1 2
. .l
en B y en B'. Es decir,
V,,1
V22
vn2
V211
v:,,,,
y B'=
[""
u,,.
~
U22
u,,2
U211
u,111
v, V2 v,, U1 U2 u,,
Luego, al reducir la matriz [B' B] de n X 2n para que en vez de B' aparezca la matriz
identidad I,,, obtiene la macriz [/11 P- 1] . Esce procedimienco se escablece formalmente en el
siguiente teorema.
DEMOSTRACION
Para empezar, sea
V1 = + c 21 u 2 + · · +
c 11 u 1 C111 U 11
C 1;
[
U211]
ll1
.
.
. + c2 ;
£122
[£11
.
.
•
2]
+· · ·+ C,,;
U2,,
[u,,,
.
.
.
=
r~lil21
:
para i = 1, 2, ... , n. a partir de estas ecuaciones vectoriales se puede escribir los n siste-
mas de ecuaciones lineales
para i = 1, 2, ... , n. Como cada uno de los sistemas tiene la mis ma matriz de coeficientes,
usted puede reducir todos los n sistemas simultaneamente utilizando la siguiente matriz
aumentada.
U12 l/ J II VI I V12
[""
U21
u,,,
U22
u,,2
ll 2,,
l,l llll
V2 1
v,,, v,,z
V22
'v;,,,"]
V211
B' B
Aplicando la eliminaci6n de Gauss-Jordan a esta matriz, resulta
4.7 Coordenadas y cambio de base 207
I 0 0 C11 C12
0 0 C2 1 C22 C2,,
SOLUCION
Primero utilice los vectores en la dos bases para formar las matrices By B'.
IIDrn~@Mc
0 0
00 00 D[iYi) Drn [K!]11@ - l
l
'LI□ Sean 8 = {(1 ,0), 0 2
(1,2)} y 8' = {(1 ,0), Luego, forme la matriz [B' B] y use la eliminaci6n de Gauss-Jordan para reescribir [B' B]
(0, 1)}. Forme la como [/3 P-1]
matriz [8' 8].
-~]
- l
p-1 = B = [~ ~].
NOTA TECNOLOGICA Encuentre la matriz de transici6n de Ba B' para las siguientes bases en R2.
Muchas aplicaciones graficas y
programas de computadora B ={(-3,2),(4,-2)} y B1 = {(- 1,2),(2, - 2)}
pueden formar una matriz
aumentada y encontrar su SOLUCION
forma escalonada reducida por
rengl6n. Si usted utiliza una
Comience por formar la matriz
aplicaci6n grafica, entonces - 1 2 -3
podria ver alga similar a lo [B ' B] = [
siguiente para el Ejemplo 5. 2 -2 2
y use la eliminaci6n de Gauss-Jordan para obtener la matriz de transici6n P- 1 de B a B ':
8
I I -3 4 1
[2 -211 0 -1
BPRIME 1 -2
11-1 2 1
[2 -21 1
Asf, se tiene
au9( 8PRIME, 8 )
[ ! -1 2 -3 4 1
12 -2 2 -211 p-1 = [- 1
- 2
rref au9(8PRIME, 8 )
En e l ejemplo 5, si usted hubiese determinado la matriz de trans ici6n de B' a B (en
La Online Technology Guide, vez de B a B'), hubiera obtenido
disponible en
www.cengage.com 4 - I
con la busqueda Larson,
Fundamentos de Algebra
[B' B] = [-~
-2 2 -~]
Lineal 7e provee la sintaxis que se reduce a
de programaci6n para estas
aplicaciones/programas para el 0 3
ejemplo 5. [12 P] = [~ -2].
2 - I
La matriz de transici6n de B' a B es
p = [~
-2].
-1
Usted puede comprobar que esta es la inversa de la matriz de transici6n determinada en
el ejemplo 5 al efectuar a multiplicaci6n pp- 1 para obtener / 2.
4.7 Coordenadas y cambio de base 209
SOLUCION
Escriba p como una combinaci6n lineal de los vectores de la base (en el orden dado).
p = 4 (1) + O(x) + (- 2)(x 2) + 3(x 3)
Lo anterior indica que la mat.riz de coordenadas de p con respecto a S es
s={[H [H[m
SOLUCION
Dado que X puede expresarse como
Determinaci6n de una matriz de coordenadas En los Determinaci6n de una matriz de coordenadas En los
ejercicios 1-4, encuentre la rnatriz de coordenadas de x en R" ejercicios 17 a 24, determine la matriz de u·ansici6n de B a
respecto a la base estandar. B'.
1. X = (5, -2) 2. X = (J, -3,0) 17. B = {( I, 0), (0, I)}, B ' = {(2, 4), (1, 3)}
3. X = (7, -4, -1, 2) 4. X = (-6, 12, -4, 9, -8) 18. B = {(1, 0), (0, l )}, B ' = {(l , 1), (5, 6)}
[x]B = [~] [x]B = [ -;] B' = {( 1, 3, -1), (2, 7, -4), (2, 9, - 7)}
23. B = {(3, 4, 0), (-2, -1 , I), ( 1, 0, - 3)},
7. B = {( 1,0, 1),(1, 1,0),(0, I , I )}, B ' = {( I , 0, 0), (0, I , 0), (0, 0, I)}
9. B = {(0, 0, 0, 1), (0, 0, 1, 1), (0, 1, 1, 1), (1, 1, 1, 1)}, 26. B = {(-2, l ),(3,2)}, B '= {(1,2),(- 1, 0)}
27. B = {( I , 0, 0), (0, I, 0), (0, 0, I)},
B' = {( I , 3, 3), ( 1, 5, 6), ( I, 4, 5)}
[x], - - ~] 28. B = {( I , 0, 0), (0, I, 0), (0, 0, I)},
- 1 B' = {(2, - I , 4), (0, 2, 1), (-3, 2, l )}
10. B = {(4, 0, 7, 3), (0, 5, - l, - 1), (-3, 4, 2, 1), 29. B = {(1, 2, 4), (- 1, 2, 0), (2, 4, O)},
(0, 1, 5, 0)}, B ' = {(0, 2, 1), (-2, I, 0), (1, 1, I)}
30. B = {(3, 2, 1), (1, I, 2), ( 1, 2, 0)},
[x]B = -
4 :ll B' = {( I , I , - 1), (0, I, 2), (- I, 4, O)}
31. B = {(I , 0, 0, 0), (0, l , 0, 0), (0, 0, 1, 0), (0, 0, 0, ! )},
B' = {( 1, 3, 2, -1 ), ( -2, -5, -5, 4),
Determinaci6n de una matriz de coordenadas En los (- 1, -2, -2, 4), (-2, -3, -5, IJ )}
ejercicios I l a 16, determine la matriz de coordenadas de x 32. B = {( I , 0, 0, 0), (0, I , 0, 0), (0, 0, I , 0), (0, 0, 0, I )},
en R" relativa a la base B'. B '= {( I , I , I , 1),(0, I , I , 1),(0, 0, I , 1),(0,0,0, I )}
11. B ' = {(4, 0), (0, 3)}, X = (12, 6) 33. B = {( I, 0, 0, 0, 0), (0, I, 0, 0, 0), (0, 0, I, 0, 0),
12. 8 ' = {(- 6, 7), (4, -3)}, x = (-26, 32)
(0, 0, 0, 1, 0), (0, 0, 0, 0, 1)},
13. B ' = {(8, II , 0), (7, 0, 10), (I, 4, 6)}, x = (3, 19, 2)
B '= {( 1,2,4, -1 ,2),(- 2, - 3, 4,2, 1),
14. 8 ' = {(t 4, 1), (¾, ~' 0), (1, ½, 2)}, x = (3, -½, 8) (0, I , 2, -2, 1), (0, I, 2, 2, I ), (1, - 1, 0, I , 2)}
15. B '= {(4,3,3),(- 11, 0, 11),(0,9,2)},
34. B = {( I, 0, 0, 0, 0), (0, I, 0, 0, 0), (0, 0, I, 0, 0),
X = (11, 18, -7) (0, 0, 0, I, 0), (0, 0, 0, 0, 1) },
16. B'={(9,-3, 15, 4),(3, 0,0, 1),(0,- 5,6,8),
B ' = {(2, 4, -2, 1, 0), (3, - 1, 0, l , 2), (0, 0, -2, 4, 5),
(3, -4, 2, -3)},
(2, -1 , 2, I, 1), (0, I , 2, -3, I)}
X = (0, -20, 7, 15)
4.7 Ejercicios 211
[x], - [
38. B
J
= {( I , I, 1), ( 1, - 1, 1), (0, 0, I)},
43. p
44. p
45. p
= 2x 3 + x 2 + I Ix + 4
= 3x 2 + 114x + 13
= x 3 - 2x 2 + 5x + I 46. p = 4x 3 -
B '= {(2,2,0),(0, I, 1),(1,0, I)}, cios 47 a 50, halle la matriz de coordenadas de X con res-
pecto a la base estandar en M 3_1.
[x],
41. B
-nl
= {(2, 0, - 1), (0, - 1, 3), (1, -3, -2)},
igual a X misma.
52. (a) Para realizar e l cambio de base de una base no estan-
dar B' a una base estandar B, la matriz de transici6n
P- 1 es simplemente B.
(b) La matriz de coordenadas de p = 5x2 + x - 3 res-
B' = {(0, - l, - 3), (- 1, 3, -2), (-3, - 2, 0)},
pecto a la base estandar de P 2 es [p ls = [5 l -3f.
donde g0 , g 1, ••• , g,, _ 1 y f son funciones de x con un dorninio co mun, y las potencias de
y asf como de s us derivadas es I. Sif(x) = 0, la ecuac i6n es homogenea. De otra manera
es no homogenea. A una funci6n y se le denomina soluci6n de la ecuaci6n diferencial
lineal si la ecuaci6n se satisface cuando y y sus primeras n derivadas se sustituyen en la
ecuaci6 n.
Demuestre que y 1 = e' y y2 = e-x son soluciones de la ecuaci6n d ifere nc ial lineal y" -
y = 0.
SOLUCION
Para la fu nci6n y 1 = eX, se tiene que y 1 = e' y y 1' = e', po r tanto,
Y1" - Y1 = ex - ex =0
lo que significa que es una soluci6n de la ecuaci6n diferencial. De manera semej ante, para
Y2 = e-x se tiene
Se dice que el wronskiano en el inciso (a) del ejemplo 2 es identicamente igual a cero,
porque para cualquier valor dexes cero. El wronskiano de! inciso (b) no es identicamente
COMENTAR'O ig ual a cero, ya que existen valores de x para los que el wronskiano es diferente de cero.
El siguiente teorema muestra c6mo el wronskiano de un conjunto de funciones puede
Esta prueba nose ap lica a un
conjunto arbitrario de funcio- utilizarse para probar la independencia lineal.
nes. Cada una de las funciones
y,, Y2, ... Yn debe ser una solu- Prueba del wronskiano para la independencia lineal
ci6n de la misma ecuaci6n dife-
rencial lineal homogenea de Sea {y1, y 2, . . . , y,,} un conjunto den soluciones de una ecuaci6n diferencial lineal
orden n. homogenea de n-es imo orden. El conjunto es linealmente independiente s i y s6lo si
el Wronskiano no es identicamente igual a cero.
La demostraci6n de este teorema para el caso donde n = 2 se deja como ejercicio (vease el
ejercicio 40).
214 Capitulo 4 Espacios vectoriales
Elipse (2a = longitud de! eje mayor, 2/3 = longitud de! eje menor):
)' (x - i,)2 (l' - k)2 )'
-a2
- + -pi
-= )
' '
---• ---
:u,, ---•:(h,---k) 2a
'
''
2a
~
-+----------+- x - + - - - - - ~ - - --
2/3 x
Hi perbola (2a = longitud del eje transversal, 2{3 = longitud del eje menor):
y )' (r - k) 2 (x - 1,)2
-----=!
a2 pi
p>O
,.....,...,
Foco
(h, k + p)
-----v,rt"~~
:vertice (h, k) Foco
: (h, k) (h + p, k)
a. La forma estandar de x 2 - 2x + 4y - 3 = 0 es
(x - 1) 2
= 4(-l)(y - 1).
La grafica de esta ecuac i6 n es una parabola con vertices en (h, k) = ( I, I). El eje de la
parabola es vertical. Como p = - 1, el foco esta en el punto ( l , 0). Por ultimo, ya que
el foco esta por debajo del vertice, la parabola se abre hacia arriba, como se observa en
la figura 4.20(a)
b. La forma estandar de x 2 + 4y 2 + 6x - Sy +9 = 0 es
(x + 3)2 (y - I ) 2
- - - + ~ - - = l.
4 I
La grafica de esta ecuaci6n es una elipse con centro en (h, k) = (- 3, I). El eje mayor
es horizontal y su longitud es 2a = 4. La longitud del eje menor es 2{3 = 2. Los verti-
ces de esta elipse estan en (-5, I) y (- 1, I), y los extremos del ej e meno r estan en (-3,
2) y (-3, 0), co mo se muestra en la figura 4.20(b)
y y
a. b.
3
(-3, 2)
Figura 4.20
Figura 4.21
Para hallar las coordenadas de un punto (x, y) relativas a esta nueva base, se puede
utilizar una matriz de transici6 n, como se demuestra en el ejemplo 6.
4.8 Aplicaciones de las espacios vectoriales 217
Si (x', y'l son las coordenadas de (x, y) relativas a B' , se puede usar la matriz de transici6n
P- 1 como se muestra a continuaci6n
Las dos ultimas ecuaciones de! ejemplo 6 proporcionan las coordenadas x'y' en ter-
minos de las coordenadas xy. Para efectuar una rotaci6n de ejes para una ecuaci6n polino-
mial de segundo grado, es util expresar las coordenadas xy en terminos de las coordenadas
x'y'. Para lograr esto, en las dos ultimas ecuaciones del ejemplo 6 se despejan x y y para
obtener
x = x' Cos 0 - y' Sen 0 y y = x'Sen0 + y' Cos0.
Al sustituir estas expresiones por x y y en la ecuaci6n dada de segundo grado se obtiene
una ecuaci6n polinomial de segundo grado x' y y' que no tiene termino x'y' .
Rotaci6n de ejes
La ecuaci6n de segundo grado a.x2 + bxy + cy2 + dx + ey + f = 0 puede escribirse
en la forma
a '(x ')2 + c '(y ')2 + d 'x' + e 'y' + f' = 0
al rotar e n sentido contrario al de las manecillas del reloj los ejes coordenados a un
angulo 0, donde 0 se define como Cot 20 = a ~ c_Los coe fi cientes de esta nueva
ecuaci6n se obtienen a partir de las sustituciones.
x = x' Cos 0 - y ' Sen 0 y y = x' Sen 0 + y 'Cos 0.
La demostraci6n de! resultado anterior se deja para usted (vease el ejercicio 82).
ALGEBRA Una antena satelital es una antena disefiada para transmitir o recibir
sefiales de un tipo especifico. Una antena satelital estandar consta
LINEAL de una superficie en forma de taz6n y un polarrotor q ue apunta hacia
APLICADA la superficie. La superficie en forma de taz6n tipicamente tiene la
forma de un parabol oide eliptico (vease la Secci6n 7.4). El corte trans-
versal de la superficie tipicamente tiene la forma de una parabola
rotada.
Chris H Galbra1th/Shunerstock oom
21 8 Capitulo 4 Espacios vectoriales
SOLUCION
El angulo de rotaci6n esta dado por
a-c 5 -5
Cot20 = - - = - - = 0.
b - 6
Lo anterior implica que 0 = 'TT/ 4; por tan to
l 1
Sen 0 = - y Cos 0 = -
fi fi"
Con la sustituc i6n de
I
+ 3)2 ( I'' - I )2
(x'
- - + -· - - =I
X = XI Cose - y I Sen e = fi (x I - y ')
4 I
y
I
y = XI Sen e +y I Cose = -(x + y ')I
fi
en la ecuaci6n original y simplificando se obtiene
(x')2 + 4 (y')2 + 6x' - Sy'+ 9 = 0.
Por ultimo, al completar el cuadrado se encuentra que la fonna normal de esta ecuaci6n es
~'+3f G'- If ~'+3f G'- Jf
- -2 - + ~ -
2
-=---+---= )
2 1 4 l
Figura 4.22 que es la ecuaci6n de una elipse, como se muestra en la fi gura 4 .22.
Para encontrar las coordenadas de los vertices con respecto a la base estandar
B = {(l , 0), (0, l)}, utilice las ecuaciones
I
X =- (x' - y')
J2
y
l
y =- (x' + y')
J2
para obtener ( - 3 J2, - 2 J2) y ( - J2, 0), como se muestra en la figura 4.22.
4.8 Ejercicios 219
I
4.8 Ejercicios Consulte www.CalcChat.com para las soluciones de los eierc1c1os nones.
Determinaci6n de soluciones de una ecuaci6n diferen- Pruebas de independencia lineal En los ejercicios 27-34,
cial En los ejercicios 1 a 12, determine que funciones son (a) verifique que cada soluci6n satisfaga la ecuaci6n diferen-
soluciones de la ecuaci6 n diferencial lineal. cial, (b) pruebe la independencia lineal de! conjunto de solu-
ciones, y (c) si el conjunto es linealmente independiente,
1. y" + y =0 entonces escriba la soluc i6n general de la ecuaci6n diferencial.
(a) ex (b) Senx Ecuaci6n diferencial Soluci611
(c) Cosx (d) Sen x - Cosx 27. y" + 16y =0 {Sen 4x, Cos 4x}
2. y"' + y = 0 28. y" - 2y' + y = 0 {eX, xex}
29. y"' + 4y"+ 4y'= 0 {e-ix, xe- 2X, (2x + 1)e-2x}
111
3. y + y" + y' + y = 0 30. y"' +4y '= 0 {2, 2 Sen 2x, 1 + Sen 2x}
(a) X (b) ex 31. y"'+ 4y ' =0 {I , Sen 2x, Cos 2x}
4. y" + 4y ' + 4y = 0 32. y "'+ 3y" + 3y' + y = 0 {e-·<, xe-x, x 2e-x}
(a) e- ix (b) xe- 2' 33. y"'+3y"+3y'+y = 0 {e-x,xe-x,e-x+ xe-" }
(c) x 2e-2x (d) (x + 2)e-ix 34. y{4 >- 2y + y" = 0
111
{ l, x,e,..,xe-<}
5. y<4) + y Ill - 2y" = 0
35. Pendulo Considere un pendulo de longitud L que
(a) 1 (b) x (c) x 2
oscila solo por la fuerza de gravedad.
6. y<4J - 16y = 0
(a) 3 Cosx (b) 3 Cos 2x
(c) e- 2x (d) 3e2 ' - 4 Sen 2x
L
7. x 2 y" - 2y =0
1
(a) -
x2
(b) x 2 ------
8. y'(2x - l )y = 0 Para valores pequefios de 0 = 0(t), el movimiento del pen-
(a) ex-.>? (b) 2ex-x2 dulo puede aproximarse por la ecuaci6n diferencial
(c) 3e·' -..i (d) 4ex-x2 d 20 g
- 2 + -8=0
9. xy' - 2y =0 dt L
(a) ✓x (b) X (c) x 2 (d) x 3 Donde g es la aceleraci6n debido a la gravedad.
10. .xy"+ 2y'= 0 (a) Yerifique que
(a) x (b) .!. (c) xex
(sen j f,, Cos-A,)
X
41. Escriba i,La suma de dos soluciones de una ecuac i6n Rotaci6n de una secci6n c6nica En los ejercicios 65 a
diferencial lineaJ no homogenea tambien es una solu- 76, efectue una rotaci6n de ejes para eliminar el termino xy y
ci6n? Explique su respuesta. trace la grafica de la c6nica
42. Escriba i,El multiplo escalar de una soluci6n de una 65. xy + I =0 66. xy - 2 = 0
ecuaci6 n diferencial lineal no homogenea tambien es
una soluci6n? Explique su respuesta.
67. 4x 2+ 2xy + 4y - 15 = 0
2
68. x + 2xy + y 2 - 8x + 8y = 0
2
57. 2x 2 - y 2 + 4x + IOy - 22 =0 81. Prueba Demuestre que una rotaci6n 0 = 'TT/4 elirni-
nara e l termino xy de la ecuaci6n
58. 4x 2 + 4x + 2y - I = 0
- y2
59. x + 4x + 6y - 2 = 0
2 ax 2 + bxy + ay 2 + dx + ey + f = 0.
60. y 2 + 8x + 6y + 25 = 0 82. Prueba Demuestre que una rotaci6n 0, donde cot 2 0
= (a - c)/b, eliminara el termino xy de la ecuaci6n
Relacionar una ecuaci6n con una grafica En los ejer-
cicios 6 1-64, relacio ne la g rafica con su ecuaci6n [las grafi - ax 2 + bxy + cy2 + dx + ey + J = 0.
cas se etiquetan (a), (b), (c), y (d)]. 83. Prueba Para la ecuaci6n ax2 + bxy + cl = 0, la
)'
(a) y' Y (b) matriz A se define como
~
A = [b;2 b~2].
4 Ejercicios de repaso Consulte www.CalcChat.com para las soluc1ones de las ejercic1os nones.
10. V = (4, 4, 5), U1 = (1, 2, 3), U2 = (- 2,0, 1), Determinar si un conjunto es una base En los ejerci-
U3 = ( J, 0, 0) cios 35 y 36 determine si el conjunto es una base para M2.2.
11. V
U2
= (1, 2,3 ,5), u 1 = ( 1, 2,3, 4),
= (- 1, -2, -3, 4), U 3 = (0, 0, 1, 1) 35. S = {[~ ~]. [ =~ ~].[~ :J. [-~-!]}
~
12. V = (4, - 13, -5, -4), U1 = (1, - 2, 1, 1),
u2 = (- 1, 2, 3, 2), u 3 = (0, -1 , - I, - 1) 36. S = {[ ~ ~]. [ - ~]. [~ ~]. [ ~ ~]}
Describir el vector cero y el inverso aditivo En los
Determinaci6n de espacio nulo, nulidad y rango de
ejercicios 13 a 16, describa el vector cero y el inverso aditivo
una matriz En los ejercic ios 37-42, encuentre (a) el espa-
de un vector en el espacio vectorial dado.
cio nulo, (b) la nulidad y (c) el rango de la matriz A. Despues
13. M 3.4 14. P8 verifique que rango(A) + nul idad(A) = n, donde n es el
15. R 3 16. M2 _3 numero de columnas de A .
Determinar subespacios En los ejerc ic ios 17 a 24, deter-
37. A = [
5 -SJ
mine si W es un subespacio de! espacio vectorial. - 10 16
17. W = {(x,y): x = 2y}, V = R 2
18. W = {(x, y): x - y = I }, V = R2 38. A = [ ~ ~]
-[!
2
19. W ={(x,y): y=ax, aes unentero}, V= R
2 2
20. W = {(x,y): y = ax }, V = R
39. A
21. W = {(x, 2x, 3x): x es un numero real }, V = R3
22. W = {(x,y,z): x?: O}, V = R3
23. W = {J: J (0) = - I }, V = C[ -1 , I ] 40. A = [ ~
24. W = {/: / ( - I) = 0 }, V = C [ - I , I] -2
~ -~ -1~1
25. l Cual de Los siguientes subconjuntos de R 3 es subespacio
de R 3?
41. A = [-
(a) W = {(xi,x 2 , x 3):xf + x~ + Xj = O} I 3 10
(b) W = {(x 1, x 2 ,x 3): Xi+ x~+ x5= I} I 2 0
26. l Cual de los siguientes subconjuntos de R3 es subespacio 2 I
de R3? 4 0
42. A = [ :
(a) W = {(x 1,x 2 , x Jx 1 + x 2 + x 3 = O} -2 3 0
(b) W = {(x 1, x 2,x 3): x 1 + x 2 + x 3 = I} I 2 6
222 Capitulo 4 Espacios vectoriales
Encontrar una base y dimension En los ejercicios 43 a 64. B ' = {(t, - 1, 2, 1), ( I, I, - 4, 3), ( 1, 2, 0, 3),
46, determine (a) una base y (b) la dimensi6n del espacio ( I, 2, -2, 0)}, x = (5, 3, -6, 2)
soluci6n del sistema de ecuaciones homogeneas
Encontrar una matriz de transici6n En los ejercicios 65
43. 2x 1 + 4x 2 + 3x 3 - 6x 4 = 0 a 68, determine la matri z de transici6n de B a B'.
x1 + 2x 2 + 2x 3 - 5x4 = 0 65. B = {( I, - 1), (3, 1)},
3x 1 +6x 2 +5x 3 - llx4 = 0
B' = {(l , 0), (0, l)}
44. 3x 1 + 8x 2 + 2x 3 + 3x 4 =0 66. B = {( I, - 1), (3, 1)},
4x , + 6x 2 +2x 3 - x4 =0
B'= {(1,2),(-1 , 0) }
3x 1 + 4x 2 + x 3 - 3x 4 =0
67. B = {( 1, 0, 0),(0, 1, 0),(0, 0, I )},
e 45. X1 -3x2+ X3+ X 4= 0
B ' = {(0, 0, 1), (0, 1, 0), (1, 0, 0)}
2x I + X2 - X3 + 2x 4 = 0
x1 + 4x 2 - 2x 3 + x 4 = 0 68. B = {(1, 1, 1), (1, I. 0), (1, 0, 0)},
5x 1 - 8x 2 + 2x 3 + 5x 4 = 0 B ' = {(1, 2, 3), (0, I, 0), (I , 0, I)}
e 46. - X I + 2x 2 - X 3 + 2x 4 = 0
-2x 1 +2x 2 + x 3 + 4x 4 =0
Encontrar matrices de transici6n y coordenadas En
los ejercicios 69-72, (a) encuentre la matri z de transici6n de
3x 1 + 2x 2 + 2x 3 + 5x 4 =0 B a B', (b) e ncuentre la matriz de transici6n de B ' a B, (c)
- 3x 1 + 8x 2 + 5x 3 + 17 x 4 =0 verifique que las dos matrices de transici6 n son inversas una
a Ia otra, y (d) encuentre Ia matriz de coordenadas [x] 8 ,, dada
Encontrar una base para un espacio rengl6n y la matriz de coordenadas [x]a.
rango En los ejerc ic ios 47-52, encuentre (a) una base del 69. B = {(1, 1), (- 1, 1)}, B ' = {(0, 1), (1, 2)},
espacio rengl6n y (b) el rango de la matriz.
:i
[x]B = [3 -3]7'
47. [ -~
6
!]
1
48. [~
l
- ~
16 14
70. B = {( I, 0), ( 1, - 1)},
[x]8 = [2 -2]T
B ' = {( I , 1), ( I, - l )},
uI! I:l
49. [I - 4 0 4] 50. [I 2 - 1]
B' = {(0, 0, 1), (0, 1, 1), (1, 1, l )},
78. Sean v 1, v2 y v3 tres vectores linealmente independientes Determinaci6n de soluciones de una ecuaci6n diferen-
de un espacio vectorial V. lEI conj unto {v 1 - v2 , v2 - v3, cial En los ejercicios 87 a 90, determine cuales fu nc io nes
v3 - v 1} es lineaJm ente dependiente o independiente? son soluci6n de la ecuaci6n diferencial lineal.
79. Prueba Sea A una matriz cuadrada den X n. Demues- 87. y II - y I - 6y =0
tre que los vectores rengl6 n de A son l inealmente depen- (a) e3x (b) e2r (c) e-3x (d) e-2r
dientes si y solo si Los vecto res columna de A son lineal- 88. y<
4
l- y =0
mente dependientes.
(a) ex (b) e-x (c) Cosx (d) Sen x
80. Prueba Sea A una matriz cuadrada n X n y sea I un
89. y' + 2y = 0
escalar. Demuestre que el conjunto
(a) e-2x (b) xe - 2 x (c) x 2e-x (d) 2xe- 2x
S = {x: Ax = Ax }
90. y" + 9y =0
es un subespacio de R". Determine la dimension de S si
,\=3 (a) Sen 3x + Cos 3x (b) 3 Sen x + 3 Cosx
1 (c) Sen 3x (d) Cos 3x
A-[~ 3
0
Determinaci6n del wronskiano para un conjunto de
funciones En los ejercicios 91 a 94, determine el wrons-
k:iano para el conjunto de funciones.
81. Seanf(x) = x y g(x) = I.xi.
(a) Demuestre quefy g son linealmente independientes 91. { l ,x,ex} 92. { I , X, 2 + X}
en C[- 1, l] 93. { I , Sen 2x, Cos 2x} 94. {x, Sen2 x , Cos2 x }
(b) Demuestre que f y g son linealmente dependientes
Pruebas de independencia lineal En los ejerc ic ios
en C[0, l ]
95-98, (a) verifique que cada soluci6n satisface la ecuaci6n
82. Dado un conjunto de funciones, describa c6mo su domi- d iferencial, (b) pruebe la independencia lineal del conj unto
ni o puede infl uir si el conj unto es lineal mente indepen- de soluciones, y (c) si el conjunto es linealmente indepen-
diente o dependiente. d iente, escriba la soluc i6n general de la ecuaci6n diferencial.
tVerdadero o falso? En los ejercicios 83 a 86, determine Ecuaci6n Diferencial Soluciones
cual de las expresiones es verdadera o faJsa. Si la expresi6 n 95. y" + 6y I + 9y = 0 {e-3\ xe- 3·'}
es verdadera, proporcio ne una raz6n o cite una expre- 96. y" + 6y I + 9y 0 = {e-3\ 3e-3x}
si6 n adecuada del texto. Si la expresi6n es falsa, proporcione
97. y -6y + ll y'-6y=0
111 11
4 Proyectos
1 Soluci6n de sistemas lineales
Esc1iba un parrafo para responder la siguiente pregunta. No necesita realizar calculos, pero
fundamente sus explicaciones en las propiedades adecuadas vistas en el texto.
1. Una soluci6n del sistema lineal homogeneo
X+ 2y + + 3w = 0
Z
x- y + w=0
y - z + 2w = 0
es x = - 2, y = - I, z = I y w = I. Explique par que x = 4, y = 2, z = - 2 y w = - 2
tambien debe ser una soluci6n.
2. Los vectores x 1 y x2 son soluciones del sistema lineal homogeneo Ax = 0. Explique par
que el vector 2x 1 - 3x2 debe ser una soluci6n.
3. Considere las dos sistemas representados par las matrices aumentadas.
I
0
-5
- 2
I
0
-5
- 2 -9]
- 3
-I - I - I - 1 0
Si el primer sistema es consistente, explique par que el segundo sistema tambien lo es.
4. Los vectores x 1 y x 2 son soluciones del sistema lineal Ax = b. El vector 2x 1 - 3x2, l,tam-
bien es soluci6n? j,Por que sf o por que no?
5. Los sistemas lineales Ax = b 1 y Ax= b 2 son consistentes. El sistema Ax = b 1 + b 2, j,es
necesariamente consistente? j,Por que sf o par que no?
2 Suma directa
En este proyecto, usted explorara la suma y suma directa de subespacios. En e l ejercicio 58
en la Secci6n 4.3, usted demostr6 que para dos subespacios Uy W de un espacio vectorial V,
la suma U + W de los subespacios, definida como U + W = {u + w: u E U, w E W} tambien
es un subespacio de V.
1. Considere los subespacios de V = R3
U = { (x,y,x - y) :x, y E R}
W = {(x, 0, x): x ER}
Z = {(x,x,x) :x ER }
Determine U + W, U + Z y W + Z.
2. Si Uy W son subespacios de V tales que V = U + W y U W = {0 }, demuestre que todo
vector en V tiene una representaci6n unica de la forma u + w, donde u esta en Uy w esta
en W. En este caso, se dice que V es la suma directa de Uy W y puede escribir e
V = U EB W. Suma directa
j,Cual de las sumas del inciso (]) son sumas directas?
3. Sea V =U EB W y suponga que {u 1, u2, . . . , uk} es una base del subespacio U y {w 1,
w 2, w111 } es una base del s ubespacio W. Demuestre que el conjunto {u 1, u2, .. . , u b
. .. ,
w 1, ... , w111 } es una base para V.
4. Considere los subespacios de V = R3 que siguen. U = I(x, 0, y) : x, y E RI W = {(0, x,
y ) : x, y E R} Demuestre que R3 = U + W. i,R 3 es la suma directa de Uy W? i,Cuales
son las dimensiones de U, W, Un W y U + W? Formule una conjetura general que
relacione las dimensiones de U, W, U n W y U + W.
5. i,Puede usted encontrar dos subespacios bidimensionales en R3 cuya intersecci6n es el
vector cero? i,Por que sf o por que no?
East/Shutterstock.com
Espacios con
5 producto interno
Longitud y producto punto en Rn
5.1
5.2
Espacios con producto interno
5.3
Bases ortonormales: el proceso de Gram-Schmidt
5.4
Modelos matematicos y analisis por mfnimos cuadrados
[ 5.5 Aplicaciones de las espacios
_____c_o_n_p_r_o_d_u_c_to_in_t_e_r_n_o______[>
._
Esta definici6n muestra que la longitud de un vector no puede ser negativa. Es decir,
llvll ~ 0. Ademas, l vll = 0 si y s61o si v es el vector 0.
NOTA TECNOLOGICA
TEOREMA 5.1 Longitud de un multiplo escalar
Usted puede utilizar una aplica-
ci6n grafica o programa de Sea v un vector en R" y sea c un escalar. Entonces
c6mputo para encontrar la lon-
gitud o norma de un vector. Por llcvll = lcl l vll
ejemplo, utilizando una aplica-
ci6n grafica, la longitud del vec- Donde lei es el valor absoluto de c.
tor v = (2, - 1, -2) puede ser
encontrada y aparecer como
sigue
DEMOSTRACION
Debido a que cv = (cv 1, cv2 , ••• , cv,,), se concluye que
lJECTOR: lJ 3
e 1=2
e2= -1
llcvll = l (cv,, cv2 , • . . , cv,,)11
e3=-2 = J(cvY + (cv )2 + · · · + (cv,.)2
2
norM lJ
3 = lclJvf + vl+ · · · + v,?
lcl l vll.
Un uso importante de! teorema 5. 1 es hallar un vector unitario que tenga la misma direcci6n
Utilice una aplicaci6n grafica o que un vector dado. El siguiente teorema proporciona un procedimiento para hacer esto.
un programa de computaci6n
para verificar las longitudes de TEOREMA 5.2 Vector unitario en la direcci6n de v
los vectores dados en el ejem-
plo 1. Si v es un vector en R" diferente de cero, entonces el vector
- - -[>
es de longitud I y tiene la misma direcci6n que v. Este vector es llamado el vector
unitario en la direcci6n de v.
lJECTQR: lJ
e 1=-3
2 llull = II 11:11 II = 11! 11ll vll = 1.
e2 =4
El proceso para encontrar al vector unitario en la direcci6n de v se llama normaliza-
un i tlJ V
(- . 6 .81 ci6n del vector v y se muestra en el siguiente ejemplo.
2
El vector unitario en la direcci6n de v es
~_ (3, - 1, 2) _ _ 1_ ( _ I 2) _ (- 3- _ _ l_ _2_ )
(3, - I, 2) v 3
I
I
llvll - J3 2 + (- 1)2 + 22 - Jl4 ' · - Jl4' Jl4' Jl4
><
y que es un vector unitario, ya que
X
Figura 5.3
4
Olga Taussky-Todd
(1906-1995)
Taussky-Todd naci6 en lo
que ahora es la Republica
Checa. Se interes6 en las Figura 5.4
matemat icas a una edad
temprana . Durante su vida,
Taussky-Todd fue una mate- Definici6n de la distancia entre dos vectores
matica distinguida y prolf-
fica. Escribi6 numerosos arti- La distancia entre dos vectores u y v en R" es
culos de investigaci6n en d(u, v) = llu - v ii-
areas tales coma teoria de
matrices, teoria de grupos,
teoria de numeros algebrai-
cos y analisis numerico. Intente verificar las siguientes tres propiedades de distancia.
Taussky-Todd recibi6 diver- 1. d(u , v) 2: 0
sos honores y distinciones
par su trabajo. Par ejemplo, 2. d(u, v) = 0 si y s6lo si u = v.
su articulo sabre la suma de
cuad rados le vali6 el Premio
3. d(u , v) = d(v, u)
Fo rd de la Asociaci6n Mate-
matica de America. EJEMPLO 3 Determinaci6n de la distancia entre dos vectores
Figura 5.5
En la secci6n 4.1 R" se defini6 como el conjunto de todas las n-adas ordenadas de
numeros reales. Cuando If' se combina con las operaciones normales de suma vectorial,
multiplicac i6n escalar, lo ngitud de un vector y el producto punto, el espacio resultante se
llama espacio euclidiano n dimensional. En el resto de este libro, a menos que se especi-
fique lo contrari o, se supondra que R" tiene las operaciones euclidianas eslandar.
230 Capitulo 5 Espacios con producto i nterno
b. (u · v)w
c. u · (2v)
d. llw ll2
e. u · (v - 2w)
SOLUCION
a. Por definicion, tenemos
U · V = 2(5) + (-2)(8) = -6.
b. Usando el resultado def inciso (a), tenemos
(u · v)w = -6w = -6(-4,3) = (24, - 18).
c. Por la propiedad 3 de! teorema 5.3, tenemos
u · (2v) = 2(u · v) = 2(-6) = - 12.
d. Por la propiedad 4 def teorema 5.3, lenemos
llw ll2 = w · w = ( - 4)(- 4) + (3)(3) = 25.
e. Como 2w = (- 8, 6), tenemos
V - 2w = (5 - (- 8), 8 - 6) = ( 13, 2).
En consecuencia,
u · (v - 2w) = 2(13) + (- 2)(2) = 26 - 4 = 22.
DEMOSTRACION
Caso 1. Siu = 0, entonces se tiene que lu · vj = j0 · vj = 0 y llull llvll = 0llvll = 0. Asf, el
teorema se cumple cuando u = 0.
Caso 2. Siu i= 0, seat cualquier n(1mero real y considere el vector I u + v. Ya que (1 u +
v) · (t u + v) ~ 0, se tiene que
lu · vJ = J- I I = l
llu ll llv ll = ~ ~
fiT Js
= ./55.
La desigualdad ju · vj 5 llull llvll se mantiene puesto que l 5 .Jss.
La desigualdad de Cauchy-Schwarz encabeza la definici6n de! angulo entre dos vec-
tores diferentes de cero en R".
Observe que como llull y llvll siempre son positivos, entonces u · v y cos 8 siempre ten-
dran el mis mo signo. Ademas, dado que el coseno es positivo en el primer cuadrante y
negativo en el segundo, entonces el signo de! producto punto de dos vectores puede usarse
para determinar si el angulo entre ellos es agudo u obtuso, como se observa en la figura 5.6.
Direcci6n Misma
opuesta direcci6n
e
~
U V
u
V
e= n 0=0
cos 0 = - I cos 0 =I
Figura 5.6
COM ENTARIO La figura 5.6. muestra que dos vectores diferentes de cero forman un angulo recto si
Aunque el angulo entre el vec- y s61o si su producto punto es cero. Decimos que los vectores son ortogonales (o perpen-
tor cero y otro no esta definido,
diculares).
es conveniente extender la defi-
nici6n anterior para incluir el
vector cero. En otras palabras, Definici6n de vectores ortogonales
se dice que el vector cero es
ortogonal a cualquier vector. Dos vectores u y v en R" son ortogonales si
U ' V = 0.
a. )'
La desigualdad de Cauchy-Schwarz se puede usar para demostrar otra desigualdad
bastante conocida Hamada desigualdad del triangulo (teorema 5.5, pagina 288). Este
nombre se deriva de la interpretaci6n de] teorema en R2 , ilustrada para los vectores u y v
en la figura 5.8(a). Si considera que
llu ll y ll vll
son las longitudes de dos lados del triangulo, puede ver que la longitud del tercero es
llu + vii.
Ademas, dado que la longitud de cualquier lado de un triangulo no puede ser mayor que
la suma de las longitudes de los otros !ados, tenemos
b. llu + vii :S ll u ll + ll vll-
La Figura 5.8(b) ilustra la desigualdad de! triangulo para los vectores u y v en R 3. El
siguiente teorema generaliza estos resultados de R".
X y llu + v ii :S ll u ll + ll v ll-
llu+ vii o::; llull + llvll
Figura 5.8
DEMOSTRACION
Al aplicar las propiedades del producto punto tenemos
ll u + v ll2 = (u + v) · (u + v)
COM ENTARIO.
= u · (u + v) + v · (u + v)
En la desigualdad del t riangulo
ocurre la igualdad si y solo si = u · u + 2(u · v) + v · v
los vectores u y v t ienen la = ll u ll2 + 2(u" v) + ll vll2
misma direcci6n. (Vease el ejer-
cicio 84). :S llu ll 2 + 21u . vi + ll v ll 2 .
Ahora, por la desigualdad de Cauchy-Schwarz, 1u · vi :5 llull llvll, usted puede escribir
ll u + v ll2 :S ll u ll 2 + 2lu. vi + ll vll 2
:S ll u ll 2 + 2 ll u ll llvll + ll v ll 2
= (ll u ll + ll v ll)2 .
Dado que arnbas expresiones, llu + vii y (llull + llvll), son no negativas, al extraer rafz cua-
drada a ambos lados tenemos
llu + vii ::; ll u ll + ll vll.
X )'
Figura 5.9
Esta relaci6n se ilustra graficamente para R2 y R3 en la figura 5.9.
234 Capitulo 5 Espacios con producto interno
v,,
U = [~] y V = [ ~]
u = Ul Hl y V =
De esta manera, muchas de las propiedades del producto punto son consecuencia
directa de las propiedades correspondientes de la multiplicaci6n de matrices. En el ejerci-
cio 85 se le pide utilizar las propiedades de la multiplicaci6n matricial para demostrar las
primeras tres propiedades del Teorema 5.3.
ALGEBRA Los ingenieros electricos pueden usar el producto punto para calcular
el flujo electrico o magnetico, el cual es una medida de la potencia de
LINEAL un campo electrico o magnetico que penetra en una superficie. Consi-
APLICADA dere una superficie de forma arbitraria con un elemento de area dA,
un vector normal (perpendicular) dA , un vector de campo electrico E y
un vector de campo magnetico B. El flujo electrico <Pe se puede encon-
trar al usar la integral de superficie <Pe = f E · dA y el f lujo magnetico
<Pm se puede encontrar al usar la integral de superficie <Pm = f B · dA.
Es interesante notar que para una superficie cerrada dada que rodea a
una carga electrica, el flujo electrico neto es proporcional a la ca rga,
pero el flujo magnetico neto es cero. Esto se debe a que los campos
electricos inician en cargas positivas y terminan en ca rgas negativas,
pero los campos magneticos forman bucles cerrados, por lo que no
inician o terminan en ningun punto. Esto significa que el campo mag-
netico que entra en una superficie cerrada debe ser igual al campo
magnetico que abandona la superficie cerrada.
Determinaci6n de vectores ortogonales En los ej erci- Vectores ortogonales En los ejercicios 75 y 76, sea v =
cios 53 a 56, determine los vectores v que son ortogonales al (vi, v2) un vecto r en R2. Demuestre que (v 2, -v 1) es ortogonal
vector u dado. a v y use este hecho para encontrar dos vectores unitarios
53. u = (0, 5) 54. u = (2, 7) ortogonales al vector dado.
55. u = (2, - 1, 1) 56. u = (4, - 1, 0) 75. V = (12, 5) 76. V = (8, 15)
77. Ganancias El vector u = (3 140, 2750) proporciona los
Verificaci6n de la desigualdad del triangulo En los numeros de hamburguesas y hot dogs, respectivamente,
ejercicios 57 a 60, verifique la desigualdad del triangulo para vendidos en un puesto de comida rapida a lo largo de un
los vectores u y v. mes. El vector v = (2.25, 1.75) proporciona los precios
57. U = (4,0), V = ( 1, 1) 58. U = (- 1, 1), V = (2, 0) (en d61ares) de los productos. E ncuentre el producto punto
59. u = (1, I , 1), v = (0, 1,-2) u • v e interprete el resultado en el contexto de! problema.
78. Ganancias El vector u = (4600, 4290, 5250) propor-
60. U = (1, - 1, 0), V = (0, 1, 2)
cio na los numeros de unidades de tres modelos de telefo-
Verificaci6n del teorema de Pitagoras En Ios ejerci- nos celulares que produce una compaiifa de telecomunica-
cios 6 1 a 64, compruebe el teorema de Pitagoras para los cio nes. El vector v = (79.99, 89.99, 99.99) proporciona
vectores u y v. los precios en d6lares de los tres modelos de telefonos
61. u = ( 1, - 1), v = ( I, 1) celulares, respecti vamente. Encuentre el producto punto
u · v e interprete el resultado en el contexto del problema.
62. U = (3, - 2), V = (4, 6) 79. Encuentre el angulo entre la diagonal de un cubo y una
63. U = (3, 4, - 2), V = (4, - 3, 0) de sus aristas.
64. U = (4, 1, -5), V = (2, -3, 1) 80. Encuentre el angulo entre la diagonal de un cubo y la
65. Revise el Ejercicio 23 usando la multiplicaci6n matricial. diagonal de uno de sus !ados.
81. Demostraci6n guiada Demuestre que s i u es ortogo-
66. Revise el Ejercicio 24 usando la multiplicaci6n matricial.
nal a v y w, ento nces u es ortogonal a cv + dw para
67. Revise el Ejercicio 25 usando la multiplicaci6n matricial. cualesquiera escalares c y d.
68. Revise el Ejercicio 26 usando la multiplicaci6n matricial. lnicio: Para demostrar que u es ortogonal a cv + dw ,
necesita probar que el producto punto de u y cv + dw es
Escriba En los ejercicios 69 y 70, determine si los vectores
ig ual a cero.
son ortogonales, paralelos o ninguna de las dos cosas. Expli-
(i) Reescriba el producto punto de u y cv + dw como
que por que.
una combinaci6n lineal de (u · v) y (u · w) apli-
69. u = (Cos 0, Sen 0, - 1), v = (Sen 0, -Cos 0, 0) cando las propiedades 2 y 3 de] teorema 5.3.
70. u = (- Sen 0, Cos 0, 1), v = (Sen 0, -Cos 0, 0) (ii) Utilice el hecho de que u es ortogonal a v y w, y el
resultado del inciso (i) para concluir que u es orto-
tVerdadero o falso? En los ejercicios 7 1 y 72, determine
gonal a cv + dw .
cual de las expresiones es verdadera o falsa. Si la expresi6n
es verdadera, proporcione una raz6n o cite una expresi6n 82. Prueba Demuestre que s i u y v son vectores en R",
adecuada del texto. Si la expresi6n es falsa, proporcione un entonces
ejemplo que muestre que la expres i6n no es cierta en todos u·v = ¼ll u + v ll2 - ¼ll u - vll2 .
los casos o cite del texto una expresi6n adecuada. 83. Prueba Demuestre que los vectores u = (Cos 0, - Sen
71. (a) La longitud o norma de un vector es 0) y v = (Sen 0, Cos 0) son vectores unitarios ortogona-
les para cualquier valor de 0. Grafique u y v para 0 =
llvll = Iv, + v2 + V3 + · · · + v,,1-
n /3.
(b) El producto punto de dos vectores u y v es otro vec-
84. Prueba Demuestre que llu + vii = llull + llvll si y solo
tor representado por
si u y v tienen la misma direcci6 n.
U • V = (u,v ,, U 2V2, U 3V3, . .. , u,,v,,). 85. Prueba Use las propiedades de la multiplicaci6n
72. (a) Si v es un vector diferente de cero en R", el vector matricial para de mostrar las primeras tres propiedades
uni tario es u = v/JvJ. del Teorema 5.3.
(b) Si u · v
agudo.
< 0, entonces el angul o 0 entre u y v es
(> 86. 00rn!J.YA]£'[jrn l Que se sabe de 0, el angulo
entre dos vectores distintos de cero u y v, bajo cada
Escriba En los ejercicios 73 y 74, escriba un parrafo corto condici6n?
explicando por que cad a una de las expresiones siguientes no
(a) u · v = 0 (b) u · v > 0 (c) u · v < 0
tiene sentido. Suponga que u y v son vectores en R" y que c
es un escalar. 87. Escriba Sea x la soluci6n para el sistema lineal homo-
73. (a) (u · v) - v (b) u + (u · v) geneo de ecuac iones Ax = 0 de m X n. Explique por que
74. (a) (u · v) · u (b) c · (u · v) x es ortogonal a los vectores rengl6n de A.
5.2 Espacios con producto interno 237
PRODUCTO INTERNO
En la secci6n 5.1 se ampliaron de R2 a K' los conceptos de longitud, distancia y angulo. En
esta secci6 n se extienden los conceptos mencionados en un paso mas: a espacios vectoriales
en general. Esto se lleva a cabo por medio del concepto de producto interno de dos vectores.
Ya tenemos un ejemplo de un producto intem o: el producto punto en R". Este pro-
ducto, llamado producto interno euclidiano, es s6lo uno de varios productos internos que
es posible definir en R". Para distinguir entre el producto interno estandar y otros posibles
productos internos, se usa la siguiente notaci6 n.
u · v = producto punto (producto interno euclidiano para R11)
(u, v) = producto interno general para el espacio vectorial V.
Para definir un producto interno general se procede casi de la misma manera como se
defini6 un espacio vectorial general. Es decir, se enumera una serie de axiomas que deben
satisfacerse para que una func i6n pueda calificarse como un producto. Los axiomas son
paralelos a las propiedades 1, 2, 3 y 5 del producto punto dadas en el teorema 5.3.
Demuestre que el producto punto en R" satisface los cuatro axiomas de un producto
interno.
SOLUCION
En R", el producto punto de dos vectores u = (ui, u2, •.. , u,,) y v = (v 1, v2, .. . , v,,) es
Por el teorema 5.3 sabemos que este producto satisface los cuatro ax io mas requeridos, lo
que verifica que es un producto interno en K'.
SOLUCION
1. Como el producto de los numeros reaJes es conmutativo,
es un producto interno sobre R". (En el ejercicio 89, se le pide que demuestre esto). Las
constantes positivas c 1, • • • , c,, se denominan ponderaciones o pesos. Si cuaJquier C; es
negativo o cero, e ntonces la funci6n anterior no define un producto intemo.
SOLUCION
Observe que el axioma 4 nose satisface. Por ejernplo, sea v = (I, 2, I). Ento nces (v, v) =
(1)( 1) - 2(2)(2) + (1)( 1) = -6, que es menor que cero.
011
Sean A = [ b 12 ] matrices en el espacio vectorial M2 _2 . La funci6n
Oz1 h 22
(f, g)
rb
= LJ(x)g(x) dx
define un producto interno sobre C[a, b].
SOLUCION
Puede utilizar propiedades del calculo para verificar cada una de las cuatro partes de la
defi nici6n.
(f,f) = f [f(x)]2 dx ~ 0
con
(f,f) = f [J(x)]2 dx = 0
DEMOSTRACION
Se demostrara la primera propiedad y la demostraci6n de las otras dos se dej an como
ej ercicio. (Yeanse los ejercicios 9 1 y 92.) A partir de la definici6n de producto intemo se
sabe que (0, v) = (v, 0), de modo que basta demostrar que uno de los dos es cero. Usando
el hecho de que O(v) = 0
(O, v) = (O(v), v)
= O(v, v)
= 0.
240 Capitulo 5 Espacios con producto i nterno
4. u y v son ortogonales si (u , v) = 0.
SOLUCION
a. El producto interno de p y q es
(p, q) = a0 b0 + a 1b 1 + Gib2 = (1)(4) + (0)(-2) + (-2)(1) = 2.
NOTA TECNOLOGICA
[ EJEMPLO 7 Uso del producto interno en C[0, 1) (calculo)
Muchas aplicaciones graficas y
programas de computacion
contienen rutinas para aproxi- Utilice el producto intemo definido en el ejemplo 5 y las funciones f(x) =x y g(x) = x2
mar integrales definidas. Por en C[0, I] para determinar
ejemplo, en algunas aplicacio-
nes usted puede utilizar el a. IIJII b. d(j, g)
comando fnlnt para verificar el
ejemplo 7(b). Este puede verse SOLUCION
asi
a. Como f(x) = x, tenemos
~(fninl((x-x2) ~,x,0 ,1
))
. 182574185835
llf11 =2 (f,f) =
J(x)(x) dx
0
I
= l1
0
x 2 dx = [~3] 1=
3 0
l
-.
3
Asf, lltll = ~-
b. Para encontrar d(f, g) escribimos
[d(f, g)]2 = (f- g,f- g)
El resultado debe ser aproxima-
1
damente 0 .183 "" )35" = L U(x) - g(x)]2 dx = L[x - x 2 ]2 dx
Los comandos y la sintaxis de
programacion para estas aplica- (1
= Jo [x2 - 2x3 + x4] dx =
[x33 - 2x4 + x55]1o = 30·I
ciones/programas relatives al
ejemplo 7(b) estan disponibles
I
en la Online Technology Guide,, A sf, d(f, g) = fio•
disponible en
www.cengage.com
con la busqueda Larson, Funda-
En el ejemplo 7, usted encontr6 que la distancia entre las funcionesf(x) = x y g(x) =
ment os d~ Algebra Lineal 7e
x2 en C[0, l] es 11.)36"" 0.183. En la practica, la distancia real entre un par de vectores
no es tan util como la distancia relativa entre algunos pares. Por ejemplo, la distancia entre
g(x) = x2 y h(x) = x2 + l en C[0, l] es l (Yerifique esto). A partir de la Figura 5.10, parece
razonable decir que/y g con mas cercanos que g y h.
y y
J(x) =r
~ (x) =x2 ]
I 2 I 2
I
d(f, g) = v'30 d(h, g) = I
Figura 5.10
El teorema 5.8 enumera las versiones de! producto interno en espacios generales para
la desigualdad de Cauchy-Schwarz, la desigualdad del triangulo y el teorema de Pitagoras.
TEOREMA 5.8
Sean u y v vectores en un espacio V con producto interno.
1. Desigualdad de Cauchy-Schwarz: l(u, v)I :5 llull l vll
2. Desigualdad de! triangulo: l u + vii :5 llull + l vll
3. Teorema de Pitagoras: u y v son ortogonales si y solo si
l u + vll 2 = l ull 2 + llvll2-
Las demostraciones de estos tres axiomas son semejantes a las de los teoremas 5.4,
5.5 y 5.6. Simplemente se sustituye (u, v) por el producto interno euclidiano u · v.
Ejemplo de la desigualdad
EJEMPLO 8
de Cauchy-Schwarz (calculo)
Seanf (x) = 1 y g(x) = x funciones en el espacio vectorial C[O, l], con el producto interno
definido en el ejemplo 5. Compruebe que i<J, g>I ::s l Jll 11811-
SOLUCION
Para el !ado izq uierdo de esta desigualdad tenemos
1
f(x)g(x) dx f x dx x-']I
I
(f, g) =
L 0
=
2 0
=
0
= -J.
2
Para e l !ado derecho de la desigualdad se tiene
Iii 11 2 = f f(x)f(x) dx = L dx = xI = l
[I' ---------□
A 8
Andrew LundquisVShutterstock Com
5.2 Espacios con producto interno 243
V
• proyvu = av, a< 0
proyvu = av, a> 0
Figura 5.11
COM ENTARIO Una proyecci6n ortogonal en un espacio con producto interno general se define como
sigue.
Si v es un vector unitario,
entonces {v, v) = 1Jvjj2 = 1 y la
formula para la proyecci6n orto- Definici6n de proyecci6n ortogonal
gonal de u sobre v toma la
forma mas simple
Sean u y v vectores en un espacio V con producto interno, tal que v -::/= 0. Entonces,
la proyeccion ortogonal de u sobre v esta dada por
.....__proyvu
_______
= f> (u, v)v.
(u, v)
proyvu = -(- ) v.
v, v
4
EJEMPLO 10 Determinaci6n de la proyecci6n ortogonal en R3
2
Util ice el producto interno euclidiano, en R3, para encontrar la proyecci6n ortogonal de u
(6, 2, 4)
= (6, 2, 4) sobre v = (1, 2, 0).
SOLUCION
y Como u · v = lO y llvll2 = v · v = 5, la proyecci6n ortogonal de u sobre v es
X 6 (2, 4, 0)• u·v lO
proyvu =- v =- ( I, 2, 0) = 2(1, 2, 0) = (2, 4, 0)
v·v 5
Figura 5.13 como se muestra en la figura 5.13.
244 Capitulo 5 Espacios con producto interno
: d(u , proyvu) espacio con producto intemo, entonces u - proy.u es ortogonal a v. (Vease el ejercicio 90.)
I
Una importante propiedad de las proyecc iones o rtogonales usada en mode lac i6n
--------------•
proy.u
V
matematica (vease la Secci6n 5.4) esta dada por el sig uiente teorema, el cual afirma que
de todos los posibles multiplos escalares de un vector v, la proyecci6n ortogonal de u sobre
v es la mas pr6xima a u, como se observa en la figura 5.14. Asf, en el ejemplo 10, este
teorema implica que, de todos los posibles multiplos escalares de un vector v = ( I , 2, 0),
el vector proyvu = (2, 4, 0) es el mas cercano a u = (6, 2, 4). Se le pedrra que demuestre
\ d(u, cv) explfcitamente esto en el ejercicio 101.
'
TEOREMA 5.9 Proyecci6n ortogonal y distancia
CV
V
Sean u y v dos vectores en un espacio V con producto intem o, de modo que v * 0.
Entonces,
Figura 5.14
c i= (u, v)
( , proyvu ) < d (u, CV ),
du (v, v).
DEMOSTRACION
Sea b = (u, v)/(v, v). Entonces podemos escribir
ll u - c v ll 2 = ll(u - bv) + (b - c)v ll 2
donde (u - bv) y (b - c)v son ortogonales. Usted puede verificar esto aplicando los axio-
mas del producto interno para demostrar que ((u - bv), (b - c)v) = 0. Ahora, por el teo-
rema de Pitagoras, puede escribir
ll(u - bv) + (b - c)v ll 2 = ll u - bv ll 2 + ll(b - c)v ll2
lo cual implica que
(f, g) =f f(x)g(x) dx
I I
(f,g) =2 y (g,g) = 118 11 2 = 3'
Por lo tan to, la proyecci6n ortogonal def sobre g es
(J, g) 1/ 2 3
proygf = (g,g)g = l/3x = 2x.
5.2 Ejercicios 245
Mostrar que una funci6n es un producto interno En Mostrar que una funci6n es un producto interno En
Jos Ejercicios 1-4, muestre que la funci6n define a un pro- los Ejercicios 27 y 28, sean
ducto interno en R 2 , donde u = (u 1, u2) y v = (v 1, v2).
1. (u, v) = 3u 1v 1 + u 2 v2 2. (u, v) = u 1v1 + 5u 2 v2
3. (u, v) = ½u 1v1 + ¼
u2 v2 matrices e n el espacio vectorial M2 _2 . Muestre que la funci6n
4. (u, v) = 2u 1v2 + u 2v 1 + u 1v2 + 2u 2 v2 define in producto intemo en M 2_2 .
(u, v) = u 1v1 + 2u 2 v2 + u 3 v 3
25. u = (2, 0, I, - 1), v = (2, 2, 0, I), (u, v) = u · v
(/, g) = f /(x)g(x) dx.
26. U = (J, - 1,2, 0), V = (2, J, 0,- 1), 39. J(x) = 1, g(x) = 3x 2 - I
(u , v) =u · v 40. J(x) = - x, g(x) = x 2 - x + 2
41. f (x) = x, g(x) = ex 42. f(x) = x, g(x) = e-x
246 Capitulo 5 Espacios con producto interno
Determinaci6n de un angulo entre dos vectores En 63. Calculo f(x) = x, g(x) = ex,
los Ejerc icios 43-52, encuentre el angulo 0 entre los vectores.
43. u = (3, 4), v = (5, - 12), (u , v) = u · v (f, g) = f1cx)g(x) dx
44. u = (2, - 1), v = (½, 1), (u , v) = u · v
64. Calculo f(x) = x, g(x) = e-x,
45. u = (-4,3), V = (0,5), (u,v) = 3u1V1 + U2V2
46. U =(¼, -1), V = (2, 1), (/, g) = L f(x)g(x) dx
(u, v) = 2U1V1 + U 2V2
47. u = (I , I , I), v = (2, -2,2), Calculo En los ejercicios 65 a 68, demuestre quefy g son
(u , v) = U1 V1 + 2U2V2 + U 3V3 ortogonales en el espacio con producto interno C[a, b ] ,
48. u = (O, 1, -1), v = (1, 2, 3), (u , v) = u · v donde el producto interno esta dado por
61. Calculo f(x) = Senx, g(x) = Cosx, 79. C[0, I], f(x) = x, g(x) = e-'
80. C[0, l ], f(x) = x, g(x) = e-x
(J, g) = Lr/f(x)g(x) dx
4
lVerdadero o falso? En los ejercicios 85 y 86, determine 94. Utilice el resultado del ejercicio 93 para encontrar w.1
cual de las expresiones es verdadera o falsa. Si la expresi6n cuando Wes un subespacio generado por (1, 2, 3) en
es verdadera, proporcione una raz6n o cite una expresi6n V = R3 .
adecuada del texto. Si la expresi6n es falsa, proporcione un 95. Demostraci6n guiada Sea (u, v) el producto intemo
ejemplo que muestre que la expresi6n no es cierta en todos euclidiano en R". Utilice el hecho de que (u, v) = uTv
los casos o cite del texto una expresi6n adecuada. para demostrar que para cualquier matriz A de n X n
85. (a) El producto punto es el un ico producto interno que (a) (ATu , v) = (u, Av)
se puede definir en R".
y
(b) Un vector distinto de cero en un producto interno
(b) (ATAu, u) = IIAu ll 2 .
puede tener una norma de cero.
86. (a) La norma del vector u esta definida por el angulo lnicio: Para demostrar (a) y (b), puede utilizar las pro-
entre el vector u y eje x positivo. piedades de las transpuestas (teorema 2.6) y las propie-
(b) El angulo 0 entre un vector v y la proyecci6n de u dades del producto punto (teorema 5.3)
sobre v es obtuso si el escalar a < 0 y agudo si a > (i) Para demostrar el inciso (a), puede repetir el uso de
0, donde av = proyvu. la propiedad (u, v) = uTv y la propiedad 4 del teo-
87. Sean u = (4, 2) y v = (2, -2) dos vectores en R2 con el rema 2.6.
producto intemo (u, v) = u 1v1 + 2u2 v2. (ii) Para demostrar e l inciso (b), puede utilizar la pro-
(a) Demuestre que u y v son ortogonales. piedad (u, v) = urv, la propiedad 4 del teorema 2.6
(b) Dibuje los vectores u y v. i,Son ortogonales en el y la propiedad 4 del teorema 5.3.
sentido euclidiano?
88. Prueba Demuestre que
ll u + v ll 2 + ll u - vll2 = 2ll u ll 2 + 2ll v ll 2 (a) Explique c6mo deterrninar si una funci6n dada
para cualesquiera vectores u y v en un espacio V con define un producto interno.
producto interno.
(b) Sean u y v vectores en un espacio con producto
89. Prueba Demuestre que la funci6n es un producto
interno para R".
*
interno V ta! que v 0. Explique c6mo encontrar la
proyecci6n ortogonal de u sobre v.
(u, v) = c 1u 1v 1 + c2u 2 v2 + · · · + c11u,,v,,, C; > 0
90. Prueba Sean u y v vectores diferentes de cero en un Determinaci6n de la ponderaci6n de un producto
espacio V con producto intemo. Demuestre que u - proy vu interno En los Ejercicios 97-100, encuentre c 1 y c 2 para el
es ortogonal av. producto intemo de R2 dado por
91. Prueba Demuestre la propiedad 2 del teorema 5.7: Si
u , v y w son vectores en un espacio con producto
interno, entonces (u + v, w) = (u, w) + (v, w). ta! que la grafica represente una elipse unidad como se muestra.
92. Prueba Demuestre la propiedad 3 de! teorema 5.7: Si 97. )'
98. y
u y v son vectores e n un espacio con producto interno y 4
c es un escalar, entonces (u, cv) = c(u, v).
93. Demostraci6n guiada Sea W un s ubespacio del
espacio V con producto interno. Se define: X X
-3 3
W.L = {v E V: (v, w) = 0 para toda w E W}
-2
Demuestre que el conjunto w.1 es un subespacio de V.
-3 -4
Inicio: Para demostrar que W- es un subespacio de V,
usted debe demostrar que w.1 no es un conj unto vacfo y 99. y
100.
)'
Paras = {v 1, v2, .. . , v,,}, esta definici6n tiene la forma que se muestra enseguida.
Ortogo,zal Orto11or111a/
1. (v;, v) = 0, i *j 1. (v;, v) = 0, i *j
2. llv;II = I , i = I , 2, . . . , n
Si s es una base, entonces se denomina base ortogonal o base ortonormal, respectiva-
mente.
La base estandar para R" es ortonormaJ, aunque no es la unica base ortonormal de R".
Por ejemplo, una base ortonormal no estandar de R3 puede formarse efectuando una rota-
ci6n de los ejes alrededor del eje z para obtener
B = {(cos 0, sen 0, 0), (-sen 0, cos 0, 0), (0, 0, l )}
coma sc mucstra en la figura 5.15. intcntc comprobar quc cl producto punto de dos vccto-
res cualesquiera di ferentes entre sf en Bes igual a cero y que todo vector en B es unitario.
Figura 5.15
5.3 Bases ortonormales: proceso de Gram -Schmidt 249
(J, g) = f 77f(x)g(x) dx
demuestre que el conjunto s = {1, sen x, cos x, sen 2x, cos 2x, ... , sen nx, cos nx) es
ortogonal.
SOLUCION
Para demostrar que el conj unto dado es ortogonal, es necesario que verifique los productos
internos mostrados enseguida, donde m y n son enteros positivos.
{21T
( 1, sen nx) = Jo sen nx dx = 0
r27T
( I, cos nx) = Jo cos nx d.x = 0
Jean-Baptiste Joseph
(sen mx, sen nx) = i217
sen mx sen nx dx = 0, m i= n
Fourier
(1768-1830)
Fourier naci6 en Auxerre,
(cos m.x, cos nx) = i217
cos mx cos nx dx = 0, m i= n
Francia. Es reconocido coma Se verificara uno de los productos anteriores y los demas se dejan como ejercicio. Si
un contribuyente importante m i= n, entonces la formula para reescribir el producto de funciones trigonometricas como
en el campo de la educaci6n una suma puede usarse para obtener
para cientificos, matematicos
27T 1127T
e ingenieros. Sus investiga-
ciones condujeron a impor-
tantes resultados referentes
1
Si m.
0
sen nu: cos nx d.x = -
= n, entonces
2 0
[sen(m + n)x + sen(m - n)x] d.x = 0.
a eigenvalores (Secci6n 7 .1 ),
277
]?-=
ecuaciones diferenciales y
series de Fourier (funciones
de series t rigonometricas).
1 0
sen nix cos mx dx = -1
2m
[ sen 2 mx
o
0.
Sus trabajos forzaron a los El conjunto S en el ejemplo 3 es ortogonal pero no ortononnal. Sin embargo, es posi-
matematicos de la epoca a
ble formar un conjunto ortonormal al normalizar cada uno de los vectores en s. Eso es
reconsiderar la definici6n de
porque
una funci6n.
("
II 1112 = Jo dx = 2 7T
("
llsen nx ll 2 = Jo sen 2 nx dx = 1T
("
llcos nxll2 = Jo cos2 nx dx = 7T
DEMOSTRACION
Es necesari o demostrar que la ecuaci6n vectorial
implica que c 1 = c 2 = • • • = c 11 = 0. Para hacer esto, forme el producto interno def !ado
izquierdo de la ecuaci6n con cada vector en S, es decir, para cada i,
((c,v,+ c2v2 + · · · + C;V; + · · + c v v;) = (0, v;)
11 11 ) ,
Asf, como cada s es ortogonal, (v;, v) = 0 para) i= i y de este modo la ecuaci6n se reduce a
c;(v;, v) = 0.
Pero como cada uno de los vectores en S es diferente de cero, y sabemos que
Asi, cada c; debe ser cero y el conjunto debe ser linealmente independiente.
SOLUCION
El conj unto S consta de cuatro vectores diferentes de cero. Asf, por el corolario de! teorema
5.10, se puede demostrar que S es una base para R4 al probar que es un conjunto ortogonal,
como sigue
VI ' V2 =2+0 +0 - 2 =0
V1 'v3 = -2 + 0+4 - 2 =0
V 1 ' V4 = -2 + 6- 2 - 2 =0
V2 • V3 =- I+ 0 +0+ I =0
V2 ' V4 =-J+ 0 +0 + J =0
V3 ' V4 =]+0 - 2 + ] =0
S es ortogonal y por el corolario del teorema 5. 10, es una base para R4.
252 Capitulo 5 Espacios con producto i nterno
DEMOSTRACION
Como Bes una base de V, entonces deben existir escalares unicos c 1, c2 , ••• , c,, tales que
W = C 1V 1 + c2v 2 + · · · + C V 11 11
•
Tomando el producto interno (con v;) de ambos lados de esta ecuaci6 n se obtiene
(w, v;) = ((c 1v 1 + c2v2 + · · · + c,,v,,), v;)
= c 1(v 1, v;) + c2 (v2, v;) + · · · + c,,(v,,, v;)
y por la ortogonalidad de B la ecuaci6n anterior se reduce a
(w, v;) = c;(v;, vJ
ya que B es ortonormal, se tiene que (v;, v) = llvf = I y se concluye que (w, v;) = c;.
1. Sea B = {v t, v2, . . . , v,, } una base de! espacio V con producto interior.
2. Sea B ' = {w 1, w 2, .•. , w,,}, donde w; esta dado por
(v,,, w,,_ 1)
W,,-1·
( w,,-1, w,,-1 )
Entonces B ' es una base ortogonal para V.
3. Sea U; = ll:~11' Luego, el conjunlo B" = {u t, u2, ... , u,il es una base ortogonal
de V. Ademas, gen {v 1, v 2, ... , vd = gen {u t, u 2, ... , ud para k = 1, 2, ... , n.
Figura 5.19
y
se puede concluir que el conj unto {Wt, w2 } es ortogonal. Por el corolario de! teorema 5. 10,
se trata de una base para R2 . Finalmente, para normalizar Wt y w2 se obtiene la siguiente
base ortonorrnal para R 2
254 Capitu lo 5 Espacios con product o i ntern o
- I
Por tanto, B" = {u i, u2 } es una base ortonormal para R2 . Vease la figura 5.20.
)'
- I
B = {{ I , I, 0), ( 1, 2, 0), (0, I, 2)}
SOLUCION
Base ortonormal : 8" = {u 1, u 2 )
Aplicando el proceso de ortonormalizaci6n de Gram-Schmidt se produce
Figura 5.20
w1 = v 1 = {I , I , 0)
w2 = v2 - V2 -
~ ~1 w,
• W = ( I, 2, 0) - -3 ( I, I, 0 ) = ( - -l, -,
l 0)
w, · w, 2 2 2
W3
= V - V3 • WI W V3 • W 2
3 I W2
w1 • w1 W2 • W 2
= (0, I
1, 2) - 2(1, 1, 0) -
1/2( -2,I 2'I 0 )
1/2
= (0, 0, 2).
El conjunto B' = {w 1, w2, w 3 } es una base ortogonal para R3 . Al normal izar cada uno de
los vectores de B' se obtiene
,
_ _ _ _ _ _ _ _ J.,
u, = 1 : :11 = (0, I, 0)
" 2
w?
= l w:11 =
1
h (I , O, l )
(Ji_ fi.)·
= 2' O, 2
X
SOLUCION
Sea B = { I, x, x2 } = {vi, v2 , v 3 }. Entonces tenemos
w1 = v1 = l
(v2 , w 1) 0( )
W2 = V2 - (
w ,, w,
) wI =X - -2 l =X
(v3 , w 1) (v3 , w2 )
W3 = V3 - (
w 1, W 1
) W1 - (
Wz, W2
) W2
= x2 - 2/ 3 (1) - _Q_(x)
2 2/3
= x2 - 1/ 3.
Luego, al normalizar B ' = {wi, w2, w 3 } se obtiene
COM ENTARIO
Los polinomios u 1, u 2 y u3
en el ejemplo 9 se denominan
los tres p rimeros polinomios
normalizados de Legendre,
en honor del matematico tran-
ces Adrien-Marie Legendre
( 1752-1833).
- - -[> En los ejercicios 45 a 50 se pide que usted compruebe estos calculos.
256 Capitu lo 5 Espacios con product o i ntern o
W3
u3 = llw ll, do nde w3 = v3 - (v3, u 1)u 1 - (v3, u 2 )u 2
3
w
u,, = llw'.:ll' do nde w,, = v 11 - (v11, u 1)u 1 - • • • - (v11 , u 11 _ 1)u 11 _ 1
[~ I ~ : ~] ~ [~ 0 - ~ - ~ ~]
rX3
X4
s
VI
U1 =w
= (-¾, t, ½, o)
W2 = V2 - (vz, ll 1) ll 1
Conjuntos ortogonales y ortonormales En los Ejercicios 24. x = (3, - 5, 11), B = {(l, 0, 0), (0, 1, 0), (0, 0, l )}
1-14, (a) determine si el conjunto de vectores en R" es ortogo- 25. x = (5, 10, 15), B = {(t t o), (-t t o), (o, o, 1)}
nal, (b) si el conjunto es ortogonal, determine si tambien es
26. x =(2,-1,4,3),
ortonormal y (c) detemline si el conjunto es una base para R11 •
l. {(2, -4), (2, 1)} 2. {(3, -2), (-4, -6)} B = {(-~, o, H, o), (o, 1, o, o), (-H, o,i, o), (o, o, o, 1)}
3. {(-4, 6),(5, 0)} 4. {( 11 ,4),(8,-3)} Aplicaci6n del proceso de Gram-Schmidt En los ejer-
5. {(t ~). (-;, m 6. {<1, 2), (-t m cicios 27 a 36, use el proceso de ortonormalizaci6n de Gram-
Schmidt para transformar la base dada para R" en una base
7. {(4, - 1, 1), (- 1, 0, 4), (-4, -17, - 1)}
ortononnal. Aplique el producto interno euclidiano para R" y
8. {(2, -4, 2), (0, 2, 4), (-10, -4, 2)}
use los vectores en el orde n dado.
14. { ( !, 3
0, 0, : ) , (0, 0, I , 0), (0, I , 0, 0),
36. B = {(3,4,0,0),(-1, 1, 0,0),(2, 1,0, -1), (0, I, l , 0)}
(
_3./io 0 0
10 ' ' '
fio)}
10
cicios 37 a 42, use el proceso de ortonormalizaci6n de Gram-
Schmidt para transfonnar la base dada para R" en una base
ortonormal para el subespacio. Aplique el producto interno
Normalizaci6n de un conjunto ortogonal En los Ejer- euclidiano de R" y use los vectores en el orden dado.
cicios 15- 18, (a) demuestre que el conjunto de vectores en R" 37. B = {(-8,3,5)} 38. B = {(4, -7,6)}
es ortogonal y (b) nonnalice el conjunto para producir un 39. B = {(3, 4, 0), (2, 0, 0)}
conjunto ortonormal. 40. B = {(l, 2, 0), (2, 0, -2)}
15. {(-1 ,4),(8, 2)} 16. {(2, -5),(10, 4)}
41. B = {( l, 2, -1, 0), (2, 2, 0, l ), (1, I, - l , 0)}
17. { ( fi, fi, fi), (- Ji., 0, Ji.)} 42. B = {(7, 24, 0, 0), (0, 0, I, I ), (0, 0, I, -2)}
18. 2 15,
{( -15, I 15
2 ) , (' 2
15, 15, 0)}
43. Utilice el producto interno (u, v) = 2u 1v 1 + u1 v1 en R 2
19. Complete el ejemplo 2 para verificar que { I , x,
x') es x 1, y e l proceso de ortonormalizaci6n de Gram-Schmidt
una base ortononnal para P3 con el producto interno para transformar {(2, - 1), (-2, 10) } en una base ortonor-
( p, q) = a0 b0 + a 1b 1 + a2 b2 + a3b3. mal.
20. Yerifique que {(sen 0, cos 0), (cos 0, - sen 0)) es una 44. Escriba Explique por que el resultado de! ejercicio 43
base ortonormal para R2. no es una base ortonormal cuando se aplica el producto
interno euclidiano en R2 .
Determinaci6n de un matriz de coordenadas En los
Ejercicios 21- 26, encuentre la matriz de coordenadas de x Calculo En los ejercicios 45 a 50, sea B = { I, x, x1 ) una
respecto a la base ortononnal Ben R 11 • base para P 2 con el producto interno
2 1. x =( )
I,2 ' B
= {(- 2 ✓13
13 '
3JT3) (3 ✓13 2✓13)}
13 ' 13 ' 13 ( p, q) = Ft(x)q(x) dx.
22. x = (-3,4), 8 = {( 1, 2
[),(- '{5, 1)}
2 Complete el ejemplo 9 verificando los productos internos
indicados.
23. x = (2, -2, I), 45. (x, I) =0 46. ( I, I)=2
1) = i
{( Jio Jio) ( Jio)} 47. (x 2
, 48. (x , x) = 0
2
W ' 0, -----ia-
3 3 Jio 0, W
, (0, I, 0), ------io-,
B= 49. (x, x) =i SO. (x 2 - ½, x 2 - ½) = fs
258 Capitulo 5 Espacios con producto interno
Aplicaci6n de la forma alternativa del proceso de 65. Demostraci6n Sea {u 1, u2 , . .. , u,, } una base orto-
Gram-Schmidt En los Ejercic ios 51 -55, aplique la fo rma normaJ para R". Demuestre que
alternativa de! proceso de ortonormalizaci6n de Gram-Sch- llvll2 =Iv. u.12 + Iv. ll2l2 + . . . + Iv. u,, 12
midt para encontrar una base orto normal para e l espacio
para cualquier vector v en R". Esta ecuaci6n se denomina
soluci6n de! sistema lineal homogeneo.
igualdad de Parseval.
51. 2x 1 + x 2 - 6x 3 +2x 4 =0
66. Demostraci6n guiada Demuestre que si w es ortogo-
x1 + 2x 2 - 3x 3 + 4x 4 = 0
nal para cada vector en S = {v 1, v2, . . . , v,,}, entonces w
Xl + X2 - 3x 3 + 2x4 = 0 es ortogonal para toda combinaci6n lineal de vectores en S.
52. XI + X2 - X3 - X4 =0 lnicio: para demostrar que w es ortogonaJ a toda combi-
2x l + X2 - 2x 3 - 2x4 =Q naci6n lineal de vectores en S, usted necesita de mostrar
53. Xl - X2 + X3 + X4 =0 que su producto punto es cero.
Xi - 2x2 + X3 + X4 = Q (i) Escriba v como una combinaci6n lineal de vectores,
54. x 1 + 3x 2 - 3x 3 = 0 con escalares arbitrarios c 1, ... , c 11 en S.
(ii) Forme el producto interno de w y v.
k> 56. 00 ~ GYil.£'IT~ Sea B una base para un espacio
con producto interno V. Explique c6mo aplicar el
(iii) Use las propiedades de! producto interno para rees-
cribir el producto interno (w, v) como una combina-
ci6n lineal de los productos internos (w, v;), i = I ,
proceso de ortonormalizaci6n de Gram-Schmidt
. . . 'n.
para formar una base ortonormal B' para V.
(iv) Use el hecho de que w es ortogonal a cada vector en s
para llegar a la conclusion de que w es ortogonal a v.
LVerdadero o falso? E n los ejercicios 57 y 58, determine 67. Demostraci6n Sea Puna matriz den X n. Demuestre
cual de las expresiones es verdadera o falsa. Si la expresi6n que las siguientes condicio nes son equivalentes.
es verdadera, proporcio ne una raz6n o cite una expresi6 n
(a) P-1 = P7: (La cual se llama matriz ortogonal.)
adecuada del texto. Si la expresi6n es falsa, proporcione un
(b) Los vectores rengl6n de P forman una base ortonor-
ej emplo que muestre que la expresi6n no es cierta en todos
mal para R".
los casos o c ite de l texto una expresi6 n adecuada.
(c) Los vectores columna de P fonnan una base orto nor-
57. (a) Un conj unto S de vectores en un espacio V con pro- mal para R" .
ducto intemo es ortogonal si cada par de vectores en
S es ortogonal. 68. Demostraci6n Sea Wun subespacio de R". Demues-
tre que la intersecci6n de W.L y W es {0 }, donde W.L es el
(b) Una base ortonormal deducida con el proceso de
subespacio de R" dado por
ortonormalizaci6n de Gram-Schmidt no depende de!
orden de los vectores en la base. W .L = {v: w · v = 0 para cad a w en W}.
58. (a) Un conjunto S de vectores en un espacio V con pro- Subespacios fundamentales En los ej ercicios 69 a 70,
ducto interno es orto normal si cada vector es unita- e ncuentre las bases para los cuatro subespacios fundamen-
rio y cada par de vectores en S es ortogonal. tales de la matriz A mostrada abajo.
(b) Si un conjunto S de vectores diferentes de cero es un N(A) = espacio nulo de A N(AT) = espacio nulo de AT
espacio V con producto interno, ento nces S es lineal- R(A) = espacio columna R(AT) = espacio columna de AT
mente independiente. de A
Conjuntos ortonormales en P2 En los ejercicios 59 a Despues, demuestre que N(A) = R(ATl y N(AT) = R(A ).L.
~ =~-~l
64, sean p(x) = a0 + a 1x + GiX y q(x) = b0 + b 1x + biX2
vectores en P con (p, q) = aobo + a 1b 1 + a 2b 2 . Determine si
los po lino mios de segundo grado dados forman un conjunto
ortononnal y, en caso negativo, aplique el proceso de orto-
69. [~ -il 70. [~
■
Encontrar el complemento ortogonal de un subespacio
y la proyecci6n de un vector sobre un subespacio.
Sean (I , 0), (2, 1) y (3, 3) tres puntos en e l piano, como se muestra e n la figura 5.22.
l C6mo puede encontrar la recta y = c 0 + c 1x que "mejor aj usta" estos puntos? Una forma
es observando que s i los tres puntos son colineales, entonces el siguiente s istema de ecua-
ciones sera consistente.
y Co+ c 1 = 0
c0 + 2c 1 = I
c0 + 3c1 = 3
Este sistema puede escribirse en la forma matricial Ax = b, donde
nm b = y • = [::1
Sin embargo, debido a que los puntos no son colineales, el s istema es inconsistente. Aun-
que esto hace imposible encontrar un x tal que Ax = b, usted puede buscar un x que
Figura 5.22 minimice la norma del error l!Ax- bll- La soluc i6 n x = [c0 c 1f de este problema de mini-
mizaci6n se denornina recta de regresi6n por minimos cuadrados y = c 0 + c 1x.
SUBESPACIOS ORTOGONALES
Para resolver el problema de mfnimos cuadrados, primero debe desarrollar el concepto de
subespacios ortogonales. Dos subespacios de R" se denominan ortogonales si los vectores
de un subespacio son ortogonales con los del otro.
Los subespacios
son ortogonales debido a que el producto punto de todo vector en S1 y cualquier vector en
S2 es cero.
Loskutmkov/Shutterstock com
5.4 Modelos matematicos y analisis por mfnimos cuadrados 261
Obtenga el complemento ortogonal del subespacio S en R4 generado por los dos vectores
columna v 1 y v2 de la matriz A.
0
A -[i 0
0
v, V2
SOLUCION
Un vector u E R4 sera el complemento ortogonaJ de S si su producto punto con las dos
columnas de A, v 1 y v2, es cero. Si obtiene la tran spuesta de A, entonces vera que el com-
plemento ortogonaJ de S consta de todos los vectores u tales que ATu = 0.
ATu =0
2 l
0 0
OJ x2 = [OJ
l X3 0
X4
Usando las tecnicas para resolver sistemas lineales homogeneos puede encontrar una posi-
ble base para el complemento o rt ogonal que puede constar de dos vectores
0 O]T y u2 = [- 1 0 l OY,
a. Del ejemplo 2, puede observar que R3 es la suma directa de los subespac ios
DEMOSTRACION
1. Si S = R" o S = {0 }, entonces la propiedad I es trivial. Asf, sea {v 1, v2, . . . , v 1} una
base de s, 0 < t < n. Sea a la matriz de m X n cuyas columnas son los vectores base v,-.
Entonces S = R(A) (el espacio columna de A), lo que implica que S- = N(AT), donde AT
es una matriz t X n de rango t (vease la secci6n 5.3, ejercicio 7 I). Como la dimensi6n
de N(AT) es n - t, se ha demostrado que
dim(S) + dim(S.L) =t+ (n - 1) = n.
2. Si S = R" o S = { 0 }, entonces la propiedad 2 es trivial. Asf, sea {v 1, v2, . . . , v,} una
base de Sy sea {v,+ 1, v,+2, ... , v,,} una base de s1.. Puede demostrarse que el conjunto
{v 1, v2, . . . , v,, v,+ 1, . . . , v,,} es linealmente independiente y forma una base para R".
Sea x E R", x = c 1v 1 + · · · + c,v, + c,+ 1v,+ 1 + · · · + c11v,,. Si escribe v = c 1v 1 + · ·
• + c,v, y w = c, + 1v, + 1 + • · · + c,,v,,, entonces puede expresar un vector arbitrario x
como la suma de un vector de Sy un vector de S-, x = v + w.
Se ha demostrado que esta representaci6n es unica, suponga x = v + w = v + w
(donde vesta en Sy westa en s1.). Esto implica que v- v = w - w;asf, los dos vectores
v - v y w - westan en Sy s1.. Como Sn s1. = {0 }, usted debe tener v = v y w = W.
3. Sea v E S. Entonces v · u = 0 para toda u E s1., lo que implica que u E (S1.)1.. Por otra
parte, si VE cs1.r,
entonces, como R" = EB s s-,
usted puede escribir V como la sum a
unica de! vector de Sy de un vector de Sl., v = s + w , s E S, w E s1.. Como w esta en
Sl., es o rtogonal a todo vector en Sy en particular a v. Asf,
0 = w · v = w · (s + w) = w · s + w · w = w · w.
Esto implica que w = 0 y v = s +w= s E S.
En la secci6n 5.2, usted estudi6 la proyecci6n de un vector sobre otro. Ahora gene-
ralizara las proyecciones de un vector v sobre un subespacio S. Como R" = S EB s1.,
todo vector v en R" puede ser escrito unicamente como la suma de un vector de S y un
vector de s1.:
SOLUCION
Por normalizaci6n de w 1 y w2, obtenemos una base ortonormaJ de S.
0
3
Jio
l
~
Aplique el teorema 5.14 para encontrar la proyecci6n de v sobre S.
3 proy5 v = (v · u i)u, + (v · u2)u2
0 1
6 3 9
fio fio + {~] = 5
1 3
X
fio 5
Figura 5.23
La proyecci6n de v sobre el plano de S se ilustra en la figura 5.23.
El teorema 5.9 dice que de entre todos los multi plos escalares de un vector u, la pro-
yecci6 n ortogonal de v sobre u es el mas cercano av. El ejemplo 5 sugiere que esta pro-
piedad tambien es cierta para proyecciones sobre subespacios, es decir, entre todos los
vectores del subespacio S, la proyecci6n vectorial proysv es el vector mas cercano a v.
Estos dos resul tados se ilustran en la fig ura 5.24.
s
DEMOSTRACION
Figura 5.24 Sea u ES, u -=I= proysv. Sumando y restando la misma cantidad proysv y al vector v - u,
tenemos
v - u = (v - proy5 v) + (proy5 v - u).
Observe que (proy5 v - u) esta en Sy (v - proy5 v) es ortogonal a S. Asf, (v - proy5 v) y
(proy5 v - u) son vectores ortogonales y puede utilizar el teorema de Pitagoras (teorema
5.6) para obtener
R(A) = (l~lm
gea R(A
7
) - goa ([~] , [W
MA) =ge,rm N(A
7
) = gea (m,rm
En el ejemplo 6, observe que R(A) y N(AT) son subespacios ortogonales de R4 y R(AT)
y N(A) son subespacios ortogonales de R 3. Estas y otras propiedades de estos s ubespacios
se establecen en el siguiente teorema.
DEMOSTRACION
Para demostrar la propiedad I, sea v E R(A) y u E N(AT)_ Como el espacio columna de A
es igual al espacio rengl6n de AT, puede ver que ATu = 0 implica u · v = 0. La propiedad
2 se obtiene al aplicar la propiedad I a AT_
Para demostrar la propiedad 3, observe que R(At = N(AT)_ Asf, R111 = R(A) EB R(Af =
R(A) EB N(AT) De manera similar podemos aplicarlo a R(AT) probando la propiedad 4.
5.4 Modelos matematicos y analisis por mfnimos cuadrados 265
presentado en el ejemplo I.
SOLUCION
Comience calculando los productos matriciales mostrados a continuaci6n.
1
2 ~] [: ~]- [!
NOTA TECNOLOGICA 2 !] [!]- [,~]
Muchas aplicaciones graficas y
programas de c6mputo inclu- Las ecuaciones normales son
yen subrutinas para determinar
la recta de regresi6n por mini-
mos cuadrados para un con-
junto de puntos. Si usted tiene
acceso a tales herramientas,
trate de verifica r el resu ltado La soluci6n al sistema de ecuaciones es
del ejemp lo 7. Los comandos y
la sintaxis de programaci6n
para estas aplicaciones/progra-
mas se proporcionan en la
Online Technology Guide,
disponible en
lo que implica que la recta de regresi6n por mfni-
www.cengage.com mos cuadrados para los datos es
con la busqueda Larson, Funda- 3 5
mentos de Algebra Lineal 7e y=2x- 3
..__________. . .,[:>,- como se indica en la Figura 5.26. Figura 5.26
266 Capitulo 5 Espacios con producto interno
Para una matri z A de m X n, las ecuaciones norm ales forman un sistema de ecuac iones
lineaJes de n X n. Este sistema siempre es consistente, pero puede tener un numero infinjto
de solucio nes. Se puede demostrar, sin embargo, que existe una unica soluci6n si el rango
de A es n.
El siguiente ejemplo ilustra c6mo resolver el problema de la proyecci6n de! ejemplo
5 usando ecuaciones normales .
SOLUCION
Para encontrar la proyecci6 n ortogonal de b sobre S, primero resuelva el problema de
mfnimos cuadrados Ax = b. Como e n el ejemplo 7, calcule los productos matriciales ATA
y ATb.
3
0
3
0
X = [;J = [;].
MODELADO MATEMATICO
Los problemas de mfnimos cuadrados juegan un papel fundamental en el modelado mate-
matico de fe n6 menos de la vida real. El siguiente ejemplo muestra c6mo modelar la pobla-
ci6n mundial usando un polinomio cuadratico de mfnjmos cuadr ados.
SOLUCION
Sustituyendo los puntos (5, 4.9), ( I0, 5.3), ( 15, 5.7), (20, 6. 1), (25, 6.5) y (30, 6.9) en el
polinomio cuadratico y = c0 + c,x + c2x2, obtenemos el siguiente sistema de ecuaciones
lineales.
c0 + 5c 1 + 25c2 = 4.9
c0 + l0c 1 + 100c2 = 5.3
c0 + 15c1 + 225c2 = 5.7
c0 + 20c 1 + 400c2 = 6.1
c0 + 25c 1 + 625c2 = 6.5
c0 + 30c 1 + 900c2 = 6.9
Este genera el problema de mfrurnos cuadrados
Ax = b
5 25 4.9
10 100 5.3
15
20
25
225
400
625
[::]= 5.7
6. 1 .
6.5
30 900 6.9
Las ecuacio nes no rmales son
6 l05 0
105 2275 55,2275
125 ] [ cc, ] = [ 35.4]
654.5
[
2275 55,125 ] ,421,875 C2 )4,647.5
La tabla muestra las distancias medias x y los periodos y de los seis planetas mas cercanos
al Sol. Las distancias medias estan dadas en unidades astron6micas y los periodos estan
dados en afios. Encuentre un modelo para estos datos.
Figura 5.27
c0 - 0.949c 1 - 1.423
c0 - 0.324c 1 -0.486
Co = 0.0
c0 + 0.421c 1 = 0.632
c0 + l.649c 1 = 2.473
c0 + 2.257c 1 = 3.382
5. s, =gen{[_:].[:]} s, = genwrn
6. s, = gen wrn s, =gen{[!].[!]} Subespacios fundamentales En los ejercicios 19 a 22,
encuentre las bases para los cuatro subespacios fundamen-
tales de la matriz A.
g~ {:~H-rn
-I
7. s. = ge{l} s, =
19. A=[~ 2
2
Plu}
0 0
=gen{[~]- Hl}
21. A = [~ I
8. S, = gen s, 2 2
0 -1
Determinaci6n del complemento ortogonal y la suma
directa En los ejercic ios 9 a 12, encuentre el complemento
ortogonal s1.. y (b) encuentre la suma directa S EB s1._
22. A = [I - I
l
l
0
0
9. S es el subespacio de R3 que consta del piano xz. Determinaci6n de soluci6n de minimos cuadrados En
5 los ejercicios 23 a 26, encuentre la soluc i6n por mfnimos
10. S es el subespacio de R que consta de todos los vectores
cuyos tercer y cuarto componentes son cero. cuadrados de! sistema Ax = b.
23. A = [:
- 1 l
~-A=[~
I
b =
Proyecci6n sobre un subespacio En los ejercicios 15 I
a 18, encuentre la proyecci6n del vector v sobre el subespa- l 0
cio S.
0 2 I
I - I 0
26. A = 2 I 0 b = I
I I - I
0 2 -I 0
270 Capitulo 5 Espacios con producto i nterno
Proyeccion ortogonal sobre un subespacio En los 39. Velocidad de galope de animales Los cuadrupedos
Ejercicios 27 y 28, use el metodo de! ejemplo 8 para encon- corren con dos tipos diferentes de movimiento: trote y
trar la proyecci6n ortogonal deb = (2 -2 lf sobre el espa- galope. Un animal que t:.rota tiene al menos una pata en
cio columna de la matriz A. el suelo en todo momento, mientras que un animal que
galopa separa las cuatro patas del suelo en algun punto
de la zancada. El numero de zancadas por minuto al que
un animal despunta del trote al galope depende del peso
de! animal. Use la tabla y el metodo de! Ejemplo 10 para
Determinacion de la recta de regresion por minimos encontrar una ecuaci6n que relacione el peso x de un
cuadrados En los ejercicios 29 a 32, encuentre la recta de animal (en libras) y su velocidad mas baja de galope y
regresi6n por mfnimos cuadrados para los puntos dados. (en zancadas por minuto).
Grafique los puntos y la recta en el mismo grupo de ejes. I
Peso, x 25 35 50
29. (- 1, 1), (1, 0), (3, -3)
30. (l , 1), (2, 3), (4, 5) Velocidad de galope, y 19 l.5 182.7 113.8 1
Determinacion del polinomio cuadratico de minimos I Velocidad de galope, y 164.2 125.9 114.2
cuadrados En los ejercicios 33 a 36, encuentre el polino-
mio cuadratico de mfnimos cuadrados para los datos dados. ~ 40. [ru[g(r!A]~"i]'[g Explique c6mo se usan la orto-
33. (0, 0), (2, 2), (3, 6), (4, 12) gonalidad, los complementos ortogonales, la pro-
34. (0, 2), (1, ~). (2, ~). (3, 4) yecci6n de un vector y los subespac ios fundamen-
tales para encontrar la soluci6n de un problema de
35. (-2, 0), (- 1, 0), (0, 1), ( 1, 2), (2, 5)
rnfnimos cuadrados.
36. (-2, 6), (-1, 5), (o, ~), (I, 2), (2, -1)
LVerdadero o falso? En los ejercicios 4 1 y 42, determine
e 37. Titulos doctorales La tabla muestra el numero de
cual de las expresiones es verdadera o falsa. Si la expresi6n
titulos doctorales y (en miles) otorgados en los Estados
es verdadera, proporcione una raz6n o cite una expresi6n
Unidos entre 2005 a 2008. Encuentre la recta de regre-
adecuada del texto. Si la ex presi6n es falsa, proporcione un
si6n por mfnimos cuadrados para los datos. Despues use
ejemplo que muestre que la expresi6n no es cierta en todos
el modelo para predecir el numero de tirulos que seran
los casos o cite del texto una expresi6n adecuada.
entregados en 20 15. Sea I el afio, con I = 5 correspon-
diente a 2005. (Fuente: U.S. National Center for Educa- 41. (a) El complemento ortogonal de R" es el conjunto
tion Statistics) vacfo.
(b) Si cada vector v E R" puede escribirse unicamente
Aiio 2005 2006 2007 2008 como una suma de un vectors I de S I y un vector s2 de
S2, entonces R'' se denomina suma directa de S 1 y S2•
Doctorados, y 52.6 56. 1 60.6 63.7
42. (a) Si A es una matriz de m X n, entonces R(A) y N(A 7)
son s ubespacios ortogonales de R".
'=' 38. Ganancias La tabla muestra las ganancias netas y (en
miles de millones de d6lares) de General Dynamics Cor- (b) El conjunto de todos los vectores ortogonales a todo
poraci6n desde el afio 2005 hasta el afio 20 IO. Encuentre vector en un subespacio S se denomina complemento
la recta de regresi6n cuadratica por mfnimos cuadrados y ortogona1 de S.
el polinomio cubico de regresi6n para los datos dados. (c) Dada una matriz A de m x n y un vector b en R111 , el
Despues use el modelo para predecir las ganancias en problema de mfnimos cuadrados es encontrar x en R"
2015. Seat el afio, cont = 5 correspondiente a 2005. l Que tal que IIAx - bll2 sea minimo.
modelo parece mas preciso para predecir ganancias futu-
ras? Explique (Fuente: General Dynamics Corporation.) 43. Prueba Demuestre que si S 1 y S2 son s ubespacios
ortogonales de R", entonces su intersecci6n consta s6lo
Ano 2005 2006 2007 del vector cero.
Ganancias,y 21.2 24.l 27.2 44. Prueba Demuestre que el complemento ortogonal de
un subespacio R" es en sf mis mo un subespacio de R".
COM ENTARIO
El producto cruz se define sola-
mente para vectores en Ffl. No
Definici6n del producto cruz de dos vectores
se define el producto cruz de
Sea u = u 1i + u2i + u3k y v = v1i + v2i + v3k vectores en R3. El producto cruz de
dos vectores en R2 o dos vecto-
*
res en Rn, n 3.
u y v es el vector
u x v = (u2 v3 - u 3 v2)i - (u 1v3 - u3 v1)j + (u 1v2 - u 2 v 1)k.
M = AB x F
donde AB representa al vector cuyo
punto inicial es A y cuyo punto ter-
minal es 8. La magnitud del
momento M mide la tendencia de
AB para rotar en sentido contrario
a las manecillas del reloj respecto
a un eje dirigido a lo largo del vec-
tor M.
marl< cmom/Shutterstock.Com
272 Capitulo 5 Espacios con producto i nterno
= 1- ~ -~1 i - I~ -21 .
IJ
+13I -2
I lk
= - 3i - 5j - 7k
Observe que este resultado es el negativo del resultado del inciso (a).
Simulacion
Para explorar mejor este con- j k
cepto con un simulador electr6- c. V X V = 3 I - 2
nico y para los comandos y la
sintaxis de prograrnaci6n para
3 -2
estas aplicaciones especfficas y
programas de c6mputo relativos = I~ -21. - 13
-2 I 3
-21.
-2 J
+133 ~lk
al ejemplo 1, por favor visite
college. cengage.com/pic/larso- = Oi +Oj +Ok = 0
nELA6e. Ejercicios y proyectos
similares tarnbien estan disponi- Los resultados del ejemplo 1 sugieren algunas propiedades algebraicas interesantes
bles en este sitio del producto cruz. Por ejemplo,
u x v = - (v x u) y v x v = 0.
Estas propiedades, junto con otras, se dan en el siguiente teorema.
DEMOSTRACION
Se demostrara solo la primera propiedad, dejando la demostraci6n de las otras como ejer-
cicio para usted. (Veanse los ejercicios 53-57.) Sean u y v
U = U1i + U2j + U3k
y
5.5 Aplicaciones de las espacios con producto interno 273
Entonces, u X v es
j k
U X V = u 1 U2 U3
VI V2 V3
y v X u es
j k
V X U = vi Vz V3
U1 Uz U3
= -(v x u).
La propiedad I de! teorema 5. 17 establece que los vectores u X v y v X u tienen la misma
longitud pero direcci6n opuesta. La implicaci6n geometrica de este resultado se analizara
despues de establecer algunas propiedades geometricas del producto cruz de dos vectores.
-----------------, DEMOSTRACION
'
'' Se demuestra la propiedad 4, dejando como ejercicio para usted la demostraci6n de las
'
llv ll sen 0 ,' demas. (Yeanse los ejercicios 58-60.) Sean u y v dos ]ados adyacentes de un parale lo-
'
' gramo, como se observa en la figura 5.28. Por la propiedad 2, el area de este paralelogramo
'' esta dada por
'
u Base Altura
Figura 5.28 r-"-..~_,._~
k =ixj
Este es el piano
determinado
planoxy por u y v
Sistemas
Figura 5.29 dextr6giros
27 4 Capitulo 5 Espacios con producto i nterno
10
• Por la propiedad I del teorema 5. 18 sabemos que el producto cruz
j k
8 u x v= I - 4 I
6
2 3 0
= - 3i + 2j + l lk
es ortogonal tanto a u como a v, como se observa en la figura 5.30. Luego, al dividir entre
la longitud de u x v,
l ux vii= J(- 3)2 + 22 + 11 2
X
4 4 )'
= fi34
(2, 3, 0)
y obtenemos e l vector unitario
Figura 5.30
ux v 3 2 11
II u X VII = - ✓134 i + ✓134 j + ✓134 k
que es ortogonal tanto a u como a v
3 2 11 )
(- ✓134' ✓134' ✓134 · ( I, - 4, 1) = 0
y
3 2 II )
(- fi34' ~ · JJ34 · (2, 3, 0) = 0.
Antes de analizar metodos para determinar la funci6n g es necesario definir c6mo una
funci6n puede aproximar "mejor" otra funci6 n. Una forma natural serfa requerir que el
area acotada por las g raficas defy g sobre el intervalo [a, b],
Figura 5.32
Sin embargo, como los integrandos que implican valores absolutos a menudo son diffciles
de evaJuar, es mas comun e levar al cuadrado el integrando para obtener
Con este criterio, la funci6n g se denomina aproximaci6n por mininos cuadrados def
con respecto aJ espacio W con producto interno.
SOLUCION
Para esta aproximaci6n es necesario detenninar las constantes a0 y a 1 que minimizan el
valor de
I = L [J(x) - g(x)]2dx
= L (ex - a0 - a 1x)2dx.
f = f cex - ao - alx)2 dx
= l
0
1
1 , , , , x 3] 1
= [ -e-• - 2a0 ex - 2a I ex(x - 1) + a=r
IT"
+ a0 ax-
I
+ a-I -3 O
2
= .!.(e
2
2 - 1) - 2a0 (e - 1) - 2a I + a O2 + a OJ
a + .!.a
3 1•
2
Ahora, considerando que / es una funci6n de las variables a 0 y a1, por medio de! calculo
se determinan los valores de a0 y a 1 que minimizan l . Especfficamente, igualando a cero
las derivadas parciales
a1
- = 2a0 - 2e + 2 + a1
aao
a,
-aa = aO + -a -
2
2
I
3 I
I = L [J(x) - g(x)]2 dx
= L (ex - a0 - a 1x - a2x 2 )2 dx
I
= - (e2 - I) + 2a 0( 1 - e) + 2a,(2 - e)
2 -
2 I I I
+ a6+ a0a 1 +
3aoa 2 + 2a a1 2 +
3aT + 5a~ - 2a 1•
I=
J,{b[J(x) - 8(x)]2dx = (J- 8J- 8) = llf- 811 2 -
Esto significa que la funci6n de aprox imaci6n por mfnimos cuad rados g es la func i6n que
minimiza 11 f - 8112 o, de manera equivalente, que minimiza 11 f - 811- En otras palabras, la
aproximaci6 n por mfnimos cuadrados de una funci6n Jes la func i6n 8 (en el subespacio
W) mas pr6xima a fen terminos de! producto intem o if, 8). El siguiente teorema da un
metodo para determinar la fu nci6n 8-
DEMOSTRACION
Para demostrar que g es la funci6n de aproximaci 6n por mfnimos cuadrados def es nece-
sario probar que la desigualdad ll f - gll :5 Ill- wll es verdadera para cualquier vector w en
W. Al expresar f- g como
l- g = l- (.f, w 1)w 1 - (f, w2 )w2 - · · · - (f, w,)w,,
se puede observar quef- g es ortogonal a cada W;, lo cuaJ implica que es ortogonaJ a cada
vector en W. En particular,f- g es ortogonal a g - w . Esto permite aplicar el teorema de
Pitagoras a la suma vectorial l - w = (f- g) + (g - w) para concluir que llf- wll2 = Ill
2 2 2 2
- gll + Ilg - wll . Por tanto, se concluye que llf- gll :511/- wll , lo cual entonces implica
que Ill- KIi :5 II l - wll-
Ahora vere mos c6mo se puede usar el teorema 5.1 9 para producir la aproximaci6n por
minimos cuadrados obtenida en el ejemplo 4 . Primero apliquemos el proceso de ortonor-
malizaci6n de Gram-Schmidt a la base estandar { I , x } para obtener la base ortonormal
B = { I, ✓3(2x - I)}. (Yerifique esto.) Luego, por el teorema 5.19 la aproximaci6n por
mfnimos cuadrados para e'en el subespacio de todas las funciones lineales esta dada por
g(x) = (ex, 1)(1) + (ex, ✓3(2x - 1)) ✓3(2x - l)
= L ex dx + ✓3(2x - I) L fiex(2x - I) dx
= 4e - lO + (18 - 6e)x
lo cual concuerda con el resultado obtenido en el ejemplo 4.
B -
_ J
1 w 1, w2 , w 3
} _
-
{-lJ,;,' ✓3
7T-./7T 2x
( _ ) Jsh ( 7T , 7r2 6x
2_ 67Tx + 2)} 7T .
(Verifique esto.) La funci6n de aproximaci6n por minimos cuadrados g esta dada por
g(x) = (f, w,)w, + (f, W2)W 2 + (.f, W3)W3
y queda
(/, wi) = -
L7TSen xdx = - ')--
I
h o h
(/, w 2 ) = fir=
7T ✓ 7T 0
l" Sen x(2x - 7r) dx = 0
(/, w 3 ) = -Js
-L7TSen x(6x2 - 6m: + 7r2 ) dx = 2Js
- ?- ( 7r2 - 12).
7r2 f,;, 0 7r- f,;,
Entonces, g es
2 l0(7T 2 - 12)
g(x) = - +
7T 7T5
(6x 2 - 6m + 7r2 ) =- 0.4 177x 2 + l.3122x - 0.0505.
g(x) = Do + D I cos x + · · · + a 11
cos nx + b1 sen x + · · ·+ b11 sen nx
2
en el subespacio W de
C[O, 2 7T]
generado por la base
S = {l , cos x, cos 2x, . . . , cos nx, sen x, sen 2x, . .. , sen nx}.
Estos vectores 2n + I son ortogonales en el espacio con producto interno C[O, 27T] debido
a que
Con esta base ortonormaJ, usted puede aplicar el teorema 5. 19 para escribir
g(x) = (f, w0 )w0 + (f, w 1)w 1 + · · · + (J, w2,,)w2,,·
Los coeficientes
l I f 2'1T 1 I f 2'1T
a,= (J, w 1) r= = r= f(x) r=cos.xdx =- f(x)cosxdx
v 7T v 7T o v 7T 7T o
b1 = (/, w,, + 1) r= = r=
v 7T
I I
✓ 7T o
I 2r.
f(x) r= sen x dx
v 7T
1
=-
I
7T o
I 2'1T
f(x) sen x dx
a0 = -1
1T 0
L 2
J(x) dx
1r
ak =- ]L
1T 0
2
7T
f(x) Coskxdx, k = I , 2, . . . , n
bk = -11 7T
f(x) Sen k.x dx, k = I , 2, . . . , n.
1T 0
donde
a = -
1127Tx dx = I
- 21r 2 = 21r
0 1T 1T
0
ai = -
]f
1T O
27T
x Cosjx dx =
[ ]
~ Cosjx
1Tj
X
1Tj
]2,r
+ ---: Senjx =
0
0
b- = _!_
J
f
1T O
2
1
'1Tx Senjx dx = [ - -. 2 Senjx -
1TJ
~
1TJ
Cosjx]
2
O
r. = -~ .
J
21T 2
g(x) =- - 2 Sen x - Sen 2x - - Sen 3x
2 3
2
= 1T - 2 Sen x - Sen 2x -
3 Sen 3x.
En la fig ura 5.36 se muestra una comparaci6n
de las graficas defy g.
En e l ejemp lo 7, el patron general de los coefic ientes de Fourier parece ser a 0 = 21r,
{I I = C/2 = ' ' ' a,, = 0 y
2 2
b = - - b = - -
1 1' 2 2'
2rr
TC 2 rc
Figura 5.37
En cursos avanzados se demuestra que cuando 11 ➔ oo, el error de aproximaci6n II!- gll
tiende a cero para toda x en el intervalo (0, 21r). La serie infinita de g(x) se llama serie de
Fourier.
SOLUCION
Con el teorema 5.20, los coeficientes de Fourier se encuentran como sigue
ao = -I 1Ix - 1rl
2
1T dx = 7T
1Ix - 1rl
7T 0
2
ak = -l 1T Coskxdx
7T 0
= -2 1 1T(1r - x) Coskxdx
7T 0
bk = -I
7T 0
1Ix - 1rl
2
1T Sen kxdx =0
Asf, a0 = 1r, a 1 = 4l 1r, a 2 = 0, a 3 = 4l91r, a 4 = 0, b 1 = 0, b2 = 0, b3 = 0 y b 4 = 0, lo
cu al s ignifi ca que la aproximaci6n de Fourier de cuarto orden def es
4 cos3.r 1r 4 4
•
l((x)=i+.1cosx+
.!. ,r 9,r g(x) =- +- Cos x +- Cos 3x .
2 1r 97T
Determinaci6n de producto cruz En los ejercicios 23 a 48. u = (2,0, I ), v = (0,3, 0), w = (0, 0, 1)
J!I\ 30, utilice una aplicac i6n grafica con capacidades vectori ales 49. Volumen de un paralelepipedo Demuestre que el
'C'JI para encontrar u x v y despues demuestre que este es orto- volumen de un paralelepfpedo que tiene a u, v y w como
gonal a u y v.
lados adyacentes es el triple producto escalar lo · (v X w)l-
23. u = (l , 2, - 1), v = (2, l, 2)
50. Determinaci6n del volumen de un para-
24. U = (1, 2, -3), V = (- ), 1, 2) lelepipedo Use el resultado del Ejercicio 49 para
25. u = (0, I , -1 ), v = ( 1, 2, 0) encontrar el vol umen de cada paralelepfpedo.
26. u = (0, 1, -2), v = (0, 1, 4) (a) u =i+j (b) u = i +j
27. u = 2i - j + k, v = i - 2j + k v= j + k v =j + k
28. u = 3i - j + k, v = 2i + j - k w = i + 2k w =i+k
29. u = 2i + j - k, v = i - j + 2k z
30. u = 4i + 2j, v =i - 4k
2
54. Prueba Demuestre que cu X v = c(u X v) =u X cv. 80. f(x) = e-2.r, 2do orden
55. Prueba Demuestre que u X 0 = 0 X u = 0. 81. J(x) = I + x, 3er o rde n
57. Prueba Demuestre que u · (v X w) = (u X v) • w. 83. f(x) = 2 sen x cos x, 4to orden
58. Prueba Demuestre que u X v es ortogonaJ a u y v. 84. f(x) = sen 2 x, 4to orde n
59. Prueba Demuestre que el angulo 8 entre u y v esta 85. Use los resultados de los ejercicios 73 y 74 para encon-
ll u xvll trar la aproximaci6n de Fourie r de 11-esimo orden de
dado por: 8 = Arcsen ll u llllv ll"
f(x) = 1r- x
60. Prueba Demuestre que u X v = 0 si y s6lo si u y v
en el intervaJo [0, 21r].
son paralelos.
86. Use los resultados de los ejercicios 75 y 76 para encon-
61. Prueba Demuestre la identidad de Lagrange:
trar la aproximaci6n de Fourie r de 11-esimo orden de
2 2 2
llu X vll = llu ll llvll - (u · v)2. f(x) = (x - 1r)2
62. Prueba
en e l intervalo [0, 21r].
(a) Demuestre que
87. Use los resultados de los Ejercicios 77 y 78 para encon-
u x {v x w) = {u · w)v - {u · v)w.
trar la aproximaci6n de Fourier de n-esimo orden de
(b) Enc ue ntre un ejemplo para el c ual J(x) = e-x
u x (v x w) * {u x v) x w. en el intervaJo fO, 21r 1-
Determinacion de una aproximacion por minimos
cuadrados En los ej ercicios 63 a 68, (a) e ncuentre la 88. 00rnl1Yi!~ij"s Explique c6 mo encontrar
funci6 n lineal g de aproximaci6n por minimos cuadrados cada uno de los s iguientes.
para la func i6 nf y (b) use una a plicaci6n grafica para graficar (a) El produc to cruz de dos vectores en R3
f y g. en la misma ventana de visualizaci6n.
(b) La aprox imaci6n por mfni mos cuadrados de una
63. J(x) = x 2, 0 s x s I funci6n f E C[a, b] con respecto de un subespacio
64. f(x) = ✓ x, I S x S 4 W de C[a, b]
65. f(x) = e 2', 0 s x s 1 (c) L a aproximaci6n de Fourier de n-esimo orde n en el
66. J(x) = e-2..-, 0 s x s 1 intervalo [0, 21r] de una funci6n cont inua f con
respecto del espacio vectorial generado por
67. j(x) = COS X , 0 S X S 7T
{ I, cos x, . . . , cos ,zx, sen x, . . . , sen nx}
68. f(x) = senx, 0 s x S 1r/ 2
284 Capitulo 5 Espacios con producto i nterno
5 Ejercicios de repaso Consulte www.CalcChat.com para las soluc1ones de las eierc1cios nones.
Determinaci6n de longitudes, producto punto y dis- 26. Para u = ( 0, 3, ½) y v = (t I, -3 ), (a) encue ntre el pro-
tancia En los ejercicios 1 a 8, encuentre (a) llull, (b) llvll, (c) ducto interno representado por (u, v) = 2u 1v 1 + u2 v2 +
u · v, y (d) d(u, v). 2u3 v3 y (b) use este producto intem o para encontrar la
1. u = (1, 2), v = (4, I) distancia entre u y v.
2. u = (- l , 2), v = (2, 3) 27. Yerifique la desigualdad del tri angulo y la desigualdad
3. u = (2, 1, I), v = (3, 2, - 1) de Cauchy-Schwarz para u y v del ejercicio 25. (Use el
4. U = (1, - 1, 2), V = (2, 3, 1) producto interno del ejercic io 25.)
28. Verifique la desigualdad del triangulo y la desigualdad
5. u = (I , -2, 0, 1), v = ( I, I , - 1, 0)
de Cauchy-Schwarz para u y v del ejercic io 26. (Use el
6. u = (I , -2, 2,0), v = (2, - 1,0, 2) producto intem o del ejercic io 26.)
7. U = (0, 1, - 1, 1, 2), V = (0, 1, -2, 1, 1)
Calculo En los ejercicios 29 y 30, (a) encuentre el pro-
8. U = (1, -1 , 0, 1, 1), V = (0, 1, - 2, 2, 1)
ducto interno, (b) detennine si los vectores son ortogonales y
Determinaci6n de longitud y un vector unitario En (c) verifique la desigualdad de Cauchy-Schwarz para los
los ejercicios 9 a 12 encuentre llvll, asf como un vector unita- vectores.
rio en la direcci6n de v.
9. V = (5, 3, - 2) 10. V = (1, - 2, 1) 29. J(x) = x, g(x) = -
X
2
1
- , ( /,
+I
g) = fl
-I
f(x)g(x) dx
11. v = (- I , I , 2) 12. v = (0, 2, - I)
30. J(x) = x, g(x) = 4x 2, (J, g) = L J(x)g(x) dx
13. Dado el vector v = (8, 8, 6), encuentre u tal que
(a) u tenga la misma di recci6n que v y la mitad de su
Determinaci6n de una proyecci6n ortogonal En los
longitud.
ejercicios 3 1 a 36, encuentre proyvu .
(b) u tenga la direcci6n opuesta de v y un cuarto de su
longitud. 31.u =(2,4), v = ( l , -5) 32.u =(2, 3), v =(0, 4)
(c) u tenga la direcci6n opuesta de v y el doble de su 33. U = (J, 2), V = (2, 5)
longitud.
34. U = (2, 5), V = (0, 5)
14. i,Para que valores de c es llc(2, 2, - I )II = 3?
35. U = (0, - 1, 2), V = (3, 2, 4)
Determinaci6n del angulo entre dos vectores En los 36. u = (1,2, - 1), V = (0, 2,3)
Ejercicios 15-20, encuentre el angulo 0 entre los dos vectores.
15. U = (2, 2), V = (-3, 3) Aplicaci6n del proceso de Gram-Schmidt En los ejer-
c icios 37 a 40, utilice el proceso de ortonormalizaci6n de
16. u = ( I, - I), v = (0, I) Gram-Schmidt para transformar la base en una base ortonor-
17. u = ( Cos
3
7T, Sen 3 7T), v = ( Cos 2 7T, Sen 2 7T) mal. (Use el producto intemo euclidiano.) para R" y use los
4 4 3 3 vectores en el orden en el cual se presentan.
42. Repita el ejercicio 37 para B = {(-1 , 2, 2), (I , 0, 0)} y 55. Demostraci6n Sea u = {u 1, u 2, . . . , u111 } un subcon-
X = (-3, 4, 4). j unto ortonormal de R" y sea v cualquier vector en R".
Demuestre que
Calculo En los ejercic ios 43 a 46, seanf y g funciones en Ill
<J, g) =
l
"f(x)g(x) dx.
64. Ganancias La tabla muestra las ganancias y (en 73. Determinaci6n del area de un paralelogramo
millones de d6lares) para Google, incorporated desde el Encuentre el area del paralelogramo que tiene a
aiio 2003 a 2010. Encuentre la regresi6 n c uadra tica por u = (1, 3, 0) y v = (-I , 0, 2)
mfnimos c uadrados y polinomios cubicos para los datos.
como ]ados adyacentes.
Despues utilice cada modelo para predecir las ganancias
e n 2015. Seal el ai\o, con 1 = 3 correspondie nte a 2003. 74. Prueba Demuestre que
i,Cual de los modelos parece mas preciso para predecir l u xvii = llull l vll
ganancias futuras? (Fuente: Google, Incorporated.) si y s6lo si u y v son ortogonales.
At'io 2003 2004 2005 2006 Determinaci6n de una aproximaci6n por mm,mos
cuadrados En los Ejercicios 75-78, (a) e ncuentre la
Ganancias, y 1.5 I 3.2 6. 1 10.6
aproximaci6n por mfnimos cuadrados g(x) = a 0 + a 1x de
la funci6nf, y (b) use una aplicaci6n grafica para graficar f y
Ano 2007 I 2008 2009 ~ ,o g en la misma venta na de visualizaci6n.
5 Proyectos
1 La factorizacion QR
El proceso de ortonorma1izaci6n de Gram-Schmidt conduce a una importante factorizaci6n
de matrices Uamada factorizaci6n QR. Si A es una malliz de m X n de rango n, entonces
A puede expresarse como el producto A = QR de una matriz Q de m X n y una matriz R de
n. X n, donde Q tiene columnas ortonormales y Res triangular superior e invertible.
Las colurnnas de A pueden ser consideradas una base de! subespacio de R"' y las
columnas de Q son el resultado de aplicar el proceso de ortonormalizaci6n de Gram-Sch-
midt a este conjunto de vectores colu mna.
Recuerde que en el ejemplo 7 de la secci6n 5.3, el proceso de ortonormalizaci6n de
Gram-Schmidt se utiliz6 en los vectores columna de la matriz
2
0 !]
Se obtuvo una base ortonormal para R3, la que aquf etiquetamos como Qi, q 2 , q 3.
q1 = ( Ji./2, Ji./2, o), q 2 = (- Ji./2, Ji./2, o), q 3 = (o, o, 1)
Estos vectores forman las columnas de la matriz Q.
Ji./2 - Ji./2
fi/2
Q=
[ ~ /2 0
R =
V1 • Q1
0
V2 "Q 1
v2 · q2
V3 "Q 1]
v3 • q2 =
[fi_0 3fi/2
Ji./2
fi/2]
Ji./2
[
0 0 V3 'Q 3 0 0 2
Verifique que A = QR.
En general, si A es una matriz de m X n de rango n con columnas v 1, v2, •. . , v,,, enton-
ces la factorizaci6n QR de A esta dada por
A= QR
r··~:
V2 • Q 1
Vz • Q2
v,. . q ']
v11 • Q 2
... = [q I . .. q,
[v1 V2 v,,] Q2 q,,]
.. 01' - - 0 0 VII ,: q ll
La factorizacion QR de una
matriz forma la base para donde las columnas q 1, q2, ... , q,, de la matriz Q de m X n son los vectores ortonormales
muchos algoritmos de algebra que resultan de] proceso de ortonormalizaci6n de Gram-Schmidt.
lineal. Los algoritmos para el
calculo de eigenvalores (vease
1. Verifique la ecuaci6n matricial A = QR de cada matriz.
el Capitulo 7) se basan en esta
l
factorizacion, asi como los algo-
ritmos para el calculo de la recta
de regresion por mini mos cua-
drados para un conjunto de
datos. Tambien se debe men-
cionar que, en la practica, se uti- 2. Sea A = QR la factorizaci6n QR de la matriz A de m X n de rango n. Demuestre c6mo
lizan tecnicas distintas del pro-
ceso de ortonormalizacion de
el problema de mfnimos cuadrados puede resolverse utilizando, la factorizaci6n QR.
Gram-Schmidt para ca lcular la 3. Use el resu ltado de la parte 2 para resolver el problema de mfnimos cuadrados Ax =b
factorizacion OR de una matriz. siA es la matriz de la parte l (a) y b = [-1 l - lf.
----------[> Mandall/www shunerstockoom
288 Capitulo 5 Espacios con producto interno
[x]B = [::].
c,,
Si B' es otra base de V, entonces la matriz de transici6n P de B' a B transforma una
mattiz de coordenadas relativas a B' en una matriz de coordenadas relativas a B .
P[x]B' = [x]8 .
La cuesti6n que debe explorar ahora es si existen matrices de transici6n P que conser-
ven la long itud de la matri z de coordenadas, es decir, dada P[x] B' = [x] 8 , ;,es cierto que
ll[x]B·II = ll[xJall?
Por ejemplo, considere la matriz de transici6n de! ejemplo 5 de la secci6n 4.7,
-2]
- 1
relati va a la base de R2,
B = {(-3, 2), (4, - 2)} y B' = {(- 1, 2), (2, - 2)}.
Si x = (- 1, 2), ento nces [x] B' = [ I 0)7 y [x] 8 = P[xfo, = [3 2)7. (Verifique esto.) Asf,
usando la norma euclidiana para R 2 ,
es ortogonal.
3. Demuestre que una matriz es ortogonal si y s61o si sus columnas son ortogonales por
pares.
4. Demuestre que la inversa de una matriz ortogonaJ es ortogonal.
5. 6La suma de matrices o rtogonales tambien es o rtogonal? 6EI producto de matrices orto-
gonales es ortogonal? Ilustre sus respuestas con ejemplos apropiados.
6. Demuestre que si P es una matriz ortogonal de m X n, entonces IIPxll = llxll para todos
los vectores x en R".
7. Verifique el resultado de la parte 6 utilizando las bases B = {( 1,0), (0, I) } y
Examen acumulativo de capftulos 4 y 5 289
Examen acumulativo de capitulos 4 y 5 Consulte www.CalcChat.com para las soluc1ones de los e1erc1c1os nones.
Resuelva este examen para revisar e l material e n los Capftulos 4 y 5. Despues de que lo
termine, verifique su trabajo con las respuestas al final del libro.
1. Dados los vectores v = (1, -2) y w = (2, -5), e ncuentre y dibuje cada vector.
(a) v + w (b) 3v (c) 2v - 4w
2. Si es posible, escriba w = (2, 4, I) como una combinaci6 n lineal de los vectores Vi,
V2 y V3 . V 1 = ( I, 2, 0), v2 = (- I, 0, I), v 3 = (0, 3, 0)
3. Escriba la tercera colum na de la matr iz como un a combinaci6 n lineal de las dos pri-
m eras columnas (si es posible).
2
8
5
4. Use un program a de computaci6n o a aplicaci6n grafica con capacidades matric ia les
para escribir v como una combinaci6n lineal de u i, u2 , u 3, u4 , u5 y u6 . Despues veri-
fique su soluc i6n.
V = ( 10, 30, - 13, 14, -7, 27)
u , = (1,2, - 3,4, -1 , 2)
ll 2 = (1, -2, 1, - 1, 2, 1)
u3 = (0, 2 , - I, 2, - I , - I)
U4 = (1, 0, 3, -4, I, 2)
U 5 = ( I , - 2, I , - 1, 2, -3)
u6 = (3, 2, 1, -2, 3, 0)
5. De muestre que e l conj unto de todas las matrices singulares de 3 X 3 no es un espacio
vectorial.
6. Determi ne si e l conj unto es un subespacio de R4 . { (x, x + y, y, y): x, y E R}
7 . Determi ne si e l conj unto es un subespacio de R3.
{(x, xy, y): X, y E R}
8. Determine si las columnas de la matri z A generan R4.
2 - 1
y
3 0
0 1
0 0
9. (a) Defina que significa e l decir que un conj unto de vectores es linealmente indepen-
- I
diente.
- I (b) De te rmine si el conj unto S es linealmente depe ndie nte o independie nte.
S = {( l , 0, 1, 0), (0, 3, 0, 1), (1, 1, 2, 2), (3, -4, 2, -3)}
Figura para 10(b) 10. (a) Defina la base de un espacio vectorial.
(b) Determine si el conjunto {v 1, v2 } mostrado e n la figura de la izquierda es una base
para R2 .
(c) De termine si e l conjunto es una base de R 3.
{( 1, 2, I), (0, I, 2), (2, 1, -3)}
11. E ncuentre una base para el espacio soluci6n de Ax = 0 si
0
-~ -2 0
A=
[ 0
I
0 I
0
290 Capitulo 5 Espacios con producto i nterno
n
I l
0 0
20. Suponga que x 1, •• • , x,, son vectores linealmente independientes y que y es un vector
no generado en su espacio. Demuestre que los vectores x 1, ••• , x,, y y son linealmente
independientes.
21. Encuentre la recta de regresi6n por m.inimos cuadrados para los puntos
{( I, I), (2, 0),(5, -5)}. Grafique los puntos y la recta.
l
22. Dos matrices, A y B, son equi valentes por renglones.
2 -4 0 7 -2 0 0 3 2
-2 - 1 1 9 12 0 1 0 -5 -3
A= II
- 1 2 3 - 5 16 B - [~ 0 0 l l 7
4 -8 - I 6 -2 0 0 0 0 0
(a) Encuentre el rango de A.
(b) Encuentre una base para el espacio rengl6n de A.
(c) Encuentre una base para el espacio columna de A.
(d) Encuentre una base para el espacio nulo de A.
(e) l Esta la ultima columna de A en e l espacio generado por las tres primeras?
(f) lSon las tres primeras columnas de A linealmente independientes?
(g) lEsta la ultima columna de A en el espacio de las columnas I, 3 y 4?
(h) l So n las columnas I, 3 y 4 linealmente dependientes?
23. Sean S 1 y S2 subespacios de dos dimensio nes de R3• l Es posible que
S 1 n S2 = {(0, 0, 0)}? Explique.
24. Sea V un espacio vectorial de dimension n. Demuestre que cualquier conjunto de
menos de n vectores no pueden generar V.
Transformaciones
6 lineales
6.1 lntroducci6n a las transformaciones lineales
6.2 El kernel y el rango de una transformaci6n lineal
6.3 Matrices de transformaciones lineales
6.4 Matrices de transici6n y semejanza
6.5 Aplicaciones de las transformaciones
lineales
V: Dominio
T: V ➔ W W: Codominio
Figura 6.1
TRANSFORMACIONES LINEALES
En este capftulo, la atenci6n se centra en funciones (de un espacio vectorial a otro) que
conservan las operaciones de suma vectorial y multipl icaci6 n escalar. Estas funciones se
llaman transformaciones lineales.
Se dice que una transformaci6n lineal conserva operaciones porque se obtiene el mismo
resultado si las operaciones de suma y multiplicaci6n escalar se efectuan antes o despues
de que se aplique la transformaci6n lineal. Aunque se utilizan los mismos sfmbolos para
denotar las operaciones vectori ales tanto en V como en W, debe observar que las operacio-
nes pueden ser diferentes, como se indica e n el siguiente diagrama.
~~
Multiplicaci6n Multiplicaci6n
escalar escalar
T~
T(u + v) = T(u) + T(v)
en V
T(cu) =
en W
c T(u )
DEMOSTRACION
Para demostrar la primera propiedad, observe que 0v = 0. Ento nces, se concluye que
T(0) = T(0v) = 0T(v) = 0.
La segunda propiedad se concluye de - v = (- l )v, que implica que
T(- v) = T[(- l )v] = (- l )T(v) = - T(v).
La tercera propiedad se concluye de que u - v = u + (-v), que implica que
T(u - v) = T[u + (- l)v] = T(u ) + (- l)T(v) = T(u) - T(v).
La demostraci6n de la cuarta propiedad se deja como ejercicio.
La propiedad 4 del teorema 6. 1 establece que una transformac i6n lineal T: V ➔ Wes
determinada completamente por su efecto sobre una base de V. En otras palabras, si {v 1,
v2 , . . . , v 11 } es una base para el espacio vectorial Vy si T(v 1), T(v2), ... , T(v,,), estan dadas,
entonces T(v) esta definida para cualquier v en V. El uso de esta propiedad se muestra en
el ejempl o 4.
6.1 lntroducci6n a las t ransfo rmac iones lineales 295
SOLUCION
Dado que (2, 3, -2) = 2( 1, 0, 0) + 3(0, 1, 0) - 2(0, 0, 1), enronces la propiedad 4 del
teorema 6.1 se puede usar para escribir
T(2,3, -2) = 2T( l ,0, 0) + 3T(0, 1,0) -2T(0, 0, I)
= 2(2, - I, 4) + 3(1, 5, - 2) - 2(0, 3, I)
= (7, 7, 0).
En el siguiente ejemplo se usa una matriz para definir una transformaci6n lineal de R2
a R 3. El vector v = (v 1, v2) se escribe en forma matricial como
COM ENTARIO TEOREMA 6.2 La transformacion lineal definida por una matriz
La matriz cero de m X n corres-
ponde a la transformaci6n cero Sea A una matriz de m X n. La funci6n T definida por
de Rn a R"' y la matriz identidad T(v) = Av
In de n X n co rresponde a la
transformaci6n identidad de es una transformaci6n lineal de R" a R"'. Para formar la multiplicaci6n matricial con
Rn a Fl".
una matriz de m X n, los vectores en R" se representan por matrices de n X I y los
vectores en R"' se representan por matrices de m X l .
l[
Asegurese de comprender que una matrizA de m X n define una transformaci6n lineal
de R" a R"'.
a,2
a,,,][" a,,,, + a, 2v2 + . ·+ a,,,,,,]
[ aa,, G 22 a 2,, v2 a v + Gi2V2 + . ·+ C½,,V,,
Av= 21 21 1
V ector V ector
en Rn en R111
La transformaci6n lineal T: [(' ➔ R111 esta defin ida por T(v) = Av. Determine la dimension
l [2 -3]
de R" y R"' para la transformaci6n lineal dada por las siguientes matrices.
a. A - [;
I
3 -10 b. A = - 5 0 c. A = 3 [I 0 - 1
0
2 1 0 - 2
SOLUCION
a. Dado que el tama.iio de esta matriz es 3 X 3, define una transfonnaci6n lineal de R 3 a
R3.
I
3
2
EJEMPLO 7 Rotaci6n en R2
Demuestre que la transformaci6n lineal T: R2 ➔ R2 dada por la matriz
A= [ cos 0 -sen 0]
sen 0 cos 0
tiene la propiedad de rotar todo vector en R2 en sentido contrario al de las manecillas de!
reloj con respecto al origen un angulo 0.
SOLUCION
Por el teorema 6.2 se sabe que T es una transformaci6n lineal. Para demostrar que rota todo
vector en R2 un angulo 0 en sentido contrario al de las manecillas del reloj , se considera v
= (x, y) un vector en R2. Usando coordenadas polares v se puede expresar como
V = (x, y)
= (r cos a, r sen a)
donde r es la longitud de v, y 0 es el angulo formado entre el vector v y el eje positivo de
las x descrito en sentido contrario al de las manecillas de l reloj .
T(v) = Av
= [cos 0 -sen 0] [x]
sen 0 cos 0 y
= [cos 0 -sen 0] [rcos a]
sen 0 cos 0 r sen a
= [,. cos 0 cos a- r
sen 0 sen a]
r sen 0 cos a + r cos 0 sen a
= [r cos(0 +
r sen(0 + a)
a)].
Por consiguiente, el vector T(v) tiene la misma longitud que v. ademas, dado que el angulo
desde el eje x positivo a T(v) es
0+ a
entonces T(v) es el vector que se obtiene al rotar el vector v en sentido contrario al de las
manecillas del reloj un angulo 0, como se observa en la Figura 6.2.
)'
------ T(x. y)
..... ,
Rotaci6n en R2
Figura 6.2
X *
T(x, y, z) = (x, y, 0)
y
Figura 6.3
Hasta el momento s6lo se han analizado transformaciones lineales de R" a R111 o de R"
a R". En el resto de esta secci6n se consideraran algunas transformaciones lineales que
implican otros espacios vectoriales diferentes de R".
Sea T: M111_11 ➔ M11 _,,, la funci6n que mapea una matri z A de m X n en su transpuesta. Es
decir,
Sea C' [a, b] el conjunto de codas las funciones cuyas derivadas son continuas en [a, b].
Demuestre que el operador d iferenc ial Dxdefi ne una transformaci6n lineal de C' [a, b] a
C[a, b].
SOLUCION
Usando notaci6 n de o peradores se escribe
don def esta en C' [a, b ]. Para demostrar que Dx es una transformaci6n I ineal se recurre al
calculo. Especfficamente, como la derivada de la suma de dos funciones es igual a la suma
de las derivadas de estas, se tiene
donde g tambien esta en C' [a, b]. De manera semejante, debido a que la derivada de un
multiplo escalar de una funci6n es igual al multiplo escalar de la deri vada, se tiene
D)cf) =~[cf]=
dx
c(~[/J) = cD)f).
dx
Dado que la suma de dos funciones continuas es continua y dado que e l multiplo
escalar de una funci6n contin ua es continua, Dxes una transformaci6 n lineal de C' [a, b] a
C [a, b].
Dx (a IIx" + · · · + ax
I + aO) = na 11
x 11 - 1
+ · · · + a 1·
El siguje nte eje mplo describe una transformaci6 n lineal del espacio vectorial de fun-
ciones polinorrunales P en el espacio vectorial de los numeros reales R.
T(p) = f p(x) dx
do nde p es una funci6n polinominal. Demuestre que T es una transformac i6n lineal de P,
el espac io vectorial de funciones polin6m icas, en R, e l espacio vectorial de numeros reales.
SOLUCION
Por medio de las propiedades de las integra les definidas se puede escribir
6.1 Ejercicios Consulte www.CatcChat.com para las soluciones de los eJerc1cios nones.
!]- ~
I 0
A = [: 35. A = 0 2
17. T: M 2 _2 ➔ R, T(A) =a+ b - c + cl, do nde 0 0
39. Para la transformaci6n lineal dada en el ejercicio 33, 56. Sea Tuna transformaci6n lineal de M2.2 a M2.2 tal que
halle (a) T(l , 1), (b) la preimagen de (1, I) y (c) la prei-
magen de (0, 0).
40. Escriba Para la transformaci6n lineal dada en el ejer-
T([~ ~]) = [~ - ~], T([~ ~]) = [~ ~],
cicio 34, encuentre (a) T(2, 4), (b) la preimagen de
(-1 , 2, 2) y (c) a continuaci6n explique por que el vector
T([~ ~])= [~ ~], T([~ ~]) = [ ~ - ~].
T([ _: !]).
( I , I , I) no tiene preimagen bajo esta transformaci6n.
Encuentre
41. Para la transformaci6n lineal dada en el ejerci cio 35
e ncuentre (a) T( I, I, I, I) y (b) la preimagen de
(1, 1, 1, 1). Calculo En los ejercicios 57 a 60, sea Dx la transformaci6n
lineal de C'[a, b] a C[a, b] dada en el ejemplo 10. i,Cual de
42. Para la transformaci6n lineal dada en el ejercicio 36,
las siguientes expresiones es verdadera? E xplique su razona-
determine (a) T(J , 0, -1 , 3, 0) y (b) la preimagen de
miento.
(-1, 8).
2
43. Para la transformaci6n lineal dada en el ejercicio 37, 57. D)ex + 2x) = D)ex 2 ) + 2D)x)
encuentre a) T(l , 0, 2, 3) y b) la preimagen de (0, 0, 0). 58. D)x 2 - In x) = Dx(x 2 ) - D) ln x)
44. Para la transformaci6n lineal de l Ejercicio 38, encuentre 59. D) Sen 2x) = 2D) Senx)
(a) T( l , 0, l, 0, l ), (b) la preimagen de (0, 0, 0) y (c) la
preimagen de ( I , I, I).
2 2
60. ox( Cos i) = ½o)Cosx)
45. Sea T la transformaci6n lineal de R a R defi nida por
T(x, y) = (x Cos 0 - y Sen 0, x Sen 0 + y Cos 0). Calculo En los ejercicios 61 a 64, para la transformaci6n
Determine (a) T(4, 4) para 0 = 45°, (b) T(4 , 4) para 0 = lineal de] ejemplo 10, determine la preimagen de cada fun-
30° y (c) T(5 , 0) para 0 = 120°. ci6n.
46. Para la transformaci6n lineal del ejercicio 45, sea 0 = 61. D)f) = 2x + 1 62. D) f) = ex
45° y determine la preimagen de v = ( I, I). I
63. D)J) = sen x 64. DX(/)= -
47. Encuentre la inversa de la matriz A dada en el ej emplo 7. X
i,Que transfom1aci6n lineal de R2 en R2 representaA- 1?
65. Calculo Sea T la transformaci6n lineal de Pa R defi-
48. Para la transformaci6n lineal T: R2 ➔ R 2 dada por nida por
A=[: -:J
encuentre a y b tal que T( 12, 5) = ( 13, 0).
T(p ) = Lp(x) dx.
49. A -[i 0
0
0
0
I
0
nominales de grado me nor o igual que dos tales que
T(p) = I.
69. Escriba Suponga T: R2 ➔ R2 tal que T( I, 0) = (I, 0) y 79. Prueba Sea S = {vi, v2, ... , v,,} un conjunto de vec-
T(0, 1) = (0, 0). tores linealmente dependientes en Vy sea Tuna transfor-
(a) Determine T(x, y) para (x, y) en R 2. macion lineal de Va V. Demuestre que el conj unto
(b) De una interpretacion geometrica de T. {T(v 1) , T(v2), . . . , T(v,,)}
70. Escriba Suponga T: R2 ➔ R 2 tal que T(l , 0) = (0, I) y es linealmente dependiente.
T(0, I) = ( I , 0) 80. Prueba Sea V un espacio con producto interior. Para
(a) Determine T(x, y) para (x, y) e n R2. un vector fijo v0 en V, defina T: V ➔ R por T(v) =
(b) De una descripcion geometrica de T. (v, v0). Demuestre que T es una transformacion lineal.
71. Prueba Sea T la funcion de R2 que mapea R2 tal que 81. Prueba Sea T: M,,,,, ➔ R de finida por
T(u) = proj v u, donde v = ( I, 1). T(A) = a, 1 + a22 + · · · + a,,,,
(a) Determine T(x, y). (b) Determine T(S, 0) (traza de A). Demuestre que T es una transformacion lineal.
(c) Demuestre que T es una transformacion lineal de R2 82. Sea Ven espacio con producto interior con un subespa-
en R 3. cio W que tiene a B = {w 1, w2 , . . . , w,, } como una base
72. Escriba Detem1ine T(3 , 4) y T( T(3, 4 )) del ejercicio ortonormal. Demuestre que la func ion T: V ➔ W dada
7 1 y de una interpretacio n geometrica del resultado. por T(v) = (v, w 1)w 1 + (v, w2 )w2 + · · · + (v, w,,)w,,
73. Demuestre que T del ejercicio 71 esta definida por la es una transformacion lineal. T se llama proyecci6n
matriz ortogonal de V sobre W.
punto fijo si T(u) = u. (ii) Use la definicion y las propiedades de las transfor-
(a) Demuestre que O es un punto fijo de cualquier trans- maciones lineales para reescribir T(v) como una
for macion lineal T: V ➔ V. combinacion lineal de T(v;).
(b) Demuestre que el conjunto de puntos fijos de una (iii) Use el hecho de que T( vi) = 0 para concluir que
transformacion lineal T: V ➔ V es un subespacio T(v) = 0 haciendo T la transformacion cero.
de V. 84. Demostraci6n guiada Demuestre que T: V ➔ W es
(c) Determine todos los puntos fijos de la transforrna- una transformaci6 n lineal si y solo si
cion lineal T: R 2 ➔ R2 dada por T(x, y) = (x, 2y). T(au + bv) = aT(u) + bT(v)
(d) Determine todos los puntos fijos de la transforma-
para todos los vectores u y v y todos los escalares a y b.
cio n lineal T: R2 ➔ R2 dada po r T(x, y) = (y, x).
lnicio: como se trata de un enunciado "si y solo si",
76. Una traslaci6n en R2 es una funcion de la forma T(x, y)
necesita demostrar la expresion en ambas direcciones.
= (x - h, y - k ), donde por lo menos una de las constan- Para probar que Tes una transformac io n lineal es nece-
tes hokes diferente de cero.
sario que demuestre que la funcion satisface la defini-
(a) Muestre que una traslacion en R2 en el piano no es
cion de transformaci6n lineal. En la otra direcci6n,
una transformacion lineal. suponga que T es una transformaci6n lineal. Puede usar
(b) Para la traslacion T(x, y) = (x - 2, y + l), determine la definici6 n y las propiedades de una transformacion
las imagenes de (0, 0), (2, - I) y (5, 4). lineal para demostrar que T(au + bv) = aT(u) + bT(v).
(c) Muestre que una traslacion en R2 e n el piano no tiene
(i) Suponga que T(au + bv) = aT(u) + bT(v).
puntos fij os.
Demuestre que T conserva las propiedades de la
77. Prueba Demuestre que (a) la transfonnacion cero y suma vecto ri al y la multiplicaci6n escalar al selec-
(b) la transformacion identidad son transfonnaciones cionar los valores adecuados de a y b.
Lineales.
(ii) Para demostrar el enunciado en la otra direcci6n,
78. Sea S = ( v 1, V 2, v3 } un conjunto de vectores linealmente suponga que T es una transformaci6n lineal. Utilice
independientes en R3. Determine una transformacio n las propiedades y la definici6 n de una transforma-
lineal T de R3 a R 3 tal que el conjunto {T(v 1), T(v2 ), ci6n lineal para demostrar que T(au + bv) = a T(u)
T(v3) } sea Linealmente dependiente . + bT(v).
6.2 El kern el y el ran go de una tran sformaci6 n li nea l 303
A = [
- I
I
- I
2
-2]
3 .
SOLUCION
El kernel de T es el conjunto de todos los x = (x 1, x2, x3) en R 3 tales que T(x 1, x 2, x3) =
(0, 0). A partir de esta ecuaci6 n se obtiene el siguiente sistema homogeneo.
- I
2
..... x1 -
- XI
x 2 -2x 3 =0
+ 2x 2 + 3x 3 = 0 .
Al escribir la matriz aumentada de este sistema e n forma escalo nada reducida se obtiene
3 0 - I
2
X Kernel:
1( I , -1, I ) Por tanto, el kernel de Tes
Figura 6.5 ker(7) = {t( I, - 1, I): t es un numero real ) = gen {( I, - 1, I)). (Vease la Figura 6.5.)
DEMOSTRACION
Del teorema 6.1 se sabe que ker(7) es un subconjunto no vacfo de V. Por consiguiente, por
el teorema 4.5 se puede demostrar que ker(7) es un subespacio de V al demostrar que es
COM ENTARIO cerrado bajo la suma vectori al y la multiplicaci6n escalar. Para efectuar lo anterior, sean u
El kernel de Talg unas veces se y v vectores en el kernel de T. Entonces, T(u + v) = T(u ) + T(v) = 0 + 0 = 0, lo cual
denomi na espacio nulo de T.
implica que u + v est.a en el kernel. Ademas, si c es cualquier escalar, ento nces T(cu) =
cT (u) = cO = 0, lo cual implica que cu esta en e l kernel.
El sig uiente ejemplo muestra c6mo encontrar una base para el kernel de una transfor-
maci6 n definida por una matriz.
A - [ - ;1
0
I
0
0
3
-2
0
0
2
I
-!l
Determine una base para ker(7) como subespacio de R 5.
SOLUCION
Sig uiendo el procedimiento mostrado en el ejemplo 5, la matriz aumentada [A OJ se
@rn@@QDc reduce a la form a escalonada como se muestra a continuaci6n.
00 00 DliYil Drn ~ 'u'@ I 0 2 0 -I 0
0 1 -1 0 - 2 0
x, = -2x3 + X5
'ua l Cua I e s e l ran go 0 0 0 1 4 0
~ X2 = X3 + 2x5
de la matriz A en e l X4 = - 4x 5
0 0 0 0 0 0
ejemplo 6?
Con x 3 =s y x5 = t, se tiene
~□ Fo rmule una conje-
tura relacionada x, - 2s + t - 2 1
con la dimension X2 s + 2t 1 2
del kernel, el rango x = X3 s + Ot =s l + t 0
y el numero de X4 Os - 4t 0 -4
columnas de A. X5 Os+ t 0
©a Ve rifique s u conje- Por tan to, una base para el kernel de T esta dada por B = {(- 2, 1, 1, 0, 0), ( 1, 2, 0, - 4,
tura para la matriz 1)} .
en el eje mplo 5.
En la soluci6n dada en el ejemplo 6 se encontr6 una base para el kernel de T al resol-
ver el sistema homogeneo dado por A x = 0. Este procedimiento es conocido: se trata <lei
mismo procedimiento aplicado para hallar e l espacio soluci6n de! A x = 0. En otras pala-
bras, el kernel de T es el espacio nulo de la matriz A, como se afirma en el siguiente corolario
de! teorema 6.3.
DEMOSTRACION
El rango de Tes no vacfo porque T(O) = 0 implica que el rango contiene al vector cero.
Dominio Kernel
Para demostrar que es cerrado bajo la suma vectorial, sean T(u) y T(v) vectores en el rango
de T. Como u y v estan en V, se concluye que tambien u + v esta en V. Entonces, la suma
T(u) + T(v) = T(u + v)
esta en e l rango T.
Rango Para demostrar la cerradura bajo la multiplicaci6n escalar, sea T(u) un vector en el
T rango de Ty sea c un escalar. Como u esta en V, se deduce que tambien lo esta cu. Por
tanto, el multiplo escalar cT(u) = T(cu ) esta en el rango de T.
en la fonna
Ax =x1
a21 + x a121 + · · · + x,, raJ,,
a111
•
a22
.
ai,,
.
rb
b1
2
= . =b
2
Ejemplos 4 y 5 en la Secci6n 4.6 usted vio dos procedimientos para determinar una
base para el espacio generado por las columnas de una matriz. En el siguiente ejemplo se
aplica el procedimiento dado en el ejemplo 5 de la Secci6n 4.6 para encontrar una base
para el rango de una transformaci6n lineal definida por una matriz.
6.2 El kernel y el rango de una tran sformacion linea l 307
0
0
0
l 3
-2
0
l
0
2
-!]= [~ l
0
0
- 1
0
0
0
I
0
-2
4
0
Como los I principaJes aparecen en las columnas 1, 2 y 4 de la matriz reducida de la dere-
cha, los correspondientes vectores columna de A fom1an una base del espacio columna de
A. Una base del rango de T es
B = {( I, 2, - 1, 0), (2, 1, 0, 0), (1, l , 0, 2)}.
COM ENTARIO A conLinuacion se dan los nombres para las dimensiones de! kernel y rango de una
Si Testa definida per la matriz transformacion lineal.
A, entences el range de Tes
igual al range de A, y la nulidad
de Tes igual a la nulidad de A, Definici6n del rango y la nulidad de una transformaci6n lineal
ceme se defini6 en la secci6n
4.6.
Sea T: V ➔ W una transformacion lineal. La dimension del kernel de T se llama
nulidad de Ty se denota como nulidad (7). La dimension del rango de Tse deno-
mina rango de Ty se denota como rango (7).
En los ejemplos 6 y 7 se relacio nan la nul idad y el rango de T con la dimension del
dominio como se muestra a continuaci6n.
rango(7) + nulidad(7) = 3 + 2 = 5 = dimension del dominio
Esta relaci6n es verdadera para cualquier transformacion lineal de un espacio vectorial de
dimensi6 n finita, como se establece en el siguiente teorema.
DEMOSTRACION
La demostracion dada aquf cubre el caso en que T este representada por una matriz A de
m X 11. El caso general se tratara en la siguiente secci6n, en la que podra observar que
cualquier transformacion lineal de un espacio n-dimensional en un espacio m-dimensional
puede representarse por una matriz. Para demostrar este teorema se supone que e l rango
de la matriz A es r. Entonces, se tiene
rango(T) = dim(rango de 7) = dim(espacio columna) = rango(A) = r.
Sin embargo, por el teorema 4.17 se sabe que
nulidad(T) = dim(kemel de 7) = dim(espacio solucion) de Ax = 0 = 11 - r.
Por lo tanto, se concluye que rango(T) + nu lidad(T) = r + (n. - r) = n..
308 Capitulo 6 Transformaciones lineales
A- [~ l -21l .
0 0
SOLUCION
Dado que A esta en forma escalonada por renglones y contiene dos renglones diferentes
de cero, su rango es igua l a 2. Asf el rango de Tes 2 y la nulidad es dim(dominio) - rango
=3 - 2= 1
Una forma de visualizar la relacion entre el rango y la nulidad de una transfonnac ion
lineal dada por una matriz es observar que el rango es determinado por el numero de I
principales y la nulidad por el numero de variables libres (columnas sin los I principales).
Su suma debe ser el numero total de columnas de la matri z, que es la dimension de] domi-
nio. En el ejemplo 8, las primeras dos columnas tienen I principales, lo que indica que el
rango es 2. La tercera columna corresponde a la variable libre, lo que significa que la
nulidad es 1.
U no a uno
No uno a uno
Figura 6.7
DEMOSTRACION
Suponga que T es uno a uno. Entonces T(v) = 0 puede tener s6lo una soluci6n: v = 0. En
el otro sentido, suponga que ker(7) = {0} . En el otro sentido, suponga q ue ker (7) = {0 }
y q ue T(u) = T(v). Como T es una transformaci6n lineal, se concluye que
T(u - v) = T(u) - T(v) = 0.
Esto implica que e l vector u - v esta en e l kernel de T y que debe ser ig ual a 0. Asf, u = v,
y se concluye que T es uno a uno.
Se dice que una funcion T: V ➔ Wes sobre si todo elemento en W tiene una preima-
gen en V. En otras palabras, Tes sobre W cuando W es igual al rango de T. La demostra-
cion del sig uiente teorema relacionado se deja como ejercicio (vease el ejercicio 65.)
DEMOSTRACION
Si Tes uno a uno, entonces por el teorema 6.6 se tiene que ker(7) = {0} y dim(ker(7)) =
0. En este caso, por el teorema 6.5 se obtie ne
dim(rango de 7) = n - dim(ker(7)) = n = dim(W).
En consecuencia, por el teorema 6.7, Tes sobre. De manera semejante, si Tes sobre,
entonces
dim(rango de 7) = dim(W) = n,
lo cual, por el teorema 6.5 , implica que dim(ker(7)) = 0. Por tanto, en virtud del teorema
6.6, T es uno a uno.
El siguiente ejemplo reune vari as ideas relacionadas con el kernel y el rango de una
transformaci6n Iineal.
La transformaci6n lineal T: R" ➔ R"' esta definida por T(x) = Ax. Encuentre la nulidad y
el rango de Ty determine si Tes uno a uno, sobre o ninguna de las dos.
~ ~
2
a. A [~ l
0 !] b. A [~
!]
~ [i
2
c. A=[~ 2
- ~] d. A l
!]
0
SOLUCION
Observe que cada matriz ya esta en forma escalonada, de modo que el rango puede deter-
minarse por inspeccion.
Dim(rango) Dim(kernel)
T: R 11 ➔ R 111 Dim(dominio) Rango(T) Nulidad(T) Uno a uno Sobre
a. T: R 3 ➔ R 3 3 3 0 Sf Sf
b. T: R 2 ➔ R 3 2 2 0 Sf No
c. T:R 3 ➔ R 2 3 2 No Sf
d. T: R 3 ➔ R 3 3 2 No No
6.2 El kernel y el rango de una transformacio n linea l 3 11
Definici6n de isomorfismo
Una transformacion lineal T: V ➔ W que es uno a uno y sobre se denomina isomor-
fismo. Ademas, si Vy W son espacios vectoriales tales que existen un isomorfismo
de Va W, entonces se dice que Vy W son isomorfos entre sf.
Los espacios vectoriales isomorficos son de la misma dimension finita y los espacios
vectoriales de la misma dimension finita son isomorficos, como afirma el siguiente teo-
rema.
DEMOSTRACION
Suponga que V es isomorfo a W, donde la dimension de V es n. Por la definicion de espa-
cios isomorfos, se sabe que existe una transformacion lineal T: V ➔ W uno a uno y sobre.
Dado que Tes uno a uno, se concluye que dim(kemel) = 0, lo cual tambien implica que
dim(rango) = dim(dominio) = n.
Ademas, debido a que Tes sobre se puede concluir que dim(rango) = dim(W) = n.
Para demostrar el teorema en la otra direccion se supone que tanto V como W tienen
dimension n. Sean B = {v 1, v2, . . . , v11 } una base de Vy B' = {wi, w2, ... , w,, } una base
de W. Entonces, un vector arbitrario de V puede representarse como
COM ENTARIO
En nuestro estudio de espacios y se puede definir una transformacion lineal T: V ➔ W como sigue.
vectoriales se ha dado mucha
mayor cobertura a R" que a
cualquier otro espacio vectorial.
Esta preferencia por R" resulta
de su conveniencia notacional y
Se puede demostrar que esta transformacion lineal es uno a uno y sobre. Por tanto, Vy W
de los modelos geometricos son isomorfos.
disponibles para R2 y FP.
- - -[> En el ejemplo 12 se enumeran algunos espacios vectoriales isomorfos a 1?4.
6.2 Ejercicios Consulte www.CatcChat.com para las soluciones de los eJerc1cios nones.
4
26.A ~ [~
0
0
0 ~]
2. T: R 3 ➔ R 3 , T(x, y , z) = (x, 0, z)
3. T: R ➔ R4, T(x, y , z, w)
4
= (y, x, w, z)
27. A = [~
-2
0 1~] 28. A=[~ l
0
0
~]
4. T: R 3 ➔ R 3 , T(x, y , z) = (z, y, x) 2 - 3
5. T: P3 ➔ R, T(G0 + a,x + G2 x + 2
G 3x 3) = G0
e 29. A~[; l l - l 13]
6. T: P2 ➔ R, T(G0 + a 1x + G2 x 2 ) = G0 3 - 5 0 14
9. T: R 2 ➔ R 2 , T(x, y) = (x + 2y,y - x)
10. T: 2
R ➔R , 2
T(x,y) = (x - y, y - x) Determinaci6n de la nulidad y descripci6n del kernel y
del rango En los ejercicios 3 1 a 38, sea T: R3 ➔ R3 una
Determinaci6n de bases para el kernel y el rango En transformaci6n lineal. Use la informaci6n proporcionada
los ejerc icios 11 a 18, la transformaci6n lineal Testa definida para hallar la nulidad de Ty de una descripci6n geometrica
por T(v) = Av. E ncuentre una base para (a) el kernel de Ty del kernel y e l rango de T.
(b) el rango de T. 31. dim(rango (T) = 2 32. dim(rango (T) = I
~ -~1
2 - I T(x, y, z) = (- x, y, z)
I 2 37. Tes la proyecci6n sobre el vector v = (1, 2, 2):
17. A = [
- 4 -3 - I -3
T(x,y,z) =
X + 2y + 2z ( 1,2,2)
-I - 2 I I 9
- l 3 2
38. Tes la proyecci6n sobre el pJano de coordenadas xy:
18. A = ~ 3 5 0
T(x, y, z) = (x, y, 0)
[
2 l
Determinaci6n de la nulidad de una transformaci6n
Determinaci6n de kernel, nulidad, rango y dim(rango) lineal En los ejercicios 39 a 42, determine la nulidad de T.
En los ejerc icios 19 a 30, la trans formaci6n lineal Testa
definida por T(x) = Ax. Detennine (a) ker(1), (b) nulidad(T),
39. T: R4 ➔ R2 , =2
dim(rango (T))
(c) rango(7) y (d) dim(rango (7)). 40. T: R 5 ➔ R2, dim(rango (T)) = 2
-~i
-l
Verificaci6n de que T sea uno a uno y sobre En los
ejercicios 43 a 46, compruebe que la matriz dada define una
funci6n lineal T uno a uno y sobre.
23. A = [1 1]
10 10
43. A = [
- I
O
6.2 Ejercicios 313
0 2 60. Determine una re lacion entre m, n,j y k ta! que M,,,_11 sea
0 2 isomorfo a Mj.k·
4 LVerdadero o falso? En los ejercicios 61 y 62, determine
cual de las expresiones es verdadera o falsa. Si la expres ion
Determinar si Tes uno a uno, sobre o ninguno de los
es verdadera, proporcione una razon o cite una expresion
dos En los Ejercicios 47 a 50, determine si la transfor-
adecuada del texto. Si la expresi6n es falsa, proporcio ne un
macio n lineal es uno a uno, sabre o ninguna de los dos.
ejemplo que muestre que la expresi6n no es cierta en todos
47. T como se da en el ejercicio 3 los casos o cite del texto una expresion adecuada.
48. T como se da en el ej ercicio 10 61. (a) Al conjunto de todos los vectores mapeados de un
49. T: R2 ➔ R3, T(x) = Ax, donde A esta dada en el ejercicio 2 1 espacio vectorial V a otro espacio vectorial W por
50. T: R5 ➔ R3, T(x) = Ax, donde A esta dad a en el ejercicio 18 una transformacion lineal T, se le conoce como ker-
nel de T.
51. ldentifique el elemento cero y una base estandar para (b) El rango de una transfonnacion lineal desde un espa-
cada uno de los espacios isomorfos del ejemplo 12. cio vectorial Va un espacio vectorial W es un subes-
52. i,Cuales de los siguientes espacios vectoriales son iso- pacio del espacio vectorial V.
morfos a R6? (c) Los espacios vectoriales R 3 y M 3_1 son isomorfos uno
(c) C[0, 6] de otro.
62. (a) La dimensio n de una transfonnacion lineal T de un
(f) { (x 1, x 2 , x 3, 0, x 5, x 6 , x 7 ): x; es un numero real } espacio vectorial Va un espacio vectorial W se llama
53. Calculo Sea T: P4 ➔ P3 definida por T(p) = p'. i,Cual rango de T.
es e l kernel de T? (b) Una transformacion lineal T de V a W es uno a uno
54. Calculo Sea T: P2 ➔ R definida por si y solo si la preimagen de toda w en el rango consta
A-[~-! ~ n
(a) Encuentre la dimens ion del dominio.
(iii) Concluya que T es un isomorfismo.
64. Prueba Sea T: V ➔ W una transformacion lineal.
Demuestre que T es uno a uno si y solo si el rango de T
es ig ual a la dimensio n de V.
(b) Encuentre la dimension del rango. 65. Prueba Demuestre el Teorema 6.7.
(c) Encuentre la dimension de! kernel. 66. Prueba Sea T: V ➔ W una transformacio n lineal y sea
(d) i,Es T uno a uno? Explique. U un subespacio de W. Demuestre que el conjunto
1
(e) i,ES T sabre? Explique. , (U) = {v EV: T(v) E U ) es un subespacio de V. i,Que
es 1 1(U) si U = {O}?
(f) i,ES Tun isomorfis mo? Explique .
67. Escriba Sea T: R"' ➔ R" una transformacion lineal.
59. Sea T: M,,_,, ➔ M,,_,, definida por T(A) = A -Ar_ Demues- Explique las di ferenc ias entre los conceptos uno a uno
tre que el kernel de T es el conjunto de las matri ces y sabre. i,Que puede decir acerca de m y n cuando Tes
simetri cas den X n. sobre? i,Que puede decir de my n si T es uno a uno?
314 Capitulo 6 Transformaciones lineales
■
Encontrar la matriz para una transformacion lineal respecto a una
base no estandar.
I
3
3
La segunda presentaci6n es mejor que la primera al menos por tres razones: es mas facil
de escribir, mas faci l de leery se adapta con mayor facilidad para ser utilizada en compu-
tadora. Mas tarde se vera que la representaci6n matricial de una transformaci6 n lineal
tambien ofrece algunas ventajas te6ricas. En esa secci6n se vera que para transformaciones
lineales que implican espacios vectoriales de dimension finita la representaci6n matricial
siempre es posible.
La clave para representar una transformaci6n lineal T: V ➔ W por medio de una
matriz es determinar c6mo actua T sobre una base de V. Una vez que se conoce la imagen
de todo vector de la base es posible aplicar las propiedades de las transformaciones linea-
les para determinar T(v) para todo v en V.
Recuerde que la base estandar de R", escrita en notaci6n vector columna, esta definida
por
11 12 1
[a1 [a?', l.
[? ,
T(e i) = al T(e 2 ) =
2]
, ... , T(e,,) =
all a,2
A = a2,
"'"]
G22 a2,,
DEMOSTRACION
Para demostrar que T(v) = Av para todo v en R" se escribe
a, 2 a,,,]["
Av =
["" a~,
a,,,1
G-i2
am2
a2,, vz
a,;111 ~"
G 11V1 + G12V2 + . · · + a1,,v,,l
_ O-i1V1 + Gz2V2 + . . . + 0-i,,v,,
[
a,,,!v, + a lv2 + · . + am,;v/1
111
COM ENTARIO
Como verificaci6 n, se observa
n,,) - r([m -[~]
que
= [2:: 2~]
lo cual es equ ivalente a
T(e 3) = T(0, 0, 1) = (0, 0) n,,) = r([m = [~]
T(x, y, z) = (x - 2y, 2x + y). Por el teorema 6.10, las columnas de A constan de T(e 1), T(e 2) y T(e 3), por lo que se tiene
-2
316 Capitu lo 6 Transformaciones lineales
Con algo de practica se puede determinar por inspecci6n la matriz estandar de una
transformaci6n lineal como la del ejemplo I. Asf, la matriz estandar de la transformaci6n
lineal definida por
T(x 1, x 2 , x 3) = (x 1 - 2x2 + 5x3 , 2x 1 + 3x3, 4x 1 + x2 - 2x3)
se encuentra usando los coeficientes de Xi, x2 y x3 para formar los renglones de A como se
muestra enseguida.
l -2 lx 1 - 2x 2 + 5x3
A = [~ 0 2x 1 + Ox2 + 3x3
ALGEBRA Las redes en escalera son herramientas utiles para los ingenieros elec-
t ricos involucrados en el diseiio de circuitos. En una red en esca lera, el
LINEAL voltaje de salida Vy la corriente / de un circuito son el voltaje de
APLICADA entrada y corriente del circuito contiguo. En la red en escalera que se
muestra a continuaci6n, las transformaciones lineales pueden relacio-
nar la entrada y salida de un circuito individual (contenido en una caja
pu nteada). Usando las Leyes de Voltaje y Corriente de Kirchhoff y la
Ley de Ohm,
1_ - - - - - .J '
_ _ _ _ _ _ .J
any_keen/Shutterstock com
6.3 Matrices de transformaciones lineales 317
Figura 6.9
DEMOSTRACION
Para demostrar que Tes una transformaci6n lineal, sean u y v vectores en R" y sea c cual-
quier escalar. Entonces, como T 1 y T 2 son transformaciones lineales, se puede escribir
T(u + v) = 7;(7; (u + v))
= :z;(I; (u) + I; (v))
= :z;(I; (u)) + :z;(I;(v))
= T(u) + T(v)
T(cv) = 7;(7; (cv))
= 7i(cJ; (v))
= c:z;(I; (v))
= cT(v).
Luego, para demostrar que A 2A, es la matriz estandar de T, se aplica la propiedad asocia-
tiva de la multiplicaci6n de matrices para escribir
318 Capitulo 6 Transformaciones lineales
SOLUCION
Las matrices estandar de T 1 y T2 son
1 - 1
0 0
0
~ [~ m~ ~]
- I I
0 0
0
~ [~
I
0
0 !]
y la matriz estandar de T' esta definida por
A'= A 1A 2
~ [~
1 -)
rn~ 0
0
0
!]
~ [~ n
-2
0
0
Asf como la inversa de una func i6n de una variable real puede concebirse como si
deshiciera lo que hizo la fu nci6n, la inversa de una transformaci6n lineal T puede conce-
birse como si deshiciera la mapeo efectuado por T. Por ejemplo, si T es una transformac i6n
lineal de R3 a R3 tal que
T( I, 4, - 5) = (2, 3, I)
y si existe r', entonces r' mapea a (2, 3, 1) de regreso a su preimagen bajo T. Es decir,
T - 1(2,3, I)= (1,4, -5).
El sig uiente teorema establece que una transformaci6n lineal es invertible si y s61o si
es un isomo rfis mo (uno a uno y sobre). Se le pide que demuestre este teorema en el ejer-
cicio 56.
Determinacion de la inversa
EJEMPLO 4 de una transformaci6n lineal
A-I=[=~ ~ 6 -2 -3
~i-
Por consig uiente, T es in vertible y su matriz estandar es A- 1•
1
Utilizando la matriz estandar para la inversa usted puede determinar la regla para 1
medi ante el calculo de la imagen de un vector arbitrario v = (x 1, x 2, x 3).
A-'v-[=i j J[;:]
= [=:: + Xz + X3]
6x 1 - 2x2 - 3x 3
En otras palabras
T - 1(x,,Xz, X3) = (-x, + Xz, -x, + X3, 6x, - 2x2 - 3x3),
320 Capitu lo 6 Transformaciones lineales
[T(v 1)]B' =
[
a111 l
a~ , [T(v2)]B' = 1
[a122 ]
, . . . , [T(v,,)] B' = 1"
[a1,, l
A=
a ll
a21 a22
aml am2
1
a2,,,,
a
a,;,,,
l
entonces la matriz de m X n cuyas n columnas corresponden a [T(v;)]B',
Cl12
La rnatriz de T con respecto a B y B' se forma al usar estas matrices de coordenadas como
columnas para obtener
6.3 Matrices de transformaciones lineales 321
Para la transformaci6n lineal T:R2 ➔ R2 dada en el ejemplo 5, use la matriz A para encon-
trar T(v), donde v = (2, I ).
SOLUCION
Con la base B = {( I , 2), (- 1, I )}, se encuentra que v = (2, I) = I ( I , 2) - I (-1 , I ), lo cual
implica que
[v ]8 = [L - I JT_
asf, [T(v)]B' cs
Por consiguiente, como B' = {(I , 0), (0, I )}, se concluye que
Ap = [~
I
0 ~] m-[~] = b + 2cx - DJa + bx + ex']
322 Capitulo 6 Transformaciones lineales
6.3 Ejercicios Consulte www.CalcChat.com para las soluciones de los ejerc1cios nones.
La matriz estandar para una transformaci6n lin- G')Determinaci6n de la matriz estandar y la imagen En
eal En los ejercicios I a 6, determine la matriz estandar de los Ejercicios 23 a 26, (a) encuentre la m atriz estandar A para
la transformacion li neal de T. la trans formacio n lineal T y (b) use A para encontrar la ima-
1. T(x, y) = (x + 2y, x _ 2y) gen del vector v. Use un programa de computacion o una
2. T(x, y) = (2x _ 3Y, x _ y, Y _ 4x) aplicacion grafica para verificar su resultado.
( ) (
3. T x,y,z = x+y,x-y,z-x
) 23. T(x, y, z) = (2x + 3y - z, 3x - 2z, 2x - y + z),
v =( l , 2,- I)
4. T(x, y) = (4x + y, 0, 2x - 3y)
24. T(x, y, z) = (3x - 2y + z, 2x - 3y, y - 4z),
5. T(x, y, z) = (3x - 2z, 2y - z) = (2, - ), - ))
V
6. T(x 1,x2 ,x 3,x4) = (0, 0,0, 0) 25. T(x,,X2,X3,X4) = (x, - X2, X3, x, + 2x 2 - X4, X4),
v = (1, 0, l , - 1)
Determinaci6n de la imagen de un vector En los ejer-
cicios 7 a 10, utilice la matri z estandar para la transformac ion 26. T(x ,,x2 ,x3,x4) = (x 1 + 2x2 , x 2 - x 1, 2x 3 - x 4, x 1),
lineal T para determinar la imagen del vector v. V = (0, 1, - 1, 1)
7. T(x, y, z) = (2x + y, 3y - z), v = (0, l, -1) Determinaci6n de matrices estandar para composicio-
8. T(x,y) = (x + y,x - y, 2x, 2y), v = (3, -3) nes En los ejercicios 27 a 30, enc ue ntre las matrices estan-
9. T(x,y) = (x - y,x + 2y,y), v = (2, - 2) dar de T = T2 • T, y T' = T, • T2 .
10. T(x 1,x 2 , x 3,x4) = (x 1 -x 3 , x 2 -x4,x3 -x1,x2 +x4 ) , 27. I;: R 2 ➔ R 2 , I;(x,y) = (x - 2y, 2x + 3y)
V = (J, 2, 3, -2)
2
T.i:R ➔ R , 2
T.i(x,y) = (y, 0)
28. 'fi: R 3 ➔ R3. 'fi (x, y, z) = (x, y, z)
Determinaci6n de la matriz estandar y la imagen En
T,_: R3 ➔ R3' T,_(x, y, z) = (0, X, 0)
los ejerc icios 11 a 22, (a) e ncuentre la matriz estandar A de
la transformacion lineal T, (b) use A para encontrar la imagen 29. J;: R ➔ R , I;(x,y) = (-x + 2y, x + y,x - y)
2 3
de! vector v y (c) trace la grafica de v y su imagen. T,_: R3 ➔ R2 , T,_(x, y, z) = (x - 3y, z + 3x)
11. Tes la reflexion a traves del origen e n R2 : 30. 'fi: R ➔ R , 'fi(x,y) = (x,y,y)
2 3
40. T: R 4 ➔ R 2 , 52. Sea Tuna transformac i6 n lineal tal que T(v) = kv para v
T(x,,X2,X3,X4) = (x, + X2 + X3 + X4,X4 - x,), en R". Encuentre la matriz estandar para T.
V
8 V
3. Matriz de trans ici6n de B' a 8: p
0
( Base B) 4. Matriz de trans ici6n de Ba B' : p-,
A [T(v)) 8 Observe que en la figura 6.10 hay dos formas de llegar de la matriz de coordenadas
[v] 8 , a la matriz de coordenadas [T(v)]8 ,. Una fonna es directa, por medio de la matriz A'
para obtener
p
0V
Figura 6.10
A' [T(v)]B'
V
P AP[v]8 , = [T(v)]8 ,.
Esto implica que A' = P- 1AP. Esta relaci6n se demuestra en el ejemplo I.
Ademas, aplicando las tecnicas de la secci6n 4.7, usted puede determinar que la
matriz de transici6n de B' a la base estandar B = {(1, 0), (0 , 1)} es
p = [~ :J
La in versa de esta matriz es la matriz de transici6n de B a B' .
p-1 = [~ -:1
La matriz de T con respecto a B ' es
En el ejemplo I la base B es la base estandar para R2 . En el sig uiente ejemplo tanto B como
B' son bases no estandar.
A '= p- 1AP =[
- I
-2
2]3 [-2-3 7] [3 -2] = [ 2
7 2 - I - I
-2][-3]= [-7]
- I - I - 5
COM ENTARIO
Resulta instructive observar
[T(v)] 8 = A[v ] 8 = [
-3
-2
7] [-7] = [-21].
7 -5 - 14
que la transformaci6n Ten
Para hallar [T(v)]8 ,, multiplique [T(v)]8 por p -I para obtener
los ejemplos 2 y 3 esta repre-
sentada por la regla nx, y) = - I
(x - Jy, 2x + 4y). Verifique [T(v)] 8 , = p - 1[T(v)]8 = [
-2
los resultados del ejemplo 3
al demostrar que v = (1, -4) y o multiplique [v]8 ,, por A' para obtener
nvl = (7, - 14).
- - - -[:>- [T(v)]8 , = A'[v]8 ,= [
2
- 1
MATRICES SEMEJANTES
Dos matrices cuadradas A y A' relacionadas por la ecuaci6n A ' = P-- 1 AP se denominan
matrices semejantes, como se indica en la siguiente definici6n.
DEMOSTRACION
La primera propiedad se concluye de! hecho de que A =/ 11
A I,,. Para demostrar la segunda
propiedad, se escribe
A= p- 1BP
PAP -, = P(P - 1BP)P- 1
PAP - , = B
Q- 1AQ = B, donde Q = p -i_
La demostraci6n de la tercera propiedad se deja como ejercicio. (Vease el ejercic io 29.)
A = [
-2
-3
77] y A , = [- 21
son semejantes porque A' = P- 1AP, donde P = [~ -2].
- I
- I
0
y se concluye que
~ r:
I
2
rn~ J][i ~]
3
I
- 2 I - I
0 0 0 0
~ [~ -2
0
0
~l
-2
Observe que la matriz A' es diagonal.
di 0
0 dz
D=
0 0
la k-esima potencia de D es
I1
Il
0
D' ~ rd'1 dk
2
0 II
Una matriz diagonal es su propia transpuesta. Ademas, si todos los elementos de la diago-
nal son diferentes de cero, entonces la inversa de una mauiz diagonal es la matriz cuyos
elementos de la diagonal principal son los recfprocos de los elementos correspondientes
en la matriz original. Con tales ventajas computacionales, es importante hallar formas (en
caso de ser posible) de elegir una base de V para que la matriz de transformaci6n sea dia-
gonal, como en el ejemplo 5 . Este problema lo abordara en el capftulo siguiente.
328 Capitulo 6 Transformaciones lineales
Determinaci6n de una matriz para una transformaci6n (b) Use las matrices A y P para encontrar [v] 8 y [T(v))8 ,,
lineal En los ejercicios 1 a 8, encuentre la matriz A' para T donde
con respecto a la base B' . [V]8 , = [- 1 4]T.
1. T: R 2 ➔ R2, T(x,y) = (2.x - y,y - x),
(c) Encuentre A' (la matriz de T con respecto a B') y
B' = {(I , - 2), (0, 3)} P-'.
2. T: R 2 ➔ R 2 , T(x,y) = (2x + y,x - 2y), (d) Encuentre [T(v)] 8 , de dos formas.
B' = {(1, 2),(0, 4)} 12. Repita el ejercicio 11 para B = {(l , - 1), (-2, 1)),
3. T: R 2 ➔ R 2, T(x,y) = (x + y, 4y), B' = {(- 1, I), ( I, 2)) y
B' = {(-4, I), (1, - 1)} [ v]B' = [I - 4 ]7".
2 2
4. T: R ➔ R , T(x,y) = (x - 2y, 4x), (Utilice la matriz A dada en el ejercicio 11 .)
B' = {(- 2, 1),(- 1, I)} 13. Sean B = {( l , 1, 0), (1, 0, 1), (0, I , l)} y B' = {( I, 0, 0),
5. T: R 3 ➔ R 3 , T(x, y , z) = (x, y, z), (0, 1,0), (0, 0, I)} bases de R3, y sea
B' = {(1, 1, 0), (I, 0, 1), (0, I, I)}
6. T: R 3 ➔ R3 , T(x, y, z) = (0, 0, 0),
B' = {( I, I, 0), (I, 0, I), (0, I, I )}
A= [-i -~ -:1
l
2
I 1
2
7. T: R 3 ➔ R 3,
la matriz de T: R ➔ R 3 con respecto a B.
3
T(x, y, z) = (x - y + 2z, 2x + y - z, x + 2y + z),
(a) Encuentre la matriz de transici6n Pde B' a B.
B' = {( I , 0, I), (0, 2, 2), ( I , 2, 0)}
(b) Use las matrices A y P para encontrar [v] 8 y [T(v)]8 ,,
8. T: R 3 ➔ R 3 , T(x, y, z) = (x, x + 2y, x + y + 3z), donde
B' = {( I, -1, 0), (0, 0, 1), (0, I, - 1)}
[v ]B' = [ I O - 1]7.
9. Sean B = {( I, 3), (-2, -2) ) y B' = {(- 12, 0), (--4, 4) (c) Encuentre A' (la matriz de T con respecto a B') y
bases de R2 , y sea P-'.
Matriz diagonal para una transformaci6n lineal En 32. Prueba Sean A y B matrices semejantes. Demuestre
los Ejercicios I 9 y 20, suponga que A es la matriz para que A 7 y B 7 son semejantes, si A es no singular, entonces
T: R3 ➔ R3 respecto a la base estandar. Encuentre la matriz tambien Bes no singular y A- 1 y B- ' son semejantes.
diagonal A' para Trespecto a la base B' . 33. Prueba Sea A = CD, donde C es una matriz invertible
]9.A -[! -r n
B '= {(- 1, 1, 0),(2, 1, 0),(0,0, I)}
de n X n. Demuestre que la matriz DC es semejante a A.
34. Prueba Sea B = P- 1AP, donde A = [aij] , P = [pij] y B
es una matriz diagonal con elementos de diagonal prin-
cipal b 11 , b 22 , ... , b,1111 • Demuestre que
a,,:,
P2;
P:,;
=
[P1;]
b .. P2;
11
P,~;
B ' ={(! , I, - I), (1, - l, 1), (- 1, l , l )} parai = 1,2, .. . ,11.
35. Escriba Sea B = {v 1, v2, ... , v,, } una base del espacio
21. Prueba Demuestre que si A y B son semejantes,
vectorial V, sea B' la base estandar y considere la trans-
entonces IA I = IBI. lES cierto lo inverso?
formaci6n identidad / : V ➔ V. i,Que puede decir acerca
22. Ilustre el resultado de! ejercicio 21 por medio de las de la matriz para / respecto a B? l Respecto a B'?
matrices l Cuando el dominio tiene la base B y el rango tiene la
0
ol0 , B = [
7
10] base B'?
A-[~ -2
0 3
11
10 8 10 ,
- 18 - 12 - 17 t> 36. 00 ~ 11Yil~'IT~
p =
[-I ~
ol
~ ' p - 1=
[_,~ - I
- I
2 -3
~1 (a) Dadas dos bases B y B' para un espacio vectorial V
y la matriz A para la transformaci6n lineal T: V ➔ V
respecto a B, explique c6mo obtener la matriz de
coordenadas [T(v)]8 , de la matriz de coordenadas
donde B = p- 1AP.
[v]a,, donde v es un vector en V.
23. Prueba Demuestre que si A y B son similares, enton- (b) Explique c6mo determinar si dos matrices cuadra-
ces existe una matriz P tal que Bk = p-lAkP_
das A y A ' de orden n son similares.
24. Use el resultado de ejercicio 23 para determinar B4,
donde B = P- 1AP para las matrices
LVerdadero o falso? En los ejercicios 37 y 38, detennine
A =[ I OJ2 '
0
B = [-42 -15]7 ' cual de las ex presiones es verdadera o falsa. Si la expresi6n
es verdadera, proporcione una raz6n o cite una expresi6n
p-1 =[
-I
3 -5]. 2
adecuada del texto. Si la expresi6n es falsa, proporcione un
ejemplo que muestre que la expresi6n no es cierta en todos
los casos o cite del texto una expresi6n adecuada.
25. Determine todas las matrices de n X 11 que son semejan- 37. (a) La matriz para una transformaci6n lineal A' con
tes a /,,. respecto a la base B' es igual al producto P- 1AP,
26. Prueba Una matriz A de 11 x n es idempotente si A = donde P- 1 es la matriz de transici6n de B a B' , A es
A 2 . Demuestre que si A es idempotente y Bes semejante la matriz para la transformaci6n lineal respecto a la
a A, entonces Bes idempotente. base By P es la matriz de transici6n de B' a B.
27. Prueba Sea A una matriz de n X n tal que A2 = 0. (b) Dos matrices que representan la misma transforma-
Demuestre que si B es semejante a A, entonces B2 = 0. ci6n lineal T: V ➔ V con respecto a diferentes bases
28. Prueba Sea B = P- 1AP. Demuestre que si Ax = x, no son necesariamente semejantes.
entonces PBP- 1x = x. 38. (a) La matriz para una transformaci6n lineal A respecto
a la base B es igual al producto PA ' P- 1, donde P es
29. Prueba Complete la demostraci6n del teorema 6. I 3 al
demostrar que si A es semejante a B y Bes semejante a la matriz de transici6n de B' a B, A ' es la matriz
para la transformaci6n lineal respecto a la base B' y
C, entonces A es semejante a C.
P- 1 es la matriz de transici6n de B a B'.
30. Escriba Suponga que A y B son semejantes. Explique
(b) La base estandar para R" siempre forma la matriz de
por que tienen el mismo rango.
coordenadas mas sencilla posible para la transforma-
31. Prueba Demuestre que si A y B son semejantes, ci6n lineal T.
entonces A T es semejante a BT.
330 Capitulo 6 Transformaciones lineales
EJEMPLO 1 Reflexiones en Ff
Las transformaciones definidas por las siguientes matrices se denominan reflexiones.
Estas tienen el efecto de mapear un punto de! piano xy a su imagen "especular" con res-
pecto a uno de los ejes de coordenadas o a la rec ta definida por y = x, como se muestra en
Retlex ioncs en R2 la figura 6. 1 I.
Figura 6.11 a. Reflexion en el eje y :
T(x, y) = (- x, y)
[- ~ ~] [;] = [ - ;,]
[~ - ~] [;] = [ _;]
c. Reflexion en la recta y = x:
T(x, y) = (y, x)
[~ ~] [;] = [; ]
6.5 Aplicaciones de las t ransfo rmac iones lineales 33 1
~] [;] = [~ ]
b. Contracciones y expansiones verticales: T(x, y) = (x, ky)
~J [;J L;J
=
Observe en las figuras 6.12 y 6.13 que la distancia al punto (x, y) se desplaza, debido a una
contracci6n o una expansion, proporcionalmente a su coordenada x o y. Por ejemplo, bajo
la transformaci6n definida por
T(x, y) = (2x, y)
el punto (1 , 3) se moveria una unidad a la derecha, pero el punto (4, 3) se desplazaria
cuatro unidades a la derecha. Bajo la transformaci6n representada por
T(x, y) = (x, ½J)
el punto (I , 4) se moverfa dos unidades hacia abajo, pero el punto ( I, 2) se moverfa una
urudad hacia abajo.
y y
Figura 6.12
y )'
. (x, y)
,l..x, ky)
Figura 6.13
El tercer tipo de transformaci6n lineal en el piano que corresponde a una matriz elemental
se llama deformaci6n, como se describe en el ejemplo 3.
332 Capitu lo 6 Transformaciones lineales
i EJEMPLO 3 Deformaciones en R2
Las transfonnaciones definjdas por las siguientes matrices son defonnaciones.
T(x, y) = (x, y + lex)
~] [; ] = [~ + y]
y
a. La defonnaci6n horizontal definida por
T(x, y) = (x + 2y, y) 4 (x, y) (x + 2y, y)
3
• -------•
se muestra en la figura 6. 14. Bajo esta
transformaci6n, los puntos de! semiplano
superior se "deforman" a la derecha una
cantidad proporcional a su coordenada y. - 4 -3 2 3 4
Los puntos en el semiplano inferior de
"deforman" a la izquierda una cantidad
proporcional al valor absoluto de su coor-
denada y. Bajo esta transformaci6n, los
puntos sobre el eje x pennanecen en su
sitio. Figura 6.14
)'
(x, y + 2x)
4
-4 3 4
Figura 6.1 5
ROTACION EN R3
En el ejemplo 7 de la secci6n 6.1 vimos c6mo se puede utilizar una transformaci6n lineal
para rotar figuras en el piano. Aquf veremos c6mo se pueden usar las transformaciones
lineales para rotar figuras en R3.
Suponga que desea rotar el punto (x, y, z) un angulo 0 en sentido contrario al de las
manecillas del reloj alrededor del eje z, como se observa en la figura 6.16. Al designar las
coordenadas del punto rotado como (x', y', z' ), se tiene
El ejemplo 4 describe c6mo utilizar esa matriz para rotar una figura completa en el espacio
de tres dimensiones.
Figura 6.18 yen la figura 6. I 8(c) se muestra la grafica del prisma rotado.
334 Capitulo 6 Transformaciones lineales
COM ENTARIO En el ejemplo 4 utilizamos matrices para efectuar una rotaci6n alrededor del eje z. De
Para ilustrar la regla de la mano manera semejante, es posible usar matrices para rotar figuras alrededor de! eje x o de! eje
derecha, imagine el pulgar de y. A continuaci6n se resumen los tres tipos de rotaci6n.
su mano derecha apuntando en
la direcci6n positiva de un eje. Rotaci6n alrededor del eje x Rotaci6n alrededor del eje y Rotaci6n alrededor del eje z
Rotaci6n alrededor de! eje x Rotaci6n alrededor del eje y Rotaci6n alrededor del eje z
Figure 6.19
a. b.
X y X }'
Figura 6.20
X Las rotaciones alrededor de los ejes de coordenadas pueden combinarse a fin de pro-
ducir cualquier vista de un objeto. Por ejemplo, en la figura 6 .2 1 se observa la rotaci6n que
,I'
se obtiene al rotar primero la caja del ejemplo 4 90° alrededor del eje y y luego rotandola
Figura 6.21 120° alrededor de eje z.
6.5 Ejercicios 335
1. Sea T: R2 ➔ R2 una reflexion en el eje x. Encuentre las Trazo de una imagen del cuadrado unitario En los
imagenes de los siguientes vectores. ejercicios 23 a 28, trace la imagen del cuadrado unitario
(a) (3, 5) (b) (2, - 1) (c) (a, 0) cuyos vertices son los puntos (0, 0), ( I, 0), ( I, I) y (0, I) bajo
la transformacion dada.
(d) (0, b) (e) (-c, d) (f) (f, - g)
23. T es una reflexi on en el eje x.
2. Sea T: R2 ➔ R2 una reflexio n en el eje y. Encuentre las
imagenes de los siguientes vectores. 24. T es una reflexion en la recta y = x.
(a) (2, 5) (b) (-4, - 1) (c) (a, 0) 25. T es la contracci6n definida por T(x, y) = (x/2, y).
(d) (0, b) (e) (c, - d) (f ) (f, g) 26. Tes la expansion definida por T(x, y) = (x, 3y).
3. Sea T: R2 ➔ R2 una re flexion en la recta y = x. Deter- 27. Tes la deformacion definida por T(x, y) = (x + 2y, y).
mine las imagenes de los siguientes vectores. 28. Tes la deformacion defi nida por T(x, y) = (x, y + 3x).
(a) (0, I) (b) (- I, 3) (c) (a, 0)
Trazo de una imagen de un rectangulo En los ejerci-
(d) (0, b) (e) (-c, d) (f) (f, -g) cios 29 a 34, trace la imagen del rectangulo cuyos vertices
4. Sea T: R2 ➔ R 2 una re flexion en la recta y = -x. Deter- son los puntos (0, 0), (0, 2), ( I, 2) y ( I, 0) baj o la transforma-
mine las imagenes de los siguientes vectores. cion dada.
(a) (-1, 2) (b) (2, 3) (c) (a, 0) 29. T es una reflexio n en el eje y.
(d)(0,b) (e) (e, -d) (f) ( - f, g) 30. T es una reflexio n en la recta y = x.
5. Sean T(I, 0) = (2, 0) y T(0 , 1) = (0, 1). 31. T es la contracci6n definida por T(x, y) = (x, y/2).
(a) Determine T(x, y) para cualquier (x, y). 32. T es Ia expansion definida por T(x, y) = (2x, y).
(b) Proporcio ne una descripc io n geometrica de T. 33. T es la deformacion defi nida por T(x, y) = (x + y, y) .
6. Sean T( I , 0) = (I, I) y T(0, I ) = (0, I). 34. T es la deformacion defi nida por T(x, y) = (x, y + 2x).
(a) Determine T(x, y) para cualquier (x, y).
Trazo de una imagen de una figura En los ejercicios 35
(b) Proporcio ne una descripcio n geometrica de T. a 38, trace cada una de las imagenes con los vertices dados
baj o transformaciones especificas.
ldentificaci6n y representaci6n de una transfor- )' y
maci6n En los ejercicios 7 a 14, (a) identifique la transfor- (a) (b)
macio n y (b) represente g ra ficamente la transformacion para 8 8
(0, 6) (6, 6)
un vector arbitrario en R2. 6 6
A=[~ OJ
3 .
(k)
[ cosB
0
l
sen i]
-sen~ 0 cos 0
X )'
X y (I)
[ cos
sen i 6
-sen 0
cos 0
0 ~]
Ejercicios de repaso 337
6 Ejercicios de rep a so Consulte www.CalcChat.com para las soluc1ones de los e1erc1c1os nones.
= (4, 12)
w
2. T: R 2 ➔ R 2 , T(v 1, v2 ) = (v 1 + v2 , 2v2 ), v = (4, -1), 22. A= [ ~ :l v = (8, 4), w = (5, 2)
w
V
= (8, 4)
3. T: R 3 ➔ R3, T(v,, v2 , v3 ) = (0, v 1
= (- = (0, 2, 5)
3, 2, 5), W
+ v2 , v2 + v3 ),
23. A~[~ n~ V (2 2), W
0 ~ (4, - 5, Q)
4. T: R ➔ R , T(v,, v2 , v3) = (v 1 + v2 , v2 + v 3 , v3 ),
V
3 3
= ( - 2, 1, 2), W = (0, 1, 2)
18. A = [:
20 -1]I , v = (5, 2, 2), w = (4. 2) 37. Dados T: P4 ➔ R5 y rango(7) = 3, encuentre la nulidad(7).
38. Dados T: M 2,2 ➔ M 2 ,2 y rango(T) = 3, encuentre la
19. A = [1 J], V = (2, 3), W = 4 nulidad(1).
338 Capitulo 6 Transformaciones lineales
Determinaci6n de una potencia de una matriz estan- Matrices similares En los Ejercicios 57 y 58, use la
dar En los ejercicios 39 a 42, encuentre la pote ncia indi- matri z P para demostrar que las matrices A y A' son simi-
cada de A, la matriz estandar de T. lares.
39. T: R 3 ➔ R 3, reflexi6n en el piano xy. Encuentre A2.
57. P = [~ -SJ [18 -1
-4 'A= II
9] A, = [ -45
-1 2 '
40. T: R3 ➔ R3, proyecci6n sobre el piano xy. Encuentre A 2.
41. T: R2 ➔ R2 , rotaci6n de un angulo 0 en contra del sentido
de! movimiento de las manecillas de! reloj. Encuentre A 3. 58.P -[~ 21 - ol1 ,A= [- 11 o 1l,A'= [2
3 1 0
42. Calculo T: P3 ➔ P3 , operador diferencial Dx. Encuen- 0 0 0 0 2 0
tre A2.
59. Sea T: R3 ➔ R 3 defi nida por T(v) = proyuv, en donde
Determinaci6n de matrices estandar para composicio- u = (0, 1, 2).
nes En los ejercicios 43 y 44, encuentre las matrices estan- (a) Determine A, la matriz estandar de T.
dar para T = T 1 ° T2 y T' = T2 ° T 1• (b) Sea S la transformaci6n lineal representada por I -A.
43. 7;: R 2 ➔ R3, I; (x,y) = (x,x + y,y) Demuestre que S es de la forrna
7i: R ➔ R -z;(x, y, z) = (0, y)
3 2, S(v) = proyw,v + projw2v donde w 1 y w 2 son vec-
tores fijos en R 3.
44. 7;: R ➔ R2 , 7; (x) = (x, 3x)
(c) Demuestre que el kernel de T es igual al rango de S.
7i: R 2 ➔ R, 7i(x, y) = (y + 2x) 60. Sea T: R 2 ➔ R2 definida por T(v) = proyuv, donde
Determinaci6n de la inversa de una transformaci6n u = (4, 3).
lineal En los ejercicios 45 a 48, detemline si la transforma- (a) Determine A, la matri z estandar de T, y demuestre
ci6n T es invertible. Si es asf, encuentre su inversa. queA 2 = A.
45. T: R 2 ➔ R 2 , T(x,y) = (0 ,y) (b) Demuestre que (/ -A)2 = I -A.
46. T: R 2 ➔ R 2 , (c) EncuentreAv e (/-A)v para v = (5, 0).
T(x, y) = (x cos 0 - y sen 0, x sen 0 + y cos 0) (d) Trace la grafica de u, v, Ave(/ -A)v.
47. T: R ➔ R 2 , T~t,y) = (x, -y)
2 61. Sean Sy T transforrnaciones lineales de Va W. Demues-
tre que S + T y kT son transformaciones lineales, en
48. T: R 3 ➔ R 2 , T(x, y, z) = (x + y, y - z)
donde (S + 7) (v) = S(v) + T(v) y (k7)(v) = kT(v).
Transformaciones uno a uno, sobre e invertibles En 62. Prueba Sea T: R2 ➔ R2 tal que T(x) = Ax, donde A es
los ejercicios 49 a 52, determine si la transformac i6n lineal una matriz de 2 X 2 (tal transforrnaci6n se denomina una
representada por la matriz A es (a) uno a uno, (b) sobre, y (c) transformaci6n afin). Demuestre que T es una transfor-
invertible. maci6n lineal si y s6lo si b = 0.
67. Sea V un espacio vectorial con producto interno. Para un Determinaci6n de una imagen de un cubo unitario En
vector v0 fijo diferente de cero en V, sea T: V ➔ R la los ejercicios 91 a 94, determine la imagen del cubo unitario
transforrnaci6n lineal T (v) = (v, v 0). Determine el ker- cuyos vertices son (0, 0, 0), (l , 0, 0), ( 1, 1, 0), ( 0, 1, 0), (0, 0, 1),
nel, el rango, dim(rango) y la nulidad de T. ( I, 0, I), (I, I , I) y (0, I, I) cuando es rotado el angulo indicado.
68. Calculo Sea B = {I, x, Sen x , Cos x) una base de un 91. 45° alrededor de eje z.
subespacio W del espacio de funciones continuas, y sea 92. 90° alrededor del eje x.
Dx el operador diferencial sobre W. Encuentre la matriz 93. 30° alrededor del eje x .
de Dx con respecto a la base B. Encuentre el rango y el 94. 120° alrededor del eje z.
kernel de Dx- LVerdadero o fatso? En los ejercicios 95 a 98, determine
69. Escriba i,LOs espacios vectoriales R4, M2_2 y M1.4 son cual de las expresiones es verdadera o falsa. Si la expresi6n
exactamente Io mismo? Describa sus similimdes y dife- es verdadera, proporcione una raz6n o cite una expresi6n
rencias. adecuada del texto. Si la expresi6n es falsa, proporcione un
ejemplo que muestre que la expresion no es cierta en todos
70. Calculo Sea T: P3 ➔ P3 definida por
los casos o cite del texto una expresion adecuada.
T(p) = p(x) + p'(x). Encuentre el rango y la nulidad de T.
95. (a) Las transformaciones lineales denominadas reflexio-
ldentificaci6n y representaci6n de una transfor- nes que mapean un punto sobre el piano xy a su
maci6n En los ejercicios 7 1 a 76, (a) identifique la trans- imagen especular a lo largo de la recta y = x estan
formacion y (b) represente geometricamente la transforma-
definidas por la matriz estandar [~ ~].
ci6n para un vector arbitrario en R 2.
71. T(x, y) = (x, 2y) 72. T(x , y) = (x + y, y) (b) Las transformaciones lineales llamadas expansiones
o contracciones horizontales estan definidas por la
73. T(x, y) = (x, y + 3x) 74. T(x, y) = (5x, y)
75. T (x, y) = (x + Sy, y) 76. T(x , y) = (x, y + ~x) matnz . [k OJ.
O 1
Trazo de una imagen de un triangulo En los ejercicios
77 a 80, trace la imagen del triangulo cuyos vertices son los (c) La matriz [~ I/ ~ - A/~ ] puede rotar un
puntos (0, 0), ( I, 0) y (0, I) bajo la transformaci6n dada. 0 ,/3/2 1/2
77. Tes una refl exion en el eje x. punto 60° alrededor del eje x.
78. Tes la expansion defmida por T(x, y) = (2x, y). 96. (a) Las transformaciones lineales denominadas reflexio-
79. Tes la deformacion definida por T(x, y) = (x + 3y, y). nes que mapean un punto sobre el piano xy a su
imagen especular a lo largo del eje x estan definidas
80. Tes la deformacion definida por T(x, y) = (x, y + 2x).
por la matriz estandar [~ _ ~].
Proporcionar una descripci6n geometrica En los ejerci-
c ios 8 1 y 82, proporcione una descripcion geometrica de la (b) Las transformaciones lineales llamadas expansiones
transforrnacion lineal definida por el producto matricial dado. o contracciones verticales estan definidas por la
. [I
matnz
81. [ 01
l/~l
~] = [~ 0
82.
1
[6 ~] = [~ (c) La matriz [ ,/3/~ ~ puede rotar un
- 1/2 o A/2
Determinaci6n de una matriz para producir una punto 30° alrededor de! eje y.
rotaci6n En los ejercicios 83 a 86, encuentre la matriz que 97. (a) En calculo, toda funci6n lineal es tambien una trans-
produce la rotacion indicada y luego determine la imagen del formacion de R 2 ➔ R2.
vector(] ,- I, I). (b) Se dice que una transformaci6n lineal es sobre, si y solo
83. 45° alrededor del eje z. 84. 90° alrededor del eje x. si para toda u y v en V, T(u) = T(v) implica que u = v.
85. 60° alrededor del eje x. 86. 30° alrededor del eje y. (c) Debido a las ventajas computacionales, es mejor
elegir una base para V tal que la matriz de transfor-
Determinaci6n de una matriz para producir un par de maci6n sea diagonal.
rotaciones En los ejercicios 87 a 90, detennine la matriz 98. (a) En el caso de polinotnios, el operador diferencial Dx
que produce el par de rotaciones indicadas. es una transformaci6n lineal de P,,a P,, _ 1•
87. 60° alrededor del eje x seguida por 30° alrededor de eje z. (b) El conjunto de todos los vectores v en V que satisfa-
cen T(v) = v es denominado kernel de T.
88. 120° alrededor del eje y seguida por 45° alrededor del eje z.
(c) La matriz A estandar de la composici6n de dos trans-
89. 30° alrededor del eje y seguida por 45° alrededor del eje z. forrnaciones lineales T(v) = Ti T1(v)) es el producto de
90. 60° alrededor del eje x seguida por 60° alrededor del eje z. la matriz estandar para T2 y la matriz estandar para T1.
340 Capitulo 6 Transformaciones lineales
6 Proyectos
Sea e la recta ax + by = 0 en R2. La transformaci6n lineal L: R2 ➔ R2 que mapea un punto
(x, y) a su imagen especular en ese llama reflexion en e. (Vease la Figura 6.22.) El objetivo
de estos dos proyectos es encontrar la matriz por su reflexi6n respecto a la base estandar.
l. Encue ntre la matriz estandar para la proyeccion sobre el eje y, ees decir, determine la
)'
matriz estandar para proyvu si v = (0, I).
2. Determi ne la matriz estandar para la proyeccion sobre el eje x .
3. Considere la recta e representada por x - 2y = 0. Encuentre un vector v paralelo a e y
e.
otro vector w ortogonal a Determine la matriz A para la proyecci6n sobre respecto e
a la base ordenada { v, w }. Por ultimo, utilice la matriz de transic i6n apropiada para
X hallar la matriz para la proyecci6n respecto a la base estandar. Use esta matriz para
encontrar proy vu para los casos u = (2, I), u = (-1, 2) y u = (5, 0).
Figura 6.22
4. Considere la recta general e representada por ax + by = 0. Encuentre un vector v para-
lelo a e y w un vector ortogonal a e. Determine la matriz A para la proyeccion sobre e
)'
respecto a la base ordenada {v, w }. Por ultimo, utilice la matriz de transicion apropiada
L(u) e para hallar la matri z para la proyeccion respecto a la base estandar.
5. Utilice la figura 6.24 para demostrar que proyvu = ½(u + L(u)), donde L es la reflexion
en la recta e. Resuelva esta ecuacion para L y compare su respuesta con la fo rmula del
primer proyecto.
X
7 .1 Eigenvalores y eigenvectores
IEigenvalor I
t
Ax = Ax.
Figura 7.1
Advierta que un eigenvector no puede ser cero. Si fuese x el vector cero, entonces la
definici6n carecerfa de sentido, porque AO = AO se cumple para todos los valores reales
de A. Sin embargo, sf es posible un eigenvalor de A = 0 (vease el ejemplo 2).
7.1 Eigenvalores y eigenvect ores 3 43
Una matriz puede tener mas de un eigenvalor, como se muestra en los ejemplos I y 2.
Para la matriz
Eigenvalor
I
I
EJEMPLO 2 Verificaci6n de eigenvalores y de eigenvectores
Para la matriz
- 2
0
!ID rn ~©CW 0
SOLUCION
Geometricamente, multiplicar un vector (x, y) en R2 por la matriz A corresponde a una
reflexion en el eje y. Es decir, si v = (x, y), entonces
Figura 7.2 La figura 7.2 ilustra el hecho de que los un icos vectores retlejados sobre multiplos escala-
res de ellos mismos son aquellos que estan sobre el eje x o sobre el eje y.
(-1)/ - A = [
- I - 2
- I -1+5
12] [-3 = -I
Para A2 = -2 se tiene
COMENTARIO (-2)/ - A = [
- 2 - 2
- I - 2 + 5
12]= [-4 - I
-3]
o·
lntente verifica r que Ax = A;x
para los eigenvalores y eigen-
vectores dete rminados en este Con x1 = t, se concluye que todo eigenvector de A2 es de la forma
ejemplo.
346 Capitulo 7 Eigenvalores y eigenvectores
Los sistemas homogeneos que aparecen cuando usted determina eigenvectores siem-
pre conducen a una matriz reducida por renglones que tiene al menos un rengl6n de ceros,
debido a que este sistema debe tener soluciones no triviales. Los pasos utilizados para
determinar los e igenvalores y los correspondie ntes e igenvectores de una matriz se resumen
a continuaci6n.
Asf, la ecuaci6n caracterfstica es(,\ - 2) 3 = 0. Por tanto, el unico eigenvalor es,\ = 2. Para
encontrar los e igenvectores asociados con ,\ = 2, resue lva el sistema lineal homogeneo
representado por (2/ -A)x = 0.
- I
0
0
Lo anterior imp lica que x2 = 0. con los parametros s = x 1 y I = x3, se encuentra que los
eigenvectores de ,\ = 2 son de la forma
Si un eigenvalor A; ocurre como una ra[z multiple (k veces) de! polinomio caracterfs-
tico, entonces se dice que A; tiene multiplicidad k. Esto implica que (A - A;/ es un factor
del polinomio caracterfstico y que (A - Af + 1 no es un factor de! polinomio caracterfstico.
Asf, en el ejemplo 5 el eigenvalor A = 2 tiene multiplicidad 3.
Tambien observe en el ejemplo 5 que la dimension del eigenespacio de A = 2 es 2.
En general, la multiplicidad de un eigenvalor es mayor o igual que la dimension de su
eigenespacio. (En el ejercicio 61, se le pide demostrar esto.)
0 0
A~[~
I
0
0
5
2
0
-1~1
y encuentre una base para cada uno de los espacios caracterfsticos correspondientes.
SOLUCION
El polinomio caracterfstico de A es
A- l 0 0 0
0 A- 1 -5 JO
IM-AI = - I 0 A-2 0
- I 0 0 A- 3
= (A - L)2(A - 2)(A - 3).
~
0 0 0 0
r~
Muchos p rogramas de compu-
taci6n y aplicaciones graficas 0 -5 0 I
cuentan con programas para
aproximar eigenvalores y eigen-
vectores de una matriz de n x
(1)1 - A ~[- I
- I
0
0
- I
0
,~1 -
-2 0
0
0
0
0 -~1
n. lntente usar una aplicaci6n
g rafica o un programa de com- Con s = x2 y I = x4 se obtiene
putaci6n para encontrar los
Hay algunos tipos de matrices para los cuales es facil encontrar los eigenvalores. El
siguiente teorema establece que los eigenvalores de una matriz triangular den X n son los
elementos en la diagonal principal. Su demostraci6n surge a partir del hecho de que el
determinante de una matriz triangular es el producto de los elementos de su di agonal.
a . A = [- ~ ~
5 3
~i
-3
- I 0 0 0 0
0 2 0 0 0
b. A 0 0 0 0 0
0 0 0 -4 0
0 0 0 0 3
SOLUCION
a. Sin usar el teorema 7.3 se encuentra que
A-2 0 0
IAI -A l I A-I 0 = (A - 2)(A - l)(A + 3).
- 5 -3 A +3
Asf, los eigenvalores son A1 = 2, A2 = I y A3 = -3 , que simplemente son los elementos
de la diagonal principal de A.
b. En este caso se aplica el teorema 7.3 para concluir que los eigenvalores son los elemen-
tos de la diagonal principal A1 = - 1, A2 = 2, A3 = 0, A4 = ~ y A5 = 3.
y,'= -2y,
Y2 1 = 2y, - 3y2
En la Secci6n 7.4 usted usara eigenvalores y eigenvectores para resol-
ver ta les sistemas de ecuaciones diferenciales lineales. Po r ahora,
verifique que la soluci6n de este sistema es
y, = C,e- 21
Y2 = 2c,e-2r + C2e-3r_
Sh, Yali/www shutterstock com
7.1 Eigenvalores y eigenvect ores 3 49
EIGENVALORES Y EIGENVECTORES
DE TRANSFORMACIONES LINEALES
Esta secci6n empez6 con la defini ci6n de e igenvalores y eigenvecto res en terminos de
matrices. Sin embargo hubiera sido posible definirlos en terminos de transformacio nes
lineales. Un numero A se denomina eigenvalor de una transformaci6n lineal T: V ➔ V si
hay un vector x diferente de cero tat que T(x) = Ax. El vector x se deno mina eigenvector
de T correspond iente a A y el conjunlo de todos los eigenvectores de A (con el vector cero)
se deno mi na eigenespacio de A.
Considere la transformaci6n lineal T: R 3 ➔ R3 , cuya matriz con respecto a la base
estandar es
3
Base estandar:
1
0 - 2 ~i- B = {( I, 0, 0), (0, I , 0), (0, 0, I)}
Para una transformaci6n T dada, i,C6mo podemos determinar una base B ' cuya matriz
correspondiente sea diagonal? El siguiente ejernplo nos da una indicaci6 n de la respuesta.
A-[~ 1
0 - 2
~i-
SOLUCION
como
A- I - 3 0
IAJ -A I = -3 A- 1 0 = [(A -1)2 -9](A +2) =(A - 4)(A +2) 2
0 0 A+ 2
los eigenvalores de A son A1 = 4 y A2 = - 2. Los eigenespacios de estos dos eigenvalores
son 8 1 = ((1, 1, 0 )} y 8 2 = ((1, - 1, 0), (0, 0, l )}, respectivarnente (verifique esto).
A
1
= [t ~~:,-~,]
0 0 ~ 2,'
Base no estandar:
B ' = {( I, I, 0), ( 1, - I, 0), (0, 0. I)}
Ei genva lores de A
6. A = [-22
2
I
-3]
-6,
A, = 5, x 1 = ( I , 2, - l)
A2 = -3, X 2 = (-2, I , 0)
17.
-I -2 0 A3 = - 3, X 3 = (3, 0, I ) 19.
n
I
1. A = [~ 0 A1 = 1, x 1 = (1, I, 1)
0 21.
n
-I A1 = 4,x, = (1 , 0, 0)
8. A = [~ 2 A2 = 2, x2 = ( I , 2, 0)
0 A3 = 3, x3 = (-2, I , I ) 23.
G 35.
[i
2
3
4
4
6
8
6
9
12
~¼
-[~ 4
0
0
0
2 !]
sobre los e igenvalores determinados en los ejercicios
impares 17-27.
(a) La suma de los eigenvalores 11 es igual a la traza de la
matriz (recuerde que la traza de una matriz es la suma
0 - I de las entradas diagonales principales la matri z).
~ 37.
H 0
2
-3
I 0
2
0
3
-2
3
2
(b) El producto de los n eigenvalores es igual a JAl-
(Cuando ,\ es un eigenvalor de multiplicidad k, recuerde
ingresa.rlo k veces en la suma o producto de estas verifica-
ciones.)
G 3s. -- [: 2
4
0
- 3
I
-3
l
52. Ejecute las siguientes verificaciones computacionales
sobre los e igenvalores determinados en los ejercicios
pares 18-28.
l 0 0 0 (a) La suma de los eigenvalores n es igual a la traza de la
matriz (recuerde que la traza de una matriz es la suma
Eigenvalores de matrices triangulares y diagona-
de las entradas di agonales principales la matri z).
les En los Ejercicios 39-42, encuentre los eigenvalores de
(b) El producto de los n eigenvalores es igual a IAl-
la matriz triangular o diagonal.
n
(Si ,\ es un eigenvalor de multiplicidad k, recuerde ingre-
39.
[~
0
3
0 ~] 40.
0
7
-2 ~] sarlo k veces en la suma o producto de estas verificaciones.)
53. Demuestre que si A es una matriz den X n cuyo i-esimo
rengl6n es identico al i-esimo rengl6n de I , entonces l es
r-,~
~]
0 0 0 0 un eigenvalo r de A.
5
4 0 4 0 54. Prueba Demuestre que ,\ = 0 es un eigenvalor de A si
41. 0
0
-3
0 J1 42. [ ~ 0
0
0
0
y s61o si A es singul ar.
55. Prueba Para una matriz invertible A demuestre que A
y A- 1 tienen los mismos eigenvectores. l,C6mo se relacio-
Eigenvalores y eigenvectores de transformaciones nan los eigenvalores de A con los eigenvalores de A- 1?
lineales En los Ejercicios 43-46, considere la transforma-
56. Prueba Demuestre que A y AT tienen los mismos
c i6n lineal T: R" ➔ R" cuya matriz A respecto a la base estan-
eigenvalo res. l,Los eigenespacios son iguales?
dar esta dada. Encuentre (a) los eigenvalores de A, (b) una base
para cada uno de los correspondientes eigenespacios y (c) la 57. Prueba Demuestre que el tennino constante de] poli-
matriz A' para T respecto a la base B', donde B' esta formada nomio caracterfstico es ± IAl-
por los vectores base que se encuentran en el inciso (b). 58. Defina T: R2 ➔ R 2 por T(v) = projuv, do nde u es un
vector fijo en R2. Demuestre que los eigenvalores de A
43. A = [~ -;] 44. A = [ -~ _ ~] (la matriz estandar de 7) son O y I.
49.
50. [ =: ! A son reales y diferentes de cero. repita los incisos
(i) y (ii) en orden inverso para demostrar que A es
no singular.
352 Capitulo 7 Eigenvalores y eigenvectores
~ ~
diferente de cero y un numero real A ta! que Ax = Ax,
ento nces si A2 = 0, A debe ser 0.
67. A - [ ~ ~] 68. A - [~
(i) Ya que A2 = A · A, puede escribir A2x como
A(A(x)).
I I
(ii) Use e l hecho de que Ax = Ax y las propiedades
de la multiplicacion de matr ices para concluir que
A2x = A2x.
3
0 !] 0
3
lVerdadero o falso? E n los ejercicios 65 y 66, determine B = {[~ ~], [~ ~], [~ ~], [ ~ ~]}.
cual de las expresiones es verdadera o falsa. Si la expresion
es verdadera, proporcio ne una razon o cite una expresion 76. Encuentre todos los va lores del ang ulo 8 para los q ue la
adecuada del texto. Si la expresion es falsa, proporcione un matriz
ej emplo que muestre que la expresion no es cierta en todos A = [Cos 8 -Sen 8]
los casos o c ite del texto una expres ion adecuada. Se n0 Cos0
65. (a) El escalar ,\ es un eigenvalor de una matri z A de tiene e igenvalores reales. interprete geometricamente su
n X n si existe un vector x tal que Ax = Ax. respuesta.
(b) Para encontrar los eigenvalores de una matriz A de 77. i,Cuales son los posibles eigenvalores de una matriz
n X n, resue lva la ecuaci6n caracterfstica idempotente? (Recuerde que una matri z cuadrada A es
det(A/ - A) = 0 . idempotente cuando A 2 = A).
66. (a) Geometricamente, si A es un e igenvalor de la matriz 78. i,Cuales son los posibles eigenvalores de una matriz
A y x es un eigenvector de A correspondiente a A, nilpotente? (Recuerde que una matriz cuadrada A es nil-
entonces multiplicar x por A genera un vector Ax potente si existe un entero positivo k ta! que Ak = 0).
paralelo a x. 79. Prueba Sea A una matriz de n x n tal que la suma de
(b) Si A es una matri z de n X n con un eigenvalor A, los e le mentos de cada re nglon es una constante fij a r.
entonces el conj unto de todos los eigenvectores de A Demuestre que res un eigenvalor de A . llustre este resul-
es un subespacio de R". tado con un ejemplo especffico.
7.2 Diagonalizaci6n 353
7 .2 Diagonalizaci6n
Encontrar las eigenvalores de m atrices similares, determinar si una
EL PROBLEMA DE LA DIAGONALIZACION
En la secci6n anterior se analiz6 el problema de! eigenvalor. En esta secci6n abordaremos
otro problema clasico del algebra lineal, llamado problema de diagonalizaci6n. En ter-
minos de matrices*, el problema es este: para una matriz cuadrada A , lexiste una matriz
invertible P tal que P- 1AP sea diagonal?
Recuerde de la secci6n 6.4 que dos matrices cuadradas A y B son semejantes si existe
una matriz invertible P ta! que B = p- 'A P.
Las matrices semejantes a las matrices diagonales se Haman diagonalizables.
A-[~ I
0
es diagonalizable, ya que
-~l
P-[i
tiene la propiedad
- I
0 ~]
P-'AP ~ [~
0
-2
0 -2
~l
Como se indic6 en el ejemplo 8 de la secci6n anterior, el problema del eigenvalor esta
estrechamente relacio nado con el problema de diagonalizaci6n. Los dos teoremas siguien-
tes ilustran mas esta relaci6n. El primer teorema establece que matrices semejantes deben
tener los mismos eigenvalores.
*Al final de esta secci6n se considera el problema de la diagonalizaci6n expresado en tenninos de trausfonna-
ciones lineales.
354 Capitu lo 7 Eigenva lores y eigenvectores
DEMOSTRACION
Dado queA y B son semejantes, entonces existe una matriz invertible P tal que B = P- 1AP.
En virtud de las propiedades de los determ inantes, se concluye que
IA! - Bl = IA! - p - lAPI
= 1p-1Afp - p-lAPI
= IP- 1(Al - A )PI
= IP- 1IIA1 -A IIPI
= IP- 1PI IAJ - Al
= IA/ - Al.
COMENTARIO Pero esto significa que A y B tienen el mismo polinomio caracterfstico. Por tanto, deben
Este ejemplo establece que las tener los mismos eigenvalores.
matrices A y D son semejantes.
lntente comprobar que
D = P-1 AP usando las matrices Determinaci6n de los eigenvalores
' EJEMPLO 2
de matrices semejantes
0
Las matrices A y D son semejantes
~
0 0
y A= [ - 1 2
-~l-
-) -2 0
p -, = [- ~
o
~
- 1 1
Use el teorema 7.4 para hallar los eigenvalores de A.
SOLUCION
De hecho, las columnas de P
Como Des una matriz diagonal, entonces s us eigenvalores son simplemente los elementos
son precisamente los eigenvec-
tores de A correspondientes a que estan en su diagonal principal; es decir, A1 = 1, A2 = 2, A3 = 3. Ademas, dado que A
los eigenvalores 1, 2 y 3. es semejante a D , por el teorema 7.4 se sabe que tiene los mismos eigenvalores. Puede
verificar esto al demostrar que el polinomio caracterfstico de A es IA/ - Al = (,\ - l )(,\ - 2)
(,\ - 3).
Las dos matrices diagonalizables dadas en los ejemplos I y 2 proporcionan una pista
para resolver el problema de la diagonalizaci6n. Ambas matrices poseen un conjunto de
tres eigenvectores linealme nte independientes. (Vease el ejemplo 3.) Esto es caracterfstico
de las matrices diagonalizables, como se establece en el teorema 7.5.
DEMOSTRACION
Prirnero, asuma que A es diagonalizable. Entonces existe una matriz invertible P tal que
P - 1AP = D es diagonal. Al hacer que los vectores columna de P sean p 1, p2 , . . . , p,, y
que los e lementos en la diagonal principal de D sean A1, A2, •.• , ,\11, se obtiene
0 0
PD = [ p l
P, p"] [''r A2
0
0
,\II
= [ A1P1 A2P2 · · · A"p"].
7.2 Diagonalizaci6n 355
AP = [p 1 P, . ..
rA, A2
p,.] :
0
= PD
0 A,,
Por ultimo, dado que los vectores Pi, p2 , . .. , p,, son linealmente independientes, entonces
P es invertible y se puede escribir la ecuaci6n A P = PD como P- 1AP = D, lo cual significa
que A es diagonalizable.
p = [:
n
Otra vez, como P es equivalente por renglones a la matriz identidad, los eigenvectores
p 1, P2 y p3 son linealmente independientes.
356 Capitulo 7 Eigenvalores y eigenvectores
La segunda parte de la demostraci6n del teorema 7.5 y el ejemplo 3 sugieren los pasos
siguientes para di agonalizar una matriz.
A= [ : -~
- 3
-:i
-I
2/ - A ~[-: -il ~] nl
- I
- I [~
0
I
0
-! -:l [ -ii Hl
l 0
-21 -A=
[-3 -5 1
- 1 -1 0
P~[-~-i -:i
Esta matriz es no singular (revise esto), lo cual implica que los eigenvecto res son lineal-
mente independientes y A es diagonalizable. Entonces, se sigue que
0
- 2
0
7.2 Diagonalizaci6n 357
-2 0
0 5
2 I
0
Dado que P es invertible (compruebelo), sus vecto res columna constituyen un conjunto
linealmente independiente. Por tanto, A es diagonalizable, y se tiene
0 0
I
0
0
0
2
0
~1
o·
3
A=[~ ~]
SOLUCION
Como A es triangular, ento nces los eigenvalores son simplemente los elementos de la
diagonal principal. Asf, el unico eigenvalor es ,\ = I. La matriz (/ - A) tiene la sig uiente
forma escalo nada reducida por renglones.
COM ENTARIO Para que una matriz cuadrada A de orden n sea diagonalizable, la suma de las dimen-
La condici6n establecida en el siones de los eigenespacios debe ser igual an. Una forma en que puede suceder lo anterior
teorema 7.6 es suficiente pero no es si A tiene n eigenvalores distintos. Asf, tenernos el siguiente teorema.
necesa ria para la diagonalizaci6n,
como se demostr6 en el ejemplo
5. En otras palabras, una matriz TEOREMA 7.6 Condici6n suficiente para la diagonalizaci6n
diagonalizable no requiere tener
eigenvalores distintos. Si una matriz A den X n tiene n eigenvalores distintos, entonces los correspondien-
......___ _()> tes e igenvectores son linealmente independientes y A es diagonalizable .
DEMOSTRACION
Sean A1, A2, ..• , A,, n eigenvaJores distintos de A correspondientes a los eigenvectores x 1,
x2 ,.. . , xw Para empezar, suponga que e l conjunto de eigenvectores es linealmente depen-
diente. Ademas, considere que los eigenvectores estan ordenados de modo que los m pri-
meros son linealmente independientes y los m + I primeros son linealmente dependientes,
donde m < n. Asf, x,,, + 1 se puede expresar como una combinaci6n lineal de los m prime-
ros eigenvectores:
Ecuaci6n I
donde no todos lo c; son cero. Al multiplicar ambos )ados de la ecuaci6n I por A se obtiene
Como todos los eigenvalores son distintos, concluimos que c; = 0, i = 1, 2, ... , m. Pero
este res ultado contradice la hip6tesis de que x111 + 1 puede escribirse como una combinac i6n
lineal de los m primeros eigenvectores. Por tanto, el conjunto de eigenvectores es lineal-
mente independiente y por el teorema 7.5 se concluye que A es diagonalizable.
A = [~ -~
0 0 -3
:1
SOLUCION
como A es una matriz triangular, entonces sus eigenvalores son los elementos que estan en
su diagonal principal,
Ademas debido a que estos tres valores son distintos, por el teorema 7.6 se concluye ~
A es diagonalizable. •
7.2 Diagonalizaci6n 359
lexiste una base B de V tal que la matri z de T con respecto a B sea diagonal? La respuesta
es "sf", siempre que la matriz estandar de T sea diagonalizable.
En caso de ser posible, ha Ile una base B para R 3 tal que la matriz de T con respecto a B sea
diagonal.
SOLUCION
La matriz estandar de Testa dada por
A=[ I -~
- 3
-:i
- I
Del ejemplo 4 usted sabe que A es diagonalizable. Asf, para formar la base B pueden usarse
los tres eigenvectores linealrnente independientes detenninados en el ejemplo 4. Es decir,
B = {(-1 , 0, 1), (1, -1,4), (-1 , 1, l )}.
La matriz para T respecto a estas bases es
0
- 2
0
marema/www shunerstockoom
360 Capitulo 7 Eigenva lores y eigenvectores
Matrices diagonalizables y eigenvalores E n los ejerci- Mostrar que una matriz no es diagonalizable En los
cios I a 6, (a) compruebe que A es diagonalizable al calcular ejercicios 15 a 22, demuestre que la matriz dada no es diago-
p - 1AP y (b) use el resultado del inciso (a) y el Teorema 7.4 nalizable.
para encontrar los eigenvalores de A.
I. A= 15.
[~ ~] 16. I !]
2
-1 1
[ -3
36]
10
, P=
[ -3
-1 =~] [ -2 - I
=[ ~]
17.
[~ :J
18. [ I
~]
~i
2. A I -2
-1
~]
-2
- 2
3• A= [ I ~], p = [ ~ - ~] 19.
[i I 20.
[
~ - I -
0 0 0 -1
=~l
nj n
4. A = [; P = [ : ~] 1 0 - 1 l
0 1 0 l
(:) 21. -2 0 2 -2
s. A - p - [; 0 2 0 2
(Vease el ejercicio 37, secci6n 7. l.)
0.80 0. 10 0.05 0.05
-3 3 3
0. 10 0.80 0.05 0.05
6 - I 4 -3 -3
· A = 0.05 0.05 0.80 0.10 ' e 22.
[ -2 0 I I
0.05 0.05 0.10 0.80
0 0 0
-I O I
- I O - I (Vease el ejerc icio 38, secci6n 7.1.)
P=
0 Determinar una condici6n suficiente para la diagonali-
- 1 0 zaci6n En los ejercicios 23 a 26, encuentre los eigenvalo-
res de la matriz y determine s i hay un numero s uficiente para
Diagonalizaci6n de una matriz En los ejercicios 7 a 14
garantizar que la matriz es diagonalizable. (recuerde que la
para cada matriz A, determine (en caso de ser posible) una
matriz puede ser diagonal izable aun c ua ndo no este garanti-
matriz P no singular tal que p - 1AP sea diagonal. Compruebe
zada por el teorema 7.6.)
que p- 1AP es una matri z diagonal con los e igenvalores e n la
diagonal principal.
6
-!]
23.
!] 24. [ 25
1. A= [
-2 8. A=[~ -I
25.
-2
4 26.
(Vease el ejercicio 17, (Vease el ejercic io 19, 2
secci6n 7. 1.) secci6n 7.1.)
Determinaci6n de una base En los ejercicios 27 a 30,
11. A=[-~
-6
2
5 -2
6 -3
-2] 12. A = [-! -! -!]
- 1 -2 5
29. T: P1 ➔ P1 : T(a
30. T: P2 ➔ P2 :
-x - 2y)
+ bx) =a+ (a+ 2b)x
(Vease el ejercicio 23, (Vease el ejercic io 24, T(c + bx+ ax2 ) = (2c + a) + (3b + 4a)x + ax 2
secci6n 7. 1.) secci6n 7 .1.)
31. Prueba Sean A una matriz diagonalizable de n X n y
~ ~
P una matriz invert ible de n X n tales que B = P - 1AP
13. A - [: sea la forma diagonal de A. Demuestre que (b) Ak =
14.A -[~ 1
PBkP- , donde k es un entero positivo.
7.2 Ejercicios 361
32. Sean Ai, A2, ... , A,, n eigenvalores distintos de la matriz 41. Escriba i,Puede una matriz ser semejante a dos matri-
A de n X n. Aplique e l resultado del ejercicio 31 para ces diagonales distintas? Explique su respuesta.
detenninar los eigenvalores de A k_ 42. Prueba Demuestre que si A es diagonal izable, enton-
ces AT tambien lo es.
Determinaci6n de una potencia de una matriz En los
ejercicios 33 a 36, use el resultado del ejercicio 3 l para hallar 43. Prueba Demuestre que si A es diagonalizable con
la potencia indicada de Ak. n eigenvalores reales Ai, A2, ..• , A,,, entonces !Al = A1A2
. . . A,,.
33.A =[IO l8],A6 34. A = [~ 3]0 ,A
- 6 - II
7
44. Prueba Demuestre que la matriz
35. A=[-!
-l
-!
-2
-:i,A
5
8
MATRICES SIMETRICAS
Para casi todas las matrices, es posible avanzar bastante e n e l procedimiento de diagona-
lizaci6n antes de poder decidir finalmente si la diagonalizaci6n es factible. Una excepci6n
es una matriz triangular con elementos diferentes en la diagonal principal. Esta matriz
puede identificarse como diagonalizable por simple inspecci6n. En esta secci6n se estu-
diani otro tipo de matriz que se garantiza es diagonalizable: una matriz simetrica.
@rn~@(!!Jo
Definici6n de matriz simetrica
00 00 Dl1YAl Drn lR!l TI'@
Una matriz cuadrada A es simetrica si es igual a s u transpuesta: A = A 7.
'uc Seleccione una
matriz cuadrada
arbitraria y calcule
sus e ige nvalo res. EJEMPLO 1 Matrices simetricas y matrices no simetricas
una matriz sime- Las matrices no simetricas tienen alg unas propiedades especiales que en general no
trica arbitraria y poseen las matrices simetricas.
calcule sus eigen-
1. Una matriz no simetrica puede no ser diagonalizable.
valores.
2 . Una matriz no simetrica puede tener eigenvalores que no sean reales. Por ejemplo, la
l'J□ LPuede determinar matriz
una matriz sime-
trica para la que los
eigenvalores no
sean reales? tiene como ecuaci6n caracterfstica ,\2 + I = 0. Por tanto, sus eigenvalores son los
Una demostracion general de! teorema 7.7 rebasa los lfmiles de este libro. Sin
embargo, el siguiente ejemplo comprueba que toda matriz simetrica de 2 X 2 es diagona-
1izable.
es diagonal izable.
SOLUCION
El polinomio caracterfstico de A es
IM - Al = IA - a
-c
-c1
A- b
= A2 - (a + b)A + ab - c 2 .
Por otra parte, si (a - b)2 + 4c2 > 0, entonces por la formula cuadratica el polinomio
caracterfstico de A tiene dos rafces reales distintas, lo cual implica que A tiene dos eigen-
valores distintos. Por tanto, A es diagonalizable tambien en este caso.
MATRICES ORTOGONALES
Para diagonalizar una matri z cuadrada A es necesario hallar una matriz invertible P ta) que
P- 1AP sea diagonal. Para matrices simetricas, la matriz P puede elegirse de modo que
tenga la propiedad especial de que P- 1 = pT_ Esta propiedad matricial poco comun se
define como sig ue.
a. La matnz P . lo =
- ) 0
1] es ortogonal porque P - 1 = P 1. = lo -I]o·
1
b. La matri z
['~
0
P -
1 -!]
3
0 5
es ortogonal ya que
-U ~I
0
p -• - P' I
0
En los incisos (a) y (b) del ejemplo 4 las columnas de las matrices P fo rman conjuntos
ortogonales en R 2 y R3 , respecti vamente. Esto sugiere el siguiente teorema.
DEMOSTRACION
La demostraci6n para los renglones es analoga. Suponga que los vectores columna de P
fonnan un conjunto ortononnal:
p = [p,
P11
P21
P,,,
P2 · .. p,,]
P12
P22
P112
l
P,,,
P211
P,!,,.
P 1 · P1 P1 . P2 P, . P,,l
P2 · P 1 P2 . P2 P2 · P,,
p Tp =
Demuestre que
-
1 2
-
2
-
3 3 3
2 I
P= 0
.j5 .j5
2 4 5
3.Js 3.Js 3✓5
es o rtogonal al probar que ppT = I. Luego, demuestre que los vecto res columna de P
constituyen un conjunto ortonormal.
SOLUCION
Como
I 2 2 2 2
- - - -I - Js
3 3 3 3 - 3✓5
ppT = 2 1 2 I 4
- .j5 0 - = 13
.j5 3 .j5 - 3.J5
2 4 5 2
-
5
- 3✓5 -3✓5
0
3✓5 3 3✓5
Es posible demostrar que para una matriz sirnetrica los eigenvectores correspondien-
tes a distintos eigenvalores son ortogonales. Esta propiedad se establece en el siguiente
teorema.
DEMOSTRACION
Sean A1 y A2 eigenvalores distintos de A con eigenvectores correspondientes x 1 y x2 . Asf,
Ax 1 = A1x1 y Ax2 = A2x2 . Para demostrar el teorema, es util empezar con la siguiente forma
matricial de! producto punto x 1 • x2 = xf · x2 (Yease la Secci6n 5.1.) Ahora puede escribir
Ah1 · X2) = (A1x1) • Xz
= (Ax 1) • x2
= (Axi}Tx2
= (x(AT) x2
= (x(A)x2 Como A es simetrica A = A7
= x ((Ax2 )
= x ((A2x2 )
= X1 • (A2X2)
= Az{x 1 • x 2 ).
Esto irnplica que (,\ 1- A2)(x 1 • x2) = 0 y, como A1 =I= A2, se concluye que x 1 · x2 = 0. Por
consiguiente, x 1 y x2 son ortogonales.
IM - AI= I
,\ - 3 -11 = (A - 2)(A - 4)
- J ,\ - 3
lo cual implica que los eigenvalores de A son ,\ 1 = 2 y ,\2 = 4. Todo eigenvector corres-
pondiente a A1 = 2 es de la forma
X1 = [ _;], S =/= 0
X2 = [;], / =/= 0.
por consiguiente
X1 ' X2 = SI - Sf= 0
y se concluye que x 1 y x 2 son ortogonales.
7.3 Matrices simetricas y d iagonalizaci6n ortogona l 367
DIAGONALIZACION ORTOGONAL
Una matriz es diagonalizable ortogonalmente si existe una matriz ortogonal P tat que
p - 1AP = D es di agonal. El siguiente teorema importante establece que el conjunto de
matrices diagonalizables ortogonaJmente es precisamente el conjunto de matrices simetri-
cas.
DEMOSTRACION
La demostraci6 n del teorema en una direcci6 n es bastante directa. Es decir, s i se supone
que A es ortogonalmente diagonalizable, entonces existe una matriz ortogonal P tal que
D = P- 1AP es d iagonal. Ademas, como P- 1 = Pr, se tiene
A = pop-I
= PDPT
lo cual implica que
AT= (PDP 7Y
= (p1)TDTpT
= PDP T
= A.
Por consig uiente, A es simetrica.
La demostraci6n del teorema en la otra direcci6n es mas complicada, pero es impor-
tante porque es constructiva. S uponga que A es simetrica. Si A tiene un eigenvalor A de
multiplicidad k, entonces por el teorema 7.7 l tiene k eigenvectores linealmente indepen-
dientes. Mediante el proceso de ortonormal izaci6 n de Gram-Schmidt, este conjunto de k
vectores puede usarse para formar una base ortonormal de eigenvectores del eigenespacio
correspondiente a A. Este procedimienlo se repite para cada eigenvalo r de A. La colecci6n
de todos los eigenvectores resultantes es ortogonaJ debido al teorema 7.9 y, por el proceso
de normalizaci6n, se sabe que la colecci6n tambien es ortonormal. Luego, sea P la matriz
cuyas columnas constan de estos n eigenvectores ortonormales. Por el teorema 7.8, P es
una matriz ortogonal. Finalmente, por el teorema 7.5, es posible concluir que P- 1AP
es diagonal. Asf, A es diagonalizable ortogonalmente.
:l ~]
I 2
A, - [: 0 A, - [ :
- I 8
I
A =
3
[3
2
2
0 ~] A =
4
[O
0 -~J
SOLUCION
Por el teorema 7. I0, las unicas matrices ortogonalmente di agonalizables son las s imetri-
cas: A 1 y A4 .
- 2
Determine una matriz P que diagonalice ortogonalmente a A =[
2
SOLUCION
1. El polinomio caracterfstico de A es
IAI - A I = IA + 2
- 2 A-I
-21 = (A + 3)(A - 2).
Por tanto, los e igenvalores son A1 = -3 y A2 = 2.
2. Para cada e igenvalor se encuentra un eigenvector al convertir la matriz ,V - A a la
forma escalonada reducida por renglones.
Eigenvector
(-2, I ) ( 2 I )
Pi = 11(-2, 1)11 = - Js' Js
3. Debido a que Ia multiplicidad de cada eigenvalor es 1, se pasa directamente al paso 4.
4. Usando p 1 y p 2 como vectores columna, se construye la matriz P.
f]
Js
Compruebe que P diagonaliza ortogonalmente a A calculando P--- 1AP = PTAP.
pTAP = r- {5
Js
7.3 Matrices simetricas y diagonalizaci6n ortogona l 369
SOLUCION
1. El polinomio caracterfstico de A, IAi - Al = (,\ - 3)2(,\ + 6) produce los eigenvalores
A1 = --6 y A2 = 3. La multiplic idad de A1 es I y la multiplicidad de A2 es 2.
2. Un eigenvector para ,\ 1 es v 1 = (I, - 2, 2), que se normaliza a
fxx fxy]
[ f yx f yy •
0
1
Determinaci6n de eigenvalores y dimensiones de
eigenespacios En los ejercicios 11 a 22, encuentre los
0
eigenvalores de la matriz simetrica dada. Para cada eigenva- _Jg J3
lor, determine la dimension del eigenespacio correspon- 6 3
dienle.
29. 0
A J3
~] Ji.
2
J6
3
6
_J3
3
3
0
2 fi_
0
./5
3 2
0
30. 0
2./5 0
2 5
0
- fi_ - ./5 I
2 6 5 2
l l 3fi
0 0 0
8 8
l 0 1 0 0
31.
0 0 0 0 0
3 0 3-fi 0 0
l
0 3 8 8
0 5 1
Tofio 0 0 - ~fio
1
2 - l 0 0 0
-1 2 0 0 0 0 0 I 0
32.
e 21. 0 0 2 0 0 0 0 0
0 0 0 2 0
2-Jto
0 0 0 0 2 10
0 0 I~ JTo
7.3 Ejercicios 371
33.
[~ ~] 34. [-I-2 -~J
51. A -[~ 0
0
I
4
2
0
~1
I 0
35.
[~
0
I
0 ~] 36.
[~
0
-3
0 ~] 52. A - [~ 0
0 ~1
37. H-I -!] fi
0 38.
[~
0
l
0
j] i_Verdadero o falso? En Los ejercicios 53 y 54, determine
cual de las expresiones es verdadera o falsa. Si la expresi6n
es verdadera, proporcione una raz6n o cite una expresi6n
adecuada del texto. Si la expresi6n es falsa, proporcione un
Matrices ortogonalmente diagonalizables En los ejemplo que muestre que la expresi6n no es cierta en todos
Ejercicios 39-42, determine si la matriz es ortogonalmente los casos o cite del texto una expresi6n adecuada.
diagonalizable. 53. (a) Sea A una matriz de n x n. Entonces A es simetrica
si y solo si A es ortogonalmente diagonalizable.
39. [ 40 (b) Los eigenvectores correspondientes a distintos
eigenvalores son ortogonales para matrices simetri-
cas.
-~1
- I
0
54. (a) Una matriz cuadrada P es ortogonal si es invertible,
es decir, si p -I = pT_
(b) Si A es una matriz simetrica de n X n, entonces A
tiene eigenvalores reales.
Diagonalizaci6n ortogonal En los ejercicios 43 a 52,
encuentre una matJiz ortogonal P tal que PTAP diagonalice 55. Prueba Demuestre que si A y B son matrices ortogona-
A. Compruebe que PTAP da la forma diagonal correcta. les den X n, entonces AB y BA son ortogonales.
= [~
56. Prueba Demuestre que si una matriz simetrica A sola-
43. A ~] mente tiene un eigenvalor A, entonces A = ,\/_
57. Prueba Demuestre que si A es una matriz ortogonal,
44. A = [~ !] entonces AT y A- 1 tarnbien lo son.
~ 58. 00rn[K!'X)£"0'rn
45. A = [ ~ ~] A = [-~ !
Considere la siguiente matriz.
-~i
il
I
0 - 5 3 5
(a) l,A es simetrica? Explique.
l~l
l
10 (b) l,A es diagonalizable? Explique.
47.A =[I~ 5 (c) j,Los eigenvalores de A son reales? Explique.
10 0 -5 (d) Los eigenvalores de A son distintos. j,Cuales son
3 las dimensiones de los eigenespacios correspon-
dientes? Explique.
48. A - [~ 0
4 (e) l,A es ortogonalmente diagonalizable? Explique.
49. A -H - I
2
I
(f) Para los eigenvalores de A, j,los eigenvectores
correspondientes son ortogonales? Explique.
(g) l,A es ortogonalmente diagonalizable? Explique.
-2 2
50. A=
[ ! -2
4
59. Determine ATA y MT para la siguiente matriz. l,Que
observa?
- 3
- 6
372 Capitulo 7 Eigenvalores y eigenvectores
b, b2 b3 b,,_, b,,
P1 0 0 0 0
A= 0 P2 0 0 0
0 0 0 P11-I 0
Al multiplicar esta matriz de transici6n de edades por el vector de distribuc i6n de edades
durante un periodo especffico obtenemos el vector de distribuci6n de edades para el
siguiente periodo. Es decir,
Ax;= X; + 1•
6 0 S cdad <
0 8]0 [328] = [64]
16 . I s cdad < 2
0.5 0 2 4 2 :<=:: cdad :<=:: 3
Observe que la proporc i6n de las tres c lases de edad sigue siendo de 16:4: I, y por tanto el
porcentaje de la poblaci6n de cada clase permanece igual.
37 4 Capitu lo 7 Eigenvalores y eigenvectores
y11
y = r~:1 y
y' = y(
Y,, rY,,
• I
Yi = Cie4'
y? = C?e-,
Y3 = C3e2,_
Por tanto, los coeficientes de ten las soluciones Y; = C;e>., 1 estan dados por los eigenvalo-
res de la matriz A.
Si A es una matriz diagonal, entonces la soluci6n de
y' = Ay
puede obtenerse de inmediato, como el ejemplo 3. Si A no es diagonal, ento nces la solu-
ci6n requiere un poco mas de trabajo. Primera se intenta encontrar una mau·iz P que dia-
gonal ice A. Luego, el cambio de variables dado por y = Pw e y ' = Pw' produce
Pw ' = y ' = Ay = APw ...,. w ' = p - iAPw
P= [
-3
1
:J. p -• - [: -n y p -tAP =[
-3
0
W2 =
1
5w2
Y t, =
Yi'= - 4yl + 4Ji
Y2 es A =[
-4
0 l] 4 .
Yi = C 1e21 + C2 te2'
Yi = (2C 1 + C2)e2' + 2C2 te 2' .
2. Eigenvalores complejos: la matriz de coeficientes del sistema
Yt I = -
Y2 es A= [o -)] 0 .
Yi'= Yt I
Los eigenvalores de A son ,\ 1 = i y ,\2 = -i y la soluci6n del sistema de ecuaciones
di ferenciales lineales es
Yt = cl Cost + C2 Sen/
Y2 = -C2 Cost + cl Sen/.
lntente comprobar estas soluciones al obtener las de ri vadas y sustitu ir en el sistema origi-
nal de ecuaciones.
376 Capitulo 7 Eigenvalores y eigenvectores
FORMAS CUADRATICAS
Los eigenvalores y los eigenvectores pueden usarse para resolver el problema de rota-
ci6n de ejes presentando en la secci6n 4.8. Recuerde que la clasificaci6n de la ecuaci6n
cuadratica
ax 2 + bxy + cy 2 + dx + ey +f = 0 Ecuaci6n cuadratica
es bastante directa en la medida en que la ecuaci6n no contenga termino xy (esto es, b =
0). Sin embargo, si la ecuaci6n contiene un termino xy entonces la clasificaci6n se logra
mas facilmente al efectuar primero una rotaci6n de ejes que elimine el termino xy. La
ecuaci6n resultante (con respecto a los nuevos ejes x'y') sera entonces de la forma
a'(x')2 + c'(y')2 + d'x' + e'y' + f' = 0.
Vera que los coeficientes a' y c' son los eigenvalores de la matriz
A- [b/; b/!].
La expresi6n
ax 2 + bxy + cy 2 Forma cuadratica
se denomina forma cuadratica asociada con la ecuaci6n cuadratica
ax 2 + bxy + cy 2 + dx + ey + f = 0
y la matriz A se denomina matriz de la forma cuadratica. Observe que la matriz A es
simetrica po r definici6n. Ademas, la matriz A sera diagonal si y s6lo si su fonna cuadratica
correspondiente no tiene termino xy, como se il ustra en el ejemplo 5.
3 Encuentre la matriz de la forma cuadratica asociada con cada una de las sig uientes ecua-
ciones cuadraticas.
a. 4x 2 + 9y 2 - 36 =0 b. 13x 2 - 10.xy + 13y2 - 72 =0
SOLUCION
-I
a. Como a = 4, b = 0 y c = 9, entonces la matriz es
A = [~ ~]. Matriz d iagonal (sin termino xy)
-3
b. Como a = 13, b = - l Oy c = 13, la matriz es
Figura 7.4 X = [ ; ].
7.4 Aplicacianes de las eigenvalares y las eigenvectares 377
p TX = X ' = [;:]
se concluye que X = PX' , y se tiene XTAX = (PX'lA(PX') = (X' lPTA PX' = (X'lDX' .
La elecci6n de la matriz P debe hacer econ cuidado, ya que si P es ortogonal, enton-
ces su detenninante es ± 1. Se puede demostrar (vease el ejercicio 65) que si P se elige de
modo que [P[ = I, entonces P sera de la forma
p = [cos 0 - sen 0]
sen 0 cos 0
donde 0 da el angulo de rotaci6n de la c6nica medida desde el eje x positivo al eje x' posi-
ti vo. Lo anteri or conduce al teorema de los ejes principales.
Como el polinomio caracterfstico de A es (.\ - 8)( .\ - 18) (revise esto), se concluye que
los eigenvalores de A son .\ 1 = 8 y .\2 = 18. Por tanto, la ecuaci6n de la c6nica rotada es
8(x')2 + 18(y')2 - 72 =0
lo cual, cuando se escribe en la forma estandar
(x ')2 (y')2
--+--= I
32 22
se identifica como la ecuaci6n de una elipse (vease la figu ra 7.4).
378 Capitulo 7 Eigenvalores y eigenvectores
P=
l
fi.
I
fi.
-}il_ l_
fi.
= [ cos 0
sen 0
-sen 0]
cos 0
Primero, observe que IPI = I, lo cual implica que P es una rotaci6n. Ademas, en vista de que
cos 45° = llfi. = sen 45°, el anguJo de rotaci6n es 45°, como se muestra en la figma 7.4.
La matriz ortogonal P especificada en el teorema de los ejes principales no es unica.
Sus elementos dependen del orden de los e igenvalores AI y A2 y de la elecci6n posterior de
los eigenvectores x 1 y x2 . Asf, en la soluci6n de! ejemplo 6 bubiera funcionado cualquiera
de las siguientes elecciones de P.
x, X2 x, X2 x, X2
[: ~
I
fi.
I
fi.
[-~ fi.
- fi.
l
I
fi.
I
fi.
- fi.
I f]
fi.
AI = 8, " 2 = 18 AI 18, " 2 = 8 AI = 18, A2 = 8
0 = 225° 0 = 135° 0 = 3 15°
Para cualquiera de estas elecciones de P, la grafi ca de la c6nica rotada sera, por
supuesto, la misma (vease la figura 7.5).
y y y
3 3
Figura 7.5
A continuaci6n se resumen los pasos usados en la aplicaci6n de! teorema de los ejes
principales.
1. Forme la matri z A y determine sus e igenvalores A1 y A2•
En el ejemplo 7 se muestra c6mo aplicar el teorema de los ejes principales para rotar
una c6nica cuyo centro se ha trasladado lejos de! origen.
A= [
-5
3 -5]3.
Los eigenvalores de A son
AI = 8 y A.2 = - 2
con eigenvectores correspondientes
X1 = (- 1, 1) y X2 = (- 1, - 1).
Esto implica que la matriz P es
= [cos 0
sen 0 cos 0
0]
- sen , d ond e IP I = . 1
Como cos 135° = -1/Ji. y sen 135° = I/Ji., puede concluir que el angulo de rotac i6n es
)'
135°. Por ultimo, a partir del producto matricial
10
6
[d e]PX'= [16""2 O] r- ~
Ji.
= - 16x' - 16y'
se puede concluir que la ecuaci6n de la c6nica rotada es
-4 4 6 8 8(x')2 - 2(y ')2 - 16x' - 16y' - 32 = 0.
En forma estandar, la ecuaci6n
(x' - 1)2 (y' + 4)2
- - - - ----= I
I2 22
Figura 7.6 se identifica como la ecuaci6n de una hiperbola, cuya g rafica se observa en la fig ura 7.6.
Las formas cuadraticas tambien pueden usarse para analizar ecuaciones de superficies
cuadricas en R3 las cuales son la analogfa de las secciones c6nicas pero en tres dimensiones.
La ecuaci6n de una superficie cuadrica en R3 es un polinomio de segundo grado de la forma
Elipsoide
x2 y2 z2
-
a2
+b2
- + -=
c2
Traza Plano
Elipse Paralelo al piano xy
Elipse Paralelo al piano xz
Elipse Paralelo al piano yz
)' y
X La superficie es una esfera si a = b X
= C * 0.
Traza Plano
Elipse Paralelo al piano xy
y
Hiperbola Paralelo al piano xz
Hiperbola Paralelo al piano yz
X
Tra:a Plano
Elipse Paralelo al piano xy
Hiperbola Paralelo al piano xz
y Hiperbola Paralelo al piano yz
El eje del hiperboloide corresponde
a la variable cuyo coeficiente es
positivo. No existe una traza en el
piano coordenado perpendicular a
este eje.
7.4 Aplicacianes de las eigenvalares y las eigenvectares 381
Cono eliptico
x2 y2 z2
- + - - -=O
a2 b2 c2
Traza Plano
Elipse Paralelo al piano xy Trata 1_1
Paraboloide el[ptico
x2 y2
7 =-+ -
~ a2 b2
Traza Plano
Elipse Paralelo al piano xy
Parabola Paralelo al piano xz
Parabola Paralelo al piano yz
Paraboloide hiperbolico
y2 x2
z=---
b2 a2
Traza Pla110
)'
Hiperbola Paralelo al piano xy
Parabola Paralelo al piano xz
Parabola Paralelo al piano yz
El eje del paraboloide correspo nde a
la variable elevada a la primera
potencia.
382 Capitu lo 7 Eigenvalores y eigenvectores
ALGEBRA Una parte de la arquitectura mas inusual del mundo recurre a superfi-
cies cuad ricas. Por ejemplo, la Catedral Metropolitana Nossa Senhora
LINEAL Aparecida, una catedral ubicada en Brasilia, Brasil, tiene la forma de
APLICADA un hiperboloide de una hoja. Fue diseiiada por el arquitecto ganador
del Premio Pritzker Oscar Niemeyer y dedicada en 1970. Las dieciseis
columnas identicas de acero curvo, con un peso de 90 toneladas cada
una, pretenden representar dos manos que se alzan hacia el cielo. En
los espacios triangulares de diez metros de ancho por treinta de alto
que forman las columnas, se encuentran piezas de vidrio semitranspa-
rente polarizado, que permiten el paso de la luz al interior en casi toda
la altura de las columnas.
es definida como
ax 2 + by 2 + cz2 + dxy + exz + Jyz. Forma cuadratica
La matriz correspondiente es
d ~
a
2 2
A
d
b 1
2 2
~ 1 C
2 2
En su version tridimensional, el teorema de los ejes principaJes relaciona los eigenvalores
y los eigenvectores de A con la ecuaci6n de la superficie rotada, como se muestra en el
ejemplo 8.
ReaJice una rotaci6n de los ejes para eliminar el termino xz en la ecuaci6n c uadratica
5x 2 + 4y 2 + 5z2 + 8xz - 36 = 0.
SOLUCION
La matriz A asociada con esta ecuaci6n cuadratica es
0
4
0
cuyos eigenvalores son ,.\ 1 = l , ,.\ 2 = 4 y ,.\3 = 9. Asf, en e l sistema rotado x' , y' , z' , la
ecuaci6n cuadratica es (x')2 + 4 (y')2 + 9 (z')2 - 36 = 0. Que en la forma estandar es
X
y
(x ')2 (y ')2 (z ')2
62+)2+p= 1.
x'
La grafica de esta ecuaci6n es un elipsoide. Como se muestra e n la Figura 7.7, los ejes x',
Figura 7.7
y', z' representan una rotaci6n de 45° en sentido contrario al de las manecillas de! reloj
alrededor del eje y. Ademas, la matriz ortogonal
I I
0
Ji Ji
P= 0 1 0
I I
0
✓2 ✓2
Determinaci6n de los vectores de distribuci6n de 14. Modelo de crecimiento poblacional Una pobla-
edad En los ejercicios 1 a 6, use la rnatriz A de transici6n ci6 n presenta las siguientes caracterfsticas.
de edades y el vector x 1 de distribuci6n de edades para (a) Un total de 80% de la poblaci6n sobrevive el primer
encontrar los vectores de distribuci6n de edades x2 y x3. afio. De este 80%, 25% sobrevive el segundo afio. La
duraci6n maxima de la vida es tres afios.
I. A=[~ ~], xi=[:~] (b) El numero promedi o de descendencia de cada miem-
bro de la poblaci6n es 3 el primer afio, 6 el segundo
0
I
2
H•,-m (a) Un total de 60% de la poblaci6n sobrevive el primer
afio. De este 60%, 50% sobrevive el segundo afio. La
duraci6n maxima de la vida es tres afios.
2 2 (b) El numero promedio de descendencia de cada miem-
! 0 0 0 100
5. A= 4
0 I 0
ol'Xi = ['ool
0 100
bro de la poblaci6 n es 2 el primer afio, 5 el segundo
y 2 el tercero.
0 0 ! 0 100 Actualmente, la poblaci6n cons ta de I00 elementos
2
0 6 4 0 0 24 en cada una de las tres clases de edad. l,Cuantos habra en
i cada clase de edad en un afio? l Y en dos afios?
2 0 0 0 0 24
6. A 0 I 0 0 0 , Xi 24 16. Determine el lfmite (en caso de existir) de Anx cuando
1
0 0
I
0 0 24 n tiende a infi nito para las siguientes matrices
2
0 0 0 ! 0 24
2
38. A = [:
-I]. = +
I
y1 C 1e' cos I
Yi= - C2e' cost +
C2e' sent
C 1e' sent
Rotaci6n de una superficie cuadrica En los ejercicios
6 1 a 64, determine la matri z A de la forma cuadratica aso-
ciada con la ecuacion dada. Luego, encue ntre la ecuac ion de
l la superfic ie en el s iste ma x' y' z' rotado.
0 61. 3x 2 - + 3y2 + 8z 2 - 16 = 0
2xy
39.A = [~
-4 62. 2x 2 + 2y 2 + 2z 2 + 2.ry + 2xz + 2yz - l =0
Y1 = C1 + C2 cos 2t + C3 sen 21 63. x 2 + 2y 2 + 2z 2 + 2yz - I = 0
Y2 = 2C3 cos 2t - 2C2 sen 21 64. x 2 + y 2 + z 2 + 2xy - 8 = 0
)'3 = -4C2 cos 2t - 4C3 sen 2t
65. Sea P una matriz ortogonal de 2 x 2 tal que IPI = I.
n
I De muestre que existe un numero 0, 0 ::5 0 < 2n, tal que
40. A = [~ 0
p = [Cos 0 -Sen0].
-3 Sen0 Cos 0
Y1 = C 1e1 + + C 3 t 2 e'
C 2te'
Y2 =
Y3
(C 1 + C2 )e'
= (C 1 + 2C2 + 2C 3)e' + (C2
+ (C2 + 2C3 )te' + C3 t 2 e'
+ 4C3 )te' + C3' 2 e'
t» 66. OOrn[iYX]£iJ'rn Explique lo siguie nte.
(a) Como modelar el crecimiento poblacional usando
una matri z de tra nsic ion de edad y un vector de
Determinacion de la matriz de una forma cuadra-
distribucion de edad y como e ncontrar un vector
tica En los ejercicios 4 1 a 46, obtenga la matriz de la forma
de distribucion d e edad estable.
cuadratica asociada con la ecuacion dada.
(b) Como usar una ecuacion matricial para resolver un
41. x 2 + y 2 - 4 = 0 42. x 2 - 4xy + y2 - 4 = 0 siste ma de ecuaciones diferenciales lineales de
43. 9x 2 + lOxy - 4y2 - 36 =0 primer o rden.
44. 12x 2
- 5xy - X + 2y - 20 = 0 (c) Como usar el T eore ma de Ejes Principales para
realizar una rotacion de ej es para una supe rficie
45. 10.ry - 10y 2 + 4x - 48 = 0
c6nica y una c uadrica.
46. l 6x 2 - 4xy + 20y 2 - 72 =0
Ejercicios de repaso 385
7 Ejercicios de repaso Consulte www.CalcChat.com para las soluc1ones de las eiercic1os nones.
Ecuacion caracteristica, eigenvalores y base En los Escriba En Los ejercicios 17 a 20, explique por que la
ejercicios l a 6, obtenga (a) la ecuaci6n caracterfstica de A, matriz dada no es diagonalizable.
(b) los eigenvalores reales de A y (c) una base para e l eige-
nespacio correspondiente a cada valor eigenvalor.
[25 -2l]
17. A= [~ ~] 18. A= [ - )
O
2_ 2 -21]
1. A =
4
-!]
A = [
-4
I
19. A -[! 0
3 20. A =
[ ~
-2
3. A- [-~ - 1 -4
0
11
4. A=
[-4~ I
0 !]
0
·i
Determinar si dos matrices son similares En los ejer-
~ ~] ~ [i
0 cicios 2 1 a 24, determine si las matrices dadas son semejan-
3 0I -2 tes. De ser asf, obtenga una matriz P tal que A = P- 1BP.
5. A [~ 6. A
0 0 -2
21. A = [~
Ecuacion caracteristica, eigenvalores y base En los
ejercicios 7 y 8, use una aplicaci6n grafica o un programa de
c6mp uto para hallar (a) la ecuaci6n caracterfstica de A, (b)
22. A=[~
los eigenvalores reales de A y (c) una base para el eigenespa- I
c io correspondiente a cada eigenvalor.
2 l 0 0 2
23. A - [~ I
0
;]
7. A= l
0
0
2
0
0
0
2 !] 8. A=[~0
0
3
I
0
l
I
0
24. A-[~
-3
-5
3
-3]
-3
l
Determinar si una matriz es diagonalizable En los
ejercic ios 9 a 14, determine si A es diagonalizable. En caso Determinacion de matrices simetricas y ortogona-
afinnati vo, o btenga una matriz P no singular tal que p-1A P les En los ejercicios 25 a 30, determine si la matriz dada es
sea diagonal. simetrica, ortogonal, ambas cosas o ninguna de ellas.
9. A= [ - ~
A= [-2~
- I
-:J 10. A =[!
-H
~] -2
25. A -[-1 ";] 26. A- ['A~ _,{5Al
fi
11. I
0 ;] 12. A
-I
0
-!] 2
il
0
27. A - [~ 28. A- [J
~ [i ~ [- :
0 - I l l
13. A
0
I
;] 14. A
- I
3
-~] 2
0
2
0 !]
15. i,Para cual(es) valor(es) de a la matriz 3 3 3
2 2 l
A=[~ :] 29. A=
3 3
- -
3
l 2 2
presenta las siguientes caracterfsticas? -
3 3 3
(a) A tiene un eigenvalor de multiplicidad 2.
(b) A tiene -1 y 2 como eigenvalores. fi fi fi
3 3 3
(c) A tiene eigenvalores reales.
30. A=
J3 2)3
0
16. Demuestre que si O < 8 < entonces la transformaci6 n
7T
3 3
e
de una rotaci6 n de un ang ulo en sentido contrari o al
fi fi
movi miento de las manecillas del reloj no tiene eigenva- 0
3 3
lores reales.
386 Capitulo 7 Eigenvalores y eigenvectores
Eigenvectores de una matriz simetrica En los Ejerci- 52. Demueslre que la ecuaci6n caracterfstica de
cios 3 1-34 , demuestre que dos eigenvectores cualesquiera de 0 1 0 0 0
la matriz simetrica correspondientes a eigenvalores distintos
0 0 0 0
son ortogonales.
-
0
Go -~
0
-
0
G2 - G3
0
a,,-1
- 1 0 a,, a,, a,, a.lJ a,,
33. 0 - 1 34.
[- I a,, * 0, es p(A) = a,,A'' + a,,_111.11- 1 + · · · + a 211.3 + a 2Ji.2
0 + a 1Ji. + a 0 = 0. A se llama matriz acompafiante del
Matrices ortogonalmente diagonalizables En los polino mio p.
Ejercicios 35 y 36, determine si la matri z es ortogonalmente
Determinaci6n de la matriz acompafiante y eigenvalo-
diagonalizable .
u-
37. A = [4 -3
] 38. A = [ 15 -8
] puede obtener potencias de A mediante el siguiente pro-
l l ~l
cedi miento.
u! -il
39. A = [ 40. A = A4 = JOA 3 - 24A2 , . . .
Use este procedimiento para determjnar las matrices A2
~
y A3_
41. A = 42. A = [~ 56. Repita el ejercicio 55 para la matriz
tor v de una matriz A de 11 X 11 se llama vector de probabi- 57. Prueba Sea A una matriz de 11 X 11.
lidad de estado estable si Av = v y la suma de las compo- (a) Demuestre o refute que un eigenvecto r de A es tam-
nentes de v es igual a I. bien un eigenvector de A2 •
(b) Demuestre o refute que un e igenvector de A2 es tam-
43. A = [l ll 44. A = [l ~] bien un eigenvector de A.
58. Prueba Sea A una matri z de 11 X 11. Demuestre que si
Ax = Ji.x, entonces x es un eigenvector de (A + cl) i,Cual
0 .3] 46. A = [ 0 .4
_ 0 .2]
45. A = [~:~ 0 .7 06 0 .8 es e l eigenvalor correspondiente?
l
4 2 0
la matriz
[07
49. A = 0 .2
0.1
0.7 00.1 j [03 0.1
04]
50. A = 0 .2 0 .4 0.0
A = [~ ~].
0 .1 0.2 0.8 0 .5 0.5 0 .6
(b) Generalice e l resultado del inciso (a) demostrando
51. Prueba Demuestre que si A es una matriz simetrica de que si A es una matriz simetrica den X n con eigen-
11 X 11, entonces PTA P es simetrica para cualquier matriz valores positivos, e nto nes existe una matri z sime-
Pde II X n. trica 8 ta l que 8 2 = A .
Ejercicios de repaso 387
1
Y2 = Y1
Determinaci6n los vectores de distribuci6n de
edad En los ejercicios 67 a 70, use la matriz A de transi- y3' = 0
c i6 n de edades y el vecto r x 1 de distribuci6n de edades para Rotaci6n de una comca En los ejercicios 79 a 82, (a)
hallar los vectores de distribuci6n de edades x2 y x 3. Luego, obtenga la matriz A de la forma cuadratica asociada con la
obtenga una distribuci6n estable de edades para la poblaci6 n. ecuaci6 n dada, (b) obtenga una matriz ortogonaJ P taJ que
7 Proyectos
1 Crecimiento poblacional y sistemas dinamicos (I)
Los sistemas de ecuacio nes diferenc iales a veces aparecen e n aplicaciones bio logicas de
crecirniento poblacional de varias especies animales. Estas ecuaciones se denominan siste-
mas dinamicos debido a que describen los cambios en un sistema como funciones del
tiempo. Suponga que durante el tiempo t esta estudiando las po blaciones de tiburones
depredadores y 1(t) y la de peces pequei\os presa y2(t). Un modelo sencillo para el creci-
rniento relativo de estas poblaciones es
y/(t) = ay 1(t) + by2 (t) Depredador
y2 '(t) = cy 1(t) + dyi{t) Presa
donde a, b, c yd son constantes. Generalmente, las constantes a yd son positivas, ya q ue
reflej an la tasa de crecimiento de especies individuales. Si las especies estan en una rela-
cion depredador-presa, ento nces b > 0 y c < 0 indican que un incremento en los peces
presa y 2 puede provocar un incremento en y 1, rnientras que un incre mento en los tiburones
depredador y 1 puede causar una disminucion en y2 .
Suponga que el siguiente sistema de ecuaciones diferenciales lineales representa los mode-
los de las poblaciones iniciales de tiburo nes y 1(1) y peces yi(t) con las poblaciones iniciales
en el tiempo f = 0.
Yi '(t) = 0.5y l(t) + 0.6yi{t) y 1{0) = 36
y/(t) = -0.4yi(t) + 3.0yi{t) yi(0) = 12 1
1. Aplique las tecnicas de diagonalizacio n de este capftulo para determinar las poblac iones
y 1(t) y yi(t) en cualquier tiempo t > 0.
2. Interprete las soluciones en terminos de tendencia de largo plaza para las dos especies.
lAl fi nal una de las especies desaparecera? l Por que sf o por que no?
3. Grafique las soluciones y 1(t) y yi(t) sobre e l dominio O :5 I :5 3.
4. Explique por que el cociente y 2(t)I y 1(r) se aproxima al lfrnite cuando t se incrementa.
2 La sucesi6n de Fibonacci
La sucesion de Fibonacci debe su nombre al matematico italiano Leonardo Fibo nacci de
Pisa ( 1170 -1250). La forma mas simple de esta sucesion es definir los dos primeros termi-
nos como x 1 = I y x 2 = I y luego definir el n-es imo termino como la suma de sus dos
predecesores inmediatos. Es decir, x 11 = x 11 _ 1 + x,,_ 2. Asf, el tercer termino es 2 = I + 1,
el cuarto es 3 = 2 + 1, etc . La formula x 11 = x 11_ 1 + x 11_ 2 se denornina f6rmula recursiva
porque los n - l primeros termi nos deben calcularse antes de que sea posible calcular el
n-esimo terrnino. En este proyecto, usted utilizara eigenvalores y diagonalizacion para
'I: T RI deducir una fo rmula ex plfc ita para el n-esimo termino de la sucesi6 n de Fibo nacci.
Puede aprender m as acerca de 1. Calcular los primeros 12 terminos de la sucesi6n de Fibonacci.
Examen acumulativo de capitulos 6 y 7 Consulte www.CalcChat.com para las soluc1ones de los eiercic1os nones.
Resuelva este examen para revisar el material en los Capftulos 6 y 7. Despues de reali-
zarlo, verifique su trabajo con las respuestas al final del li bro.
3. Sea T: R" ➔ R111 la transformaci6n lineal definida por T(v) = Av, donde
A=[~ ~ 0 ~ ~l
Encuentre las dimensio nes de R" y R"'.
4. Sea T: R 2 ➔ R3 una transformaci6n lineal definida por T(v) = Av, donde
17. Determine la matriz de la transformaci6n lineal T(x,y) = (y, 2x, x + y) respecto a las
bases B = {(l , l ),(l , 0)} para R2 y B' = {( l , 0, 0),(1 , l , 0),(1, l , 1) ) para R3 . Utilice
esta matriz para hallar la imagen de! vector (0, 1).
18. Sean B = { (1, 0),(0, 1)} y B' = {(l , 1),(1, 2)} bases para R 2.
(a) Determine la matriz A de T: R2 ➔ R2 , T(x, y) = (x - 2y, x + 4y ) respecto a la base
B.
(b) Determine la matri z Pde transici6n de B' a B.
(c) Determine la matri z A I de T respecto a la base B ' .
En los Ejercicios 23 y 24, encuentre una matriz P no singular ta! que P- 1AP sea diagonal.
23. A ~ [~ - I
3
0 il 24. A ~ H ,~] - 3
4
0
-
25. Encuentre una base B para R3 ta! que Ia matriz para T : R3 ➔ R 3 , T(x, y, z) = (2x - 2z,
2y - 2z, 3x - 3z) respecto a Bes diagonal.
26. Determine una matriz ortogonal P tal que PTAP diagonalice la matriz simetrica
A=[~ ~].
27. Use el proceso de ortonormalizaci6n de Gram-Schmidt para hallar una matriz ortogo-
nal P tal que PTAP diagonalice la matri z simetrica
A~[~ ~ n
28. Resuelva el siste ma de ecuaciones diferenc iales.
1
Y1 = Y1
1
Y2 = 3Ji
29. Encuentre la matriz de la forma cuadratica asociada con la ecuaci6n cuadratica
4x 2 - 8xy + 4y 2 - I = 0.
30. Una pobl aci6n presenta las siguientes caracterfsticas.
(a) Un total de 80% de la poblaci6n sobrevive el primer afio. De este 80%, 40%
sobrevive el segundo aiio. La duraci6n max ima de la vida es tres aiios.
(b) El numero promedio de descendencia de cada miembro de la poblaci6n es 3 el
primer aii.o, 6 el segundo y 3 el tercero.
Actualmente, la poblaci6n consta de 150 elementos en cada una de las tres clases de
edad. i,Cuantos habra en cada clase de edad en un aiio? i,Y en dos aiios?
31. Defina una matriz orrogonal.
32. Demuestre que si A es semejante a B y A es diagonalizable, entonces B es diagonali-
zable.
Apendice lnducci6n matematica y atras formas de demastracianes A1
INDUCCION MATEMATICA
En este apendice estudiara algunas estrategias basicas para escribir demostraciones matema-
ticas (induccion matematica, demostracion por contradiccion) y el uso de contra ejemplos.
El Ejemplo l ilustra la necesidad logica para usar la induccion matematica.
Utilice el patron para proponer una formula para la suma de Jos n prirneros enteros irnpares.
l = l
1+ 3 = 4
1+ 3 + 5=9
I + 3 + 5 + 7 = 16
I + 3 + 5 + 7 + 9 = 25
SOLUCION
Observe que las sumas del !ado derecho son iguales a los cuadrados 12 , 2 2 , 3 2 , 4 2 y 5 2 .
Analizando este patron, parece que la suma S11 de los primeros enteros nones n es
S11 = 1 + 3 + 5 + 7 + · · · + (2n - 1) = n 2 .
SOLUCION
La induccion matematica consiste de dos partes. Primero, usted debe demostrar que la
f6rmula es valida cuando n = l.
1. Cuando n = I, la f6rmula es valida ya que Si = I = I 2.
La segunda parte de la inducci6 n matematica tiene dos pasos. El primero es suponer
que la f6rmula es valida para algun entero k (la hip6tesis de induccion). El segundo
paso es usar esta s uposicion para demostrar que la f6rmula es valida para el siguiente
entero, k + I .
2. Suponiendo que la f6nnula
Sk = I + 3 + 5 + 7 + · · · + (2k - I) = k2
Una ilustraci6n bien conocida utilizada para explicar por que la inducci6n matematica
funciona es la lfnea sinffn de fichas de do min6 mostrada en la figura de la izquierda. Si la
linea contiene un numero infinito de fichas de dornin6, ento nces es claro que usted no
puede derribar la lfnea entera de fichas golpeando una a la vez. Suponga, sin embargo, que
esto es c ierto para cada ficha de do mino que derriba a la que la sigue. Entonces, usted
puede golpearlas y derribarlas todas simplemente empujando la primera y comenzar una
Figura A.1 reaccion en cadena.
La induccion matematica funciona de la misma manera. Si la vaJidez de Pk implica la
validez de Pk+i y si Pi es c ierta, entonces la reaccion en cadena procede como sigue:
P1 implica P2
P2 implica P3
P3 implica P4 y asf sucesivamente.
Use induccion matematica para demostrar la formul a para la suma de los primeros n cua-
drados.
11(n + 1)(211 + I)
S,, = I2 + 22 + 32 + 42 + . . + 112 = ~-~~ 6- - ~
SOLUCION
1. La formul a es valida cuando 11 = 1, ya que
SI
=
12 = 1( 1 + 1)[2(1) + 1] = 1(2)(3) = I
6 6 .
(k + l)(k + 2)(2k + 3)
6
Combinando los resultados de los incisos ( I) y (2), puede concluir por induccion matema-
tica que la formula es valida para todos los 11 enteros positivos.
Si Ai, A 2 , . .. , A,, son matrices invertibles, demuestre la generalizaci6n de! teorema 2.9.
(A 1A 2 A 3 · · · A,,)- 1 = A,~ 1 · · · A 31A2 1A11
SOLUCION
1. La formula es val ida de manera tri vial cuando 11 = I, ya que A11 = A11•
2. S uponiendo que la formula es valida para k, (A 1A 2 A 3 · · · Ak)- 1 = A;_: 1 · · · A31A21A11,
usted debe demostrar que es valida para k + l. Para hacer esto, uti lice el teorema 2.9,
el cual dice que el inverso del producto de dos matrices in vertibles es el producto de
sus inversas en orden regresivo.
(A 1A2A3 · • · AkAk+ J- 1 = [(A 1A2 A3 · · • A k)A k+ 1] - 1
= Aj;~i{A 1A 2 A 3 • • • Ak)- 1 Teorema 2.9
= A-I
k+ I
(A-I
k
... A-IA-
3 2
IA-I)
I
Hip6tesis de inducci6n
= A;_:i1 Ai_:1 . . . A31A2 1Aj'1 SJ.. implica s k+ I ·
Co mbinando los resultados de los incisos ( I) y (2), puede concluir po r induccion mate-
matica que la formula es valida para todos los II enteros positivos.
A4 Apendice lnducci6n matematica y otras formas de demostraciones
USO DE CONTRAEJEMPLOS
En ocasiones, usted puede refutar una afinnaci6n empleando un contraejemplo. En este
caso, cuando Euler refut6 la conjetura de Fermat acerca de los numeros primos de la forma
F,, = 22" + l , n = 0, l, 2, ... , utiliz6 el contraejemplo F5 = 4 294 9672 97, el cual no
es un numero primo.
Los contraejemplos se pueden emplear para rebatir afi rmac iones en algebra lineal,
como se muestra en el siguiente ejemplo.
A + B = [~ l ~]
no lo esta. Esto significa que el conjunto no tiene c ierre bajo ad ici6n, por lo que no satis-
face el primer axioma en la definici6n.
A6 Apendice lnducci6n matematica y otras formas de demostraciones
. . .
E1erc1c1 OS Consulte www.CalcChat.com para las soluciones de los ejerc1cios nones.
Uso de la induccion matematica En los ejercicios I a 4, Utilizar la demostracion por contradiccion En los
utilice induccion matematica para demostrar que la form ula ejercicios 13 a I 9, use la demostracion por contradiccion
es valida pa ra todos los e nteros positivos n. para probar la afi rmacion.
n(n + 1) 13. Si p es un entero y p 2 es impar, ento nces p es impar.
1. I +2+3+ · · ·+n= - - - (Sugerencia: un numero impar puede escribirse como 2n
2
+ 1, donde n es un e nte ro.)
n 2 (n + 1)2 14. Si a y b son numeros reales y a :5 b, e ntonces a + c :5
2. ]3 + 23 + 33 + . . . + n3 = -'----'-
4 b + C.
3. 3 + 7 + 11 + · · · + (4n - I) = n(2n + 1) 15. Si a, b y c son numeros reales tales que ac ~ be y c >
0, e ntonces a ~ b.
4. ( 1 + +)( 1 + ½)( 1 + ½) · · · (1 + ~) = n + 1 16. Si a y b son numeros reales y 1 < a < b, entonces ~ > ¼-
Proponer una formula y usar la induccion matema-
17. Si a y b son numeros reales y (a + b) 2 = a 2 + b2 , enton-
tica En los ejercicios 5 y 6, proponga una fo rmula para la
ces a = 0 o b = 0 o a = b = 0.
swna de los n prime ros terminos de la sucesio n. Luego utilice
18. Si a es un numero real y O < a < l , ento nces a 2 < a.
induccion mate matica para de mostrar que la fo rmula es valida.
19. Use la de mostracion por contradiccio n para probar que la
5. 21, 22 , 23, ... suma de un numero racio nal y uno irracional es irracional.
I I I 20. Utilizar la demostracion por contradiccion en
6
· M'w'H' algebra lineal (De l Capftul o 3) Use la demostracion
Uso de la induccion matematica con desigualdades En por contradiccio n para demostrar que, si A y B son matri-
los ejercicios 7 y 8, use induccion matematica para de mostrar ces c uadradas de orden n tales que det(AB) = 1, enton-
la desigualdad para los valores e nteros indicados de n. ces tanto A como B son no singulares.
21. Utilizar la demostracion por contradiccion en
7. n! > 2", n ;?; 4 algebra lineal (Del capftulo 4) Use la demostracion
1 1 1 1 por contradiccion para probar que e n un espacio vecto-
8. - + - + - +···+ - > ✓ n, n ;?: 2
✓ l Ji. Jj Jn rial dado, el vector nulo es unico.
9. Uso de la induccion matematica Use la induccion 22. Utilizar la demostracion por contradiccion en
matemati ca para de mostrar que para todos los e nte ros algebra lineal (Del capftulo 4) Sea S = {u, v } un
n > 0. conjunto linealme nte independie nte. Use la de mostra-
- a"+l cion por contradiccion para probar que el conjunto {u -
a 0 + a' + a 2 + · · · +a"=----, a* l. v, u + v} es linealmente independiente.
I- a
Utilizar un contraejemplo En los ejercicios 23 a 30, use
10. Uso de la induccion matematica en algebra
un contraej e mplo para de mostrar que la afirmacion es falsa.
lineal (Del capftulo 2) Utilice induccion mate matica
23. Si a y b son nume ros reales ya < b, e nto nces a 2 < b2 .
para demostrar que (A 1AiA- 3 - • • A,,f = AI••• AfAfAf,
24. El producto de dos nume ros irracionales es irracional.
suponie ndo que A" A 2, A3, • • • , A ,, son matrices de
ta mafi.o tal que las multiplicaciones estan definidas.
25. Si a y b son numeros reales tales que a *
0 y b 0, *
entonces (a + b)3 = a 3 + b3.
11. Uso de la induccion matematica en algebra 26. Si f es una funcio n po linomial y f (a) = f(b), e ntonces
lineal (Del capftulo 3) UtiJice induccion mate matica a = b.
para de mostrar que IA i, A2, A3, · · · , A,,11,4 dIA2I = l,431 · · · 27. Si fy g son funciones deri vables y y = f(x)g(x), e ntonces
l,4 111, donde A 1, A2, A 3, - • ., A,, son matrices c uadradas de! y ' =f'(x)g'(x).
mismo tamafi.o. 28. (De l capftulo 2) Si A, B y C son matrices y AC = BC,
12. Uso de la induccion matematica en algebra e ntonces A = B.
lineal (Del Capftulo 6) Use la induccion mate matica 29. (Del capftulo 3) Si A es una ma tri z, e ntonces de t
para de mostrar que, s i las matrices estandar de las tra ns-
(A -1) -- _l_
det k
formaciones lineales T 1, T2, T3 , . . . , T,, son A 1, A2, A3, •
. . , A,, respectivamente, e ntonces la matriz estandar para
30. (Del Capftulo 4) El conjunto de todas las matrices de 3 x 3
la composicion
T(v) = T,,(T,,- , · · · ('I;(I;(I; (v))))· · ·)
esta re presentada por
de la fonna [: ~ ;]
A =A,,A 11 _ , • • • A 3AzA, . con las o pe rac io nes esta ndar es un espac io vecto rial.
Respuestas a las ejercicios impares seleccionados A7
X3 = I
55. X = ] 57. X i = - )5 59. X i =!
y= 0 X2 = 40 X2 = -54
z=3 x 3 = 45 X3 = ½
2
IV = X4 = - 75
x=5 x =2
61. Este sistema debe tener aJ menos una soluci6n, ya que x = y =
y = -2 y= l
z = 0 es una soluci6n obvia.
23. Y x =lf- Soluci6n: x = 0
y=i y=0
z= 0
El sistcma ticne exactamentc una soluci6n.
63. Este sistema debe tener al menos una soluci6n, ya q ue x = y =
::: = 0 es una so luci6n obvia.
Soluci6n: x = - i,
y = t,
Z =I
25. X i =5 27. X =i 29. Xi =-/ Este sistema tiene un numero infinito de soluciones.
X2 =3 y =1 X2 = 21 65. Jugo de manzana: 95.5 mg
z=0 x3 =I Jugo de naranja: 81.9 mg
A8 Respuestas a los ejercicios impares seleccionados
67. (a) Verdadero. Usted puede describir todo e l conjunto soluci6n Secci6n 1.2 (pagina 22)
usando una representaci6n parametrica.
ax+ by = c ). 3 X 3 3. 2 X 4 5. 4 X 5
Seleccionando y = 1 como la variable libre, la soluci6n es 7. Sume 5 veces el segundo rengl6n al primer rengl6n.
9. Sume 4 veces e l segundo re ngl6n al tercer re ngl6n. lntercambie
; 1,
x = ;c-b y = t dond et es c ua1qu1er
·, numero rea.I el primer y e l segundo rengl6n.
(b) Falso. Por ej emplo, considere e l siste ma ] ). X i = 0 13. X i = 2
Xi+ X2 + X3 = l X2 =- I
Xi+ X2 + X3 = 2
I X3 =-
el cual es un sistema inconsistente. 15. Xi = I 17. Xi = - 26
(c) Falso. Un sistema consiste nte puede tener s61o una solu- x 2 = 13
X3 = -7
ci6n.
X4 = 4
69. 3Xi - X2 = 4
- 3xi + x 2 = --4 19. Reducida a la forrna escalonada por renglones.
(La respuesta no es unica.) 21. No en la forma escalonada por renglones.
2 23. No en la forma escalonada por renglones.
11. X =3 73. X =--
5 - / 25. x = 3 27. No tiene soluci6n
y = -4 y =2
l
y = 4t - I 29. X = 4 4
I I y = -2 X2 = -3
z=
1, donde I * 5, 4, 0 X3 = 2
15. X = COS 0 11. k = - 2 33. No tienc soluc i6n 35. x =
I00 + 961 - 3s
y = sen 0 y= s
79. Toda k -=fc ± 1 81. k = !
83. k = 1, -2 ;: = 54 + 521
85. (a) Tres rectas se inte rsecta n en un punto IV= I
(b) Tres rectas coincidentes 37. X =0 39. Xi = 2
(c) Tres rectas que no tienen punto comun y =2-41 x2 = -2
87. Las respuestas pueden variar. (Sugerencia: seleccione tres valo- Z =I x3 = 3
res de x y resuelva el sistema de ecuaciones lineales resultante X4 = -5
para las variables a, b y c.) X5 = (
89. 4y = -3
X - x-4y =- 3 41. Xi =0 43. Xi= - /
5x - 6y = 13 14y = 28 X2 = - f X2 =S
y y
x3 = I x3 =0
5 x4 =I
14y=284 45. $ I00,000 a 9%
/ 3
$250,000 a I 0%
$ 150,000 a 12%
34 5 47. Aumentada
x- 4y =-3
(a) Dos ecuaciones con dos variables
{b) Todos los reales k * -5
Coeficiente
X - 4y = -3 x=5
(a) Dos ecuaciones con tres variables
y = 2 y=2
y y (b) Todos los reales k
x=5 49. (a) a + b + c = 0
5 5
y =2 4 4 (b) a + b + c -=fc 0
/ 3 y= 2 3 (c) No es posible
51. (a)x=~- i i (b)x=lf-f-¼1
-++-1--+-+-+-+-+-+-l-+-+- X
3 4 5 -4 -2 I 2 34 y = - ~ + ~t y= - 2.f+ H ,
x - 4y= - 3 -2
-3
Z = I ;: = I
-4 (c) X = 3 - I (d) Cada siste ma tiene
-5
y = - 3+I un numero infinite
Todos los puntos de inte rsecci6n son los mismos. Z= I de soluciones.
91. X = 39 600
y = 398
53.
[~ ~]
Las graficas son err6neas porque, mientras aparecen parale las
cuando las ecuaciones se resue lven para y, tienen pendientes
ligerarnente difere ntes.
55.
[~ ~]. [~ k] [O
0 ' 0
Respuestas a las ejercicios impares seleccionados A9
57. (a) Verdadero. En la notaci6n m x 11, mes el numero de renglo- 7. (a) p(x) = - 6 - 3x + x2 - x3 + x4
nes de la mauiz. Asf, una malriz de 6 x 3 tiene seis renglones. (b) (-2, 28) y
(b) Yerdadero. Al inic io de la pagina 16, el enunciado dice
"Esto demuestra que toda matriz es equivalente a una
I 30
j (2,Sv 4,SJ
- 0.2-0. 1 0.1 0.2
4 2 4
13. p(x) = --x
7r2
+ -x
7T
7T 8
(3. 2) sen
3 9 = 0.889
=
--+--+--+--+--+--+--+__.
I 2 3 4 5 6
X (El valor real es ./3/ 2 0.866.) =
15. (x - 5) + (y - 10)2 = 65
3. (a) p(x) = 2x 17. 28 1 + 3(x - 2000) - 0.02(x - 2000)2: 2020: 333 millones;
(b) y 2030: 353 millones
19. (a) Usando z = x - 2000,
a0 + 3a1 + 9a2 + 27a3 = 10,526
a0 + 4a 1 + 16a2 + 64a3 = 11 ,330
a0 + 5a 1 + 25a 2 + 125a 3 = 12,7 15
a0 + 6a 1 + 36a2 + 2 16a 3 = 12,599
(b) 32,420 - 17.538.S(x - 2000) + 4454.S(x - 2000)2
- 347(x - 2000)3
5. (a) p(x) = - !x + 2x 2 + ½x 3 No. Resuelva el sistema. Respuesta de muestra: El modelo
(b) y predice que las ganancias caeran durante las pr6x imos afios
60 y seran negativas en 2008.
50 21. Las respuestas varfan:
40 p (- 1) = a0 - a 1 + a2 = 0
30
p(O) = a0 =0
(- I, 3) p( I) = a0 + a 1 + a2 = 0
a0 = a, = a2 = 0
(0, 0) I 2 3 4
A 10 Respuestas a los ejercicios impares seleccionados
I
X4 =- 2
y = I + .r 41. x I= 43. x , = 21 45. x, = - 4,
y
y= 0 X2 = - 31 X2 = -½ t
5 =I x3 = I
::: = 4 x3
4 w =-2
47. k =±I
49. (a) b = 2a y a 3 *-
(b) b =fo 2a
(c) a = - 3 y b = -6
-I 2 3 4 51. Uti lice un metodo de eli minaci6n para obtener ambas matrices
en la forma escalonada reducida. Las dos matrices son equiva-
27. (a) x 1 = s (b) x 1 = 0 (C) X I = 0
lentes por renglones, ya que cada rengl6n es equivalente por
x2 =I X2 = 0 X2 = - 500 renglones a
x3 = 600 -s X3 = 600 X3 = 600
=S = = 500 0
n
X4 - I X4 0 X4
X5 = 500 -
x6 = s
I x 5 = 500
x6 = 0
X5
x6
= 1000
= 0 [i I
0
x7 =I = - 500
X7 I 0 - I - 2 2 - 11
(b) y (c) a0 = 80
a I -- _2.2
G2
8
= 32
I
25. (a) [- ~
0
-~~i
14
(b) No es posible
32 x - 8 x +
por tanto, y -- J.. 2 ll 80 .
(d) Los resultados para (b) y (c) son Jos mismos.
(e) Hay precisamente una funci6n polinomial de grado n. - I (o
27. (a) U] (b) Noe,; pos;blo
r- 20~10
menor) que ajusta 11 diferentes puntos.
67. , , = 13 - 24
29. (a) 721
12
(b) No es posible
l2 = -&
60 72
l 3 = 13
31. 3 X 4 33. 4 X 2 35. 3 X 2
37. No definida, los tamanos no coinciden.
Capitulo 2 39. x 1 = l,x2 = ~T,x 3 = ¾r
Secci6n 2.1 (pagina 48)
1. X = - 4, _y = 22
3. X = 2, _y = 3
5. (a) [ 31 - 27]
(d) [ 5
0 -
- 10
IJ
7. (a) -~i
10
9. (a)
3
3 51. b - 1[l]+2[_i]+o[=:i -m
(e) ~ 6
[ 3
2 53. [ -~ _ ~] 55. a= 7, b = -4, c = - ½,d = f
11. (a), (b), (d), y (e) No es posiblc
(c) [ 12
15. x = 3, y = 2, z= I 59. AB = [- I~ _ ~]
1
17. (a) [~ :~] (b) [ ~~ 1~] BA =[ -1~ - 1~]
~~i ~
5
19. (a) [ - : -~ (b) [ 4]
11 - 5
61. Prueba 63. 2
69. W = z, X = - y
65. 4 67. Prue ba
~:i
-20 I 4 - 17 - I - 16
71. Sea A = [ 011 012
].
a 21 lli2
21. (a) Noesposible (b) [1~
26 46 entonces la ecuaci6n matric ial se expande a
+ + = [I Q].
~]
4 al I G21 Cl12 Cl22]
[a 0 I
23. (a) [12) 6 11 + a21 a 12 + a22
A4 = [ lo
·4
i~J = [~ ~J
7. [ 3
13 !]
-i
2
OJ = [I0 3 fl [_.Ll. _!.Ql
(b) 8 2 = [ 0 - i2 13. (a) -! 131 (b) : -~
75. Prueba 77. Prueba [ !.Q O - ~ - ~
3 3 3
79. [$ 1037.50 $1400.00 $ 10 12.50]
Cada elemento representa la ganancia total de cada punto de venta.
0.40 0.15 0. 15] (c)
[
- 14
7
-4]
-17 (d) [--1 -¥]
-17 - 2
81. 0.28 0.53 0. 17
[ 0 ~
0.32 0.32 0.68
P2 da las proporciones de la poblaci6n votante que cambi6 de
- IOJ 17 [ I 6 - lJ
-5 · -2 -2 -8
partido o se mantuvo leal a su partido desde la primera elecci6n
hasta la tercera. 12
21. (a) [ 24 7J [12
15 (b) 24
-1 4 0
83. -1 I
1------+---i
0 0
0
5
23. AB= [ _
3
-9
2J BA
6 '
= [-8 :J
2
2
85. (a) Yerdadero. En la pagina 43 " ... para que el producto de dos
matrices este definido, el numero de columnas de la primera
25• AC = BC = [ 2
!J
2
27. Prueba
AAT = [-I -1
-2
- 4
-3J
- 2
Triangulo asociado con T Triangulo asociado con AT
y )'
(2, 4)
4 4
(-2, 3)
3
2
f>..(3,2) ~ ✓(- 1 , I) 68 26 -10 6 29 -14 5 -5
~✓-
_/\
I (I, I) 26 41 3 -1 -14 81 -3 2
-+--+-+-+--1--+-+--+---+-. , X -++-+--+--<........+-+--+--+-....... X 45. (a) (b) 5 - 3
-3-2- 1 I 2 3 4 \ -2- 1 I 2 3 4 -1 0 3 43 5 39 -1 3
-2 (-4, 2) - 2 6 - 1 5 10 - 5 2 - 13 13
-3 -3
-4 -4 47. (a) Yerdadero. Yea el teorema 2.1, parte I.
(b) Yerdadero. Yea el teorema 2.3, parte I.
Triangulo asociado con AA T
y (c) Falso. Vea el teorema 2.6, parte 4, o el ejemplo 9.
(d) Yerdadero. Yea el ejemplo 10.
4
3 49. (a) a = 3 y b = - I
2 (b) a+ b = I
(-3, -2) I V(-1 , - 1) b = I
1
X
'l -2 / I 2 3 4 a = I
No ti ene soluci6n
~
-2.----(-
-4
2, -4) (c) a+ b + c = 0
b + c=O
La matriz de transformaci6n A rota el tri angulo 90° en sen- a + c =O
tido contrario a las manecillas del reloj en torno al origen. a= -c ➔ b = O➔c = O➔a =0
(b) Dado el triangulo asociado con AAT, la transformaci6n que (d) a = - 3t
producirfa el triangulo asociado con AT serfa una rotaci6n de b =t
90° en sentido de las manecillas del reloj e n tomo al origen. C =t
Otra rotaci6n tal producirfa el triangulo asociado con T. Seal = l:a = -3, b = l, c = I
Respuestas a las ejercicios impares seleccionados A 13
SI. [~ -! ~]
57-65. Prueba 67. Cuasisimetrica
53. [ ±~ ±~] 55. [
-4
8
11. [
-4
- 19 -33]
-7 13H _; =;]
[-! ! l o½ o0l
69. Sirnetrica 71. Prueba 1 [½
73. (a) ½(A + AT) 15. Singular 17. 2 -~ -3 19. 0
- I I O O f
= ½
(r:~: :;: :· ·. "1,,1
a~,, + ["11
a! "21
a~ · · · a,!
a,,11)
2 2 . .. 2 0
a,11 a,,2 .
2a 11
. a,,,,
.
.
G12 + G21
.
.
a 1,, a2,,.
.
.
.
· G1,, + a,,11
.
.
a,,,,
21.
[ 3.75
3.458~
4. 16
-I
0
- 1.25]
-1.375
-2.5 n. [-1 1 ;]
~ =~1
-24 7
-_ !, G21 +. ll12 2 ~22 . l/211: a,,2
-10 3
r
- a,,
1
~a 1
,,
2a,,,,
25. Singular 27.
-29 7 3 -2
29. Singular
= ½
(r~: ::
a,,, 1_
·· ·· a211 3 1.
[1 13
-1J 13
33. No existe 35.
[
_1 ll]
16
5959
59
70
. a:,,,
~-;] ]
anl a:,2 . 0
- !
- 2
G 21 -
0
.
G 12
G1 2 -
0
G21 ll1,, -
a21, -
ll,a,,,11
2
37.
[; !] 39.
[~ 0
~ =!] ~ !]
43. (a) 16[ ~~ 2
= [-~ + [~ 24 -8
½ ½ 0 ½ I f <cd[: -~
Cuasisimetrica Simetrica
75. Respuestas de muestra: I 4
(a) Un ejemplo de una rnatriz de 2 x 2 de la forma dada es 45. (a) x =I (b) x = 2
in
X3 =- I X3 =- I
A,= [i 49. x 1 =0
X2 = )
51. x1 = I
X2 = - 2
x3 =2 x3 = 3
(b) A~=[~ ~] X4 =- I X4 = 0
l
X5 =0 X5 = I
0
Aj = [i 0
0
53. X = 4 55.
x 6 = -2
X = 6
A = [~ ~] y B = [- ~
to o,~l
0
-1
75. (a) [ ~
[2
(b) ~ 3
(La respuesta no es unica.)
0
[~
(La respuesta no es unica.)
den x 11, construya la matriz [A /] y reduzcala por renglones
~0 0~ ~1 0~
~]
hasta tener [/ A- 1]. Si esto no es posible o si A no es cuadrada, 0 0
entonces A no tiene inversa. Si es posible, entonces la inversa - I 0
33.
esA- 1• 0 0 2
83. Las respuestas varfan. Respuesta de muestra: Para el sistema de 0 0 0 I 0 0 0
l !JW
ecuaciones 0 0
a 11x 1 + a,ri + a 1yr 3 = b 1 I 0
a2,x, + Cl2r2 + G2;r3 = b2
a3,x, + a3r2 + a3yr 3 = b3 [i 0
0 - I !]
escriba como la ecuaci6n matricial
[i l ! ~l[i
0 0
AX = B I -3
[
11
a 12 13
l[x 1
aClit Cl22 aCl,3 X 2] = [b']
Cl31 Cl32 Cl33 X 3
b, ·
b3
0
0
I
0 !]
(La respuesta no es unica.)
Si A es invertible, entonces la soluci6n es X = A-, B. 35. (a) Verdadero. Vea el "comentario" despues de la "Definici6n
de matriz elemental", pagina 74.
Secci6n 2.4 (pagina 82)
(b) Falso. La multiplicaci6n de una matriz por un escalar no es
1. Elemental, multiplique el segundo rengl6n por 2. una simple operaci6n elemental con renglones, asf que no
3. Elemental, sume dos veces el primer rengl6n al segundo. puede representarse por una matriz elemental correspon-
5. No es elemental. diente.
7. Elemental, sume - 5 veces el segundo rengl6n al tercero. (c) Yerdadero. Yea el teorema 2. 13.
~l [~ ~ -:l
(La respuesta no es unica.)
43. [
- I
~ 0
I O O 2
(La respuesta no es unica.)
17.
[~ ~] 19. [ ;
0
J
~] 45. (a) [
-I
~2
O
I O
~i [~ ~i
O
1 -
3
0 (La respuesta no es unica.)
21.
k
0
0
0
0
0
0
, k =t- 0 ~),-Ul -Ul (c) •
19. MEET_ME_TONLGHT_RON
17. ICEBERG_DEAD_AHEAD
27. [ -~
21
~]
21
29. X 'F- - 3 31.
[i
0
I
0
-~]
21. _SEPTEMBER_THE_ELEVENTH_ WE_WILL
_ALW A YS_REMEMBER
33. [~ ~] [~ ~]
(La respuesta no es unica.)
Carbon Acero
23 _ D = [0._ 1
08
0.2] Carb6n X = [20,000] Carb6n
0. 1 Acero
8622.0l Granjero
40,000 Acero JS. [: ! ;m ! -;m
(La respuesta no es un ica.)
0
I
0
=
25. X
[
4685.0 Pastelero
3661.4 Tendero 37. [-I
0 - 1
0
] and [
0
1
0 11 - 19 [
36 - 12 48
6 - 103]
6
0 6
A 16 Respuestas a los ejercicios impares seleccionados
65. A- 1 = [! ;} ALL_SYSTEMS_GO
65. xy2 - xz2 + yzi - x 2y + x 2;: - y2z
~i;
67. (a) Prueba
X 0 0 d
67. A- 1 = [-~ - : INVAS ION_AT_DAWN - I X 0 C
(b)
-5 -3 -3 0 - 1 X b
69. _CAN_YOU_HEAR_ME_NOW 0 0 -I a
69. Prueba
71. D = [ 0.20
0.30
0.50]
0.10 '
X""' [1 33,333]
133,333
Secci6n 3.2 (pagina 118)
73. y = ~ - tr 75. y = 2.5x
1. El primer renglon es dos veces el segundo. Si un renglon de una
77. (a) y = 19 + 14x (b) 4 1.4kilogramosporkilometrocuadrado. ma1riz es un multiplo de otro rengl6n, emonces el determiname
79. (a) y = 0.l3x + 2.0 1 de la matriz cs cero.
(b) y = 0.13x + 2.0 1 3. El segundo renglon consta completamente de ceros. Si un ren-
Los modelos son los mismos. glon de una matriz cons1a por completo de ceros. entonces el
(c) determinante de la matriz es cero.
Alio 2005 2006 2007 2008 2009 20 10
5. La segunda y la te rcera columna son intercambiadas. Si se
Vadadero 2.6 2.9 2.9 3.2 3.2 3.3 in1ercambian dos columnas de una malriz, en1onces el determi-
nante de esta cambia de signo.
Estimado 2.7 2.8 2.9 3. 1 3.2 3.3 7. El primer renglon de la matriz se multiplica por 5. Si un re ngl6n
Los valores es1imados son muy cercanos a los valores ver- en una mairiz se multiplica por un escalar, enlonces el de1ermi-
daderos. nante de la matriz se multiplica por ese escalar.
9. Se factoriza un 4 de la segunda columna y un 3 de la tercera. Si
una columna de una malriz es multiplicada por un escalar,
Capitulo 3 entonces e l determinante de la matriz se multiplica por ese
Secci6n 3.1 (pagina 110) escalar.
11. La ma1riz es multiplicada por 5. Si una matriz de II x II se mul-
1. I 3. 5 5. 27 7. -24 9. 0 tiplica por un escalar c, entonces el determinante de la matriz
11. A2 - 4A - 5 es multiplicado por c".
13. (a) M 11 = 4 (b) C 11 = 4 13. El primer renglon es sumado - 4 veces al segundo . Si un escalar
M 12 = 3 C12 = -3 multiplo de un renglon de una ma1riz es sumado a otro rengl6n,
M 21 = 2 C 21 = -2 entonces el determinante de la matriz no cambia.
M 22 = I C 22 = I 15. Un multiplo del pri mer renglon es sumado al segundo. Si el
15. (a) M 11 = 23 M 12 = -8 M 13 = -22 escalar multiplo de un rengl6n se suma a 01ro, entonces los
M2 1 = 5 M 22 = -5 M 23 = 5 determinantes son iguales.
M 31 = 7 M 32 = -22 M 33 = - 23 17. El segundo renglon de la matriz es multipl icado por - 1. Si se
multiplica un renglon de una matriz por un escalar, entonces el
(b) c 11 = 23 c, 2 = 8 c, 3 = -22
determinante se multiplica por ese escalar.
C 21 = - 5 C 22 = - 5 C 23 = - 5
19. La sex ta columna es 2 veces la primera. Si una columna de una
C31 = 7 C32 = 22 C33 = -23
mairiz es un multiplo de otra, entonces el de1erminan1e de la
17. (a) 4(- 5) + 5(- 5) + 6(- 5) = - 75
matriz es cero.
(b) 2(8) + 5(-5) - 3(22) = - 75 21. - I 23. 19 25. 28 27. 0 29. -60
19. - 58 21. -30 23. 0.002 25. 4x - 2y - 2 31. - 1344 33. 136 35. - 11 00
Respuestas a las ejercicios impares seleccionados A 17
37. (a) Verdadero. Vea el teorema 3.3, parte I , pagina 113. 69. Prueba 71. Ortogonal 73. No ortogonal
(b) Verdadero. Vea el teorema 3.3, parte 3, pagina 11 3. 75. Ortogonal 77. Prueba
(c) Verdadero. Vea el teorema 3.4, parte 2, pagina 115. 1 1 ! 1 1
3 3 3 3 3
39. k 41. I 43. Prueba 2 I 2 2 I
79. (a) - 3 3 3 (b) - 3 3 (c) I
45. (a) cos2 0 + sen2 0 = 1. (b) sen2 0 - 1 = - cos2 0.
I 2 2 I 2
47. Prueba 3 -3 3 3 -3
A es ortogonal.
Secci6n 3.3 (pagina 125)
81. Prueba
1. (a) 0 (b) - I (c) [-: -!] (d) 0 Secci6n 3.4 (pagina 136)
4
-2] [-2
3. (a) 2 (b) -6 (c)
H 0
2 :1 (d) -12 1. adj(A) = [ _; I , A- I -- :l.
2
5. (a) 3 (b) 6
(c) [ ! 3
I
4 -3
-2
0
2
-I
8
(d) 18
3. adj(A) =
[o0 - 12o -nA-• "'«is>e
0 4
13
[-7 -12
-[-i
5 - 4 5 4 - 3
7.
15.
-44
(a) 0
9. 54
(b) - I
11. 0
(c) - 15
13. (a) -2 (b) -2 (c) 0 5. adj(A) = 2
2
3
3
~;].A-'
-2 2
- I 5
3
2
17. Singular 19. No singular 21. No singular - 3 -1 3
23. Singular 25. k 27. -½ 29. ~
31.
33.
La soluci6n es unica porque la determinante de la matriz de
coeficientes es distinta de cero.
La soluc i6n no es unica, ya que el determinante de la matriz de
7. adj(A) - [
-4
~ 2 -9
90 -1
- 31
4
10 '
2 -1 9 -5
coeficientes es cero.
35. La soluci6n es unica debido a que el determinante de la matriz 7 ! .Ll
9 9 9
de coeficientes es diferente de cero. 7 I 4
9 0 -9
37. (a) 14 (b) 196 (c) 196 (d) 56 <e) h I
A-I =
4
9
2 10
39. (a) - 30 (b) 900 (c) 900 (d) - 240 (e) - 30 - 9 9 -I 9
41. (a) 29 (b) 84 1 (c) 841 (d) 232 (e) ~ £
-9
I 5
-9
9
I
43. (a) -24 (b) 576 (c) 576 (d) - 384 (e) - 24
9. Prueba 11. Prueba
45. (a) 22 (b) 22 (c) 484 (d) 88 (e) -di
47.
49.
(a) -26
(a) - I 15
(b) -26
(b) - 115
(c) 676 (d) -208
(c) 13,225 (d) - 1840
(e) -~ 13. ladj(A)I = I=~ ~I = - 2,
63. (a) 49a + 7b + c = 10,697 75. (a) Falso. Vea el teore ma 3. 11 , pagina 13 l .
64a + Sb + c = 11 , 162 (b) Falso. Yea la " Prueba para puntos colineales en el piano
8 1a + 9b + c = 989 1 xy", pagina 133.
(b) a = -868, b = 13,485, c = -41, 166
Examen acumulativo capftulos 1-3
(c) 12-.000
_ _ _ _ _ __
(pagina 143)
........
/ .\ 1. No el lineal 2. Lineal 3. x = I , y = - 2
4. x 1 = 2, X 2 = -3, x 3 = -2
i \ 12
o~•-______
I ' 5. X = 10, y = - 20, ~ = 40, W = - 12
6. x 1 =S - 21, X i= 2 + I, x 3 = I, X 4 = S
5.000
7. x 1 = - 2s, X i = s, x 3 = 21, x4 =t 8. k = 12
(d) El polinomio sc ajusta exactamente a los datos. 9. x= -3, y= 4
Ejercicios de repaso
1. 10 3. 0 5. 0 7. - 6
(pagina 138)
9. 1620 11. 82
10. A 7 A = [~;
27
~!
36
13. - 64 15. - I 17. - I
19. Como el segundo rengl6n es mulliplo del primero, el determi-
nante es cero.
21. Se factoriza un - 4 de la segunda columna y un 3 de la tercera.
Si una columna de una matriz se multiplica por un escalar, el
determinante de la matriz tambien se multiplica por un escalar. 15. x = -t y = - ¾ 16. X = 4, y = 2
25. (a) - 12 (b) - 1728 (c) 144 (d) - 300 (No es soluci6n unica.)
27. (a) - 20 (b) -i I
29. 6 31. -To
I
18. -34
33. x 1 = 0 35. X 1 = -3 2 4
19. (a) 14 (b) -10 (c) [ - - l ] (d) - 140
Xi = - ½ X2 = - I - 8 14
X3 = I
2 x3 = 2 20. (a) 84 (b) -h
37. Soluci6n unica. 39. Soluci6n unica. 21. (a) 567 (b) 7 (c) t (d) 343
41. No es soluci6n unica.
43.
45.
53.
(a) 8 (b) 4
Demostraci6n
(c) 64
47. 0
(d) 8
49.
(e) ½
-51. - uv -½
Por lo general, la reducci6n por renglones es preferida para
22. r-t =~t1
-Ii
2 5
Ii Ii
2
X3 = I Capitulo 4
63. XI = 6, X 2 = - 2 65. ] 6 67. X - 2y = - 4 Secci6n 4.1 (pagina 153)
69. 9x + 4y - 3z = 0
71. lncorrecto. En el numerador, la columna de constantes
1. V = (4, 5)
3. )' y
nl
5.
-t--+-+--+-t-t--,~X
-+-5-+-
_ 4 -+
_3,7-- t
2-t
- 1--,t--lt-- X
debe re mplazar la tercera columna de la matriz de coeficientes, - .!.1 I 2 3 4 5
no la primera columna. -2 -2
73. (a) Falso. Vea la " Defin ici6n de menores y cofactores de una -3 -3
matriz", pagina 105. -4 . (2, - 4) • -4
(b) Falso. Yea el teore ma 3.3, parte I. pagina 113. -5
(-3, - 4) -5
It_,(,,' ,I I_
2
X
X
~, V = U +2w
\
\
2w -2
\
X
-5 -4 -3 -2 -I (c)
15. V = (-t n y
(!, I, I)
1/.(1,2, 2)
(-l,~-6,9)
,, 8 ,v
"',,, 3u ... : I l
\ ' 2 ',._'* I 2
\ • 4
X
..... ~...... y
I '
v = 2 (3u + w)
X
27. (a)
w
29. (a) (4, -2, -8, 1) (b) (8, 12, 24, 34)
(c) (- 4,4, 13,3)
y
17. (a) 31. (a) ( 1, 6, -5, -3) (b) (- 1, -8, 10, 0)
4 ( 3
(c) - 2, 11 , - il
2, - 2 21)
3
(4, 2)
33. (½. -t-t
2) 35. (4, 8, 18, -2) 37. (- 1, t. 6, i)
39. V = U + W 41. V = U + 2w 43. V = - u
2 • 45. v = u 1 +2u 2 -3u 3
47. No es posible escribir v como una combinaci6n lineal de u 1, u 2
X
y U3.
- I 2 3 4
- I 49. V = 2u I + U 2 - 2u3 + U 4 - U 5
51. (a) Verdadero. Dos vectores en R" son iguales si y s61o si sus
y
(b) componentes correspondientes son iguales, es decir, u = v
4 s i ys61osi u 1 = v 1, u 2 = v2, . . . , u11 = v11
(b) Falso. El vector - v se denomina el inverso aditivo del vec-
2
tor v.
X 53. No 55. Las respuestas pueden variar. 57. Demostraci6n
2 59. Si b = x 1a 1 + · · · + x,,a,, es una combinaci6n lineal de las
-2 columnas de A, entonces una soluci6n para A x = bes
• -3)
(c)
(-6,
2
)'
-4
·-[J
El siste ma Ax = b es inconsistente si b no es una combinaci6n
lineal de las columnas de A.
(2, I) 61. (a) ldentico aditivo.
• (b) Propiedad distributiva.
(c) Sume --Ov a ambos (ados.
X
(d) Inverso aditivo y propiedad asociativa.
2
(e) Inverso aditivo.
(f) ldentico aditivo.
A20 Respuestas a los ejercicios impares seleccionados
63. (a) Multiplicar ambos lados por c- 1• 45. (a) Verdadero. Vea la pagina 155.
(b) Propiedad asociativa y Teorema 4.3, propiedad 4 (b) Falso. Vea el ejemplo 6, pagina 159.
(c) Inverso multiplicativo (c) Falso. Con las operacio nes norma les e n R3, no sc satisface
(d) ldentidad multiplicativa el axio ma del inverso aditivo.
65. Usted puede describir la resta vectorial de la siguiente manera: 47. Prueba
5. 0 + Ox + Ox 2 + Ox 3
0
0 ~] q ue W es cerrado bajo la suma y la multiplicaci6n por un esca-
lar. Dado
[~~ ~i ~ iH:
17. No esta cerrado bajo la sum
(c) E l conjunto no es un espacio vectorial. E l axioma 6 fa lla, ya
q ue ( - I)( I, I) = ( J=t, J=t), el cual no pertenece a R2 . 0
(Los ax io mas 8 y 9 tambicn fa llan.)
37. Demostraci6n 0 0 I
+ [~
O
19. No esta cerrado bajo la suma:
0
2
0 i]
39. El conjunto no es un espacio vectorial. El axioma 5 falla po rque
(I , I) es e l identico aditivo y, por tan to, (0, 0) no tiene inverso (2, 8) + (3, 27) = (5, 35)
aditivo. (Los axiomas 7 y 8 tambien fallan.) No es cerrada bajo la multiplicaci6n por un escalar:
41. Sf, e l conjunto es un espacio vecto rial. 43. Demostraci6n 2(3. 27) = (6, 54)
Respuestas a las ejercicios impares seleccionados A21
~
21. No es un subespacio. 23. Subespacio. 25. Subespacio.
27. Subespacio. 29. Subespacio. 31. No es un subespacio. 57. Porque la matriz [~ - ~] se reduce por reng lones a
33. No es un subespacio. 35. Subespacio. 2 5 - I
37. W es un subespacio de R3 . (W es no vacfo y cerrado bajo la
suma y la multiplicaci6n por un escalar.) O-3] [-21 -61 _ OJ2 se reduce por renglones a
~ ~ y
39. W es un subespacio de R3 . (W es no vacio y cerrado baj o la
suma y la multiplicaci6n por un escalar.)
41. W no es un subespacio de R3• O - ~]. SI y S2 generan e l mis mo subespacio.
No es cerrado bajo la suma: ( I , I, I) + ( I, I, I) = ( 2, 2, 2) 59. (a) Falso. Yea la "Defini ci6n de depende11cia e i11depe11dencia
No es cerrado bajo la multiplicaci6n por un escalar: 2( I, I, I) linear', pagina 173.
= (2, 2, 2) (b) Yerdadero. Cualquier vector u = (111, 112 , 113 , 114) en R4 se
43. (a) Verdadero. Vea los "Comentarios" en la pagina 163. puede escribir como
(b) Verdadero. Vea el teorema 4.6, pagina 164. U = II 1(1, Q, 0, Q) - 112(0, - J. 0, 0) + ll 3(0, 0. J. 0)
(c) Falso. No ex isten e lementos de W que no sean elementos de + uiO, 0, 0, 1).
U o viceversa. 61-73. Demostraci6n
45-59. Demostraci6n
Secci6n 4.5 (pagina 187)
Secci6n 4.4 (pagina 178)
1. R 6: {(I, 0, 0, 0, 0, 0), (0, I, 0, 0, 0, 0), (0, 0, I, 0, 0, 0),
1. (a) z = 2(2, - 1, 3) - (5, 0, 4) (0, 0, 0, I , 0, 0), (0, 0, 0, 0, I, 0), (0, 0, 0, 0, 0, I)}
(b) v = ¼(2, -1 , 3) + f(5, 0, 4)
(c) w = 8(2, - I, 3) - 3(5, 0, 4) 3. M 2.4: {[~ ~ ~ ~]. [~ ~ ~ ~].
(d) u no puede escri birse como una combi11aci611 lineal de los
vectores dados.
3. (a) u = -¾(2, 0, 7) + ¾(2, 4, 5) + 0(2, - 12, 13)
[~ ~ ~ ~]. [~ ~ ~ ~].
(b) v 110 puede escribirse como una combi11aci6n lineal de los [~ ~ ~ ~]. [~ ~ ~ ~].
[ ~ ~ 0 ~]. [~ ~ ~ ~]}
vectores dados.
(c) w = -i{2, 0, 7) + ½(2, 4, 5) + 0(2, - 12, 13)
(d) z = -4(2, 0, 7) + 5(2, 4, 5) + 0(2, - 12. 13) 5. P4 : { 1, x, x 2, x 3 , x 4 } 7. S es lineal mente dependiente.
5. [JO6 - 179] = 3A - 28
9. S es linealmente dependiente y no genera a R2.
11. S es linealmente dependiente y 110 genera a R2.
2 28 13. S no genera a R2.
7. [- ] = - A + 58
l - 11 15. S es linealmente depe11die11te y 110 genera a R 3 .
9. S genera a R2 • 11. S genera a R2. 17. S no genera a R3 .
13. S no genera a R . ( Este genera una recta en R2.)
2
19. S es linealmente depe11diente y 110 genera a R3 .
15. S no genera a R2. (Este genera una recta en R2.) 21. S es linealmente depe11die11te.
17. S 110 genera a R2 . (Este genera una recta en R2.) 23. S es linealmente depe11diente y 110 genera a P 2.
19. S genera a R2 • 21. S genera a R2. 25. S 110 genera a M2.2.
3 27. S es linealmente dependiente y no genera a M2 _2 .
23. S no genera a R . (Este genera una recta en R 3.)
25. S no genera a R3. (Este genera una recta en R3.) 29. El conjunto es una base de R2.
27. S 110 genera P2• 31. El conjunto no es una base de R2.
29. Linealmente indepe11diente. 31. Linealmente dependie11te. 33. S es una base de R2. 35. S es una base de R3 .
37. S no es una base de R . 3 39. S es una base de R4 .
33. Linealmente independiente. 35. Linealmente dependiente.
37. Linealmente independiente. 39. Linealmente independiente. 41. S es una base de P 3 . 43. S no es una base de P3 .
41. Linealmente dependiente. 43. Linealmente independiente. 45. S es una base de M2.2.
47. S es una base de R3 •
45. Linealmente depend iente. 47. Linealmente independie11te.
(8, 3, 8) = 2 (4. 3. 2) - (0, 3, 2) + 3(0, 0, 2)
49. (3, 4) - 4(- I, I) - ~(2, 0) = (0, 0),
49. S no es una base de R3. 51. 6 53. 8 55. 6
~rn ~rn
(3, 4) = 4(-1 , 1) + I(2, o)
~
0 0
(La respuesta no es unica.)
51. (1, I, I) - (I , 1, 0) - (0,0, 1) - 0(0, I. 1) = (0, 0,0) l 0
57. [ ~
(I, I, I)= ( 1, I, 0) + (0. 0, I) - 0(0, I, I) 0 0
(La respuesta no es unica.) La d imensi6n es 3.
53. (a) Toda t =fo I, -2 (b) Toda t =fo i 59. {( I , 0). (0, I)}, {( I, 0), (1, I)}. {(O, 1). (1, I)}
55. Demostraci6n. 61. {(2,2),( 1, 0)}
63. (a) Reeta que pasa por el origen (b) {(2, I )} (c) I
65. (a) Reeta que pasa por el origen (b){(2, l , - I)} (c)
67. (a) {(2, I, o, I), (- 1, o, I, o)} (b) 2
69. (a) { (O, 6, I , - 1)} (b) I
A22 Respuestas a los ejercicios impares seleccionados
71. (a) Falso. S i la d imensi6n de V es 11 , entonces todo conjunto 67. (a) Prueba (b) Prueba (c) Prueba
generador de V tiene al me nos II vectores. 69. (a) Falso. El espacio nulo de A tambie n se denomina e l espac io
(b) Verdade ro. Encue ntre un conjunto den vectores base de V soluci6n del sistema Ax = 0.
que puedan generar Vy sume c ualquier otro vector. (b) Yerdadero. El espacio nulo de A es e l espacio soluci6n de l
73-77. Pruebas sistema homoge neo Ax = 0.
71. (a) Falso. Vease e l "Comentario;' pagina 190.
Secci6n 4.6 (pagina 199) (b) Falso. Yease e l Teorema 4. 19, pagina 198.
1. (a) (0, -2), (I , -3) (b) [~l [=~] (c) Yerdadero. Las columnas de A se convierten en los renglo-
nes de Ar, por lo que las columnas de A generan el mismo
3. (a) (4, 3, I), ( I, - 4, 0) (b) [~l [_!J [~] espacio que los renglones de AT_
73. (a) 0, 11 (b) Prueba 75. Prueba
5. (a) {(! , 0), (0, I)} (b) 2
Secci6n 4.7 (pagina 21 0)
7. (a) {( 1, o,½), (o, 1, -½)} (b) 2
9. (a) {( 1, 2, -2. 0),(0,0,0, I)} (b) 2
11.
15.
{( I, 0, 0), (0, I, 0), (0, 0, I)} 13. {( I, I, 0), (0, 0, I )1
{( I. 0, - 1, 0), (0, 1, 0, 0), (0, 0, 0, I)} 1. [ _~]
3. r=J 5. [ _:] 7.m 9.
-~1
17. {{ I, 0, 0, 0), (0, I , 0, 0), (0, 0, I, 0), (0, 0, 0, 1)1
0
(b) 2 21. (a) {[~], [ ~]} (b) 2
11. [~]
13 Hl Hl IS
2 - 2
I
17. [
-2
f -:J
0 -2
23. (a)
5 '
9
2
9 9
4
-9
2
{b) 2
19. r! ~] -
21. r: I
2
!
3
0
..L
12
23. [:
- !
-~ l
25.
29.
33.
{(I. 2)}
{(-3, 0, I)}
27. {(- 2, I, 0), (-3, 0, I)}
31. {(- 1, 2, 1)1
{(2. -2, 0, 1). (- 1, I, I , 0)} 35. {(0, 0, 0, 0)}
25. [:
:] 27.
H -I
i 2 - I
- 3 2
I
37.
41.
43.
(a) {(4, I)} {b) I
(a) {(-3, 0, I), (2, I, 0) J
(a) { (-4, - 1, I , 0), (- 3,
39. (a) {(- 1, -3, 2)} (b) I
(b) 2
-t
0, 1)} (b) 2 29. [-75 -I
310] -6 31.
r-~ -10
- 29
7
3
7
I
0
3
-21
-I
- 2
45. (a) {(8, -9, -6, 6)} (b) I II -3 - 10
12 - 3 - I I
47. (a) rango(A) = 3
nulidad(A) = 2 I - lII j_
II 0 - II
7
2 3 I
-3 4 0 -11 22 0 -11
I -2 5 9 19 I 21
(b)
33. -4 22 -44 -4 22
I 0
_J ! _! ! !
0 2 4 2 4 4 2
0 I 2 5
0 -11 -11 0 II
(c) {(I, 0, 3, 0, -4), (0, I, - 1, 0, 2), (0, 0, 0, I. -2)}
{d) {(I, 2, 3, 4), (2, 5, 7, 9), (0. I, 2, - I )J
(e) Linealmente dependiente. (f) (i) y (iii)
35. (a) [-½J.
4 -!] (b) [: :] (c) Yerificaci6n. (d) [~]
'i
I
(c) [~
63. (a) 111
~l [~ ~J
(b) r
(c) r (d) R" (e) R"'
65. Las respuestas pueden variar.
Respuestas a las ejercicios impares seleccionados A23
n -ll
-24 3 47. Hiperbola 49. Parabola
32 y
_J_ )'
39. (a) 10 (b) 16
-5 l
2 -+--+--+-+---t-1--+-- X
-2 - I 3 4
(I, -2)
(c) Verificaci6n. (d)
r=11
41. (a) ["
-fj
- 39
39
23
-9
13
6
-13 -13
2
13
~] [-l --il
39
9
-~
(b) -~7
4
7 - 21
-7
4
-21
8
13
51. Punto
,
xi
9
-6
- - - - 1= 0
16
y2
'
'
2
-4
-5
x - 2.r +Sy+ 17 = 0
• (2. I)
51. (a) Falso. Vea el teorema 4.20, pagina 204. 9x 2 +25y 2 -36x-50y+6 I =0
(b) Verdadero. Vease el parrafo previo al Ejemplo I, pagina
53. Hiperbola
202. y
(-3, 5)
53. QP
8
Secci6n 4.8 (pagina 219)
I 6
I. (b), (c), y (d) 3. (c) 5. (a), (b), y (d) •
4
7. (b) 9. (c) 11. (b) 13. -(xsenx + cosx)
15. -2 17. -x 19. 0 21. 2e3X 23. 12
25. e-'(cos x - sen x)
27. (a) Verificaci6n. (b) Li nealmente independiente -6 -4 -2 I
(c) y = C 1 sen 4x + C2 cos 4x 9x 2 -y 2 +54x+ 10y +55=0
29. (a) Verificar. (b) Linealmente dependiente. (c) No es aplicable.
55. Elipse
31. (a) Verificar. (b) Linealmente independiente.
)'
(c) y = C 1 + C2 sen 2x + C3 cos 2x
---+-->----+----+-----<>----+-+- X
33. (a) Verificar. (b) Linealmente dependiente. -5 - 4 - 3 -2 -I
(c) No es aplicable.
35. (a) Verificar. -2
5
4
3
-3
-4 -2 2 4
-5
x 2 +4y 2 - 16=0 2x 2 - y 2 + 4x+ I0y-22=0
A24 Respuestas a los ejercicios impares seleccionados
~ ~ H
-3
y '
' I
' ,
,' 45°
y'
~,
3
15. 0
17.
21.
-A
= (0, 0, 0)
= (-a 1, - a2 , -a3)
Wes un subespacio de R 2.
W es un subcspacio de R . 3
19. W no es un subespacio de R2.
~
x'
X
y' --._
y
1 x'
X
61. nl 63.
3
I
0
65. [
-I
I
~]
-2 2
-3
67. [;
0
l
0 ~]
77. y' =0 79• x'= ± - 2
fi_ 69. (a) [- lI
-~J (b) [:
:]
y y
(c) Yerificaci6n. (d) [- I!]
~] H ~]
x'
-I
[ 0 -I
7 1. (a) - I 0 0
(bl
I I
-2
65. (a) - 6 (b) 13 (c) 25 (d) [-:!] (e) - 30
-3
- I0 I 2 3 4 \6 7 8 -4 67. (a) 0 (b) 14 (c) 6 (e) 0
(-4, -2) -5
(5, -4)
69. O1togonal; u · v = 0
2x 2 - 20x - y + 46 = 0 4x 2 + y 2 + 32x + 4y + 63 = 0
71. (a) Falso. Yea la "Definici6n de la longitud de un vector en
(x')2 (y ')2 R"", pagina 226.
107. - - - - - = I 109. (x12 = 4(y' - I) (b) Falso. Vea la ·'Definici6n de producto punto en R"" , pagina
6 6
y y 229.
y'
73. (a) (u • v) - v no tiene sentido, ya que u · v es un escalar y v
12
10
es un vector.
8
,, (b) u + (u · v) no tiene sentido. ya que u es un vector y u · v
6 es un escalar.
5 1
4 75. ( -TT, TT2), (TT,
5 12)
-TT
77. $ 11.877.50
- l - 4 - ~- =i'+--+-1--1-- X
-6-4-4', '',JJ= -36.87° Este valor da las ganancias totales obtenidas de la venta de
~~4 ........ , hamburguesas y hot dogs.
X
79. 54.7° 81-85. Prueba
A26 Respuestas a los ejercicios impares seleccionados
87. Ax = 0 significa que el producto punto de cada rengl6n de A 63. (a) l(x, e' )I S llx ll lld
con la columna de x es cero. Por 1an10, x es ortogonal a vectores
rengl6n de A .
1s jf · J½e 2- ~
(b) llx + e' II + k ll s llxll
Secci6n 5.2 (pagina 245) J.!g- + ½e s Jf + J½e2- ½
2
1-7. Demostraci6n
9. Falla el axioma 4. ((0, I ), (0, I )) = 0, pero (0, I ) if; 0.
11. Falla el axioma4. (( I, I), ( I , I))= 0, pero (I, I) if; 0.
65
. :; :~e f" =
12
- r./ 2
cos x senx dx
f
l
(d) Je2
2 3
+~- _I_ -
2e2 e
i = 1.680
(c)
s (4, 4)
./14 s
2 + ✓IO 87. (a) (u, v) = 4(2) + 2(2)(-2) = 0 => u y v son ortogonales.
59. ca) 10(-3) + 3(1) + 2(4) + 1(3)1 s .fi4J35 (b) y _( ) No ortogonales en el
4 2
14 s ./14)35 2
u- ' sentido euclidiano.
¼s(M)(M) -2
V = (2, -2)
(b) llsenx + cosxll s llsenx ll + llcosx ll 89-95. Prueba 97. C1 = ¼, C2 = 1
Secci6n 5.3 (pagina 257) 57. (a) Verdadero. Vea las "Definiciones de conjuntos ortogonales
y ortonormales", pagina 248.
1. (a) Sf (b) No (c) Sf (b) Falso. Yea Comentario en la pagina 254.
3. (a) No (b) No (c) Sf 59. Ortonormal 61. {x2, x , I } 63. Ortonormal
5. (a) Sf (b) Sf (c) Sf 65. Demos1raci611 67. Demostraci6n
7. (a) Sf (b) No (c) Sf 69. N(A) base: { (3, - I, 2)} 71. Demostraci6n
9. (a) Sf (b) Sf (c) Sf N(A T) base: {(- I, - I, I)}
11. (a) Sf (b) No (c) No R(A) base: {(l , 0, I), ( 1, 2, 3)}
13. (a) Sf (b) Sf (c) No R(AT) base: {(I , I, - 1), (0, 2, I)}
15. (a) Prueba (b) (- Ju,Ju), (Ju, Ju) Secci6n 5.4 (pagina 269)
17. (a) Prueba ( b)
3 ' 3'3'
( ✓3 ✓3 ✓3)
2''2
(- ✓2 0 fi) l. y= l + 2x 3. No es colineal 5. No ortogonal .
{l!ll-m
Ademas, el conjunto es ortonormal porque
11111= l ,llxll= l ,llx 2 II = l , and llx 3 II= l.
Por tan to, { I , x, x 2, x 3} es una base ortonormal de P3 •
Jio
ll. (•) goo
(b) R4
l3. goo {l~Wll
4v'l3]
13
2 0
2
21.
7Ji3
13
23. -2
Jio
25-rn 15.
3
2
3
17. [ :
_U
2
27. { (t !), (!, -m 29. {(0, I), ( I, 0)}
½ 3
( -/3
3 '
- -/3
3 '
- -/3
3 '
o)} 29. , ~
31.
3
)'
( I, 2)
43. {(f,-½),(1,2;)} (
"-
( I, 0)
(- 1, 2)
• 2
\
• y =5
7
• •
J
X
I ◄
~
1 2 1 -3 -2 - I (- 2, I) (0, I) (2, I)
45. (x, I)= xdx = x ] = 0 X
- I 2 -I -2 -2 - I 2
-3 (3,-3) • -I
47. (x2, I)= J1 x2dx = x3]1 2
-I 3 -I 3
35. y = ~x 2 + ~x + ~
49. (x, x) = f-I
i x 2 dx = x 3]1 =
3 -I 3
I
33. y = x 2 - x
37. y = 33.68 + 3.78x; 90,380
39. In y = - 0.14 In x + 5.7 6 y = 298.9x--0· 14•
51. {(3Y:,o,! ,o),(o,- f,o,1)} 2 41. (a) Falso. El comple mento ortogonal de R" es {0 }.
(b) Yerdadero. Yea la " Definici6n de suma directa", pagina
261.
53. {(-f.o, f,o),(-] ,o. ], ;6)} 43. Prueba 45. Prueba
55 { (
•
Js Js o) (- J3o J3o Jjo)}
2
5 ' 5 ' ' 30 ' 15 ' 6
A28 Respuestas a los ejercicios impares seleccionados
Secci6n 5.5 (pagina 282) 69. (a) g(x) = I .5x 2 - 0.6x + 0.05
(b) ..,...
1 - - - - - - - , -
1. j x i = - k 3. j x k = i /"
½
/ __
Ot==~-======-
0
24
71. (a) g(x) = 3'TT x
2
X X
(b)
g
5. i X k = - j 7. (a) - i - j + k f ,r
z (b) i + j - k 2
(c) 0
-2
35. - ~ i - J~0 j + ~
2
k 37. ~ i - ~ j Ejercicios de repaso (pagina 284)
39. I 41. 6$ 43. 2Js3 45. I 47. -I 1. (a) ./5 (b) .Ji? (c) 6 (d) fio
49. Prueba 51.
9
;6 53-61. Prueba 3.
5.
(a) ft,
(a) ./6
(b) ✓-f4
(b) J3
(c) 7
(c) - I
(d) ft,
(d) JTT
63. (a) g(x) = x - ¼ 65. (a) g(x) = 6x + ½(e2 - 7) 7. (a) fi (b) ff (c) 6 (d) Ji.
(b) (b) 5 3 2 )
8 9. llvll = J38; u = ( ~· ~· - ~
v38 v38 v38
11. llvll = A; u = ( - ~, ~, ~)
13. (a) (4, 4,3) (b) (-2,-2, - !) (c) (- 16,- 16,- 12)
17 'TT
01!:=~=====-
o . 12 19. 'TT 21. (s, 31, 4t)
3 JTT
12 23. (2r - 2s - t. r. s. r) 25. (a) -2 (b) - -
67. (a) g(x) = 3 ( 7r - 2x) 2
'TT
(b) ...
2 _ _ _ _ __ 27. Desigualdad de TrianguJo:
II(2• -½- I)+ G, 2' - I)II :s 11(2' -½, I)II +ll(f, 2 ' - l )II
✓67 < /15+ /53
2 - ✓2 ✓4
Desigualdad de Cauchy-Schwarz:
-2
I((2 • -½, I ), (t 2' - I ))I :s 1 (2 ' -½, l )11 ll(i 2' - I )II
2 :s J¥ J¥ = 9.969
29. (a) 0 (b) Ortogonal
(c) Debido a que (f, g) = 0, se sigue que l(J, g)I :s 11/11118 11-
Respuestas a las ejercicios impares seleccionados A29
31. ( --:t m 33. (~, ~) 35. (g, g, m 83. (a) Verdadero. Vease el Teorema 5.1 8, pagina 273.
(b) Falso. Vease el Teorema 5. 17, pagi na 272.
37. {( ~ . ~), (- ~ . Jz)} (c) Verdadero. Vease la discusi6n previa al Teorema 5.19,
39. t -m
{(o, ~, ~}, (1 , 0, 0), (0, pagina 277.
1 I I )
./3( fi'- fi' - f i - I - I
-2
-2
43. (f, g) =i "sen x cos x dx -3
-3
-4
-5 -4
= -1 sen 2 x ] " -6 V + W = (3, - 7) -5 3v = (3, -6)
2 0 -7 • -6 •
=O -8 -7
l
7T
(b) ....
1----------
/
01!::::======I
I
/ f
\ g
\\
"·hllJl {:l u
14. (a) Js (b) JiT
12
(c) 4
)3.
I
0
-1
-
0
15. :~ 16. {c1,o,o),(o, -i[. -;), (o,- ~ . ~)}
79. (a) g(x) = fs(- 10x 2 + 24x + 3)
(b) -------=-
..,...
1
17. n-(-3, 2)
/
y
0 f I
0
--+-+-----+--'----+-..- X
- 3 -2 - i /
7T2
81. g(x) =) - 4 COS X projvu /
= 1..(-3 2) - 2
13 '
A30 Respuestas a los ejercicios impares seleccionados
18. N(A) base: {(0. I, - 1, 0)} 57. Verdadero. Dx es una transformaci6n lineal y conserva la suma
N(A 7 ) = {(0,0,0)} y la multipbcaci6n por un escalar.
R(A) = R3 59. Falso, ya que sen 2x =I= 2 sen x.
R(A7 ) base: {(O, I, I, 0), (- 1, 0, 0, I), ( I, I, I, I )} 61. g(x) = x 2 + x + C 63. g(x) = - cosx + C
65. (a) - I (b) ~ (c) -4
ml mmrrn X
(d) p (x) = 0 { I , x, x 2 , x 3 }
(e) (0, 0. 0. 0 , 0) {(I, 0, 0, 0, 0), (0, l , 0, 0, 0), 2 2
17. (a) (b) ('2 + J3, I - 2J3)
(0, 0, I, 0, 0), (0, 0, 0, I, 0)} J3 -
I
53. El conjunto de fu nciones constantes: p(x) = a0 2 2
55. (a) dim(rango) = I, nulidad = 2 (b) {(I, 0. - 2), ( l , 2, 0)} (c) y
57. (a) dim(rango) = 11 (b) d im(rango) < 11
( I, 2)
59. T(A) = 0 => A - A T= 0 => A = A T 2 •
Ento nces, ker(T) = {A: A = AT}. V
61. (a) Falso. Vea la "D efinici6n de kernel de una transformaci6 n I + 2../3 2-,/3 )
(
lineal", pagina 303.
(b) Fa lso. Vea e l teore ma 6.4, pagina 306. T(v)
- 600
2
I' 2
(c) Yerdadero. Yea cl analisis previo a la " De finici6n de iso- ➔-~~=~ · -+- X
2
morfisrno", pagina 3 11.
J
63. Prueba 65. Prueba 0
67. Si T es so bre, entonces m 2: 11. 19. (a) [ ~ I (b) (3, 2, - 2)
Si T es uno a uno, e ntonces m :s 11. 0
(c) z
Secci6n 6.3 (pagina 322) 2
(3, 2, 2) V
3. [ : _ ;
- ) 0 X y
(c)
4
2
• -4
(-3,-4)
- I X
13. (a) [ ~] (b) (-2, - 3) -I
0 2 3
[! -Ii [_;]
(c) y 3
23. (a) 0 -2 ~)
-I I
-fl Ul
- 1 0
•
(-2, - 3)
•
(2, - 3)
~ - (a) rj 0
2
I
0 (b)
0 0
27. A=[~ 3] A, = [ 0
0 ' 0 ~]
J
3
29. A = [-4
- 2
-;i.,, -[ : - 2
- 3
- 3
A32 Respuestas a los ejercicios impares seleccionados
43
. . n! ;J
I
49. (a) 0 2 0 0 (b) 6x - x 2 + ¾x 4
l
0 0 3 0
I
0 0 0 :i
I 0 0 0 0 0
21. Prueba 23. Prueba 25. /11 27-33. Prueba
0 0 0 I 0 0
35. La matriz para / relativa a B y B' es la matriz cuadrada cuyas
0 I 0 0 0 0
51. (a) (b) Prueba columnas son las coordenadas v I, .. . , vn relativas a la base
0 0 0 0 I 0 normal. La matriz / relativa a B o a B' es la matriz identidad.
0 0 I 0 0 0 37. (a) Yerdadero. Yease la discusion previa al Ejemplo I, pagi na
0 0 0 0 0 I 324.
I 0 0 0 0 0 (b) Falso. Yease la oracion que siguc a la demostracion del
0 I 0 0 0 0 Teorema 6. 13, pagina 326.
0 0 0 I 0 0
(c) Secci6n 6.5 (pagina 335)
0 I 0 0 0 0
0 0 0 I 0 0 1. (a) (3, - 5) (b) (2, I) (c) (a, 0)
(d) (0, -b) (e) (-c. -d) (f) (f, g)
0 0 0 0 0
3. (a) (I, 0) (b) (3, -1 ) (c) (0, a)
53. (a) Yerdadero. Yease el Teorema 6. 10 en la pagina 3 14.
(d) (b, 0) (e) (d, -c) (f) (-g.J)
(b} Falso. Yease la oraci6n previa a "Definici6n de Transfor-
5. (a) (2x, y) (b) Expansion horizontal
maci6n Lineal In versa," pagi na 3 I 8.
7. (a) Contraccion vertical 9. (a) Expansion horizontal
55. Prueba
57. Algunas veces es preferible usar una base no estandar. Por (b) Y (b) Y (x, y) (4x, y)
ejemplo, algunas transformaciones lineales tienen matrices
(x, y) • - -c)--..
diagonales representativas relativas una base no estandar.
1. A' = [~ -3]
- I 3. A' =
[ -3
-J?-I J] 3
X
X
10
~]
0 3 11. (a) Deformacion horizontal 13. (a) Defonnaci6n vertical
5A' =[~ 1
0
7. A' = [-! 33 ]] 4
4
(b) y (b) y
(x, 5x + y)
9. (a) [~
:J (b) [v)8 = [_a [T(v)Jo = [ _;]
(c) A' =
[~ - 73 , 4] p-1 = [- !3
;i_
4 -!] [-!]
(d}
X
-------x 49.
✓3
2
-I
2
./3
-I 0
0
51.
-l
2
0
0
./3
2
0
2 2 J3 0 -I
0 0 I 2 2
- I X
(0, -1 ) (I, -1 )
(½, o) I 53. (~J3=1")/2, (A+ 1)/2, 1)
55. ( I + ./3)/2, I, ( I - ./3)/2)
y y
27. 29. 57. 90° sobre el eje x 59. 180° sobre el eje y
2
(- 1, 2) 2 61. 90° sobre el eje z
~ ~
(2, I ) (3, I )
63. [ -~l; {l , - l , -1 )
- I 0 0
2 3 (-1 , 0) ✓3 l ./3
X
- I -2 - I 4 4 2
31.
y
33.
y 65. I J3
2 O,
. (3 ./34 - I' I2+ ./3' ./34- I)
2
3 3 ./3 l
(0, I) (I, l )
(2, 2) (3, 2) 4 4 2
---◄ 2
Ji. Ji. ,/6
2 4 4
-------x 2 3
X
67.
Ji.
2
Ji.
4
,/6 ·(../6-./23./2+,/6
4 ' 4' 4
./3- 1)
'2
0 -./3 - -I
35. (a) (b) 2 2
y y
Ejercicios de repaso {pagina 337)
12
10 1. (a) (2, - 4) (b) (4, 4)
8 3. (a) (0, - 1, 7) (b) {(t - 3, 5 - t, t): t es real }
37. (a)
2 4 (6, 0)
(0, 0)
(b)
2
-+-~-+-+-+-+---+-- X
2 4 6 8 10 12 9. No lineal 11. Lineal, A =[
-I
~ - I
0
- ~1
I
-6 -4 - 2 (3, 0) 6
-2
27. (a) {{-2, I, 0, 0), (2, 0, I , - 2)} (b) {{5, 0, 4), (0, 5, 8)}
29. (a) {O} (b) {{ I, 0, 0), (0, I, 0), (0, 0, I)}
-I I 2 3 4 5 31. (a) {(0, 0)} (b) 0 (c) gen{( I, 0, ½}, (o, I, - ½)} (d) 2
41. Expansion horizontal. 43. Dcformacion horizontal. 33. (a) {(-3t, 31, 1)} (b) I
(c) gen{{ I, 0, - 1), (0, I, 2)} (d) 2
45. Reflexion en el eje x seguida por una expansion vertical (en
cualquier orden)
A34 Respuestas a los ejercicios impares seleccionados
0 0
45. T no tiene inversa. 47. r 1(x, y) = (x, - y) 0 0
49. (a) Uno a uno (b) Sobre (c) Invertible I ./3 - 1-./3-./3 + 1)
51. (a) No es uno a uno (b) Sobre (c) No es invertible 0 , ( I, 2 ' 2
2 2
3 ✓3 I
53. (a) y (b) (0, 1.1) 55. A' = [ -IJ 0
I -I 2 2
57. [ - ~ -!][18
-~ 11
-19] [3
- 12 I
-SJ
- 4
fi.
2
I
4
✓
4
3 ft,
4
Ji.
2
Ji.
4
ll
I ./3 3 ft, .Jj_ Ji.
0 89.
I
2 4 4 4 2 4
5 ✓3 I ✓3
(b) "'"''P"'"" •""''" ' "'" 0 - 0
2
5 2 2 2
(c) Las respuestas pueden variar.
61. Prueba 63. Prueba 91. (o, o, o), ( ;, ;, o} (o, ../2, o).
(b) dim(rango) = I, nulidad = 3
65.
67.
(a) Prueba
(c) { I -x, I - x 2, I -,r3 )
Ker(7) = { v: (v, v0) = O}
(-;, ;, o), (o,o, 1),(; .; .1),
dim(rango) = R
dim(rango) = I
(0,../2, !), (- ';, ';, I)
69.
Nulidad = dim(V) - 1
A pesar de que no son ig uales, tiene n la misma dimensi6 n (4)
J;, ½),( J;, ½),
93. (0, 0, 0), (I, 0, 0), ( I , 0,
71.
y son isom6 rficos.
(a) Expansi6n vertical 73. (a) Deforrnaci6 n vertical
(o, -½, J;).(1,-½, J;),
(b) _v (b) y
• (x, y + 3x)
I
I
( I,- I +2fi.' I +2fi.)' (O,- I +2✓3' I +2✓3)
I
95. (a) Falso. Yea " Matrices e le mentales para transformac iones
lineales e n el piano", pagina 330.
(x, y) (b) Yerdadero . Yea " Matrices ele rnentales para transfonnacio-
nes lineales en el piano", pagina 330.
(c) Yerdadero. Yea e l analisis siguiente al ejernplo 4, pagina
334.
75. (a) Deformaci6 n horizontal 97. (a) Fa lso. Yea los "Comentarios", pagina 294.
(b) y (b) Falso. Vea el teorema 6.7. pagina 3 10.
(c) Yerdadero. Yea e l analisis siguiente al ejernplo 5, pagina
327.
Capitulo 7
Secci6n 7. 1 (pagina 350)
(0, 0) 2
3.
[: : ][- : ] = o[ -:]. [: :J [:] 2[:] =
3
( I , 0) 2 3
5.
[!
- I
0 m~J =,[H
llHl =-Hl
-I
3
- I
81. Reflexi6n en la recta y = x seguida por una expansi6n horizon- [: 0
tal.
!][!]=,[!]
3
- I
[: 0
Respuestas a las ejercicios impares seleccionados A35
9. (a)
(b) [ I
[: 3. (a) p -
1
(b) ,\ = 2, -3
= [-i n 1
P- AP = [ ~
[_l
3
13. (a) Si (b) No (c) Sf (d) Sf I
15. ,\ = I , (t, 0); ,\ = - I , (0, t)
5. (a) p - 1
= 4
I
17. (a) ,\(,\ - 7) = 0 (b) ,\ = 0, (I, 2); ,\ = 7, (3, - 1) 3 12
19. (a) ,\2 - ¼ = 0 (b) ,\ = -½,
(1 , l); ,\ = (3, I) ½, (b) ,\ = 5, 3, - I
21. (a) (,\ - 2)(,\ - 4)(,\ - I) = 0 1 3
7. p = [2 - I
] (La respuesta no es unica.)
(b) ,\ = 4, (7, -4, 2); ,\ = 2, (I, 0, O); ,\ = I, (-1, 1, 1)
23. (a)
(b)
(,\ + 3)(,\ - 3)2 = 0
,\ = -3, ( I , I , 3); ,\ = 3, (1, 0, -1 ), (1, I , 0)
(,\ - 4)(,\ - 6)(,\ + 2) = 0
9. P - Hi -: ] Q-, =P""" no es on;c,_)
[! -: il
25. (a)
(b) ,\ = - 2, (3, 2, O); ,\ = 4, (5, -10, -2);
,\ = 6, (I, - 2, 0) 11. P - (l.rnsp,esi, noes an;c,.)
27. (a) (,\ - 2)2(,\ - 4)(,\ + I) = 0
(b) ,\ = 2, (1 , 0, 0, 0), (0, I, 0, O); ,\ = 4, (0, 0, I , I); 13. A no cs diagonalizable.
,\ =
- 1, (0,0, I, -4) 15. Este es el unico eigenvalor, ,\ = 0 y la dimension de su eigenes-
29. ,\ = -2, l 31. ,\ = 4, - ½,f 33. ,\ = - 1,4, 4 pacio es I. La matriz no es diagonalizable.
35. ,\ = 0, 0, 0, 21 37. ,\ = 0, 0, 3, 3 39. ,\ = 2, 3, I 17. Este es el unico eigenvalor, ,\ = I, y la dimension de su eige-
41. ,\ = - 2, 4, -3. -3 nespacio es I. La matriz no es diagonalizable.
43. (a) ,\ 1 = 3, ,\2 = 4 19. Hay dos eigenvalores, I y 2. La dimension del eigenespacio para
(b) 8 1 = {(2, - 1)}, 8 2 = {(1, -1 )} el eigenvalor repetido I es I . La matriz no es diagonalizable.
21. Hay dos eigenvalores repetidos, 0 y 3. El eigenespacio asociado
(c) [~ ~] con 3 es de dimension I. La matriz no es diagonalizable.
45. (a) ,\ 1 = - 1, ,\2 = 1, ,\3 = 2 23. ,\ = 0, 2 La matriz es diagonalizable.
n! ~]
(b) 8 1 = {(1, 0, l)}, 8 2 = {(2, 1, O)}, 8 3 = {( I, 1, O)} 25. ,\ = 0, -2
El numero de eigenvalores es insuficiente para garantizar la
diagonali zabilidad.
(c) 27. {( I , - 1), (1, 1)} 29. {(-1 + x),x }
47. ,\ 2 - 6,\ +8 49. ,\ 3 - 5,\2 + 15,\ - 27 3 1. Demostracion 33. [
- 188 - 378]
51. 126 253
(a) Traza (b) Determinante
384 256 - 384]
Ejercicio deA deA
35. -384 -512 1152
[
17 7 0 - 128 -256 640
! 37. (a) Yerdadero. Vea la demostracion del teorema 7.4, paginas 354.
19 0 4
(b) Falso. Yea el teorema 7.6, pagina 358.
21
23
25
7
3
8
-27
-48
8
39. Sf P - [? : ~ l
41. Si, el orden de los elementos en la diagonal principal puede
27 7
cambiar.
-16
43-47. Pruebas
53-61. Prucbas 63. a = 0, d = 1 o a = 1, d =0 49. Debido a quc ,\ = 3 es el unico eigenvalor, y una base para el
65. (a) Falso. x debe ser distinta de cero. eigenespacio es {( I. 0) ) la matriz no tiene dos eigenvectores
(b) Ycrdadcro. Yea cl tcorcma 7.2, pagina 345. linealme nte independientes. Por el Teorema 7.5, la matriz no es
67. Dim = 3 69. Dim = I diagonalizable.
d
71. T(ex) = - [e x] = ex = I (e,•) Secci6n 7.3 (pagina 370)
dx
73. ,\ = - 2, 3 + 2x; ,\ = 4. - 5 + I Ox + 2x 2
; ,\ = 6, - I + 2x 1. Simetrica 3. No simetrica 5. Simetrica
[-o
n
I 0
75. ,\ =Q,[: ~],[~ _:},\ =3, [_~ ~]
77. ,\ = 0, I 79. Prueba
1. p - [
-J
: 0 1
p- AP = ~ a
0 ;]
A36 Respuestas a los ejercicios impares seleccionados
= C ,e-,
~
0 0 19. y 1 = C ,e- 4' 21. y 1
9. p
11. A =
=[
-I
I, dim =
I
0
I
H
13. A = 2, dim = 2
a
0
23. Y, = C,e-12,
Yi= C2e'/2
25. Y , = C,e-o.3,
Yi= C2e6'
YJ = C3e'
27. y 1 = C 1e1'
A= 3, dim = I A = 3, dim = I Yi = C2e-6' Yi= Cieo.4, Yi= C2e9'
15. A = -2, dim = 2 17. A = - 1, dim = I Y3 = C3e1' YJ = C3e-0.61 YJ = C3e-1,
A= 4, dim = I A = I + fi, dim = I Y4 = C4e-9'
A= I - ✓ 2, dim = I 29. y 1 = C 1e' - 4C2e 2' 31. y 1 = C,e-1 + C2e 31
19. A = - 2, dim = I 21. A = I , dim = 1 Y2 = C2e2, Y2 = -c,e-, + C2e3'
A = 3, dim = 2 A = 2 , dim = 3 33. y 1 = 3C1e - 2' - 5C2e4 ' - C3 e6 '
A = 8, dim = I A = 3, dim = I y 2 = 2C1e- 2' + 10C2e4 ' + 2C3e 6 '
23. Ortogonal 25. OrtogonaJ 27. No es ortogonal y3 = 2C2e4 '
29. Ortogonal 31. No es ortogonal 33-37. Pruebas 2
35. y 1 = C 1e' - 2C2e ' - 7C3e 3'
39. No es ortogonalmente diagonalizable Y2 = C2e 2' + 8C3e 3'
41. Ortogonalmente diagonalizable YJ = 2C3e 3'
,/2./2 ,/2./2] [ ,/3/3 37. Y,' = Y, + Y2 39. Y,' = Y2
../f,/3 ]
43. P = [ _ ✓2/2 ✓2/2 45. P = _ ./6/3 ./3/3 Yi' = YJ
(La respuesta no es unica.) (La respuesta no es unica.) y/ = - 4Yi
41 P -n -, !] (Luospm<a ao es ,ruca.)
47. A - :
43.
- ;] • A, =
[! -!J
-¾, A = %,
2 P =
45. [ 05
1a
-,~]
3
Jio
- ./3/3 - ✓ 2/2 ./6/6] I
49. - ,/3/3 fi/2 fl,/6 2 -2 Jio Jio
[
./3/3 0 ./6/3
(La respuesta no es unica.)
r_ 1½
51 p = -fi/2
.
✓ 2/2
0 ✓ 2 /2
0
0
✓
✓
2/2
2/2
0
3./3] , A1 = 4, A2 = 16, P =
7
n
Ambos productos son simetricos
1. X?
-
= [20], X 1 = [ )0]
5 · 10 ,. ,,-[~].,,-[::i 65. Sea P =
IPI =
r: !] una matriz ortogonal de 2 x 2 tal que
I. Defina () E (0, 27T) como sigue.
5
•
X2 =
400]
25
X =
100 ' 3
250]
100
25 7. X = t[~] 9. X - ,m (i)
(ii)
(iii)
Si a = 1. entonces c = 0. b = 0, y d = I, con() = 0.
Si a = - I, entonces c = 0, b = 0, yd = - I, con()= 7T.
Si a 2: 0 y c > 0, sea()= arccos(a), 0 < () :5 7T/2.
50 50
(iv) Si a 2: 0 y c < 0, sea () = 21r - arccos(a),
37T/2 :5 0 < 27T.
r~i
9. p =
~ ~1 X
13. p = [ ~
15. (a) a =
I
(b) a = 2-¼
O - I
(c) a ?:
(La respuesta no es unica.)
37. P = 3s -
./5
1
~1 ,.)
_l._
./5
(La respuesta no es umca .
I I
0
.Ji .Ji (d) )'
I I
39. P = 0 (La respuesta no es unica.)
.Ji .Ji
-:x·',
0 0
I I -+--+---t--;'I",--,-,-,- X
0 2 3
.Ji .Ji
41. p = 0 0 (La respuesta no es unica.)
I I
0
.Ji .Ji
Examen acumulativo capftulos 6 y 7
43. ( t f) 45. (j, f) 47. ( ¼, ½, ¼) 49. ( T6, i, T6) (pagina 389)
51. Prueba 53. A = [ ~ a A, = 0, A2 = ?
1.
2.
3.
Transformacion lineal.
No es una transformacion lineal.
dim(R") = 5; dim(R'") = 2
55 2 56 -40] 3 = [368 -304] 4. (a) ( 1, - 1, O) (b) (5, 1) 5. {(s, s, -r, t): s, t son reales}
• A = [ 20 - 4 ' A 152 -88
6. (a) gen {(0, - I, 0, I}, (I, 0, - I, 0)}
57. (a) y (b) Pruebas 59. Prueba
(b) gen {( I, 0), (0, I)} (c) dim(rango) = 2, nulidad = 2
A38 Respuestas a los ejercicios impares seleccionados
~i 8. [~
l
I
0 - 1
26.P •[_{'
I
Ji. 21. P =
.)3
l
.)3
I
l
Ji.
0
l
J6
2
• - [! Hl
I J6
9
·
o
[4
-2 3] 0 11
Ji. Ji. .)3
I I
- Ji.
I
J6
12. (a)
[.)3 A1 l.)3
~
-
2
r- l
-
2
1
(b)
- +.}3
2
l 29. [ 4 -4]
-4 4 30. X2 =
32. Prueba.
[6300]
14:~
y
(c)
-2 - I
19. ,\ = 5 (repetido), [_ :J
20. A = 3, [ _ :J A = 2, [ _~]
23. P = [~
0
- :
0 2
~i 24. P = [~
0
- ~ ~~i2
0
25. {(O, I, 0), ( 1, I, I), (2, 2, 3)}
fndice A39
indice
lndependencia lineal , 173, 25 1 Matrices columna-equivalentes, 114 encontrando por e limi naci6n de Gauss-
pruebas para, 174, 2 13 Matrices lila no codilicadas, 87 Jordan, de 64 aiios
lnducci6n Matrices simetricas. 57. 163,362 propiedades de, 67
hip6tesis, A2 diagonalizaci6n ortogonal de, 368 un producto de, 68
matemat ica, 109 propiedades de, 362, 366 inverso adi tivo de, 53
por la prueba, A2, A3 teorema fundamental de, 367 menor de, I05
Principia de, A I. A2 Matrices similares, 326, 353 multiplicaci6n de, 42, 51
l ntersecci6n de dos subespacios en un con los mismos valores propios, 354 identidad para, 55
subespacio, 164 propiedades de, 326 propiedades de, 54
l nversa Matriz (matrices), 13 y producto escalar, 234
dada por su adjunto, 129 adjunta de, 128 multiplicaci6n escalar de, 4 1
de un nt'.imero real, multiplicativo, 62 algebra de. 52 nilpotente, 102, 352
de un producto de dos matrices, 68 antisimetrica, 61 , 127, 222 no invertible, 62
de una matriz de transici6n. 204 aumentada, J3 no singular, 62
de una transformaci6n lineal, 3 18, cero, 53 condiciones equivalentes para, 123
319 coeficiente, 13 nulidad de, 194
de una matriz, 62, 66 cofact ores de, I 05 operaciones con, 40, 41
determinante de, 122 columna de espacio de, 189, 306 ortogonal, 127, 258, 288, 364
encontrada por eliminaci6n de Gauss- columna de, 13 ortogonalmente diagonalizable. 367
Jordan, de 64 aiios columna equivalente, 114 para una transformaci6n lineal, estandar,
propiedad. aditivo, para los vectores, 148, columna, 40 3 14
150 combinaci6n lineal de. 46 particionado, 40, 46
propiedades de, 67 compaiiera, 386 polinomio caracterfstico de. 345
de un vector, 15 1, 155 contiguo, 64 primaria, 74, 77
de una matriz, 53 controlabi lid ad, 308 para transformaciones lineales, 330
Inverso aditivo coordinada, 202, 203 principal de d iagonal, 13
propiedades de, 148, 150. 151 cuadrada de orden 11, 13 producto de, 42
lsomorfismo. 31 1 determinante de, I 06 determinante de, 120
pasos para diagonalizante, 356 propiedades de, 52
J resumen de las condiciones rafz de 11, 60
Jacobiano, I 08, 139 equivalentes. 198 rango de, 193
Jordan, Wil helm ( 1842- 1899), 19 de cofactores, 128 rastro de, 50, 302, 35 1
J untar dos matrices, 64 de la forma cuadrat ica, 376 real, 13, 40
de probabilidades de transici6n, 84 rigidez, 64, 72
K de salida. 9 1 simetrica. 57, 163, 362
Kepler, Johannes (1571-1630). 28 de T relativo a una base. 320. 32 1. 324 d iagonalizaci6n ortogonal de. 368
Kernel, 303, 305 demanda externa, 9 1 propiedades de, 362. 366
determinante de, 66, 104, 106, 108 teorema fundamental de, 367
L diagonal, 49, 109 similares, 326, 353
La normal izaci6n de un vector, 227 diagonalizable, 353, 367 con los mismos valores propios, 354
La rotaci6n de, 382 ecuaci6n caracterfstica de, 345 propiedades de, 326
Lado izquierdo del sistema, 273 entrada de 13 de singular, 62
Laplace, Pierre Si mon de ( 1749- 1827). 106 entrada-salida. 90 subespacios fundamentales de, 258. 264
Legendre, Adrien-Marie ( 1752-1833). 255 escalar multiplo de, 4 1 suma de, 4 1
Leontief, Wassily W. ( 1906- 1999), 90 determinante de, 12 1 propiedades de, 52
Ley de Hooke, 64 espacio fi la de, 189 tamaiio de, 13
Leyes de Kirchhoff, 30 base para, 190 transformaci6 n I ineal dad a por, 296
Lfder espacio nulo de, 194 transformaci6n, para bases no estandar. 320
coeliciente, 2 estado, 85 transici6n edad, 372
uno, 15 estandar, por una transformaci6n lineal. transici6n. 204, 206. 324
variables, 2 3 14 transposici6n de, 57
Lfnea estocastico, 84 determinante de, 124
reflejo en. 330, 340 fi la de, 13 propiedades de, 57
regresi6n de minimos cuadrados, 93, 259 fila equi valente, 14, 76 triangular, 79, I 09
Lineal no homogenea lila, 40, 87 determinante de, 109
ecuaci6n d iferencial, 2 12 flexibilidad, 64, 72 valores propios de, 348
siste ma, soluciones de, 197 forma escalonada, 15 valor propio (s) de, 14 1,342,345
Longitud. 226. 227. 240 forma reducida escalonada de, 15 vector propio (s) de. 141. 342, 345
formar para la regresi6n lineal, 94 Matriz antisimetrica, 6 1, 127, 222
M fuerza. 64, 72 Matriz aumentada, 13
Magnitud de un vector. 226 idempotente, 83. 99, 127, 329, 352, 387 Matriz compaiiera, 386
Mano derecha del sistema, 273 identidad aditivo para, 53 Matriz con particiones, 40, 46
Mapa, 292 identidad, 55, 56 Matriz coordi nada, 202, 203
Matematica igualdad de, 40 Matriz cuadrada de orden 13
inducci6n, I 09, A I-A3 inversa de, 62, 66 determinante de, 106
modelado, 267 dada por su adjunto, 129 menores y cofactores de, 105
Matrices codificadas en fi las, 87 determinante de, 122 pasos para diagonalizante, 356
A42 fndice
Matriz de controlabilidad, 308 N Poblaci6n
Matriz de demanda externa. el 9 1 Negativo de un vector, 147, 149 crecimiento. 372, 373
Matriz de dos por dos No conmutatividad de la multiplicaci6n de genetica, 359
determinante de, 66, 104 matrices, de 55 Po lin6mica. 255. 276
inversa de, 66 No trivial ajuste de curvas, 25-28
Matriz de llexibilidad. 64, 72 soluciones, 173 caracterfstica, 14 1, 345
Matriz de Hesse. 369 subespacios, 163 Po linomio de Taylor de grado I. 276
Matriz de Householder, 73 Norma de un vector, 226, 240 Po linomios de Legendre norrnalizados, 255
Matriz de insumo-producto. 90 Nulidad, 194, 307 Po linomios de Legendre, norrnalizados, de
Matriz de la fuerza, 64, 72 Numero de 255
Matriz de rigidez, 64, 72 operaciones para evaluar un factor Preimagen de un vector asignada, 292
Matriz de transici6n, 372 determinante, 116 Preservaci6n de operaciones, 293
Matriz de lransiciones, 204, 206, 324 soluciones, 5, 21 , 56 Primera ley de movimiento planetario de
Matriz diagonalizable, 353. 367 vectores en una base 184, Kepler, 135
0
Matriz estocastica, 84 rafz de una malriz, 60 Principal teorema de los ejes, 377
Matriz idempotente, 83. 99, 127, 329, 352, Principio de inducci6n matematica, A I , A2
387 0 Probabilidades de transici6n, matriz de 84,
Matriz nilpotenle, 102,352 Operaciones Producto
Matriz no invertible, 62 columna de primaria, 11 4 area de un triang ulo con, 283
Matriz no singular, 62 con matrices, 40 cruz. 271
condiciones equivalentes para, 123 estandar en R2, 149 espacio, 237
Matriz singular, 62 fi la primaria. 14 interior, 237
Matriz triangular inferior, 79, 109 representando, 75 pesos de los terminos de, 238
factorization 11, 79 y detenninantes, I 13 propiedades de, 239
Matriz triangular superior, 79, I09 que producen sistemas equivalentes, 7 propiedades de, 272, 273
Matriz triangular, 79, 109 vector. 147 punto. 229
determinante de. I 09 Operaciones de fila. ele mentales. 14 y la muhiplicaci6n de matrices, 234
valores propios de. 348 Operador Producto de dos vectores, 229
Menor, 105 diferencial, 299 Producto interno, 237
Metodo de los mfnimos cuadrados, 93 lineal, 293 Producto vectorial de dos vectores, 27 1
Mfnimos cuadrados, 259 Operador diferencial, 299 Producto, espacio interior. 237. 240, 242
aproximaci6n, 275-277 Operador lineal, 293 proyecci6n ortogonal en, 243
metodo de, 93 Orden Programaci6 n lineal, 47
problema, 259, 265 base, 202 Propiedad asociativa
regresi6n par, 146 de la adici6n de la matriz, 52
analisis. 92-94, 259, 265-268 Orden de una matriz cuadrada, 13 de la multiplicaci6n de matrices, de 54
lfnea,93,259 Ortogonal de la multiplicaci6n escalar
Misma direcci6n, vectores paralelos, 226 base, 248, 253 de la suma de vecto res, 148, 150, 155
Modelando, matematica, 267 complemenlar, 260 para las matrices, 52
Modelo de insumo-producto de Leontief, 90, diagonalizaci6n de una matriz simetrica, por vectores, 148, 150, 155
91 368 Propiedad conmutativa
Morphing, 174 matriz, 127,258.288, 364 de la suma de la matriz. 52
Muestreo, 166 mutuamente, 248 Propiedad distributiva
Multiplicaci6n de matrices, 42, 51 proyecc i6n, 242, 243, 340 para las matrices. 52, 54
escalar, 4 1 sobre un subespacio. 302 Propiedades algebraicas de! producto
propiedades de, 52 subespacios, 260, 262 vectorial, 272
identidad para, 55 vectores, 232, 240 Propiedades de
propiedades de, 54 y la distancia, 244, 263 cancelaci6n, 69
y producto escalar, 234 Ortogonal, matriz diagonalizable. 367 conjuntos linealmente dependientes, 176
Multiplicaci6n escalar Ortonormal, 248, 252 detenninantes. 120
propiedades de, 52 identidad aditiva y inverso aditivo, 15 1
propiedades de, 148, 150, 158 p matrices cero, 53
en R2• 149 Parabola, la fonna estandar de la ecuaci6n matrices inversas, 67
Multiplicador de Lagrange, 34 de, 2 15 matrices invertibles, 77
Multiplicati vo Parab6 lica, 2 17 matrices ortogonales, 364
inversa de un numero real, 62 Parabo loide hiperb6lico, 38 I matrices simetricas. 362, 366
propiedad de identidad Parabo loidc, 38 1 matrices similares, 326
para las matrices, 52 Paralelepfpedo, volumen de, 282 matriz de identidad. 56
para los vectores, 148, 150 Paralelogramo, area de, 273 multiplicaci6n de matrices, de 54
Multiplicidad de un valor propio, 347 Parametro, 3 multiplicaci6n escalar
Multiplo escalar Particular, soluci6n, 197 de vectores, 158
de un vector, 149 Patron de muestreo por cofactores, I05 y la adici6n de la matriz, 52
de una malriz, 4 1 Peirce. Benjamin (1809- 1890). 43 y la suma de vectores, 148, 150
determinante de, 121 Peirce, Charles S. ( 1839-1914), 43 producto escalar, 229
longitud de, 227 Plano. fonna de tres puntos de la ecuaci6n producto vectorial, 272, 273
Mutuamente ortogonales, 248 de, 135 productos intemos. 239
fndice A43
subespacios ortogonales. 262 Red Sistema econ6mico abierto, 9 1
suma de matrices y multiplicaci6n escalar, analisis, 29-31 Sistema econ6mico cerrado, 90
52 electrica, 30, 3 16 Sistema inconsistente de ecuaciones lineales,
suma de vectores y multiplicaci6n escalar, Red electrica, 30, 3 16 5, 8, 18
148, 150 Red Escalera, 316 Sistema indeterminado de ecuaciones lineales,
transformaciones lineales, 294 Reducci6n de la forma escalonada de una 38
transpone. 57 matriz, 15 Sistema lineal, homogeneo. 197
Propiedades de cancelaci6n. 69 Reflexi6n en R2, 330, 340 Sistema no amo rtiguado. 158
Propiedades geometricas del producto, 273 Regla de Cramer, 124, 130. 13 1 Sistema sobredeterminado de ecuaciones
Proyecci6n Regla de la mano derecha, 334 lineales, 38
en 298 Regresi6n base estandar para, 182
o rtogonal, 242, 243, 340 analisis, 298 Sistemas dinarnicos, 388
sobre un subespac io, 262, 302 minimos cuadrados, 92-94, 259, 265- Sobre transformaci611 lineal. 3 10
Prueba para 268 Soluci6n
independencia lineal. 174, 2 13 lineal, forma de matriz para, 94 conjunto, 3
puntos alineados en e l piano xy, 133 lineal, minimos c uadrados, 93, 259 de un sistema de ecuaciones lineales, 4,
puntos coplanares en el espacio, 134 Representaci6n 197. 198
un subespacio, 162 base, la singularidad de, 182 numero de, 5, 56
una base en un espacio dimensional, 186 coordinar, 202, 209 de un sistema homogeneo, 2 1, 194
Punto parametrica, 3 de una ecuaci6n diferencial lineal, 212,
fijo, 302, 335 Representaci6n coordenada. 202, 203 2 13
inicial. 146 Representaci6n de las operaciones elementales de una ecuaci6n lineal. 3
terminal, 146 de fila, 75 espacio, 194. 196
Punlo fij o de una transformaci6n lineal, 302, Representaci6n parametrica, 3 no tri vial, 173
335 Resolver trivial, 173
Punto inicial de un vector, 146 el problema de mfnimos cuadrados. 265 Soluci6n general, 213
Punto terminal de un vector, 146 un sistema de ecuaciones lineales, 6, 45 Soluci6n obvia, 2 1
Puntos alineados en el piano xy. prueba para, una ecuaci6n. 3 Subespacial adecuada, 163
133 Resta Subespacio (s), 162
Puntos coplanarios e n el espacio, prueba de de vectores, 147, 149 cero, 163
134 Resumen de las condi cio nes equivalentes correcta, 163
para, 198 de R2, 165
R Rotaci6n fundamental, de una matriz, 258, 264
R" de ejes, para una c6nica. 216, 2 17 gama de, 306
angulo entre dos vectores en, 23 1 de una superficie cuadrica. 382 intersecci6 n de, 164
cambio de la base de, 204 en R2 , 297 no trivial. 163
distancia entre dos vectores en, 228 en R 3• 333. 334 ortogonal, 260, 262
estandar proyecci6n sobre, 262
base para, 180 s prueba para, 162
operaciones en, 149 Salida suma de, 224
longitud de un vector en. 226 de un sistema econ6mico, 90 suma directa de, 224, 26 1
norma de un vector en, 226 matriz, 91 trivial, 163
producto escalar en, 229 Schmidt, Erhardt ( 1876- 1959), 253 vectores propios de una forma. 344
representaci6n en coordenadas, 202 Schwarz. Hermann ( 1843- 1921 ), 230 Subespacios fundament ales de una matriz,
subespacios de, 165 Secuencia de Fibonacci. 388 258. 264
R2 Secuencia Fibonacci, 388 Subindice
angulo entre dos vectores en, 229 Segmenlo orientado, 146 columna, 13
c izallas en, 33 1, 332 Series, Fourier, 250, 28 1 fila, 13
contraccio nes en. 33 1 Si, y s61o si. 40 Suma
expansiones en, 33 1 Singularidad de dos subespacios, 224
La reproducci6n en, 335 base de la representac i6n, 182 de dos transformaciones lineales, 338
reflexiones en, 330, 340 de una matriz inversa, 62 de error al cuadrado, 92
rotaci6n en, 297 Sistema consistente de ecuaciones lineales, 5 de rango y la nulidad, 307
traducci6n en, 302, 337 Sistema controlable, 308 directa, 224, 26 1
transformaciones lineales en geometrfa, de, Sistema de Suma directa de dos subespacios, 224, 26 1
330 de primer orden ecuaciones diferenciales Superficie cuadrica, 380, 38 1
lineales, 374 rastro de, 379
angulo entre dos vectores en, 273 ecuacio nes lineales. 4, 38 rotaci6n de, 382
base estandar para, 180, 248 consistente, 5 Sustituci6n de Back. 6
en proyecci6n, 298 equivalente, 6, 7 Sustituci6n de Back. 7
rotaci6n en, 333, 334 forma de, 6 escalo nada Eliminaci6n de Gauss con, 16
Rango, 193,292,306 homogenea, 2 1 Sustituci6n delantera, 80
rastro de, 379-38 1 inconsistente, 5, 8, 18
Real resoluci6n. 6, 45 T
matriz. 13, 40 soluci6n (s) de, 4, 5, 56, 197, 198 Tamafio de una matriz. 13
numero, inverso multiplicativo, 62 Sistema de Posicionarniento Global, 16 Taussky-Todd, Olga ( 1906-1995), 228
A44 fndice
Teorema espacio nulo de. 305 Vecto res paralelos d irecci6 n opuesta. 226
Cayley-Hamilton, 14 1,351 expansi6n en el 33 1 Vectores paralelos. 226
Ejes Princ ipales, 377 inversa de. 3 18, 3 19 Vecto res perpendiculares, 232
Fundamental isomo rfismo, 31 I Vecto res, 146, 149, 155
de algebra, 345 kernel de, 303 angulo entre dos, 229, 23 1, 240, 273
de matrices sirnetricas, 367 matriz estandar para, 3 14 cero. 147, 149
Pitagoras. 233. 242 nulidad de, 307 columna, 40, 189
Teorema de Pitagoras. 233. 242 operador di ferencial. 299 combinaci6n lineal de, 46
Teorema espectral real. 362 propiedades de. 294 combinaci6n lineal de, 152, 169
Teorema fundamental de algebra, 345 proyecc i6n en 298 componentes de, 146
de matrices simetricas, 367 proyecc i6n ortogonal sobre un subespacio, coordenadas en relaci6n con una base,
Termino constante, 2 302 202
Te traedro, volumen de, 134 punlo fijo de, 302, 335 distancia entre dos, 228, 240
Torque, 271 rango de. 307 en el piano, 146
Trabajo, 242 reflejo en 330, 340 en una base, el numero de. 184
Traducci6n en R2, 302. 337 rotaci6n en 297 espacio, 155
Transformaci6n rotaci6n en 333. 334 base para. 180
affn, 174, 338 sum a de, 338 conjunto generador de, 171
cero, 294 uno-a-uno, 309, 3 10 dimensi6n de, 185
identidad, 294 valor propio de, 349 dimensi6n finita, 180
a, 3 10 vector propio de, 349 dimension infinita. 180
ampliaci6n en 335 y diagonalizaci6n, 359 isomorfis mos de, 311
composici6n de, 3 16. 3 17 Transformada de Laplace, 124 producto interior para, 237
contracci6n en el aiio 331 Transpuesta de una matriz, 57 resumen. 157
conante en R2, 33 1, 332 dete rminante de. 124 subespacio de, 162
dada por una matriz. 296 Traza fila, 40, 189
en el aiio 330 de una matri z, 50, 302, 351 identidad aditiva de, 15 1
espacio nulo de, 305 de una superficie, 379-38 1 igual, 146, 149
expansi6n en el 33 1 Tres por tres matriz. determinante de. in verso aditivo de, IS I
garna de, 306 metodo alternati ve, 108 la distribuci6 n por edad, 372
inversa de, 3 18, 319 Triangulo loogitud de, 226, 227. 240
isomorfismo, 3 11 area, 132, 283 magnitud de, 226
kemel de, 303 desigualdad, 233, 242 multiplicaci6n escalar de, 147, 149, 155
matriz estandar para, 3 14 Triple escalar, 282 propiedades de, 148, 150
nulidad de, 307 de dos matrices, 42 negative de, 147, 149
operador diferencial. 299 determinanle de, 120 norma de, 226, 240
propiedades de, 294 inversa de. 68 normalizaci6n, 227
proyecci6n en 298 Triple producto escalar, 282 numero en una base, 184
proyecci6n ortogonal sobre un Trivial operaciones, 147, 149
subespacio, 302 soluci6n, 21 , 154, 173 ortogonal , 232, 240
punto fijo de, 302, 335 Parale lamente, 226
rango de, 307 V perpendicular, 232
reflejo en R 2• 330, 340 Valor propio, 141 , 342, 345, 346, 349 probabilidad de estado estacionario, 386
rotaci6n en R 2• 297 333. 334 de matrices triangulares, 348 probabilidad, en estado estac ionario, 386
suma de, 338 matrices de similares, 354 producto interno de, 237
uno-a-uno. 309, 310 multiplicidad de. 347 producto vectorial de dos, 271
valor propio de, 349 problema, 342 pro yecci6n sobre un subespacio, 262
vector propio de. 349 VariabiIidad de la frecuencia cardfaca, 249 punto inicial de, 146
y diagonalizaci6n, 359 Variable punto terminal del, 146
matriz para bases no estandar, 320 libre, 3 puntos producto de dos, 229
Transformaci6n affn , 174, 338 Variable libre, 3 representaci6n par o rdenado, 146
Transformaci6n lineal uno a uno, 309, 3 10 Vector de coordenadas, con relaci6n a una suma de, 147, 149, 155
Transformaci6n lineal, 293 base, 202 propiedades de, 148, 150
a, 3 10 Vector de distribuci6n. 372 unidad. 226. 240
ampliaci6 n en 335 Vector de probabilidad. en estado Ve1tical
composici6 n de, 3 16, 3 17 estacionario, 386 Volumen, 134,282
contracci6n en el aiio 33 1 Vector propio, 141 , 342, 345, 346. 349
conante en 33 1, 332 de formar un subespacio, 344 w
dada por una matriz, 296 Vector, 226, 227, 240 Unidad Wronski, Josef Maria ( 1778- 1853), 213
en R2, 330 Vectores de lgualdad, 146, 149 Wronskiano, 213
Resumen de propiedades matriciales A45
l. A/ 11 =A
2. /11,A =A
l. A es invertible.
2. Ax = b tiene una unica soluc i6n para cualquier matriz b den X I.
3. Ax = 0 solo tiene la soluci6n trivial.
4. A es equivalente por renglo nes a En.
5. V\I * o
6. Rango(A) = n
7. Los vectores reng16n n de A son linealmente independientes.
8. Los vectores columna n de A son linealmente independientes.
A46 Resumen de propiedades matriciales
l.u · v = v·u
2. u · (v + w) = u · v + u · w
3. c(u · v) = (cu) · v = u · (cv)
4. V • V = [[v[[ 2
5. v · v ~ 0, y v · v = 0 si y solo si v = 0.
1. u X V = - (v X u) 4. u X O = 0 X u = 0
2. u X (v + w) = (u X v) + (u X w) 5. u X u = 0
3. c(u X v) = cu X v = u x CV 6. u · (v X w) = (u X v) · w
* Para problemas complicados, este proceso puede facilitarse con el uso de la tecno logfa indicada.