Algebra Lineal Stanley Grossman Parte 1

;/
~ ~ h

ALGEBRA LI~~E1t a

~

ALGEBRA LINEAL

SEGUNDA EDICION

STANLEY I.

GROSSMAN

University of Montana

Coordinador de /a treduccioru M. en C. Sergio Vargas Galindo

Traductores:

Dr. Jose Luis Farah M. en C. Javier Alagon Cano Mat. Carlos Munoz Abogado Mat. Jesus Noriega Rivero

Instituto Tecnol6gico Aut6nomo de Mexico (ITAM) Revisor tecntco. 'ng. Francisco Paniagua Bocanegra Universidad Nacionai Aut6noma de Mexico (UNAM)

Grupo Editorial Iberoamerica ~ Rio Atoyac No. 32-: 06500Mi~ico. Dr - Tels. 21lJ12S. 5530798 ~

A Kerstin, Erik y Aaron

AI.GEBRA LINEAl. - Segunda edici6n

Version en espanol de la obra Elementary Linear Algebra - Third Edition, par Stanley 1. Grossman.

Edicion original en ingles publicada par Wadsworth, lnc., Copyright © 1987, en Estados Unidos de America.

ISBN 0-534-07422-7

D.R. © 1988 por Grupo Editorial lbcr oarner ica, S.A. de C.V. y/o Wadsworth Internacional! Iberoamerica, Belmont, California 94002. Ninguna parte de este libra puede ser reproducida, archivada 0 u ansrnitida en forma alguna 0 mediante algun sistema, ya sea clectronico, mecanico, de fotorreproduccion, de almacenamicnto en memoria 0 eualquier otro,

sin el previo y expreso perrniso por escrito de Grupo Editorial Ihcroamcrica y/o Wadsworth Internacional/Iberoamerica, division de Wadsworth, Inc.

ISBN 968-7270-39-X Impreso en Mexico

Editor: Nicolas Grepe P. Product or: Oswaldo Ortiz R. Cubierta: Louis Neiheisel

Grupo Editorial Ibcroamerica, S.A. de C. V.

Rio Atoyac No. 32 - Col. Cuauhternoc - 06500 Mexico, D.F. Apdo. 5-192 - Tels. 2113128, 5530798

Reg. CNIEM 1382

Pr'l g

Hasta haee unos veinte afios, solo estudiaban Algebra Lineal los estudiantes con graduacion en maternaticas y ffsica y quienes, por trabajar en areas como la estadistica matematica de varias variables, necesitaban po seer conocimientos de teona de matrices. Ahora se estudia Algebra Lineal en una amplia gama de disciplinas debido a la presencia de las computadoras de alta velocidad y al desarrollo en la aplicacion de las matematicas en areas tradicionalmente no tecnicas,

AI escribir este texto tuve presentes dos objetivos. 'Irate de hacer que un amplio temario de Algebra Lineal fuera accesible a una amplia varied ad de estudiantes que necesitaban solo conocimientos basicos de algebra de bachiJIerato. Como muchos estudiantesya habrian cursado un ana de calculo, he incluido tambien muchos ejemplos de esta materia, los cuales se indican con el simbolo ::J. Una seccion opcional (la Seccion 6.7) requiere del calculo, pero este no es requisito indispensable.

Mi segundo objetivo fue con veneer a los estudiantes de la importancia del Algebra Lineal para sus campos de estudio. De modo que, especialmente en los primeros capitulos, los ejemplos se tomaron de una diversidad de disciplinas, Tales ejemplos son necesariamente breves pero representatives del mundo de las matematicas. Ejernplos mas detallados y extensos pueden encontrarse en la obra complement aria Aplicaciones de Algebra Lineal.

En este texto utilice un planteamiento gradual. Los Capitulos 1 y 2 COiltienen material analitico basico comun a Ia mayoria de los textos elernentales de Algebra Lineal. EI Capitulo 1 analiza vectores, matrices y sistemas de ecuaciones lineales, mientras el Capitulo 2 constituye una introduccion a los determinantes.

Sin embargo, aun en estos primeros capitulos hay secciones opcionales que tienen el propos ito de plantear alga mas avanzado a los estudiantes, Por ejemplo, la Seccion 1.11 contiene inversas unilaterales de matrices no cuadradas; en la Seccion 2.3 se proporciona una dernostracion completa de que detAB =

vii

viii

PROLOGO

Prologo

ix

det A det B. La prueba de este resultado primordial utilizando matrices elemen tales, general mente no se incluye en textos introduetorios.

Una earaeteristiea importante del texto es la aparicion frecuente del Teorema Resumen, que estableee puntos de union entre temas dispares en el estudio de matrices y transformaeiones lineales. EI Teorerna aparece por primera vez en la Seccion 1.2. Versiones mas completas se tienen en las Secciones 1.8, 1.10, 2.5, 4.4, 4.7, 5.4 y 6.1.

EI Capitulo 3 analiza vectores en el plano yen el espacio. Muchos de los temas de ~ste capitulo se cubren en una secuencia de calculo. Puesto que gran parte del Algebra Lineal trata de espacios vectoriales abstractos, los estudiantes neeesitan una buena provision de ejemplos concretes, mas facilmcnte propercionados por el estudio de vectores en el plano y en el espacio. Los Capitulos 4 y 5 que contienen ternas mas diffciles y abstractos se ilustran con ejemplos tornados del muy concreto Capitulo 3.

El Capitulo 4 contiene una introduccion a los espacios vectoriales generales y. es neccsariamente mas abstracto que los capitulos que 10 anteceden. Trate:

Sill embargo, de presentar el material como una extension natural de las propiedades de los vectores en el plano -que es realmente como evoluciona el tema. Al final del Capitulo 4 se agrega una seccion optativa en la cual demuestro que tad a espacio vectorial tiene una base. En cste proceso se analizan los conjuntos parcial mente ordenados y ellema de Zorn. Este material es necesariarnente mas abstracto que cualquier otro del Iibro y puede ser omitido. Sin embargo, ereo firmemente que asi como el Algebra Lineal se considera como el primer curso de matematicas en el cual Ias demostraciones son tan importantes como los calculos, la demostraci6n de este result ado fundamental debe ponerse al alcance de los estudiantes mas motivados.

En el Capitulo 5 continua la discusion cornenzada en el Capitulo 4 con una introduccion a las trans formaciones lineales de un espacio vectorial a otro. EI capitulo comienza con dos ejemplos que muestran como tales transforrnaciones pueden surgir de manera natural.

El Capitulo 6 describe la teorta de los valores y los vectores caracteristicos (0 propios). Su introduccion se localiza en la Seccion 6.1 y una aplicacion biologica detallada se da en la Seccion 6.2. En las Secciones 6.3, 6.4 y 6.5 interviene, en la diagonalizacion de una matriz, mientras que la Seccion 6.6 ilus, tra, en unos cuantos casos, como puede ser reducida una matriz a una forma canonica de Jordan, En la Seccion 6.8 presento dos de mis resultados favoritos de la teoria de matrices: el teorema de Cayley-Hamilton y el teorema del Circulo de Gershgorin. EI ultimo, escasarnente discutido en un texto de Algebra Lineal elemental, proporciona una manera mas facil de estimar los valores caracterfsticos de cuaJquier matriz.

En este Capitulo 6, tuve que tomar una difieil decision: analizar los val ores y vectores caracteristicos completes 0 no hacerlo. Decidi incluirlos porque me parecio lo mas indicado. Algunas de las matrices mas "atractivas" tienen valores caracteristicos complejos. Definir un valor caracteristico como un numero real solamente, puede hacer que las cosas parezcan mas simples, pero esto ciertamente es erroneo. Mas aun, en much as aplicaciones concernientes a los valores caracteristicos (incluyendo parte del material de la Seccion 6.7) los rnodelos mas interesantes dan par resultado fenomenos periodicos, y estes incluyen val ores

caracteristicos cornplejos. Los numeros compiejos no se evitan en este libro. Para los alumnos que no los han estudiado antes, las pocas propiedades que necesitan se describen ampliamente en el Apendice 2.

En estos tiernpos de calculadoras y computadoras al alcance de todos, es importante describir en un texto de algebra lineal como se hacen los calculos en la "vida real". En los prirneros capitulos muchos calculos se hicieron con calculadora. EI Capitulo 7 contiene una introduccion a varias tecnicas numericas utilizadas para resolver sistemas de ecuaeiones y deterrninar valores y veetores caracteristicos, La Seccion 7.1 analiza algunos de los problemas que pueden surgir cuando se resuelven problemas por computadora. Las tecnicas expuestas en las Seceiones 7.1 , 7.2 y 7.3 pueden estudiarse en cualquier momento despues del Capitulo 1. El material de la Seccion 7.4 (referente al calculo de valorcs y vectores caracteristicos) utiliza material presentado en la Seccion 6.1.

Este libro contiene dos apendices -uno sobre induccion matematica y otro acerca de los numeros complejos. Algunas de las demostraciones dadas en el utilizan induccion maternatica, y para los estudiantes que no han manejado este importante metodo , e! Apendice lies proporciona una breve introduccion.

Ahora una palabra sobre la dependencia reciproca de los capitulos. Ellibro fue escrito en forma secuencial, cada capitulo depende del precedente, con dos excepciones, El Capitulo 6 puede ser cubierto sin referirse a rnucho del material del 5. EI Capitulo 7 (excepto la Seccion 7.4) puede ser tratado despues del l . Par otra parte, las secciones marcadas "opcional" se pueden omitir sin perdida de continuidad.

En mi opinion, la parte mas importante de cualquier texto de maternaticas elementales es el uso de ejemplos 0 problemas. Considero haber aprendido mucho de algebra lineal resolviendo problemas, y creo que esto se veri fica tambien para la mayoria de los estudiantes. Asi, en muchas secciones he incluido tantos ejemplos como sea razonable, seguidos por un buen mimero de problemas de ejercicios y otros de naturaleza mas teorica. Son cornplcmentados por ejercicios de repaso al final de cada capitulo. Los problemas mas di ficiles estan marcados con una estrella ( * ) y unos pocos excepcionalmente dificiles con dos ( **).

Las respuestas de los problemas de numero impar, incluyendo dernostraciones, aparecen al final del libro. Las respuestas a los problemas de numero par pueden obtenerse en un suplernento especial dirigiendose al editor.

La numeracion en ellibro es la usual. Dentro de cada seccion, los ejernplos, problemas, teoremas y ecuaciones estan numerados consecutivarnente a partir dell. La ref'erencia a un ejemplo, problema, teorema 0 ecuacion fuera de la seccion en la eual aparece, se formula por capitulo, seccion y numero. As!, c1 Ejemplo 4 de Ia Seccion 2.5 se menciona simpJemcnte, Ejernplo 4 en tal seccion, pew fuera de la misma se refiere como Ejemplo 2.5.4.

Cam bios notables en la tercera edicion

Durante los siete anos en que estuvieron publicadas las dos ediciones anteriores de Algebra Lineal rnuchos lectores enviaron sus criticas y sugerencias. Mas aun, algunas personas leyeron partes del manuscrito de la tercer a edici6n y sugirieron

X PRO LOGO

algunas formas de hacer el texto mas accesible a los estudiantes, Por ello, he hecho un gran nurnero de pequefios cambios que facilitaran la lectura de este libro.

Una de las criticas a la segunda edicion fue la de que habia una brecha muy grande entre eI material analitico operacional de la primera parte dellibro, y el material mucho mas teorico que Ie seguia. Para no interrumpir Ia continuidad en el nivel del Iibro, he efectuado varios cambios notables incluyendo los siguientes:

.. Los sistemas de ecuaciones y matrices aparecen ahora en un solo capitulo.

Algun material redundante fue eliminado,

Revisores de fa rercera edidol1

John Chapman Southwestern University

Thomas D. Forrest Middle Tennessee State University

Henrv Helson Univ~rsity of California, Berkeley

.. Las matrices elernentales se presentan en la nueva Seccion 1.10 .

.. En la Seccion 1.11 se ha anadido una descripcion de inversas unilaterales para matrices no cuadradas, Las nociones de mapeo 0 representacion uno a uno y sobre se esbozan aqui.

Re:visores de la segunda edid6n

.. Una demostracion completa de detAB Seccion 2.3.

det A det B aparece ahora en 1a

P. A. Binding University of Calgary

" EI contenido del Capitulo 3 (0 sea el Capitulo 4 de la segunda edicion) proporciona un resumen de geometria vectorial en [R2 y [R3. Este capitulo ha sido "flexibilizado " de modo que puede servir en dos forrnas: como de repaso para estudiantes que ya conocen el material por un curso de calculo de varias variables, y como una breve introduccion para aquellos estudiantes que no han tornado tal curso.

Joseph M. Cavanaugh

East Stroudsburg State College

Louis Florence

University of Toronto

Eugene Johnson University of Iowa

.. En uno U otro casos el tema puede ser estudiado rapidamente para dar mas tiernpo al profesor en Ia exposicion de los temas de espacio vectorial que siguen.

Revisores de Ia primera edidon

.. La demostracion de que todo espacio vectorial tiene una base se halla en Ia Seccion 4.12.

Donald F, Bailey Cornell College

Reconocimientos

Richard W. Ball Auburn University

Estoy muy agradecido can much as personas cuya ayuda recibi durante el tiempo en que escribi este Iibro. Recibi una gran colaboracion en la elaboracion de problemas y conjuntos solucion de parte de Robert Hollister, estudiante de posgrado de la Universidad de Montana, y de Robert Osterheld, tam bien estudiante de posgrado en Ia Universidad de Purdue. Asirnismo, agradezco a Academic Press, lnc., su autorizacion para utilizar material de mi libro Calcular, tercera edicion, Capitulo 3. Tengo una deuda especial con Jim Harrison, supervisor editorial de maternaticas en Wadsworth, cuya direccion y conocimientos me ayudaron en las etapas mas dificiles del proceso de escritura.

Tambien quiero expresar rni gratitud a los siguientes revisores quienes hicieron aportaciones muy valiosas para la confiabilidad y didactica de este texto.

Sandra A. Bollinger Longwood College

James Bradley

Roberts Wesleyan College

Joel V. Brawley Clemson University

Paul Bugl

University of Hartford

Pr61ogo xi

William Jacob

Oregon State University

R. Bruce Lind

University of Puget Sound

Bryan Smith

University of Puget Sound

R. Van Enkevort University of Puget Sound

Graham A. Chambers University of Alberta

Ronald Eldringhoff

St. Louis Community College

John Sawka

University of Santa Clara

Keith Stumpff

Central Missouri State University

Barbara Ann Greim University of North Carolina en Wilmington

Charles H. Haggard Transylvania University

Da vid Kinsey

Indiana State University

Thomas Lupton

University of North Carolina en Wilmington

J. J. Malone

Worcester Polytechnic Institute

xii PROLOGO

Gary Chartrand

Western Michigan University

Richard J Easton Indiana State University

Gary L. Eerkes Gonzaga University

Garret 1. Etgen. University of Houston

William R. Fuller Purdue University

John D. Fulton Clemson University

Lillian Gough University of Wisconsin

Douglas D. Smith

Central Michigan University

T W. Tucker Dartmouth College

Marcellus E. Waddill Wake Forrest University

James Wall Auburn University

Edwin L. Marsden Norwich University

Martin E. Nass

Iowa Central Community College

John Petro

Western Michigan University

William B. Rundberg College of San Mateo

William Rundell

Texas A & M University

David Schedler

Virginia Commonwealth University

Jack C. Slay

Mississippi State University

Cary Webb

Chicago State University

James J Woeppel

Indiana University Southeast

Dennis G. Zil!

Loyola i'vIarymount University

CAPiTULO

nido

nt

Pro logo, vii AI estudiante,

xvii

1

Sistemas de ecueciones lineales y matrices 1

Introduccion,

Dos ecuaciones lineales en dos inc6gnitas, 2

Vectores, 6

Matrices, 14

Productos de vectores y matrices, 19

m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y

Gaussiana , 31

Sistemas homcgeneos de ecuaciones, 48

La inversa de una matriz cuadrada, 54

Transpuest a de una matriz , 72

Matrices clement ales e inversas de matrices, 75

Una perspectiva diferente: Inversas unilaterales de matrices,

Ejercicios de repaso .. Capitulo 1, 92

1.1 1.2 1.3 1.4 1.5 1.6

I.7 1.8 1.9 LtO 1.11

Determinantes,

9S

2.1 2.2

Definiciones, 95

Propiedades de los c\eterminantes,

84

102

xiii

xiv

CONTENIDO

CAPITULO

CAPITULO

5

5.1 5.2

5.3 5.4 5.5

2.3

Si e! ticrnpo 10 permite: Dernost raci.yn de tres teoremas

import antes, 116

Determinantes e inversas, 122

Regia de Cramer, 128


CAPITULO

2.4 2.5

3

Yectores en [If?!1 Y [~3, 135

3.1 3.2 3.3 304 3.5

Vectores en el plano, 135

El producto esc alar y proyecciones en 143

Vectores en el espacio, ISO

EI producto vectorial (0 cruz) de dos vectores, 159

Rectas y pianos en el espacio, 165

Ejercicios de rcpaso .. Capitulo 3, 175

4

Espacios vectorietes,

179

4.1 4.2 4.3 4.4 4.5 4.6 4.7

Introduccion, 179

Definicion y propiedades basicas, 179

Subespaeios, 185

Independeneia lineal, 190

Cornbinacion lineal y xencracion de espacio, 200

Base y dimension, 206

Range, nulidad, espacio de renglones y espacio de columna" de una

matriz, 216

Rango y determinantes de submatrices (opcional), 229

Carnbio de bases, 232

Bases ortonormales y proyecciones en 242

Espacios de producto interior y proyecciones, 255

Una perspectiva diferente: la existencia de una base, 264

Ejereieios de repaso .. Capitulo 4, 269

CAPITULO

4.8 4.9 4.10 4.n 4.12

APENDICE

APENDICE

Transformaciones lineales,

213

Definicion y ejemplos, 273

Propicdades de las transformaciones lineales: Imagen y kernel (0

nuclco), 280

La represcntacio-, matrieial de una transformacion lineal,

Isomorfismos, 299

Isometria (opcional), 304


287

Contenido XV

6

vetores cerecteristicos, vectores eemcteristico» y iormss canonicas, 311

6.1 6.2 6.3 6.4 6.5 6.6 6.7

Valores caracteristicos y vectores caracteristicos, Un modelo de crecimiento poblacional (opcional),

Matrices equivalentes y diagonalizacion, 328

Matrices simetricas y diagonalizacion ortogonal, 344

337

311 324

6.8

Forrnas cuadraticas y secciones conicas,

Forma canonica de Jordan, 354

Una aplicacion irnportante: Ecuaciones diferenciales

rnatriciales, 362

Una perspectiva diferente: Los teoremas de Cayley-Hamilton y

Gershgorin, 373

Ejcrcicios de rep as a • Capitulo 6,

380

7

Metodos numericos,

383

7.1 7.2

El error en los calculos nurnericos, 383

Resolucion de sistemas lineales 1: Elirninacion gaussiana con

apoyo, 386

Resoluci6n de sistemas lineales II: Metodos iterativos, 393

Calculo de valores caracterfsticos y vectores caracteristicos,


404

7.3 7.4

1

I nducci6n matematica, 41 S

Numeros compieie«, 419

Respuestas a los problemas de numero

imper, 429

lnaice,

471

I estu

..

la

t

Grupo Editorial Iberoamerica en su esfuerzo permanente de producir cada vez mejores textos, pone en tus manos esta nueva obra, en la que se ha puesto fa mas alta calidad en los aspectos teorico y diddctico, asi como en diseiio y presentacion, can el objetivo de proporcionarte la mejor herramienta, no solo para facilitarte el aprendizaje sino tambien para hacertelo mas estimulante.

Este, como cualquiera de nuestros libros, ha sido cuidadosamente seleccionado para que encuentres en el un pilar de tu preparacion, y un complemento ideal a la ensenanza del maestro. Lo diddctico de la presentacion de sus temas hace que 10 consideres el mejor auxiliar, y el que ilevas a todas partes.

La anterior es parte de nuestro proposito de ser parttcipes en una mejor preparacion de profesionales, contribuyendo as/ a fa urgente necesidad de un mayor desarrollo de nuestros paises hispanohablantes.

Sabemos que esta obra tu bibliote-

ca, y tal vez fa mas inmediata y permanente fuente de consulta.

Como uno de nuestros intereses principales es hacer me-

jores libros en equipo con y 0""110",,,

ceremos {us comentarios y observacion que contribuya al publicaciones.

Editorial Iberoamerica

en tu

1. 1 I ntroducci6n

Este es un libro de algebra lineal. Si buscamos la palabra "lineal" en un diecionario, encontraremos alga como 10 siguiente: lineal, adj. Relativo a las lineas a de aspecto de lfnea. * En Matematicas, la palabra "lineal" significa alga mas que eso. Sin embargo, gran parte de la teoria del algebra lineal elemental es de hecho una generalizaci6n de las propiedades de las lineas rectas. Como repaso, damos aqui algunos de los hechos fundamentales acerca de las citadas rcctas:

i, La pendiente m de una recta que pasa por los puntos (Xl' Yl) Y (Xl' Y2) esta dada par (si X2 =1= x.).

m = Y2-Yl = ~Y X2-X1 ~x

ii. Si X2 - Xl = 0 Y Y2 =1= YI entonces la recta es vertical y se dice que la pendiente no esta definida.r

Iii. Cualquier recta (excepto una con pendiente indefinida), se puede describir expresando su ecuacion en la forma simplificaday = mx + b, donde m es la pendiente de la recta y b es la ordenada al origen (el valor de Y en el punta donde la recta cruza al eje y).

iv , Dos rectas son paralelas si y solo si tienen la misma pendiente,

v , Si la ecuacion de una recta es ax+ by =c (b * 0) entonces, como se ve facilrnerue, nl= <a/b.

vi. Si m, es la pendiente de la recta L], m, la de L2, In] tc 0 Y L" L, son perpendiculares, entonces m, = -1 m.;

* (N. del E.) Tornado del Diccionario Larousse Universal Ilustrado, 1968.

+ A voces se diee que una recta vertical "tiene pendiente infinita" 0 que "no ticne pendienie".

1

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

vii. Las rectas paralelas al eje x tienen pendiente cero.

viii. Las rectas paralelas al eje y ticnen pendiente indefinida.

En la siguiente secci6n ilustraremos las relaeiones entre la soluci6n de sistemas de ecuaciones y el modo de encontrar los puntos de intersecci6n de pares de lineas rectas.

1.2 Dos ecueciones lineales en dos incognitas

Consideremos el siguiente sistema de dos ecuaciones lineales en dos incognitas XI y x2:

al1xI + a12xZ = b , an Xl + a22X2 = b2

donde all' a12, aw a22, b, Y b, son numeros dados. Cada una de estas ecuaciones es la ecuaci6n de una linea recta (en el plano Xl X2 en vez del plano xy). La pendiente de la primera recta es - al / al2 Y la pendiente de la segunda es -a2/a22 (si a12 of 0 Y a22 of 0). Una solucion del sistema (1) es un par de mimeros, denotados (Xl' Xl), que satisface (1). Las preguntas que surgen naturalmente son: i,cmindo (1) tiene soluciones? y, si las tiene, l,cwintas son? Responderemos a estas preguntas despuesde ver algunos ejemplos, En estos ejernplos usaremos dos propiedades importantes del algebra elemental:

(1)

Propiedad A. Si a Propiedad B. Si a

bye = d entonces a + c = b 't: d.

bye es cualquier mimero real, entonces ca = cb.

La Propiedad A dice que si sumamos dos ecuaciones obtenemos una tercera ecuacion valida. La B dice que si multiplicamos ambos lades de una ecuacion por una constante obtenemos una segunda ecuacion valida,

Ejemplo 1 Can sid ere eJ sistema

X]-X2 =7 Xl + X2 = 5

Si sumamos las dos ecuaciones tenernos, por la propiedad A, la siguiente ecuacion: 2xI = 12 (0 Xl 6). Entonces, de la segunda ecuacion tenemos X,= 5 -XI = 5 - 6 = -1. Asi, el par (6, -1) satisf'ace el sistema (2) y par la forma-en que encontramos la solucion vemos que es el unico par de numeros que 10 hace. Esto es, el sistema (2) tiene solucion unica.

(2)

Ejemplo!1 Considere el sistema

X]- x2=7 2Xl -2x2 = 14

(3)

1.2 • Dos ecuaciones lineales en dos incognitas

3

Es claro que estas dos ecuaciones son equivalentes, Para ver esto multiplicamos la primera por 2. (Esto es valido por Ia Propiedad B.) Entonees, Xl - X2 = 7 6 X2 = Xl -7. Asi, el par (XI' Xl -7) es una solucion del sistema (3) para cualquier mimero real XI' Esto es, el sistema (3) tiene un numero infinito de soluciones. Par ejemplo, los siguientes pares son soluciones: (7, 0), (0, -7), (8, 1), (1, -6), (3, -4) Y (-2, -9).

Ejemplo 3 Considere el sistema

Xl - X2 =7 2Xl -2X2 = 13

(4)

Al multiplicar la primera ecuaei6n por 2 (10 cua! esta permitido por la Propiedad B) nos da 2Xl - 2x2 = 14. Esto contradice a la segunda ecuacion, Asi, el sistema (4) no tiene solucion,

Es Iacil de explicar geometricamente 10 que sucede en los ejemplos anteriores. Primero, recordemos que las ecuaciones del sistema (1) son ecuaciones de rectas. Una solucion de (1) es un punto (x,; X2) que est a en ambas rectas. Si las dos rectas no son paralelas, se intersecan en un solo punto; si son paralelas nunea se intersecan (no tienen puntas en comun), 0 son la misma recta (tienen un mimero infinito de puntos en comun), En eI Ejemplo 1 las rectas tienen pendientes 1 y -1, respectivamcntc. Por 10 tanto, no son paralelas, Solo poseen el punto (6, -1) en cornun. En el Ejempio 2 las rectas son paralelas (pendiente igual a 1) y coincidentes. En el Ejemplo 3 las rectas son paralelas y distintas. Estas relaciones se ilustran en la Figura 1.1.

No hay solucion

Niimero infinite de soluciones

-0-1---+----- XI

(a) Rectas no paralelas:

un punto de intcrseccion

(b) Rectas paralelas;

sin puntos de interseccion

(c) Rectas coincidentes; numero infinite de puntos de interseccion

Figura 1.1

Ahora resolvamos el sistema (1) formalmente. Tenemos

all Xl + a12x2 = b] a21X1 + a22X2 = b2

4


Si multiplicamos la primera ecuacion por an Y la segunda par all tenemos

all a22xl + a1Za22x2 = a22bl a12a21x1 +a12a22x2 = al2b2

(5)

Antes de continuar noternos que el sistema (1) y el sistema (5) son equivalentes. Esto significa que cualquier solucion del sistema (I) es una solucion del sistema (5) y viceversa, Ello se sigue inmediatamente de la Propiedad B. Despues restarnos la segunda ecuacion de la primera y obtenemos

(6)

Observemos que si alla22 - a12a21 t 0, entonces podemos dividir entre esta cantidad y tener

Xl = alla22--a12a21

Ahora es posible insertar este valor de XI en el sistema (1), despejar X2 Y habremos encontrado la solucion unica del sistema. Definimos el determinante del sistema (1) como

y habremos mostrado 10 siguiente:

,:,Como se relaciona esta afirmaci6n con 10 que hemos discutido anteriormente? En el sistema (I) vernos que la pcndiente de Ia primera recta cs - a, / al2 y la pendiente de la segunda es -alla22. * En los Problemas 31, 32 Y 33 se pi de mostrar que el determinante del sistema (1) es cero si y s610 si las rectas son paralelas (tienen la misma pendienie). Asi, si el determinantc no es cere, las rectas no son paralelas y el sistema bene una solucion unica,

Ahora expresaremos en un teorema los hechos discutidos anteriormente. Es un teorcma que sera generalizado en sccciones postcriores de este capitulo y en capitulos siguientes. Este teorema, llamado "Teorema Resumen", nos dara una indicacion de nuestro progreso en los capitulos siguientes, Cuando todas sus partes hayan sido probadas, veremos una relacion notable entre varios conceptos importantes del algebra lineal.

'" Estamos suponiendo que ni a12 ni a22 son cero. Si all 0 022 fueran cera entonces el sistema (1) serra facilmcnte resuclto. Si al2 = 0, por ejcmplo, entonces XI = b, / al'. Por tanto no nos prcocupar ernos de esta posibilidad.

1.2 • 005 ecuaciones lineales en dos incognitas

Teorema 1 ieorema Resumell, Version 1. El sistema

allxj + a12xZ = b1 U21X1 + U22X2 = b2

de dos ecuaciones en las incognitas XI y X2 no tiene solucion, tiene una unica solucion 0 tiene un numero infinito de soluciones. Tendra:

i. Una unica solucion si y s610 si su determinante es distinto de cero.

ii , Ninguna solucion 0 un numero infinito de soluciones si y s610 si su determin ante es cero.

En la Seccion 1.6 discutirernos sistemas de m ecuaciones en n incognitas y veremos que siempre existe una solucion, ninguna 0 un numer.o infinite de 5.0- luciones. En el Capitulo 2 definiremos y calcularemos determinantes para SIStemas de n ecuaciones en n incognitas y encontraremos que nuestro Teorema Resumen (Version 1) es cierto en este contexte general.

Problemas 1.~

En los Problemas dell at 12, encuentre todas las soluciones (si existen) a los sistemas dados. En cada caso calcule el determinante.

I. x,-3x2 =4 2. 2x,'- X2 = -3 3. 2X, - 8x2 = 5

-4X, +2x2 = 6 5x, +7x2 = 4 -3X, + 12x2 = 8

4. 2x,-- 8x2=6 5. 6X,+X2=3 6.3xj X2=O

-3x,+12x2=-9 -4Xj-X2=8 2x,-3x2=O

7. 4x,--6x2=O 8.5x,+2x2=3 9.2x,+3x2=4

-2x,+3x2=O 2x,+Sx2=3 3x,+4x2=5

10.ax,+l1x2=c n.ax,+bx2=C 12.ax,-bx2=c

ax,-l1x2=c bXj+ax2=C I1x,+ax2=d

B. Encuentre condiciones para a y b de forma que el sistema del Problema 10 tenga una unica solucion,

14. Encuentre condiciones para a, bye de forma que el sistema del Problema 11 tenga un numero infinito de soluciones.

15. Encuentre condiciones para a, b, c y d de forma que el sistema del Problema 12 no tcnga soluciones.

En los Problemas del 16 al 21, encuentre el punto de interseccion (si existe alguno) de las dos rectas.

16. x-y=7; 2x+3y=1 17. y--2x=4; 4x-2y=6

HI. 4x-6y=7; 6x-9y=12 19. 4x-6y=10; 6x-9y=15

20.3x+y=4;y-5x=2 21. 3x+4y=5;6x-7y=8

Sea L una recta y sea LJ.la recta perpendicular a L que pasa por un punto dado P. La distancia de LaP se define como la distancia" entre P y el punto de

* Recuerde que si «Xl, Yl ) Y (X2' Y2) SOI1 dos puntos en el plano xy, entonees la distancia d entre estes dos puntos esta dada por d = --I (x , - X2)~ + (y j Y2)2

6 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

interseccion de L y L~. En los Problemas del 22 at 27 encuentre fa distancia entre fa recta y el punto dados.

22. x-y=6; (0,0) 23. 2x+3y=-1; (0,0)

24. 3x+y=7; (1,2) 25. 5x-6y=3; (2,"1)

26. 2y-5x=-2; (5,-3) 27. 6y+3x=3; (8,-1)

28. Encuentre la distancia entre la recta 2x- Y= 6 y el punto de interseccion de las rectas2x-3y=1 y3x+6y=12.

* 29. Demuestre que la distancia entre eI punto (Xl' YI) Y la recta ax+ by = c esta dada por

iax,+bYl-ci

d= ~

va2+b2

30. Un zoologico tiene aves (bipedos) y bestias (cuadrupedos). Si el zoologico tiene 60 cabezas y 200 patas, i,cuantas aves Y cuantas bestias viven alli?

31. Suponga que el determinante del sistema (I) es cero. Muestre que las rectas dadas en (l) so n paral elas.

32. Si existe una unica solucion al sistema (1) muestre que su determinante es distinto de cero.

33. Si el determinante del sistema (1) es distinto de cero, demuestre que el sistema tiene una unica solucion.

33. Si el deterrninante del sistema (1) es distinto de cro, demuestre que el sistema tiene una unica soluci6n.

34. Una fabrica de porcelana manufactura tazas y platos de ceramica. POT cada taza o plato, un trabajador rnide una cantidad fija de material y la coloca en una rnaquina moldeadora, de la cual sale automaticamente vidriada y coeida. En promedio, un trabajador necesita 3 minutos para iniciar el proeeso en el caso de una taza, y 2 minutos para un plato. El material para la taza cuesta $25 y para el plato $20. Si se asignan $4,400 diarios para produccion de tazas y platos, i,cuantas unidades de cada uno de estos productos se pueden manufacturar en una jornada de 8 horas, si lin trabajador labora cada minuto del dia y exactamcnte se gastan los $4,400 en los materiales?

35. Conteste la pregunta del Problema 34 si los materiales para una taza y un plato cuestan $15 y $10, respectivamente, y se gastan $2,400 en una jornada de 8 horas.

36. Conteste la pregunta del Problema 35 si se gastan $2,500 en una jornada de 8 horas.

37. Una heladeria vende solo helado con soda y leches malteadas. En el primero se usan 1 onza de jarabe y 4 onzas de helado. En Ia segunda, se utilizan I onza de jarabe y 3 onzas de helado. Si el expendio usa 4 galones de helado y 5 cuartos de jarabe en un dia, i,cuantos helados con soda y malteadas vende diariamente? [Equivalencias: 1 cuarto = 32 onzas; 1 galon = 128 onzas.]

1.3 Vectores

EI estudio de los vectores y matrices es parte medular del algebra lineal. EI estudio de vectores cornenzo esencialmente con el trabajo del gran matematico irlandes William Rowan Hamilton (1805-1865).* Su deseo de encontrar un modo de representar ciertos objetos en el plano y en el espacio, 10 llevo al descubrimiento de 10 que llamo cuaterniones. Este concepto 10 condujo al de 10

* Vease la resena biografica.

Vector renglon de II componentes

Vector columna de n componel'ltes

1.3 • Yectores '1

que actualmente se denomina vee/ores. Durante la vida de Hamilton, y.e.n 10 que resto del siglo diecinueve, existio un considerable. debat~ sabre la ut!l:~ad de los cuaterniones 0 cuaternios y de los vectores. A fill de siglo, el gran f1S1CO britanico Lord Kelvin, escribio acerca de los cuaternios: "aun cuando son notable mente ingeniosos, han demostrado ser una mala fortuna para todos aquellos que de alguna manera los han estudia~o [as! comol,~as vectores.

nunca han sido de la mas remota utilidad a cnatura alguna . .

Sin embargo Kelvin estaba equivocado. Actualmen.te, casi todas las areas de la fisica clasica y moderna son representadas por medio delle?gu~Je d~ los :ectores. Tambien se usan cada vez mas frecuentemente en las ciencias biologicas

y sociales. * ..' "

En la Seccion 1.2 describimos la solucion a un sistema .de dos ecuactones en

dos incognitas como un par de nurneros (XI' X2)' En e1 Ejemplo 1 ', 6.1 expresar mos la solucion de un sistema de tres ecuaciones en tres incognrtas como la t:rna de numeros (4, -2, 3). Ambos, (x]? x2) Y (4, -2, 3) son vectores.

Definimos un vector renglon de n componentes (a n-dimensional) como un conjunto orden ado de n numeros escrito como

(1)

Un vector columna de n componentes (0 n-dimensional t es un conjunto ordenado de n numeros escrito como

c:)

(2)

En (1) 0 (2), Xl se llama la primera componente del ve~tor, X2 es la segunda componente, y as! sucesivamente. En general, x, es la k-esima componente del

vector. r di

Por simplicidad, frecuentemente nos referimos a un vector reng on n- lm~n-

sional como un vector rengl6n 0 un n-vector. De igual manera, usarnos ~I tcrmino vector columna (0 n-vector) para denotar a un vector columna n-dlmensional. Cualquier vector con todas sus cornponentes iguales a cera se \lama vector

cera.

Ejemplo 1 Los siguientes son ejemplos de vectores:

i. (3. 6) es un vector renglon con dos componentes.

it (- D es un vector columna con tres compon,nt".

--;:-~cscripciones intcrcsantes del desarrollo del analisis vectorial moderno puecten verse cn cI libro de M.l. Crowe, A History of Vector Analysis (Notre Dame: University of Notre Dame Press, 1967) o en el excelente libra de Morris Kline, Mathematical Thought from Ancient to Modern Times (Nueva York: Oxford University Press, 1972), Cap. 32.


iii.

iv,

Advertencia. En la definicion de vector, la palabra "ordenado" es esencial, Dos ~ectores con las mismas componentes escritas en diferente orden no son los mlsmo~. Asi, par ejernplo, los vectores renglon (1,2) Y (2,1) no son iguales,

. De aqui en adelante denotarernos los vectores can letras rninusculas en tIPO negro como u, v, a, b, c, etc. EI vector cero se denota por O.

Los vectores surgen de difcrentes maneras. Suponga que el comprador de u~a pla!~ta manufacturera debe ordenar cantidades diferentes de acero, alumi-

::::O:"~I' ,:::~( i),Fd ::0::, I: I:::'~::::::~dl':::::'::: :~ ,:::k 30

de alurninio, y as! sucesivamente.

Observac:i6n. Aqui vemos por que es irnportante el orden en el que son escritas las componentes de un vector. Es claro que los vectores (~~) y (~~) signi-

60 15

f· .10. 60

rcan casas muy diferentes para el comprador.

.~hora descri~iremos algunas propiedadcs de los vectores. Como seria repetitivo hacerlo primero para vectores renglon y despues para vectores columna d.aremos todas las definiciones en terrninos de vectores columna. Las defini:

Clones para los vectores renglon son similares.

Las componcntes de todos los vectores Cll este libro son nurneros reales 0 complejos, * Usarnos el simbolo IR" para denotar el conjunto de tad os los

"-""o,,, (:). donde cada a, es un nurnero ",I. D, igual '"'U"'. usarnos

an

.* _Un,_numero complejo. cs un nurnero de la forma a + ib, donde a y b son numeros reales e I - v-1. Una descripcion de los nurncr os complcjos se da en el Apendice 2. No encont .

ve 't . I . raremos

cores cornp ejos otra vel hasta el Capitulo 4; seran de especial utili dad en el Capitulo 6. Por

tanto, rmenu as no se diga otra cosa suponernos que todos los vectores tienen componentes reales.

Sir William Rowan Hamilton, 1805 .. 1865

por casualidad , conocio al ve1ocisimo calculista norteamericano Zerah Colburn. Poeo despues Hamilton cornenzo a leer importantes libros de matematicas de la epoca. En 1823, a los dieciocho afios de edad, descubrio un error en la Mecanique celeste de Simon Laplace y escribio un impresionante articulo sobrc el lema. Un ano despues, ingreso al Trinity College en Dublin.

La carrera universitaria de Hamilton fue asombrosa. A los 21 anos, cuando iodavia no se graduaba, habia impresionado tanto al cuerpo docente, que tue nombrado Astronomo Real de Irlanda y catcdratico de Astronomia de la Univcrsidad. Al poco tiempo de este suceso, escribio lo que ahora se considera un trabajo clasico de Optica. Utilizando s610 teoria matematica predij o refraccion conica en cierto tipo de cristales. Posteriormerue, III Leoria fue confirm ada POT los f'isicos. Con base principalmente en su tr abajo, se concedio a Hamilton un titulo nobiliario en 1835.

Su primer gran articulo puramente maternatico aparecio en 1833.En este trabajo, describio un modo algebraico para manipular parejas de ruirneros reales. Este estudio da reglas que se usan ahora para sumar , rcstar , multiplicar y dividir los numerus complejos. Al principio , sin embargo, Hamilton no pudo hallar un metodo para la multiplicacion de triadas o n-adas de numeros cuando n > 2. Dicz an os dedico a pensar en este problema, y se dice que 10 resolvio por inspiracion mientras caminaba un dia sobre el puente de Brougham en Dublin en 1843. La clave fue la de descartar la bien conocida propicdad conrnutativa de la multiplicacion. Los nuevos conceptos se llamaron cuaterniones 0 cuaternios, y Iueron los prccursores de 10 que ahora llamamos vee/ores.

Durante el resto de su vida, Hamilton dedico la mayor parte de su ticmpo desarrollando el algebra de los cuatemios. erda que habrian de tencr un significado revolucionario en la fisica maternatica. Su monumental obra, Treatise on quaternions fue publicada en 1853. Despues de csto, trabaj6 en una obra mayor. Elements of quaternions. Aun cuando Hamilton muri6 en 1865 antes de terrninar sus "Elementos", el trabajo fue publicado por su hijo en 1866.

Los estudiantcs de marernaricas y de fisiea conocen a Hamilton en una gran varicdad de contextos. En Iisica matematica , por ejcmplo, se estudia la funcion hamiltoniana, que fr ecuentcmente represents la cnergia total en un sistema, as! como las ecuaciones difcrenciales de Hamilton-jacobi. En la tcoria de matrices, el tcorema de Cayley-Hamilton, esiablece que' toda marriz satisface sou propia ecuacion caractenstica.

A pesar del gran trabajo que Hamilton estaba desarrollando, sus ultimos anos fueron torrncntosos. Su esposa estaba scrniinvalida, y el se convirtio en alcoholico. Por 10 tanto, es confortante destacar que durante e50S ultimos anos, la naciente Academia Nacional de Ciencias de Estados Lnidos, eligi6 a Sir William Rowan Hamilton como su primer miem-

Sir William Rowan Hamilton

Uhe Granger Collectioni

bro extranjcro .

Nacido en Dublin en 1805, en donde paso la mayor parte de su vida, William Rowan Hamilton rue, sin la menor duda, cl mas grande matematico irlandes de su epoca, Su padre (un abogado) y su madre murieron cuando era aun pcqucfio. Su tic, un linguistao se encargo de la educacion del muchacho. Cuando cumplio cinco afios , Hamilton podia leer ingles, hebreo, latin y griego. Cuando tenia trece anos, no solo dominaba todas las lenguas del continente europeo, sino tambien el sanscrito , chino, persa, arabe. rnalayo , indostanico, bengali y algunos otros mas. A Hamilton le gustaba escribir poesia, tanto de nino como de adulto, y entre sus amigos se encontraban algunos gran des poetas ingleses como Samuel Taylor Coleridge y William Wordsworth. La poesta de Hamilton se consideraba tan mala que resulta una fortuna que haya desarrollado otros intercscs =-especialmcnte en matematicas,

Aunque Hamilton gusto de las maternaticax desdc muy joven, su intcres por las misrnas se acrecento cuando, a los quince anos,

---_ .. -_.-

10

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Definicion 1

Definicion 2

el simbolo en para denotar al conjunto de todos los n-vectores (~~), donde

Cn

cada c, es un numero complejo. En el Capitulo 3 discutiremos los conjuntos [R2 (vectores en el plano) y [R3 (vectores en el espacio). En el Capitulo 4 estudiaremos conjuntos arbitrarios de vectores.

Igualdad de vecteres. Dos vectores columna (0 renglon) a y b son iguales si y s610 si* tienen el mismo numero de cornponentes y sus componentes corres-

pondientes son iguales. En sfrnbolos, 10' vectores a ~ e:) Y b (::) son

an b;

iguales si y s610 si a I

S.m. ~ veceeres, Soan a ~, C} b ~ C) N'"O''' Entonces I, surna de a y b se define como

---.----

(3)

-----------

Ejemplo ~

Ejemplo 3

* EI terrnino "si y solo si" se aplica ados praposiciones: "La proposicion A si y solo si la proposicion B" significa que las proposicioncs A y B son cquivalentes. ESlO es, si la proposicion A es cierta entonces Ja proposicion B es cierta y si la proposicion B es cierta entonces la proposicion A es cierta. Dicho de otra forma, significa que no se puede tener una sin la otra.

Definicion l

Ejemplo II

1.3 • Vectores

11

AdvertenciiJ. Es csencial que a y b tengan el mismo numero de componentes. Pm ejemplo, I, rum, (~) + (D no esta definida pues los vectores con do, 0 tres co m po nen tes son dif eren tes clases de 0 b j etos y no se pueden sumar, M as au n , no es posible sumar un vector renglon y un vector columna. Por cjernplo, la

suma G) + (3, 5) no est a definida.

Cuando trabajarnos con vectores, nos referimos a los nurneros como escalares (que pueden ser reales 0 complejos, dependiendo de que los vectores en cuestion sean reales 0 complejos). *

Multiplicaciol'l de vecteres por 1.111 escaiar. Sea a

(a1)

a.,

: ~ un vector y 0: un esca-

all

lar. Entonces el producto o:a est a dado por

(4)

Esto es, al jnultiplicar un vector por un escalar simplemente multiplicarnos cada componente del vector par el escalar.

* Nota historica: El termino "escalar" se origino con Hamilton. Su definicion de cuaternion incluia 10 que cl llamo una "parte real" y una "pane imagiuaria" En su articulo "On Quaternions. or on a New System of Imaginaries in Algebra," en Philosophical Magazine, tercer a serie, 25(1844): 26-27, escribio: "La parte algebraicamente real puede recibir ... todos los val ores contenidos en una escala de progresion de numeros del infinite negative al infinito positivo: nosotros la llamarcrnos, por tanto, la parte escalar 0, simplemente, el escalar del cuaternion ... " En el mis- 1110 articulo Hamilton definio la parte imaginaria de su cuaternion como la parte vectorial. Aunque no fue la prirnera vez que se uso la palabra "vector", rue la prirnera vez que se usa en el contexto de las definiciones de esta seccion, Se puede decir que e! articulo del cual se tomo la nota precedentc marca cl principio del analisis vectorial moderno.

12


Nota. Juntando la Definicion 1 y la Definicion 2 podernos definir la diferencia de dos vectores como

Esto significa que si

Ejempio 5

Una vez visto como sumar vectores y como multiplicarlos por escalates, podemos demostrar algunas propiedades relativas a estas operaciones. Varias de estas propiedades se dan en el Teorema I. Probarernos las partes (ii) y (iii) Y dejarernos las partes restantes como ejercicios (vea los Problemas del21 a123).

feorema 1 Sean a, bye n-vectores y sean CI y (3 escalates. Entonces:

i. 3+0= a

ii. Oa = 0 (Notese que el cera de la izquierda es el numero cero y el de

la derecha es el vector nulo.)

iii. a+b=b+a (ley conmutativa)

iv, (a+b)+c=a+(b+c) (ley asociativa)

v. a (8 + b) = 0' a + a b (ley distributiva para Ia mulupllcacion por UII escalar) vi. (0' + (3)a = aa + (:3 a

vii. (a!3)a = a «(:3 a)

Demostradon de (ii) y (iii)

(aI) (a1) (0. aI) (0)

. a2 a2 O· a2 0

ii. SI a= : ,entonces Oa=O : = .: =: =0.

art an ,0 a; 0

(hl) ((;1 +bl) (hI + al)

... b2 ao + b. b , + a

m. Sea b= ; . Entonces a+b= ~: 2 = ': 2 =b +a.

b; / a" + b; b; + an

Ejemplo 6

1.3 e Vectores

13

Aqui hernos usado el hecho de que para cualquier par de numeros x y y se tiene que x + y = y + x yO' x = O. III

Para ilustrar la ley asociativa vemos que

[(}(J] +( -D- m + (-D-G)

mientras que

EI Ejernplo 6 ilustra la importancia de la ley asociativa para la suma de veetores, puesto que si queremos sumar mas de dos vectores podemos hacerlo solamente sumando dos de ell as ala vez. La ley asociativa nos dice que podemos hacer esto de dos diferentes maneras y llegar al mismo resultado. Si este no fuera eI caso, la suma de tres 0 mas vectores serfa mas dificil de definir pues tendriamos que especificar cuando queremos (a + b) + c y cuando a + (b + c) para la suma a + b + c.

Problemas 1.3

En los Problemas dell at 10 efectue la operacion indicada con a

(D yo {~)

I. a+b 4. b+3c 7. Oc

10. 3b-7c+2a

2. 3b

5. 2a-51! 8. a+b+ c

3. --2c 6.-3b+2c 9.3a-2b+4c

En los Problemas del 11 at 20 efectue fa operacton indieada con II = (3, --1, 4, 2), b = (6,0, -1, 4) y c = (-2,3, 1,5). Desde fuego, primero es necesario extender las definiciones de esta seccion a vee/ores renglon,

11. a+c 14.-2b

17. a+b+c

20. aa+/3b+yc

13. 4c

16. 4b-7a

19. 3a-2b+4c

12. b-a 15. 2&-c

18. c-b+2&

14

CAPiTULO 1 • SISTEMAS DE ECUACIONES UNEA,LES Y MATRICES

21.

al .

S~ ." (~,) y sea • el vect or columna n-dimensional "CO U "I" Definiciones 2

an

y 3 para mostrar que a + 0 = a y Oa = O.

22.

(a1) (bJ) (CI)

a2 b2 C7

Sean a= ; , b= : y c= :-,

an bn en

que son iguales,

Sean a y b como en el Problema 22 y sean a y (3 escalates. Calcule ala + 0) y (xl! + ab y muestre que son iguales. De igual manera, calcule (a + (3)a y aa + {3a y muestre que son iguales. Finalmente, muestre que (a{3)a = a({3a) ,

Encuentre numeros a, {3 y , tales que (2, --1,4) + (a,{3,,) = O.

En la f'abricacion de cierto producto se necesitan cuatro materias prirnas, EI vector

d" (;:) represcnta una dernanda dada para "do uno de In, cuatro rnateriales para elaborar una unidad de su producto. Si 01 cs el vector de demand a para la fabrica 1 y d, es el vector de demanda para la fabrica 2, Lque representan los vectores 01 + 02 Y 201?

Sean a= G} b = (-D y C=(:}Encuentre un vector v tal que 2a- h+ 3v =41:.

Calcule (a + b) + c y a + (b + c) y muestre

23.

24. 25.

26.

27. Con 11, bye como en el Problema 26, encuentre un vector w tal que a - b + c - w = O.

1.4 Matrices

Una matriz" A de m x n es un arreglo rectangular de mn numeros distribuidos en un orden de m renglones y n colurnnas: t

all a12 alj a1n
aZ! aZ2 a2j a2n
A= (1)
ail ai2 Uij ain
\a~l am2 ami amn "Nota Historica: El terrnino "matriz" fue usado por primera vcz en 1850 por 121 rnatcmatico britan.co James Joseph Sylvester (J 814-1897) para distiriguir las matrices de los determinantes (que discutirernos en el Capitulo 2). De heche, el terrnino "matriz" qucria significar "madre de los deterrninantes".

t Como en el caso de los vectores supondrernos, si 00 se dice otra cosa, que los numeros en la matriz son reales.

1.4 • Matrices

El nurnero ai), que aparece en el renglon i-esimo y en la columna j-esima de A, se conoce como la ij-esima componente de A. Por conveniencia, la rnatriz A se escribe a veces A = (au)' Cornunmente las matrices se denotan por letras mayusculas.

Si A es una matriz de m x neon m = n se dice que A es una matriz cuadrada.

Una matriz de m x neon todas sus componentes iguales a cero es una matriz cera de m x n.

Se dice que una matriz de m x n tiene {amana m x n. Dos matrices A = (au) y

B = (b ij) son iguales si (i) tienen el mismo tamaiio y (ii) sus componentes correspondientes son iguales.

Ejemplo 1

A continuacion se presentan cinco matrices de diferentes tamanos:

I. A ~ G ~), 2x2 (cuadrada) ti.A {~ j} 3x2

(-31 4 (~1 _661 -2\

iii. 0 ~), 2 x 3 iv. :)' 3 x 3 (cuadrada)

v. (~

o o

~), matriz cero de 2 x 4

o o

Los vectores pueden ser vistos como casos especiales de matrices. Asi, por ejemplo, el vector renglon n-dimensional (al,a2, ••• ,an) es una matriz de

1 x n, mientras que el vector columna n-dimensional (::) es una. rnatriz ani

de n x l.

Las matrices, como los vectores, surgen de un gran numero de situaciones

practicas. Poc ejemplo, vimos '0 la Seccion 1.3 como ,1 vector (~) puede representar cantidades ordenadas de cuatro productos diferentes us ados PDf un fabricante. Supongamos que hay cinco plantas distintas. Entonces la matriz de 4 x 5

(10 20

30 10 Q = 15 22

60 40

25)

22

13 45

15 16 20 25 18 20 50 35

puede representar las ordenes de los cuatro productos en las cinco plantas. Podemos ver , por ejemplo, que la planta 4 ordena 25 unidades del segundo producto mientras que la planta 2 ordena 40 unidades del cuarto producto.

16


Definicion 1

(Biblioteca del Congreso, Estados Unidos)

Las matrices, como los vectores, pueden sumarse y ser multiplicadas por escalares. *

Suma df: matrices. Sean A = (a ij) y B = (b ij) dos matrices de m x n. La suma de A y B es la matriz A + B de m x n dada par

Esto es, A + B es la matriz de m x n obtenida al sumar las componentes correspondientes de A y B.

Advertel1da. La suma de dos matrices est a definida solamente cuando ambas

matrices tienen el mismo tamano. Asi, por ejemplo, no es posible sumar entre 1

las matrices

2

2

5

4

-----------------

4 -6

1 6 3 4 4

5 0

6 6 4 -1

3 2 3-5

+

iA~lltijl';Jlj(:a'ion de UllaJ matriz por lin (!st:<liar, Si A = es una matriz de m x n

entonces la matriz a A de in X n esta dada por

El algebra de matrices, esto es, las reglas pOT rnedio de las cuales se pueden sumar y multiplicar matrices, fue desarrollada por el rnaternatico Ingles Arthur Cayley (1821<1895) ell 1857. Con Cayley, las matrices surgieron ell relacion con transformaciones lineales del tipo

= ax by,

+ dy,

en donde a, b, c, d son numeros reales, y que pueden considerarse como una representacion (0 rnapeo) del punto (x, y) en el punto (x ' y '). Claramente, la transformacion se deterrnina cornpletarnente por los cuatro coeficientes G? b, C, (1', Y entonces la transformacion se simboliza por medic del arreglo cuadrado

al cual hemos llamado matri: cuadrada. Se analizaran las transforrnaciones lineales en el Capitulo 5.

1.4 • Matrices

11

(OIa11

OIa21

OIA = (OIalj) = :

aam1

aa1n\ aa2n ,

a~m)

En otras palabras, aA = (a a,) es la matriz que se obtiene multiplicando por a cada componente de A.

-3 4 1 4 3 5

/ 2 -6 8
Entonce 2A =\ __ ~. 2 8
6 10
0 0
y OA= 0 0
0 0 9:-12 --3 --12 6 --9 -15

Sea A=

1

o

Calcule -2A 3R.

2

3

y

--21'. 3R =

2.

+

-4- 14 ---6

o

--4

-1-

-9

. Su demcstracion

Sean AJ

y

11'. A

18


Nota. EI cero en la parte (i) del teorerna es la matriz cera de m x n, En la parte (in el cero de la izquierda es un escalar, rnientras que el cero de la derecha es la matriz cero de m x n.

Ejemplo 5 Para ilustrar la ley asociativa notemos que
[G 4 -'2) -2 3)1+e -1 !)= (! 2 ~)
+
-1 0 -1 5 J 0 1 --2
+G -1 !)= (~ 1 ~)
1 -1
De igual manera,
G 4 -~)+ [(~ -2 3) 13 -1 !)J= G 4 --6)
-1 -1 5 +\0 -1
+ (~ -3 ~)= (~ 1 ~)
0 -1 Como can los vectores, la ley asociativa para la suma de matrices per mite definir la suma de tres 0 mas matrices.

Problemas 1.4

En los Problemas del I at 12 efectue las operaciones indicadas con

A = ( ~ ~), B = (-~ ~) y C = (-~ ~).

-1 2 -7 5 -·7 3

1.3A 2. A+B 3. A--C
4 .. 2C-5A 5. OB (0 es el escalar cero) 6. -7A +38
7. A+B+C 8. C-A-B 9. 2A -3B +4C
1O.7C-B+2A II. Encucntre una matriz D de manera que 2A + B - D sea la matriz cera de 3 X 2. 12. Obtenga una matriz E de manera que A + 2B - 3C + E sea la matriz cero de 3 x 2.

En los Problemas del 13 at 20 efectue las operaciones indicadas con A

('o~ -~ ~), B=(~ ~~) Y C=(~ ~ ~).

-1 7 -6 0 a -2 4

13. A -2B ]6.2A·-B+2C

14. 3A-C 17. C-A-B

15. A+B+C 18.4C-2B+3A

1.5 • Productos de vectores y matrices

19

19. Halle un matriz D de rnanera que A + B + C + D sea la matriz cero de 3 x 3.

20. Encuentre una matriz E de manera que 3C- 2B + SA -4E sea la rnatriz cero de 3x 3.

21. SeaA = (ai) una matriz de m x nyseaOlamatrizcerodem x n. Usando IasDefini-

ciones 1 y 2, muestre que OA =0 y O+A =A. Igualmente, muestre que IA =A.

22. Sean A = (au) y B = (bu) matrices de m x n. Calcule A + B y B + A y mucstre que son iguales.

23. Si ex es un escalar yAy B son como en el Problema 22, calcule ex (A + B) y exA + «B y muestre que son iguales.

24. SiA = (aij),B = {bij)YC = (cu)sonmatricesdem x n,caJcule(A + B) + C, Y A + (B + C) y muestre que son iguales.

25. Considere el "grafo" que une los cuatro puntas de la figura. Construya una rnatriz de 4 x 4 can la propiedad de que au = 0 si cl punto i no esta con ectad a (por medio de una linea) con el punto j y au = 1 si el punta i esta conectado can el punto j.

26. Haga 10 mismo (esta vez construya una matriz de 5 x 5) para el siguiente grafo.

2

1/\>3

~

1.5 Productos de veeteres y matrices

En esta seccion veremos como se pueden multiplicar dos matrices entre sf. Obviamente, podriamos definir el producto de dos matrices de m x n, A = (au) y B = (bi) como la matriz m X n cuya ij-esima componente es aijbij. Sin embargo, debido a las importantes aplicaciones de las matrices, se necesita otra clase de producto. Comenzaremos definiendo el producto escalar de dos vectores.

Deflnici6.1 P,.,,"ct. "",,, d. d.s vecteres, Soan a ~ C) Y b ~ C) do, n·mto", Entonces el productd zscalar de a y b, represent ado por a . b, esta dado por

~ a __ 'b_= __ a_lb_l_+_a_2_b_2_+_._._. __ +_a_n_bn (1_)~~


Por la notacion en (1), el producto escalar de dos vectores frecuentemente es conocido como producto punto de los vectores. Notemos que el producto escalar de dos n-vectores es un escalar (esto es, un numero).

Ad'lertencia. Cuando hacemos el producto escalar de a y b necesitamos que a y b tengan el mismo numero de componentes.

Frecuentemente efectuaremos el producto escalar de un vector renglon y un vector columna. En este caso tenemos

(2)

Ejemplo 1

So/udoll

8' b = (1)(3) + (-2)(-2)+ (3)(4) = 3 +4+ 12 = 19

Ejemp/o 2 Soan F (2, -3, 4, -6) Y • ~ (~)- Calcule •• b,

Soludoll Aqui a' b = (2)(1)+(-3)(2)+ (4)(0)+ (-6)(3) = 2 -6 +0 -18 = -22.

Ejemplo 3 Suponga que un fabricante produce cuatro articulos. La demanda para los arti.culos ~sta. dada por el vector de demand a d = (30, 20, 40, 10). Los preClOS unitanos para los articulos estan dados por el vector de precios p = ($20, $15, $18, $40). Si satisface su demanda, l.cwinto dinero recibira eI fabricante?

Soiucion La. demand a del primer articulo es de 30 y el fabricante recibe $20 por cada unidad vendida del primer articulo. Por 10 tanto, recibe (30)(20) = $600 por la venta del primer articulo. Continuando este razonamiento vemos que el total de dinero recibido sera d . p. Asi, sus entradas son d . P = (30)(20) + (20)(15) + (40)(18) + (10)(40) = 600 + 300 + 720 + 400 = $2020.

1.5 • Productos de vectores y matrices if

EI siguiente resultado se sigue directamente de la definicion de producto escalar (problema 22).

Teorema 1

Sean a, bye n-vectores Y sean 01 y (3 escalares. Entonces:

i , aoO=O

ii , a:b= b-a (ley conmutativa para el producto escalar)

iii 0 a-Ib + c) = a-b + a-c (ley distributiva para el producto escalar)

iv , (OIa)'b = OI(a'b)

Notemos que no hay ley asociativa para el producto escalar. La expresion (a . b) . c = a . (b . c) no tiene sentido ya que ninguno de los lados de la ecuacion est a definido. Para ellado Izquierdo, esto se deduce del hecho de que II • b es un escalar y el producto escalar del escalar a . b y el vector c no esta

definido.

Definicion !1

Prodllcto de dos matrices. Sea A (au) una matriz de m x n cuyo z-esimo renglon denotamos por a i- Sea B = (b u) una matriz de n x p cuya j-esima columna denotamos por b l: Entonces el producto de A y B es una matriz

C = (cij) de m x p, donde

~ __ . c'_'j=_a_i'_b_j -----(3}j

Esto es, el ij-esimo elemento de AB es el producto escalar del i-esimo renglon de A (a,) y laj-esima columna de B (b.). Si desarrollamos esto obtenemos

Advertencii!. Dos matrices pueden mulnplicarse s610 si el numero de columnas de la primera es igual al numero de renglones de Ia segunda. De otra forma, los vectores a, Y bj tendrian diferente numero de componentes y el producto escalar de Ia Ecuaci6n (3) no est aria definido

Ejemplo'l Si A = C~ !) y B = G -~), calcule AB y BA.

Solilcion Sea C = (cij) = AB. Entonces ell = II] , III = (1 3)' G) = 3 + 15 = 18; C12 =

1l]'b2=(1 3).(-~)=-2+18=16; c21=(-2 4).(~)=-6+20=14;


y C22=(-2 4)· (-~)=4+24=28. Asi C=AB=G! ~:). Igualmente, dejando a un lade los pasos interrnedios, vemos que

C'=BA = (~

-2)( 1

6 -2

3) (3+4

4 = 5-12

9-8) (7

15+24 - -7

3~)

Observac:i6n. EI Ejernplo 4 ilustra un hecho importante: el producto de matrices, en general, no es conmutativo, Esto es, en general, AB =I' BA. En ocasiones sucede que AB = BA, pero esto sera la excepcion, no la regla. De hecho, como 10 ilustra el siguiente ejemplo, puede ocurrir que AB este definido mientras que BA no 10 este. Asi, debemos ser cuidadosos en el orden en el cual multiplicamos dos matrices.

fjemplo 5

Sean A = (!

B=( ~

-3

-1 5

4 o 2

o 1

-3)

5 y

So/udan Primero notemos que A es una matriz de 2 x 3 y B es una matriz de 3 x 4. Por tanto el numero de columnas de A es igual al numero de renglones de B. El producto AB, por consiguiente esta definido y es una matriz de 2 x 4. Sea AB = C = (cij)' Entonces

,,,~(2 0 -3)- CD~23 ,,,~(2 0 -3)-CD~-5

C13 = (2 0 -3)-m~2 C14 = (2 0 -3) (-D~5
C21 = (4 1 5)CD~15 e22 = (4 5)fD~6
C23 = (4 1 5)-m~26 C24 = (4 1 5) (-}39 (23

Por tanto AB =

15

-5 6

2 26

5) .

39 . Esto terrnina el problema. Observe que

el producto BA no esta definido pues el numero de column as de B (cuatro) no es igual al numero de renglones de A (des).


fjemplo 6 Contado directo e indirecto COil una ellfermedad contagiosa. En este ejernplo se muestra como la multiplicacion de matrices puede ser usada para rnodelar la propagacion de una enfermedad contagiosa. Supongase que cuatro individuos han contraido el padecimiento. Este grupo tiene contacto con seis personas de un segundo grupo. Podemos representar estos contactos, Ilamados con/aetas directos, por una matriz 4 x 6. Un ejemplo de una tal matriz 10 damos a continuacion:

Matriz de contsctcs directos: Grupos primero y segundo

(0 1 ° 0

1 0 0 1 A=

000 1

1 000

~ ~)'

1 0

o 1

Aqui se tiene que au = 1 si la z-esima persona del primer grupo ha hecho contacto con la j-esima persona del segundo. Por ejemplo, ellen la posicion 2, 4 significa que la segunda persona del primer grupo (el infectado) ha hecho contacto con !a cuarta persona del segundo grupo. Ahora supongase que un tercer grupo de cinco personas ha tenido contacto directo con individuos del segundo. Esto tarnbien puede representarse por una matriz.

Matriz de cOlltac:tos directos: Grupos segundo y tercero,
'0 0 1 ° 1
0 0 0 1 0
0 0 0 0
B= 0 0 1
1 0
0 0 0 1 0
,0 0 0 0, N6tese que b64 = 0, 10 cual significa que la sexta persona del segundo grupo no ha tenido contacto con la cuarta persona del tercero.

Los contactos indirectos -0 de segundo arden- entre los individuos en el primero y tercer grupos se represent an por la matriz 4 x 5 C = AB. Para captar esto, basta observar que para que alguien del grupo 3 haya sido contagiado, debio haber tenido contacto con alguien del grupo 2, qui en a BU vez hubo de ser contagiado por alguien del primer grupo. Por ejernplo , como a24 = 1 Y b4S = 1, vemos que, indirectarnente, la quinta persona del grupo 3 tuvo contacto (por media de la cuarta persona del grupo 2) con la segunda persona del grupo 1. EI numero total de contact os indirectos entre la segunda persona del grupo 1 y la quinta del grupo 3 esta dado por

e25 = a2IhI5 + a22h25 + a23h35 + a24h45 + a2sh55 + a26h65 = 1·1 + 0·0 + 0·0 + 1·1 + 0·0 + 1-0 = 2

Ahora se calculara.

Matriz de ccntsctos illdirectos: Grupos primero y tercero,


o 0 2 0)

o 2 0 2

001 1 020 1

Observamos que solo hi segunda persona en el grupo 3 no tiene eontaetos indirectos con enfermos. La quinta persona en este grupo tiene 2 + 1 + 1 '" 4 contactos indirectos.

Hemos visto que la ley conmutativa no se aplica al producto de matrices.

EI siguiente teorema rnuestra que la ley asociativa si se cumple.

Teol'ema.2 Ley asodativa para multiplicad6n de matrices. Sean A = (a i) una matriz de n x m, B = (bi) una rnatriz de m x p y C = (cij) una matriz de p x q. Entcnces la ley asociativa

[

3

--------------------------------

ACBC) = (AB)C

es valida y ABC, definida por cualquier lado de (5) es una matriz de n x q.

La demostracion de este teorema no es dificil pero es algo tediosa. Es mejor darla usando notacion de sumatoria. (Si esto no Ie es familiar, vea los Problemas del 60 al 80.) Por esta razon diferiremos la demostracion hasta el final de la seccion.

_ (1 -3) _ {2

Ejempio 7 Verifique la ley asociativa para A - \0 2' B - \3

y

C=

( 0 -2 1)

4 3 2 .

-5 0 6

Soluciol! Primero notemos que A es de 2 x 2, B es de 2 x 3 y C es de 3 x 3. Asi, todos los productos empleados en el enunciado de la ley asociativa 1 estan definidos y el producto resultante sera una matriz de 2 x 3. Entonces calculamos

AB= (~ -~)(~ -1 ~) = (-~ -4 -11)
1 2 10,
-U)( ~ -2 ~H 39
(AB)C= (-~ -4 2 -81)
2 3 -6
10 -5 -42 70
0 6
Igualmente,
. 0 -2 ~) ~ (-24
BC==' C -1 ~)(-~ -7 24)
3 -3 35
3 1 -21
0 6 1.5 • Productos de vectores y matrices 25

-7 24) I 39 2 -81)

-3 35 = \-42 -6 70

Asi, (AB)C = A(BC).

De aqui en adelante escribiremos eI producto de tres matrices simpiemente como ABC. Podemos hacer esto porque (AB)C = A (BC); as! obtenemos el mismo resultado sin importar como se efectue la multiplicacion (con tal de que no conmutemos ninguna de las matrices).

La ley asociativa se puede extender a productos mas grandes. Por ejemplo, si AB, BC Y CD estan definidos, entonces

Hay dos leyes distributivas para la multiplicacion de matrices.

Teorema 3 teres distributi'llJs'para la milltiplicacioll de matrices. Si todas las sumas y los productos siguientes estan definidos, entonces

Demoslraciol! de los Teoremas 2 y 3

A(B+C) =AB +AC

y

L

(8~]

-------

(A +B)C=AC+BC

Ley Ilsociativ!l. Como A es de n x my B es de m x p, AB es de n x p, Asl, (AB)C = (n X p) X (p X q) es una matriz de n x q. Igualmente BC es de m x q, y A (BC) es de n x q, y as! (AB)C y A (BC) son ambas del mismo tamano. Debemos mostrar que la ij-esima componente de (AB)C es igual a la ij-esima componente de A (BC). Definimos D = (dij) = AB. Entonces di) =

rn P

L aikbki' La ij-esima componente de (AB)C = DC es I

k 1 1= 1

f ( t C1ikbk1)Clj = f t aikbklClj' Ahora definimos E = (e,) = BC. Enton-

/= 1 \k---l ko::: 1 1- 1

v m

ces eij = :t hi! (Ij Y la ij-esima componente de A (BC) = AE es L IJikekj =

1'-1 k~l

yt"l p

L L aikbklCI;.Pero esta es la ij-esima componente de (AB)C y el teorema queke=L I~l

da as! demostrado , II


Leyes distributiv8S. Probaremos la primera ley distributiva (Ecuacion 7). La prueba de la segunda (Ecuacion 8) es identica y por 10 tanto la omitimos. Sea A de n x m y sean B y C de m x p. Entonces la kj-esima componente de B + C es

bki + ckj Y la ij-esima componente de A(B + C) es £ aik( bkj + ckj) = £ aikbkj +

k-l k-l

L: aikckj = ij-esima componente de AB mas la ij-esima componente de AC 10

k=l '

que prueba la Ecuacion (7). III

Problemas 1.5

En los Problemas del 1 al 7 calcule el producto escalar de las dos vectores.

2. (1,2,~1.0); (3,~7,4,~2)

4. (8,3,1); (7, ~4, 3)

S. (a, b); (c, d)

7. (~1,~3.4,5); (~1,~3,4,5)

8. Sea a un n-vector. Muestre que a . a 2 O.

9. Encuentre condiciones en un vector II de forma que a . a = O.

En los Problemas del 10 al 14 efectue el cdlculo indicado con a

(~~)

10. (28)' (3b)

13. (2b)· (3c -- Sa)

11. Ill' (b+c)

14. (a~c)' (3b~411)

12. c : (a~b)

En los Problemas del 15 at 29 efectue las operaciones indicadas.

1.5 • Productos de vectores y matrices 21

24. (~2 . ~ ~)(~~ ~ ~)

3 1 1 0 4

25. (1 4 0

( 3 ~6)

2) _~ :

(3 ~2

27. 4 0

5 1

1) 11 6 (0.

9 \0

{ 3 2

26. I

\--6 4 0

(1 0 0 (3 ~2 1

28. 0 1 0) 4 0 6)

() 0 1 5 I 9

29. (~ : ;.') (~ 0 ~) en donde G, b. C, d, e, [;

g h J 0 () 1 'g. ii, j son numeros reales,

(a b) (2 32)~- (01 (1)')'

30. Encuentre una matriz A = c d tal que A 1 -~

bJ,2) = (1 0).

bn D 1

32. Verifique la ley asociativa de la multiplicacion para las matrices A

= (2 ~1 4)

1 0 6 '

(I 0 1) ( 1 6)

B = 2-1 2 , y C = ~ 2 4 .

3 ~2 o 0 5

33. Como en el Ejemplo 6, supongase que un grupo de individuos ha contraido una cnfermedad infecciosa. Estas personas rienen contacto con un segundo grupo que

a su vez tiene contacto can un t.ercero. Sea A '" ('~ ~ : ~\.) la matriz que reI 0 0 ] /

present a los contactos entre el grupo contagioso y los miembros del grupo 2, y sea

(1 0 1 0 0)

o 0 () 1 () B --

I 1 0 0 0

o 0 1 0 I

15. ( 2 ~)(~ ~) 16. (~ ~~)c-~ ~) 17·G ~~)(~~ ~) la matriz que represcnta los contactos entre los grupos 2 y 3. (a) i,Cuantas personas
-1 hay en cada grupo? (b) Halle la matriz de contact os indirectos entre los grupos I y 3.
Responda a las preguntas del Problema 33 si A = (~ 0 1 1 ~) Y
(~5 6)(3 -!) ~)G ~1 ;) 4 ( 1 ~) 34. ] 0 I
18. 19. (~~ 5 20. G
6 sJ ~~
. I 3 1 4 ~3
1 B~~ 0 0 0 0 0 l)
c: :)G 1 0 1 0 0
1 4) 22. C 4 ~~)(~ ~) 23. (~~ 4 DG ~3 ~) 1 0 0 I
21. 3 0
3 5. 3 0 0 0 0 1 °
3 () 3
0 1 0 0 0 0 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Vectores ortogonales

Se dice que dos veetores II y b son ortogonales si a . b = O. En los Problemas del 35 at 39 determine que pares de veetores son ortogonales. *

35. C~); G) 36. C~} (-~) 37. C~); G)
38. (1,0, 1,0); (0.'1,0, 1) 39. (~}O
\c 0 40. Encuentre un numero 01 de forma que (1. -2, 3, 5) sea ortogonal a (-4, ex, 6, 1).

41. Encuentre todos 10> numeros " y p de forma quo 1" vectores (-;) Y \ 3 I

sean ortogonales.

Dcmuestre eJ Teorema 1 a partir de la definicion de producto escalar ,

43. Un Iabricante de joveria tiene pedidos para dos anillos, tres pares de aretes, cinco fistoles y un collar. El f'abricante estima que requierc 1 hora de trabajo el elaborar un anillo; 1 t horas el haeer un par de aretest] hora el hacer un fistol, y 2 horas, la claboracion de un collar.

(a) Exprese las ordenes de trabajo 0 pedidos como un vector renglon.

(b) Exprese los tiernpos de elabor acion de los diversos productos como un vector columna.

(c) Utilice el producto escalar para detcrrninar numero total de horas que se

requeriran para surtir los pedidos.

44. Una turista que regresa de un viaje por Europa SiC cncuentra que poscc el siguiente

dinero: chelines austriacos, 20 libras esterlinas, 100 frances franceses , 5000

italianas y 50 marcos alemancs. En dolares estadunidenses, un chelin valia

$0.055; libra, $ .80; el franco, $0.20; la lira, $0.001, el marco, $0.40.

(a) Exprese la cantidad cada moneda por vector rcnglon.

Exprese el valor de cada moneda en dolares POl' un vector columna.

(c) Utiuce el producto escalar para hallar cuantos dolarcs cquivalia el dinero turista.

compahia les paga a sus ejecutivos su sueldo les concede participacion en una gratificacion anual. EI ano pasado, el presidente recibio SO,OOO SO accioncs, cad a uno de los tres vicepresidentes reci-

u.rn. y 20 acciones y el tesorero, 40,000 u.m. acciones.

(a) Exprese pagos en dinero y en por medio de unamatriz de x

el nurnero de ejccutivos de cada categoria par un vector columna.

multiplicacion de matrices para calcular cantidad total de dinero

que erogo La comparna en el pago a sus Iuncionarios principalcs ano.

ortogonales seran rrarudos ampliamente en los Capitulos 3 y 4.


46. Las ventas, utilidades brutas por unidad y los impuestos unitarios de una gran compafiia se dan en la tabla siguiente.

Producto
Ventas del
Produeto Pro- Utllidades Irnpuestos
Mes I II III ducto (en cientos de u.m.) (en denio, de u. rn.)
Enero 4 2 20 I 3.5 1.5
Febrero 6 1 9 II 2.75 2
Marzo 5 3 12 HI 1.5 0.6
Abril 8 2.5 20 I Encuentre una rnatriz que muestre el total de utilidades e impuestos en cada uno de los 4 rneses.

47. Sea A una matriz cuadrada. Entonces A 2 se define simplernente como AA. Calcule

-2

48. Calcule A 2, en dondc A =

()

1

49. Determine

(-1

en donde A =

\ 3

0
0 .,
l
0 0
0
1 0 0
0 0
0 0
0 0
0 Una matriz A de x n tiene la propiedad de que su producto Call cualquier matriz

de n x es Ia matriz cero. Pruebe que _A la matriz cero.

de probabilidad es una matriz cuadrada con dos propiedades:

componcnte es no negativa (?: 0) y (ii) la suma los elementos de cada renglon

es Las siguientes son de probabilidad:

.1 1
~ -x
1 1 Y
2: 4
0 0 ,J 1 1.\
/ 6" " 3 \
= I o () \
J
\ 1 1 V
' 5 :5 Muestre que PQ cs una rnatriz de probabilidad.

=r.

30

CAPITULO 1 • SISTEMAS DE ECUACIONES liNEALES Y MATRICES

*56. *57.

Sea Puna matriz de probabilidad. Mucstre que P? es una matriz de probabilidad, S,:an P y Q matrices de probabiliad del mismo tamafio. Pruebe que PQ es

triz de probabilidad. una rna-

Demuestre la formula (6) usando la ley asociativa (Ecuacion 5).

U? torneo d: tenis puede ser organizado de la siguiente forma. Cada uno de los n jugadores juega contra todos los dcrnas, y los resultados son registrados en una matnz R de n x n COmo sigue:

. { j si el z-esimo jugador vence al j-esimo jugador

R; = 0 si el /-esimo jugador pierde ante el j-esimo jugador 051 I = }

AI z-esirno jugador se le asigna el siguientc puntaje

n~ 1 n

S, = I Rij +_. I (R2)'i *

j=l 2 j=l

(a) En un torneo entre cuatro jugadores,

(0 1

R = 0 () 1 ° 1 0

o 0)

1 1

° 0 . 1 0

Clasifique a los Iugadores de acuerdo a sus puntajes. (b) Interprete cl significado de la clasificacion.

58. Sea a la matriz cero de m x n y sea A una matriz de n x = 01' donde a, es la matriz cero de m x p .

59. Verifique la ley distributiva (Ecuacion 5) para las matrices

p. Muestre que OA

A=G

B =( -~ ~)

2 4)

-1 0

Debid? a q~e u~aremos fa notaci6n r; en varias partes de este libro, el lector deberia fa'}1.dlartzarse con ella. Los siguientes problemas estrin disetiados para este propostto. En los Problemas del 60 at 67 eva/lie las sumas dadas.

4

60. I 2k

k=l

3

61. I i3

63. I 3'

k=l

62. I 1

1=1

k=O

3 4

66. I I ij

i=l j=l

4

67. I I k2j3

k=l i=2

En los Problemas del 68 at 80 escriba cada suma usando fa not .; 'f'

acton ~.

68. 1+2+4+8+16 69.1-3+9-27+81-243

2 3 4 5 6 7 n

70. -+-+-+-+-+_+ ... + __

3 4 5 6 7 8 n+l 71. 1+2'i2+3l13+4'!4+S'!5+ ... +n ':"

72. 1+X3+X6+X9+X12+X15+X'8+X21

73. -1+-~_J..+J.._J..+J.._J.. J.._J... 1

a a2 a3 a4 a' 6+ 7 B 1-9

a a a a

7 4. ~-'l + 3 . 5 + S . 7 + 7 . 9 + 9 . 11 + 11 . 13 + 13 . 15 + 15 . 17

* ,

(R")u esla ij-esirna cornponente de la matriz R2

1.6 • m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y gaussiana

31

75. 22• 4+32• 6+42• 8+52• 10+62• 12+72 ·14

76. a" + a'2 + a13 + a21 + a22 + a23

77. a" + a'2 + a2l + a22 +a31 + a32

78. 79. 80.

a2l + a22 + an + a24 + a3l + a'2 + a33 + a34 + a41 + a42 + a43 +a44 a31b'2 + a32b22 + a33b32 + a34b42 + a35bs2

a2,bllC'5 + a2l b,2C25 + a2,b13c35 + a21b'4c45

+ a22b21 C15 + a22b22c25 + a22b23c35 + a22b24c4S + a23b3l C'S + a23b'2c25 + a23b33c35 + a2]b34C4'

1.6 m Ecuaciones en n incognitas:

Eliminaciones de Gauss-Jordan y gaussiana

En est a seccion describimos un metodo para encontrar todas las soluciones (si existen) de un sistema de m ecuaciones lineales en n incognitas. Al hacer esto veremos que, como en el caso de 2 x 2, tales sistemas tienen una solucion, un numero infinito de soluciones 0 ninguna solucion, Antes de entrar al metodo en general veamos algunos ejemplos simples.

Ejemplo 1

Resuelva el sistema

Soludoll

2xJ + 4X2 + 6X3 = 18

4xj + 5X2 + 6X3 = 24 3xj + X2 - 2X3 = 4

Buscamos tres numeros XI' X2 Y Xl tales que las tres ecuaciones en (1) sean satisfechas. Nuestro metodo de solucion consistira en simplificar las ecuaciones como lohicimos en la Seccion 1.2 de forma que las soluciones sean facilmente identificadas. Empezamos pOI dividir la primera ecuacion entre 2. Esto da

(1)

Xl + 2X2 + 3X3 = 9

4Xl + 5x2 + 6X3 = 24 3x1 + X2 - 2X3 = 4

Como vimos en la secci6n antes mencionada, sumar dos ecuaciones nos !leva a una tercera ecuacion valida. Esta ecuaci6n puede reemplazar en el sistema a cualquicra de las dos ecuaciones usadas para obtenerla. Empezamos a simplificar el sistema (2) multiplicando por -4 ambos lados de la primera ecuacion en (2) y sumando esta nueva ecuaci6n a la segunda. Esto nos da

-4Xl - 8x2 12x3 = -36

(2)

La ecuacion - 3x2 - 6x) sistema es

- 3x2 - 6X3 = -12

-12 es n uestra segunda nueva ecuacion y ahora el

3fl CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Xl + 2X2 + 3X3 = 9

- 3x2 - 6X3 = -12 3xl + x2 -- 2X3 = 4

Ahor~, multiplicamos la primera ecuacion por -3 y la sumamos a la tercera ecuacion:

Xl + 2X2 + 3X3 = 9

- 3x2 - 6X3 = -12

- 5x2 - 11x3 = -23

Notemos que e~ el sistema (3) la variable XI ha sido eliminada de la segunda y tercera ecuaciones, Despues dividimos la segunda ecuacion entre -3:

(3)

Xl + 2X2 + 3X3 = 9 x2 + 2X3 = 4

- 5x2 - 11x3 = -23

Multipl!c~mos la segunda ecuaoion por -2 y la sum amos ala prirnera: Iue 0

se multiplica la segunda ecuacion por 5 y se suma a la tercera: ' g

Xl - X3 = 1

x2 + 2X3 = 4

-- X3 = -- 3

Multiplicando la tercera ecuacion por -1:

X2 + 2X3 = 4

X3 = 3

iinalmente, su~~mos la tercera ecuacion a Ia primera y despues se multiplica ,~ tercera ecuacion por -2 y se la suma ala segunda para obtener el siguiente sistema (el cual es equivalenre al sistema (1»):

=4 =-2

Esta es la I " ,

so uc~on unica, al sistema. La escribimos en la forma de vector

G(4, -2, 3). EI metodo aqur usado se conoce como rnetodo de eliminaci6n de

auss-Jordan. * . .

* Llamado asi en honor del gran m t ati I' ,

'f f '. a ema leo a eman Carl Friedrich Gauss (1777-1855) v del mat

rna lCO ranees Camille Jordan (1838-1922), Vease la resena biografica de Gauss, - e-

Matr;z de ,oef/cientes

Matriz al.lmentaaa

1,6 • m Ecuaciones en n inc6gnitas: Eliminaciones de Gauss-Jordan y gaussiana 33

Antes de continuar con otro ejemplo resumiremos 10 hecho en este:

i. Dividimos para hacer igual a 1 el coeficiente de Xl en la primera ecuacion. li, "Eliminamos" los terminos en XI de la segunda y tercera ecuaciones. Esto es, hicimos los coeficientes de estos terminos iguales a cero muitiplicando la primera ecuaci6n por mimeros apropiados y despues surnandola a la segunda y tercera ecuaciones, respectivamente.

iii. Dividimos para hacer iguaJ a Lel coeficiente del terrnino en X2 en la segunda eeuaci6n y despues us amos est a para eliminar los terrninos en x2 de la primer a y tercera ecuaciones.

iv, Dividimos para hacer igual a t el coeficiente del termino en Xl de la tercera ecuacion y despues usamos esta ecuacion para eliminar los terminos en X3 de la primera y segunda ecuaciones,

Debemos enfatizar que en cada paso obtuvimos sistemas que son equivalentes. Esto es, cada sistema tiene el mismo conjunto de soluciones que el sistema anterior. Esto se deduce de las Propiedades A y B de la Secci6n 1.2.

Antes de resolver otros sistemas de ecuaciones, introduciremos una notaci6n que haga mas facil escribir cada paso en nuestro procedimiento. Una matriz es un arreglo rectangular de numeros. Los coeficientes de las variables XI' X2 Y XJ en el sistema (1) pueden ser escritos como los elementos de una matriz A, llamada matriz de coeficientes del sistema:

(2

A = ~

(4)

4 5

Defina los vectores x y b como

x ~ G:) y

EI sistema (1) puede escribirse en la forma Ax = b

En cada paso del Ejemplo 1, se escriben much as x. Esto no es necesario: Usando la notacion matricial, eI sistema (1) puede expresarse como Ia matriz aumentada

6 6 2

4 5

(5)

Por ejernplo, la primer a fila de la matriz aumentada (5) se lee 2xI + 4X2 + 6x] = 18. N6tese que cada fila 0 renglon de la matriz aumentada corresponde a una de las ecuaciones del sistema.

Ahara introduciremos alguna terminologia. Hemos visto que multiplicando (0 dividiendo) los dos lados de una ecuacion por un numero diferente de cera

34

I Carl Friedrich Gaussr 1771-1855

EI mas grande matematicodel siglo diecinueve, Carl Friedrich Gauss es considerado uno de los tres mas grandes maternaticos de todos los tiernpos -siendo los otros dos Arquimedes y Newton.

Gauss naci6 en Brunsvick, Alemania en 1777. Su padre, un trabajador pertinaz que fue excepcionalmente obstinado y nunca erey6 en Ia educacion formal, hizo todo 10 que pudo para mantener a Gauss fuera de las escuelas. Afortunadamente para Carl (y para las matematicas), su madre, pese a no contar tampoco con educacion formal, alento a su hijo en sus estudios y participo con orgullo de sus logros hasta los dias de su muerte, a la edad de 97 anos,

Gauss fue un nino prodigio. A la edad de 3 anos, encontro un error en la con lab iii dad de su padre. Se cuenta una famosa historia de Carl, a la edad de 10 anos, cuando pupilo de la escuela local de Carl Friedrich Gauss Brunsvick. EI maestro era famoso por sus asignaciones de tare as (Biblioteca del Congreso, para rnantener a los nines ocupados. Un buen dia lcs pidi6 po-

Estados Unidos) nerse a sumar los numeros del I al 100. Casi en forma instantanea,

Carl coloco su pizarra cara abajo con las palabras "ahi esta". Despues, el maestro descubrio que Carl era el unico que tenia la respuesta correcta, 5050. Gauss habia notado que los nurneros podian disponerse en 50 parejas, cada una con la sum a 101 (I + 100, 2 + 99, y asi sucesivamente), y 50 x 101 ~ 5050. Mas tarde en su vida, Gauss decia que antes de aprender a hablar, ya sabia sumar.

Cuando tenia 15 anos, el duque de Brunsvick advirti6 su talento, y se convirtio en su protector. EI duque Ie ayudo a ingresar a la Universidad de Brunsvick en 1795, y tres aiios despues, ala Universidad de Gotinga. Titubcante entre las disciplinas de filosofia y matematica, finalmente eligio las ciencias maternaticas despues de dos extraordinarios descubrimientos. Primero, invento el rnetodo de minimos cuadrados, una decada antes de que Legendre publicara el resultado. Segundo, un mes antes de su cumpleanos decimonono, resolvio un problema cuya solucion se habia buscado por mas de dos mil afios. Gauss mostro c6mo construir, con solo com pas y regia, poligonos regulares cuyo numero de lades no fuese un multiplo de 2, 3 0 5. EI 30 de marzo de 1796, dia de su descubrimiento, comenzo un diario cuyas lineas iniciales describian la construccion de un poligono regular de 17 lados. EI diario, que contiene 146 menciones de resultados en solo 19 paginas, es uno de los documentos mas importantes en la historia de las matematicas,

Despues de un periodo breve en Gotinga, Gauss paso a la Universidad de Helmstaedt yen 1798, a la edad de 20 afios, escribio su famosa disertaci6n doctoral. En ella dio la primera demostraci6n rigurosa del teorema fundamental del algebra: todo polinornio de grado n, posee, contando las rnultiplicidades, n raices. Much os matematicos, incluyendo a Euler, Newton y Lagrange, habian intentado la dernostracion de este resultado.

Gauss realizo un gran numero de descubrimientos en fisica y en matematicas, Por ejemplo , en 1801 uso un nuevo procedirniento para calcular, con l1lUY pocos datos, la orbita del asteroide Ceres. En 1833, invent6 el telegrafo electromagnetico con su colega Wilhelm Weber (1804-1891). No obstante su brillante trabajo en astronornia y electricidad, su desempeno eu matematicas es todavia mas asombroso. Hizo contribuciones fundamentales al algebra y la geometria. En 1811, descubri6 un resultado que indujo a Cauchy a desarrollar la teoria de la variable compleja. Lo encontrarnos aqui (en este libro) en cl metodo de eliminacion Ilamado de Gauss-Jordan. Los estudiantes de analisis numerico estudian la cuadratura de Gauss -una tecnica de integracion nurnerica.

Gauss se convirtio en catedratico de maternaticas en Gotinga en 1807, y perrnanecio en ese puesto hasta su muerte en 1855. Aun despues de su muerte, su espiritu maternatico qued6 para tormento de los maternaticos del siglo diecinueve. Frecuentemente ocurria que algun supuesto nuevo resultado importante ya habia sido descubierto anteriormcnte por Gauss y podia ser encontrado en sus not as no publicadas.

En sus escritos de maternaticas, Gauss era un perfeccionista yes quiza el ultimo maternatico que sabia todo de su materia. Defendiendo el punta de vista de que una catedral que

se obtiene una nueva ecuacion valida. Mas aun, si sumamos un multiple de una ecuacion a otra ecuacion del sistema obtenemos otra ecuacion valida. Finalmente, si intercambiamos dos de las ecuaciones de un sistema se obtiene un sistema equivalente. Estas tres operaciones, cuando se Ie aplican a los renglones de la matriz aumentada de un sistema de ecuaciones, se denominan operaciones elementales de renglon (0 sobre renglonest.

1.6 • m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y gaussiana 35

se construye no es tal sino hasta que la ultima parte del andamiaje se ha retirado, hacia cada una de sus obras cornpleta, concisa y pulida. Utilizaba un sello que mostraba un arbol con algunos pocos frutos y el lema: Pauca sed matura (pecos pero maduros), Pero Gauss tambien crey6 que las maternaticas debian reflejar el rnundo real. A su rnuerte, f'ue honrado con una medalla conmemorativa enla que se inscribio "De Jorge Y, Rey de Hanover, al Principe de los Matcmaticos".

Resumiendo, las tres operaciones elementales sobre renglones aplicables a la representacion de la matriz aumentada de un sistema de ecuaciones son:

Operaciones elementales de reng/on

i. Multiplicar (0 dividir) un renglon por un numero distinto de cero. ii . Sumar un multiple de un renglon a otro renglon.

iii. Intercambiar dos renglones.

EI proceso de efectuar operaciones elementales de renglon para simplificar una matriz aumentada se llama reduccion por renglones.

L M, (c) indica" multiplicar el i-esimo renglon de una matriz por el nurnero

c"o

il , (c) indica" multiplicar el i-esimo renglon por c y sumarselo al

renglon" _

iii. P"j indica "intercambiar (permutar) los renglones i y j".

lv , A -+ B indica que las matrices aurnentadas A y B son equivalentes; esto es, que los sistemas que representan tienen la misma solucion.

En el Ejemplo 1 vimos que si usamos las operaciones elernentales de renglon

y varias veces obtenernos un sistema en el cual las soluciones al sistema

quedan dadas explicitamente. Ahara repetimos los pasos del Ejernplo 1, usando la notacion anterior:

(~ ~

3 1

J

I) 0 -1 ( 0 1 2 \ 0 0 -1

(o~

-5 -11

J

9

3 -3 -6

2

3 6 --2

6 6 -2

Al,l(-4) Al.3(-3)

M,(-i) (J ----> 0

o

2 3

1 2

-5 -11

36


(10 -1 1) A",(I)

M,(-!!.,. 0 1 2 4 ~~

,0 0 1 3

(1 0 0

010 001

De nuevo facilmente "vemos" la solucion XI

4, x2

3.

Ejemplo 2 Resolver el sistema

2x) + 4xz + 6X3 = 18 4x) + 5xz + 6X3 = 24 2XI + 7xz + 12x3 = 30

Soludoll Observemos que este sistema puede escribirse como Ax = b, en donde

A = (~ ;

2 7

y

b = (~!)

30

Para resolverlo procedemos como en el Ejemplo 1, expresando primero el sistema como una matriz aumentada:

G 4 6 ;!)
5 6
7 12 30
Se obtiene sucesivamente,
~'~ (: 2 3 9) '"H G 2 3 -~2 )
5 6 24 ~\ 3 -6
7 12 30 3 6 12 G 2 3 ;,) A1,\( -·2) (; 0
M,(-t) 1 2 ,1,,,(-3\ I
3 6 ,0 0
Esto equivale al sistema de ecuaciones X I

X3 = 1 x2 + 2X3 = 4

Hasta aqui puede llegarse. Ray s610 dos ecuaciones en tres inc6gnitas XI' X2, Xl Y puede haber un numero infinito de soluciones. Para ver esto, elijase X). Entonces X2 = 4 2x, Y XI = 1 + Xl' Esto es una soluci6n para cualquier nurnero x). Escribimos estas soluciones en la forma vectorial (I + XJ' 4 - 2x), XJ)' Por ejemplo, si xJ = 0, se obtiene la soluci6n (1, 4, 0). Para xJ = 10, resulta la soluci6n (11, -16, 10).

1,6 • m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y gaussiana 37

Ejemplo 3 Resuelva el sistema

2x) + 4X2 + 6x] = 18 4x) + 5x2 + 6X3 = 24 2x) + 7X2 + 12x3 = 40

(6)

SoIl/don Usaremos la forma de la matriz aumentada y procederemos exactamente co-

mo en el Ejemplo 2 para obtener , sucesivamente, los siguientes sistemas. (Notemos que en cad a paso, usamos las operaciones (i) a (ii).)

G 4 6 ") r 2 3 9)
5 6 24 ~ 4_5 6 24
7 12 40 2 7 12 40
'"H' (' 2 3 - ~2) M,(-j). (~ 2 J 9)
~O -3 -6 1 2 4
0 3 6 22 \0 3 6 22
',k" ( 0 -1 ~ )-~~+ 0 -I ~)
4",(-) 0 2 1 2
0 0 0 10 0 0 0 La ultima ecuacion queda OXI + OX2 + OXJ = 1, 10 que es irnposible ya que 0 *- 1. Asi, el sistema (6) no tiene solucibn.

Veamos otra vez estos tres ejemplos. En el Ejemplo 1 empezamos con la

matriz

(2 4

A)= 4 5 J 1

En el proceso de reducci6n por renglones Adue "reducida" ala matriz

R,~G 0 D
1
0
En el Ejernplo 2 empezamos con
12 4 6 )
A, ~ (~ 5 ~2
7
y terminamos con
R,~G 0 -D
0 En el Ejemplo 3 empezamos con
A, ~G 4 U
5
7
y, otra vez, terminamos con
R,~G 0 -n
1
0 1.6 • m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y gau5siana

39

38


Las matrices Rj, R2 Y R3 se denominan formas escalonadas reducidas de las matrices AI, A2 Y A3, respectivamente, En general, tenemos la siguiente definicion.

Ejemplo 5 Las siguientes matrices estan en forma escalonada:
;.G 2 D H·G -1 6 -;)
1 1 2
0 0 0
(~ 0 2 (~ v. G 3 2 ~)
iii. 0 1 ~) Iv, ~) 3
0 0 Definicion 1 Forma escalollada reducida. Una matriz esta en forma escalonada reducida si se cumplen las cuatro condiciones siguientes:

Ooservacion1. La diferencia entre estas dos formas debe ser clara a partir de los ejemplos. En la forma escalonada todos los mimeros que estan abajo del primer 1 de un renglon son cero. En la forma escalonada reducida todos los mimeros que estan arriba y abajo del primer 1 de un renglon son cero. Asi, la forma escalonada reducida es mas exclusiva. Esto es, cualquier matriz en forma escalonada reducida esta en forma escalonada pero no inversamente.

i , Todos los renglones que consisten unicamente de ceros (si existen) aparecen en la parte de abajo de la matriz.

ii, El primer numero distinto de cero (si empezamos por la izquierda) en cualquier renglon que no consista unicamente de ceros es 1.

m. Si dos renglones sucesivos no consisten unicamente de ceros, entonces el primer 1 en el renglon inferior esta mas a la derecha que el primer 1 del renglon superior.

lv , Cualquier columna que contenga el primer 1 de un renglon tendra ceros en los demas lugares.

Observadon 2. Siempre podemos reducir una matriz a la forma escalonada reducida 0 a la forma escalonada realizando operaciones elementales de renglon. Hemos visto esta reduccion a la forma escalonada reducida en los Ejemplos 1, 2 Y 3.

Ejemplo 4 Las siguientes matrices estan en forma escalonada reducida:
I, G 0 B D·G 0 0 ~) .,. (1 0 0 ~)
1 1 0 m. 0 0 1
0 0 0
v·G 0 2 ~) Ejemp/o 6
iv. (~ ~) 1 3
0 0 Como hemos visto en los Ejemplos 1, 2 Y 3, existe una fuerte conexion entre la forma escalonada reducida de una matriz y la existencia de una {mica solucion al sistema. En el Ejemplo 1, la forma escalonada reducida de la matri: de coeficientes (esto es, las primeras tres columnas de la matriz aumentada) tienen un 1 en cada renglon y existe una unica solucion. En los Ejemplos 2 y 3, la forma escalon ada reducida de la matriz de coeficientes tiene un renglon de ceros y el sistema no tiene solucion 0 tiene un nurnero infinito de soluciones. Esto siempre resulta ser cierto en cualquier sistema con el mismo numero de ecuaciones que de incognitas. Antes de ir al caso general, discutiremos la utilidad de la forma escalonada de una matriz. Es po sible resolver el sistema del

plo 1 reduciendo la matriz de coeficientes a su forma escalonada,

Resuelva el sistema del Ejernplo I reduciendo la matriz de coeficientes a su forma escalonada.

Ddinicion 2 Forma escalonada. Una matriz esta en forma escalon ada si se cumplen las condiciones (i), (ii) y (iii) de la Definicion 1.

SO/UC;OIl Empezamos como antes:
G 4 6 18) C 2 3 ~4)
5 6 !4~ ~ " 6
.J
1 -2 -2 40 CAPiTULO 1 . SISTEMAS DE ECUACIONES LINEALES Y MATRICES
G 2 3 :,) G 2 3 J
-3 -6 Alz( _oj) 2
-.-~
-5 -11 -23 -5 -11 Hasta,ahora, el proceso es el mismo que se hizo anteriormente. Sin embargo, despues solamente haeemos cero el numero (-5) abajo del primer 1 del segundo renglon:

3 2 -I

Ah?ra, tanto la matriz aumentada del sistema (como la rnatriz de coeficientes) estan en fo:ma. ~sealonada y vemos inmediatamente que X3 = 3. Usarernos entonces sustitucion hacia atrds para despejar x2 Y luego XI' La segunda ecuacion es x2 + ~;:J = 4. Asi, x2 + 2(3) = 4 y x2 = -2. De igual forma, de la primera ecuaelo~ obtenemos XI + 2(-2) + 3(3) = 90 XI = 4. Por consiguiente hemos ~bte.~ldo de nuevo la solucion (4, -2, 3). Este metodo de soluci6n se llama eliminacion gaussiana,

. Tenemos, por tanto, dos rnetodos para resolver nuestros sistemas de ecuaClones:

i. Eliminaci6n de Gauss-Jordan:

Reducir la matriz de coeficientes a Ia forma escalonada reducida.

ii. Eliminad6n gaussiana

~edu.cir .Ia ~atriz de coeficientes a la forma escalonada, despejar la ulI :~m~ m~ogmta y luego usar sustitucion hacia arras para despejar las otras

Lcogmta_s_ .. .. . .. -------.- __ J

I.CU(i~ de estos dos rnetodos es mas util? Depende. Si se resuelven sistemas de ecuaciones en una computadora la eliminaci6n gaussiana es el metodo mas usado, ya que requiere men os operaciones elementales sabre rengiones. Discutiremos la solucion numeric a de sistemas de ecuaciones en las Secciones 7.2 y 7.3. Por otro lado, hay ocasiones en las que es necesario obtener la forma escalonada reducida de una matriz (en caso de estes es discutido en la Seccion 1.S). En estos casos el mctodo usado es el de la eliminacion de Gauss-Jordan .

. Veamos ahara la solucion de un sistema general de m ecuaciones en n incogmtas. ~ado que 10 necesitaremos en la Seccion 1.S, resolveremos la rnayoria de los SIstemas por fa eliminacion de Gauss-Jordan. Tengamos en mente sin embargo, que la eliminacion gaussiana es, en ocasiones, el metoda preferido.

1.6 • m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jorden y gaussiana 41

En general, un sistema de m x n, de m ecuaciones lineales en n incognitas esta dado por:

(7)

donde

El sistema (7) puede ser escrito en la forma Ax = b

('a, 1

(/21 A= ,

.pml

(11"\)

a211

. ,

<;

y

b

am2

En este sistema todas las a y b son numeros reales dados. EI problema es encontrar todos los conjuntos de n numeros, denotados por (XI' x2, x3, ... , x,,), que satisfagan cada una de las m ecuaciones de (7). EI numero au es el coeficiente de la variable Xj en la i-esima ecuacion .

Resolvemos el sistema (7) escribiendo el sistema como una matriz aumentada y reduciendo por renglones la rnatriz a su forma escalonada reducida. Empezamos dividiendo eI primer renglon entre all (operacion elemental de renglon (i)). Si all = 0, entonces podemos intercambiar* las ecuaciones de forma que la nueva all sea diferente de cera. Usamos despues esta prirnera ecuacion para eliminar los terrninos en XI de cada una de las otras ecuaciones (usando la operacion elemental de renglon (ii»). Luego, la segunda nueva ecuacion se divide entre el nuevo terrnino a22 Y esta nueva ecuaci6n se usa para eliminar los terrninos en X2 de las demas ecuaciones. Este proceso se continua hasta que ocurra una de las tres situaciones siguientes:

------ ._----_.-

i, La ultima ecuacion diferente de cerot queda x ; = c para alguna constante c. Entonces hay una (mica solucion 0 hay un nurnero infinito de soluciones para el sistema.

ii.La ultima ecuacion diferente de cero quedaa[jxj+af.jllxjI1+··· a[.J I kXn ~c C para alguna constante c donde al menos dos de las a son diferentes de cero. Esto es, la ultima ecuacion es una ecuacion lineal en dos 0 mas de las variables. Entonces existe un nurnero infinite de soluciones.

* Para imcrcambiar un sistema de ecuaciones simplememe escribirnos las misrnas ecuaciones en difcrcntc orden. Por ejernplo, la prirnera ccuaci6n pucdc convcrtirse en la cuarta ecuacion, la tercera ccuacion puede convertirse en la segunda ecuacion, etc. Esta es una serie de operaciones elementales de rengl6n (iii).

-j- La "ccuacion cero" es fa ecuacion 0 O.

42

CAPiTULO 1 • SiSTEMAS DE ECUACIONES LINEALES Y MATRICES

[La ultima ecuacion queda 0 = c donde c * O. Entonces no existe 501J- cion. En este easo decimos que el sistema es inconsistente. En los c.a- .

sos (i) y (ii) se dice que el sistema es co nsistente. .

- - -.~-.---.-.-.-. - ---'--.'~- .--~- ..


x1+3x2-5x3+ x4=4 2x1+5x2 2X3+4x4=6

Soluda" Escribimos el sistema como una matriz aumentada y la reducimos por renglon:

G 3 -5 1 I 4\ A (--2) (1 3 -5 11 4)~~
..,
4 6) ---------------
5 -2 ,0 -1 8 2 -2
(~ 3 -5 114) ~C 0 19 71-2)
1 -8 -2 2 0 1 -8 -2. 2 Esto es todo 10 que podernos haeer. La matriz de coeficientes est a en forma escalonada redueida (caso (ii) anterior). Evidenternente hay un numero infinito de soluciones. Las variables Xl y X4 pueden ser escogidas arbitrariamcnte. Entonces, X2 = 2 + 8x] + 2X4 Y XI = '-2 19x3 - 7x4• Par 10 tanto todas las soluciones estan representadas par (-2 - 19x3 -- 7x4, 2 + 8X3 + 2x4, Xl' x4). Par ejemplo, si Xl = 1 Y x4 = 2, obtenemos la solucion (-35, 14, 1,2).

Como se vera despues de resolver rnuchos sistemas, los calculos se pueden convertir en algo muy complicado, Es una buena regJa usaf calculadora cuando las fracciones se vuelven muy eomplejas. Sin embargo, es necesario notar que si los calculos se llevan a cabo en una calculadora 0 en una cornputadora, se pueden introducir errores par "redondeo". Este problema se discutir a en fa Seccion 7.1.

Concluiremos esta seccion con tres ejemplos que ilustran como un sistema de ecuaciones lineales se puede presentar en situaciones practicas.

Ejemplo 8 Un modelo usado freeuentemente en Economia es el modelo de insumo-producto de Leontief. * Supongamos que un sistema econornico tiene n industrias, Cada industria tiene dos tipos de demanda. Primero esta la demanda externa, que viene de afuera del sistema. Si cI sistema es un pais, par ejernplo, entonces

• Llamado asi en honor del econornista estadunidense Wassily W. Leonticf. Estc mode1o fue usado en su publicaci6n "Qualitative Input and Output Relations in the Economic System of the United States" en Review ofEconomic Statistics J 8(1936): 105-125. Una version actualizada de cste modelo aparece en ellibro de Lcontief Input-Output Analysis (Nueva York: Oxford University Press, 1966). Leontief obtuvo eJ prernio Nobel de Economia en 1973 por su desarrollo de este analisis.

1,6 • m Ecuaciones en n inc6gnitas: Eliminaciones de Gauss-Jordan y gau5siana

43

la demanda externa podria verse como la demanda hecha par otro pais. Segundo, hay una dernanda hecha a una industria por otra del mismo sistema. Ep los Estados Unidos, par ejernplo, hay una demanda de produetos de la indus-

tria aeerera heeha par la industria autornotriz. .

Usemos e, para representar la demanda extern a hecha a la z-esima industria y au para representar la demanda interna hecha a la i-esima industria par la j-esima industria. Mas precisamente, au represent a el nurnero de unidades del produeto de la industria i necesario para produeir una unidad del producto de Ia industria}. Hagamos que Xi rcpresente la produccion de la industria i. Suponernos que la produccion de cada industria es igual a su demanda (esto es, no hay sobreproduccion). La demanda total es igual ala' sum a de las dernandas interna y externa. Para ealcular la dernanda interna de la industria 2, por ejemplo, notamos que la industria 1 necesita a21 unidades producidas par la industria 2 para generar una unidad de su producei6n. Si 10 que produce la 1 es X I entonees a21xI es la demanda total a la industria 2 par la industria 1. Asi, la demanda interna total de la industria 2 es a21xI + a22x2 + ... + a2nxn•

Llegamos asi al siguiente sistema de ecuaciones obtenido de igualar la demanda total can la produccion de cada industria:

allx1 + a12xZ + ... + a1nXn + el = Xl

(8)

0, eseribiendo (8) en Ja forma del sistema (7), obtenernos

(l-aI1)xj- a12x2-'" - u1nxn=e1

(9)

El sistema (9) de n ecuaciones en n incognitas es muy import ante en el analisis econornico.

Ejemplo 9

---------------_ .. _----

Solution

En un sistema econornico con tres industrias supongamos que las demandas externas son, respeetivamente, 10, 25 y 20. Supongamos que all = 0.2, a12=0.5, a13=0.15, a21=0.4, a22=0.1, a23=O.3, a31=0.25, a32=0.5 y a3J=0.15. Encuentre la produccion de cada industria de forma que su oferta iguale a su demanda.

Aqui n = 3, 1 - all = 0.8, 1 - a22 = 0.9 y 1 - al3 = 0.85. Entonees e! sistema (9) es

0.8x1-O.5x2 -0.15x3 = 10

-0.4Xl + O.9xz - 0.3X3 = 25

-O.25xl - 0.SX2 + 0.85x3 = 20

44


Usando calculadora para resolver este sistema obtenemos sucesivamente (con cinco cifras decimales y elirninacion de Gauss-Jordan)

( 0.8 -0.5 -0.1511°) (~4
-0.4 0.9 - 0.3 25 Ml(~)
-0.25 -0.5 0.85 20 -0.25
Au(O.4) (~ -0.625
Au(O.25) 0.65
-0.65625 -0.625 -0.1875 12.5)
0.9 -0.3 25
-0.5 0.85 20
-0.1875 :~5 )
-0.375
0.80313 23.125
-0.1875 12.5 )
-0.57692 46.15385
0.80313 23.125 (1 -0.625

M2(ds) 1

~ --0.65625 A,.,(O.625) ('010 0 -0,54808

A2.,(O·65625)

1 -0.57692

o 0.42453 -0.54808

-0.57692

1

41.34616) 46.15385

53.41346

41.34616) 46.15385

125.81787

G 0
M,(!IOA2453)
1
0
A,.1(O.54808) G 0
A3.2(O.57692) 1
0 o 110.30442)

o 118.74070

1 125.81787

Concluimos que las producciones necesarias para igualar la oferta y la demanda son, aproximadamente, Xl = 110, Xz = 119 Y x1= 126.

Ejemplo 10 Un departamento de Caza y Pesca Estatal suministra tres tipos de alimento a un lago que mantiene a tres especies de peces. Cada pez Of; la Especie 1 consume cada semana, un promedio de una unidad del Alimento 1, una unidad del Alimento 2 y dos unidades del Alimento 3. Cada pez de la Especie 2, consume cada semana un promedio de tres unidades del Alirnento 1, cuatro unidades del Alimento 2 y cinco unidades del Alimento 3. Para un pez de la Especie 3, el consumo semanal promedio es dos unidades del Alimento 1, una unidad del Alimento 2 y cinco unidades del Alimento 3. Cada semana se proporcionan al lago 25,000 unidades del Alimento 1, 20,000 unidades del Alimento 2 y 55,000 unidades del Alimento 3. Si se supone que todo el alimento es ingerido, l,cmintos peces de cada especie pueden coexistir en el lago?

Solucion Si denotamos por Xl' X2 Y Xl el nurnero de peces de cada una de las tres especies que son mantenidas por el sistema lacustre, utilizando la informaci6n en el problema vemos que Xl peces de Ia Especie 1 consumen Xl unidades del Alimento 1, X2 peces de la Especie 2 consumen 3X2 unidades del Alimento 1, y x) peces de la Especie 3 consumen 2X3 unidades del Alimento 1. Asi pues, Xl + 3x2 + 2X3 = 25,000 = total de suministro sernanal del Alimento 1. Obteniendo una ecuacion similar para cada uno de los otros dos alimentos, result a el siguiente sistema:

1.6 • m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y gaussiana 45

Xl + 3X2 + 2X3 = 25,000 Xl + 4X2 + Xl = 20,000 2Xl + SX2 + SX3 = 55,000

Resolviendo,

(1 3

1 4 2 5

2 25,000) 1 20,000

5 55,000

A,,(-l) (11

A; 3\-2)

----'----> 0

o

-- 1

25,000) A",(--J) (1 ° 5

A, ,(1)

- 5,000 -'-----+ 0 1 -1

5,000 ° ° °

40,000') -5,000

o

3

2 -1

De este modo, si Xl se elige en forma arbitraria, tenemos una infinidad de 50- luciones dadas por (40,000 - 5xl, Xl - 5,000, Xl)' Desde luego, debemos cumplir con las desigualdades Xl 2:: 0, Xz 2:: ° Y Xl 2:: 0. Como X2 = Xl -- 5,000 2:: 0, tenemos que Xl 2:: 5,000. Esto significa que ° ~ Xl ~ 40,000- 5(5,000) = 15,000. Finalrnente, ya que 40,000 - 5xJ 2:: 0, vemos que Xl ~ 8,000. Esto significa que las poblaciones que pueden ser mantenidas por el lago son

Por ejernplo, si Xl

Xl = 40,000 - 5x3 X2 = X3 - 5,000 5,000 ::;; X 3 ::;; 8,000

6,000, entonces Xj = 10,000 Y X2

1,000,

Problemas 1.6

En los Problemas del I at 20 use fa eliminacion gaussiana y fa eliminacion de Gauss-Jordan para encontrar todas las soluciones, si existen, de los sistemas dados.

1. x,-2x2+3x,=11 4xj+ X2- x3=4 2xj- x2+3x,=10

3. 3xj + 6x2 - 6x, = 9 2x,- 5x2+ 4x, =6 -Xl + 16x2-14x3 =-3 5. Xj+x2- x3=7

4Xl - X2 + 5x, = 4

2XI +2X2 -3X3 = 0

7. XI+X2- x-c=']

4xj-x2+5x3=4 6X, + X2 + 3X3 = 20

2. -2x, + x2+ 6X3 = 18

'ixj + 8x3=-16

3xl +2X2 -lOx, =-3

4. 3x, + 6x2 - 6X3 = 9 2Xl - 5X2 + 4X3 = 6 5 x, + 28x2 26x3 = -8 6. x, + X2 - X3 = 7 4Xj-X2+5x3=4

6Xl +X2+3x,= 18

8. X'l-2x2+3x3=0

4x,+ X2- x,=O 2x,- x2+3x3=0

46


9. X, + X2- X3=O 10. 2X2+5x3=6
4XI -X2 + 5X3 = 0 Xl -2x3=4
6x, +X2+3x3 = 0 2XI +4X2 =-2
11. X, +2x2- x3=4 12. X, +2X2-4x3=4
3x, +4X2 -2X3 = 7 -2X,-4x2+8x3 =-8
13. X, +2X2 -4X3 = 4 14. X, +2X2- X3+X4=7
-2X, -4X2+8x3 =-9 3X, + 6x2 - 3X3 + 3x4 = 21
15. 2XI +6X2-4x3 +2x4 =4 16. X, -2X2 + X3+ x4=2
X, - ;(3+ x4=5 3x, +2X3 -2x. =-8
-3x, +2x2-2x3 =-2 4x2- X3-X4 = 1
-X, +6X2-2x3 =7
17. X, -2x2 + x3+ x4=2 18. X,-2x2+ X3+ x4=2
3X, + 2X3 -2X4 =-8 3x, + 2X3 --2X4 =-8
4X2- x3- X4= 1 4X2- X3- X4= 1
5x, +3X3- x4=-3 5x, +3x3- X4=O
19. X,+ x2=4 20. X,+ x2=4
2XI ~3X2 = 7 2X,-3x2=7
3x,+2x2=8 3x, 2X2 = 11 En los Problemas del 21 al29 determine si fa matriz dada estd en forma escalonada (pero no en forma escalon ada reducida), en forma escalonada reducida o en ninguna de las dos.

21.

29. G

22. G 25. G 28. G

23. G

o 1 1 1 o 0

o 1 1 3

o 0 1 0 1

24.

(01

26.

27.

En los Problemas del 30 al 3S use operaciones elementales de renglon para reducir las matrices dadas a forma escalonada y a forma escalon ada reducida.

30. G ~) 31. (-~ ~) 32. G -: -D

35. (~ -~)

4 -3

33.

-4

34. (2 3

36. En ei modelo de Leontief de insumo-producto del Ejemplo 8 suponga que hay tres industrias. Suponga adem as que el = 10, e2 = 15, eJ = 30, all = ~, a12 = L al3 = ~,a21 = L a22 = ~, a23 = Ii, a31 =/2' a32 =~ ya33 = 1;. Encuentre la producci6n de cad a industria suponiendo que la oferta es igual a la demanda.

37. En el Ejemplo 10, suponga que se suministran allago 15,000 unidades del primer alimento, 10,000 del segundo y 35,000 del tercero. Suponiendo que los tres alimentos se consumen, i,que poblaci6n de cad a especie se encontrara en coexisteneia? i,Existe una unica solucion?

1.6 ' m Ecuaciones en n incognitas: Eliminaciones de Gauss-Jordan y gaussiana

41

38. Un viajero recien regresado de Europa gasto en alojamiento, par dia, $30 dolares en Inglaterra, $20 en Francia y $20 en Espana. En comidas, por dia, gasto $20 en Inglaterra, $30 en Francia y $20 en Espana. Adicionalmente, desernbolso $10 par dia en cada pais en gastos varios. EI registro de nuestro viajero indica que gasto un total de $340 en alojamiento, $320 en alirnentacion y $140 en gastos varios en su recorrido por estos tres paises. Calcule el numero de dias que perrnanecio eJ viajero en cad a pais 0 muestre que el registro debe ser incorrecto, pues las cantidades gastadas son incompatibles entre sf.

39. Una inversionista le afirma a un corredor de bolsa, que todas sus acciones son de tres empresas, una de aviacion, una de hoteles y una de alimentos, y que hace 2 dias que el precio de sus acciones bajo en $350 pew que subio a $600 el dia de ayer , El corredor recuerda que hace dos dias el precio pOl' accion de la compania de aviaci6n bajo $1, que el de la compania de hoteles bajo $1.50, pero que el de la de los alimentos subio $0.50. Tarnbien recordo el corredor que el dia de ayer los precios por aeei6n de las Ires cornpafiias se cornportaron como sigue. Subio el de aviacion $1.50, el de hoteles cayo $0.50, y eJ de la de alimentos subio $1. Muestre que el corredor no posee informaci6n suf'iciente para calcular el numero de acciones de las que es duena la inversionista, pero que cuando ella diga que tiene 2.00 acciones de la ernpresa alimenticia, entonces si es posible deterrninar ct numero de acciones rcstanre.

40. Un espia sabe que estan estacionados 60 aeroplanos -aviones de caza y bombarderos- en un cierto aeropuerto secrete. El agente quiere determinar cuantos aeroplanos hay de cad a clase. Existe un cierto tipo de cohere que cs portado par arnbas clases de aviones; el avian caza porta scis de estos coheres y el bornbardero dos. El agente averigua que se requieren 250 cohetes para poder arrnar a todos los aeroplanes del aer6dromo secreto , Mas aun, el agente oye que existen dos veces mas avioncs cazas que bombarderos en la base aerea en cuestion (esto cs, e! numero de aviones cazas menos dos veces el numero de bombarderos da cero), Calculc el numero de interceptores y de bornbardcros 0 muestre que la informacion del agente es incorrecta, par ser incompatible.

41. Considere el sistema

-5x,-5x2+21x3=c Muestre que el sistema es inconsistente si c '" 2a - 3b. 42, Considere el sistema

2x] + 3x2 - X3 = a

Encuentre condiciones en a, bye de forma que eJ sistema sea consistente. * 43. Considere el sistema general de tres ecuaciones lineales en tres incognitas:

a31x1 + a32X2 + a33X3 = b,

Fncucntrc condiciones en los coeficient es ail de forma que cJ sistema tenga una [mica solucion.

48


44. Resuelva el siguiente sistema usando una calculadora e inc1uyendo cinco cifras decimales de exactitud:

2X2 - X3 - 4X4 = 2 X,- X2+SX3+2x4=-4 3x,+3x2-7x3- x4=4

-X,-2X2+3x3 =-7

45. Haga 10 mismo' para el sistema

3.8xl + 1.6X2 + O.9X3 = 3.72 -O.7x, + S.4X2 + 1.6X3 = 3.16 l.Sx, + 1.lx2 - 3.2x3 = 43.78

En los Problemas del 46 at 51 escriba el sistema dado en fa forma Ax

46. 2x1- x2=3 47. x,-'X2+3x3=1l

4x,+5x2=7 4X,+X2- x3=-4 2x,-x2+3x3=10

48.3x,+6x2-7x3=O 2x,- X2+3x3=1

49. 4X,-X2+ X3- x4=-7 3x,+x2-5x3+6x4= 8 2x,-x2+ X3 9 51. 2x,+3x2- x3=(} -4x, + 2X2 + X3 = 0

'l x, + 3X2 -9X3 = O

50. X2-X3= 7

X, +x, = 2

3x,+2x2 =-5

1 .. 7 Sistemas homogeneos de ecuecione«

EI sistema general de ecuaciones lineales de m x n, sistema (1.6.7), se conoce como homogeneo si todas las constantes b., bz, ... , b ; son cero. Esto es, el sistema homogeneo general esta dado por

(1)

Los sistemas homogeneos surgen de varias maneras. Veremos una de estas en la Seccion 4.4. En esta seccion resolveremos algunos sistemas homogeneos, usando nuevamente el metodo de eliminacion de Gauss-Jordan.

Para el sistema general lineal hay tres posibilidades: no hay solucion, hay una 0 hay un numero infinito de soluciones. Para el sistema general hornogeneo la situacion es mas simple. Como Xl = Xz = ... = x; = ° siempre es una solucion (Hamada la solucion trivial 0 la soluci6n cero), solamente hay dos posibilidades: la solucion cero es la unica solucion 0 hay un rnimero infinito de soluciones ademas de la solucion cero. (Las 'soluciones distintas de la solucion cero se conocen como las soluciones no trivialesv.

1.7 • Sistemas hornogeneos de ecuaclones

49

Observamos que (1) se puede expresar como Ax =0

en donde

C a12 a,") x{) C
A = all a22 a211 0) m ceros
. , y 0= : I
am! am2 amn \XIl 0 Ejemplo 1 Resuelva eI sistema homogeneo

b. 2Xl + 4xz + 6X3 = 0 4Xl + 5X2 + 6X3 = ° 3xl + Xl - 2X3 = 0

So/udell Esta es la version homogenea del sistema del Ejemplo 1.6.1. Puede ser escrito en la forma Ax = 0 donde A y x son como en el ejemplo citado y

Reduciendo en forma sucesiva, se obtiene (despues de dividir la primera ecuacion entre 2)

G 2 3 0) 'uH) r 2 3 ~) M,)" (: 2 3 ~)
5 6 O~O -3 -6 1 2
-2 0, 0 -5 -11 0/ ,0 -5 -11
'"U) (' 0 -1 ~) M,H (: 0 -1 l"''l t 0 0 ~)
~O 1 2 1 2 o ~H)·O 1 0
0 0 -1 o \0 0 o \0 0 1 Asi, el sistema iiene como (mica solucion al (0,0,0). Esto es, el sistema solamente tiene la solucion trivial.

Ejemplo 2

Resuelva el sistema homogeneo

Xl + 2X2 - X3 = 0 3x1- 3x2+2x3=O -Xl -llX2 +6X3 = 0

Reduciendo con eliminacion de Gauss-Jordan obtenemos, sucesivamente,

Soludall

2 -9

-9

-1 5 5

2 -3

-11

-1 2 6

50

CAPiTULO 1 • SISTEMAS"DE ECUACIONES LINEALES Y MATRICES

2 1 -9

o

-1 0) A (-2) (1

_; ~ A~:;(9) ~ °

La matriz aumentada esta en forma escalonada reducida y, evidentementc, hay un nurnero infinito de soluciones dadas par (-f)X], Sx3, X3)' Si x, = 0, por ejemplo, obtenemos la solucibn trivial. Si Xl = 1 obtenemos la solucion

(-~, S, 1).


Solucioll

Xl + x2- X3 = 0 4Xl-2x2+7x3=O

Reduciendo por renglones obtenemos

(2)

1 -2

1 -\ 10\ -6 11 10)

1

(1 0

o 1

~ 00)

11 (,

Asi, hay un numero infinito de soluciones dadas por (-~X3' Jtx" x3). ESIO era de esperarse ya que el sistema (2) tiene Ires incognitas y solo dos ecuacioncs.

De hecho, si hay mas incognitas que ecuaciones, el sistema hornogeneo (1) siernpre tcndra un numero infinito de soluciones. Para vcr esto, notemos que si la (mica solucion es la trivial entonces la reduccion por rcnglon nos lleva al sis-

tema

=0 =0

x, = 0

y, posiblernente, a ecuaciones adicionales de la forma 0= O. Pero este sistema tiene al menos tantas ecuaciones como incognitas. Debido a que la rcduccion por renglon no cambia ni el numero de ecuaciones ni el nurnero de incognitas, tenemos una contr adiccion a nuestra suposicion de que hay mas incognitas que ecuaciones. De aqui i enernos el Teorcma I.

Teorema 1 EI sistema hornogeneo (1) tiene un numero infinito de soluciones si n > m.

1.7 • Sistemas hornogeneos de ecuaciones

S1

Existe una relacion fundamental entre los sistemas homogeneos y los no homogeneos, Sea A una matriz m x n,

E! sistema general no homogeneo se puede escribir como

Ax = b

(3)

Con A y x como en (3), se define el sistema homogeneo asociado par Ax = O.

(4)

Teorema 2

Sean x. Y X2 soluciones del sistema no homogeneo (3). Entonees su diferencia x, - x2, es una solucion del sistema hornogeneo asoeiado (4).

por la ley distribuuva (7) (en la pagina 25)

I

/Jemostracion

Coro/aria Sea x una soluci6n particular del sistema no hornogeneo (3) y sea y otra solucion de (3). Entonces existe un vector h que es solucion del sistema hornogeneo (4) de modo que

(5)

Demos/racion Si h se define par h = y - x, entonces h es soluci6n de (4) por el Teorerna 2 y la relaci6n (5) es inmediata.

EI Teorema 2 y su corolario son muy (Hiles. Expresan que

Para encontrar todas las ~~·l:ci~~cs del sistema no hornogeneo (3), es n~cesario encontrar s610 una soluci6n a (3) y todas las soluciones asociadas

al sistema (4).

- . ---~~ -

Observacioll. Un result ado similar vale para las soluciones de ecuaciones diferenciales homogeneas y no hornogeneas (veanse los Problemas 23 y 24). Una de las muchas caractensticas atractivas de las maternaticas es la cercana interrelaci6n que muestra entre temas aparentemente lejanos.

Ejemp/o 4 Usando el resultado anterior, encuentre todas las soluciones del sistema no homogeneo

Xl + 2x 2 -- X -' = 2 2x 1 + 3x 2 + 5x] = 5

- X 1 - + 8x", = -- I

(6)

52


So/udell Primero se hall a una solucion usando reduccion por renglones:

U 2 -1 I ') ',1-') (' 2 -1 ') "','u,
3 5 5 ~ 0 -1 7 1 :::12.3\ -j j
-3 8 1 0 --1 7 1
G 0 13 D
-1 7
0 0 Vemos que existe un numero infinito de soJuciones. Haciendo XJ = 0 (se puede usaf cualquier otro numero) obtenemos Xl = 4 Y X2 '"' -1. De este modo, una solucion particular queda dada por xp = (4, -1, 0).

La reducci6n por renglones del sistema homogeneo asociado, nos lleva a

o -1 o

13 7 o

Por 10 tanto, todas las soluciones del sistema homogeneo satisfacen las re1aciones

o 10 que es 10 mismo,

Xh = (Xl' x2' X3) = (-13x3, 7x3, x3) = x3( -13,7, 1)

De esta manera podemos escribir cada solucion del sistema (6) como x = xp + xh = (4, -1,0) + xk-13, 7, 1)

sujeta a la eleccion de un valor apropiado de XJ' Por ejemplo, para XJ = 0, se obtiene la soluci6n (4, -1, 0), mientras que si XJ = 2 resulta (-22, 13,2).

Problemas 1. 7

En los Problemas del 1 at 13 encuentre todas las soluciones a los sistemas homogeneos.

1. 2X1- X2=0 3x1+4x2=0

2. Xl -SX2 =0

-Xl +SX2 = 0

3. XI+X2-X,=O 2XI-4x2+3x,=0 3x1+7x2- X3=0

5. xI+ X2- X3=0

2X1 - 4X2 + 3x, = 0 -5x1 + 13x2 -lOx) = 0

7. 4x1- X2=0 7x1+3x2=0 -8x1 +6x2 = 0

9. X1-2x2+ X3+ x4=0

3x1 +2x3-2x4=O

4X2- x3- X4 =0

SX1 +3x3- x4=0

4. Xl + Xl - X3 = 0 2Xl -4x2 + 3X3 = 0 -x1 -7X2 + 6x) = 0

6. 2x1+3x2- x)=O 6xl-5x2+7x3=O

8. X1- x2+7x3-X4=0 2X1 + 3X2 - 8X3 + X4 = 0

10. -2Xl +7X4=0

X1 + 2X2 -- X3 + 4X4 = 0 3x1 X3+SX4=O 4x 1 + 2X2 + 3X3 = 0

1.7 • Sistemas homogeneos de ecueclones

53

11. 2x1- x2=O 3x,+5x2=0 7xl--3x2=O -2x1+3x2=0

13. x , + X2 - X, = 0

4x,- x2+5x,=0 -2x, + X2-2x,=() 3XI +2X2- 6x, = 0

14. Muestre que el sistema homogeneo a11x,+aI2x2=0

12. x, - 3x2 = 0

-2x1+ 6X2=O 4x,-12x2 =0

a2lxI + a22X2 = ()

tiene un numcro infinito de soluciones si y s610 si el determinantc del sistema es cero.

15. Considere el sistema

2x,- JX2+5x3=O -x,+ 7x2- X3=O 4x, --11x2 + kx; = 0

lPara que valor de k este sistema tiene soluciones no triviales? * 16. Considere el sistema hornogeneo de 3 x 3

Encuentre condiciones en los coeficientes aij de forma que la solucion cere sea la unica solucion,

En los Problemas del 17 at 22 obtenga todas las soluciones a los sistemas no homogeneos dados. Encontrando primero una solucion (si es que exist e) y despues hallando todas las soluciones del sistema homogeneo asociado,

17.

Xl - 3x2 = 2 + 6x2 = -4

111. X1 - X2 + 3x1 - 3x2 +

X3 = 6 = 18

19. Xl x2 - X3 = 2 20. X, - X2 - X3 = 2

2x[ + x2 + 2x3 = 4 2.xj + X2 + = 4

Xl - 4X2 - = 2. Xl - 4X2 - 5x, = 2

21. x, + x2 X, + 2X4 = 3 22. x 1 - x2 + X3 -- X4 = - 2

3x, + + X3 - X4 = 5 -2x[ + 3x2 X3 + 2x4 = 5

4X1 - 2X2 + 2X3 - 3x4 = 6 *023. Considere la ecuacion diferencial lineal y hornogenea de segundo grado

y"(X) + a(x)y'(x) + b(x)y(x) = 0

(7)

donde a(x) y b(x) son continuas y de la funcion incognita Y se supone que posee segunda derivada. Demuestre que si YI' Y2 son soluciones de (7), entonces CIY! T C2Yz es tambien solucion para cualesquiera constantes y! y Yz.

024. Suponga que Yp Y Yq son soluciones del sistema no hornogeneo

y"(x) + a(x)y'(x) + b(x)y(x) = I(x)

(8)

Dcrnuestre que Yp - Yq es solucion de (7).

* El simbolo 0 indica que se requiere cierto conocimiento del Calculo para resolver el problema.

54

CAPiTULO 1 • SISTEMAS DE ECUAClO~lES LINEALES Y MATRICES

1.8 La inversa de una mstri« cuadrada

Definicion 1

En esta seccion definimos dos clases de matrices que tienen un papel importante en la teoria de matrices. Empezamos con un ejernplo simple. Sean

A= G ~) y B= (~~ ~~) Entonces un calculo simple muestra que AB =

(1 0\ I iz id ti

BA = 12, donde 12 = 0 1 r La matriz 12 se conoce como a matri: j en t-

dad de 2 x 2. La matriz B se conoce como la inversa de A y se escribe como A~I.

Matrix identidad. La matri: identidad de n x n es la matriz de n X n en la que las componentes de la diagonal principal" son 1, y 0 en todas las dernas posiciones. Esto es,

Ejemp/o 1

15 = ('. ~

o

o

y

Teorema 1 Sea A una matriz cuadrada de n X n, Entonces

--_._---

Esto es I .. conmuta can cualquier rnatriz de n x n y la deja intacta despues de la multiplicacion par la izquierda 0 por la derecha.

Nota. In juega el misrno papel para las matrices de n x n, q.ue el. numero 1 para los ruimeros reales (pues 1 . a = a . 1 = a para cualquier numero real a).

* La diagonal principal de A = (a,;l consiste de las cornponentcs all' an. a)3> etc. A menos que se especifiquc otra cosa, nos rcferirernos a la diagonal principal simplemcnre como la diagonal,

1.8 • La inversa de una matriz cuadrada

55

Demos/radon Sea Cu el ij-esimo elemento de AI". Entonces

Pero, par (1), est a surna es igual a au' Asi, AI" = A. De forma similar podernos mostrar que InA = A y esto prueba el teorema. II1II

Notaci611 De aqui en adelante escribiremos la matriz identidad simpJemente como I, pues si A es de n x n, los productos IA y A f estan definidos solo si 1 es tambien de n x n.

Definicion 2

Inversa de !Slla matr;z. Sean A y B matrices de n x n, Supongarnos que

AB =BA =1

Entonces B se conoce como la inversa de A y se escribe A J. Asi tenemos

r

_____________ A_A -_l= __ A =_I -_-'_-_---_~J

Si A tiene una inversa entonces decimos que A es invertible.

Observacion1. Se sigue inmediatamente de esta definicion que (A -1)--1 = A si A es invertible.

Observaci6n!l, Esta definicion no establece que toda matriz cuadrada tenga una inversa. De hecho hay rnuchas matrices cuadradas que no tienen inversa. (Vea e! Ejemplo 3 siguiente.)

En la Definicion 2 definimos fa inversa de una matriz. Esta afirrnaeion sugiere que las inversas son unicas, En el teorerna siguiente verernos que este es el caso,

Teorema g Si una matriz cuadrada A es invertible, entonces su inver sa es unica,

Demostrad61l Supongamos que B y C son dos invcrsas para A. Podemos mostrar que B = C. Por definicion tenernos AB = BA = Iy AC = CA = f. Entonces B(AC) = BI = By (BA)C = IC = C. Pero B (AC) = (BA)C por la ley asociativa de la multiplicaci6n de matrices. Asi, B = C y el teorema esta demostrado. !III

Aqui damos otro hecho importante referente a matrices inversas.

Ieorems 3 Sean A y B matrices invertibles de n x n. Entonces AB es invertible y

L---'

(AB)1=B1A-J

56


1.8 • La inversa de una matriz cuadrada

51

Demostracion Para demostrar este resultado nos referimos a la Definicion 2. Esto es, B-IA -I = (AB)-l si y solo si B-IA -I(AB) = (AB)(B-IA-I) = I. Pero

esto se desprende puesto que

-4x + 5z = 0

(5)

- 4y + 5w = 1

(6)

y

Ecuacion (6) en la pagina 25

(B-1 A -1)(AB) h--l(A -1 A)B = B-1 IB = B-1 B = I (AB)(B-1A -1) = A(BB-1)A -1 =AIA-1 =AA -] = I. III

Este es un sistema de cuatro ecuaciones con cuatro incognitas. Notese que existen dos ecuaciones que contienen a x y z solamente [ecuaciones (3) y (5)] y dos ecuaciones que contienen las variables y, w [ecuaciones (4) y (6)]. Escribimos estos dos sistemas en la forma de matriz aumentada:

Considere el sistema de n ecuaciones en n incognitas

Ax = b,

-3 11) SIO

( 2 -310)

--4 5 1

(7)

y suponga que A es invertible. Entonces

A-I Ax = A -1 b (si multiplicamos el primer miembro por A

(8)

Ix=A-1b x = A -lb

Ix = x

Ahora bien, sabemos de la Seccion 1.6 que si el sistema (7) (en las variables x, z) tiene una solucion (mica, entonces la eliminacion de Gauss-Jordan de (7) resulta en

Esto es,

s invertible, el sistema Ax b tiene la solucion unica (2)-]

A-lb.

-_.- -----.------~--------

en donde (x, z) es el par unico de numeros que satisface 2x - 3z = 1 y -4x + 5z = O. Similarmente, la reduccion par renglones de (8) conduce a

Esta es una de las razones por las que se estudian las inversas de matrices.

Una vez definida la inversa de una matriz, ocurren dos preguntas en forma inmediata:

1. l,Que matrices son aquellas que poseen inversa?

2. Si una matriz tiene inversa, ide que modo la podemos evaluar?

donde (y, w) es el par unico de numeros que satisface 2y - 3w = 0 y simultaneamente, -4y + 5w = 1.

Como las matrices de coeficientes en (7) y (8) son las mismas, podernos realizar simultaneamente la reduccion par renglones en las dos matrices aurnentadas, utilizando la nueva rnatriz aumentada

Contestaremos ambas preguntas en est a secci6n. Antes de dar 10 que pudiera parecer un conjunto de reglas arbitrarias, examinaremos el caso de 2 X 2.

( 2 -311 0)

-4 5 0 1

(9)

So/uciOI!

( 2 -3) I . .

Sea A = . Calcular A - , S1 existe.

-4 5

Supongase que A -I existe. Escribimos A -I = (~

de que AA -1 = I. Entonces "-

AA - 1 = ( 2 - 3) (x y) (2X .- 3z

,-4 5 Z W ,-4x + 5z

Y) y utilizamos el hecho ),9

Si A -I es invertible, entonces el sistema definido por (3), (4), (5) y tiene una solucion unica, y por 10 dicho anteriormente, al efectuar la eliminacion de Gauss-Jordan resulta que

Ejemp60 i

- 3W) (1 0)

-4y + 5w = 0 1

(~ ~ I: ~)

Ahora se realizan los calculos notando que la matriz de Ia izquierda en (9) es A y que la matriz de la derecha en (9) es I:

Las ultimas dos matrices solo pueden ser iguales si sus componentes correspondientes son asimismo iguales. Esto significa que

2x - 3z = 1 (3)

2y

- 3w = 0

(4)

-311 5 I 0

0)\ ~ ( 1

1 -4

1.1 0)

5 i ~ 1

58


~(1

o

M,(-l) (~

(1 0

o 1

_Jll. 2 I 2

-1 i 2

-~ I

As! pues, x = -1, y = -t, z = 2, \Ai =-1, y A-I verificar Ia respuesta. Tenemos que

-1

-2

~)

-~) =D

(--~ -t). Hay que 2 -1

Los ultimos dos ejernplos ilustran un proeedimiento que siernpre da result ado euando se trata de invertir una matriz.

1.8 • La inverse de una matriz cuadrada

59

1 '2

2

Procedimiento para calcular la inversa de una matriz cuadrada A

Paso 1.

Escribir la matriz aumentada (A II).

Utilizar redueci6n por renglones para redueir la matriz A a su forma esealonada.

Paso 2.

Paso 3. (a)

Decidir si la matriz A es invertible.

Si A puede ser redueida a la matriz identidad I, entonees A es la matriz a la derecha de la barra vertical.

Si la reduccion por renglones conduce a algun rengl6n de ceros ala izquierda de la barra vertical, la matriz A no es invertible.

-3)(-1

5 -2

(b)

( _J)( 2 --3) (1 0)

A-1A- 2 _

- -2 -1 \-4 5 - 0 1

De modo que A es invertible y A ' = (=~ =D·

y

Observacion. Podemos expresar (a) y (b) como sigue

Una matriz cuadrada A es invertible, si y s610 si su forma escalonad::-l reducida par renglones, es fa matriz identidad. ~

v + 2w = 0

-2x -- 4z = 0

- 2y -. 4w = 1

Usando el mismo razonamiento que en el Ejernplo 2, es posible eseribir este sistema en la forma aumentada (A II) y reducir por renglones:

Ejemplo 3

2) I . .

, ca cular A -I, SI existe.

-4

Si A

Soluciol'l

y)

existe, entonces

w

AA-1

( 1 2)(X y) ( x + 2z

- 2 - 4 z w - - 2x - 4z

10 eual conduce al sistema

x

+ 2z

( ~

21' 1 0l-'~~ (1 2

-4 0 1/ 0 0

Sea A = (all a21

a12). Entonces, como en la Ecuacion (1.2.7), definimos a22

y + 2W) = (1

-2y - 4w 0

Abreviamos el determinante de A como det A.

",,1

Teorema 'I. Sea A una matriz de 2 x 2. Entonces:

(10)

l . A es invertible si y s610 si det A * O. ii , Si det A '* 0, entonces

2

~)

(12)

No podemos continuar. La ultima fila dice que ° = 20 que 0 = 1, dependiendo de eual de los sistemas (el de x, z 0 el de y, w) se resuelve. As! pues, concluimas que el sistema (10) es incompatible, y por 10 tanto, que A no es invertible.

----.--~~~~-

. ---~-.-.-. -----------~-

* Esta formula puede ser obtenida dircctarnente aplicando el procedimiento para deterrninar una inversa (ver el Problema 46) .


Demoslradoll Primero supongamos que det A *0 y sea B = (L'det A)( a22 -aJ2). Enton-

ees -a21 all

BA =_1 (a22 -a12)(al1 aJ2)

det A -a21 all a21 a22

1 (a2Zall - a12a21

all a22 - a12a21 0

De la misma forma AB = I, 10 que muestra que A es invertible y que B = A -I. Debemos aun mostrar que si A es invertible entonees det A * O. Para haeer esto consideremos el sistema

a11x1 + a12x2 = b1 a21x1 + a22xZ = b2

(13)

Haeemos esto porque de aeuerdo eon el Teorema Resumen (Teorema 1.2.1), si este sistema tiene una unica soluci6n, entonces su determinante es distinto de cero. EI sistema se puede eseribir en la forma

Ax=b

(14)

con x = (::) y b = (:J . Entonces, como A es invertible, vemos de (2) que el sistema (14) tiene una unica soluci6n dada por

x= A -lb

Pero por el Teorema 1.2.1 el hecho de que el sistema (13) tenga una unica soluci6n implica que det A i= O. Esto eompleta la demostracion, IlIIlI

Ejemplo 11 Sea A = (~ -34). Calcule A 1 si es que existe.

So/udoll

Se tiene que detA = (2)(3) - (-4)(1) = 10; por consiguiente A-I existe. De la Eeuaci6n (12), resulta

A -1 =~ ( 3 4) = (_~ ~)

10 -1 2 10 10

VerifiClldoll

-1 _ 1 ( 3 4) (2 -4) _ 1 (10

A A -10 -1 2 1 3 -10 0

1~)= (~ ~)

y

Ejemplo 5

Sea A = (1 2). Calcule A I si es que existe. -2 -4

Saludon Eneontramos que detA = (1)(-4) - (2)(-2) = -4 + 4 = no existe, como virnos en el Ejemplo 3.

EI procedimiento anterior funeiona para matrices de n X traremos esto con una serie de ejemplos.

Ejemplo 6 Sea A

(!: !) (vea Ejemplo 1.6.1). Calcule A -I si es que existe. 3 1 -2

Soludon Primero ponemos I en seguida de A en forma de matriz aumentada

G 4 6 0 D
5 6 0 1
1 -2 0 0
y llevamos a eabo la reduccion por renglones.
"<Ii. G 2 3 1 0 0) , ,., (' 2 3 1 0 D
2 2
5 6 0 1 ~ \ A::I-J) . ~ -3 -6 -2
-2 0 0 -5 -11 l. 0
2
i 1 2 3 1 0 0) 'H, (' 0 -1 5 2 n
u, " (0 2 6 3
2 2 1 ~ .~. ~ 1 2 2 1
-.~-) i :3 -3 :3 3
, 0 -5 -11 3 0 0 -1 11 5
-2 6 -3
(~ 0 -1 5 2 ~) G 0 0 8 7 -D
6 3 A:u(1) -3 3
AJ3( -1) 2 1 1 AJ.1( ~-2} 1 0 13 11
3 :3 3 3
0 11 5 0 11 5
6 3 -6 3 Como ahara A ha sido reducida a I tenemos

-1) (-16

I

2 = - 26

-1 6 -II

14 -22 10

-6)

12 Se saca i c?mo

factor comun.

-6

(" 14 -6) (' 4 ~) ~ ~ (~ ° D~l
Verificacion A-I A = ~ 26 -22 12 4 5 6
-11 10 -6, ) 1 -2 ,0 0
Tambien podemos verificar que AA -I = I. Advertenda. Es muy facil cometer errores nurnericos al calcular A -I. Par tanto, es esencial verificar los calculos probando que A-IA = I.

1,8 • La inversa de una matriz cuadrada

63


(2 4

Sea A = 0 1 3 5

Hay otra manera de ver el resultado del ultimo ejemplo. Sea b cualquier vector de tres componentes y consideremos el sistema Ax = b. Si tratasemos de resolver este sistema por eliminacion gaussiana, se terminaria con una ecuacion de la forma 0 = C * 0 como en el Ejemplo 3, 0 tambien con 0 = O. Este es e1 caso (ii) 0 (iii) de la Seccion 1.6 (ver la pagina 41). Esto es, el sistema no tiene solucion 0 posee un mimero infinito de soluciones. La unica posibilidad que se excluye es la de que el sistema tenga una solucion unica, Pero si A-I existiera, entonces habrla una sola solucion dada por x = A-lb. Concluimos pues que

Soil/don Procediendo como en eI Ejemplo 6 obtenemos, sucesivamente, las siguientes
matrices aurnentadas:
G 4 311 O· D G 2 3 1 0 ~)
2: 2:
1 1 l'.,..f,(P 1 -1 0 1
-110
5 7 0 0 5 7 0 0
G 2 3 1 0 ~) !G 0 'I 1 -2 ~)
2: 2 2 2:
A,,,i--3) 1 -1 0 1 1 --I 0 1
-1 0 0 3 1
J A"q Ie 2:
G 0 'I 1 -2 0 0 4 13 -~
2: 2: -"3
~ 1 -1 0 1 o -- A,,(1~ 0 0 -1 :;
3 3
0 1 -1 2 ; 0 0 1 -1 2 2
j 3 "3
Por consiguiente , 4 13 -l)
-"3
Al=(-l 5
3
-1 2
3 3
I 4 13 -!W 4 3)(' 0 j
-3
Verificilci6n A lA =~-1 5 1 -1 = 0 1
1
-1 2 5 7 0 0
') 3 3
------
Sea A~G -3 D Calcule A
Ejemplo 8 -5 1 si es que existe.
-1
Solud6n Procediendo como antes obtenemos, sucesivarncnte,
G -3 4 1 0 j G -3 4 1 0 j
-5 7 0 1 A",(-2) 1 -1 -2 1

-1 1 0 0 -1 1 0 0
A2.1{3.) G 0 1 -5 3 j
A",(l) .",> 1 -1 -2
0 0 -2 1 Si en la reduccion par filas de A se termina con una fila de ceros, la matriz A no es invertible.

Definicion:3 Matrices eqlJivalentes por rellg/ones (0 mas). Supongamos que por medio de operaciones elementales sabre filas, podemos transformar una matriz A en una matriz B. Entonces se dice que A y B son equivalentes por renglones,

EI razonamiento usado anteriormente se puede utilizar para la demostracion del siguiente teorema (ver el Problema 47).

Teorema 5 Sea A una matriz de n x n.

i, A es invertible si y solo si A es equivalente por renglones a Ia matriz identidad . esto es, la forma en escalon por filas reducida de A es I n :

Il, A es invertible si y solo si el sistema Ax = b tiene solucion unica para todo vector b de n componentes.

iii. Si A es invertible, est a solucion unica esta dada par x = Alb.

Ejemplo 9 Resolver el sistema

+

+

= 6

3x1+

X2- x3=-4 + 7X3 == 7

",",", E." sistema puede ser expresado como Ax - b, en donde A ~ G : - D y b (--D. En el Ejemplo 7 encontramos que A -, existe y que

Esto es 10 mas que podernos hacer , La matriz A no se puede reducir a la matriz identidad y concluimos que A no es invertible.

4 -l)
A 1
1
3 64 CAPiTULO 1 • SISTEMAS DE ECUACIONES liNEALES Y MATRICES

1,8 , La inversa de una matriz cuadrada 65
Tabla U Demandas internas ell la eeononua de
Eslados V nldos en 1958
.. _------
FN FM BM BN E S
FN 0.170 0,004 0 0,029 ° 0,008
1.6.8, FM 0.003 0.295 (),OIS 0.002 0,004 0,016
EM 0.025 0,173 0.460 0.007 0.011 0.007
EN 0.348 Cl.037 0,021 0.403 0.01 1 0.048
E 0.007 0.001 0039 0.025 0.358 0.Q25
S 0.120 0.074 0.104 0.123 0.173 0.234 As! pues, la solucion unica esta dada por

Ejemplo 10 En el modelo de insurno-producto de Leontief descrito en el Ejemplo se obtuvo el sistema

(15)

Finalmente, Leontief estimo las siguientes demandas externas en el ano de 1958 para la economia estadunidense (en millones de dolares).

que puede ser escrito como

Ax + e = x = Ix.

Tabla 1.3

Demandas externas en 1958 para la economia de E.U. (milloues de drilares)

o tambien,

(I - A)x = e

(16)

La matriz A de demandas internas Ileva el nombre de matriz de tecnologia, y la matriz I - A se llama matri: de Leontief, Si la matriz de Leontief es invertible, entonces los sistemas (15) y (16) tienen soluciones unicas.

Leontief usa su modele para analizar la economia estadunidense de 1958.* Dividio la economia en 81 sectores y los agrupo en seis familias de sectores relacionados, Para simplificar, se trata cada familia de sectores como uno solo, de modo que se manejara la economia de Estados Unidos como una de seis industrias principales. Estas aparecen enumeradas en la Tabla 1.1.

FN FM BM BN E

S

$99,640 $75,548 $14,444 $33,501 $23,527

$263,985

i,Cuantas unidades de cada uno de los seis sectores es necesario producir para activar la econornfa estadunidense de 1958 a fin de poder satisfacer todas las demandas externas?

111bla 1.1

Sector (industrial)

Ejemplos

Final no metalica (FN) Final metalica (FM) Basica metalica (BM) Basica no metalica (BN) Energia (E)

Servicios (S)

Muebles, alimentos procesados

Enseres domesticos, vehiculos de motor Productos elaborados con maquinaria, mineria Agricultura, artes graficas

Petr61eo, carb6n

Diversiones, bienes raices

Soluci6n La matriz de tecnologia esta dada por
0.170 0.004 a 0.029 a 0.008 '\
0.003 0.295 0,018 0.002 0.004 0,016
A= 0,025 0,173 0.460 0,007 0,011 0,007
0.348 0,037 0.02.1 0.403 0,011 0.048
0.007 0.001 0,039 0.025 0.358 0.Q25
0.120 0.074 0.104 0.123 0.173 0.234 !
y EI cuadro de insumo-prcducto, Tabla 1.2, proporeiona las demandas internas en 1958 con base en las cifras de Leontief. Las unidades en la tabla son millones de dolares ($). Asi, por ejemplo, el mimero 0.173 en la posicion 6,5 significa que es necesario suministrar 0.173 mill ones = $173,000 de servicios para producir $1,000,000 equivalente de energia. Similarrnente, el numero 0.037 en la posicion 4,2 significa que para producir eI equivalente a $1,000,000 de pro .. duetos finales metalicos, es necesario gastar $37,000 en productos basicos no metalicos.

e=

99,640 75,548 14,444 33,501 23,527

263,985 !

* Scientific American (abril de 1965), pags. 26-27.

66 CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Para obtener la matriz de Leontief, obtenemos, restando,
'I 0 0 0 0 0'
0 1 0 0 0 0
0 0 1 0 0 0
1- A =
0 0 0 1 0 0
0 0 0 0 0
0 0 o ·0 0 1,
i 0.170 0.004 0 0.029 0 0.008 '
0.003 0.295 0.018 0.002 0.004 0.016
0.025 0.173 0.460 0.007 0.011 0.007
0.348 0.037 0.021 0.403 0.011 0.048
0.007 0.001 0.039 0.025 0.358 0.025
0.120 0.074 0.104 0.123 0.173 0.234/
0.830 ·-0.004 0 -0.029 0 -0.008
-0.003 0.705 0.018 -0.002 -0.004 -0.016
-0.025 -0.173 0.540 -0.007 -0.011 -0.007 Teorema 6
-0.348 -0.037 - 0.021 0.597 -0.011 -0.048
-0.007 -0.00] -0.039 -0.025 0.642 -0.025
, -0.120 -0.074 -0.104 -0.123 -0.173 0.766 1.8 • La inversa de una matriz cuadrada 61

Esto significa que se requieren 131,161 unidades (con valor de $131,161 millones) de productos finales no metalicos; 120,324 unidades de productos metalicos finales; 79,194 unidades de productos metalicos basicos: 178,936 unidades de product os basicos no metalicos: 66,703 unidades de energia, y 426,542 unidades de servicio para activar la economia y satisfacer las demand as externas de 1958.

La determinacion de la inversa de una matriz de 6 X 6 es un asunto tedioso.
Usando tres decimales en una calculadora, se obtiene la matriz siguiente. Los
pasos interrnedios se omiten.
i 1.234 0.014 0.006 0.064 0.007 0.018
0.017 1.436 0.057 0.012 0.020 0.032
(I-A)-I= 0.071 0.465 1.877 0.019 0.045 0.031
0.751 0.134 0.100 1.740 0.066 0.124
0.060 0.045 0.130 0.082 1.578 0.059 Demostracion
0.339 0.236 0.307 0.312 0.376 1.349 1
As! pues, el vector "ideal" de produccion (0 producto) esta dado por 1 1.234 0.014

( 0.017 1.436

x = (1 _ A)-Ie = 0.071 0.465 0.751 0.134

0.060 0.045 \ 0.339 0.236

0.006 0.057 1.877 0.100 0.130 0.307

0.064 0.007 0.0181\ ( ~~:::)
0.012 0.020 0.032
0.019 0.045 0.031 14.444
1.740 0.066 0.124 33,50]
0.082 1.578 0.059 I 23,527
0.312 0.376 1.3491 '1263,9851 1131,161 \ 120,324 79,194 178,936

\ 66,703 I \426,542/

En la Seccion 1.2 encontramos la primera forma del Teorema Resumen (Teorema 1.2.1). Ahora estarnos en condiciones de mejorarlo. EI siguiente teorema establece la equivalencia de varias afirmaciones referentes a los conceptos de inversa, unicidad de soluciones, equivalencia por renglon y determinantes. Esto significa que si una de las afirmaciones es verdadera, todas las demas tambien 10 son. En este punto podemos probar la equivalencia de las partes (i), (ii), (iii) y (iv). Terminaremos la dernostracion despues de haber desarrollado una teoria basica sobre deterrninantes (vea Teorema 2.4.4).

Teorema Resumen, Versioll fl. Sea A una matriz de n x n. Entonces cada una de las cinco siguientes afirmaciones implica a las otras cuatro (esto es, si una es cierta, todas son ciertas):

i. A es invertible.

ii. La (mica solucion al sistema homogeneo A x = 0 es la solucion trivial

(x= 0).

iii. EI sistema Ax = b tiene una (mica solucion para cada n-vector h. Iv. A es equivalente por renglones a la matriz identidad de n x n In.

v, det A 1= 0 (Hast a ahora, det A solo esta definido si A es una matriz de 2 x 2.)

Ya hemos vista que las afirrnaciones (i) y (iii) son equivalentes (Teorema 5 (parte ii» y que (i) y (iv) son equivalentes (Teorema 5 (parte i». Veremos que (ii) y (zv) son equivalentes. Supongamos que (it') es cierta. Esto es, supongamos que Ax = 0 tiene solamente la solucion trivial x = O. Si escribimos este sistema obtenernos

allxj + a1Zx2 + + a1nx" = 0

a21Xj + a22xZ + + aZnXn = 0

(17)

. .

anlXj +a"Zx2+ ... +a"nx" =0

Si A no fuera equivalente a In entonces la reduccion por renglones de la matriz aumentada asociada a (17) nos llevaria a un renglon de ceros. Pero si, par ejemplo , e! ultimo renglon es cero, entonces la ultima ecuacion quedaria 0 = O. Entonces e1 sistema hornogeneo se reduce a un sistema de n - 1 ecuaciones con n incognitas, el cual, en virtud del Teorema 1.7.1 tiene un numero infinito de soluciones. Pero supusimos que x = 0 era la unica solucion al sistema (17). Esta contradicci6n muestra que A es equivalente por renglones a In. Inversa-

68

1,8 • La inverse de una matriz cuadrada


queB = A-I. Sea A:" = C. EntoncesAC = 1. As], BAC = B(AC)

BI = By BAC = (BA)C == IC = C. Por tanto B = C Y la parte que-

da demostrada.

it Sea AB = 1. Entonces, de la parte (r), A = B-1 De la Definicion 2 esto significa que AB = BA = J, 10 que prueba que A es invertible y que B = A -I. Esto completa la demostracion. II!!I

mente, supongamos que (iv) es cierta; esto es, supongamos que A es equivalente por renglones a In. Entonces por el Teorema 5 (parte i), A es invertible y por el Teorema 5 (parte iii) la unica solucion a Ax = I} es x = A-:' 0 = O. Asi, (ii) y (iv) son equivalentes. En el Teorema 1.2.1 mostramos que (i) y (vi) son equivalentes en el easo 2 x 2. Probaremos la equivalencia de (ii), (v) y (vi) en la Seccion 2.4. II

Observac:ion, Podriamos afiadir otra afirmacion al teorema. Supongamos que el sistema Ax = b tiene una unica solucion, Sea R una matriz en forma escalonada que sea equivalente por renglones a A. Entonces R no puede tener un rengl6n de ceros, pues si 10 tuviera no podria ser reducida a la matriz identidad. * Asi, la forma escalonada de A deberia parecerse a 10 siguiente:

En los Problemas dell at 15 determine si fa matriz dada es invertible. SI lo es, calcule su inversa.

1. (~ ~)

(-21 6\

2. I

-12)

3. (~

1 '12 '13 'itt
0 1 '23 r2n
0 0 1 Y3n (18)
0 0 0 1 1 2 5

(fl

5. b

6.

8. G ~

(1 6

9. -2 3 7 12

12. (~ ~

o

15. ( ~

-2

Esto es, R es una matriz con unos en la diagonal y ceros abajo de ella. Tenemos as] el Teorema 7.

1 -1 1

( 2 -1 4)

11, -1 o 5

19 -7 3

(-~ ~

14, 2 1

-1 0

10.

Teorema 1

Si se da alguna de las condiciones del Teorerna 6, entonces la forma escalonada de A tiene la forma de la matriz (18).

(~111

13.

-3 0

-12 --2 10 2.

Hernos visto que para verificar que B = Al debemos cornprobar que AB = BA = I. Veremos que basta con probar la mitad de esto.

6 1

\-1

16. Muestre que si A, B y C son matrices invertibles entonces ABC es invertible y (ABC) I = C-IBIA . I.

Teorema 8 Sean A y B matrices de n x n, Entonces A es invertible y B BA = I 0 bien (ii) AB = I.

A 1 si (i)

17. Si AI> A2, .• , An son matrices invertibles de n x n muestre que AIA2 ... An es

invertible y calcule su invcrsa.

Observacion, Este teorema simplifica el trabajo de ver si una rnatriz es la inversa de otra.

18. Muestre que la matriz C-~

4) es igual a su propia inversa. -- 3

Demostradon

i, Supongamos que BA = 1. Consideremos el sistema hornogeneo Ax = O.

Multiplicando poria izquierda ambos lados de esta ecuacion por B obtenemos

19. Muestre que la matriz

es igual a su propia inversa si A =c ± I 0 si

all = -'a22 Y anal2 = J - a11'

20. Encuentre el vector de salidas x en cl modele de insumo-producto de Leontief si

30 ~

/I = 3, e = (20) Y A = (: 1

40 5 10

* 21. Suponga que A es de n x In y B es de m x n de forma que AB es de n x n. Muestre que AB no es invertible si n > m, [Sugerencia: Muestre que existe un vector x diferente de cero tal que ABx = 0 y luego aplique el .Teorema 6,]

* 22. Utilice los metodos de esta seccion para encontrar las inversas de las siguientes matrices con componentes complcjas:

BAx = BO

(19)

Pero BA = 1 y BO = 0, de donde (19) se convierte en Ix = 0 a x = O. Esto muestra que x = 0 es la unica solucion a Ax = () y, por el Teorema 6 (parte i y ii), esto significa que A es invertible. Debemos mostrar aun

* Notemos que si el renglon ;-csimo de R contiene solarncntc ceros, eruonces el sistema hornogcnco Rx 0 contiene mas incognitas que ecuaciones (pues la ;-esima ccuacion es la ecuacion cero) y el sistema tiene un numero infinite de soluciones, Pcro entonces Ax = 0 tiene un nurncr o infinito de soluciones, 10 que contradice nuestra suposicion.

70


1,8 • La inverse de una matriz cuadrada

71

una matriz diagonal tal que cada una de sus cornponentes diagonales es distinta de cero. Calcule A-I,

36.

hay 12 empleados en el taller y 20 en la division de terrninado, y que cada empleado trabaja 8 horas al dia. Supongase, ademas, que la f'abrica solo produce dos tipos de muebles: sillas y mesas. Una silla requiere de 384/17 horas de maquina y 480/17 horas de ensarnblaje y terrninado. Una mesa requiere de 240/17 horas de maquina y 640/17 horas de ensamblaje y terminado. Suponiendo que existe una dernanda ilimitada de estos productos y que el fabricante desea mantener a todos sus ernpleados ocupados, i,cuantas sillas y mesas puede producir esta fabrica en un dia?

El armario magico de una bruja contiene 10 onzas de treboles de cuatro hojas (molidos) y 14 onzas de raiz de mandragora en polvo, El contenido del armaria se restituye en forma automatica siernpre y wando la hechicera utilice todos sus suministros. Un lote de pocion de amor requiere de 313 onzas de treboles y 21230nzas de rnandragora. Una receta de una cura bien conocida (entre los hechiceros) para el resfriado cornun requiere de 5n onzas de los treboles y 101~onzas de la mandragora. (,Cminto de la pocion de amor y de la cura debe producir la bruja para exactamente vaciar el contenido de su arrnario?

Un campesino alimenta su ganado con una mezcla de dos tipos de alimento. Una unidad estandar del tipo A suministra a una cabeza de ganado 10% de sus requerirnientos diarios mmimos de proteina y 15070 de los carbohidratos, El tipo B contiene, en una unidad estandar, 12% del requerimiento de proteina y 8% del de carbohidratos. Si el campesino desea dar a sus animales el 100<110 de sus requerimientos minim os, i,cuantas unidades de alimento debe dar a cad a cabeza de ganado diariamente?

Una version harto simplista de una tabla de insumo-producto para la economia israeli en J 958 divide a la econornia en tres sectores: agricultura, manufacturas y energia, con eJ resultado siguiente. *

(i 2)

a. 1 -i

(l-i

b. 0

c. (~i (~:~:

o l+i

23. Muestre que para eualquier numero real () la matriz

cos 8 -·scn() o

~) es inverti-

24.

ble y encuentre su inversa.

> (2

Calcule la inversa de A = o

34.

o 0)

30,

o 4

25.

Una matriz cuadrada A = (aij) se conoce como diagonal si todos sus elementos que no estan en la diagonal principal son cero. Esto es, au = 0 si i oF j. (La matriz del Problema 24 es diagonal.) Muestre que una matriz diagonal es invertible si y solo si cada una de sus componentes diagonales es diferente de cero.

35.
26. Sea C 0 D
0 a22
A=
0 0 27.

(2 1

Calcule la inversa de A = () 3 o 0

-1)

4 .

5

28. Muestr e que la matriz A =(--! ~ ~)no cs invertible,

* 29. Una matriz cuadrada se conoce como triangular superior (inferior) si todos sus elementos por debajo (por arriba) de la diagonal principal son cero. (La matriz del Problema 27 es triangular superior y la matriz del Problema 28 es triangular inferior.) Muestre que una matriz triangular superior 0 inferior es invertible si y s610 si cada uno de sus elementos diagonales es diferente de cero.

* 30. Muestre que la inversa de una matriz triangular superior invertible es triangular superior. [Sugerencia: Dernuestre primero el resultado para una matriz de 3 x 3.]

Agricultura Manufacturas Energla
Agricultura 0.293 0 0
Manufacturas 0.014 0.207 0.017
Energia 0,044 0.010 0.216 En los Problemas 31 y 32 se da una matriz. En cada caso, demuestre que fa matriz no es invertible encontrando un vector x distinto de cera tal que Ax = O.

( 2 -1)

31.

-4 2

(a) LCuantas unidades de produccion del sector agricola son necesarias para obtener una unidad de producto agricola?

(b) lCuantas unidades de produccion en agricultura son necesarias para producir 200,000 unidades de producto agricola?

(c) i.Cuantas unidades de produccion agricola se necesitan para la produccion de 50,000 unidades de energia?

(d) i.Cuantas unidades de energia se necesitan para producir 50,000 unidades de product os agricolas?

37. Continuando con el Problema 36, las exportaciones (en miles de libras israelies) en 1958 fueron

-1 4 -6

AgricuJtura Manufacturas Energia

13,213 17,597 U86

33. Una Iabrica de muebles finos tiene dos divisiones: un taller de maquinas en donde se Iabrican las piezas de los rnuebles, y una division de ensamblaje y terminado en la cual las piezas son unidas y armadas en un producto terminado. Suporigase que

* Wassily Lcontief, Input-Output Economics (Nueva York: Oxford University Press, 1966),54- 57,


(a) Calcule las matrices de tecnologla y de Leontief.

(b) Determine el numero de libras israelies necesarias en cada uno de los sectores economicos para poder activar la economia de este modele y de el valor -de

cada producto en las exportaciones, .

En los Problemas del 38 al45 encuentre fa forma escalon ada de fa matriz dada y utilicela para determinar directamente si fa matriz dada es invertible.

Teorema 1

38. La matriz del Problema 30 39. La matriz del Problema 10
4(1. La matriz del Problema 40 41. La matriz del Problema 70
42. La matriz del problema 9. 43. La matriz del Problema 110
44. La matriz del Problema 130 45. La matriz del Problema 14. 46. Sea A = (all (112) y suponga que allan - G12a21 * O. Deduzca la formula (12)

o an a22 0 (a1 1 a'l I' I 0)

reduciendo por renglones la matnz aumentada 0

a21 an 0 1

Demoslradon

47. Demuestre las partes (i) y (ii) del Teorema 50

1., 9 Transpuesta de una matriz

Cada matriz tiene una matriz correspondiente que, como veremos en el Capitulo 2, tiene propiedades similares a las de la matriz original.

Definicion 1 Transpllesta. Sea A = (au) una matriz de m x n. Entonces la transpuesta de A, escrita A I, es la matriz de n x m obtenida intercambiando los renglones y columnas de A. Abreviadamente podemos escribir A' = (aji)' En otras paIabras,

C an .0. a,,,) I an (421 am')
o A a21 a22 o •• a:" ,cntonces A' =, a :12 llZ2 am2 (1)
81 = .
am] am2 a;"" \a;" (l;;;n amt, Dicho simplemente, el z-esimo renglon de A es la z-esima columna de A I Y la j-esima columna de A es el j-esimo renglon de A'.

109 • La transpuesta de una matriz

13

Notemos, por ejernplo, que 4 es la componente del renglon 2 y la columna 3 de C mientras que 4 es la componente del renglon 3 y la columna 2 de C ', Esto es, el elemento 23 de C es el elernento 32 de Ct.

Supongamos que A = (au) es una matriz de n x m y B = (bi)) es una matriz de m xp. Entonces:

I. (A'), = A

ii . (AB)'=B'A'

iii. Si A y B son de n x m, entonces (A + B)I =A' + B.' iv, Si A es invertible, entonces A I es invertible y (A

(2) (3) (4)

= (A -I),

i, Esto se dice directamente de la definicion de transpuesta.

if. Primero notemos que A B es una matriz de n X p Y asi es de p x n,

Tambien, B' es de p x my A' es de m x n, de donde BtA' es de p x n. Asi, ambas matrices en la Ecuacion (3) son del mismo tamano. Ahora, el

ij-esimo elemento de AB es k ~ I aikbkj y este es el jr-esimo elemento de (AB)', Sea C = B! Y D = A'. Entonces el ij-esimo elemento cij de C es bij y el i}-esimo elernento diJ de D es apo Asi, el ji-esimo elemento de CD es igual

IYL m

al ji-esimo elemento de Bt.A' = L Cjkdki = L bkja;k = L a;kbkj es

k-l k-l k~i

igual al ji-esimo elemento de (AB)'. Esto completa la demostracion de Ia parte (ii).

Ill. Esta parte se deja como ejercicio (Problema 11).

lv. Esta parte es mas dificil. Se dernuestra en la siguiente seccion, en Ia pagina 80.

La transpuesta juega un papel importante en la teoria de matrices. Veremos en capitulos subsecuentes que A y A' tienen varias propiedades en comun, Como las columnas de A I son los renglones de A serernos cap aces de usaf propiedades relacionadas con la transpuesta para concluir que 10 que es cierto para los renglones de una matriz es cierto para sus colurnnas. Concluimos esta seccion con una definicion importante.

Definicion !l Matr;z simifrka. Se dice que la matriz A de n x n (cuadrada) es simetrica si A' = k

Ejemp/o 1 Encuentre las transpuestas de las matrices
C~(~ 2 -;)
A= (~ !) B = ( 2 3 1\ -3
-1 4 6/ 1
-1
So/udoll Intercambiando los renglones y columnas de cada rnatriz obtenemos
B'~G --~) (' 2 0 2)
A'= (~ ~) C'= 2 -3 1 -1
--6 4 2 5 Ejempio !l Las cuatro matrices siguientes son simetricas:
B+~ -4 ~) C 2 4 ~)
I 11 ~) C ;, 7 3
A ~c \2 7
5 3 8
5 0 -4/ 14


1.10 e Matrices elementales e inverses de matrices

15

Veremos la importancia de las matrices simetricas en los Capitulos 5 y 6.

1.10 Matrices elementeles e inverse« de matrices

Problemas 1.9

( 2 3) 4. G -1 ~)
(-1 4) (~ ~)
1. 2. 3. -1 2 5
6 5 1 4
5. (-: 2 3) 6. G 2 -;) 7. (~ 0 1 ~) (~~)
o 4 4 1 0 8. 1 6
5 5 -5 1 5
9. (: b C") 10. (~ o 0)
e T ° 0
h j Sea A una matriz de m x n. Entonees, como pronto se vera, podemos efectuar operaciones elementales en renglones a filas sobre A multiplicando A por la izquierda por una matriz apropiada. Las operaciones elementales son

En los Problemas del I at 10 encuentre fa transpuesta de fa matriz dada.

I, Multiplicar el z-esimo renglon par un nurnero c distinto de cero. ii. Sumar un rrniltiplo del z-esimo renglon al j-esimo rengl6n.

iii. Permutar (intercambiar) los z-esimo y j-esimo renglones.

M/c) AU<c) Pu

Definicion 1 Matriz elemental. Una matriz de n x n (cuadrada) E se denomina matriz elemental si puede ser obtenida a partir de la matriz identidad de n x n, In' por una sola operaci6n elemental de renglones,

11. Sean A y B matrices de n x m, Mucstre, usando la Definicion I, que (A + B)I AI + BI.

Notaci611. Denotamos una matriz elemental por E 0 por M;, Au, 0 bien Pi)'
dependiendo de c6mo se obtuvo la matriz a partir de I.
Ejemplo 1 Se obtienen las tres matrices elementales.
(i 0 ~) (i 0 0'
:1'1,(5) 5 ~) = M2 Se tiene multiplicando por 5
(a) 1 el segundo rcngl6n de I.
0 1, 0
(c~ 0 ~) ( ~ 0 D~Au
(b) 1 Se tiene multiplicando por --3
el primer reng16n de I y
\0 0 \-3 0 sumandola al tcrcero.
(i 0 ~) G 0
0 Se uene permutando los renglones
(C) = P23 segundo y tcrcero de I
0 I; CI 3)

-6 2 sea simetrica,

2 4

13. Si A y B son matrices simetricas de n x n demuestre que A + B es simctrica.

14. Si A y B son matrices simetricas de n x n, muestre que (AB)' = BA.

15. Para cualquier matriz A muestre que eJ producto AAI esta definido y es una matriz simetrica.

16. Muestre que cualquier matriz diagonal es sirnetrica (Problema 1.8.25).

17. Muestre que la transpuesta de cualquier matriz triangular superior es triangular inferior (Problema 1.8.29).

18. Se dice que una matriz cuadrada es antisimetrica si AI = -A (esto es, au = ·-aj;).

LCuales de las siguientes matrices son antisimetricas?

-2 2 2

=~) d. (-~ 0 -~)

2 1 -2 0

La demostraci6n del siguiente teorema se deja como ejercicio (vea los Problemas 58 a 60).

]9. Sean A y B matrices antisimetricas de n x n. Muestre que A + B es antisimetrica.

20. Si A es antisimetrica, muestrc que toda componente de la diagonal principal de A es cero.

21. Si A y B son matrices antisimetricas de n x n, muestre que (AB)I = BA, de modo que, AB es simetrica si y solo si A y B conmutan.

Yeoreme 1 Para efectuar una operacion elemental en renglones so bre la matriz A de m x n, multipliquese la matriz A, por la izquierda, por la correspondiente rnatriz elemental.

__ (all a12)

22. Sea A una matriz con cornponentes no negativas y con las propieda-

a21 a22 (all) (a12)

des (i) all + a~l 1 yal2 + a~2 = 1 y (ii) , = O. Muestre que A es

invertible y que A = A I. a2l an

(~ ~ 2
.)
Ejemplo 12 Sea A = 2 3
.3 -2 Efectuar las siguientes operaciones elementales

por fiIas 0 rengloncs sabre A, multiplicando A par la izquierda par la matriz elemental apropiada.

76


1.10 • Matrices elementales e inverses de matrices

(a) Multiplicar eI segundo renglon por 5.

(b) Multiplicar el primer renglon por -3 y anadirlo al tercer renglon. (c) Permutar los renglones segundo y tercero.

Ef'eeto de Representaclon
multiplicar A slrnbollca de la Cuando E-1 Representacion
por la operacion multiplica por slmbelica de la
f T;,,,", matnz izquierda por elemental por Ia izquierda, operacion
elemental E E renglones tiene el efecto: inversa
--
Multiplicacien Multiplicacion M,(c) Multiplicacion
del z-esimo del i-esirno ren- M{~)
rengl6n de A gl6n de A por ~
par c oF 0 c
-
Adicion Multiplicacion Multiplicacion -c)
del i-csirno del i-esirno ren-
renglon de A glon de A par
par c y se su- -c y se surna al
rna al j-esimo j-csimo rengl6n
renglon --t"--
Permutacton Perrnutaci6n Permutacion de
de los i-esirno Pij ;
los z-esirno y
y j-esimo ren- j-esimo renglo-
glones de A nes de A Sollicion Como A es una matriz de 3 x 4, cada matriz elemental E debe ser de 3 x 3 puesto que E tiene que ser cuadrada y E esta multiplicando por la izquierda a A. Se usan los resultados del Ejemplo 1.

(i 0"0)(' 3 2 -~) (2~ 3 2 -,:)
(a) I'v12A= 5 0 4 2 3 JO 15
0 1 ,3 -2 4; \ 3 -2 4.
0 :)(: 3 2 !) G 3 2 :)
(b) A13A ( 0 1 2 3 2 3
-3 0 -2 -8 -8 1/
(~ 0 D(: 3 2 ') (' 3 2 J
(c) P23A = 0 2 3 -! = ! -2
2 2 3
---~-'.
Considerense los tres product os siguientes: La Ecuacion (6) indica que

G 0 ~)(i 0 D (i 0 ~)
c l/e 1
0 0 0
(: 0 ~)U 0 ~) ~ (:1 0 :)
0 0 0
,0
G 0 DG 0 o (' 0 ~)
0 0 }: 1
0 1; (1)

En resumen:

(2)

Teorema! Toda matriz elemental es invertible. La inversa de una rnatriz elemental es una matriz del mismo tipo.

(3)

Teorema 3

Una matriz cuadrada es invertible si y solo si es el producto de matrices elementales.

Las Ecuaciones (1), (2) y (3) indican que cada matriz es invertible y que su inversa es del mismo tipo (Tabla 1.4). Esto es consecuencia del Teorema 1. Evidentemente, si las operaciones Aij(c) seguidas de Aij(-e) se efectuan sobre A, la matriz A no se altera. Tarnbien, Mi(e) seguida de MJlIc) y perrnutando dos veces las mismas filas no alteran la matriz A.

Se tiene que

Demostradoll

Sea A E1E2 ... Em, en donde cada E, es elemental. Par el Teorema 2, cada

E, es invertible. Mas aun, por el Teorema 1.8.3, A es invertible" y

[Mi(c)r 1 = M{n [Aij(e)] -1 = Aij( c) (Pi)-1 = Pij

(4)

Reciprocamente, supongase que A es invertible. Conforme al Teorema 1.8.6 (el Teorema Resumen), A es equivalente por renglones ala matriz identidad. Esto significa que A puede ser reducida a I por un nurnero finito, m, de operaciones elementales por renglones. Por el Teorema 1, cada operacion tal puede

(5) (6)

• Aqui hernos usado la gcneralizacion del Teorema 1.8.3 a mas de dos matrices. Yea, por ejemplo, el Problema 1.8.16.

18 CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

E",Em-I",1',2 =1

1.10 • Matrices elementales e inverses de matrices 19
G 4 :) ~ (~ 0 % 0 D(i 0 D(i 0 D(i 2 ~)
5 1 1 1 -3 1
-2 0 0 0 0 0 0
M,(2) A 1.2(4) A 1,3(3) .1\1,(3) A'.l(2) ser efectuada rnultiplicando A par la izquierda por una matriz elemental. Esto significa que existen matrices elementales E1, E2, "', Em tales que

Asi, del Teorema 1.8.8, se desprende que

0)(1 0

o o 1

-1 0 o

y, como cada E, es invertible, del Teorema 2, resulta que

A = (A-1)-1 = (EmE",-1'" E2E1)-1 = EI1E21 ... E;;;~1Er~1 (7)

Dado que Ia inversa de una matriz elemental es tambien una matriz elemental, se ha logrado expresar a A como el producto de matrices elementales, La demostracion queda completa. II!IIl

Podemos usaf el Teorema 3 para extender el Teorema Resumen.

Teorema 4

Teorema Resumen - Version 3. Sea A una matriz de n X n. Entonces cada uno de los seis enunciados siguientes implica a los otros cinco (esto es, si uno de ellos es verdadero, todos son verdaderos):

i, A es invertible.

ii. La unica solucion al sistema homogeneo Ax = 0 es la solucion trivial

(x = 0).

iii. El sistema Ax = b posee una solucion unica para cad a n-vector b. iv, A es equivalente par renglones a la matriz identidad In de n x n, v, A puede expresarse como producto de matrices elernentales.

vi. det A * 0 (hasta ahora, det A solo se ha definido si A es una matriz de 2 x 2).

Ejemplo 4

12 4 Dernostrar que la matriz A = (4 5 \3 1 ducto de matrices elementales.

:) es invertible y expresarla como pro-2

Soludoll

Se ha encontrado esta matriz anteriormente, primero en el Ejemplo 1.6.1. Para resolver el problema, se reduce A a lyse sigue el rastro de las operaciones elementales sobre renglones. En el Ejernplo 1.8.6 se redujo A a I por las operaciones siguientes:

A 1,3 ( - 3), A12( -- t), Concluimos est a seccion demostrando la parte (iv) del Teorema l. 9.1.

-1), Teorema 5 Sea E una matriz elemental. Entonces Eles invertible y

(E') - 1 = (Ii, 1)'

(8)

A 1 se obtuvo comenzando con I y aplicando estas nueve operaciones elernentales. As! pues, A -I es el producto de nueve matrices elernentales:

/Jemostracion

(il501: E es una Mi(e). Entonces M,(c) es simetrica (EI ~-' E), al igual que 10 es E-I, de modo que (8) se verifica.

r'~G 0 -~W 0 I (' () -~)(: 0 ~) ~)
I I ~) : 1 1 1
0 L I() 0 ° 5 11 n 1;
.43,2(-2) 043.,(1) M,(-l) 11,.,(5) 42.l( 2)
x (i 0 ~) ( ; 0 ~) (- ~ 0 (! 0 ~')
1 1 1 1
-:3
0 I -3 o 11 \ 0 0 0 1/
M,(-11 A, .. ,( 31 A 1.2 ( 41 .'1'1,(11 Caso 2: Ese represent a por Au(c), Supongase que E es 3 x 3 y que i I, j = 2. Entonces

(I o 0)

E = c 1 0,

o 0 1/

(1 c

E' = 0 1 ,.0 0

E 1

Es facil verificar que

(£') 1

1 o

-('

Entonces A = (A-I)-I e! orden contrario:

producto de las inversas de las nueve matrices en

En el caso mas general, no es dificil comprobar que si E es una matriz con ele-

80


1.10 • Matrices elementales e inverses de matrices

81

mentos 1 en la diagonal, una c en la ij-esima posicion, y 0 en todos los demas lugares, entonces E-I tiene el valor -c en la ij-esima posicion, E' tiene el valor c en la ij-esima posicion, y arnbas, (E-I)' y (E')--1 tienen -c en la ij-esima posici6n, elementos 1 en la diagonal principal y ceros en todas las demas posi-

Hay un resultado mas que sera de utilidad en la Seccion 2.3.

ciones, En suma,

feorema 1 Sea A una matriz de n X n. Entonces A puede expresarse como un producto de matrices element ales y de una matriz T triangular superior.

Demostracioll Al aplicar eliminaci6n gaussiana al sistema Ax = b, obtenemos una matriz triangular superior. Para captar esto, se observa que la eliminacion gaussiana termina cuando la matriz queda reducida a la forma escalon por renglones -y esta forma (para una matriz de n x n) es triangular superior. Denotamos la forma escalon de A por T. Entonces, A se reduce a T por una sucesion de operaciones elementales por filas, cada una de las wales se puede obtener multiplicando por una matriz elemental. Asi pues,

Caso 3: E es una matriz de permutaci6n. Entonces E == Er», asi que E' = (E-I)'. Asi, E' represent a el proceso de intercambiar las i-esima y j-esima columnas de la matriz A. Esto significa que E' es su propia inversa:

(E')-1 = E' = (E-l), II1II

feorema 6 Si A es una matriz invertible n x n, entonces A' es invertible y

y

Como la inversa de una matriz elemental es una matriz elemental, se ha escrito A como el producto de matrices elementales y T. II1II

Demostracioll

Por el Teorema 3, A es el producto de matrices elementales:

A = E1E2···Em

(10)

Aplicando el Teorema 1.8.3,

Ejemplo 6 Expresar la matriz

A-I =ErnlE';;~1 ... El1 y por la Ecuaci6n (1.9.3),

(11 )

(12)

6 9)

5 1

1 8

De (11) y de la Ecuacion (1.9.3),

(A-I), = (El1)'(E;I)' ... (E,~l)' De (12) y del Teorema 1.8.3,

(A')-1 = (E\)-l(E~)-1 ... (E~)-1

como producto de matrices element ales y una matriz triangular superior.

(13)

Soludoll

Se reduce por renglones A a BU forma escalonada:

(14)

/3 6 9\ ( 2 ;) Al,2(-2)
\2 5 1)- MIn) 2 5 AI.3(-l)
,I 8 \1
G 2 3) (' 2 -n~T
~~ A2,(l~ ~ 1
-1 0 Por el Teorema 5, los product os en (13) y (14) son iguales. La demostracion queda completa, II

Ejempio 5

(2 4

Sea A = 4 5 3 1

~). Entonees ~2

Entonces, procediendo hacia atras resulta que

A'=

I 1 (/~16

A -1 ~ 6 26

~ 11

14 ~22 10

~6)

12

~6

Ejemplo 1.8.6,

(:: D y

Se deja al lector verificar que

(A')-I = ~ (~ ~~

~6

26 22 12

~ll)

10 =(A 1)'

~6

.1>.;(1) Au( !)
H 0 O)C 0 ")(' 6 :)
x 1 1 o 2 5
0 ~I ~ 0 1, 1 8;
A12( 2) :\11(*) II ------------------------------------------------------------


1.1 0 • Matrices elementales e inverses de matrices 83

y tomando inversas de las cuatro matrices elementales,

A ~ (~ 6 }G 0 D(i 0 D
5 1
J 0 0
M,(3) A 1,2(2)
, (~ 0")('
1 0 0
o 1 0
AI.3(l) A",( -1)

7

!9. A ~ (; 2 5 }~(: 2 5 J
-1 3 -1 3
5 0 -2 10 -27
,
30 , ~ (i 2 5 '>\ '1 0 11 I;)
-1 3 ~), B = (~ -1 3
0 -2 0 -2
, '. ~ ~) (~ ~ -~)

-1 1, 0 0 0

En los Problemas del 31 al 40 halle la inversa de fa matriz elemental dada.

En los Problemas del 21 a/30, obtenga la matriz elemental E tal que EA

( 2 3) B = (2 3) ( 2

21. A =. 22. A = _ 1

4 . \2-8

23.A=( 2 B=(_~ 1~)

= B.

31. G ~) 32. G ~) 33. (~ ~)
(~ 1 ~) ,1 -2 ~) () ~)
34. 0 35. ( 0 1 36. 0 1
\0 0 1 .0 0 I 2 0 I
38 (~ 0 1 ~) 39( 0 0 ~)
(~ 0 ~) 1 0 1 0
37. 0 1 0 1
0 0 1/ 0 0 0 0
40 (: 0 D ~)
1 0
-3 1
0 ()
En los Problemas del 41 al 48 demuestre que cada matriz es invertible y
expresela como producto de matrices elementales.
(~ 1 ~)
41. C ~) 42. G !) 43. 2
3 \5 5 II
13 2 ~) 0 -1 -- ~) 46. (~ 0 ~)
44. (D 2 45. (0
,0 0 -1/ ,I () 1/ 3 -1 1/
47. (! 0 0 ~) (' 0 ~)
3 () 0 2
0 4 48. () 0 2
0 () 0 0 0 Problemas 1.10

En los Problemas dell at 12 determine que matrices son elementales.

1. (D ~) 2. C ~) (0 ~)
3. I
\1 \ \
'0 1 ~)
4. (~ ~) C ~) 6. (1
5. ~ 0
\ '0 0 1,
(~ 0\ /1 0 ~) 9. (~ D ~)
7. () :) 8. ( 2 1
\j () \3 0 1 \0 0 11
10 (i o 0 ~) 1'{ 0 o ~) 12. (i -1 0 ~)
1 o 1 () 1 0
0 1 o 0 J 0
(l o 0 0 1 ,0 0 0
En los Problemas del 13 al20 halle una matriz elemental de 3 x 3 que efectue
fa operacion par renglones indicada sabre una matriz A de 3 x 5 at multipli-
carse por Ia izquierda.
13. !'v12(4) 14. A 1,2(2) 15. 1(-3) 16. 1(4)
17. 1'13 18. P 23 19. Au(l) 20. M3( -1) ( 2 3) (-1

24 .. 4 = _ I 4' B = 2

!l 25. A = ( 3 \5

3

26. A =

49. Sea A = (~ :), en donde ac oF O. Escriba A como producto de tres matrices elementales y concluya que A es invertible.

84


1.11 • Una perspective diferente: Inverses unilateraJes de matrices

85

50. Sea A = (~ ~ ~) ,en donde ad! * O. Exprese A como producto de seis matri-

o 0 f .

ces element ales y concluya que A es invertible.

* 51. Sea A una matriz n x n triangular superior (vea el Problema 1.8.29).

Demuestre que si no es cero cada componente en la diagonal, entonees A es invertible. [Sugerencia: Yea los Problemas 49 y 50.]

* 52. Demuestre que si A es una matriz triangular superior de n x n, con componentes diagonales no nulas, entonees A-I tam bien es triangular superior.

* 53. Aplique el Teorema 6 y el result ado del Problema 52 para dernostrar que si A es una matriz de n x n triangular inferior con componentes diagonales distintas de eero, entonces A es invertible y A -I es triangular inferior.

ne soluciones unicas? Daremos respuestas parciales a estas preguntas en est a seccion,

. Definicion 1 Inversas izquierda y aerecha. Sea A una matriz de m x n. Entonees

i. A posee inversa derecha si existe una matriz R de n x m tal que

(1)

ii. A posee inversa izquierda si existe una matriz L de n x m tal que

En los Problemas del 54 al 57 evaltie (At)-I y (A-I)', y demuestre que son iguales,

54. A = G !)

'3 2 56. A = (0 2 \0 0

58. Demuestre que si Pij es la matriz de n X n obtenida permutando los z-esimo y J: esimo renglones de In' entonces Pij A es la matriz que se obtiene de A al perrnutar sus r-esimo y j-esimo renglones,

59. Sea Au la rnatriz con c en la ij-esima posicion, elementos I en la diagonal, y ceros en el resto de las posiciones, Demuestre que A ij A es la matriz que se obtiene de A al multiplicar por c el /-esimo renglon de A y sumarla al j-esimo renglon.

60. Sea M, la matriz con c en la posicion ii, elementos 1 en las otras posieiones diagonales y ceros en el resto de las posieiones. Demuestre que M, A es la matriz que se obtiene de A multiplicando por c su z-eslmo renglon.

Observacioll 1. AR tiene dimensiones (m x n) x (n x m) = m x m.

LA tiene dimensiones (n x m) x (m x n) = n x n,

As! que las matrices identidad en (1) y (2) son desiguales si m *' n.

Observacioll 2. Si A es cuadrada, entonces, par eI Teorema 1.8.8, A es invertible si y solo si A tierre inversas izquierda y derecha. En este caso, L = R = A -I. Por esta razon, solo se consideran en esta seccion matrices no euadradas; esto es, m *' n,

Antes de calcular las inversas dereehas 0 izquierdas, demostraremos varios teoremas. Corrsideremos el sistema

Ax = b

(3)

en donde A es m x n; x y b son vectores de dimensiones n y m, respectivamente.

En los Problemas del 61 at 66 exprese cada matriz cuadrada como producto
de matrices elementales y de una matriz triangular superior.
61. A= G ~) 62. A = ( 2 -3\ 63. A = G ~)
--4 6)
64. A = (~ :) 65. A = (~ -3 D ' 1 0 ~)
-3 66.A=( 2 3
4 -\ .J 0 -1 4 0, Teorema 1 Teorema de existencia. La matriz A de m x n tiene inversa derecha si y solo si el sistema (3) posee al menos una solucion para cad a vector b m-dimensional.

Demosiraci6n Supongamos primero que A tiene inversa derecha R. Deflnase x* = Rh. Notese que x* es n x 1 puesto que R es n x my b es m x 1. Entonees

1. 11 Una perspectiva diferente: inverse« unilaterales de matrices

Ax* = A(Rb) = (AR)b = Imb = b Asf pues, x* es solucion de (3).

Reciprocamente, si (3) posee una solucion para todo m-vector b, sean o

En la Seccion 1.8 definimos la inversa de una matriz cuadrada. Se demostro que el sistema Ax = b tiene solucion unica si y solo si A es invertible. "Que sucede empero si A no es cuadrada? "Posee soluciones el sistema Ax = b? "Tie-

86


1.11 e Una perspectiva diferente: Inversas unilaterales de matrices

87

(rl.i)

r-,

rj = :

rnj,

Demostraci61! i, Supongarnos que A posee inversa izquierda. Entonces existe una matriz L de n x m, tal que LA = In' Transponiendo, queda

Cad a b, es un m-vector 0 vector-m.

Sea

1 cs sirnetrica Teorema 1.9.1 (ii)

n: I

I l I' = (LA)' ;;; A'L'

/I n

una solucion de Ax.= b/ y finalmente,

10 eual muestra que L' es inversa derecha de A'. Similarrnente, si A tiene inversa derecha R de n x m, entonces, AR = I ; y

Im = l~, = (AR)' = R'A'

C r12 r., "m)
R = r~l 1'22 rZj r2m
rnl rn2 r n] r.; por 10 que R' es inversa izquierda de A'.

ii, Por el Teorema 1.7.1, el sistema Ax = I) tiene un numero infinito de 50- luciones, ya que n > m. De manera que A no puede poseer inversa izquierda, pues si as! fuera, el sistema Ax = 0 solo tendria una solucion, segun el Teorerna 2.

Iii. Si A tuviera inversa derecha, entonees A' tend ria inversa izquierda, por la parte (i) del teorema, Pero A I es una matriz de n x m eon m > n; se tiene entonces que A I no posee inversa izquierda, con base en Ia parte (ii). En consecuencia, A no posee inversa dereeha. IIiIII

Demostraremos que R es inversa derecha. Denotemos por a, el z-esimo rengl6n de A. Entonces, como

tenemos que

. , . d b {O, si i 1= j

a· ·r· = /-eslma componente e . = .

r J J 1, SI i = j

(4)

(ofolario, Sea A una matriz de m x neon m 1= n. Entonces el sistema Ax solucion iinica para todo n-vector b.

Demostrad611 raso 1: m > n. Por el Teorema 3(iii), A no po see inversa derecha, y por 10 mismo, por el Teorema 1, Ax = b no tiene solucion para todo m-vector h.

b no tiene

Pero ai• fj es Ia i}-esima componente de AR. De (4) vemos que AR = L; IIiIII

Corolario Si R es inversa derecha de A, entonces

x = Rb

(5)

C8502: n > m. Como en la demostracion del Teorema 3(ii), Ax = 0 tiene un numero infinito de soluciones. IIiIII

es una solucion de Ax = b.

Solud6n

Encontrar , si existe, una inversa derecha de A = (: ~ Buscamos una matriz R. = (: ~) tal que AR =

y z

2 3)(U V) (1 0)

56 :-:=01

!)

Demostraci6n

Teorema de unicidad. Si la matriz A de m x n posee inversa izquierda, entonces el sistema (3) tiene, cuando mas una sola solucion para todo m-vector h.

Sean x, y soluciones de (3). Entonces

Ax = b y tarnbien Ay = b

Ejemplo 1

Teorema !1

Esto es,

as! que

A(x - y) = Ax - Ay = b - b = 0

(6)

Si ahora L es inversa izquierda de A,

(x - y) = l,,(x - y) = LA(x - y) = LO = 0

Escribimos el sistema (7) como una matriz aumentada, y se reduce por filas o renglones:

de modo que x = y. II

Teorema 3 Sea A una matriz de m x n. Entonces

i, A posee inversa izquierda si y s610 si A I tiene una inversa derecha, ii. Si n > m, A no tiene inversa izquierda.

iii. Si m > n, A no tiene inversa derecha.

U IV X J'
(~ 0 2 0 3 0 :) (i 0 2 0 3 0 -~)
1 0 2 0 3 1 0 2 0 3
0 5 () 6 0 0 0 -3 0 -6 0
4 0 5 0 6 1 ,0 4 0 5 0 6 88


1,11 • Una perspective diferente: inverses unilaterales de matrices 89

',,1-') (~ 0 2 0 3 0 ~)
1 0 2 0 3
------->
0 0 -3 0 -6 0
0 0 0 3 0 -6
w x y
'( 0 2 0 3 0 ) (' 0 0 0 -1 0 )
Ivl,(-I) A",( 2) 3
M.(-,l 0 1 0 7 0 3 ! .1.,{-2) ~ 1 0 0 0 -1 2
----? '3
0 0 1 0 2 0 0 1 0 2 0 4
3'
0 0 0 0 2 0 ° 0 2 1
-:3 ° -3
Por 10 tanto,
U=Y-1
v=z+~
W= -2y+4
x=-2z-k Verificacioll

Sin hacer mas calculos, concluimos que A no tiene inversa izquierda, pues de 10 contrario, se Ilegaria a una contradicci6n respecto al resultado del corolario del Teorema 3.

EI teorema siguiente generaliza el resultado del Ejemplo 1. Su demostraci6n se deja como ejercicio (vea Problema 16).

feOl'tma" Si la matriz A de m x n (m =F n) posee inversa derecha, entonces tiene un numero infinito de inversas derechas,

Evidentemente, existe una infinidad de soluciones. Eligiendo y = z

0,

Ejemplo!1 Encontrar una inversa izquierda de

-D

(_'J

A = -~

-~)\

3

Verificac:ion

Soludall Del Ejemplo 1, vemos que

AR = (1 2 3)(-! _~) = (1 0)

14563301

° °

L = ~ (1 2 36) 3 4 5

Verificad61!

Eligiendo y

z

1, obtenernos otra inversa derecha:

Ejemplo 3

(1 2)

Consideremos el sistema Ax = b, en donde A = ; ~ . A posee la inversa

izq uierda L = (- ~ _ ~ _ ~)- As! que A no tiene inversa derecha y el sisterna carece de soluci6n para ningun vector tridimensional b. Para ver esto mas

claramente, consideremos b ~ (t;) Y reduzcamos poe renglones:

Consideremos el sistema Ax = (~). De acuerdo con (5), dos soluciones son

y

-~)G)~j (-2~) = (-~)

3 \ 21 7

2

--2


1.11 • Una perspectiva diferente: Inversas unilaterales de matrices 91

A2.,( --2) A2,,(2)

(1 0

o 1

o 0

9. (l 2 3)

Evidentemente el sistema es inconsistente, a menos que -7b1 + 2b2 + bJ = O. 13'

Por ejernplo, si b =.( 8) entonees ·-7b1 + 2b2 + bJ = 0 y el sistema posee

,5/ (7:

la solucion unica ( _ ~:: ~ 2~:) = ( ~). Por otro lado, si b = ;), entonces A

=Tb, + 2bz + b, = --4", 0 y el sistema no tiene solucion.

I 1. Sea A = (-: D

II. Demuestre que A no tiene inversa derecha.

h. Halle una condici6n que asegure una solucion para el sistema Ax = b

12. Contestar las preguntas del Problema 11 para la matriz

(~ ~

A = 0 2

\3 6

Podemos apreciar la existeneia de matrices unilaterales de una matriz des de otro punto de vista. Si A es una matriz de m x n, es po sible contemplar A como representante de unajunci6n euyo dominio es el eonjunto de n-veetores y euyo ambito (0 contradominio) es el eonjunto de los m-vectores.

La funcion b = Ax es biyectiva si, siempre que Ax = Ay, es posible concluir que x = y; esto es, si toda b en el ambito es imagen de un solo n-vector.

La funcion b = Ax es suprayectiva (0 sobre) respecto del conjunto de mvectores si todo m-vector b en el ambito es imagen de un n-vector del dominio. Esto es, si existe x tal que b = Ax.

Podemos enunciar los Teoremas 1 y 2 del modo siguiente:

13. a. Obtenga dos inversas derechas de A= (~ ~ \

Teorema 2' Sea A una matriz de m x n. Si A posee inversa izquierda, entonees la funcion b = Ax es biyeetiva.

Se expresara mucho mas ace rca de funciones biyectivas (0 biunivocas) y suprayectivas (0 sobre) cuando se analicen transformaeiones lineales en el Capitulo 5 (vea, en particular, la Seccion 5.4).

11' h. Use los resultados de (a) para detcrminar dos soluciones al sistema Ax = ~ 0)-

a, Obtenga dos inversas derechas de A = (~ --: ~}

( 2\

h. Use los resultados de (a) para hallar dos soluciones al sistema Ax = _ 3 J

15. Supongase que la matriz A de m x n poseyera inversa derecha R e inversa izquierda L. Demuestre que se tendria que R = L.

"* 16. Supongase que la matriz A de m x n tiene inversa derecha R con m "" n. Demuestre que A tiene un numero infinite de inversas derechas. [Sugerencia: Considere el sistema AR = J y demuestre que si este sistema tiene una solucion unica, entonces 10 mismo puede decirse del sistema Ax = II para todo todo m-vector b, 10 cual

14.

Teorema l' Sea A una matriz de m x n. La funei6n b = Ax es suprayectiva respecto del conjunto de m-vectores si y solo si A tiene inversa den cha.

Problemas 1.11

contradice al Teorema 3.J

17. Considere el sistema Ax = h donde

A (: ;)

1 (1 2 '\'

.) es inversa izq uierda de A. 3 4 5 (,

a. Dernuestre que L =

En los Problemas dell at 10 determine cuales matrices poseen inversas derechas 0 izquierdas. Si existen, calcular una.

b. Sea b =

G ° ~) 2. G 0 ~) G ~) C -1 ~)
r. 3. 2 4. 3
1 1 4
5. (i D 6. (~ ~) 7. (~ ~) 8. (~ --D
,0 0 '. 5 6, 7 c. Dernuestre que Lb no es soluci6n del sistema Ax = b.

!I. Multiplique par L ambos lados de Ax = h por la izquierda , Resulta asi

.t x ,= b

l.Ax ~ Lb

9i


Ejercicios de repaso • Capitulo 1

93

Ix = Lb X = Lb

~) G -1 -~)(D
'1 0 3 --1 5)('
21. (2 22. 5
1 6 2 :) -I
4
5
3 Pareceria que x = Lb debiera ser solucion de Ax = b. Pero esto contradice 10 hallado en (c). De hecho, si Ax = b tiene una soluci6n para cada b, entonces A posee inversa derecha. Esto contra dice el corolario del Teorema 3. lD6nde est a el error en este razonamiento?

En los Ejercicios del 23 al26 determine si fa matriz dada estd en forma escalonada por renglones (pero no en fa forma escalon ada por renglones reducida), en fa forma escalon ada por renglones reducida, 0 en ninguna de estas.

Ejerdc:ios de repaso" Caplfllio 1

5. X, + X2 + X3 = 0

2X,- X2+2x3=O -3XI+2x2+3x3=O

7. x,+ X2+ x3=2

2Xl - X2 + 2X3 = 4 -Xl+4x2+ x3=3

2. 3x, + 6x2 = 9 2Xl +4X2 = 6

4. Xl + X2 + X3 = 2

2XI-- X2+2x3=4 -3X,+2x2+3x3=8

6. X, + X2 + X3 = 2

2x ,- X2 + 2X3 = 4 -XI+4x2+ x3=2

8. Xl + X2 + X3 = 0

2x I - X2 + 2X3 = 0 -X,+4x2+ X3=O

23. (~ 0 0 0) 24. (~ R -!) 25. G ~)
0 2 1 5
0 0 1 3 n 0 1
26. (~ 0 2 ~)
3 En los Ejercicios dell a114, obtener todas las soluciones (si existen) de los sistemas dados.

1. 3Xl + 6X2 = 9 -2Xl+3x2=4 3. 3x,-6x2=9 -2x,+4x2'7.6

En los Ejercicios 27 y 28, reduzca fa matriz a forma escalonada por renglones y a la forma escalon ada par renglones reducida.

2 4)

o 3

-1 1

(2 8 -2)

27.

1 0 -6

28.

( 1 -1

-1 2

2 3

En los Ejercicios del 29 al 33 calcule fa forma escalon ada par renglones y fa inversa de la matriz dada (si existe).

9.

2x,+ X2-3x3=O 4x,- X2+ X3=O

Xl +x2=O 2Xj+x2=O 3x,+X2=O

12. x I + X2 + X3 + X4 = 4

2X,-3x2-X3+4x4=7 -2x, +4X2 + X3 - 2X4 = 1 5x,- X2+2x3+ x4=--1

14. Xl+ x2+ x3+ X4=O

2x,-3x2- X3+4x4=O -2x,+4x2 x3-2x4=O

29. C~ !)

(--1

30.

2

(1 2

31. 2 1 3 1

10.

n. x,+x2=1 2x,+x2=3 3x, +x2 = 4

(-1 2 0)

32. 4 :-3 2 :> -3

( 2 0 4

33. -1 3 1) () 1 2

13. X, + X2 + X3 + X4 = 0

2x, 3X2- X3+4x4=O -2Xl+4x2+ X3-2x4=O 5Xl- X2+2x3+ X4=O

En los Ejercicios del 34 at 36, escriba primero el sistema en fa b, fuego calcule A -I, Y finalmente, utilice fa muitipticacion de matrices para obtener el vector solucion.

34. Xl - 3X2 = 4 2Xl + 5X2 = 7

35. x, +2X2 = 3

2x, + X2 - X3 = -1 3Xl + X2 + x, = 7

36. 2x! +4X3= 7

-Xl +3X2+ x3=-4 x2+2x3= 5

En los Ejercicios del 15 at 22 realice los cdlculos indicados.
r2 ;)
15. 3 0 0 3)+ ( 2 0 :)
Hi.
\ 2 -1 6 --2 5
, 2 3) C2 1 D
17. 5(-1 2 4 -3 5 0 18. C~ 3)e -~)
\-6 5/ 2 -1 4 ,2
!l(: 7 ~)
19. (2 3 1 0 20. (-: 3 5\( 0 -1 D
0 6 2 0 6 4) 3 1
0 6 -7 3
0 5 En los Ejercicios del 37 al42 calcule fa transpuesta de fa matriz dada y determine si fa matriz es simetrica'o antisimetrica. *

e 3 1)
C~ 3 1) 38. (: :) 39. 3 -6 -5
37.
o 2 1 -5 9
( 11 4 -D (-l 1 -1 -:)
40. (-~ ~:) -1 2 5 0 1
41. 42.
4 5 3 1 0 1
-6 -4 () 6 7 -8 -2 -1 0 * Del Problema 1.9.18 se tiene que: A cs antlsimetrica si A' = -A,

94


En los Ejercicios del 43 al 47 encuentre una matriz elemental 3 x 3 que rea/ice las operaciones sobre renglones indicadas.

43. /\112(-2) 44. ,(2) 45. A13(-5) 46. P3' 47. A3.lCt)

En los Ejercicios del 48 at 50 halle fa inversa de fa matriz elemental dada.

(0 1 0) (I 0

49. 1 ° ° 50. 0 I

o 0 1 0 0

, (1 3)

48. 0 1

En los Ejercicios 51 y 52 escriba fa matriz como e! producto de matrices elementales.

(1 0

52. 2 1 3 2

-:)

En los Problemas 53 y 54 escriba cada matriz como el producto de matrices elementales y una matriz triangular superior.

( 2 -1)

53. --4 )

\ -

-2 3)

o 4

2 I

(1 3 2)

55. a. Encuentre dos inversas derechas de A = 2 7 5'

b. Use el resultado de la parte (a)(~ara_o~)tener dos soluciones de Ax = (_~}

56. Halle una inversa izquierda de A = 4 :.

\ I o ,

CAPITULO

Definicion 1

Determinantes

i. 1 Definiciones

Sea A = (all a 12) una matriz de 2 x 2,. En Ja Seccion 2.7 definimos el deter-

a21 a22

minante de A como

det A = all a22 - a12a_2_1 3

Con frecuencia denotaremos det A como

(2)

Mostraremos que A es invertible si y solo si det A '* O. Como veremos, este importante teorema es valido para matrices de n x n,

En este capitulo desarrollaremos algunas de las propiedades basicas de los deterrninantes, y veremos como pueden ser usadas para calcular inversas'y resolver sistemas de n ecuaciones lineales en n incognitas.

Definiremos por induccion el determinante de una matriz de n x n. En otras palabras, usaremos nuestro conocimiento de un determinante de 2 x 2 para definir un determinante de 3 x 3; este para definir el de 4 x 4 y as! sucesivamente. Empezaremos por definir un determinante de 3 x 3.*

(all

Determinante de 3 x 3. Sea A = a21

a31

a12 al3)

a22 a23 . Entonces

a32 a33

* Existen varias formas de definir un determinante y esta es una de elias. Es importante darse cuenta de que "del" cs una funci6n que asigna un ruimero a una matriz cuadrada.

95

96

CAPiTULO 2 • DETERMINANTES

2_1 • Definiciones

97

det A = IAI = al11a22 a32

:;:1 ~)I

Ejemplo 3

Calcule

3 4 -1

5 2 2 3 2 4

usando este nuevo metoda

Notemos el signo menos antes del segundo terrnino dellado derecho de (3).

Solucion

Si escribimos

'5x~/3' lti I' . d' .

2 y mu tip [cam os como se In leo,

- 7' -~'l,. ~

IA 1= (3)(2)(4) + (5)(3)( -1) + (2)(4)(2) - (-1)(2)(2) - 2(3)(3) - (4)(4)(5)

Ejemp/o 1 Sea A ~ C: ~ D· Calcule IA I·

24-15 + 16+4-18-80 = -69

Solucion

3 IAI= 4 -1

Advertenc:ia. El metoda expuesto anteriormente no funciona para determinantes de n x n si n * 3.

= 3·2-5·19+2·10 = -69

Antes de definir deterrninantes de n n, primero noternos que en la Ecuacion (3 ),(a22 a23 ') es la matriz que se obtiene al eliminar el primer renglon

a·p a33 )

y la prirnera col~~na de A; (a21 an es la matriz que obtenemos sielimina-

. • a~1 al3 (a21 an) .

mos el primer renglon y la segunda columna de Ayes la matnz

a31 a32

que se obtiene si elirninarnos el primer renglon y la tercera columna de A. Si denotamos estas tres matrices como Mil, IVll2 Y Mil' respectivamente, y si A II = det Mil' A 12 = +det MI2 Y A 11 -zz: det Ai13, entonces la Ecuacion (3) puede ser escrita

Ejemplo ~ Calcule

2 1 3

2

-3 5
0 4.
-3 9
-3 ! =21 0
0 :1-(-3)1~ :1+51~ -~I
-3 -3
9
= 2· 12+3(-3)+5(--3) = 0 Solucion

3

---------------------------------------------

Existe un metodo mas sen cillo para calcular determinantes de 3 x 3. De la Ecuacion (3)

all al2 al3

a21 a22 a23 = all (a22a33 - a23a32) - a12(a21 a33 - a23a31) a:l1 a32 a33 + a13(a2l a32 - a22a31)

o sea IAI= alla22a33+ a12a23a31+ a13a2Ia32-a13a22a31

- aUa21 a33 - all a32a23

Definicion R Menor. Sea A una matriz de n x n y sea Mij la matriz de (n - 1) x (n - 1) que se obtiene de A, al eliminar el z-esimo renglon y la j-esima columna de A. Mij se denomina ij-esimo menor de A.

(4)

Ejemplo 4 Sea A =(~ - ~ ~). Encuentre MIJ Y M32•

6 3-4

Escribimos A y junto a ella sus primeras dos column as

al( U12. /~'t<}!11> ~/ a21'g<~~ ~/a22 !H(/ h2>~ ~~.,'·as~

+ 1- +

Luego se calc ulan los seis productos, poniendo signo menos antes de los productos con flechas que apuntan hacia arriba y efectuamos la suma. Con esto obtenemos la suma de la Ecuacion 4.

Solucion Eliminando el primer renglon y la tercera columna de A, obtenemos MI3 =

(~ ~).

Analogamenre, si eliminamos el tercer renglon y la segunda columna obte-

nernos M32 = (~ ;).

----- .. --------

98

Definicion 4


Ejemplo .5

(1 -3

2 4

Sea A = 1 5

4 0

~). Encuentre 1'1132 Y M24· --2

7

5 o 9 2

Soludan

Si eliminamos el tercer renglon y la segunda columna de A,

MJ2= (~ ~ ~);a~alOgamente'M24= (~-~ 925),

42740

Definicion 3 Cofactor. Sea A una matriz de n x n, EI ij-esimo cofactor de A, denotado por Ai), es

.__ ;;)1

------

2.1 • Definiciones

99

Determinante de n x n, Sea A una matriz de n x n, Entonces el determinante de A, escrito det A, 0 bien I A I, est a dado por

La expresion dellado derecho de (8) se conoce como desarrollo por cofactores,

Observation. En la Ecuacion (8) quedo definido el determinante mediante el desarrollo por cofactores, para 10 cual usamos las componentes del primer renglon de A, En la proxima seccion (Teorema 2.2.1), veremos que se obtiene e1 mismo resultado si se desarrolla por cofactores en cualquier renglon 0 columna,

Ejemplo 1 Calcule det A si

A ~ (! 3 5 D
-1 3
1 9
3 2 4
I 1 3 5 2
0 -1 3 4 = allAH + a12A12 + a13AI3 + a14A14
So/udoll
2 1 9 6
3 2 4 8
-1 3 4 0 3 4 0 -1 4 0 -·1 3
=1 1 9 6 -3 2 9 6 +5 2 1 6 -2 2 1 9
2 4 8 3 4 8 3 2 H 3 2 4
= 1(-92)-3(-70)+5(2)-2(-16) = 160 Esto es, el ij-esimo cofactor de A se obtiene tomando el deterrninante del ijesimo menor y multiplicandolo por (-l)i+i. Notemos que

(-l)'+i={ 1 -1

si i + j es par

si i + j es impar

Observacioll. La Definicion 3 tiene sentido debido a que vamos a definir un determinante de n x n suponiendo que ya sabemos 10 que es un determinante de (n-l)x(n-l).

Ejempio 6 En el Ejernplo 5 tenemos que
1 5 6
A32 = (-ly+2IMd = - 2 0 3 =-8
4 2 7
-3 5
A24=(-1?+4 1 5 9 =-192
4 0 2 Consideremos ahora el caso de la matriz general de n x n, Aqui

all al2 aln
a21 a22 a2n
A (7)
Definicion 5
anI att2 ann Es claro que el calculo del determinante de una matriz de n x n puede ser tedioso. Para calcular un determinante de 4 x 4, debemos evaluar cuatro determinantes de 3 x 3, Para calcular un determinante de 5 x 5, hay que evaluar cinco deterrninantes de 4 x 4, 10 cual es 10 misrno que calcular veinte determinantes de 3 x 3. Afortunadarnente existen tecnicas para sirnplificar enorrnemente estos calculos. Algunos de estos metodos seran discutidos en la proxima seccion. Existen, sin embargo, algunas matrices cuyos deterrninantes pueden ser facilmente establecidos.

Una matriz cuadrada se llama triangular superior si todas sus componentes par debajo de la diagonal son cero. Sera triangular inferior si todas sus cornpo-

100

CAPITULO 2 • DETERMINANTES

nentes par encima de la diagonal son cero. Una matriz se llama diagonal 51 todos los elementos que no se encuentran en la diagonal son cero; asi es que A = (a,) es triangular superior si a'J 0 para i triangular inferior 51 aiJ == 0 para i < j y diagonal si at) 0 para i *- j. Noternos que una matriz diagonal es al mismo tiempo triangular superior e inferior.

C 3 () I)
(~ 1 -i) ~ 2
0 4 .
Ejemplo 8 Las matrices A 2 y B 0 son tnangulares
0 0 3
0 0 ~2
( 5 0 0) (0 ~)
superiores: c= 2 3 0 y D= son triangulares inferiores;
1
-1 2 4
G () 0)
1 y E = -7 () son diagonales.
0 -4 Ejemplo 10

2.1 • Definiciones

101

[

(9~

Es decir: El determinante de una matriz triangular es igual al producto de sus componentes diagonales.

Los determinantes de las seis matrices del Ejemplo 8 son:

IBI = (-2)(0)(1)(-2) = 0; ICI = 5·3·4 = 60; IDI = 0; (2)(-7)(-4) = 56.

IAI=2' 2 ·1=4;

II\= 1; \E!=

--~ ... ~-- .. ------ .-~.~,-.--,,-------
Ejemplo 9 Sea C' 0 () 0)
A= an an 0 0
a31 a32 a33 0
a41 a42 a43 a44 triangular inferior. Calcule det A.

Soluci6n

det A= aJlAl! +OA12 +OA13 +OA14 auAl!

a22 0 0

= all Q32 a33 ()

a42 a43 a44

EI Ejernplo 9 puede ser generalizado facilmente para demostrar el siguiente teorema.

Teorema 1 Sea A = (al) una matriz de n x n triangular superior" 0 inferior. Entonees

* La demostracion para cl caso de la matriz triangular superior es mas cornplicada a esta altura, pero sera exactamente la misrna una Vel. que sepamos que del A puede ser evaluado desarrollando por cualquier columna (Teorerna 2.2.1),

Problemas 2.1
En los Problemas del 1 al 10 calcule el determinante.
1 0 3 I-~ 1 :1 3 -1 :1
1. 0 1 4 2. 1 3. 6 3
2 1 0 5 2 -1
1-: 0 -:1 I-~ 3 :1 I~~ -2 1
4. 2 5. 6 6. 0 3
2 2 1 4
2 0 3 1 -3 0 0 0 -2 0 0 :1
0 1 4 2 -4 7 0 0 1 2 -1
7. 8. 9. 3 0 -1 ~I
0 0 1 5 5 8 -1 0
1 2 3 0 2 3 0 6 i 4 2 3
2 3 -1 4 5
0 1 7 8 2
10. 0 0 4 -1 5
0 0 0 -2 8
0 0 0 0 6 11. Demuestre que si A y B son matrices diagonales de n X n, entonces detAB = detA detB.

* 12. Demuestre que si A y B son matrices triangulares inferiores, entonees det AB = detA det B.

13. Pruebe que, en general, no es cierto que det (A + B) = det A + det B.

14. Pruebe que si A es triangular, entonces det A*-O si y s610 si todas las componentes diagonales de A son diferentes de cero.

15. De~uestre el Teorema 1 para una matriz triangular superior.

*: 16. Decimos que los vectores (~) y (~)generan e/ area 1 en el plano, ya que si construimas un cuadrado con tres de sus vertices en (0, 0), (l , 0) y (0, 1), vemos que el

102


2,2 • Propiedades de los determinantes

103

area es 1. (Figura 2,la.) Mas generalmente, si (:J y G:) son dos vectores linealmente independientes, de dos componentes, entonees generan un area quese define como el area del paralclogramo con tres de sus euatro vertices en (0, 0), (xj, Yj) Y (x2, Y2)' (Figura 2.1b.)

y

y

(ali)

Dado que la j-esima columna de A es a~J , la Ecuacion (2) nos indica que

anI

podemos calcular el det A desarrollando por co facto res en cualquier columna de A.

o n.o,

(a)

Figura g. 1

(b)

Ejemplo 1 Para A = ( ! ~ ~), vimos en el Ejemplo 2.1.1 que det A = -69. Si desa-1 2 4

rrollamos en el segundo renglon resulta que

(X) (Xy'22),

Sea A una matriz de 2 x 2. Si k denota el area generada por y: y

donde C~)=A(~)Y C:)==A(~).demuestreqUek == [det zl ],

** ]7. Sean uj Y U2 dos vectores de dos componentes y sean Vj = Au, Y v2 = AU2' Demuestre que (area generada par Vj Y Vz) == (area generada por u, y 112) [det zl ].

Esto proporciona una interpretacion geomctrica del determinante.

det A =4A21 +2A22+3A23

=4(-lr1\5 2'1+2(_1)2+21 3

2 4 -1

= -4(16) + 2(14) - 3(11) = -69

Analogamente, si se desarrolla en la tercera columna, por ejemplo,

21 1 3

+3(-1?+3

4 -1

~I

Propiedades de los determinantes

det A = 2A13 + 3A23 + 4A33

=2(_1)1+3\4 21+3(-lf+313

-1 2 -1

= 2(10)-3(11)+4(-14) = -69

Intentese verificar que obtenemos el mismo resultado si desarrollamos en el tercer renglon 0 la primer a 0 la segunda columna.

5f +4(_p3+313 21 } 4

51 21

Los determinantes tienen muchas propiedades que pueden facilitar los calculos. Empezaremos a describir estas propiedades estableciendn un teorema, del cual deduciremos 10 demas. La demostraci6n de este teorema es dificil y se pospondra para la pr6xima secci6n.

Teorema 1 Teorema lJasico. Sea

A=

Enunciaremos v demostraremos algunas propiedades adicionales de los determinantes. En cada caso vamos a suponer que A es una matriz de n x n, * Se vera que estas propiedades pueden ser usadas para reducir enormemente el trabajo de calcular un deterrninante.

una matriz de n x n. Entonces

~ det A-= aijAil +ai2Ai2+=~'nAin = f a,kA,k -(11J)

L_ k-l

--"----'--------,-- ----------

Propiedad 1 Si cualquier renglon 0 columna de A es el vector cera, entonces det A C~ O.

para i = 1, 2, ... , n. Es decir, podemos calcular det A desarrollando por eofactores en cualquier renglon de A. Mas aun:

[ ----dol A -" a:,A" + a"A" + ... + a"A,., ~ f a,A, - (2J

k~l

---- -- ---------------------- ---

Demostraci6n Supongamos que el z-esimo renglon de A contiene unicamente ceres. Es decir, au = 0 para j = 1, 2, ... , n. Entonces detA = ai1~i' + ai2,Ai2 ~ ., ,', + a A· = 0 + 0 + ... + 0 = O. La misma demostracion funciona 51 la j-esi-

III In

rna columna es el vector cero. l1li

* Las dernostraciones de estas propiedades estan dadas en terrninos de los renglones de una rnatriz. Si usamos el Teorema 1, las mismas propiedades pueden ser dernostradas para las columnas.

104- CAPITULO 2 • DETERMINANTES
Ejemp/o i Propiedad 3 Sean
Es facil verificar que
C
2 3 5 -1 3 0 1 a21
0 0 0 =0 4 2 0 5 A= .
y =0
-2 4 -1 6 0 4
2 1 0 1 ani Propiedad 2 Si el z-esimo renglon 0 la j-esima columna de A se rnultiplican por la constante c, entonces det A se multiplica por c. Es decir, si llamamos a esta nueva matriz B, entonces

a2n

Demostradon Para demostrar (3) expandimos en eI i-esimo renglon de A:

a~m

=clAI

(3)

=c

y

2.2 . Propiedades de los determinantes 105
an ali a," ) C a12 alj a,")
a22 a2i a2n a2l a22 a2j a2n
. , B= . .. '
an2 an; ann ani an2 Clnj
C an alj+aji a," )
a21 a22 a2i +a2i a2n
c= .
.: an2 anj + ani ann Entonees

det C = det~-+-d-e:;----' .. -~ __ ~~~~

----------------

En otras palabras, supongamos que A, B y C son identicas excepto por la iesima columna y que laj-esima columna de C es la suma de las j-esimas columnas de A y B. Entonces det C = detA + det B. Esto mismo es valido para ren-

glones.

Demostracion Se desarrolla det C en la j-esima columna para obtener

det C = (ali + ali)Ali + (a2i + a2;)A2i + ... + (ani + anj)Anj = (aljAlj + a2jA2j + ... + anjAnj)

+(a\jAlj +a2jA2j + ... +anjAnj) =det A +det B II1II

det B = cail A, 1 + cai2Ai2 + cainAin

= c(ailAi1 + ai2Ai2 + + ainAin) = c det A

Una dernostracion analoga funciona para las columnas. II

multi plica la tercera columna por - 3, obtenemos C = (~ -: o -2

-6)

-12 y

-15

I)emosfracion

A~ G -1 ~) . Entonces dol A ~ 16.
Ejemplo 3 Sea 1 Si multiplicamos el segundo
-2
(1~ -1 'D
renglon por 4, tenemos B= 4 y det B = 64 = 4 det A. Si se
-2 det C= -48 = 3 det A.

fjemplo -4

-1 1 -2

-6 2)

24,

4 5

(1 -1-6 2)

C= 3 1+2 4 =

o -2+4 5

y

Entonees det A = 16, det B = 108 y det C= 124 = det A + det B.

Propiedad 4

Observacioll, Si usamos la Propiedad 2 podemos demostrar (Problema 28) el siguiente resultado interesante: Para cualquier escalar a y cualquier matriz A de n X n, det aA = an det A.

Si se intercambian dos renglones (0 columnas) cualesquiera de A, es como si se multiplicara det A por -1.

Haremos la demostracion para renglones y vamos a suporier primero que se intercambian dos renglones adyacentes. Es decir , vamos a suponer que se illtercambian el i-esimo y eJ (i + lj-esimo renglon. Sean

106


A = ail ai2 ain y B = aiel,!
ai+l,2 ai+-1,n
ait1.1 ai +1,2 at+Ln ail ai2 aitt Entonees, si se desarrolla det A en su z-esimo renglon y det Ben su (i + l j-esimo renglon,

det A = ai1Ail +ai2Ai2+' .• + ainAin

det B = ai 1 Bi+l, 1 + ai2Bi+l,2 + ... + ainBi+1,n

(5)

Aqui Au = ( -l)i tilMu I, donde MIj se obtiene elirninando el z-esimo renglon y la j-esima columna de A. Notemos ahora que si eliminamos el (i + l l-esimo rengl6n y la j-bima columna de B, obtenernos el mismo 1Yfu' Asi

B· . = (_1)i '-l+iIMI = -(-l)i+iIM.1 =-A

r+l,] lJ· if . ii

por 10 tanto, de las Eeuaeiones (5), det B = det A.

Ahara supongamos que i < j y que se intercambian el r-esimo y el j-.esimo renglones. Esto se logra intereambiando renglones adyacentes varias veees. Necesitaremosj - i intercambios para mover el j-esimo renglon al z-esirno reglon. Entonees el z-esimo renglon se habra movido al (i + l)-esimo renglon, par 10 cual se necesitaran j - i - 1 intercambios adicionales para mover el renglon i al j-esimo renglon. Para ilustrar, intercambiemos los renglones 2 y 6:*

1 1 1 1 I 1 1 1
2 2 2 2 6 6 6 6
3 3 3 6 2 3 3 3
-'" ---i> -'" -'" -'" -'" ---i>
4 4 6 .3 3 2 4 4
5 6 4 4 4 4 2 5
6 5 .5 5 5 5 5 2
7 7 7 7 7 7
'-.,...----'
6 - 2 = 4 intercarnbios para mo- 6 - 2 -- I = 3 intercambios para rno-
vcr el 6 a la posicion del 2. ver el 2 a la posicion del 6. Finalmente, cl numero total de intercambios de renglones adyacentes es (j - i) + (j - i - 1)= 2) - 2i -- 1, el eual es irnpar. Asi, el detA se rnultipliea par -1 un numero impar de veces, 10 cual es 10 que necesitabamos demostrar.

II1II

* Note que aqui todos los numeros se refieren a renglones.

2.2 • Propiedades de los determinantes

107

Ejemp/o 5 Sea A ~ G ~ ~ ;). S; intercambiarnos 01 primero y 01 tercer renglones, obtenemos B ~ G ~: D· S; intercambiamos la prirnera y la segunda eolumnas de A, obtenemos C = (- ~ ~ ~). Entonees, par calculos direc-2 0 5

tos, det A

16 Y det B

detC

-16.

Propiedad 5

Si A tiene dos renglones a columnas iguales, entonces det A = O.

DemostriJci6n

Supongamos que el z-esimo y el j-esimo renglon~s de A son igu~les. Si intereambiamos estos renglones obtenemos una matnz B con la propiedad de que det B = -det A (de la Propiedad 4). Pero puesto que renglon i = renglon i, si los intereambiamos se obtiene la misma matriz. Asi, A = B Y detA = det B = -detA. De donde 2 detA = 0,10 eual solo puede pasar si detA = O.

Ejemplo 6

-1 7 -1

Par calculos directos podemos verifiear que para

B = ( ~ -~ -~)

-2 4 4 det A = det B = O.

renglones igualcs] y

[dos column as iguales], se tiene que

PropiediJd 6 Si un renglon (columna) de A es un multiple constante de otro renglon (columna), entonees det A = O.

DemostriJci6n Sea (ajl> ai2, ... , ain) = c(an, aiZ, ... , ain). Entonees de la Propiedad 2,

all al2 a1n
a21 a22 i12n
det A =c =0 (de la Propicdad 5)
ail ai2 ain
j-esimo reng16n-i> ail ai2 ain
an! an2 ann II1II 108


Ejemplo 1

= 0 puesto que el tercer renglon es el primer renglon multiplicado por - 2.

2 1 -4

-3 5

7 2

6 -10


109

Ejemplo 9

Sea A = (~

o

Entonces det A = 16. Si multiplicarnos el tercer

-: !)

-2 5

renglon por 4 y 10 sumarnos al segundo renglon, obtenemos una nueva matriz B dada por

B ~ (3+~(0)

2 4 1 12
Ejemp/o 8 -1 1 0 3
0 -1 9 -3 = 0 puesto que la cuarta columna es tres veces la segunda
columna.
7 3 6 9 -1 1+4(-2)

2 \ (1 -1 2)

4+5(4») = 3 -7 24

5 0 -2 5

-2

y as! det B

16

detA.

Propiedad 7

Si un multiple de un renglon (columna) de A se suma a otro renglon (columna) de A, el determinante no cambiara,

Las propiedades que preceden hacen mucho mas f'acil el calculo de determinantes de ordenes elevados. Simplernente "reducimos par renglon" el determinante, usando la Propiedad 7, hasta que el determinante se reduzca a una forma mas facil de evaluar. Lo mas comun es usar la Propiedad 7 repetidamente hasta que (i) el nuevo determinante tenga un renglon (columna) de ceros, o un renglon (columna) sea un multiple de otro renglon (columna), en cuyo caso el determinante es cero, 0 (ii) la nueva matriz sea triangular de modo que su determinante sea el producto de sus elementos diagonales.

/)emostraci6n

Sea B la matriz obtenida sumando c veces el z-esimo renglon de A al j-esimo renglon de A. Entonces

(par la Propiedad 3) ail ai2 ain + ail ai2 ain
-,
ail ai2 ail1 cail cai2 cain
an 1 Cln2 alIt! I anI an2 attn
detA + 0 = detA (el cero se debe a la Propiedad 6) II
~ detB =

a2t1

ain

Ejemp/o 10 CalcuJe
1 3 5 2
0 -1 3 4
iAi= 2 1 9 6
3 2 4 8
So/udall (Yea el Ejernplo 2.1.7.) Tenemos ya un cera en la primera columna, as! que es mas simple reducir a
cero otros elementos en la primer a columna. Luego se continuara reduciendo,
tratando de obtener una matriz triangular:
Multiplicamos el primer renglon por 1 3 5 2
~ 2 Y 10 sum amos al tercer renglon y iAi= 0 -1 3 4
se muitiplica el primer renglon par -3 0 -5 -1 2
y se le suma al cuarto renglon. 0 -7 -11 2
1 3 5 "'I
L.
Multiplicamos el segundo renglon par 0 -1 3 4
- 5 y - 7 y 10 sumamos al tercer y 0 0 -16 -18
cuarto renglones, respectivamente.
0 0 -32 --26
3 5 2
Factorizamos - 16 del tercer renglon 0 -1 3 4
= --16
(usando la Propiedad 2). 0 0 9
B
0 0 -32 -26 110



111

Ahora queda una matriz triangular superior y

(-16)(-10) 160.

352 = -16 () -1 3 4

o 0 1 ~

o 0 0 10

IAI = -16(1)(-1)(1)(10)

Ejemplo 2 Calcule
1 -2 3 -5 7
2 0 -1 -5 6
IA\= 4 7 3 -9 4
3 1 -2 -2 -~I
,-5 -1 3 7 Multiplicamos el tercer renglon por 32 y se Ie suma al cuarto renglon,

Soluci6n Si surnames prirnero el renglon 2 y despues el renglon 4 al renglon 5, obte-

Ejemplo 11 Calcule

-2 1 0 4
IAI= 3 -1 5 2
-2 7 3 1
3 -7 2 5 nemos
1 -2 3 5 71
2 0 -1 -5 6
IAI= 4 7 3 -9 4 =0 (de la Propiedad 1)
3 1 -2 -2 3
,0 0 0 0 0 Soluci6n En este caso existen muchas mancras de proceder y no es claro cual camino nos llevara mas rapidamente ala respuesta, Sin embargo, puesto que ya existe un cero en el primer renglon, empezaremos la reducci6n en ese renglon.

Con este ejernplo se ilustra que si observamos un poco antes de hacer los calculos, podemos simplificar el trabajo considerabJemente.

Multiplicamos
la segunda co- Ol
lumna par 2 y 0 1 0
I
-4 y la suma- IAI= 1 --1 5 6
mos ala prime- 12 7 3 -27
ra y cuarta co- -11 -7 2 33
lumnas, respec-
tivamente. Hay otras tres propiedades de los determinantes que nos seran muy utiles.

Teorema 2 Sea A una matriz de n x n. Entonces

. __ -~J

In ter ca m b i amos las primeras dos col umnas.

0 0 0
1 5 6
7 12 3 -27
-7 -11 2 33 l--"

si i"" j

...... _--_ ... _---

Nota, Del Teorerna 1 vemos que la suma en la Ecuacion (6) es igual a det A si i = j.

Oemostracioll Sea

Multiplicamos

la segunda columna por - 5 y -6, y la sumamos a la tercera y cuarta columnas, respectivamente.

1 0 0 0
-1 0 0
7 12 -57 -99 all ai2
-7 -11 57 99 B=
j-esimo renglon ail ai2 Puesto que la cuarta columna es ahora un multiple de la tercera (columna 4 = ~ x columna 3), vemos que IA I = O.

11!1


Teorema 3

Demostfacion

Entonces, como dos renglones de B son iguales, det B = O. Pero B = A excepto en eI j-esimo renglon, De esta forma, si calculamos el det B desarrollando en el z-esimo renglon de B, obtendremos la suma de la Ecuacion (6) y el teorerna queda demostrado. Notemos que cuando se calculan los cofactores de B desarrollando en el j-esimo renglon, este desaparece. Asi es que Bjk = A jk para k= 1,2, ... ,n. II1II

Sea A una rnatriz de n x n. Entonees

det A =det At

Para esta demostraci6n se requiere inducei6n matematica, Si no est a Iarniliarizado con este importante metodo de demostraei6n, consulte el Apendice 1. Demostraremos prirnero el teorema para el caso n = 2. Si

entonces

y asi el teorema es valido para n = 2. Ahora supondremos que el teorema es valido para las matrices de (n - 1) x (n - 1) y se 10 dernostrara para las matrices de n x n. Lo anterior prueba el teorema. Sea B = A'. Entonces

a11 a12 a1u all a21 anI
a21 a22 a2n an. a22 an2
IAI= y IAtl=IBI=
,
. a,,! att2 ann a1n a2n ~""I Desarrollamos IA I en el primer renglon y IBI en la primera columna. Can esto

IAI = al1AII + a12A12 + + alnA1"

IBI = al1BU + a12B21 + + a1nBnl

Es necesano demostrar que A Ik = Bkl para k = 1, 2, ... , n. Pero A Ik = (-1)I+kIM1kl y Bkl = (-l)k+IINkd, dondeM1k es el Iz-esimo menor de A y NkJ es el kl-esimo menor de B. Entonces

a21 a22 a2.k-1 a2.k+1 a2n
a31 a32 a3.k -I a3•k+1 a3n
IMlkl=
anI Qn2 a".k-l a".k+! a"" 2.2 • Propiedades de los determinantes

113

y

I a21 a3l

a22 a32

a2•k-1 a3.k-1 aZ.k+l a3.k+!

I a~" a3" ann

CI M - N; y 'puesto que ambas son matrices de (n -1) x (n -1), la

aramente lk - kJ, • I I-IN I A 'A = B y la demostra-

hipotesis de induccion nos dice que Mlk - kl' S1 Ik kl

cion esta cornpleta. II1II

--------------------------

Ejemplo 13

(1 -1 2) At (~ 341 -~5) yes [acil verificar

Sea A = 3 1 4 . Entonces = - 2

o -2 5

que IAI = IA'I = 16.

Teorema '"

Dllmostradol'l

Ejemplo 14

Sean.zl y B matrices de n X n. Entonees

-----------~--~---·--~~---(8~

[ ~ d_c_t AB = det A dC._t_B _

Es decir: El determinante del producto es el producto de los determinantes. La demostracion can matrices element ales se da en la Seeci.on 2.3, En el Problema 38 se pide verificar el resultado en el easo de 2 x 2. !III

1 -1 Verifique la Ecuacion (8) para A ~ (~

-2

-1

o

1 -2

Soludon det A = 16 y det B = - 8. Calculamos
AB~(: -1 DG -2 J r -1 -5)
1 -1 11 -7 5
0 -2 0 10 2 -18 y as) detAB

(16)(-8) = detA detB.

-128

114

CAPiTULO 2 • DETERMIN/INTES

2,2 • Propiedades de los determinantes

115

En los Problemas del 21 at 27 calcule el determinante suponiendo que

Problemas !1,!1

an 'I'

G23 = 8

a33

En los Problemas dell al20 eva/lie el determinante usando los metodos de esta seccion.

1.

I~

4.

12 -1

3 -2 0 5 6

I-~ ~ ~I

-2 0 0

2-3 1 4

o -2 0 0 3 7 -1 2 4 -3 8

3 --1 2 1

7.

10.

12.

3 1 -2 023 2 5 21

4 -1 6

14.

o G 0 0' bOO 0

o 0 0 c

o 0 d 0

16.

abO 0

c d 0 0

o 0 a -b

o 0 c d

18.

o 0

o 0 2 3

-1 2 0 0

3 4 2 -1 5

000

o 0 () -1 4

:W.

530

2 5 -6 8 0

o -7 6 0

o () () 4 0

o 2 5

4,1

2.

5.

8.

-3

-1

I!

is

"'~ ~I

-2 31

3.

1-1 0

3 1 2 0

2 4 -1 2 4 0

6.

I! -:

1 -1 o --3

9.

11.

4

10 5

1 1 -1 0

-3 4 6 0

2 5 -1 3

4 0 3 0

2 000

13.

3 0 o 0 004

() 0 o --1 10

15.

1 2 0 0 3 -2 0 ()

o () 1 -5

() 072

2 '-1 () 3 -1

4 1: 2 0

2 -2 5 o 4-1 2 1-1

3 o 3

19.

a 0 0 0 0

o 0 bOO

o 0 0 0 c 000 d 0

I

e 0 0 0 I

21'

-:

31

-31

5,

2 4 5 6 o 3

'-6 7

21.

G'2 a331

a22 a23

a12 an

a32 a33i ai2 a131 a22 a23

22.

-3a13 2a23 5a33

an! 2anl' a'3

24.

23.

2au 2a23 2an

26.

I all-a12

a21 -a22 a31 - a32

25.

27.

28. Usando la Propicdad 2, muestre que si a es un numero y A es una matriz de n x n, entonces det 0' A = 0' n det A.

* 29. Demuestre que

= 1 + X, + X2 + ... + x"

X"

X, X2 X, 1 +x"

'* 30. Una matriz es antisimetrica si AI = -A. Si A es una matriz antisimetrica de n x

n, rnuestre que det A = (-1)" detA.

31. Usando el resultado del Problema 30, muestre que si A es una matriz antisimetrica de n x n y n es impar , entonces det A = O.

32. Una matriz A sc llama ortogonal si A es invertible y Al = AI. Muestre que si A es ortogonal, entOllees del A = ± I.

** 33. Supongamos que LI denota el triangulo en el plano con vertices en (Xl' Yl)' (X2, Y2) Y (Xl' YJ). Demuestre que el area del triangu!o esta dada par

1 X, y,

1 6

Area de /:;.= ±~

X2 Y2

x, y,

(,En que condiciones este determinante es igual a cero?

** 34. Tres rectas, las cuales no son paralelas dos a dos, determinan un rriangulo en el plano. Suponga que las rectas estan dadas por

Gllx+a12y+a13=O

116 CAPrTULO 2 • DETERMINANTES

2.3 • Si el tiempo 10 permite: Demostraci6n de tres teoremas importantes 117

Muestre que el area determinada por las rectas es Al2 Au AZ2 A23

±1

2 AZI

A13A2JA33

A31

Vandermonde* de 3 x

A32 A"

3 esta dado por 1

Nota. La prirnera igualdad es la Definicion 2.1. 3 del determinante por desarrollo 0 expansion de cofactores en e1 primer renglon: la segunda igualdad dice que desarrollando por cofactores en cualquier otro renglon obtenemos e1 determinante, y la tercera igualdad expresa que desarrollando por cofactores en cualquier columna tambien se obtiene el determinante.

35. EI determinante de

D3= a, a2 a3

a~ a~ a; Muestre que D,=(a2-al)(aJ-a,)(a3-a2).

1 1 1 1

1 1

38.

Sean A =(a11 a(2) y B=(bll bI2)\

a21 a22 /)21 b22'

a. Escriba cl producto AB.

h. Calcule det A, det B y det AB.

c. Muestre que det AB = (det A )(det B)

Ua~: mat,riz A de n x n se llama nulipotente si A k = 0, la matriz cero de n x n p algun entero k ~ 1. Demuestre que las siguientes matrices son nulipotentes y eneuentre el entero k mas pequeno para el eual A k = 0.

a (~ ~) b (H :l

j>i

Demostraci6n Probaremos la igualdad (1) por induccion matematica. Para la matriz de 2 X 2

A (all a12). d 11 I' I'

= , pnmero se esarro a e pnmer.reng on por cofactores:

aZl a22

det A = allAl! + allA12 = all(a22) + a12(-a21) = allan - a12a21• Analogamente, si se hace 10 mismo en el segundo renglon, obtenemos a2lA21 + a22A22 = aZl(-a12) + an(all) = alla22-a12a2l' De este modo se produce el mismo resultado desarrollando en cualquier renglon de una matriz de 2 X 2, 10 cual demuestra la igualdad (1) en el caso de 2 X 2.

Supongamos ahora que la igualdad (1) es valida para todas las matrices de (n - 1) X (n - 1). Hay que demostrar que tambien es valida para matrices de n X n. Nuestro procedirniento sera desarrollar por cofactores en el primero y el r-esimo renglon y mostrar que los desarrollos son identicos. Si se desarrolla o expande en el primer renglon, entonces un terrnino caracteristico en la expansion del cofactor es

** 37.

36. D4= :~ :~ :i :; es el determinante de Vandermonde de 4 x 4. /ai a~ a~ a~

Demuestre que D4 = (a2 - a,)(a3 - al)(a4 - al)(a, - a2)(a4 - a2)(a4 - a3).

a. Defina el determin:nte de Vanderrnonde D; de n x n.

b .. Muestre que D; = ,11, (ai - ail, don de IT representa a la paJabra "producto ".

i>i

Note que el producto del Problema 36 se puede eseribir n (ai - ail. i=l

(3)

39.

Observemos que este es el unico lugar en la expansion de IA I en donde aparece el terrnino alk, ya que otro terrnino caracteristico es almAlm = (-l)l+mIMlml, k -:F In, Y MIni la obtenemos eliminando el primer renglon y la »z-esima columna de A (y alk esta en el primer renglon de A). Puesto que Mlk es una matriz de (n - 1) X (n - 1), podemos, por la hipotesis de induccion, calcular IMlk I expandiendo en el r-esimo renglon de A (el cual es el (i - l j-esimo renglon de Mlk)' Un termino caracterfstico en esta expansion es

ail (cofactor de ail enAl1k)

(k"" l)

(4)

40. 41.

Demuestre que si A es nulipotente, entonees det A = O.

dLa mat:iz A se dice idempotente si A 2 = A. i,Cuales son los posibles valores de et A SI A es Idempotente?

Por las mismas razones, este es el unico terrnino en la expansion de IM1kl, en el z-esirno renglon de A, en el que aparece ail' Sustituyendo (4) en (3),

(k¥ I)

(5)

2.3

Si e! tiempo 10 permite: Demostraci6n de ires teoremss importantes

Teore-rna Basico. Sea A = (a Ii) una matriz de n x n. Entonces

det A = allAll + a12A12 + + a,nAln

= ai1Ail + ai2Ai2 + + ainAin

= a,jAI.,· + a2A2· + + a ·A .

I J nr nj

, n y j = 1, 2, ... , n.

es la unica vez que aparece eJ termino a1kail, en la expansion par cofactores del det A, en el primer renglon,

Ahora, si expandimos por cofactores en el i-esimo renglon de A (en donde i,* 1), un termino caracteristico es

Teorema 1

(6)

1, 2, ...

(1) (2)

y un terrnino caracteristico en la expansion de I Mill en el primer renglon es

para i

a1k (cofactor de a1k en Mil)

(7)

* A. T. Vandermonde (1735-1796) fue un matcrnatico frances.

y sustituyendo (7) en (6), encontramos que la unica vez que aparece el terrnino a"aik en la expansion de detA, en el z-esirno renglon es

118


(k"" l)

2.3 • Si el tiernpo 10 perrnite Demostraci6n de tres teoremas nnportentes

119

(8)

asi que (5) se convierte en

( l)1+k (l)(I-Il+!\M 1- (1)I+k+1 1M \

-, alka;r - li.kl - - alkai/ li,kl

Si lograrnos demostrar que las expresiones (5) y (8) son las rnismas, entonces (1) quedara demostrado, ya que en (5) es la (mica vez que aparece alkail, ex pandiendo en el primer renglon, yen (8) es la (mica vez que aparece a.ia, en la expansi6n del renglon z-esimo, siendo k, i y l arbitrarios. Esto mostrara que las sumas de los terrninos en las expansiones del primero y el /-esimo renglon son las mismas.

Supongamos que Mli,kl denote la matriz de (n - 2) x (n - 2) obtenida eliminando el primero y el /-esimo renglones y la k-esima y la /-esima columnas de A. (A esto se le llama menor de segundo orden de A.) Supongamos primero que k.«:l. Entonces

a21 a2•k-1 a2•k+1 a21 a2n
u., = ail a'.k aj,k +1 ail ain
anI an,k an.k+1 «: ann
all alk al,l-I aU_cI aln
Mil = ai-l.l a,-I.k ai_I.1 a,l.lq ai-Cn
-1
ai+!.l ai+l,k a,+1.1-1 ai+L!+l ai-1,n
anI ank an,l~-l an•I+1 ann De (9) Y (10), vemos que

Cofactor de all en 1\11k = (-l)(I'-I)+il-llIMli.k,1

Cofactor de alk en M;I = (-1) I +k IMI i.k,l

As! (5) se convierte en

(_l)llka Ika;r( -1)(i-')+(I-1)IM1i.k,1 = (·1 )'+k+I-1 alkail IMli.kll

y (8) en

(_1),+1 (-l)l+kIM 1-( l)'lkllll I'. \ alka;r 1i.kl - - alka;r LVlli.kl

y (8) en

(-1 )1+la I kai/ (-·1) I +k IM1I.kll = (-lY +ke-I+l alkail!Mli.kll Esto cornpleta la demostracion de la Ecuacion (1).

Para demostrar la Ecuacion (2) seguiremos un procedimiento analogo. Si expandimos en la k-esima y la I-esima columnas, eneontramos que la unica vez en que aparece el termino alkail estara dada por (5) y (8). (Yea Problemas 1 y 2.) Esto muestra que la expansion por cofaetores en dos columnas cualesquiera es la misma y que cada una es igual al desarrollo en eualquier rengl6n. La anterior completa la demostraci6n. II

(9)

Ahora deseamos demostrar que para cualesquiera dos matrices de n x n denominadas A y B, det AB = det A det B. La demostraci6n es diffcil e irnplica un cierto numero de pasos. Haremos uso de un determinado numero de resultados sabre matrices elementales que se demostraron en la Seccion 1.10.

Se cornenzara calculando los determinantes de las matrices elementales,

Lema 1

Sea E una matriz elemental.

l. Si E ii, Si E iii. Si E

(15) (16) (17)

PU' entonces del E = -1

A ij (c), entonces det E = 1\I/,(c), entonces detE = c

(10)

Demostradol! i. det I = 1. E se obtiene de I intercambiando el renglon i con eli. De la

Propiedad 4, det E = (-1) det I = - L

ii, Ese obtiene de I multiplieando por eel i-esirno rengl6n de I y surnandolo al renglon j. Por la Propiedad 7, det E = det I = 1.

iii. Ese obtiene de I multiplicando por c el r-esirno renglon de I. Por la Propiedad 2, detE = c det I = c. III

(11) (12)

lema 2 Sea B una matriz n x n y sea E una matriz elementaL Entonces det BB = del }; det B

([8)

(13)

La demostraci6n del lema se deriva del Lema 1 y de los resultados relatives a las operaciones elementales de renglones diseutidas en la Secci6n 2.2. Los pasos en la dernostracion se indican en los Problemas del 6 al 8,

lema 3 Sea Tuna matriz triangular superior. Entonces T es invertible si y s610 si det T '* O.

(14)

Demostrad6n Sea

e a12 a13 a,)
a2l <123 a-;
T= 0 0 (133 a-; (19)
0 0 0 ann
det T = allan'" ann Perc (_l)i+k+l-t = (_1)'+kLI11, entonces los segundos miembros de las Ecuaciones (13) y (14) son iguales. De aqui que las expresiones (5) y (8) son iguales y (1) queda demostrado en el caso k < I. Si k > I, entonces, por un razonamien to analogo,

Cofactor de ail en Mlk = (-1)Ci-l)+'IMu.k,1 Cofactor de alk en M" = (_l)l+(k-1) \Mli.kll

Del Teorerna 2.1.1,

120


2.3 • Si el tiempo 10 permite: Demostraci6n de tres teoremes irnpcrtantes

121

Asi que det T*-O si y solo si cada una de sus eomponentes diagonales es distinta de eero.

Si det T *- 0, entonces Tpuede ser reducida por renglones del siguientc modo:

i. Para i = 1, 2, ... , n dividase entre ail *- 0 la z-esima fila de T para obtener

De (21), y por el modo en que son elegidas las x, vemos que Tx* = 0; esto es, la ecuacion Tx = 0 tiene una solucion no trivial. Utilizando el Teorema 1.8.6 de nuevo (parte ii), eoncluimos que T no es invertible. III

El siguiente teorema es muy importante.

(1 a'12

o 1

o 0

Teorema 2 Sea A una matriz de n x n. Entonces A es invertible si y s610 si det A *- O.

Demostracioll Del Teorema 1.10.7 sabemos que es posible eneontrar matrices E1, E2, ••• , Em y una matriz triangular T tales que

ii. Utiliee ellen la j-esima eomponente diagonal para hacer eero cada componente por encima de el en la j-esima columna.

A=EIE2,·,EmT Utilizando m veces el Lema 2, se ve que

(22)

As! pues, T es equivalente por renglon a I y por 10 tanto es invertible segun el Teorema 1.8.6 (el Teorema Resumen).

Supongase que det T = O. Entonees al menos un elemento diagonal es eero.

Sea a if el primer e1emento tal. Entonees T puede ser escrita como

det A = det E I det(E2 E3 ... Em T)

= del E1 det E2 det(E3··· Em T)

= det E 1 det E 2 ... det Em- I det(Em T)

Por el Lema 1, det E, *- O. Concluimos que det A*-O si y s610 si det T -.f- O. Ahora supongase que A es invertible, Entonces, usando (22) y e1 hecho de que toda matriz elemental es invertible, podemos eseribir T como el producto de matrices invertibles. Asi pues, T es invertible, y por el Lema 3, su deterrninante no se anula. Por tanto, detA tampoeo se anula.

Si detA '* 0, entonces, por (23), det T *- 0, y por el Lema 3, Tes invertible. Ellado derecho de (22) es el producto de matrices invertibles, y por 10 tanto,

Considerese el sistema hornogeneo A 10 es tambien. Con esto termina la demostraci6n. III

all al2 al•i-I ali al•i+1 a1n
0 a22 a2•i-1 ali a2.i+ 1 a2n
0 0 ai-l,i-1 ai-l,i ai-1,i+l ai-1,n
T= (21)
0 0 0 0 ai,i+l ain
0 0 0 0 ai+ 1,i+ 1 ai+ 1.,.,
0 0 0 0 0 ann o finalmente,

det A = det E1 del E2 '" det Em-I det Em det T

(23)

alixi + al2x2 + + al,i-Ixi-l + ajixi = 0

a22,x2 + + a2.i-lxi-l + a2ixi = 0

Ahora, finalmente, dernostraremos el result ado principal.

ai-1,i-IXi-l + ai-l,ixi = 0

Este es un sistema de i-I ecuaciones en i inc6gnitas. Por el Teorema 1.7.1, el sistema tiene solueiones no triviales.

feorema3 Sean A y B matrices n x n. Entonees

det AB = det A det B

(24)

Sea

(XI)

X7

: - una solucion tal que no todas las XI' X 2,

X, Xl

Demos/radon

Caso 1: det A = det B = O. Entonees, por el Teorema 2, B no es invertible, y por 10 mismo y por el Teorema 1.8.6, existe un n-veetor x*-(} tal que Bx = O. Entonces, (AB)x = A (Ex) = AU = 0,10 cual, en virtud del Teorerna 1.8.6, vuelve a deeir que AB no es invertible. Por el Teorema 2,

... , Xi sean cere. Sea

x* = x·
I
0 }"-,=m
0 0= det AB = 0·0 = det A det B.

(aso 2: det A = 0 y det B *- 0; A no es invertible, de modo que existe un nvector y*-O tal que Ay = O. Como det B *- 0, B es invertible y existe un vector tinico x*-O tal que Bx = y. As! pues ABx = A (Bx) = Ay = 010 cual muestra que AB no es invertible, y par 10 mismo,

det AB = 0 = 0 det B = det A det B.

122


2.4 • Determmantes e inverses

123

Caso3: detA *" 0, A es invertible y puede ser escrita como el producto de matrices elementales:

feorema 1 Si A es invertible, entonces det A *0 y

-1 1

det A =---

det A

Entonces,

Usando el result ado del Lema 2 en forma repetida, vemos que

det AB = det(E1Ez'" EmB)

= det E 1 det ... det Em del B

= det(E 1 E2 ... En.,) det B

= det A det B. l1li

Demostracion Del Teorema 2.3.2, detA *" O. Del Teorema 2.2.4,

1 = det I = det AA -1 = det A det A-I

(2)

10 cual implica que

det A -1 = 1 Idet A III

Problemas 2.3

Antes de usaf deterrninantes para calcular inversas, necesitamos definir la adjunta de una rnatriz A = (a,). Sea B = (Au), la matriz de cofactores de A. (Recuerde que un cofactor, como se defini6 en la pagina 98, es un nurnero.)

1. Demucstre que si A sc expande cn su k-csima columna, entonces la unica vez en que aparece el terrnino a I k a ilIa da la Ecuacion (5).

2. Pruebe que si A se expandc en su I-esima columna, entonces la unica vez en que aparece el terrnino alkaii la da la Ecuacion (8).

J. Mucstre que si A se expande en su k-esima columna, enionces la (mica vel en que

aparcce el terrnino uikajl cs (1), (cofactor de all en Mik) para !*k.

4. Sea A = (~ - ~ ~) . Calcule det A expandiendo en cad a uno de los renglones

4 5-2

y colurnnas.

5. Haga 10 mismo para 1..1 matriz A = ( ~ - ~ :). -3 7 2

6. Sea E = Pu y sea B una matriz n x n, Dcmuestre que det EB = det E dct B. ISugerencia: Describa la rnatriz Ell y luego utilice la Ecuacion (\5) y la Propiedad 4.]

7. SeaE = A(J(e)yseaBunamatrizn x n, Demuestre que detEB = detEdctB. [Sugerencia: Describa la matriz EB y luego utilice la Ecuacion (16) y la Propicdad 7.]

8. Sea E = Mi(e) y sea B una matriz n x /1. Dcmuestre que dct EB = det E del B. [Sugerencia: Describa la matr iz EB y luego utilice la Ecuacion (7) y la Propiedad 2.J

Entonccs C" An A,")
A21 An A2n
B= . (3)
AnI An2 Ann Definicion 1 Adjul'lta. Sea A una matriz de n X n y sea B, dada por (3), la rnatriz de sus cofactores. Entonces la adjunta de A, eserita como adj A, es la transpuesta de la matriz B de n x n. Esto es,

C" A2l ~')
An A22 An2
adj A = B' = : (4)
,Ain A2n Ann --.---- .. -----_. ---- ... _-------------_.

;-D. Calcule adj A.

Determinantes e lnversas

Solucion

11 Tenemos All co i

15

Asi

=-13, B=

En esta seccion verernos como se pueden ealcular las matrices inversas usando deterrninantes. Mas aun, cornpletaremos eI tr abajo que iniciamos en el Capitulo 1, de demostrar el importante Teorema Resumen 2.7.6 (veanse Teoremas 1.8.6 y 1.10.4), mostrando la equivalencia de varias propiedades de las matrices. Empezaremos con un resultado sencillo.

A22=5, A23=2,

( 12 -3

-13 5

-7 2

-3)

~ y

A31= A32=2,

'12 -13

adj A = B' = ( -3 5

\-3 2

---_._-------_.

124 CAPITULO 2 • DETERMINANTES
Ejemplo 2 Sea (-l -3 0 -2)
A= -12 -2 -6
10 2 5
-1 6 1 3
Calcule adj A. 2.4 • Determinantes e inverses 125

(6)

Tenemos

3

-3 0 10 2 6 1

Asi

Cij = (r-esimo renglon de A)'U-esima columna de adj A)

~ (an ", ".) • c:)

AI"

cij = ailAj1 + ai2Aj2 + ... + ainAjn

(7)

Solucion

Este easo requiere un poco mas de trabajo puesto que tenemos que calcular dieciseis determinantes de 3 x 3.

3 Por ejemplo tenemos AJ2 = - -2 -1

-2 -6 1

2 5 =-1, A24= -2

1

-1

1 -3 -2
-2y A43=- 3 -12 -6 = 3. Completando estos calculos, eneontramos
que -2 10 5
(-: -1 0 -~)
1 -1
B= 2 -3 -3
-2 -2 3 2
C -1 0 -2)
-1 1 2 -2
adj A =B' = ~ -1 -3 3
-2 -3 2 Ahora, si i = j, la suma en (7) es igual a ail Ail + ai2 Ai2 + ... + ainAm, 10 cual es la expansion de det A en el z-esimo renglon de A. Por otro lado, si i oF i, entonces el Teorema 2.2.2 la suma en (7) es igual a cera. Asi

c .. = r A si i = j

IJ 0 si i ~ j

Esto demuestra el .teorema, II1II

Podemos ahora estableeer el resultado principal.

1eorema 3 Sea A una matriz de n x n. Entonees A es invertible si y solo si det A =F O.

Si det A =F 0, entonees

1

A-I = ----- adj A

det A

Ejemplo 3

(all

Sea A =

G21

al2). Entonees adj A = (All A21) = ( a22 a22 Al2 A22 -a21

Note que el Teorema 1.8.4 para matrices de 2 x 2 es un easo especial de este teorema.

Advertenda. Cuando calcule la adjunta de una matriz, no olvide transponer la rnatriz de cofactores.

Demostracion La prirnera parte del teorema es el Teorema 2.3.2. Si detA '" 0, entonces,

Teorema !l Sea A una matriz de n x n. Entonces
det A 0 0 0
0 det A 0 0
(A)(adj A) = 0 0 det A 0 = (det A)I
(5)
0 0 0 det A
l)emosfriJcion Sea C = (Cij) = (A)(adj A). Entonces ! Teorcma 2

(A) (de: A adj A) = de~ A [A(adj A)] = de~ A (det A)I = I

Pero, por el Teorema 1.8.8, si AB = J, entonces B = A .... '. De modo que

(l/detA)adjA = A-I III

Ejemplo 4 Sea A ~ G ~ - D . Determine si A " in vertible v, si [0 0;. calcule A -,

126 CAPiTULO 2 • DETERMINANTES

Soluci6n Puesto que det A = 3 *- 0, vemos que A es invertible. Del Ejemplo 1,

(12 -13 -7)

adj A = -3 5 2.

-3 2 2

r -13 -7) ( 4 13 -n
-3
As! AI=~ -3 5 2 = -1 5
3
-3 2 2 -1 2
3 3 (12

Verificilcion A -IA = 1 -3

-3

13 5 2

Ejemp/o 5 Sea

A = ( ~ --~~ -~ =~)

-2 10 2 5

-1 6 1 3

Determine si A es invertible y, en tal caso, calcule A

Soludon Usando las propiedades de los determinantes, calculamos

1 -3 0 -2
3 -12 -2 -6
-2 10 2 5
-1 6 1 3
Multiplique la prime- r 1 0 0 0
ra columna par 3 y
par 2 y sumela a Ia se- 3 -3 -2 0
gunda y cuarta colum- -2 4 2
nas, respectivarnente. --1 3 1 1
--3 -2 0
Expanda en el primer 4 2 1 =-1
renglon.
3 1 1 Asi, det A

-1 *- 0 y A-I existe. Por el Ejernplo 2, tenemos

C --1 0 -2)
-1 1 2 -2
adj A=
. 0 -1 -3 :3
Asi 2 --2 --3 3
(" -1 0 -2) (() 0 2)
1 =~~l--~
A 1 2 -2 1 -1 -2 2
--1 -3 3 0 1 3 -3
, 2 -2 -3 2 -2 2 3 -2 2.4 • Determinantes e inverses 121
AA-'~ ( ~ -3 0 -2) (" 1 0 -~)
Verificaci6n -12 -2 -6 1 -1 -2
-2 10 2 5 0 1 3
-1 6 1 3 -2 2 3 -2
~ (~ 0 0 ~)
1 0
0 1
0 0 Nota. Como se habra observado, si n > 3 generalmente es mas facil evaluar A-I reduciendo par renglon y despues usando adj A puesto que, aun para el easo de 4 X 4, es necesario calcular J 7 determinantes (16 para la adjunta y ademas det A). Sin embargo, el Teorema 3 es muy importante ya que, antes de que se haga cualquier reduccion par renglon, el calculo de det A (en caso de que pueda hacerse facilmente) nos dira si A-I existe 0 no.

Habiamos visto el Teorema Resumen (Teoremas 1.2.1, 1.8.6 y 1.10.4) en la Seccion 1.10. Este es el teorema que relaciona muchos de los conceptos expuestos en los primeros dos capitulos de este libra.

teotem« 4 Teorema resumen, Version 4. Sea A una matriz de n x n. Entonces, cada uno de los siguientes seis enunciados implica los otros cinco. Es decir, que si uno es verdadero, todos los demas 10 son.

i. A es invertible.

ii, La unica solucion al sistema hornogeneo Ax = 0 es la solucion trivial

(x = 0).

iii. El sistema Ax = b tiene una solucion {mica para cada n-vector h. iv, A es equivalente por renglones a la matriz identidad III de n x n. v, A es el producto de matrices elementales.

vi. det A *- O.

Demostracion En el Teorema 1.8.6 demostramos la equivalencia de las partes 0), (ii), (iii) y (iv). En el Teorema 1.10.3 vimos la equivalencia de (i) y (v). EI Teorema 1 (0 el 2.3.2) prueba la equivalencia de (i) y (vi). II1II

Problemas 2.4

En los Problemas dell at 12 use los metodos de esta seccion para determinar si fa matriz dada es invertible. Si es aSI: calcule fa in versa.

1. G ~)

3. G ~)

128


2.5 • Regia de Cramer

129

4.

G 1 D 5. G 2 -~) 6. G 1 }
2 2 1
5 1 0
G 2 ~) C 1 D ( 2 -1 D
1 8. ~ -1 9. -1 0
1 1 19 -7 Sea D = det A. Definimos n matrices nuevas:

6

II (

_~ -~~) 12. (_:

3 3 2 -1

-3 0

-12 -2

10 2

6 1

-2)

-6

5 3

C an a,,,) C bl a,,,)
b2 a22 U2" a21 b2 at" , ... ,
Al= : : . A2= :
. .
b" an2 ann an1 b; ann
C a12 b')
a21 a22 b2
An= .
anI a,,2 i; 7.

~)'

12 -4

3

13. Muestre que una rnatriz A de n x n es invertible si y s610 si At es invertible.

14. Para A = G ~), verifique que det A -I = 11 det A.

-1

Es decir, Ai es la matriz que se obtiene sustituyendo la i-esima columna de A par b. Finalmente, sea D, = detA I ,D2 = detA2, ••• , D; ,= detAn•

15. Para

A=G

3)

6 ,verifique que det A-I = I/det A.

-2

Teorema 4 Regia de Cramer. • Sea A una matriz de n x n y suponga que det A "* O. Entonces, la solucion unica para el sistema Ax = b esta dada por

o

16. i,Para que valores de (X la rnatriz (: 1-=-30: )no es invertible?

( 0: 0: -1 0: + 1)

17. i,Para que valores de Oi la matriz -1 2 3 no tiene una inver sa?

2-0: 0:+3 0:+7

(3)

18. Suponga que la matriz A de n x n no es invertible. Muestre que (A) (adj A) es la rnatriz eero.

/)emostracioll La solucion de Ax = b es x = A lb. Pero

En esta seccion examinaremos un metodo antiguo para resolver sistemas con el mismo numero de incognitas y de ecuaciones. Considere el sistema de n ecuaciones en n incognitas.

aUxl +a12x2+' .. + a1nx" = bl a2l Xl + a22x2 + ... + a2nx" = bz

(All

1 1 A12

A-lb=-(adjA)b=- .

D D:

A1n

An1 )(b1\)

A,,2 b2

· .

· .

· .

An" b;

(4)

2.5 RegIa de Cramer

Ahora (adj A)b es un n-vector cuya j-esima componente es

(1)

(5)

.. .

anlXr + an2X2 + ... + ann x, = b"

el cual puede ser escrito en la forma

Ax=b

(2)

* Llarnada asi par el matematico suizo Gabriel Cramer (1704-1752). Cramer publico la regia en 1750 en su introduction to the Analysis of Lines of Algebraic Curves. En realidad hay cvidcncia de que la regia era conocida dcsde 1729 por Colin Maclaurin (1698-1746), quien fue, probablementc, el maternatico britanico mas dcstacado en los arios posteriores a la rnuertc de Newton. La regia de Cramer cs uno de los resultados mas famosos en la historia de las Matematicas. Durante casi doscientos a110s, fue esencial en la ensenanza del Algebra y de la teoria de ecuacioncs. Debido al enorme numero de calculos que implica su uso, la regia es poco utilizada hoy dia, Sin embargo, el resultado rue muy importarue en su memento.

Supongamos que det A =t- O. Entonees el sistema (2) tiene una unica solucion dada par x=A-'b. Podemos desarrollar un metodo para encontrar esa solucion sin reduccion par renglones y sin calcular A t

130 CAPITULO 2 • DETERMINANTES
Consideremos la matriz Aj:
C al2 bJ a,,)
Aj = a:21 a22 b2 a2n
ani ~2 bit ann (6)

j-esima columna

Si expandimos el deterrninante de Ai en su j-esima columna,

D, = b I (cofactor de b d + b2 (cofactor de b2) + + b , (cofactor de bn)

(7)

Pero para encontrar el cofactor de b., por ejemplo, eliminamos el z-esimo renglon y laj-esima columna de Aj (puesto que b, se encuentra en Ia z-esima columna de A). Pero laj-esirna columna de AI es by con esta eliminada, tenemos simplemente el ij-esimo menor Mu de A. As!

Cofactor de b, en Aj=Aij de modo que (7) se convierte en

Dj = blAlj + b2A2i + ... + bnAni

(8)

Pero esto es iguaJ que el lado derecho de (5). Asi, el r-esimo componente de (adj A)b es D, Y

(Xl) (DJ) (D\ID)\

x = ~' ~A 'be ~ (adj A)b~~ D, ~ D:!D

x, o; D,,[D

La demostracion esta completa. II1II

Ejemplo 1 Usando la regIa de Cramer resueiva el sistema

2xJ + 4X2 + 6X3 = 18 4xj + 5x2 + 6X3 = 24 3xj + X2 - 2X3 = 4

(9)

So/udoll Ya hemos resuelto este sistema usando reduccion por renglones en el Ejemplo 1.6.l. Podriamos resolverlo tambien calculando A -I (Ejemplo 1.8.6) Y despues eneontrando A lb. Ahora 10 resoiveremos usando la regla de Cramer. Primero

2 4 6

D= 45 6 =6#0

3 -2

2.5 • Regia de Cramer 131

de manera que el sistema (9) tiene una unica solucion. Entonces

18 4 6 2 18 6
DI= 24 5 6 = 24, D2= 4 24 6 = -12 Y
4 1 2 3 4 ·-2
2 4 18 ti, 24
D3 = 4 5 24 = 18. . Por 10 tanto Xj = 7) = 6"" = 4,
3 4
Dz 12 -2 D3 18
X2 = 75 = - = y X3 = D = 6"" = 3.
6 Ejemplo12 Muestre que el sistema

xl+3x2+5x3+2x4=2 - X2 +3x3 +4X4 = 0 2xj+ X2+9x3+6x4=-3 3x1 +2X2+4x3 + 8X4 =-1

tiene solucion unica y encuentrela usando la regla de Cramer.

(10)

Solud6n Vimos en el Ejemplo 2.2.10 que
1 3 5 2
iAi= 0 -1 3 : =160#0
2 1 9
3 2 4 8 De modo que el sistema tiene una {mica solucion, Para encontrarla calculamos: D1=-464;D2=280; D3= 56; D4=112. Asi xl=D/D=-464/160, x2=D2/D=280/160, x3=D/D= -56/160 y x4=D4/D= 112/160. Estas soluciones pueden ser verificadas por sustitucion directa en el sistema (10) .

. _----------------------_. __ . __ ... _----

Problemas fl.S

En los Problemas dell al 9 resuelva el sistema dado, usando la regia de Cramer.

1. + 3X2 = -1

-7xl + 4X2 = 47

3. 2x\ + X2 + X3 = 6 3xl - 2X2 - 3X3 = 5 8x1 + 2X2 + 5X3 = 11

5. 2Xl+2x2+ x3=7 Xl+2x2- X3=O -X, + X2 + 3x, = 1

2. 3x1 - x2 = 0 4Xl + 2X2 = 5

4. Xl + x2 + X3 = 8 4X2 - X3 = -2 3x1 -- X2 + 2X3 = 0

6. 2x,+5x;- x3=-1 4x,+ x2+3x3=3

-2xj+2x2 =0

-X4= 5

Ejercicios de Repaso • Capitulo 2 133
(2 0 ~) ( -~ -1 2 n
G 1 :) \: -1 3 1 0
12. 0 13. 14. 4 1
0 0
1 0 -1 6 -4 I 132 CAPiTULO 2 • DETERMINANTES

7. 2x,+ X2- x3=4

X, + x3=2

x2+5x,=1

8. xl+ X2+ x,+ x4=6

2x, - X,,- X4 =4

3x,+6x4 = 3

9. x, -x4=7

2X2+ X3 = 2

4x,- X2 =-3

3x,-5x4=2

'* 10. Considcre el triaagulo en la Figura 2.2.

En los Ejercicios dellS al18 resuelva el sistema empleando fa regia de Cramer. 16. x,- X2+ x3=7

2x, -5x3=4

15. 2x, - X2 = 3 3x, +2X2 = 5

Figura ~.!2

17. 2X1 + 3X2 - X3 = 5 -X,+2X2+3x,=0 4X,- X2+ x,=·-l

18.

3X2- x3=2

- x,+ x.= 7 2X2 + 2X3 - 3x4 =-1 =0

4x,- X2- X3 -2x,+ x2+4x3

=2

a. Usando trigonometria elemental, muestre que

c cos A

+a cos C = b

b cos A + a cos B = c

c cos B + b cos C = a

h. Si el sistema de la parte (a) se considera como un sistema de tres ecuaciones en las tres incognitas cos A, cos B Y cos C, pruebe que el detcrminante del sistema no es cero.

c. Use la regia de Cramer para resolver el sistema para cos C.

d. Aplique (c) para demostrar Ia ley de los cosenos: c2 = a? + b' - 2ab cos C.

Ejerdcios de repaso 0 Capitulo f
En los Ejercicios del 1 at 8 calcule el de term inan te.
I~l -2 3
I-~ ~I 1-3 !I 4 5
1. 2. 3.
-7 0 6
()
5 0 0 -1 21 3 1 -2
4. 6 2 0 5. 3 4 2 6. 4 0 5
10 IOO 6 -2 3 4 -6 1 3
-1 2 3 3 15 17 19
4 o 2 5 () 2 21 60
7. -1 2 3 7 8. 0 0 1 50
5 1 0 4 0 0 () -1 En los Ejercicios del 9 at 14 use determinantes para calcular la inversa, si fa hay.

(-3 4)

9. . 2 1

10. (~

o

-~ :)

() -·3

(1 -1 2)

1 L 3 1 4

5 -1 8

CAPITULO

3

Vectores en fR?,R y fR?,3

En la Seccion 1.3 se definieron los vectores columna y renglon como conjuntos ordenados de n numeros reales. En el siguiente capitulo definiremos otros tipas de conjuntos de vectores, llamados espacios vectoriales.

El estudio de espacios vectoriales arbitrarios requiere, inicialmente, de un esfuerzo considerable de abstraccion, Por esa misma razon es Uti! po seer un "alrnacen" de vectores facilmente visualizables, los cuales pueden ser utilizados en los ejemplos.

En este capitulo discutirernos las propiedades basicas de los vectores en el plano xy y en el espacio tridimensional real. Los estudiantes que han cursado calculo de varias variables ya habran visto este material con anterioridad. Si este es eI caso, este capitulo debe ser expucsto en forma breve y como un repaso. Para otros casos, la cobertura de este material proveera al estudiante de ejemplos que hacen mucho mas comprensible el material de los Capitulos 4 y 5.

3.1 Vectores en et plano

Como 10 definimos en la Seccion J .3, 1f\~2 es el conjunto de vectores (x,, can Xl y X2 nurneros reales. Como cad a punto del plano se puede escribir en la forma (x, y), es evidente que cualquier punta del plano se puede ver como un vector en !R:2 y viceversa. Por tanto usarernos indistintarnente los terminos "el plano" y . Sin embargo, para varias de las aplicacioncs fisicas (incluyendo los concept os de fuerza, velocidad, aceleracion y cantidad de movimiento) es importante pensar en un vector no como un punto, sino como un objeto que tiene "magnitud" y "direccion". Veremos ahara como se hace esto.

Sean P y Q dos pun~2.§"en el plano. Entonces el segmenio de recta dirigido de P a Q, denotado por PQ, es el segmento rectilineo que va de P a Q (vea Figura 3.1a). Notemos que los segrnentos de recta dirigidos PO y QP son diferentes pues apuntan en direcciones opuestas (Figura 3.1b).

135

ObserVilci6n 1. Can est a definici6n, un punta en el plano xy puede como un vector que se inicia en el origen y termina en ese punto.

136 CAPITULO 3 • VECTORES.EN ~2 Y

y

Definicion!l Definicion a/gebraica de lin vector. Un vector v en el plano xy

de numeros reales (a, b). Los mimeros a y b se conocen del vector v. El vector cera es (0, 0).

Figura 3.1

(a)

(b)

Observad6n~. El vector cera tiene magnitud cero. Por tanto, como el punto inicial y el terminal coinciden decimos que el vector cera no tiene direcci6n.

--+

EI punta Pen el segmento de recta dirigido PQ se conoce como punto inicial

del segmento, y el punta Q como punto terminal. Las dos propiedades principales de un segment a de recta dirigido son su magnitud (longitud) y su direcci6n. Si dos segmentos dirigidos PQ y 18 tienen igual magnitud y direcci6n decimos que son equivalentes, sin que interese su ubicaci6n con respecto al origen. Todos los segmentos dirigidos de la Figura 3.2 son equivaientes.

Observac:i611 3. Enfatizamos que las Definiciones 1 y 2 describen exactamente los misrnos objetos, Cada punto de vista (geornetrico y algebraico) tiene sus ventajas. La Definicion 2 es la definicion de un vector con dos componentes que hemos venido usando hasta ahora.

y

Como un vector es realmente un conjunto de segmentos de recta equivalentes, definimos la magnitud 0 /ongitud de un vector como la magnitud de cualquiera de sus representantes, Y su direccion, como la de cualquiera de sus representantes. Si usamos cl represent ante OR y consideramos el vector v (a, b), se tiene que

Figura.U

[ = __ ~_I~V~I =_m __ a_g~_/l_'t_u_d_d_e~v = .J a 2 + b2

Definicion 1 Definicion geometrica de UII vector. EI eonjunto de todos los segmentos de recta dirigidos equivalentes a un segmento dirigido dado, se llama vector. Cualquier segmento de recta dirigido en ese conjunto se conoce como un representante del vector.

Esto se sigue del teorema de Pitagoras (vea Figura 3.4). Hemos usado la notaci6n I v I para simbolizar la magnitud de v. Notemos que I v I es un escalar.

Observaci6n. Todos los segmentos de recta dirigidos en la Figura 3.2 son representantes del mismo vector.

De la Definicion 1 vemos que un vector dado v se puede representar de diferentes maneras. Sea PO un representante de v, Entonces, sin carnbiar su magnitud ni su direccion podernos mover PQparalelamente hasta que su pun to inicial quede en cl origen. Hemos obtenido asi el segmento de recta dirigido OR que es otro representante del vector v (vea Figura 3.3). Ahora supongamos que R tiene coordenadas cartesianas (a, b). Entonces podemos deseribir el segmento de recta dirigidoOR, par las coordenadas (a, b). Esto es, ORes el segmento dirigido con punto inicial (0, 0) y punto terminal (a, b). Como un representante de un vector sirve tan bien como otro podemos expresar cI vector v como (a, b).

Figura 3.4

Ejemplo 1

Calcule las magnitudes de los vectores (i) (2, 2); (ii) (2,2-Jj); (iii) (~2-)3, 2); (iv) (-3, - 3); (v) (6, -6).

So/udo!!

i, Ivl=~=J8=2.J2 ii, Ivl = J22 + (2"fJ? = 4

iii. lvl = ~2Y3)2+22 = 4

iv. Ivl=~W+(-3?=m=3.J2 v. Ivl = ..[62 + (-6)2 = m = 6.J2

Figura 3.3

138

CAPiTULO 3 • VECTORES EN Y fR.3

Direcd6n de un 'lector

Ahora definimos la direccion del vector v = (a, b) como el cingula e (medido en radianes) que forma el vector con 1a parte positiva del eje x. Por convencion escogemos e tal que Os 8< 27r. De la Figura 3.4 se observa que si a *0, entonces

[~--~.

--------------

___ t_an_o_=_~ ~ (2) I

Ejemplo!l Calcule las direcciones de los vectores del Ejernplo 1.

So/udon Estos cinco vectores estan representados en la Figura 3.5.

i, Aqui vesta en el primer cuadrante y como tan 8=212= 1, e= 11'/4.

ii. Aqui e~ctan-I 2-13/2 =tau-IJ3= 11'/3 (pues vesta en el primer cuadrante).

m. Vernos ~e vesta en el segundo cuadrante v. como tan-12/2J3 tan-l1/y3 = 11'/6, resulta de la Figura 3.5e que e = 11' - (Jr/6) = 57r/6. iv. Aqui vesta cn el tercer cuadrante y, como tan - I = 7r/4, tenemos que 8= 7r+(7r/4)= 57r/4.

v, Como vesta en el cuarto cuadrante y tan 1(-1) = -11'/4, se ticne que iJ = 27r- (7r/4) = 711'/4.

y

y
(2, 2v3)
Y
(-
S-n
6
() x x
(b) (e) Figura 3.5

(a)

y

4

(- 3.- 3)

(6. --6)

Cd)

(e)

En la Seccion 1.3 definimos la surna de vectores y la multiplicacion por un escalar. i,Que significan geometricarnente estos conceptos? Empezamos can

3.1 • Vectores en el plano

139

la multiplicaci6n par un escalar. Si v = (a, b) entonces (XV = (aa, ccb), De manera que

(3)

Esto es:

1- MUltiP""",un Wd,O"f par un,e, .; tiene e" ,I efecto de muWpli'" I, ] L magnitud del vector por cl valor absoluto de ese escalar.

Mas aun, si 0'>0, entonces ov esta en cl mismo cuadrante que v y, por tanto, la direccion de O'V es la misma que la direccion de v pues tan-I(O'b/aa)'= tan-I(b/a). Si 0'<0, entonces (XV apunta en la direcci6n opuesta a la de v. En

otr as palabras:

-~--(4]

------------------ ----

------,-------- ----~

Direccion de ov = direccion de v, si a> ° Direccion de O'V = direccibn de v + x, si a <0

Ejemplo 3

Sea v = (1, 1), Entonces \v\= Jf+1 = J2 _ y 12vl = 1(2, 2)\ = ./22 + 22 = J8 = 2J2= 2\vl, Mas aun, \-2vl = -/(-2)2+ (--2? = 2J2 = 21vl. Ademas, la direccion de 2v es 7r/4 mientras que la direccion de -2v es 57r/4 (vea Figura 3.6).

y

y

/~ (2,2) 2V2

Figura 3.6

y V'2~>;'(I' I)

0\" I I .. x

(-2, -2)

, I)

(a)

(b)

(e)

Supongamos ahora que se suman los vectores u = (ai' b j) y v = (a2' b2) como en la Figura 3.7. En el croquis vemos que el vector u + v = (a I + a 2' b 1 + b 2) se puede obtener trasladando cl representante del vector

Figura 3.7

140 CAPiTULO 3 • VECTORES EN /Rl2 y /Rl3

v de manera que su punto inicial coincida con el punto terminal (ai, bj) del vector II. Podemos obtener asi el vector u + v dibujando un paralelogramo con uno de sus vertices en el origen y lados u Y v, Entonces u + v es el vector que va desde el origen a 10 largo de la diagonal del paralelogramo.

Nota. Como la recta es la minima distancia entre dos puntos, se deduce inmediatamente de la Figura 3,7 que

L- ~_u_+_v~_~_lu_I_+_lv_I ~·~

Por razones obvias la desigualdad (5) se conoce como la desigualdad del triangulo,

Podemos usaf la Figura 3,7 tarnbien para obtener una representaci6n geornetrica del vector II - v. Como II = II - V + v, el vector II - V es el vector que debe ser sumado a v para obtener u. Este hechose ilustra en la Figura 3,8a, Un hecho similar se ilustra en Ia Figura 3.8b.

Figura 3.8

(a)

(b)

(0. I)

Figura 3.9

o

Existen dos vectores especiales en iR2 que nos perrniten representar otros vectores de iR2 en una forma conveniente. Denotarernos el vector (1, 0) con el sfmbolo i y el vector (0, 1) con el simbolo j (vca Figura 3,9). * Si v = (a, b) es otro vector del plano entonces, como (a, b) = a(l, 0) + b(O, I),

---.---.--._----:-1

v=(a, b)=ai+bj (6~J

Con est a representaci6n decimos que vesta resuelto en sus componentes vertical y horizontal. Los vectores i y j tienen dos propiedades:

* Nola historica: Los simbolos i y j Iueron usados por primcra vez por Hamilton, quien definio el cuaternion como una caruidad de la forma a + hi + cj + dk, donde a es la "parte escalar" y hi .J. cj + dk la "parte vectorial". En la Seccion 3.3 se expresaran los vectores en el espacio segun la forma hi + c,i + dk.

Definicion 3

3.1 • Vectores en el plano 141

i. Ninguno de ellos es rnultiplo del otro. (En laterminologia del Capitulo

4 se dice que son linea/mente independlentes.~ ..

. v se puede escribir en terrninos de I Y J como en Ja

ii, Cualquier vector

Ecuacion (6). *

En estas dos condiciones se dice que i y j forman una bas~ de iR2, ~iscutire-

mos las bases de espacios vectoriales arbitrarios en, e,l Cap,ltulo 4., ,

Definiremos ahora una c1ase de vector que es muy util en ciertas aplicaciones.

Vector unitario. Un vector unitario u es un vector de magnitud igual a 1,

Ejemplo 4 EI vector u = (1/2)i+ (J3/2)j es un vector unitario pues

Figura 3.10

Sea u=ai+bj un vector unitario. Entonees lul="'a2-:b2=1, ,de .don?e a2 + b2 = I y u se puede representar por un punto en el ,Clrcul~ umtano (Fi-

3 10) S1' {J es la direccion de u, entonces vemos inmediatamente que

gura . , tf itario u se nued ibi I

a = cos 8 y b = sen e, Asi, cualquier vector umtano II se pue e escri ir en a

forma

u = (cos 8)i+ (sen 8)j

(7)

donde e es la direccion de u,

y

u = ai + bj

Ejemp/o 5

itari - (1/2)1' + ( 13/2)J' del EJ' emplo 4 se puede escribir en la for-

EI vector uru ana u - '.J

rna (7) con e = COS-I (112) = 71"/3.

bi .. li I de i "J' Discutircmos

* En la Ecuacion (6), decimos que v se escribe como una com tnacton mea J'

el coricepto de combinaci6n lineal en la Secci6n 4.5.

142 CAPiTULO 3 • VECTORES EN ~ 2 Y [R\3

Tarnbien tenemos:

----"'---

Sea v un vector distinto de cero. Entonces u = v / I v I es un vector unit ario con la misma direcci6n de v (vea Problema 17).

Ejemplo 6 Encuentre un vector unitario can la misma direcci6n que v = 2i - 3j.

Salud6n Aqui Ivl = J 4 + 9 = m, y asi, U = v/lvl = (2Im)i - (3Im)j es el vector unitario pedido.

ConcIuimos esta secci6n can un resumen de las propiedades de los vectores (Tabla 3.1).

Tabla 3.1

Objeto

Definicion intuitiva

Expresion en terminos de componentes si u=uJ+uJ,v=vJ+vJ, y

u=(Uj, u2), V=(Vlo V2)

vector v

Objeto con magnitud y direccion magnitud de v

Ivl

aV

-v u+v

(En este esquema a =2)

t. j-v u+v 4./' v

u

V q u-v u

-V1i-V2i a bien (-V,-V2) a bien -(VloV2) (u, +vj)i+(U2+VJi 0 bien (u, +Vj, U2+V2)

u-v

Problemas 3.1

En los Problemas dell al12 encuentre la magnitud y direccion del vector dado.

I. v=(4,4) 2. v=(-4,4) 3. v=(4,-4)

4. v=(-4,-4) 5. v=(J3, 1) 6. v=(1,J3)

7. v=(-l,J3) 8. v=(1,-J3) 9. v=(-l,-J3)

10. v=(1,2) 11. v=(-S,8) 12. v=(11,-14)

13. Sean u c= (2, 3) Y v = (-5, 4). Encuentr e: (a) 3u; (b) II t v; (e) v - II; (d) 211 - 7v. Dibuje estos vcctores.

3.2 • EI producto escaiar y proyecciones en 1J!S2 143

14. Sean u = 2i - 3j Y v = -4i + 6j. Encuentre: (a) u + v; (b) u - v; (el 3u; (d) -7v;

(e) 8u - 3v; (f) 4v - 6u. Dibuje estos vectores.

15. Muestre que los vectores i y j son vectores unitarios.

16. lVIuestre que el vector (1/F2)i + Cl/F2)j es un vector unitario.

17. Muestre que si v = ai + bj, entonces u = (aj,f(?+b2)i + (b/-Ja2+b2)j es un vector unitario con la misma direcci6n de v.

En los Problemas dellS al21 encuentre un vector unitario que tenga fa misma direccion que el vector dado.

18. v=2i+3j 20. v= -3i+4j

19. v=i-j

21. v=ai+aj; a;cO.

22. Siv = ai + bj,muestrequea/-Ja2+b2 = cos(}y.b/~a2+b2 e es la direcci6n de v.

23. Si v = 2i - 3j, encuentre sen e y cos e.

24. Si \' = -3i + 8j, encuentre sen e y cos e.

sen e, en donde

Un vector v tiene la direccion opuesta al vector u si fa direccion de v es la direccion de u + 7r. En los Problemas del 25 at 28 encuentre un vector unitario v que tenga la direccion opuesta a fa direccion del vector dado u.

25. u=i+j

27. u=-3i+4j

26. u=2i-3j 28. u= -2i+3j

29. Sean u = 2i - 3j Y v = -j + 2j. Encuentre un vector unitario en la misma direccion que (a) u + v; (b) 2u 3v; (c) 3\1 + 8\'.

30. Sean P = (c, d) y Q = (c + a, d + b). lVIuestre que la magnitud de POes ~a'- + b ',

31. Muestre que la direcei6n de PO del Problema 30 es la misma que la del vector (a, b). [Sugerencia: Si R = (a, b), muestre que la recta que pasa par los puntos P y Q es paralela a la que pasa par los puntas 0 y R.J

En los Problemas del 32 al 35 encuentre un vector v que tenga fa magnitud y direccion dadas.

32. ivi = 3; fI = 1T/6 34. Ivl = 1; fI = 1T/4

33. Ivl = 8; e = 1T/3 35. Ivl=6; e=21T/3.

* 36. Muestre algebraicamente (esto es, estrictamente a partir de las definiciones de suma de vectores y de magnitud) que para cualquier par de vectores u y v, I u + v I :<;

[u I + [v].

37. Muestre que si u y v son distintos del vector cero , entonces I u + \' I = lui + II v I si y s610 si u es un multiple escalar positivo de v.

£1 producto escalar y proyecciones en [J€2

En la Secci6n 1.5 definimos el produeto esealar de dos vectores. Si u = (ai' b,) y v = (al, b2), entonees

[

144

CAPiTULO 3 • VECTORES EN [jij 2 Y IPP

Veremos ahora como puede interpretarse geometricamente el producto escalar.

Definicion 1 Angulo entre dos vecteres, Sean u y v dos vectores distintos de cero. EI dngulo <p entre u y v se define como el menor angulo> positivo entre los representantes de u y v que tienen al origen como sus puntos iniciales. Si u = iXV para algun escalar o , definimos <p = 0 si iX > 0 y <p = ?l' si iX < O.

Esta definicion §e ilustra en la Figura 3.11. N otemos que 'P siempre se puede escoger como un angulo positivo en el intervalo [0, ?l'J.

y

}'
v
u
Figura 3.11 x
v
(al
y
v
<p = 0
x
0
u
(d) u

y

u

v

(b)

(c)

y

v

(e)

Teorema 1 Sean u y v dos vectores distintos de ceso. Si 'P es eI angulo entre ellos, entonces

r- u r v ~~~j

L . M. "Iullvl . (2)

-"-----------.--------~.------------.-----

[lemostraci6n La ley de los cos enos (Problema 2.5.10) establece que en el triangulo de la Figura 3.12.

(3)

Figufa3.1!1

B~C

Ahora llevamos los representantes de II Y v al origen de forma que

* Fstc angul» estara en el intervalo [0, 7l"J.

Figura 3.13

3.2 • EI producto escalar y proyecciones en Ii/:2

145

y

u = (at, bt) Y v (a2, b2) (vea Figura 3.13). Entonces, de la citada ley de

los cosenos, Iv-uI2= Iv12+lu12 2\ullvl cos <p. Pero

Iv-uI2=(v-u)' (v-u)=v' v-20' V+U' U

= I~f +Zu : v+ lul2

Asi, despues de simplificar obtenemos que -211.·'1'= -2lullvl cos 'P, de donde se deduce el teorema. III

Observaci6n. Si usamos el Teorema 1 podriarnos definir el producto escalar u . v por

U' V= lullvl cos <p

Ejemplo 1 Encuentre el coseno del angulo entre los vectores 1I = 2it 3j Y v = -7i + j.

Soluci6n U' v= -14+ 3 = -11, lui = _-122+ 32 = m, Asi,

y

U'V -11 -11

cos <p=--= I ' =--=-0.4315*

lui I'l'l d3v50 J650

Definicion 1 Vectores paralelos. Dos vectores u Y v distintos de cero son paralelos si el angulo entre elias es cera 0 bien u.

--------- -----_._----------

Ejemplo ~

Muestre que los vectores II. = (2, - 3) y V= (-4, 6) son paralelos,

Soludon

Por 10 tanto <p = ?l'.

* Este numero, como otros en el tcxto, se obtuvo con una calculadora de bolsillo.

$

a

146

1eorema f Si u *' 0, entonces v = aU para alguna constante a distinta de cero si y solo si u y V son paralelos.

Demostrae;6" Esta demostraci6n queda como ejercicio (Problema 35).

Definicion 3 Vec:tores ortogonales. Se dice que los vectores u y v distintos de cero son ortogonales (0 perpendicularess si el angulo entre ellos es 71'/2.

Ejemplo 3 Muestre que los vectores u = 3i - 4j Y v = 4i + 3j son ortogonales.

5011le;611 1I" V = 3 ·4 - 4· 3 = O. Esto implica que cos 'I' = (u . v)/(Iullvl) O.

Como 'I' esta en el intervalo [0, 7r 1, 'I' = 71'/2.

1eorema 3 Los vectores u y v distintos de cero son ortogonales si y s610 si u . v o.

Demoslraci611 Esta demostracion tambien queda como ejercicio (Problema 36).

Ejemplo 4 Sea u = i + 4j y v = 3i + aj. Determinar a tal que (i) u y v resulten ortogonales; (ii) 1I Y v result en paralelos.

SO/lId6n

i. Tenemos que u " v = 3 + 40:. Para que u y v resulten ortogonales, debemos exigir que u . v = O. Esto implica que 3 + 4a = 0, 0 10 que es 10

. ~

mlsmo, a = -4-

ii. En este caso debemos tener 'I' = 0, 0 bien 7r, as! que cos 'I' = ± 1. Entonces,

U'v 3 +4a

cos 'P =--= = ±1

lullvl .J17.J9+a2

Elevando al cuadrado ambos lados de esta ecuacion, obtenemos 9 + 240: + 160:2 = 17(9 + 0'2) = 153 + 170'2. Esto conduce a la ecuaci6n cuadratica

0'2 240' + 144 = 0 = (0' - 12)2, con la solucion unica 0' = 12_

Un buen mimero de problemas interesantes irnplica el concepto de proyeccion de un vector sobre otro. Antes de dar la definicion de esto, demostraremos el siguiente teorema.

Teorema 1# Sea v un vector distinto de cero. Entonces para cualquier otro vector u el vector w = u [(u . v)'ll/lv\2J es ortogonal a v.

VII • V = [u _ (u . V)V] • v = u . v _ (u . v)(v . v)

Iv\2 Ivl2

De:mostracion

Figura 3.14

3.2 • EI producto escalar y proyecciones en !Jli.2

141

Los vectores u, v y w se ilustran en la Figura 3.14.

U'v "

~v = Pro]v u

Definicion 4 Proyeedon •. Sean u y v vectores distintos de cero. Entonces la proyeccion de u sabre v es un vector denotado proy.u, que se define por

Figura 3.15

L D'V =:~I

proy, u = IvI2 v (4)

"--._-

~}l

L~La componente de " en In die"don V" T.f.

Notemos que v/lvl es un vector unitario en la direcci6n de v.

Observad6n 1. De la Figura 3.14 y cl hecho de que cos e = (u : v)/(llIllvl), encontramos que:

v y proy.u tienen (i) la rnisma direccion si u . v > 0 y (Ii) direcciones I opuestas si u . v < 0 (vea Figura 3.15).

f':':~/v

~. Proy.u 'P<~

U· v > 0

v

"~

"" f

-, f Prov.u

'P > :!1 ".> ~v

2

u r v < 0

(a)

(b)

Observacion 2. Es claro que proy,u se puede considerar la "componente segun v" del vector u.

148

CAPiTULO 3 • VECTORES EN {Jg2 Y {Jg 3

Observad6n 3. Si tenemos que" y v son ortogonales, entonees u . v 0 de

donde proy.u = O.

Observad6n 4. Otra manera de definir proyeccion es: Si u y v son vectores distintos de cero, entonces proy.u es un vector unico con las siguientes propiedades:

"'-.~

i.. proy,u es paralelo a v.

ii, u - proy.u es ortogonal a v.

Ejemplo 5

Sean" = 2i + 3j y v = i + j. Calcule proy,u.

So/udon

Figura 3.16

Proy, u==fu . v)v/ivi2 = [5/(.J2?]v= (5/2)H(5/2)j. (Figura 3.16).

y

-} i +~j

Ejemplo 6

Sean U = 2i 3j y v = i + j. Calcule proy.u,

So/udon

Figura 3.17

Aqui (11 • v)/lvf =-~; por 10 tanto, proYv 11 = -~i -~j. (Figura 3.17). y

v

J> 'i9

,I - tJ

Problemas 3.~

En los Problemas dell al 8 calcule el produeto escalar de los dos vectores y el coseno del dngulo entre ellos.

1. u=i+j; v=i-j

2. u=3i; v=-7j

3.2 • EI producto escalar y proyecciones en 1)22

149

3. u = -5i; v = 18j 4. u = ai; v = {3j; a, {3 reales

5. u=2i+5j; v=5i+2j 6. u=2i+5j; v=5i-2j

7. u=-3i+4j; v=-2i-7j 8. u=4i+5j; v=5i-4j

9. Muestre que para cualquier par de numeros reales Cli Y {3, los vectores II = Clii + {3j y v = fii - Clij son ortogonales.

10. Sean II, v y w tres vectores arbitrarios. Explique por que el producto II . V . w no esta definido .

En los Problemas dell! al16 diga si los vectores dados son ortogonales, paralelos 0 ninguna de las dos cosas. Dibuje cada par.

11. u=3i+5j; v=-6i-lOj 13. u=2i+3j; v=6i+4j 15. u=7i; v= -23j

17. Sean u=3i+4j yl v=i+aj.

12. u=2i+3j; v=6i-4j 14. u=2i+3j; v=-6i+4j 16. u=2i-6j; v=-i+3j

Encuentre Cli tal que:

a. II Y V sean ortogonales. b. II Y v sean paralelos.

c. El angulo entre u y v sea r./4. d. EI angulo entre u y v sea 71'/3.

18. Sea II = -2i + 5j Y v = o i - 2j. Encuentre Cli tal que:

a. u y v sean ortogonales.

c. EI angulo entre II y V sea 271'/3.

b. u Y v sean paralelos.

d. EI angulo entre II y v sea 71'/3.

19. Con los datos del Problema 17, muestre que no existe ningun valor de cc para el eual u y v tengan direcciones opuestas.

20. Con los datos del Problema 18 muestre que no existe ningun valor de C/ para el eual u y v tengan la misrna direcci6n.

En los Problemas del 21 al 30 calcule proy.u,

21. u=3i; v=i+j 22. u=-5j; v=i+j

23. u=2i+j; v=i-2j ~~u=2i+3j; v=4i+j

25. u=i+j; v=2i-3j 26. u=i+j; v=2i+3j

27. u=ai+{3j; v=i+j; a, (3 reales y positivos

28. u=i+j; v=ai+{3j, a, (3 realcs y positivos

29. u=ai-{3j; v=i+]: a, (3 realcs y positivos, con Cli > {3.

30. u =ai-{3j; v=i+j; a, (3 reales y positivos, con Cli < {3.

31. Scan II = ali + blj y V = a2i + b2.i. Halle condiciones en ai, bl' a2 Y b2 que aseguren que v y proy.u tengan la misma direcci6n.

32. En el Problema 31 encuentrc una condici6n que ascgure que v y proy.u tcngan dirccciones opuestas,

33. Sean P = (2, 3), Q = (5, 7), R = (2, -3) y 5 = (1,2). Calcule proY;;QRS Y proyiiSPQ.

34. Sean P = (-1,3), Q = (2,4), R = (-6, -2) y S = (3,0). Calcule proyp;;R:S y

proYRtPQ. -

35. Dcmuestre que dos vectores II Y v distintos de cero son paralelos si y 5610 si v

o u para alguna constante a, [Sugerencia: Muestre que cos 'P = ±l si y s610 si v

o u.]

36. Dcmuestre que u y v son ortogonales si y s610 si II . v = O.

37. Muestre que el vector v = ai + bj es ortogonal a la recta ax + by + c = O.

38. Muestre que el vector U = bi - aj cs paralelo a la recta ax + by + c = O.

39. Un triangulo tiene como vertices a (I, 3), (4, -2) y (-3, 6). Encuentre cl coseno de cada uno de sus angulos.

150

CAPITULO 3 • VECTORES EN iP12 y IPP

40. Un triangulo tiene como vertices a (a I' b I)' (a2, bz) y (a}, b c). Encuentre una for-

mula para los cosenos de cad a uno de sus angulos, .

41. La desigua/dad de Cauchy-Schwarz establece que para cualquier conjunto de nu-

mero reales aJ> a2, b , y b2• .

Use el producto escalar para demostrar esta f6rmula. i,En que circunstancias esta desigualdad puede' ser reemplazada por una igualdad?

* 42. Demuestre que la distancia mas corta entre un punto y una recta se midc a 10 largo de una linea que pasa por el punta y es perpendicular a la recta.

43. Encuentre la distancia entre P = (2,3) y la recta que pasa por los puntos Q = (-1,7) y R = (3, 5).

44. Encuentre la distancia entre (3, 7) y la recta que contiene el vector v = 2i - 3j y pasa par el origen.

45. Sea A una matriz de 2 x 2 tal que cada columna es un vector unitario y las dos columnas son ortogonales, Demuestre que A es invertible y que A -I = A '. (A se denomina matriz ortogonat.i

3.3 Vectores en el esoecio

Hemos visto que cualquier punto en un plano se puede representar como un par ordenado de nurneros reales. Analogamente, cualquier punto en el espacio se puede representar por una triada ordenada de numeros reales

(a, b, c)

(1)

[R3 esta compuesto de vectores de la forma (1). Para representar un punto en el espacio empezamos por escoger un punto en [R3. Llamamos a este punto el origen, denotado O. Luego dibujamos tres ejes mutuamente perpendiculares que llamamos eje x, eje y y eje z. Estos ejes se pueden seleccionar de varias maneras, pero la selecci6n mas cornun es con los ejes x y y dibujados horizontalmente, con el eje z vertical. En cada eje escogemos una direeci6n positiva y medimos la distancia a 10 largo de ese eje como el numero de unidades en esta direccion posit iva medidas desde el origen,

Figura 3.18

1/, 1/, )f- .. )f--

x x

(a)

(b)

Los dos sistemas basic os para representar estos ejes se ven en la Figura 3.18.

Si los ejes se ubican como en la Figura 3.18a, entonces se dice que el sistema es de mana derecha; 5i se colocan como en la Figura 3 .18b, se dice que es de mana izquierda. En las figuras las flechas indican las direcciones positivas

Figura 3.19

3.3 • Vectores en el espacio

151

r

de los ejes. La justifieaci6n de estos terminos es la que sigue: En un sistema de mano derecha, si ponemos la mano derecha de forma que el dedo indice apunte en la direccion positiva del eje x, mientras que el dedo medio apunte en la direccion positiva del eje y, entonces el pulgar apunta en la direccion positiva del eje z. Este concepto se ilustra en la Figura 3.19. Para un sistema de mano izqui erda la misma regla se aplica para la mano izquierda. En 10 que resta de este texto seguiremos la practica comun y dibujaremos los ejes coordenados usando un sistema de mano derecha.

Los tres ejes en nuestro sistema determinan tres planos coordenados que son Ilamados el plano xy, el xz y el yz. El plano xy contiene a los ejes x y y, y es simplemente el plano con el cual hemos est ado tratando en la mayor parte de este libro. Los pianos xz y yz se pueden eonsiderar de manera analoga.

Habiendo construido nuestra estructura de ejes y pianos coordenados, podemos describir cualquier punto Pen [R3 en forma unica:

[-

P=(x, y, z)

donde la primera eoordenada x es la distaneia del plano yz a P (medida en la direccion positiva del eje x y a 10 largo de una linea paralela al eje x), la segunda coordenada y es la distancia del plano xz a P (medida en la direccion posit iva del eje y y a 10 largo de una linea paralela al eje y) y la tercera coordenada z es la distancia del plano xy a P (medida en la direccion positiva del eje z y a 10 largo de una linea paralela al eje z).

En este sistema los tres pIanos coordenados dividen [R3 en ocho octantes al igual que en [R2 los dos ejes coordenados dividen el plano en cuatro cuadrantes. EI primer octante es siempre aquel en el que las tres coordenadas son positivas.

EI sistema coordenado as! escogido se llama frecuentemente sistema coordenado rectangular 0 sistema coordenado cartesiano, Una vez que nos familiaricemos con la forma de describir un punto en este sistema, podremos generaiizar varios concept os del plano.

Teorema 1 Sean P = (Xl' YI' z.) y Q = (x2, y" Z2) dos punt os en el espacio. Entonees la distancia PQ entre P y Q esta dada por

En el Problema 39 se pide demostrar este resultado.

15!l

CAPiTULO 3 • VECTORES EN [R\2 y {Pl3

Soluc:i6n

Ejemplo 1 Calcule la distancia entre los puntos (3, -1,6) Y (-2,3,5).

PQ= .)[3 - (_2)]2+( -1- 3)2 + (6 - 5)2 =.J42

En las Secciones 3.1 y 3.2 discutimos propiedades geornetricas de los vectores en el plano. Debido a que los sistemas coordenados en [R2 y [R3 son rnuy similares, no es sorprendente que los vectores en [R2 y n::g3, tengan estructuras muy similares. Discutiremos ahora el concepto de un vector en el espacio. EI desarrollo de este tema seguira estreehamente el desarrollo de las ultirnas dos secciones y por tanto se ornitiran algunos detalles.

Sean P y Q dos puntos distintos en [R3. Entonces el segmento de recta dirigido PO es el segmento de recta que va de P a Q. Dos segmentos de recta dirigidos son equivalentes si tienen la misma magnitud y direccion. Un vector en [R3 es el conjunto de todos los segmentos dirigidos equivalentes a un segmento dirigido dado y cualquier segmento dirigido PO en ese conjunto se llama un representante del vector.

Hasta aqui las definiciones son identicas. Por conveniencia elegimos P como el origen, de forma que el vector v = OQ se pueda describir por las coordenadas (x, y, z) del punto Q. Entonces la magnitud de v = Ivl = R+ y2 + Z2 (Teorema 1).

Ejemplo !Z

Sea v = (1, 3, - 2). Encuentre [v].

Figura 3.lIO

Sean u = (x., Yl' z.) y v = (X2' Y2' zJ dos vectores y sea C\' un numero real (escalar). Entonces definimos

u+v = (x, +x2, Yl + Y2, Zl + Z2) aU = (ax!> aYl, az1)

Esta es la misma definicion de suma de vectores y multiplicacion por un escalar que teniamos antes y se ilustra en la Figura 3.20.

u + v

x

x

x

(a)

(b)

(e)

Figura 3.20

Ejempio 3

Soluci61l

3.3 • Vectores en el especio

153

z

•

x

x

(d)

(e)

Un vector unitario 1.1 es un vector de magnitud 1. Si v es cualquier vector distinto de cero, entonces 1.1 = v/ivl es un vector unitario que tiene la misma direccion que v.

Encuentre un vector unitario que tenga la misma direccion que v = (2, 4, - 3).

Figura 3.!11

Ahora podemos definir formalmente la direccion de un vector en ~3. No podemos definirla como el.angulo 0 que forma el vector con la parte positiva del eje x pues, por ejemplo, si 0 < 0 < 7r12, entonces existe un numero infinito de vectores que forman el angulo 0 con la parte positiva del eje x y todos ellos forman un co no (Figura 3.21).

z

x

Definicion 1 Direcci6n en {Pl3. La direccion de un vector v distinto de cero en [!;£3 se define como la direccion del vector unitario u = v / 1 v I.

Observacioll. Podriamos haber definido la direccion de un vector v de IFf de esta forma. Si u = v/lvl, entonces u (cos 0, sen 0) donde 0 es la direccion de v.

Figura 3.n

Definiremos la direccion de un vector en terrninos de ciertos anzulos. Sea v el vector OP descrito en la Figura 3.22. Definimos C\' como el angulo entre v y

x

;...:;,.t....,.....:;;.J\.:;;..--+-~~- ...... y

:5-- 1'/ (O,Yo,O)

_______ -Y

(xo, 0, 0)

154

CAPITULO 3 • VECTORES EN /122 Y /123

la parte positiva del eje x, {3 el angulo entre v y la parte positiva del eje y y '}' el angulo entre v y la parte positiva del eje z. Los angulos 0:, {3 Y '}' se conocen como los angulos directores del vector v. Entonces, de la Figura 3.22.

Ejemplo 5


155

xo cos 0' =j;i

Yo cos (3 = Ivl

Si v es unitario entonces Ivl = 1 y

cos a = xo

cos (3 = Yo

cos l' = zo

(5)

Por definicion, cada uno de estos tres angulos esta en el intervalo [0, 7r]. Los cosenos de estos tres angulos se denominan cosenos direct ores del vector v. Notemos, de las Ecuaciones (4), que

(6)

Si OL, {3 Y '}' son tres mimeros cuaiesquiera entre 0 y 7r que satisfacen la condicion (6), entonces determinan un vector unico dado por u = (cos a, cos (3,cos '}').

Figufa3.f4

Observaci6f1. Si v = (a, b, c) y v oft 1, entonces los numeros a, by c se conocen como los numeros directores del vector v.

Ejemplo 'I Encuentre los cosenos directores del vector v = (4, - 1, i).

Soluci6n La direccion de v es v/lvl vN53 = (41).153, -l/ill, 6/.J53). Entonces

cos OL = 4/ill "" 0.5494, cos {3 = -I/ill "" -0.1374 y cos "I = 6/J53 "" 0.8242. De aqui, usando una tabla de cosenos 0 una calculadora de bolsillo obtenemos OL "" 56.7° "" 0.989 rad, {3 "'" 97.9° "" 1.71 rad y "I = 34.5° "" 0.602 rad. El vector, junto con sus angulos OL, {3 y "I, aparece en la Figura 3.23.

(4, -J, 6)

Figura3.f3

Figura 3.25

y

(4, -1,0)

x

Encuentre un vector v de magnitud 7 y cuyos cosenos directores sean 1/J6,

1/.J3 y 1/n.

Sea u = (1/J6, V-G, 1/n). Entonces u es un vector unitario pues lui = 1. Asi, la direccion de vesta dada par u y v = I v I u = 7u = (7/../6, 7/13, 7/-./2).

Nota. Podemos resolver este problema porque (l/J6? + (1/13)2 + (1/n)2 = 1.

Es interesante notar que si v, un vector en [R2, se escribe v = (cos O)i + (sen Ol,i, donde e es la direccion de v , entonces cos e y sen {J son los cosenos directores de v. Aqui ex = e y definimos (3 como el angulo que v forma con el eje y (vea Figura 3.24). Entonces (3 = (7r/2) - OL Y as! cos {3 = cos (71"/2 - (X) sen a y v se puede escribir en la forma de "cosenos directores":

v = coso I+cosji j

y

¥

.

x

o

En la Seccion 3.1 vimos que eualquier vector en eJ plano se puede cseribir en terrninos de los vectores basicos i y j, Para extender est a idea a [R3 definimos

(7)1

.-----

C(l, ,_),_0_) __ i =_(0, 1,_0_) __ k_=_(O_, 0,1)

Aqui , i, j y k son vectores unitarios. EI vector i est a sobre el eje x, j en el eje y y ken el eje z (se represent an en la Figura 3.25). Si v = (x, y, z) es un vector cualquiera en [R3, entonces

v = (x, y, z) = (x, 0, 0) + (0, y, 0) + (0,0, z) = xi+ yj + zk

Esto es: Cualquier vector v en [R3 se puede escribir de forma unica en terminos de los vectores l, j y k,

(0,0, 1)

y (0,1,0)

x 0,0)

156

CAPITULO 3 • VECTORES EN i'R?2 y!J!!3


157

La definicion de producto escalar en 1R3 es, desde luego,la definicion que dimos en la Seccion 1.5. Notemos que i . i = 1, j . j ="= 1, k . k = 1, l . j = 0, j . k = 0, i . k = 0.

(--2, -6,8)

Teorema 2 Si cp denota el menor angulo positivo entre dos vectores u y v distintos de cera, tcnemos que

Figura 3.26

-----.~

(8)

--~----.-.----

(1,3, -4)

n'v cos !p = inllvl

Ejemplo 8 Encuentre un numero a tal que u ortogonales.

8i - 2j + 4k y v = 2i + 3j + o k sean

Demostraci6n La demostracion es casi identica a la dernostracion del Teorema 3.2.1 Y se deja como ejercicio (Problema 40).

Soludon Debemos mostrar que 0 = u, v = 10 + 4a de donde a = - ~. Los vectores u y v estan dibujados en la Figura 3.27.

Ejempio 6 Calcule el coseno del angulo entre u = 3i - j + 2k y 11'= 4i + 3j - k.

So/udeS/! U • v = 7, lui =../14, ' 111'1 =,J26, de modo que cos !p = 7/-/(14)(26) = 7 N364 = 0.3669 y !p = 6SS= 1.2 fad,

Figura 3,27

x

Definicion i Vectores para/elcs y ortogonaies, Dos vectores u y v distintos de cera son i, Paralelos si el angulo entre ellos es cera 0 bien 1f.

il, Ortogonales (0 perpendicularesi si el angulo entre ellos eS7r12.

Volvamos ahora a la definicion de la proyeccion de un vector sobre otro.

Prirnero estableceremos un teorema analogo al Teorema 3.2.4 (y que tiene identica demostracion).

Teoremali Sea y un vector distinto de cera. Entonces, para cualquier otro vector u,

teorem« :3 1. Si u *' 0, entonces u y v son paralelos si y solo si v au para alguna cons-

tante 01*,0,

Ii. Si u y v son distintos de cero, entonces u y v son ortogonales si y 5610 si lI·Y=O.

es ortogonal a v.

Demoslracion Nuevamente Ia dernostracion es facil y se deja como ejercicio (Problema 41).

Definicion 3 Proyeedon. Sean u y v dos vectores distintos de cera. Entonces la proyeccion de u sabre Y, denotada proy, 11 , se define como

--------

So/ucion II' v = -52, lui = ,J26 y Ivl = vl04"" 2.J26. Asi, u . v/lul lvl --52/(,J26 . 2v76) =-1, de manera que cos f) = -I, () = 7r Y u Y v son paralelos (pero de direcciones opuestas). Otra forma de ver esto es notanda que v --2u y, par el Teorerna 3, u Y V son paralelos (Figura 3.26).

U'V proy v u = r;j2 v

Ejemplo 1 Muestre que los vectores u = i + 3.i - 4k y 11'= - 2i -- 6j + Sk son paralelos.

La componente de 11 en la direccion vesta dada por (u . v)/Ivl.

158

CAPiTULO 3 • VECTORES EN /Pl2 y [Pi3

3.4 • EI producto vectorial (0 cruz) de dos vectores

159

Ejemplo 9 Sean u = 2i + 3j + k y v = i + 2j - 6k. Encuentre proy,u.

33. Calcule I w I·

35. Calcule el angulo entre u y w. 37. Calcule proy.,v.

34. Calcule u . w - w . t.

36. Calcule el angulo entre t y w. 38. Calcule proy.w.

So/udoll Aqui (u . v)/lvl2 = 2141 y proy.u = Ai +41j- Hk. La componente de u en la direcci6n v es (u- v)/lvl = 21m.

39. Demuestre el Teorema I. [Sugerencia: Usar el teorema de Pitagoras dos veces en la Figura 3.28.]

Figura 3.28

Notemos que, como en el caso del plano, proy,u es un vector que tiene la misma direccion que v si u . v > 0 y direccion opuesta a la de v si u . v < O.

o

x

Problemas 3.3

40. Demuestre el Teorema 2. 42. Demuestre el Teorema 4.

41. Demuestre el Teorema 3.

En los Problemas dell at 3 encuentre fa distancia entre los dos puntos.

1. (3,-4, 3); (3, 2. 5) 3. (-2, 1,3); (4,1,3)

2. (3, -4,7); (3, -4,9)

En los Problemas del 4 al 17 determine fa magnitud y los cosenos directores del vector dado.

3.4 £1 producto vectorial (0 cruz) de dos vecteres

4. v= 3j

7. v=i+2k

10. v= -i+j+k 13. v=-i-j+k

16. v = -3i-3j +81.

5. v=-3i

8. v=i-j+k 11. v=i-j-k 14. v= -i-j-k

17. v=-2i-3j-4k

6. v=4i-j

9. v=i+j-k

12. v=-i+j-k 15. v=2i+5j-7k

Hasta aqui el unico producto de vectores que hemos consider ado es el producto escalar 0 producto punto. Definimos ahara un nuevo producto llamado producto vectorial (0 producto cruz)* que solo esta definido en [R3.

18. Los tres angulos direct ores de cierto vector unitario son los mismos y est an entre o y 11'/2. i,Cmil es el vector?

19. Encuentre un vector de magnitud 12 que tcnga la misma direccion que el vector del Problema 18.

20. Muestre que no existe ningun vector unitario cuyos angulos directores sean)f/6, 11'/3 y ')f/4.

21. Sean P = (2, 1,4) Y Q = (3, -2, 8). Encuentre un vector unitario en la direcci6n PQ.

22. Sean P = (-3,1,7) y Q = (8, 1,7). Encuentre un vector unitario cuya direccion sea la opuesta a la de roo

23. En el Problema 22 encuentre todos los puntos R tales que PR.lro.

'* 24. Muestre que el conjunto de puntos que satisfaccn la condicion del Problema 23 y la condicion IPRI = 1 forman un circulo.

25. Si u y v cstan en IR3, muestre que III + vi ~ lui + [v ].

26. i,En que circunstancias la desigualdad del Problema 2S se puede sustituir por una igualdad?

Definicion 1 Producto vectorial. Sea u = a Ii + bd + c.k Y Y = a) + hd + c2k. Entonces el producto cruz (0 vectorial) de u y Y, denotado u x v, es un nuevo vector definido POl'

(1)

Observe que el resuftado del producto cruz es un vector, mientras el resultado del producto escalar es un escalar.

Pareceria que el producto cruz ha sido definido de una manera un tanto arbitraria, Existen obviamente varias maneras de definir un producto vectorial. l,Por que se escogio esta definicion? Responderemos a esta pregunta en esta seccion demostrando algunas de las propiedades del producto cruz e ilustrando algunos de sus usos.

En los Problemas 27 al 38 sean II 2i - 3j + 4k, v

i - 7j + 3k y t 0= 3i + 4j + Sk.

-2i - 3j + 5k, w

Ejemplo 1 Sea u=i-j+2k y v=2i+3j-4k. Calcule w=uXv.

27. Calcule 0+'11. 28. Calcule 2u-3v.
29. Calcule t+3w-v. 30. Calcule 2u-7w+5v.
31. Calcule 2v+7t-w. 32. Calcule u·v. • Nota historica: EI producto cruz fue definido par Hamilton en uno de los articulos en que discutia los cuaterniones, publicados en Philosophical Magazine entre los alios 1844 y 1850.

160

CAPITULO 3 • VECTORES EN lig2 y fJiS3

Soludon Usando la formula (1),

w = [(-1)(-4) - (2)(3)]H [(2)(2) - (1)( -4)]j + [(1)(3) - (-1)(2)]k

= -2i+8j+5k

Nota. En este ejernplo u . w = (i - j + 2k) . (-2i + 8j + Sk) = -2 - 8 + 10 = O. Analogamente v . w = O. Esto es, u X v es ortogonal tanto a u como a v. Como veremos. en breve, el producto cruz de u y v siempre es ortogonal au y a v.

Antes de continuar nuestra discusion de los usos del producto cruz observemos que hay una forma facil de calcular u x v con el uso de determinantes.

Teorema 1

--.--.---

k * u x v = a1 b, CI

a2 b2 C2

Demos/radon

k

= (bIc] - cjh2)i + (cIa2 - ajc2)j + (al b2 - bIa2)k 10 que es igual a 11 X v de acuerdo a la Definicion 1. iiIIII

Ejemplo!Z Calcule UXv, donde n=2i+4j-5k y '1= -3i-2j+k.

Solucion

j k
UXv= 2 4 -'5
-3 -2 1 = (4-1O)i-(2--15)j+(-4+ 12)k

= -sr- 13j + 8k

EI siguiente teorema resume algunas de las propiedades del producto cruz. Su dernostracion se deja como ejercicio (vea Problemas del 32 al 35).

Teorema!1 Sean u, v y w vectores en 1R3 y sea ex un escalar. Entonces:

l. uxO=Oxu=O.

it u x v = -('IX 0) (propiedad anticonmutatlva del producto vectorial).

* Este no es realmente un determinante pues i, j Y k no son numeros. Sin embargo, usando notacion de determinantes, el Teorema 1 nos ayuda a recordar como se calcula un producto cruz.


161

iii. (exu)xv=ex(uxv).

lv, u X (v + w) = (u X v) + (u x w) (propiedad distributiva del producto vectorial).

v, (u x v) • w = u • (v x w). (Esto es Ham ado el triple producto escalar de u, v, y w.)

vi. 0.' (u x v) = v . (u x v) = O. (Esto es, II X v cs ortogonal tanto a u como a v.)

vii. Si u y v son paralelos entonces II x v = O.

La parte (vi) es la mas cornunmente usada de este teorema. La reformularemos a continuacion:

[ E_I_p_ro_d_u_c_t_o_c_f_U_Z_U_X v es_o_r_t_o_g_O_n_al_a_l.I __ y_v_. ~

Sabemos que u X v es un vector ortogonai tanto a u como a v. El siguiente resultado nos da su magnitud.

teorems 3 Si <p es el angulo entre II y v, entonces

lu x vi = lullvl sen 'P

iJel1lostracion Es facil mostrar (comparando componentes) que lu x vl2 = 10.121vl2 - (u ' '1)2 (Problema 31). Entonces, como (u·v)2= lul21vl2 cos/e (del Teorerna 3.3.2),

\u x 1'12 = 10.121vl2 -luflvl2 cos" <P = lul21vl2 (1- cos" e)

= lul21vl2 sen2 'P

y el teorema queda demostrado tomando la raiz cuadrada de ambos lados.

IilI!l

Figura 3.g9

()

x

Existe una interpretacion geornetrica interesante del Teorema 3. Los vectores u y v estan dibujados en la Figura 3.29 y se los puede imaginar como los dos lados adyacentes de un paralelograrno. Entonces, de la geometria elemental, vemos que

16~

CAPiTULO 3 • VECTORES EN 1/l!.2 y {]!i3

Area del paralelogramo

lullvl sen <p = lu x vi

(3)

Ejemplo 3 Encuentreel area del paralelograrnocon vertices consecutivos en P= (J, 3, - 2), Q=(2, 1,4) Y R=(:-3, 1,6).

Figura 3.30

R(-3,1,6)

P(l, 3, --2)

So/uden El paralelogramo esta dibujado en la Figura 3.30. Tenemos

Area = IPOx ORI = l(i-2j+6k) x (-Si+2k)1 j k

1 -2 6 = 1-4i - 32j -lOki = .J1l40 unidades cuadradas -5 0 2

I nterpretad6n geometrica de determinantes

gxg

Podemos usar la discusion anterior para dar una interpretacion geometric a del determinante. Sea A una matriz de 2 X 2 y sean u y v dos vectores con dos

Sean u = (::) y v = (~J. Estos vectores estan dados en la Figura 3.31. El area generada por u y v se define como el area del paralelogramo dado en la figura. Podernos considerar a u y v como vectores de ~3 en el plano xy.

y

Figura 3.31 v = G~)


163

k area generada por u y v = luxvl = U1 U2 0 VI V2 0

= l(u1 V2 - U2Vl)kl = lUI V2 - U2v11 *

_ (a11 a12) ,

Ahara sean A - ,u = Au y v' = Av. Entonces

a2l a22

, (a11U! +a12U2) , (allVl + a12V2).

u = y v =

a21u! + a22U2 a2lv1 + a22V2

i, Cual es el area generada por u ' y v"! Siguiendo los pasos anteriores,

j k

Area generada por u' y v' = 10' X v'I = all U1 + a12u2 a21 UI + a22U2 0

aUVI+a12V2 a21Vl+a22V2 0

= I(all UI + a12U2)(a21 VI + a22V2) - (a21 U1 + a22u2)(all V! + a12V2)1

Por algebra elemental podemos verificar que la ultima expresion es igual a I(all a22 - a12a21)(ul V2 - U2Vl)1 = ±det A (area generada por u y v)

Asi (en este contexto): Ef determinante tiene el ejecta de multiplicar el area. En el Problema 41 se pide mostrar que, en cierto sentido, un determinante de 3 X 3 tiene el efeeto de multiplicar el volumen.

Problemas 3.4

En los Problemas dell al20 determine el producto cruz u x v.

1. u = i - 2j; v = 3k 3. u=i-j; v=j+k

5. u=-2i+3j; v=7i+4k 7. u=ai+bk; v=ci+dk

9. u=2i-3j+k; v=i+2j+k

11. u=-3i-2j+k; v=6i+4j-2k 13. u=i-7j 3k; vo=-i+7j-3k

15. u=10i+7j-3k; v=-3i+4j-3k 17. u=2i-j+k; v=4i+2j+2k

19. u=ai+aj+ak; v=bi+bj+bk

2. u=3i-7j; v=i+k 4. u=-7k; v=j+2k

6. u=ai+bj; v=ci+dj 8. u=aj+bk; v=ci+dk

10. n=3i-4j+2k; v=6i-3j+5k 12. II = i+7j -- 3k; v = -j -7j+ 3k 14. n=2i-3j+5k; v=3i-j-k 16. 1l=2i+4j-6k; v=-i-j+3k 18. u=3i-j+8k; v=i+j-4k

20. u=ai+bj+ck; 'V=ai+bj-ck

21. Halle dos vectores unitarios ortogonales a u = 2i - 3j Y a v = 4j + 3k.

22. Encuentre dos vectores unitarios ortogonales a u = i + j + k y a v = i - j - k.

23. Utilice el producto cruz para encontrar el seno del angulo 'P entre los vectores II = 2i + j - k y v = -3i - 2j + 4k.

24. Utilice el producto escalar para calcular el coseno del angulo 'P entre los vectores del Problema 23. Luego rnuestrc que para los valores calculados se curnple sen-e c cos2rp = I.

• Notemos que este es el valor absoluto de del (UI VI)

U=, V2

164

CAPiTULO 3 • VECTORES EN if£2 y!Pi3

3.5 • Rectas y pianos en el espacio

165

En losProblemas del2S al30 encuentre el drea del paralelogramo can los vertices adyacentes dados.

Esto muestra que al igual que el determinante de una matriz de 2 x 2 multiplica el area, el deterrninante de una matriz de 3 x 3 multiplica el volumen.

25. (1, -2, 3); (2,0,1); (0,4,0) 27. (-2,1,0); (1,4,2); (-3,1,5) 29. (a, 0, 0); (0, b, 0); (0,0, c)

26. (-2,1, 1); (2, 2,3); (-1, -2, 4) 28. (7,-2,-3); (-4,1,6); (5,':"2,3) 30. (a, b, 0); (a, 0, b); (0, a, b)

31. Muestre que [u x v l- = lul21vl2 - (u . V)2. [Sugerencia: Desarrollc en tcrrninos de sus componcntes.]

32. Use las Propicdades 1, 4, 2 Y 3 (en ese orden) en la Seccion 2.2 para comprobar las partes (i), (iiv; (iii) y (iv) del Teorema 2.

33. Pruebe el Teorema 2( v) escribiendo en forma completa los componentes de cad a lado de la igualdad.

34. Dernuestre el Teorerna 2(vi). ISugerencia: Utilice las partes (ii) y (v) y cl hecho de que el producto escalar es conmutativo para moslrar que II . (II x v) = = u . (II x v).]

35. Demuestre el Teorema 2( vii). [Sugerencia: Usc el Teorema 3.33 y la Propiedad 6.J

a. Calcule el volumen generado por II, v y w.

b. Calcule el volumen generado por All, Av yAw.

c. Calcule el deterrninantc de A.

d. Muestre que [volumen en Ja parte (b)] = (±det A) x [volumen en la parte (a)l·

43. EI triple producto cruz (0 vectorial) de tres vectores en [R3 se define como II x (v X w). Dernuestre que

Il x (v x w) = (u . w)v - (u- v)w.

I al b, ell

U' (v x w) = a2 b2 C2

a3 b, C3

* 37. Sean u, v y w tres vectores que no estan en el mismo plano. Tales vectores forman los Iados de un paralelepfpedo en el espacio (Figura 3.32). Demuestre que el volumen del paralelepipedo esta dado por V = I (II xv) . w l . * [Sugerencia: EI area de la base es III x v I . J

3 .. 5 Rectas y planas en el espacio

Figura3.3g

En eI plano [R2 podemos encontrar la ecuacion de una recta dados dos puntos de la recta 0 un punta y la pendiente de la recta. En [R3, nuestra intuicion nos dice que las ideas basicas son las mismas. Como dos puntos determinan una recta deberiamos ser capaces de calcular la ecuaci6n de una recta en el espacio si conocemos dos puntos en ella. De otra forma si conocemos un punto y la direcci6n de la recta debemos tarnbien ser cap aces de encontrar su ecuacion,

Empezamos can dos puntas P = (XI' YI, ZI) y Q = (X2' Y2, Z2) en una recta L.

Un vector paralelo aLes un vector can represent ante po. Par tanto,

(1)

u

38. Calcule el volumen del paralelepipedo deterrninado por los veetores II = 2i - j+ k , v = 3i + 2j - Zk y w = 3i + 2j.

39. Calcule el volumen del paralclepipedo determinado por los vectores i - j, 3i + 2k, -7j + 3k.

40. Calcule el volurnen de! paralelepipedo deterrninado par los vectores ro, PR y PS, donde P = (2,1,-1), Q = (-3, 1,4), R = (-1,0,2) y S = (-3, -I, 5).

** 41. El volumen generado par tres vectorcs u, v y W de [R3 se define como e1 volumen del paralelepipedo cuyos lados son II, v y w (Figura 3.32), Sea A una matriz de 3 x 3 y sean "I = Au, VI =, Av Y WI = Aw. Muestre que:

es un vector paralelo a L. Ahara, sea R = (x, Y, z) otro punta en la recta. Entonees PR es paralelo a PQ, que a su vez es paralelo a v y asi, por el Teorema 3.3.3

PR= tv

(2)

para algun mimero real t. De la Figura 3.33 tenemos (en cada uno de los tres casas posibles)

(3)

Q

R

Q

* Esto significa que cl volumen del paralclogramo esra dado por

I (al bl C1)1

V = det a2 be C>2

u3 b3 c"

R P P
Y Y Y
Figura 3.33
x x x
(a) (b) (e) 166

3.5 • Rectas y pianos en el espacio

161

CAPITULO 3 • VECTORES EN fRj2 Y fRj 3

Finalmente, como a = I, b = 2 y c = - 8, enconrrarnos las ecuaciones sirnetricas

Ecuacion vectorial de una recta

Ecuaciones parametricas de una recta

Ecuaciones simetricas de una recta

Y, combinando (2) y (3) obtenemos

PR= 75R-OP= tv

o bien

x--2 y+l z-6

--=--=--

1 2 -8

Para verificar esto veamos que (2, -I, 6) Y (3, 1, - 2) estan realmente en la recta. Tenemos [despues de sustituir est os puntos en (7)]

(7)

2-2= -1+1=6-6=0

1 2 -8

3-2=1+1= -2-6=1

1 2 -8

Se pueden encontrar otros puntos de la recta. Si t = 3, por ejernplo, obtenemos x-2 y+l z-6

3=-1-=-2-= -8

que nos da el punto (5,5, -18).

La Ecuacion (4) se denomina ecuacion vectorial de la recta L. Si R esta en L, entonces (4) es satisfecha para algun numero real t. Inversamente, si (4) es satisfecha, entonces, regresando sobre nuestros pasos, vemos que fiR es paralela a v, 10 que significa que R esta en L.

Si desarrollamos en cornponentes la Ecuacion (4) obtenemos

xi + yj + zk = xli + Ylj + zjk + t(X2 - xl)i + t(Y2 - y\)j + t(Z2 - z\)k

Ejemplo!1 Encuentre las ecuaciones simetricas de la recta que pasa por el punto (1, - 2, 4) y es paralela al vector v = i + j - k.

Solud6n Usamos Ia f6rmula (6) con P = (x,, YI> z.) = (1, -2, 4) y v como antes, de forma que a = 1, b = 1 Y c = -1. Esto da

~-=-!:.= Y +2 = z -4

1 1 -1

x = Xl + t(X2 - Xl) Y=Yl+t(Y2-Yl) Z=Zl+t(Z2-Z\)

o bien

(5)

Las Ecuaciones (5) se conocen como las ecuaciones parametricas de una recta.

Finalmente, despejando ten (5) y definiendo x2 - Xj = a, Y2 - Yj = by Z 2 - Z I = c, encontramos que

l,Que sucede si es cero uno de los mimeros directores a, b 0 c?

(6)

Ejemplo 3 Encuentre las ecuaciones simetricas de la recta que contiene a los puntas P=(3,4, -1) Y Q=(-2, 4,6).

b

a

c

Soluci6n

Aqui v = - 5i + 7k y a = - 5, b = 0 y C = 7. Entonces una representacion parametrica de la linea es x = 3 5t, Y = 4 Y Z = -1 + 7t. Despejando t, encontramos que

Las Ecuaciones (6) se conocen como las ecuaciones simetricas de la recta. Aqui a, by c son los nurneros directores del vector v, Desde luego, las Ecuaciones (6) son validas solo si a, bye son distintas de cero.

x-3 z+l

--=--

-5 7

y=4

y

Ejemplo 1 Encuentre una ecuacion vectorial, las ecuaciones parametricas y las ecuaciones simetricas de la recta L que pasa por los puntos P = (2, -1, 6) y Q = (3, 1, - 2).

La ecuacion Y= 4 es la ecuacion de un plano paralelo al plano xz y as! hemos obtenido una ecuacion de una recta en ese plano.

So/udoll

Primero caIculamos: v=(3-2)i+[1-(-l)]j+(-2-6)k=i+2j-8k. Enton~ de (4) si R = (x, y, z) esta en la linea, obtenemos OR = xi + yj + zk = OP+tv=2i-j+6k+t(i+2j-8k) 0

Ejemplo 4

Encuentre las ecuaciones simetricas de la recta (en el plano xY) que pasa por los puntos (Xl' YI' 0) Y (x2, Y2, 0), donde Xl '* x2·

x =2+t

y=-1+2t

z=6-8t

168

CAPiTULO 3 • VECTORES EN L1iS2 Y iJlS3

3.5 • Rectas y planas en el espacio

169

So/udoll En este caso, v

X2-X] Y2-Yl

Podernos escribir esto como

Y - Yl = (Y2-YI)(X -Xl) X2'-Xl

Figura 3.34

y

z~o

Aqui - YI)/(X2 - XI) = m, la pendiente de la recta. Cuando X = 0, Y = YI - [(h - yd/(X2 .: X1)!X1 = b,la interseccion de la recta can el ejey. Esto es, Y = mx + b, que es la forma simplificada de una recta en el plano xy. Asi vern as que las ecuaciones simetricas de una recta en el espacio realmente son una generalizaci6n de la ecuaci6n de una recta en el plano.

Definicion 1

Plano. Sea P un punto en el espacio y sea n un vector dado distinto de cero , Entonees el conjunto de todos los puntas Q para los cuales PO, n = 0 for-

man un plano en

,',Que sucede si dos de los numeros directores son cera?

Notadell Usualmcnte denor arnos un plano por 7r.

Sea P (xo, Yo' zo) un punto fijo en un plano can vector normal n ~ + bj+ck. Si Q=(x, y, z) es cualquier otro p~l1,10 en el plano ento~s PQ= (x - xo)i + (y - yo)j + (z - zo)k. Como PO-.lI1, tenemos que PO . 11 =

O. Pero esto implica que

a(x - xo) .+-b(y - Yo) + c(z - zo) = 0 (8)

Una forma mas comun de escribir la ecuacion de un plano se deriva facilrnente de (8):

Ejemplo 5 Encuentre las ecuaciones simetricas de la recta que pasa por los puntas P= (2,3, -2) Y Q = (2, -1, -2).

Solucioll Aqui V= -4j, de manera que a=O, b= -4 y c=O. Una representacion pararnetrica de Ia recta es, por Ia Ecuacion (5), x=2, y=3-4t, Z= -2. Sabemos que x = 2 es la ecuacion de un plano paralelo al plano yz mientras que z = - 2 es la ecuacion de un plano paralelo al plano xy. Su interseccion es la linea X= 2 z = - 2, que es paralela al eje y. De hecho, la ecuacion y = 3 - 41 dice, esencialmente, que y puede tomar cualquier valor (mientras x y z perrnanecen fijas).

l

ax +by+cz =d

en donde

d = axo + byo + cz., = OP' n

AdvertellciiJ. Las ecuaciones parametricas a simetricas de una recta no son unicas. Para ver esto basta empezar con otros dos puntos de Ia recta.

fjemplo 1

Encuentre el plano 7r que pasa par el pun to (2, 5, 1) y tiene por vector normal al n = i - 2j + 3k.

De (8) obtencmos inmediatamente (x-2)-2(y-5)+3(z-1)=O a bien

Ejemplo IS En el Ejernplo 1 la recta contenia al punto (5, 5, -18). Escojamos ahora P = (5,5, -18) y Q = (3,1, -2). Encontramos que v = -2i - 4j + 16k, asi que x = 5 - 2t, Y = 5 - 4t Y z = -18 + 16t. (Notemos que si t ~ ~,entonces (x, y, z) =, (2, -1, 6).) Las ecuaciones sirnetricas ahora son

Soludoll

x-2y+3z=-5 Este plano esta representado en la Figura 3.35.

(10)

Figura :3.35

x-5=y-5=z+18

-2 -4 16

La ecuacion de una recta en el espacio sc obtiene especificando un punto en la recta y un vector para/eta a esta recta. Podemos deducir la ecuaciori de un plano en el espacio especificando un punto en el plano y un vector ortogonal a cada vector del plano. Este vector ortogonal se conoce como vector normal y se denota por n (Figura 3.34).

110

CAPiTULO 3 • VECTORES EN !PJ2 y!PJ3

3,5 • Rectas y planes en el espacio

111

Observaci6n. EI plano se dibuja facilmente haciendo x = y = 0 en la Ecuacion (l0) para obtener (0, 0, -~); x = Z = ° para obtener (0, ~, 0); y = z = ° para obtener (-5, 0, 0). Estos tres puntas estan en el plano,

Notemos que si escogemos otro punto, digamos Q, obtenemos la ecuaci6n -(x + 2) + 9(y - 3) + 6(z + 1) = 0, que se reduce a -x + 9y + 6z = 23. EI plano se dibuja en la Figura 3.37.

i. El plano xy pasa por el origen (0, 0, 0) y cualquier vector en el eje z es normal a el, De tales vectores el mas simple es k. Asi, de (8), obtenemos O(x - 0) + O(y - 0) + 1 (z - 0) = 0, 10 que nos lIeva a

(0,0,

(- 23,0,0)

Los tres planos coordenados se representan como sigue:

Figura 3.37

z=o

(11)

x

como la ecuacion del plano xy. (Este resultado no deberia ser muy sorprendente. )

ii. Elplano xz tiene la ecuacion

y=o

(12)

Definicion 12 Pianos paralelos. Dos planos son paralelos" si sus vectores normales son paralelos; esto es, si el producto cruz de sus vectores normales es cera,

Dos pianos paralelos se dibujan en la Figura 3.38.

m. El plano yz tiene la ecuaci6n

x =0

(13)

Figura 3.36

Figura 3.3B

Tres puntos no colineales determinan un plano pues ellos determinan dos vectores no paralelos que se intersecan en un punto (Figura 3.36).

x

Ejemplo 9

Los planos 71'1: 2x + 3y - z = 3 Y 71'2: -4x - 6y + 2z = 8 son paralelos pues TIl = 2i + 3j - k, TI2 = -4i - 6j + 2k = -2TII (y TIl X TI2 = 0).

Q

p

Si dos planos no son paralelos entonces se intersecan en una linea recta.

Ejemplo 8 Encuentre Ia ecuacion del plano que pasa por los puntos P = (l, 2, 1), Q = (-2, 3, -1) y R = (1, 0, 4).

Ejemplo 10 Encuentre todos los puntas de intersecci6n de los planos 2x - y - z x+2y+3z=7.

3 y

Soiucioll

Los vectores PO = - 3i + j - 2k y OR = 3i - 3j + 5k estan en el plano y par tanto son ortogonales al vector normal, de donde

So/uciall

Cuando los planos se intersecan tenemos x + 2y + 3z = 7 y 2x - y - z = 3. Resolviendo este sistema de dos ecuaciones en ires inc6gnitas por. reducci6n par renglon obtenemos, sucesivamente,

II:

n = PO x OR = -3 - 2 = -i + 9j + 6k

3 -3 5

G 2 .: I~) A,j-2) (~ 2 3 1-~1)
-1 -5 -7
!(~ 2 ~I~) A (--2) G 0 1 I U)
M2(-~) 2,1 5 5
1 1 7 11
5 5 5' 5" y obtenernos

o

71": -(x--l)+9(y-2)+6(z-1)=O -x +9y +6z = 23

* Notemos que dos planes paralelos podrian ser coincidentes. Par ejemplo, los planos x + y + z = I y 2x + 2y + 2z = 2 son coincidentes (el rnisrno).

172

CAPiTULO 3 • VECTORES EN lTl!2 y!/!;3

3.5 ' Rectas y pianos en el espacio

173

20. Sea L dada en su forma vectorial OR = T5p -i- tv. Encuentre un nurnero t tal que OR sea perpendicular a v.

21. Utilice el resultado del Problema 20 para encontrar la distancia de la recta L (que

contiene a P y es paralela a v) al origen cuando: a, P·::(2, 1,-4); v=i+j+k

b. P=(1,2,-3); v=3i-j-k

c. P=(-1,4,2); v=-i+j+2k

As! y = ¥ - (-Dz y x = Is' - (~)z. Finalmente, haciendo z = t , obtenemos la representacion pararnetrica de la recta de interseccion: x = .!l-~ t, Y = ¥. ~t Y z = t.

Problemas 3.5

L Que contenga a los puntos (2, I, 3) y (L, 2, - I)

2. Que contenga a los puntos (I, -1, 1) Y (- 1, 1, - 1)

3. Que contenga a los puntas (-4,1,3) Y (-4,0, I)

4. Que contenga a los puntas (2, 3, - 4) Y (2, 0, -- 4)

5. Que contenga a los puntas (I, 2, 3) y (3, 2, I)

6. Que contenga a los puntas (7, 1, 3) y (- 1, - 2, 3)

7. Que contenga al punto (2, 2, I) y paralela a 2i - j - k

8. Que contenga al punto (- 1, - 6, 2) y paralela a 4i + j - Jk

9. Que contenga al punta ( - 1, - 2, 5) y paralela a - 3j + 7k

10. Que contenga al punto ( 2, 3, - 2) y paralela a 4k Ll , Que contcnga al punta (a, b, c) y paraleJa a di + ej 12. Que contcnga al punta (a, b, c) y paralela a d k

B. Que contcnga al pun to (4, 1, -6) y paralela a (x -r- 2)/3 = (y + 1)16 = (z - 5)/2

14. Que contenga al punto (3, 1, - 2) y paralcla a (x + 1 )/3 = (y + 3)/2 = (z - 2)/( -4) is. Sea L] dada por

En los Problemas del 22 al25 encuentre una recta L ortogonal a Las dos rectas dadas y que pase a traves del punta dado.

x+2=y-l=~. x-3=y+2""z-8. (1 -32)

22. --3 4 -5' 7 -2 3" ,

x - 2 = Y + 3 = z + 1. x + 2 = y - 5 = z + 3. (-4 7 3)

23. -4 -7 3' 3 -4 -2' "

24. x=3-2t; y=4+3t; z=-7+5t; x=-2+4s, y=3-2s, z=3+s; (-2,3,4)

25. x=4+10t, y=-4-8t, z=3+7t; x=-2t, y=1+4t, z=-7-3t; (4,6,0) '* 26. Calcule la distancia entre las rectas

En los Problemas dell al14 encuentre una ecuacion vectorial, las ecuaciones parametricas y las ecuaciones simetricas de la recta indicada.

x-2 y-5 z-l

Lj: -3-=-2-=--=-1 Y

x-4 y-5 z+2 L2: -4 =-4-=-1-

[Sugerencia: La distancia se mide a 10 largo de un vector v que es perpendicular tanto a L I como a L2• Sean Pun punto en L I Y Q un punto en L2• Entonces la magnitud de la proyecci6n de PO en v es la distancia entre las rectas mcdida a 10 largo de un vector perpendicular a ambas.]

'* 27. Encuentre la distancia entre las rectas

x+2 y-7 z-2 L,: --3-- = --4 - = 4

y

x-I -3

+2 z +1

4 1

y L, dada por

En los Problemas del 28 at 41 encuentre las ecuaciones del plano.

x-3 y+l z-2

"--~=--=--

2 4 1

y

L2:

x-3 5

+1 -2

z --3 2

28. P=(O,Q,O);n=i

30. P = (0, 0, 0); n = k 32. P=(1,2,3); n=i+k

34. P=(2,-1,6); n=3i-j+2k 36. P=(--3, 11,2); n=4i+j-7k

29. P=(O,O,O); a =]

31. P=(I,2,3); n = i+] 33. P=(1,2,3); n=j+k

35. P=(-4,-7,5); n=-3i-4j+k 37. P=(3. -2, 5); n=2i-7j-8k

Muestre que L, cs ortogonal a Lz si y s610 si a.a, b Jr,

16. Dernuestre que las rectas

o,

Lj:

x-I

y+3 z+3

--=--

2 3

y

x-3=y-l

3 6

z-8 9

38. Que contenga a los puntas (\,2, -4), (2, 3, 7) Y (4, -1,3)

39. Que contenga a los puntos ( - 7, 1, 0), (2, -1, 3) y (4, 1, 6)

40. Que contenga a los puntos (I, 0, 0), (0, 1,0) y (0,0, J)

41. Que contenga a los puntos (2,3, -2), (4, -1, -I) Y (3,1,2)

son ortogonales.

17. Dernucstre que las rectas

son paralelas.

Dos pianos son ortogonales si sus vectores normales 10 son tambien, En los Problemas del 42 al46 diga si los planos dados son paralelos, ortogonales, coincidentes (esto es, el mismo) 0 si no se cumple ninguno de estos casos.

42. 'IT,: x+y+z=2; 'lT2: 2x+2y+2z=4

43.1T,: x-y+z=3; 'lT2: -3x+3y-3z=-9

44.11',: 2x--'y+z=3; 11'2: x+y-z=7

45.11'1: 2x-y+z=3;11'2: x+y+z=3

46. 'lTj: 3x-2y+7z=4; '!T2: -2x+4y+2z=16

Las rectas en IR:' que no tienen la misma direcci6n no necesariamente tienen un punta en com lin.

18. Muestre que Ias rectas Lji x = I + i,» = -} + 2t,z = -2-tyL,:x = 17 + 3s, y = 4 + S, Z = -8 - s tienen en com un al punta (2, -I, -3). -

19. Pruebe que Ias rectas Lu x = 2-I,Y = 1 + I, Z = -2tyL2:x = I + s,y =

-2s, z 3 + 2s no tienen ningun punto en comun,

174

CAPITULO 3 • VECTORES EN {}i$2 Y {}i$3

En los Problemas del 47 at 49 encuentre la ecuacion del conjunto de todos los puntas de interseccion de los dos planos.

47. 'IT.: x y+z=2; 'lT2: 2x-3y+4z=7

48. 'IT.: 3x-y+4z=3; 'lT2: -4x-2y+7z=8 * 49. 'IT,: -2x-y+17z=4; 'lT2: 2x--y-z=-7

50. Sea 7r un plano. P un p~.nto del mismo, n un vector normal al plano y Q un punta fuera del plano (ver la Figura 3.39). Demuestre que la distancia (perpendicular) D de Q al plano esta dada par la formula

- IPQ'ol

D = IproynPQI = -10-1-

Figura 3.39

En los Problemas del 51 al 53 encontrar la dis tan cia del punta dado del plano dado.

51. (4,0, 1);2x-y+8z=3 52. (-7,-2, -1); -2x+8z=-5

53. (-3,0,2); -3x+y+5z=0

54. Demuestre que la distancia entre el plano ax + by + cz = d y el punta (x y z)

esta dada par 0, 0' 0

D _Iaxo+ bY9+czo- dl .Ja2+b2+c2

El angulo entre dos pianos se define como el lingula agudo* entre sus vectores normales. En los Problemas del 55 al 57 halle el valor del lingula entre los dos planos.

55. Los planos del Problema 47.



* 59.

Sean u y v dos vectores dis tint as de cera, no paralelos, en un plano 71". Muestre que 51 w es otro.vector cualquiera en 7r entonees existen escalares 0' y (3 tales que w = 0' U + (3v: E~ta se conoce como la representacion parametrica del plano 7r. [Sugerencia: Dibuje un paralelogramo en el eual au y (3v formen los lados adyacentes y el vector diagonal sea w.]

Se dice que tres vectores u, v y w son copianares si los tres estan en el mismo plano 7r. Muestre que 51 U, v Y w pasan par el origen entonces son coplanares si y s610 si el triple producto escalar II . (v x w) es cera.

* Recuerde que lin angulo aguclo " es un angulo entre 0° y 90°, esto es, 01 E [0, 1f12).

--~~

Ejercicios de Repaso • Capitulo 3

175

En los Problemas del 60 al64 diga si los tres vectores de posicion dados (esto es, can uno de sus puntas finales en el origen) son coplanares. Si son coplanares encuentre la ecuacion del plano que los contiene.

60. u=2i-3j+4k; v=7i-2j+3k; w=9i-5j+7k

61. u=-3i+j+8k; v=-2i-3j+5k; w=2i+14j-4k

62. u=2i+j-2k; v=2i-j-2k; w=2i-j+2k

63. u=3i-2j+k; v=i+j-5k; w=-i+5j-16k

64. u=2i-j-k; v=4i+3j+2k; w=6i+7j+5k

Ejercicios de repaso ., CapItulo 3

En los Ejercicios dell al6 encuentre la magnitud y fa direccion del vector dado.

1. ,,=(3,3) 2. v=-3i+3j 3. v=(2,-2.J3)

4. v=(.J3, 1) 5. v=-12i-12j 6. v=i+4j

En los Ejercicios del 7 allO escriba el vector representado par PQ en la forma ai + bj. Dibuje PQ y v,

7. P=(2,3); Q=(4,5) 8. P=(1,-2); Q=(7, 12) 9. P=(-1,-6); Q=(3,-4) 10. P=(-1,3); Q=(3,-1)

11. Sean u (2, 1) y v = (-3, 4). Determine: (a) 5u; (b) u - v; (e) -8u + 5v.

12. Sean u = -4i + j y v = -3i - 4j. Determine: (a) -3v; (b) u + v; (e) 3u - 6v.

En los Ejercicios dell3 al19 encuentre un vector unitario que tenga fa misma direccion que el vector dado.

13. v=i+j

16. v=-7i+3j

19. v=ai-aj

20. Si v = 4i -7j, encuentre sen IJ y cos IJ, donde IJ es la direcci6n de v.

21. Encuentre un vector unitario can direcci6n opuesta a la de v = 5i + 2j.

22. Encuentre dos vectores unitarios ortogonales a v = i - j.

23. Encuentre un vector unitario con direcci6n opuesta a la de V= lOi-7j.

14. v=-i+j 17. v=3i+4j

15. v=2i+5j 18. v=-2i-2j

En los Ejercicios del 24 al27 encuentre un vector v can fa direccion y magnitud dadas.

24. ivl = 2; fI = 'IT/3 26. Ivl = 4; 8 = "IT

25. Ivl = 1; fI = 'lT/2 27. Ivl = 7; fJ = 5'IT/6

En los Ejercicios del 28 at 31 calcule el producto escalar de los dos vectores y el coseno del lingula entre elias.

28. u=i-j; v=i+2j

30. u=4i-7j; v=5i+6j

29. U= -4i; v= llj

31. u=-i-2j; v=4i+5j

En los Ejercicios del 32 al37 diga sf los vectores dados son ortogonales, paralelos a ninguna de las dos casas. Luego dibuje cada par.

32. U= 2i-6j; v=-i+3j 33. u= 4i-5j; v= 5i-4j

34. U= 4i-5j; v= -Si+4j 35. u= -7i-7j; v= i+ j

176 CAPITULO 3 • VECTORES EN [J& 2 Y [R3

Ejercicios de Repaso • Capitulo 3 177

36. u=-7i-7j; v=-i+ j 37. u=-7i-7j; v=-j-

38. Sean u = 2i + 3j Y v = 4i + oj. Encuentre a tal que

a. u y v sean ortogonales.

b. u y v sean paralelos,

c. El angulo entre u y v sea 11"/4.

d. EI angulo entre u y v sea 11"/6,

70.

k.

1)/5 = (y - 2)/(-3) =

71.

Que contenga al punto (3, 1, 2) y sea paralela a 3i - .i Que contenga al punto (1, -2, -3) y sea paralela a (x + (z - 4)/2,

72. Muestrc que las rectas Lj: x = 3-2t,y=4 + I,Z = -2 + 7tyL2:x = -3 + s, y = 2 - 4s, Z = 1 + 6s no tienen puntos de interseccion.

En los Ejercicios del 39 at 44 calcule proy,u.

39. u=14i; v =I+] 40. u=14i, v=i-j

41. u = 3i - 2j; v = 3i + 2j 42., u = 3i+ 2j; v = i - 3]

4~. u=2i-5j; v=-3i-7j 44. u=4i-5j; v=-3i-j

4;). Se~ = (3, -2), Q = (4,7), R = (-1,3) y S = (2, -1). Calcule proyP(j RS y proy RSPQ,

73. Encuentre la distancia del origen a la recta que pasa por el punta (3, I, 5) y tiene la direccion del vector v = 2i - j + k.

74. Encuentrc la ecuacion de la recta que pasa por (-\, 2, 4) y es ortogonal a L ]: (x - 1)/4 = (y + 6)/3 = z/(-2) y L2: (x + 3)/5 = (y - \)/1 = (z + 3)/4,

46. (4,-1,7); (-5,1,3) 48. (2, -7, 0); (0,5, -8)

47. (-2,4, -8); (0,0,6)

En los Ejercicios del 75 a/77 encuentre la ecuacion del plano que contenga al punta dado y sea ortogonal al vector normal dado.

75. P=(l, 3, -2); n=i+k

76. P = (1, -4, 6); n = 2j - 3k

77. P = (-4, 1, 6); n = 2i - 3j + 51.

78. Eneuentre la ecuacion del plano que contiene a los punt os (-2, 4, 1), (3, -7, 5) Y (-I, -2, -1).

79. Encuentre todos los punt os de interseccion de los planes 11"): -x + y + Z = 3 Y 11"2: -4x + 2y - 7z = 5,

80. Obtenga todos los puntos de interscccion de los planos 11"]: -4x + 6y + 8z = 12 Y 11"2: 2x -- 3y - 4z = 5,

81. Obtenga todos los puntos de interseccion de los planos 11"]: 3x - y + 4z = 8 Y 11"2:

-3x - y - llz = O.

82. Encucntre la distancia del punta (L, -2, 3) al plano 2x - y .- z = 6.

83. Encuentre el angulo entre los planos del Ejercicio 79.

84. Muestre que los vectores de posici6n u = i - 2j + k , v = 3i + 2j - 3k Y w = 9i - 2j - 3k son coplanares y encuentre la ecuacion del plano que los contiene.

En los Ejercicios del 46 al48 encuentre la distancia entre los dos puntos dados.

En los Ejercicios del 49 at 51 encuentre fa magnitud y los cosenos directores del vector dado,

49. v=3j+l1k 51. V= -4i +j+6k 52.

50. v=i-2j-3k

53.

Encuentre un vector unitario en la direcci6n de PO donde P = (3 - 1 2) y Q _ (-4,1,7), '" -

Encuentre un vector unitario cuya direcci6n sea la opuesta a la de po, donde P = (1, -3, O)yQ = (-7, I, -4),

En los Ejercicios del 54 al 61 sean u w = 21 - 4j + k. Catcute;

i - 2j + 3k, v

-3i + 2j + 5k y

54. u-v 57. proiw II

60. EI angulo entre II y V

55. 3v+5w

58. 211-4v+7w

56. proy.w

59. U'w-w'V

61. EI angulo entre v y w

En los Ejercicios del 62 at 65 encuentre el producto cruz u X v,

62. u=3i-j; v=2i+4k

64. u = 4i - j + 7k; v = -7i + j 211:

66. Encuentre dos vectores unitarios V= -2i-3j+4k,

67. Calcule el area del paraleiogramo can vertices adyacentes (1 4 - 2) (- 3 I 6) ,

(I, 2, 3). " , "l

63. u=7j; v=i-I{

65. u=-2H3j-'iI:; v=-3Hj-lOk ortogonales tanto a II. = i - j + 3k como a

En los l!i~rcicios del 68 al71 encuentre una ecuacion vectorial, las ecuaciones parametricas y las ecuaciones simetricas de la recta dada,

68. Que contenga a los puntas (3, - 1, 4) y ( - 1, 6, 2)

69. Que contenga a los puntas (-4, 1,0) y (3,0,7)

CAPITULO

Espacios vectorial s

4. 1 I ntroducci6n

Segun se vio en el capitulo anterior, los conjuntos ~2 (vectores en el plano) y ~3 (vectores en el espacio) tienen propiedades interesantes. Asi, si sumamos dos vectores en ~2 obtenemos otro vector en ~2. Sometidos ala suma, los veetores en 1R2 son conmutativos y satisfacen la ley asociativa. Si x E 1R2, entonees x+O=x y x+(-x)=O. Ademas, podemos multiplicar los vectores en 1R2 por escalares y estahlecer varias leyes distributivas. Las mismas propiedades tam bien valen en 1R3.

A los conjuntos como ~2 y 1R3 se los llama espacios vectoriales. Intuitivamente, podemos deeir que un espacio vectorial es un eonjunto de objetos que cumplen con las reglas descritas en el parrafo anterior.

En este capitulo pasaremos de un mundo concreto, en donde resolviamos ecuaciones y tratabamos con vectores facilmente visualizables, a un mundo abstracto de espacios vectoriales arbitrarios. Esto es muy ventajoso, ya que, si establecemos una cierta propiedad sobre espacios vectoriales en general, podemos aplicar dicha propiedad a lode espacio vectorial. De otra forma, tendriamos que demostrar dicha propiedad una y otra vez para cada nuevo espacio vectorial que estuvieramos tratando (y de hecho, hay una cantidad innumerable de ellos), Ademas, como se vera mas adelante, los teoremas abstractos que demostraremos no son mas dificiles que los que ya hemos visto en este libro.

4.2 Definicion y propiedades basicas

Espada vectorial real. Un espacio vectorial real Ves un conjunto de objetos llamados vectores, junto con dos operaciones, llamadas suma y multiplicacion por un escalar que satisfacen los diez axiomas que se enumeran a continuacion.

119

180

Ejemplo 6

CAPITULO 4 • ESPACIOS VECTORIALES

Notaci6n

Si X Y Y estan en V y si ex es un numero real, entonees eseri biremos x + y para la suma de x y y y a x para el produeto esealar de a y x.

Ejemplo 3

4.2 • Definicion y propiedades basicas

181

Antes de enumerar las propiedades de los vectores en un espacio vectorial, hagamos un par de aclaraciones. Primero, si bien es cierto que es muy uti! pensar en [R12 0 en 1R3 cuando tratamos con algun espacio vectorial, es frecuente encontrarse con espacios vectoriales cuya forma es muy diferente de la de estos espacios tan familiares.' (Esto 10 veremos muy pronto.) Segundo, la Definici6n I se refiere a un espacio vectorial real. La palabra "real" significa que los escalares que usamos son reales. Es muy facil definir un espacio vectorial complejo usando numeros cornplejos en lugar de numeros reales. En este libro se trata basicamente con espacios vectoriales reales, pero no es muy dificil hacer generalizaciones a otros conjuntos de escalares.

Sea V = Ill. Es decir , V conticnc solarnente el nurncro I. En este caso, ~. 110 es un espacio vectorial, puesto que no cumple con el axioma (i). Para ver esto,

simplcmente notemos que 1 + I 2 E V.

Ejemplo"

Axiomas de sn espado vectorial

i, Si x E Vy Y E V, entonces x + y E V (es decir, Ves cerrado para la suma).

ii. Para todos x, y, z en v, (x + y) + z = x + (y + z) (ley asociativa de la suma).

iii, Existe un vector 0 E Vtal que para todo x E V, X + 0 = 0 + x = x (0 se conoce como neutro aditivo).

Iv. Si x E V, existe un vector -x en V tal que x + (-x) = 0 (-x se conoce como e1 inverso aditivo de x).

v. Si x y y estan en V, entonces x + y = y + x (ley conmutativa de la suma de vectores).

vi. Si x E V, Y a es un escalar, entonces ox E V (se dice que Ves cerrado para la multiplicaci6n escalar).

vii. Si x y y estan en V y si a es un escalar, entonces a (x + y) = ax + exy (primera ley distributiva).

viii. Si x E Vy si a y (3 son escalares, entonces (ex + ,B)x = ox + (3x (segunda ley distributiva).

ix. Si x E V y si ex y (3 son escalares, entonces a«(3x) = a(3x (Iey asociativa de la multiplicaci6n por escalar).

x, Para todo vector x E V, Ix = x Cal escalar 1 se Ie conoce como neutro multiplicativov.

Ejemplo 5

Ejemp/o 1 £1 espacio IR'~ Sea V = [R1" = {(Xl' X2, •.• , Xn): X, E [R1 para i = 1,2, ... , n}.

De la Secci6n 1.3 (vease Teorema 1.3) podemos ver que V satisface todos los axiomas de un espacio vectorial si tomamos a [R1 como el conjunto de escalares.

Ejemplo i

Sea V= {OJ. Esto es, V contiene solamente el numero O. Ya que 0 +0 = 1·0 = 0+ (0 + 0) (0 + 0) + 0 0, vern os que V es un espacio vectorial. llarnado frccuenternente espacio vectorial trivial.

Sea V = {(x, y): Y mx, donde m es un numero real fijo y X es un numero real arbitrario}. Esto es, V consiste en todos los puntos que estan sobre la recta Y = mx que pasa pOT el origen y que tiene pendiente rn . Supongase que (Xl' YI) Y (x2, Y2) estan en V. Entonces YI = mx., Yz = mx., Y

(Xj,Y!) + (X2,Y2) = (xj,mxl) + (X2.mxZ) = (Xl + x2,mx! + mX2) = (XI + Xz, m(x! + X2» E V.

EI axioma (i) se satisface. Los axiomas (ii), (iii) y (v) son obvios. Mas aun, -(x, mx) = (-x, -mx) = (-x, m( -x» E V

y

(x, mx) + (-x, m( -x» = (0,0) = 0

de modo que el axioma (iv) tambien es satisfecho. Los demas axiomas se verifican con facilidad y se ve que el conjunto de puntos en el plano que quedan sobre 1a recta que pasa por el origen constituye un espacio vectorial.

Sea V = {(x, y): y = 2x + 1, X E [R1}. Esto es, Ves el conjunto de puntos sobre 1a recta Y = 2x + 1. V no es un espacio vectorial porque la cerradura no se cumple, como en el Ejemplo 3. Para ver esto, supongamos que (x., YI) Y (Xz, Y2) estan en V. Entonces,

(XI' Y1) + (X2. Y2) = (Xl + X2, Yt + Y2)' Si este ultimo vector estuviese en V, tendriamos que

Y1 + Y2 = 2(X1 + X2) + 1 = 2Xl + 2X2 + 1.

2Xl + 1 Y Yz = 2X2 + 1, as! que

Yl + Y2 = (2Xl + 1) + (2X2 + 1) = 2Xl + 2X2 + 2.

De aqui se concluye que

Pero Yl

(X2' Y2) E V.

Sea V = [(x,y,z): ax + by + cz = OJ. Esto es, Ves el conjunto de puntos de [R13 que estan sobrc cl plano que pasa por cl origen con vector normal (a. b,c). S11- pongamos que (x., Yl> Z1) Y (X20 Y2, Z2) estan en I'. Entonccs (XI' Y1, Z1)+ (x2, Y20 Z2) = (x. + x2, YI + Y2, ZI + Z2) E V porque a(xi + X2) + b(Yl + Y2) + C(ZI +Z2) = (axl+bYl+czl)+(ax2+bY2+CZ2)= 0 + 0 = 0; porlotanto, se satisface el axioma (i). Puede verificarse facilmente la validez de los otros axio-

Algebra Lineal Stanley Grossman Parte 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Lineal Stanley Grossman Parte 1

Uploaded by

Copyright:

Available Formats

;/

You might also like

Algebra Lineal Stanley Grossman Parte 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Lineal Stanley Grossman Parte 1

Uploaded by

Copyright:

Available Formats

﻿;/

You might also like

;/