ALGEBRA LINEAL CLAUDIO DE J. PITA RUIZ Escuela de Ingenieria Universidad Panamericana sion técnica Fernando Vera Badillo Ing. Civil, Universidad La Salle Maestro en Ciencias, UNAM Profesor Investigador Universidad La Salle McGRAW-HILL MEXICO + BUENOS AIRES * CARACAS + GUATEMALA + LISBOA + MADRID © NUEVA YORK. PANAMA » SAN JUAN » SANTAFE DE BOGOTA » SANTIAGO » SAO PAULO. AUCKLAND + HAMBUASO * LONDRES * MILAN * MONTREAL « NUEVA SELtll + PARIS ‘SAN FRANCISCO » SINGAPUR + ST, LOUIS + SIONEY * TOKIO * TORONTOALGEBRA LINEALPROLOGO Not being familiar withthe concepts cof Linear Algebra such s linearity, vector, lnese space, mattis, ete snowadiys amounts elmost io being iterate in the natural sciences and pethaps in the social sciences as wel Lore Gieding i lgebia ives, Have ulgunos anos esta dlisciplina matemaitiea era estudiada solamente por personas que se estaban format: do dentto de alguna earreta de “elencia pura”, como mateméticas o fisiea. Es por {¢s0 que actuslmente existen en el mereado algunos textos eseritos previsamente paraeste pibico. Estos textos son, sin duda alguna, exeelentes libros sobre el toma, pero tienen Ia earacteristica de ser muy rigurosos o muy ambiciosos en lo que respecta la generalidad de la teoria tratada, ‘Mis recientemente, el dlgebra lineal se ha convertido en una parte de la Imatemiética que resulta ser indispensable para cualquict persons gue estudia una carrera cientificao téenica, como lo es cuslquict rama de la ingenietia. Esentonces ‘ahora, que han comenzad a aparecer algunos libros sobre este tema con caract tisticas distntas de aguéllas que mencionaba anteriormente. La intencidn de esta nueva generacion de textos de lgcbta lineal es introducir de la matematica de un modo “didictico”, partiendo de situaciones coneretas y simples, recortiendo paso a paso el camino de la generalizacién y desembocando finalmente en las grandes y maravillosas ideas que aparecen en esta teora, fas cuales resultan set de capital imporiancia en estudios pastetiotes de matem ode ciencia aplicada Este es precisamente el espititu que tiene In presente obra, El material aqui presentadbo tiene un earicter elemental (lo eual no significa que sea fil) en cuanto que no pretende resaltar los aspectos mis generales de las ideas expuestas. Sin embargo, se ha tratado siempre de explotar al méximo estas ideas con el fin de obtener en cada tema el mayor ndmero de resultados que este tratamiento elemental permiteALGEBRA LINEAL Prohibida la reproduccién total o parcial de esta obra, por cualquier mecio, sin autorizacién escrta del editor. DERECHOS RESERVADOS © 1991, respecto a la primera adiciéa por McGRAW-HILL[INTERAMERICANA DE MEXICO, S. A, de C. V. ‘Atlacomulco 499-501, Fracc. ind. San Andrés Atoto 83500 Naucalpan de Judrez, Edo. de México Miembro de la Cémara Nacional de la Industria Editorial, Reg. Nim. 1890 ISBN 968-422-777-9, anse7g0012 INGOT 9087649215 Impreso en Mico Pte in Mexico Esta obra so tering da Imprimir en Septembre d'1995 en Programas Educallves, S.A. do. Cal. Chabacano Num. 65. Col Asturias Delegactin Cuauhtémoc ‘06280 Mexico, DF a Se taron 500 ejmsiaas Las matematicas constituyen una aetividad regida por las mistas reglas imp «as sinfonias de Beethoven, las pinturas de Da Vinei y las poesias de Homero. [Asi como las esealas, las leyes de Ia perspectiva y la mettica patecen carecer de vitalidad y ardor, poded parecer que las reglas formales de las materniticas som tediosas, Sin embargo, las matemtieasalcanzan pindculos tan elevados como los logrados pot la imaginacién de sus mas osados exploredores. ¥ agut se encietta, ‘quizi, la whima paradoja de la ciencia, puesto que en su prossico trifago, tanto la Fgica como las matematicas dejan atti frecventemente, a su avanzada y muestren aque el mundo de la razén poraes mis extrafio ain que ef mundo de la fantasia pura E, Kaswen/J. Newnan (Maremdticas e imaginacin)vill ALGEERAUNEAL 1 ilgebra lineal es una base que soporta otros estudins importantes en mate: mites (ls cuales a su Vez resullan ser eentrales para los ingeniero, los fiscos, ete). En muchos casos importantes, Ia manera de aeluar en este soporte es proporeionando un lenguaje adccuado y preciso para estudiar algunas otras ideas ‘matemiticas, Un ejemplo de este hecho se encuentra en el estudio del eileuto de funciones del tipo f: US R* = Re, eon ny m ntimeros naturales srbtrarios, en donde para estableeer de une manera precisa el concepto de devivada de una fine, es necesario hacerlo con el Ienguje del algebra line De esta manera, cada libro sobre el tema presents una manera distnta de construrlabase-soporte de élgebra lineal. La elaboracisn que presenta este libro pretende ser simple pero sida, de modo que, por una pare, el estudiante ls pueda incorporat a sus conocimientos sin mucha dificultad y, por otra, pueda servirle adeeuadamente como apoyo pars estudios posterior. El lector pod ver distrlbuides alo largo de la obra una buena eantidad de apéndices, tanto de secciones particulars de algin capitulo, como de eapitulos, tmismos, Algunos de estos apéndices tienen la finalidad de exponer temas que, aun, dontro del earicier elemental de toda la obra, son menos elementales que los temas {que conforman propiamente el cuerpo principal del libro, pero que sin embargo, dlependiendo das intenciones de cada curso particular, podrian ser ineluidos en _unprimer oenunsegundo eutso sobre ilgebra lineal (al es eleaso de lasapendices y IL del capitulo 4, por ejemplo). Algunos otros apéndices no eontienen materi ‘evo sobre élgebra lineal. En ellos, la intencidn es usar algunas ideas previamente estudiadas para aplicarlas a la solucién de varios problemas “prietieos” (éste es el «aso del apéndice de la seccion 4 del capitulo 5, por ejemplo) De cualquier modo, el conjunto de apéndices de este libro consttuye un ‘material opcional para un primer curso estndar y elemental sobre esta materi, La seouencia que siguen los temas desarrollados a lo largo de los capitulos es tal que eada capitulo requiere, en general, el conocimiento del material diseutido cn los capitulos que Je anteceden. En otras palabra, el libro presenta una estruc- tura de expesictin pramidal, eniendo la base en el capitulo 1 y en la eispide el capitulo 7. Se incluye un capitulo de conceptos generales (wéase la introduccidn) que presentan ailisisbastante concisos sobre tres temas importantes de cultura general cenmatemiticas:eonjuntos (que se usa constantemente en todo el libro), relaciones de equivalencia (que se usa en los capitulas 3, 4 y 6) y funciones {uno de los conceptas mis importantes de la matemitica, que se usa, bajo diversas formas, en todos los eapituls). En cl capitulo 1 se stdin fos sistemas de ecuaciones lincales y las matrices En las seeciones | y 2 se hace un estudio bastante elemental sobre sistemas de ccuuciones lineales. El interés principal es establecer una hettamnienta eon Iu que se trabajar encel resto del libro. Es por eso que el énfasis en el tratamiento de este {oma es en este momento de earicter operativo: se trata de ver cémo resolver sistemas de ecuaciones lineales. AL intentar contest esta pregunta se producixin, las primeras euestiones tebrieus inleresantes alrededor de este tema, el cual es retomaclo en Ia sein 7 del eapitulo 4, en donde, ya con un lenguaje propio det flgebra lineal (teansformaciones lineales entze espacies veetoriales) se obtienen PrbLo90 Ix algunos otros resultados tricos “no elementales” sobre sistomis de ectaciones lineales y mattices. Las dos seeciones restantes de este capitulo se dedican a «estudiar el itmportante concepto de mattr, asi como a establecer algunas de lss propiedades mis importantes qu tine estos “enfes matemiticos” En ealidad, ‘este eoncepto es introducido desde la seccién 2 (subscecién 2.1) en tm intento de simplificaciénen la notacién parael proceso de solueidn desistemas de ecuaciones lineales) El capitulo 2 contiene un aceteamiento elemental a a teoria de determinantes ‘AL igual que en el capitulo 1, no se pretende hacer un estudio exhaustivo de esta teorla, pues, por una parte, éste quedaria fuera de los aleanecs y objetivos de | obra, y, por lta parte, el interés en este capitulo sigue siendo dessrollar mis hrerramientas que nos permitan navegat, con el menor nimero de diffeultades t€enicas, pr los capitulos subsecuentes Podkamos decir que el eaptulo3 exe “primer” eapitulo del libro, en el sentido ‘de que enél se estuia la primera de las abstraciones fundameniales ent algebra Lineal el concepto de espacio vectorial. A partide este capitulo y en lo que testa {el libro, se puede ver el uso que se hace de ls deus y metodos desarollados en los dos primeros capitulas con el fin de lograr una mejor comprensin de los pantos {que involucra el estudio de esas maravillosas y potenes ideas que apareccn eh el Algebra lineal. El sabor de a abstracelén matetiica, que apenas se esbozs en los capitules 1 y 2, eomionza alhacerse mis palpablea pat deste capitulo. La manera ‘como se pretende lograr que el estudiante entienda estas nuevas abstraceiones mateméticas es mostrando una gran eantidad de ejemplos conerets (algunos de «ellos numéricas) que ilstten eada uno de los eoneepios introduekdos. Es por eso ‘que después de presentar una definiién o de obtener un resultado apateee, si por regla genera, la frase “por ejemplo..." El capitulo 4 trata sobre las transformaciones lieales. La sospecha de que las transformaciones lineales y las matrices sean paricntes muy eereanos trata de sembrarse desde la primera seein, en donde se da la defini y los primeros ejemplos de transformaciones lineales. Esta sospecha se eonvierts en una realidad en la seccion 3. BI lector interesado en ir mis al fondo de esta relocisn entre transformaciones linealesy matrices puede estudiar el apéndice de laseceiin 5,en donde se muestra que el dlgebra de las transformaciones lincales enc espacios vectoriales de dimension finita es iséiorfa algebra de matrices. En la seeetin 6 se otoma el anilisis que sobre isomorfismos entre espacios vectoriales se hizo en Inseecién 6 (eubsecciin 62) del capitulo 3. Eta secein contens un apindive que muestra emo pueden ser usados los métodos del lgebra lineal para hall antiderivadas de algunas fonciones. Este “método" de integracién no tiene valor alguno desde el punto de vista prietico, per slo tiene desde el punto de vista de Iabelleza de las ideas involueradas. Se presentan,finalmente, des apéndices en el capitulo 4, En el primero de ellos se estudian los funcionales lincles: se presenta el concepto de espacio dual aun espacio veetoral, el eoncepto de espaefo bidual yysu somorfismonatural eon el espacio del que procede, el eoncepiode ranspuesta de una transformacisn lineal y, por illimo, se da una caracteizaciin de los hiperplanos como nicles (trasladados) do funcionales lineales. El apéndice I introdace el importante concepto de espacio vectorial cociente. Al lestor conintereses dentro de las materaticas le es ampliamente recomendado el estudio de este apéndice, pues la construceidn de estructuras coeientes es una de las herr ‘mientas mis usadas en muchos otros estudios de matemiticns. En el eapitulo Sse estudian de nuevo los espacios vectoriales, pero ahora con ‘un nuevo ingrediente que les da una gran riqueza estructural: el producto intetno, Este ingredionte permite, en muchas ocasiones, tenet imagenes geométricas de los resultados obtenides. La seccidn 4, que trata sobre bases ortonormales, eontiene ‘un apéndice sobre el método de los minimos euadrados, el eval es muy usado dentro Ge cietios estudios de ingenietia y de ciencia aplicada en general Et capitulo 6 es, sin dada, uno de los eapitules mus importantes del libro. Bn él se estudia lo relacionado a los valores y vectores propios de transformaciones lineales y matrices. En este capitulo se da respuesta a una pregunta que fe planteada en la secein 4 del capitulo 4: dada una matriz cuadrada, jes ésta ‘semejante a una matriz diagonal? La respuesta, comose ve en este capitulo, es que dlesgraciadamente no cualquier matriz es semejante a una mattiz diagonal; estoes, ‘no toda matriz es diagonalizable. Esta propiedad de diagonalizacién de una mattiz es estudiada en Ia seeeién 3 usando el polinomio minimo de la matriz (\eotema 3.6). Enesta seecion tainbicn se establece el elebre teorema de Hamilton-Cayley. Se incluye un apéndice sobre teorta de grficas. Esta es una paste dela matemitien ontemporinea de gran riqueza y uilidad préetica, En este apéndige solament ‘muestran algunos aspeetos de a teor‘a que tienen conexisn con el silgebra lineal En el capitulo 7 se estudian las formas bilincales y euadriticas. En realidad, «fos temas pertencven ya. Loy tertenos del dlgebra muitlincal, pero, debido ales ‘muy importantes aplicaciones que tienen las formas euadrticas (como por ejemplo !as pesentadas en las secciones 3 y 4 de este capitulo) es que muchas veees se incluye su estudio en un curso introductorio de élgebra lineal EE fibro contiene mas de 900 problemas propuestos para que el estudiante resuelva, En el apéndice se dan Ins respuestas, en algunos casos, las soluciones «explicitas de la mayoria de estos problemas. Fl papel que desempeiis la resolvcién, dle éstos en la comprensidn de la teoria discutida en el textos, como cn la mayorta de los libros de matemtieas, fundamental. El quedarse eontemplando las det clones y los teoremas que aparecen en el libro, seguramente no conduciré al estudiantea a asimilaeidn de la teoria, Muchos de estos problemas son mutnéricos, dvearictcr operativo. A este respecto, esnecesaria una aclaracisn: el dlgebta lineal ‘no es solamente un ctimulo de téenieas de cémo resolver sistemas de eeuaciones, «cémo hallar bases de espacios veetoriales, edmo determinar los valores y vectores Propios de una mattiz, ete, Los problemas numétieos tienen muchas veees la intencisn de reforzar este aspecto operativo (que ciertamente ayuda ala compren- sidn de la materia). Sin embargo, un curso de dlgebra lineal debe ir ms lejos del caricter operativo, tratando de instalar en el estudiante una serie de conocimientos, ue, por una parte, le den formacién dentro del tipo de razonamiento analitico propio de la matemitica, y, por otra, le sirvan en futuros estudios de esta u otra parte del conocimiento cichtifico. Es por eso que en algunos otros de los problemas Dropuestos se pide “demuesize que . ..". En ello, se invita al estudiante a echar ‘mano de Ia teoria previamente estudiada para establecet Ia valides del resultado indicado en el problema, Se han elasifieado los problemas propuestos en dos clases muy generates: los que no requieren mas que de la aplicacién directa de la teorfa disculida ct cl texto (previamente asimilada, claro esti) y los que presentan cietto ptado de dificultad Adicfonal, ya sea porque Is habilidad operativa que demanda para su solucion es alla, o porque quizis requiere de un “chispazo adicional’a Ia cori discutida en el fexto pars demostrar un cierto resultado. Estos tkimos hen sido mateados con un equefio citeulo y, a su vez, se han subdividido en cuatro subclasess el nimero entro del eirculo indica el “grado de dificultad Por iltimo, deseo hacer patente mi agradecimiento las autoridades de ta Universidad Panamericana que me brindaron su apoyo para la realizacisn de esta obra. Agradezco también al Dr. Francisco Gonailez, Acuia el haber usado eoino texto la primera versién de este libro en vn eurso que impartié en 1990; frato de clo fueron una serie de valiosos comentarios que influyeron en la estructura de la versiGn definitive de la obra que ahora se presenta, Agradezco también a la Srita. Irma Cuéllar Carmona quien realizé el trabajo meesnogritico original, Alejandro Lopez Léper y Ricardo Téllez Reyes, quienes trabajaron conmigo durante todo un semestre en la ttiniea labor de revisin de los originales y, muy especialmente, al ‘matemitico Alfonso Leal Guajardo, quicn me ayudé.a detectar algunos de los ertores “mis escondidos” que se encontraban todavia en la primera version del lilo, asf ‘como a presentar las soluciones de muchos de los problemas propuestos, México, D.F., enero de 1991 Claudio Pita Ruie Escuela de Ingenieria Universidad PanamContenido Prélogo Introduccion... 1, Sistemas de ecuaciones lineales y matrices ........+- 1 Conjuntos oA Relaciones de equivalencia Fonciones Ejercicios Sistemas de ecuaciones lineales LL Sistemas equivalentes y el método de eliminacién Ejercicios El método do eliminacién de Gauss-Jordan 2.1. Matrices y sistemas de ecuaciones . 2.2. Opetaciones elementales en las lineas de una mattiz 2.3. El método de eliminacién Gaussians 24 Sistemas homogéncos dk Ejercicios -cuaciones lineales Matcices I: Operaciones eon mattices 3.1 Suma y producto por un escalar 3.2. Producto de matrices 3.3. Patticién de matrices coca 34 La sohucién de un sistema no homogéneo de ecuaciones lineales Ejercicios Matrices I: Inversibilidad . 4.1 Definiciones y resultados prefiminares 56 58 64 1 B 80 sl xillxiv ALGEERALNEAL fndwoco xvii 42. Matrices elementaes - _ 87 4.3 Complementos ortogonates 456 oo Apéndice. El método de mfnimos cuadrados 461 4.4. Mis sobre inversibilidad . oe 94 Ejercicios 470 Bjercicias ces ~ 8 fs : 5. Transformaciones ortogonales . 47 2. Determinantes ........ Ejercicios pecdododeeca 485 1. Peemutaciones Bjercicios Apéndice, Funcionals lineales en espacios eon product interno 488 i Ejercicios .. paeeneaes . 498 2. Definici y propiedades . ug 21 Definicién de determinante 119 6. Valores y vectores propios wee + 494 22 Propiedades ...cveeveevecseeese e « ral 1. Definicién y resultados preliminares: tee 496, 23. Operacionesclementales y deteminantes ss... 126 pa a 11 Valores ptopios sess es++ 498 1.2 Vectores propio. Bspacios propios 501 3. Eldeterminante de un producto de mattiees .....606.660ccecreee 139 we Ejercicios ve. e eevee . ves 507 Bjercicios ee ceesvsees 143 ‘ 2. Diagonalizacion ......sessseecseseeesees coven SB 4, Desatollo por cafactores sewdeciene MS Bjercieios eS eaten 330 Ejercicios . Q 156 3. El polinomio minimo de una maiz y el teorems de Hamilton-Cayley 534 5. Laadjunta de una matriz . ve 160 Ejercicios ou 5.1 Una formula para la inversa : 162 52 Laregla de Cramer 165 | 4, Dingonalizacgn ottogonal.......esceeeseeee cop 551 Bercicios 167 Ejercicios 561 Apinuice, El doterminante de Vandermonde 1m Apéndice, Sobre la teora de grifieas 2.2.2. c.. ee Blercicios " ! AL Algunas definiciones preliminares . oro Ho ic i A.2_ Gnificas y matrices .......... ee cae 565 Espacios vectoriales .......... seveeees 176 i ioe 569 1. Definicién y observaeiones preliminares . 178 AA Elespectro de una grifica sm Ejercicios . 182 1 AS Unacota paral espectto .....c00ccecseeeeseeseseeeeee ST rf i ~ { teorema de Sac! 581 2. Ejemplos de espacios veetoriaes: - v8 \ arama sae 211 Bel copecls ieee ene eee . 184 i Ejercicios 22 leap , SOI sa i 23. Blespacio Myey sees. . vote 198 i 7. Formas bilineales y cuadraticas ..., 5 2.4 Blespacio F() . ooo 193 t, 1. Formas ilineales . 591 Blercicios fiititteeisetcerensseree 195 LL La matrigasociada a una forma bilieal -...... = 594r xvii ASEBRA LINEAL 1.2. Cambio de base, Rango de una forma bilineal 1.3 Elespacio de formas bilineales Ejercicios ; 2. Formas evadriticas oo 2.1 Reduesidn a una suma de euadtados 22 Laleydelainercia . A 2.3. Formas definidas positivas y definidas negativas Ejercicios 3. Parbolas, elipses,hipérbolas, ete. 3.1 Reducidn dela ecuacicn general de segundo grado ala forma ccansnica a 3.2. Constr grado Ejercicio .. de la grifica de una ecuacién general de segundo 4. Paraboloides,elipsoides, hiperboloides, ete. Hferct6l0s eee eevee Respuesias y sohuciones a ejercicios seleccionades Referencias bibliogrificas. indice alfabético 397 399 602 607 610 617 eu oo 635 646 659 669 om a2 685 715 m INTRODUCCION Conceptos preliminares La finalidad de este capitulo es proporcionar el matetial matemitico basico con el que se trabajaré en este libro. Los temas que se diseutirin aqut som: 1) conjuntos 2) relaciones de equivalencia 3) funciones El primeto de estos temas es usado frecuentemente durante el desarrollo del libro. Los dos testantes se presentan pues, cuando se llegue a hacer uso de ellos, seri neeesatio tener bien elaros algunos detalles de los mismos. No se pretende hacer una discusisn exhaustiva del material que estos temas ccubren, La discusidn que se hard seri mis bien coneisa, guiindose sobre todo por aquellos aspectos que llegardn a ser usados en algiin momento en este libro, La ddemostracién de algunos de los teoremas aqui presentados serin desarroindos. cofno ejereicio por el lector. A. CONJUNTOS ‘Como es usual en libros que no tratan la teorfa de conjuntos desde un punto de vista avanzado, Ia idea de “conjunto” en est libro seri aquella que intuitivamente 4a esa palabra, 0 bien, lo que intuitivamente se entiende por “familia” o “eolee~ cid” de cfertos objetos, A estos objetos se le llamara elementos del conjunto. Bs ‘isa designar con letras mayisculas a los conjuntos y eon minGseulas a sus elementos. Lateoria de conjuntos es una de las partes “delicadas” de las matematicns. Se advierte que este pequefio resumen de Ia teorfa que aqui se presenta no es para tspeciaistas. El lector interesado en ver con. profundidad esta teoria, puede ‘consultar como primer paso— el libro de P. R. Halinos, Naive Set Theory, Van Nostrand, Princeton, N. J, (1960). ‘Cuando es posible exhibir de alguna manera los elementos de un conjunto, digase x), x... Se esetibe bya ed2 ‘para denotar al conjunto euyos elementos son 11,12, . . Sint embargo, muchas ‘veces no s posible mostrar explicitamente los elementos de un eonjunto. En tal caso se recurre a exhibir alguna propiedad compartida por tados los elementos de Gl, Digase que P ¢s tal propiedad. Entonces se eseribe IP) pera denotar al conjunto euyos elementos son las-x que satisfacen ls propiedad P. Se dice que un eanjunto es finit (infinito) si el némero de sus elementos es finito (infinito, respectivamente. ‘Algunos conjuntos importantes que se usar en este ibto (todos ellos infinitos) N= (1,2,3,...1 el conjunto de mimeros naturales Ze (01y-2,-1,0, 1,2, +} ef eonjunto de niimeros enteros R= el conjnto de mimeros reales C= (a+ ib], b € Rj el conjunto de mimeros complejos Si.xes un elemento del conjunto A se eseribe xeA En caso contario so esribe ea Por ejemplo,3 Ny V=T ER ‘Atm conjunto que carece de elementas se le llamar conjunto vacio y se denotari por 8. Sedice que los conjuntos A y Bson iguaes, lo cual se representa como A = By sieeflos constan exactamente de los mismos elementos. En caso contrario se dice que Ay Bson diferentes y se escribe A # B. Pot ejemplo si AM 124,600.) Be (x|x=2k KEN] wo Co (r]x=2k- 1, KEN} setiene qued = BC. ‘Se dice que el conjunto A es un subconjuato del conjunto B, 0 bien que el conjunto B contiene al conjunto A, lo cual se escribe como ¢ B, sitodo elemento, dl conjunto A es también elemento del conjunto B. Es decir A SB si xeAmxeR Por ejemplo, todo conjunto es subconjunto de sf mismo, y si A es un eonjuto cualquiera, el conjunto vaeto es un subconjunto de . La relacign de igualdad entte conjuntos puede ser establecida en términos de contencidn entre los eonjuntos: se diov que el eonjunto A es igual al conjunto B si AGB y BoA TEOREMA 1.4 TEOREMA 1.2 wrroovccien 8 Probat este par de contenciones es el provedimiento normal que se sigue cuando se quiere demostrar que los conjuntos A y B son iguales, ‘Cuando un conjunto A es subconjunto del conjunto B, pero A * B, se dive que A.esun subconjunto propio de B,o bien que el conjunto B contiene propiamente al conjunto A, Par» afatizar este hecho, en ocasiones se eseribe AS B. Dados los conguntos A y B, se define el conjunto unin de A y B, denotado por AU B, como aquel cuyos elementos son los elementos que pertenecen a A 0 los {que perienecen a B (oa ambos). Es decit AUB=(x|x€4 0 2eB) Por ejemplo, si y C son los conjuntos definidos en (1), Neauc Las principales propiedades de la unién de conjuntos de resumen en el siguiente teorema Si A, By Cson conjuntos cualesquieta, entonces 1) AUB*BUA 2) AU(BUO)=(AU BUC 3) AUASA AAU OHA 5) ACB AUBHB Dados los conjuntos Ay B, defina el conjunto intersecctén de A y B, denotado por 11 B, como aquel exyos elementos pertenecen a A y a B simultineamente. Bs decir ANB=(x|xeA y 2€B) SiA 11 B= @ (estoes, el conjunto A no tiene elementos en comin conel conjunto B), diga que los conjunios A y B son disjtatos (0 ajenos). Por ejemplo, los cconjuntos A y C de (1) son disjuntos. Las principales propiedades de la interseceién de conjuntos se resumen & SiA, By C son conjuntos cuslesquiera, se tiene 1) ANB=BnA 2 ANBNO=An HAC 3) AN ASA AN D=D 5) AGB ANB*A4 duceena nea TEOREMA 1.3 Dados los conjuntos A y B, defina el conjunto diferencia entre A y B, denotado ot \ B,* como el conjunto euyos elementos son los elementos del conjunto A {que no pertenecen al conjunto B. Es decin A\Bs[s]x€4 y rea} Por ejemplo si4 es el conjunto definide en (1) y B es el eonjunto Bx (x|x=48 REN) seticne: A\B = (2,6,10, SiA y Bson conjuntos cualesquictn, s tiene DA\o=A | 2ANB= om 4A\BoA 3) ACB A\B= 0 SiAy Bson dos conjuntas cualesquieta, defina el producto cartesiano de A y B, cl eual se denota como x B, como el conjunto de todas las parejas ordenadas ( B) euyo primer elemento pertencce a A y el segunda a B. Es decir AXB™ (014 €4,b EB Pot ejemplo si A = {1,2,3} y B= (1,2) se tiene A*B= (0,052) 1, 2,2), 0,8,2)) ‘Més generalmente, con los conjuntos A,, As, ...,As puede formar su producto cattesiano A: * Az... X Ay, el cual es (por definielén) el eonjunto de n-adas ordenadas (a, a3... a.)endonde a€ A, i= 1,2,...,1. Enel caso en el que A, *ALE*1,2,-.. nse eseribe AXAK.. XA SAP oo veces Eneste libro se estudiard (en el capitulo 3) el conjunto Re el cual es entonces Be (G2... ,8) | RF 1,2,...,n) B. RELACIONES DE EQUIVALENCIA Una relacidn binaria en un conjunto X es unsfmbolo matemético ouna afitmacién verbal, que se denota por R, tal que para cada par de elementos x, yen X, la asercicn, +Ry tiene completo sentido y puede asignarsele sin ambigticdad el valor de verdad © falsedad; es decir, ados x, y € X, la asercidn xRy es verdadera ofalsa. Cuando "Nota: La dfstenciade y Bse denote a veces porA~B,oicn poe A~ B, rmcouccen 5 sf) es verdadera, se dice que el elemento x esti telacionado por medio de la ‘claciGn binaia Rcon el elemento y,yse esribe simplemente xRy.Caso contario, 6 decir cuando xRy es falsa, se dice que tno esta relacionado con y, y se escribe Ry: Por ejemplo, si X es el conjunto de los mimetos entetos 2, la relacion (Cmenor que") es una relacién binatia en X. Asse tiene que -1<2y -1.¢-3, En esta seecian es de especial interés estudiar un tipo eoncteto de telaciones binarias Hsmaddas relaciones de equivatencia « Una relacidn de equivatencia en un eonjunto X es une relacida binatia Ren X que cumple as siguientes propiedades: 1, reflexividad: xRx. Wx € X, 2, simetria: xRy = yRr,¥ xy eX 3, transitividad: xR, yRe = xR, Vx, zex ‘Se usati frecventemente el simbolo ~ para denotar ala relacisn R, Sea ~ una relacin de equivaleneia en un conjunto X. Pata cada elemento x € Xse define la clase de equivatencia de x denotada por (x},* como el conjunto de todos los elementos de X que esti relacionados con x por medio de la rlacion =, Osea Bde tye x} y=a Si Xes un conjunto (no vacfo) cualquiera el ejemplo mas simple de relacién de ‘equivaleneta se encuentra si se define a telacién ~ en X como xeyerey Osea que ~ es larelueidin de igualdad enire los elementos de X. Es claro que esta relacion es reflexiva, simétriea y transitiva, La clase de equivalencia de x consta kn, EZ) = Ve Zly x ten EZ) Por ejemplo, sin= 4 se tiene [}" (y€Z ym 4k KEZ} = 10, Ue VEZ y= 144K RE ZI = Gey -1y 75-3, 15, 95-00} [Js (ye Z y= 244k ke Z) = (42,46, 410...) DB]= (YZ ym 344 REZ) © [0025-9 B,D Used [as (yeZ y= 444k kez) = (ye Z y= 4k ke Z} = [0] Eneste caso existen solamente 4 clases de equivalencia distintas, a saber (0) [1], (2,6). "El resultado principal de esta seccisn se encuentra en el siguiente teorema: ‘Sea.X un conjunto y sea ~ una elaeidn de equivalencia en X.Las distintas clases de equivaleneia obtenidas en esta relacién proporcionan una des composicicn de X como una unin de subconjuntos ajenos. Reciproca- mente, dada una descomposicién de X como unidn de subconjuntos ajenos no vaefos, es posible definir una relaci6n de equivateneia ~ en X tal que estos subconjuntos sean precisamente las clases de equivaleneia obtenidas de la relaciSn ~, neracouccssn 7 DEMOSTRACION Obsérvese primeramente que x-Upy xeX Setiene que probarentonces que dadas dos clases de equival tuna de las siguientes postbilidades: ica fx] y | setiene 1 fd=bl 2 INI & Supsngase gue [x] 0 [y] # ®. Se probani entonces que en este caso fas clases [3] yD] coinciden. ‘Sea z € [2] M [y]. Entonces ane a ry @ “Téimese un elemento a en fx}, Entonces a ~ 3 pero por (1), ~ 2 (pues ~ es simtie) y por tanto az (pues ~ es transitva).Por 2), a~y (puss ~estrasitiva) In aue quene dei enienees qi a (j]. Fntonces 4] © 9) ‘Un argumento similar nos conduce# a otra contencisn {3} &[x]-Seconeluye pues que [x] =f. sto musta la primera parte del veorema Sopéngase ahora que X es una wnidn de subeonjuntes ajenos no vacios. Definase en X la relacgn ~ como x7 y xy ypertenccen al mismo subconjunto Se verifica de inmediato que ésta es una relacion de equivalencia y que las clases. de equivaleneia son precisamente los subconjuntos en que estaba descompucsto inicialmente X. QED. Cuando en un conjunto X se establece una relucién de equivalencia entre sus clementos,sedice que“X queds partido —o dividido— en clases de equivatenei indieando con esto el hecho de que X puede ser contemplado como la unién dlsjunta de las clases de equivalencia de sus elementos. Este hecho resulta ser de capital importanefa dentro de algunas situaciones conerstas en matemticas. Pot ejemplo, esto permite hacer una identijicacién de todes los elementos de X que pertenezcan a una misma clase de equivalencia: identifiesndose cada elemento x € Xeon Iaclase de equivalencia ala que pertenece, y de esta manera dos elementos que pertenezcan a la misma clase seri, bajo esta perspectiva,indistinguibles (esta siluacién se presenta en ladiscusién sobre isomorfismos de espacios vectorialest subseccién 6.2 del capitulo 3)7 8 AuseeaA UNEAL (Otrasituaeién que se encontrar también en este libro, relacionada con Ia patticiin de un conjunto X en elases de equivalencia, sent In de procurar “repre: sent: «s adecuados” en una cierta elase de equivaleneia: supdngese que a cada clomento de un eonjunto X se Te puede asociar una y solamente una clase de cequivalencia de otto conjunto ¥. Habri que preguntarse entonces si dentto de la clase de equivalencia que le cortesponde a un cierto clemento.x € X, existe un By i dy ~* Br son iguaes o cul se serve como fi = fiy Si Au = Az, By = Bz y f(a) = fla), V a € A(=A2). ‘Sea ahora A — Buna funcisn del conjunto A al eonjunto B. Si Ay un subeonjunto de A, se dice que el eonjant t.), subeonjunto de B, dado por fai) = Ula) Ja € ASB cs a imagen (directa) de A, bajo f. Esquematicamente10 AiceorA uNeaL Si B. es vn subeonjunto de B, al conjunto f(B.), subeonjunto de A, dado por PB) lac Alfa) € BCA se le llama imagen inversa de By, Si By esté constituido por un solo elemento, ligase B,entonees se esetibe LO={a€ Alfa= 0) CA y se dice que este subconjunto de A es la imagen inversa de b. B ro Obsétvese que f(b) puede ser vacio. Por ejemplo, si se considera la funcion ft RH ffx) "3°, se thene LCD =o f10)* (0) FQ) = U1} Mas generalmente: F10) =o siy<0 #0) =0 Po)* WF, - Wi siy> 0 Alconjunto de elementos b € Bpatalos cuales f(b) noes vacio, ele lama rango dela fancisn £* Por ejemplo, para la misma funcion . R — R, fia) =, se tiene que rangodef= [y € R]y2 0} Si para le fonctén A — Bse eumple que rango de f= B digase que f es una funcidn sobreyectiva (o suprayectiva). Si ocure que para cualesquieta ay, as € A, tales que a, # a, se tiene fla) # fla), se dice que fes una “funcisn inyectiva. Equivatentemente, la funcidn fi — Bes inyectiva si Ect lacbraliea la plabarango sparse dsignanoun concep distntoal aq presenta. su momento (seen 2, capitulo) shar de nuevo la elaraekn corespondiens wrropuccion 11 fas) = flan) = 0) * a Si uns functn esa la ver inyectiva y sobreyectiva, se dice que es una funeiéin biyectva Por ejemplo, la funcion fi ~ Nfl) = 2x es inyectiva pero no sobreyectiva La fincisn 2 0} ~ N,f09 « bes sobreyectiva pero no inyectiva. La faneién FR» R,fd) = # noes ti inyectiva ni sobreyeciva. Por itino, la funciin R fet) = es inyectva y sobreyectiva; es por tanto una func bipectva ‘Sea ahora fi ~» Buna funcidn del conjunto A al eonjunto B yg: B — C una foneion del conjunto B al canjunto C. Definase Ia funcién composicin de g con ‘fdenotada por ge, como la foncién wfA~C ee ena exe) «9 Esquemétieamente =o) Obsérvese que aungue se pueda establever la composicién de gef, puede ocuttit ‘que la composieiin fg no esté definida. AG mis, si ambas coinposiciones gofy ‘fog estuvietan defindas, no es cierto en general que gof = fog. Debido a esto, se ‘dice que la composicién de funciones es una operaeién no eonmutativa, Por ejemplo, sise tienen las funciones LRA RY, fey)" @FHX-WD. BR Regt ydaeryez se puede format la compasicicn gefi R? —+ R, La cual esté dada por GAG 9.2) she yD) = RET A-y Dextytx-yt teed Eneste easo no se puede formar la composicisn fog (ipor que). Por otto lado, sise consideran ls funeiones PROR a2 BRR g)=2e12 Aseonsunen. se tiene gue of ROR GPL) = BOA) = gb) = 2° fog: R=R aK = fig) * f29 = (2042 Serene pues que gef * fog ‘Se dice que la funcién fA ~ Brriene inversa, siexiste una funcign fs B—+ A (llamada inversa de f tat que fife td, Pf" = Hy ra re Un resultado importante, que da condiciones equivalentes al hecho de que una funcidn tenga inversa, esti contenido en el siguiente teorema: TEOREMA 3.4 [ La funcién fi A ~+ B tiene inversa si y solamente si es una funcisn biyectiva, DEMOSTRACION Supéngase prineramente que la fneidn A» B ine inverse ‘Vease que fes sobreyectiva: dado b € B se tiene be Melb) = (eF-9) = AO) Sia=/*(b),homos mostrado que (a) « b. Entonces b€ rangodef Es decir, rongo e,f= B. Por tanto, fes sobreyectiva, Véase ahora que fes inyectiva: sean di, a € A tales que far) fas) Slay) = f(ftay) Id se concluye que a, * ds, lo que muestra que fes inyectiva, Intaoouccidn 13 Entonces fes bivectiva, como se queria, Supéngase ahora que f es una funcisn bivectiva, Se quiete ver gue f tiene inversa. Para un elemento b € B, existe un elemento a € A tal que fla) = b (pues ‘Ses sobreyectiva), Este elemento es inico (pues fes inyectiva). Defina ls funcisn SBA como f(b) = a. Bs inmediato verificar que F=f Ids y fof = Id. Esto muesta que fliene inverse QED. Por ejemplo, sift R— Res la funcion fx) =, se tiene que ftiene invers, pues es una funcisn biyectiva, Ta funcién f: R — R, inversa de fes f(x) = WF. EJERCICIOS (INTRODUCCION) 1. Sean fos enue As lestuchisar) Be (masemdsieas) C= les) D* Yaseimante) =) Desetiba los conjuntos A U B.A UD,AN BAND. ©) Compricbe que Ces subconjunto de A, By D ©) Demuestre quea n De BND ©) Comproebe que \D = A.B ©) Demuestre ae (fa;ne8] CA UD 5) Compeuebe que {6a} es subconjunto de A, By D 2. Sea A un conjunto no vacio y a un elemento de A. Sea B = (a). Diga cues de las siguientes exprosiones son corrects, euses no, o bien, sobre cules de ellos no so puede decidir (por falta de informaetin,Sustifique su respuesta, 2) eB Dace WaAnBea vaca 2) BCA D aeaus ©) BEA 8) Bela) m) (a)CAnB ® (ayes i (alea 1) (ajeane 8 lace i falca ) AUB=(a) 3. Seanfosconjuntos A = 0,1], B (1,0},C= 0, {1} },D~ (10), 1]. £* {10}, 10,11), F~ {{0), {1,0]}. Maniieste euiles de las siguientes expresiones son covreelas y4140 Agena uneaL 10, un, 2, a rn uses no, Jusitique su respuesta, Ack DECK b ENF=(10) base 2 FE ) EUF=(o)uA ace by Ace m) ENC~(0} @ ACD ACE ) EnD=(0) oad DANB-A 9) BOF SeaA = [@,[}](# ese conjunto vacio). Diga cules de las siguientes expeesiones son corrects y cuales no. Prucbe su respuesta, 8) Ase conjumto vaefo 9 An(e}-19) boca DAne=o eA AU [o) =A ® (8 }eA ) Aniol-o © (9 )e4 DAno=(0) Sean a y bos nimeros eualesquiera y sea A= tab (a), (21) {Cierto 0 falso?:€lconjunto A tiene slo dos elements distintos, (Sugerencia: consiere ls dos casos a= by a * b) Con os ndmeros 0y 1 eonstruya un conjunto que tenga S elementos distnts Sea = [avy € M),Demuestre que A= N. Sea B= [x+y] sy € Z]-Comprucbe que B = Z. Sean A, By C wes conjuntes tales que ACBCCCA Demuestre que A = B = C. Mis generalmente, si, Aa, - yay Son m eonjunts ales ave MEAG. CA CAEL Dnicbe entonces que Ay = Az "..-= Ay Demitestre el teorema 1.1 Demuestre el torema 1.2, Demuestre el teorema 1.3. Sean A, By C tres conjuntos evalesquicra. Demveste as leyes de De Morgan a) C\AUB) =A NCI » Clan B= C\AaU CD Dado un conjunto 4, se define su comin potencta, denotade por p(A) coma el ‘conjunto formiado par todos los subeonjuntos do A. Es decit pla) = (88) Por cemplo, si = {1,2} entonces PA) = (9, (1), (21, 12) 8) SiA~ @, desciba p(A) D) SIA» (1.2.3), deseriba pA) ©) SiA= 41,2), deserba p(p(a)) os © 6. v7. O18 1. 20 24 2 2, 24, 25, 26, Considere la wircouccen 15 (i) > mom seo 4 kets vn, Cs rns i A ee 2 oooh Shimer tapetsined e veB 9 4408} AMB=(A\B)UB\A) Scan A, B, Cy D conjuntescuslesquicra. Compruebe que ) ADB) = (AAHAC b) Aad=o OARBMA 8 ANBAO-UNHAANG, ©) AUBACUD) CAAQuU@AD) Ina interpreta ernie de los comjuntos RXR Rey RX RXR RE Enel plano ay deserba geomeétieamente el eonjunto Nx N Haga lo mismo para el conjunto 2% Z Sea A un eonjonto cualquiera. :Qué ese conjunto A * @? ‘Suponga que pata dos conjuntos Ay Be tiene A x B= ©. ;Qué puede decir de estos conjuntos? 8) Suponga que d € By C D, Demussie entonees que A * CC Bx D. 1). Piense que pra los eonjuntos A, B, Cy D se tiene Ax CC BX D. concluirgued © By CCD? posible ‘Sea X el conjunto de todos los seres humans. En X defina la relacién ~ entre sus ‘lementos como a) x~ysixeshermano de y by x~ysi.xespodre dey o) x~ysixesamigodey 4d) > ysix acs en la misma ciudad en que nacis y ox 1) x~ysixhabla la misma lengua que y Diga en cada easosi~ es una relaci6n de equivatencia en X. Bi el caso de que lo se8, sleseriba las clases de equivalencia correspondientes ia ~ en el eonjunto Zdefinida como six vive en la misma easa que y xo yo BkEZtal quex—y > 3k16 Avsenaunen Demucsie que ~ es una relsién de equivalenciay que el conjunto caciente 7 formado por as clases de equivalencia (0), (1, (2) 27, Sea Xelconjunto de todas Is rectasenel plano. En X defina la relaeidn ~ como 8) x-ysixesparaelaay b) a> yshces perpendicular ay Acepte que toda recta es paalela a si misma, Demuestre entonces que la tela efinida en a) es una relacién de equivalenca,zeusles som ls clases de equivalencis 1s generadss? Bs la relaciin definida en b) una relacion de equivslencla? 28. Sea X el conjunto de todos ls triéngules.Defina en Xlarelaeion = como 8) x~ysixessemejantea y b) x~ysixescongruentecony Demueste que éstss son relaciones de equivalencia en X. 29. Bel conjunto de mimeros enteros Ze ha defini una ciertaelacién de equivalencia ~ demodo que Ziha qvedado descompuesto como la unidn de los siguientes conjuntos isconjuntos) Deseriba la rlacign~ 30, Enel conjunto N N defina la relacion ~ como @d)~ de atde bee Prucbe que ~ es una retacién de equivatenia 31, El siguiente argumento “demuestea” que si una reasidn binara R es un eonjunto X és sidirica y ransiiva,entonces es reflexiva: sean x,y € X tales que xR. Como R «ssiméticay se tiene Rr, Como Res tansitiva,xRy yRt implica xR, loque miestra ‘que Res refcxiva ncuentre el exror en este razonamiento 32, Co dere los conjunios A= (abe) B= (1234) Se dun » continvacion conjuntos de parejas ondenadas (x, )),x € A,y € B. Diga en ‘cada caso si se tene una funcién fi — B en dande y = fs). En easo afirmativo determine 1) elzango de a funcion 2) sila foneion es inyectiva 23) sila funcién tiene invers. En tal caso dotemnine la funcién f: B+ A 8) (aA, @2)(€3).(44)) % (a1), (42), 036.4, (6, 62)) 3 34 Ee 3 38 39, © 4. 2 4“. oa. wrrosucesn 17 ©) M03) (6.3), 35 (43)) ® (1,4), (63,42) ) (21.63), (1), (62), (42) 9D UD, (42), (02,6964) 8 (28), (43), (62.6.1) 1) (1 63), (22), (63), (42)} i) 183), (62), (a2), Ca)} MEN, A), (42), 2)) ‘Scan las funciones , g: R + Rdadas por FO= BK L 8(Q) ~ ale = P+ et 2 Hex td Determine a, bey d para quef= . Se dice que la funcién f R ~» Res lineal si flexi + 2) = es) + fe), en donde ¢1, sat € Re Determine cules dela siguientes funciones son lineales 9) fe)-x foyer >) Ay =3e ©) ft)" ms, m una constante 2 faxed De) = mx+ b my beonstantes Demuestreque la funcinjt A ~ Bes una biyeceiéns,y solo sicumplecon a siguicate propiedad: dado € Bel conjunto f(b) © A corsa de un solo elemento. ‘ca wn eunjumtosInto y conskdere na funcibnf.A — A, Demvestrequefesinyectiva Siy blo sifes biyectiva, Precise todas ls posible funciones biyectivas del eonjunto (1, 2,3) en s mismo {(véaseejercicio 36), Si esun conjunto den elementos, euinas funelones biyectivas de Aen Adis exisen? SeanfiA—~ By g: B+ Cdos funciones. Demueste que 8) Sify g son inyectivas entoncesgof es inycetiva by Sify g son sobeeyectivas entonces gefes sobreyectiva, ©) Sify g som biyectivas entonees eof es biyeetiva Suponga que las funciones dl ejercicio anterior son tales que gefes una funciona) Inyoetiva, t)sobreyectiva, ) biyectivs. Qué pusde deci de las funciones fy g? ‘Scafi -» Buna func biyectiva, Deneste que lafunciénf“: BA iene inversa que =f Sean iA ~ By g: B -+ C dos funcioss biyeeivas, pruche que fa funcion gefi A -+ Ctione inversay que (ge = fog” Sean iA» B, g: B+ C, fe C - D tes funciones, Demuestre que las fusciones| hie(gef (heghef.A > D son iguales. CConsidere la func: N — N tal que PE+Y) =f) +0) TEN fay=2 Comprucbe que x) =2¢Vx EN.18 ALoeoPAUNEAL Demuestre que j- ee CAPITULO UNO 9 AP) = Fai yosifesotrsi . . OTE cme Sistemas de ecuaciones 46, Seu. ~ Buna fincinde Aa By sean fy Re subonjnts de , Dems que lineales y matrices a) AG, UG) = 00) UK) 9 uN ERED M9 apace ate 0) =f 1s. fs ieee e Eneste capitulo se exponen las ideas y resultados preliminares que aparceen en el estudio del ilgebra lineal Se discutits, por una parte, el método deeliminacida de Gouss-Jordan para resolver sistemas de ccuaciones lineales, siendo éste una herramienta fundamental que se usari en el resto del libro. Por otra patte, se introducira formalmente el concepto de mattiz y se hari un estudio més o menos detatlado de las prineipates propiedades que tienen esios “entes matemticos” c Iamados matrices, que sparecen también como elementos fundamentales de trabajo en el élgebra lineal. Pata introdueitse en el tema, se retoma la tan familia situacion de resolucign. do un sistema de dos ecuselones lineales con dos inedgnitas (x y y), digas: art by=m ortdyen (Conde a, B, cs, m,n son nimeros reales dados). ‘Uno de los procedimientos mis conocidos para oblenet la solucion de este sis- tema esl llamado “método de eliminaetén”, que consiste en, pormedio de opera ciones algebraicas (permisibles), eliminar una de las inedgnitas y producit asi una nueva eeuscién en la que aparece entonces s6lo la otra. Por ejemplo, si se multi- plica por (-c) la primera ccuacisn y por (a) lasegunda, y luegose suman, se obtiene (ad - be)y = an ~ em de donde se ve que si ad ~ be # 0 entoneces el sistema pose por solueiéa ana en ad= be dn =bn ad ~ be {el valor de x se obtiene sustituyendo el valor para y encontrado en euatquiera de Tas ecuaciones y despejando), Des el punto de vista geome uss del sistema dado representa una recta en el plano. Hallar una solucién de sistema consiste en localizar el punto en el que tales toctas se intersecan (punto cuyas eoordenadas ead una de las couse 49satisfacen simultdneamente amas ecvaciones). Asi pues, siad ~ be # Ose tiene Is siguiente situacién: dan mientras que siad - Be = 0, puede acontecer que las dos rectas sean paralelas (en ‘euyo caso se dice que et sistema no tiene solueidn) o bien que se trate de la tnisma recta (en cuyo caso se dice que el sistema posce una infinidad de soluciones). Grificamente se ve como La primera parte de este capitulo (secciones 1 y2) noes mas que una generaliza- cin de Ins ideas involueradas en este sencillo ejemplo, Por ejemplo, se wataré do lar un sentido més amplio (jy preciso!) a los conceptos: ccuacisn lineal, sistema de ecuaciones lineales,solueidn de un sistema de ecuaciones lineaes, et, que son términos que ya se usan en este ejemplo elemental, asi como tambicn se ¢slablecer un metodo general para resolver sistemas de ecuaciones Et lasegula Parte de este capitulo, se introduce formalmente el eoncepto de “matriz" y se «studian as propfedades més importantes de elas (seeciones 3 y 4). 1, SISTEMAS DE ECUACIONES LINEALES ‘Sellama ecuacién lineal en tes inedgnitas (oindeterminadas) x1, x3)... 5% ava ‘ecuacidn de la forma am tant. act = b aay Te el caso de una ec fneal con dos nese se wan taconlmens ls leas xy y pra deotnra dss as como ene easo de 3, 405 insignias ews ambi, adore ds p94, ets» w: Enel eno general se usar jor rzoues obvi amiss fata can un sublece ‘ve indcad el nimerode inept del que Sete, Asi eeucion at # by = nse vocbeoneoan, bss my lacewcion art by + ce dit ew nat verde, ob le hen EJEMPLO 1 EJEMPLO2 EJEMPLO3 SISTEWAS DE ECUACIONES LIMEALES YaTRIces 21 endonde ay, a... , a bson nimeros (reales) dados, Al mimeto 4; que multiplica a la incdgnita x, (7= 1,2, n) se le Hama Coeficiente de ta inedgnita correspondiente, Al niimero & se le lama término independiense de In ecuacién, Sib*0,sedice que la ecusci6n (1.1) es homogéiea, En caso contterio, se dice que es no homogéinea. Asi pues, las ecuncfones 3x, + 2; = 6, 511 + Gx = Oson ecuaciones lineales en las inedgnitas 21, x: (la primera de ellas no homogénea y Ia segunda homogcnea), ‘mientras que la ecvacién 3x3 + 2x, 1 no es una eeuacién lineal, Sediee que a) 4." Fy o.0y 1, (ly. Son mimeros detrminades) una solucin dela ecuacidn (1, si estos valores de las ined saigaces ccuacin, en el sentido de que sustituyendo ests valores en ella, étase reduces tua identi, esto es, Wks + asks +. agi Por ejemplo, para Ia eouscidn 3x; = 6, se tiene que x, = 2 es una solucién, puesto que 3(2) = 6 es una identidad, as{ como para la ccuacidn 5 + 3%; = 4, se tiene que ai=ar" Ly. * 10, 2+ -2son soluciones, ya que 1 + 3(1) =4y 10+ 3(-2) = 4 son identidades. Se llamara conjunto solucidn de la ecuseién (1.1) al eonjunto formado por las soluetones dela ecuacién, Por ejemplo, para una ecuacién lineal con una inedgnita.x, at = b se pueden tener las siguientes situaciones: 8) Sia=2, = 4 (la ecuscién es pues 2x = 4) el conjunto solueidn esta formado. por el inico valor de la inedgnita x 2. b)_Sia=0,b=0 (laccuacisn es pues 0x0) el conjunto solucién est formado Por una infinidad de valores de x; esto es, eualquier valor de x saisface ©) Sia~0, b= 1 (la ecuacién es pues Ox 1) el conjunto solueisn es vacio, peso existe valor ¥de.x que euipla eon 0 F= 1 ‘Véase pues que en este ejemplo, el conjunto solucisn es vacio, o contiene un ‘inico valor dex, 0 est formado por una infinidad de valores pata x (obsérvese ‘que no puede ocurrir que el conjunto solucién tenga dos o tres on -n fnito mayor que 1~ valores de.) En la seecisn 3 de este capitulo se veri que éste es un hecho. general para sistemas de ecuacioneslineales. En esta seccion y en la siguiente, sera de especial interés considerar sistemas «de ecuaciones lineaies. Alconjunto de m ecuasfoneslineales uk aiats +... dinky nts tants ++ dante by a222 fseera near EJEMPLO4 EJEMPLO5 EJEMPLO6 anki # dusts tet ak ba en donde aj, (1 £i$m, | $j $n) son nimeros dados, se fe tama sistema de mt ecuaciones lineales en las n inedgnitas XSi los términos independiente (G1, 2, 2) som todos iguales a cero, se dice qu el sistema es honiageneo, En caso contrario se dice que es no homogéneo. Obsérvese que se tone que introducir un nuevo subjndice a los coeficientes de las ecuaciones: el primero de ellos indica el nimero de ecuacisn de la quese tats y el segundo, el nimero de la inedgnita de la que es coeficiente. Asi pues, dyes el coefieiente de lx inedgnita x en la I-ésima ecuscisn, ‘Los coneeptos de solucién y de conjunto solueign pata el sistema (1.2) se sgenetalizan de una manera natural: a los valores x,= 3, (i= 1, ...n)se les llama. solucién del sistema si estos satisfacen todas y cada una de las ecvaciones det isto (o sea, si son soluciones para todas y cada una de las ecusciones). El ‘conjunto solueisn esté constituldo por ls soluciones del sistema, Por ejemplo, el sistema 3y42n=7 ated ‘ene por eonjunto solucién a (xy * 1,12 = 2) (la solucién es “unica”) ntHe3 an +26 El sistema posce una infinidad de soluctones, pues dando cualquier valor a x digase x; = #(¢ € R), basta con eseribir x3 = 3 ~ fpara que se saistng el sistema, Eneste caso el conjunto soluctones (x1 = 1,42" 3 ~ 1, € R) (el sistema tene tina infinidad de soluciones), Por iltimo, es elaro que el sistema y+2n=1 itd 93 no posee solueiones, esto es, el conjunto solucidn es vacio. ‘Una vez dados estos eoneeptos proliminares, se pasa a Ia discusidn de edimo obtener las soluciones (si existen) de un sistema como (1.2). En el exso m= = 2 (Gistema de dos eeuaeiones con dos inedgnitas) se sabe perfectamente que hacer: se realizan operaciones algebraicasen las ecuaciones con el objeto deeliminat una ide las incdgnitas y se resuelve pata la restante, Para el easo general, se ver que “la filosofia” del procedimiento es esencialmente la misma: trator de eliminar incégnitas, En una primera vista, parece pues que no hay nada nuevo qué decir: dado un sistema de ecuacfones lineales, se realizan operaciones en las ecuaeiones de tal ‘manera que se eliminan incégnitas jy ya! Resulta que, efectivemente, no hay nad nuevo qué decir, a excepcién de la puesta en escena de tal estrategia SISTEVAS DE ECUACIONES UNEALES YMATAICES 23 Se debe ser muy enidadoso con el tipo de operaciones que se cecuaciones: considétese por ejemplo el sistema de 3 ecuaciones cor iran en las inasighitas Sx-2ye1 ox +222 axt2y=9 yy apliquese libremente la “esttategia de eliminar ineégnitss”. Sumando ls segun- day tercera ecuscién se tiene artdy= ‘que junto con la primera de ellas Sx - 2y « 1, produce (digase que se multipli ppor2 esta itima y se summa con 3x + 4y= 11 elitminando asi a y) por “solueidn” x Lye? ‘ise verffca esta “solucién” del sistema en las eeuaciones, se ve que, exeep~ cigin de la primera de elas para la cual se tine S(1) ~ 2@)* 1, una identidod, en las dos restantesestos valores do xy y no conducen a identidades (se tiene ~(1) + 2(2) +2,4(1) +202) * 9),9 pot tanto, io quese obtiene no fue una solucidn del sistema. ‘Ya en Ia introduecidn al eapftulo se observa que en el método de eliminacién se deben realizar operaciones algebraicas permisibles en lus ecuaciones para climinarincdgnitas de ellas, Uno de los puntos que se discutiran aqut esacerea de ‘uailes so esas operaciones permisibles (se obstrvara después, que en el ejemplo anterior st realiza una operacién no permisible en las ecusactones del sisterma). “Tambign se discutint la metodologia pata realizar tales operaciones. Pra coneretar la discusidn, se tomard como ejemplo un sistema de 3 ecuacio- nes con 3 ine6gnitas. Si se observa el sistema nel nel as) aed ¥y se pregunta por a solueidn de éste, se ve que no se tiene nada que haver, pues ta solucisn esti eserita en ef mismo sistema. ,Qué es lo que tienen‘de particular lasecuaciones de est sistema? Sucede que en eada unc de ellas aparece soto una incdgnita y ésta con coeficiente I (esto ¢s, en cada ecwacién aparece cada una de las indeterminadas despejad), Sin embargo, si se observa el sistema 2x + Su Suy 21 nitm+3n=12 aa) Sx #2t:+ 5x5" 23 nose puede, a simple visia, decir cules son sus soluelones,todo de eliminacisn permitiré pasar del sistema (1.4) al sistema (1.3); [se verificaficilmente que (1.3) es solueiin de (.4)} i.1, SISTEMAS EQUIVALENTES Y EL METODO DE ELIMINACION DEFINICION 1.1 Scie quedossistemas de ecuaciones son equivalentessiambos paseen el misma inimero de ecuaciones e inedgnitas y paseen también el mismo conjunsto solucisn, Por ejemplo, el sistema (1.3) y ef sistema (1.4) son equivalentes. Dado enfonces un sistema de ecuaciones por resolver, se deben realizar ‘operaciones algebraicas en las eeuaciones persiguiendo 2 fines: 1) Obtener un sistenna mas simple que el dado [en el sentido en el que (1.3) es mas simple que (1.4. 2) Queet sistema asi obtenido sea equivalente al original. sta es la filosofia propismente dicha del método de elt sistemas de ecuaciones. De esta estrategia general surge una interrogante natural: Qué tipo de operaciones se pueden realizar en las ecvaciones para producit sistemas equivalentes? ‘Véase que son 3 operaciones, lleunadas operaciones elenentales, que perm Lindn obgener sistemas equivalentes, Estas som ién para resolver 1) Intercambiar de posicién 2 de las ecuaciones, 2), Maltiplicat una de tas ecuaciones por una constante diferente de eeto. 3) Sumara una ecuncisn un tiltiplo de ota, En efecto: [Es claro que sien un sistema de eeusciones se intereambia la de elias, el nuevo sistema tendra las mismas soluciones que el inicial. Asf, en el sistema (I.4), es elaro que, por ejemplo intercambiando la primera y segunda ‘couacién, se obtiene el sistema mtmt3y= 12 Duy + 3t;- Sey= 21 (4a) Sx #28 + Sry = 23 el cual posce el mismo conjunto solucién que (1.4), Por otra parte, véase que al multiplicar una do las ecuaciones de un sistema por una constante diferente de cero, se obfiene un nuevo sistema equivalent, ignsese on general en el sistema (1.2) y supéngase que a la -ésima ecvactén se ea muhtiplieado por la constante k # 0, quedando entonees el sistema ute tanks + at Dy SSTEUAS DE ECUACIONES LNEALES YMATRICES 25 aan, + katy + + hate = bby (2a) aks + as #6 date Da Para vetificar que (1.2) y (1.28) son sistemas equivalentes, sélo se debe tener cuidado con la i-ésima eeuaeién que es la que ha sido alterada. Supdngase que x; = 5G 1,2,..., nes soluetén de (1.2). Entonces, ike + aks +. tinky = By, (5) es una identidad, ‘Si se multiplica esta identidad por kse obtiene agi + haa +. tha = ky 0.6) ta cual sigue siendo una identidad, o que dice entonces que x)= = 1,2,--+5 1) es también solueién de (1.2.a).Por timo, como la constante kes ditinta de cero, se pede, a pati de (1.6), regres a (1.5) multiplicando por, y entonces se ve que cualquier solucicn de (1.2.) es tambign solueidn de (1.2). En resumen, los sistemas (1.2) y (1.2.8) son sistemas equivatentes, Por itimo, pata ver que sumando un miltiplo de una eeuacién a otra no se a el conjunio solucidn, sopdngase, sin pénida de genralidad, que on of ‘ema (1.2) se sua k veces la primera cevacléna la segunda (mas eoneretaten- te: se sustituye Ia segunda eevacién por ella misma mis & veces lt primera, ‘quedindo entonces esta segunda ecuacién eoino Core kay + (aa has. * (aac kay de = bat Ry (LT) (todas las demas ecuaciones del sistema no se han alterado). Supéngase que x)= 3 j= 1, 2,....,1) es solucién del sistema (1.2). Entonces aut + ak +... dink aati t ants ¢... + aasks= By son identidades. Si se suma & veces la primera de estas identidadls ala segunda se obtiene (aay + kau + (aa + Rana) ¥ + (day + Rated = by + Rb 1a cual es también una identidad. Esto quiete decir entonces que x)= 3 (j* 1,2, ++) estambién solucidn del nuevo sistema, Portiltimo, obsérvese que se puede pasar del nuevo sistem al sistema original sumando (en el nuevosistema) -k veces ls primera ecuacion a la segunda (Ia ecuacién (1.7), recuperando ast la ecuacisn original), de modo que cualquier soluciin del nuevo sistema es también solucisn del sistema original. En conclusisn, ambos sistemas son equivalentes26 AvseoAAuNeaL EJEMPLO7 Observe edmo funcionan estas ideas en nuestro ejemplo, el sistema (Lf). Setratart entonces de realizar operaciones clementales en Iss ecuactones (creando, asi sistemas equivalentes) que conduzcan a una simplificacisn en las mismas (inten- tando siempre eliminat incdgnitas). arta entonces dal sistoma (1.4.2) proveniente det sistema (1.4) y equivalents almismo, aetat3n= 2 2x, + 3ta~ Sty = -21 Sx #28; #5) # 23 Sustituya ahora la segunda ecuseién por ella misma menos 2 veees fa primera y la tereera por ella misma menos 5 veces la primera (logtando asi eliminar Ia inedgnita x, de estas ecuaciones). Queda entonces mene 312 verily 45 = “Br = 10x, = -37 Sustituya ahora fa tereeta eeuseién por el ‘quedando ahora rista mis 3, wees la segunda, xia 34-12 wan Tin 45 ~43n = -172 1 ‘Multiplique ta tereeta eeuaetén pot ~ 75 aitmt3n= 12 ano Haye 45 aed Sustituya la primera eeuacién por ella misma menos 3 veces la fereera y la segunda por ella misma mas 11 veces Ia tereera y obtenemos atmeo Te . med Finalmente sustituya Ia primera ecuacién por ella misma menos la segunda y obtenga axel aed EJEMPLO 8 “sIsTEMAS DE ECUACIONESUNEALES YaTRCES 27 ‘yasi se ha logtadoc sistema (J.3) el eual se sabe que tiene las mismas soliciones {gue el original (1.4) Por tanto, las soluefones (1.4) sony = 1,xs=-Ly me Véase un ejemplo mis, Se quiete resolver el sistema, au -2n 42048 «eb ween BuO © dn tat dot dues ee axj-4n tt dued ces) Para abreviar, se eseibitd (Ei) «+ (E) para indicar que se ba intereambiado Ia posicién de las eousciones (E) y (E), (E)) ~+ K(E) para indiear que se ba mul- Liplicando por k Ia ecuacién (E) y (E) > (EB) + K(E) para indieat que se ha suistituido la ecuacién (E) por ella misma mas k veees la ecuaeidn (E) (efiien~ dose siempre al sistema inmediato anterior). Procédase entonces a realizar operaciones elementales con el objeto do elimi- nar inedgnitas y obtener un sistema equivalente del cual se puedan leer ficilmente tas soluciones. Se iri escribiendo en la izquierda los sistemas obzenides y en Ia derecha las operaciones elementales que se han realizado para obtencrlos (en + ayer 3K 0 Bx - 2mt2y% Int mtd taued fun dyy ta tne 4 (2) > (2) - ED (3) > (B)- 2D (9 > (4) - MEN) aiom-- due at Sut 10ue 1 areas # 1d 5 Sut Mun 4 ayetem 3K (23) > (3) - 302) wat S54 10Kg= 1 HH = 20K¢* 2 Sx + dy 4 dyna as Bee 0 wet Si + 10K = 1 Suit Lay =28 Aaceesa unc! Woo 3n 0 (EH €E)- 5(E3) 458+ 10%= 1 (E) — BED Su + 10n=1 nel fiom 3 (ED > (ED +3 6) ntSu=-9 (£2) + (£2) - 10(84) red (3) =) - 2) aicarct en ED +e atl (E2) » (E2) = (ES) el nn? (El) > (E+ (2) nel 1 La soluctén del sistema es pues 4)" 2,22 1,35 = -2,4° 1 5. Determine el conjunto soucidn de loss EJERCICIOS (SECCION 4, CAPITULO 1) 1, Determine cues dels siguientes eevaclones son lineales: 8) Br42ymz \ ® Ws zyes b) Sx t2u+3m-0 ©) Sa #64727 « ©) G= 3% 9 6y-Tmr eyed / eres: CUACICNESLNEALES Y MATRICES 29) En los siguientes incisos se da una ecuaci6n finealy un eonjunt ce valores de a indeterminadas de la ceuscién. Determine si los elementos del conjunto dato son soluciones de fx ecuscidin comespondiente, a 5e-7 tee2) by Set Gad trey) 6) Se#2y=0 [r=0y=0) ® wr4ye0 ) x+3y-0 (eenye-tneeR) 9 axt3y-204 (ergyeszedee3s-4nER) Determine el conjunto soluciin de Ia ecuncisn 0 = 4 Determine el eonjunt soluciéa dela ecuscisn Sx = 10, 5. Determine el conjunto solusin de a eeuaclin ax + by = cen euda uno de fos caso 9) ar 0,b=0,c-0 ©) a0,b+0,0%0 B a=0,b- 0,040 D a¥0,0~0,c40 ©) a= 0,b40,c=0 2) 440,540,020 ) a=0,40,040 2) a¥0,b40,c40 es sistemas de dos ecuciones con dos incognita. En cada caso, interprete geométricamente ls ecusciones dl sistema, ash ‘como su solucin. a) 3x4 2y=0 O xtye0 eyed pye0 by Setyer eo xty=0 Bety0 Srtsy=0 getayed D artsye8. Get aya Sr-2y=3) ‘Vetitique que el conjunto dado esté formed por soluctones del sistema eotrespon: ioate, 8) 312, = S40 nin-5e (nen 2x8 +6577 by tet 6s) dn as Dei T= de) #98499 a4 By hay - 6x3 (i252 OneK= 1) 6-44 + 405-10, = 6 Oa-wtye] (altos ueqnaseseR) 25-2 2H =2 Considere los siguientes sistemas de ecvacioneslineales: wot) Dy tBu 5 ax tanes aya y edu 2e,- B= 6 Determine el conjunto solucin deéada unode estos sistem. Son sistemas equiva leaves?30 AucceRAUNest, 9. Considero et sistema de 3 ccuseiones con 2inedgnitas Se-2yet w ext 2y-2. axe2y=9 ‘Alsustitur la segunda ytercera eeuseién por la sums de elas se obviene el sistema 8 Se2ye 1 Bet dye Demuestre que toda solu del sistema (A) es también soluctén de sistema (B)- Bs decir, eompruede que cl conjunto solucién del sistema (A) es vn subeonjunto det teonjunto solucion del sistema (B). 2Es vilida tambi&n la otra conteneisn? ;Son (A) ¥ (B) sistemas equivalents? Expligue. 10. Prucbe que los sistemas de ecuaciones Sxj-dg 22 y ne? 2x, ¢ 3m = 10 ne? son equivalents 11, Comprucbe que el sistema ats # an by a # ats = De ces equivalent al sistema (ay + Ras + (ian + Betas Ra + iby ay mass + (maa + meas * ms # Me tendon hy, fa, ms y mason constantes no mula. 12, Use el métod de elininacign disewido en esta secei6n para obtener Ia solucién de Jos siguientes sistemas de ecuaciones: a ntntn=6 2x) dx +250 Bxj-2n +5 = 14 stmt dae Det Sutm cm tnt an 6 © 2- et need tet due 8 Bx Hay -24 0 ntéyt3n-4n93 2. EL METODO DE ELIMINACION DE GAUSS-JORDAN’ El objetivo de esta seecién es exponer el método de eliminaeién de Gaus-lordan para resolver sistemas de ecuaciones lin EI método no es més que una “opt cexpuestas en Ia seceién anterior. EI primet paso que so dari para lograr este objetivo va en la direc ahorto de notacidn”, Para aclarar esta idea, se debe recordar lo que motive el estudio de Ia “division sintétiea” en los cursos de algebra elemental. sjstEMAS OE ECUASICNES UNEALES VaTIICES: 34 ‘Supdngase que se quiere dividir el polinomio 3x! = 20 + 4x? = 30° + Be ~ 1 centre el polinomio x - 1, Realicense entonces las operaciones estindar del algoritmo de la division de polinomios gett PtSi 4 2+ 4 (coviente) y se esetibe entonces ol resultado como Beh Det yd Be + De x sate esd +20rdt Después de hacer tepetidas veces este proceso, se da uno cuenta que existe urta forma de hacer la mista divisién eon un ahorto notable en tx notaetén: toda la informacién en el proceso de la division esti eontenids en fos coofiientes del polinomio 3x° - 2x + 4x? ~ 3x2 +2x~ 1 y del polinomio.x - 1. Se llega ast a la divisién sintética: fa mista operacion de divistin de estos: polinomios puede efectuarse haciendo las operaciones sélo con los coeficientes. El algoritmo se veri ahora*™ Ccofientes del numerals Seopa shoe eae vars ana ems te ees ome eee een 3 Coctcees dl cociene 650 se veentonces que se llega al mismo resultado evtando eserbi todas as 10 ‘ual representa un considerable ahorro de espacio y de tint [AL resolver un sistema de ecuaciones ocurre una situacién similar: toda Ia informacién en el proveso de eliminacién de incdgnitas expuesto en Ia seceisn. *Elalgoromoes a (arta a amd ae(astabyb...32 Acceeraunent anterior, estd eontenida en los coeficientes de las ecuaciones. De nitevo, se puede evita escribir las inedgnitas x, 25... y trabajar s6lo con los coeficientes de las ecuaciones. Surge, de este modo, el eoncepto de maltiz.* 2.44. MATRICES Y SISTEMAS DE ECUACIONES Se llama matriz a un atreglo rectangular de niimeros como el siguiente: Oy a. diy ao Oat dae s+ Aan A los mimeros ag (= 1, 2,...5mj* 1,2, 5) se les Mama elementos de la mattiz Se denota a las matrices con letras maytisculas a sus elementos con mints- cules ‘Se esctibe entonces la mattiz A eomo Aa] Od oe On en Ait ads Gn (tra notacion que se usard frecuentemente pata matrices es A (ie. -cual representa lo mismo que (2.2) Se dir que los elementos ax, aa... . a constituyen la iésima linea de la maiz A, mientras que los elementos ay, dy... ,dqjconstituyen la j-ésima columna de la maltiz . Ast{pues,elelemento ase encuentraen a -ésima linea y en la -ésima columna ded bay iy) ésima tinea Jira columna *Rimgue el concepto de matiz parce en ese moneato so por una eustién de hort en vtacién en el proceso de soucién deur sistema de eounciones, veer ms dsc queen ead ‘sos lementesmstemics tienen “vida propin In eal estar etendamente EJEMPLO1 SISTEWAS DE ECUACIONES UNEALES YMaTAIcES. 33 El orden (“tamafio”) de una maitiz A se define como rnimero de lineas « nimero de columns Asi, la matriz (2.2) tiene orden m Xn Las matrices A y B se dicen iguales si: 1) tienen ef mismo orden, y 2) sus elementos correspondientes son iguales (0 sea, si A= (Arete B* Cts ann entonces A = Bi ms ma m= my ay bis Gy ceymy Ft byes ym Dado el sistema de m ecuaeiones con 1 incégnitas ts + ate + + nat By 8) 330 ot danke es 3) 8+ Oaks + ake By Se asocia a éste la matrizd (de orden mi X 1) de sus eveficientes jal dh Oa ce dy ea Ay ya 2+ ge Hamada matric de coeficientes (0 matriz del sistema), asi como la matriz mx (nt D. ay ag oes din | BL ey a oo aay je iy et Ona +++ an | De (a misma mattiz A con une titima columns afiadida, la de los términos inde pendicntes), llamada matriz aumentada de coeficientes (0 del sistema). Asi pues, para el sistema de 2 ecuaciones con 4 inesgnitas 2x =m + Sx) ~ Sue 1 n= Si 10%) - 24= ‘Se asocia In matriz del sistema(2 x 4)34 Arcesraumen EJEMPLO2 P33] yy la matriz aumentada (2 * 5) 2-1 5-351 1S 10-2} -7 Del mismo modo, pata el sistema de 3 ecuaciones con 3 ineégnitas mr? wel aed la matriz dal sistema es: y la mattiz aumentada 2 ia 4 Antes de comenzar a describir Ia metodologta de la eliminacién Gaussiana, se introduciti el eoncepto de mattiz en forma escalonada reducida. ‘Se dice que Ia matriz A esté en la forma escalonada reducida si en ella se cumplen las siguientes 4 condiciones: 1) Sila matriz. posee alguna o algunas lineas que consten exelusivamente de ccoros, éstas se eneuentran coneentradas en la parte inferior de la matrz 2). Para cada inea de la matriz que no consta exclusivamente de cetos, el primer elemento distinto de cero (leyendo éstos en el orden natural de izquietda a detecha) de tal linea es 1 3) Para cada dos lineas consecutivas que no constan exclusivamente de ceros, et primer elemento distinto de cero de la linea superior se encuentra laizquierda ‘dl primer elemento distinto de cero de la linea a la que precede. 4) Cada columna que contiene un primer elemento distin de cero de alguna linea, tiene en las posiciones restantes 0. ‘Sila mattiz A satisface las condictones-1), 2) y 3), pero no la 4), se dice que ‘sta se encuentra ela forma escalonada, SISTENMAS DE ECUACIONES UNEALES varmices 35 Por ejemplo, ls siguientes matrices se encuentran en la forma escalonadda redid: 1002] fo0102]|464| [190] Beete lees bab foe alls ot oo14|[ooooo) |e og (oot rnientras que las matrices 1032] [00162] [100 o101|,jooo1s}joor 0014) {00000] joo se encuenttan en Is forma escalonada, La propiedad més importante que posee una mattiz en Is forma escalonaca redueida es que sigsta representa la matriz aumentads de unsistemade ecuaciones lineales, ls soluciones de éste pueden leerse muy ficilmente. Por ejemplo, suponga que a mattiz, 10004 0100-2 Atloniot 00014 representa la matriz aumentada de un sistema de ecuaciones fineales, de modo que atendiend a la eortespondeneia entre matrices y sistemas de ecuaciones estable cida anteriormente (correspondencia entre (2.3) y (2.5), se ve que el sistersa correspondiente es: Tem t Ome Oem tO ed sat emt O-ay + Ooms 2 sa tOomt Lot Ou el HAO NFO Ht ned (0 8ea, 4) # 4, 4) = -2,.44 * 1,x1 = 4, Las soluciones det sistema estén dadas, pues, ‘en Ia misma mattiz, Por otra parte, sila matriz 1003 Avfor12 0000 cs la matriz autmentada de un sistema de ecuaciones, éte seria enfonces36 ALszeRAUNEAL EJEMPLOS ae3 tye? jet valor a ay, digase x = , se obtiene el valor x; = 2 ry entonces finito) de soluciones del sistema estd dado por (ne3,m22-,5558€R} re we [84] svete ee ven sss A mtn nt min ts vere nl men a mn sane 2.2. OPERACIONES ELEMENTALES EN LAS LINEAS DE UNA MATRIZ Al tenerse siempre en mente (por el momento) que las matrices representan sistemas de ecuaciones lineales, se pueden transportar las operaciones elementales en las ecuaciones del sistema, discutidas en la seceidn anterior, a operaciones elementales en las lease la matriz (pues cada linea de la maiz corresponde a tuna ecuacién del sistema y vieeversa. Estas seréan pues: 1) Imereambiar dos lineas de la mattiz, 2) Multiplicar una linea por una constante distinta de cero. 3). Sustituir una linea por ella misina més k veces otra linea de la mateiz, Se diri que la matriz B es equivalente a la mattiz A, lo cual se eseribiré B ~ A si se puede obtener Ba partir de A, realizando en ésta una secuencia (finita) de ‘operaciones elementales en sus lineas. Véase que, desde el punto de vista de la ccorrespondencia matrices-sistemas de ecuaciones, no se esti dfiniendo mis que la equivalencia entre sistemas (es decir, sie sistoma que ropresenta la mati B es cequivalente al sistema que representa la mattiz A, entonees se dice que Bes equi- valente a). EJEMPLO 6 SISTEMAS DE ECUACIONES LNEALES YaTRCES. 37 Obsérvese también que esta relacién que se ha establecido entre las matrices (Bes equivalente a A) es, de hecho, una relacién de equivalencia, es decir, reflexiva, simétriea y transitiva, En efecto: 1) Toda matrizes equivalente asf misma (obvio); (rflexibidad), 2). Supéngase que B es equivalente a A. Esto significa que partiendo de A, se tealizan en ésta operaciones elementales que conducen eventualmente a B. ‘Como cada operacién elemental tiene su “inversa” que ademis es del misino tipo,* se puede, a partir ahota de B realizat las operaciones elementales inversas y legar asia A, Esto significa que A es equivalente a B (simetri). Por timo: 3) Supéngase que A es equivalente a B y Bes equivalente a C. B se obtuvo centonees a partir de C haciendo operaciones elementales. Pero A se obtuvo asimisino partiendo de B. Juntando esta secuencia de operaciones elementa les, se pucde, a partir de C, obtener A (pasando por B). Esto significa que A es equivalente a C (ransitividad), Se podri entonces deci, cuando la matriz Bes equivatente a la matriz.A, que “las ‘matrices A y B son equivalentes” sin temor a confusién, Por ejemplo, eonsidere la matriz: boas nay spins nm epi Suma Sioa [6323] La matriz A, es entonces equivalente a la mattiz A, Multiplique ahora la sogunda linea de A, por ~ 4, obteniendo asf la mattiz 1325 a-[5 1% 4] 1 Siac fan iran esa cperacin iver esen estas ea misma 0 voli esses te rial 2) Siseha multiplicado una line porla constant KO, multiple shor esa rnin pore constant 3). Silane fue sustiida po ela sma ms &veoes alin, suits ahora ine roe lla sr menos veces aia98 ALGEERALIVEAL La mattiz A; es equivalente a la matriz Ay y por tanto es equivalente aA, ‘Si sustituye ahora la primera linea de A por ella misma menos 3 veces su segunda line obiongs 10-% 34 ES iG 1% | La mattiz A, es equivatente a la matriz A, por tanto equivalente a Ia matsiz Ai y por tanto equivatente aA. Observe que Ay esti en forma escalonacla reducida. Se dice que la mattiz As es “Ia forma escalonada reducida de la matriz A” En general se dice que la matt B es Ia forma esealonada reducid de la matriz Asi 1) Bes uma matriz.en forma escalonada reducida. 2) Bes equivalentea A. 23. ELMETODO DE ELIMINACION GAUSSIANA EJEMPLOT Las ideas bisiess Jel ingtealo ya fusion discvtidas en las suboosconee anteriores ‘Salo falta pone en orden: dado el sistema de ecuaciones (2.3) del cual se quieren ‘conocer sus soluciones, eserfbase la matriz aumentada asociada al sistema y LUsvese, por medio de operaciones elementales sus lineas, ala forma esealonads redueida.* El sistema que representa esta nueva matriz.tene ls mismas soluciones que el sistema original (:por qué?) Elmétodo deeliminacién Gaussiana indica cémo* se puede llevar una matt dada a sa forma escalonada teducida, Las diferentes ctapas del método se expli- ccardn con un ejemplo particular. ‘Supéngase que se tiene la mattiz ‘Se hace que el primer elemento distinto de cero de la primera linea sea I, Esto es post sand orl ines Sn eng, seeder rine Se pede demestrr qu a forma esealonada redveida de una matrixes ni ‘*Clertaments no esse una manera alea de poseder pr Hvar una masz so fora cscalonada redelda El modo agulexpocso proves una sistematzsien deal proved, SSTEMAS DEECUACIONES LNEALESY MATRICES 39 ramente la primera y segunda lineas (pues esta linea eomicnza ya eon 1) eon el ‘objeto de retrasat el manejo de fracciones. Se obtiene pues la matriz La siguiente etapa es, por medio de sustituilineas por ellas mismas ms mitiplos de otras, hacer eetos en las posiclones restantes dela columna debajo del | logrado cen el primer paso. Llamando (L) a la linea {, se hace (L2) > (L2) ~ 3¢L1), (3) + (3) ~ 2(L1), (LA) > (1A) ~ 4(L1). Se obtiene entonces la mattiz. Se eoncentea ahora la ateneton ex la subunatiiz seitoda en ot paso anterior, Se ropite de nuevo el proceso, Se tiene ya un I como primer clemento, por lo tanto sélo testa hacer cefos debajo de l. Se realiza (L3) ~+ (L3) ~ 32) en In mattiz anterior obteniéndose ast Se reitera en la submatrz sefialada, Se realiza entonces en la mattiz anterior (3) 1 1 (43) pata tograrun | como primer elemento no nto dela teroeta ine L-1-l 30 o 1 5 10 1 o 0 1 MM oo 5 4 4 ‘Se hace ahora (L4) — (14) ~ 5(L3)40 hvocera nea. b-a- 3 0 ors 0 1 0 0 1 My ML 0 0 0 Si 541 Para ener un 1 como primer elemento no nulo dela euarta linea se realiza (14) ~ u a) foci) 0) o15 0 1 0 0 1% -% ooo 1 0 Obsérvese que esta mattiz se eneventra ya en la forma escalonada. Para llegar aa forma escalonada reducida, se comienza con el tltimo uno logrado (en el ‘paso antetios) y se procede a volver ceros las posiciones restantes (eneima de él). ara esto se tealiza (L1) + ~ (L1) + 3(L4), (L2) ~+ (£2) ~ 1O(L4) y (L3) + (L3) 20, “4 “Ahora con el siguiente uno se hace lo mismo: so realiza (L1) -+ (L1) + (13), (L2) + (12) = 5(13) 1-10 01 o 1001 o 0 1 0-2 O00 0 19 Finalmente se efeetda (L1) -+(L1) + (12) fie e0, 0) 2) o 1001 oo 102 ooo1 1 EJEMPLOS: EJEMPLO9 SSTEWAS CE ECUACIONESUNEALES YAATRICES 441 y el sistema que representa esta mattiz es entonces x = 2,.%* 1,452 -2,m0= 1 quees la solucién desistema, (Comprese el provedimiento con el que se emples pata resolver este mismo sistema en la pigina 27) ‘Veanse un par de ejemplos mis Se quiere resolver el sistema 2+ Out Mn+ 4u=4 22 tay ede = 12ky= Lay = 16x = 15 La matriz aumentada es: 264 44 121-41 1-12-11-16 15 ‘Se exponen en seguidia los pasos para llegar a la forma escalonada reducida de esta ‘matriz, En cada paso se indican las operaciones elementals que se efeetian 2614 4.4 rez ad 1-12-1116 15 | (ut 13722 sat 0-5 -6 -6-1 Clean (125 (12) 3.722] 2 1-4 1 | aay arya 16 15 | (13) (03)~ (1) O-15-18-18 13 O-15 ~18 18 13 | (£3) (23)+15(12) A pesar de que no se ha llegado atin a Ia forma esealonada reducida de la mattiz, se puede observar que en este titimo paso esti contenida toda la informacion que se necesita: la ectucidn del sistema que representa esta iltima matriz (equival ‘ala primera) es 0-1 +0 0-1 +0-x = 16 Es claro, entonces, que el sistema es inconsistent. Un tiltimo ejemplo. Se quiere resolver el sistema42 koceraumen, (yd) 2.03) Qut2ntdyt + 10 wr 26 420+ 12H =0 ata t2ut Su 30%4=0 ny tap #2n +20 y= El procedimiento de eliminacin se ve como sigve 22400 120058 Of i274 122120 112 530 12.5300 11222 122123 112005 012220 (13)2(L3) - (LD) dy {0 001 6-1 (4) 14) - (1) SED! 9 0 0 212-2 it 1izo0o0s o1 012002 00 0001 6-1 oo (L2)=+(12) -213)| 0 0 0 00 0 (LY=(L1) ~ (12) EI sistema equivalente al origina Véase entonees que se pueden dar valores arbitrarios a. y 035 digase 15 = 7X5 = s,y quedat asi determinados los valores de. y.%4.%2* 2 = 27, x1= =1-6s. El conjunto solucidn del sistema es entonees (693,48 22pm eae -1 B55, (SER)E ‘Antes de pasar a la siguiente subseceidn, se quisicra en este momento sacar un poco mis de provecho al método de eliminacién Gaussiana discutido aqui para resolver ottos tipos de problemas relacionados con sistemas de eevaciones que parceetin posteriormente en el libro. ‘Considérese el sistema de ecvaciones EJEMPLO 10 SISTEMAS DE ECUACIONES LINEALES Y MATRICES 43 at + ants + Supéngase dados los cveficientes aj, P= 1... 5 j= 1... 1, teniendo indeterminados los términos indepensdientes b, by, ..., by. Se trata de ver el comportaiento de las solueiones del sistema de acuerdo a los posibles valores do ls términos independientes. El método de eliminacién Gaussiana ayuda a dar respuesta aeste problema, Sise considera el sistema Sy tat Sos b, Qn tants by nt #2 = 94 = by y uno se pregunta, por ejemplo, para qué valores de by, by y by el sistema tiene soluclén, se puede proceder con el método de eliminacidn de la siguiente manera: llevando la mattiz. aumentada a su forma escalonada reducida 145% bi3] 24d? | anun20 : ® J (43)+(L3) +4 (L1) Le % ap 1 % bs F 0 194-25> de-2IyB3 ' 04-78 IAB | FSC) 9 yg ye 1% OB ah | O bte 9-2] 5 go pagan | EDMUD- 402) Ab = by 105% Aah 0 temp 3222 10 00 0 bby 2, -véase entonces que, a menos que by ~ bs + 2b, = 0, el sistema no tiene solucisn.44 Acesraunen En el caso by ~ b; + 2b, = 0, tas soluciones del sistema serian = Abs by 7 reR Otto tipo de problema interesante que puede resolverse usando ef metodo de climinacién es el siguiente: supsngase dado un sistema de ecuaciones en el que existe un parimetto indeterminado dentro de los coeficientes del sistema, Se Pregunta también sobre ef comportamiento de las solueiones en funcién de los valores de este parimetto, EJEMPLO11 Por ejemplo, considete el sistema Dn tata age nithy tn tae? aitmthytned emtmtaued Realice el proceso de evar la matrizaumentads del sistema asu formaescalonada reduelda Aida riiag Tere tei) Pad 1 2} a212)-any brads El A 1 3) U3)-s03)- (11) Prd a alansagia rrr 1] aauay-aany ee ee) © a1 0 I-A --2 0 oO AdEA -1 OTR I-A eat Lan Elsiguiente paso en nuestro proceso de eliminacién seria dividir la segunda linea pot A ~ 1. Peto esto se puede hacer sélo cuando A # 1. Si k= 1 se oblendsia I smariz eae <= SISTENAS DE ECUACIONES UNEALESY MATRICES. 45 rridaa 0000-2 0000-1 o000-3 ‘Que representa a un sistema sin solucién. Por lo tanto, se coneluye que si = 1 sistema no tiene sotueisn, Supéngase ahora que 2 + 1 y siga adelante en la eliminacién Se realiza (L.) 1 (L),i=2,3,4, para obtener tian 4 0 1 0 tan 0 0 1 “yet ot wy 2 [ays ayray ime eee cet o 1 0-4 oo 00 4 erny | ay = ay + (2) 0 0 0 -GH) Nuevamente, et siguiente paso sera di puede hacer cuando # -3. Si 5 3 Por lo que el sistema no tendefa solucién, Se coneluye irpor ~(3+ 2) ln cusrta linea, lo eual se 3, altima eeuacién que representa la mattiz obtenida serfa entonees:s 4A.» Bel sistema tampoco tiene solucién, Sea pues 2 # ~3 y conliniie o 10 2 oo 1 I y= (L) 2A) oo 2egn_| (12) ~+(L2)+ (1A) “Geneon | C3) 03) +H46 ALcEORALINEAL oe ' ' : ° Q-DO+3) 2d ° ' OY (a 1XA43) | ~ 3 oe ' a (A143) aie 0 0 0 1 Bayes | C= ED - 3) 3 oC) Bed ° ‘ ne (143) Bel eo 8 ‘ ° (Qe DA43) Beh 0 0 0 1 RygaH | an-en-ca 10 0 0 et ° , Ce (D3) 3a eo 8 ' ° Q-DA+3) aes nC En conelusién, se tienen dos casos: 1) SiA=1,-3,elssistema no tiene solucién, 2) SiK# 1, -3,elsistema do 2d Bh-1 24h “Genossy 8” Genes’ Y7 GENE! *” @-DE3) Nora: A lo largo del material que se Heva anafizado hasta este momento, se he podid obscrvar en los ejemplos que et conjunto solucion de wn sistema de ceuaciones lineales puede ser: 7 1) Vacio. En este easo se dice que el sistema no tiene solueidn, sne una viniea solueién, a saber m Formando por un valor para cada inedgnita. En este caso se dice J sistema tiene solueidn nica 3) Infinite. Formado por una infinidad de valores para al menos una de las inedgnitas. En este easo se dice que el sistema tiene uns infinidad de soluciones. SSTEMAS DE ECUACIONES LNEALES YMATRICES 47 Estos easos correspondeh geométricamente, en el caso de un sistema de 2 ‘ecuaciones eon 2 inedgnitas (ta caso como se observd et li intraduecién al ‘capitulo) a: 1) la rectas que representan las ecuaeionesson paralelas; 2) as reetis ‘se eoflan en tn punto, 3) las rectas coinciden, respectivamente, ‘Se usar’ también la terminologia: sistema inconsistente para un sistema cuyo cconjunto solueion sea vaclo y sistema consistent para uno euyo eonjunto solt- ‘eign sea no vaeio. ‘Se puede demostrar (se haré) que, dado un sistema de ecusefones lineales, st conjunto salucidn siempre serd de uno de estos 3 tipos. Dado un sistema de ecuaciones en general no se puede saber a priori de qué tipo es su conjunto solucién, Sin embatgo, hay un easo especial (importante) en el que si se puede saber en base al nimero de ecuaciones y de inedgnitas del sistema, Este es ol caso de un sistema homogéneo. 2.4, SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES EJEMPLO 12 Considérese el sistema homogéneo ats + ants tt dite ® 0 ant tanta tt date 0 26) yh eat + daa O Obsérvese que este sistema siempre serd consistente, pues al menos posee Ia solucidn x == -.. X= 0, lamada solucidn trivial." Axim mis, se puede saber (Gin resolverse) bajo qué condiciones posee, adetns de la soluci6n trivial, ots soluciones (y entonees, segtin fo sefialado en a nota final dela subsecein (2.3), {etal eas0 el sistema fendré una infinidad de soluciones). Antes de enunciar y probarelteorema que enuneia con preeisiéneste hecho, veanse un par de cjemplos. Considete primeramente el sistema homogénco de 4 ecuaciones eon 3 inedgnitas Sut Tq -9n 70 fitn-0=0 Sata t= 0 -2t;~ 442 +6m = 0 *Eacleaso m= =2s paste ver gométicamente ese hecho. Una cevscin tinea homontnes endo wurisles epcsentageometreiete ia rela que psa porelcrgen Por ato, dado wh ‘Sema de dos ecuncones lneles omopéneas co dos ines Is tects que eta extacones tepresentanse cotanal menos ene crgenenisnteva}) quedanda tambien a posibidad de que {als recta oineid infinidaddeslucone)48 voeeAK UNE. EJEMPLO 13 Para obtener Iss soluciones del sistema, use el método de eliminacién Gaussiana, observando que en este caso no hay necesidad de considera la mattiz aumentads, del sistema, bestando s6lo con la mattizdelsistetna, Estos porque las o clementales que realice en fal matriz no alterarin en absoluto la eolumna de los {érminos independientes, que consta slo de cetos. Hecho este convenio, proceds a la eliminaeién (los pasos intermedios quedan asueargo) 57-9 bod Pod -the-Jo 1 -2 311 oo 0 2-4 6 oo 0 de modo que el sistema dado es equivalente a ntn0 -2u=0 ¥ entonces, el conjunto solucidn sera (ye -pn=%uenreR) Resuelva ahora el siguiente sistema homogéneo de 3 ecuaciones com 4 inesghitas Ait 2xe= Set = 0 2+ 2-0 Bena tay 2k Haciendo las operaciones cortespondientes obtenga 1231 10 0 -% 2 2-af "lo 10 % P-ao1 2 ecOee te de modo que el sistema 1 winger at pun0 we gned TEOREMA 2.1 DEMOSTRACION slereuas DE ECUACIONES UNEALES YuATRICES 49 ces equivalente al original y entonces el eonjunto solucion es: «tyne yne Syme fo nme Bae Bt x] Analice con detenimiento este titimo ejemplo. La matriz del sistema es una mateiz de 3 Iineas (una por cada ecuacién) y 4 columnas (comespondientes 2 las 4 inedgnitas del sistema). Al llevar esta matriz usu forma escalonada reducida véase quo, por set menor el nimero de lineas que el de columnas, se debe esperar que al menos una de las columnas de la mattiz no tenga su primer elemento dlstinto de cero (un 1) de linea alguna. El peor de los e250s (el que ocurri6 en el ejemplo) es cuando se tiene 4 ~ 3= 1 columna no formada por ceros y unos. Esta columna. corresponde a la euartaine6gnita, que queds entonces eomo variable libre. Como es de esperarse, una situacién similar ocurriri siempre que se tenga un sistema homogéneo con més inedgnitas que ecuaciones. El siguiente teorema establece en general este resultado: ‘Un sistema homogéneo de ecuaciones lineales con més inedgnitas que ecuaciones tendré siempre una infinidad de soluciones. | ‘Supéngase que el sistema tiene m ecuactones y n incdgnitas. La hipotesis del teoremia es que m Gy + 24-1 Say -m- Int r35"0 ®) Ane de-meneT ©) Saye Day eas ha Bag = 2 diomtas- Dey eS 4143 +2%) + 2e4- 205-5 4a tape 6 Su dry Sry xe ~x5~ 12 1B), Dae 3m ~ay Gy aso y+ 2m tag Dau Sas Dey tp ~ Oxy + Say 4 Bp =2 Bn 42mm ease0 Sn, # Sin + Sy + Sq + Say = 35 PN tm Asean eas t= 3 Des tay tS xa Sts Hg O vit 2ea tay Dee + Das ap= Him Oxy x4 35 #0 Brom tant day ds + Ig = 6 Duta Tm tre ta590 apemoan tay as—a6 1 Dyed eS Das= 4 Buta tyes a6* “1 sy Dnata + teas 2x ta G15 + Tue 85 = 1 Say lng + 7x5 + 12a = 105 = 4 © 12, Resuelvael siguiente sistema de n eeuactones con inedgnitas: es Ft to ky by a # + tat = aos Fast te tat by 17. SISTEMAS OE ECUACIONES UNEALES wares 53 endonde a=, 78s fhe Sean ps) ya) dos palinomios de mismo grado, ga : Pa)" ata s... 8a Wd=berbe tt be Se dice gue el poinomo ps) es igual al poinanin qs), lo eual se eseribe pts) ~ ghoysharn b= Oya 2) Determine los valores dea yb parequesecumpla a gualdad de poinmios PH Qa+ OH Sa Boat Se 1, Determine los valores dea y b pare que se compla a gualdad 241 a, be Wie Ft F2 (Sugerencia muipiqae ambos miss por (x= 1-2). 6) Determine los valores dea, by para ques cumpla in iguana seeder a, bite Bal ¥-T Ferd (Sugerencia: moltplique amos miembros por 2-1). 4) Determine los valores de a,b cy para que se cumple Tagua Beetrtl a yb ,ectd Mel eT‘ xeT Sei (Sugerencia: muliplique ambos miembros pots ~ 1). Para qué valores de el sistema atnnl aitage? tiene una solucién tnica, eu es esta soln? CConsidere el sistema de ecuaciones lincales ay, - Bane dan, (6a x= Determine el valorde a para el cual 4) lsistema se tiene una solucininiea 1) elsistema no tiene solueiones onside el sstema de ecuacioneslineales tat (@-Dxe1 wt2m 43501 eer) CClasifique las diferentes posibitidades para el conjunt solucién de este sistema en términos de los pardmettos a y & CConsiere el sisema de ecuaciones lineales Dar, - Sx, + 20 2x ty 4aK=1 2x t3u tay =?54 ALcEERAUNEAL 20, 2. 2, SISTEMAG OE ECUACIONES LNERLES YuaTACES 55 Demnestte que independientemente el valor dea el sistema posee una solucién Unica. Determine tl soli Clasiique las diferentes posibilidades parse conjuntosolucion del sistemasiguicnte, ‘en terminode Tos parimetos 8, 28,36 br t2ntneb Ba tan ence Para los siguientes sistemas de eevaciones, determine los valores a y B para que: 1) el sistema tenga una solueign nie 2 sistema no tenga solucién; 3) el sistem tenga una infnidad de soluciones 1) dntanenes 3 ontatael Su-mt age? any 4289+ 9 =2 sit Te = 6-8 mtantannb+2 2 ata-daro 4) anttetann be? 2a tint met 4x +7m an 6 Du tant 4n=1 Detar tate 1 Enos sistemas de ecuaciones siguientes, detemine los valores de a para los eves cl sistoma tiene solueidnes) En al easo determine la(s) solucién(es). ) mtanet Do mented ax tase 2x) +582 + Say = 10 2 menemel In tara autntnsa 4 eines @y-me3nea el 2a + Tie dia Dey a +S oxy - dn bay tx 2x #8 + Gry 24 = 2+ 1) ‘Resuelva los siguientes sistemas homogénoos de cevasfones lineal 1D) Intntso~0 A nt2er 2a tno 2x1 +4n9 +45 =0 dient 2a 20 4x, ¢ 2m, ~9= 0 Dy tated 2 mrmtnn0 3 xtmewe0 nod sit2ntm=0 ani-22 #3070 2x; #2 +290 3) mt3ue3m-0 ' 2x; Tas + Tay 20 2x; Ten + 6x = 0 {Bs verdadero el teorema 2.1 para sistemas no homogeneos d En caso afimative demuéstrelo, de otro modo, Jé un conte ‘ouaciones Hncales? -mplo. 3. MATRICES (V : OPERACIONES CON MATRICES Bl concepto de mattiz aparecié ya en la seectén anterior en relacidn con los sistemas de ecuaciones Fineales, en un intento de ahorto en la notacién para el proceso de eliminacién Gaussiana. A partir de este momento se va a olvidar esa correspondencia matriees-sistemas de ecuaciones, a menos que se haga referencia explicitaaclla, Se emprenderé ahora un estudio de estos nuevosentes matemiticos pensando en ellos como “objetos con existencia propia’ ‘A pesar de que ya fueron establecidas algunas de las definiciones preliminares, stas se repetinin en su momento para lograr una continuidacl en nuestro estudio, Se llama matric «un arteglo rectangular de németos como el siguiente: a aw an ak gt oes a (constituide por m lineas, 0 filas © renglones, ym coluninas). A los mimetos y= 1, 5m,j 1-51) se les ana elementos de la mata. 4,65, pues, el elemento de lt maiz. que se encuentra en la la fdsima column, Se uso Fetias maysisculas (Ay B,C). pata dsnotar matrioes y mindecula (a3, Bj cj».) para denotara sus elementos. ‘Se define cl orden de una matriz como: ndmero de lineas * mimero de ‘eolumnas, Para la mattiz A de orden m * n, euyos elementos son ay, se usa tambien La notacién A * (4), pe -ésima linea y en moc m=, sedice que A es una matricuadrada. En tal SienA = (a); caso se eseribe A = (aj)j-1..0y Se dice que A es una matt (euadrada) de orden Se dice que las matrices A y B son iguales i ellas tienen el mismo orden y sus elements eorrespondlientes coinciden. Por ejemplo, la matri es igual ala mattiz, siy silo si,y= 2, mienttas que la mattiz56 Auseera ten 1°20 c-|8 3 0 0 0 0 cs diferente ls matriz A (sus érdenes no eoinciden). Dade la matrizcuadrada A de orden n,A * (ai). Se dice que los elementos Gita Gin cn [a cual todas sus elementos son cero, excepto los de la diagonal principal, que son uno, se le llama matri identidad (de orden 1), y se denota por Jy. Asi, por sjetnpla! 1000 heph ° nel® 1 0 0 helo af M)o Oo 1 0 oo 01 Se define también la mattiz cero de orden mx 1, denotada por 0,.,(siel orden es ‘claro on el contexto, se va a escribir slo 0), como la mattiz que tiene todos sus elementos iguales a cero. Por ejemplo: 0 oF Pésese ahora a ver qué tipo de operaciones se pueden realizar con las matrices y ccémo se efectian O20 0 (oe 010) 9 0 0 3.1. SUMA Y PRODUCTO POR UN ESCALAR, DEFINICION 3.1 (Suma de matrices) Sean las matrices A * (4) so1,...av ¥ B= (Bi) i=1,.m Se define la suma de A y ; B,denotada por A + B, como la matriz ( jwendonde ¢y~ ay + by, Esdecit, ANB (Oy # Bet om ye EJEMPLO2 DEFINICION 3.2 (Producto por un escalar)* EJEMPLO3. SISTEMAS CE ECUAGIONES UNEALES YuATACES 57 Obien au an ay] [ba be bw ay as ay || be ba Our aa e+ an | | Bata bo autby aistba 1. auetl aytbay aztba aut Gurtbat uate +++ gate ‘Véase que la suma de matrices se ha defi solamente para matrices del mismo orden, Por jepo 12-17 [4 3 37 75 5 2] foam eee alee see tein 5 7 2| [7-1 5] [2 6 7] Sea la matin A = (ay) 24. ¥ 820 kn escaat(Aigase I € R) ise Se define e! producto de In matriz.A por el esealar k, denotado por kA, como Ia atti (6) =. 1m seh donde = Kay Bsdecit, FA* (Kean obien ay anv. ae) Phu kan oe hte plan an an |. | kon kom ase tar tae a || Rts Rea Klas Porejempio 21 4 3).f6 3 29 3]402 5 i\"|3 6 15 3 Aunque estas operaciones no patezean a primera vista muy emoeionantes, results (como se aclarard en el capitulo 3) que ef conjunto (inetme) de matrices se ‘convierte, con las operaciones anteriormente definidas, en una estructura algebrai- cea muy importante: la de espacio vectorial. EI tino esalar ys uso pasa denotar esa operteié Se hal claro en el captlo 3, Pore momento entiquese eacalar con “nimero” (slo compl).58 ALcEBRA LINEAL TEOREMA3.1 DEMOSTRACION DEFINICION 3.3 Las principales propiedades de que gozan estas operaciones estin contenides siguiente teorema: ‘Sean A, By C ties iaitices cualesquiera del mismo orden (w * n) con elementos a, byy ¢,respectivamente, Sean ky dos esealares. Entonces: 1) A+B=B+A (la sumacs conmutativa. 2) A+ (B40 = (A+B) +C (lasuina.es asociativa) 3) Existe una mattiz “cero”, tal que A +0 = A. 4) Dada la matriz A, existe una matriz (-A) tal que A + (~ A) = 0 (la matriz 20). | 3) kas katie ©) (k+DAska+la D ed 8) AeA Se trata de verifieaciones de simple rutina, en las que se emplean propiedades press we ius nimeros reales. Por ejemplo, A + Bes una matriz mr S becy Entonoes ond oy bey - y aabucy Por otra parte v= J asey EJEMPLO6 SSTEMAS DE ECUACIONESUNEALES YMATRCeS 63 ‘en donde aes el elemento de la -ésima linea y sésima columna de AB, 0 sea ae” YF aa be Entonces pir euey YF aubcy” Oy QED. Se puede ver entonees que la multiplicactén de matrices goza de muchas propic~ aby aby t+ Ob 1sigm 1Sjsm ‘Similarmente, el producto de la mattiz Ar. de orden my * ps por la matriz Bs de ‘orden ps * m, 05 la matriz AisB de orden my, Xm, dada por Quy ya oss ip JP Epis By Brot Andy] Bet ere ay |] Bp Be om [Pe [amet dpe eee One| By By ee bn | endonde tovibyrs tdgyabmiy FoF Opbys SES Lsjsm Entonces la mattiz.C, * AuBu + Ain tone ensu /-ésima linea y -ésima eolumna alelemento a+ Pyel cual es aby... apdpst Gipntbpets too tabi ® YE aaby — SES ms B Isjsm Este es precisamente el elemento de la i-tsima linea y Ht ih, 1 $$) del producto AB. Se ha pues mostrado que na columna (1 1< [AnButdnBa | dm lL | | El resto, como ya se habia dicho, queda como ejerciio para el lector. EJEMPLO8 Por ejemplo, sean A y Blas matrices 21 3 As|O -1 4 ied EJEMPLO9 sisTeMas DE ECUACIONES LILES VaTRiCes 69 Lamatriz AB es: 21 3]f1 1-t) f2n ap-|0 -1 4|]]2 3 4|-[-10 5 8 3 1 1{[2 23 38 4 Exte mismo resultado se puede obtener haciendo una previa particisn de las rmattices A y By procediendo segin lo analizado anteriormente, Por ejemplo: > Et A Be «G42 ‘resultado que coincide (después de quitar los corchetes interiores) con el obtenido digectamente para el producto AB, Se hubiera podido efectuar una particion distinta ‘en las matrices A y By obtenct el mismo resultado, El lectot puede verifiear, por ejemplo, que Cotno-un iltimo ejemplo, considere las matrices ron ogo fei 020) 2-12 000 Opn sle 0 a-[3 4.0.0.0 0 hoo 1 10 Oeil) o2 411 oer 01) OTe) OE te oo 1001 0213 Supdngase que se quiere ealeular el producto AB. Se veri que con una particién adecuada de estas mattices, este producto es muy fic de ealculat. Sean70 Avceonauneat ‘SISTEMAS DE ECUACIONESUNEALESY MATRICES 74 13-1 10 Az]? 12] Be[-l ol rmismo concepto de solucidn de ecuaciones lineales, eserto matticialmente), Io (distinga entre el sistema AX = B y la igualdad de marices-numétices AX = B). Entonces A y Bse ven como Supsngase que el sistema AX = B es consistene (s conjanto solucisn no es vacio) Sea X, una solucén particular de sistema, y sea X cualquier otra solucton a-[4 0] pef BE del mismo, 1 OB Al warsels propiedaces ela multiplicaciSn matricial desctitas en teorema (G.2) se puose eseribirentonces es una solucion de AX = B sila matriz AX es idéntica a la mettiz B (se trata del cen donde 0 ¢ Ison las matrices eero e identidad de olen 3, respectivamente. Por lo tanto AQ -%) = AX-AX,=B-B=0 Entonees 5,» X - Xyes alguna solueisn del sistema homogéneo asociado AX = Ar OVP B 1) [AB +0-0 A+O-Be]_ [AB Ay | * eee 7 a AB . peal a Es decir, como X =X, +X, cualquier solueidn del sistema AX = B se eseribe como hhomogéneo asociado, Sea ahora Xs cualquier soluctin de AX = 0, Al escribir X « X, + 8 se we que AX = Byestoes, Kes solucisn de AX = B Entonces, si ¥ es cualquier soluciin de AX = B, ésta puede escribitse como la Todo lo que se tiene que hacer es calcular el producto A,B, AB, 13 -17f1 0 17 [3 -6 aie te 2) lei ie al eleal es , suma de una solucion particular X del sistema mis Ry en donde Res cualquier 34 Off 3 a] faa solved del sistema homogénce asociado. La manera comecla de weferise a ¥ como “cualquier” solueiin de AX = B(0 a Entonoss %i de AX = 0) os diciendo que X (espectivamente Xi) es a solucion general del sistema AX = B(eespectivamente, del sistema AX = 0). pie erase © ha entonees probado el siguiente resultado. ce oe ‘Sea entonces probado el siguiente resultad ag-[48 4 7 [1-4 3 4 0 — = Biel]. 0 1 3 4 4 TEOREMA3.3 Sil sistema AX = Bes consistent entonees la solucién general del sis a2 121 | fmzeoesrine cm sum dn slip nso seed | mista solucisn genera del sistema homogenco asociado AK = 0. | 3.4. LA SOLUCION DE UN SISTEMA NO HOMOGENEO ; : . DE ECUACIONES LINEALES sail D Notaessnaae 2 | Considrese et sista dem ecuciones con m incégitas AX = B (A es ntonees leon Siete ota i una mati nn), Seasocara eel sistema homogéneo AX = 0 (agu,0 dota lamatizcerom * I) y sedi que estsisemaesel sistema homogencoasocindo Cea DEMOSTRACION Primeramenteobsérvese que el sistema homogénco AX + 0, que siempre es con eee sistente, de tener otras soluciones ademés de la trivial, tendrd una infinidad de ellas. En efecto, si X, es una solucién no trivial de AX = 0, entonces 1X), 1 € Rsera también i soloci, puss ACK) = HAN) = 1 = 0. Suptingase entonces que AK B es ® consistente. Sea X Ia solucién general del sistema. Entonces X = X, + X,, como cn tlteotena antetio, Sie sisema AX * 0 tiene so la solueln tivil (Xr esa z tale eto), entnes X = Xyy ln solcin del sistema es ine (vase ue la72 Auccenaunenr afirmacisn reeiproca tambien es cietta) Caso contratio (es dec infinidad de soluciones), es claro que el sistema tiene un ndimero infinito de soluciones. EJEMPLO10 ——_Parailustrarel resultado al quesse reflere el teorema anterior, considere el sistema x14 60- S821 at2u-ns Bu +294) 6 19 Alusar climinacisn Gaussiana, se obtiene Ios 1 101 12-1 S|...-)0 1-1 iit) 0 0 0 porlo que bien, en notacién matricial “at “0 Obsérvese que cen donde x) = 7, x ‘SSTEMAS OE ECUACIONES UNEALES V NATFC ‘O¢s una solucisn particular del sistem y x, = 1,3) =€(¢ € R) es la solucién general del sistema homogéneo asociado. EJERCICIOS (SECCION 3, CAPITULO 1) pest “ELE 4-6) (Fjeefe sees deft dee[i 3] 4. Dada as matrloes Ay By elnimero a caleule en cada inciso A + B, aA, a8, a14*B), (04 + aBy comprucbe en exds cas la vider do inciso(S) del teorema 3.1 “(Eb aae[ papas i t 3 oe-[P a lps E i]e-2 pa-[) dpec[h hae 2 jaetl 3 4a-lil e=6 2 6, Sea wna matsz de orden m xy sean In ¢ lls matrices identidad de Grdenes m y ni respectivamente ‘Compruebe que a) Ans bhAedTA Aoeena went ‘Sea A una matriz de orden mx n. Demuestre gue 2) A025 Onxp b) Oped" Open Dé ejemplos ie matices evadradas 4, By C de orden 3 tales que 2) AB+ BA by AB=AC pew Bec ©) AB=0 peroA roy B40 ‘Seam A y B dos matrices ;Qué puede coneluir acerea de los dudenes de A y B, si os Drodhctos 4B y BA estin ambos defiidas? Demuesire que una condicion suficiente ‘para que los productos ABy BA estin definides es que A y B scan matics cuadradas, in necesaris? Suponga ahora que los productos AB y BA estin Aofinidos y que A@ = BA. ;Qué puede conelur de fos drdenes de Ay B ‘Sea A una mater euadiads, Se define A",n € Noma Si Acs la matie ‘compruche que Dada Ins matices [se] [se gy) demmuestre que ap pao [ 04Y) ee sen (+3) cas (+9) En particule se tiene que sen 2 cos 2 Domuestre que 22) 1s ‘SISTEVAS OF ECUACIONES UNEALES Y MATRICES 75 ‘Sea 4 una matte euadrada de orden n. Se die que la matriz B de orden n commuita ‘con la mattizAsi AB = BA 8) {Cuiles matrices conmutan con ta mati idenidad J.” by {Cuites matrices eoumutan con la mattiz cero O,? ©) Dada Ia mattiz 4, determine en cada caso Is estructura de fa maiz B de moda ‘que B conmute con 4 oa f 23 alt 3] 0 1 0 ea As}o 0 1 ooo A In maiz 4 de orden nse le Yama matri idempotent si = A 4) Compruebe que ta matiz “os aes 3-4 ‘es idempotent ) DemuesirequesiAB = Ay BA = B,entoncesd y B sonmatties idempotente. ‘Ala mattiz de orden se le lama mairz nilpotent si existe un entero k> Otal que a0, 8) Compeuebe que fa matiz esnilpotente. 2). Suponga que la mat A es nilpotent. Se dice que la matrz A de orden nes una marrie dhagonal si todas sus elementos, ‘excepto fos de su diagonal principal, son igules a cero, En tal exso se eseribe A (aot ..n 88 ve ds = O para 12 j. Demuesie que A ding (440s, -444) para denotar ala mati, diagonal (endonde los cers indican que tds los elementos en esa parte de ls matrz son eet), ‘Demuestre que et producto de dos matrices (del mismo orden) diagonales es una ratriz diagonal. Mésconcretamente, compruebe que si76 Avceera nese 20, Ae ding (yay...) Bom diag (bibs oo s0e) AB = BA + lias (basa. 5Abs) Una condicidn necesariay sufciente para que la mattiz B de orden a conmute con tuna raz diagonal a es que B sea una mattiz diagonal. ;Cémo tiene que ser la mateiz diagonal A para que conmute con cuslquier matriz B del mismo orden que A? Explique por qué no es valid, en genera, la siguiente fSrmula, en donde A y B son ase presenta un argumienta para “emosteat™ que siendo y Brmattces ‘euardis del misino orden se ene AB = BA. AB ~ £ QAX2B) “LIA +B) + (A~ B)(A + B)~(A~ BY) Lig eay -(4-ay1 = a+) ~ (BA) Gl BF ~ (= Byl = F1B+A) ~ B-A)} 41@+a) + @~ay@+a) ~ BA) = LeBy2A = BA Sofie en dénde se enctenea el ertor de este argumento, Sea A una natin de orden m « py Buna matrz de orden p * 4) Demmuesire que la iim linea de Ia mata AB se puede obtener multiplicando Ja Fsima linea de la matiz A (considerada como una matriz 1 * p) por la ma- tz. b)_Prusbe quo laj-sltnacolumna de la mats. AB se puede obtener mulipicando la ‘atti A por la-ésima eolumna de la matriz B (considerada como una matt p xD. ©) Sean Ay B as matrices 143+ 12 Ae ate) || see 1144 12 Sin hacer ol edlouto completo del producto AB, determi et) ta primera linea de AB. 2) Is segunda eotumina de AB, 3) fa tercera columma de AB. Sea Ala mattiz cundrada 24. 23, m4, SSTEWAS DE EcUACIONES \wesLEs Y MATRICES 77 ‘Se define fa trazade a matiz A, denolada por tr, coma WA > alias + 1 due = Ya (cuadrada) A es la suma de los elementos de su diagonsl Sean y Blas matices 254 1-1 27 4-]3 4 7] Bela 7 a] oro Oe eal 8) Caleute ar BA + tr by Cateule 4 + By y compruche que ir{A + B) = tA + 1B, ©) Caleule7(AB) y (BA). Comprucbe que a pesarde que AB * BA, se iene (4B) = (BA) ‘Sean A y Blas matices de orden A= Gsm B= Ds toom 4) Demvestre que 7A ¢ B) = 1rd +1, by Demueste que (AB) « 17(84), 2) Domuestte quo Demuesite que noexisten las matices cuadradas Ay B ales ave A~ Bycntonces tA =e. Cs cieta laafimasion retproest AB-BA=1 (Sugerencia: proce por eotradicién, Use los resultados del ejecicio anterior) Sean A y B dos matics del misino orden m % 2 en Jas que se ha efeetuado fa misma patticion,Eserba A= (Ade Be Bram cen donde Ay y Bij son fs submaticesresutantes dela paricibn efeetuada en A y B. 8) Demuesire que la suma de fs matrices A y B puede efeewssse “submatti por submatriz", Esto es APB yt Bom, 1) Pruebe ques kes un escaar, entonces HA GAD oh om Consiere las maticescuadradas A;y Bj de orden ny = 1,2. Sean A y Blas matrices (le orden m+n, siguientes:78 ALSESPA LINEAL 25. 26. AB, 0 Al CCompae con l ejecicio 15. zB en este caso AB = BA? Calevle et protucto AB si Sen Ila mati identidad de ork 2 sea Ala ait 0-1 at onside aie joe sr on 10} 2"|0 -a A oO ernst ue titer! sinjend eke ke=k Peee (una maiz de la forma ove + eal + yj + exk,endonde cs, cy cx Son nimetos reales, se le lama cuaternio). Se dice que ls mater cuadeada Aes una matric involutria sia? ~ I.Sea B una mate via de orden n evalguiers, Demuestre que la matez.A de orden 20 “fb 3] csinvolotoria, Demacste, tmbién, Ia siguinte relacién entre matrices involotorias y matrices idempotentes (vGase ejetccio 13): Si es avolutora, la mati das cosas és idempotent, i Ces idempotent, a matiz An2C-1 es involutoria 28 2. SISTEMAS DE EOUAGIONES UNEALES YaTaICES 79) En los incisoe siguientes se dan matrices A y B en las que se ha efeetuado cierts partcién, Calenle en cada caso el producto AB atendiendo 2 Is paricién dada Verifique su respuesta ao soso my past p18 oo 3014 ) 21d was a’ as 23 ack of Sean Ay B sgl mais 2120000000 Sid ooc kee Did doe cond dT oor sooo foro 010000 oo oboe TOO oo tooo oat fou eo owe OF 3120010000 sib toooe Si tte ott Boos TO ee p.[0 80324 0000 oo 03210000 si Soo aoe pi2e000100 oo S334 7 bw oa Caled praia (Sugerencia: Una adecuada partcion en las matrices Ay B puede simpiifiar mucho Tos eeulos,) En los incises siguientes, se dan sistemas no homogéneos de ecuacionestineaes, los cuales son consistentes, Esciba Ia solucin del sistema como la sum dela solucién teencrat del sistema homogéneo asociado y una solucion particular del sistema no hhomogéneo.80 AcesRA meat 2 atest © Httutwed Beh dn s-2utn eo ) eta-ne2 2a tan yd n-nenel O neuenel Sr t54 =m 99 dy tanened 30. (Enun tono menos serio: un problema prctico de multiplicacién de matices.) Enel bar “La Rana Feliz” se preparan S tipos de bebidas euyas rectas se musstran a Bebida 1 (cuba libre) 1 medida do eon I efresco de cola ebida 2 (cube campechana) I medida de ron 4reftesea de cola gus mineral 2 medidas de ron refeseo de cota 4}agva mineral Bebida 4 (ehandiy seerveza $imonada BobidaS(especialidad dels casa) 1 medida de ron Bebida 3 (cuba doble) $Himonade 2) Estructure nia mattizeuyas llness sean “ineas de ingredientes en ls bebidas” ¥ ‘euyas columnas sean “eolumnas de tipos de bebidas” 1) La experiencia demuestra que de lunes a jueves se consumen, en promedio por ds, 20 bebidas del tipo 1,30 del tipo 2, 10 del tipo 3,20 del ipo 4 y 30 del tipo ‘3, mientea que tanto elvieenes como e! sibado se consumen 30 bebidas de! tipo 1,40 del tipo 2,20 cel tipo 3, 40 del tipo ty 40 del tipo S. Estructure una matric ceiyaslineas sean "lineas de pos de bebidas” y cuyas columnas sean “eolumnas del dia dela semana”. ©) Use las matrices de los incsos anteriores para obtener una matrizen donde se pueda Ieee a cansidad de ingredientes consumids por dia. Contste enfonces as siguientes preguntas: {Cudntos refescos de cola se eonsumen por seniana?, euintas limoradas?, jeuints botellas de ron, sabiendo que cada botella inde 20 medidas? 4, MATRICES (I INVERSIBILIDAD En toda esta seccisn se van a consietar solamente las matrices enadradas. ‘Se ha visto en Ia seceién anterior, al hablar de multiplicacién de matrices, que no es posible deducir del hecho A # 0, AB = AC que B » C, es decir, que la ley de Iacancelacién no es vida para matrices. ‘Véuse con detenimionto lo quo establece esta ley en el easo de niimeros reales. La ley dice: si a es un niimero real distinto de cero y ab = ac, entonces b = ¢ Recuérdese que los msimeros reales distintos de cero son precisamente aquellos «que poseen un inverso muliplicativo, Es decir, a # Osi, y silo si existe" tal que SISTEMASOF ECLACIONES LNEALESY MATRICES. 81 ea = ar = 1, Uno se pregunta si para matrices también es cierto que A es una atti distinta de cero, s6losi, existe un inverso multiplicativopara A, es deci, ‘una matriz. 4" (necesariamente del mismo orden que A), tal que A'A = AA =F (la matriz idertidad juega el papel del 1, como ya se habia visto). Véase por . of) cs distinta, de cero, pero no existe ninguna matriz Atal que A“MA = AA =I. Esto se puede constatar haciendo ol producto de una matrz arbitratia B por A [i e] [3 al = [fe 3bn + a] OH ba ba |[0 2) 7/0 b+ 2b (pes la matez identdad no tiene ninguna columna de cero). Entonoes, Ja propiedad de existencia de inverso multiplicative de una matriz no es equivalente a que tal matriz sea distinta de cero (como en et easo de los rnimeros reales) Esta es una propiedad maisrestrctiva que se va estudiar enests seccién. Se llama inversibilidad, Obsérvese quo Ia ley de Ie cencelactén para matrices eserita como: siA es una matric para la que existe wn inverso muutipl- cativo (en el sentido mencionado anteriormente) y si AB = AC, entonces B= C, ¢s valida. La demostracisn es: témese la matriz A" tal que "A = AA" = J Moltipliquense ambos miembros de AB * AC por A~ para obtener A") = {AP(AC), Alusarla asociatvidad del produto, se obliene (114) B= (A"A)C, osea, 1B = IC, donde Is la mati identidad y entonces Finalmente, B = C. 4.1, DEFINICIONES Y RESULTADOS PRELIMINARES DEFINICION 4.1 Se dice que la matrz Aes inersible si existe una mattiz B (necesariamente del mismo orden que A) llamada inversa de A, tal que BA* ABI Caso contratio se dice que A es no inversibl, El ejemplo trivial de mati atciz ible es la matriz identidad. Otro ejemplo es la ‘Aces inversible pues la mateiz82 ALoceRAUNeAL COROLARIO DEMOSTRACION TEOREMA 4.1 DEMOSTRACION estal que [a s][2 fo f]-[2 a] 3 {Una primera observacién que se puede hacer, en base ala definieién de inversi- bilidad, es queen el easo de que una matriz sea inversible, su inversa es unica, En. efecto, supéngase que B, y B; son dos inversas de A. Entonees. By = 1B, = (BsA)B, = BYAB)) = Bul = By t t pues Bees pues Byes inyersa de A inversa de A A partir de este momento se puede, entonees, hablar de la inversa de la maitiz (nversible) 4, la cual so va a denotar por 4° i ‘Sid es inversible, su inversa es tambign inversible y (A-t)" = A De la definicién deinversibidad y la iid de a invorsa ce signe de inmediata Qu Si y B son dos matrices inversibles del misino orden, entonces AB (ABy* = Bia 7 | | tambien es inversible y l Se tiene (B!A)AB > BIAMAB = BIB = BB = (ABY(BAA) = A(BBA! = AIT = AAT ™ Entonces BA" es la inversa de AB, QED. Mis genetalmente, si j,i 1, ...,21s0n matrices inversibles del mismo orden, centonces A\As.... Ayes tambisn inversible y (Aa. Ay = i. AA Lademostra in es por induceién y se deja como ejereieio para el lector. COROLARIO TEOREMA 4.2 DEMOSTRACION EJEMPLO 1 SISTEMAS OF ECUACIONES UNEALES YWATRICES 83 Se hari referencia al resultado anterior eomo “producto de matrices inversibles cesinversible” Sea n un numero natural yA una matriz cualquiera. Se define In potencia neisimadelamatrizA comod* = AA...A (veces A multiplicada por si misma). Sehace el convenio de que A?= J. $iA es una matriz inversible, se puede tambic definir ‘poteneias negativas"* de A escribiendo A= (4"". Al usar es cidn se obtione el siguiente eorolatio que nvés que itil, ofrece una fSrmla muy bonita Si A esuna matriz inversible, A" ay La demosttacin es inmediata (véase e teorema 4.1) y se deja como ejercicio, Si A cs una mattiz inversible y kes un escalar distinto de cero, A también es inversible y sntonces (kay = fea (G@onde &* denota al inyerso multiplicative def). Se hard uso del teorema 3.2 (4). (CAA) = (ead = LTT GAYE A) = (EAA = TT QED. Asi, por ejemplo, se habia visto al principio de esta subscecidn que a inversa de lamatriz -[i-4 uA -[2 °| cra ees *Se debe ter mucho edad en no confi el signiiesdo de “pens de una ati A” oa a ‘manera gorse est denotndo suinversa Por empl mas significa 4:4," mo signa 174, sino que es la manera come se dental inversa de A84. ALGEERA LINEAL TEOREMA4.3 DEMOSTRACION TEOREMA 4.4 DEMOSTRACION Eons dt u(2 Fl ue 2] ‘como se puede comprobar directamente. ‘Un resultado interesante, que conecta I propiedad de inversibilidad de la rmatriz A, con las soluciones del sistema homogéneo AX = 0, esti contenido en el siguiente teotema: ‘Sila mattizA es inversible, entonces el sistema homogénco de cevaciones lineales AX = O tiene slo a solucién trivial. Supéngase que A es invesible yconsidérese el sistema homogéneo AX = 0, Sea cualguiersolucicn de este sistema, esto es, AX = 0. Multpliando (por la iequierla) esta dtima igualdad por A" se obtiene 4-(AY) = AO, osea (A"'A)X = 0, esto es, X = 0, Es decir, la tnica solucién de] sistema AX = U es la trivial, Qe En realidad, tambign es cietta la afitmactén reefproca de! teorema anterior, es ecit, sil sistema homogéneo de eounciones AX = O tiene silo lasolucisn trivial, entonces se puede coneluir que la maiz d es inversible (y en ese caso decir que Acs inversiblees equivalente a decir que el sistema homogénco de ecuaciones AX = Oticne sélo la solueién trivial) Para poder dar una demastracién de este hecho se tend que avanzat wn poco ids en la teorla que se esté desarrollando (la prueba se dara en la siguiente subsecci6n). Sin embargo, se quiere usarlo ahora para dat una caracterizacion mis simple de inversibilidad de una matriz. Sea A una mattiz,cualquiera 1). Siexiste Btal que BA = J, entonces A es inversible (y B = 4"). 2) Siexiste Ctal que AC = I entonces A es inversible (y C= A“), 1) Considétese el sistema de eevaciones AX » 0, Sea X una solusin de é, esto 8, AX = 0, Muliplique por la izquierda por B para obtener X= 0 Entonces, SISTENAS DE ECUACIONES LcALES Y MATRICES: BB €l sistema AX = 0 tiene slo la solucién trivial. En ese caso 4 es inversible Mulsiplique pot la derecha a BA = Ipor A pata obtener B = 4”. 2). Aniloga a 1). QED. De agui en adelante, entonces, para verificar que B es inversa de A basta con verificar que BA ~ Fo que AB ~ I (cualquiera de estas condiciones implica a la ‘otra, segin el teorema anterior). Hasta este momento nada se ha dicho acerca de edmo detetminat la inversa de tuna mattiz, De eso nos oeuparemos en Ja subseccién 4.3. Sin embargo, se puede plantear un procedimiento natural pata hallar la inversa de una matriz como se cine aco bd “fe 4] ‘Soa Ia mateiz Se quiere deteriinat bajo qué condiciones esta matrizes inversibie y,en tal caso, obtener una féermula para su Se quiere entonces hallar uns mattiz. a-[e 2] of dE 26 3 Al hacer la multiplicacidn indicada ¢ igualando los elementos correspondientes, se obtiene el par de sistemas de dos ecuaciones con 2 inesgnitas ary + be cn + dey = 0 fs + bu = 0 tal que cnt du = 1 Reoustdese que a, bey d Son daudos y se quiete determinar x1, X25, % Es fll ver que el primer sistema tiene solucion si ad ~ be # 0, en euyo caso86 A.ceeR LINEAL Similarmente, si ad = be # 0, el segundo sistema tiene por solueién ad- be Md be De tal manera, entonces, si ad ~ be # 0, la matriz A es inversible y su inversa es: _d -b adhe ad= Be ad-e EJEMPLO 2 Apliquese de mievo este procedimiento para halla la inversa de la mate 1203 A=|0 2 3 oe Os) Se quieren en ese caso hallar i, «xy ales que (3 3]2 2 2} Al heer las operacinnes indlieadas se obtiene a4 2ee# 3x21 2ut3n=0 => 3u=0 wt2nst3u=0 2x4 38 1 => 3u=0 2) 42a + 3p = 0 2+ 3m#0 => Bue ¥y entonees: Para una matriz de orden n, este proceditniento para halla la inversa de la matriz cconducinfa a resolver n sistemas de ecuaciones con 1 inedgnitas, Es claro que, a osTeuss PE ECUACIONES LnestesY MATRICES BT menos que los sistemas resultantes sean Ficiles de resolver (como.en el ejemplo anterior), se precisa ce mucho trabajo para obtener Ja inversa de una matriz.con este procedimiento, En In subseccisn 4.3 se veré un método mis sistemuitien que requiere de menos esfuerzo. Peto antes, se tendra que avanzar més en la teort 4.2. MATRICES ELEMENTALES DEFINICION 4.2 EJEMPLO 3 EJEMPLO4 Se dice que a matriz Ede orden mes una matrig elementals ella puede obtenerse, a partir de la matriz identidad [,realizando en ésta wna operacion elemental 103 Of 0 oo 1 Por ejemplo, la mattiz. lr es una matrz elemental, pues se obtuvo partiendo de fy, sustituyendo en ésta su primera linea por ella misma tads tres voces su toreera linea ‘Similarmente, las matrices (eS spe te lo s}'|r oo son elementales (la primera provino de /; intercambiando sus Shineronbind spt) ec Ti Sinema nate 02 [i 3] Jemental, pues para Hegar a ella partiendo de Jshay que realizar mentales (intercambiar lineas y multiplicar la primera linea as, la segunda fereera proving, ‘no es una matt dos operaciones el por2). Consiclere Ia matriz A de orden 3x3 atriz elemental que provino de itercambiando su primera y tercera lineas. Realice el producto EA88 ALGEBRA LINEAL TEOREMA4.S Ou lest BA=|0 1 0 10 0 [E = 3-2 2 3) Observe que el resultado es la malriz que proviene de iutercambiandosu primera yyrercera lineas. ‘Seu E: = mattiz elemental que provino de /, sustiurendo su segunda linea por lla mds kveces su tercera tinea. Realice el producto EA. aan ay daa an an |= [dat kay a+ tay dy + kay} a as, aya ay linea por ella, mis k veces su tercera linea. ‘Sea Ey « matriz elemental que provino de /s multiplicando por e* Osu tercera linea, Realies el producto Ess. 10 O}fan ax ay] [au an ay BA=|0 1 Olfax an an}=|an an os 0 0 cllax az ay] [ea can cas ‘Observe que el resultado 6s la mattlz. que proviene de A mutipticando por e * 0 su tercera linea. ‘Como conelusién de estos ejemplos se ve que al multiplicar por la izquierda (se dra “premultiplicar”) la atti por la matriz elemental E, se obtiens la ratriz, que resulta de A al realizar en ésta la misma operacidn elements que se realias en J; para obtener E; (/=1, 2,3), Este es en realidad un hecho general que se enuncia en cl ccuya demostracién se deja como ejercicio al lector: jente teorema, Sea A una mattiz mn. Al premultiplicar A por a matriz elemental E'se | obtiene por resultado la mattiz. que proviene de A realizando en ésta a | _ isms peel ental een cn pr gare Antes de enunciat y probar el siguiente resultado, que indicard que todas las ‘matrices clementales son inversibles, se recuetda que las operaciones elementales cn las lineas do una matriz tienen una operacién elemental asociada “inverse” (en. cl sentido de que deshace la operacién efectuada), que ademas es del mismo tipo. Enefecto, 1) Supéngase que A’ se obtuvo de A intercambiando las lineas fy . Sien A” se intereambian nuevamente Ins lineas iy j se recupera 4. TEOREMA 46 DEMOSTRACION EJEMPLO 5) SISTEMAS OF ECUACIONES LIEALESYaTRICES 89 2) Supcingase que A’ se obtuvo do A sustituyendo la fésima linea por ella misma mis & veces la j-ésima linea. Sien A’ se sustituye la fésinia linea iis (-f) veces la -¢sita linea, se reeupera A. Por iltimo: 3) SiA’ se obtuvo de A multiplicando su i-ésima linea por la constante ¢ * 0, multipliquese la iésima linea de A’ por 7 a y reeupérese asi A. Si E es una mattiz clemental, entonces E es invetsible. Su inverse es también wna matriz elemental Ls eee ee —— Siendo E una maitiz elemental, E provino de Fteatizando en éta una operacién, ‘lomental, Segin la observacién previa al teorema, se puedereeuperat realizado cen £ la operacién elemental inversa. Sea Ela mattiz elemental que proviene def tealizando en ésta la operacisn elemental inversa mencionada. Segin el teoremma 435 se tiene BE = 1. Un argumento similar aplicado a ta matriz elemental E, ‘muestra que existe una matriz elemental £” tal que E”E" =I, De las expresiones EE* I= E°E’ se concluye que E= E",Se ha entonces probado que EE = EE’ = Testo es, que E es inversible y que su inversa £’ es también una mattiz elemental, Qu D. Por ejemplo, si Besa maria elemental que proviene de , sustituyendo su prime linea por ella misma mis 3 veoes su tereera linea, 0 sea 10 3 E-|o 1 0 joo 4 su inversa E°' seri aquella matsiz cfemental que proviene de Jy reafizando ta ‘operacién elemental inversa a la que se realiz6 en f,para obtener E; es decir, ‘sustituyendo su primera linea por ella misma mis (-3) veces su lercera linea, 0 10-3 Bi=/0 10 (eeoe a El siguiente teorema (4.7 es un resultado muy importante, tanto desde el punto de vista eético, como también desde el punto de vista prictico, pues de él (dle su ddemostracién) se podré deducir un método para hallar la inversa le una matez. Para demostratlo, se pondrin en juego todas las ideas desartolladas en esta90 ALceeraument LEMA DEMOSTRACION TEOREMA 4.7 DEMOSTRACION COROLARIO; subscecién, asi como también el siguiente resultado “téenico” sobre sistemas de u Basta obscrvar que el sistema AX = O es equivalente al sistema x, = 0, t= 0... 4" 0, cuya matziz (la matriz del sistema) es f.. Lo eval significa que partiendo de A, por medio de operaciones elementales, se puede llegar a fy. Esto es precisamente lo que se queria probat. Qkp. Las siguientes afitmaciones acerea de la matriz.A de orden m son equiva lentes: }) Acsinversible, 2) Acsequivalente ala matriz identidad 1) 2): SiA ¢s inversible por el teorema 4.3, el sistema homogéneo de ecua~ ciones AX = 0 tiene sélo la solucién trivial. Entonees, seg anterior, A es equivalente a Jy. 2) = 1): Que A es equivatente a In matriz identidad /, significa que, partiendo de A y tealizando en ella operaciones clementales, se puede Megar (igase que despuds de r pasos) a L Esque ae Aw AW Am eT donde i= 1,..., rindica que se efectia una operacién elemental, Porel teorema 45 se tiene que existen matrices elementales Ei, Es, , Ey tales que Bid = Ay, EAy= Az..+, EA, =1. Combinaneo estas expresiones se llega a (E-... ExE)A =I. Sienclo EE... E-inversibles ((eorema 4.6) se puede presentar la expresin, anterior como A = Ej! E:!.. E-!, Entonces 4 es un producto de matrices inversi- bles, Es por tanto inversible. QED. Se puede abora probar el resultado que se hubfa prometido en la subseccién anterior. ‘Sea A una mattiz de orden n, Si el sistema de ecuacionies AX = Otis la solucién trivial, entonces 4 es inversible, SISTENAS DE ECUACIONES LNEALESY MATRICES 91 DEMOSTRACION Segin el lena previo al ieorema 4.7, A es equivatente a la matriz identidad 1, Entonces, segin el teorema 4.7, des inversible: QED. 4.3. EVALUACION DE A~* Bn la subseecidn anterior se desatrollé mis la teoria acerca deta inversibilidad de imatices, Se obtuvieron resultados importantes (como el tcorema 4.7) que se lusanin posteriomnente en otros eapitulos. Sin embargo, se veri que, come fruto, de esta maquinaria tedriea desarrollada, se puede concretar un método para evaluat Ia inversa de una matt Se centta la ateneién en la demostracion dela implicacién 2) => 1) en el teore- rma 4.7, Bajo la hipétesis de que A es equivalente a la mattiz identidad J, se coneluys que A es inversibl. Alpprermltiplicar la mattiz A por la mattiz elemental E, se obliene Ay, que es le primera mattiz. equivalente a A que apareée en nuestro eamino para Tlegar a Jy. ‘Similarmente al premultiplicar A, por Ese obliene Az, segunda mattiz, equivalents A enel proceso para aleanzar J, ete. Se iene la importante formula (Eng. EXEQA = @ de la cual se puede concluir que 4 es inversible, Acontece que en realidad se puede conclu mids tadavia, Tal férmula nos esta \diciendo cudt es fa matriz A~. En efecto, segin el teorema 4.4 se tiene A= Bose BEL © De esta firmula, por simple que parezca, se puede deducir un ingenioso & interesante método pata hall la inversa de una mata Sehia de leer la formule (a) dca siguiente mancra “al elzetur las operaciones clementales correspondientes @B;, Ei... E (eh este orden) en la maiz A, se obtiene P A let entonces de la misma manera Ia férmula (b) se tien: “al efeetuar as ‘operaciones elementalescorrspondientesa Ey, £..., Een la mati f,se obtiene a 1. he agu el metodo para halla 4: las mismas operaciones clementales 4que se hagan en A para obtener /, se hacen en y el resultado es ni ras ni me- nos que A". En la prctiea, para hallr 4" se va a eserbie una mati de la forma win ‘Al centrar a atencidn en la parte izquierda de esta matriz (en doncle se encuentra ‘A) se realizan las operactones elementales que conduzcan a llevar a a la mateiz iddentidad (obsérvese entonces que esas mismas operaciones se estin efectuando cen), Cuando se Hegue a J la matriz que aparezea en el lado derecho debe set 4”.92 ALoceAALNeat EJEMPLO6 Esqueméticamente: wig wpa Considétese que si llegara a aparecer una linea de ceros en la parte izquietda de la matriz dorante el proceso deserito, esto indicari que A no es eguivalente aly y pot lo tanto, segtin el teorema 4.7, que en tal caso A no es inversible, Es decir, este métealo ayula a detectar tambign la no inversibilided de una imatriz Observe funcionar este método en un ejemplo conereto, Sea Beeaee! A=|-1 203 313 i i i ste derecha las Sein eseribiendo en la parte izquierda la matriz obtenida y en la parte de ‘operaciones elementales que se realizaron para obtenerla (de la anterior) 1 | 1 0 0 3 1 0 1 olf 3] 0 0 0 41% 0 OF Gy day 3 | 0 1 of 4D 30D 3 | 0 04 Ms Ms 0 0) (12) — (12) + (LI) % | 1 0} (13) = (£3) + 3(L1) bro 4 nella ene] ~ 2a 1 | we % of 7 3 2] 1 048 “Ve 1% 0-0) (3) -+ (3)-3042) fe een ee -1 | %& OT “| We OO} U3)» ~ (43) 1 | wm oO 11 % - EJEMPLO7 ‘SISTEMAS OF ECUACIONES MEALES YWATRICES 93 14 0 | & & -w it -}o1 0, «-m i (Ly ~ (e+) O00 1 | % =] Oy + UD-EH 1,0 0 | -% % = ee) jor 0 | x me 1] CD en-2a2 Oe One te |e stein Entonees % - Ms | * - eee ~[3 2 12 ATs 6 -1 10 3-2 5 1 Obtenga 2) ele ie) 0) a0 302 1 21 0 4 0 of, Soa my oo tq 39203 110001 ee 0 Oo) ee aay) -[O -4 4 =} 3 1 0 of @3) 5 @3)-sany O 4 4 +10 | -§ 0 1 Oo} (4) = Uay-3L1) 0-8 8 nj oo 1 to2 -1 4 f 1 0 0 of Ua) 5 ayy HO ee ho Oe 0 0a ee eet ao) [9 @ 8 1 3 0 014 Se ba obtenido una linea de ceros en la maitiz de la izquicrda, ‘Le mattiz A es, pues, no inversible,94 AoeeRA uNeAL 4.4, MAS SOBRE INVERSIBILIDAD TEOREMA 48 DEMOSTRACION EJEMPLO 8. ara terminar esta seeeisn, se va a explotar un poco ts Ia idea del método que se acaba de deseribir, para obtener algunos otros resultados interesantes. [ {que A es inversible, pues las matrices elementales lo son y el producto de matrices inversibles es inversible. Reefprocamente, supéngase que existe A”, La formuls (b) dice que AY Eby + Bab donde Ey, Es... £-Son matrices elementales. Entonces A= APY! (EE va EXE)" = BV ES Las matrices 7! (ie, 2, .-.. 7) som inversas de matrices clementales, y son, por tanto (véase teorema 4.6), matrices elementales. QED. Por sjemplo, considere In matrix 361) 01 O10} 00 Beite: 12 0 | 1 0 OF G2) + @2)-300 -}o o 1 | 3 1 0 o1o}oo04 120) 10 GVH Uy -|o 10 | 001 a) 10 0 | 1 0-2) @) + Un-202) +o 1 0 | oo 4 oo 1} 31 0 SISTEMASDE ECUAGIONES LINEALES YaTacES 95 Segtin el teorema antetior A debe de expresarse como el prodicto de matrices celementales. Arin mis, el mismo teorema dice que A = Ej*E3'... E:!, donde EVES,... Ej! representan las matrices elementales inversas de las matrices correspondientes a las operaciones elementales que se tuvieron que realizar en A para llegar a /, En nuestro ejemplo se tiene: Enionces y OPERACION | ELEMENTAL (12) = (12)- 41) (2) (13) (Ly > (L242) Entonees ee 0/) fie 0n 103] 1210) A+ BIE =/3 1 offo 0 1]jo 1 0 oo 1]/0o 1 offo o 4 2 10)) ee pte 00H tO} 0 ta) 10} Soest | ot teee0)|| 08 Oren (Ol fata) o 1 of fo o affo 1 oj/o o 4 Otro resultado interesante, de eardeter mis general que el anterior, estd contenido cen el siguiente teorema:96 Avcesra umes TEOREMA Sea A una matriz m % m. Eptonces A puede factorizatse como A = QA’, donde A’ es la forma esealonada teducida de A y Qes une mateizinversi- ble (de orden my. DEMOSTRAGION Laittea de la demostraidn es la misma que se usd para demostrar 2) ~ 1) en el EJEMPLO icorema 4.7. Partiendo de 4, por medio de operaciones clementaes, se llega a’ Cada operacién elemental que se realize en A equivale a premoltiplicar por una mtr clemental Bxisten pues, Kmateies elementales iy Eis... Ede of don m tales que Ey... . ExE,A ~ A’, Entonces 4 ~ (Ei'... Er)’. Llimese Q = Ey... Ei, Esclaroque Qes inversibe. QED. EI mismo teorema anterior proporciona el método para hallar la factorizacién. rmencionada de una mattiz. Esqueméticamente el método se ve como (nen | fel -W1O) Por ejemplo, si Aes la matriz se tiene 123; 1 07, fl ow 1% 145701 ole 1% Bones, Low afb oa] Ahora obtenga Q = (Q")' Ww [ot oy 1 2 Ww M | 0 lop -bo4 Entonees La factorizacidn de A se ve entonces como TEOREMA 4.10 DEMOSTRACION EJEMPLO 10 LSISTEWAS OE ECLACIONES LIEALESY MATRICES 97 fee ae stalin 2] 0a 14 5)"|-1 affo 1 4% %—Tavenible fom exatonade ‘educa de & Un tltimo resultado que relacions Ia propiedad cle inversiitidad de una mattiz A con las soluciones del sistema no homogéneo de ecuaciones lineaes es: Las siguientes afirmaciones sobre ln 1) Aesinversible. 2) Elsistema AX» Btiene solueida tnica. 1) +2). Siendo A inversible, el sistema AX = B tiene al menos la solucién X = AB (pues A(A"'B) = Bes una identidad). Para ver que esta solucisn es Tunica, sea X cualquier otra solueién del sistema, Por lotanto, AY’ = B. Premultiplique por A" y obtenga X’ = A" = X (otro argumento para la unietda: sea ¥ cualquier solvein del sistema AX » B. Entonces X = J, + Xi donde J, os una solucisn portiular al sistema y Ry es la soltidn generat det sistema homogéneo asoetado, Per A inversibic implica ¥y= 0 (Worema 4.3) Entonees, X= Xy la soluién es uni) 2) = 1), La demostracisn del corolaria del teorema 3.3 permite conelutr que si AX = B tiene una solucidn tniea, entonees el sistema homogénco ‘asoeiade tiene sélo la solucién trivial. De este modo, por el corolatio del teorema 4.7, la matriz es inversibe. QED. Este teorema proporciona un nuevo métodl para resolver sistemas no homogéneos de couaciones “cuadrades" (niimero de ecuaciones * mimero de inesgnitas) ‘cuando éstos tienen una solucién tinea, Por ejemplo, considtere el sistema By t2n-med au t2u tBu By tut 3ne2 bien, AX = B eon9B ALcesRAUNEAL Alal-t ya se vio (primer ejemplo de Ia subscecién 4,3) que A es inversible y que “= Ata) M% MO “Am 1 n (nica) del sistema esta dada por “% me -17[4] [ew Reatp=| 46 my 1 {fate] 1m se 8 -ff2] | cs decir, 1 = -21/8, 45 = 17/4, x5 2718. EJERCICIOS (SECCION 4, CAPITULO 1) 1. Verifique que fa mata ; 4 ‘] a-[o eu lett cs ls inversa de a siguiente mateiz A. ;Cuiles la inversa de BY 2 Demuestre que lam 10 0 0 o 100 Alo 20-1 0 5-8 0-1 ‘es inversible y quella es su propia invers. (Ver ejereicio 25 dela seecién anterior.) 3, Demuestre que una mattiz con una linea o con una column de ceros no puede ser invorsible. 4, Veritique la valde det teorema 4.1 con las matrices A del ejrcici ty ta mateiz 10. ‘SISTEMAS OE ECUACIONES LINEALES YATRICES 99 123 (Caya inversa fue dererminada p-|o 23 [: a dl en fa pigina 86.) Demvestre el reciproco del orem 4.1: si y B son dos mattices del mismo orden tales que el producto AB es inversible, entonces A y B son matrices inversibles (Observe que no puede wsar la formula (AB)! = BA, pues ésa presupone precisa- ‘mente lo que se quiere demostrar) ‘Sea Ata mateiz ‘| 5 CComprucbe que A es inversble y hile su invetsa, nel ejecico 10 de I seceibn snteriorsedemostes que 2 [us on ] on 16] cen donde n = 1,2, ... Prucbe que esta formula tambign es vi negativas de’ Enevenire la inverst de la mati. 1s “12-18 aT om 8 para “potencias 303053 (Sugerencia: Use el teoema 429 el ejecicio 1.) SiA esuna matriz inversible y kes un nimero distinto de cero, demuestre que KA* y (A): son inversibes, en donde m es un aimero natural cualquiera, Seam Aas. An attics inversibles ks... Ay mimeros no mules, Demuestee (orinduecién) que el producto Aldo AD) cs inversible y que su inversa es Ai! Use elejercicio ty elteorema 43 para resolver et sistema homogéneo de ecuaciones Hneales Sti 4y-65 0100 ‘ALOEBRALINEAL 12, rey M4 16, 9x4 By Ty 20 nem=520 n (Pig, 86) se demostré que stad - be *Ocntonces Ia maiz ae [ed] esinvrsive, Dermest aaacnrcposeinvasble enonces ad - be +0, Utilice el “método” deserito en In pdgina 85 (para halle inversas de matrices) par sdemostrar quel mattiz Dada la matt 3-1 4 asfo 24 rl? ‘demestze que A? ~ 348 - TA + 1815 = 0 (la matezcto de orden 3) A partir de este resultado prusbe que A es inversble y halle 4 Dada la mati comprucbe que A? = 34? = 7A - 11s = 0, Encuentre A 9. Diga cules de fas siguientes matrices, son matrices elementals. i taleaso, encuen- a usando ol feorema 4.6 (Su demastracin). of] oft BP ale o ° 1 10 0 104 Lo 0 B03 0] g-]0 1 0] Belo 0 1 001 ° ° "7 9. 20, a1. 2, 23. SISTENAS OF ECUACIONES LNEALESY MATRICES 101 ‘Sea A uns mattiz cualquiera de den 3. Descrit las sigulentes matrices a) BA 0) EEA ® BEA i) BEA BA © BEA ) BEA Wy BABEA © BA 0 BEA ) BEEA 2 BNEEEYA Sea una matiz m x py Buna matrix p* n.,Cémo se alter el producto AB sien is smattiza 4) inteceambia dos de ss lineas, 'b)-mutiplica una de sus lineas por el escalar + 0, 9) sustituye una de sus Hneas por ella misma mask veces ota linea (Sugerencla: use elteorema 45 y la propiedad asocitiva del producto de mattices) En esta seccidn se discutl cules el efecto de promuitiplicar una mattix A por una smatez elemental (leotema 45). ,Qué ocure sa la mate A la mulipicamos por la dereciha por la matiz elemental B? Es deci, icOmo es la matriz AE respecto dela mmatriz A? Sead una matic m X py Buna matte p xn, ,Cémose alters el produeto AB sien la matte B, 8) Inveeambia dos de sus columnas, 'b)-moltiplica una de sus columnas por el esealark# 0, )susttuye usa de su Kneas por ella mista mas veces ra coluna ‘Sea A una matrz inversible, Deseriba fos eambios que curren en Asi en la ma wid 8) se intereambian ds de sus lineas, 'b) se muipica una de sus lneas pore escalar k ¥ 0, ©) sesustinye una de sus lneas por ella misma mas k veces ota tinea, (Sugerencia: use los tcoremas 4.6 y 4.1, as{ como el resultado del eetccio anterior.) Repita el eerccio anterior cambiando la palabra “linea” por la palabra “eolum Use el teorema 4.7 para demostrar que la matiz. as 4 Arjo 71 0 0 2 esinvorsibl Sea A la matiz102 Auseonaunent 25, 26, 2 28, 29, en donde dian... #0, Demuestte que A es inversible. Qué acontece si ods: +e ™ OF (Gugerencia: use el mismo argumento que en el eerccio anterior) Como un caso paticular del ejrcicio anterior, coneluys que la mattz diagonal A ding (a, 05..,0.) en donde ajay -. ay # Os inversible, Caleule su inversa (Sugerenca: vse ojercicio 15 dela seccién anterior.) Sea una matizailpotente (ve eerccio 1 do la seecibnanterion). Compruebe que ‘A-no pucde set inversible. Sea A una matiziavoluoria (ver ejereieio 26 de la seid anterior). Demuestre que ‘Acs inversible, Determine su inverse Prucbe que sid es una matriz idempotent (ver ej nversible,entonees A eS fa matrizidentidad. Sean A y B dos matrices inversibles de orden n. Demuestre que la msirie C de of denn Ao eft] ‘esinversble, Determine sa inversa. Use este hecho para hall la inversa de la ate 13 de la seceiénamtetion & ° ° 3 a 3 A ° ° (Sugerenca: vease el eereicio 23 de la seccisn anterior) Diga cules dels siguientes matrices son inversibles. En caso de que lo sean, hallesu ar og 32 Go 2 31 ‘SISTEMAS DE ECUACIONES LmALeS YMaTRICES. 103 oo 1 o sees 10 0 0 eee No ot p]2 0 0 00 01 o 10 on 214 100-4 1104 fdtet een ont 2 Poo 1 2 102135 22-11 bio oo lo o12 0-6 34-2 03-9 2312 001223 ria ®lia3 4 102-6 (El mensaje secret.) En est problema se da un mensaje para todas aquellas personas {que estudian est libro. Consiere la equivalenea letras-ntimeros: A = 1, B= 2,C~ 3, + Z= 27, Se propotciona la matrz BA de orden 4 8 siguiente 3301870 oO uw 6 36 pa [165 94 130 12106 70184 nM 45 is cieessie 10) 4 76 65 50 3% Lalllave que deseubre el mensaje es la mattiz En las lneas dela mats Ase le el mensaje. Silo descubre, péngaloen pict En cada uno de los ejecicios siguientes, X es una matriz de orden 2. Resuelva Bale eb tee Te a of ape 3]104 Auceera umes. cy 35, 36, m1. estat 2 h}o 1 0] x-lo eed 1 ba ba ha o}2 2 3] x}a-1 12 03 2] |3 2 1 1 0 of f2 0 00 ]o 2 olxlo 3 ro oo 3] |o 0 02 Demuestte que fa mateiz 1000 ao 3.4 0100 co o4 s «sinversibley eseriaa como un preducto de matrices elemeatales Enel ejerciclo 24 se demasis que la mate diagonal Am diag (4,03, -+-54) fen donde ay, as... ay #0 es inversibe, Escriba esta mateiz como un producto dem matrices elementaes ‘Seg el teorema 49 toda mati 4 se puede escribir coma el proiveto QA’ en donde (Qs una maiz inversible y Ae fa forma escalonada reduc de A. ,Cémo se ve este producto A es una mateiz inversble? Escriba eads une de as siguientes matrices como el producto de una matt inversible (Qy la four escalonada reduc ded: 314 23 132 of ] fa 2 3 afi 4 te at 2 ta Resuelva fos siguientes sistemas de ecuaciones, inviniendo primeramente la matriz {el sistema y motilicando luego tainversa por la matriz de téminos independientes ‘SISTEMAS DE ECUACIONES UNeALes YwATACES 105 (ease demostracion del teorema 4.10) a) u+3K21 ) mtmontne3 Satan? dy tytn Dee 1 3x) -4)- 20) -2e= -2 a tyes See5) b) 34 -3u4 2561 48-5425 =1 34) 644 dy =3CAPITULO DOS Determinantes 1. 106 El objetivo principal de este eapftulo es crear una herramienta adieional de trabajo que ayudani a avanat en a tcotia que se desarrollaré en los préximies capitules. Esta herramienta esta relacionada con Ia teoria do determinantes. Se debe decit, sin embargo, que la teoria ce determinantes tiene por sf misma un earcter propio, indopendientemente del uso que de ella se hace como herramienta de trabajo en cl ilgebra lineal, En este capitulo so pretende también ver algunos aspectos ~clementales— de esta interesante teora, Uno de fos conceptos nuis importantes que han aparecido hasta este momento en el libro, es el concepto de inversibilidad de una mattiz. Relacionado con él, ‘parecetin posteriormente muchas otras ideas y resultados. En este capitulo se veri que eon la ayuda de Jos determinantes es posible “etiquetee” a las matrices ‘cuadradas eon informacién sobre la inversibilidad de éstas. Mas concretamente, se establecetd una funcidn det: Myx. + R llamada (funcisn) determinate del conjunto de matrices cuadradas de orden m los imeros reales, tal que den(A) € R—valor quese calcula con los eoeficientes de A— di si la mattiz A es inversible ono oes. En cl capitulo anterior se vio que si ad - be + 0, la mateiz de la mati A, Se veré que en geneal tna cond ay sofilente para ave una mattz euadrada A sea inversblees que sy determinanie ce distin de cao (crolrio Ida teoreme 3.1) Para poder abordaradecuadamente la teria quese desarolla sobre determi- nants, sedcben desareollar previamenteslgunas ideas sobre permtaciones. Este es el objetivo dela primera seccidn que ahora se comsnea a etadir PERMUTACIONES Considétese el conjunto ds mimetos (1,2, 1}. Una permutacién de este conjunto no es mis que una determinada ofdenacién de sus elenientes. Pot ejemplo, sil cojunto es (1, 2), se tienen dos diferentes permutactones; a saber (1,209 QD. DEFINICION 1.1 EJEMPLO 1 EJEMPLO 2 oevenuinanres 107 Con objeto de ganar precisién y una adecuada notacién para este coneepto, establézcase formalmenite la definicién de permatacién. Se llama permutacién del conjunto $= {1,2, 4} a una fn OSS, én biycctiva® Por ejemplo, si S = [1,2] existen dos funciones biyectivas 6, 0:de Sen simismo “ exten, oneiaz wt)22, of La manera como se escribird la permutactin 0: $ ~+ Ses 12 on (1) (2)... fn) bien, abreviadamento (C01), 02)... o(0)) Asi, en el ejemplo antetior la primera permutacién es (1,2) y la segunda (2, 1) Para el conjunto S = (1,2, 3) se tienen las siguientes 6 permutaciones 42,3) 3,2) 21,3) 23,0 G12 820 ‘Véanse cules son las permutaciones del conjunto de cuatro elementos *"11, 2, 3,4] "Es dei, inyecva (ano a uno) y sbreyeciva,nunque en ete ea (el cout Ses its) cusguler de estas dos proiedades pen Is ts.108 AuceenauneaL _Sise eseribe o(1) ~ I, entonces 4(2) tiene slo 3 posibiidades 2, 3.04 (pues Ja funeidn « es inyeotiva). Analicense las ies aliernativas por separado. 8) Si (2) = 2,entonces 4(3) tiene silo 2 posibilidades: 3 0 4. a.1) Si o(3) = 3, necesariamente o(4) = 4, entonces una permutacién es: 2,34) 2) Si (3) =4, nccesariamente, o(4) = 3, entonces otra permutacién es ,2,4,3) b) Si a(2) = 3, entonces 4(3) puede ser 2 04. bal) Si o(@) =2, necesariamente o(4) = 4,yse tiene entonees fa permutacisn, 3,24) 62) Si 03) = 4, necesariamente o(4) = 2,y se tiene asi Ia permutacisn 1, 3,4,2) Si o(2) = 4, entonces 0(3) puede ser 2.03 el} Si (3) *2, necesatiatente (4) = y/se tiene Ia permutacisn en este (1,4,2,3) €2) Sio(3)= mente 6(4) =2 y se tiene entonces la permutacién ,4,3,2) En conclusin, si o(1) = 1, set 1m Ins siguientes 6 permutaciones (12,34) 2,453) 3,24) ,3,4,2) (4,23) (1,4,3,2) Este mismo tipo de razonamiento se puede repetiren el easo que se eseoja o(1) = 2,0(1) =30a(l)=4, verermuntes 109 Esquemiticamente se puede representar este razonamiento por medio de fa siguiente tabla, Las cuatro diferentes columnas indian las respectivas posibles posictones de fos cuatro elementos de $ en fa pettmutaeidn, Una vez que se ha Uecilido sobre la primera columna (esto es, ha dado el valor de o(1)),se tienen solo 3 posibilidades para la siguiente. Deciido ya el valor de esta columna (esto ts, dado el valor a 0(2)), se tienen silo dos posthilidades pata la siguiente, Dado cl valor a ésta (dando (3) sélo testa eseribir el nsimero que falta en ta iltima column (9(4) [ew 32) 93) o(4) 2 es 1 3-2 iS ieee 1 ss 7 oe eer [fe ees Leer > La Peers ‘ert Vers i ce re ee rca Se tienen, entonces, as 24 permutaciones de (1,2, 3, 4) siguientes: 234) G34) BLAM Gh23) 4243) @L43) G42 43,2) 324 @Sh4 BAL) 213) 342 234) BSD 230 423) 2413) 43,2 2430 GB.4,1,2) 3.42, (43,152) (4,3,2,1)112. AucearAuneaL EJEMPLO6 DEFINICION 1.3, EJEMPLO7 EJEMPLO8 ‘currieton en los trazos realizados (euidando que no existanintersceciones de 3.0 mis trazos a la vez). Este es el mimero de inversiones de lx permutacion.* Para los dos ejemplos anteriores ‘irene (= eves) Serneines (= Sinversons) Sea o una pertavtacién del eonjunto {1,2,....}-Sea k, = mimero de inversiones de 0, Sikes par, se dice que o es una permutacién par; caso eontratin, se dice que es una permutacién impar, Se define el signo de la permmutacién 6, denotade por sgn geome. sgn a= (-1) Por lo tanto, si o es una permutacisn par, sg 0 = 1, €as0 contratio, si o es una permutacién impar, sgn 0 «1 Considere, por ejemplo, las permutaciones del conjunto (1,2, 3). En la siguiente tabla se encuentra Ja informacién corespondiente sobre la paridad de estas permutaciones NUMERO DE. TIRODE PERMUTACION INVERSIONES PERMUTACION —_SIGNO. 4.2.3) o per 1 30 2 par 1 1.2) 2 par 1 3.2) 1 impar a a1 1 impae a B20 3 impor “1 Se quiere ver ahora eémo esti relacionado el signo de una composi ppermutaciones con el signo de cada una de ls permutaciones componentes, primero un ejemplo, Sean o, x las permutaciones oe{t 23 4 {123 4 ae "la 34 2 *Enefecto: Si i 0 yes deci si exse una inven TEOREMA 1.1 DEMOSTRACION cevenumanres 113 Se tione: rnimero de inversiones en a = 3. Entonces gu = ~ rnimeto de inversiones en ®= 2. Entonces sgn x= 1 Forme las composiciones x » 0 y 0 # 1234 123 4 wor(2 3 4] asia tar Se tiene! imimero de inversiones en x © @* I. Entonces sgn n° 6 * =I imimero de inversiones en o ¢ x « 5. Entonces sgn g © = -L Observe que tanto sgn s © a y sgn a « x como el producto (sgn a)(sgn x) valen -1, Esto no es una coincidencia, El siguiente teorema nos dice que es un hecho general: +b. Entonees sgn Sea ¢ y dos permutaciones del conjunto (1,2, on = (sgn o)(sgn x) = sgn mec Se demostratd que sgn o © x ~ (sgn o)(sgh f). Se debe de conta el niimero de inversiones que ocurran en x, en 6 y en a © 2. Témense los enteros i,j € (1, 2... m), tal que i 20); similarmente, 0 x tended una inversién si (0 « 2) > (6 © x)()- Obsérvese que, partiendo del orden de los enterosx() y n() se puede decir, usando la informa: cin del orden de (a © (= o(r(0) y (0° x)G)" o(r(p) si 6 tiene ono inversion. Es deci, si n() < x() (en euyo caso x no tend inversion respecto de iy yy si a(R) > ofxG)), 6 tend una inversin, asf como también six) > x()y o(R(0) < or ()Xen cuyo easo x sf tiene inversin respecto de iy /). Se deben entonces de considerar 4 easos CASO___ORDENRELATIVO. CONCLUSION T ia) Hay inversion para @ ox isi Hay inversion para ® 3 x) > a0) Hay inversion para of nt) < of x) No ay inversién para @ 27 i ag) Nohay inversion para 6 of ati) > atx) Hayinversion paraoen |414 Avosenatneat COROLARIO DEMOSTRACION DEFINICION 1.4 Llmese ko. sy fe Jos corresponsdientes nimeros de inversiones en 0 © 7 0 YF. Obsétvese que cuando hay una inversidn en 6 x, entotices hay uns inversion. en 60 (exclusive) en & (casos 2 y 4 respectivamente), Por lo tanto, eth t ker donde res el nimeto de veces en los que hay inversiones en o y en x sirmultines- mente (e880 3) CIR = CURR = CDECDECD™ = CDEC = (sgit oX3gn #). sgnoon QED. —— = ‘Sea o una permutacidn del conjunto (1,2... n}. Entonees: Le Como 6 « 0"! ise tiene, sgn 6 © 0° = (sg a)(sgn 6°) = I (pues sen id = (1)? = 1), Entonoes sgn 0 = sgn os sgno=sgno" QED. Se dice que ls permutacisn 6 del conjunto (1,2, 11) es una transposicidn de Tos enteros i,j € (1,2,.-. 4} si o@ ~J, 0G) = Fy O(K) = k para k ¥ i ‘Una transposteidn es, pues, um tipo muy sinnple de permutacién en la eval slo es alterada a posicién de 2 niimeros iy el ntimero i pasa ocupat Ia posicién de j y viceversa ‘Una transposicién se ve entonces como 12 bo joe 12 rn a Cuéntese el nimero de inversiones que tiene una tran 4. Héigase con larogla de “contarintersecciones de trai jeién de los enteros iy Lasituseiénse veeomo Jolt eemene cetermnanres 115, Sc-observa, entonees, que existiin 2(-i-1) + 1 intersecciones entre los trazos, clectinilos. Este es un mimero impar. Pot To tanto, se ha probado el siguiente teoremat —— TEOREMA 1.2 | Una transposicin es una permutacién impar tL —_____ Por ejemplo, la transposicién de los enteros3 y 9 del conjunto (1,2, ++, 10) 6 7 8 9 10 1294567 8 3 10 tiene 2G-i-1)+1 = 20-3-1)+1 = 11 inversiones, lo eual se puede verificar direeta- mente, COROLARIO Sea 6 una permutacién cualquiera del conjunto {1,2,..., 1). Seat una transposicisn. Asi, DEMOSTRACION Se sigue inmediatamente de los teoremss 1.1-y 12. QED, El resultado anterior dice que sien una permutacidn se intercambia la posieidn de dos de sus elementos, este hecho se reflejari en un cambio de signo de ta permutacién; es decit, la permutacion resultante tendré signo conteario al de a permutacion original. EJERCICIOS (SECCION 1, CAPITULO 2) 1, ,Cusntas permutaciones o det conjunto (1,2, 3,4) som tales que o(1) = 4 y 22) ~ 537 laga ura lista de ells. 2. ;Cuintas pemutactones 6 del conjunto (1,2, 3,4,5, 6) son takes que ofl) = 6, (2) 5, (3) = 4? Haga una lisa de ells 5, Paralassiguieutes penmutaciones 0 y woblenga 6°, n° 9,020, °% w(t 23 {123 eel oa Fly 302116 AcceaaLneA, 5. Sean o y dos permutaciones del conjunto (1,2, ...m). Demstre que (@ 92} vefhtig ent g 423 1 "Tha. 304 po-(h 234567), (1234567 7654321 6713425 Para las permutaciones del ejerciio anterior obtenga o*, x, (0 © R),w-1 06". Compare la permutacicn (@ ©) eon to, Determine el nimero de inversiones para cada una de ls permutaciones 0, xo © x, 90,09, 2m del ejercicio 3, Obtenga el signa de cad una de esis permetaciones Y verlfique que se satisface el tonema 11 7. Establerca el ndmévo de jnversiones para cada Una de las permitaciones 0“) x, (6 21)" dol ejerelcio 4, Verfique que se saisfce el corolario del teorema 1, ‘Consiere la siguiente peemutacién del conjunto (1,2, ae(t Zon nom wersiones de 0, 1b) Obtenga el signo de esta pormutac ©) obtenga 0°. CConsidere tas siguientes tansposiciones 6. Determine el mimeto de inversiones en cada un de elas y verfique que se satisfacee teorema 1.2. ‘Obenga 0:1 on cada caso, 10. ou. 123456748 peresunanres 117 90 W a) ees tse ba bw oe Sea oun transpasieién del conjunto (1,2, Dada la permutacion o del eonjunta (1,2, - 41), Obtenga 0 1m) defina la mate asceiadn a esta permuacion, denotada por Ag, como la mati2 cuadeada de orden n,cuyos elementos ‘ajestis dados por lsijs oo “loss Por ejemplo, si Ao 8) Demvestre que en ead inca de la matriz Ae se tiene exaotamente un uno y eeros cen las posicionesrestantesy que esta propiedad también vale para las col de esta matiz. by Sean o y elas permutaciones 123 leat) els 24 mela 1 3 ‘.t). Hille tas mattioes Ao y As 12). Bncuentte fa mattiz do» v3) Verifique que hoon Arde ©) Comprucbe que, en genera, side y Ax Son las matrices asociadas a las permuta efones 6 y x del conjunto (1,2, ..»,m,entonces Ayax = Aue Sea ola permutaclia 1) Halle Aa 42) Determine Ay 43) Verifique que Aa, Aa!118 ozenaunes, ©) Demusste que, ex gence, sie 6 Ib matt asociada « Bs permuiacion o del conjunto (1,2... m}y€n{006€S Avtar = Ay =f 12, El objetivo de este ercicio es probate siguiente resultado general sobre permite clones toda permtaciin a: §~» $ del conju S = (1, 2,-.-) se puede escribir ‘como una compesieion de tansposiciones de elementos de S, Es decir, dad ta permuscién o : $ ~ S,existentransposiiones r,t, ».,12:5—> Stales que @= Ste.s..2 te Esta exprosién noe Uni, por st To es Ia paridad de &, (Observe ‘entonces que bajo ess peespectiva, se pucde defini una pemnatacisn par —inpar— feamno una que se presenta como compasiciéa de un miinero par —impar— de transposiciones). La demostracién de este hecho se face por induccién sobre ‘Observe qu el resultado es obvi pata = 2. Suponga eutonces vido e resultado pza n= Ly prusbeto para, sigaiend los ineiss siguientes 8) Seno:5—+ 5,5 (1,2,..-yn} una permutacion evalqiers. Si o(n) =n. Asocie {rcstina) ao wna permmuacion of S*~+S*,S* = (1,2,---,1-1} denida como (oi) = o()4 = 1,2, 21-1. Aplique la ipdtess de induceion a o* para obtene 4queo* =ferfo, ..0F%,en donde sontranspesieiones det conan S*. Extend lastransposiciones rf tansposiciones del eonjunto Sy eoncluya, Finalmente, queo=t)ete...2%, como se quel 1) Suponga ahora que o(s) # n (¥ entones ofn) j(ay= Oi i ‘0G. Ea tl caso dagy = 0. Siendo as, el tnico producto elemental que no ¢s cero (que no tiene un factor igual a cero) es aque enel cual o(9 ~ para toda i, Se rata, ‘es, de la permutaeisn identidad para la coal sgn 0 = 1, Brtonees det = Y (s9n Oa: ey = du an QED. or ejemplo: 2 5 10 29°27 A OG det|0 4 9|=aer|0 4 35|=de|59 4 0} = 2x4,3) = 24 (00) 13) 00 3 5-20 3 Un tipo especial de matriz riangular cs la Yamada matriz diagonal: se dice, que In matriz. A= (@j)ie1,..u0 68 una matriz diagonal si aj = 0 si i ¢ j. Bl aspecto ‘que tiene una matriz diagonal es a DEMOSTRAGION Obvio, del teorema anterior. Un caso mils particular se encuentea en el siguiente corolatio: El siguiente resultado es un resultado téenico. Servité para establecer una propie- «dad muy importante del determinante en la prdxima subseccidn. TEOREMA23 que para alguna r € (1,2, sii rey * ay by Entonces det C= det A det B DEMOSTRAGION Se tiene que det © = J, (880 Ces Crea-+ Grey ++ Con pM se tiene ey = dy + by, mientras que cevenmvanres 125 QED. QED. ‘ieteom Supangase J, 6a oder ereay---(@rain * Brae) Geen126 fvceera teat = J (sgn oer coat agit oe C308) + Beas = Cue om (590 Oa a9) += Arey + Good mt (90 1a basey-- Brana ™“ = det A+ det B QED. EJEMPLO 5. Por ejemplo si 14) geft 4), cof 4 ef ab eed} ef 5] (i sogunda lea de C 6 ln sna de as eas comespondnes de A y ones, ng nef! 4] seavae[} S]e- aeaete [E §] wou [} H+ = detA+ derR a A 2.3 OPERACIONES ELEMENTALES Y DETERMINANTES Sea dada la matriz A deonden n, Se encuentza uno interesado en ver ebmoseafecta cl valor dot doterminante de A cuando se realiza en ésta alguna operacién a ‘Si A’ es la maiz que se obtiene cle A intercambiando ds de sus Hineas, tentonces, TEOREMA 2.4 der a’ det DEMOSTRACION Sea A’ = (a3), ‘Supéngase que A’ se obtuvo de A intercambiando en ésta Iaslineas py q.EntoncessiA™ (aos... tiene ayn ajsiit na Oly = ay iy = ay oerenmuwres 127 Se'tiene por lo tanto, dot A’ = J ($9 ODA aty- + Whey Mite = J, Gam oa.) Opa) Bp dase Esta frmula se parece rmucho a la que deseribe et determinante de la mattiz A, Sélo que se tiene un problema: la permutacién « que aparece en (sgn 9) no ccortesponde a la permutacién que aparece en el segundo subindice del producto elemental correspondiente, Para ver mis claro el problema se esetibe rey conf ot (PS... tole o aaa = Fe {at |) --|o(a) ote} et) + Me + Apes» a deta’ = me rientras que la fra de der debe ser 1 x (ay a Gann e(icgonny) Entonces # = o © Tes Ia permutacién ge ho Poe dee MY Mae poe ge wl) ss lp) + m(Q)-. (2) | * [ 01)... 0(9). ofp) 960) Obsérvese que mientras ¢ recorte todas las permutaciones de (1,2, ...), asi= mismo la hard z (s6lo que en otro orden). Ademis, sgn x = sgn (61) = ~sgr o (corolatio del teorema 1.2). Entonces det A= Yo (Sgn Rare) + Moxa) + Bp) + Aa) Apa) Anse) $Y gM As 9+ Goo - = deta’128 ArceonAunen EJEMPLO6 COROLARIO DEMOSTRACION ‘TEOREMA 2.5 DEMOSTRACION Por ejemplo’ et E al ad ~ be wali sl eb- da ~(ad ~ be) *=det [: al Un corolario importante del teorema anteriores el siguiente: ‘Si A es una mattiz de orden 1, que posee dos lineas iguales, entonces det A=, Supéngase que A tiene as lineas p y 9 iguales. Sea A’ la mattiz.que se obtiene de A intercambiando las lincas p y q. Es claro que A’ = A. Pero, segin el teorema, anterior det A’ = det A= det Entonces det A * 0. ‘Sea A’ la mattiz que se ha obtenido de A multiplicando wna de sus liness porla constante ¢. Entonces det A'= ¢ det A Sea’ = (Ai), * id pot c para obtener A’. Entonces om Digase que la linea r de A fue rmuliplicada ays ay site Entoness det = J (Sgn ma hae i ~ YS Gam wa, y= (Cia) + dons J Ge my Ao Aeay FedeA QED. EJEMPLOT TEOREMA 2.6 DEMOSTRACION EJEMPLOB ererunantes 129 Por ejemplo, si 4 12 . [5 ;| (aera = -2) ef 4] 6 12 58 det A’ aa | HID = 2) = 6 der A Sea A" Ia matsiz que se obtiene de A sustituyendo su r-ésima linea por ella mas k veces su s-ésima lines, Entonces, deta = deta Sea B= (uy orl mai tal oe byw aysiier . by = kay Sea A’ = (aye se Obsérvese que ays ape bse a = ay, + hay = a5 + By Se eat entonces dentro dels hipstests del teorema 2.3, de el se eancluye det A’ = deta + det B Pero, sein cl teorema 2.5, der B= ket A donde Z es una mateiz que tene sus Tincesry igual,» por tanto, po el corlaro del teorema 24, de d =O; eto tet Be 0, Enionees deta" = der A coro se queria Por ejemplo, siHaga (LI) + (L1) + 10(22), obteniendo [2 4] Seton vea[® Sewees[t 5] - dracdaf® M]ere-ae[S $]-aea En resumen, en el siguiente cuadro se muestra cdmo afeetan las operaciones clementales en una matez el valor de su determinante: OPERACION ELEMENTAL EFECTO EN det Intercembio de lineas en A det A =~ det A ‘Multpticar una linea por la eonstane ¢ deta’ =e det ‘Sustitoir una nea por ella mina mas un ‘mlliplo de otra dea = aaa | (Aes lamatriz que se obsiene de 4 haciendo en esta itm Ia ope indicads). lemental NOTA IMPORTANTE, Enel teotema 2.1 se ha probado que el determinante de una mattiz cuadrada A os igual al determinante de su mateiz transpuesta 4". Una consecvencia importante deste hechoes que toda propiedad de los determinantes relacionada con las ness ‘de una matriz sigue siendo valida sien lugarde las lineas de la mattiz se consideran ‘sus columnas (pues las eoluninas de la matiz son las Incas de la matt transpues- la, y el determinante no se ve afectado por este cambio). Entonees, las propiedades enunciadas en los teoremas 2.4, 2.5 y 2.6 son igualmente vidas i se cambia la palabra "Iineas” por la palabra “coluranas”. Mas precisamente, combinando el teorema 2. con los teoremas2.4,2.5y 2.6,se tienen, los siguientes resultados. OPERACION REALIZADA BN A EFECTOEN det, Intereambio de colummnas de A | aetar = et Muliplear una columna por la lea e deta’~ edetA pede stem dar de (A es la matriz.que se obtiene de A realizando las operaciones inclicadas en esta ‘tim. Las ideas anteriores pueden ser usadas para realizar edlculos de determinantes ‘de una matriz haciendo en ella operaciones adecuadas en sus lineas y en sus TEOREMA 2.7 DEMOSTRACION COROLARIO DEMOSTRACION EJEMPLO 9 vevenunsres 131 ccolumnas. Antes dé analizar algunos ejemplos en los que se apliquen estas, propiedades, véase un sitimo resultado acerca del comporiamiento del determi- ante. Sila matrz euadrada A tiene una linea (0 columna) de cetas, entonces det An0. Si reslalineade A que consta sélo de ceros,esto.es, a= 0, * L,2,.-. 1, basta ‘observar que todos los products clementales que aparecen en la definicién de det A tienen siempre como factor un elemento de esta linea. Por tanto todos son cero, yentonces det A = 0, Porla nota anterior, el resultado vale tambign para columnas. Qu SiA es una mattiz no inversible, entonces det A = 0. Primeramente obsérvese que si A es una matriz no inversible, entonces su forma cescalonada teducida tended al menos una linea de ceros, En efecto, supéngase, para obtener una contradiecidn, que la forma escalonada reducida de A no tiene Tinea alguna de ceros. La tines matriz de orden 1 en forma esealonada reducida sin lineas de eetos es la matt identidad L, Pero, siendo asf, esto querria decir que partiondlo de A so puede Hlegar, ralizando en ésta operaciones elementales, a ‘atriz.. Es decir, Aseria equivalent a fy. Entonces, pot el teorema 4.7 (capitulo 1), 4 setia una mattiz inversibe, lo cual es una eontradiccién. ‘Al partir entones de A y haciendo operactones elementales, se llega a 4’, su forma esealonada reducida, que es una mattiz que tiene al menos uina Yinea de ceros, El valor del determinante de A seird afectando en cada operacisn elemental, por un cambio designoo por lamultiplicacisn de una constante (segin lo diseutido, anteriormentc), Pero finalmente se llega a 4', euyo detetminante es igual a cero (teorema anterior). Entonces det A QED. Véanse algunos ejemplos: ‘Se quiere cateular t-a02 0 1030202 dy 3 1 ee)182. ALceERALNEAL ‘Haga operaciones clementales en la lineas de A con objeto de evarla a fe Forma, cescalonaa. Se tiene 121 rao2 r-4o2 302 2 02 4 4 o 2 44 et = ae 3 1 lo ~ 7 4[7 “Jo 6 7 4 2 1 oF o 6 -7 Alt Go 0 (1a) ~ (LA) - ace) (2) + 2) +L UA) > 4) #3) (13) > (3) + XL) “Aunque el objetivo era llevar Ia mattiz a la forma escalonsda, se ha encontrado ya con tna linea de eetos. Por el teorema 2.7 el valor del determinante es cet (Observe que todas las operaciones elementales que se realizaron en la mattiz no alteraron el valor del determinante, ‘Suponga ahora que se quiere calcular fie Oya Opie del 5 2.2 a4 104 ‘Se expone enseguida Ia seeuencia de operaciones realizadas en la matriz y el {eorema sobre determinantes aplicado en cada paso (£0.26 120.25 aaa 0-5 -10 -10 0 3-18-18) o 6 5 9! (12) — a)-34) i (13) = (3)- aL) w+ -4@) a) + a) 5 ee Bn ae 1 0 0-3-1 0 100.26 60.25 1 ae elt = (5) det 2 egy 5) det ob era] TCSIC1D) det 4 oy ealt conn 1 0 ° 0 (13) + (£3)+3012) 1 UA) = 4-012) > yo oererumantes 133 wo. weo.2 ; bona reseipar|® 1 2 2) escunxy - 20 4 0 0 0 4 (ua) + (24) #7013) Y asi en ugar de las 4! hhubieran tenido que realizar para + el edleulo del detertsinante, sélo se tuvieron que hacer 8 operaciones en las Tineas de lamatriz y aplicar las propiedades correspondientes de los determinantes, Como tiltito ejemplo, considere la siguiente ecvactén: roait defx om n/=0 you RM ‘Se afirma que ésta es la ecuacign de una recta gue pasa por los puntos (i YD ¥ Gay. Enefecto, observe quese trata de una couactsn lineal en xy en y (nto xcomo ¥y aparccen sélo en uns linea y en una columna, Al desatrollar el determinante se ‘htendria una expreston del tipo Ax + By + C = O para ciertas constantes A, B,C). ‘Adomis vea que tanto. 2, yi como x= 4, * Jsatlsfacen la ecuacién (pues nel primer caso se tendracldetermlinaniede uta ssi con su primera yoogunda column iguales, yen el segundo, el determinante de una matriz con su primera y tercera column iguales; en ambos casos el determinant es eto) TEn conclusidn, se tiene utta ecuaeidn lineal en x y y que se satisface con los valoresx= ti," Jr¥ 2" tn Y J Es pues, Ia eouaci6n de una reeta que pasa por (yy G3) Para fnaizarestascccisn, se enunciae siguiente teoremsen elque se resumen las principales propiedades de Ia funeton determinanteestadiadas aqut: reoneuaze | susamuieaainindeonknndeseAnn | a) deta = deta | 1b) SiA es una mati triangular (superior o inferior) entonees el determi nante de’ es igual al producto de fos elementos de su diagonel principal bi) det diag (ay, ay. a) * aut 2) det hy 1 <6) SIA’ es la mattiz que se obliene de A intercambiando en ésta das de sus lineas, entonces det a’ = ~ det A. 4) SiA’es le matriz que resulta de A multiplicando una de sus Hneas por la constante k entonces det A’ = kedet A ©) Si’ es la mattiz que se obliene de A sustituyendo una de sus lineas porella misma més un miltiplo de otra linea, entonces det’ = det184° AuseerauneaL 1) Sila matric tiene dos de sus lineas iguales, entonces det A = 0, 2) SilamatrizA tiene una de sus lineas formadla exclusivamente de eras, fentonces det A = 0. bh) Laspropiedades enunciadas en los incisos), ),e),Dy siguen siendo vilidas sien lugar de la palabra “Iineas” se escribe Ia palabra “columns”, 4) Sila mattiz 4 no es inversible, entonces det A = 0 teriores, DEMOSTRACION Dispersaen ls piginas anteriores QED. EJERCICIOS (SECCION 2, CAPITULO 2) 1 CConsidre a matiz.A de orden $ con elementos a, ij * 1, 2,--.,5:Determine cules ‘de fos siguientes products de elementos de la maiz A aparecen en la expresion de det Ay con qué signa Y aera. 9) autrtstot 2) estoy ©) aga teayay 3) autiesttn 7) atest, 4) auyaya.ty 8) auttistrte Haga una lista de todos los productos elementales que aparceen en la expresién del Aeterminante de una mati de orden 4 A (a)... Que ineluyen el factor a3, y encuentte susigno, Realice una lista do todos es productos elementales que aparecen en la expresin del determinants de una matria de orden § A = (aj) j..,sque incluyen el factor auc y determine su sign. Haga una lista de todos los producos elementales que aparveen on la expresién del sdeterminante de una maiz deonden 6A = (aia. tales gue 8) aparezca el factor ais y que tengan signo pestivo, by descubrae factor a ans y que tengan sino positivo, ©) apatezca cl factor asians y que tengan signo @).deseubea el fetor a sassy que tengan signo negativo. Determine para qué valores dey jel producto diay es un producto elemental que aparece en I expresin del determinante de una matt de orden 5 con signa positivo. Determine para qué valores de i,j el producto asaya ay esta 8 un produeto elemental que se hall en In expresin del determinate de una maitiz 4 de orlen 7 con signo negativo, Consider la mate te ele bs] | ‘Sin cer el eileulo det determinate de esta matri,encuentte el coe In expresion de det A ‘Consiere la mate fente dea en En ln expresion de det A aparece un Considere Ia mata eet, Calcul el valor de k mM 2 ab Ss eles Oh aoe Ba bow “bo -0 5 be Determine cues de los siguientes términes aparcosn en la expresion de det A. Ene ‘aso de que aparezcan,caleue el eoetieient k 2) kat ows by koe o kee Cateule el determinate deta tide onden n ‘Sea Ao la mati asoviada aa permtacién del eonjunto {2,4 2) (versjercicio de a seccién anerioe). Demuestre que der Ao = sgno, ‘Alsat la definiién de determinant, eaevle 0 Ant Oe det Jan aa ont Al usar la negla para calcular determinants de onden 3 dada en ta subsecefén 2.t, eval less136. é.ocerauseat 4 16. i aoa a) de] 4 9 del 3 2-2 [rt 224 8 1 b) aer|~ 2 det}? 4 3 Esesta tegla vide para matrices de orden 4? Si esas, demuéstelo, Caso contratio, ‘déuncontracjempl. En Ia subsoccion 2.2 se definié el concepto de transpuesta de una mattiz cuadrada, Comprucbe ls siguientes propedades de a rranspuesta(A y Bson malticescuadradas del mistno.orden) 5) (+ By= A+B b) (Ay sca! ©) By Ba’ Sea A una mata de orden n y un nimero real. Demneste que det(eA)= (Sugerencia: use el worema 2.5) Se dice que lamatrizcuadrada Aes una mata: (1)simeéricasi A = A¥(2)antisinetrica sid= Av 4) Demuestee que siA'y B son matices simétieas det rated + B también es sim etd 10 onde, entonces fa 1) Comprucbe que si A es tna matez siméticn y ¢ es un mero real, entonces lx rmatea tambien os siete ©) Demuesie la vader de los resllados de los ds incisos anteriores para matrices antisiméticas. 4) Deseria la estrutuen general de Ins matrices simétrcas de onden 2 y de orden 3. ‘© Descrita [a esractun general do las matrices antsiméties de onden? y de oden 3. 1) Elsiguienteargomento “demuestea™ que toda matt cundtada es simét ‘Avvna matiz evadrada cualquiera, Segin ef teorema 2.1 se tiene que det A = det ‘As Bnlonces A= A'y portato A essimetrca. Diga en dénde se encuentra el error deeste argument, 2) Sea Ana motiz eundrads de orden n, Demuestne que la mattiz Ay =A + Aves siti, fh) Sea 4 wna matsizcusdrada de orden m. Prucbe que la mattiz Az = A = ‘es antisimstica, Use los incisos b),©), g) yh) para demost 1) Comprache que Ia matiz coro de orden m es simétrica y antisimtuica a I vex (Mas ain, demueste qu ésta cs fa inca matriz con tal propiedad. pevenunuares 137 4) Demuestte que ides una matre ntisimétrica de orden m con 1 imparyentonees det A=0, (Sugerenela: se el resultado del inciso anterior) 1), Por medio de un ejemplo concteto,muesire que la afrmacién del inciso anterior es falas sir noes impar 17. Suponga qe ab . le * Catcute bes eda a) dela b © @) det\f ad ec ghd io 4g hk 2a 2b 2 acy A ale ok 9 daar tb ee eeu toh atd pte fre 4 och 9 del g oh i ) det] fre dea e+b [PTF] oe eG 18, Para fs tsi cada A de orden n co define Ia sattiz Ae como ages qe rela ‘de cambiar de posici fos elementos de A de moxlo que eada elemento quede en Ia posicion siméttiea respecto del centro de la mattiz. Por ejemplo: = 1203 4 15 3 eee aus zon w 9 Asl5 10 1 2 alg 7 6 5 Bo 15 16 43021 {4Comoeselvalordel determinante de la matsiz Acrespectode valor del determinant dela matciza? @ 19, Resuelva in ccunciéa toro oe x ab ydlt 2 £ Sleom ale 5 % flo 416 6 meee ‘Sugerencia: incso a): observe que el micmbro izquierdo de esta expresibn es un polinomio de grado 3. El problema es entonces hallar las rales de este polinomio. ‘Aplique el corolati del teorema 2.6, Una observation similar para et ineiso b) el polinomio del miembro izquierdo es ahora de prado 4)188 Auceenaunen ° 20. Resuelva ls ecuncién 21. Alusarsolamente las popiedades del fun roa 1 reo 1 Poa 1 feo 1. ee n determinant deseritasen osteoremas 24,25, 2.62.7, ealeue los siguientes doterminanes: a) det by det ©) det 22, Sin mack siguien a) def b) det ©) del del © dey bre 1 1 be ae b 1 ab ath 1 a & axtbyte, a by ant bytes a by atby tes | sena cosa cos ata) &) det| sonb cos b cos (b+d) | sene cose cas (ord) (a,b (ass? (ays bP La @ i am oleh afte} | Oder t be ay ashe ashy oe a bo e¢ rps # : aoe ff zR es att wbene norg| 8 BS e 2 6 P ef el célevlo dle Ios dcterminantes involucrados, proebe Ia vatldex de tas jE 1 ]:caeoee — ieee dd pda] ®t 8 4 |e eueaenrery ab Te and eat ey fee eal Bt alan |® # fae pee |tue tee 23. Calcul ls siguientes determinants Hevando la mattiz correspondiente a su forma cescalonaa (yapcanda en cada paso las teoremas 2.4, 25, 2.62.7. 123 0 4 0 0 jal tt sale 8 432 46 8 8 ob ow La waels 5 6 _ ‘ : fltdes | amen tod baad Fae oe ee oe tte proud i108 244 pal? 422 13 5 45 396-33 012 Odtl, yo 1 305 N16 2 oo 24 Ae waft 24 3 24772 id 30 * Lee B]-ersromt ; ‘| 3. ° r28 cray B )o aaiaroey o atop boa Medd sapeveveay oo 1 Le ated oat beset) tN ata EL DETERMINANTE DE UN PRODUCTO DE MATRICES Esta seecin ser muy cotta. Resulla que su contenido merece Ia pena de ser separado de resto del material que se esti estudiando. El objetivo es establecer solamente una formula, una de las Férmulas mas bellas de élgebra tinea ‘Aleestuciat la multipfieaeién de matrices y el eéleulo de determinantes, puede surgi naturalmente la siguiente pregunta: gqué relseidn tiene ef determinante de ‘un producto de matrices euadradas eon los determinsntes de eads una de Ios ces en el producto? ‘Siendo tanto la multiplicacin de matrices como el eilculo de determinantes operaciones altamente no triviales (a primera vista), en principio no se podria esperar una relacién seneilla entte det (AB) y los determinants der A y det B.140. AuseenaunenL cevenuvanmes 141 las matrices euadradas A y B (operactin mucho Bsdeesperarse quel lector pueda apreciar la sencillez y a eleganeia dela formula Por ejemplo, para la sun nde ellas) uno se puede plantear la misma pregunta terior, para Ia cual se verd un argumento también sumamente senello, que nds sencilla gue la multipliea ane Por supucsto qe sea agradable qu aconteclers det (+ B)= det A * totblecont vale. der B,Sinemburg, eso es also, oe Consirese pot ejepl - ae[p> 2 pela LEMA1 §) Si E es una mateiz elemental que provino de /yintereambiando en ésta pee ‘una de sus lineas por e,entonces det = hee [: 4 ‘iyi £ ca una mati elomental que provino def susttuyendo en éta tana de sus Lneas por ella misma mis on miltilo de ot nea, entonees det E = 1 Setlone =o ed PE a ] on DEHOSTAACIGH et enced ones 24259 26 oc 7 oun. duseéal) Jo-8 _ LEMA2 Sea A una matriz de orden n y sea E una matriz elemental. Entonces | deasnmee[f G]eate ara eden / Wel EA)» WetEde) DEMOSTRACION $i A’es la matriz que se obtiene de 4 realizanco en ésta una operacién elemental [Ante esta perspectiva pareceria ilusotio esperar una relaeién sencilla pars el tentonces, por el teorema 4.5 (capitulo 1), 4’ = EA, donde E es la mattiz elemental producto. que provino de J, realizando en ésta la misina opers ‘elemental. Entonces el Considens as mismas mates del ejemplo anterce. More cic nmediataenie dos teoremas 242.59 2.6 juno cane ma, Sette | QED. A[S fr 9) .p27 or «(gl ee — — TEOREMA.1 Sean Ay B dos matics uaa. Etonees | Entoness data = (derAXderB) 27) (10r aes a det (AB) = det -462 = (ANB) = (der ANB 388 coiedia 2 DEMOSTRAGION Se van a considera dos esos Coinidencia? Caso 1. A esa mati no invetsibe 'Afortadamentene Resi queen generals se multiplies ds mateices Teste ema se afema qu AB también es una matin inverse, cvodraas A By se eeu a deteinante dl produto AB To gi dar por indepelntomente do cust sea la mati B. En efesto,supéngese por ‘ound predct delos etcsnio de A y ey cl, | erecin gosal x tnvorbe En aso eli uoa mae C taryos (ABN 1 Ose, AQBC) = fe Poo ct alia cape nos deta) = (derayde By vaec ps as vente Gogineeorerna 44 de expla 1) 7 ate142. Auceoraunent COROLARIO 1 DEMOSTRACION A*\= BC, vna contradiceién, Entonees, por eleorolario del teorema 2.7, se tiene det A = 0, y der(AB) = 0, En este caso se cumple el resultado del teorema (ambos miembros de la igualdad son cero). Caso2, Aes una matriz inversible, Eneste caso, segin el tcorema 4.8 (capitulo 1),A puede eseribirse eomo producto de matrices elementales, digase Aw EE Be Entonces ema 2 4 det (AB) = det (ExEs....FxB)= det (E,E:Es... ExB)) = (det Ei) det (EE... BB) lema2 1 = (det E)(det(EXEsEs ... ExB))) = (det Eder E:) det (EsEs... E:B) + (det E\(der E,)... (det Ea (det B) Pero por un atgumento similar al anterior (aplicaciones sucesivas del ema 2) det A» (det Bidet Bd) (et i) Entonces, det (AB) = (det A)(det B) QED. inversibilidad de una matriz en términos del valor de su dete ee [La mati de one nes inverse sy slo sider A+ | l inante, LLapartesi" ya fue demostrada en el eotolario del teorems 2.7. Se probard entonces el “s6lo si", Supéngase que A os inversible. Entonees existe A” tal que AA“ = 1 Por tanto, det (AA) = det (det AYdet A) = pereaunanres 143 1 sca, que det A es un factor den producto que da por resultado 1. Entonces det AO. QED. COROLARIO2 —|[ SiAes una mattiz inversible | (der) = det ay = he fed“) werd | DEMOSTRACION Consecvencta de a firmula (der ayes 4”) estabecida enc eortario (1), QED. Los resultados anteriores petmiten tener Ia siguiente repeesentacidn esquemdtica deta nein deterninante: svc IvERSIBLES CcoNUNTODE MATRICES CUADAAOAS EJERCICIOS (SECCION 3, CAPITULO 2) 1. Considete las maeioes zag 143 212 8) Verifique que det(AB) = (deter), 1b). Seu C= (Gart.natamattiz enyos elementos son: en daly date tasdy 1,23144 ALGEBRALUNEAL 3 Es deci, la matin C3 jemplo, el elemento terceta linea de B ‘btiene “multipticando lineas de 4 por linea de B". Por $e ebtione multiplicanda la segunda tinea de pot Ia c= (YE) # AQ) + (SHG) = 42 Demuestre que det C = (deray(detb ©), Sea D (dpi..sla matte cuyos elementos son: ye ady any aby j= 123 Es decir, a mattz D se obiene “mukiplicendo columnas de A por calumnas de 'B°. Por ejemplo, el elemento ds se obiene muttiplicando la terera column de A porla primera columna de B 4 = BY) + (SH) + EH) = 23, ‘Compruebe que der D = ety (det) (Generatizacién de eercicio anterior) Sean A = (ai)..ue¥ B= Chit, on do matrices cuslesquiera de orden 1, Set C= (@),j1..mla attiz euyas elementes son: 8a D = (je. yn ln mata enyos elementos son: = ay TU Demuestre que de(AB) = (letAyidetB) = det C= det D. Sin caleulae el dcterminante, pruebe que abe et dl spaced dal? 6 4 “la atsereray ede boo (Sugerencia: vse e resultado del ejercicio anterior) Sea A una matt de orden, Demuestre que el determinante de la matiz A? es wn numero no negative, ‘Al usar ef teoreina 3.1, dé una nuova demosteacién (véaseejetcicio 1 de a sscci oerenwmantes 145 4) Cateute dens). ©) Caleule dena 7. Sean y Hidos matices de orden 4 tales que det A = 3y det B = -2, 8) "Demvestre que el producto 4B es una mattiz inversible. 2Es el producto BA tambien inversible? 1b) Catewle dersB),y dra) ©) Caleule det a-\B @) Caleule det 24-389, ©) Catenle de(38-9(24Y(65). 1) Catee det(s4)"(24V(68). 8, Sea, matrizasociada ala permutaciin ode conjunto (1, 2,....}(véaseejercicio 11 della seecidn 1), Compruebe que 4, es una mattizinversible. Determine As? 9. Demuestte que siA es una matriz antsimétrica de orden n con m impar,entonces A no puede ser inversibe. (Sugerencia: véase eercicio 16 k) de la seccién 2) 1. Considere fs matrices wome[2 fpa-[S o allwe[* 2 8) Demuesie que la taza dela maiz M, es aM tee Beare +43) yy queeste valor coincide co la sua de los elementos de la diagonal secundaria de M,* by Compeuebe que Me es una matriz no inversible para n2 3, ‘Sea A la matrizde orden m euyos elementos son ay = i+ j,i, f= 15 2,--- 40 4) Caleule Is traza de A y demavestze que su valor coincide eon ta sunt de fos clomentos desu i by Prucbe que A no es inversible para n 2 3. 12, Sea A una matrix nilpotent (véaseejetcicio 14 de la seecién 3, eapitlo 1), Caleule der A, 13, Sea A una matrizinvolutoria (vase ejrcicio 26 de la seecidn 3, capitulo 1). Caleule los valores posibles para det 4. eu anterior) de que 4. det (ch) ~ det A ‘en donde A es una matrz de orden y ees un iimero real cualquiera. (Sugerencia: consider a mati el) Sea A una matiz de orden 3 cuyo deerminante es igual a2 4) Comprucbe que i es inversible ) Caleule det 4 ©) Caleule ders, DESARROLLO POR COFACTORES, Considere la matriz de orden 3 an an a Aslan a2 as "Ca diagonal secundaria de a matt A » (2). 68 eonstuida po os‘Se ha visto que el determinante de esta matt est daca por det A = anand + a.s0;909, + aista\ay ~ aysextsy~ dyidrsdss anata Alreescrbir esta expresidn facto tiene ino Jos elementos dela primera linea de A se det A (Gnas ~ assa)an + (azats)~ aas)aee* (anda ~ andsyjany (4.1) Obsérvese que las expresfones entre paréntesis tienen un gran pareeido al valor 1, Proeédase a intercambiar la posicién dle la k-ésima columna de A con a posieién desu primera eolumna, haciendo sélo imercambio entre coluninas cadyacentes. Esquematicamente: TEOREMA41 peventunantes 154 LH Obsérvese que se he logrado dejar en el mismo orden telativa el resto de ta ‘columnas de A. Lkimese A’ = (aj)... la mateiz obtenida por este intereambio cde columnas. Segin lo visto en la subseecidn 2.3, so tiene que det A’ = (21) det ae obien, det = (-1)" det A’ Por ota parte, segin lo “hablado” en (4.9) se tiene que det A’ = (det AI, Wats. sea, det’ = (-1)!"* deta’ = (-1)!"* det (1, Dai + Pero A’(1, 1) = ACL, 4) y as = au. Botonces, det A= (1) det AU, au + ‘Al comparar esta expresidn con la fSrmula (4.8) igualando los coeficientes de ae cen ambas expresiones) se obtiene yo (1)! det A(1, 8) que era lo que se queria demostrat. En conclusin, se ha demestrado el siguiente teorema: (Drsannotto ron corACTORESRESPECTODELAFRIMERALINEADELNAMATHE,) | ‘Sea A una matriz de orden n de elementos ay, Sea ACI, k) la submatrix de | gkden (n= 1 que se obtene ded eliminando de gatas primera inca yu ‘-ésima columna. Entonces. | deta (det att Dyan +. (DM ded, yaa +I" det AC, nay (4.10)152. ALoeenauneaL peverwmanves 153 {elimeroyu= (1! det ACL, 1), k= 1,2, .-.5esel cofeetor,comespondente gona que alelemento au). oa En realidad, este teorema es un caso particular del siguente resultado ms . general. det A = (-1)"* deta = (Cd det A, Dai TEOREMA 4.2 (Desanmotn0 roe coFAcTORES RESPOCTODELA MESIMALINEA DEUNA.ATRIZ.) Pero 4'( B= Ath By a= am, Entonoss | Sea una matrz de orden n de elementos as. Sea ACi,f) Ia submateiz de | lorden (1 ~ 1) que se obtiene de 4 eliminando en ésta su ésima Iinea y st det =F (Gly der AQ, Aas Fs clan, Emons ee como se querfa, det A= (C1)" det Ati, Dyan. #(D" let AC, n)) 4 QED. (C1 der (AG, Bae EI desattollo por cofactores del determinante de una matriz A, puede hacerse también respecto de las columnas de ésta. Fl siguiente teorema hace explicito este hecho, Su demostracién debe ser, usando el teorema 4.2, un ejercicio elemental que se deja paral lector. (el mimero yu = (-1)°* detA(i, 8 es el cofactor asociado af elemento ay). Lo DEMOSTRACION tnetembiesn sma aca de A consu prime ln, realzando lo fteream- = iow de lincasadvacetes (so tra entonces (/~ 1) inerambios), como se Teonemaas’ | muestra esquemilicamente enseguida: (Desansoto rox coracroues RESPECTO DELA HESINA COUUMNA DEUMA BEATE.) | Setisnetn sigue colon para der i i R SSSA | det A = (C1) det ACL, May * «..* (1 det An, J); : 2 —_— a g (CIpider AG Day INS T= = Considérese por ejemplo, Ia misma mattiz (4.3) y realicese el efleulo de st determinante respeeto de la 3a, columna. Se obtiene Sea A'~ (4))uye,.-n la mari obtenida después de este eambio de lneas de. 6 Por una parte se tiene : deta = ye (CY? det A, aus — bs) det A’ = (-1)"' deta : = (1)? det ACL, 3)aiy + (-1)?" det A (2, 3)ans + (-1)°? det (3, 3am ‘sea, = (aer[~} 2 - [2 3] ) cay (derf 2 2 2 (4 [s ajo (e([5 ale 4) (« [a al} det A= (-1Y" det A‘ = (18X15) = -4) + (KD) 37 Por otra parte, se puede apical teorema 41a Ja mata A’ obteniendo Al determinante det AG j) se le llama menor de A, de orden m ~ 1. Con esta terminologia, se ha visio que el determinante de A puede expresarse como una det Av (I det A'C, Baie ‘suma de los elementos de su i-ésima linea 0 j-ésima columna multiplicados por 1)" veces sus eorrespondientes menores de orden M1~ 1154 EJEMPLO a Una manera facil de recordar fos signos que tlenen estos menores (para dar asi los cofactores correspondientes) es abscrvando que étos estin distribuidos altemadamente en fa matriz Ar ef menor de ais tiene signo (-1)"" = #1, el de ais 65 (-1)!* 1, ete, quedando entonces distribuidos como sigue: Desde el punto de vista computacional, el desarrollo por cofactores dle un cloter- nante de una matriz de orden 1 no tienen en principio ventaja alguna respecto, dl cilculo del determinante usando dircctamente la definicién de él: ef edleula dol determinante de la maiz se reduce al edleulo de n determinantes de matrices de orden (n = 1}; por tanto, habria que realizar (n)(n - 1)! * n! operaciones para tal caleulo, el mismo mimero de operaciones que si se evaltia el determinante usando directamente su definicién, Sin embargo, se pueden combinar las ideas expuestas en la subseceién 2.3 con el desarrollo por eofactores, procediendo primeramente. hacer operaciones eon las lineas yfo con las columnas de la mai detal forma quese logre la mayor cantidad de cetos posible en alguna de las lineas ‘0 columnas, y luego desarrollando por cofacfores con respecto a esa Tinea 0 columns. De esta forma se puede ahorrar el edleulo de los menores corresponclien- tesalos elementos que son cero (pues en la expresién del desarrollo por eafactores apatecen éstes multipticadas por el menor eotrespendiente) Véase un ejemplo, ‘Supongs que se quiere ealcularel determinant D = det icién de determinante, se tendria que realizar 7! ‘operaciones para calcular D. Sin embargo, se ver que provediendo inteligente- mente se puede aborrar mucho trabajo. En principio, vea que la iltima linea de la matriz tiene todos sus elemen- tos iguales a ecto excepto el tltimo de ellos (que es 1). Conviene, entonees, ha- cer el desezrollo de D por cofuetores respecto de esa linea, pues ast se reduce el cileuloa Derenvnanres 155 210184 oro ties 141010 141010 sayenmad}! 1100 0]. git 11000 Pa OCWdet ys 9 1 9 0 of" #13 0 1 0 0 0 / 425120 Bi 2s 2h 0) o11004 o1100% ‘a cofactor de an = (-1)?7det AQ, La columna con mayor nimezo de eeros es la 6a, columna, $i desartolla D por coftctores tespecto de esa coluinns obvendra slo? (de los 6) sumandos diferentes de cero, Sin embargo, si sustituye la primera linea por ella mista menas 4 veces Ja sexta linea, el determinante no altera su valor y quedaria 2-3-4 18 0 141010 wdj! 11000 Pods 9 1 0 00 425120 0911004 de tal modo que ahora la tiltima columna tine sélo un elemento stint de cero, Al desartotlar por eofuetores rospecto do esa colvimna se obtiene ees 2-3-4 1 8 a ea 141041 D=(Mcyde| 1 1 1 0 of= deli 4 1 0 0 3.0 100 507 00 425 12 2s 2) ‘Nucvamente, si sustituye la primera linea por ella mi valor D nose altera y se obtiene 2 1 De det] 1 3 4 ‘Ahora la cvarta eolumna tiene séloun elemento no nlo, Desattolle por cofactores respecto de esa columna para oblenet 2-5-9 6 2-5-9 6 eaenad ) 4 1 te gg 1a tt Decmenmde tt [ gfenaf tf bo 30 10 3.0 10156 AceeAA une, ‘Sustituya shora la primera linea por ella menos 6 veees la segunda y obtenga “8 -29 -IS 0 14rd De-dil i Ft op Oe 0 Al desatrollar D por cofactores respecto de la itima columna queda “8-29 -15 “Ro-29 -15 D=-UK-yde} 1 [=-eel 1 1 300 1 300 1 Sustituya la primera colurmna por ella mista menos 3 veces la tercera y obtenga 37-29-15 D=-del-2 1 1 oo 4 ‘Al desatrollar por cofactores respeoto de la tereeta linea queda finalmente De manera = - -2)(-29)) = 21 37-29 21 ws i} =n Los resultados obtenidas en esta seccién tienen también importancia desde el punto de vista teético. En Ta préxima seceién se usarin y se obtendrén varios resullados nuevos interesantes. EJERCICIOS (SECCION 4, CAPITULO 2) 1. Sead fa matie Sea Cy el cofactor asociado al clementoayde la mattiz A. Caleule Cs, C3», Ca, Cay Co. 2. Caleule et determinante oevenumanres 187 Aesarrollando por cofactotesrespecta de 2) Inprimera Tae ©) latercera thea 1) lasegunda columna Considers el det la primera column dee| 4) {Cudato vale este determinant sia = 0? b) {Culnto vale sia #0? ©) {Por qué el vator de este determinante no depende de x, 27 Al usar la formula del desarrollo por cofaetores de un determinants, demuestee ue 2 103 1 0 0 0 2) ! ee ) der oO 30 3b -r 1 3 ) det! “9 3 | cone), Odes 6 2 4 is 3158 Aceenatien ioe eal at de] O11 1 + at) of lee ox 0 oo yee ox 00 ode] 0 x Let 0 0 [= beer eae 0 0 0 we (Sugerencia use indveci6n.) 7. Sea lamaeiz 2400 16 0 0 ae (on ole sts) 00 32 a) Caleute det A. by Caleute el determinante de la maiz 24 0 0 1 6 0 0 A=)o 0 1 0 oo o1 _y compare si valor con el determinate de la mata of ©) Calevle el determinante dela mati. Ae {y eompare su valor eon el determinant de Ia mat 4) Vetifique que A = Ay «) Caleule der (PQ) y vetfique que der A = det (PQ) = (det PYde# Qh. ® & (Goneraizacidn dl ejecicio anterior) Sean P y Q dos matrices cundradss de onder n yy consider la mati A de orden 2 10. un perenanayres 159 nfs] nea afb] afb cont 1b) det A= det P, det Az det Q. Coneluya entonces que det A = (det Pidet Q). Use el ejercici snterioe para caleular el determinante de la mattiz Sean P, Qy R matrices evadradss de orden m, Considere la matrizA de orden 20 rs “( ¢ Doom gud = et Sambora ak au} §]-ero =a io anterior para calla el determinante de la ma Demuestre el resuad del ejrciio 11 eliminando la hipdtesis de la inversiilidad de la matizQ. Use el ejercicio anterior para demostar que el determinante160 Aceoraunen ridaiiaoooooe Sesabe que 0222220560000 603333006000 anon oc i Sarateewee [765 « Ge8 em oo 005 53 0900 ¢ 0 IRnesdea | 20 + 4Ca + Cw wo oo doe ovTOOS o deta 123836019000 desarloyor 2Cy + Wn + 20 0123 4 50 0 1000 ‘cofuctores respecto de 5Cy = Cx + 400 $0123 4000100 ; as connas ip + 3 # Con 0 0 0 12 3 00 00 1 0 eee Co + 3G + Cas po 0012000001 ee Uno se poda pregunta qué sucedetia se hace el desarrollo por cofactores con respec dela tinea (1:1 3) "desordenadanente en el sentido de que cada valeabedef. Sumando ea el desarrollo no sea el producto del elemento dy por st cofactor : asocfado Cy, sino que sea el producto de ayporel cofactor Cycon ki. Por ejemplo, : Ly ke Bsebtendea uCy + anCx + ayn = (2X16) + (5)A) + CYXC37) = 0 5, LA ADJUNTA DE UNA MATRIZ aes : ‘ Sepodsanntentar algunas ota vaiantes ye vera uel resultado slempre ser Elobjetivodeestseocién es establecer, por una parte una emule para ainversa cero. Lomisin sucedeia sis hace este cleulo"desordenado” del desarrollo por dde una matiz A y, por ota, obtener la conocéa rela de Cramer para resolver . cofuetores respecto de alguna desus columns. Sistemas de ectaclones, Para logiar esto, se tended que ineodusireleoneeplo de. Laranin de st hecho es muy spe yest expicada en la demostasion det “junta de una mati. siguiente teorema Primeramenteseharn algunas observacianescoeteas sobre Ta matriz 7 eee ae TEOREMAS.A | ‘Sea A (a,),ye1,.,atina maiz cualquiera de orden n. Sea Cel cofactor asorido a elemento a Entonces : ae|7-13 on | a4 | . deta si s=r Face « [rd sar Se llamar Cy al cofector asoeiado al elemento ay, | a Setlene oe —— a DEMOSTRACION Eleasos=resel teorema4:2 (desarrollo por cofactores con respecto dela r-ésima aoe lines), Se damuesta enlonees el e1s0 #7, Sea A” = (pe... 8 matiz de . Srincide con A en todos sus elementos excepto los de a s-éima linea en a eval a = CP dea) = ae t] : 5 lene ona copia dela rina linea de (portato, 4 tiene dos ness igual, ta risima y la sia). Se Imari Ca a os errespondientes cofactors dela 7-1 malt i = ED! der ACL, 3) = de > , s 8 ‘ Similarmente se obtienen : deta\= J aaCn ca- Gu=16 ae Can 0 Cael Obsétvese que A's, 8) * A(s,A)y portanto Cu = Ch, Ademis, ak = aay de modo Can 2 Cy -37 que162. Aucesraunen, EJEMPLO1 DEFINICION 6.1 EJEMPLO2 deta = abn ero (corolario del teorema 2.4) det A’ = 0. QED. Este teorema jugaté un papel muy importante en la préxima subseccién, en ls cust se establecerd una frmola para la inversa de una mat Dada la mattiz A * (aj),j,...«8e puedo construir la matriz de cofrctores de los elementos de A, poniendo C = (C}),ja,.. donde Cy ese eofaetor asociado al elemento a, Por ejemplo, para la matriz (5.1), su matriz C de eofactotes es: <3 -1 30 c-|-1 0 2 (5.2) 1-37 ‘Sea A una mattiz de orden n, Se Hama miatrig adjunta de A, denoteda por adj A, a Ia transpuesta de la mattiz de cofactores de A. La mattiz adj A es pues una matiz del mismo orden que A, que se cbtiene intereambiando lineas por columnas en la matriz de cofactores de A. Por ejemplo la matriz adjunta de (5.1) es la transpuesta de (5.2). Bs decir, “13-1 16 Cyan Oi 302-37 En general se tiene entonces queadj: alelemento a, de la mattiz A = (Gn, «donde Ces el cofactor ssociado 5.1. UNA FORMULA PARA LA INVERSA ‘TEOREMA 5.2 DEMOSTRACION: El resultado principal de esta subsecetén se encuentra en el siguiente teorema: Sea A una matriz de orden m, Sea adj A su matriz adjunta. Eitonces | 4) (adj A) = (deta) 1 Bscribase A= (ay),it..n ~ "* adjd = (isso. COROLARIO DEMOSTRACION cerenunanres 163 (Giendo ast, by = Gp. El elemento de fa r-ésima linea y s-ésima eohimna de A(adjA) es: Fonte ince Por el tcorema 5.1, este elemento es diferente de cero (y vale det A) sélo cuando 1r= 5, Por tanto, el producto A(adj A) se ve como ‘det 0 deta 0 : deta A (adja) = (det AV, (Un porate Para LaINVERSA,) SiA es inversible, entonces adja 63) Por el teorema ant Atadj A) = (det AV SiA csinversiblo se tiene der # 0 (corolatio del teorems'3.1) y entonees se puede eseribie 1 egg MUd AD * Ie ‘Sequin el teorema 3:2 ineiso (4) (eapitulo 1), esta tltima formula se pues164. Aiseemaunea, dedonde re, deta dj QED. Enel capitulo 1(4.3) se desarrllé un método para encontrat le inversa de una ‘atriz(basado en el proceso de eliminacién Gaussiana). Véase, sin embargo, que el resultado del cotolatio anterior no es solamente “otto método™ para eneontrar Ia inversa, En é se esté dando una fdrmula explicita para A” en téeminos de A, la cual permite ver la “estructura intema” de lainversa de una mattz, informacién 1 la que no se tiene acceso con el método del eapitulo 1. Se debe aclarar que la Jmportancia de este corolatio no es de earseter prictica: en genetal se tienen que hacer un mayor nimero de operaciones pata hallar A" con la formula establecida ue con el mStodo del capitulo 1. Su importancia es solamente de earécterteérico (y estético, claro esta EJEMPLO3 ‘A manera de ejemplo de aplicacién de la férmula (5.3) considere la mattiz asia A=|3-2 4 712 Encuentre los cofactores de los elementos de esta mattiz, c= dea ae 9 Cis = det AQ,2 veel 7 - = def? 2] c= deat) «aa A] Similamente eneuentze un3 curls Cael Cae7 Cues Entonees la matriz adjunta de A es: adj A peresminvates 165 Se puede caleular det A desarrollando por cofactores con respecto a Ia primets linea para obtener det * ayCu*auCn + avCr = 2X-8) + (1922) + X17) = 91 Entonces, 5.2. LAREGLA DE CRAMER Considérese el sistema de n ecuaciones eon m inedgnitas auxytanm ts. taute * by ants + azote +... dante bp oo) De eae co bien, escito matrietalmente, AX = B, con A = (aj), X18 matt * 1 de elementos x(iel, ...,n)y Bla mattizn x 1 de elementos 61, 1) ‘Supdngase que la matrz A es inversible, El teorema 4.10 (capitulo 1) dice centonces que el sistema (5.4) tiene solucidn nica dada por , XeA'B ‘Alusar la frmula (5.3) se puede escribir esta solucién como 1 aj X= ag CIA Realicese el producto (adj)(B). EL resultado soré una matriz n * 1 de elementos a, donde ose obtiene multiplisando la -ésima linea de adj 4 (= ixésimma column de la matriz de cofactores de A) por la tatriz B; es deci, 0 = Cub, + Coba+..+ Cub 63) Considérese la mattiz.A;de orden n cuyos elementos coinciden con los correspon dlientes de A, excepto en Ia i-ésima columna, en donde se han colocado los clementos de la matsiz B. Bs deci,166 fuocoRaLNen, EJEMPLO4 Ae diay By Bat Oe ay. De am o1 we On i-ésima columna = matriz. B Caloiilese det A; desarrollando por cofactores respecto de la ded. Obsérvese que los cofactotes involucrados sera los mismos cofactores co respondientes a la matriz A (pues para su edleulo no se emplea la -ésima columna de A, que es en la tiniea que differe de A’), Entonces det, = Cub * Cabs... + Cabs Alcomparar con la férmula (5.5) se ve pues que a= det A, porlo que la solucién, del sistema es: 1 Xm Fey Met dere coms explicitamente det A, aa on 66) Las férmmlas (5.6) dan la soluein explicita del sistema (5.4). Véase que ellas son aplicables s6lo en el easo en el que la mattz del sistema sca inversible (esto es det A # 0) Setiene en ese caso el siguiente método para resolver el sistema AX = B: so calcula el determinante de A (que tiene que ser distinto de cero para poder aplicar el método), asi como tambien los determinantes de las matrices Ai, ls cuales se obtienen de A sustituyendo en ésta los elementos de su i-ésima columna por los elementos de-lamatrlz de Términos independientes B. Lo solueién del det A, deta! sistemas = 1y...41 A este método se le eonoce como regla de Cramer. ‘Suponga, por ejemplo, que se quiere resolver el sistema 42m 4y 931 Sta +2n=29 Bute 10 Se tiene cevenwnanes 167 det A= det BL 4 detA=det | § 29 2| = ~108 1 10 [ deta et Ee 5 “a re 2) detAveder |S 1 3-1 Entonees _MletAy 814, det Ar =108 4 det Ay | -138 dea ag eB ded a7 8 Gera TOT +5 Se quiere hacer hincspié nuevamente en el hecho de que al resolver sisteinas de ccuaciones, la tegla de Cramer (cuando ésta puede aplicarse) resulta en general, desde el punto de vista computacional, un método menos eficiente que el método de eliminacién Gaussiana deserito en el capitulo 1. No se puede negar, sin embargo, el gran valor estético de la formulas (5.6). EJERCICIOS (SECCION 5, CAPITULO 2) 1 Sean y Blas matrices 8) Determine la matez adjunta de ay 1a matriz adjunta de B. by Caleule el producto ad Bad A). ©) Eneuentre la mate adjunia del producto AB (compare el resultado con el del inciso aneron. ® 2 2Cierto also? Tela matrizevndeula de A conmuta con su matiz dunt, 3. Determine fa adjunta de a matiz168 A.ccoaaunes. ® 1B. 4 15. Demuestre que la matiz adjunta de una matrz wiangular superior Gnfrio) es una smatez wiangular superior (inferior, respectivament). ‘Compruche que ls maiz adjunta de una maiz diagonal es une mi Sea Aa matt involutotia (ase ejrcicio 26 de a seein 3,eaptulo 1). Determine la inci a. ‘Sea Ana mati idempotent (véseeerciclo 13 dela seectin 3, capitulo )-Suponas ‘qe A no es la mati identidad. Dermuesire que A(ad) A) ~ 9. Sugerencia: vase capftulo 27 de a seccién 4, eapitlo 1.) ‘SeaA-una mati nilpotente(véase jericio 14 de laseccién 3, capitulo 1). Compnicbe ‘ave A(adj A) =. Demvestre quest el determinante dela mari Ade orden n(n 22) dstinvo de cero, det (adj) = det Ay" ‘Compruche quesi A es una matszinversible, summattizadjunta es también inverse Es vida Ia afrmacionreefproca? Sead la matriz Demuestte que adjiadj A)» A . Sea A una matrz evadrada de onden m (1 22) Pruche que si det A #0, enese caso adj (adj A) = (det YA ‘Coneluya entonces que det (ad (ad AY) = (ae Yo Determine Is inversa do las siguientes matrices, sand ta free (5.3) 10 0 213 224 afr 1 2 pps 7 af of3a 3.14 alte 80 3 ‘Sea A una matiz de orden n con elementos enteros tl que det A = 1. Demuestre que ‘sw inversa tiene todos sus elementos enteros. ‘Sea A una matizewadrada de orden ny sea C una matiz de orden x 1. Denote por 'AG,O la matiz (Ge orden n)euyos elementos coineiden con los de A excepto en la ‘ofurana jen’ donde a mati AGC tiene los elementos dela atriz C Po ejemplo st ees 10 ms 4) y CH)30 alee 2 18, pevenwnantes 169 sotiene 1038 110 8 13 AU,Q~]30 $4] 4@,Q-]20 30 4] 4G,c)=}20 5 221 20 [2 Considers shor cl sistema den suacione con m incégitas AX = B 2), Demueste que (AVM) = AGB 8) Compre que det In) + (asia ined del sistema) ©) Concluya de os dos inesos anteriores, que (det A) x= der (AG,.B)) y entonces, st det #0 tine a = tA) sn det A ‘sia os una nueva demostracin del gla de Cramer. ieioeeren AL usut la regla de Cramer, dé una nuova demosiracion del teorema 4.3 de explo 1: $1 es una matizinvetsble, en ese caso el sistema homnogéneo de ceuaciones lineales AX + O tiene slo a solucién trivia ‘Al wsat la rogla de Cramer, resuelva Jos sigentes sistemas de ecuaciones: 2 F3qe1 @) 4x, ~3154 3 = 8 45) -2m 92 nt3qtne7 mae) Anon ne! eee 2) mA 2g ted 9) 3xi-Sm 420, 2x, 4-2 Dun 430° 9 2x, 2h 4x Tats En este ejereleio se obtendein algunos otos resultados interessntes sobre Ia funcion determinante, conseevencia de Tos cuales seré la formula pare la adjunta de un producto de matices adiAB) = (adj BYad) A), en donde Ay B son dos matrices ‘ouadrada del mismo orden. Sean A y B dos matrices de omen mA = (ayo. B* (bun... trodwen ta notaclén AC J) para Ia mattiz de orden n * (2 = 1) que proviene de la matriz A suptimiendo en ésta su j-ésima column Similarmeste, A(, ) denotar ts mattiz de cotden (n~ 1) n que proviene de A suprimiendo en &ta su sim tinea En particular, la matriz AC, JG) = ACG, Cf) ¢8 a matrz de orden (m= 1) * n= I)queprovienede A eliminando en sta su i-ésima linea y suj-6sima columns. Denote esta matt como AC). Recverde también la definieidn de determinante de la mate, AeA = YS 0) ty 300) Aa que eseribira como a= 0$70 fceeRAuNeaL cen donde I suma se hace sobre as n permutaciones del eonjunta $= .) (al conjanto de todas estas pemutaciones se esd denotando pot 5) 8) Considere las matices }) Determine el producto AB. ) Caleule det AB. 3) nett las matrices A(,1),A(,2),AC,3), BCL), By BG). 14) Determine ls productes A(,1)B(1,), AC 2)82, 9 AC,3)B0, . 2.5) Verifique qve det AB~ det AC ,1)B(L, ) + det AC ,2)BQ, )* det AC , IB, ) Este es un resultado general que: ¥) Considere fas mattces A = (oj) =... y B= Cy) e probard en el siguieme inci: 1. El producto Alt poe dakocge esentonces una mattizcuadrada de orden (n~ 1)-Sequieteextablecer el estado det ab =F derAC 2986, ) bat) Demueste que el resultado pata el eas0.n = 2 12) Compruste gue pata 23 dea = ¥, wo [it oa 163) Demuestre que para n> 3 X mor) bb) Prusbe que para evalauierjy para m2 3 TiS) 3[tf- | miele] Deresunantes 171 sreonlaya entonces que dee AB =F det AC Bs, ) ©) Sean aor Ay 8 das matrices de tenn. Domus qe Ali YBC = ABI 11) En hose los resultados de los dos incsos anteriores, demucsire que siendo Ay Bunatrces de orden nse tiene er ABD = J der, BK, Ejemplitique este resultado con las matices AN) i= Ly j=3 (véase el inclsom) 42) fe2yjea 43) I3yj=2 ©) Consider hora las matricesad A y adj B,adjntasdelasmatties y Bisonien 1. Se quete ver que adj (AB) = (adj BY A), ce) Sean Ay, By y AB; los cofactors asociados a los clementos dy. by y y= aiaby * anby +... aby de las mattices A, B y AB, respetivamente ‘Comprucbe que el elemento do Ja Jsima lina y -csina eolumana dela atta (a Bad A) es ee 0 F derag.omesn €2) Users de) y dln) pr con quel om ‘ian imeyjea otras See ee mea (-1)" det ABG, i) = AB, 3) Coneluya,entonees, que (ad B)(adj A) ad AB. Use la formula (5.3) para demostrar mucvarente avalide de a formula adj AB ~ (adj BY) A) en donde A y B son dos matrices del mismo onlen inversibes.172 ALocbAAuNeaL APENDICE, EL DETERMINANTE DE VANDERMONDE Un detetminante que suele aparecer en relacién a vatios problemas en la matemé- tiea (por ejemplo, problemas de interpolacidn) es ef llamado determinante de Vandermonde, que esti dado por Por. ye= det] toa 3 aoe = cen donde, %, .-,&yson mimeros distintos dads. Por ejemplo sin = 2se tiene reals] ‘Véase también el easo n= 3 . Se tiene rad Yodel mx aod Se puede reducit el por cofuctores con respecto de ella e aa at 1 Yer det} m-m 4-4 O wea doa = (= N08 —) = CF BK =) = Gs =) - aD =) Enel caso general, seafitma que w- TT @- 9 Es decir, ¥, es el producto de todos los factores del tipo (x; - x) con i> j, Por ejemplo, en el caso n = 2sélo se tiene l factor correspondiente a2 > 1, esto es X En el caso n = 3 se tienen 3 factores correspondientes a 3 >2,3>1,2> 1, esto es (4) = 4) ~ 40% 4). culo de Vs al de un determinante de una matriz de orden 2 haciendo ceros as posiciones debajo del 1 en la primera eolumna y desarrollando ae Now erentanantes 173 En el caso 1 = 4 se tendrian 6 factores comespondientes a4 > 3,4>2,4> 1, 3>2,3>1,2> Lestoes f= a) =) NOR) 5 = xDL Obsérvese que Hy Goan as a Vor Geman} 9K, Para demostrat en general laférmula (Al) se va'aproceder por induccin, Se ha visto ya su validez para n= 2y n= 3, ‘Supéngase entonces que tal férmula es vilida para n = osea que we TT @-9 y progbese que también es vilida para n = k-+ 1. Obsérvese primeramente, que la diferencia entre Via y Ve son los factores Gor aes aed eGin a) © TP Ga = 2) ‘como puede verse en los easos concretos n = 2, 3 y 4 en Ia formula (A2), Es decir, Vi y Vi estén relacionadas por Hoa = on =) =a) Gs 2D > TI Gua TT es (33) - T] aa Se procederi entonces a la demostraciin de la tesis de induecidn (es decir, la Formula (A3)). Considérese entonees Vin roa 14 Voorn def ahs a oat “a ahs Realigense ls siguientes operaciones elementales en ls linens de la matrix: cada linea vaiasustituitse por ella misma menos x1 veoes su linea anterior (eomenizan- do por la iltima Knea y yendo hacia artiba), El valor de Vin, no se alteray asi se obtiene174 horena unea 1 1 1 Visser] S-me) MGn ke) xe) Wierd Moa) oe Gon) 0 Al desarrolar por cofacoresrespooto de la tina eolunna se obtine (el signo del eofsetores 1)" = 1) nome ote none Vor = (pt der| BSD GEA) Ona Bima) AG) oT Mae ted 4), Obsér- aad Moltipiquese laj-ésima columna de esta mattz por —}— ‘ese que el valor del detorminante quedari alterado por los Factores (y 1,2, 8), Queda entonees too 1 Vios = (CVs Redeemed det] A eB tet et = G2). dn que se queria establecer, EJERCICIOS (APENDICE, CAPITULO 2) 1. Demuestre que V,= Osi, y slo stay» 3yparaalgin 7+), fj € (1,2,-.-, 2h 2, Caleule lossiguientes determinantes: had rida sydet}1 2 3 too 1 3 3 149 ede} 1 0 1 9 9 “1001 2-27 Anan atest) Sil act Ate 2p vw deli tt 1-1 8 8 3 4 Deverusantes 175 Scan i (3) de prado 2 p(x) ~ ax? + Be +e, tal que px) Yin 9s Son ndmetos dados (Sugerencia:demuestre que el sistema de ecuaciones p(x) = if lines solucin para los coeficientes a 2.) tes nmeros reales distints. Compniche queexiste wn nico polinomio 1 PC) = J pts) = yo en donde 2,3tiono una Sean ny... 401 n+ I nberos reales distintos, Demuestre que existe un neo polincmio p(x) do grado n PO) =a Haga + tat ay {al que ple) = yy i= 1,2,.-.47 Iyem dane yy, 93+ + Jno Son rimeros dads Proebe ambién ques el polinomio p(x) se anula eax, 3,» xy entonees pt) es polinomio idénicamente nul,CAPITULO TRES Espacios vectoriales 176 ‘Todos conocen las siguientes propiedades de los mimeros reales (pues en ellos ddeseansa la manipulacién algebraica que se a sprendido desde la secundaria}: si 44, b, con miimeros teales se tiene Datb=b+a 2) a+G+oQ=(ardve 3) a+ 4) a+ (-a)=0 5) ab= ba 6) a(be)=(abye Dal-a 8) sia #0, @a')=1 9) a(b40)~ ab +ac Considérese ef conjunto A = (0, 1,2) y en él definanse las operaciones de suma ¥y ptoducto entre sus elementos segiin la siguientes “tablas de suma y multipliea- o oO 2 1 2 1 oO 1 2 2 Se puede ver que tas nueve propiedades de los nimeros reales mencfonodas anferiorinente son también validas para este conjunto A con estas operaciones de suma y de producto, En efecto 1) Sia,b€ A, se tiene siemprea+ b= 6+ a, Por ejemplo, 1+2=0=2+ 1. 2) Sia, b,c € A, setiene siemprea + (b+ c) = (a+b) +c, Por ejemplo, 1+ 2 +2)" 14 1=2y (142) 42404262, de modo que 1 +(2+2)=(1+2) +2, 3). Para cualquier a € A,se tiene siemprea +0 a, espacios vecrommes 177 4) Dado un elemento a € A, existe siempre otro elemento (-a) € A (el inverso aditive de A) tal quea + (-a) = 0. De hecho, (-0) = 0, (-1) "2, 2) 1 5) Sia, b€ A, setiene siempre ab = ba. ©) Sia, b,c € Asetiene siempre a (bc) = (ab) ¢. Por ejemplo, 2(2 1) = 2@2) = Ty Q-2)*1 (1) + T= 1ydemodo que2@-1)= (2-2-1 7) Para cualquier a € A se tiene siempre a: 1 =a. 8) Dado un elemento a € A, a # 0, existe siempre un elemento (0°) € A (el inverso multiplicative de a) tal que a(a") = 1. De heebo, (1°) = 1, 2") = 2, 9) Sia, b,c€ Asetiene siempre a(b+ c) = ab + ac. Porejemplo,2(2 + 1) = 2(0) =Oy2-242-1=1+2=0,demodo que 2(2 + 1) =2-2+2+1. De modo, pues, que el eonjunto A = (0, 1, 2} eon las operaciones de sma y ‘producto dadas, tiene las misias propiedades (1) ~ (9) de los niimeros reales. Existen muchos ottos ejemplos interesantes de conjuntos en los que se tienen definidas las operaciones de suma y producto, que también satisfacen las propie- ddades (1) ~ (9) de os reales. Por ejemplo: 8) El conjunto de mimeros racionales Q = fe mane tne co bs ‘operaciones usuales, 1). Eleonjuntodenimeros complajos C= fa +ib|,b € R) eon as operaciones suas (a+ ib) + (+ id= (ate) + ib +d) (a+ iy(e+ id) = (ae ~ bd) + iad + be) nite otros ‘Un conjunto no vaefo en el que existon Jas operaciones de sua y producto satisfacienco las propiedades (1) - (9) enuneiadas en la pagins anterior see Ilana CAMPO. Un campo es, pues, una estructura algebraies, la cual es eompartida por R, Q, Cy nuestro conjunto A = (0, 1,2}- ‘Ante esta situacidn, la dingiica natural de la matematica lleva de inmediato alsiguiente planteamiento: :quése puede decir en general sobre un campo? Dentro de algunas partes del dlgebea (abstracts) se da respuesta a esta pregunta,178 AuceoRAUNEAL Una sinscin completamente andloga als planteadsanterormente es la que se comenzaté a bordar en este capitulo, se estudiar (en abstrato) ns nvsva csitoctura algebra a de espacio vectorial En os erss de fisea se ha aprendido # sumat vetores en el plano (0 ene Pe, a= P= Gi Fy - 19 geomércamenteel oso de que Pose suvtentea significa qupormeio. de nmoviientorigio sn alr cl tod PO) parteloa a deen de Fos puede hoor qu este segment cotlda on188 ALGEERALNEAL Es ficil ver que esta relacién entre segmentosdirigidos del plano es una telaci6n de equivalencia (es reflexiva, es simétrica y es transitiva) Pot lo tanto, se puede {dentificar (como siendo los mismos) segmentos dirigidos que sean equivalentes.. En particular, el segmento ditigido PQ es equivaente al vector (qi = Ps 2 = P:) (es decir, al segmento ditigido cuyo punto inilal es el origen y euyo punto final esel punto (= pi, da> Pd). omer 7 Se tiene entonces ast una identificacién completa entre vectores del espacio vectorial R*y segmentos dirigidos del plano ay (a partir de este momento, también, se usati Ja palabra veetor para denotat los segmentos irigidos del plano xy). El espacio R? es entonces un espacio “que se puede ver” (geometticamente). ‘ease ahora cl eardetor goométtioo de las operaciones definidas eneste espacio vectorial ‘Sean v1 = (1,31) Y ¥5 (Xn) das Wectores de RP. Se definis Ia suma de éstos ‘como el vector ¥, + v4 de R? de coordenadas (%;+ Yu %: + 32) Se afirma que ésta ‘noes mas que la defini (abstracta) de Ia vieja conocida “regla del paralclogra- mo" que se usaba para sumar veetores en el plan. En efecto, considérese Ia figura, ‘Sean (a, 6) las coordenadas del vector suma de 5 = OP y vs = OR obtenido _geoméitticamente con la ley del paralelogramo (es dect, si se completa el parale- logramo‘con vs y vz como lads, ef vectorsuina v; + ¥35e abtiene uniendoel origen con el vértice opuesto del paralelogramo construido). De la figura es claro que (ON | + 051+ 1501 fe ean esracos vectonies 189 Obsérvese que os triéngulas OPQ y RMT-son congrientes. Entonces | | = [RT| =| SN |, por lo que |ON| =| 051+ |00) Un argumento similar conduce a beytys Jo que prucha la afitmacién, ‘Considérese ahora la muliplicacién por esealares. Sea v« (x,y) un vector de R¥, Sea definido la multiplicacién de vpor el escalar A € R como siendo el vector 2. € Re de coordenadas (hx, Ay), Elelecto geomeétrico de esta operaci ce, sin salir de Ia linea de aceisn del veetor v consiste 1) reducir su tamaio en un factor 2 conservando su sentido (0 <2 < 1}; 2) aumentarsu tamaiio en un factor 2 conservando su sentido (A > 1); 3) cambiat su sentido (2 < 0). > an wl BO En efecto, véase el caso particular 2 > 0. Sean (a b) las coordenadas del vector dy. El vector Av se obliene geométticamente colocando sobre v (con su mismo sentido) el veetor cuyo tama sea 2. veces el tamatio dev. En a figura, localicese el punto Q sobre la direeetin de GP de modo que | OO = 4 OF |190 Los tringulos OPR y OQS son semejantes, de modo que (OBi | 150) | YOO! 1OR| [RP] (OP\ estos a=hx, beny 1o que prucba que el vector A obtenido con Ia eonstruceisn geomeéitica anterior cesel vector producto de v por el escalar 4, segin Ia definicién de esta operacién en Re En particular, obsérvese que se tiene la siguiente telacién geométrien entte el veotor vy sa inverso aditive (-¥) axdos los veetores ¥; = (Xi Ys Ve = (a ys) en IR se puede defini la resta vs ~ v2 ‘como v; + (-¥2). Por ejemplo, sii * (7,4) ¥ ¥s™ 1), se tiene vi = v2 * (7-3 4-1=4,3) Gooméiticamente, el vector resta V1 ~ Vr definida la testa) el veetor v; con et im paralelogramo como se muestra en la figura obtiene sumando (sein como fue ‘aditivo de vz segiin la regla del Obsérvese que un vector equivalenteal vector) ~ vy obtenido en Ia figura anterior es aquél euyo punto iniefal est en el punto final de va y euyo punto final esté et cl punto final dev, ll. Elespacio R® esrros vectonaes 191 La propiedad asociativa de la suma de vectores en RE tambin puede verse sgeomélicamente, Bstase lusea en la siguiente figura 0) o invittiendo el sentido (A <0), ee Se deja como ejetcicio al lector que reproduzea Ia diseusién geométtica que se hizo en el caso de R?, con el espacio vectorial R’. En el caso general del espacio R’, se podria tambin establecer una geomet para los vectores que lo eonstituyen: un vector (11, ta. %) de RY se puede identificar con el vector (geométrico) cuyo punto iniial esta en el origen (el cero det espacio RO y eyo pnt finales en el pun (8) el espaco EI problema que surge con este sentido geométrico de R’, es que no se puede ver (s6lo “imaginar”) alos vectores para n > 4. Nota: Se ha visto que R's un espacio vectorial real. Se considers la geometria de los casos particulares n = 2 y n= 3, El caso particular n= 1 no fue considerado, pues, bajo la perspectiva de espacios veetoriales, resulta poco. interesante el hecho de que Res un espacio vectorial sobre R, eon las operaciones operaciones usuales de suma y producto por reales. En realidad, es un hecho. general que un campo K es un espacio veetorial sobre K. La raz6n por la eval no se hace hineapié en el caso particular m = 1 es, pues, que si bien R es un espacio vectorial sobre R, ste es mucho mils que eso: es un eampo (eosa que no ocurte con RY, n> 2), ELESPACIOP, Sea P, el conjunto de todos los polinomios eon eoeficiente ‘igual que n. Es decir lesde grado menor Po= (dat ax. tdyt" | do diye yy ER En este conjunto, se define la suma de polinomios “coeficiente a eoefieiente”, 0 sea, si pi= aohaie +... + aay p= by+ yt +... + bason dos polinomios de P,, su suma es el potinomio p; + ps definido por Pit Pa (ao bo) + (ay + B+... + (ay ba” Obsérvese que py + ps € Pr. Para el polinomio p = do + axx +... ax" € Pyy el escalur > € R, se define el producto de p por A, como siendo el polinoznio : Rpm Ras * hax +... + Raat Nucvamente obsérvese que Ap € Py. La igual en este conjunio se define como: p= ay aye +... + antes iguala ps = by be tooth sh ystlo shay by a= Bye ts=By espacios vecroniaLes 193 Se puede verificar ficiImente que P, con estas operaciones es vn espacio ine todos sus eneffeientes Jguales a cero, al que se denota simplemente por 0; esto es,0= 0+ Or +... + Ox Dadoet polinomiop = a,+ax*...+ax* € P, sa inverso aditive esl polinomio 1X € Pye. 23 ELESPACIO My.» ‘Sea Maw conjunto de todas las mattices de orden mn, Es decir Mores [A = (ahs w Lay€R, fF m ad “} tea Enel capitulo | se ha definido la summa de elementos de Myx, ast como fa mul- Liplicacién de un clemento My». por el escalar & € R (seceisn 3.1 del capitulo 1), El teorema 3.1 del capitulo 1 afirma que el conjunto Ma +», con eslas opera clones, es un espacio vectorial 2.4, EL ESPACIO F() ‘Sea F(D el conjunto de todas ls funciones reales definidas en el subeonjunto Tde la recta real. Es decir FO = > RI Sean fy g dos funciones de F(D). Definase la suma de fy g como ta funetin f + gf Real que (f+ gt) =f) +80) . (el valor de af Fimeiones fy gen ese punto). SUSE FUDy AE R, definase el producto de fpor el escalar 2.como la Foncisn 2fT Real que win f+ gen el punto x € J, es la sua de Tos valores de las pla) = 4) (l valor do fa funcién 4 fen cl punto x € J, es el producto de % por el valor (el niimero real) defen). Se verificar que el conjunto FU) eon estas operaciones de suma y producto + por escalates es un espacio veetorial, Sean fg, h€ F(D yb, w € R. 1) Lasuma es connurariva “La iqualdad ente cements de este conjuto se define como: fg € FUD.S= @si,y S810 Sif) 60) Vx EL194 ActenaUNEAL 2 a 4) 5) ° Sea x € I Entonces + U8) = A) + Bla) = gC0) +) = @ +N) como (f+ g(x) = (g + G2) ¥ x€ 1, concluimos que f+ g = g+ f(esdectr, la funcion f+ g es igual ala funcién g + f La sumaes asociativa Sea x€1, Entonces G+ G+ WYLR) = fa) + ( + INL) = AO) + WER) + HCD) = le) + gC) + HEE) = Fr Ble) + HC) “+9 +e) Nuvvamente, como.x€ {fue abimto, se eoneluye que frig egegrh Considérese la funcién 0: I ~» R, definida por (x) = 0 V x € I Obsérvese que parax € 1 FOC) =f) +O » fey #0 fe) Es decir, + 0 = fLa funeidn 0 es e cero de este espacio vectorial Dada € F(D), defina la funeidn (-f): 1+ R como (~/(x) ~ -/lv). Entonees, paraxe 7 FCN) = fd + lad = fe) - fe) = 0 Osea, f+ (-)* 0, y entonces (fs el inverso aditive de f Parax € Ise tiene OF B)¥a) = AF BYR) = Rf) + gtd) = ACA) * RGA) = ODO + ANE) = ON + AMO Es decir Aff +g) =f +g. Sire! (e+ BD) = (+ BY = ER) + RD = ANG) + OW) = (AN + WMI) esricios vecronatss 195 Osea + wf =f + nf : 1) Six € 1, nV) = uy = AUHf) = MN®) = AONE) endonde ( w)f= AG), 8) Paraxed, (1 fi) * 1 f(a) = flO, esdecie, Io f=f. Esto demuestta, entonees que F(0) es un espacio vectorial Los ejemplos de espacios vectoriales aqui dados muestran solamente algunos de los muchos espacias eon los que se trabajar en el resta de! libro. Bstos mucvos ‘espacios podrin obtenerse de los ejemplos aqui estudiados considerando “por- clones" de ellos. En la siguiente seceién se estudiar oémo han de ser estas “poretones” para que elas mismas sean también espacios veetoriales, EJERCICIOS (SECCION 2, CAPITULO 3) 1, Eseribaexplicitamente a). Blvecior ero de RY. 1) Elinverso aditive del veetor (1, -2,0,3,8) eu RS ©) El vector (1, 3,2) +((1,4,3) + Q,-1, Ben €) Blvector ceo de R ©) Blvector 5, -1,3,2) ene 1) Elinverso aultivo del veetor (1, 1, 1,3,8, -1,7) en R? multplieadopor el eseaae 4 8) Elvector (1,3, 8, -1,4) # (4,2, -1,7,0) en multpliado por el esealar 3 hy Elinversoaditvo del vector 2(1,-1, 8,5, 10,4,0, 1) en RE i) Elvector (1, 1,3, 27,45) de R® multplicado por el escaar 0 1) Elinversoaditivo del vector (1, 1,1, 1,1, 1) de Rémukiplicado porel eseala = )_ La propiedad conmmutativa de la suma de vectors en Ré. Dy Flvector 24,1, -1,3) +4, 1,7, -Hde Rt 1m) Elvector (5,7, 9, 10, 45,86, -70) de R? mulipicado pore eseatae 1 1) El vector $1, 3,-1,4,8) de RY muiplicado porel escatar-2, ©) Elvector de R® multplieado po el scalar 3 da por resultado el veetor (7, 1, 0,4), 12. Demucsire que I relaci6n entre segments drigios en el plano xy estableeda en la gina 187 es una relacion de equivalencia, 3, Considere los segmentosdirgidos ent plano xy mostados en I siguiente Fgura:196 A.cesAAUNEA, ‘A continuacién sedan el punto inical (PD) el punto Final (PF) de varios segmentos ‘itigidos en el plano ay. Diga en cada aso si el segmenta dirigido es equivalentea ¥4,a05, boa ninguna de eos. 2) I=0,6 PF-G,8) 9) PI=G10,9 —PF=(-8,) ») PI-Q.ny PF-@,4) 9 F1+G,9) PF =(6,10) ©) Pl=(12,-4— PF=(10,-1) g) Pl=(,10) PF = (4,13) OMG PEG) MeG,3) —PRAGaS) Denuestre geométicamente (con la regla del paralelogramo) que a suma del vector (@,0) con et vector (0, 6, en donde a y b son nimotos positivas esc vector (2b), Dado et vector v= (1,2) en el plano 2y,haga una grea mostranda el vector ) ay ow 2) » Ly o -2 D3 3. Dado el veetor no malo v= (a 6 yel vector va = (x96), demucsite que a recta que [pass por vo es paralla a la recta en la que se encuenta v puede set descrite de la siguionte manera E> (5 9)1 9) * Gin 99 #100, 8), RY de donde se puede deducir que la ecuseidn de L puede esrbirse como fpesae an vr mt be eseacios vectonaes 197 Describe gooménicamente ls siguientes reets ene plano ofa reR oft reR noo oft ter ora te ofira re rates ree e1 pep oft sR ofa ‘ ‘Consider lasretas Ly y La dads por ue (SITE rer ue f 4) Compructe que La y Lz se cortan en un solo puntos, y ilo sia’ ~ ab’ ¥ 0. 1b) Denese quesia’b~ ab’ # 0, el punto en donde Ly Ly $e eortan es eh = yy) = WGd = 2) ab ab yy +p MOS = BGS = 9) yoy aba ado el vector no nul ¥ = (,B, ¢) en RP y el vector Wy * (Jo 4), emuesite que La recta que pas por vy s parte la recta en la que se encuentra el vector v puede serdeserita como La (Gord Hd Cayzd tbo FER) Fs deci, que la ccuacién de L, puede eseribirse como ( Beaten peata Alusarargumentos geomérieos, compruebe que I ecusci de la reeta R? que pasa pot los puntos (ys 2) Y iY 2) Se Puede eserbir como yryttGiryd 6eR remem) Bsciba explicitamente198 ALcconAuNEAL 8) Blvectorcerode Py 1b) Blinversoueltivodel vector 14.5438 de Ps ©) La suma del vector x y el vector 28+ x + 3en Ps ) Bl producto del vector + Bx! + 3e+ 1 por el esealar-3 ©) El vector (-4 4 x #2) ¢ (1 - 10-238) en P; por el esealar 1. 1) Elinverso aultiva del vector 32 x) ~ 10(4 +2) en Py 11, Bseribsexplicktamente 8) Elvoctorcero de Mi xs by Elvector cero de Mixs © sinenotincdseae[ Jot ia str 8 ty aswell} {]eafh 8 g]eae ©) Elinverso “1 el voeto [13] #8{2 -1] en Myx muiplicado por el escalar 1 pn rmbt ett seperti ‘Max euyos elementos son tos nos. 12. a) Dibueta geen del vector cero de espacio vectorial F(a Ben donde a 0) EJEMPLO2 DEFINICION 3.1 espaciosvectonaues 199 Las operaciones entre los elementos de H7son las que estabon definidas en RE, es decir (31) # Gap) = Get AEP) N= xd) KER ‘Uno se pregunta si Wes un espacio vectorial, De hecho, existen muchas razones por las gue la respuesta a esta pgegunta es NO. Ex principio, la operacidn de producto por esealares no es eerrada, pues sise toma el escalar & <0, el vector 4(x, y) = (Ax, 23) no pertenece a W, pues siendo y > 0,se tendria Ay < 0, Consecuencia de este hecho es que dado un veetor (x,y) en W, &ste no tiene (en JY) inverso aditivo, Geom mente estose ve como Sin embargo, si Wes el siguiente subconjunto de R? W= ( y)[&y ERY = 2x) {osea, Wesel conjunto de parejas ordenadas dl tipo (x, 23), € RI, se puede ver aque en este easo Hi es un espacio vectorial eon las operaciones usuates de R En principio observe que su = (x, 9) y ¥* (38) son das vootores de W (0 sea yu 2s yy" 2) entoncesu + y= (+, y+) también parenecea HY pus + Y> ~ 2x, + Bra = 2Gx + x) Similarmente, si (Ky) € Wy 2 € R, se tiene 2, )) = (2,29) € W pues hy = 2(2x) = 204). La vetfcacin para WV de los 8 axiomas de la definicién de espacio vectorial se deja como un sencilla ejericio para el lector. Geoméiricamente W estérepresentado por la recta y = 2x eel plano xy yaa Sea V un espacio vectorial y Wun subeonjunto de ¥. Se dice que W es un subespacio de V si Wes por sf mismo un espacio vetorial con la operaciones de summa y producto pr escalares que estaban definidas en F. ‘Asi pues, el conjunto {(&, y) [45 y € R, ¥ > 0] no es un subespacio de Rs ‘mientras que el conju ((% 9) [1,9 € R,y = 2x) silos200. A.cesRauner. TEOREMA 3.1 DEMOSTRACION EJEMPLO3 Obsérvese que todo espacto vectorial tiene al menos dos subespacios, a saber, cel subespacio [0] y Vmismo. A éstos se les llamara subespactos triviales de V. En principio, pata poder saber si un subconjunto W del espacio vectorial ¥, es subespacio de éste 0 no, habria que verifear (Ia eertaduta de las operaciones en Wy) los 8 axiomas que definen a un espacio vectorial en el subeonjunto W, ‘Sin embargo, el teotema siguiente dice que tal verificacidn requiere de mucho menos trabajo. — 4 Sea Vun espacio veetorial y sea Wun subconjuntono vacio de V-Entonces W cs un subespacio de V'si, y sélo si se cumplen las dos condiciones siguientes: ayveWourveW bve WA ER™ we Lanecesidad de las condiciones a) y ) es obvia, puss sendo Wun subespaclo de ¥, ste es un espacio vectorial por sf mismo, En parcel, deben cumplirs las jones a) yb), Se vera que estas condiciones tambien son suficientes pata garantizar quo es sbespaci de V, Se tendréqueverfcar que Wes un espacio ‘eetoril, Obsérvese que las condiciones a yb) den que las operaciones de s- tna y producto por escalates son cerracis en HY (esio'es se tiene # = HW way: Rx WP ‘Algunos de ls axiomas de Ia definicin de espacio vectorial se eumplinin automticamente en IV por el simple hecho de ser W vn subonunto de V. Por ejemplo, el axioma 1 dice que par todo par de vectors uv € W debe corpse tay vt Peto ¥ € Py en V’se tone la conmulatividad dela sume, por tanto, en H7e cumple tambign este axioma, Con este mismo argumenta se pucde ver que los axioms 2), 5), 6), 7 8) se veifcan en, Véase que W satsface también el axioma 3): se sabe que existe el elemento 0 € Vy se quiere ver que Gate perteeve de hecho a W Por la propiedad 6, tomando 2 = 0 vexlaiet vector de se tiene 2 v= 0-v € W. PeroO-v= 0 (teorema 1. (I))y estonces ©€ W.Por lino, se iene también el axiom 4 pues iv € W,tomando 2 = 1 nb)seeoneluye (-1y € W. Peo 1)» -v{teorema 1.2 2),058%, QED. Con la ayuda deeste teorema seri, enfonces, una tarea muy simple verficar stun subconjunto de un espacio veetorial es subespacio de él. ‘Véase tn ejemplo interesante: se trata de ver eémo son los subespacios de R®. Considere el eonjunto L de R? dado por > (Gs y) € Rare by= 0} cen donde a y b son dos nimeros reales fijos no ambos ceo. esracios vecroniaues 201 Se afirma que Wes un subespacio de En efecto, sean u = (3 91) ¥ ¥~ (2) ds vectores de L, Se tend que verificar que w+ v € Ly que hi € L para € R. Observe que # ¥= (8, 4, wayy au. +x) DQ. += lth) + (ant by) =O =o pues(sny) EL pues (EL =0 lo que dice entonees que u + v € L. Similarmente Au = (at, 290) ¥ ahi) + Wy) = Mans + by) = 2O= 0 Jo que prueba que hu € L. ‘Geométticamente el subespacio Les una tects en el plano xy que pasa por el tigen CObsérvese que L es un subespacio no trivial de R? (L ¥ {0}, R®). Bl siguiente teorema dice que R! no tiene mis subespacios de este tipo; es decit, todo subespacio no trivial de R? es del tipo de ZL deserto antoriormente, I TEOREMA 3.2 ‘Sea Wun subespacio no trivial de R®, Entonees Wes de la forma We (Gy) Lars by = 0) donde a y b son mimeres reales no ambos nulos. DEMOSTRACION Sea (cy) xn vetor a nal dW. Digaseefonces que t #0 Gosidase el subconunto de R? dao por L= (8 y) | yor ayy = OF Sea probado ya que L es un subespacio de RX. Se afitma que de hecho L = W. Primeramente véase que L © 1. Sea (&, ») € L, Entonces yor: ~ 404 = 0, 0 bien, yi = Yotftn Sead = uo € R.202 AorsraunenL EJEMPLO4 Obsérvese que (uy) $a, y) > Alto») Pero (xi, 4) € Wy Wes un subespacio de R?, Entonees (xi, 8) € W'lo que prucba Lew. Reciprocamente, suponga por contradiccisn que W¢ L. Existiria entonces (x, y2) € W tal que (X23) € L. Bs decir, (8s ys) € Wy yore ~ Any # 0. Sea (x, y) un vector cualquiera de R®, Considérese el sistema de dos ecuaciones con dos incdgnitas A y u siguiente Yoh ya Joh nee El determinante de la mit de sistema es yor ~ sy el eual so esd suponiendo Aistito de cero. Entonces,independientemente de fos valores dex y y(tminos independientes) existe una tinea solucién al sistema, Ky ji digase. Es deci, cexisten J y ji para todo x y todo y, tales que xe ad + afi yah + pil Pero entonees: Cy) = Gai + aaj, yok + yafi) = Hex, yo) + fin ye) ‘Tanto ($4) como (x,y) son vectores de IW, Siendo éste un subespacio de I’, ccombinando tas condiciones a) y b) del teorema 3.1, vemos que (, )) € W. Pero (3) era un vector arbitrario de Re, Por lo tanto, W » RE, lo que contradice la hipStesis de que Wes un subespacto no trivial de R. Entonces W’= L.Tomesea= yo,b -14y obtengasla conclusindel eorema QED. Contintese viendo algunos otros ejemplos de subespacios. Considérese el subconjunto U de R? dado por U= ((%y,2) Lar by + cz =0) ‘en donde a, by eson tres niimeros reales fijos no todos iguales a cero, Se verifiea ficilmente que U satisface las condiciones a) y b) del teorema 3.1. Este es pues un subespacio (no ttivial) de R?, Obsérvese que geométricamente Urepresenta un plano en el espacto tridimensional que pasa por el origen, EJEMPLOS sspacice vecromiaLes 203 aesnysereo Se puede ver también que el subconjunto de R? SG, 2) |x" ah y= b,2= 04, 6€ R) sun subespacio de R?, Gcométricamente, § representa una recta que pasa por el otigen (ver ejercicio 8 dela seecién 2). Se vers después (en la seceisn 5) que lostinicos subespacios no triviales de R? son de a forma de U o de $ en los ejemplos anteriores. Considérese ahora el espacio vectorial F() intro Este espacio tiene muchos subespacios importantes en matemitieas, Véase uno deellos. Sea C(P) el subeonjunto de F() formado por las funciones reales eontinuas dofinidas en J, es decir, CD = YE FE [Fes continvay Seatitma que C() es.un subespacio de F(D, La demostracion de este hecho se basa en dos resullados que son estdindos enlos.cursosde edleulo, a saber: 1a suma de functones eontinuas esta fencion continua y 2)si se multiplica una foncién continua por el esealar use obtiene una fancién continua 1)2) son precisamentelascondiciones.a)yb) del oreina 3.1, ‘que garantizan que C(D es un subespacio do F(). Se lamard a C(D el espacio de funciones continuas. Alguns otros subespacios de F(D) son eonsiderados en les eleeicos al final doestasecein, Por thimo, véase el siguiente ejemplo:204 A.ceERA LINEAL EJEMPLO6 Un efemplo importante: (Elespacio de soluciones de un sistema homogéneo de ecuaciones linesles.) Considere el sistema homogenco de m ecuaciones lineales con 1 ine6gnites AX = 0 (Aes entonces una matsiz m % 1), Idlentifique a la matriz X de orden 1 * 1) conel vector de R'cuyas coordenadas son los elementos de esta matriz (en el mismo orden), es decit mn X* yy eK) ERE Se puede entonees decir que'el vector X= (41,2, 44) € Rees una solueisn del sistema AX = 0°, refitiéndose a que Ia maltiz. correspondiente, se idemtificacidn convenida anteriorinente, satisface al sistema, Considere, entonces, el siguiente subeonjunto de Rr SF [Oink pA) | Os iy ‘Se afirma que S es un subespacio de R’ En efecto, suponga que X; y Xz son soluciones del sistema AX « 0. Enlonces A(%i+ X:) = AX, +AX2= 0+ 0= 0, loque dice quo X + Xes también suluvidu Asimismo, si es un eseular, se tiene A(u Xi) "HAN; = w= 0,dedonde se ve que jt X,estambign solucion, Entonees Ses un subespacio de Re que se llamar espacio de soluciones (o espacio solueisn) del sistema AX = 0. Para ilustrar este titimo ejemplo, resuélvase el sistema homogéneo de eeu cioneslineales witn 5m 00 a4 24-880 4n 47m =29n=0 Alplicar el método de elimina 11-5 10 12 -[-..- Jou 4 7-29 0 0 de modo que el sistema original es equivatem n Gaussiana se obtiene y= 2 20 waa 3520 Al realizar 1; = 1,5¢ obticne x, = 21, 2 = 31, de modo que el eonjunto solucién del sistema, visto como un subeonjunto de R? es: espacisvecronaies 205 (Guanine ae snnek TER) <1 cusl es, como se habia visto, un subespacio de R! (una recta que pasa por el origen). Por ilimo, considere el sistera no homogéneo ntn-Sye-10 a4 > = 17 +a: - 2984-61 Segtin l teorema 3.3 de la seccién 3 del capitulo 1, la solueidn general de este sistema est constituida por la suma de uns solucidn particular de él y la solueisn «general del sistema homogéneo asociado, el cual es precisamente el gue se estudia enel ejemplo 6, Alobservar que x = 1,2 -L y= 2 es una solveion particular del sistema, se ve que los vectores (11,43, 15) € R? que constituyen su soluctén _ngenetal son de Ia forma (yan (hh AND solucién solucidn general particular del sistema homogéneo aso to solucién de est Es decit que el conj sistema puede ser deserito como [6.5 85,0) 1 G40) = (“12 +123, DI) Segtin el ejercicio 8 de la seccién anterior, este subconjunto de R? representa ‘geomélricarmente una reeta que pasa por (1,1, 2)y es paralelaa la recta en la que se enewentra el vector (2, 3, 1). En otras palabras, la solucién del sistema se representa geométrieamente por una recta que es paralcla ala reeta en donde se encuentran las soluciones del sistema hotnogéneo asociado, desplazada por el Veetor solucién particular telusnparioar wonegene,206 Auseanaunear . espacios vectonales 207 3.1. SUBESPACIOS GENERADOS POR UN CONJUNTO DE VECTORES Note que cada elemento en(S) es una combinacién lineal de un mimetofinito de «elementos deS, Si Ses un eonjunto fini, diga que $= fv, ..., ms} enlonces En esta subseecién se pretende discutir el siguiente problema, el cual jugaré un papel muy importante dentro de Ia teoria que se desarrollard en las siguientes secciones: sea Vun espacio veetorial y sea Sun subconjunto (no vacto) de ¥. Uno se pregunta siexistealgtin subespacio de Vque contenga aS. rimeramente obsérvese que si Ses un subespacio de, la respuesta anuesta pregunta anteriores obvia: Ses un subespacio de V que contiene a S. ‘Atin més, aunque $ no sea subespaco de V, el problema tiene una solucién Ves un subespacio de Vque contiene aS Reestruetitese entonces la pregunta imponiendo una condicién extra sobre el subespacio procurado: uno se pregunta si existe alin subespacio de V que contiene a S, que sea “el mis pequefio de todos”. Es decir, si se considera ef ‘conjunto de todos los subespacios de V que conticnen a $ (que no es vacto, pues Vesti en él), uno se pregunta si existe algiin elemento minimal (en el sentido de contencién de eonjuntos) en él Pera poder dar respuesta a esta progunt, se tiene que introducit cl importante concepto de “combinacién lincal”. BW) = lems. tem lee Rie hs. n) Sv puede demostrar ques(S) es un subespacio de Vy que ademis, es el subespacio ‘que resuelve el probleina planteado inicialmente, El caso que interesa considerat en este libro es cuando $ es un conjunto finito de vectores de V. Este es el caso ‘expuesto en el siguiente teorema: 9 fey i TEOREMA3.3 Sea Vun espacio veetoral,y sean v, vy... Ya eetores de V. Entonces ‘el conjunto LOn my We lent. tem foe R, ied... sa} formado por todas las combinaciones lineales de vi, «5 vy e5 un subespacio de Vy ademas, es el menor de todos los subespacios de V que ccontienen a los vectores iy ¥ «+ +» Ys DEFINICION3.2 Sea Vunespacio veetotil. Sean, vs... Ye vectores de V. Se dice queel vector ¥€ Ves una combinacién lineal de los Veetores vi, Vs. Ya Si existenesealares Pie estales que DEMOSTRACION Se demostearé primeramente que (Vs... ¥4) es un subespacio de V, Pata esto oe setendri que veifiar que'S(,..», v9 saisface las condiciones) y) dl teore= Vee tanta ma 3.1. Sean & ¥ €5(y. = ¥). Entonces existen ci... 5m dy.-.y dR, tales que EJEMPLO7 —_Potejemplo, et vector (14, 12,2) en R? es combinacidn lineal de los vetores (1, pean en 2,-1)y G.2, 1) puesto que yedt...4d En forma similar, el vector v de Myr2 dado por (ot dont... # (td) ve logue demuestra que x+y € Svs... ¥9 En forma similar si € R'se tiene Re= Mow ts. tan) = Ged t+ Gene lo que prucba que 4.x € (v1, -..,¥.). Bntones, (vi, --%) €8 tn subespacio doV. Cicrtamente £0, vs) eonticne a las vectores V4.5 Yn PUES ee ec eee ee Cee) q puesto que se puede escribir v 3y, - 2vs, como se puede comprobar directa- mente, sgrese ahora al problema inital, $e va a considerar el conjunto de todas las posibles combinaciones lineales de elementos de $, Denote por s{(S) a este Conjunto. Entonces IE)= lem... tomlaeR wes ial, idem ‘Sea ahora Wun subespacio de V que contiene vi,-..,¥ysoax= ei + Cae € SE(¥y,--- 19). Por la condicisn de ser Wun subespacio de V (aplicando las ‘condiciones a) y b) del teorema 3.1 con los vectores Wi... % € Wy los escal vik KEN) (14, 12,2) = 2(1,2,-1) 44,2, ) . Z Neonat Bae 7208 AcrsAKuNeAL EJEMPLO 8 DEFINICION 3.3 res ss ,6) see que x € W, Es dedi Soy... ¥) & W. Esto drut que Sos. wes el menor de ls subespacios de V que ontionea tos vectores QED. ‘Nota: La demostracidn del caso general: (8) es el menor de los subespactos de V que contienen al subeonjunto (no necesariamente finito) S; se puede obtener zealizando algunas pequefias modificaciones (obvias) en la demostracion anterior. Es fiscusin anterior, el menor subespacio de R? que contiene a v1 y ¥ eS £0, os Ps qu y re es £01.) Sw) = (eal, 3, 1) + ex, 1,3) fees € RI) = ((C1 + 2cs,3es + 6s 6s +33) [er 6¢ € R} (G5 yD La = crt ey, ym Bert eyz™—C1 + Ben cer ERY Se desea deseribir este subespacio de R? en ottos férminos. Obsérvese que de la ultima expresién para {(, ) se obtiene e+ eye Bate=y wcie3ear 2 ‘que puede contemplarse como un sistema de 3 eeuseiones con 2 inedgnitas 1 y el cual se sabe que tiene solucién (pues el vector (X,Y, 2) e5 una combinaciéa lineal de v, lo que significa que existen cy ca tales que (6, sz} cx + C2) Al aplicar el método de eliminacién Gaussian a este sistema se obtiene: foo2 rn [oo ates Entonces, et hecho de la existencia de soluciones del sistem es equivalentea que -2x + y#2= 0. Es decir, el vector (x,y 2) € RY es nn combinacién lineal de v = (3. -Dy 95 = 2,1, 3) si, y aslo sf -2e+ yz 6. Porko tanto, el subespacio Como HW; U Ws es:un subespacio de V, se concluye que x+y € Wi U its,es decitx+y € Wiox+y € Wi, Seafirma que x+y € WV, pues caso contrario, ya que x € Wz se tendrla que (x + ») + Cx) € We, 0 sea y € Ws lo que es una contradiceidn a la elevelén de y. Entonces x + y'€ Wi. Pero y € W,, entonces +9) + Gy) € Mi, oseax € Mi, loque prueba que Hac Wi. QED. Lasumade los suhespaios Wi y Wyse conjuntade vootanee € Vege se pesen eseribir como la suma de vn vector de Wi y un veelor de Ws. Véase que este conjunto es un subespacio de ¥: es no vacio (contiene al eero zpor qué?) y st a, y EW, + Wey 2 € Rentonces existen wy, wh € Wi y ws if € Ws tales que x=; + way y=) +195. Al hacer fa suma de.x eon y se obtiene el vector X+y* (1 90) + (wl + HE) = (Ww, # HE) + GH # WH). Pero wi # wf € Hy Y wit Wh € 4, pues tanto Hi como Wa son subespacios de V, Esto muestra que X+y € H+ Ws Similarmente, se tiene Ax = A(w, + Ww.) = Avs + Riv en donde iw. € Wey dvi, € Wede modo que 2.x € W,+ Wey finalmente se eoneluye que 1+ Wy esun subespacio de V. El siguiente teorema dice que el subconjunto i U Hs y el subespacio Wi + Wa estin intimamente relacionados. Sean Wy Ws dos subespacios del espacio veetorial V. Entonces Wis Wa= SUK U Wa) (cs deci, el espacio genctado por W; U Ws es W, + HW). Es obvio que i + Wes un subespacio de Vque eontiene a W; U Ws Entonces 2H. UT) & Wi + We (pues SH, UH) es el mais pequefio de los subespacios de Vque contiene a W; UW). Témese ahora un vector x= Ww; +; € W + 1%, Se EJEMPLO9 eseacios vecronAes 211 tiene que wi € WCW U Wey ws © Wy CW, U Ws. Obsérvese que en I(%, U 1) se encuentran todas las combinaciones lineales (Linitas) de veetores en W, U Wy. Entonces.x® I+, LW, € SCH, UW), logue muestra gue HH, + CAC. U HY), Por lo tanto, Worthy Wu Wy QE, Vea un ejemplo. Sea V = My. (espacio vectorial de las matrices de orden 2). Sea W, el subconjunto de M:xs formado por las matrices iriangulares supetiores y Ws cl subconjunto formado por las matrices triangulares inferiores. Es decir, mf 3 mf ‘Se comprucba ficilmente que W1 y Wason subespacios de Max Sea vun vector cen W, 9, Enlonees ves una matrz que esa a vez triangularsuperiory triangular inferior. Es por tanto una mattiz diagonal. Es decir, noms Sea ahora vun vector en W; + W). Bhtonees ves una matriz que se pac como Ia suma de-una matt triangular superior y una matt tiangulae Peroes claro que toda mattiz de Mx: tiene esta propiedad. Es deci, ahee x} (rates triangular sopriones) abee x} (attics tingularesiferires) ace x} (anatices diagonals) Wy + Wee Moos por ejemplo: fay ea fal ores 0) 0; e d| "lo dj*le 0 Maes em ews ‘Se desea llamar Ia atencién al hecho deque los vectores vdel subespacio + Ws son veetores para los que existe wi: € Wy ws € W, tales que v= 1+ ws, pero que estos veotores wi y wi no son tnicas en general De hecho, regresando al ejemplo del espacio Max: sete Ee a 3212 AoESRALINEAL DEFINICION 3.4 TEOREMA3.6 DEMOSTRACION ee. eM, ew En tealidad, el easo en el que acurre que los vectores v del subespacto 1, + Ws tienen una tniea representacién del tipo v= w, + vw con € yw, € Wi, es ‘un exso muy particular que se considera ahora, ‘Sean Wy W dos subespacios del espacio vectorial V. Lasuma W,+ Wzesllamada suma directa de W; y W,, denotada por W, @ W,, si cada vector en el subespacio WW, + Ws tiene una nica representacién como la suma de un veetor en H¥; y un veotor en Ws, El siguiente teorema da una condieién muy ficil de verifiear para saber sila ssuma de das subespacios de V es una suma directa Sean W; y Wa dos subespacios del espacio vectorial V. Eset W, Las dos condiciones siguientes son equivalentes ume ews b) WAN Wy (0) 1) 2). Clertamente Wy 0 We CH + Ws Seax € Wi, W, Comox € W, escribase xextoe mel Similanmente, eomo.x € W,,escribase XHOF TEA Wy Ahora bien, el vector:xcomo elemento de WY; + Ws tiene una tnica representacién, teneste subespacio, Comparanclo entonces las expresiones anteriores xexto xrOte Se concluye quex 0. Es decir, Wi 0 Ws (0). tspacies vectonimes 213 2) = 1), Supsngase que. € W, + tiene dos representaciones distintas, digase Entonces wy tend + wt obien, wy = whe wh ‘Ahora bien, 11 = w{ pertenece a H/; (pues wi ¥ wi pertenccen a Wi y éste es un ‘ukespacio de ¥). Similarmente, wi ~ ws petteneee a Ws, Por tanto, wi = Ws pertenece tanto a H como a Wz (pues es igual a W's ~ ws que pertensee 2H) Entonces ws ~ W's € HF, Ws, Pero 141 Ws # (0}, lo que permite conctuir que tm wot. Un argumento similar muestra que = WE, y por tanto que la representacién dex € Wi + Woes tink nn. EVEMPLO10 —_Considérese porejemploe espacio F(R) (estoes, el espacio de todas ss funciones reales definidas on la recta), Sean Wy W,los siguientes subconjuntos de PCR). Wr= Uf FOR) | fa) =a) Vx ER) Wa (FE FRI AY = AVX ER) {Alos elementos de W; se les llama funciones pares y a los de Wa se les Ista funcionesimpares. Es un ejetecio senillo eomprobar que Wi y Ws son subespacios de F(R). Sea fun veetor cualquiera de F(R) Definanse la funeiones gy h como 0) = 309) + ED) ME) = HO = DD bsérvese que 8-2) = 39-8) + fa)) = 800) (oa) = 20-2) = fl) = HF) - AD) = Oseaqueg € Wiyhe Ws Pero = g + h, lo que muestra entonces que FIR) = Wit Wa ‘Auin més, se afirma que esta sumna es directa,214 Aceora uneaL En efecto, segtin et teorema 3.6 basta verificar que W; "1 Ws = {0} (en donde Odenots aqui fa funcidn cero, eso es, 0: R -» R, 0(x) = 0) ‘Supéngase que @ € Wi; Ws. Entonees para ¥ € R se tiene PO) = GMD = 9) 1 1 pucspe W, pues pe Wy de donde p(x) «0, esto es, @ esta faneidn cero, Entonces se tiene de hecho FR) = Wi We Scha logrado entonces presentar el espacio de todas ls funciones reales definidas «en arecia como la suma directa del subespacio de funciones pares el subespacio de funciones impares, EJERCICIOS (SECCION 3, CAPITULO 3) 1. Demuestre que los siguientes subconjuntos de RY son subespectos de este espacto vectorial 8) [yD [ars by +ee=0} Y) (Gay dixeanyeme2-a FER) 2. Diga si cada uno do fos siguientes subeonjuntos del espacio veetoral Reson subes pacias ono lo son 9D Wide ta DD) (Gite Aten) ©) UGtitinee ADT tm to teste O} D 158,801 = 0} ©) (Gtntises sada tas #2) D 654.0449] 41823) BD [lt dLE= 1 B) Uist gadlabeade.. ag 0) D Aurea tea am. ° 6 TER) 3. Explique si eada uno de tos siguientes subeonjuntes del espacio vectorial Py son subespacios de él en fo son a) loot ak +t! + a at ay =O} W) lags ax ax +ay|ay=a, =a ~a)) lat axe aye a |= 1) A) [a4 ax + ay + a3 |e ay = a2 ~ 0} . Deseriba explicit (PC € Patt) =O} 1 Ipla) € Psi pt- = pCa) 0} 2) 170) € Ps 1 0) = pC = p2) = p13) =O} Diga silos siguientes subconjuntos del espacfo vsctoial Myx son subespcios de él ‘ono lo son AAMC tual p= 0 51TH (enatrices diagonates) DAS iie tual du ta ot d= OF AOR Fetal dea Fan Of @ (A= (ads Bis Weam ©) (Am Caihsn, SiL> J) (matrices tiangutatessuperones) DAR C@ijrooalQeO SH F= jf (mattcestriangularesinfeions) [AE Mure | AB = BA, Bes una maiz fj de Bla) Hy) 1A Mans [A= 44 ) (AE Myuy [A> =A] J) (AE Moan | Acsinversibte) (woatioes simétrieas) (natrcesaisimstsicas) 5. Considerel espacio vectorial FU) de las functones reales defnidas enc subconjunto 4 R Se des ques fncionf € FU) es de clase C* (vn mero natu) sifesuna funein dsivablk veces ya func es una func contin, Denese que sbeonjnto de FU forma por ls fanelones de clase C* (denna or CAD em subespacio de FC} Considere el espacio vecotal C(R) —wéase eerciio anterior. Sean a 6 y ees constants fas. Demueste qué el eonjunta de fusciones € CAR) tales que af") + UFC) + cfs) ~ 0, un subespacio de CAR). Mis generalmente, en el espocio ‘vectorial O(R), el eonjuniode felons f tales que A) #4. fot af) banfts) = 0 fen donde da... dy sn constants fas, es wn subespacto de CR) nenic ls espacios solucién dels siguiemtessistemas homogénea deecuaciones linea 2) ntyty<0 O ttnens0 Dnt 2442590 2u#2n-20*0 Buon tno DO mm ty ond 0) 3u-m- 25-0 Iwhwen 42e-0 Rtn 25 <0 WI 2m 20 sy-3u4 2520 Sea A una matsiz inversibie de orden n, Deseiba el espacio soluckin del sistema hhomogéneo de eeuacions lineal AX = 0, Sea A una mata cuadrada de orden n. Consiere el sistema no homoginco de cecnacioneslincales AX = B. Ese conjunto solucign de este sistema un stibespecio eR Domuestre que cl vector (2,5) de R* es una combinacin lineal de los veetores vs = A. y n= QI).216 ALOESAR LINEAL 1 1s. 16. 1. 1B 19. 20, 24 3}, it vectors -{] 46-2 coins ne dt 137 fo 1) 70 0 foe eee te (Oa es veetores de Py son combinaciones linestes de Tos Tee bomtepseee ~ fy wef! 3] welt 2 ete a} ®t fo 1 Domnestre que ef menor subespacio de RY en el que se eneventran los vectores vy = (1,0,-1), 91 = @,2,-2)y vs = (0-2, esel planoxt y+ 2=0, Demuesire que el menor subespacio de R? en el que se encuentran los veetores vy = (4-2, Oy 9" (21, -B)esla recta x 24 y= -h z= 3¢(0€ R). Domestre que no existe subespacio propio de en el que se eneuentren os vectors = (1, Dy¥9= (051, 0)y % = (1, 0,0). {2vil es el menor suibespacio de Re en el que se encuentra el vector cero de este espacio? Deseca explletamentc los siguientes subespacis de R 9) 4@1,2,-) } £G,1,9),-3,3,0) 9) £2) 1,4),,-L0) & LE,1,2,6 1,341.0, -1)) ©) LO, 1,2),-1,0,4), 8,1, 4)) D 21242, DG, 1,-D, C115) 2) $((1,0,0),(0, 1,03, (0,0, 19) Fy 81,1, 9, @,2,23,63,-3, 264, 4.445, -5,-B) ‘Considete el subespacio $de M+ generado por los vectors smmincteeiriine ba oa] of a] oft 8] Ba] of) of 4 | subespacio Sde F(R) generado por los vectoressen.xy cost, Deroueste que los vectors 1 y cos?x de F(R) pertenecen aS. 23 24 26 2. 28 2 } eseacios vectoniaiss 217 Dergussite que el espacio vectorial RY es genet po cada uno de fos siguientes conju de vetoes 2) 01 0,0,0),55= @,1.0).% = 0,0, 1) Dm CsL Ds B33), 917 0.1.0) ©) 23,0, G4,2).%7 1,947 143.-D Pruebe que el espacio vector! Ré no es generado por los sigusnts conjuntos d SN |1.3, DMG Dm O.13,24 = 068-1442 O11 0) ©) WO. = (2.1.45. 1.1 10,0) ‘Demuestre que el espacio vectorial Pes generado pore canjunto de # 1 vectores Beat Prucbe quel sey Domuestre que el espacio vectorial Reno es generado por Tos veetores (I, 1,1, 1,0), (0s Toss 14050), +5 (15 0,0. -- 50,0) Considere el subespacio de RF dado por S* (5,9. [2e-3y+ 52" 0} pacio vectorial P, noes generado por los veetoes 1, (8+ 1), (€# 1%, Encuentedos vectores 1 yvzen Squegencrenestesubespacio, Puede Sser generado por un solo vector? Cicitoo falso 8). Elespicioque genera un veciorenR? es una reela que past pore orgen, Un plano que pass por el orgen en R? es un subespacio que es generado por 2 veetorescualesquiera sobre el plano, ©). Elespacio que generan dos veetores no nulos en R? 6s un plano que pasa por el orgen. 4) Un solo vector en RY no puede generar un plato, ©). Elespacio que genetan 3 om wectores en RY es todo RP. ede ser generado por2 vectors ‘vectorial y sea S un subsonjuno de V. Consider todos los subespacios de V que contienen aS canjanta de T= (WS V| Wes subespacio de Vy W2S) . Observe que To es vaco pus V mismo esti en 4) Demuesireque Ia interseeciin de todos ls elementos de Tes un subespacio de V que contiene a SEs decir, demuestre que W-qwer 1b). Demuestre que Wesel menor de los subespacios (en el sentido de contencidn de ‘canjuntos) de Vque contienen aS. Concluya, entonces, que estesubespacio Wes «el subespacio de todas las combinasioncslineles iiss de veetoresdeS. Es det, concluya que W= 58), ©), Deseriba el subespacio generado pore conjunto waco.18. dccearauneaL 30. Sean $y dos subespacios del espacio vectorial RD. Alusar arguimentos geoméi- ‘cos, descr todas Tas posibilidades para el subespacio 0 Se SL. Sean; y dos subespacios del espacio vectorial RP, Al usar argumentos geomet ns, describ todas las posibilidades para el subespacio S; + Ss 32, Sean $y S: los iguientes subespacios de Ry Si [Det ye90} S.= (Gy 212e-y+2=0) 8), Deseriba expficlamenteelsubespacio S, 9 Ss, ') Conun ejemplo numérico, musstte que S, US; noes wn subespacio dR ©) Demvestre que el subespacio 5; + $: es todo R 433 Interprete goométicamentecleorems 3.4eneteasoen el que Vescl espacio vectorial RB. 134, Considete los subespactos W; y Ws de R? dados por H+ 2,0) = 200,09) Domuestte ques U W,) = RX. Inteprete geometicamente est hecho. 35. Goneralice la definicién de unin, uma y suma directa de dos subespacios dada en esta seceidn al caso de unidn, suma y Suma directa den subespacios de un espacio vectorial 36. Goneraliceet teorema 3.5: $i Wi, Ws, W, son msubespacios dol espacio vectorial Wot ieee WSU HU. UBD 37, Considere los subespacios Wy W del ejercivio 34. Demuestre.que R® es suma directa de Ws y Ws ° 88. Consider los subespacios Hi, Wa... Ws de R*dados por = 800,0,-.05 y+.) Demuestte que “WO MO..0m 4, DEPENDENCIA E INDEPENDENCIA LINEAL DEFINICION 4.1 Sea V un espacio vectorial y sean v, vy. 1s Veotores de V; Se dive que estos vectores son linealmente independientes si se cumple ct eae te. tome Om FG AO Caso contratio, se diti que tales veetores son linealntente dependientes, es decit, siexisten escalares cy, ¢r «+, €q al menos uno de ellos distinto de cero, tales que “No se ard distnen algun ene a sfinnack Tos vectors +=. ¥ 30 nents indpendienes (ependiontes)™ y “el eonjto (vy. « «+» 4) €8 Heainente independiente (Gependiens) EJEMPLO1 EJEMPLO2 crosvecroniales 219 Por ejemplo, se afima que los vectores ¥y = (1, 3,2), = 12, S)y = OL, 4) en RY, son linealmente independientes, Para ver la validez de la afirmacién, se iene que considerar Ia combinacién lineal de ellos (igualada al vector cero de R’) : 61(1,3, 2) 1.2.5) + 610, 1,4) = 00,0) ¥¥ mostrar que esto implica que los 3 escalares cy, cs y con igual La combinacisn lineal anterior puede reeseribirse como (realizando lus opera clones indicadas en el lado izquierdo de fa igualdad) (= e3ei #202 + 6,26, + Sex * des) = (0,0,0) de donde, igualando les coordenadas correspondientes de estos dos vectores de R? se obtione a-a0 3ey+2e, +e = 0 2e,+ Sea + 4er=0 cl cual es un sistema homogéneo de 3 ecuaciones lineales para las ineSgnitas ey x ¢s. El doterminante de la matriz de este sistema es: fio de|3 2 1/* 1340 [B54 sistema homogénco correspondiente tiene solamente la solucion trivial c 6, 0. Esto prucha la afirmacisn inital. Por otta parte, los vectores , vz, ven Max: dados por 116 yt oil ae S| eee seal 2 ] sonlnlinetindpendnts Enc, en givensenccs, nobel ensue de hs oa es ae of SoBe G 8 Alrealizat las operaciones indicadas se obtiene220 A.aconquneaL TEOREMA 4.1 DEMOSTRACION nc + 2-6 I6e+3a+20]_[0 0 des + 3c = 2es BBetdates |" | 0 0 80a, se tiene el sistema -ei#2e-0=0 160, 3e, #2050 -e,4 3-26) =0 bet 4er+ 65 =0 Alproceder por el métoda de eliminacién Gaussiana se obtiene Pas 1 ow 32 0 1 -% | 3 -2/- ~-|o 0 o [poe 0 0 0 de modo que el sistema tiene por soluciones ey = -V51, 05" 344.6." 61 ER. ‘Alponer r= 5se obliene en particular e,= =1, = 2," Sales que cof f]2f2 a]efd aE ge Observe en el ejemplo anterior que el vector v; puede escribirse como una combinacién lineal de los veetores vy vy, es decir, se tiene Ee dee @ Este es un hecho general para veetores linealmente depenidicntes que se enun- Las vectores vy Yn. «+5 ¥e (0122) del espacio vectorial Vson tinea dopendientes si, y slo si al menos uno de ellos puede eseribirse como combinacidn lineal de los n ~ 1 veotores restates Silos n veetores de dependdenel «<4 ¥ Soh linealmente dependientes, segtin la definietn lineal existen escalates ¢), «Coto todos nul tales que TEOREMA4.2 espacios vecroniniss 221 emt ont. tow a ‘Sin pérdida de generatidad se puede suponer que ¢; 0 Gi estono fuese cierto, se eetiumeran fos vectores). Entonees I expresicn (4.3) puede reeseribirse como: ‘Reciprocamente, supdngase que al menos uno de los n veetores W. puede eseribirse como combinacida neal de los n ~ 1 vectoresrestantes Digase que v es tal veetor Se tiene entonces que existen esealares diy... 5d tales que edhe te da Reeseribiendo esta exptesidn como Wie din sen dive 0 se ve quo se satisface (4:3) con c= 1 # Oy e/= dy = 2,3)... Osea, que los ‘vectOres Vis Ys «+ Son Tinealmente dependientes, D. Elsiguicnte teorema recoge algunas consecuencias inmediatas de la definteiin de independencia y dependencia Tinea! de vectotes, Su demosiracisn se deja como ejercicio para el lector. | Scan vi ¥3, «+ «5 Yn mt Veetores del espacio veetorial V. Ly Simi = para i fyi = 1,2, 514 entonces estos veetores son | Tinealmente dependientes. 3) Siclconjunto (v1, vs, ..., ¥s} eslinealmente independiente, entonces | pata eualesquiera vectores Wi, Wis... wren Vel eonjunto [vs ‘Véanse algunos ejemplos mis.222 AccanaLne TEOREMA 4.3 Considérese ol espacio vectorial R°, Sean ¥iy Vy espacio. Se afitma que sim > 1 los vectores v, vi -- + Yas euslesquiera que éstos sean, son linealmente dependientes, En efecto, eseribase 1 Yin m veetores de este (1p ay 2404) 9 TDs Considére entonces fa combinacién lineal eavst enva to. # enn O (ay Al realizar las operaciones indicadas en el lado izquicrdo de esta expresion e Jgualando las eorrespondientes coordenadas de los veetores de ta izquierda y derecha en ella, se obtiene aes 4 eet. deg O Este es un sistema homogéneo den euaconeslineales con minedgitas ey ‘Como m > nel sistema fen solusiones no tviles. Bs dar existe valores de 6), e+ +1 Ge no todos nus tales que satistacen (84). Exo significa precaamente qu les veetores i, «Ye Som inealmente dependents. ‘Obsérvese que de est ejemplo no se puode conch nada acerea de ta independencia odependencia inal dem vestores en R® cuando mn. Debecho, se weer ejemploal ici de esta sccidn el caso en el ge 3 vectresen RP son lincalmente independiente, sn embargo, se poede ener tambign 3 vetores en Rlincalmente dependisntes, por ejemplo los vetonesv = (1, 3, Dy = Oy -5, 2), ¥5= (1, 4), enya dependenca inal se sigue del hecho de que ¥s = Vs -2¥ Lo que el ejemplo anterior nos asegur es que en R° no se puede tener ms de 3 vectors linealmente ndependiantes En el caso particular de-n vectors cn RY, so tene una manera sencilla de doteetat is independeneia odspendeiia lineal de éstos, El esullado se establece encl siguiente teoreia, Sea y= (4 y+ 4) f* Ly 2,--+ 4, mvectores en Re, Considrese Ja matrig A de orden A = (ay -1.3 1» (40 65, A es [a matriz uy _Fésimna colurna esti consttuida pr las coordenadas del -éimo veotor Vj 12,9). Bntonees los veetores vi, « -,YeSon linealmente dependientessi,ysdlosi det A™~ 0 (oequivalentemente si, y s6lo si es una mateizno inversible. DEMOSTRAGION Supéngase que los veetores ¥,, vi, Ye € Réson tinealmente dependient EJEMPLO3 especies vectoniaies 223 cl teorema (4-1) se puede escribir alguno de estos vectores como combi lineal de los restantes, Sin pérdida de generalidad, digase que edt. td as) para ciertosescalares dy... d,.Enla matriz A, realicense las siguientes operaciones en sus columnas: sustitiyase la primera columna por ella misma menos d, veces Ja j-ésima columna (f= 2, 3,...,n)- Entonces en vista de (4.5) la mattiz A’ asi obtenida tendri su primera column constituida toda de ceros. Peto entonces det A= deta’ =0 En forma reciptoca, supéngase que det A = 0. Considérese el sistema homogéneo de ceuaciones AX = 0, Este sistema tiene entoncessolucionesno triviales. Bs deci, existe tal que AXy=Oy no todos los escalares cy, 2, ¢-80niguales a cero. Alescribir explicitamente la expresién AX ~ 0 se obtiene acu es equivalente a om teat. tame ‘Como no todos los escalates ¢1, C2. ., ¢n Son cero, esto significa que los vectores: Vi, Yas 5 YS Kinealmente dopendientes. QED. Por ejemplo, los veetores vy = (2, 3, 5-1), ¥2 = (0, 3,=152), 9 = (0,0, 4,8) y = (0,0, 0,5) en Rson linealmente independientes puesto que 20 0 07 3.3.0 0), eae dat) 3 TG O] > @xBKaxS) = 120 + 0 “128 5TEOREMA4.4 DEMOSTRACION Se desearfa ahora resaltar el axpecto geomeétrico de Independencia lineal de vee: totes en el espacio R? (endonde se puede “ver” a los vectores). El hecho de que 3 yeetores* en R? eean linealmente dependientes se refleja geométticamente en in posicion telativa entre estos vectores. Mas precisamente, se tiene el siguiente resultado que nos da la versién geomiétrica de la dependeneia lineal de 3 veetores en Sean y= (ay, dy, ay), * 1,2,3 veotores on R. Los vectores vy, Ys ¥sSon Tinealmente dependientes s,y sblo si son coplanates, es decir, silos 3 se ‘encuentran en un mismo plano (que pasa pore! origen).. Reeudrdese que la ecuaciéin de un plano que pasa por el origen es! Ax+ By +Ce=0 cen donde A, B y Cno son simulténeamente cero. El hecho de que ol veetor y * (ays yyy) 1 $j $3 se encuentra en ef plano Ax + By + Cz Osignifiea que Ady + Bay + Cay=0 1gjs3 ‘Supéngase entonees que los 3 vectores vv, ¥)Se encuentran en el plano Ax + By + Cz= 0, Esto significa que se tienen las ecnaciones Ady, + Bay, + Cay = 0 Ady: + Ba + Cas = 0 46 Aa * Basy + Cay =0 Véanse estas ecuaciones como un sistema homogéneo de 3 ecuaciotes lineales ‘con coeficientes ay, j,)~ 1,2, 3. Obsérvese que el determinante de la matriz del sistema es igual a cero (pues ge sabe que al menos uno de los valores A, Bo Ces. iatinto de cero, esto es, que el sistema tiene soluciones no triviales). Entonces porelteorema (4.3) los vectores ¥, ¥, ¥sSon linealmente dependientes. En forma reeiproee, supéngase que los veetores ¥, ¥, ¥ S01 linealmente dependientes. Por cl teotema (4.3) el deterininante del sistemna (4.6) es igual a cero, y por tanto, cexisten A, B, C,al menos una de ellas distinta de cero que satisfacen eada una de las 3 ecuaciones del sistema, Esto signifiea que los 3 vectotes v4, Ys ¥» se ‘encuentran en el plano Ax + By + Cz =O. QED. “Al ware eorema (4.1) y la dscusion georética dela sbseccion 2.1, es Fei dase cuenta det aspecto geomiitco del dependent nel de 2 veers en Ry RY Eso se deja como erica para el ctor EJEMPLO 4 EJEMPLOS espAcios vecToRALES 225 aes by+62°0 ‘Véase ahora un par de ejemplos sobre independencia lineal en otros espacios vvectoriales distintos de R Considere en el espacio vectorial Py los n+ 1 veetores vs = 1,¥2=.t)...5 Yu 3". ‘Se afirma que estes veetores son linealmente independientes. En efecto, al escribir tert. teak 20 4D se puede ver ficilmente que ¢s = ¢s 1: observe que el simbolo 0-del lado izquierdo de esta ultima expresion se refiere al eero del espacio veetorial Pay «esto es, al polinotnio 0, Este polinomio es (como ya se habla visto en 2.2) aquel ‘que tiene todos sus coeficientes iguales a 0. Es decir, se puede rveseribir (4.7) coten te. teat OF ONE. FO Entonees, porla definicién de igualdad entre elementos del espacio P, (véase nota al pie de la pagina anterior) se tiene ¢, = c2=...* Gy ~ 0. Como sltimo ejemplo, sea Vel espacio vectorial C(R) de todas las funciones teales ‘continas defingdas ela recta. Investigue la dependencia lines! de los vectores Vs =e vs~ sen.xy v5 €08 xen C(R). Escribase (4) [Nuevamente debe observatse que el simbolo O del lado izquietdo de esta expresion se refiere a la funci6n continua cero, esto es, la funcién 0: R ~+ R tal que ovreR Al aprovechat entonces el hecho de que el lado izquierdo de (4.8) debe ser igual a cero (al nltmero real 0) para cualquierx € R,dé3 valores distintos ax para asi generar un sistema de 3 ecunciones (una por eada valor asignado a x) com las inedgnitas.,c2y ¢>.226 AvczenauneaL Por ejemplo, al poner x= 0, x/2, x se obtienen las ecuactones ate =o Fete = 0 eo =0 El determinante de la mattiz de este sistema vale -1-e* # 0, Por tanto el sistema tiene sélo la solucid trivial c, = c= ¢2 Oy entoncesse coneluye que los veetores Sen xy cos.x on linealmente independicntes Nora: La definicisn de dependencia e independencia lineal dada al inicio de esta ‘seccién para un subconjuntofinito de vectores de un espacio vectorial V, puede ser mpliada al easo de un subconjunto S de Vino necesatiamentefinito. Eneste caso, sedice que elsubconjunto Sde Ves lincalmente independiente i cada subeonjunto Finito de $ lo ¢s, Caso contario se dice que $ es linealinente dependiente, EJERCICIOS (SECCION 4, CAPITULO 3) 1, Demuesine ef teorena 4.2. 2, Prucbe que ios vectors = (6) y v2 = (6d) en RE son lineaments independientes sisys6losiad ~be# 0, 3. Determine cues de los siguientes conjuntos de vectores en R? son lincalmente Independientes 8) = 1,0,0, = ©, 1,0), = 0,1) by me 23.9,m= 0,14) ©) 9 (1,3,8), 9° (1,2, 8447-2) &) 19,20 ©) WG, 14), 9° 1,9), 94 (0,0) D w= CA1,29= 1, Deven (1,2) ® = 0.3.0.4" 2,6,2) BY = 152,044 = G10, 4" 3,4), 4= (3,2) 1) w= ,3, Dea 1,-1.9 = 03,2) DM GLI 12,1, 45,0) 4. {Cierto falso? En un espacio veetri Vcualguierconjuntocoasttuido por un solo ‘vectors lncalment independiente, {Bajo qué condiciones los n vectotes de Re = uy ttaye 5) YW Qa.) HOO...) son inealment indepenientes? ou. 3. Prucke que los n + 1 vectors de Py: 1, x-+ a, + 4), Espacios VecronaLes 227 Determine el valor de @ de tal modo que lee Vectores vy = (1.2.0, 0), 3 = (1, 3, 1,9) = (4, 1 I Dy ¥e= G,0, 0,2) sean linealmente dependientes, Con al valor de 4, veifque que se satisface el teorema 4.1 Demuestre que, independientemente del valor de alos vectores de R' vy = (1, 3,0, ~1),927(, 8,3, 2 95 a4, 0, -1)y ¥e> (5, 1, 1,8) son lncalmente independientes. 3. 4Cuil esl aspecto peomético de dos vectoresen R°lineslmento independiente, en fer Comprosbe que los vectores de RO vy = 3,1, 1),12 =(-1,2, 3) y 49 © (8,5,0) son lincalmente dependientes. Encuentre la ecuaciGn del plano en el que esos vectores seencventtan. Alusar solamente srgumentos peométrios (leorema 4.4), donuestre que los veetores de RP vs = @, -25, 0), v2 = (87, 49, 0) y v4 = (7, $20, 1) son linealmente independiestes. ‘Comprucbe fa siguiente genealizaci del teorema 4.4: Sean - yA Cnanayas) — J=1,234 ‘cuatro vectores en Rt. Estos vectors son linealmente dependientes si,y s6lo si todos clos se encuentran en el iperplano que pasa por el erigen Ax+ By + Cx Du=0 2. Demusire que Los custo veetores de Py: 1,x + 2, (x+ 2 (+2), son linealmente Independientes. + (+ a), so linealmente independionts. |. Demuestre que euslesquiera evato polinomios en Py son linalmente depencientes. Compruche que cuslesquiera cinco mattices en M;x260n linealmente dcpendientes ‘Sea V unesoacio vectorial y vv... en Veetores de V linealmente independiente. Denwestre que los veetores war son también lnealmente independientes (El wronskiano). En este problema se desarrollaré una herramienta especial para ‘tect independencia lineal de un conjuna de kfurcones enel espacio vectorial OAR) (ES n+ 1) —véase ol eerwicio 5 de la seceidn anterior. Dadas ffunciones f, igs, fie O(R), defina el wronskiano de estas Funciones eax € R, denotado pot WU fis» of) (2), como el determinante Lie) fx) fils) Wohi -afike) = der | P12) 7568) Fi) Le f%)228 AuceenauneaL 18, Por ejemplos f(s)» & fa) = ese ene de ae Mer, eK) = ae, 8) Demuestre que si ls k funcones fi fi... f son linealmente depensientes ontonces Wifi, f.-- fi) (9)~ Oparaioda x €'R. (Sagerencia: Considete la combinacign lines eff) + extn) +... + of) = 0 Derive k- 1 veces esta expresion y obtenga ast kexpresiones del tipo cfle)+eflert...refPO)=0 OS/Sk-1 Vesestas kexpresiones como unsisioma de ecuacioneslineales en lasinedgnitas 4 6+ 5 Ce Observe que el detcrminante del sistema es precisamente Wi, +f) (8). Contin.) ) Comprucbe que las euro funciones f(s) = a8 + 3x + 1a) = Set 2+ 3,0) =x + 31-2, (0) = 8x + 3x - 1, son lincalmente dependientes (vase eeticio 14). Caleule WE. f.,£9 0 ©) Demuesire que Is slftmacién reefproca def incso a) os falsa considerando el siguiente ejemplo: sean fi) y (las funclones siguientes: asi x20 0 si x20 a {i x60 wo -{5 sixso 1) Comprucbe que WY, A) 0) =O¥ x € R €2) Alusardretamente la defiiién Ue independonca tinea, domeste que iG) y AGO son inealenteindpendiontes. 4) Al usar el resultado det incso 9), demueste que las siguientes funcfones son Tinealmenteindepensientes 41) fie) =e fle) = eh cona eb 42) fie) = & fla) = 2%, fa) = Fe 43) Fie) ~ son x, fle) = cos Ay Fie) = e Son x fe) = e°c08 x ©) Alusar el wronskiano, resuelva nuevamente los eerciclos 12 y 13, Demueste la siguiente versién mejorada dl toners 4.1: eonsidere el eonjunto de m veetotes(n 22} en el espacio vectorial V (vi, Yn» Yel» Suponga que % + 0. Este ‘conjunto es linealmente dependiene sy slo si existe un veeioren él y,j2 2 tal que yes una eombinacintineal de los vectores precedentes Vs, 3s. +5 Ye DEFINICION 5.1 5. BASES Y DIMENSION Sea in espacio vectorial, Se dice que el subeonjunto $de Ves una base de Vsi 1 Sgeneraa V. 2). Ses linealmente independiente Para ilustrar esta definicién, ven algunos ejemplos de bases de espacios vectori= les, Los veetores v1," (3, 1,-1),%2= (4, 1s I)y vs (1, 2,3) constituyen una base para elespacio vectorial R® ‘Vea primeramente que estos veetares generan R? (esto es, que (V1 Ys =R), Debe entonices mostrar que fad veetot (1; y, 2) € R’ se puede eseribir como combinacién lineal de los veetores vi, Ys ¥s,0 808, que dado (x,y,z) € R’ existen escalates cy, cs, cs tales que (99 4G, 1-1) +4, 1D +6523) Al realizar las opcranianes indieadas e igualando las correspondientes eoordena- ddas de los veetotes involucrados en esta igualdad se obtiene Beit des #0 atat2ony wert e2# 30 Este es un sistema no homogénee de ceuaciones lineales en las inedgnitas cy, «6, Debe mostrar que independiientemente de los valores de, y,2,€l: solucidn, Serfa suficiente entonces probar que el detetininante de Is mattiz del sistema es diferente de eero (eorema 4,10 capitulo I y carolario I del teorema 2.7 capitulo). Enefecto Por lo tanto, los vectores vs, Ys generan R?. ‘Ademnas, por el teorema 4.3 estos veetores son también linealmente inde pendientes, Entonces vi) y vs constituyen una base de R230 A.ceeRAUNEAL EJEMPLO2 EJEMPLO3 EJEMPLO4 En Ry los vectores 1 (1,0,0,...,0,0) €* (0, 1,0,...,0,0) 1 0,0,0,...,0,1) forman una base lamada base candnica (o estandar) de R®. En efecto, dado (ti, 4...) € Rr se puede escribir (ky oR) me ne te lo que muestra que (es, €-..€9) * RY Por otta part, In matiz euya j-ésima cotumna es (j= 1,2,... 5) es la ma: ttiz identidad 1, de modo que det I, = 1 #0, y pore teotema 43, se concluye que los vectotes é,¢...¢,80n linealmente independientes. Son, por tanto, una base de Rr, Observe que en R? los vectores de Ia base cansniea son los conocidos vectores e ~ i (1,0,0), €2 =J = (0, 1, 0, €)~ k= (0, 0, 1) que usaba en los ‘cursos de fisica En el espacio Mya considere las m * 1 matrices siguientes: la matriz Ay (i= 1, 2,-..snibj~ 1,2, n)eslamatviz da ordan m » nque tiene todos au clemsentox ‘igualesa cero, exeeptoel quese encuentra en su l-ésima linea y j-ésima columnna, aque es igual a1. Es fil vetifcar que estas m Xn matrices forman una base de Mv, lnmada también base canénica de Ms: dada la malsiz A = (oj), se puede escribit A~Y ayy Toque muestra que ((Asy 1 1y.5M5 = bases) = Mavs ue ‘Ademas In expresicn J° eyAy = O implica que cy ~O,i= ty... J Iye+-smh ‘pues la matriz del lado izquiendo de esta expresion es la mattiz C = (¢))-1, Estomiestra entonees que las matrices Ayyi 1,..-5M,j* 1,...,1son lineal independientes Por ejemplo, ch Mz», las 2 3 » 6 matrices que constituyen la base cansniien [000], (oe) [ooo]. [55], [008] [oe] Considere ahora los vectores ¥,= 1, =x, ..., vay = en el espacio Py Se veri que constituyen una base de EJEMPLOS esraciosvectoniates 231 Enofecto, en la seccidn anterior se most que estos vector independientes. Adems, dado evalg claro que son linealmente et polinomio a, + ax +... + as-en Pres Jo gue mmestra que (1,x,... 48) = Pa sta base también es llamada base candnica de P, ‘Vea un titimo ejemplo; Considlere el sistema homogéneo de ecuaciones lineales n43m-2u +20 4nt3u0 -2 ~ Re + 2s shot Se sabe que su conjunto solueidn formna un subespacio de R* (véase seven 3), Se trata de encontrar una base para tal subespacio, Primeramente, procédase a resolver cl sistema usando ef método de elimina ida Gaussian, Se tiene 1324 10-5 4 fi 5 or ai-l 2-8 2 0/"-~ lo 0 0 0 o-1-ar y 00 0 ofS] vee le} | F Gr-4t-r+ 7,0 (5, -1, 1, 0) + (-4, 1,0, 1) Lhimose v= (5-1, 1, 0) y = (4, 1,0, 1).232 Aocenaunen DEFINICION 5.2 ‘Véase entonces que toda solucién del sistema se puede escribir como combi- yal de Los vectores vy vy. Pot lo tanto, estos veetores generan elespacio n. Ademis es ficil verifiear que ellos son linealmente independiente, Entonees una base para el espacio solucidn del sistema esti consttuida por los vectores ¥1y va Sielespacio vectorial Vposce una base formada por un mimeto finita de vectores, se dice que Ves un espacio de dimensidn finita, Caso contrario se dice que Ves un espacio de dimensién infinita Los ejemplos anteriores mucstran entonces que RY, Masa y Pe son espacios de dimension inita. Eneste libro se centrar el estudio en espacios veetoriales de dimensin finit, Sin embargo, se puede verahora un ejemplo deun espacio vectorial de dimensién infinite Constdérese ef espacio P forma por radas los polinomias con coeficientes teales, Se vetifica féeilmente que Pestun espacio vectorial (del eval, para cada n, ‘Pres un subespacio de él). Se afima que este espacio no posee una base con un inimero finito de veciotes, Para ver la validez de esta affrmacién supéngase por contradiccién que tl base existe, digase que es = {Vi ¥,-. i}. En particular, esto significa que los vectores i, 1... vegeneran al espacio P.Sea run numero mayor queel grado maximo delos polinomios 1, ¥,.-», ,3'sea pun polinomio de grado rcon coeficientes reales. Entonces p, € Py p, € 3 (Vi % «-- Wy lo que eontradice ef hocho de que 6 es una base de P (en particular contadice que fos vectores vi, ¥.-»sMegenerana 2). Esfieil ver quest espacio de polinomios tiene como base el eonjuntoinfnito S= (33 Claramente 2 (S) = P. Ademis, al usar of mismo argumento que se utliz6 en la seceisn anterior para demostrar que I, x, .. .. x eran vectores de P, inealmente independientes, se puode vetifiear que cualquier subeonjunto Finito de S es linealmente independiente. Por lo tanto (véase nota al final dela seceiGn anterior) Sesun conjuntolinealmente independiente, que genera a P. Es entonees una base aeP. Considérese ef espacio vectorial Vy digase que B= (v1, sy.» 4) esuna base de él. En particular se tiene que SP (v), Vs, +» Ya) = V. Esto significa que eada vector v € V’se puede representar como una combinactén lineal de los veetores Vi, My + 5 Me Bl primero de una serie de resultados importantes (¢ interesantes, porsupuesto) que se veri alo largo de esta seecidn, dice que esta representacisn, de veomo combinacisn lineal de los veotores de la base f es tiniea. Aun més, se veri que esta unicidad en la representacién de v earaeteriza al hecho de que Bes una base de V. TEOREMA 5.1 EsraciosvecTonaLes 233 7 | El subconjumto 6 = {04,1 ..- val del espacio veciorial Ves una base de Vsi, ysélo si cada vector v € Ves expresado de manera tinica como una eombinacién lineal de los vectores de B. DEMOSTRACION Supsingase que B= [0 ¥%---»¥ esuna base de ¥. Sea v € Vun vectorabieasio de V. Existen entonces escalates, €2,..,¢atales que ‘Supéngase por contradiccién, que v también tiene la representacisn Veen + cm to. + Cite Entonees crm + ai to. Feat = civ + cima + + cig (er ci + (a= ellen tt (Om ele on Hasta ahora sto se ha usado el hecho de quie Lvs, va)...» 4) = V. Peto siendo Mi, Vos +4 Ve) una base de V, también se sabe que los vectores ¥, Ys, «+ Ye son Tinealmente independicntes. Entonces (5.1) implica que ¢,~ ¢f * 0, es decit c= ch i~ 1,2,...,1, lo que muestra entonces que la representacién de v € ‘como combinacién lineal de los vectores de In base B es tnica te, supongase que eada v € V es representad de mancra vinica Sn lineal de vy, Vs «Ye En tal easo se tiene obviamente que Fy, % . +4 19) = V. Sélo falta verfieat, entonees, que los veetores de 6 son linealmente independientes. Considérese la combinacién lineal cmt emt. tem 0 Esta expresién se puede ver como Ia representacién del vector 0 € ¥ como rn Se mostrati entonces que 5 es linealmente dependiente. Como 2 (Vi, Ya... 94) = V, pata cada uj existen escalares dy.» tales que = Ayre a3. aan Pormese la combinacién lineal ets # Ca++ Cale 63) Al susttuit (5.2) en (2.8) se obtiene ywrd Sam =) fi ~ Ga) cum tay FF Gul Sea Ala matcz de orden nx m de coeficientes a. Considéteseel sistema homogénco de eeuacionesTineales eon m inedguitas AX = 0, Com se estdsuponiendo que m > 1, existenentonees ¢,¢, 5 Cw AO todos cero tales que AX = 0, donde X os la matrz de orden m * 1 de elementos c, Cpe Entonces se satsfacen los relaiones ieatoeee nt ‘Al sustituir estas expresiones en (S.4) se obtiene finakmente que ews + ets +... €.tt.= 0, en donde no todos tos escalates cy... C5 Son iguales a cera. Es deci el conjunto Ss linealmente dependiente, ‘Sea V.un espacio vectorial de dimensin finita. Enonees cuslesquiera dos bases By Bade ¥, tienen el mismo mimero de vectores, DEMOSTRACION Sean f= (v1, ¥3,-.-, val ¥ Ba * (yt DEFINICION 5.3 NOTACION EJEMPLOG, LEMA1 DEMOSTRACION Espaciosvectoniies 235 + ly) dos bases de V. Por ura parte se ‘un gonjuato linealmente independiente de veetores de = Vy Bi anterior tiene que g(B,),= Vy V. Por el teorema antetiot se tiene entonces m § n, Por olta parte sun eonjunto independiente de vectores do ¥. Nuevamente el teor Permite eoncluir n $m, Entonees n = m, QED. Como ya se habia dicho, este corolario permite hacet la siguiente importante definicién: ‘Sea Vun espacio vectorial de dimensisn finita, Se define la dimensidn de Veomo cl niiero de veetores en alguna (y por tanto en cualquiera) base de V. Se eseribird dim V para denotar la dimension del espaeto vectorial de dimensién nita V, Por ejemplo, se habia visto al iniefo de Ia seceidn que fos veetores vs = (3, 1, ~1), v= 4,1, Dy v= (1,2, 3) en R? formaban una base para este espacio. También se vio que ¢, = (1,0, 0), e: = (0, 1,0)y &,* (0, 0, 1) eran veetores de una base (la ccanniea) de R?, Bn ambos easos se tiene, pues, 3 veetores formando una base de Be (ol cone lu wsegura el corolario anterior) y entonces ais KP = 3 En general dint R* = n, pues ta base eanénica de R* contiene n voctores, ‘También se tiene que dint Myx. = m Xn y dint Py n+ 1, pues las bases canénicas de estos espacios contienen m x ny n* 1 vectores respectivamente, Nota: La dimensién del espacio trivial (0) se define como siendo eet. En l siguiente teorema se establecerin conexiones entre los eoneeplos “con Junto de generadores”, “conjunto linealmente independiente” y “base” para un espacio vectorial de dimensién finita. De él se puede dedueir un resultado “prietioo” que facilitard la tatea de verificat si un conjunto dado de vectores en ‘un espacio vectorial, es una base de él 0 no, cuanda se sabe de antemano la imensin del espacio, Pero antes de enunciarlo,se vetén un par de lemas téenicos que se usarn en su demastraeién, (v1.13, y Ye} un eonjunto de generadores del espacio vectorial V, supéngase que existe v, 1 , iforman una base de Resi, y slo sider A + 0. | Consecuencia inmediata del teorema 4.3 y de la parte 1 del corolario anterior, QED. Por ejemplo, los vectores v5 = (a, ¢) y v5, (b, d) en RE forman una base de este espacto si, y s6lo sad - be + 0. El siguiente teorema dice que si se tiene un espacio de dimensién finita V, eon sus subespaciosacontece lo que es natural esperar que acontezca: ue sean también de dimensidn Jinita y que su dimensién no sea mayor que la dimensién de V. | Sea Wunsubespacto del espacio vectorial de Wes de dimensisn fiita y dim W'S dim V. mensién finita V. Entonces Elcaso W’= {0} es obvio, pues dim V2 0. La idea del argumento ue se usa para imostrarel eoremaes lamina que lausada en a demostacién de teorema 5.302). Tomese 1 € W. Si S(w) = W entonces (vn) es una base de W (y por tanto Wes de dimensién finits) que puede completarse para formar una base de V (teorema 5,3), En tal caso se tiene dim W < dim V. Sis? (w,) * W, tomese w2 € W, vs €(w,). Eleonjunto (1, 2) es incalmente independiente (lemaanterioe) ‘SiSZ (1, ws) ~ Wentonces {w., wz} es una base de W/(y entonces Wes dedimensién finta) que se puede complete para formar una base de ¥ (auevamenteteorema 5.3). Eneste caso, dim WS dim V. Coninbese con este proceso tanta veces como sca ncceserio hasla obtener una base de WV, Obsérvese que no se puede tener mds 1. En este caso, cualquier base de W contiene un solo veetor v = (a, b, en W(en particular, , by eno son simulténeamente cero). Entonces £2 (») = W. Osea que Welly DIG 9,0 =HG, Bo) “(GyO[e= ta y= thet teR) eR} Wes, pues, una recta que pasa por el origen. dim W'= 2, En este caso, cualquier base de W contiene dos vectores vs = (ai, isi) y Y= (da by 2). Entonces IV = (vi, v2). Osea WH (5,962) [ G8 ¥.2) © aula, Bier) + ald, iy C2, 2 € RP = (G92 |x= aua + ety y+ Bubs + cabs2= O4Cs + ci, Oy Oy € RY ‘Se puede deseribir mis explicitamente este subespacio si se considera el sistema ct + cy * x ub, + abs y cer + Oe"242 A.ceARA UNEAL TEOREMAS.5 DEMOSTRACION {1Queé condiciones deben cumplir x,y, z para que este sistema tenga solucién para ‘2 y a3? (esloes, gedmo debe ser el vector (x, y,2) € RP para que (%J52) € PO, 192). Al usar el método de eliminacién Gaussiana se puede ver que tal conicién, esque (hes = booiie + (outs ~ exayy + (Day ~ bat) 2= 0 Limese A = byes Dies, B= cas ~ ety, C= bats ~ bas. Obsérvese que el hecho de que Vs, % forman una base de W, asegura que A, B y C no pueden ser simultaneamente cero (zpor qué?) Entonces W queda deserito en este caso como W [x,y,2] |Ax+ By Cz= 0} que es un plano que pasa por el origen. QED. Nora: Con un argumento similar podria ser redemostrado el teorema 3.2, de tmaneta completamente distinta a como se hizo en la seccién 3, Se deja al lector aque lo haga como ejercico. Enel siguiente teorema se quieren resaltar los resultados mis importantes que hhan apatecido en esta secein, Su demostracion esta “dispersa” en las paginas anteriores. ‘Sea V un espacio veetorial de dimensidn finite. Digase que dia Entonces! 1, Cualquier base de V tiene n veetores, 2. Cualquier eonjunto linealmente independiente eon 1 vectores es una base de V, | 3, Cualaquier conjunto con i vectores que genere a Ves una base de él 4, Nocxisten conjuntos linealmente independicntes en V eon ms det ‘vectors, 5, Noexisten eonjuntos con menos de n vectores que generen a V, 6. Cuslquier sabconjunto de Vlinealmente independiente, es subconjun- todevuna base de ¥. 7. Cualquier conjunto que genorea V, tiene como sulbeonjunto una base ae. 8. Cualguier subespacio de V es de dimension finita y su dimensién es ho mayor que 7 Revise el material de esta seccisn Sea Vun espacio veetorial de dimension finite. Sean Wy W3 subespacios de Como se habia visto en la seceidn antetior, Wy + Ws y Ws 1 Ws son tambien, subespacios de V. Por el corolatio 1 del teorema 5.4, los subespacios W), Ws, TEOREMA 5.6 DEMOSTRACION 243 {EsPACIOS VECTORIAL Wi. May W, 9 Wyson todos de dimensisn finita. Elsiguiente teorema dice como eatin relacionadas sus dimensiones: Sean Wy Ws subespacios del espacio vectorial Vde dimensién finita, | Entonees 1 dim Wi + We) = dion H+ dim Wa ~ din WW | Sear dim (WV; 0 W,). Témese una base cualquiera de Wi NW, digase Bu (v1, Vrs Ye Ya se habia vito que W/W; puede set eontemplado como un sbespacio de W, y de W, Pot el teorema 5.3 se puede entonces extender Py para biener una base Bde W.y Bade W Digase que tales bases son B= (¥,-+ + %s Bisse ya] ¥ Ba (Yip «2-5 Yo Ys+ sp Jabs Obsérvese entonces gue dim W, = 1 ny dim Wa= r+ 1m. Se mostiaréentonces que el conjunto P = P> U Pi U Paes tina base de 1; + 8, Vase primeramente que los vectores de B genetan a Wi + W,, Témese v € Wi + Ws, Entonces v ~ wi + ws, 1 € Wh, Hs € We, Se puede cescribitw, y wy en terminos de las bases Bx y Ps tespectivatnente coma 1 = 6) Feet ert dis + oot dat wan CEM He EW TMNT ot da ym de modo que v= Wi + we= (C+ eh )vit (C4 Wve ity + tate rip + “+d yo que muestra que SB) = ¥, + 1. Se probars ahora que los veeto= tes do Bison linealmente independientes. Témese la eombinscidn lincal de los vectores de aint... ati + Baty. baie CM to. + Cnn O. Reeseribase esta expresion, como ey iV at Bat He Bat (6.8) Cicrtamente el veetor del micmbto izquierdo de esta expresidn pertencee a Ws, Pero también esta expresién dice que tal veetorse eseribe como una eombinacisn, linea de los vectores de a base py de W, Por lo tanto, Mey n= ean CW We yentonees, como Bes una base de 1H, 0 Whe alares ky. Ketales que Heh ee Can i tt he obien, Ki tthe egy tt Gaya = 0 Obsérvese que ésta esuna combinacidn lineal de los veetores de Ps igusladaacero, Tales vectores son, en patticular, lincalmente independientes. Entonees se eonclt- yequeki~... k= ¢1=..." Ge 0-De la expresion (8.8) se puede escribir a.ns +... Hayy t bat... + bx." Oy como los veetores de B, son li indepondientes, se coneluye Finalmente que @ =..." a= b=244 Auceena uneaL EJEMPLO ‘COROLARIO = c.) " 0, Bs devi, que los vectores de fi son linealmente independientes. Entonces, Bes una base de BY; + Wy por lo tanto ain H+ WE) = re nem s(ctmtirtm-r = ali W, + dim Wa ~ di WW Q Sea por ejemplo V = My. Sea Wel subespacio de las matrices triangulares supetioresy Wel subespacio de las matrices triangularesinferiotes. En laseccicn anterior se vio que WW = subespacio de las matrices diagonals y que Ti+ Wy" Maas. En este caso, se tiene que din(W, + W.) = dim V= dim Maes 4, La dimensién de W, es 3, pues una base para este subespacto es (ee) (5 6). & sD ¥y la dimensid de W; es 3, pues una base de este subespacio es (oe) [sh [ey ‘Similarmente, la dimensién de W%, 0 HH; es 2, pues las matrices Gua consttuyen un base para el subespacio de matt es diagonales, Enionces dln (WY, WH) = dim We dia W~ dw We Ws i q H 4 4 33 2 Uncorolario inmediato det teorema 5.6 ese siguiente, cuya demostracisn se deja ‘como un sentciltoejercicio para el lector. Sean Wy Ws subespacios del espacio vectorial de dimensisn finita Vtales que W; @ Wa= V.Bntonces din V= dim W, + dim Ws, espacosvectonmtes 245 EJERCICIOS (SECCION 5, CAPITULO 3) 1. Determine silos siguientes eonjuntos de veetores en M3 constituyen una base de oe de defi peti] vod s)o-[St)o-[ [23] oof de-fijefale2 3 ov ft}e[ a) B y-B 3) 2, a) Establezca una base del espacio dado por S= (Gn aixtytz-0} 1). Determine a dimensién del espacto W dado por Wl na wlxty te two) 3. Establezca una base del espacio solucid de cada uno de lo sistemas homogéneos de ‘ectaeiones lineals siguientes: 3) th=0 © x42m 45-200 2as25=0 dyamrytn=o ee, sede nomad ©) enon due0 S444 - 24-2860 2 nomtneo By ya) Bee Dy -24 84570 Sty ta5 Me=0 45,34, + 1015 = 0 © 4. Demuestre que el conjunto vacfo es una base del espadio vectorial tivial (0) (Sugerencia: proceda por contradiceién suponiendo que existe una base B de (0) y que BB. [Véase también el ejrcicio 29) de la seis 3.1 ‘una matrz inversible de orden n, Encuentro una base para el espacio solueign del sistema homogéneo de ecuaciones lineales AX ~ 0. 6, Para cada uno des siguientes conjuntos de vectoresen R?,existenrszones “eviden- {es por ls euaes tl eonjunto no puede constitu una base de este espacio. Diga ceules sn estes zones,248 svoesnauni 9 (0,3,2,04, D) >) 10,3,D,22,2,8,3,3) 9 121,3),0,0,0),,1,-D) 12,194.68, 1,3,8,0,9,6,1, 0) 9) 1G1.0.428,1401 7, Bncadauno delosejerciies siguientes encuentre una base de R¥tal que fcontenga al (als) vectors) inieado(s) asda 1) #101 = (40, 9 4 O3DM= B12 4) 21, Dots” B89 0,12) 8, a) cExiste alguna base de R? que contenga alos vectores v1 = 2,1, 3),y ¥2= G2, ‘67 Explique 1) existe alguna base de R® que contenga alos veetores vy = (3, 1,2). 9 # (1,2, 1), m= 0, 3,4) y v4 = (3, -2, 8)? Expligue. 9. Consider el siguiente conjunto de veetores en RP $= 12,1, 9, (0,0,2), B,-1.03,(-3, 63), 1.-DI 18) Demuestze que Ses un eonjunto de generaores de R2. by. Exwalga una hase para de eonjum 5. 10, Considre el subespacio W de R gonerado porlos weetores v = (0, 1,-3.2), ( “1,0, 1,95 G0, Dy v= 40, -2,2). 18) Obtenga una base 6 de W forma por algunos de estos generasdores, Compote B para formar una base de R 11, Consider el subespacio W de R® gencrado por los veetores ¥; = (14-1, 1,0, 3).42= (0,3, -2.-1,8).95= Cy My 7,4 19) 4 * GO, y=, 13) 4). Obtenga una base B de Wformada por algunos de estos generadon 1») Complete para formar una base de RY. 12. Considers el subespacio W/de My. generado por los vectors wis geb sd mde Bag EE 8) Obtenga una ase B de H’formada por algunos de estos generadores. 1b) Complete B para formar una base de Ms.» 13, Considere el subespacio de Py generado por los veetores 1.x 1, («+ 1%, Grp ® 16. espacosvectcninues 207 1) Obtenga una base de W formada por algunos de estos penoradres, 1) Complete p para formar una base de Py (Sugeroncia: vésse el eetcico 13 de la seein anterior) Considere tos subespacies Wy Ws de Mf; «» dads por nef Specs) we eo) ') Determine bases para cada uno de fos subespacios Wy 1, asi como par los ssubespacios Wi + Way WN By ©) Yerifigue que se satisface el eoreme 5.6, Considere los subespacios 1% y Wy de My dalos por ° 0 1 o o 1 2) Reser loc ehespacion Wi + Wa y HLA Wi, b) ‘Determine bases para cada uno ds Tos subespacios Wi, Ws, Ws 3 ©) Verifique quesesatstae el teorema 5.6. Weal meal Wo Ws Consiere los subespacios Wi y Wee Myx duds por We 1A € MecslA =A anatices sities) We Ae, [A= -A'} (oateicesantisimeteieas) 8) Determine bases para Wy Wi by Demuestre que dim, = ninth a=) SP dim, ©) Demuestre que foes iO Wy (Sugerericia: $1A es cualquier matiz de orden fa mattiz A + 4? eS a matte slmeética yA ~ Aes antisimética) 4) Veritique que se satisfac ef eorema 5.6 su eorolario) Scan Py y Pe dos plans distinos en RY que pasan por el origen. Demueste que Raper, ‘Usando el teorema 5.6, demuestte también que P,P, es una recta que pass por el orien.248 AuseeRAUNEAL © 18, :Cietoofaso? Sean Hy W; dos subespacoe dstintos dl espacio weetorat FSi ‘tn ] evn ase de Wy B= [ys] e8 Ua ase de tones P)= fi) esa bse 17 0 Ws 19, {Cerio falso? Sean IH, y Wados subespacios distintos del espacio vectoril V. Si resuna base de W; y ses una base de Wa, entonces P= 6; U Bes una base de W; = 20,0 W. 6. COORDENADAS ‘A pattir de esta seecién y por el resto del libro, se va‘ considerar a una base en. un espacio vectorial Ve dimensién finita no slo como un eonjunto de vectores dl espacio, sino como un conjunto ordenado de vectores de V (es deeit, un ‘conjunto de veetores en el ual estéestablecido un orden entre ellos de modo gye tenga sentido hablar del “primer vector “segundo vector”, etedtera) * ‘Con esta perspectiva se tendra, por ejemplo, que la base {¢,¢:} (la candnica) de R? es diferente de la base (es 1. Considérese un espacio vectorial V de dimension finita. Sea B (Vi ¥35 +5 +) una base de V, Se ha visto que pata cada v € Vexisten (Gnicos; teotema 5.1) escalates a1, 035... Gy tales que v= cay tania t+ aut Se puede establecer una identifieacin entre los veetores v del espacio V y los vectores de R'cuyai-fima coordenada es el escalar que multiplica al vector 1 (el ésimo vector) en la expresién que define a v como combinactén lineal de Jos elementos de la base [0 v, «5 ¥4] Es decir ve aw tant... tan eV ientlieneion (6, 94,54) R? Obsérvese primeramente que esta identificacion se esti haciendo wia una base conereta de V. Por tanto, si se cambia Ia base Pal mismo vector v € V le corresponde un vector distinto de R: (Ia identificacién cambia). Por otra parte, obsérvese tambin que esta identificactén esta bien definida, pues se ha dado previamente un orden a los veotores de la base B, de modo que cada veetor v € Vtendré asociado (via la base Bun vector bien determinado en Re (una n-ada ordenada de niimetos reales). Por ejemplo, si el espacio ¥ fuera de dimensidn 2, yse toma B = {vi ¥2} una base de V, al vector v = civ + ca¥ le corresponde, segtin la identfieacién mencionads, el vector (cy, ¢)) € RE. Sin embargo, si se alteta el orden de los DEFINICION 6.1 EJEMPLO1 Espaciosvectonmes 249 vveetores de , se esté (como se dijo anteriormente) considerando otts base distinta de V, digase B= [v;, v1} respecta de la cual el vector vse identifies can (e ¢) € R Sea V.un espacio vectorial de dimension n y sea (vi, vis--+, Ys} una base de V. Definase el vector de coordenadas de vrespecto de la base Be eval se denota por(¥), como el vector (p= (Gr G95) RE cen donde los escalares cy, dy. 5d son tales que Avi cas + cae ‘También se vaa considerar la matriz de coordenadas de v respecto de la base P, enotada por fo, como la mateia.n * 1 on my =| ‘Sin mayores explicaciones, se usari (v)) 0 [v] segtin convenga en cada caso pattcular queso st6consierando, Por ejemplo, sea V = Pa Sesabe que dim V = 5. Bs ficil verificar que los vectores Wilmer ley we ltrtx we Lert ee ye lteter et forman una base de P, lacval se denotara por B= [vi YM ¥4}-Dadocl vector do, ve 2s3c#2xt 4 SP 2x4 ‘obtenga (Wp ‘Todo lo que se tiene que hacer es hallar los escalates oy, 63, 0s Gs, cs tales que Vm EWM + Aye CU) + YA + OKs Alescribir explicitamente esta expresion se obtiene 24 3x4 2x + Sx? 2x» a4(1) + oy(L +8) + aul x43) tal tatty) tal tree tees)250 Auccenaunea, EVJEMPLO2 m (ert ast ast ay 03) + (Oy + Gs + OWE Flatt ons (ait at ast! dedonde ait dat ap to + as~2 cyt as tas*as=3 cata t as=2 = yt as=5 por lo que entonses 4 3x4 20 + 50-29% C1, 1,-3,7,-2) ER? Véase un ejemplo mis En My. considere los veetores de la base eansnicaB, web sh -B spe-L Sea Esclato entonces que 23 7 ve ae | + 2 - Sut Tt Ave par logue Os," 23,74) ERE En ef mismo espacio Mz, considere los veetores ef alef de de BS Se puede verifiear que is * (i, Hast, Ha) eS también una base de Ms». ‘Al tomar el mismo vector wf2 3 74 se encontta Os. espaciasvectonmes 251 Se tiene entonces que (3 aol apeft ope[2 a} Al valizar las operaciones indicadas se obtiene 2a, + 3a; +a a+20)- 20° 7 2a-3ae 4 Al procedler por el método de eliminacién Guussiana para resolver este sistema se tione 110 02 i O)e0e1 0225 23 10-3 O10 0 @ 0) gets ee (Ce) lea ae 0023 4 0 0 0 1-24 de modo que of thas Jeph pas pals yentonces (p= (25,27, =, -24) ER Es natural preguntarse si existe alga reluctén entre los veetores W234) (y= 25,2 24) puesen realidad éstos representan el mismo veetor v € My.ssdlo que endiferentes base El objetivo de la siguiente subseccion es diseutir, en general, esta pregunta, CAMBIOS DE BASE Sea Wun espacio veetorial de dimensién ty sean Bre Lured oY es yet dos bases distintas de V.252 Auccenanea, ‘Témese un vector v € V, Para este vector existen dos representaciones diferentes de acuerdo w eada una de las bases 6; y fa digase ve eps # gas + Pe 62) (6.1) v= ofl OE... + 8 om sca que a ee ba bho 8, =n (de la base ) puede Se quiere vor qué relaciin existe entre [vB y (¥1B2, ‘Como B, es una base de V, eada vector u, j= 1,2, cexpresarse de manera Giniea como una combinacidn lineal de los vectores de By. Es decir, existen escalares py tales que w= pant panto t Pa Fe por Feb 2n — 6 osengue Pw tue |PR] deen Pa Susttiyase (63) en 62) pata obtence v= gut ener... tau" Sey =L @L pm = faa el i male ne z na E re ‘Al compat (6.4) con (61) y en vista def nia de a tepesenacisn de v camo eombinai neal de os vetores de fabs se obsione Pits % 7S Pu os» BE Pe espaciosvectonmes 253 63) 5 im en euya j-ésima columna se encuentran Considérese la mattiz P > (pst los elementos de la mattiz [i fru Pin pai Pa Pa Paes a esquemitinmente t t ] uh, Lud, | t i Otséreseqe ¥ pw Pu Pa wee Pw) PO “ rioige | Po Peo P| || | oo pm | | Po Pas 7 E pas Es decir, la matriz. de coordenadas de v respecto de la base 8 se obtiene mul- tiplicando la matriz P por Ia matriz.de coordenadas de v respecto de Ia base Bs, Sise intercambian los papeles de yy Pa se obtiene la siguiente situacisn “dual” Oh, 6.6) 7 ‘columna los elementos de la matriz de eoordenacdas es la que tine en su i del sino vector v de la base By respecto de In base , es deci, t t t f aw bls, | el 6D C v aw254 Auseeanunen, DEFINICION 6.2 ‘Seafirma que QP = J. En efecto, son (6.3) se tiene oT pm pero segtin (6.7) de todo que ingen i[Eon)s 0 in ero por otra parte es claro que el veetor 1, se expresa como combinacién lineal de los vectores de la base Ps como y= Z wm endonde we (oseed 9) 2 Lsike, Pero qupy es el elemento gue aparece en lx Aésima Hinea y en la ‘columna de In matriz producto QP. Entonees (6.10) dive que Q! Se coneluye entonoes que P es inversible y que P= Q. A la matriz, Pde orden m tal. que Poly Mh se le llamna matric de cambio de base de af. ‘Scha visto crtonees que P es una matt inversibley que P* es la maria deca de base de Ba Paes dveit Dh,» Pa sion anterior. Enel siguiente teorema se resume (sin palabras) la dis TEOREMA6.1 EJEMPLO3 espaciosvecronmues 255 Ba = (iy tayo ta) dos bases de V, Sean Py Qlas matrices 1 1 ptt t fu stud | @ = | Bi Bib, De 1 ieee 1 ‘Sea Vun espacio veetorial de dimension n. Sean Bre (nv eM) | Enionccs P (¢sinversible esa mati de enmbio de base de a Py (Qr= Pes la mattz de cambio de base dea B Esquemiticamente, se puede imaginar a P como siendo una “méguina que converte vectores de eoordenadas respecto dela base xa vectores de eoordenadas respecto dela base fi". th > a oh = Pb, ‘Similarmente para P (la misma “maquina” con las fe as en sentido inverso). vffes). [8 0). [2 9}. [2 5) m5 3), (1a), 2a). 223) Bs muy facil hallar la mateiz de cambio de base de fy 2 B, pues [BI -omse (0a), (2 2jceee (Bs), ,3,1,0) (0,0, -2,-3)256 AocoramenL ddemodo que 1100 2310 Y oO 12-2 90 2-3) ‘Se puede hallar Q la matriz de cambio de base de fi af, ealeulande P- Esta es 32-3 2 .ef42 32 Ore lg 3 3 42-201 {0 bien, expresando directamente eada veotor de Ia base Bi, como combinacién * Jineal de los vectores de ta base fy eseribiendo las coordenadas en las columnias correspondientes de P). Pata el vector 2-3 74 sellene 2 bh = 13 i de modo que 3232 25 423-2 27 Mh= Om 16 3 33 2 4221 “4 0 sea que {v= (-25, 27, 34, -24), resultado que ya se habia obtenide dirceta- mente, Para terminar, se desearia eonsiderar un ejemplo geoméirico muy interesante, con ef eual es muy probable qu el lector tenga famniliaridad. Se trata de estudiar J “rotacién de ejes” en el plano xy. Estiiese I situacidn geoméirica deserita en la siguiente figura en In que se ‘muestra el plano.xy y un nuevo sistema de coordenadas’y’ que seobtiene gitando los ejes xy. Un éngalo 8. espacicavectoniales 257 ‘Sea B, * (61s n} la base eanénica de R° ‘Sean e} = (cos 8, sen 8) y ef = (-sen 0, cos 6). Es fil verificar que para cualquier dngulo 0, los vectores e: y €: constituyen también una base de RP. Eseribase f, * (ef, €! |. (Obsérvese que ésta setia la base candnica en el plano xy’) Dado un vector v = (x, 3) € RY, se quiere ver cul es la relacisn que existe cnlte las eoordenadas de v en la base B; {que son precisamente (1%, y)] y sus coordenadas en la base Pi (en el sistema xy “gitado"), Como (Ep * (608 0, sen 8) (eDp= (sen 8, €08 6) la matriz de cambio de base de 6,8 entonces cos8 ~sen 0 P| sen6 cos ‘uya inverse es cos sen sen® cos 4queeesentonees la matriz de cambio de base dea Ps Sean (x',y) las coordenadas, de veon respecto a la base Bs. Entonees [Jee [5] [ses Se] [5]: Estos ee] yf = -xsen 0+ yeos® que son las eonoeidas “férmulas de eambio de coordenaclas por rotactén de ejes", que relacionan las coordenadas de un vector (x, y) en el sistema xy con las coordenadas 1’, ’) de ese mismo vector en el sistema girado x'y.258 A.ctenauneaL 6.2 ISOMORFISMOS DE ESPACIOS VECTORIALES En sta subseceidn se pretende irun poco ms ejos respecto de las conseeuenias tedricas que trae consigo la identificactén entre los veetores de un espacio vectorial V de dimensién m y sus veetotes de coordenadas en el espacio R’. Enrla siguiente definicicn se establece uno de los conceplos més importantes del ilgebta lineal: el oncepto de isomortismo, DEFINICION6. Scan Vy U dos espacion vectotites. Se dice que la funciin fi V — U es un isomorfisno de Va Usifesbiyectva inyectvaysobreyectiva) yadcmés cumple con as dos condones siguientes 1) fut) =f) +0) Yn, we ¥. 2) fle) =e), VEER, Wer. Nora: A una funcidn,t V-+ Unie los espacios vectorisles Vy U quesatisface lus condiciones 1) y 2) dela dsfiniién anterior se le lina “func (o transfor ‘maekén) lineal”, Estas juegan un papel central dentro del estudio del dgebra lineal Todo el capftlo 4 se dedicaréa hacer un estudio de estas importantes funciones. Encl siguiente teorema se estalecen dos propiedades my importantes de los isomorfismos que se usarén mis adelante ‘TEOREMA 6.2 Seafi V + Uun isomorfismo del espacio vectorial Val espacio vectorial U.Bntonees 8) f' U-+ Vesun isomorfismo de Ua ¥. b) sig: U + Wesum isomorfismo de Ua W, la composi Wes también un isomorfismo (de Ua W, DEMOSTRACION 2) dof: V-+ Uuna biyeceién, suinversaf“: U + Vtambign es una fimeién biyectiva, Se veri que/ satisface las condiciones 1) y 2) dela definicién 6.3, ‘Se tienen que verificar que Fut) fin) +f) Wats 0 7 Siew =ef) WeeR Yue U ‘Sean up, us € U, Sean vy, vs € Vales que flv) = ah y flv) = ur (esto es, a =F) yma =F1(%). Entonces +a = Ro) +A) =fl+y) (Pues Fes un isomorfismo) de donde ‘TEOREMA 6.3 DEMOSTRACION Espaciosvectoniaes 259 Pat) = 9 =P) AFM) Similarmente, sic € Ry w € U, tome v € Val que fv) = u Enitonees cu = of) =flev) (pues fes un isomortismo) PXeu) = ev ef) Toque prueba entonces a). b). Setione la siguiente situacién: SS " Siendo fy g biyeociones, la composicisn g © f también es una biyeceidn, Se verd entonces si g » f satisface las condiciones I) y 2) de la definicién 63. Sean viv; € V; Bntonees (8D 1+ 9) = afin +) = ACO) +0) = AEM) +8609) = (Br) + (eK Similamente,sive Vye€ R Golo) = aXfer) = BIW) = ea) = e(BH) lo que prucha (b. QE, CConsidérese ahora a la familia de todos los espacios veetoriales. Establézcase en esta familia la siguiente relacién: V~ U existe un isomorfismo fi V+ U. —— scoemee La relacién anteriores una telacién de equivaleneia 1) Latelacién ~ es reflexiva, Bs decir V~ para todo espacio vectorial V. Esto cs claro, pues la funeién identidad Ia: V -» V, Jd) = v Vv € Ves un isomorfismo de Va V.260 Auceera nea DEFINICION 6.4 TEOREMA 6.4 DEMOSTRACION 2) Larelacién ~ es simétrica. Es decir, si V~ Uentonees U~ V. En efecto, si V = U, existe win isomorfismo fi V+ U. Por el teorema 6.2, f'!: U = Ves un isomorfismo de Ua V. Entonces U~ V. 3) Larelacisn ~ es transitiva. Es decit, si V~ Uy U~ W, entonces V~ W, En efecto, si V~ Uexiste un isomorfismo fi V+ U. Ahora, como U~ W,existe tun isomorfismo g: U + W. El teorema 6.2 dice que g °f V+ Wes un isomottisimo de Va W. Entonces ¥~ W. QED. En vista de este teorema (de la propiedad simétrica de la relacién ~, més eonere tamente) se podré referis a un jsomorfismo fi V+ U de Va U; simplemente como un isomorfismo “entre Vy U" sin temor a confusisn, Se dice que los espacios vectoriales Uy Vson isomorfos, lo cual se esetibe U= V, si existe un isomorlismo entte ellos. En vista del teorema 6,3, s tone entonces que le familia de todos los espactos vectoriales queda dividida en clases de equivalencia, Todos los espacios que pertenecen a una misma clase son isomorfos, Esto permite identificar dos espacios isomorfos como “siendo el mistno™ (identiicarlos con su clase de equivealencia), El siguiente teorema dice que muchos de los espacios vectoriales que se han cestudiado en este capitulo pertenecen a una misma clase de equivalencia ‘Sea Vn espacio vectorial de dimensién n. Entonces V# R®, Fijese una base P del espacio vectorial V. Digase que B= (V1, Yas. Ya) Definase la funcién f V -+ R* de la siguiente manera: para v € V escriba fv) = (Wp. El vector de coordenadas de v respecto de In base B.) Scafirma que fes un isomorfismo entre Vy Re. El hecho de que fes inyeetiva, esti establecido en el eorema 5.1 (unicidad de la epresentaeién de eada vector ¥ € Veomo combinacién lineal de los elementos dela base 8). La funcisn flambién es sobreyectiva: dado el vector (cy, ¢y,...5¢4) € R'defina v € Vescribiendo veem tome... team Bs claro que fv) * (Ci ey ++. Se vera ahora que fsatisface las condiciones 1) y 2) de la definielén 6.3, Sean Wit € V, digase que vet tite. tt, WE Ut amet. pan La palabra omorfismo ene por aces ee” = igual, “mores” = fora, COROLARIO2 DEMOSTRACION Esraciosvectonales 261 Entonees ve we HOME Cat Het Entonces ROW CG Has Bosses to Ha) (yD Cs Base) =) + Rw) Sic € Rentonces eve crt cries. + eta y por tanto ROD (Cre y C0) et Taree TS) = RW) Si Vey Ve son dos espacios vectoriales de la misma dimension entonces | | weak. | Sea n= dim ¥, = din V, Seg el eoteana anterior exisen isomortismos f= ¥ a Rey fei Re Considérese la funclén fi! © fi: Vi > Ve. Esquetndticamente se tene la siguiente situacién: Rt Segiin el teorema 6.2, /1'* fies un isomorfismo. Esto prueba entonces que ¥s = ue QED. emasacisn mis dicta de ee coroatio sande torena 63) es sin = dim Y= cn Vs setiene Vox RYH Vy por tanto Vs Vy Se quo agut dar exglictament el isomocismo ene iy Vines ne refeieninea cle a dieu que sigs ese coaro.262 AuceanaunenL Para establecer el isomorfisino fief V+ Ven et corolario anterior es necesario fijat bases de V,y V.,digase P, de Vy 9: de V,. Este isomorfismo seria entonces (véase demostracién del teorema 6.4) (eA) = em + ee + endonde Br= {Vin ¥y.2+5 Pel ¥ Wp * Oooo 6 En particular, para identificar a los vectores de P, con los veetores Re se podria hacer por medio de una base conereta Pde P, (y la base candnica de R™"), asociando a cada vector v € P,su veotor de coordenadas (Vp € Re". Al tomar B ‘como la base eanéniea de P., esta identificacisi 9+ aye Fat E Po (diye yy) ER ‘Similarmente con M., M, ticne la siguiente idemtificacion via I base candnica de tee ean aa ae ee ate cee El ocasiones se suele referira esta idemificacisn como el “isomorfismo natural” entre Py(Muxs) y Re" (Re*respectivamente). ‘Yaen un pat de ocasiones anteriores sea hecho laidentificacion de una mateiz, 1 con un veetor de R° (por ejemplo cuando se trata sobre el espacio de soluciones de un sistema homogéneo de ecuaciones lineales, en la seecisn 3), Le Muar o (aan... ya) € RY Esta identificacién no es peligrosa on modo alguno, pues ya se vio que Mrs « Re Una de las earacteristicas importantes que tienen los espacios vecioriales Vy Weque son isomorfos, es que algunas propiedades importantes —bajo la perspe tiva del dlgebea lineal — que posee un conjunto de vectores en uno de losespacios, ‘se eonsetvan a través del isomorfismo hacia el otto espacio. Mas conerstamente, Sif V Wes un isomorfismo se tiene 1) Sesunconjunto que genera a Vs, y sélo si,{S) es un conjunto que genera a w, esraciosvectonumes 263 2) Sesunconjuntolinealmente independienteen Vsi,y silosi tS) es uneonjunto linealmente independienteen W. y por tanto, 3) Besuna base de Vsi,y sélo si /{P) es una base de W. La demosttacin de estos hechos noes diel Sin embargo se defaré para el prdximo capitulo (seeen 6) en donde se retomari la discusion quesobre isomor- fismos sehizo enesta subseccisn. Por lo pronto, en lt proxita seccién sexplots tin estas propiedades para estalecer un método seneillo que permits eneontrar bases de subespacias generados por un conjunto de veetores en un espacio vectorial de dimensisa Para tetminar la ciscusion que se ha prescntado en esta subseecién sobre isomorfismos, se desea hacer algunos comentaties importantes sobre l perspec- tiva que se abre a la luz de ls resultados aqui obtenides. Se tiene entonces que todos los espacios veetorales de dimensién n son isomorfos. Si dos espacios vectoriales Vs y ¥, son isomorfos, digase que fi Vi ~ V, es un isomortisn, la estructura de epacio vectorial de Ves “eopiada ficlmente” por fhacia Vs, pies ‘por una pattefestablece una eorrespondeneia biyectiva entre loselementos de Vi y ¥ on identfiados uno a uno) y por otra parte fraslada sumas y productos ‘por esealares —las operaciones de espacio veetorial— de los elementos de Vi a sumas y prxduetos por esclares de los correspondientes elementos de Fs Asi pues, desde ol punto do vets dal dlgobra lineal, Vi y ¥, son sopasios vustorialen indistinguibles. So llega entonces a la conclusién de que todos los expacios veetoriles de dimensién n son, bajo la 6ptica del élgcbra linea, inistnguibles respecto del espacio Re. Por qué no estudiar entoness solamente el espacio RY? Existen muchas razones por las cuales eso no es convenient Sin pretender entrar cn una discusin detallada sobre este respecto, vase silo ‘un ejemplo. Los espacios My..y Reson isomottas, pues ambos tienen dimensin 1. Supengase que se quiet estudiar el espacio Mya via cl espacio R* por medio {del isomorfismo natural entre ests espacios. Primere objeiéin: shan eompro- retido con bases conereas de Mars y RY, las bases eansnicas; 2por qué no otras bases?) Existen alguns propiedados de los veetoresenelespacio Mae. que teen ‘un cardeter exclusivo para este espacio, Esas propiclades hacen del espiclo My a pesar de su isomorfismo eon RY, un espacio eon earsceristicas propias ‘exclusivas Pens, por ejomplo, en la mutipicacién de matrices la inversibilidad, los determinants de estas matics, ete, Debe resullar claro el panorsma tan tenebroso que se preseniaria si se pretendia establecer ests propiedades entte Ins matrices via sus imigenes en RY. La identifieacion proporeionada por los isomotfistnos entre espacios vecto- risles de la misma dimensin resulta so importants en ciertosniveles del élgcera lineal qu estin fuera de losalcances de este libro. As{entonces, para uno sepuiin sicndo “distntos” fos vectones de Max, Paes RO", angus estos espcios sean isomorfos. Solamento se seguirin identificando ls matrices de orden x 1 eon ‘su correspondiente veetor de eoordenadas (respecto dela base candnica) en R Es clato que estos hace slo por una evestion de eomodidad en la esertura.264 AvoEBRAUNEAL EJERCICIOS (SECCION 6, CAPITULO 3) 1 8) Scafpla base canénica de Ry sea run vetor cualquiera de este espaciojencuenite Gp. 'b) Sea fa base candnie cencuentze (A) ©) Sea Bla base eandnien de Py sea p un polinomio cualquiera de este espacio, encusntre (ps ‘Sea = {v,v5,-- +, %) uma base cualquiera del espacio vectorial ¥, 18) jeuéles el vector de coordenadas del vector cero de V respecto dela base 8? de My ay sea A una matez cualquiera de este espacio, ') cuiles el vector de coordenadas del vector v= 1,2... mtespecto de Ie ba- sep? Consider el conjunta de vectores en RP B= (8,1,2),1.9,2),4,3,5)) 18) Demuestze que Bes una base dR? by Bneuentre (1, 1, Dy (G4, 0. ©) Paraun vector evalquiera (1, y2) € R2,encuentre (x 9, 2p. 1. Consider el conjunto de veetores en P, fates e ree tte 2432) 4) Compruebe que es una base de Ps ') Enewentre (Hos (ps CY CDs Sea f una base del espacio vectorial V Sean vy v dos vectores de Vy c un eseala, demuestte que WDE DEF Oe Condy e006 Use el ejerciei anterior pata hallar (a taxt ast +as%)p cendande 9 es la base de Py del eericio 4. ‘Sea B= (vi, ¥3} una base de RF, suponga que GM-@D CLM BS Determine los veetores dela base. Sea P= (v1, v3 v3) una base de Ps, suponga gue (FMR) Aer GD POEL.) Determine los veetores de a base 8 1. Enouentreel vectr de enardenaas dl vector PO)" ay ant ast 10. 2. 13. Espaciosvectonies 265 el espacio Py en términos dela base B= (a= 1 (e- DA.) (Sugerencia: el resultado se expresa ficilmente en tsrminos de ls dezivadas del polinomio p(x) evaluadasen x= 1.) En RY consider las dos bases Pr= {041,14 (451,04 (1,0,0)) Pr= (21,2) 01,0, 1,4, 2) 4a) Bneuente (1, 1,3), b) Halle (1, 1,3), ©) Eneuentre Ia matiz de cambio de base de Ba B- ) Halle la matrz de cambio de base de Ba Bs. ©), Reobienga los resultaios de los incisos a) y b) usando las matics obtenidas en los incisos ey |= Ea R¢considere las dos bases Br ((1,0,0,03, 0, 1,0,0), 0,0, 1,0), (0,0,0,1)) Pr ((,0,0,0), 2, 2,0,0),(3,3,3,0) (4,4, 4, 401 4) Enevente la matia de cambio de base de Bs a, ') Halle la mattiz do cambio do base de 8B ©) Use Ia mattiz obtnida en el inciso anterior par halla ls eandenadne den vector cualquiera, , c,d) en iéaminos dela base B. En RS consider las dos bases B.~ ((1,0,0,0, 0, (0, 1,0,0,0),(0,0, 1,0,0), (0,0, 1,04 (0,0,0,0, 10) 0, 1)0,0,0, 1,0), (0,0, 1, 0,0), (0, 1,0, 0,0), (1,0,0, 0, 0), 1) Encventre la mati de cambio de base do a by Halle ta matiz de cambio de base de, a, ©) Encventre las eoordonadas de wn vector cualquier x= (x4, 43438en términos dela base Bs Sea Vun espacio vectorial de dimensidn 4, consiere las dos bases de V Brsfarayan Bae fev as a cendonde 83H 45m 420 yo 3 #6 Fay #3 ys dy #424 30 des -3y t+ wt OM Halle Ja matez de cambio de base de i 8 Enel espacio vectorial FR), considere el subespacio V generada por sen xy cos 8) Demuestee que , = [sen x,c08.] es una base de ¥ ') Compruche que Br [Sen(x+ 4), cos(x #4] es ota base de, ©) Bnoventte la matriz de cambio de base de fs i,266 A.seoeauner 15, e 0. 4) Halle fa matiz de cambio de base de i 8B Enel espacto vectorial F(R) considers el subespacio V generado pot sens y cost. a) Demuestre que By = [sen2x, os2x) es uma base de ¥. 1») Comprache que Bx = (1, cos 2x} es ota base de Vs ©) Eneuenite a matiz de eambio de base de D2 ) Halle la matrizds cambio de base de Pa ‘Sea V un espacio vectorial de dimensinn, Considere las dos bases de V dads por Br= (genset) Ba* [tytn td ‘Sea Pla matia do cambio de base de BaP 8) ,Cémo se afecta P sien la base Bi se inercarabia la pos vectores? by :Cémo se afeeta P sien Ia base Bose itcreambia la posi de dos de sus Yeetores? ©) Sean iy las bases de V dadas por h do dos de sus Bi= (Means coil Ba = (eta aye ost Sea Q la malriz de eambio de bese dei a Pidemussire que Q= Pe, endonde Pees la snatrizdefinida en el ejrcicio 17 de la seccién 2 do capitulo 2 CConsidere el espacio vectorial P; eon la bast dada por Be (Dee-8243res-1-Set x] Establezca un isomorfismo f Py + R? por medio de la base En el espacio vectorial Ma, considee la base f dada por EE} E 4h by . Fsomorfismo inversof#: RE» Maa? by Denuestre quel conjunto “PLETED sun conjuntolinealmente independiente. ) Demuestre que el conjunto 5) en Ré dado por vo ((E of) (le). A I) «sun conjuntoinealmente independiente (y entonces el isomorfismftransfornd leonjuntolinealmente isdopensiene enc eonjunto Tincalmente independiente 28). sablezca un isomortism fi Py > Mf» 2(considere las bases cancnicas en ambos cespactos), Espaciosvectoniaiss 267 7. EL ESPACIO LINEA DE UNA MATRIZ DEFINICION 7.1 Sea la mattiz A de orden m x n aa[ a a am Considlérense los m veetores Lf € Re definidos por TE Gada.) 1,20. Las coordenadas det vector L# coinciden con los correspondientes elementos de | i-ésima linen de ta mattiz A, A estos veetores se les llama (por razones obvias) vectores linea de la matris A Con Ja notacisn anterior, se Hama espacto Iinea de la matriz A al subespacio de I generado pot os veetores linea de A. ‘Se denotari por EL‘ al espacio linea de A, el eual es entonees ELA = SL, 1... EA) CRE Enesta seccidn se propone ver e6mo hullar una base para el espacio EL! (y por lo tonto, su dimensién) aplicar estas ideas, junto con las desarrolladas en laseceton anterior, para establecer un método sencillo que permita describir los subespacios {genetados por un conjunto de veetores en un espacio de dimensién finita EI primer paso que se data en esta direecién es relucionar el espacio linea de luna matriz A con el espacio Linea de la forma escalonada reducida de A. Se veri en el eorema 7.1 que estos espacios son iguales. Primero se hari una observaciin de earicter téenico acerca de una manera cconyenicnte (para los propésites en esta seceién) de ver un producto de matrices, Sea A una maiz de orden m* p con elementos a, y B wna matriz de orden PX ncon elementos by, Férmese su producto C = AB, Ces entonevs una mattiz de orden m X 1, con elementos digase Se sabe que’ o> & aay Entonces (in€ay--y64) = | YE aubary Y aabrs +e dade Us268. AucESRAUNEAL EJEMPLO1 LeEMA DEMOSTRACION ~ x Ge (bay bra, ---5bu) = J aubl LF = aght + anh +... taplf Esta exptesién nos dice entonees que el i-ésimo veetor linea de Ia mattiz producto C= ABs una combinacién lineal de los vectores lines de la matriz.B, en !a cual Jos coeficientes de estos vectoresson los correspondientes elementos de la itn linea de A, Por ejemplo: i 3 Aya é i}-[8 4 al aa alft 2 lytts so 4 2 c Entonces If = aylf + antl + aul UG = aul + antl + ald (10,4, 7)=2@, 1,3) + C310, 48,24) (05,8, 19) = 4Q, 1,3) * E10, #28,2,4) como se puede comprobar directement ‘Vease ahora el siguiente lema que se usaté en la demosiracién del teorema 7.1 | Sea Vumespacio vectorial y sean $,= {v1 Vis.-+5 ¥4b ySe* Ulla teh | dos eonjuntos de veetores de V. Liimese Wal espacio generado po os ‘eetores Vy os Yo Siena Veet uy 1 5 t3e puede eseibi como otnbinacén nel de fos vectores vi 1'$ Sr entonces | Ciertamente para cada, 1 $j $tse tiene uy € W. Si ay, ca... ceson escalates atbittarias se tiene también que Muy tay EW ay + outs ++ cat CW pues IV es un subespacio (cerrado bajo la suma y el producto por escalares), Esto TEOREMA 7.1 DEMOSTRACION EJEMPLO2 esraciosvecTonIaes 269 muestra entonees que™ 041, toy) hocam dendtese por A’ a la forma eseatonada alespacio inca Va) = EL Sealamattizd * (a Se debe mostrar que ELA = U4, 14, TA) * A'S, Segiin el teorema 4.9 del capitulo I, existe una mattiz inversible Q de orden mi tal que = QA". Entonces (por Ia observacién previa al lema) cada veetor Lf es una combina- ceién de los vectores Lt’, Por el lema anterior (con $; = (Lf, Lf... Lit) y 2° (L414, .. . 14)) se eonetuye entonces que ELAS EL” Pero siendo Q inversible, se puede escribir A’ = QA, de modo que por un argumnento andlogo al anterior se obtiene ELY GELS sea que EL*™ EL", tal y como se queria. QED. Por ejemplo, sise tiene la matriz 13 4 2 A-|2 1 3-1 eet al su forma escalonada reducida es: Soe demos: Temesex€ tu yy enters xe see como combine ine de os vesores yyy Peto por ipa enda uno de ests vectors es una combine ie sald loevectete ys Yo Poniend odo eto unt, se vee x pusdeeseribise coma combi saci lineal de fos wees, ¥y. +5 Enfonees x €270 Aceon nese TEOREMA 7.2 DEMOSTRACION boooa-t aOR eae! oo 00 El (corema anterior asegura que los das subespacios de R* EL =0((1,3,4,2), 2, 1,3, 1), 8.4.7, 9) EL! = 01,0, 1, -D, 1, 1, ,(0,0,0,0)) =8((, 0, 1, -D,, 1,1, 2) son iguales, Ademiis, observe que los veetores linea nonulos dela matt. son inealmente independientes pues (1,0, 1, 1) + e2(0, 1, 1, 1) = (0, 0,0, 0) Por lo tanto, os veetores i = (1,0; 0,-1) y ve = (, Is 1,1) Forman una base del ‘espacio linea de’, y entonees, dol espacio linea de A. Esto es un hecho general ‘que se enunecia y demuestra a continuactén, Los vectores linea distintos de cero en Ja forma escalonada redueida de | una mati consttuyen una Bas para suespacto lines. Sean Lf’, 1... Lf os vectores linea distintos de cero en la forma escalonada reducida de A. Pot el teorema 7.1, estos vectores generan al espacio linea de A.* Considérese la combinacién lineal alt! +... + olf = 0 any Se demosteard que ¢,= 0. Recuérdese que en 4’ el primer elemento distnto de cero en su primera linea es 1. Bste se encuentra, por decir, en la columna j,, Ademds, en las lineas restantes Jos elementos correspondientes de laji-ésima eolumna (en donde se encuentra el primer elemento distinto de cero dela primera linea) son todos cero. "*No se estn considerando los vectre linea que son cero en el espacio linea de 4, pues es laro swe éscenoaliran tl epis. EJEMPLO3 esencrosvecronaues 271 En otras palabras, la primera cootdenada distinta de cero en Lies laj-ésima coordenada que es igual a1, y en los veetores restantes Li", 5 L la jes ma coordenada es cero, Fijese la atenefén en la j-ésima coordenada del vector de la izquierda en la expresién (7.1). Glen dynd + a i ‘se ve entonces que ¢, = 0. Queda asf (7.1) como Gl! +... + olf =0 Repitase el argumento anterior para mostrar que ¢: = 0. De la misma manera se muestra que ¢) = ...= ¢,* 0, y entonces los veetores 14. I son linealmente independientes y por tanto constituyen una base del ‘espacio ELA QED. El teorema anterior proporeiana el fundament del siguiente métade. pars obtener una base del espacio generado por un conjunto de &-vectores vy, vss. wen 1). ormese la matrz.A que tenga por veetores linea los veetores dados v1, Vay «+++ ¥e(A es entonces una matriz de orden k * 1). 2) _Liévese la matriz A a su forma escalonada reducida. 3) Los vectors istintos de cero en la forma escalonada reducida dela mttiz A consttuyen una base del espacio linea de A (eorem anterior), f entonces una base para el espacio gonerado pot ls Wectores Vy Yo Me Por ejemplo, suponga que se quiere determinar una base para el subespacio de RE genetado pot los veetotes vi = (1, 2,1, 4,3), 2 = (3, 1,2,2,4),¥9=@,1, Ll, Oy w= Q,~4,6,-11,-5). Forme entonces la mattiz ‘Alllevar ésta a la forma escalonada reducida se obtiene:272 facesra ner, EJEMPLO4 0 “10-71 1 ° de modo que los vectores uy = (1,0, 1,0, 1), us (0, 1, -1, 0, -1) ¥ = (0,0, 0, 1, 1) constituyen la base procurada. (El espacio que generan los vectotes Vi, Ys ¥, wes entonees de dimensisn 3,) El método anterior se puede usar en cualquier espacio de dimensidn finita, (igase n), por medio de la identificaciGn, através de una base concreta P de V, de los vectotes W € Veon sus vectores de coordensdas. Esto se puede hacer, pues, como se vio en la seccién anterior, Ves un espacio isomorfo a Ry se cumple: f es una base de V'si, y slo si) es una base de Re en donde: f: ¥-» R’es un isomorfismo entre Vy R: (hecho que se demostrara en el proximo capitulo; véaseteorema 6.4), Por ejemplo, considétese ene espacio vectorial P; los vectores pedtseatee PredeSee ata pie -ltx-3eee pint Se- 3 Se quiere encontrar uns base para el subespacio de Py generado por estos cuatro veotores. ‘Sea f la base candnica de Py esto es, 6 = (1,282) Entonces P= @L3-D—— (Pe= C1, 1,-3.1) "45,31 (Pdp* 5,-3.1) Se forma la matriz, 21a a ase Arty 4 341 1531 Lleve esta mattiz a su forma esealonada reduelda, abteniendo 10 2 -% [0 1-14 oo 00 00 00 EJEMPLO5 espaciosvectonales 273 Entonces, los polinomios qn eae ea-mtlp % 3 forman una base del espacio generado pot pr, psy Pry Pa el cual es entonces de dimensién2. Para tetmninar, ea un ejemplo en el que intervienen varias ideas que se han estudiado a lo largo del presente capitulo. Considere los 3 vectores de Rt v= y-1,0,2) mr QL 13) m5 17,2,-4) Estos vectores generan un eierto subespacio de R* que se tlamari W. Por otta parte, se ha visto que las soluciones de un sistema homogénco de ‘ecuaciones lineales format un espacio vectorial. Mas coneretamente, si se tiene ‘un sistema homogenea de ecuaclones en Ins incdgnitas yy 25 el eapeiv -sohcién seré (segtin se discutis en la seeeidn 3) un subespacio de R’ ‘Uno se pregunta entonces por un sistema homogénco de ecuaciones lineales (con 4 inesgnitas) euyo espacio solucisn sea precisamente W. El primer paso que se tiene que dar para resolver este problema es describir cexplicitamente el subespacio W. Esto significa, por ejemplo, dar una base de ‘Segiin lo visto en esta seceidn, para hallar una base de W’se forma la mat 1-10 2 Ae[2 113 “1702-4 yy so leva a su forma esealonada reducida, Esta es274 Aucconaunes. w-(oudd Se ticne entonces que un vector (1, 23,25, 4) € R'se encuentta en Wsi,y sélo si existen esealares ¢; y cs tales que = afo35)+ Gia) = o[9553] ofa ua © lo que es lo mismo atm atta =x Tass Este es un sistema no homogéneo de 4 ecuaciones en las incdgnitas , y scpopnisenon pci oenoeiet ea, per erent poner eesti eat nial Gracies ee 1 0 & 10 1 o ln o1 ” wow alo 7 10 0 -B-aB+s Bw om 0 0 -Sty3-+4/3-+ x, Fintonces (vi, 42) € Wi, y sdlo si las dos iltimas Incas de la mateiz de In recha constan sélo de eeros. Bs decit, si sit =3n=0 Sum -3u=0 Por otra parte, éste es un sistema homogéneo de dos ecuaciones lineales en las inedgnitas x, 2 2, X. Se afitma que (t, 2, 25,14) es solucidn de este sistema, lo que equivaleaafirmar que (x, %,%, 4) € W. Por lo tanto, eset sistema requerido, ceuyo espacio solueisn es precisamente W. espaciosvecroniates 275 EJERCICIOS (SECCION 7, CAPITULO 3) 2 ‘Veritiqu el eorema 7.4 com lm “1 1 4 1 Sea A una matriz inversible de orden m, describ el espacio linea de A. ‘Eneuonre tuna base para ef subespacto de R* genereda porlos veetoes (1, 12,2.) @,1, 1,0) '. Determine la dimensiGn de eda uno de los siguientes subespacios de Ré 8) HC,2,1, DG, -1,2,1) b) MA, 1,1,99,2,2,2,2)) ©) 4G, 1.2.4) &) (1,0, 1,23, (6,1, 1,2) (41,3, -2), 15-1, 0) ©) 80,3, -1, Ds 2,0, 0,3), (4,1, 7,28, 2.3,3)) 1) M1, 0,0, 0), (2,1, 0,0}, (151, 1,0) (1s 1 1) 5. Encuente ui hae pata ena sna de los shguentessubespacor de Ms (8.0 va(l! 1. LB al (tLe “1.8 LBL Eneuentre una base pa sla uno de Tos sigulentessubespacios de Ps 9) del trex are 2) b) dO tata 14504 08, -5 +84 x) ©) ML x= 4 Se 8 Lt Tea TD DH) ) M14 25,5 tra, 12494 -3) Sean Hy We los subespacios de Re dads pot Wee 00-0) Wy Sets 50)276 ALoEERALINEAL Rae eo es cana tld aie down fe) Sea Wy oats de ads por CAPITULO CUATRO W, = H(2, 3, -2, 1), (8, 12, -9, 8), (2,3,9, -7)) este 2,665, 2305), 023-2829) . ncenteuna as pts ionaueagacln 0 Way» Transformaciones lineales 9, Rete elo smiecone stespcios Metered ey (,3 13) io t(.20.25,0.24,301.80) &) Blasbopule de ona pore 2010) (602,09... (ened En Ia introduecién se establecté el eoncepto de funcidn de un conjunto A a wn conjunto B, fA + B, como una regla que a cada clemento a del eonjunto A (et dominio de la funcidn) Te hace earresponder un tinico elemento b= fla) det ‘conjunto B (el codominio de la funcid). En la experiencia previa en cursos de matemiticas (por ejemplo en los esos de edleulo) se ha trabajado con funciones cuyo codotninio es el eonjunto de tnimeros reales R y euyo dominio es algin subconjunto de R. Es deer, funciones de la forma fi 1 R ~+ R. Un tipo especial de estas funciones son les lamadas i “foncfones lneales", las euales son fi R ~ R, flx)= mix + 8, en donde m y b son inven reales detertminados. Estas funciones, como se sabe, representan geomé- | tricamente (en el plato 2y) rectas de pendiente m y ordeniada al origen b Se desea resaltar ahora un par de propiedsdes que poseen algunas funciones lineales: considérese la funcién lineal: R ~ R, (2) * mx. Su grifica es entonces tuna reeta de pendiente m que pasa por el origen (su ordenada al origen es cere) Obsérvese que se tiene 1) fli #9) = Ges) * mae, + xa = fla) + fo) 2) flex) = mex) = (mx) = of) Es decir a funcisn f transforma “sumas en sumas” y “productos por escalates en pproduetos por escalares”. Geométrieamente esto se ve como 277278 Aceeraun Desde a petspectiva de ls cursos decélcuo, ests propiedades reultan ser ce interesante, pues I mayerta de las funciones queen fales cursos aparece ‘no eurplen con elas (pr ejemplo sii -» Rees fs) ~ sen x, noes cierto que fle, + 2) ~ sons, +x) ~ sen r+ sen. = fl) + fe) y Red) “sen ce esen t= ‘fe. Sin embargo, desde el punto de vista del algebra lines, étas seria (las funciones fe) ~ ma) as funciones importantes aestular. En este capitulo es de interés la generalizacin (Ia abstacen) algcbraica de «ste tipode unciones; estas funciones tendrin por dominio yeodominio aespactos vectorales (de os que un caso paticular es R, como en el ejemple)y eumplicsn tos propiedades 1)2)citadasanteriormentetansformarin somes (de elomenton —de veetores— en su dominio) en sumas (de las cortespondientes imagenes en sucodominio)y producto por escalates (v, vn vector del dominio) en proccto ror escalates (cf, fs) la imagen de v). A estas fonciones se les Hammar transformacioneslincales Las transformaconeslieales son el ipo de funciones mis importantes estu- diadasn el lgcbra lineal. Estas representa el prootipo de “buen eomportamien 10" (desde! punto de visla dl dlgebra lineal! de una funcién El apitulo anterior soha dedicadoenfonces aestudiat a estructura algebraica del dominio y eodom, nods estes fanciones, Este capitulo a gual que el anterior, constitye uno de os temas centtales on Lestudio del dlgebre linea 1. DEFINICION Y EJEMPLOS Sean Vy U dos espacios vectoriales. Se dice que la funcién TVau es una transformacién lineal st 1) Tpreserva sumas Te)" To)+ To) Wne V 2). T preserva producto por escalares To)=cT) Wet, WeeR En el caso particular en que V = U se dice que T es vn operador lineal. Una transformacién lineal es, pues, una Funcidn entre dos espacios veetoriales “que preserva las operaciones de espacio vectorial”, en el sentido de que: 1) la imagen de una summa de veetores en su dominio es la suma de las imagenes de cada uno de los vectores, y 2) la imagen del producto de un veetot en su dominio por ‘un escalar es el producto de la imagen del veetor por el esealar. Esqueméticamente EJEMPLO1 TRANSFORMACIONES UNEALES 279) —_——. (7 preerv suas) CG) - la siguiente “observacién pteliminat” se obtienen algunas consceueneias mediatas de la definicidn de transformacién lineal OBSERVACION PRELIMINAR. Sea 7: V > U una transformacién lineal Entonces (preserva poet por vesars) 1) TO) ~ 0 (imagen del veotor coto en Ves el veetor cero en U), 2)_T(-s) ~ To) (la imagen del inverso aditivo del veetor v € Ves el inverso aditivo del vector T(v) € U). 27) Yaw} = F eirty, donde, ex.s .s6¢ €R a a Won wer (preserva combinaciones fincas de vetores enV Enetect 1) TO) = TO + 0) = 710) + T(O) En vista de a unicdad dl vetor cero en Use concluye que T0) * 0. 2) Tea) = NH) = CTW) *-T0). 3) Exe resultado se obtiene por una aplcacinrepctida de la definieion de ttansformacion lineal. Se deja al lector qe d& un argunento detallado que rucbe eta propiedad (vas observacicn enlascecion | del captilo 3 sobre «in se define una suma de nvectores enn espacio vectorial) Elresto dela presente seccin se dedicat a ver vatios ejemplos de tansfor- raclones lineals. Algunos de ls ejemplos que se dain seri “teviales™ (pero lmportantes de considera), algunos oltos serin (no trivales y) analiticos y también se vrd un ejemplo puramente geomético de una transformacia lines El primer ejemplo que se vers (unode fos ejemplos triviales) es latransformacién ‘cero: sea T: V~ U latransformacién tal que Ti») = OV v € V. Entonees Tes una transformacion lines] pues Th +) =0=040= TM) 70) y Tees) 0 6-0 eT) Se denotara a esta transformactén por 0.280 suceenaunenL EJEMPLO2 (Otzo ejemplo (también trivial como el anteriot) esté dado por Ia transformacién , dentidad 7: V + Vaefinida por Ti») ~ vV v € V (obsérvese que Tes un operador Tinea!) Tes una transformeciéa lineal puss Te tw) = wt v= Te) + Te) Tien ~ ev = eT) Se denotard esta transformacién por Id (o més explicitamente como Id). EVEMPLOS Véase ahora un ejemplo geomstico. Considérese de transformacién 7: Rt —+ Re efinida de le siguiente manera: para v= (x,y) € R, Tl) es el vector de R? que geométricamente representa la teflexidn del vector vtespecto del eje x Te) EJEMPLO4 rsa Nea Ta) De una manera similar se puede ver que T preserva producto por esealares ¢ — Tener Thasromuacionesuneates 281 ‘Se puede hacer una descripcidn analitica de la transformacisn antetiory veriftcar “analiticamente" que se trata de una transformacién lineal Obsérvese que de modo que nuestra desetipeisn analitca de Tes: TR Re Tes = @-») ‘Tomese v; = (2 y), w= @, yy verifiquese que Ti, +3) ~ To) + To») To tv) = MG, 9) + OY) = Tee xy ty) =O OH YD ta ayny’ = Tv) + Tv) Similarmente, sie € R G9) + 0%, -y) Tees) = Nex, 9) = Mex, ey) = (ex, ~cy) = (ex, -y)) ett, 9) = eT) (Considere ahora la transformacién 7: R? — R® dada por Te, y, = Qx+ By ~ 42,44 2y +2) ‘Scan vs = (Js 2), (sy 2) dos vectores de R?. Se tiene To #1) NG D4 Oy z= Mere ytyze2) FOR+ FIG ty) dere), xte 420+ y) 42429 = Qe v4 By By 42—4e,x4x + 2yt2y +242) = Qed By dg 42x! + By’ = de xt By eZ HY H2y' +2) © r+ By de, 2y +2) + Ox +3y! de’, + 2y +z) = M2) + Tee y,2) © Te) +1)282 AuceeRALNEAL EJEMPLO5 imilarmente, sic € R Teo) “Te, y,2)= Tes, oy 2) = Qex+ Bey dex, ox + 2ey+ e@) $oQx +3y- Ae, 2y42)* ed = eT) Jo que muestra que Tes lineal Reeapacitese un poco sobre este sltimo ejemplo, Considérese la mattiz.A de Bene 234 [Pad] an Al escribir los vectores de R* como mattices n * 1, se tiene para ¥= (&, 2) wf? 3-47)" |. pore ay - ae wf Y]-feas4) ; precisamente el veetor T(v) € or tanto, otra descripcién que se puede dar de © Myx). Tey + ¥) = AW +) = Av, + Ave = TH) + TO) Teer) = A(ev) » cAv= eT) ay Jo que muestra como antes, con un ahorto eons Tes lineal Mis genetalmente, considérese la transformacién T: Ré -+ R dada pot To) = Av donde A es una mati m x 1 (9 € Rr oa, una matin I, de modo que Aves una maiz 1 obisn, Av © Rel imagen dev bajo D- 7 es una transforacin tinea puesto que sign slendo vi tos rms (12, Exices un esmpo importante pues se vet despés(sccin 3) que siendo 7 bnatzansfomaetén inal dl espacl Vde dimensional expaci U de dimension idas en este caso TRANSFORWACIONESLNEALES 283 1m, se podré asociar-a esta transformacisn (por medio de bases coneretas de Vy U) ‘una mattiz A de orden m Xn, de modo que 7 “puede verse” como la transfor rmacién de ejemplo anterior. Considere ahora latransformacién T: P, ~ P, dada por Tsp donde p’ denota ta derivada del potinomio p € P, Mis explicitamente Tas + ayx+ tag") * a+ ase +. nage ‘Tes una transformacién lineal pues: 1) Tees ps) ~ (s+ pa = pi + pi ~ Tp) + Tip). (La derivads de una suma de funciones es la suma de las detivadas de cada una de las funciones.) 2) Tep) = (epy' = ep’ = Tip). (La derivada de una constante por una funcién es Ja constante por la derivada de la funcién.) ‘Sea ahora ¥= C((a, b), el espacio de las lunciones continuas en el intervalo [a, 4), Definase 7: V + R como =f, sonte (Que Tees una transformacion lineal se puede verificar (como.enel ejemplo anterior) usando los conocimientos del curso de edleuto. D ThA) = PGi A eone = f'4 + eon =f foods + f. "pena = TH+ Te) 2) Te) =f 'ccponde =f Popeade = of “foous = ery) cen donde se usa que ta integral de una suma de funciones es ta sia de las integrates de cada una de las funciones y la integral de una constante por una funcidnes la constante por la integra dela funcisn (“as constantes salen del signo de integral”) ‘Véase ahora un ejemplo de una transformacién entre espacios vectorial que no eslineal .284 Auccenaunem. EJEMPLO8 Sea T: R? IR la transformacién dada por Tes yaxtyel Setiene Tey) + Wy)" Ter xsyty)extetyty tl Pero) Tea 4 Teyyyext ye lex ty t Lest x ty tye? emodo que Tey) + yD) #1 + Ty) por lo que Tno es entonees una transformacién lineal. Para finalizar esta secon se ver un resultado bisieo sobre “construecisn” de teansformacioneslineales, el eval se usard posteriormente durante el desartallo {ell teoria que sobre transformacioneslineales se hard en este capitulo. TEOREMA 14 Sean Vy U dos espacio vectotiaies, en donde Ves de dimensisin finiia (Gigase que din V =n), Sea = (v3, »¥) una base de Vy sean ms, 1,» «yy Veetores cualesquiera de U. Existe na tniea transformacion lineal 7; V+ Uta que Ts) = yf 1,2, 9 DEMOSTRACION Patacl vector v € V, existen tinicos escalates 4, 03, » ds tales que ve cay # Onin cata Definase 7: ¥ + Uponiendo Thy) = Maus + cay ++ aay) = ay Fe ote Obsérvese que Tu) TO v6.4 Ley. 4 Ov) =O tee Pett Oo th de modo que esta transformacién Tposee la propiedad requeridaen la conclusion, el toorema. ‘Vease que Tes una transformactén lineal. Sean v,¥" € V, digase que ve cay + cata +... + Oy V tains aint... + at TRANGFORMAGONES UNEALES 285 Entonees Ve =(ay+ ain + (as4 adv +. + (autos), de modo que Tet v)= (a * aust (on ag +. # (te # Oe = (aay # ante +... Pata) * (al + a = T+ TW) tte. + ote) SiceR Tew) = Mean, + cars + «+ 004%) = cout + Cet +. + Cea ofea + aus + + ant) * OT) lo que muestra entonces qug Tes lineal. Pata probat a unieided de 7, supongomos que T: V -+ Uesuna tansformacisn lineal con la propiedad Tw) = uy i= 1, 2,... 2. Entonces para cualquier ¥ € V, setiene To) = Row, + avr + .. tau) ~ Td + oats) +... tay Mo) t T es lineal att + ote +. ally ® TO) es decir Ty) = Te) ¥ v€ V, lo que signifies entonces que P= 7, ‘Una consecuencia inmediata del teorema anterior se emineia en el siguien corolario, cuya demastracidn se deja como ejereicio para el lector. COROLARIO Con fa nolacion del feorema 1.1, si Ti y T: son dos transformaciones lineales tales que Ty) = T0),j* 1s 2,.-.91 (Ty Ts eoineiden en los Se EJERCICIOS (SECCION 1, CAPITULO 4) 1. Determine cules dels siguientes transformactones 7: RP -+ Rson lincales 9 Te y= b Ta yex286 ALccenauneaL 9 Mayr. Ty) = Se 4. © Tey) = 3a- By 9 Ty)=1 Deter eudes de las siguiontes transformsciones T: Rt ~ RE son fneales ) Tay Gr yxy b Ty) = x8) ©) Tax» ) Ty) @4y,0) ©) Ty) =@x=y, Set dy) Dd Tay) Oy) Determine cues dels siguientes transformaciones 7: R> ~ R2 son lineales 9 Ted GD B Te yd= ty 20,0) ©) Mey." Ort y-23u-y 2g 29432) ® TH yD GYthE2) 9) TD" O09 Tuy d-tyt2 LD Determine cules de as siguientes transformaciones TPs ~+ Ps on inesles 8) Thay t aye aa8)~ at ast +? b) Tet ait+ ax) =a 5+ ©) Teas tae as) = (as 4.4) + (4 a3 + a (0,4 02) @) Tae ase} aye) = ay + at + a+ 0? ©} That ae + a» (ao +a, + a)? 1D Thaw + a ast) = (ao~ a) * Ade (aa + (ao= a) 5. Considere Ia transformacion T: Mysx ~+ Myen dada por (A) ~ A'(a transpuests de Ta matri 4) Demueste que Tes una transfortmacin lineal, Sea B una matriz cuadrada de orden n. Consider la transformacién T: Mayen —> Mur dada por TA) = AB ~ BA (B es una matrz fija de oréen 1), Detavestre que Tes una transfomacin lineal, Cuil e la imagen bajo esta transformacion de ua mate de fordenn que conmute can la maiz B? Déal menos dos ejemplos distintos de matrices A para las cuales 714) = 0. 1 8) Consdere la transformacisn 7: Myey ~ R dada por T(A) = tr A (la az de la atria ), Desneste que Tes una teansformacign BY GEST: Mana ~> Ry T(A) = det A una transforma Demisest que la trasformacion T: Re R dada por lineal? Mey Bye y B= OI 4 OE aK (4, «da son gonstantes dada) es una transforma lineal, CComprucbe que la teansformacién 7: C2R) ~+ C(R) dada por T= af" taf’ +af 10. on on On 14 15. 16. TRANSFORMACIONES LneaLes 287 (as,21, 450m constantesdadas) es une tansformacién Tine Sean T, y T; dos transformactoneslineales del espacio vectorial V a R. Demuestre {quel transformacign S: V-+ R® dada por Sv) = (Ti(), TQ) es uns transtormacicn Tinea. ‘Sea V un espacio vectorial de dimensitn I y sea T: ¥-+ Vuna tansformacin linet. Demuesire que existe un escalarc € Rtal que Ty) = ev v € ¥. Sea 7; V ~ U una transformacin lineal del espacio vectorial Val espacto vectorial U. Sean vy, va. -, ve Veetres de Vales que T(.), Ta». » Fos) son vectores Tinealmente independientes en U, Demuesire enfonees que vs, ¥ +» Ye son linealmente independiones. :Es vida la afimaacion reciproca? Sea T: V+ U'una transformacidn linet del espacio vectorial Val espacio vectorial U. Sean vy, vi «+ «yw Veetores de V tales que las imagenes 7), Tea), - «5 TW) _generanal espacio U, Demuestre que Tes sobreyectivs, estos, prucbe que dado u € Vexiste v € Vial gue Te) =u ‘Sea T: V > U una transformacién lineal del espacio vectorial Val espacio vecto- ral U, 8) Si Ves unsubespacio de, demuesre que TW) = (we Ulu = Tw, eH) es un subespacio de U. Si Us esi subespacio de U, demueste que TW) = Wve VITW) EU cesun subespacio de ¥, CConsidere ta siguiente deseripeién goomética dela transforimackin 7: RO — Re pa tun vector v € Re, T() es el vector de R? reflexinrespeeto del ee y del vector v. y 8), Demueste que Tes una transformaci6a line 1) {Cuil es Ia imagen bajo To los veetores que se encuentran sobre el eje y? Sea T: Rt + RE transformacisn 7, y)~ 0) 4) Denauostre que Tes una transforma linea. 1b) Dé una descripeidn goomética de 7. {©} {Cusles la imagen bajo Tde los veetores que se encuentran sobre el ee y?, de as veetones que se encuentran sobre el eje x?288 A.cconA NEAL 17. Sea TERE ~+ Rela transformactén M9) = (5-9): 8) Demuestte que Pes una tansformcicn lineal ) Dena deseripcin geométrica de 7 18. Sea T: R2 + RP una transformacidn lineal tal que TEC, 0)) GD. a) Demuestre que Tes by Obtenga la imagen bajo Tel vector (3,4). ©) Obtenga is imagen bajo Tde un vector evalquers (xy). 19, Sea 7: Re Re fa transformscisn lineal tal que T12,3)) = 3,1) y TQ, 2)) Calcule 12,29. 20, Sea T: RY -+ Pla ransformacién lineal tl que TAs teres EQ, 0,0) ~3 x38 T(0,4,5))=2# 3-8 3)¥ THO, 1) = Cateule T(2, 4, -2), 21, Demuestreel eoeolari de teoremna Il. 22. Sed T: V+ Wena transformacion lineal del espacio vectorial Vde dimensinfinita al espacio vetcial W. Sea B = [, 2. s} tna base de V. Suponga que T(.) = Ton) =... = Tin) 0. Demuestre que Fes a transformacion cero 23, Sea 7: V+ Vun operador linea en el espacio vectorial Ve dlmensidn init. Sea B = (vi Ys +s) ua bose de V. Demueste quest 7) = v4 = 1, 2s» 4Mentonces ese operadoridentidad en V. 2. NUCLEO E IMAGEN En la secein anterior se ha estblevd la dsfiniciin de ransormaciin fins y cha iestado est concepto con vatios ejemplos partielates, Se vo también un reorema bisico, que es cl primera de muchos resultados ineresanes que se oblendrin lo Tago do est capil En esa seccin se comienza frmalmente el estudio de ls transforms lineates.Eistn dos conecptos fundamentals que intrvienenen estes, que se refferen a dos subespasios (uno del dominio y oito dsl eodominio), cuyo conocimiento report una gran catdad de informacion sobre la “estructura {tera do la transforimacin nel en considracn, Estos subespacios,euyos nombres dene tla a est soccién, aparescrin continsament cn a tora que clesarollanaen ese capt, Esta, pues, la secein en la que se aborda de leno el estudio del teri de transformscioneslineals, DEFINICION2,1 Sea T: V+ Uunaitansformacién linea del espacio vectorial Val espacio vecto- rial U. Definase el nicteo desta transfo wen, el eusl se denotani por Ker T, comes | TEOREMA 2.1 Taansronmacionesuneaes 289 el subeonjunto de V dado por Ker T= {ve V|T0)=0} = TO) Se define tmbién la imagen de la transformacion T: V— U denotada por Jn T como el sbconjunto de U dado por ImT= (uw € UL Ave V, tal que Ts) =u} Exquemiticamente estos conceptos se ven como, v a Nota: Paga una funcién ft A -+ Bel conjunto A al conjunto B, se tiene definido el eoneeplo de rango de la fancién como el subconjunto de B [D@B\3a € Atal que sa) = bh ‘Con esta perspeetiva lo que se ha definido como imagen de una transformacin lineal T: V -+ Uses procisamentc el rango de la funcidn 7: V+ U. En cl algebra lineal, la palabra “rango” se destina para otto uso, el eval se veri en esta misma Para una transformacidn lineal 7: V -+ U,el nicleo y, la imagen no son slo subconjuntas de Vy U respectivamente. Resulta que éstos son subespacias, Esto 8 lo que dice el siguiente teorem: Sean Vy U dos espacios vectorisles y 7: V-+ Una transformacién lineal Entonces ker Tes un subespacio de Ve Ji Tes un subespacio de U. | DEMOSTRACION Seanvy vette de Ker Tyenonces TeV) =T9)+T) +040 a “0 (pues Tes lineal)290 suceenaumea. EJEMPLO1 Entonees v + € Ker. Similarmente, para c € R Tier) = eT) = 0-0 lo que prueba que ev € Ker T, y entonces Ker Tes un subespacio de V, “Témese ahora u, w' € In T- Esto significa entonces que existen v, ' € Vales que Ti) = u, Tv) = w, Por lo tanto, Tw) To) 4 TW) eu tw logue implica queu + u’ € In T (pues existe v+ v € Vial que Tv + ¥) = w+ w), ‘También, sic € R Teev) = Ty) = cu lo queimpliea que cu € Jm 7. Enlonces Im Tes un subespacio de U. ‘Véanse un par de ejemplos ‘Sea T: R? — R? la transformacién Toyo" (er2yt a dety-25,-1- 79-69) ‘Se vetifica ficilmente que Tes un operador lineal. Se propone deseribir expliitamente su nicleo y su imagen (halla, por plo, una base para eada tuna de estos subespactos).. Por definicién Ker T= (Cy, Ts y= 0) FUG WOO 42) tz Bet y- 2 Ty - 62) = 0} Por tanto, el vector (x,y, 2) € R?pertenece a Ker Ts, y silo si xtaytze0 Br+y-22-0 we Ty- 6280 Este os un sistema homogéneo en ls incdgnitas x y, zevyo espacio solucién es precisamente Ker 7 Resuélvase por el método de eliminacién Gaussiana TRAVSFORMACIONESUNERLES 291 10-1 o 1d an) dedondex= t, y= ~1,2= 4.1 € R, presenta la solucisn del sistems. Entonees se concluye que (x y, 2) € Ker T'si y solo si DG 98-1, teR El vector v = (1, -1, 1) es entonces una base pata el subespacio Ker T (que gcométricamente representa una recta que pasa por el origenx= 1, =f,2" 1,1 eR). Deseribase ahora Jn T. El vector (b, ba, bs) € dm T's, y silo si existe (x,y, 2) € RY, tal que xe aytendy Brty-2e= bs -x- Ty = 62 be Procédase por el método de eliminacién Gaussiana para deseribir e6mo tiene que ser el vector (0, b, bs) © RD para que el sistema anterlot posea solucién 121 b 31-2 & 1-7-6 b Por lo tanto, el sistema tiene solucién si, y sélo si Ab bat bs=0 Osea (9.9 € nT = 4x~yr2=0 obien, Im T= (x, y,2)|4x-y +20) (Gubespacio de RY que geométricamente representa un plano que pasa por el otigen; el plano 4x - y+ z= 0),292 A.seonA Linea ‘Una base de este subespacio se puede obtener sise esctibe el vector (x, 9,2) In Teoma (5 4e+ 22) = (14,0) +20, 1,1) los vectores v= (1, 4,0) y vs = (0, 1, 1D constituyen una base de fn 7. EJEMPLO2 CConsidere ahora latransformacién 7: Mz-2.—* May dada por (fe DE gis: Se deja al lector verificar que Tes lineal Deseriba su niicleo y su imagen. a 6c od oe ee an fide ba. aoo oft afeisisce © a + 3b + Se + Od Sevens atbeerde0 2a+3b+4e+6d=0 a+3b4Set9d=0 Alzesolver este sistrna se obtenen los valores deb, ales que [: d € Ker. Al ptocodet por el método de eliminacién Gaussians, froarop a) 1 0 dedonde a=ct3d b=-20-4d Portanto, Ker T = {2 ‘ € Mra|a = 64 3d,b re -2e~ «} TRANSFOAWACIONESUNEALES 293 Una base de este subespacio se puede obtener esctibiendo are a a) sewn [| Src [ ffntntnanete nnicleo de 7: x Por otra pate el veetor| x1] € My: pertenece ala imagen de Ti, y slo si existent ae Mortal que le DE eei¢)- By asbeetdex, esdocir, 2at3b+ 40+ 6d= a+ 3b+Se49d= x, ‘Al resolver este sistema se obtiene Pirin 10-1 -3 3u-m 2304 6 wl. -]0 1 2 4 men 13.59 % 0 0 0 0 3x-25 +4 Poo we est | € Msp ns los Bn -2e t=O ff Una base de J T'se puede obtener eseribiendo Esdocir, cueisa-anvn-ol294 AuoeeRAUNEAL Ht yp Seven ques veces | } ol f} one indepen 2 por lo tanto Forman una base de In T: 2.2. EL TEOREMA DE LA DIMENSION DEFINICION2.1 Sean V y U dos espacios vectoriles, V de dimension finita y T: V+ U una teansformactén lineal, Se define fa nulidad de la transfottmacisa conno la dimen- siénde sumicle,y el rango dela ransformacisn como la dimension desu imagen, EJEMPLOS Por ejemplo, para la transformacion 7: R? -+ R? Te yy2) = (e+ Dy +z, B+ y~2e,-x= Ty 6) vista anterionmente se tiene Nolidad de 1"= dim Ker T= 1 Rango de T= dim im T= 2 yumm FM Hn f(t aj-eisiete Nolidad de T'= dim Ker T=2 Rango de T= dim Im T= 2 se tiene El siguiente teorema dice emo estin relacionadas la nulidad y el rango de una transformacién con Ia dimessién de su dominio (en el caso de que éste sea un espacio vectorial de dimensién finita). TEOREMA 2.2 (Elteorema de la dimensidn.) Sean Vy U dos espacios vectoriales, Vde dimension finita. Sea 7:V —+ ‘Vouna transformacién lineal. Entonces | | rangode P+ nuda de din ¥ | | CTRANSFORVAGIONESUNEHLES 295, DEMOSTRACION? Sea P, = (vi,™,-+-5¥4} una base de Ker T. Se sabe que existen vectores Vi, en Viales que B: (Vi, poe Mas Mt Yad cestuna base de V (teotema 5.3 capitulo 3). Se demostrars que Bs * (T(¥n), + T»)} es una base de Im 7. Esquematicamente se tiene la siguiente situacisn: ket ‘Véase primeramente que los vectores de fy generan Im T. Sea u € Jn T. Existe entonees v € Vtal que T(y) = Para el veotor v € Vse eseribe v= Bu tO. + B+ Beata tt Bn (pues Pires una bass de 19. Emtonees = Ty) = TB + BaF + Bevan + +B) = 8,T(1) + BT) +--+ BN) + BoM) +. BATH) Pero Tv) ~ += Tis) = 0, pues, vig... , son vectores de Ker T. Entonces = Bes TEin) + # BAT Joque prueba que Tvs)» ++ Ts) generan a fo 7. ‘Véase ahora que estos veetores son linealmente indepet combinacién lines tes. Tomese la cuuTQvas) #2 65TO) =O Se debe mostrar que Cn =... = c= 0. La expresisn anterior se puede reeseribir ‘como (usando el hecho de que Tes lineal) Tewavaer + Ca¥) = lo cual dice entonees que catia tet Gam € Ker T ‘se presenta la demostacin en leas ene! gue Ker Tes un subespio no ava dW. La demotion en los eases en gue Ker T= (0] © KerT » Vse deja como ejrieio pel esto.296 A.cceRALNEAL EJEMPLO 4 Pero los woétofes ¥y Ys, Ye Constituyen una base de Ker T. Existen entonces. escalates ci, ¢3, «++, Gy tales que Cont Ma eset Gale OME NH Ha cexprosign que se puede reesetibir como, ene eate te Fae (Acuna te HCC ero los vectores vi, iy.» Yeconstituyen una base V. En patticular ellos son linealmente independientes, Entonces la expresidn anterior implica que sasd ? Lo que muestra que T{v.),--- » 10s) Son linealmente independienivs y que por tanto constituyen una base de Jn T. Se tiene entonees que Nulidad de 7~ dim Ker T~ k Rango de T= dine In T= n= & ds mod que ; : Rango de T+ nulidad de T= n- k+ k= n= din Veomo se queria demostear QED. Para las transformaciones lineales de los ejemplos dados anteriormente se tiene TRB Tea, 2) (04 Dy #2, et Y= 2s, -¥- Ty 60) rango de T+ nulidad T=2 + 1=3 = dim RP y Ti Maa —> Mos at beet d) ff igi gig] a @ + 3h + Se + Od tangode T+ nulidad de T=2.+2= 4 = dint Mes. ‘TRaNSFoAMACCNESLNEALes 297 EJERCICIOS (SECCION 2, CAPITULO 4). 1 2 Demueste que el nicleo y Ia imagen de una tansformacidn lineal son siempre conjuntos no vacioe ‘Considere la transformacion lineal D: P ~ P (Pes el eepacio vecarial de tots los palinomios) dada por Dip) ph desivada de polinomi p). Desriba el nee de. CConsidere fa transformacién lineal 7: C(f-r, x) ~ R dada por TH = ['foas Comprusbe que cos x € Ker T.Desciba en genetal el tipo de funciones del espacio (C(-t, ) que pertenzcen al ncleo de 7. Sea T: V~ Ula transformactén cero, descrba el nifleoy la imagen de 7. Sea T: V~ Vel operator identidad en V, describ el nice y la imagen de 7 Sea 7: ¥~+ Runa trnsformacidn lineal del espacio vectorial Ve dimensibn. 1 a tos reales, suponga que existe un vectornonulo € Veal que Ti) # 0. Demuestreentonces ve TU) # 0 para todo vectorno nulox € ¥. Sea 7: RP ~ a transformacin tinea al ue 711, 1)) = @,0) ¥ TWO, 1) = (1,2, Aemucsre que tantoel nicleo como la imagende Ton retas ene plano xy qve pase por ef tigen, Encuentre las ceuacianes de ests recs, Soa 7: RE ~ Re una ransformacin lineal il que (G3, 2) = (0,0) ¥ TW. 3) = ©, prucbe que el micleo de T es una rec eh el plano ay que pasa por el origen Eneuentre su ceuacién Sea TR) ~ R? una transformacién lineal tal ue TL, 1,0) = 70,2, 1) =(0.00¥- T-1,2,8)) = v #0, demuesie que el nleo de Tes un psn en R? que pasa for el igen, Encuentre sb ec ‘Sea 7: Re ~ Ra transformacién lineal T(x)» AX, en donde A es ita maiz m *n, én guardan el nile de Ty el espacio soluciin del sistetna homogéneo de ‘cvaciones Hincales AX = 0? Sea 7 Mary ~+ Myxa la uronsformacién inal coef? maa secon 8 [2] Deserita el nicleo de T, Sea 7! Meay — Mons la tansformacign lineal Tl) =A ~ At 8), Demuestre que Tes una tansformacidn linea 1b) Deserta et mele y ts imagen de 7. Consider transfonacion linea T: Rt + RE Tey 8, %,.4) = (4) = 420) + 3xy.m1 BHF Ay + Se) 8) Demuestreque y= wer. 1) Comprucbe que la imagen de Tes Re 1, 10)y uae (2, 1,0, 1 forman una base para el nsele298 AuseerAunea, 18. 19) Sea = (a, us} 1a base evalquicra de R%, demuesie que existen vestores vy ven Re tales que To)" mr ¥ TW) >a 18) Provbe que B= {vi Y4} estima base de Re Sea T)R? —+ RP una transformacisn linea! euyo niicteo es una rein en Ré que pass porelorigen. Demuesite que la imagen de Tes una reta en RP que pass pore Figen. ‘Sea T: Ri — RY una tansformacin lineal euya imagen es un plano en RP que pase porel orien, Demuesir que el micieo de Tes una reeiaen RD que pasa pore origen Sea T: ¥— Pun opersdor lineal enel espacio vectorial Vdedimensiée nit, supongs ‘que fin Tes un subespacio propio de V. Demuestre que existe al menos un vector ¥ € no nul tal que To) = 0 ‘Sea T: Rt + Vuna ransformacin lineal de R al espacio vectorial ¥, suponga que Jn Tesun subespacio de Vde dimension 2. Comprucbe queno existe v € Vio nila tal ue Ty) =0. ara cada una de las transformaciones lineales siguientes, determine bases pata su hcl y su imagen, y vetiique en eada caso que se satisfac el teorema de la imensidn. 2) DRE RAT) = +H“) by TRY RTD = ty -BE-Y-D ©) TR +B, Tyy.d = 4 He 2e4 29429) @) TERE RY, TE,y) = (FY SET SEHD 9) TR RTD" Er HA TOY D pia ori ARE -+ RYT) = AKendonde A eslamattiz| yy -2 582-7 12 34 TRE RY,TO~ Aen donde A eslamatic) 5G Ta By TPL Py Test axtaxt +ax)=ata tax at ) RAPID D) TP Pa) =P 1) Ti Maa - Miay MA)" A 1) Te Mya - RT) = 0rd 1 04 1) T) Mya + Myo, TU) = BA en donde Besta matic] 11 ° wy raienal[t S]]ermecese ‘ransrorcionesuncaies 299 3, REPRESENTACION POR MEDIO DE MATRICES Considérese Ia transforma Te Re = Redada por f n= ax on en donde Aes a matte orden mn ; ge[oe me a y se esti pensando en el veotor X= (ti. ++ 4%) € R" como la matrizn* 1 (similarmente la matriz m 1 AX es el vector en Re imagen de X bajo 7) ‘So ha visto eh la Seccisn 1 que Tes una transformacion lineal. En este caso se dice que Tes la transformacién de “multiplieaeién por la mairiz A”. ‘Véase ahora que pata las transfortnaciones lineales de esta forma resulta ua trea muy sitmple deseribir su nicleo y su imagen. Primeramente observe que e Ker T= {X € R°]AX= 0} espacio solucién del sistema homogsneo AX = 0 Esdecit, para desctibirel nieleo dela transformacion (3.1), Is solu tienen quedeseribit 1es del sistema homogéneo de m: ecuaciones lineales con m inedgnitos AX=0. ‘También se afirma que ImT= espacio linea de A’ En efecto, supdngase que el vector ¥ € R pertenece a In T. Esto signif existe X € Retal que TUX) = AX» ¥. ‘Mis explicitamente, existon.X, 2, «++» Ae (las coordenadas de X) tales que aut # aye to. taint gn [ami t aun te + diate300 ALceERALINEAL TEOREMA 3.1 EJEMPLO1 oben, veuf@ [4 u[@]s.c+n)%] aa Obsérvese que los veetores (ay yy. 5a) € "I= 1,2, + «518,800 los veetores linea dea Resutniendo, ls expresin (3.3) dice que el vector ¥ € Re pertenece a In Tsi, ¥y silo si ¥ puede eseribirse como combinacién lineal de las veetores linea de A En otras palabras, ¥ pertenece a Jn T's y silo si ¥ pertenece al espacio linea de A. Esto prueba la afitmacisn, Entonces, se ha demostrado el siguiente teorema: Sea A una matrz m xy sea T: RY -+ Rea tansformacisn lineal 1X) « AX. Entonces 1) Ker T= espacio solucién de AX = 0, | 2) Im T espacio linea de A’ Porejemplo, sea 7: RY + Rédada por 7(X) © AX donde A es toa 2013 . “3-14 8 3042 Para desctibir Ker T esuelva el sistema homogenco AX = 0. ioe 02 oe -1 1 1 3 oeal 3-4 sl7-" 7/0 0 0 304 2 a) Las solucfones det sistema son entonees sy = -24,%)= hay = hr € Ryd modo que Ker T= [(xi830) [a 2a hye ye RY) Una base pata Ker Tes (-2, 1, 1) (Lome = 1), y entonces Nolidad de T= 1 Desetiba ahora Jn T. Pata esto tome ’y halle una hase de sv esp TRANsFORMACIONES UNEALES 301 Enlonees los vectores ¥; = (1,0, -8, 1) y Ys (Q, 1, 1,1) constituyen una base de Im T(Qcorema 7.2 capitulo 3), y éntonces Rango de T= 2. En Ia siguiente subsecciGn se veri que cuando se tiene una transtormaecion lineal de un espacio vectorial V de dimensién finita a otto espacio veetorial U tumnbign de dimensidn finita, se podri ver, por medio de bases eoncretas de Vy de U, ala transformacién Tcomo si fuera una ttansformacién del tipo (3.1). 3.1, LA MATRIZ ASOCIADA A UNA TRANSFORMACION LINEAL Scan Vy U dos espacios vectoriales de ditensidn finita, digase que dim V= ny din Um, . ‘Témese boses Bi de Vy By de U Bie (vi Yea tod Bam (ti tay 5 ta) Sea T: ¥ ~+ Una transformaeidn lineal entre estos espacios. Para el vector v € Vexisten escalares 31, Xiy «Ks ales que av tae tt on | La itmagen de vba Tesl vector 9.) =a TH) Hay The) tt eT) = Sey Mo) 64 Ty) = Thaw tam ‘Cada vector Ty), 1,2... 86 enevenita en U (més eonerstamente, en mT, de modo que exison esealares ys.» ales que Tey) = ayes * ats #.--* at™ Fay, J 1,259 os) Es decir, “ roy] | peace302 ALcesAAUNEAL Al sustitut las m expresiones (3.5) en (3.4) se obliene roy F atone Fev ane = F [E~| 66 mi BLA En vista dela uniidad dela expresiin del veetor Ts) € U come combinacin fineal ellos vectores ts, us, 5 te de la base de U, se coneluye que Lom F om ig rl (TOs, obien, Considérese Ia matriz A (ay). t afi Gy dase ie Ah, = | am) fe) | Eo | sro, Y ows A Es decir, . EJEMPLO2 (TW), = AM, en La mattiz A es tal que en su j¢sima columna se encuentran fos elementos de la rmattiz de coordenadss del vector Tly) (la imagen del j-ésimo vector de la base de V) con respecto de la base Pi de U. Trussronmacovesuneales 303 Esquemdticamente t t t A= |(Tok, TW, (mvs 1 1 1 Segiin (3:7), esta matiz.A tiene la propiedad de que multiplicada por la matiiz de ‘coordenadas del vector v € V con respecio a la base fy da por resultado la mattiz, de coordenadas del vestor T(v) € U con respecto ata base p, de U. Ato mattiz A se le llama matric de ta transformacidn T con respecto a las bases Px y Bs (A es pues la matziz asociada a 7). Obsérvese que los elementos que constituyen esta mattiz asociada a la trans Formacién Tdepende de las bases p, y P:elegidas para V y Urespectivamente. Para remarcar esta dependenela, se eseribiré: A= (Mp0, El analisis anterior queda entonces resumido a ta férmula (hol, G8) En el easo partienlar en que se tenga un operador lineal 7: ¥~+ Vy que la base del dominio y codominio sea ln misma (digase P), se eserbirda la matriz A (de ‘orden = din V) como (T]qy 58 dra qu ésta ex In mate él aperar lineal T respecto de Ia base P. ‘Asi entonees, cada transformactén lineal 7: V—» U, donde Vy Uson espacios Rt Tey, 2) = (+ By =z, Det V+ 3z,—3x~ My # Be, Bet dy + 22) Tes una tansformacisn lineal. Mis ain, si 9, ¥ Os son las bases eandnicas de RP y Ri respectivamente, la matriz do esta transformacion respecto de Bi, y Pes Men =| 3 aM Fstees precisamente el ejemplo que se estudia st iniio de esta soeeion. Con esta misma tansformacién, obtenga [7] en donde Bi = ((1,0,0),(1,1,0) (1,1, D) Pi = (,0,1, 1,0, 1,0, 0,0, 1,0, D, (1, bb D) Se verfica ficiImente (usando por ejemplo el teorema 4.3 del capitulo 3), que Bi y Bt son bases de R? y Rtrespectivamente Escriba v= 1,2,3) pata denolara los vectores det y u (7 152,34) para denotar los vectores de Bi ‘Obtenga entonces Tl), i= 1,2,3. Te) = TC, 0,0) * (1,2, -3,3) TOA) = TU, 1,0) = (43,17, Te) = TU, 1, 1)" 8,6, -9,9 Se tienen ahora que esetibir estos vectores como combinacién lineal de los YeetOTes ys ye Para ahorrar trabajo, escriba en general (21 ti 1.) = Ce + Cala + ents + ete = (0,0, 1, + ex, 1,0, 1) + ex(1, 1,0, 1) # ea 1,15 1) TRavsronmscionestneaies 307 ‘Al hacet las operaciones indicadas obtengs el sistema testa cetera tent Resolvigndalo con el método de eliminacién Gaussiana queda foorin it 0) 0) eae o1tds 0) 108 oes 10 O tom} TT 10 O LO HH m= a tHe Priin 00 0 1 HtHmm de donde fon meade = |B ae Entonets 1 4 Ure: = (0,2,-3,3m «| 3 | toads» 4,317 Ts = | 3 “4 “21 3 (Toh: = 18.6-9, 9b =| 3 “12 de mod que 143 joa 3 Wen] 5 3s 18 4-21-12 . Resulta natural preguntarsest as maleioes : 13-1 143 2013 wlio 3 i 3-14 8/% es 525 15 aa 4-2-2808 Aucesraunes tienen elguna relactn, pues, finalmente, ambas representa la misma transformas cidn neal 7: R? = Ré dada por Tex 2) = (e* 3y 22x t y+ 32, 3x ~ My + Be, 3x 4 Ay +22) Se verdenla siguiente subscecién que efectivamente estas matrices estén intima- ‘mente relacionadas por intermedio de matrices de cambios de base (véase subsec- cién 6.1 capitulo 3). Pero antes de pasar aeste anilisis, se deseatfa lamar la alenci6na otra pregunta {que naturalmente se podria plantear en base al material desarrollado en esta Dada la tansformacion lineal 7: V + U, con Vy U espacios vectoriales de ddimensi6n finita, se ha visto que se puede asociar a ésta una matriz A por medio doboses concretas Vy de U, de modo que la transformactén T puede verse como tuna “multiplicacién por la mattiz A”, Al principio de esta seccién se vio que las transformaciones de este tipo (las que son mulliplicaciones por matrices) tienen la ventaja de que su nicleo y su imagen se deseriben ficilmente en términos de la ‘mattiz correspondiente (teorema 3.1). Esto invita entonces a investigar el nicleoy la imagen de Ia transformacién T: V~+ Uvusando para ello “Ia” mattiz.que la representa, Sin embargo, es claro que este procedimientoestd sumamente comprometido conla eleccin de las bases de Vy U, puss ellas determinan la estructura de “la” matriz. que representa a la tusnsformacién. Surge entonces la interrogate: zse logran deseripeiones equiva- lentes del nicteo y la imagen de una transformacién T: V -» U independientemente de Ia matriz que la represent, esto es, independientemente de las bases que se jan para Vy para UP ‘Se verd a continsaetn que la respuesta a esta pregunta es afirmativa. Considérese entonces la transformacién lineal 7: V-» U, done Ves un espacio vveotorial de dimension n y U es un espacio de dimenstén m. ijese una base Bi ~ (v1, ¥s---5¥a} pata Vy una base fs ~ (iy Hay +5 para U. Lldmese A ala matriz m x n que representa a Trespecto de la base By Bi (esto es," (Thad: Considérese también la transformacion Ta: Ré ~ Re dada por T,(X) = AX. Se quiere mostrat que tanto el nicleo como la imagen de T'se puede desctibir ttabajando con la transformacién 7, (para la eual vale que Ker Ty = espacio solueién de AX = Oc Im T= espacio linea de A”). Considérense las funciones evar yoU Re dadas por g(¥) « (Wp. ¥ WW) = (Wp. Es decir, py y asocian a los vectores de Vy U, sus correspondientes vectores de coordenadas respecto de las bases Bx y Br, respeotivament. EJEMPLO5 ‘Transronuacionesuneaies 309 En el teorema 6-4 det eapitulo anterior (en su demostracién) se vio que tanto g como y son isomorfismas de espacios vectorisles, es decir, son funeiones Tinealesbiyectivas, Se tiene entonces una situaeién come la sig Lo que se quiere mostrar entonees es que (Ker) « KerT, yllee 7) = Im 7, Se expondri detalladamente el argumento que condueité a coneluir a primera de ‘estas airmaciones To) con una matiz de coonenadss) Aly}, = 0 (porls formula 3.8). (Gofinicion de ndeleo de Tye ‘denificaciin de [con ()). (efiniciin de @), (ne KerT, ete tte (90) € Ker T, En resumen, seha mostrado que v € Ker T = @(v) € Ker T,, Esto prueba entonces que g{Ker 1) = Ker Ty La demostracién de que (ln T) = Int Ty es simiae y se dja como ejercicio para el lector. Para ilustrar estos resultados, se refoma la transformactén, TMs Mae fe Reg] 2a + 3b + 4c + 6d a+ 3b + 5c + 9d (vase subseecién 2.1) para la cusl ya seh ¥y suimagen. Se vio que310 AseeRAUNeAL ab = c+ 3d,b=-20-4d rer-{{t ape Mes ta et Bdb=-2 +} 69 (f= in a ty J36= 283 ‘| oo (bE AE TED ~[G Ell yy deseriba Ker T'e Im Tpor medio de la wattiz A = (Th ara constniit la matt A, halle la imagen bajo de los vectores de-Ia base ibn lineal de los vectotes de la base fi. Se tiene tt D-[E] 15} a ea) ett Al hacer las operaciones indieadas se obtiene el sistema atetacs can eteth = ann ena one do modo que TrANSFORMACONESUNEALES 311 yy entonces 48 L[} 0 (8) EGE | ppor lo que la mattiz Aes: Se tiene, pues, en este ejemplo, una situaciéa como la que describe el siguiente siagraina 1 Mang > toe endonde Ty: Rt -+ Res T(X) = AX. Se deserbitéentonces el nieleoy la imagen de T (que cortespondena a parte “superior” dl diagram) trabajando con Ta (es decir, trabajando en la parte “inferior” det diagramna), El nileo de J, es, como se sabe, el espacio soluciin del sisteina homogéneo _- AX = 0, Resuelva entonces este sistema, 19 0 10 8B 1-3 2/2... ]0 1% % 2541 00 0 0 dedonde 1 78-2 nedn-3 argu - dau Esdecir, Bert fevsnmade312 facesra umes, Un vector representative de Ker T, es entonces poedeRvod eR “Subiendo” en el diagrama, por medio de g, se ve entonces que un vector representativo de Ker Tes: Hae rede he obien, Lerd 3e- ~Zerd 3end| Te3a on Zerg d Se comprucba fcilmente que esta desctipci6n coincide exactamente con (3.9). La agen Treslesqact iva de 1 a Lo -e (ir ee ise ago noeto [e245 00 8 Una base de ests dada por los vec ifor4 Bntonces un vector epresentativo de Jn Ty 8 del ipo 3 1 1 afhe 3 af 3] - {even de 39| De nuevo, “subiendo" en el dagrama, por medio de y, se ve que un vector representativo en I Tes: cyan ER desetipeidn que se comprueba con faclidad que coincide eon (3.10). rrwisronuacionesuneaes 919 Se sugiere al lector que rchaga este ejemplo tomando lus bases eansnicas de Miesy Mos Pisese enfonces ahora estudiar eémo se afecta 1a matriz de una transforma cign lineal T: V -+ U cuando se cambian las bases de Vy U. ¢3.2, CAMBIOS DE BASES Sea T: V+ Uuna transformacisn lineal, endonde Vy U son espacios vectoriales de dimensién fnita. Digase que n = dim Vy m= dini U. Scan fi y Bi dos bases de Vy fx y 6 dos buses de U. Se quiere investiga telacién que existe entre las matrices (Mh. y (vos Para esto, recuérdese la subseccién 6.1 det capitulo 3, que si Xes un veetor de V, existe una matriz inversible P de orden m (la matriz de eambio de base de By a Bi) tal que PUD, = 2p: Gan Similoimente, pata cualquict vector dado ¥en U, existe una matt de orden m (Ia matriz de cambio de base de Pa 6 ) tal que inversible Q Ub, = Oe Gua) Sesabe que para cualquier vector v € Vsetiene - (1), Tes 6.13) Me * Cts: oH Seqin (3.12) s puedo reseii (lado inguetdo de) la exptesin (3.13) como QMO, « Mason Al sustituir (3.14) en est 1a expresién se obtiene Mail Finalmente, segtin (3.11) se puede reeseribir esta expresion como (sustituyendo (1p; por Plvlp)). (Mo.le, QTx: Pole, * (solr,314 Auceeneunent TEOREMA 3.2 ‘COROLARIO DEMOSTRACION EJEMPLO 6 Esta expresidn es vilida para todo vector v € V.Entonces se puede coneluir qu (he, = O'Mbt Esta sla relacién que se queria establecer. ‘Sc ha probado entonces el siguiente teorem Sca T: V ~+ U una transformactén lineal del espacio vectorial V de dlimensién n al espacio vectorial U de ditmensiéa m. Sean Ps y Bi dos bases de Vy Bay Bi dos bases de U. Si Pes la mattiz de eatnbio de base dea Bj (deoxdens) y Qes la matiz de eainbio de base de Psa Bi (de ‘orden m), entonces las matrices de la trnsformacién Trespecto de Bi y Bay respeeto de Bi y Pi estin relacionadas pot Moa. Q7onP loequivatentemente Sea T: V+ Vun operador lineal y sean 6 y 9" dos bases de V. Si P es la ratriz de cambio de base de Py B entonces (y= PUT GB.19) En este caso U= Vy P= Pz-Elresultado se sigue entonces del teorema anterior QED. Para ilustrat este teotema, tome la transformacién del ejemplo dado en la pdgina 306 de esta seccién TR oR Tha, y, 2) * (C4 By = 2,284 y+3z, -3e~ Ny Be I+ Ay +22) Se tenla que 131 4 2013 (su -|§ 14 8 304 2 WSiAy B sonmties mX ny Kes wo man 1s toe: AX ® BK VX € My = A= B Par vert tata tet = 32, dae 20 eres dea base cane de Mo er que AX; = BY dice ques j-ésinascolirmnas é Ay Beciciden, Travsronuacionesumeates 315 de donde By fy eran las bases eandnieas de RP y Rérespectivamente, Es decir, B= ((1,0,0), 0, 1,0), (0,0, 1) Br (1150, 0,0), ©, 1, 0,0), 0, 1,0), 0,0,0, 19} Si iy Bi son las bases 8% = (0,0,0,(1,1.0),0,1, 0) BE = 10,0, 1,1), (0, 1,0, 1,0, 1,0, 1,0, 1, 1, 2) de R? y R¢halle [7]; usando el teorema 3.2. Llame vty, 4/, = 1,2,3,j* 1,2,3, 4, alos vectores de las bases i, Bs: Bi y Bi respectivamente. Si Pes la matiz de cambio de base de Ba Bj entonces Pes la mati de catnbiode base de BaP, Estaihia mattizes fill de constr pes lo vectores ¥ eoinciden eon sus vectores de coordenadas respecto dea base i (Poss Ps Ia base canfinica de R?).Entonees bad oO lee Oona Similarmente, construya la matriz Q* (matiz de cambio de base de Bia P;) ‘eolocando en sus coluinnas ls coordenadas de los veetores uf (que eoineiden eon sus veetores de coordenadas respecto de Ia base eandnica Pi) 0 0 nese @ 10 . to Obtenga Q=(Q")" oo11;1000 1000; 0-101 O1ttj|o100 O1o0}/-1 100 roo 1joo1ol"~~fooro; 1-1-4 14 11iijooor Ooo1;oii-t demodo que “101 10 0 @ -b-lot tA316 Auceenaunem, Entonces segiin la férmula 8.15) se tiene que [210 olf2 i alpen: tw emer = 2 OZ ag affo dt r te-i-t ifs -4 af[@ tf or a-ilfs 4 2 143 afi a3 5 8 41 -B ‘resultado que coincide con el que se habia obtenido ditectamenteen la pigina 307. EJERCICIOS (SECCION 3, CAPITULO 4) 1. Alusarelteoreraa 3.1, describs el ndeleo la imagen dels ransformacioneslinales siguientes: orwwnoearae[t $a] elas. b ERR TAK A= ]6 7 1 17 0 224 1 302 A Ot 1) TRB TAK A=] 2 1 4 3 “0-4 “10 -10 see ea 2, Enouentte fa matin asociada a cada una de las transformacioneslineales siguientes, respecto de las hases eanénicas do los espacis correspondientes a) BRR Tey) = Gx- 29,5849) b ERR Ta y,2) = (x+y 2,34 dy 22) Oo TR=R Te, y.2) = (Qe ty =z, 384 2y~2e, 8x9) @ BRR Tey) = Qxt yx- 3459) © BRR Te y2m=G+y2+H) DER =R Tei Ay Xe) = 454 Diy = 3H By | ERR Ty 5g 8p 4) = (4 Ha HED by BPP, Tp) =3p Transronmacionestineates 317 a TRAP, Ta, bys a+ be TAR Tag a4 ast +a,2)* Ray a, +05, 5 ~ 2a Saya) Wy TPB Tp) (4x +x+ Dp D TMs = Mos aye gs] syJerstscea ©) TMaR TA) eer m) TM My 2) Teg +R Sean Vy Uespacios vectorates de dimensisn finita y sean Py 6 bases de Vy Ures- pectivamente, cud es lamatriz aociada la transformacién cero: ¥— Useepecto eas bases 6 y p'? Sea Vun espacio vectorial de dimension fnitay sea una base de él, demuesire que Ja mati asociada al operadoridentidad en V respecto de Ta base Bes Ia maltiz identida, Para cada una de ls tansformacioneslinales del ejericio 2, describa su ndeleo y su imagen por medio de alguna de sus matrices asociadas (eorema 3.1, ‘Considere a ransformaciéin lineal 7: Ms «2 ~» Msx2 dada por M4) = A = At Enel cjercicio 12 de la seceidn anterior se demost que el nicleo de Test4constuido por Jasmatseessiirloas (matrenetaoequeA ~ Ady quel imagen de Text consti por las matices antsiméticas (matrices tales que B = ~B). Obtenga esta misma conelsién usando: 8) lamattiz de ta trnsformacién Prespecto de a base eandniea de Mies. by Iainatta de ia trensformacién 7 respecto de la base de Ms. dada por mlb be bf bE i) - Consider la transforinacién lineal T: Mzva ~+ Maes dada por TU) = BA en donde B svt raie[ | 2] Ore mi Pe eae ets Desert el leo ys imagen de 7. (Consider aransfomaci nel F Miex~+ Maus da por TA) = Ben donde B $ | Sex ela atria de 7 respecto de a base eansnica de Mie Demoestre ge det C= (ad - be Concysenloness qu ete A € Maan ¢ Ota que TA) = 05% y sos Bes usa mein inversbe ces la mat >. Sea Ts transfomacign lineal 7 Myx) ~+ Mix) dada por TA) = AB ~ BA, eh donde Besla mata, ae Por medio deta matriz asociada a Trespecto de ia base eanénica de My. destiba Ja estructura de las matrices que conmuten con B.8 AceeRAUNes ® 10 12 14 (Sugerencia etata de deseribirel nicleo de ‘Sean Wy W dos subespacios del espacio vectorial V de dimension fnita tales que Pa WV, Wy Seay [vy ¥0e-+ +a) wa ase de Wy Ba~ (ie yo 5) UH base do Wi. 8), Demuesie que B+ (Vine ++ % tis +e es uma base de by Sea 7: V = Vietransformacién Tien + be days tay) = eA ‘Comprucbe que Tes una transforms lineal. ©) Determine Ia esiructra de la mattiz de Trespecto dela base. 8) Deseiba el nieleo y Ta imagen do 7. Sea Vun espaco veetoral de dimensin finita y sean Vi, ¥s, Vay Vasubespacios tales que V = V1 @ V4.0 V5 @ Vs Sea T: V— Via tansformaciin tal ue To) = ¥ SivEKU Ty T= brsive HU Ve 8) Dermueste que Tes una transformacion lineal na base de V. 1 Siesta ase de Vu 1= 1,2,3,4, dereste gue B= () Br es ©) Deseib in etutira dela ati del operadorT respect dea base 9. Sea Vel espacio vectorial CAR), Copsidrs el operador linea D:¥-» VDI) =f" i Grvada de), Obteng a mata de D respect del base dada de V (a consitulda Dorlas vectors que generan a ¥en ono de To siguientes esos » Vesee) by Ve mesee) ©) Veaee x0) 8) Veale, 32,262) ©) ¥=al(sen x 6082) 1) P= sen 08.3, xen x, 6083) a) V= lesen, €008.9) ‘Sea T: V+ Una transforma lineal del espacio vestorat Val espacio vectorial U Sean a= (i, ¥ys+v0¥a YBr= (Wiyln,--- la) ases de V y Ustespectivamente ‘Sea la mati de a tanaformacién T respecto de las boses By 4) ;Cémo seater la mati Asien Bi se intereambian de posicién Los veetores Wy 1) ¢Céimo se alters la mattz si en Ps intercarmbian de posit los veetores my Considere el operdorlineal 7: V+ Vendonde Ves un espacio vectorial de dimens 1 Suponga que la matiz de Prespocto de Ta base B= (i, ¥2 Ys Ye 68 13-1 2 lope tee Menl3 2 1 4 oO 2 4d Encucnie la matia de Trespecto de eada una de las siguientes bases de V: . 16. TRaNsroRMACIONES LNEALES 319 3) P= (Miva MF D) Ber (vs vie vt ut Ma mH St) © Bre bitty mt mt aM ‘ca Vn espacio vectorial de dimensin 3 y U un espacio vectorial de dimensién 4 ‘Sean = (Vi ¥a¥h] Y Ba (aint mus) bases de Fy de Urespectivamente, Sea 7: V— Uluteansfermact6n lineal tal que Tio) = 2a ~ Bus ty — te Tio) =m ust ay a Ty) = 4)- 2 4) determine a matta de Trespecto de las bases Py determine la matrix de Prespecto de las bases Bi = [yt ve v3 2m +28, 1) 6 de Vy Urespectivamente, CConsiere la ransformactéa lineal 7: Py -+ Py dada por Tip) = x8 +24 1p 4) Determine a matia de Trespeoto de las bases candnteas de Pe y P, 1b) Dotermine a mattiz de Trespecto de las bases preyreay BE (e422, O42) [y= mga # a # 3 ty = Da tt a ©) Veritique que se stistace el teorema 3.2, Sea T: R)+ RD el operado lineal dado por Te 2)" Oxy +442 39-29 2) Detemnin e mati de Trespcto dea base canna de 1b) Determine a matiz de Trespecto dea base B= ((1,2,-1,G,0, 9, 0,-4.0) ©) Veritique que se satisace el eoroario del teorema 32. : {La matez de le transformactén lineal 7: RY + RP Fespecto dela base f= ((1, 0,0). 11,0), 1,1, 1)) de RP est za as|3 22 432 Encuonte la matrix de Trespecto de a base B ~ (21,16 (3,2,-4),(2,3,3)1820. AoESRAUNEAL 4. SEMEJANZA DEFINICION 4.1 EJEMPLO 1 LeMA DEMOSTRACION En toda esta seccién se considerarin solamente operadores lineales T: V—» Ven donde V es un espacio veetorial de dimensién finita, ast como tas matrices (Cuadradss) asociadss a ellos. Considétese el conjunto Mvsx de todas las matrices cuadradas de orden n, En ceste conjunto se va a defini una relacin entre sus elementos, llamada (relacién de) semejaniza, Esta relacisn ayudaré a entender mejor la correspondencia que se cestablecié en la seecidn anterior de transformaciones lineales —matrices. ‘Sean A y B dos mattices euadtadas de orden n. Se dice que A es semejante a B,si coxiste una mattiz P (de orden n)inversible tal que A = P\BP. Porejemplo, si T: V + Ves un operador lineal en Vy B y B’ son dos bases distintas de Va formula (3.16 dice que la mattz (Th es semejante ala maiz [Ty pues [y= P' ITP cn donde P results ser Ia mattiz de cambio de base de P a 6’. En realidad, ése es cel “Gnieo” (tipo de) ejemplo que se puede dar de matrices semejantes. Es decir, ddadas dos matrices A y Bde orden nendande A essemejantea B, existe unoperador T:V-- Ven donde Ves un espacio vectorial de dimensis v. tales que A = [Tlp y B= [Te Para ver la validez deesta firmacién, se demostraté primeramente el siguiente ema técnico: Sea Puna matriz invesible de orden ny sea Vn espacio veetorial de di- mensin n, Sif es una base de ¥, enforces existe una tniea base de V tal que Pes la matriz de carnio de base de a (estoes, tal que [v= Philp VW € V) Dendtese por ps "1,2, ). Definase «malas elementos de la matriz P. Eseribase 6 = (vs, = punt pata Spa IE Zk OD Si-se logra mostrar que 6" = (1, ta - ta) eS una base de V, ésta ser entonces. la (Unica, por Ia manera como se definieron los veetores w) base de Val que P ‘esa matriz de cambio de base de Pa B (pues los elementos de laj-ésima columns de Pon los cortespondientes elementos de las matrices de eoordenadasuy respec tode la base B —ver subseccién 6.1 capitulo 3). TEOREMA 4.1 ‘eavsroruaconesuneates 321 Basta entonces mostrar que los veetotes ty ty independientes (corolatio del teorema 5.3 capitulo 3) Eseribase la combinacién lineal + Me son linealmente ety Feats #4 Cat = 0 (42) Al sustitur las expresfones (4.1) en (4.2) queda 43) Los veetores ¥, ¥ 9 forman por hipétesis, una base de V. En particular ellos son linealmente independientes. Entonces (4.3) implica que ee bien, en términos matticiales, PC = 0, en donde / a Siendo P inversible el sistema homogéneo PC = 0 tiene séto la solucién trivial, Osea que 6, = ¢3* .-= 6. = 0; lo que prucba que ty Hs, so Hinealmente independientes como se queria. Sean Ay Bos matrices de orden ntales que A es semejantea B. Entonces existe un operador lineal 7: V > ¥,en donde Ves un espacio vectorial de C (AG) = fe) ( € &) Sishora usa la palabra “escalar™ para designar a un niero complejo, eomuestre {que el eonjunto C(G) con estas operaciones de suma y producto por esealaes es tin espacio veetarial (complejo). Considers el eonjunto Bi * Ufsfis = Jia) © C(G) en donde wpe [PET age ne soe (UEEf trae Sse conte 6 wy incao eG) ae Seen set eet aiopete te Se een ca noe oe IY, fey toga paca quo eso genaado por Pes C(O) Cony enone gue CxGpehun esa trl dinerion Seasunnimerocnto Defi fini, ~ Ceomo =, Coste stem fr (eames geal © C10, Veg ls signe ropidaes Aes eamatos dost cj fay econ) = eG eb") @ leoied Yarre Oho) a sikes 9 F aovneov = frets (Sugerenca para e3); we el resultado dl inciso 4) Denne ques corfu nelentsindjedins C(6).(Sgeeret: Novas issoebilon el can ce es ceses = 00m OS] ST, secbtiene cy * ev! +>. + 6910-0 #0, Se tiene asi un sistema homogéneo de ‘n ecuaciones Hineaes con m inedgnitas co ci, .. » Ce Verifique que el » » » ‘TRaNSFORMACONESUNEALES 327 determinante de este sistema e¢ un determinante de Vandermonde distinio de ‘cero.) Concluya entances que tanibien es una base de C(G) Dada ls funeidnf€ C(G), dei tafe fy = Ca Flea = ¥ soovwe =F soreaw9 Alusarethecho de que Pes una base de C(G),eseriba la expresin sntcriorcomo Fey z (3 sess oe 4 i a iP aoe | endonde aaa, Ia expresin ant +44. Son certos escalates que se evahinn como sigue: usando ory el resultado del inciso €3) se obtiene que a= Yen CConcluya entonces que la funcidn f € C(G) se eseribe en términos dela base Bs cama sine £7 2Y Fede ‘Considee la funeida T: C(G) ~+ C(G) dada por Th) = ae z Forme = Fle Demcste gue Pes un operator inal en el espacio vectorial C(G). Dada fa felon f € €(G) dina a funcén f € C{G) come /w9 = for Demusstreque TA)= jf. Defina los subconjuntos Uy Veet espacio vetril C(O) coma u-fec@is-s) ve ye a@is--f) Desmuestte que Uy Von subespasios CC). Demueste que C(G)= Ue V. (Sugerencia dada € C(G) considre ls furciones gh (0) detnids como g = Lys by hx by-F, Westone qveg € U, Ie Vy ques g + h. Compruebe por iltime que UA V= (0)) CConsidere as funciones f: € C(G) (run entero) defindas por Veiga € Uy ene anne lnc328 A.ceoRAUNEAL Deneste que estas Tunciones constituyen una base de U. Coneluya que net dim U = din sm) Verifique ue » ° » . ml) Sif Uentonces 19) € Uy T4) 12) Sif Ventonces TY) € Vy TH) =f CConsidete los subeonjuntos U;, Usde Uy Vi, ade ¥ definides como UAfEUIT-A Wi FEVITO-N Ur YEUITP=-A Ver VEVITH = Demuestre que Us y Us son subespacios de Uy que VA y Von subespacios av. Demiestre que U~ Ui @ Ury que V= Vi 8 Va (Superencla: dadaf€ U, escriba S=HF+ Tot UF- Ty). Verfique que 4+ TU) € Us y que {'- TY) € Us Dada f € V esotba f= Af - (Tip) + 1+ IT(D). Vesifique que Uf- TY) € Vi y ‘que f+ ITY) € Vs. Por timo compruebe que Ui Us (0) y Vi 0 Var (0),) Seay = din U,yma = lin Us, = dim Vina dim V2, Conctuya de os incsos 1) que se tenen las formulas bw ttt ee tet memets mts te Si ves tuna base de U, i= 1,2,y Byes una base de V,j~ 1,2. Coneluya que B = BU Br U Bs U Byes una base de C(@). Useel nelson) y el eerccio 11 delasecetén 3 para coneluirque la representacion, matricial del operadorT:C(G) ~» C(G) definido ene inciso i) respecto de a base de C(G) de nciso anteriores 1 0 a, oth, it) - cendonde Fes la mati identidad de orden m, j= 1,2,3,4. CConsiere ahora a base P= Vos» =f} de C(G) estblesida en el inci d), Observando que ye LS pone e Tf) ia x fae mn veces ge Ti) = Feit wih sw MM ara k=0,1,...n-,Usesehecho para conch ea representacién matic {sl opera Tespesta de esa base Bi es 1a 1] L]i wet Ih = Fe fener 9 » » ‘ransronmaconesuneates 929 (Obienga tas formulas para et detenminantey la traza de las matrices que repre sentanalopsrador Ten las bases By Bx det (Tp = (-I deity; TL -w5 wtn=s cn done Sesla sna de Gauss qu pretend cael Useleelesiclosy 5 de extn seceldn pra esablecer as igustsdes tr (Th = monet iam) crors= 3 TL ww w Es = m-metitn ny 2) xem vom «> (Advertencia: los resultados de esta seecién y en general de tod el libro son vilidos pata espacios vectorales reales. Bn este caso se estén usando para un ‘operadr lineal en un espacio vectorial complejo. Aconteve que préetleamente todas fos teoremas establecidos hasta este momento se traducen sin eambios cesoncialesal caso deespacios vectoralescomplejos. Ba particular, osresuliados sobre la invarianca dl trazay el determinante para distintas ropresentacionos rmatrcales de un operador lineal —o sea, el contenido de los ejrcicios 5 y 3 respectivamente— se conservan sincambio alguno ene] easoen el queelaperador lineal est defnido ex un espacio complejo, situacidn que se presenta en este cersici), Use la férmula (2) y el resultado dl incso a) para coneluir que los ndmeros| naturales ys Y ms inttodacidos en el incso p) son tales que solamente se ‘puede tener una de ias dos posibilidades siguentes: UD) memyim=ng=1 0 ud) memyin=mi 1 Caso 1, Sin= Imodé, entonces my = ms y ny - ml = 1 Caso 2, Sin* 3mods, entonces m= Mm, y |r ~ mal = 1 (Segre sn mot enonccnn mre) =24¢ | palin kent Ibe prt qi ose ee ee a in =m De meal ve que si n = 3mod4, no se puede tener la opeidn ms = m.) Demos feul psd er como Cres = Gn (Sugerensies T] (ow WU (utd) = o-t8-¥) - Tl »[zisma-m$) « orm TT wren zeeng-#) % Observeque [J 2 sen /~#) #> 0, puesel angulo jk) eon n-1 2j>420 midi = encuentra siempre en el primero y segunda euadtantes (siendo siempre330 ALcEBAALINEAL » » » a Aiferente de Oy 9) En particular, def tina igualdad se puede concluir que Caan mer TE wee Pruceshora que, G+) = Jn(n-t)'+2nkparaalpin entero, Entonees cto EP Wi eB a ylOah) = Qy = probindose as Ta formula desead). Considers el easo 1 establesido en el inciso ), es deci; el caso en el que = Imodl4y por lo tanto ms ~ ny fi ~ al = 1. Demuestre queen este caso se tiene clliecho my = nay mi ~na~ L (Sugerencia: consider los dos subeasos n= ImodS $= Smods. Sin = Imod entonces in-1)~ 4nk para algin kentero de modo ‘Que Ta fBrmvla establecida en el inclso anterior se conehuye que (“1 = {(a)4=~ = 1, loque implica que n debe ser par. uponga que my ~ m= -1-Como 1m + my = I(uer 1), concluya que esta supesicién obliga a que m = 2k * 1, contradicicndo el hecho de que m es par, Bnestesubeaso se debe tener entonces Giei=g 1, Un argumento completamente andlogo muestra que tambien en Meubeaso n = Smad se debe tener ny - Ms ~ Uscla fdrmula(2)y el resultado de nciso ateriorparaconeluirquesi * Invol4, cfvalor dea sum de Gauss es S = in. ‘Considete ahora el cas0 2estabeid enol intso v), es decir el easo en el que ‘ 3madl y por lo tanto my = may Jos ~~ 1. Demnueste que en este caso se tiene Tohechom my ny-ra= 1. (Sugerenela:enestecasose puede escribirla rma {el inelso ) como (emt de donde a(n = 1) 2a = (ny ~ na) = Ak pat agin Keer. Como m= mY Hs n+ Dyyast ake n(n 1)=2m— CH= Bd = Han «sym +2) ~ QVM 4) = (=) cendonsdem eal que n= 4+ 3,088 que (n+ Bn 1) (r= = a +m = Hen Dyse tne ma Esta dima expresin obliga a que m ~ mu = f,como se queria. ‘Usela ma (2) yo esulado do ineiso anterbr para conelvir que sin = 3mods elvalorde la suma de Gauss es $= ifm. En resumen, la sumna de Gauss es 5 wh Vit sin tmous im si n= 3mod4 ‘Transrorwacionesuncatss 334 5, OPERACIONES CON TRANSFORMACIONES LINEALES Enesta seccién se estudiara cl eonjunto de todas las transformaciones lineates de ‘un espacio vectorial a otfo. Se verin, por una parte, algunas operaciones entre ssusclementos,y por ottael refieja de estas operaciones cn cl conjunto de matrices aque reptesentan a las transformaciones correspondiente. 5.1 SUMA Y PRODUCTO POR ESCALARES. Sean Vy U dos espacios veetotiales (no necesariamente de dimensién finite) y ‘sean TeV U ThVaU dostransformaciones lineales. Definase lasuma de 7, Tzy el producto de 7; por cl esealare € R dela manera usual T+ Te VU (T+ T) 0) TO) * TO) Te VU (eT) = eH) Siendo 7, y T:transfortnaciones lineales, se afirma que T, + Ts y eT, son tambign twansformaciones lineales. Enelecto: (Tht Bw + v) = Ties) + Bev) = Ti) + HW) + HO) + F) = TO) +O) +N 0+ TW) H+ T]0) + (T+ TW) pot loque 7) + Tz preserva sums de vectores en ¥. ‘kes un escalar cualquiera (T+ Tb) = Tio) + T30) = AT) + ETO) = KTH) + TAD) = KT + PO) por lo que T; + Ts preserva tambien producto por esealares y entonees T; + Ts es lineal332 AceonAunea TEOREMA 5.1 DEMOSTRACION Similormente (TW + Y= eT V) = CT) + TLD = ci) + eT) = (TIO) + CTI) ysikeR (Tipo) » Tbe) = kT) = eT) = KCTIO) Toque muestra que cT es lineal. Denistese por L(V, U) al conjunto de todas las transformaciones lineales de Va U, Entonces se han definido las operaciones: LY, U) x LV, U) > LU, U) RxLY UW) + LY) Es un seneilloejetcicio demostrar que con estas operaciones, el eonjunto L(V, U) ces de hecho un espacio vectoria. ‘De agui en adelante habra que referirse entonces a L(¥, U) euiny el espacio de transformaciones lineales de Va U. En el easo de que V’y U son espacios de dimension finito, se tienen algunos resultados sumamente interesantes acetca del espacio L(Y, U). Si Vy Uson espacos vectoriales de dimensin finite, etonces L(V, U) | ces un espacio de dimensién finita y dim L(V, U) = (din ¥) (dim U) ‘Sea n= dim Vy me» dim U. Témese una base © (Wigvigs eva) de Fy una ase Ba {tity «9 a) de U. Definanse las funciones SeVou p2yeegMhst M2 ooo de la siguiente manera: pata y € Veseribase ve Ray t Dav Bade TRANSFORMACIONESLNEALES 393 Entonces AO) = Ay Es fécil vetficar que eada una de estas mn functones fyes de hecho wna transfor= zmacin lineal, Se afirma que B= [fai 1,2,-.-4,J 1,2,++-51t] eonstituye una base de L(V, U) [llamada base eanénica de L(V, O)) Se vera primeramente que B genera a L(V, U) Tomese T € LV, Uy véase quese puede expresar a Teomo una combinacién lineal de los elementos de B. Para cada y,€ f.,/= 1,2,-..,eseribael veetor Ti), € U como combinacién al de los vectores dela base Pi de U. Tho) = aye # cs. # Otay GHZ Definase la uansformactin T€ <(B) como Seafiema que T=: ‘Ooservese pimeramente que, por la manera como se dfinieron las transfor aactones se tene que so (SAE Entonees tay = FY euieoy = Yaa = 70) Se tiene entonces que Ty Tcoinciden en todos los vectores de Ia base fy de V. Entonces T'= F (corolario del teotema 1-1) y por tanto 2 (f) = L(V, U). © ahora que lis Irimformaciones f son linealmente independenes Considreselacombinacin lncal LE wos Es decir, YE ato ver “El sintolo 0 que aparece aa drech de esta expresin se fier al ero del espacio L(V, clout esl tansformacioncero0; = U,0(9)=0'Vv€ V. (Vasu secien 1)934 vocenaunent EJEMPLO1 En particular para v= vi A1,2, +5 #ethene eC) F cmeo Keb Qecun Esta titima expresién implica a su vez que cx = 0,4" 12,0009 i= by2se0-9 zn (pues los vectores tty. Meson linealmente independientes), Por tanto, los ‘eetoresf, de B son linealmente independientes. Esto termina la demostracisn, QED. Por ejemplo, si dim V= 2y din U~ 3, el espacio vectorial L(Y, U) tiene por base ‘las 6 transformaciones lineales fi: V+ U, i= 1, 2,3,J = 1,2 dadas por fia + ava) = ate, fisQivs # Bae) = Path f(s * a8)» Bat foo(hivs Bas) * Hata “fossa > Rats ‘f(s + Bais) = ats en donde f= (vies ¥ Pa (ts tt) son bases de Vy de Us respeativamente. En tote caso cunlguir ransformacion T € LV, U) pusdeexpresarse como Te aus fir# Cuafa + On fu Oufis* aon fr + Aoife. en donde Te) = ett + Goats + ots To) = cite * Gels + Oot ‘Uno se podria preguntat por la forma de las mattices que representan a las trans fornaciones fy, =1, 2, 3,1, 2 (del ejemplo anterior) con respecte de las bases Bry Bs ‘Obténgase por ejemplo (fila: Seriene fi fur) * es fiery, = | Sauber) Tard |e ° 103) = 0 Vise = ‘| 0 ‘TEOREMA 5.2 ‘TRANSFORMACIONESLNEALES 335, Entonces, 1 n= | 0 0 ‘Unos cuantos edleulos ms muestran que on 0 0 oo Vales = : ‘} taboo. ‘| ‘| Gils, = | 0 i} testers, 0 0 oo 0 0 Es decir, que [lpg es la mattiz de orden 3 * 2 que tiene por elementos solamente cetos, excepto el elemento de la /-ésima linea y j-ésima column que es I ‘Se encontrand entonces, sorpresivamente, con las viejas conocidas matrices de la base canéniea de My.s. En el siguiente teoretna se mostrar que la coztespondencia que se establecis cen la seccién 3 entre transformaciones ineales y matrices 20° TV+U deorden ddim V= n, dim U> mt mn ‘Transformaciones lineales Matrices A ] F: - on cesdehecho un isomortfisimo de espactos veetoriales (véase subseceid 62 capitulo 3). Una de las propiedades de los isomorfismos, que ya se usaron en la seceisn 7 del capitulo 3 y que se mostrarin mis adclante es que éstos levan bases (de su dominio) en bases (de su codominio). Por lo tanto, e] eneuentro “sorpresivo” que se tuvo de las matrices en la base eanénien de My.; en el ejemplo anterior queda cxplicado por el siguiente teotema, Nota: El que el espacio L(V, U) sea isomorfo a M.. e8 um hecho que se puede deducir de los teotemas 6.3 y 6.4 dl capitulo 3 asf como del teoreana 5.1 de esta seecién: se tiene que tanto L(V, U) como Murs son isomorfos, a Ro, ¥ por tanto, son isomotfos entre si. El hecho que se present novedoso ch este momento es Que la funcién F definida en (5.1) sea un isomorfisino entte el espacio L(V, U) y elespacio Mex ‘Sea Vun espacio vectorial de dimension m y U un espacio vectorial de ddimensién m con bases 8; = (Vis is © ++ Yad YBa {Wis tay «+5 ta) respectivamente, La fur FLV, U) + Mae dada por FO) = (Tho ‘es un isomorfismo del espacto vectorial L(V, U) al espacio vectorial Mass:336 AccoRAUNEAL DEMOSTRACION EJEMPLO 2 Se debe mostiar qu: (1) Fes linea, esto es, FUT + 73) = FU) + F(T, Th Te € LU, Uy FleT) = cF(D, ¢ € R, T € L(V, Uy; (2) Fes una biyeceidn. Véase que Fes lineal Los elementos de la j-ésima columna de la mattiz (T; + TJp.g, son los elemen- tos de la matiz [de coordenadas de (T; + TX) respecto de fa hase Bi) [n+ THOM Pero (+ THO. = (HO) * TOD, = (MODs, + (ON, Como la relacién anteriores vida para toda columna j, se concluye que Fit T= (Tit Tso, = (Tiloa, + (aloe, = FUND + FT) ‘Similarmente se prucha que F(cT) = eF (1). ‘Véase que F es una biyecsién. Sead = (aj);-1,...0unamattiz en Max». Definase Wye aust ays. t afte CU FAQ ece El teorema 1.1 die que: 4) exis una transformacién T: V -+ U tal que Tey) = = ait # ays +2 dl Se vetificaficilmente que F(Z) = [Thyp, = A. Esto muesita que Fes sobreyee- tiva 1) esta transformacion Tes tniea Esto muestra que Fes inyectiva. Por lo tanto, fes un isomorfismo, QED, Por ejemplo, considérense las transformaciones TT, Rt + R* dadas por TiGs.y) = Gx*2y,5x-y) Tix )) = (he + Sy, - #79) Lasuma de 7, y Tesla ransformacisn 7, + Tz RE + RE H+ TNH Y= Tey) + BY = x4 2y, Sy) # C4e+ Sy, 0179) = (xt Ty, 4 +6) ‘TrnstonMaconesuNeALes 397 Si.se toma Ia base de R? 6 = ((1,0), (1, 1)), se tiene > [ 4] i Yy por tanto (+ Tle = (dp + Cle = [3 :| a ‘como puede verificarse directamente. 5.2 COMPOSICION TEOREMA 5.3 Sean V, Uy Wespacios veetorates,y sean T: V-+ Uy Ty: U > Weransformaciones lineales. Se puede formar la composicisn 7; © T: V» W detinids por (T, 7)(0) = TT), VEY. ia a vy — ny Teh Seafitma que Tye Ti: V+ Wes una tansformacién lineal En efecto (se TY + V) = TTM0+ ¥) = FTO) + TOY) + EUG) + TAT) = Cae TH) + Tae THO ysiceR (ET Ner) = TAT(or) = TLCTON = eT(T OD) = c(h eT) En ol siguiente tcorema se establecen Ins ptopiedades mis importantes de la composieién de transformacioneslineates 2 SiT € LY, W, Tre LU, W Ts € LOW, Rh entonces ] Beets(BeT)eT — (€LVR) 2) ST, ELV, Vy TB € LEY, Myentonces, Geen heh+ heh (CL) 3) SIT; € L(U, W)y Ti Ts € L(V, U)entonces TeoG+H=Neh+heh (ev)338 AczenaunerL 4 Sic E Ry TC LW, Wy Tr € LU, W),cntonees he T)=(ehyeT= Tech) (LY, ) eens a DEMOSTRACION Setrata de nejercicio de imple aplicacién de la definieién. Se hari la demostra- tién de 1) y 2) y se dejaran como ejercicio para el lector los ejemplos 3) y 4). ‘Sea v € V,entonces (ye (he WW) = Mee TOY) = HGOY) = (Be TT) = (he B) ° HO) dedonde se sigue 1), Prugbese 2). (41) TIO) = Tet THT) = BHO + HHO) = (Lie TW) + (Be TO) = (he T) + Be TO) Y por tanto (Ht TyeT =e ht Ben QED. Supéngase ahora que V, Uy W son espacios veetoriales de dimension fnita, digas din V= n, dim Ur, dim W= m.Témense bases Br * [Vi Yip. +5 Vals Br * Ui tay -+5 16) ¥ Po (Why iy --5 Wa) de Fy Uy Wrespectivamente, y considérense Jas tansformaciones lineaes Ty h h vy 2p —— ‘Tanto T, como T; y T; © T; tienen matrices asociadas respecto de las bases correspondientes:[7iJpg,esuna matriz dim Ux din V= rn, (Tapes1na matt, dim We dim U =m ry (Te Tipp, es wna mate dim W> dim V= mx Bsebsse au aa au by bas Bie i ers tobe be Uibo =] tina =] ty gm Day Bat soe Bae cn ones Oe cn en on Ure Tien, * Ce ere EJEMPLO3 ‘amisronwacionesunesies 339 Entonees (Tse T9) = ey ey thn Yon Pero, por otra parte (Fee Tyla) * TAT) = Pat * ats ++ te) [Een] = Fastin = Jabra + buy ++ Dt) ~ foram § ime] En vist de ln unicidad de la epresentacin del veotr (T° (9) como combi rac incl ds los votre Wy Wy», a eoneluye que an Yh Io eval dice entonces que la mattiz asociada # 1a eomposicisn T° 7; (respecto de las bases ®) y fi) no es més que el producto de las matrices asocindas 8 cada una dels transformaciones 7; y T;* (respocto de las bases eorrespondientes). O sea (hee Tiloo, = Tides, Tea 62) Por ejemplo, sean Ti: R + REy Ti: R? ~ RE, las transformaciones éadas por TiC, y, 2) = (2x + Gy ~ 3z, Sx - By + 82) Ties ») = Qe + 5p, -x* 69) Entonces T; ° Ty: R’ + R? esta dada por (Tse THO y.2) * TET 2) * HR + 6 ~ 32,5 =3y + 8) » (22e+ 6y ~ 32) + 5(St~ 39+ 82), ~2x + Gy = 3e) +6(54~ 39+ 82) = (094 -3y +34 2,281 Day #512) Vase enlonses quel definiién deprodutodemateesqueseioeneapiui comesponde, sepinest legate estado ala represeniacicnateial de la composiciinde dos ransormaclo- nes lineaes.340 ALseBRALnEAL TEOREMAS.4 ‘Témese ta base de R? By * ((1, 1, 1), (1,0, 1, (0, 1, DI y en RE tomese Ta base ceandniea P:* {(1, 0), 0,01 Entonees, TAAD* G10, TD C119}, TO 1,1)= G5) émicee cas van [3 3 — TX, 0) = 2, -1) a T,0, 1) = G, 6) — Uhh. [a ‘| schamnsnaninsnonn“ 2° S)f5 -1 3]_ feo 63 31) erie [2 fo 2 3B 8 2 eee The T, se obtiene (Tz? THA, b, 1) = (60, 55) (Tie Ti), 0, 1) = (63, 79) (Te T)(O, 1, 1) = G1,27) La frmula (5.2) toma vn aspecto mis simple cuando 7; y Ts son operadores Tineales en el espacio vectorial V. En el siguiente teorema se resume el andlisis anterior pare este caso particular. ‘Sea Vun espacio veetotial de dimensién m, y sean Ty, 73 € L(V, V). Sip esuna base de Vse tiene (He T= (i Tale ieeeamess ‘TRANSFORMACONESLNEALES 341 APENDICE. ALGEBRAS REALES DEFINICION Eneste apéndicese vana reconsiderar algunos de los resultados que se obtuvieron jn, bajola perspectiva de una nuevaestructura algebraica més general ‘veetoral la estructura de dlgebra, Undlgebra sobte el eampo de los reales (oun algebra real) es un espacio vectorial real A encl cual se tiene definida una operacién adicionsl, Ilainada nultiplicacién de vectores, la cual asocia a eada pat de vectores ¥, v; € A un nuevo vector Viv: € A Ilamado producto de v, y ¥z de modo que Se satisfacen las siguientes propiedades: 1) Lamultipticactén es asociativa wow) U es inversible, se pusde defini ‘la transformaeién S como Ja inversa de T, la cual se denotari por 7 tro pat de eonseeuencias inmediatas de la definieidn 6.1, se encuentra en el siguiente teorema: 1). Sila transformacidn lineal T: V+ Ues inversible entonces 7: U = Viambign es inversible y (Ty = T. 2) S17 V-» Uy Tx: U + Wson transfonmaciones lineales inversibles, centonces Ty © Ty: V+ W tambicn es inversible y (7s ° 7)? = ste Ts Le 1) Es una consecuencia directa de la definicin 6.1 y de la unicidad de la inversa de una transformacisn. Para verificar 2) basta observar que 7}! 6 73! es lineal (composicisn de transformaciones ineales) y ademés (Ti oT) o(Te9 T= Tito (Ti! ° T° T= Tih (lds) ° T= Ti * Trl (Tyo T))° (Ti 9 TS) = Tee (T° TH) * TH Tae Uldu) ° Ti = Tee Te = dw y portanto, (T° Ti)! = Ti8° Ty QED. Elpréximo objetivo es eatacteriza la inversibilidad de una transformacién lineal en témings de su inyectividad y de su sobreyectividad, Se veri en el eorema 6.2 {que la transformacién Tes invedsible si, y sdlosi es inyeetiva y sobreyectiva. Pero Antes véuse el siguiente lema que earacteriza la propiedad de inyeetivided de una ‘ransformacién lineal en térmninos de su niieleo. Sea T: ¥ -+ U una transformacién lineal, entonces Tes inyectiva si, y sélo si Ker T= (0). Supngase que es inyetiva y sea v un vetor dl melo de T: Entonces 1) = 0, pero tambizn T(0) = 0 (pot ser T linea), Entonees v= 0, est es, Ker T» {0} Reciprocamente,supdngase que Ker T= (0), y sean v,¥ € Viales que TW) TW) Entonces To) = TW) = Te = v) =O, lo que dice que v-v'€ Ker T. Por tanto, v= ¥ =O, estoes, v= v. Esto muestra que Tes inyective QED. TEOREMA 6.2 DEMOSTRACION: DEFINICION 6.2 ‘Trmusroruacionesuncates 351 Latiansformnacidn lineal 7: V+ Uesinversiblesi,y slosi Tes inyectiva y sobreyectiva, Supa pneramente que Tes inesble, See v un welr del leo Entonees ae THT)=T'Q)=0 (pues Pes lineal) Pero T° T= Idy. Es deci, va (Te Dw) * THT) =0 Por lo tanto, Ker T » (0) y entonces, segin el lema anterior, Tes inyectiva, ‘Sea ahora w € U. Se debe mostrar que existe v € Vial gue Tl) = w (sto es, que Im T= U), Como la tansformacién T* esté definida en U, eserfbase v= TW). Entonces Tw) = TW) = Pe TY) = Ida) =u lo.que muestra entonces que Tes sobreyectiva, Recfprocamente, supAngnce qie Tas inyectiva ysobreyectiva, Sedsbemocteat gue existe a tansformcion neal TU ~ Via que P= P= Idyy To P+ = Para cada vector u € U, existe un veetor v € Vial que Ti) = u, pues Tes sobreyectiva, Ademis este vector ves tinico, pues Tes inyeetiva, Definase T™: U ~+ Veomo T"(u) = v. Es obvio que se satisfacen 7 © resta probar que Tes una transformacién linea, Sean wy u’ dos veetores cualesquiera de U y considérense os eorrespondientes vectores vy ¥ en Vtales que Tv) = 4 TO) = Entoncesu + a’ = Ty) + Tv) = Te + ¥) pues Tes lineal, de donde Musuyevev= That Dw) Sic € R,sctiene que Ticv) = oTlv) = cu, por lo que (cn) = ev = eT). Esto muestra entonces que Tes lineal, y por lo tanto Tes inversibe, QED, Enel capitulo anterior, se definié el concepto de isomorisma como una transfor ‘mack lineal biyectiva(inyectiva ysobreyectiva). Con el lenguajede esta seceién seine entonces I siguiente definiién (consecusnci del tore anterior). Un isomorfismo es una transformacién linea! inversibe,952 AvcesmaLNen TEOREMA6.3 DEMOSTRACION COROLARIO1 DEMOSTRACION COROLARIO 2 DEMOSTRACION ‘También en el capitulo anterior se probé que dos espacios vectoriales Vy U eon to misma dimension (Fnita) son isomorfos (es deci, existe un isomorfisino 7: =U), Ahora se esti en posiilidades de demosttar una especie de reciproco de esta afirmacién, | ; | supéngase que Ves un espacio vectorial isomorfo al espacio vectorial U. | Entonees Ves de dimensidn finita si, y sdlo si Ues de dimension finita | dim U= din = Sea T: V+ Un isomorfismo de Va U. Supsngase que Ves de dimensii finits Se puede entonces aplicarel tcorema de a dimensi6n (teotema 2.2) que dice: ran, goo T+ nulidad de T= dim V.Siendo Tinyectiva, Ker T= (0) y por tanto mutidud Se T= 0. Entonces rango de T= dim V, Pero por otra parte, Tes sobreyeetiva, de fnodo que lint P= U. Entonces rango de T= dim In T= dim U = dim Vinita). La Jimpliceidn reciproca se prucha similarmente eonsiderando el somorfismoinver QED. soT!:U—V Dos expacins veetoriales de dimensi6n finita son isomorfos si, y silo sh tienen la misma dimension. ‘Sea V un espacio vectorial de dimensién finita y sea 7: ¥ — U una transformacion lineal. Una eondicidn necesaria (no suficiente) para que fa transformaeién T sea inversible es que U sea de dimensidn finita y aque din U = din V. Se sigue inmediatamente del teorema 6.3. Q Nota: La condicién dim U = dim V del corolario anterior no garantiza en absoluto aquela tansformacisn T: V+ Usea inyersible. Lo que se sabe es que si di U= dn V, existe una transformacién lineal inversible S: V+ U (que no tiene por qué coincidir con 7). Retémese el anilisis sabre la inversibitidad de una VU, Soginel teorema 6.2, esta transformacién puede no ser inversible por dos sansformaeién lineal 7: DEFINICION 6.3 EJEMPLO2 TEOREMA 6.4 DEMOSTRACION Se demostrari (1) > Q) = 3) + 4) = 5) = @ = (), TRANSFOAWSCIONESLNEKLES 353 nidependientes): Tno es inyectiva yfo Tno es sobreyectiva. Si Tno es inyectiva, no hay manera alguna de definie una transformacisn inversa T's U = V, pues en este eas0 existtian dos vectores vy, 5 € Vtales que 7(v) = Toy = 1, €'U, de modo que T*(u,) no estaia bien definido. Sin embargo, si Tno es sobreyectiva, pero si es inyectiva, se podria modificar su coddominio de modo que T (con su codominio redefinido) sea inversible. Basta, considerar el codominio de T como siendo su imagen (que se sabe que es un espacio vectorial, sbespacio de U) y entonces la transformacisn 7": V~ In T T')~ Ty) ¥ v € Ves ya invesible (ves hora claramente es sobreyectiva). Las transformaciones lineales que son inycetivas (independientemente si son sobre yectivas ono lo son) reciben un nombre especial. Se dice que la transformacién lineal 7: V+ Ues nosingular equivalente si Ker T= (01). ‘es inyectiva (o Entonees, toda ttansformacién lineal inversible es no singular, La afirmacién reciproca es (obviamente) falsa, como lo muesiza el siguiente ejemplo: Sea T: RE -» BR? Ia wansformacidn lineal T(x, y) = (x,y, x). Obsérvese que si (3.8) = 0 = x= y=0, de modo que Ker T= (0}. Entonces Tes no singular. Sinnembargo, Tino pedo ser inversible pues dint RE = 2 # 3 = din RP (corolario 2 del teorema 6.3). En el caso particular en el que Ves un espacio vectorial de dimensién fini, cexision una setie de propiedacles que caracterizan la inversibilidad de la transfor~ iaeién 7: V~+ U. Estas propiedades se enuncian en el siguiente teorem, cuys mosttaeion ya se habia prometido anteriormente (subseccidn 6.2, capitolo 3 y ‘subseecidn 3.1 del presente expftule). Obsérvese que en este caso se tiene neeesa mente din U = dit ¥ (eorolatio 2 del (eorema 6.3). Sean Vy U espacios veetoral dim U, Las siguientes afirmaciones acerea de la transformacién lines! T:V — Uson equiv entes esto es, Tes un isomorfismo) 5) Si 1 Ms pendientes on V,entonces (71), TO veetores in end, 6) Si (v1.95, Vel esunabase de Fyentonees (Ti, TW) +5 TW} es.una base de U. Le 1 Ye) €5 un conjunto de veetores line Th mente inde } sum eonjunto de | | 4) Tes wosingular | vente independent Q) » Q). Obvio Q) = G3). Por hips orema 6.2) sis Tes sobreyeotiva. Entonees Jot T= U y tango de T=354 AucteRauneaL dim Im T= dim U = dim V.Por el teorema de la dimensién se tiene nulidad de T 0. Entonees Ker T= {0}. Enlonces Tes inyectiva (lema previo al teorems 6.2). @) = (@), Obvio (por el lema previo al teorema 6.2). () = G). Sea entonces {v, vs,... 14) un conjunto de veotores linealitente independientes en V.Considérese la combinacién lineal eT) + exThon) +... xT) #0 Tem tems ..bem) = Como Tes no singular, la relacién anterior implica que emt eats team = 0 Ja cual a su vez implica que c.= c2 =... = = 0 (por Ia independencta lineal de los veetotes ¥, Vs. «,¥) lo gue muestta que los vectores T(), Ti) «5 TO) son linealmente independientes. (5) = (6). Sea {v, v=») una base de ¥. (Entonces n= dim V dim U). El eonjunto de n veetores (TI), TO), - «+ Th) e un conjunto finealmente independiente en U (por hipstesis). Como dim U « n, este conjunto de hecho forma wa bse de U (corolario del tors 5.3, expitulo 3). (© = (1).Sea 1, ¥,-.,} una base de V. Por hipStesis se sabe que (Tt), TO), ..-, Tlv)} es una base de U, Sea u € U. Entonces existen escalates ¢, ¢:y...5 tales que u = ¢,T(v1) + :T(v3) +... + CoT¥e) = Tles + C2V2 + «+ Cave). Escribase v= cy + cams + «+ Gay Soha probado asl que dado u € Usexistev € Viel que Tio) = u, es decir, que Tes sobreyectiva. Por otta part, supdngase que v= diy + dy, +... + dy, 68 un vector del nieleo de T. Entonees Ti) = Tidy, + dy + + devs) ™ iT) + dsT(0) + «+ TI) = 0, elaci6n que implicn que d= ds =... = d= 0 (pues los vectores 70H), TO), « « « + Th) son linealmente independicntes), o sea que v= 0. Se ha probado entonces que Ker 7 (0},y pot tanto Tes inyeativa, Esto muestra que Tes un isomorfismo, QED. El teorem anterior brinda varias altenativas equivalentes para verficar si una transformacisn lineal ene espacies vectoriles de la misma dimension es 0 no inversible. Sin embargo, algunas de ellas son claramente poco prcticas, ‘A continuacion se comenzari el estudio de la inversibilidad de una transfor- sacin lineal T: V+ U (en donee dim V» dim U) via su representaciin matcil respecto do bases coneretas de V y U. Este estudio reportara “condiciones nu- éticas” (feiles de evaluat) equivalentes ala inversibilidad de la transforma ida T. I resultado principal se encuentra en el siguiente teoreme: ‘TRansroRMACIONESUNEALES 355) TEOREMA6.5 Sean Vy U espacios vectotiales de ta misma dimensién (fini), la | ttansformacién lineal T: V ~» U es inversible si, y slo si la matriz de | fatansformacién Frespecto de cuatesqueta bases de Vy Ues una mate inversible. DEMOSTRACION Supingase que: ¥ + Ues inversible. Existeentonces una tansfortacidin inal 5: U ~ Vial que Se T= Ids y T $ = Ido, Sean fy y ps bases de Vy U respectivamente, obsérvese que [/dy]p, * Ie [/du]p, = I. Entonces, segin la formula 52s tiene que I= (Id}p,= (8° Th, = (Shoo, (Ms, 1 Udy, = (7 Sh,= Mes (Sh, lo cual dice entonees que [T]pq, €8 una matrizinversible Supéngase ahora que la matriz A = (Tlpp, es inversible. Considrese la transformacién Ti: Re + Rin = dim V= dim U, dada pot T,%) = AX y sean g: V Ry + Rr los isomorfismos naturales @(¥) ~ (¥)p, y W(X) = (Wp, Se tiene entonces una situacién como la siguiente Sicl vector X € R¢perteneceal tones T,(X) * AX = 0, Siendo A inversible, el sistema homogénco de ecuaciones lineales AX = 0 tiene sélo ka solucicn trivial X~ 0. Entonces Ker Ts ~ (0). Por otra pate, se sabe que {Ker 1) = Ker T,, Entonces @(Ker 1) = {0} y por tanto Ker T= {0}. Esto dice, segin cel teorema 6.4 que Tes inversibl. QED, - COROLARIO (De1Apewosmmacion avrexion,) Sila transformacién 7: V+ Ues inversi- ble, entonces DEMOSTRACION Bs una consecuencia de las formulas (Sloe, (Tloe,~ (Tho, (Sle, = 2356 .cceraunent EJEMPLO3 obtenidas en la demostracién del teorema anterior, en donde QED. ‘Vease de nuevo el primer ejemplo que se consideré en esta seceidn a la hz det teorema anterior, Se tenia la transformacion lineal TER Py, Tea, ye a+ b+ Qa 3px Sean B, y Bs las bases eandnicas de R? y P, respeetivamente, Halle la mateiz (The . TU,0)= 1428 cru.on-[ 3] 7 TO,= 143" [7O,Dh, “L] Erness Mea. [: >| Como det (Teg, 1 # 0, se conetuye que Tes inverse (pues la mate (Tp to 3). Mis ain, si se halla (TJ, ste sod Ia matriz de la transformacion inverse T*: P, + R?respecto de las bases Pa y Di. Se tiene dde modo que (7, (a= [ yentonces sip = y+ 8x, se tiene (TPN = (TP [ osea Tey + 8x) By 8, -2y+8) resultado al que se habia Ilegado ya anteriormente DEFINICION 6.4 TEOREMA 6.6 DEMOSTRACION TRANSFORMACIONESLNEKLED 957 Considere ahora el caso particular de un aperador lineal T: V -+ Ven donde Ves de dimensidn fini Sea 6 una base cualquiera de V. Soe T: V+ Vin operador lineal en el espacio vectorial V de dimensién finita, Se lama determinante de T, denotado por det T, al detetminanie de ta mattiz. que representa a Ten cualquier base de V. Verifiquese primeramente que esta definicién es una buena definicién, en el sentido de que el valor det T'no depende de Ia base que se escoja de espacio V. Sean By 9 dos bass distinas de Py eonsiderindose las matsices 7} [Tle- ‘Seginelcorolaio del teorema 4.1, estas mattices son semejantes. Exist entonces ‘una maiz inversible P tal que (Th PnP (de hecho se sabe que P es a maiz de cambio de base de 6 a f). Bntonees: dea Ty = det(PUTP) = (der P'\(det{Ta}(det P) ~ (detPy(det{T],Y der P) = det Ty logue muestra entonces que el valor de der To depende de la base que se escoja ae. Se ha asociado entonees a cada operador lineal TV —> V un mimero bien doterminado: det T. Este nimero dices el operadores inversible, como lo muestra cl siguiente teorema: Elopetadorlineal 7: V+ V,donde Vesun espacio veetorial de dimension finita, es inversible si, y sélo sider T# 0. Consecuencia directa del teorema 65 y de ln definicion de der T- QED. oe 2])-Bek fabs] ‘Témese la base candnica de M:.: 9. Entonces (>358 AceonauneaL Como det [Ty = -34 0, se concluye que Tesinversible. Para tetminar esta stccién, se vaa considera un problema “elements” que se stacard con Ins ideas que se han desarollado en este capitulo. El objetivo es reobtener, ala luz de a teoria de transformaciones lincales estdiada hasta este momento, el teorema 6. del capitulo 3, en el que se resumfa a diseusion hecha cla subseecién 6.1 deal capitulo sobre cambio de bases Considérese el operador idntidad ene espacio vectorial Ve dimensién finita 1d: VV, als) = vv V. Se van.a considera dos bases distintas de Va saber: li base 6 en su dominioy Is base en su codominio, Escribase = (vy 5 .+-+¥e) y B= [Vi, vhs ve). Obsérvese que la matiiz de este operador respesto de las ibases By Pres (esqueméticamente) 1 4 1 Uda | OI, Dale ++ Dds rood 1 aque es precisamente la matriz que se definé en la subsecetén 6.1 del eapitlo 3 como “matriz de cambio de base de Pi a", ¥ que se denots pot Q. Se sabe que (seccién 3), para v € V Uae. = Wy = Ula, Wh, = Ob, (férmula que ya conoefamos del capitulo 3). ‘Ademis, obviamente el operador Ides inversible, de modo que I= lene por ‘mattizrespecto de las bases By 8 UdNpa = Udy = O Bs claro que [Rds * [lpn es la mattiz de cambio de base de Pa Py i eu se denotaba como P. ‘Estos son preessinene los resultados que se obtuviron en Ia subsessién 6.1 el capitulo 3. Claro que en aquel momento tomaé mucho ris trabajo llegar ellos. No se puede neger que, en contrast, la manera como se han establecido aqut tales resultados es una manera sumamente simple y elegant. APENDICE. UNA APLICACION AL CALCULO DE ANTIDERIVADAS En todo este apéndice, Vdenotaré un subespacio de dimensién finita del espacto vectorial de la funciones reales con derivadas de todos los érdenes. Considérese el operador D: V > Vdado por Dif) ~ f° (a derivada def ‘TRansronMacionesuneales 959 Como yase habia observado ena seein Ide est capil, D es un opera lineal pues Dit s)= (48) =~P28=DD+Dw) fee Dich" (fr =ef'=eD) eR Se van considera lgunos casos patcuares en los cuales, el operador Des inversible, _ ‘Sea P= Usdin fl una base de Vy sea A la mate que rep respect den ise Sig € Y, enlonoes,comosestbe [Dieh~ Alshe way enta aD Siendo D inversible, se sabe también que el operador D": V ~+ Ves representado respecto de la base B por la matriz A“ Es decir, (D-@h= "Lele way Obsérvese que D(g) es lafuncién en Veuya imagen bajo Des g. En otras palabras ‘D-g)es ta funcidn euya derivada es g. Entonces Dg)= f sede (la antiderivada deg). Seqtin a étmula (A2),se tiene entonces que para halla la sntidesivada de una funcién g € V (su matiz de eoordenadas tespecto de la base B), sélose tiene que determiner la inversa dela matrz A, Este es entonees un “método”, que emplea hetrainientas dl algebra tinal, pata halla antiderivadas de funciones. ‘Veanse funcionae estas ideas en algunos eases eonetetos. ‘Sea Vel espacio generado por las funciones sen ax, c0s ax, X sen ar, xe0s a. ‘Se puede demosirar que estas funcfones son linealmente independientes. Entonces B = {sen ax, cos ax, x sen ax, 60s ax) es una base de V. Hillese la matriz de D respecto de la base f. Settiene D(sen ax) = a cos ax D(cos ax) D(x sen ax) = sen ax + axcos ax D(x c0s ax) * cos ax - axsen ar ‘yentonces (DGsen ax) * (0,4, 0,0) (D{eos a3)» (-4,0,0,0) (Dexsenany= (1,0,0,0) (Dlxees ad) = , 15-440)La mattiz Aes pues ceuya inversa es la mattiz AY-l go 0 0 Me 0 0% 0 Segiin la fSrmula (A2) se tiene entonces que om va 0 ‘ “hm 0 0 MeylO [DvGenay}= Atisenath=|"G 9 0 va ljol~| o ° sea que pe(senany® f sands ~~ Dela misma manera se obenen ls Kms Jeosarde = + senar Ja senacde = 3 sonar f xeosar freosarde + 45 conan 7 xsen ae ‘Supdngase que se quiere caleular Ia integral J = J @senar~2eosar® Stsonar—Arcos ands ovonees J = D"(), en donde (g)y = @, -2, 5, ~4) Por tanto, segin a formula (42) se tiene que 0 vm ve OFF 37 [Mere] ve 0 0 We \\-2 |. | -Ma- e w= 4th |" 90 wl] 5 Je 0 0 -Mm 0 \\-4 Ya Taunsrommacionesuneates 361 yas entonees I> (fa * Sfe8) son ax+ (3a - Yat) cos ax - A/a rsen ax - S/a.xcos ax Como siguiente ejemplo, onsidérese el espacio V generado por as funciones ce sen br y eteos bx. Nuevamente, es fieil probar que estas funciones son linealmente independientes, de modo que ellas constituyen una base B de V. Deterrinese la matekz de D respocto de fa base B. Se tiene que Deer sen bx) D(er cos bt) -be* sen bie + ae €0s be 1 sen bx + Det eos be yentonees, (D(eX sen bx))y* (a, ) (D(e*" cos bx))y = 5, a) asi que la matriz A de D respecto de la base B es -b a ysuinversa Entonees, [De son bey = Ae sen bx] dedonde De\e™ sen bs) = arte et son bx Ps em es bx a aS sen bx - bc bx)362 AucesAAUNEAL Por otta parte b [DCE oe by = Ae co ay = a ae dedonde De cos bx) = J ereos be de op pe Cb sen bi + a cos bx) Como tino eemplo saa conser lego V sera por as * funciones e, xe, ,°e. Estas fanciones son linealmenteindependicntes y por tanto constituyen una base B de V. El objetivo es estsblecer uns férmula para Ta fntegeat fovea Las imiigenes bajo D de los veetores de Ia base son. De) =e Dire’) ~ et xet D(te) = 2xet + et Dever) = miter + aet de modo que. (DEEN = (1,0,0,.-.50) (Dee Ys = (1, 1,0,-.-,0) (DGFep = 0,2, 15-50) (DUPE = 00,2501) yentonees la mattiz A de orden n+ I que representa a D respecto de la base B es 110 0 .. 0 0 0120 oo oo 13 oo e010) 0 leer 0000... 01 Teansronuconesuncates 363 Como el interés se encuentra solamente en la imagen inversa de la funeisn x*e', euyo veetor de eoordenadas respecto dela base Bes (0,0, .., 1), élo se necesita ddoterminar la tltima eolumna de la matti2 4” la cual se denotard por ¥, pues [D'eed|y= Atel ¥ Escribase yo, yi, «+, Yn pata denotar a los elementos de ¥. Entonces. 1100 oo Tf »] o 120 oo |} yn asre{[O 9 13 o 0 ew Mle, 0 0 0 0 Lon 1 0 0 0 oO o1 dedonde se obliene el siguiente sistema den + L ecuacionesen las 1 incdgnitas DoYyeeDe pee ytd pth = Yea Mn 7 0 yee Al comenza con la iltima ecuacién y sustituyendo en reversa en Jas restantes, Se cobtiene yea = (akn-1) ge = CDK = 1)... BX2) do = EDR 1). GAD sea que Como (rere = |964 Auseena uneaL se tiene que _Entonees la férmola que se quet Diet) © yet yet tet re tie establecer es: ecu fer te EJERCICIOS (SECCION 6, CAPITULO 4) e nel teorema 6.1 se desnoses quest Tis V =» Uy Ti: U —~ Wson transformactones lineal inversibles, entonces Ts © Tz: V+ W es también inversible. (Es cists ba sfinmacidn rsiproca? 1S un ejemplo que un operador lineal 7: ¥ > ¥ 2) inycetivo pero na sobroyetivo. by. sobeeyvetiva poro noinyeetivo Scan T.y Troporadores lineal en espacio vectorial Vtales que T,°Tx: V+ Ves inycctvoy sobreyeetivo. 8) Demueste que Tees inycetiv. by. Compruche que 7 es sobneyectivo. ©) gBsnecesariamente 7 sobreyectivo? 8). ZEsnecesurlamente 7; inyestivo? Demuesire que el operado neal 7: Re > R? dado por Tony) las + byex +a) esinyoetivos, y silo si ad ~ be #0. ‘Scan Vy U espacias vectorial dela mss dimension (finita. Sea 7: ¥ =» Uo transformacign lineat par a cual existe una transformactén linea S: U —+ Vial que Se T= lay, Pruche que Tes inversble. Sean Ti: RE -+ Ry Ti: RE» R? dos (eansformaciones Hineates. Demnstre que Ts © Ti: RY ~» WY no puede ser inverse. {Sugeréncia: vase ejerciclo 18 dela seectén anterior. La conctusisn se sigue del Teorema 62) CConsiere la transformacionss lincales T: Rv» Rey Ts: RY ~+ Re-Deanvestee sin> m,entonces Ty ° Tis Re ~+ Reno puede ser inverse Sean Vy U espacios vectoriales de dimension fnita, supongs que T: ¥ ~» U es un isomoetisma. Proche que la funeion FLY + LU, FIS)=TeSeT* sun isomostismo ente fs expacios vectoriates L(V, Vy L(U, U).;Cuiles a mate fsocinds a Frespeeto dela bases eandnieas de esis espacion? \ ° 9. 13. ir TRANSFORMACONESUNEALES 365 Sea Vun espacio vectorial de dimensin Fini. Sean.7; y 7; operadores linestes ex V,demvesire:)si 7 esinversible,entonces Ker Tz= Ker(Ti°T),b)si Tyesinversible, entonees fT; = fin T ° 7) {Sugerencia: Seginel ejercicio 17 de Ia seecién anterior solamente falta mostar que Ker (T° T3) © Ker Tye ba T © luTy® Demuestre que el opetidar detivacion Di Py ~+ Pu Dip) = p'n0 es inverse Sea Tun operadr lineal en cl espacio vectorial Vtal que Ts el opcrador cera en V: Comprusbe que el operador I= T: ¥ + Ves no sing. Demucsite que cada una de la transformaciones lineal siguientes es inversibe. En cada easo, determine wna formula explcita para la inversa de lt tnsformacién comtespondiente 8) TRE RE Tes, y) = (x- 25,30) » ERR Tis, 9,2) x4 Ay - 62, 5y 9 TRAP Ta bd-ar(ar debra TMs Mx TE) 9 TMs TA le Dre F@Ebs ons (ard ear 9 TM Py Sea Vn espacio vestorial de dimensicn n, Sea = {vs Vis +=» ¥4) una base de, cnnidenvel npeulorlineal 7 Vy Vural eval Tu) vw 1 2..-..n Denmiestee ‘que Tes un operadorinverible, Deseriba el operador inves TV ¥, Consider] operador 7: My. ~+ Meas dado por (A) = AB ~ Ba en donde 2), Demesrequeslopendor no esinverse wand decane el onan 62. (Sngernca se jetelei 6d soci 1. Sea Inte de Myon ds or eee VP ype > of-fo of [roy vy Ctuengs Is mati de 7 nespeto Ue ia base 9. Por mello de ela, dca soovatete se Foes verte sl opeadrtincl do por 14) = A en dade Bes saat {jade orden, Demucsire que el opera Tes inversiblesi,y slo si Bes una mati, inverible, En tal caso, desriba 7 CCaleuo ef dotrmnante de ead uno de ls siguientes operadores tinal, 280, decid scl operador dado es invesible 0 no fe, 2) TR=R Tis, 2) (-y# 2,384 By «Dey 10x = 22) » TR Tes, 9.2) = (4,28 + 6y #22, 8499-432) 9) TRAR Ten ni) = (8 8) TPP Tag a8 4 O38) = ae YE 4 ©) T Mes Miz TA) Anat DT May Min TADS Ata366 Aceeaa Lineal 7. APLICACIONES A LA TEORIA DE SISTEMAS DE ECUACIONES LINEALES En esta seccidn se pretende usar Ia teorla de transformactones lineales que se ha desatrollad en este capitulo (ms concretamente, se usar las ideas estudindas cen las seceiones 2 y 6) con el fin de reobtener y preisar, por una parte, algunos de los resultados que sobre ecuaciones lineales se estudiaron en el eapitulo 1, y por ‘otra parte, también obtener nuevos resultados importantes dentro de Ia teoria de matrices y sistemas de ecuaciones lineales, los cuales han sido dejados para su estudio hasta este capitulo, pues es con el lenguaje de las ttansformaciones lineales ccon el que se pueden dar demostraciones simples y ditectas de ello. 7A, RANGO DE UNA MATRIZ TEOREMA 7.1 En la seceién 7 del capitulo 3 se estudié el espacio linea de wna matriz, a Bste fue definido como el espacio generado por los vectores linea de A. Se van shora a considerar los vectores columna de, que se denotat por C* 1a,J€Rej*1,2,..,, Estes son pres idciotsos lesnentonde ls correspondion yy quese definen como Cf (ay, 4 Tos vectores euyas coordenadas ce tes columnas de A. El espacio columna de A es el espacio genetado por los vectores columna de. CObviamente se tienen las siguientes relaciones: espacio linea de-A * espacio columna de A’ ‘espacio linea de A’ espacio columna de A cen donde A’ denota la transpuesta de la matriz A. Mis atin, se tiene el siguiente resultado: ‘Sea A una mattiz m x neon elementos a. Entonces dim (espacio linea de | A)= dim (espacio columna de A) DEMOSTRACION Se tiene pues la mattiz ay an. Oe aa [ a a Oe ‘ransronuacionesuncates 367 Sean LE = (iy aay ey) Eye CF Capita est) JQ los cottespondientes vectores inca y veetores columna de A. Supsngase que el espacio linea de A tiene dimension k. ‘Sea B= (vy Ys... 44) una base de tal espacio, Existen entonces escalares cy tales que =e temrt..tem Fem i Bseribase ¥,~ Day Bays Bra) P= 1,2, 4k: Entonces Lem I= F cove = J, exlbas Dayo o sy ‘Aliguatar las j-ésimas coordenadas de los veetores de R que apareecn en ambos ‘miembros dela expresion antetior se tiene Entonees (oniyevesdad =| Fords F end J ot © Flees sote Esdeci, = Y bau cen donde, ~ (Cy Cr+ +p Ou) F™ 152p = ‘Cada vector columina Cf se ha eserto entonees como una eombinacién lineal deos veotores ti, Hs, , te Por tanto, es elaro que ‘espacto columna de ACS (Hi ty «+4 4) (ase lema previo al teoreia 7.1 del capitulo 3).968 AAcESRA LINEAL Pot lo tanto dim (espacio colurana de A) & k= dim (espacio linea de A) [Alrepetir este misino argumento con ls maiz aise coneliye ave dim (espacio caturnna de A") dim (espacio linea de A) dim (espacio linea de A) & dim (espacio columns de A) y por tanto - coluana de A) dim (espacio linea de A) = dim (espacio col QED. DEFINICION7.1 Sea tamatrizA = (a Se llama rango de fa matriz A ala dimensién de su espacio linea. Senin el orang s pede dfinregulvasnamente lang d= wa Hincomolndmension de espacio cura . incre que, segin el teorema 7.2 del capitulo 3, el rango de una matriz. es eee Reaminsensoerma clouded wer a pom el cone rang de un ms tee eS Siento se dfn ol ango deunatasformaisn Hcl fn ert image ete, Sovets coun ges eee eunaa TV Uonrespect abases sd VY Uy fangos ded y de Tetnide. donde By 6 son ciertas bases de Vy U,respectivamente. | Entonces rango de T= rango de A. | DEMOSTRACION Se tiene que tango de T = dim (espacio linea de A> Hs din (espacio cotumnna do A) = dim (espacio linea de A) = rangodeA a pinera deste iguldades se deduce de isis hecho on asubsecsto¥ 31 Aeeste capitulo) a TRANSFORMACONES UNEALES 369 Se puede ahora carscterizar Ia inversibilidad de do su rango. 1a mattiz euadrada en téemminos TEOREMAT2 — | SeaAunamitcdeordon Acs inven sy slosicrangode Ass DEMOSTRACION Considérese la trnsformacisn lineal T: Rt ~+ R¢ dada por 71%) = AX. Segin el, teorema 65, es inversible si sdlo si lo es. Por ota part, sequin el teorema 6.4 Tes inversible si, sso si Tes no singular, es deci, siysdlo si Ker T= (0). En tal caso dim Ker F= 0, Segiiel tcorema de la dnensionse tiene entonces que ddim Ker T+ din Im T= dio Re» n. Pot lo tanto, Aes iversible, sy s5lo si dim ‘Im T= tango de T= n= rango de A. QED. Eltcorema anterior aiade una equivaleneia mis de la propiedad de inversibilidad ddo-una matriz cuadrada, a una larga lista de equivalencias de esta propiedad que hhan sido estudiadas desde el capitulo 1 hasta el momento. En el si teorema se presenta una reeopilacién de estas equivalencias mencionadas ‘antetiormente, TEOREMA 7.4 Sea Ana mati cuadrada de orden 1. Las siguientes afm: Ja matriz A son equivalents: 1) Aesuna maiz inversble. 2) A es equivalente por renglones a la matiz dentidad La 3) El sistema homogénco do ecuaciones lineales AX « 0 tiene slo la solueidn iva 4) Elsistema no homogéneo de ecvaciones lineales AX = B tone una ‘inicasolucién para cada matiz nx 1B. 5) Det r0. 6) Los veetores linea de A son linealmente independiente. 7) Los vectores columns de A son linealmenteindependientes 8) Los vectors linea de A generan a R’. 9) Los veetores columna de A generan a Rt 10) Los vectors lines de A forman una base de RY 11) Los veetore columna de A forman una base de 12) Elrangode des n. 13) La transformacidn inel T: V~ U'tal que = [Thy (@ y p bases de Vy Urespectivamente) es sobreyectiva 14) La teansformacin lineal 7: V~ Utal que A = [Thy es inyeotiva 15) La tansformacisn lineal 7: ¥— U tal que A = [Thy es no singular. 16) La transformacion lineal 7: V+ U tal que A » [yy es inversible. | DEMOSTRACION Contenida en las piginas anteriores QED.970 AUseeRA LINEAL TEOREMA7.5 DEMOSTRACION Existo una serie de resultados clisicos sobre el raigo de matrices que pueden set probados ficilmente usando el lenguaje de las transformaciones lineales, sl cexplotar el hecho de que el rango de la transformactén T(X) * AX es el rango de lamatriz A, Algunos de estos resultados son tango (A + B) $ rango A + rango B rango AB < min (tango A, rango B) tango AB 2 rango A + rango B=" cendonde A y Bon matrices cusdradas de orden n, Se probari la tercera de ellos, dajando como ejereito las dos restantes. Sean A y B dos matrices cundradas de orden n, Entonces, tango AB 2 rango B+ rangoA ~ 1 ‘Considérense las transformaciones lineales 7), Ty: R* ~+ Ré dada por: TX) = BX TX) = AX Como se sabe, Ia composieidn 7» Ty: Ré -+ Rees una transformacién Tineal ‘euya mattiz asociada respecto de la base candnica de RY es AB, esto es, (Ts T)X = (AB)X. Se tiene entonees una situacién como la siguiente: w hing @ a eh co Enel punto clave del argumento que se presenta esti en considerat la transfortna- ign Ti: ImT, ~» Rr, definida como 7;(X) Ts). Es decir, Tesla restricetdn de la transformacién lineal 7; al subespacio fn, de R-. Se afirma que 1) I(T Im(Ts° T) 2) Ker Ts Ker Ts Se prucba la primera de esas relaciones. Sea y € In, Exist entonces 2 € In, tal que 75) = T@) = y. Peto siz € ImT,, existe x € Rr tal que T(x) = z. Al poner todo esto junto, se vo quo siy € Inf existe x € Retal que (739 T)(s) = y Entonces y € ImT;® 7, y asi ImTz S ImTz° T. Para probat 2), supéngase que x € Ker, Enionces 742) = T(x) =0. Bs deci, quex € KerT, Se tiene pues que Kerts & Kerf Trmsronmconesuneaics 371 Como consecuencia de las relaciones (1) y (2) que se acaba de probar, se coneluye que tango (Ti) $ rango (Tie 7) nnulidad (73) $ nulidad (73) Por ota part, el teorema dela dimensisn aplicado @ la transformactén 7 esta- blece que dimensién del dominio de 7; = rango 7; = rango (72) + nulidad (73) Entonces rango (T°) 2 rango Ts rango T; - nulidad 7 2 tango Ti ~ mlidad 7s (oorel corms dea dimension * range T= (n= fan80 7) sotcadoaT) rango T; + rango Ty -n Aleseribirestadltima rolaciin en términos mattieiales (teorema 7.2) se tiene rango (AB) 2 tango B + rango A =n ‘como se deseaba. QED. 7.2, CONDICIONES DE CONSISTENCIA DE UN SISTEMA DE ECUACIONES TEOREMA 7.6 DEMOSTRACION Enesta subsecctén se probari! un par de woremas relacfonados con Ia solucisn de sistemas de ecusciones lineales. La importancia de estos resultados es de cardeter teérico. Considérese primeramente el easo homogéneo. Sead = (aj):~,..m na maltiz m Xn, Considérese el sistema homogé- neo de ecuacioneslineales AX = 0. l espacio solucién de este sistemas ‘un subespacio de R' de dimension n ~ rango de A. El sistema posce soluciones no trivisls si ysélo sin > rangode A. Si n= rango de, el sistema posee silo a solucién trivia Sea TR’ ~+ Rela transformacicn tinea! 72) = AX, Segin 2 teorema 31 se tiene Ker T= espaciosolueién de AX =O, de donde mulidad de T= din (espacio solueibn de AX = 0), Por otra pate, sein el teorema de la dimensién nulidad de T = dim R*~ tango de T =n rangodeA872 A.cEBAALINEAL COROLARIO DEMOSTRACION EJEMPLO1 Esdecit, dim (espacio solucién de AX = 0) * m ~ tango de A compose quer proba oases un > angode A = rango de Tsi,y slo i nlidad de 7 > 0. En tat ech alce de Tes unsubespacto dango del subsspacio (0) de R's pot es ekften vectors no mules or Ker T Tales vectors son stolons (0 tie detent "0-Simarmente, st =rangode Arango de Telonees wags 0.Enalcaso Ker (0 y por ano, nica soci del sistema [AX Oestasoluién vial QED. ‘Como un cotolatio de este tearema, reobténgase el teorena 2.1 del capitulo [stasis do mecucoes con nny X= Oestlpe mm | Sas pace rarest ial Con la notacisn de la demostracion del teorema anterior se tiene gue ‘m= dim Re > dims InvT ~ rango de T~ rango de A (pues In es un subespacto de R* —véuse teorema 5.4 del eaptulo 3). Entonces rangode A $m Mana dada por TA) = ABen donde Bes una smatrz dada del espacio My» Comprucbe que tango T= 1 (tango B) 18) Sea A una matiiz de orden a my sea B una matric inversible de orden 1. Demuestre que rango A = rango BA ') Sid esunamattiz cuadrada de orden ny B, y B:son matricesinversibles de onde, rn, demesite que rang A = rango BA Sead una mattiz de orden n, Sila mattiz Bes semejante aA, dempestre que el rango de Bes el mismo que el rango de A zEs eietta la afiemacidn refproes? Para cada uno de los siguientes sistemas homogeneas de ecuaciones lincales use el teorema 7.6 para determinat I dimensidn de espacio soluciin correspondiente 8) In-m=0 D dnt Ig + 105-740 tO Tr + 10x #4" 0 ees 2,4 13x, 225 -16n= 0 2x3 tn=0 45, +105, + 285-224, 60 ttn 8) Gm tay +354 5x4 7-0 Xin 95, + Gr, + 5x5 #7244 91s =O nenen=0 6n #44 4 Sn # 3k tO Indus Su 43u+0 eects 4x) -Br + 17 # Bh 0 » Sui Or 4 44) +2 = 0 9 Te 4 12m +7520 5x +8 45-0 Bx, 10%, + 25,0 Sait Idx, By =0 meen hae 0 nontyeneO Para cada uno de los siguientes sistemas no homogéneos de ecuaciones lineales use cl tcorema 7.7 para determinar si el sistema es ono consistent.376 A.ceBRAUNEAL ) nturl 2) Au 3n-n tee 2 ayeaed Debate tae? ee Sy tne te? agentes agtne duels Wy Suto art 6x, + 6m = 1d = 16 Oo ntutn-6 3x) # Lay 12s = 19 w=2k 42% eae Bx Dex ene Ont? ty t9n + Is 3u= 9 ay -x=2 Tet Sm 3x4 9 18 wine Ja Te dy +206 23 10x, +94, +65 #38 = 33 gata 155, 10x: # 10x, + 4x, = 39 athens? eae D 2g td t 2-20 I= 1 1 ax) Gu 30-9 Dydd 24-6 2x, = 4554 26°6 Bx, Gx #945 TH 444 17 $5) 105+ Su 15 3x4 Gxt SxS 4 41 10 APENDICE |. FUNCIONALES LINEALES ‘Acuna transformacién lineal V+ R del espacio vectorial Val campo de los reales (el cual tsmbién es un espacio veotorial-real) se le llama funcional lineal en V. En este apéndice se estudiarin algunos temas relacionados con fonetonales lineales. Podria parece a primera vista que los resultados que se eneuentran en cl ‘estudio de los funeionales lineales son solamente patticulatizaciones de aquellos resultados ques estudian durante este capitulo, pata transformaciones lineales en general 7: —+ U,al easoenel que U es R (pues finalmente los funcionales lineales son un tipo muy es espeeial de transformaciones lineales). Sin embargo, se vera {que existen algunos resultados muy importantes (¢ inferesantes) relacionados con funcionaleslinealesen los euales se explota precisamente la patticularizacién del ‘condominio dela transformacidn linea. ‘Vease primeramente algunos ejemplos de funcionales lieales, Si Vesel espacio R? y a, az y a son escalares fijos, entonces fi R? ~ R dado por Sey) eaxtay tax ces un fineional lineal en R En efecto, se comprucha faeilmente que AGG Y 2) WY, =f WD AAR 2) y ets 962) = oft ys 2) AM. ‘TRANGFORVACIONESUNEALES 377. Mis generalmente, si Ves el espacio RY y ay a, « lentonces i Rt + R dado por son 1 eseslares fijos, fois Bayt) HOE HH day ‘es un funcional lineal en Re. SiV=C({Q, 1), et espacio de tas funcfones reales continuas es el ntervalo [0, 1], entonces la funeidn fs C((0, 1}) — R dada por fa) = fst ces un fumeional lineal en C((0, 1) pues faired = f et ano = f (ei0 + extent + fh sto fase = fe) +a) fee)» §, (eaxoat = ff ein = € f ste fe) En lapinersubsecstn dest apni s stinin “conju de fanconas EL ESPACIO DUAL Y EL BIDUAL En a subsecciin 5.1 de este capitulo se vio que ol conjunto de todas las transfor= Imaciones lineales 7: V-+ U del espacio vectorial Val espacio vectorial U, e eval sednot por 1(,U.esdehecounespsiovecorly ques! Vy Usanespocs le dimension finita su dimension es igual al producto de ls dimensiones de Vy U(oorema 5.1), ° Eneleaso particular U R,setene entoncesque L(V, R) esl espacio vectorial de trios fos funcional lineales en V- Este espacio se denota por Vy se Hana espacio dual de V. Las operaciones en ¥* son + 800) = 0) + 80) (YM) =f), ceRfge Si Pes de densin fit, sn ambién de dimension ita yan = ali lo cual es una consecuencia del teorema 5.1 y del hecho de que R est es vectorial (teal) de dimensién 1 " _378 ALcEORAUNEAL TEOREMA Al.t ‘También comouna conseeueneia del teorsma 5.1 (desu demostracion) se tiene que dada la base B= {¥,, ty. 5 %} del espacio vectorial V, los n funcionales lincales f€ VF T# 1,2,... 5 ndados por Lsijei forman una base de V*, Esta base es Hamada base dual de p. Por ejemplo, si V= Rry Bes la base eundniea de V, se tiene que, segin el aulisis anterior, los funcionalesfi: Rt + Ri 1,2,.. 1 dados por $6) = 0,0... 0.10.02 (EEE ~ l i cconstituyen la base,dual de 6. Obsérvese que dado x= (X14...) € RS oo se tiene que mo) «(8 a Y wfle) = a clomado que el ésimo funcional f de la base dal de ese! funcional ques ead vector x € Ré le asoia su -éima eoordenadarespecto dela bas Este es un hecho general que se verifcaficllmene, En efecto, si = (¥y Vays +s el es una base del espacio vectorial Vy sc eseribe el vetor v € Veomo vein + est. enn entonces si! = Uf» +» sf esl bse dual de se tiene que dl ‘ F-ésima eoordenada de v fv) = fe | Y 6% | = Y of) 41 ~ respect de la base B. Mis atin, se tiene el siguiente resultado que dice eéino son en general los Funeionales lineales pertenecientes al espacio vectorial V* dual del espacio V de dimensién finita ai ‘Sea Vun espacio de dimensidn finita y sea P= [v4 ¥5,.-., v4} una base deel. Sifi V+ Res un funcional lineal en ¥,entonces. gen donde (¥)p= (Cr e265) DEMOSTRACION Considérese ta hase dual B= Uf, fi Fo) forder* fordert ot fede | TRANSFORMAGONESLNEALES 379 fr} de'B. Dadof € V* existen escalares isd, de tales que Fr eae ate San Obsérveseque Jo) =F dion = ‘de modo que se puede escribir fon Si ves un vector en Vy (¥)= (G+ 62)» Se tone que, por la observacién provi a eorema Jo) = F foe = F fove ‘queees precisamenta Io que se quia demostar. QE. Dado el espacio vectorial V de dimensién finite, digase que dim V'= n, se tiene toa él suespacio dual ¥*, tambien de dimenstén 1, cuyos veetores son functonales lineales fi V+ R. Se podria considerar similarmente el dual de este espacio vectorial H*, Esteseria pues el dual del espacio dual de V. Esteespacio es denotado como H** y es llamado el bidual del espacio veetorial V. El espacto bidual V** tiene la misma dimensin que ef espacio dual V*, y por tanto, la misma dimnensién que el espacio V. Los vestores en V** son funcionales lineales en ¥*, es decir, funcionales lineales dela forma v: V¥ + R, Lo inieo que se puede afirmar a priori sobre el espacio vectorial Vy su ¥#* es que éstos son espacios isomorfos, pues ambos tienen la misma dimensién, ‘Sin embargo, se veri a confinuacién que existe una manera muy natural de identificar estos espacios (sin referencia alguna a bases de Vy V**, que es como cn primera instaneia se podria establecer un isomorfismo entte estos espacies) de ‘modo que permita ver el bidual ¥** como una “uuténtiea copia” de V, Acada veetor v € Vse le puede asociar un funcional lineal en V* (que también sedenotari por ve cual es enfonces un elemento de V**) de la siguiente manera: vie oR fo vp=s380 Ascona Lineal TEOREMA AL2 DEMOSTRACION Obsérvese que para f,f € V4 y © € R se tiene A= G+ = flv) + £09) = WD + 0D oh) = (CAO) = efi) = EHF) de modo que efectivamente ves un funcional lineal en V*. Bs decir, el vector v € V, visto como un vector del hidual Ves el funcional lineal en * que evaluado enf€ P* da porresultado fv). Asi pues, os vectores del espacio veetorial V tienen ‘una doble vide: 1) como elementos de V, y 2) como funcionales lineales en ¥* sa identificaci6n natural es de hecho un isomorfismo, ‘Sea V.un espacio vectorial de dimensién finita, digase que dim V = n. Considérese la funcién @: V ~+ V** definida como: pata v € Veseriba 9b) = ¥ € Vet on donde v HR, oh * f0) Entonees @ es un) isomorfismo entre Vy V**. enone ‘Verifiquese primeramente que @ es lineal. Siv, , € Vy ¢ € R se tiene stv, + va) =v + vy € P** en donde v; + vx: VY -» Res el funcional en V* dado por (i+ vaf= sto # vy). Como fes Hineal se lene que (¥, + #9) = Av ¥9) = AVI) + ‘fiv). Entonces gv +9) * 9) + GC). Similarmente, g(ev) = ev € V** en. donde cvs P* — Rees tal que (eviif) = len) = oflv) pues fe lineal. Entonces (Cv) * ¢—p(¥). Esto muesiea entonces que @ es lineal Por oita pate el nicleo de — es por definicton Ker [ve V| "0.6 =) Supéngase que ¥ € Ker. Batonces YR ext faneonal cro en Vs decir si) =f0) =0¥Fe 7 Safina gue = 0. on Bn efecto supingace por contadostin que +O. Exisenentoncesvectotes ligt als € Ves que P= (yy esta base de V.Detinase f€ VY, fi V+ Romo fiv) = cy en donde (v}y * (Cr, G2, --» C2). Claramente, fF O(on V*) pues ft) = 1. Esto contradice entonces que v(f) = fl») = 0 para todo fe V*. ‘Bisse, Kerg= 0), Como din V= dim V*" «1, el teorema 6 dice que QED. En bose a esta identfiescién establecida en e! teorema anterior, se tiene entonces. {que los espacios veetoriales V y V* juegan una relacién perfectamente sim ‘uno eon respecto al otto: V* es el dual de Vy (= V**) es el dual de V*, Cada vector f € M¥ es un funcional lineal en V y también eada vector v € V es TRANSFORUACIONES UNEALES 381 ((dentticado naturalmente con) un funcional lineal en V*, Esta “dualidad” esti de recordar con la formula: vf) = flv) para v € V(-P**) y fe VA. LA TRANSPUESTA DE UNA TRANSFORMACION LINEAL, Sean Vy Uespacios vectotiales de dimensidn finita, digase que n ~ dim ne din U Sea. ¥ = Us tnsermacon el Conder aor tn expec hates Py Use puede por ed dea traformacion 7, defi ana eva tansfomecisnT: Ot P= dla siguiente manera g€ U", TQ) € Pen tii len 1 7%) Y= Rene por TN aT Siem Tr vou S vee TY) Urs ve 4T@) — endonde Mg): VR ves TNO) = (TW) Es leil verficar ue Tes una trnsformacién lineal: i gy gy € US y ¢ € Rese tiene para cualguiee v € V (Pies + 20) = e+ e9(TW) = aT) + 8A) TRIO) + TIO) “T+ TEN dedonde Pet e)-Te)+ TED Peg) = (CRIT) = eg(Tw) - ren) = FEO) dedonde Teg) =e TR) Ala transformacién lineal 7° descrita anteriormente se le llama transpuesta de la transformacién Sean Br [iy y-+0s Ye ¥ Bo (Us ty sta) bases de Vy U respectivamente, y eonsidérense las correspondientes bases duales Bi = Yinfis... uf) de V*y Bt = (Bagi Be) do UF382 AccsRAUNEAL Sea A ~(aj)+t,...» 1a mattiz que representa a Trespecto de las bases Pu y Ps (an (estos, = (Ths) B= (i) bases Bf y Bi (estos, B = (Pra) Selene enfonces que la matriz que representa a T'respecto a las, To) Te) Yoh ‘También, porla definicién de 7" se tiene que MEN) = BETO = (§ une | =F ange) = ay [8 ; (endonde para establcer I itima igualdad, ss de fr). ‘Seeabe que pata cualqule funcional fen Vs tene Ia definicidn de ta base dual fae (véase demosttacidn del teorema AI.1), Entonces, para el funcional 7'(q) en ¥ debe tenerse T@)~ x Tey Pero seguin lo visto anteriormente, (7'(g))(v) = a». Entonees Tw) ¥ af Comparando con “ Te ¥ of yon vistade Ia unicidad dela representacién del vector 7%) como combinaciin lineal de los vectores de Ia base Bi, se tiene que ae by {pot lo tanto se concluye que B =A, 0828 (Typ: = 383, 1a transformacién tanspusta de Pes precisamente la transpuesta de hs matsiz dela transformacién T. Dada la trastonmacin lineal T: V ~ U, se ha visto edino aster a sta su transformacicn trnspest, Se podria pregntar también por ranspucsta de esta sikima transformaetdn, Esta sera entonees la transformaciontranspuesta de la transformacién transpuesta de la transformacién 7, (T')': V4" + U**, definida cnc bidval de Vy con codomini el bidal de U.Si solamente se atcnde alas roarices qe reptesenlan a as trsformaciones lineal eorrespondicntes, 3 podtia conclu que Ia trenaformacisn (7") tiene asocind la misriatatrz de T (ques la transpuesta de la tanspussta de una mata 2 la mata original), Lo anterior hace pensar que a tranaformacién (Tes “la misma” que a transfor tmacidn 7 Bfectivamente, ecto es cierto. En realidad este hecho no es mis qoe el reflejo dea identfcaiénratual de V+ con Vy de U** con U que se aalizd en ln subseccin anterior en este apéndice, de mod entonces que ta transformacign (Ty: Ve" -» U* es una auténtcn copa (en el sentido en el que Y** foes de Vy U** lo es de U) de la transformacién original T: V > U. Al3, HIPERESPACIOS E HIPERPLANOS Se verd aqui aéms establacer un concopto geométrica que genetaliza la idas da “plano en el espacio tridimensional”, usando para ello funcionales linesles, Seaft V— Run funcional lineal no nulo en el espacio veetorial Vde dimensién n, La imagen de f es entonces un subespacio no trivial de R, Como 0 < dint Im FS din R= 1,setiene que dim Inj Ly entonces In f= R. Segin el worema de Ia dimenstén se tiene nulidad def n= 1 Esdecir, el nécteo del funcional fes un subespacio de V cuya dimensién es menor ‘on una unidad a Ja dimension de V. DEFINICIONALY Sea Vum espacio vectorial de dnensin n. $e die que el subespaci I de Ves an kiperespaclo de Vs din =n "1. Un hiperplano en V evel enjuto de le forma y+ 1H» [n+ |e Hen donde stn hiperespaco de Vy % 08 ear enV, Porejomplo, en Ros hiperespacios son fs subespacios dedimensidn 2 = 1 = 1 sta son recta que pastn pore otigen, Unhiperplano es Rt de ipo we + Hf, con H biperespacio de Ri, es una rela gue pasa por Vo y 68 pata a avec que representa H.384 A.ceeAK unex. En Ros hipeespacios son ls subespacios de R? de dimensién 3~ {= 2. Bstos ‘on planos que pasan por el origen. Unhiperplano en R? del tipo ve +H, con Hun hiperespaciode R?,esun plano que pasa por v.y es paralelo al plano que represen al, Segin el aniliss previo ala definicisn AL, todos los nleos de funcionales Jincales no nulos en un espacio vectorial Vde dimension 1, son hiperespacios de <1 Surge entonces de mado natural aintertogante: todos los hiperespacios de un espacio vectorial V de dimensién finita son ntcleas de Foncionales lineales no nufosen 7? La respuesta a esta pregunta es aliemativa, Més ain, se puedo usar una ‘suacteraavién muy simple de los hiperplanos de un espacio veeloeal por edo de funcionalesineles, de a cual se obtiene en particular la caracterizacidn de los hiperespacis de un espacio vectorial como nbcleos de Funelonales lineales no nulosen ¥, Antes de ennetar y proba el algunos cjemplos Sea V= Ry f RY -+ Rel funcional dado por fis, y) = 2. El nicleo de fe por defincisn: Ker f= ((»)|2r - y= 0} Este es un hiperespacio en R? que geométricamente es representado porla recta 1y= 2x, Obsérvese que alesaribir ls, )) = A, & € Ry se oblienen los hiperplsios en RE, 2x y= A, los cuales son parallos al hiperespacio Kerf etna principal de esta subseceién, véanse , wg Lema DEMOSTRACION ‘ransronuacionestiwnestes 385, En R’ considérese el funcional lineal, R? — R dado por Soy dertyer El micleo de fes el hiperespacio Ker, Gane | ety-2 = 0) Obsérvese que al escribir fle y; ) * 4,2 € R, se obtienen hiperplanos paralelos al hiperespacio Kerf Pésese ahora al anilisis que conduciré a la caracterizacton de los hiperplanos dde-un espacio vectorial por medio de funcionales lineales. — | Sex Vanespaci vectra de dmensdnn yea un hipereepacio ded Supongase que ¥ € V\H. Entonces cada vector v € V puede ser escrito enforma inica como v~ A+ fen donde es un esealary © H (Cbsérvese que este lena puede reennciarseequvalentemente come: si Hf esel espacio generado por ¥ € V\iientonces V= i @ Hl.) | vy) una base de H. Como ies tin vector de V gue no 8p 1} ecsina ban de V, pues dint Sea Bs = (v4 % prvteneen aH, el eonjonto f= (¥y ¥, V~ ny eleonjunto Bes. conjunto den vecores linealmente independientes en ¥ (vase lema 2 seecidn 5 capitulo 3). Dado v€ V,existentnicos esealares cy, yoy tales que OM tema tee Geert OF Esetibase h = 610; +... Gei¥isn Bs lato que h € H. Poniendo c,= 2, se obtiene I conchusin descada de! lema, QED. Enel easo de Rel contenido de este lema puede verse geomeétricamente septin se muestra en la siguiente figura:386 A.ceeRAUNeML TEOREMA AL3 DEMOSTRACION EI siguiente teorema asegura que todos los hiperespacios en un espacio vectorial Ve dimensién finita son micleos de funcionales lineales no mulosen ese espacio. | Sea Hun hiperespacio de un espacio vectorial Ve dimensién n. Sea ¥ € | VViy cunescalar no nulo, entonces existe un nico funcional lineal | V+ Real que | a) Kerf=H b) fire Lo Definase el funcional fi V ~+ R de la siguiente manera: dado v € V, eserbase, Res un funcional lineal en no nulo, Como fes no nulo, se tiene que Im.f= R, de modo que existe vy € Vial 4ques{v)= ¢. Entonces se afitma que M = vo Kerf Enefecto,sea v € M.Entonces SW) = = fon), de donde fy ) = Oy por tanto, v= € Ker f,osea v= v5 + h, he Kerf. Es decir, Mvp Kerf. Reciprocamente,siv~ vp hy en donde h € Ker fse tiene que fv) ~ iv +h) = fos) = fll) * 0+ 0 = cy por tanto v € M. Es deci, que ve + Kerf CM. Entonces M ~ vo+ Kerf. Como Ker fes hiperespacio de V, se eonchiye que Mes hiperplano de V. Reciprocamente, ea M un hiperplano de V, entonces Mv ++ H,en donde H es.un hipereapacio de Vy wu € V (el caso de interés es cuando vy € V\H, pues i tw € Hla conclusion de esta parte del teorema se reduce @ aquella del teorema anterior, pues en este caso M seria unhiperespacio). Sea c € R un escalarno nul. Se sabe que existe wn tinico funcional lineal f: V+ R tal que Ker f= Hy fs) ~ ¢. Entonces, por un argumento similar al usado en la primera parte de Ia demos tracién de este teorema se coneluye que M = vp + H™= [v € Vio) =e} Q D. EJERCICIOS (APENDICE |, CAPITULO 4) 1. nel espacio vectorial My, considera fine Ma + Rac por: Bayt Demuestee que fes un funcional Iieal en Mex 2. Enel espacio vectorial C((-, 11) consider la funcion p: C({-1, 1) -+ R dia por 0) = £0) Pruche que es un funcional neal en C({-1, 1D, 3. Considete los vectores v= (1,1), vz * (0,3) de RP, Demuestre que existe un Unico funcional lineal f R? —> Ral que flv)» 1, fv) = -1. Desesiba explicitamente el funcional388 A.cEERAUNEAL itt RB Ciena ofalso? Dados dos vectors v y ven Ré existe un Snico funcional fines] fee Real que for) = ay fo)» B,esdonde ay b son nimeros Feales dads . EMR? considee los vectores vi = (1, 1,2), 2~ Gs Ly Dy 43 = (2,1) Seafi RY Re funeional lineal tal quest) ~ “) = 3, determine una formula expicita paras. En? considere ls base B= (21-14, 1,24 0.0.4) Describe explictamente la base dusl de 8 En Mfr considere la base 3 ie ap mE IL IP Desceiba explictamente Ia base dal de B. CConsidete el finclonal Tineal fs R? — R dado por TED fon) = ax, + endonde ay bson mimes reales fijo, Para cada uno de ls operadores lineales 7 Ri + RE dados a eontinuacign, dseriba 7". 8) Tea) = G99) b Thonn) = 0) 6) ya) = Git m8) 0) Tex, 2) = Gxt dey 28,4 60) ‘Sea T: Mee “+ Mon el operador lineal TA) ~ BA, en donde B es una matrz fa Me Enel cjercicio 1 se probs que fi Mow R, f(A) ~ #r es un funcional Lineal de My Describa 71). Enel espicio vetorial R? considere el hiperespacio TRANsFoAMAcIONEsUNEALes 389 ® 13. Enel espacio vectorial R° consider el subespecion H=(2,1,3),,1,2) 8) Deraveste que H es un hipeespacio de R° ‘by Deseribe explicitamente el funcional lineal RP + Ral que Kerf= Hy f(A, 0, ope © 14, Enel espacio vectorial Ms considere el subespacio aff! Uf! fo wal hE o}Et a] 1) Compre qu unig de Mia 8) Des expleinment ns Ine f Min ~ R lq Kerf» Hy ay (ty)! © 15. Enetespacio vert é considers el subespacio H=3((1,0, 1,0, @,1,0, 9,2, 0,0,) 8), Demuesie que H es un hiperespaciode Rt 1) Considere el hiperplano M en R¢ dado por QLD serita Sf Gomme Mee RYO] {de donde es un némero yfes un funionsl neal no nuloen R¢.(Véase teorema ALS. Ha (@yiery) ‘Sea? (2,3), esctiba cada uno de Ios siguientes vectores v de R# como v= 25 +h, Re Rh € H (vease lena previo al teorema AL). 9 y=.) 9 96.9) b =40) ® yeC12) Ein el espacio vectorial RY considere ct hiperespecion He (oe ya) lary 2-9) DEFINICIO 1), Bseribu el vector v= (31,2) como v= 24 hy hE RHE H INICION Enel espcio vectorial? consider iperesasio aaa TEOREMA All Deseitaexpliitamenteel funcional Fingal RY + Ral que Ker f= HyHCs 1,0) #2. APENDICE Il. ESPACIOS COCIENTE En este apcndice se presenta, en el contexto del algebra fineal, un eoncepto bstracto muy importante en matemsticas el eoncepto de “estructura cociente” En todo este apéndice V denotaré un espacio vectorial (no ntecesariamente de dimensién finita) y Wun subespacio de ¥. En el espacio V se va a definir una relacidn entre sus elementos llamada (elacién de) “congruencia médulo W”, Sean vy ¥) dos veetores del espacio vectorial V, se dice que v, es congruente con vmiddilo W, lo eual se eseribe como vy vy (mod IW), si vs ~ v2 € We La felacién de congruencia médulo W definida anteriormente es una relacion de equivalencia390 AuceeRALNeAL DEMOSTRACION a) Siv€ V, claramente v= v(mod HW), pues v- v= 0 € W (Wes un subespacio de Vy por tanto contiene al cero). b) Supéngase que » = vs (mod WY), Entonces v ~ v; ~ vs € W. Siendo Wun ssubespacio de V, e2 tiene también que -v ¢ W (el inverso aditivo de v. Entonces -v = vs € W,0 sea que vs = vs (mod M1). ©) Sive# v5 (mod IF) y vs = vs (mod H), entonces v; - vs € Wy v2 -% EW, ‘Nuevamente por ser Wun subespacio de Vse tiene que (vi ~ ) + (4 8) = 1, € WO sea que, = v5 (mod W). Q Alserentonces larelacién de congriencia modulo W una telacién de equivalens ‘enol espacio vectorial V, éste queda dividido en clases de equivalencia di Considérese el conjunto vt We [vewiwe W) Se afirma que este conjunto es precisomentela clase de equivaleneia en aque se encuentra el vector ¥ € V-En efecto, ls siguientes equivaleneia son elas € ve Wer = ve alain w € Wee ¥~ yew € Wm v= v(mod W), Es decir, Jos elementos det conjunto v+ son previsamente aquellos vectores v € Vaque so congruentes.con Vmédulo W.Sedenotaré por 17" alaclase de equivale ‘que contiene a v (Se dice que ves “un epresentante” de esa clase.) Al conjunto de todas las lases de equivalencia de ¥, se le denotani por VW. Es decit, WW= (ve Wve Considérese por ejemplo el espacio veetorial V= R® y Wel subespacio W= (uy) CR Ix yh (Este mismo ejemplo se usard para ilustrar otros eonceptos que aparecerin en el tanseurso de este apénidice.) Se describirin geométricamente alos elementos del cconjunto W/W. Sea vo~ (toy Ja) € RF reeuétdese que v= vo(mod W) si v- vo € WW. Al escribir v= (y)se tiene = velmod W) % (x9) (Ho 30) € Wee (=A 39) € myn yee Entonces, el vector v= (x y) esti en Ia clase de equivalencia de w si, y sélosi sus ‘eoordenadas satisfacen Ia ecuacién de la recta y ~ yo =~ % a cual es una recta * hus notacn muy enda para a ele de eullencla que conten al vector v€ Ves). TRANGFORMAGIONESLINEALES 391 ‘que pasa por vy €s pataleta a la reeta que representa a W. Geomet Entonces, w+ W~ {(s, 9) € R']y~yonx= 4]. Osea, yew ow Elsiguiente objetivo esmostta que de hecho W/Wes mis que un simple conjunt: esun espacio veetoia Sean v, + W,v2+W € VW, se define la suma de vi + Wy vs + Weomo Ort E Ot et Bs deci, la suma de Ia clase que contiene a vy la elase que contiene a vs, es (Por Aefinicién) la clase que contienea v, + vy, Similarmente,siv+ We ViW,y.¢€ R, se define el producto de v + W yore escalare € R como vt Wm eve W Es decir, que el producto de Is clase que contiene a vporel escalare € Res (por Aefiicién la clase que contene a cv. Obsérvese se que se han delinido ests operaciones en el eonjunto VW, usanda representantes eonoreos de las clases de equivalencia eorespondientes, Se debe entonces verifiear que la definiién no depende de las representantes quese tomien entales class (estos, qe se trata de una buena definieién)392 ALOEORAUINEAL Supéngase entonces que se toma otto representante vj (distinto de vs) en Is clase v; + Wy otto eptesentante vf (distnto de 3) ext Ia clase vs * W. Como. + W~vj + Wy v4 We x4 + W, se debe verificar que (v1 + 9) + (vs +) = OF +05 +H, Como vi Ens Wy vy € v4 + se puede escribir vj = ut my + ween donde w, 2 € W. Entonees view (atin # Ort ws tn te) Como wi + wy € W,se tiene entonces que vi + v4 € vi + 12 + W. Por lotanto, (ut WY Gon tye ay met = ve EE OF ED 4 OE Similarmente, si € v+ W,se puede escribir ¥ ~v+ w,w €W. Sic € R,se iene cv’ «ev + ew, Pero cw € W, porlo que cv’ € ev + Wy entonces cvs Wye evt Weevs Woe +) [Las operaciones de suma y producto pot esealares en el eonjunto V7 estin ‘entonces bien definidas. En el ejemplo geomélrico esto se ve como TEOREMA All.2 DEMOSTRACION Ransronmacionesunestes 993, Seen nee El conjunto V/V con Jas operaciones de suma y produeto por esealares, anteriormente definidas es un espacio vectorial La domostracidn de este teorema es un simple ejercicio de verificacion de los ‘axiomas que definen im espacio veetorial en el conjunte F/ con las operaciones ‘que se han definido en él. Sin embargo, se daran Jos detalles de Ia demostracién pues en ellos se encuentran aspectos importantes en el manejo de las operaciones con las clases de equivalencis de ¥ (los elementos del conjunto ¥jW). Sint Wut y+ We YA, pe Rs 4) (lasuma es eonmutativa) (tet Mente aye sot +t) b) (la suma es asoeiativa) OF EQ EM OTM) Gt Ott sy tw@ewtw =urmteey =(utmt +O = ut te +s ©) (existe un ecto en F714). Obsérvese que Ia clase 0 + W es tal que WF) +O+Wavs04W=reW Vere yw Entonees el cero de VW es la clase de equivalencia en donde se encuentra el ceto de V, Esta clase es precisamente W. 4) Dadav+ W€ VW, obsérvese que -v+ We V/Wes tal que (WH) + vt W)= vv 0+ W= Wel cero de VI) Entonces-(v+ W) = v4 W ©) A WY +) = Ait vat) = AG v9) + = Av tant = n+) + Oot) + We Mat WD304 AaEeRAUNEAL TEOREMA All.3 DEMOSTRACION 1 Gee H)= Geyer He avs aye We Cv TH+ Gav aay em nor WD @) Caney t Wy = Que + We Ay) + W= du + WH) = A(utv + WY) h) P(t Wye live Wet QED. ‘Alespacio vectorial ¥JWse le llama espacio cociente (“de Ventre W”). Cuando V es un espacio de dimension finita, se tiene el siguiente resultado interesante 7 ‘Sea Vn espacto de dimensisn ny Wun subespacio de él. Entonces 77” ‘es un espacio de ditnensién finita y dim YW dim W> dim V ‘caf = (0, Way. «5 Mab una base de W,existon vectotes Vin iyo Wen VANES gue B= [i bss Hy Mn = %) e51na ase do, Se demostard que los Sieiores vs Weve # H,.-,02+ Wen HIV fortnan una base del espacio cociente vi. rimeramente véase que tales veetores generan a V/W. Sea v + Wun vector cualquiera a VW. ‘Como B es una base de V, existe escalates C1. -+ Gy dy «»-» drtales que ve cine test Cate tive tot da dedonde ve (diy tee FN) = 1 Foo Cae vector que aparece en el lado derecho de esta iltima expresidn se encuentra et cel subespacio W. Entonces vent... td e W «sea que la clase de equivalenca de vy la elase de div * + dyes misma. Bitonces ve Wedayt..tdvee W (din + H+... + (d+ = dion WY dao + HO to que mustza que v, + Wy... 499+ Wegeneran VW. ‘Vine shore que son linealmente independientes. Témese lx eombinacién lineal dint Wt... dit W=0 ranstonuacionesunestes 395 El s{mbolo 0 que apatece en el lado iquierdo de esta expresién se reficte a clase 0 + W. Los veclores de esta clase sof, como ya se habla observado en Ia TS) Bs deci, si $ es un subespacio de Vue contiene a Ker T, detinasey (S) eon TS) = [we Ulu Ti), ve 5}, Es ll ver que TIS) es un subespacio de U. Se va a mostar que y es una faneicn biyeaiva Sea Mf un subespacio de U, considérese el conjuto (My Wwe VITO) EM) Seating Ti esun subepecio de Vue contione a Ker Ty que y(T*(M) En efecto, sv, vs" TM se tiene Test) = Tw) + To) € ME pues Mes un subespacio de U. Entonces » + vse T'(M).308 Accra Lunea COROLARIO1 DEMOSTRACION COROLARIO 2 DEMOSTRACION Similatmnente, sive TM) y ees un escalar Mev) ~ eTly) € My entonees ev € FH(M). Esto muestra que T(M) es un subespacio de U. Si v€ Ker 7, entonces Tiv) = 0 EM (pucs Mes un subespacio de U). Entonecs el subespacio T(M) contionea Ker T. Por dltimo se tiene que WET *CaN)) = TB) = ‘Se ha probada entonces que y es sobreyectiva. ‘Supéngase por ltimo que iS, y S; son dos subespacios de V que contienen a Ker Tales que y(S) = MS) = NSI= VIS) Se ufirma que, = S. ‘Como $= TNS) setiene ue S,¢ T(NS))* Sy, Sea ahora ve TTS) Entonces T(v) € T(S;). O sea que Tv) = Tivs) para algiin vy € S;, Entonees v ~ vy © Ker T(paes Te - 0) = )-Como Ker T Sy se tiene v~ vy €S2y entonces VES Jo que muestra que S, = T'(S:)) © S:, quedando asi probada nucstrs tltima afiemacién. QED. ‘Sean Vy U dos espacios vectoriales y 7: ¥—> Una transformacién tinea! Entonces ViKer T= fon T. Obvio, porel teorema anterior (Denvrvors-rmomenusveLapnaassiox) Sean Vy U dos espacios vectoriales, V de dimensién finita. Sea 7: V ~» Uuna transformacion lineal entonces rangode T+ nulidad de T= dim V Por el teorema ATL se tiene dim Vier T- dim Ker T= dim V Segrin el eorolario 1, YKer T# In Ty entoncesdim V/Ker T= din In T (corolatio 1 del teorema 6.3). Por fo tanto dim Im T+ dim Ker T~ dim V “Sif-A — Bes wa fancién de conjunto A al conjunio By si, y B, son subconjuntos de A y B respctvament sine qe) By 2). "KA 2A TRANSFORMCONESLNEALES 399 tango de T+ nolidad de T din V QD. ‘Considérese por ejemplo la tansformacién lineal 7: Re ~+ RY dada por Tey) =~ Y=) Ker P= (Gy) €RLy=s) InT= (59) € Rl y= =x) Mientras que el subespacio fm Tse ve geométricamente como re y El corolatio I dol teoroma AILS asogura que RYKer T# Jn 7, No es muy dificil ddarse cuenta que la fonetn @ del teorema AILS que establece el isomortismo et espacio R¥/Ker Tal espacio fm Tse ve en este ejemplo como400 ArcesrAunea EJERCICIOS Se recomienda al lector que reeonsidere la primera parte de Ia demostracién del ‘eorema AILS con este ejemplo geométrico. Mas coneretamente que se conven _geométricamente que la funcién g: RYKer T ~> Im T, ev + Ker T) = Ti) esti bon definida y es un isomorfismo. (APENDICE Il, CAPITULO 4) 1. Sea Vun espacio veetoral, dseriba los espuctoscociente V/V y V0} 2, Enel espacia vectorial R} sea Wel subespacio generado por fos veetores v= (1,0, Ov Os 1,0). 4) ;Cémo son los elementos dl espacio eociente RYH? ') Holle una base de RW, 3. Enel espacio vectorial R sea Wel subespacio generado por el vector (0,0, 1). 4) Daseriba un elemento tpieo de RYW. . by. sCémo se ve gooméiricamente el espacio RYW? 6), Halle una hase de ROW. 4, Enel espacio vectorial P do todas os polinomios,consiere el subespacio Pa formado pot los polinomos de grado menor o igual que 4. Deseriba el espato cociente F/Ps, Halle wna base de 5, Sea Vel espacio de las matics trangulares superiones de onten 2 y Ul espacio de las matrices diagonales de orden 2 (Gubespacio de V),cemuesire que el espacio cociente V/U es isomorto al subespacio de Bf ap ed 6, Sea Vun espacio vectorial de dimension finitay soa W un subespacto de V tal. que dim ¥JW = 1. A los elementos del espacio cociente V/W se les lama en este caso “hipemplanos pralelos a 17", Cnelle esta definieién con el anlisis presentado en ba seocin 3 del apsndice I CAPITULO CINCO Espacios.con producto interno Considérese el espacio vectorial RP. Sc ha visto que este espacio es representado geométricamente pot el plano ay. En ocasiones simplemente uno se refiere al “plano R°",identifieando al espacio ‘con su representacidn geométtica. Una earacteristica impottante en este espacio, que atin no se ha estado, es que en él existe uns nocidn de “perpendicularidad” entte sus elementos, No es Aificilestablecer condiciones equivalentes al hecho de que los vectores ¥, = (ts, Bi) %* (G38) en RE sean perpendicular Lapendienteds lareeta en fa quese ‘Similarmente, la pendiente de Ta cto en qu eno 2, Recodo gue esas esa Son perpendiculares si, y sdlo sel producto de sus pendientes es igual a I, eobliene centonces la condicién de perpendicularidad entre los vectores V4 = (81, Js) y ¥3" (3) como obien,~ aut yon #0 El mimero ays + ya que aparece en el lado izquierdo de esta siltima igualdad no es mis que el eonocido “producto punto” de los veetores Wy vi, 401402 ALSEBRAUINEAL, La fineion que asocia a cada par de vectores ¥ y ve en R* su produeto punto bre todo un mundo de contenido geométrico para el espacio R°. Eserthase esta fu PRXROR 9) flo) (en donde v » denota sl producto punto de los vectores Vi ¥ ¥). CObsérvese que esta fncién posee Ins siguientes propiedad PI) flv, ) 2OV ve RY fly, v) = Osiy sdlosi v= 0 2) flv) = fle ¥) WW ERE 3) flv +i.) =f vd +f v9) 4) flor, 2) = flv.) En efecto, si v= (4) esun vector cualquiera de R? se tiene fl, yeviver +20 Baye Qe xeyed También, svi = (is) ¥%* G3) (fiw) ye vam ty eat ty Por iltimo, sie € R, v= (6,0), 98 * (38 09 = (5499) LOH * ag Wa) = (0199) = (CHL Hy OF) CHI) = (ext ats + (ey # pps > ema ¥ CY + A + = fn) +f 9) Obsérvese también que con esta funcién f, se pueden definir los coneeptos de perpendicularidad entze vectores de R®, magnitud de un vector en RF, dist centre dos veetores de R? como: 1)_Losveetores vi, € RP son perpendiculates si y soo si fbn) = 0 2) Lamagnitid dl vector » € R, denotaa por 65: Iu YR) 3) Ladistania entre los vectores v, 2 € R¥, denotada por dy, Ys) es: devi.) = FO y=) Espacies conprocucToinren 403 En efecto, la primeta de estas definictones es clara por el anilisis original La magnitnd del veetor v = (%,y) € RF seguin la definicion (2) esi Woh = Aiea = View = {que coincide precisamente con Ia nocisn geométrica de “tamafio® del veetor v € R, . Por tiltim, s 1 = (ti YO ¥ Ve Gi, yn) Se tiene, segtn ln definicion (3) divs, v2) = VFO = va Vd) = VO v2) OA a) ED BID = EOF que coincide también conta nocién geométrca de distancia entre (8, DY 9) i) ‘Todos esios coneeptos (perpendicularidad entre vectores, magnitud de un vector y distancia entre vectores, los cuales pueden ser definides por medio de a funcién ‘f(el producto punto de R:), hacen, pues, de R?, un espacio vectorial eos una grat tiqueza geométrica. En este capitulo uno se propone estudiar la generalizacién de estas ideas 0 espacios vectoriales abstractos. ‘Una funcién f que a eada par de vectores de un espacio vectorial Ie asocia unt _nimero real y que satisface las propiedades (del produeto punto en R®) Pl, P2, P3 y Pé se lama on general un “producto interno”. Los espacios vectoriles para los404 AsesraunenL 1e existe tal foncion (llamados espacios eon producto intemo) son el objeto de estudio de este capitulo. ‘Se estudiarin también algunos tipos especiales de operadores lincales defini- dos en espacios con producto interno. 4. DEFINICION Y EJEMPLOS DEFINICION 1.1. Sea Yun espacio vectorial.” Un prodet inten en Ves una funcion (|): > Yo» Reque's cada parde vestres yen Vle social ero ral (9) ¥ aque ctsfce ae siguientes propiedad D WInzoVvEY y WlyOm veo. 2 MlveMiw Vrne he J OtmlweMiyt@ly Fw ek 4 (nldecmiy VeEeRVane &. Un espacio vectorial V en el cual exis‘e um producto intemo (: |) es Hamado, ‘espacio con producto interno y es denotado pot (V,(°|)) En particular, si Ves un espacio vectorial de dimensisn finita con producto intemo, se dice que Ves un espacio euctidiano, ‘La propiedad (I) estableee queel producto interno en Ves una funcisnd asitva, La propiedad (2) del producto interno es la propiedad de simetria. Se dice centonces que el produeto interno es una funci6n simettic Por iltimo, obsérvese que lus propicdades (3) y (4) establecen que el producto interno es uns funeidn lineal respecto desu primera variable. Es decir, siseeseribe. (= Gv) en donde ves un veetor fijo de V, esta funcidn resulta ser lineal pues ida Ho 9) = (oF HaL8) = 1D + OLD = 900 + 90D) plow) = (en |) = ctv |) = 00 Mis ain, debido a la propiedad de simetrfa del producto interno, éste también es lincalrespecto de ln segunda variable. En efecto, si se eseribe y(-) ~ (¥ |) en donde v es un veetor fijo de Ve tiene yes oa) = Lt) = Out ELH) OLD + LY) = Ly) + O19) = vod + WO) tccuedase que todos bs sso vectra considera en est io son eas. Cand consideran espacios comple a dfn de producto inero fine quenifiase. (La prope {Ghes eneste eas (vo) = Coen donde labarea densa a conjugicn comps) TEOREMA 1.1 DEMOSTRACION EJEMPLO1 ESPACIOSCONPRODUCTOINTERNO 405 y 5 wlend = OL evd = (on |) = eC) = OL 9) = ew 6) Ana fiend dos bs i sins espstd cada uma deel (sy nea ero fins deena desis ds vari, cuando loser Sse lama nelpbines Eres, oes root into es ra ani biel, sca y dena pst definieién 1.1. mens isd Sea (V, (| 9) un espacio con producto intemo: Entonces 1 @ly=0 vver, alia io): F cout) ten donde c,d son escalates yy! * 1 veetores de V. DyevegMy F120. sa son Para (1) obsérvese que (0) cualquiera de ¥ (el primer simbolo Ose refiere al vector cere de Vy los siguientes (0- w]¥) = OG] v) = Oen donde wes un vector {tes simbolos Ose refieron al escalat cots). La demostracién do (2) se deja como ejereicio para el lector (¢s una eonse- ccueneia direeta de la propiedad de bilinealidad del producto interno), QED. ‘Véanse algunos ejemplos. . En Ry, six = (015)... ¥ Y= Oy Yay - + Ydy la funcidn (lye ay tap tte (ty os un producto interno (si n = 2, éste es el produeto punto de R? comentad al inicio det presente capitulo). En efecto, se tiene @l)edede. e820 Vee Ry CL)= May ee eO ema e en On x=0406 uceonaunen Por otra parte (ely) yy tags tt tt yet ste ty = OL) lo que muestra la propiedad de simettia. ‘Tambien, six’ = (¥ya%...,82) € Rese tiene GATED tet Sy tet Ot We sy tg te tay =GL+ ely y por timo, sie € R Hai AH ea (rLy) = xd * (eran + # (ey = ofepi taga tt) = ote 9). Entonees la funcién (-): R' R' ~+ R dada por (1.1) satisace las 4 propiedades de ta definieidn 1.1 ys, por tanto, un producto intemo en R, Este es Ilsmado, producto interno candnico (o estandar) de ‘Mis generalmente, si ai, as, -. a son miimeros reales positives, la funeiin (rly) = aun + aang t tana aay a= 1 eorresponde al producto 51m producto intemo en R’. El easo a = a2 intemo canénieo de R’ La vetficacin de que la formula (1.2) define de hecho un producto inteno ‘en R® se deja como eercicio para el lector (el hecho de que los mimer0s 01, ++» 5 ‘scan postivases una condiciénsuficiente pero no neeesaria para quel formula (1.2) defina un producto intemo en Resta condicién garantiza el eumplimiento, diy dy, c)),defnase la fancién (| yz Vx P+ Reomo (19 * (@O)1 BOD) = (Oe GN aa fen donde (|) es un producto intemo de R° Se afirma que esta funcisn (° | pes un producto interno en V- En efecto, la propiedad CLs OI@P20 Yvev Wi mp=0ev=0 es directa del hecho de que (|) es un product nemo de Rt. Similannente, la propiedad (¥ | uy = (ev) 25 tam [es un producto interno de RY pues rencia de que O1Ds= Os | CO = CeO) = C1408 A.ceenauncaL EJEMPLO3 Para verificar las propiedades (3)y (4) de la definicfon (1.1) en la funei6n (1 9p, se debe recordar que @ es tna funcion lineal Seticne (© ¥ L1dp= (E+ VD |) = (OD * GHD 1 HD) = (PO) | P00) + O19 OD) = 01+ 0 Le ysiceR Cov wp = (LEP) | laD) = Cole) LLU) = HOD | GD) = eC LDP i ointernoen V. yy queda asi probado entonees que (| pes un producto intern or ejemplo, si V= M,..y si Bes la base eansnica de este espacio, se tiene que A1By = Yaad as) en donde A= (0ye tum B-* (Bide t.m @8 un produto intero en My» ito i nico de Rt pot medio de Ia base p). Este Ahoredado det producto intemo eandnico de RY por medio de prodveto interho en Mes. es linmmado producto interno eanénico (0 estindar) de Mors — Similaemente, si V= P,y Bes la base eanénica de este espacio, se iene ae ldo dala + ashi -.. e “6 endonde pe gt a. axty qb bc 4 Bates unprogotoinmo cn Py there sdado del producto interno candnico de R* por medio de Ja base 6), et Slataniene mado produto inna candi (0 esta) de ‘Ve ars om sompl, dun espacio vector de din ifitscon protien ‘Sea V = C((0, l}) el espacio de las funciones continuas en el intervalo [0, 1) Sean fg € C ((0,1}). Vefinase Glan J, Rosas an Se vera que esta fSrmbla define un producto interno en C(10, 1D. [La propiedad (2) es obvia, Las propiedades (3) y (4) se dedacen a partir de propiedades de l integral definida: Git hle f (fla) + Ala) ge “f iGaDO) + Algae TEOREMA 1.2 DEMOSTRACION espaciosconpnoaueromrenio 409 * J Flmotonde © f Aloette = Gilg) +L) (fig) = Fefedgeode = ef, Rewind = aie) La propiedad (1) requiere un poco mis de ateneidn. Se debe probar que pars cualquier sé C((0, 1) se tiene mores C1 = FL Aevtade = ff Gvtas20 yque (Of dove 0 = 20 Sif=0 (est0e5,fix) = OV x€ [0 I) es claro que (f[)) “0. Sin embargo, la afitmacion teciproca no es obvia, Se va a demostrar a ques f# Oentonees (ff) > 0, Elargumentoes un arguimento téenico que usa el hecho de que fes una foneién continua en (0, 1} Supéngase entonces que f# 0 esto es, f no es el vector cero de C (0, 1). Eniate entonces alunos un % € [0,1] tal que fo) # . Debio a ta continuidad de la funcisn f, existe un 8 > O tl que fx) # 0 para todax en la veeindad ty - 8 Oexiste un > Otal que (fs))'> k> Oparax~B<2 <5 + 8, Pot lo tno, CU = J evra > L. (eyy'dx > 288 > 0 como se quota demos. Para fnalizar esta sci, se probaré una de las desigualdades mas importane tes en el ilgebra lineal, mada desigualtad de Cauchy-Sehiwarte | Desiouruan pe Cavain-Serrwanrz.) Sea (V, (| »)) un espacio con producto intemo, entonces para cualesquieta vectores v y wen V se ‘cumple fa desigualdad WLW? $ Iya) | Siv~ Ola desigualdad es obvia. Supéngase entonces v # 0. Sea w= 1 +u € V, en donde € R. Porls propiedad 1) del producto interno se tiene que (w | w) 20, "Six 0.01 ba veindad seve como 0 $x < B08 0,de modo que siempre es posible exter taiz eundal del mimeo wl SiV = Rey ({-) es el producterintemo eandnieo, norma del veetor v € RE tho es mss que [a medida natural del tamaiio de v, pues eae Leal = (TE | | wi = 9 * opsérveve que esta delnicin iene perfecto sentido, pues para eualiuier ve Ve ven | | espacoscournooucroItenNo 415 Un resultado similar se tiene en el espacio R? con el producto interne candice inv Engeneral si V=R*y (|) sel producto nlemo canico dese espacio se tisne que im = dead? endonde v= (4% +2). El concepto de norma de un veetor v en un espacio eon producto interno ‘generaliza entonces la idea natural de “tamafio” de un vector en R# o RD. Por ejemplo, si Y= Maxs con el producto interno eansnicose tiene lif: 3]| OOO «= 5 Si = C(O, 1}) con el producto intemo Cia)» J Adecode se tiene en general, paras € C((0, 1) Wl VOD ~J frevead = ff vorrae a) ‘Suponga ahora que ene mismo espacio V’se considera oiro producto intemo, digase (C1 Js {Puede scontecer que con este nuevo product interno se tenga que do, Sly, w? En este ejercieio se considera un tipo mis generat de espacios vectoriales que los espacios vectorial con producto intern lamadas espacios vectoriales normadbs Definicin: Sea Vun espacio vectorial. Una norma en Ves una funcidn 7+ R aque ssovia a eada vector » € Vn mimero rally, amado Ia norma de v, de iodo que se satisfacen las siguientes ttes propiedades 1) [M20 Wve Vyllv=Osi,y solosiv=0 2 eieidiMs ceR, Vvev 3D Wwealsivi+tadl Vnwey Un espacio vectorial Ven el que estédefinida uns norma se llama espacio vectorial norma, 8), Demuesite ques Ves un espacto vectorial con el prodicto interno |) entonces ‘es auromatcamente un explo veetstal woiago con la norma YET. )_Bnelespacio vectorial Re, defina la funeién jf: Re = R eomo, tet > Et fen donde x = (si 45.» 2a) Demusste que esta funein es una norma en Re (lamada norma dela surta). ©) Bnet espacio vectorial Ry dfina la funcisn = y: Re ~+ R como Wille = max {fmf 1,2,..-5n) en donde x= (4 - 0- Compruebe gue esa fuein es una norma en Re lamad norma del maine). 4) Ba referencia alos ds inesosateoes,calele as normasf ey Peeks Siguiente ecorst 41) (40,0) 45) ,0,3,0,0,0) 42) 2,3,5.-1) 46) (,6,-1,-1,0,2) 3) Cl-1,-1,-) 47) @,2,8,-1,0,0,0) 4) (-20,5,2,4) 148) (,0,2,0,0,3,0) ©) Encleespaciovectotial C{-1, 1) define Is func - C{-1, 1)) -+ R-eomo Wi= max tfoo xel-it @ a. EapacioscoNPRooucToINTERNG 423 Demuestreprimeramente que és es una buona definiclén para esta funcién (fecuerde que toda funcidn continu que estédefinida en un intervalo cerrado Fini ascanaa su méximo dentro del inlervlo) ruebe que esa funeiin define una norma en C({-1, 1D: Calcul las normas de los sigucntes veetoes en C((-1, UD: 65) fine 20) fiyee stat 63) fwd=x oF) fan aie 304 ef) fa)=senx 8) fama exe en 1) Sea Vunespucto vectrial cone produetoiatemo (9. Enctineisoa)sedemosts ‘gue Ves un espacio vectril normado eon la norma |: [|= (CJ. En este e4s0, Se dice que le norma = proviene del produto interno (|). Deruesre que st Ja ora I proviene del producto nero (|), entonces se cumple a ley del paratelogramo lv +B aP= 2004 +a) We 18) Comprucbe que la nozma i en R* del incso b)no provine de un producto {nemo en Re (Sugerencia: Considere en Ros vectoes (1,0) (0,1). Use 4) Demuestre que fa norma I en RY dl ineso €) no proviene de un producto fnimo-en Re ') Compricbe quela ner -lenC([-1, 1} delincso 6) no provie intsmo en C((-1, 1). J) Enel inciso 9 se ha demostrado que una condcion necesaria para que ls norma {illencl espacio vectorial Vproverga eum producto intemoen Vesqueseeumpla Ia ey del paratelogramo. Se puede demestae que esta condieion también es sufcinte (la demostacion es un aio complica). En RY consiere la foncin J: RY ~ R dada por Wey, 2) = VBE PH ae Domuestre ques funn es una nomaen R?y que ela proviene den prodiveto interno en RD. iso ancrior) eden producto En este ejereicio se considera un tipo mis general de espacios que los espacios Yeetoriates normadas introducidosen el ejerceio anterior, lamados “espactos metri= Definicién. Sea Mun conjuntono vacio. Una melrica en Mes una funcisn MM + R que asocia a cada par de elementos x,y en Mun nimero ral dy) Hamada distancia de x a y, de modo que se stisfacen ls siguientes tres propiedades: D aey20Vay EM dye0 oe Hy 2) day)=dy2) Vaye at 9) denn sdis yrdy.2) Ym Avunconjunto Menel quest def reM una métricadk Mx Af ~ Rselellama espacio424 A.aeeRAUNEAL a » 9 ® eo » by Denestrequesi Mes un eepacio vectorial normado, eatonces M es aulomatica mente un espacio mélrico con la métrica dt, 9) ~ jt yl, en donde jes la roma de ML Concluya entonees que todo espacio vetoral con product intemo sun espacio metic. Defina la funcidnd: MxM Reomo aon {TEE} Demuesie que esta funcidn es una mética en M. Detina a funcidn dl Rr = Re -+ R como aisy) =F bel cen donde x= (2,33,-++ 404 = Oda e+» as Comprucbe que dh es wna métt- coon, (Gugerencia: véase el ineiso b) del ejercicio anterior) Defina a funeidn dst Re Re -+ R como 46,9) = mx Peele EAs 2s ovat Demueste que dyes una métrica en . Defina fa funcidn C({-1, 1) * C(L-1, 1) ~ Reomo fg) = mix fa) - gt xeChll ‘Comprucbe que d es una méttica en C((-1, 1D. . Delfin a funciénd: R xR Reomo ds) = =F Demuestre que ests funcién noes una mnéties en R ‘A ptt de una méricad: Bf * Mf -+ Ren el conjunto M, se pueden genera otras mrcas en M dofiniendo aga) = VEE) (x,y) = ed BOD” Tra 44, 9) = tn {2,0 DD i sasenM. ruebe que dd y ds son también metre ‘Sea Vun espacio vectorial normado. En el incisos) se demostré que V es un espacio mélzieodefiniendo la métiea ds ¥* V ~» R como de, y) ~~ ye En txt caso, se dice que la métricad proviene de la norma |, Demuestre que una ‘ondicisn necesaria y suficiente para que una méttica d en V provenga de tina norma f-jfen Ves qoe para todo vu € Ve € Rese cumpla doy +w,u+w)= divide Y lorsen) = lel do 0) EspaciosconPropucTo temo 425 1) Si Mes un espacio vectorial, Domest que la métrca en M del inciso b) no proviene de una nom, J) Concluya de este ajerciio que: 4.1) Todo espacio con producto interno es un espacio nonmado, 412) Todo espacio rormado es un espacio metres. 413) Todo espacio con producto interna es un espacio metic. Dé ejemplos que macsien que las afirmacionesreprocas son falas >. El objetivo do este cjercicio es establecer doc desigualdades muy importantes en ‘matemitieas eonocidas como desigualdad de Holder y desigualdad de Minkowski 4) Seap € R,p> 1, DefinaeLnimeroq € R eomo el nimero real tl que p+ "= 1. Se dirk que p y q son exponentes conjugados. Demuestre que si p ¥ q son ‘exponentes conjugados entonces (p ~1)(g- 1) = 1. Coneluya entonces que si y = x4, entonees x= yl, en donde py q son exponentes conjugados, bb Seanpy qdos exponentes conjugados,considere a funcién f (0, 4] +R, fe) = 17, Use argumentos goométrcas para etablecer la desigualdsd ab s fer afew cen donde bes un nimero eal nonegativo cualquirs. (Sugerencia:construya una _rilica en Ia que se mueste la funei6n y = 7", Dibyjel interval [, 6] sobre et ‘jy Interptote ambos membros dela desigualdad anterior como Seas) ©) Coneluya del resultado del eericio anterior que sia b son dos mimeros reales rnonegativas euslesquicra y py qson dos exponentes conjugados, extonces 2H pa Sean E = Fas FaseosFdyF * Gees.) dos voctores de Reales que y Fe y bire ‘endonde py qson dos exponentes conjugados, Use et resultado del incso anterior para demostrar que para cualquier i= 1,2,...,7se tiene fajy < He, bit vai s BE abs _yeoncuyu eons (sumando desde hasta) que Sw ©) Demueste la desigualdad de Mélider z wal <1 x) i w|26 fceonsunent On ‘en donde s,s ++ ni JBe-+ + JusOR nieres reales culesquiéray py gson exponentes eonjugados. {Sugerencia considere das veclrescunlesquies Ge ROX = (ti,25....209= Oe Dae sJn)Defina los vetores # = (By s.-s,3)* Qa dase- Jn) Como (Aplique ahora el resultado del inciso anterior) 8) tA qué equivale Ia desigualdad de Holder cuando p = q 2? 8) Sean x = (82 +5 DY ™ Quads +43 dos vectors custesquita de Re. Demuestre que para custgiier = 1,2,---ysetiene ety S e+ biD ba de donde p € R, p> 1. Conchuya entonces, sumando desde i= 1 hasta n que Swen s F paver t+ F aise wet 1). Aplique la dosigualdad do Hilder cada una de las sumatoris que aparecen en el miembro derecho de la desigualdad esiablecida cn cl inciso anterior para demostar que sp y @son exponentes conjugados entonces see] Je] |) Concluya dl resutado del incso anterior ladesigualdad de Minkowski nel om] fe endonde 2%... ,n Pots + eson nimeros reales euatesquiera y p € Ry Prk. 3) Aquéequivale la desigualdad de Minkowski cuando p = 22 Una sucesin de nimeros rales es una funeién del tipo f.N ~+ R, Denotando aft) ‘eserbind la sueesion N+ Romo (2-5 dey---) © te como (a). Sea 7 un real mayoro igual a 1 (rbitrario pero fijoy, Denote por P se lee “ele ps") al conjunto de todas fas sueesiones de mimeros reales (a) tales que Tar co [Nucstto interés eneste eerccio es demasirarquvel conjunto# concerts operaciones de suina y de producto por escalares que se definiran mis adelante es un espacio EseaciosconpRooucromiteano 427 ‘vectorial, y estudiar algunas propicdades importantes do este espacio pata clertos ‘valores conerctos de p. ‘8) Primeramente, extienda la desigualdad de Minkowski establecida ene inciso fy el ootciio anterior par el eas de suas infinitas, Bs deci, demuestre que felled tol cendonde x, y= 1,2,.--son nlmetos evalesquiera ') Enel conjunto defina Ia suma dela sucesisn (a) € P y la sucesion (6) € (a) + (6) = (a+ 6) y sik € R, defina el producto del esealar por la sucesién (a) € # como a) «(kay Demucstre que si (a) y (b) son sucesiones de Fentonces (a) + (O) y K(a) son tambign sueesiones de (Sugereneia: para demesirat que ly Suma do sucesiones de Pes una sueesion de , use resuliado del inciso anterior.) ©) Compruebe que el conjunto F con las operaciones de suma y producto por esealaresdefinidas enc inelsoanteiores un espacio vectorial. ¢Cuses ol vector cero de este espacio? cul sel inverso aitvo de una sueesin (a) de P? 4) Enel espocioPdsfin fone: ? = R eam Keds = b a 4.1) Demuestre que fall 2 0 (a) € Fy que Kal ~ Osi, y so si (a) 0 (el vector cerode F) 42) Compruebe que sik € Ry (2) € Pyentonces (aly = Kan. 43) Demvestre que si (a), (6) € Psentonces Way aly San # Hea. (Sugerencia: use el resultado dt ines a)) 44) Coneluya entonces que la funcisn pes una norma en el espacio fy que pot tanto, con esta norma es un espacio vectorial normado. ©) Demusstre que el espacto # noes de dimensin fina 1 Suponge que Ves un espacio vectorial nommado con la nora fy que existe una ssucesicn de veetores en ¥, digav,Yy- +. ey += fales que para cualquier vector Ye Vexiste na sucesiin de nimerosteales€,€,..-»m--- (bien determinada por el vector») con la propiedad lim fv~ (cin # eave. ev = 0 Sediceentonees que el eanjunto afinito) [9 -.-.Myov-) esuna base amada428 AccenaLnea, @ 4 ‘base de Schatider) del espacio normado V. atl caso, se puede escribir Enel espacio normade P con la norma [considers los vectores| 4. = (1,0,0,0,...) 6: O,1,0,0)..-) = 0,0,1,0,.0.) Es decir, eel veetor de P, (a) éiga, tal que a= OsiJ *y a)= 1. Prucbe que estos vectores constituyen tina base del espacio P. Mas ain, emuestre que si (a) € Pyentonces (a) = Fae, 8). Consider el espacio P, Demuesire que la norma definida anteriormente [i] . proviene de un producto intemo en F(véanseincisos f) yj) del ejercicio 20 de {sta secelln), Mis ai, demaestre que tl producto intemioe8 | J: F**K We: apie) = Fads 1) Conse shore espacio P eon p #2, com ano Tome los vectores = (5 1,0,0,-- = (“1 040, sm vetore F,Demise que ila ene inciso (observe que vy Iv l= = t= tal = 2 {)_Uselosresultados de ineiso anterior para demostrarque la norma fy de espacio P, p#2,no proviene de un producto intemo en (yeas Inciso ) del ejetcieto 20 deesta seecin), p Enel espacio vectorial F considere los operadores T,, Ty: P —P definidos como \ Tiles, de, dy +3] * Gayo) lO 5 y+ -I) (0,454.85 000) 8) Demueste que 7; y 73 Son operadores lincales en 1b) Comprucbe que 7 es sobreyectivo poto no inyectivo, 9) Demueste que Tz es inyectivo pero no scbreyestivo. 1) Prucbe que T; e Tes el aperador identidad en # (y por lo tanto es inyeetivo ¥ sobreyectvo). ESPACIOSCONPRODUCTO INTERN 429 ©) Demuesze que 73 2 7) noes el operadores 1) BsTi un operador invesible?, clos 72? [Notas losincisosb), )y d) dan una respuesta los ejercicios2y 3 de a seceién 6 del capitulo 4) en. 3. ANGULO ENTRE DOS VECTORES. ORTOGONALIDAD En etespacio vectorial R? se tiene bien definida la nocién de dngulo 6 entre dos veetores v1, € RE En efecto, usando un argumento elemental de geometria analitioa se puede testablecor el valor de 8 pendione den retnen Ia queseeneuentau= tan (84 a) = 22 pendicisde rsa on In queseeneventa y=tan c= 2 Entonees, aren 2 eta? veel | ro Fy Al expres la férmula anterior en téminas dela funcién coseno se obticne cose Hat + Wh °° Gypad sob ce ‘Obsérvese que tanto en el numerador como en el denominaclor de la formula 3.1) aparecen expresiones familiares, a saber 1) = xx type IMP = eye lu? = 38+ 9430 Aacenaunen, endonde (| ) esl producto intemo candnieo de RP, de modo que (3.1) puede ser reeserito como 9 - ol ital oy Nads impide interpretar la formula (3.2) independientemente del anslisis previo ‘aclla,y usarla pata defini el anguto entre dos vectores v y wen eualquier espacio vectorial V con produeto interno (|). Esto es precisamente lo que se hari ahora, 3.1. ANGULO ENTRE DOS VECTORES DEFINICION 3.1 Sea (V, (| )) un espacio con producto intemo y sean v, u dos vectores no nulos de La desigualdad de Cauchy-Schwartzestablese que Ho 0) € to Ae dedonde a1 ¢ HIM gy is Lafineisn up = OL fo) ia es-enonces una funeidn euyo rangoes 1, 1 Obsérvese que la func cos , es na nein byectiva ene ntervalo 0 0 neyo angoes proslsumente(-1 1] Inspirados por la formula (3.2) establézcase entonees la siguiente definieién: Sivy wson dos veetores no nulos en el espacio vectorial V eon producto interno 1), definase ef éngido (0 <8 < x) entre vy w como vl) Us bal © = arecos EJEMPLO1 DEMOSTRACION TEOREMA3.1 EsPaciosconeRopuctommenno 431 Asi por ejemplo, si ¥ = P; con el producto interno canénico, el ingulo entre el polinomio pels3r-2ver yelpolinomio gr dtxesee 0 = wwe [gi + arweos { pe *GXD+ 2K) + (YQ) (CY + (3) + (27 + LP M-2Y + (1 + 1 +P) 7 ya. + wc i) = sr En un espacio con producto interno se tiene la versién abstracta de la ley de los cosenos, (Leypetoscosinos, Si vy uson dos veetores en un espacio con producto interno, y 8 ¢s el dngulo entre vy u,entonces le = [vi + Ha ~ 2 fl] eos @ Es una consecuencia directa dela definieidn de norma de un veetor y de la férm 1a). y= a = (= mf =a = C0] 9) = 20744) # 2) = IPP +l ~ 2 tl cos 0 QED. Claramente, si Ves el espacio R® con el producto intemo cansnico, el teoreta 3.1 establece la *versin eoncreta” (la que se conoee) dela ley de Los eosenos Wut vu «MP hl 2 at aco 0432 Auceeraumen, DEFINICION3.2 * En el caso conereto del espacio R? con el producto intemo candnico, se sabe que ‘una condicisn equivalente al hecho de que los vectores vy u sean perpendicular ces que su producto intemo (que en este easo coincide con su produeto punto) sea Esta equivalencia se puede también deducts de la formula (3:2): si vy w son dos vectores perpendiculares no nulos en R¥, el ngule que forman entre ellos es, ® @ = ©, demodo que ww) ial el de donde wim=0 Similarmente, si (v1) = Oentonces cord = 1g moe Tata “97 OT Lacondicién geoméitica de perpendicularidad entre los veetotes vy w del espacio Re ae pucde goncralizar ontonces « un ecpacio vootorial abstracto gractas a la definicién 3.1: dos vectores vy w en un espacio vectorial V.con producto interno son “perpendiculates” si el éngulo que forman entre ellos es 90", 0 equivalente- rent. Sea (V, (| 3) un espacio con producto interno. Los veetores v y w en V son ‘ortogonatessi oly =0 Nora: En el caso general, se referité siempre a In propiedad geométrica de perpendicularidad entre dos veetores, como (la propiedad de) ortogonalidad entre tales veotores, reservando entonces “perpendicularidad” para el caso concreto del espacio R? (0 R?) con el producto interno canénico. CObsérvese que, sogin a definicisn 3.2, el veetor cero de Ves ortogonal a todo vector v € V, pues por el teorema 1.1 . @ly-0 vver, Si Ves el espacio My.2 on el producto interno eandnico, los veetores 200 305 A=[1 3] B|0 2 204 ia) ESPACIOSCONPRODUCTOINTERN 433 son ottogonales, pues (AJB) = QB) + OG) + CO + @LE-2) + DU) + (A ~o Similarmente, si Ves el espacio C({0, 1)), los vectores fi = xy f+ 3x - 2 son ‘rtogonales pes 1A) = fl ewes = fh xr- 23d = 0 Enlasiguiente subseceidn se estudiarin conjuntos de veetores ortogonales en un espacio con prodyeto interno. 3.2. CONJUNTOS ORTONORMALES EJEMPLO 2 EJEMPLO3 ‘Sea Vun espacio vectorial con producto interno (° |) y sea Sun subeonjunto de V, Sedice que S es un conjunto ortogonal de veetores en Vsi cada par de vectores. distintos en Son ortogonales. En particular, si $~ (vi, vis Ye) Sserd ortogonal si, ys6lo si tly. (tf sin) 0 sity adems cada vector vdel conjunto ortogonal S de Vtiene norma 1, al conjunto Sse le llama conjunto ortonormal. Nora: A un vector vdel espacio con producto intero V que tiene norma I se le Jama vector unizario. Un eonjunto ortonormal de vectores en Ves entonces un conjunto orlogonal de vectores unitatios en V. Por ejemplo, en el espacio R? con el producto intemo eandnico los vectores 417 (1,0,0) €:* (01,0) e:= ,0,1) {orman un eonjunto ortonormal, pues (eled* @led= (ele) =0 (¢stoes, tales veotores Forman un eonjunto ortogonal) y ademis jell = Hlel= 1 Enel espacio vectorial C((-1, 1) de las funciones eontinuas en el intervalo (-1, 1]434 AcesRALNeAL TEOREMA 3.2 DEMOSTRACION conel producto into (14) =f ftgtvelconjuno Gini) de veloss S= [cos 2n ex, n=0,1,2,. 5 un eonjunto ortonormal, En efecto, cada vector v, = cos 2r n.xen Ses unitario pues val = Galo = of J cot needs = 1 Por otra parte, sin # m (lea) = [cos 23) cos (2m m3) de A (cos2(n-+ m) xx + c08 2{n~ m) xx) de sen 2(n + mye + Xa- mye 1 ates s09-mes] <0 Es decir, los vectores vy y vs (t# m) son ortogonales. El siguiente resultado es vilido para cualquier conjunto ortogonal (no necesa- riamenteortonormal) de veetores no nulas en un espacio con producto intemo, Sea $ un conjunto ortogonal de vectores no nulos en el espacio V con producto intemo (- |»). Entonces $ es un eonjunto finealmente inde- pendiente Sean vj, ¥5,..., a Vectoresdistintos de 5. Se debe de probar que aMtemttem=0 @ eaten 0 Al tomar el producto interno del vector 0 = civ, + ey, +--+ xv con el vector ¥, iJ skseobtione emly |= Y ota 0 = Gly) = (eam teat... team] y) = Como el eonjunto Ses ortogonal, se tiene que (vy) # Osi, y silo si i= j, encuyo ‘COROLARIO. DEMOSTRACION TEOREMA3.3 DEMOSTRACION esracoscowpneoucromrenno 435 caso se obtiene (| ¥) = bf. Entonces, «rl = 0 Como por hipétess y «Oy por tanta, yj] # 0) se coneluye que «no Este argumento es vilido pura toda j= 1,2,..., Por tanto, ¢,= 6 =... #6 = 0, como se queria probar. ‘Todo conjuntoortonormal de vectoresen un espacio con producto interno eslinealmente independiente. ‘SiS es.un conjunto ortonormal, entonces Ses ortogonal y ninguno de los vectores de $ puede ser cero (pues todos ellos tlenen norma 1). Bl eorolatio se deduce entonees del eorema anterior. QED. Sea (V,()) unespaciocon producto nemo, y sea Wel espacio gonerado por el éonjunto ortonormal de vectores S {0 ¥»,.--5 }-El eotoru & V pertenece a Ws, yséo si puede eseriblrse como mult Ul ydve LD Siel vector w € Vse eseribe como a > (ulvon Cebdmet + [dee ces obvio que w € W, pues en tal easo, ues una combinacién lineal de los vectores Vi Yas. Meque generan aH, Reefptoeamente, supdngase que w € W, Entonces existen escalat ++ Gatales que Al tomar el producto interno del veotor w eon el veetor y € $, 1 J Gly =0 En taless0 0 = [iwi = tlt = y ely aque eta igualdad det desigalad de Bessel. Qn. EJERCICIOS (SECCION 3, CAPITULO 5) 1. Considete el espacio vsctorial R? con el producto intemo candnieo, Eneuentre el Singuloentte cada uno de Tos siguientes pares de vectors: ) @dy@-) ») 2x00 9 @DyC32) A, yO, ©) AACE 3 D @DyC2-%440 Auscenn umes, n Eh el espacio M3 con el producto intemo eansnico, eneueite el angulo entice los siguientes vetoes Beer pease Lopy p23 ERY ob Paola aia of t)> [2 3] Euelosgacio Ct-1, 1) cone produto nto ia) > J, Aeteeonde event gu ent fos siguientes vectres 2) xysenx 8) senxyeass o eys 1. Sea Vun espacio vectorial eon el producto nemo (|), qué éngulo forma un vector ve Vnontlo.con su inverso aditvo? net espaclo veeorial R¥ con el prodcto intern eandnico, sean v= (1,3, 1) = (ly 2,-2),0= (0,0, 1), caleule la longitad de os ladesy los éngulos intemos del teiingulo ‘euyos wirees So Tos puntos ¥,# yw. 5 Cues de los pates de veetores en los ejericis 1,2 y 3 son ontogonsles? 1. En el espacio vectorial RD eonsidere os Veetores YR Q3-D, we 22) 4), Domuesire que sien R? se considera el producto interno cannico, fos veetos v ‘yuson oetogonaes, ty Caleuleeldngulo entre vy w ion RY se considera el prodveto interno (ely) saa Bast Bea En sta secién se observé que el veetr cero ¢s un vector ortogonal todo vector v cen un espacio vectorial Veon presuct iter (|. Demuesite que éste ese nico ‘ecto eon tal propiedad, ‘Sea Vun espacio vectorial con el producto interno (| ).Sean vy x veetaresen Vales ‘ve = [lj comprucbe que los vectores ¥ + uy ¥~ wson oftogonate. Interprete geomdticarente este resultado en R® con el producto intemo canéniee, ‘Sea Vun espacio vectorial de dimensidn fina eon el produto interno (|) demuestre ‘que no existe conjunto ortonormal en Vcon mis dedi V elementos. Prache que l conjunto de veetorés en Ré -1,-2¥02.2,-DI (2,332.0, 5 un conjunto oftogonal (con el producto interno eanénico en RY. {Bs éste un conjuntocertonormal? Enel espacio vector (C(f-1, 1) con el prodieto interno (la) = J Seecode EspaciosconercoucrowrenNo 441 demuestre que el conjunto infinito de vectoes $= (Sen 2nns, m=O, I... Pes un ‘conjuntoortonorma Demuestre que el conjunto de vetores en > ee 3.3 para decir sicada uno de los siguienles vectores de R?pertenscen al de® generado por S. 9 0,2) & @,5,-2) 2) G,3,0) ‘Compruche que el cnjunto de vectoresen RY es un conjunto ortononnal (con el proto intern eatnico de RY), Deterinine los valores de Ci, Cay Cy, tles que (28,25. oro )+ eee «| Jpoodo)-e(o-ghork]-o(-k ® 15. sea Yun espacio vectortal eon ct producto Interna ( |. Sean wy vdos vectors dle WeAlvector WP sele llama proyeceién ortogonat de w sobre v 8) Interprete geométricamente esta dfinicién en el caso del espacio R? con el product temo canine. 1). Sivesun vectorunitario enV, demuestre que la norma dela proyeceidn otogonal de wsobre ves (ul) ©) Sines ortogonal ay, zeul es la proyeccisn ertogonal dew sobre v2 4) Reemuncie ef teorema de Pitfgors (eorema 3.4) en témninos de proysccionss ‘xtogonales del vector u sobre ls Vectors v1... del conjuno ertonoml ©) Sea (¥, 4) un conjunto ortonormal de RE, eomprucbe que too vector w € RE se puede escribir de manera tina como nwt i «en donde wes ta proyeccion ortogonal del vector u sobre el vector ¥, i= 1,2 Interpretegeoméiticamente. ) Mis generalmeate, si (vy, v2... %) e8 un conjunto ortonormal del espacio vectorial Vy entonees toda vector € (Vi, Ynys) 8¢ Puede eseribirde manera442 AEeRALUNEAL 16. ou. ‘en donde wes la proyecein ortogonal del vector w sobre el vector vy 1 Concill est resultado con el teorema 33. EsPAcioscoNPRODUCTOMTERNO 443 Gy mienttas que para n> 4, R> 1. 2QUE ocurTe eon los casos 1 = dingo en eada uno de estos eases, 2, 3 Haga un Sea $= (v4, -»¥ conjuntooxtogonal de vectors en el espacio vectorial V 4) Pruebe que ia norma de ia proyeccin entogonal (véase efercicio 15) de un lado conel produto intemo (1. cualquiera del eubo C de r-dimensiones en Rr sobre una diagonal deuslquiers Sea Se « eC, esa sina pt de along de a diagonal d Vertique est resttada , seométicamente en los casosn = 2 n= 3 Demueste que Aa? = uF + Bog + + Ia 4. BASES ORTONORMALES CConeitic este resulta con el torema de Ptigores Sea (V, (-|+)) un espacio de dimensién finita con producto interno, se dice que nest efereicose considera algunas aspoctos dela geometia de vn cubo nimen- Ja base B = (vi, ¥5 ...,¥4) de Ves una base ortonormal si el eonjunto B es un sional en Re : conjunto ortonormal de vectores en V. Definiién, Consider el espacio vetoil R* col producto interno eandnieo, Sea ‘Obsérvese que el conjunto ortonormal de vectores en ¥, B= {Vi by «5% 68 {cis es,. la base eandnin de Re, Se llama “cubo (untaric) de n dimensiones una base ottonormal de Psi, y slo si este eonjunto genera a V. (La pare “s6lo st” en Re al conjto de esta afirmacisn es obvia, La parte “si” se sigue del hecho de que el eonjanto p es linealmente independiente ~corolatio del eorema 3.2). [3 re OS | EJEMPLO 1 El ejemplo ms simple do bases ortonormales se eneuentra en la base canna de R’ (con el produto interno eanénico) ‘Alls vectors, +.» 86 8s ama “Hades dl eubo C™ En efecto. ia base P= (etn... ,¢,) de Rten donde ‘Avun vector de Re deta forma * = Oecd ns ERE a> Ye, i cendondeay= 1, = 1,2,...ynsele lama “diagonal dl eubo C" (se ientfea como fesrras bese onccreel vers slendo la misma diagonal del eubo Calo veetores dy ~ , a) Dibuje un cubo de una dimensién en R, asi como sus diagonales. Gle=0 si ity +) ibuje un cubo de dos dimensiones en Rs eomo sus diagonals lle" FA ecaa ©) ifpuje un cubo de tes dimensions en R?, asi como sus diagonals. <)_4Cuints diagonaescistinta posee un cudo C de n dimensiones en R*? a : ‘TEOREMA 4.1 Sea B (vi,¥1y-.-,¥4] unconjuntoortonotmal de vestores enctespacio | ©) Sea duna diagonal del eubo C de n dimensiones en Ro. ;Cusitas diagonals de Csonortogonalesa d? lustre el resultado en los easos n= 2 y = 3, 1) Demuesire que todas ls diagonales de un cubo C de n-limensiones en R* tienen Ja misma longitud, Calele tl longtud. £2) Compruche que el ngule que forma una diagonat d del eubo C de ndimenstones cen Recon cada uno de sus ladas Cf 1,2,..., mes 1 gear cos ye 1) Para qué valor dem la diagonal d del eubdo C dem sus ladas un dng de hay ws, {) Sea Elaesferaquecirounseribe al evbo C de n-dimensiones en Re, Denote por R ' alradio de E, Deruestte que para n= 4setlene R= 1 = longitud del ldo del eubo resen Re forma con h2) 98 - con producto interno V, Las siguientes afirmaciones son equivalentes: 1) Bes una base de V. 2). Para cualquice vector € Vse tiene | 3) Para cualesquiera dos vectores u, w € Vse tiene wi =F celery444 koreraunen, | pneu vse Vote | | War = Gl } OR DEMOSTRACION Se probard 1) = 2) = 3) = 4) =D EJEMPLO2 es una base de V,entonces P genera a V. Por tanto, el veclos 8&8 smal V, 2) se coneluye y= 2). 2D Zrenita en el espacio generado por el conjunto ortonor centonces del teorema 3.3. 1) = 3). Sean uy w dos veetores de ¥. Se eseribe ely Entonces l= F cupontey = Y Giver) lo quo prueba 3). 3) rah, Tomese en 3) w= H Entonees WP = Ld =F eto) =F Gel? 4) = 1.Se en por hipstests que para euguler vector # € Vse ations wp = Yel tts es prectsment a igaldad da desiguad de Bessel eorema.6) neu) aaaaems ce camplesysolostel vector use encuentra ch espacio geneo denen Como et un vector abitaio de Vet eonjnto = (+ + 3 pena a todo el espacio V- Entonces porla cbservacion previa icorema, pes una base de V : QED. | Ethecho de dsponer de una base ortonormal en un espacio de dimensién Fn fl fon producto intemo tiene, segs el teorema, venajes de eardcter “prictico”. an ‘Véase un ejemplo, Labase B= url = {3 ESeACIOSCONPRODUCTOWTERNO 445 (con el producto intemo canénico) es una base ortonormal, pues om EPI ou =(3](3]* fly = (3\(3) tha =| IP = ()+( wow -(3] -(3)-(3] Supsrgne que se qulereexpest cl vector = (6, 6-9) como una combina Tina de twtr de tne. Ea pip eo conduct awake sistema de 3 ecuaciones con 3 incégnitas. Sin e Ce ee Facer nee: *(o[s}o[3}reo(F vs } | -3y, + 12 El préximo objetivo es mostrar que to i bi rar que todo espacio vectorial V de dimension finita ‘eon producto interno posee una base ortonormal. EL PROCESO DE GRAM-SCHMIDT Sea (V, (-|+)) un espacio veotorial de B= [¥1,%5,.-+,¥4) una base de dl Sevaa demosttr que el espacio Vtene una base ortonormsl. Pata logra esto, ‘se exhibird tal base, usando para ello un procedimiento que permite construir, a ensin finita con producto interno. Sea446 AceenauNeAL partir de la base P, una base ottononal. Este procedimiento es eonocido como “proceso (de or‘onormalizacién de bases) de Gram-Schmidi™, ‘Se analizarin primeramente los casos n = 1,2 y 3. Sin 1 (el espacio V tiene ddimensién 1) y B = (vi) es una base de ¥, pars pasar de esta base a una base ‘ortonorinal séfo se tiene que austar la norma de vy al valor 1. Sea Entonces es claro que: 1) s(t) "2 (vs) = Vy 2) l= 1, de modo que Bow = (1) es la base ortonormal deseada __ Véase shora el caso n= 2. ‘Se tiene entonces la base 6 = (¥1,¥s) de Vy se quiere construir a partir de ella tuna base ortonormal Boy = (ii, uz). Pata consttuir us, slo se ajusta la norma de ‘yal valor I (como en el easo anteriot), es deci, se normaliza el vectot v, v La idea para constmuit el vector ues descomponer el vector vs como una suma de dos vectores w+, en donde w es un vector que se encuentra en.l espacio que ‘genera 4, (el vector previamente consteuido) ¥ Ws es un vector que es orfogonal a 1, Es decir, vee wy to en donde wesw) —y Ova ay=0 Geométricamente esto se veria como espxciosconpacoucrowrenno 447 En tal caso, el vector us procutado seria simplemente Encuéntese pues el vector vi. ‘Como w, € sf (u) se puede eseribit mo cu para algin esealarc € R, (El valor de ¢se halla imponiendo la condicisn (ws us) *0,]. Entonces wt yee wy va et Se quiere que (ws |) = 0, es decir, 0 (0g as) * (8 ~ cus |) = (We | 4) ~ e€s |) = (|e) ~ ef =Grlay-¢ de donde se ve que el valor de edebe ser em (shud) yentonces el vector ws seria wpe acu v2 |e y finalmente Se comprucba que en efecto Pow * (ui ta) e una base ortonorml de V. ‘Véase por timo el eason = 3. A partir dela base B= {v, vo) de Vso construir una base ortonormal Por ™ (0h ty ts} Seesetibe any % 42) Para construir el vector us (a partir de vs y los vectores previamente construidos ‘1. ts) se usa la misma idea que en ef caso anterior: se presenta el vector vs como448 suceeRaUNEAL cio generado cendonde w) esun vector que se encuentra en eLespacto g aaa cg ottogonal a iy 8M (Como se muestra en Is figura) por sy tn ¥ ¥ ‘Bn al caso, el vector ty procurado sefa simplemente * pe Bseribase entonces: vem te = Oy hill cen donde wi € SP (ty ts) y (2 Lm) = (Ws | ms) = Oy hes ‘Coma ws €

(| a) ~ ta) espaciosconpacoucromTenKo 449 pot lo que el vector us procurads es: * Fps= Os fade 3 [aye w (43) Settiene en efecto que (us | u) = (4s | 12) = O, ls = 1, por lo que Baw = (iy tas ts} ces una base ortonormal de V. Con el anélisis de estos 3 casos particulares se puede genetalizar el procedi- ‘iento para construir una base ortononmal Pow a partir de una base dada 6 del espacio V de dimensién De hecho no es dificil “adivinat”, a partir de Ins formulas (4.1), (4.2) y (4.3), ‘que definen a uu, ts, respectivamente, que el vector us seria sng = eee = (| aa = ve Ja Ina = (% [uadus = (| waa ~ (| Mis generalmente, supéngase que ya se han construtdo los primeras k vectores ty» 5a (1S <2) de la base orionormal. Entonces el vector ta Se consti «8 pattr de ellos y del vector ma de la base dada, siendo gay = Bet Mi = aie ~ = nie livers Gu [tad = Over Head = Geen | aaa “usin anterior se resume en el siguiente teorema: Sea P= (v1, «ve una base dl espacio V con preducto interno (|). Entonees el conjunto Pov = (1, tis» » ta} en donde los veetores ty 1+ tason definidosinduetivamente como 2 Lede us e= G2fwieih va (oad = (9 [uaus "8 Tis ont aadur= (5 [andl aS onture lie- yr (orf udu450 AuceorALNeaL DEMOSTRACION ve F sa WF Oslo forma na base ortonormal de Lo Al proceder por induccién sobre nsupéngase vilido el teorema para n= K(cl caso n= Les claro) y prusbese su validez para n= k + 1 Sea entonces B= {¥%i, Yn. +s Vou} Una base del espacio V de dimensién kel Por hipdtesis de induccién, el subespacio W de V generado pot (¥1, Yi, \- 5%) \ tiene como base ortoncrmal alos Wecotes My, t+ Ke Sea ; | naam J Geol ta S, Goneed il Ciertamente ues # 0, pues easo eontrario se tendria es Joqueimplica que vor © la ty Ha) * EO, vo, 1o cual contradice el hecho de gue ¥, Vi - independiente (pues es una base de ¥) ‘Se afirma que (less |) ~ 0, = 1,2, ara simplificar la notacién lémese | Yc 68 un conjunto Hinealmente N= toner Snead adel Entonees va Ge fel (unity) © COROLARIO DEMOSTRACION: EJEMPLO3 EspaciosconProoucrowrenno 454 i * = Feo lad = Y Ome Lanta ay a = 2 yer LM)~ yen |) = 0 como se quetia probar. Ademés es laro que [isl 1 ‘Como os vectres tis.» «tye Forman un conjuntoortonormal de + 1 vectotes en el espacio Vde dimeniénk+ 1, éstos deben ser una base (ortonormal) dev. QED. ‘Sogiin el analisis presentado en los easos coneretos dim V = 1, 2 y 3, se podria representa esquemsticamente la construccién del vector us, com a Un corolatio obvi del teoreina anterior es: ‘odo espacio vectorial de dime una base ortonormel finita con producto interno posee Sea P una base cualquiera del espacio dado, aplique el teorema anterior para obtener, a parte de p, una base ortonormal. QED. ‘Véanse un par de ejemplos. Considere en el espacio R? con el producto interno candnico Ia base B= fv, ve M5) = (0, 1,0), 0, 1 2), 1, DP -Aatlrdepobtenga un tase oxtonotmal de R cp een renee 1 L 1 a = (1, 1,0) = FF (1, 1,0) ii” Taare Oh Oh452 AozeRAuner, Para hallat 1; caleule ve afunus = 1,0 - AK + CX + OVO] FEAL -GLD-} ‘Como la norma de este vector es 1, el veetor #2 procurad es: us = (0,0, 1) Por iltimo, para hallar use calcula = (sli = Css = (0,1. = Fe OXD + ANA) + (DO) FEC 10) = (0,0) + (N10) + (VO1 0, 1 1 = O1,0-F0,1,0- 0,0 (P Entonces yas, 1 11 Bow = {a0 1,0,0.0, on PP} ces una base ortonormal de R’ EJEMPLO4 Considere ahora el espacio vectorial P; con el producto interno ela ~ f pega ‘Transforme la base eanéniea de P, B+ (1,4, 2°] en una base ortonormal Como de cl vector us de la base ortonormal es ay = (A, L,0) = Gs 1,1) G5 1,0) = 9,1) EspAcIoscoNPRCOUCTONTERNO 453 Para hallar ,, caleule vetolene ea-[feae)one eed Lanorma de este vector es: porloque el vector seré 1 ® va 2| Pata hallorwealeule sO |i = (05 |) =e ffra}or-aa(fofs 344 we (3) como setlene que me ri de modo que Bor = [ols es una base ortonormnal de Ps454 AocsrAUNER 4.2. MATRICES ORTOGONALES TEOREMA 4.3 DEMOSTRACION Considérese el espacio R? eon el producto interno candhico. Ciertamente la base = 1(1,0,0), (0, 1,0), 0,0, 1) ces una base ortonormal de R? En la seecisn anterior se vio que b2 > | Fp ts 1,01,0,0, 0.4% ie} En este caso se tiene wr 0 ~-th Palwe 0 o cleat Obsérvese que va we ol[va 0 ~%) i oo pe-|o 0 1if{uz o @l=lo 1 0 i 0 1 Gl po 2 de donde Pi=pPr En tealidad esto es un hecho general que se enn y prueba a continuacién, Sea (V, (+|+)) un espacio veetorial de dimensidn finita con producto interno. Sean Bs = [vi «<5 Yn] Ba ™ [ts ta» 5 ta) dos bases ottonormales de V.i Pes la matrz (de orden n) de cambio de base de a P,entonces (Pes inversibley) pis pe Como B, es una base ortonormal de V, el vector uy I V,endonde Ves un espacio vectorial de dimensién finita con producto intemo, es una transformacién ortogonal si, sélo si es isomeétrica, ‘Supéngase que Tes ottogonal, Entonees, para vu € ¥, d(T), ATs = a} [v= a = du bo que muestra que Tes isom Ree{procamente, supdngase que Tes isométrica. Entonces, ITI = IT) ~ Of] = HTC) ~ TOM = ACH, TOD) » av, 0) = v= Of = Jo que muestra que Tes ortogonal QED. Enla seecién 6 del capitulo anterior se habia definido (definicién 6.4) el determi- nnante de una transformacién lineal T: V -+ V (V de ditnension finita) como el determinante de la matriz que representa a T en cualquier base de V. Si se toma ‘una base ortonormal P de V, el determinante dela sransformacién ortogonal T: V “+ Veer el determinante dela matriz ortogonal A » [7]. Pero, segtin el teorema 4, detA es 10-1, Entonces det Tes 1 01. Seha probado ast el siguiente teotema | SiT: V+ Ves-una transformacién ortogonal, entonces | det T= 10-1482 svorerALnest. ‘Auna tansformacién ottogonal T: Rt — Rs tal que der T= 1, se llama rotacidn, Estadefinicidn esta inspirada en el caso particular 7: R? — R*, Tortogonal, det T = len el cual el efeeto geoméitica de Tsobre un veetor v € RF es una rotacisn, de éste por un dngulo 8, como se vera continuactén. ‘Sea 7: RP» Ré una transformacisn ortogonal tal que der T = 1, Sea B= (Mi vy} una base ortonormal de RY, y se eseribe T() = (@, 8). Tew) * (6 Entonces la matriz de Trespecto de Ia base fi es (Ts 4= (5 ‘| Segin elteorema 5.1, A es una matriz oriogons, es decir A= A, Se sabe que peenepl ca ealt Como det A = 1, se tiene entonces “fsb de donde se obtiene que a * dy b= ~c. Es deckr, cen donde ay 6 deben ser tales que detA=@+ b= irel veotor (a, b) € Ren coordenadas polares se tiene an rcos® bersend Pero, ree Bantonees, am cos ® bw send de modo que Ja matriz A de Tes’ a[zt 2) espacios con pRooucromTeRNo 483 enforces la transformacién T: R¢ ~+ R? puede deseribirse como ron-alS]-[238 “wte] [5] [Ens Sone | Porlo tanto, el vector (x,y) * Tex, y) es tal que X= xcos 8 ysen 0 yexsen 0+ pcos ® Es fell ver que (3, y) es un vector de R? que se obtiene del vector (x,y) € RP girando éste un éngulo 0 En efecto, considérese la siguiente figura: Lidmese Ka la norma de v. Es decis, K ~~ tht De la figura se tiene sen (at 6) = mI ate es(aro~& Enns, X= Kos (2+ 8) = (Keas 6) cos 8 ~ (Ksen a) sen = xcos 8 ysen 8 y= Ksen (a +8) = (K'sen a) cos 0 + (Keos @) sen = y cos 0+ xsen 8 que son las exprosiones que definen a ls coordenadas de TU, )). Se tiene entonces la siguiente situacisn goomeétiea: y484 AucESRALNEAL Esto justifica entonces que a la transformacién ortogonal 7: R* > Re tal que det T= 1, se le lama rotacién (se puede demostrat —véanse ejercicios al final de {sta seectn— que también enel easo 7: R? > R?, Tottogonal, der T= 1, el efecto [Beométtico de T sobre el vector v € R jel eual puede dibujarse!— es también ‘una rotacisn). ‘Véase ahora el caso de Ia transformacién ortogonal 7: R* + RP tal que det T-1, Repltaseel mismo argumento del casoderT= 1, hastaquese Negue la formula deat. ‘Como en este caso der A = =1, se tiene afb] aft e]e an alee eesles dedonde a= ~d, = b. Es deci, que la matriz de Trespecto de In base Bes: ab [3] endonde det A= -a- B= -1,0 sea a+ B= 1. "Aleseribirelveetor (a ) en coordenadas poles, so veque A puede escribitse — a(t 2] ‘Se habia visto ya que la transformacién S: R — R’, Sex, y) = G, -y), © bien, SQ) = see 7 [3] ‘es una transformacién ortogonal Ia cual representa geométricamente una reflexion, respecto del eje x (vase ejemplo después del teorema 5.1), Obsérvese que rs (2b a(t [La primera matriz que aparece en este producto es la matriz que corresponde ala transfortnacién ortogonal : R? -» R?, en caso det R = 1, esto ¢s, es una mattiz: de totaeidn, Pot lo tanto, si se considera la composicién EJEMPLO2 espacios CoN PRODUGTOINTERNO 485 se vo que la maltiz que representa a Re S (que es el producto de la matriz que re presenta a R pot Ia matriz que representa a S) es precisamente A = mattiz que representa a la transformacidn ortogonal T: R? ~> R’, en el caso de det T= -1, ‘Se puede eoneluir entonces que T=ReS Bs decir, en el caso det T+ -1, 1a transformacién ortogonal 7: Re -+ RF es ‘geométticamente una reflexién respecto del eje x seguida de una rotacién, Por ejemplo, si 7: Ré + Res la transformacidn ontogonal iy) = Aven donde a [= 4] yv=F,21),se veque 12,213) %M WAL 2). 1 3) A WA || 7 |~ |-1 Eneste caso, det T= -1, de modo que el efecto geométrico de Tsobre ves primero una reflexién de ésterespecto del eje y luego una rotacién (en este caso de m4), ‘conto se muestra en Ia siguiente figura EJERCICIOS (SECCION 5, CAPITULO 5) 1, Considere la ransformacién linea 7: Rt + Rt pars la cul oak] - (Ae 1 #&)-(aa Demuesite que Tes una transformactén ortogonal486 ALceenAUNenL rf ae 3) (Gt r(@ S83) of aE CComprucbe que Tes une transformacisn ortogonal (Sugerencia: véase eercicio | dela seccidn anterior.) ‘Sea T: RY ~ Ba transformacisn lineal 71) = AX, en donde ] ] in 4 “4 4 as oe Demuestre que Pes una transformacién ortogons, (Sugerencia: Véase eercicio 18 doa seceiénantri Dé tes argumentos distintos que muestren qu la transformacisn idontidad fd: V = V,en donde Ves un espacio vecoral de dimensin finita con el producto interno J}, esunatrnsforacién ontogonal (Sagerencia véase tworema 5.1) Sea Vun espacio vectotal de dimension 3 con producto interno (|), Seu = {v1.05 v4] una base ovtonarmal de V. Supange qua WDITOD)= Wy) 4 F= 1,253 Pruebe que Tes una transformacicn ottogonal Determine el vector (4, 6) € RP tal que la tansformacién 7: R? — Re para ta cust 4] 1 1,0) - ( a 70,1) = (a,5) seaunateansfrmicignortogonel See P» [1 9n,} ua base otononmal de RE ‘Detennine uns tansformeeionortogonal 7: R? +R? pata la cual I Ton = Fen +0 +2%) Two = Flew) Se dice qua tensformacin nel 7 V+ ¥en donde Yes un espacio vectorial de Simersién fia eon produto eterno (|) es una ransformaciin confrme, si T preserva glo es dvr, paacalesquie dos vetoresvy ude Vel ngulo ete vy es el misino quel angblo ese To) y To 28) Demueste qu i 7: V~ Ves un tansformacin otogoalentonces Ts una ttansfomnactn conform 10. 14. [ESPACIOS CON PROGUCTO | 1) gE vilida a afitmacién reciproca del inciso a? (Gugerencia: considere T: ¥ > V, Ti) = 2v) Describe el efecto gcmetrico dela transformactén 7:R? —+ R?, TO) = AX en donde Oo -1 My fib v(t 3] o4-[8 8] We -Y aoe vale ve oa-[B 3] Sean Ti, Tx: V ~+ ¥ dos tansformaciones oriogonaes tales que det 7; « det T;= 1 Demuestre que Tj » Ts y 737; son también transformaciones ortogonales que det Ty 2 Ty = det Ts 7, Iniexpretegoomélticamente el eercicfo anterior en el easo en el que Ves el espacio vectorial RY con el producto intemo canieo. {Es a suma de dos transformaciones ortogonales una transformacisa ortogonal? Si «ssi, demuéstelo, Caso contario, un contraejempio, Deserta el efecto gem do la asfomacién 7: Rt RY, 1X) = AX en dade naefO [2 %& ef) elk By Yn TA wa [iB 2] oa [FR a SIT. ~ Ves opetato eal eneespiio vectorial Vd dimesin espe mostrar (véase ejericio 25 de ta seccién 1 del siguiente eaplivlo) que existe una base ortonormal de Vrespeco de a eual la mateizque representa a Tes do la forma Use este hocho pata demostra que la mattiz quo represenla x un transformacién ‘ontogonal 7: RY = R® para Ja cual dee P= 1 es dela forma 10 0 © cos “send 0 snd cose para algin 8. ,Cudl es el efecto geomeitico dela transformacion T? Sea A uns matte antisimeicn de orden m (A= -A) 8) Demuesire que para cuslquie vector X € Ré se tone (AX | Intomo candnieo de R), by Compruche que para X € RS Wa = Dx = AXE? + I? (el producto ©) Concluya de inciso anterior que la mattiz A ~ Fes inverse {Sugerencia: demuesie que (A =) X=0 = X=0,)488 KceeRALNEAL 4) Demuesie que para cuslguler X € Rese tiene B+ x = [4 ~ DXF ©) Sea U= (A+ D(A —1)! € Meng: Sea T: RY —+ RY el operador lineal 71) = UX, pucbe que Tos una isometia, (Gugerencia: use el inciso anterior), ‘Demueste que U- = 2(A = Dt. Coneluya entonces que U~ Fes inversible. ‘Compruche que si Ues una maiz ortogonal (0 bien, si el operador 7: Re ~ Re, TO) = UX es una isometia), tal que U- Fesinversible ysia = (U+ DU - 0", ‘entonees 4 es una matrizantisimétrice. (Nota: A la mattiz,U se le lama transformada de Cayley de Ia mattiz A.) ao APENDICE. TEOREMAAL FUNCIONALES LINEALES EN ESPACIOS CON PRODUCTO INTERNO ‘Sea (V, (+|=)) un espacio con producto interno, ‘Con el producto interno en V’se pueden construir funcionales lincales fi V R dela siguionte manera: ‘Sea tou veetorfijo de Vy definase fi V+ R como Soy = Lo) EL hecho de que fes lineal se sigue de ls propiedades del producto interno: ‘for tv) = (4 val ta) = (Lud + 21 Ud) =f) +f0) Wve flo) =(eviu)=cvluy=ofy) VeeR, vvEv Esta construccién da entonces una gran cantidad de ejemplos de funeionales Tineales en el espacio V. Mas ain, se demostraré que si Ves de dimension fini, cesta “gran eantidad” abarca de hecho a todas los funclonales lineales en V5 es decir, que para cualquier funcional lineal fen el espacio vectorial V de dimension finita con producto interno (- |), existe un (Gnieo) vector uo € V tal que fl) = @luyvv ey. y sea fi V » Runa funcidn lineal, entonces existe un tinico vector [ Sex Veen vctl odes it np emo C1) Lea vey | oe | Sanaceeeen cee ESPACIOSCON PRODUCTOINTERNO 489 DEMOSTRACION Se darin dos demostraciones distintas dela existencia del vector uy DEMOSTRACION 1 DEMOSTRACION2 ‘Segiin el corolario del teorema 4.2 existe una base ortonormal P = (¥,¥5,--+ Yl Se Be (reat Sea Shoat vane =F ADH ysea g: V-+ Rel funcional tineal en V dado por 90) = Lu) Seafirma que f= g. En efecto, para cualquier vector v € Vse tiene veantant stem = oy Entonces 80) = La) (i oy A fom) = EY ote Rit =F vos & a) } Jo que prueba que gv) =/fv) Vv € V, esdecit, que g = Considérese el micleo def Kor fx (ve Vifo) =O} ‘Se sabe que Ker fes un subespacio de V. Si Ker f= V,entonces fv) =0, Vv € yen tal caso, el ieorema se cumple con uy = 0 esto es, flv) = (V0) ¥ ¥ E Y). ‘Considérese entonces el caso en el que Ker f+ V. En tal caso, el subespacio (Ker es distinto del subespacto trivial (0} (de hecho dim (Ker f)'= 1, ,por qué?), Existe entonces un vector w € (Ker,}!, w #0. Sea v € Vy considere el vector = foyw = fy Obsérvese que Fu) = Ao = flo) = Royo) = wo) =O490 AaceeRAUNEAL potlo que w € Kerf Entonces (| w) = 0. Es decin, op few} =0 expresicn que puede reeseribirse como Fomor |) = FO) 1) oben, =v | 22 ae ( ibs ] Detinase ty = Ady it (obsérvese que us € (Ker f)'). Se ha probado entonees que para cualquier otro vector € Vsetione fo) = (Ls) Para finalizar la demostracién del teorema, se probar que el veetor tyes tinico. ‘Supdngase por contradiceién que existe otto veetor th € V tal que So= wim) Vvev Wh=Cluy Yer obien, Wlie-uje0 YEW En particular, si v= to my se obliene (t= | tou) = 0 de donde ty ~ ty = 0, 0 Sea ty ty QED. Bl resultado anterior es en general Falso cuando el espacio veetorial V no es de dimension finita. Espicres cov rnceucro nemo 491 Por ejemplo, eonsidérese ef xpacio C(O, 1) dels funones continuas ene intervalo (0, 1] eon el producto interno 1a) = J, Avecaae Se ver que existe (a menas) un funcional Lineal F: C(O, 1}) > R-queno puede ser epresentado como un product interno en C(O, 1). Es decir, que no existe # € C(O, I) tal gue FO=Ula) —-¥ Fe C101) Sea F: C(O, 1) + Rel fncona inet dado por F=f02) Fe C110, yysupengase, por contadieidn, que existe g € C{(O, 1) ta que FO) = Gla) ~ J, Aegendr = 72) ¥ FE CULO, 1) En particular, si tx) = (+ ~ 1/2)'g(x) € C((0, 1) se tendria Ce) = f= yaratnacads = (2 Varsti”) = 0 Bde, f Ge AXemP= 0 Yre [OU] ‘Como la funcién en el integrando de la expresién anterior es una fimetén con- tinua en [0, 1] no negativa, se concluye que -1AF@Or=0 Vx 10,1) Entonces g(x) = 0 Vx €[0, 1] (;por qué). Es decit, g = 0, lo cual implica que FU) = (f|g)= Y10) =O fe C(O, 1), que es una contradiccisn, "Nora: Cuando se consideran furiionales lineales en espacios vectoriates (V, (| )) de dimensidn infinita eon producto intemo, es posible demosttat fa validez.de un resultado andlogo al presentado en el teorema AL, conocido como “teorerna de representacion (de funcionales lineales acotados) de Riesz-Fisher”, si ademas se tienen un par de hipStesis adicionates: 1) El funcional lineal ff V + R es acotado. Esto significa que existé una constante K'2 O tal que Vols Kid vee492 A.ceSRALNEAL 2) Blespacio veetoral(V,(--)) es completo respecto de la métrica (vy v9 = Lvs vl ‘endonde [ill * C1). Esto signifiea que siempre que se tenga una sucesién (01) en V pata Ia cual dado€ > O existe no €N tal que domw. Sea T: V —» Vu operador lineal en el espacio vectorial V de dimensisn nF] ‘ntmeto hes llamado valor propio (valor earacteristico o eigenvalos) de Tsi existe ansetor » € Vnonulo, tal que 7() « Av. Ena eas0,al veetor vse le Tama yecior propio (vector earacterstico o eigenvector) corespondient (0 asociado) al vlor propio’. “Existe una equivalencia natural ente las definiiones 1.1.) y 1.1 b), proporcio= ppadn pot la correspondencia matrices ~ttansformaciones linesles, seni aoe ot cainuasion sea Pun espacio vectorial de dimensién n y sea 7: ¥ rion operado lineal en V. Si = {Vy ¥y- ye) esunabase de considérese Jamatriz A de respecte de la base B. Se tiene entonces que ‘hesun valor propio de T +> 2.es un valor propio de A= (Ty EEnefecio, spéngase que es un valor propio de Ty que v € Vestn veetor propio asociado ah. Enfonees, sein Ia definiciin 1.1,b),se tiene To) av dedonde (Tole Ove [Thvls = Mole esdecit,” AX# AX ‘endonde X = {vj Por lo tanto, 2 es un valor propio de A y X= [pes m vector propio asociado a % (obsérvese que v # 0 = X¥0). RReciprocamente, supéngase que 2 es un valor propio de A = {Thy que X= (caer. 0) € Rres un vector propio asociado a’ Sea v= cv # O2%2 0 t Co. vGeetoes, X= (Vj)y entonces, seg la definictdn 1-1), se tiene AX = 9X vatonesyvectones ropes 497 es decir, [ibs = Mule loceval se puede eseribir eomo (Tw) Dolp dedonde Tw) dy lo que muestra que 2 es un valor propio de Ty que v € V (que es no nulo pues X= (»}pes no nulo) es un veetor propio asociado a Mis atin supdngase que se toma otra base fi’ de V distinta de Is base B. Sea B= (Thy. Se sabe que A> PUBP pata alguna matriz inversible P, $i2.es un valor propio de A, entonces existe X € Reno nulo, tal que AK AX obien, (PABP)X = AX pts que se pode reesei omo (pend por I spo a matriz Py asociando) = BEPX) = MPH) Como X # Oy Pes una mattiz inversible, entonces PX # 0 (;por qué?) de manera i también un valor propio dela mattiz B (y P¥es.un vector propio ssocindo ‘Obsérvese entonces que se puede replanteer la definicién 1.1, b),eomor DEFINICION 1.1.5)’ Sea T: V — Vn operador lineal en el espacio vectorial V de dimension n. El EJEMPLO1 inimero es llamado valot propio de T'si 2 es un valor propio de Ia mattiz. A asociada al operador Trespecto de slguna (de cualquiera) base de ¥. “fal Por ejemplo, sea la matriz,498 AoeORALUNEAL Elmimeto% = 5 sun valor propio de A pues para el vector nomalo X= (1,3) en EIB) Lb ]-* ‘Si se considera sl operador 7: R? + R? dado por TU = AX, entonees, segtin et analisis anterior, A= 5 serd también un valor propio de 7. Mas ain, observe que Tpucde describirse explicitamente como Tey) = Qe ty 3e4 dy) La representacion mattiial de Trespecto de Ia base B = (J, 1), (0, 1)} est dada perenne 34 [3] Segin se vio anteriormente, d= 5 deberd ser también un valor propio de la matriz, B.Enefecto, parael vector X= (1, 2) se tiene EEE 4.1. VALORES PROPIOS TEOREMA 1.1 DEMOSTRACION El siguiente teorema da luz acerca de la maneta como se pueden determina los valotes propios de una maiz a ‘Sea A una matriz cuadsada, el iimero 2 es un valor propio de si, y silo si det(@ip A ~ 41) = 0. | ‘Sis un valor propio de A, existe un vector X € R’nonulo tal que AX = 2X. Esta ‘expresidn se puede reescrbir como (A M)X = 0. Se puede contemplar esta itima ‘expresidn como un sistema homogéneo de ecuaciones lineales (Ie matriz del sistema siendo A - 2) el eual se sabe que posee soluciones no triviales (... existe ‘un vector X no nulo...). Estoequivale, como se sabe ya, a que la matriz del sistema A ~ A sea no inversible. En tal caso, dea(A = 2) = 0. QED. Obsérvese quesi A = (aj), -12.~.nentonces, DEFINIGION 1.2 VALORES vecTonesProncs 499 anh a, ayes ae ‘Uno de los productos elementales que aparecen en el desarrollo del determinante «de esta matriz es el producto de los elementos de su diagonal prineipsl (241 = 22) + on = 2) ‘Asin mas, on todos los testantes productos elementals del desarrollo de dew(A ~ ‘a0 aparecerd siempre como factor al menos un elemento fuera de ta diagonal principal de A = A. Entonces, al desartollar der(A ~ 2) se obtendré un polinomio ‘en.de grado n (de hecho, el término a2" de este polinomio ptoviene de producto ‘elemental artiba menetonado, con a= (-1)). Por ejemplo, si es la ma so dseantel? ysi setiene = B-2S-2T-9) 3% de(B-a)=| 0 5 0 = 1+ 1512-712 # 105, ‘Sea A una matriz euadada de orden mal polinomio (de grado m en 2) p(A) = den(A = AD see llama polinomia caractertstico de A. Obsérvese entonces que el teorema 1.1 establece que 2 es un valor propio de la imattiz A si, y sdlo si p@) = 0, 0 sea, si, y sOlo si A es una rate del potinortio ccaracteristico de A. Este hecho da entonces la pauta pata encontrar los valores propios de una mstrizA:sehallaprimeramente el polinomio caractersicn de A y se deterninan las rafces de éste. Estas serén los valores propios de A. ‘Veanse algunos ejemplos.500 AuseaRaUNeA EJEMPLO2 EJEMPLO3 EJEMPLO4 Sides le matriz. setiene “1 9 -»- 10 = daca a9 = dt 2a] 6-82 a= 18 2 Th 8 = (= 8)RAD Las races de (2) son entonees, = 8y a= =1- Estos son ls valores propios dea Para la matriz setione “ie, : 70) aan = af afro Entonces, el nico valor propio de B es k= 1 2-1 ofa] “Rol De geapeae ame ry = dege=a = aa? ral-@ aye 3 = AAT Por itm, para Ia mattiz, La ecuacidn p(a)= 22 44 +7 = Otiene porraices: AMBER | 42 48 VT yg ai 2 2 2 a en este libro son nimeros reales Los nimeros eon 1s que set tabando en est bro son nero eles (enlopeapnciosvetoriles que yahan sido corsideradesseharestingidoal ea: ide ios mimeros reales). Entonces, pata la matriz.C del ejemplo anterior se aoe rales pops” sigifiado con eto ge i maz Cno ene alors propos reales: vatonesyvectores propics 501 1.2, VECTORES PROPIOS. ESPACIOS PROPIOS EJEMPLOS Se ha visto ya edmo se pueden determinar los valofes propfos de una mati, euadrada A, Se vera ahora mo determinar los vectorespropios correspondientes Sea hun valor propio de A. Entonces, dei(A ~ Al) = 0. El veetor X € Res un vector propio de A asociado al valor propio 3. si Xes no nuloy si AX = AX. En cttas palabra, X es un vector propio ssoctado al valor propio’. siXes unasolueisn no trivial de (A ~ AX = 0. La existencia de soluciones no trviales de este sistema homogeneo de ceus ciotes lineales (eso es, la existencia de vectors propios de A asociados al valor propio 2) esté asegurada por el hecho de que .siendo wn valor propio de A, la tmattiz A ~ es no inversible [pues det ~ A) = 0]. En resumen, para determinat veciores propios asosiados al valor propio’, slo se tienen que hallar soluciones no tivales del sistema homogénco de ecuaciones lineates (4 ~ ADX = 0 Por ejemplo, se habia visto ya que los valores propios de la matriz, 59 al a] s0n A: * By n= ~1, Pata detorminarlos veetores propios correspondientesa cata tno de estas valores propios, se tiene que considerar el sistema homogénco (A ~ PS AIEEE) Para el valor &y = 8 se tione el sistema 3 9} fu) fo 2 -6||n|~}o ccuyas soluciones son x; = 31, %: = 7, € R, Entonces, Jos veetores propios de A ‘sociados al valor propio 4, = 8 son vectores de la forma (3r, 1), €R,(r# 0). Para el valor propio 2: = -I l sistema por resolver es: 6 9)}[n] fo 2 3{|n|"[o cuyas slueiones son. = ~2 x= 7,7 € R Entonces os voctores propios de A 2 snr pitta 2 Obsérvese que el conjunto de veetores propios de una mattiz A asoeiados al valor propio 2, siendo éste el conjunto de soluciones no triviales del sistema nr}renorro)502 ALGEORALINEAL DEFINICION 1.3 EJEMPLO6 EJEMPLO7 homogéneo (A = ADX = 0, no es en si mismo un subespacio de R* (pies carece del vector cero). Sin embargo, si se considera Ia nid de este conjunto con el (eonjunto formado por el vector cero, lo que se obtiene es precisamente el espacio solucidn del sistema homogéneo (A ~ /)X= 0, el cual se sabe que es un subespa- cio de Rt ‘Sea una matriz euadrada de orden my sea un valor propio de A. Sea By union deleonjuntode veetorespropios de asociados al valor propio con (el conjunto formado pot) el vector esr0.E, es entonces un subespacio de R° llamado espacio ‘propio (espacio eaacteristico 0 eigenespacio) de la matriz A eorrespondichte al valor propio. Enel ejemplo visto anteriormente, para la matriz 39 “(2 3 Bye = (Gh OF ER) “(ek setiene By ‘Vease un ejemplo mis. Considere la matriz Elpolinomio caraeteristico de A es: 1-z 30 A) = deta) = de] 0 -2=— 0 0 6 Ima Lastaices del polinomiocarateisico A son 4, * Ly 22-2. Estosson os valores” propios ded, Determine los espacios propio correspondientes a enda uno de estos valores propies. : — ‘Se iene que considera el sistema homogénco (A ~ ADX + 0. Es decir, (PETE TEOREMA 1.2 DEMOSTRACION ‘vaLonesyvectoresrronies 503 Para )y = 1 se tiene el sistema © 3 Olfn) fo 0-3 olfx|-|o 0 6 offs} jo ceuyassoluciones son x; * r22* 0,2 "5,755 € R. Entonces, cl espacio propio Byes Fu 09) HSER In cual tiene dimensién 2 [una base dé estéconsttuida por los vectoes (1, 0,0) ¥ 0,0, Para hs = -2se tiene el sistema ‘cuyas soluciones son x, tonces, el espacio propio tft a cl cual ene por dimensién 1 [una base de él es (1-1, 2). Hasta este momento, se ha estudiado lo relacionado con valores, vectores y ‘spacis propios para una mateiz euadrada A de orden. Véase ahora eémase ven ‘estos mismos conceptos cuando se consideran operadotes lineales en lugar de matrices. Elsiguiente teorema es el anilogo del totems 1.1. En élse da una caractcriza- cig dels valores prpics de un operadorentérinas dela inversbilidad del ope- radot TM, en donde I denota al operador identad f: = ¥, (0) = vv € V. Byes Sea T: V+ Vun operadot lineal en el espacio veetorial V de dimension | ny elmimeto 2 es un valor propio de Ti, y sélosi el operador T- Mi V- Vesno inversible. Se tienen las siguientes equivalencias (véase teorema 6.4 del capitulo 4), ‘sum valor propio de T # existe v € V, v7 0,tal que To) = Av existe v € Vy #0, tal que (T'= Al)(») = 0 = Ker (T~'A) # {0} = T~ Ano cs inversible QED.804 ALceeRALNEAL ‘Se define ahora el polinomio caracteristieo de un operador lineal 7: V~ V. Para poder hacerlo, se necesita el siguiente teorema’ TEOREMA1.3 SiAy Bson matrices semejantes, entonces el polinomio earacteristico de ‘A coineidecon le polinomio caracteristico de B. En particular, y Btienen los mismos valores propios. DEMOSTRACION Si A y Bson matrices semejantes, entonees existe una matriz inversible P tal que A> PXBP. En tal caso, det(A~ AD) = det (PBP ~ bb) = det (PB ~ NP) = (der P*yider(B~ ADNdet P) = (det Py(der(B -ADY det P) = dex(B ~ 01) Entonces, el polinomio earacteristica de A (» det(A ~ A) y el polinomio caracte~ ristico de B (= det(B - 4) coineiden. QED. Se puede establcerentonoes la sigutente defile: \ DEFINICION 1.4 SeaT: V-+ Vunopetador lineal en el espacio vectorial Vde dimensién , Se llama polinomnio caractetistico del aperadot Tal polinomio earacteristico de la matriz A que representa a Ten alguna (cualquiera) base de V. Ladefinicidn anterior hace perfecto sentido, pues si By 6 son dos bases distintas deV, las matrices A= [T}y B= [T]y,son semejantes. Ental caso, segin el teorema 1.3,¢1polinomio caracteristico de A es igual al potinomio caracteristico de B igual al polinomio earactetistico de 7). ‘Obsérvese por illimo, quesiel vector v € Ves un vector propio de Tasoctado al valor propio A, entonees v# Oy Tl) = Ay, 0 bien, ves un veetor no nul tal que (I~ Av = 0. Sise considera la unin del conjunto de veetores propios de Teon (el eonjunto formado por) el vector eero, se obtiene asi el conjunto de todos los vectores v € Vales que (T'~ Al ~ 0. Estos veetores son precisamente los que constituyen el nicleo del operadoe 7 AJ, el cual se sabe que es un subespacio de ¥. tees entonces el espacio propio Es asociado al valor propio 2. Es deci, B= Ker(T~ 41) PPara finalizat esta seceisn, se veri un teorema que relaciona la dimensién del espacio propio B; correspondiente al vator propio % de una matriz A (o de un ‘operador 7) con la multiplicidad de & como tatz del polinomio caracteistico de A(odeT), TEOREMA 1.4 DEMOSTRACION vatonesYvecronesrranios 505 Sea A una mattiz cuadada de orden ny sea Aun valor propio de A, $i Ey es el espacio propio asocindo al valor propio A, entonces la dimensién de Exno excede a la multiplicidad de A como raiz del polinomio earacteris- tivo pl) = det (A = AD. Sea T:Ré — Reel operador lineal 7(X) = AX. Sea Bs * (v4 ¥5,-- 94] una base del espacio propio E,, existen veetotes Vi,» Ys tales que P= (Vi, ¥5,--- Va) eS una base de R’. Sea B= (7) Estlaj-ésima columna de Bapatecen las eoordenadas del vector (TC) Obsérvese que para 1 $j < se tiene Te) = dy) pues los vectores vi, ..., ve dela base i cle Ex son —por definiciin— veetores propios de A asoviados al valor propio 2. Entonees, como (Tlv)) = (AW) = (, O,eoeyhye +40) setiene que B es una matriz de la forma ees (n-b. Las matrices A y B son semejantes (ambas representan al mismo opetador T) ¥ por lo tanto, tienen el mismo polinomio caracteristico p(x). Este polinomio es! a 0 Vom. 4 ‘Al desarrollar por cofactores alo largo de la primera columna yrepitiendok veces este desarrollo en los determinantes ebtenides, se lloga finalmente a: PO) = G2 det(C ~ the) Entonces, la multiplicidad de 2 como raiz del polinomio earacteristico de A es al menos k = dim B;, Esto era precisamente lo que se quetia proba. QED.