Álgebra Lineal - Fernando Hitt PDF

| ALGEBRA LINEALAlgebra lineal Fernando Hitt Espinosa Departamento de Matematica Educativa, Centro de Investigacion y de Estudios Avanzados, Instituto Politécnico Nacional REVISION TECNICA. Humberto Madrid de la Vega Centro de Investigacién en Matemdticas Aplicadas, Universidad Auténoma de Coahuila Fernando Barrera Mora Escuela Superior de Fisica y Matemdticas, Instituto Politécnico Nacional ® MEXICO + ARGENTINA « BRASIL » COLOMBIA + COSTA RICA * CHILE ESPANA * GUATEMALA + PERU + PUERTO RICO VENEZUELA.‘Dao de rangi pibowaicn HITE, FERNANDO Algebra neal PEARSON EDUCACION, México 2002 ISBN: 970-26-0013-8 ‘rea: Matemsticas Formato: 17 x 23, Péginas: 192 Editor: Guillermo Trujano Mendoza ‘e-mail: guillermo.trujano@ pearsoned.com Editora de desurolo: Lorena Pontoncs Durand ‘Supervisor de producen: José D, Hleminder Garduto PRIMERA EDICION, 2002 DAR. © 2002 por Pearson Bucacién de México, S.A. de CY. Calle # No, 2-240. piso Face, Industrial Alce Blanco 55970 Naucalpan de Juirer, Edo. de México E-mail: editonal univesidades@ pearsoned.com ‘Chiara Nacional ¢ industria Ecitria! Mexicana. Reg. Nim. 1031 Prentice-Hall es una marca registada de Pearson Educacién de Mésico, S.A. de CV ‘Reservas todos los derechos. Nila totalidad ni parte de esta publican pueden reproducis,repstase ‘Biehumitae, por un sistema de recuperecién de informacin, en ninguna forma ni por ningin medio, se {ixronco, recanico,fowoqutmnico, magnético o electeeptico, por fotocopa, grabacién 0 cualquier otro, Sin permiso previo por esrto del editor 1 préstmo, slguler 0 culouer ota forma de cesin de so de este ejemplarreqerré min ls anor acon del editor 0 de sus representantes, ISBN 970-26.0013-8 Impreso en México, Printed in Mexico. 1234567890 05080302 ere EducacionIntroduccién CAPITULO 1. Algebra de mimeros complejos .... ul 12 13 14 1s 16 17 Contenido Unbosquejo histérico . Los ntimeros complejos RepresentaciGn geométrica de los niimeros complejos .. Forma polar de un némero complejo Productos, potencias y cocientes de ntimeros complejos usando representaci6n polar... Extraccién de rafces y rafces de la unidad Ejercicios .. enters CAPITULO 2. Ecuaciones lineales y resolucién de 21 22 23 24 25 2.6 2 28 sistemas de ecuaciones lineales Ecuaciones lineales .. Sistema de dos ecuaciones lineales e interpretaci6n geométrica Reconocimiento de formas y tipos de solucién de un sistema de dos ecuaciones lineales.. Interpretacién geométrica de un plano en el espacio Sistema de tres ecuaciones lineales e interpretacién geométrica Resolucién de un sistema de ecuaciones lineales, método de eliminacién de Gauss Determinantes de segundo y tercer orden y regla de Cramer... 47 Fjercicios .. CAPITULO 3. Resolucién de sistemas de ecuaciones 3 3.2 33 34 35 lineales y matrices Uso de matrices en la resolucién de ecuaciones.. Matrices ... ‘Método de Gauss-Jordan en la resolucin de un sistema de ecuaciones lineales Relacién entre un sistema de ecuaciones y Ta inversa de una matriz... Ejercicios .. urv Contenido De CAPITULO 4. Espacios yectoris 41 42 43 44 45 46 47 48. 49 4.10 Bases ortogonales 4.11 Ejercicios .. 87 . 87 Espacio vectorial ... RepresentaciOn geométrica de un vector .. Espacio vectorial real R? y R° Ejemplos de espacios vectoriales Subespacios vectoriales Combinacién lineal, dependenciae independencia lineal Bases y dimensién Rango de una matriz Angulo entre vectores y producto interno .. 110 CAPITULO 5. Un tipo particular de funciones: 5A 52 53 54 CAPITULO 6. Valores y vectores caracteristicos .... 6.1 62 63 64 65 6.6 67 68 Indice analitico ... transformaciones lineales. Conjunto de puntos que determinan la gréfica de una funci6n ‘Transformaciones y representacién matricial ‘Transformaciones lineales, rango y nulidad . Ejercicios ... Valores y vectores caracteristicos Matrices equivalentes y diagonalizacién. Formas cuadraticas asociadas a las secciones © yy superficies cuadriticas ..... La normal a una cénica 0 a una superficie cuadratica jes principales y transformaciones ortogonales .. Matrices simétricas y diagonalizacién Formas cuadraticas Ejercicios . icasIntroduccién Una de las ramas importantes de las mateméticas y sus aplicaciones a la ingenieria es el Algebra lineal. Lo abstracto de este tema ha sido reportado por una gran cantidad de investigaciones en el érea de 1a educacién matemética y ha promovido reflexiones profundas en tomo a la buisqueda de presentaciones diferentes del tema en cuestién, El desarrollo de las teorfas que fortalecen la importancia de la visualizacién matemé- tica, considerada como la habilidad para interpretar y representar de manera diferente la informacién percibida y la reflexi6n extrafda de informacién visual, impone a los autores de textos considerar estas ideas para presentar nuevas propuestas de ensefianza. Las nuevas teorfas del aprendizaje también han influido en acercamientos diferentes en Ia construcci6n del conocimiento. Estas teorfas y 1a experimentaci6n en educacién matemitica han puesto de manifiesto la importancia de realizar tareas de conversién de una representaci6n a otra del concepto matematico en cuestién. En este texto introductorio al lgebra lineal intentamos hacer un uso eficiente de las diferentes representaciones que se usan en esta rama de las mateméticas, que son: las representaciones geomeétricas, las algebraicas y las de lengua natural relativas a la proposici6n de problemas. Como Io sefialamos, una habilidad importante a desarrollar en nuestros estudiantes es la de la visualizaci6n matemética, con la finalidad de que, en la resolucién de problemas, los alumnos realicen de manera natural, las conexiones necesarias centre representaciones para la biisqueda de la solucién. A lo largo del libro se plan- tean problemas pensados en el desarrollo de esta habilidad que es muy importante en el aprendizaje de las mateméticas. Bajo estos puntos de vista, hacemos un tratamiento de los temas de este libro desde una perspectiva nueva. Al mismo tiempo que se introducen aspectos mas abstractos de las matemiticas, no se pierde la intencién del libro con respecto a la importancia de la conversidn entre representaciones y la visualizacién matemética. En este texto hacemos un uso algebraico-geométrico del contenido matematico como introduccién a temas que serdn propios del lgebra lineal. Vvvw Introduccién Esperamos que el libro sea de utilidad, ademés de atractivo para la resolucién de os problemas planteados. En diferentes ocasiones se ha experimentado con versio- nes preliminares de la obra, con alumnos y con profesores de mateméticas, y los resultados han sido satisfactorios tanto en su aceptacién como en los objetivos planteados para la ensefianza de las matemiticas en esta érea del conocimiento. Tener en ‘cuenta los resultados de estas experimentaciones nos ha permitido realizar una nueva propuesta que es la que se presenta en este volumen. Elautor Fernando Hitt 2002Capitulo 1 Algebra de nimeros complejos 1.1 Un bosquejo histérico El enfoque que se le ha querido dar a este libro esté muy ligado a promover el uso de varias representaciones en la adquisici6n de conocimiento y la resolucién de problemas. Iniciamos con el tema de dlgebra de mimeros complejos dado que usualmente es un tema que se presenta la mayorfa de las veces desde un punto de vista algebraico y pocas veces se muestra una visién geométrica de los ntimeros complejos. La inclusién de este capftulo, que no es propio del Algebra lineal, se debe a que usualmente se inicia un curso introductorio al Algebra lineal con un repaso sobre algunos conceptos algebraicos. Consideramos que el tema de los nimeros complejos, nos puede servir de inicio para mostrar un nuevo enfoque, que toma en cuenta a las representaciones geométricas junto con las algebraicas como principales promotores en la construccién de conceptos matemiticos. Analizaremos el tema de mimeros complejos (0 imaginarios) haciendo un breve bosquejo hist6rico. Ello nos permitiré comprender c6mo se desarroll6 una parte de la matemética hasta llegar a su formalizaci6n, Nuestro punto de partida esté en relacién con los niimeros negativos. Los griegos anteriores a Diofanto, descartaron los mimeros negativos al no poder adaptarlos a sus ideas geométricas. Sin embargo, Diofanto de Alejandria (siglo m d.C.) en su libro I de su Aritmética escribe: Lo que falta multiplicado por lo que falta da lo que es positivo, mientras que lo que falta multiplicado por lo que es positive, da lo que falta2 Capitulo 1_Algebra de niémeros compleios se podrfa pensar que el uso de nimeros negativos era utilizado por Diofanto de ‘manera sistematica, pero en su trabajo, la regla s6lo interviene como un procedimiento transitorio antes de obtener un resultado positivo y no aparece el uso de nimeros negativos aislados. Pasaron varios siglos (muchos para algunos historia- dores de la ciencia) para que la comunidad matemética redescubriera y continuara el trabajo realizado por los griegos. Cardano (siglo xv1) fue el primero que reconocié la importancia de las raices negativas de una ecuacién, hecho muy importante para el desarrollo del dlgebra; pero utiliz6 el término de rafe ficticia que, consciente 0 no, provocé un obstéculo para la formalizacin de los ntimeros negativos. Por ejemplo, matematicos posterio- res le llamaron raices falsas 0 raices sordas. Esto de alguna manera nos muestra que el estatus que se les daba a estas rafces no era el mismo que se le otorgaba a las raices positivas. Otros matematicos de la época trataban de salvar el obstéculo, por ejemplo, Sim6n Stevin (1540-1620) escribi: Niimero es aquello por lo cual se explica la cantidad de cada cosa... Nosotros concluimos entonces, que no hay nimeros absur- dos, irracionales, irregulares inexplicables 0 sordos, sino que hay en ellos tal excelencia y concordancia que tenemos materia para meditar noche y dfa en su admirable perfeccién. ‘Nuevamente podriamos pensar que el uso de los mimeros negativos era una realidad, pero al analizar sus ejemplos, hay, aun en Stevin, un sfntoma de evasi6n. El dice: Las ratces negativas de las ecuaciones son raices positivas de la transformada en Es decir, si -2 es rafz de una ecuacién x*+ px = q, esto significa que +2 es raiz de x’ — px =q, lo cual es cierto, pero las dos ecuaciones en general son diferentes. El uso de cantidades imaginarias aparece en una obra de Rafael Bombelli en 1572 (nuevamente el término de imaginario, provocé un obstéculo para la formalizaci6n de los nimeros complejos), 61 seffal6 que las cantidades imaginarias eran indispen- sables para la solucién de muchas ecuaciones algebraicas de la forma: x° + a = 0, donde a es cualquier nimero mayor que cero. El obstéculo para comprender a los ntimeros negativos en forma aislada difi- cult6 que se entendieran los niimeros imaginarios en forma aislada. Por ejemplo, el ‘eminente matemtico Leonhard Euler, expresaba lo siguiente: nimeros como la raiz:1.1_Un bosquejo histérico 3 cuadrada de menos uno no son ni nada, ni menos que nada, lo cual necesaria- ‘mente los hace imaginarios, 0 imposibles. Euler designé por ia 1 (signo que actualmente usamos)! el simbolo expresaba una idea abstracta en esa época, pero a la vez muy precisa; ,qué ntimero al ser multiplicado por sf mismo es igual a1? El niimero i obedece a todas las reglas del Algebra: ix i=-1, ixixi=-i, eteétera, Las primeras representaciones geométricas del nimero i fueron descubiertas por un agrimensor llamado Wessel, y un tenedor de libros, Agranda, a fines del siglo xvuty comienzos del xrx, respectivamente. Ellos, de manera independiente, aplica- ron un teorema de geometria referente a la media geométrica que dice: A D B Figura 1.1 Figura 1.2 de ahi, § =,/(-1)() =V-1 =i, obteniéndose, a través del teorema anterior, una representaciOn geométrica de un nimero imaginario. Posteriormente se sugirié el simbolo C para i y 5 para el nimero e, tratando de evitar posibles confusiones. Pero los viejos s{mbolos prevalecieron por la negativa de los impresores a hacer nuevos tipos.4 Capitulo 1_Algebra de nimeros complejos Gauss hizo una extensién de esta idea, formando el plano complejo, en donde los niimeros complejos son de la forma a + bi, con a y b elementos de R. Por ejemplo, 5+ i; 3 - 2i; i; 7 + Si, son niimeros complejos. Cada punto del plano complejo de la forma a + bi corresponde a un punto con coordenadas a y b. El eje x representa a la recta real y el eje y al eje imaginario (recuerde que esta designacién es una convencién). Los ntimeros complejos pueden ser sumados, restados, multiplicados o dividi- dos (salvo la divisién por 0 + 01), las reglas formales y definiciones son iguales a las, que usamos con los ntimeros reales. 1) a+ bi=c+disiy Slosia=c y b=d 2) at b+ (C+ di) =@4+0+b4 di 3) a + bi) -(c + di) =(@-c)+(b-di 4) (a + bi) (c + di) = ac + (be + adji + bai? = (ac ~ bd) + (be + ad)i atbi_atbi i_(ac+bd) | (be—bd . a bares ed eae 0 ctdic+di” cdi (oe) (sar: omcode 5) Hemos visto que un niimero complejo (o imaginario) representa una idea ‘matemética precisa pero que tuvo que abrirse paso en el iilgebra como en otros tiempos lo hicieron los mimeros itracionales, negativos, etc., para ser considerado mimero. 1.2 Los nimeros complejos Después del breve bosquejo histérico, ahora pasemos a dar la definicién formal del sistema de los nimeros complejos. Definicién. El sistema de los ntimeros complejos Ces el conjunto de todas las parejas ordenadas (x, y) de ntimeros reales con dos operaciones binarias, adici6n, +, multiplicaci6n - definidas como sigue: G, y)+(u, v)=@+u, y+v) G, y)-(u, v)=(Qu- yy, xv+ yu) Dos ntimeros complejos (x, y,) y (u, v) son iguales, si y s6lo si,x=u y y=v. El siguiente teorema, que establece las propiedades de los nimeros complejos, se deja como ejercicio para el lector (se sugiere usar las propiedades de los niimeros reales).1.2_Los nimeros complejos 5 Ejercicio 1 Teorema, Sean z,=(a, bs z,=(c d). Zz =(c, f). Entonces: i gtQeaty (Laadicién es conmutativa) i y+, +z)=@+z,)+% (La adicién es asociativa) iii Existe un niimero complejo a = (0,0), tal que z, +0r= z, =a+2z, paratodo z,. i 4 =a-% (Lamultiplicacién es conmutativa) Ve 4 )=-Z)-2y (Lamultiplicacién es asociativa) vi gi tydeg uty % (Lamultiplicaci6n es distributiva con respecto a la adicién) Ejercicio 2 Dar una definicién para la diferencia de dos mimeros complejos a =O) ¥e = (uv) Ejercicio 3 Dar una definicién para la divisién de dos mémeros complejos z=(x,) ¥ YZ =(wv)con z, # (0,0). Puesto que hay una correspondencia uno a uno entre los mimeros complejos de la forma (x, 0) con x, es comiin denotar a la pareja (x, 0) =x. Ademés, al (0, I y asi, podemos escribir 2=(x4y)=(a, 0)+(0,y) = (4,0) +0, D-(9,0) = xt yi Definicién. El conjugado Z de un nimero complejo z= (x,y) =x+ yi, est dado por Z=(x, -y)=x-yi. EJEMPLO 1.14 Si 2=3~2i, el conjugado de zes Z=3 +2 EJEMPLO 1.24 SiaeR, @=a6 Capitulo 1_Algebra de miimeros complejos Teorema, Sean z,=%+iy,, =m +i) Demostracién. b= G,+d)+@ ti) = @- i) + q-y) = ii, Es andlogo al anterior Bh 2, +2, = yx, = 192) +O +2) = CA YY.) “HOG + HY) 24m — yd HCI AID) = x (2)s x tiy, \_( ati Hh )\_ a) (atin) (atin m-dr 3 2 +2 Di tO, _(A— Hth \_ uty a; lati, =( at uty 54.43 uty vy, La prueba de (v) es aplicar (iii) y (iv)1.3. Representacién geoméirica de los nsimeros complejos 1 Ejercicio 4 Demuestre que para cualquier nimero complejo z. 1.3 Representacién geométrica de los nimeros complejos La representacién que haremos de los nimeros complejos ser la misma que dio Gauss. Asi, a z= x+y le corresponde uno y s6lo un punto P = (x, y) enel plano. Aceste tiltimo le lamaremos el plano complejo, al eje horizontal nos referiremos como el eje real y al eje vertical como el eje imaginario (no olvidar que es una convencién el llamarle asi). Definicién. Elmédulo o valor absoluto de un néimero complejo z = (x,y) =x+iy, se denota por |z|, y esté dado por |z|=. x+y" EJEMPLO 1.34 Figura 1.3 Podemos representar geométricamente a los ntimeros complejos como “flechas” en el plano, posteriormente asociaremos estas ideas geométricas con aspectos més formales que comprendan las nociones de vector y de espacio vectorial. Definicién. La distancia entre dos mimeros complejos aati yy Qenti yes] g—al=V(a-my +(1-»)-lo 1_ Algebra de nimeros complejos Figura 1.4 Suma de complejos Figura 1.5 Diferencia de complejos EJEMPLO 1.44 Caleular la distancia entre los dos complejos z,=3+i 2, %= (3-4) +[2-(—3F = y(-)? +6) = V26 la-z Figura 16 Notacién. Denotaremos por R(z) (z) la parte real e imaginaria de z respectivamente. Es decir, R(z) =x e I(2) = y Teorema. Si z=x+iy, entonces se tiene i |el=R| ii |ef=22 ii, z+Z=2R@) iv. z-Z=2i Kz) v. |R(z)|S|z|, |Z(2)|S|z|1.3_Representacién geomética de os nimeros complejos 3 Demostracién. i. |:|=fPsy =F +O =| z| fi 2=(e+i@-H) =x +y* =| ii, z+2=(x+iy)+(x-iy) =2x=2R@) iv. 2-2=(-+iy)—(x—iy) = iy =) v. Puesto que [P= +? = (ROY +0)? =[ROP +P 2|R@P OP La conclusién se obtiene tomando rafz cuadrada. ‘Teorema. Dados z, y z; dos nimeros complejos, entonces lazl=lal lal Demostracién. Utilizando el teorema anterior tenemos que 42+ Por tanto zz. También hemos probado que %z lazP=@z) & 2) =GeXe a= Galea) =|4f lel de ahi que |z,z,|=|z,| |z,|. ‘Teorema(desigualdad del triéngulo). Sean z, y z, dos nimeros complejos, entonces lata|s|z|+{z| Demostracién. latz,|=@ +@tad=@ +2 +z, =44+4H+GRtaG = F+2R@,z2)+|2)° Puesto que R(z,z,) <|zz,| se tiene lataf slaP+2)s%|+Hel=lal+2lal [altel =laP +2lal [zal+laf=dal+lab?10 Capitulo 1_Algebra de ntimeros complejos de ahi que la+alslal+la Teorema. Dados z, yz; dos ntimeros complejos, entonces Demostracién. 4-2 f =@-we&-a)=@-2& -%) 2 -2R@%)+|20)° puesto que —R(z, z3) > 25 | setiene la-af2laf 242 [Hal =2l [elHaP =laP-2lal lal+la =dal-lal? de ahf que \s~al2(lal-lal| 1.4 Forma polar de un nimero complej Dado cualquier punto P en el plano complejo, él est4 tinicamente determinado por dos coordenadas polares r y 8, donde r es la longitud de OP, y @ es el éngulo medido entre OP y el eje horizontal. Figura 1.7y cocientes de mimeros complejos usando reas? con r= (ety =|2|, 2-2 sen x resentacion polar u x con 0<0<= 2 asi pues, z=x+i y=r cos@+i sen @=r(cos @+i sen 0) Definicién. El éngulo @ es llamado el argumento de z, Os = arg z; y al valor de arg z, que cumple con —7 12. Encontrar un ntimero complejo z tal que|z|=1 y R(z’)=0 13. Determinar dos nimeros complejos tales que su suma sea el ntimero real a y cuya diferencia sea el ntimero imaginario ib (b real).2 14. 15. 16. 17. 18. 19. Capftulo 1_Algebra de nimeros complejos Calcular los médulos en cada una de las expresiones siguientes: (1+i)(4+6i) a) (vB +i)(4+3i)(1+V24i) b) (7) (6+81)(4-3i) 9 erst (4+3)0+i) T-i Encontrar el valor absoluto de Demostrar que el nimero complejo z= satisface la ecuacién Usar la forma polar para calcular: 16+16V3i a) (43 +4i)(6-64/3i) b) oie3) ©) 4(cos(15")+isen(15"))(2+2i) Sugerencia: 4V3+4i i] =8(cos(30" )+isen(30°)) Usar la fomula de De Moivre para calcular: vB+i a) (74748) »| at Demostar que (1.7. Bjersicios 2 20. Probar que si z? =[f, entonces z es real. 21. Escribir al ntimero complejo en su forma polar en cada caso: a) 1+i b) 1-3 ©) 2 @) 7421 ©) 3 -iv3 22. Probar que: a) (-1+iN3)(3 +i) =-2V3 +24 b) (-2+) (2+) =-5 23. Graficar cada uno de los siguientes niimeros complejos: a) 6(cos 240° +i sen 240°) b) 24231 ©) 3(cos 40° +i sen 40°) @) 3-21 0) cos +i en 2 3 3 24. Encontrar los valores de z para los cuales z° =~32. 25. Hacer una representacién geométrica que permita determinar las raices enésimas de un niimero complejo diferente de cero. 26. Calcular todas las rafces ciibicas de 1 27, Calcular: aK 36 +i a) (v3-i) b) [ive | 9 (2) 28. Siz, % YZ son ntimeros complejos, entonces a través de una sustitucién fe 23, zs directa pruebe que z= satisface la ecuacién cuadratica agitate =0. 29. Resolver z*(I—z*)=16. (Sugerencia: ponga x= 2).m4 Capitulo 1__Algebra de nimeros complejos 30. Resuelva: a) 327 +6i2+3=0 y b) 4z*-122—40i= 32, Probar la formula de De Moivre para exponentes racionales. 33. Explicar la falacia -1=V=1V=1 = J(—1(-) =Vi=1. Recomendacién: Analizar el producto de V—IV=1 como el producto de dos complejos en su forma polar. 34, Sea a una constante real y positiva, entonces la ecuacién Ey lz a) Uncireulo si a1 b) Una recta si a=1 35. Sean <9 <2n y zun mimero complejo. Demostrar que el tridngulo con vér- tices z,=z(cos(6)+isen(6)), z,=(i+z)(cos(@)+isen()) y z,=(1+z): (cos(#)+isen(9))es un tridngulo rectangulo is6sceles. 36. {Qué puede decir del triéngulo con vértices z, =(3+i)cos(8)—(I~3i)sen(6), 2 =(442i)cos(@)-(2-4i)sen(0) y x =(5+i)(cos(6)+isen(6))2 37, Sean ¢ 0s(6)+isen(8) ye” cos(0)= 25> y sen(0)= formulas de Euler. cos(@)-isen(). Demuestre que Estas expresiones se les conoce como 38. Haciendo uso de las formulas de Euler, demuestre que: (a4 2 cos’ (0) = 00s 36) + 3.0 (0) 39. Desarrolle sen’ (@) linealmente en términos de sen (4) y sen(34) . 40. Demuestre que: cos( 6, +8,)=cos(4,)eos(&,)-sen()sen(2) y sen (0, +0,) =sen (0,)cos(6,)+sen(0,)cos(0,) Sugerencia: use las formulas de Euler.L7_Ejercicios 2s 41, Demuestre que si z= r(cos(#)+i sen (6), entonces z= re". Para los ejercicios siguientes, represente los nimeros complejos dados en forma exponencial. 42. a) ti b) -74+2i ©) 43.0) 3+i —b) 1-3 &) 3-3 44. Calcular: a) en b) oe 45. Demuestre que si a = 0, entonces (82) Con k=O, £1, #2,.. 46, Calcular a) (1-vai)® y b) (2+2i)%Capitulo 2 Ecuaciones lineales y resolucién de sistemas de ecuaciones lineales 2.1 Ecuaciones lineales Las aplicaciones de los sistemas de ecuaciones lineales abarcan una gran cantidad de t6picos relativos a problemas que podemos encontrar en Ia vida cotidiana, Sus aplicaciones son tanto en la fisica como en la economfa y en muchas otras ramas del conocimiento. Por tal motivo cobra una importancia enorme conocer los métodos de solucién de sistemas de ecuaciones lineales. A lo largo del capitulo trataremos algunos ejemplos de esas aplicaciones. Una ecuacién de la forma ax+by=k, cona, by k constantes, se define como una ecuacién lineal en las variables x,y: Notese que ax+by=k,es una recta en el plano coordenado R? si a o b es diferente de cero y k constante. ‘También se define una ecuacién lineal en tres variables x, y, z como aquella que puede expresarse en la forma ax+by+cz=k, donde a, b, c y k son constantes. EJEMPLO 2.14 a) 3x+Sy=2 es una ecuaci6n lineal en x, y b) V3 co) 3x+V2y+52=0 es una ecuacién lineal en x, y, z Vixty es una ecuacién lineal en x, y d) x+2y'=1 no es una ecuacién lineal en x, y 2728 Capitulo 2 Ecuaciones lineales y resolucién de sistemas de ecuaciones lneales SR a cecal key e) es una ecuacién lineal en x, y, z f) no es una ecuacién lineal en x, y 2) no es una ecuacién lineal en x, y hy no es una ecuacién lineal en x, y, z En general se podrian definir, de manera andloga, una ecuacién lineal con més de tres variables; el objetivo de este trabajo es desarrollar ideas intuitivas de estos conceptos antes de hacer un desarrollo general. Asf pues, los espacios en los que trabajaremos en este libro sen R, R? y R°. Definicién, Una solucién de una ecuacién lineal ax-+by =k 0 ax-+by-+c2=k es una pareja o tercia de ntimeros §,, 5, 0 5,. Sys 8,; tal que se satisface la ecuacién con dos o tres variables al substituir x=, y=s, 0 t=5,, y=5, ¥ 2=5,, respectivamente, Al conjunto formado por todas las soluciones de 1a ecuacién se le denomina conjunto solucién. Es decir, para la ecuacién con dos variables se tiene S={(5,5)ER?| as, +bs, =k} y para la de tres variables S=L{(s, 8,5 )ER?| a5, +bs, +05, =k} EJEMPLO 2.26 Consideremos la ecuacién 2x + y = 1 para s, =0, s,=1, al substituir x=5, y Y=Sy $e tiene 2(0) + 1 = 1, Por tanto, la pareja u=(0, Ie S. Es decir, u es un elemento del conjunto solucién. Otro es v=(i, -1). La ecuacién 2x +y = 1 la podemos reescribir como y=-2x+1, la cual reconocemos como una recta de la forma y=mr+b. En este caso, m=-2 y b=1 (véase la figura 2.1)', Toda pareja ordenada (punto en el plano cartesiano) que esté sobre la recta satisface la ecua- cién original ola otra. * Consideramos que el uso reflexivo de la tecnologfa ayuda en la construccién de conceptos ‘mateméticos. Para las actividades que se desarrollan en este libro el uso de tecnologia es recomendable. Nosotros en particular utilizamos la calculadora TI-92 en algunas grficas {ue se muestran en e! libro. El lector podré utilizar la calculadora graficadora que considere conveniente. ee eS2.1. Beuaciones lineales » Figura 2.1 EJEMPLO 2.34 Consideremos la ecuacién x+2y—2z=4, para s,=2,s)=1, 5; =0, al sustituir ip YES, Y ZS, Setione 2+ 2(1)-2(0) =4. Por tanto, w=(2, 1, 0) es un elemento del conjunto solucién de la ecuaciGn, Otro punto es v = (0, 1,—1), y otro més es z= (2, 0, -1). La ecuacién representa un plano y, por lo tanto, todo punto que esté sobre el plano satisface la ecuacién (véase la figura 2.2). Figura 22 Definicién. Un sistema de dos ecuaciones lineales en las variables (inedgni- tas) x, y recibe el nombre de sistema de dos ecuaciones lineales. Ecuacién E, arthy=h | og) Ecuacién E, axtb,y=k, ® Lagraficacién de planos en un espacio de tres dimensiones no es una tarea facil, es porello que siguiendo con el enfoque del libro para promover en los estudiantes una visién geométrica asociada a las representaciones algebraicas, hemos utilizado el software MAPLE.30 Capitulo 2 _Eeuaciones lincales y resolucin de sistemas de ecuaciones lneales donde a, a,, by, b; ¥ ky, kz pertenecen a los reales. Una pareja w =(s,.8,) es solucién del sistema (A) sila sustitucién de x=, y y=s, es una soluci6n para cada una de las ecuaciones lineales. En el caso de que k,=0 yk, =0, al sistema (A) se le llama sistema de ecuaciones lineales homogéneo. Andlogamente, se podria definir un sistema de tres ecuaciones con tres ineég- nitas o un sistema de dos ecuaciones con tres ineégnitas. Esto se deja como ejercicio para el lector. EJEMPLO 2.4% EI sistema de dos ecuaciones con tres incégnitas 4x-yt3z=-1 Bxty+9c=—4 1, ya que satisface las dos ecuaciones. Sin no es una solucién ya que los valores satisfacen 3 M4 4, 3,3) Figura 23 2.2 Sistema de dos ecuaciones lineales e interpretacién geométrica Un aspecto muy importante en Ia resolucién de sistemas de ecuaciones es poder visualizar geométricamente el problema, En este caso, la interpretaci6n geométrica de la solucién de un sistema de ecuaciones juega un papel principal que permite guiarnos en los laberintos algebraicos sin que perdamos el control de lo que hacemos.22. Sistema de dos ecuaciones tineses e interpretacin geométrca 31 Para muchos de nosotros es muy fécil cometer errores de corte algebraico, las interpretaciones geométricas en muchos casos nos sefalan incongruencias en nuestros procesos algebraicos y nos brindan una oportunidad para hacer una revisi6n del proceso y encontrar el error. Sabemos que una ecuacién lineal en dos variables (ax+hy=k. con @, by k, constantes) tiene como grifica en R* una recta. Por tanto, en el sistema de dos ecuaciones lineales Ecuacién E, axthy =k Ecuacién Ey agxtbyy =k; | sia, 0b y a, b, son distintos de cero, representaran dos rectas en el plano. Es decir, si J, representa la recta relacionada con la primera ecuacin y 1, como la segunda, suceden tres casos: i) La recta J, es paralela a [, ii) La recta /, interseca a la recta J, en un punto. Fete Caso i) No hay puntos (s,, s,) que satisfagan el sistema, ii) La recta /,¢s igual a J, Caso ii) Existe un solo punto (5, %) que satisface el sistema y es et punto de imterseccién de , y 1. Caso iii) Existe més de un punto que es solucién del sistema, de hecho, existe una infinidad (son todos los puntos de R? que estan sobre la recta [, = /,)- Definicién. Un sistema de ecuaciones se llama: CONSISTENTE. Si tiene al menos una solucién; INCONSISTENTE. Si no tiene solucién.32 Capitulo 2 _Beusciones lineaes y resolucién de sistemas de ecuaciones lincales $$$ Smmer reeitn dn siterne de eonaciones lineales EJEMPLO 2.54 2x+3y =13 -xty=l i) Elsistema: Es consistente ya que éste tiene solucién x = 2, y =3 ; ademés, ésta es la tinica soluci6n (véase la figura 2.5). ics ara TRE Figura 2.5 eareaee Qx+2y=2 i Elsistema: Ty Es consistente ya que éste tiene la solucién x, =0, y,=1 y ademés tiene al menos otra solucién: x, =1, y, =0 (véase la figura 2.6). (hw r_—y Figura 2.6 =, 1 i) El sistema: 2° 2x-y=2 Es inconsistente puesto que no existe una pareja que sea solucién de ambas ecuaciones (véase la figura 2.7).Ox+0y=1 xty=2 iv) El sistema: Es inconsistente puesto que no hay valores de x ni de y que satisfagan a la primera ecuacién. En este caso, la primera expresién algebraica no representa una recta. Resumiendo: tema de dos | ecuaciones lineales Inconsistente Consistente Determinado Indeterminado T I No hay solucién Soluciéa tnica an una solucién Figura 2.8 Nota. En los sistemas inconsistentes hay algunos que no tienen representacién geométrica, véase el ejemplo 2.5 inciso iv.4 Capitulo 2. Ecuaciones linesles y resolucin de sistemas de ecuaciones lneales 2.3 Reconocimiento de formas y tipos de solucién de un sistema de dos ecuaciones lineales En el caso de un si que existen tres cas Ae Caso 1. No hay solucién Caso 2, Solucién tnica Caso 3, Infinidad de soluciones ‘tema de dos ecuaciones lineales con dos incégnitas, sabemos 1s generales (véase la figura 2.9): Figura 29 Enel caso 1, se trata de dos rectas que tienen la misma pendiente, son paralelas, y por tanto no hay soluci6n; es decir, no existe una pareja (s,, s,) de tal manera que X= 5, YY = 5, Satisfaga al sistema de ecuaciones. En el caso 2 (véase la figura 2.9), tenemos que se trata de dos rectas que se cru- zan en un punto, y por tanto la solucién es tinica. Enel tercer caso (véase la figura 2.9), tenemos que se trata de dos ecuaciones que tienen una misma recta como representacién geométrica. En este caso, cualquier pareja de puntos sobre la recta debe satisfacer al sistema. Por tanto, se tiene una infinidad de soluciones, EJEMPLO 2.6% Interpretar geométricamente la gréfica de la figura 2.10. Determinar si existe co- nexi6n con un sistema de ecuaciones y verificar si existe solucién al sistema. Figura 2.1023. Reconocimiento de formas y tipos de solucion de un sistema de dos ecuaciones ineales 35 Resolucién. Analizando la recta que pasa por (0, 2) y (2, 0), tiene como pen- 1 y ordenada al origen igual a 2; es decir, y = x-+2. La ™ 2-0 otra reeta pasa por (0,~1) y (1,0), tiene pendiente m = 1 y ordenada al origen igual 4-1; portanto y=x=1. Asf, el sistema es yrr=2 yo son dos rectas cuya pendiente m = 1 es la misma, es decir, son paralelas y no tienen puntos en comiin. Por tanto, no debe haber solucién al sistema. EJEMPLO 2.74 Interpretar geométricamente la gréfica de la figura 2.11. Determinar si existe co- nexin con un sistema de ecuaciones y verificar si existe solucién al sistema, Figura 2.11 Resolucién. Analizando la recta que pasa por (0, 1) y (3, 0) tenemos que su pen- Y-nH_O-1_ 1 diente es m "ia y el cruce con el eje y es (0, 1). Entonces, 1 g na m=~2 y el cruce con el eje y nos indica el punto (0, ~2). Por tanto, la correspondiente ecuacién es y=-2x-2; es decir, que el sistema queda constituido por x41; 0ea, 3y+x=1, Un andlisis similar para la otra recta nos proporcio- Bytxe3 y+2x=-2 Resolviendo el sistema por cualquiera de los métodos conocidos, se obtiene 4 5» solucién tnica.6 Capitulo 2 _Beuacions lncales y resoluci6n de sistemas de ecuacione lneales EJEMPLO 2.84 Interpretar geométricamente la gréfica de la figura 2.12, Determinar si existe co- nexi6n con un sistema de ecuaciones y verificar si existe soluci6n al sistema, (Fe eooalrace] Resolucién. Una de las expresiones algebraicas relativa a la recta la podemos dedu- ciral ver los puntos de corte con los ejes. Asi, de los puntos (-3, 0) y (0, 2) obtenemos 2-0 y 2x42. 0500 3y-2x=6 Ahora bien, considerando que una ecuacién equivalente se obtiene al multiplicar la ecuacién original por cualquier constante, digamos k. Asf, 3ky~-2kx = 6k, con k un niimero real, nos proporciona una infinidad de ecuaciones equivalentes. Pongamos k =~ y obtenemos ~3y+2x =—6. Un sistema relativoa la figura 2.12 es 3y-2x=6 “By +2x=-6 Toda pareja (s,, s,) que esté sobre la recta ~3y+2x=6 satisface al sistema, por tanto, hay una infinidad de soluciones. EJEMPLO 2.9% Interpretar geométricamente las grificas de las figuras 2.13 y 2.14. Determinar si existe conexi6n con un sistema de ecuaciones y verificar si existe solucién al sistema. Cc rooltrace ReGrachinathipraule 7 |< Figura 2.13 Figura 2.14ma de dos ecuaciones linedles 37 23 _Reconocimiento de formas y tipos de solucién de un s Resolucién. A) En relaci6n con la figura 2.13, sabemos del ejemplo 2.11 que la representacién algebraica de dos de las tres rectas es y = Seth ys-2r-2. Del cruce con los ejes de la tercer recta (0, —1) y (1, 0) calculamos la pendiente que €s_m= 1, por tanto, la expresi6n algebraica de la recta es y = .x—1. Tenemos tres Tectas con pendientes diferentes. Los puntos donde se cortan las rectas son: 74 (3 ‘) asociado al par de expresiones yordxtl ya-2x-2 gy (-} ~}) sciad t pa eexesons y= 2x-2, yax-l. 3th (= H asociado al par de expresiones yordxeh yex-l, No hay un punto en comtin para las tres rectas; es decir, no hay solueién para el sistema B) En relaci6n con la figura 2.14, considerando los puntos de interseccién con los ejes (0, 1) y (-2, 0) para una de las rectas y (0, ~3) y (2, 0) para la otra obtenemos las ecuaciones 2y-31=-6 2y-x=2 cuya solucién es (4, 3). Otra de las rectas pasa por (0, 5) y (4, 3) cuya ecuacién es 2y +x = 10. La recta que pasa por (0, 3) y (4, 3) es una recta con pendiente cero y es de la forma y = 3, Finalmente, el sistema tiene como tinica soluci6n a (51. s,) = (4, 3). a38 Capitulo 2 _Beuaciones lneales y resolucién de sistemas de ecuaciones lineales Una vez desarrolladas las ideas geométricas que permiten la interpretacién de To que es no tener solucién, solucién tinica o infinidad de soluciones, es importante considerar geométricamente algunos casos para sistemas de ecuaciones con tres inodgnitas. Nos restringiremos a algunos ejemplos que nos proporcionarén una idea ‘geométrica de lo que sucede en el espacio de tres dimensiones sin hacer una asocia- cin explicita o sus representaciones algebraicas. 2.4 Interpretacién geométrica de un plano en el espacio Hemos sefialado la importancia de trabajar conjuntamente tanto en el sistema algebraico como en el geométrico para el entendimiento de la problemética de los sistemas de ecuaciones lineales. En el caso de los sistemas de tres ecuaciones lineales estaremos manipulando entes matematicos ligados al espacio de tres dimensiones, lo cual desde un punto de vista geométrico lo hace mas complicado. Sin embargo, prosiguiendo con laidea de la importancia de tener representaciones geométricas de la situaci6n algebraica en juego, presentaremos esta seccién bajo ese punto de vista. De nuestros cursos de geometria elemental sabemos que dos puntos determi- han una recta, y que tres puntos no colineales en el espacio determinan un plano. Por tanto, si queremos dibujar un plano en el espacio, necesitamos tres puntos no colineales, En el caso del plano cartesiano, cuando queremos dibujar una recta general- ‘mente buscamos primero el punto donde interseca !a recta al eje vertical, y posteriormente buscamos otro punto, que puede ser su interseccién con el eje horizontal, ‘nos fijamos en la pendiente de la recta, Para dibujar un plano se prosigue como a continuacién se describe. Cuando tengamos una ecuacién en tres variables, a esta ecuacién Je podemos asociar un plano. Supongamos que tenemos una ecuacién lineal con tres incégnitas de la forma ax-+by-+cz=k, donde a, b, c, y k son reales y al menos uno de a, b 0 c#0. Si k #0, dividiendo la ecuacién entre k y definiendo a, a,= f se ¢ tiene que 2443) a a La ecuacién anterior nos permite de manera inmediata proponer los puntos donde el plano corta a los ejes; es decir,(a,, 0, 0), (0, a,, 0) y (0, 0, a). obteniéndose una grafica como se muestra en la figura 2.15, en donde el plano contiene al tridngulo dibujado. Se deja al lector analizar el caso en que k sea igual a cero.Beuacién asociada al plano ue contiene al triéngulo Figura 245 El problema se complica en el momento que queremos graficar varios planos y analizar si hay interseccién para predecir si tiene o no solucién un sistema de tres ecuaciones en tres ineégnitas. El apoyo con tecnologfa no debe ser desechado en estos ambientes y una combinacién de estos desarrollos geométricos acompafiados con un proceso algebraico nos permitird tener una mejor comprensién de la situacién que se estudia, 2.5 Sistema de tres ecuaciones lineales e interpretacién geométrica Recordemos que una ecuacién ax+by +cz =< tiene como gréfica en I un plano (siempre y cuando al menos uno de los tres coeficientes a, b, c sea distinto de cero). Asi pues, si tenemos planos P,, P,, P,, suceden tres casos principales. i) Nohay soluciones al sistema. ii) Hay una soluci6n tnica. iii) Hay més de una solucién (una infinidad). No hay soluciones Soluci6n nica Existe ms de una al sistema solucién Figura 2.1640 ‘Capitulo 2 Ecuaciones lineales y resoluciéa de sistemas de ecuaciones lineales en Ee Caso i) No hay puntos (s,, s;, s;) que satisfagan el sistema. Caso ii) Existe un solo punto (s,, s,, 55) que satisface el sistema, y seria el punto de intersecciGn de los tres planos A, P,, 2. Casoiii) Existe més de un punto que es solucién del sistema; de hecho, si hay més de una solucién, existe una infinidad de puntos que satisfacen al sistema. ‘Son varios los casos que podrian suceder, o bien la interseccién de los tres planos es una recta, 0 un plano. EJEMPLO 2.104 ’) Elsistema x-2y-z=0 2xty+5z 3x-2y432= Es consistente pues tiene una (nica solucién (véase la figura 2.17), ii) El sistema: 2x-y+3z=2 x+2y+z=1 3x-4y+5z=4 Es consistente, més atin tiene infinidad de soluciones, véase la figura 2.18.25 Sistema de tres ecuaciones lineales ¢ interpretacién geométrica 4 Qx-yt3z=-6 x+2ytz5-2 Qx- y +3) Es inconsistente pues no hay nimeros x, y, z que satisfacen simulténeamente las tres ecuaciones, véase la figura 2.19. iv) El sistema Ox+0y+0z=1 Qx-y+8z=3 Sx-4y+z=8 Es inconsistente pues ninguna terna de mimeros (x, y, z) satisface a la primera ecuacién. En este caso no existe representacién grifica para la primera expresién.2 | Sistemas de tres ecuaciones lineales de ccuaciones lineales [inconsistente | { Consistente Mas de una Més de una vor] [oasee | [Mar] [MSS | (una recta) (un plano) Figura 2.20 mismo conjunto soluci6n. Definicién. Dos sistemas de ecuaciones se dicen equivalentes, si tienen el Nota. Usaremos el simbolo ~ para indicar que dos sistemas son equivalentes.26 _ResoluciGn de un sistema de ecuaciones lineales, método de eliminacién de Gauss 8 2.6 Resolucién de un sistema de ecuaciones lineales, método de eliminacién de Gauss Antes de mostrar el método en forma general consideramos conveniente iniciar con un ejemplo. En términos generales, podemos decir que el método de eliminacién de Gauss consiste en ir reduciendo los términos de cada una de las ecuaciones que conforman el sistema de tal manera que al final lo que hemos hecho es despejar las variables de las ecuaciones. La conversién del sistema de ecuaciones inicial bajo el proceso de eliminacién de Gauss se realiza en forma escalonada. En el ejemplo que proponemos a continuacién utilizaremos el método y en seguida proponemos las reglas generales a seguir para cualquier sistema de ecuaciones lineales. EJEMPLO 2.114 Resolver el sistema x+2y-32= Bx-y+22=7 Sx+3y—42=2 Resolucién. El método de eliminacién de Gauss consiste en ir reduciendo el sistema hasta llegar a un sistema en forma escalonada, primero eliminaremos la variable x de las ecuaciones 2 y 3. La eliminacién la haremos bajo los cambios Ey por 3, -E, y E, porSE, Ey. 3E,3x+6y-92=-3 -E,1-3xt y-22=-7 38, -B, +Ty-Me De ah{, se obtiene el sistema el cual es inconsistente. Las nuevas ecuaciones E, y E, nos indican la inconsisten- cia, Para mayor claridad, cambiemos E, por E,~E, y se obtiene la ecuacién 0y+0z=3,es decir, 0=3 lo cual no puede ser. Por tanto, el sistema es inconsistente ynohay solucién.“ Capitulo 2 _Eeuaciones lineales y resolucién de sistemas de ecuaciones lineales ecuacién £, axt+by =k, El sistema uacién E, a;x+byy } (A), con a, 0 a; diferentes de a cero se puede simplificar, reduciéndolo a otro equivalente. Ello se puede hacer usando dos reglas. Regla 1. Intercambiar el orden de las ecuaciones, de tal manera que, después del proceso de intercambio, la primera ecuacién tenga el coeficiente a, de x distinto de cero (a, #0). Regla 2. Paracada i>1, ie {l, 2} 0 ie {I, 2, 3}. segiin si el sistema es de dos © tres ecuaciones, cambiar la ecuacién E, por a£,~4,E,. Es decir, sustituir del sistema (A) la ecuaci6n lineal E, por la ecuacidn resultante al multiplicar E, por el ntimero a, y restarle la ecuacion aE, . Con estos dos pasos hemos eliminado la variable x de las ecuaciones E, 0 E, y E,, segtin sea el sistema inicial (de dos o tres ecuaciones). Procediendo nuevamente de la misma manera, pero ahora con el sistema de ecuaciones E,, E,, se anula la variable y de la ecuacién E,. Al final del proceso tenemos un sistema de ecuaciones en “forma escalonada”, (las ecuaciones en cada paso “pierden” una variable). Este método de eliminacién de incdgnitas es conocido como el método de eliminacién de Gauss. Ademés de tener un sistema en forma escalonada, podrfan suceder dos cosas enel transcurso del proceso: i) Que se llegue a una ecuacién de la forma (segiin el sistema) 0x+0y =k, 0 Ox+0y+0z=k, con k #0, entonces el sistema de dos 6 tres ecuaciones es inconsistente y no tiene solucién. ii) Que se legue a una ecuacién de la forma 0x+0y=0, 0 0x+0y+0z=0; entonces, la ecuacién puede excluirse del sistema sin que afecte la solucién, pues cualquier triada o pareja es solucién, ‘Teorema, La solucién a un sistema con r ecuaciones y n incégnitas en forma escalonada se divide en dos casos: i) r=n. Es decir, existen el mismo niimero de ecuaciones como ineégnitas, Entonces el sistema tiene una solucién tinica. ii) r +] Véase la figura 2.21 EJEMPLO 2.13 En la geometria euclideana, jexiste algcin triéngulo tal que las medidas de sus éngu- ‘+f =100° los satisfagan las condiciones { p+y=t00 ? Resolucién, Implicitamente, se incluye en el enunciado que «+ B+ y = 180". Por tanto, se forma el sistema: a+ B+y=180" a+ B+y=100" a+ B+07=100" Resolvamos el sistema para ver si existe solucién, Cambiemos laecuacién E, por E,—E,. EB: at+p+y= 180° -100° 80°2.7 Determinantes de segundo y tercer orden y regla de Cramer " Asf tenemos el sistema + B+y=180" B+ De ahi que, 6 =20° y a=80". Es decir, la solucién es a = 80", f =20° y y=80". Notese que la solucién al sistema es tinica (véase la figura 2.22), no asf la soluci6n al problema, ya que dado un tridgulo con éngulos a = 80°, 6 = 20° y y = 80°, se pueden construir una infinidad de trigngulos semejantes. Figura 2.22 2.7 Determinantes de segundo y tercer orden y regla de Cramer Consideremos el sistema axtbhy a,xtby =k, que consta de dos ecuaciones lineales con variables x, y con 4 #0y b,#0. El sistema lo podemos resolver al multiplicar la primera ecuacién E, por b,, la segunda por —b, y sumando. Asf, se obtiene a,b, x+ bby = kbs48 Capitulo 2_Eeuaciones lineales y resoluciGn de sistemas de ecuaciones lineales Es decir: pe aah ab, - 4, Para obtener y, multipliquemos (en el sistema de partida), a la ecuacién E, por E, por a, y sumémoslas: . siempre y cuando A = = a,b, #0. Es decir: siempre y cuando A#0. Asf pues, la soluci6n al sistema, cuando A # 0, esta dado por: k bk bh k a-k a 4 ba; b © a ba, Los miimeros a, a3, b,, by se llaman elementos del determinante. Los elementos que se encuentran en una linea horizontal se dice que forman un renglén o una Iinea, y los que se encuentran en Ifnea vertical se dice que forman una columna. Resumiendo, dado el sistema axthy =k, axthy ak, ak, y= 2% siempre que 4 #0, es lamada regla de Cramer en honor al matemitico Gabriel Cramer (1704-1752) quien dedujo estas formulas.217 Determinantes de segundo y tercer orden y regla de Cramer 49 EJEMPLO 2.144 . x+ Resolver el sistema Resolucién. Figura 2.23 Nota, Si D#0 se tiene que la soluci6n es tinica. Consideremos un sistema de tres ecuaciones lineales con tres ine6gnitas x,y,z. Ej: axthytoz =k Ey: axthytez=k Ey: axt+bytey En el caso anterior, el de un sistema de dos ecuaciones con dos incégnitas, tenfamos las expresiones x= ay ye 2 con D,, D, y D determinantes de segundo orden. Asi pues, si quisigramos Hegar a expresiones de la forma D, ze a por analogia con el sistema de dos ecuaciones con dos incégnitas, tendrfamos que igualar D, D, y D, y D;, respectivamente, con lo siguiente:50 Capitulo 2 _Ecuaciones lineales y resolucién de sistemas de ecuaciones Tineales a ho ha la kG ja ky D=la, bc); Dil b als Di=la, k os Dy=\ b bi la by Ks by cy Ia & | lay by ky Antes de decir cusles seran los valores de los determinantes anteriores (0 de dar la definici6n correspondiente), veamos hacia lo que se quiere llegar. Para poder tener una expresién como D, = D,, debemos obtener del sistema inicial, bajo las operaciones permitidas, una ecuacién que tenga a x como tinica variable; en lugar de presentar todo el proceso para aislar a la variable x, lo resumi- remos como un solo paso. Se recomienda al lector hacer dicho proceso para enten- der el paso sugerido en lo siguiente, El despejar a la variable x, equivale a multiplicar cada una de las ecuaciones por cierto factor y sumarlas. Resumiendo, la operacién es (b,—be.) E,+[-(hes-ba) £] (bebe) Bs © sea (b,c, -bc,) (axtby+ez)= k (b:c3 -bc, ) = (bes — bse) (4x4 by +2) =—k (ye — DG) (be, -b.G) (@xtbytez)= k (be, —bG) obteniéndose_ [ses—bea) “(Ber bee,) + (Bea Bae) ay] x= = & (bye bac ea (byes bye )+ hy (yea — bse, )- La relacién anterior la podemos escribir de otra manera con la ayuda de los determinantes de segundo orden: a a se +H i 4 4 Recordemos que se quiere legar a una expresi6n de la forma D, = D,, para ello debemos tener que D y D, son: a a D=la, [a3 ky Dak2.7. Determinantes de segundo y tercer orden y regla de Crame st SSS eee Esto nos lleva a dar una definiciGn general de determinante de tercer orden que esté de acuerdo con lo anterior, la b | Definicién. Determinante de tercer orden ser denotado por |d ef) yes- tard definido por la expresién: @ he 4 i la ld el lente al’, 4 | Ise j[ dees un ndmero real, con a,b «df 8 * ig t iS h, i miimeros reales, Hemos resuelto el sistema para la variable x. Continuando de manera andloga para la variable y, tendrfamos que multiplicar la primera ecuacién del sistema origi nal por (a,c, ~a,¢, ), la segunda por —(a,¢, —a,¢s) y la tercera por (az ) que al sumarlas se obtiene a,b,c, Jajbxe, —abyc, + a;b,¢, —a,he, + ahe,—a,brc,) y , bse, + abs es + abe = hy (a0, ~a,¢3 )— ky (aye, — 4463) +b (430-40; ) Es decir Aniilogamente para despejar la variable z, debemos multiplicar la primera ecua- ci6n por (a,b, ~a,p, ); 1a segunda por ~(a,b, —ah,) y la tercera por —(a,b, ~a,b,). Al sumar las tres ecuaciones se obtiene D, Finalmente, si D +0, se deduce que el sistema i dada por D, D, yout; =a 7: SD, Es decir, la interseccién de los espacios en R° (rectas o planos) es un punto, (6 (7 B 3) D' Dt D Nota. El determinante de segundo o tercer orden siempre es un ntimero real.2 ‘Capitulo 2 Ecuaciones lineal y resoluein de sistemas de ecuaciones lincales 20 LELEOE—>F——EEE——E—E—E— er O OCOOCOOCOC——- EJEMPLO 2.154 Verificar con la regla de Cramer, si tiene 0 no solucién tinica el sistema xt2y-3¢5-1 3x-yt22=7 Sx+3y-4z=2 (3 2 fisviee Resolucién. Calculemos D, D,, D, y D, con la regla de Cramer “12 3-1 -3) = 3 al rs 3 =I[(-1(-4)-@)2)]-2[X-4)-O]-31O)- GND] =+-2+ 44-42=0 534 Puesto que D = 0, se puede resolver el sistema por el método de eliminacién de Gauss (véase la seccién 2.6) y concluir que el sistema es indeterminado, Véase la figura 2.24, EJEMPLO 2.16% Verificar con la regla de Cramer, si tiene 0 no soluci6n tnica el sistema 2x+ y-22=10 Bxt2y+2 Sxt4yt3c= 4 a,27 Determinantes de segundo y tercer orden y regla de Cramer 3 ae ee aa iN ree Resolucién, Calculemos D, D,, D, yD, con la regla de Cramer. 0 1 2 D= De! 1 e 2 44 3 10 1 )=21 4 Por tanto EJEMPLO 2.174% Hallar un mimero entero de dos cifras sabiendo que si se divide por el ntimero obtenido al invertir sus cifras el cociente es 2 y el resto 7, y si se divide por la suma de sus cifras el cociente es 7 y el resto 6, Resolucién. Si al ntimero buscado de dos cifras lo representamos como xy, ese ntimero lo podemos escribir de la forma 10x + y, con x,y €{0, 1,...,9}. Tomando en cuenta las otras condiciones del problema, obtenemos el siguiente sistema: SEE eee eeest Capitulo 2 Ecuaciones lineales y resolucin de sistemas de ecuaciones linesles 6 ——eE—@——“—*_—“———= Por tanto EJEMPLO 2.184 ‘Un conjunto de billetes de 10, 20 y 50 pesos, suman 900. Si hay 60 billetes en total y el mimero de billetes de 10 es tres veces el de 20, encontrar el ntimero de billetes de 50 pesos. Resolucién. Sean x, y, z, el niimero de billetes de 10, 20 y 50 pesos respectivamente. De acuerdo con los datos del problema, podemos establecer el siguiente sistema: xtytz= 60 10x+20y+50z =900 x=3y28 Bjercicios 55 que es equivalente a Calculemos D y D, Cea 11 60 D=|1 2 5 |=15; D,=|1 2 90/=60 130 13 0 Por tanto 2.8 Ejercicios Resuelva los siguientes sistemas de ecuaciones. 2xt4y$32=3 Bxt2y+2=10 cee A 4x-3y-62=0 1. {x42y432=14 2 jaee3y-Ge=2 3 ]2e45y—32=0 xtz=4 Br42y 442 247,272.13 222 4Capitulo 2 Eeuaciones lineales y resoluctén de sistemas de ecuaciones lineales xty 2x-3y = 0 A y2xty 5.) oxty 6.48 : “ =-2-1=0 xt2y=5 3x-y oo 4x42 221 . “ A ‘ y 9, (2ety 2e-3y ax+by =2ab 18 i7-3x a y Qx+y 2x-3y Sugerencia paral ejercicio 9: Sugerencia paral ejercio 8: 1 2x 10. {Para qué valor del parémetro k el siguiente sistema de ecuaciones no tiene so- lucién’? (1+2k) x45: Q+k) x4: 11. {Para qué valor del pardmetro k el sistema de ecuaciones lineales tiene soluci6n tinica? Bethy =S+k fe +5y=8 12. {Para qué valor del parémetro k tiene infinitas soluciones? (2k-Ix+ky =6 { 75x+4y=3 13. Determine para cada uno de los siguientes sistemas de ecuaciones lineales si son consistentes 0 inconsistentes. En caso de que sea consistente diga si su so- luci6n es tinica o tiene una infinidad de soluciones e interprete geométricamente ‘su resultado. 3x43y) _ 21 Sxt6y 7 Ax-Ty 2ytl2.8 _Bjercicios y sumémoslaa la segunda ecuacién.66 Capitulo 3_Resolucién de sistemas de ecuaciones lineales y matrices Asi, tenemos el sistema 3x-y simplificando se obtiene sustituyendo y simplificando se tiene x= 2 Obsérvese que un sistema de ecuaciones queda completamente determinado por los coeficientes de las variables y los términos independientes, Esto permite representar a.un sistema con una matriz. Para ilustrar esto consideremos el siguiente ejemplo: b) Elsistema 3x-y=1 x+3y=7 Lo podemos escribir como un arreglo de mimeros asociado al sistema de la siguiente manera: 3-111 1 317 La primera operacién que se hizo en la resoluciGn del sistema en el inciso a) 1 fue el de multiplicar ~ a la primera ecuaciGn y sumérsela a la segunda. Esto 1 eneel arreglo anterior equivale a multiplicar el primer renglén por ~ y su mérselo al segundo, 3-1/1 3-1/1 ast] 3/7] pasaaser | 24m z al segundo rengl6n multipliquémoslo por 55 obteniéndose: 3-1/1 Or 1s ahora si sumamos el segundo al primero se obtiene:[eae 1 simultiplicamos el primer rengl6n por 3 finalmente obtenemos el arreglo 10/1 ore que esté asociado al sistema x40y=1 Ot y=2 Definicién. Operaciones permitidas para la resolucién de sistemas de ecuaciones por medio de un arreglo de ntimeros asociado al sistema. 1. Multiplicar los elementos de una fila o renglén por un real diferente de cero. 2, Sumar término a término los elementos de un renglén a aquellos de otro. 3. Permutar dos renglones. ‘A estas operaciones se les da el nombre de operaciones elementales. EJEMPLO 3.24 2 & Sea A -[; i} multipliquemos el segundo renglén por un némero de tal suerte que se utilice un producto matricial (la definicién general de multiplicacién entre ‘matrices la proporcionaremos posteriormente). Resolucién. 1 O}f2 3][@@+Os M+Oa]_[2 3 0 alls 1] @@+ ms ME)+(eom] [Sao 3.2. Matrices El término matriz se emplea para denotar un arreglo rectangular de ntimeros. Los iiimeros en el arreglo se denominan elementos de la matriz.68 Capitulo 3 Resotucién de sistemas de ecuaciones lineales y matrices EJEMPLO 3.34 2 7 A 5 oT A=|0 9 2). Bef Gals} Del en 41-5 -1 Usaremos letras maytisculas para denotar las matrices, y mintisculas para denotar a sus elementos. Comtnmente, a los ntimeros se les llama escalares. Definicién. Un arreglo rectangular de la forma % Oy ay) Oy lat Ga se le lama matriz de m renglones y n columnas. El elemento denota aj el nimero que se localiza en el renglén i y en la columnaj. Nota. Algunas veces denotaremos la matriz. de m renglones y n columnas como Avex 0 (dy) con ie {1,2,--sm} y je fl 2,--.n}. EJEMPLO 3.4% Las siguientes son dos matrices de dos renglones y de tres columnas: set a 2 lcosa. -cosa cosa isena cosa cosa As=| 4), al sh Bas =| Definicién. La matriz A,,,, es igual ala matriz B,,,, siy solamente si a, =by para todai=1,2,...,m,yj=1, 2, ....7n.Es decir, que siempre y cuando sean iguales elemento a elemento, respetdndose la posicién de cada uno de ellos. EJEMPLO 3.5@ Lamatriz3.2. Matrices o es igual a la matriz siy solamente si, ay, =D» ay =Byy 44s =B ss ay =Byy dag =Byy ¥ Ogg = Daye Ahora definiremos la suma y resta de matrices que no tendré mayor dificultad ues la operacién esté muy cerca de nuestras ideas intuitivas. Definicién. Sean A y B dos matrices con igual mimero de renglones y co- Jumnas, digamos mx n. Entonces EJEMPLO 3.64 encontrarA + ByA~B Resolueién. 5-1 st as a pee 7),[3 2 [+3 141 7-3]_[8 0 o 2 -s}"[1 0 -3]"[o+1 240 -s-3]"[1 2 3-1 7 [3 1.5 [5-3 -1-1 -7-(-5) _| 2 2 0 2 -5} [10 -3)" [0-1 2-0 -s-ca)}o[-1 2 Antes de proporcionar la definicién de multiplicacin de matrices, consideramos importante justificar su definiciGn con una introducci6n ligada a las funciones. Ello dado que la definicién de multiplicaciGn de matrices puede, a primera vista, parecer complicada o no intuitiva. re70 Capitulo 3 Resolucin de sistemas de ecuaciones lineals y matrices Por ejemplo, la funcién ftx) podria ser 6 Se | donde f:R? > R?, asi “JL O} fx ]_f Oe) +O) ]_f FG [4 a [:] eee Pict6ricamente podrfamos describir lo que realiza la funcién (véase la figura 3.1), de wie enone, ee hie defo Toma ve attic teres AE xe AX donde xe R?es decir, es de la forma (%,, %;). Figura 3.1 ‘Antes de definir lo que es la multiplicacién entre matrices, veamos algunos ejemplos. EJEMPLO 3.7® Multiplicar la matriz A por B donde “fils mtd (213) +56) 24) +5(0)]_ [36 8 (3)+O6) (7(4)+10) } [27 28 Resolucién. hemos procedido de la siguiente manera: para obtener el elemento 36 de la matriz producto (AB) se multiplica el renglén [2.5] por la columna (i de la siguiente manera:25) ( (2)(3) +(5)(6) = 36 de manera andloga se calculan los otros elementos de la matriz. AB; 0 sea, 4 3 2 5] al (2)(4) +(5)(0) =8 5 vy 6|> (7)(3) +06) = 275 4 (7 1] (‘] = (14) +0) = 28 Notese que si se calcula BA se obtiene la matriz 34 19 12 30. Es decir, que AB en este caso es diferente a BA. Podrfamos concluir que dadas dos matrices que se puedan multiplicar (enseguida se verdn las condiciones) no siempre se tiene que el producto AB sea igual a BA. Definicién. Sean A y B dos matrices tales que el mimero de columnas de A es igual al ntimero de renglones de B. Supongamos que A es una matriz de (mrenglones y n columnas) y, B una matriz de (n renglones y p columnas). Entonces el producto AB es la matriz. C con m renglones y p columnas, donde cada elemento de C es Gy By +Agby, +--+ 4,by = Dayby con ie{l, 2---,m} y je fl, 2+, p} Es decir,n Capitulo 3 Resolucién de sistemas de ecuaciones lineales y matrices EJEMPLO 3.84 ‘Multiplicar la matriz A por B donde BO i As=|0 0 1), 2 0 -2 Resolucién. 0, 1) (EO. a oo if|-3 I= 20 2}, 0-1 BVO) +OXL-3)+MO) BA)+OM+AK-D ] fo 2 (00) +(OX—3)+CO)—— (OV) +01) +#M(- |=] 0-1 (2)(0) + 0-3) +(—2)) (2))+ OA)+(-2(-D] LO 4 AB ‘Lamuttiplicacién de un némero real por una matriz también lo definiremos. Definicién. Sea k un ndmero real y A una matriz m x n. Entonces EJEMPLO 3.94 = [60830" ~sen30° Seak=7 y A ¥ AST sen30° 00530" | hallar kA. Resolucién. ‘cos30° -sen30°] _[7cos30° —7sen30° sen30° —_cos30° |_| 7sen30° 7cos30° yo 1 On Definicién. Si tenemos la matriz 4! = Definimos la trans- Nem Ga a puesta de A y la denotamos por A’ a la matriz cuyas filas son las columnas de Ay cuyas columnas son las filas de A; es decir,3.2. Matrices n EJEMPLO 3.104 1-2 -3 Si A=|2 —1 —4); hallar A’ 3-3 5 Resolucién. i 2s A=|-2 -1 -3| -3 -4 5 EJEMPLO 3.114 13 7 SiA ;hallar A’ YE lao, i Resolucién. Definicién. Una matriz cuadrada A (es decir, con el mismo mimero de filas que de columnas) se dice simétrica si A’ = A EJEMPLO 3.124 1 2 La matriz ats aI es simétrica puesto que, 22/1 2] «-b | EJEMPLO 3.134 4165 4 Lamatriz A=] 5 8 -2| es simétrica puesto que, 4201m Capitulo 3 Resolucién de sistemas de ecuaciones lineales matrices EJEMPLO 3.14% Bs Lamatriz A=|2 6 8| noes simétrica puesto que, 581 125) A=|2 6 8|#A 3 8] 3.3. Método de Gauss-Jordan en la resolucién de un sistema de ecuaciones lineales En el capitulo anterior en la secein 2.5, se analiz6 el método de eliminacién de Gauss. En este apartado, mostraremos una modificacién realizada a ese método por Jordan. Esta nueva manera de resolver un sistema de ecuaciones se le llam6 Gauss-Jordan. El método consiste en trabajar con la matriz. aumentada asociada al sistema de ecuaciones, digamos A, utilizando las operaciones elementales de rengl6n y llevar a la matriz A bajo estas operaciones a una matriz equivalente B escalonada y reducida por renglones. Analicemos un ejemplo aplicando el método. Nota. En los ejemplos que mostraremos en las siguientes paginas, utilizaremos “4” para denotar que se ha realizado una o varias operaciones elementales, no se debe confundir con el signo de igualdad. EJEMPLO 3.154 =x, +3x,4 2x, =-1 Resolver el sistema: 3x, —5x,—14x, = -I 2x, 4x, -6x, =-2 Resoluci6n. Al sistema de ecuaciones podemos asociarle una matriz aumentada 1030 21-1 3.-S -141-1 2-4 612 Si multiplicamos por—1 al primer rengl6n, obtenemos —t 8 21-1 1-3) —21 1 A 3-5 -M1-1)/-|3 -5 -141-1 2-4. -61-2 2-4 -61-2|344 _Relacién entre un sistema de ecuaciones y la inversa de una matriz 1 a Ahora, multiplicando el primer rengl6n por -3 y sumandosclo al segundo ren- «216n, dividiendo el segundo rengi6n por 4, y multiplicando el primer renglén por ~2 y suméndosclo al tercer renglén se obtiene: 1-3-2 Ip fl +3221 9 fl -3 -21 y) oO 4 -81-4)-l0 121-1] Jo 1 21-1 2-4 -61-2] [2 -4 -61-2] Jo 2 -21-4] Dividiendo el tercer rengl6n por 2, e1 segundo por~I y suméndoselo al terce- ro; ademas, multiplicando el segundo rengl6n por-3 y sumandoselo al primero, 1-3 -21 1) [1 3 -21 4) flo 41 4 0 1 -21-1)4)0 1 -21-1) Jo 1 -21-1 Oo 1 -11-2] Joo st foo 11-4 Finalmente, multiplicando el tercer rengl6n por —4 y suméndolo al primer ren- gl6n, y multiplicando el tercer renglon por 2 y suméndoselo al segundo renglén, se obtiene £0 OR 8 fe 62 071 §] 0 1 -21-1}/0 1 01-3 oo 11-1) [oo rl Obteniéndose como solucién s, = x, =8, s, =x, =—3y 5,=x, 3.4 Relacién entre un sistema de ecuaciones y la inversa de una matriz En este apartado queremos relacionar un método para resolver sistemas de n ecuaciones con n incégnitas, primero asocidndole al sistema una matriz de nrenglones porn columnas (matriz n x n)y luego, viendo la posibilidad de caleular su inversa. Antes de realizar esto, necesitamos definir lo que seré una matriz inversa, mostrar algunos ejercicios y pasar al punto principal de esta seccién, Definici6n, La matriz identidad / de orden n se define como 10 Oj O10 Tn = 2 rg OO Es decir que en la diagonal tiene unos y ceros fuera de ella ee een6 Capitulo 3 Resolucion de sistemas de ecuaciones lineales y matrices Ahora, definiremos la inversa de una matriz y veremos su relacién con la reso- lucién de sistemas de ecuaciones. Definicién. Sea A una matriz cuadrada, es decir nx n, si A tiene inversa, ella se denotard por A” y deberd cumplir A A! = A“A=/. Nota, Dada una matriz, no se sabe de antemano si es inversible 0 no. Si se trata de aplicar este procedimiento a una matriz. que no es inversible entonces ser4 imposible reducir ala forma [1 | A]. EJEMPLO 3.164 Sea encontrar si existe su matriz inversa. Resolucién. Debemos encontrar una matriz a Bp y 6 3 -1)[o B]_fa B)[3 -1]_[1 0 1 3}ly 6) ly 6}lr 3} lot primeramente veamos que valores de ot, B, 7,6 pueden cumplir con 3 -I]fa p] _[1 0 _ f3a-y 36-6] _[1 0 [IE é)-Le thos fecy asl Lt de la igualdad de matrices, se tienen dos sistemas Senet tal que +37 resolviendo cada sistema se obtiene 3 1 oes pok io’ P= i0 1 3 aa) be 10 10 Asf pues a 3 Hl | aga: (2 0 ead bliodse otra LON a,3.4 Rolacién entre un sistema de ecuaciones y la inversa de una matriz 7 falta probar que al permutar los factores se obtiene nuevamente la matriz.identidad. palpi aleve | 4 1 3| 1 3 1 3 ( Jox(g\o (-A\-os{S}e@ B, 5] alr e[o {Podrfa ocurrir esto si A tuviese inversa? 21. Sean p(ay=—2-5a+3a? y a=|! 7], 72/1? pean Pree oer eta | la 14 2 pruebe que g(A) =-2-5A+3A? - } 314 16,0 ah 22. Verifique que: A=|0 1 1 esunaraiz del polinomio x° -3x* +3x-1,en el oot sentido que A’-34?+3A-1=0. L 1 on 5nm-1) spruebeque: A"=|0 1 on 0 1 1 oo 1 i 23, Si A=|0 1 00 24, SiAy B son dos matrices del mismo tamafio pruebe que (a+ 3B)’ =a.A' + 6B" donde y B son dos ntimeros reales cualesquiera. 25. SiA y B son dos matrices tales que el producto AB esté definido, pruebe que (ABy = Bia’. Sugerencia, Verifique la igualdad en varios casos particulares en cuanto a orden general. No se restrinja a matrices cuadradas.35 _Ejercicios 3 26. Consideremos el siguiente sistema: 3x-y+2z2=4 Qxty=2 y+32=7 =4 =a a) encuentre la matriz. de coeficientes, b) escriba el sistema lineal en forma matricial, ©) escriba la matriz aumentada, ) resuelva el sistema por el método de Gauss-Jordan, 27 Escriba el sistema lineal cuya matriz aumentada sea el siguiente, y resuelva el sistenta por el método de Gauss-Jordan: 20 413 O11 25 13° 4j-1 28. Escriba la matriz de coeficientes y 1a matriz aumentada del siguiente sistema de ecuaciones, y resuelva el sistema por el método de Gauss-Jordan: 2x-Sytz= 4 x+2y-3z=-3 x+5y+2z 29. Por el método de Gauss-Jordan resolver el sistema asociado a la matriz aumentada: 100! 3 01 01-2 001; 4 30. Verificar que (2, 0, 1) es una solucién de la ecuacién matricial AX = B, donde sta ae x 3 A=|2,0 -2], X=ly| y Bal2 03 2 z 2 31. Encontrar la matriz, aumentada asociada al sistema y utilizando el método de Gauss-Jordan resolverlo, 2Qx- y+ 3x 422 dat y+22=4 Capitulo 3 Resolucion de sistemas de ecuaciones lineales y matrices 32. Resolver el sistema: 2x y43: x+2yt2= 3x-4y+52=3 y dar una interpretacién geométrica del resultado. 33. Resolver por el método de Gauss-Jordan cada uno de los siguientes sistemas: 3x+y-22=0 axty-2=2 a) dre y-22=0 db) 2x+32=4 x+y-2z=0 xt+y+5z=7 , a 4x-3y+5z= 1 °) er @) 2x+5y+2z= cies 3x-Ty+42=2 3x-2y+72=0 x-2y+z=0 e) a f) 3x+2y-72=0 2x-y-32=0 6x-y+22=0 Brty+62=6 8) hy) x+y+2z=2 axvdy-e=0 2x+ytdz=3 34, Calcular la inversa de cada una de las siguientes matrices: 2 3 13 a |3 5 Dla 1-3 a, 2 °° Ole ale 5 2 ofa 10 -1 |2 1-1 0 2-1 35. Mencione todos los casos posibles que se presentan al resolver un sistema de ecuaciones lineales. 36, De los siguientes sistemas indique con una “H” si el sistema es homogéneo y con una “N” sino lo es. Nota. Recuerde la definici6n de un sistema homogéneo dada en el capitulo 2. x-y+z a) Qxt+y 2x-2y+2z=0 x-y+2z=-2 b) 3x-2y+4z=-5 2y-32=085 Sx—-9y+82=0 1) 2x+5y+ 3x+2y-z=1 37. {Es cierto que un sistema homogéneo siempre tiene soluci6n? Si la respuesta es afirmativa, ,cudl es una soluci6n’? 38, Dar todas las soluciones del sistema de ecuaciones cuya matriz aumentada sea: 20 018 01 0:3 00 0,0 39. Explique por qué un sistema de ecuaciones cuya matriz aumentada es: 25 110 0 2 4/1 0/ no puede tener solucién alguna. 0 0 0)3 40. Relacione las dos columnas siguientes: () Sistema inconsistente a) Después de reducir la matriz del sistema, queda una fila que consta de eros tinicamente (_ ) Sistema consistente con ) La matriz reducida tiene una fila con solucién tnica cceros desde el primero al pentiltimo lu- ‘gar, habiendoen la itima fila un mero distinto de cero (_) Naimero infinito de soluciones ¢) La matriz aumentada del sistema puede reducirse a una del tipo: 10- 41, Hallar la inversa de cada una de las siguientes matrices: 2000 ave 0100 a2, wb 4, © |2 5° wloo030 pgs 000286 Capitulo 3 Resolucin de sistemas de ecuacioneslineales y matrices 42. Una matriz nxn es diagonal si todos los elementos fuera de la diagonal son ja 00 cero. Por ejemplo, A=|0 b 0). {Cul es la inversa de una matriz, diagonal 0 0c ‘cuyos elementos sean todos distintos de cero? 43, {Cuil de las relaciones siguientes es la correcta? Considere que 4, B son matrices del mismo tamafio y tienen inversa. a) (ABy'=4"B" b) (ABy'=BTAT Justifique su respuesta, 44, Probar que la inversa de B= A es B 45. Usar una matriz “general” de orden 2 (es decir, dos filas y dos columnas) para checar que (4')" =(4~')'s siempre que A tenga inversa. 46. ,Cémo debe ser k, para que el siguiente sistema tenga solucién? xt ket z+ 47. Una bolsa tiene 50 billetes, entre los cuales hay de $20, de $10 y de $50, siendo cl valor total de $1,000, ;Creeria usted la afirmacién de que la bolsa contiene cuatro veces tantos billetes de $10 como de $20? 48. Para qué valores de a existe la inversa de la matriz? atl a a a a atloa a a a atl a a a a att 49. Si AB =0 para una matriz A no singular (es decir, que tenga inversa) entonces prueba que B=0. Compare con el ejercicio 20. a -b ad-be ad-be = a ad-be ad —be.Capitulo 4 Espacios vectoriales 4.1 Espacio vectorial Antes de proporcionar la definicién formal de “espacio vectorial”, queremos hacer una pequefia introduccién a ese nuevo ente de las matematicas, Los espacios vectoriales son el corazén del dlgebra lineal y en este concepto se han sintetizado varios aspectos fundamentales de mateméticas y otras disciplinas, por esta razén es muy importante iniciar su discusién haciendo mencién de vectores en fisica y su representaci6n geométrica. La idea de dotar a ciertos conjuntos con un tipo particular de estructura hizo posible la creaci6n de una nueva nocién matemética, que es la de espacio vectorial. En este capitulo utilizaremos la palabra esealar para designar una magnitud, por ejemplo, el valor de una fuerza, una velocidad o una aceleraci6n (la magnitud de una velocidad independientemente de la direccién del movimiento se lama rapi- dez). Enel tema de espacios vectoriales, silos escalares utilizados pertenecen a los niimeros reales, entonces se dird espacio vectorial real, en otro caso, por ejemplo, si los escalares pertenecen a los néimeros complejos, entonces se llamaré espacio vectorial complejo. En general, se puede proporcionar una definici6n de espacio vectorial, y dependiendo del tipo de escalar asociado al espacio vectorial, éste quedard caracterizado. Asimismo, de ahora en adelante, cuando se hable de vector, estaremos refiriéndonos a un elemento de un espacio vectorial determinado. Con esta pequefia introduccién, ahora s{ proporcionaremos una definicién general de espacio vectorial real. Ello dado que los escalares que utilizaremos serain elementos de los mimeros reales. El lector puede pensar en un caso particular para darse cuenta que la definicién general sigue ideas que surgieron en el contexto de la recta real, el plano y el espacio, 8788 Capitulo 4 Espacios vectorales Definicién. Sea £ un conjunto distinto del vacio, y consideremos al conjunto E provisto de una regla para sumar dos elementos x, ¥ de tal manera que ¥ +} sea nuevamente un elemento de £. Ademés, una regla para multiplicar un elemento % de E por un elemento A de los reales de tal manera que 2+% sea un elemento de E. Diremos que E es un espacio vectorial real si cumple con las siguientes caracteristicas. i) 45 es un elemento de E (propiedad de la cerradura) i) ¥+F=5+% (propiedad de la conmutatividad) iii) (3+ §)+Z=%+(F+2Z) (propiedad de la asociatividad) iv) Existe 3 € E, tal que, 6+¥ = ¥ (propiedad del elemento neutro) v) Para todo %e E, existe Xe E, tal que, ¥ + (-2)=6 (propiedad del inverso) Con respecto a la operacién (+), para todo: i) Paratoda ¥e R, A Xe E (propiedad de la cerradura) i) (A+p)#=A¥+pF (propiedad de la distributividad) iil) A(Z+3)=AZ+A5 (propiedad de la distributividad) iv) (A)+®=A(u-¥) (propiedad de la asociatividad) v) Sid=1, 1E=% Nota. A los elementos de £ se les llama vectores y a los de R escalares. 4.2 Representacién geométrica de un vector La representacién geométrica que haremos de un vector serd la de una “flecha”. Debemos aclarar que esta representacién geométrica (véase la figura 4.1) nos proporcionard una idea intuitiva de lo que es un vector. No se debe confundir una representacién geométrica con una representaciGn algebraica. De hecho, en el momento que veamos varios ejemplos de espacio vectorial, nos daremos cuenta «que la representacién geométrica utilizada esta lejos de la representacién algebraica. Larepresentacién geométrica de vector nos seré muy iil cuando estemos trabajando con el espacio vectorial R , R®o IR°, Con estos espacios vectoriales podemos pasar de una representacién a otra y desarrollar ideas més profundas del concepto matemitico en cuestién, Sin embargo, cuando el espacio vectorial es por ejemplo el43._Espacio vectorial real RP y RP 89 espacio de todas las matrices 2 x 2, un elemento de ese espacio vectorial es una matriz 2 x 2. En este caso, la representacién geométrica de flecha pierde riqueza. Por tal motivo, la representacién algebraica es la que predomina. Representacion’ Representacién Representacién geométrica de un vector algebraica de un vector] geométrica de un vector | con un sistema coordenado| 5 z -2ii Figura 4.1 4.3 Espacio vectorial real R? y R? Para poder distinguir, por ejemplo, a R® y R® con una nueva estructura, se decidié que la notacién deberia cambiar. Asf, si hablamos del plano cartesiano o del espacio, se sigue la notacién (x,,x, ) y (44,43), respectivamente. Para distinguir un elemento del plano o del espacio con una nueva estructura de espacio vectorial, se decidi6 que una notacién adecuada para los elementos de estos nuevos entes mate- x miticos, seria la de [i | en R? 0 | *?| en R’ siempre y cuando R? y R? sean considerados con la estructura de espacio vectorial. Puesto de esa manera, se ten- drian representaciones de puntos en el plano y en el espacio y vectores en R? 0 R?. En ese caso, a cada punto del plano le corresponde un vector y viceversa. Anslo- gamente para el espacio. Nota. En lo que sigue, a los elementos de un espacio vectorial los denotaremos como vectores, por ejemplo, ¥. A los elementos ¥ de R° los denotaremos como una matriz nx 1, es decir, %90 Capitulo 4 _Espacios vetoriales EJEMPLO 4.14 Considerar a los elementos de R? como matrices de dos renglones y una columna con las operaciones de + y + entre matrices. Es decir, si Z, 5 son elementos de R? y 4, elementos de R, las operaciones definidas para los elementos de R? serén: woh eee BH) Para que R? sea considerado como espacio vectorial real, debemos ver si con las dos operaciones, se cumplen los requisitos de la definicién. Es importante notar que constantemente estaremos haciendo uso de las propiedades de los ntimeros reales con respecto a la asociatividad, la distributividad, la existencia del 0 (elemento neutro) y del 1 en los reales. ) sere[™]e[7]-[22%]. puesto que x,+y,, x, +5, son mimeros reales, entonces ie Ka J: R? (véase la figura 4.2), +2 Figura 4.2 a rere Se] nla }eo# eee Ente) o- see sme SLs 0 a Nota. Alelemento (?] Jo denotaremos usualmente como 0. No confundir con el iii) (e+ H)42 cero real. Es decir que cuando se diga O¢ R*, queremos decir que 6 = [ol eR’. een ee43. Espacio vectorial real RE y R° 9 Esta confusién es muy usual cuando se analiza el concepto de espacio vectorial por primera vez. La confusi6n se presenta en la lectura de muchos textos cuando no utilizan la notaci6n con una flecha. v) Para todo ¥e R’, existe un inverso (SFG) 7) tal que, #4 (-¥ wz, |? al we, 4 (-8)= (véase Ia figura 4.3). Figura 43 Con respecto a la operacién (+), para todo 2, ER, ¥, Ve R’, se tiene: i) az-[} al puesto que 2 x,, A x, son reales, E ‘Je R (véase la fi- i gura 4.4). is Az, 9 avwseaen )ae eft So SPE HGS] w aeonea[soh sca SHE sw iv) @ p): fi 4 sft Sun7 Capitulo 4 _Espacios vectoriales [22] Lig} Lp, En forma andloga se puede demostrar que Res un espacio vectorial real. Incluso, este resultado se puede generalizar y la demostracién es andloga para probar que IR° es un espacio vectorial real. ‘Como lo habfamos sefialado al inicio del capitulo, la nocién de espacio vectorial surgié primero como una nocién ligada a conjuntos como R*y R°, bajo la estructura de espacio vectorial. y) Sid=1,1- zi 4.4 Ejemplos de espacios vectoriales A continuacién presentaremos algunos ejemplos de espacios vectoriales, en donde la nocién intuitiva geométrica de vector como una flecha se pierde. Es por ello, que en general se llama vector a un elemento de un espacio vectorial puesto, que dependiendo del espacio vectorial en cuestién, la nocién de vector geométrico cambia totalmente. EJEMPLO 4.24 Sea M,, el conjunto de todas las matrices 2 x 2. Consideremos la suma de matrices y multiplicacién por un escalar. Demostraremos que M,, es un espacio vectorial real, para ello, debemos verificar que se cumplen todos los requisitos solicitados en la definici6n de espacio vectorial real. Sean A,,, By, dos matrices de M,,, y A, {1 elementos de R. Con respecto a la operaci6n + se tiene: 7 a G2] fh, be] _fauths a. +h, +By= = matriz 2 x 2, pertenece a My. : a, ay] [Or b:]_[arthy a+b, D Apt Bal "hf a *-[ +B, Ma al fa Fs 4a} [bx ba} Lanthy Oa tbn afer Betse) Dis Solfo el ay by tay Patan] [Pn ba} Ldn44 _Ejemplos de espucios veetorales a aff 2] for Fe] ) fer ce a» acter? Shale 3] af Athe Matha) [en ce] far tbiten de +da ten “Lan +b elt fr a] [dy FP He) dn thm ten afen 42] fires Baten ]_ Le SIRS Bere 93 iv) 00 al 4% ],[© fan ae torte abe HE Sh 4 ay 0 0 Sea 0,, -{ eons |esir manic defnnos “Ag {2 al ty “Ay Es claro que Ay +(-Az»)=0,3. Con respecto a la operacién ( - ), tenemos que: i) Paracualquiermatriz A, de M., ra,-[} ginal cesuna matriz2.x 2, A ay 2 a - [At a Atm a.) _fA ate ay A oath ay 2 (rahe 4% Ath) dz} [A ayth dy A nth ay =[4 % Ae) fH a Hoa] a a 4 “hf a 4H oh ee wm ations She shales Sa) +} (4 46)) 4 ere) {t ay 4d By A ath *| A (ay +by) A (dy +ba)| LA ay tA by A an +h by [4% Aaa) fA by a mT a a 4%, el by 1 ee serate94 Capitulo 4 Espacios vectoriales 4 (Hu ay) A (u a.) aw a, Aw | (11+) ae walt W) ay Ap) ay {i (4 a) A (H an)] 1 ay | al-[es a, y) SiA= 1, entonces bay=| La, 1a} la a. Por tanto, Mz, es un espacio vectorial real. Nota. Los elementos de M,; son vectores ya que Mz,es un espacio vectorial real, sin embargo, a las matrices de M,, no las denotaremos con una flecha arriba del elemento. EJEMPLO 4.34 Consideremos al conjunto E como el conjunto de todas las funciones de variable real continuas. Para este conjunto definimos las operaciones de + y -, de la siguiente manera. Si f y g son dos funciones continuas del conjunto E y A, 4 elementos de R, definimos (F+ 8) @) =f) + 8; +f) = AL) Debemos comprobar que bajo estas dos operaciones se cumplen los requisitos para que E sea un espacio vectorial. El signo + entre f yg denota una operaciGn entre funciones. En cambio, el signo + entre flx) y g(x), denota una suma entre ntimeros reales. Es importante notar que los elementos de E son funciones. En lo que sigue, nos basaremos en resultados del célculo relativos a las funciones continuas. Con respecto a la operacién + se tiene: i) Sabemos de resultados del célculo que dadas dos funciones continuas, su suma es continua, por tanto, si f, g son elementos de E, f+ g es un elemen- to de E. Es decir, f+ g es una funcién continua. ii) (F + g) (®) =x) + g(@), puesto que fix) y g(x) son niimeros reales, por la propiedad conmutativa de los nimeros reales, tenemos que f(x) + B(x) = g(x) + flx) = F + 8) @). iil) Utilizando la propiedad asociativa de los ntimeros reales, se tiene que: [f+ g) + A (x)= (+ 8) @) + hx) =f) + g(x) + AC) = fix) + [9() + h@)] = [f+ (8 +) iv) Elelemento 0 en E es la funcién continua constante cero; es decir, 0(x) = 0. Entonces, (f+ 0) (x) = lx) + 0) = fx) + 0= fix).4.5. Subespacios vectoriales 95 vy) Para toda fen E, tomamos a (~1) f que sabemos que es una funcién continua, Jo que nos permite realizar lo siguiente: (DP @=CDAx) = fa). Utilizando lo anterior, (f+ () (x) = fx) — fla) = = 00x). Con respecto a la operaci6n , tenemos que: ’) Para toda funcién continua de variable real en E, (A- ) (x) = 2.x), la cual es continua, dado que el producto de dos funciones continuas es continua, En este caso Aes una funci6n constante que es continua multiplicada por otra continua, i) (A+ w)-f = A+ WS) = Af + Uf) = A-N@) + (Uf) @)=(A-f) + (Uf. ii) (A+ f+ g)) =A + gh) = Ala) + Ag =(A-f + Ag) iv) (AW) +f) @) = AW) Ax) = 2 fa) ) = A UP) @)- v) (1+) @) = 1 fe) =f). Bajo esta estructura, tenemos que si fes una funcién continua de variable real, f es un vector del espacio vectorial E de las funciones continuas de variable real. Nota. Nuevamente como en el caso de M,,, a las funciones que son elementos del espacio vectorial real de las funciones continuas de variable real, no las denotamos con una flecha arriba del elemento. Sin embargo, no olvidar que en este caso, cada funci6n de ese espacio es un vector. EJEMPLO 4.4% Sea Q el conjunto de los ntimeros racionales. ,Es Q un espacio vectorial real con las operaciones usuales de suma y multiplicacién por un escalar? La respuesta es No, Para ello, basta con que no se cumpla uno de los incisos de la definicién de espacio vectorial. Tomamos A= V2, para cualquier racional diferente de cero ” €Q, se tiene que V2 p/q¢Q. Por tanto, no se cumple la cerradura con respect a la multiplicacién por un escalar, que en este caso A= V2 R. 4.5 Subespacios vectoriales La definicin de subespacio vectorial es de gran utilidad en el contexto de los espacios vectoriales, dado que en muchos casos, como lo veremos a continuacién, existen subconjuntos que por sus cualidades nos interesaria saber si ellos mismos cumplen con las propiedades de un espacio vectorial. ee96 Capitulo 4 _Espacios vectoriales Definicién. Sea E un espacio vectorial y S un subconjunto no vacfo de E. Si S es un espacio vectorial con respecto a las mismas operaciones de adicién y multiplicacién definidas en B, se dice que S es un subespacio vectorial de E. Teorema. Si Ses un subconjunto no vacfo de un espacio vectorial real E. Enton- ces S es un subespacio vectorial de E si y s6lo si se cumple que: 1) Si Z, ¥ son elementos de S, entonces ¥ + F es un elemento de S. 2) Si ¥ esun elemento de Sy A un escalar (elemento de R), entonces A ¥ es un elemento de S. Demostracién. Por ser un enunciado del tipo si y s6lo si, debemos demostrar dos implicaciones. =) Supongamos que S es un subespacio vectorial. Entonces, S cumple con las propiedades i-v con respecto a la operacién de adicién y con las correspondientes de la multiplicaci6n. Por tal motivo, cumple de manera inmediata las condiciones 1) y 2). ) Ahora, supongamos que se cumplen las condiciones 1) y 2) y debemos probar que S cumple con los requisitos de espacio vectorial. i) Por hipétesis se cumplen las condiciones 1) y 2), por tanto, si %, F € S, por lacondicién 1), +5 © S. i) Sean %, 5 € S,entonces, z+ Fe S, ademAs F+% € S por la condicién 1), Solamente falta probar que son iguales. Supongamos que son dos ele~ mentos diferentes; es decir, ¥+S#}+F. Puesto que j+ze S, F+¥ € S,y Ses un subconjunto de E, entonces + € E, $+ E.PorserE un espacio vectorial, ¥+ f= }+, lo cual es una contradicci6n. Por tanto, la suposicién de que ¢+5# 5+ en Sno se puede sostener. iii) Andlogamente como en ii), si ¥, 5, 2 son elementos de S. Entonces, (&+5) es un elemento de S, (+2) también, entonces, (Z+F)+Z es un elemento de $ asf como ¥+(j+2). Siguiendo el procedimiento realizado en ii), se tiene que (¥+ 9)+2=%+(3+2)45° Subespacios vectoriales 37 iv) Puesto que S es no vacfo, tiene por lo menos un elemento, digamos ¥. Por hipétesis se cumple la condicién 2), tomemos A = 0, por tanto, se tiene que A-% es un elemento de S. Pero, A+: v) Si ¥ € S, por la condicién 2) para A=-1, .-% =(-1)\@ = -¥ Con respecto a la operacién de multiplicacién se tiene: i) Lacondicién 2) es exactamente la aseveraci6n de i). Por tanto, no hay nada que probar. ii) (2+ 4)-Z es un elemento de S, asi como, A + 3, l +X. Por tanto, (A+ Ml) «3, ademés de A -% + 11 -X, son elementos de E. Como en la primera parte ii) por ser Eun espacio vectorial (A+ j1)-2= A -%-+ Hl -¥. Suponer que son diferentes en S, nos llevaria a una contradiccién. iii) Andlogamente como en el caso anterior; A -(% + 5), 4 +¥, A+ son elementos de S, por tanto de E, y en E se tiene que A-(¥+ 9) = A +%+ A-5, por el mismo razonamiento utilizado antes, la igualdad se cumple en S. iv) (A p)-Xes un elemento de S, asf como, j1-%, A (+). Un razonamiento similar al realizado en la primera parte de ii) se obtiene que (A }1)-% A(ur%). v) SiA=1, ¥ € S, entonces Ze E, por tanto 1-%= ¥ en E. Suponer que 1-3 # ¥ en S, nos llevaria como en la primera parte en ii) a una contradic- cién, Por tanto, 1-¥= ¥en S. Nota. Este teorema ahorra mucho trabajo innecesario, ya que cada que tengamos un subconjunto no vacfo de un espacio vectorial, basta con probar dos condiciones para asegurar que ese subconjunto es en realidad un subespacio vectorial.98 Capitulo 4 _Espacios vectoriales EJEMPLO 4.54 Sea E un espacio vectorial real, y 5 ={0}entonces Ses un subespacio vectorial de E. Debemos probar las condiciones 1) y 2) del teorema anterior: 1) Puesto que S consta de un solo elemento entonces se cumple. 2) Para cualquier 4, 4-0 = 0 en E. Puesto que s={}, a. beS. EJEMPLO 4.64 Sea M,,cl espacio vectorial de todas las matrices 2 x 2. Pongamos S como el subconjunto de M,,de las matrices cuyos elementos son cero fuera de la diagonal. Demostrar que § es un subespacio vectorial de M.. 1) Sean A y B dos elementos de S. Entonces, 07,fo. 0 0 AtB=|% La [an tA , 0 a] 10 mJ 0 antb, que por ser una matriz. cuyos elementos fuera de la diagonal son cero, A+B pertenece a S. aay ag 0 Aa, ceros fuera de la misma, A + A es un elemento de S. 2) Sea Ae R, entonces A-A [ } por ser 2 « A diagonal con 4.6 Combinacién lineal, dependencia e independencia lineal La idea matematica que se quiere desarrollar en esta seccién es muy poderosa y ala vez muy geométrica. Se quiere desarrollar una idea intuitiva de que todo vector Jo podemos ver como la suma de otros vectores. Esta idea matemética la denomi- naremos como combinaci6n lineal. En el caso de R®, la nocién geométrica de com- binacién lineal es muy rica (véase la figura 4.5). Definicién, Sea Z un elemento de un espacio vectorial real E. Se dice que 2 es una combinacién lineal de los elementos %,, .... %,€ E, si existen a, G,...; 6, escalares en R tales que:46 Combinacién lineal, dependencia e independencia Tineal 99 Figura 4.5 EJEMPLO 4.74 Consideremos el espacio vectorial IR°, y sus elementos: 1 1 |. Responder a las siguientes preguntas: 5 5 a) {Es Z combinacién lineal de %,%? b) gEs Z combinacién lineal de 5, ¥.? ©) (Existen ¥,%, € R’ tales que 7=@,¥,+0,,%, con %, O € R? 4d) {Existen x,, x, 4€ R? tales que 2=0,%,+0,%, +04%, con 04, 0%, O% «R? e) Supongamos que Z se puede poner en combinacién de %, %. Entonces, se tendrfa que: Z = 04%, +0. Bs decir,100 Capitulo 4 _Expacios vectoriales 2] [oO] fr] fo] fon] fa, z=|1|=a,|0|+a,|1|=!0]+} 0, [=| a, |. of o} Lf Lo} le} fo, Puesto que dos matrices son iguales siempre y cuando tengan el mismo orden y sus elementos sean iguales entrada a entrada, es decir, 2= @,,1=a,, 0=a,. Lo cual no puede ser. Entonces, Z no se puede poner en combina- cién lineal de %,, %,. £) Supongamos que Z=a, j,+0,,3, e intentemos encontrar valores de %, 0 R que satisfagan la ecuacién anterior, Es decir, a} 2 1] [20,7] [ a% ] [20,+20% 1]=a,0 |+a,/1]=] 0 |+} a |=] a i o} [+s 3} [-Sa,} [Sa] [So -So, Por tanto, tenemos el sistema; 2= 2a, +05 0=-5a,, +50 EI sistema no tiene soluci6n, por tal motivo, no pueden existir a, a, R que satisfagan Z = «7,5, +0,5,. Por lo tanto Z no puede ser puesto como combinacién lineal de 5,, 5,. 0 g) Pongamos ¥ .%= ii, +0,,%, . Es decir, 1 a) [0] fa, 1]=|0 |+]a, [=| 0, o} lo} lo Por tanto, a, = 2, of, =1446 Combinacién lineal, dependencia ¢ independencia lineal 101 1 0 0 h) Pongamos ¥, =| 0}, ¥,=|1 |, % =| 0]. Sea z=a, x, +0, x, +04 % 0 0. 1 Es decir, 2] fl 0] fou] fo} fo, O|+a,|1]=|0 |+)a,|=!a, o| [o} [o} lo} lo} jo Por tanto, o,=2, ,=1 y Definicién, Se dice que los vectores %, ..., %,€£ generan a E (0 son un sistema de generadores) si, para toda Z¢ E, podemos encontrar n escalares 0%, Oy. 0, en R, tales que: 20,8, +0,%,+ +a, i, Esdecir que paratoda Z € E, 2 escombinacién lineal de los vectores 2, 3, Nota, Debemos aclarar que si al conjunto de los ntimeros reales (R) lo dotamos de ‘una estructura de espacio vectorial, sus elementos son vectores. En caso de que R no tenga esa estructura vectorial, sus elementos se les llama escalares. EJEMPLO 4.84 Encontrar un sistema de generadores para IR, otro para R’, y uho mais para R, a) En el caso de R, cualquier real diferente de cero es un generador, ya que si ¥ es un vector del espacio vectorial IR, y dado cualquier otro vector i diferente de cero, proponiendo un a = magnitud de ii, que denotaremos por Ili7ll, Entonces is zl: Si #y & vanen la misma direccién, Se toma -aren el otro caso.102 Capitulo 4 Espacios vectoriales b) Pai sepednazroet] y (i para generarl, yaquesi basta con escoger a, =x, y @, =%, para que se cumpla la condicién. 1) fo) fo ) Andlogamente para R' con los vectores |0|,|1} y |0]. o} fo} [a Figura 4.6 Figura 4.7 Figura 48 Definicién, Se dice que los vectores :€ E son linealmente independientes sila tinica soluci6n a a, 3, +---+0,%, =0 es 0, En caso contrario se dicen linealmente dependientes. a,=0 EJEMPLO 4.96 1 0 Proporcionar un sistema de vectores (i) y (") linealmente independientes en R? y otro para B® a) En el caso de 2, podemos utilizar nuevamente los vectores [ol y | Entonces, suponiendo que 0, % +,%, =0.. Ello implica que: Elsbl«(l{e} lo cual implica que a, = 0,y que o =0.47_Bases y dimensién 103 1] fo] fo b) Andlogamente para R® con los veetores ||, |1| y |0|- o} lo} bt 4.7 Bases y dimensién Uno de los temas nticleo del Algebra lineal es el correspondiente al concepto de base y de dimensiGn, En los ejemplos de este apartado nos centraremos en los espacios vectoriales B® y I’. En general en el libro estaremos tratando con espacios vectoriales de dimensién finita, salvo algunos ejemplos. Definicién. Se dice que los vectores %, ..., ¥,€ E son una base de E y que E son linealmente independientes y es de dimensién n, si los vectores %, forman un sistema de generadores de E. EJEMPLO 4.104 Proporcionar una base para R? y otra para R°. 1 0) a) Nuevamente tomando los vectores HI y [i sabemos que generan a R°y son linealmente independientes. 1] [0 0 b) Anélogamente para los vectores de R®, {0}, {1 y |0]- 0} [0 - o Nota. En general se pueden tomar vectores de la forma i y ti con a, b diferentes de cero, y cumplen sin mayor problema lo requerido con respecto a que son a] fo] fo linealmente independientes y generan a R*. Asimismo, tomando | 01, |b] y |0|, 0} lo} |e. con a, b, c diferentes de cero, para el caso de R°.104 EJEMPLO 4.114 a) Encontrar una base para el espacio vectorial M,, de las matrices 2 x 2. b) {Qué dimensién tiene M,,? Resolucién. a) Proponemos como vectores generadores a las matrices: 1 0] fo 1] fo o} fo 0 o of lo of [1 of” |o 1 Eneste caso, dada una matriz cualquiera de Mz,, debemos poder expresarla en términos de los vectores propuestos. cag [4 4] fl Oo], [0 1], fo 07, fo oj ya am wale Shel deb def deb He <} poniendo @ = 4,,, 0% =d,3, 0, = @3,, , = dy, Ay, queda como combina- ci6n lineal de los vectores propuestos. Faltaria probar que son linealmente independientes. Supongamos que tenemos: af ofl alalt obeLs ilo. a} Por tanto, % a) (0 0 a a) [0 of locual implica que a, =o, = 0, =a, =0. ) Los vectores propuestos forman por tanto una base para M,,. De donde, la dimensin de M,, es igual a4. 4.8 Rango de una matriz Antes de introducir la definicién de rango de una matriz, definiremos los espacios rengl6ny columna de una matriz. Definicién. El espacio renglén de una matriz mxn es el espacio generado por los renglones de la matriz,considerados como vectores. En forma anéloga, el espacio columna es el espacio generado por las columnas de la matriz. conside- radas como vectores.4.9 Angulo entre veetores y producto interno 10s A continuaci6n se presenta la definicién del rango de una matriz. Definicién. El rango por renglones de una matriz es la dimensién del espacio de los renglones. El rango por columnas de una matriz es la dimensién del espacio columna. Nota, Para determinar el rango por filas o por columnas de una matriz, se busca una matriz equivalente por filas 0 por columnas, obteniéndose que el rango por filas de la matriz es igual al rango por filas de la matriz equivalente cuyos renglones no sean cero en todos sus elementos. Andlogamente, el rango de columnas de la matriz igual al rango de columnas de la matriz equivalente cuyas columnas no sean cero en todos sus elementos. Para encontrar una matriz equivalente se puede utilizar, por ejemplo, el método de Gauss, EJEMPLO 4.124 311 Sea Ay =| —4 1 2]. Encontrar el rango por renglones de la matriz Ay. -13 5 3 Utilizando el método de Gauss podemos encontrar una matriz equivalente 1 0 -1 By=|0 1 -2 000 Considerando los renglones de la matriz. B,, como vectores, ellos generan un espacio de dimensién dos. De ahi que el rango por renglones de la matriz. Ay, es dos. 4.9 Angulo entre vectores y producto interno Sean X y ¥ dos vectores en R’, y sean P(x, x,, x5) y QQ. Ya» Ys) los puntos asociados a los vectores respectivamente (véase la figura 4.9),106 Capftulo 4 Espacios vectoriales 20nd) Figura 49 Designemos por 8 el éngulo entre los vectores ¥ y F;delaley de los cosenos aplicado al triéngulo OPQ se obtiene PO = OP’ +00 por otro lado, se tiene que: PQ" =(%,-») +0 - OP axtxta oy ere en OD = ++Ns asf pues, (5-9) Ha) HO an) = af tad tg +f +92 + yf -20P-00 cose reduciendo se tiene EH ty, ty es decir N+ V2 t Hs feuen \ytyi+ cos = ‘Como antes lo hab‘amos sefialado, las ideas que surgieron al desarrollar una ‘matemética en R? y R* se fueron consolidando surgiendo conceptos que pudieron generalizarse a otro tipo de espacios. El considerar a los vectores de R? y R? como matrices de 1x20 2x3, y ‘multiplicar un vector en forma de Iinea por otro vector columna, como a continua- ci6n se muestra, nv a F=f, 4 ally lel » x) |m|=aitantays ys %.49 Angulo enue vectores y producto interno 107 dio origen a la generalizacién de esta idea para elementos de un espacio vectorial, que es la de producto interno. Definicién. Dados dos elementos % y 7 de R’, el producto interno en R° se define como: & ABI THs Nota. En el caso de R’, por la manera que se definié el producto intemo, se tiene que: PFHA +g AG VF itt De la nota anterior, podemos escribir el coseno del 4ngulo entre dos vectores por medio de la siguiente relacién ataty, y 4 a a | EJEMPLO 4.134 1 z 2 Sean los vectores ¥, =] 2], ¥;=| 1], %=| 2 | ,calcularel dngulo a entre i yi, 2 D -1 el Angulo B entre ¥, y¥, y, el Angulo 7 entre ¥, y ¥, (véase la figura 4.10). Resolucién. —_2)+Q)0)+QN=2)_ 9 y= 90° wan eee aaa Werte? pri+ Wy, 068 =p pe = 0 =>, BSC O-, Wie i it 0 y= 90° cosy = ee % my,108 Capitulo 4 _Espacios vectoriates SE St nl Figura 4.10 Teorema. El producto interno de R’ cumple con las propiedades siguientes: Demostracién. 1) ¥-¥=x) +23 +23, porhipétesis = #0, elloimplica que porlo menos alguno de entre x, x, x, debe ser diferente de cero. Por tanto, x? +32 +x >0 siy s6losi #6. 2) BF amy +a +H =I tI + yh = IE 4] [x ))fa] fata] fa 3) (#+5)-Z=|]4 |+]y. | fla [=] ney, [| 4} LylJlol Lats] le (+n) at@tn) attn) & 44h 44% Sth ath BtH Y 4th Oth 4)+Q, ty 2+ 4) SEE+ 5-24.10 Bases ontogonales 109 a x}y FH)O % |] yn [HOH NFA +x Ys @ x} Ly% =a (4 +m +H yaar ( Definicién. Un vector ii se dice unitario si EJEMPLO 4.144 | Dado cualquier vector ¥#0 en un espacio vectorial E, se puede encontrar un veetor unitario ii en la misma direccién que %. [sh Basta con definir al vector x4 wt 4.10 Bases ortogonales Nuevamente como en los casos anteriores, la propiedad de ortogonalidad es producto de las ideas desarrolladas en R? y R°. Definicién. Dos vectores ¥ y ¥ son ortogonales si y s6lo si ¥+F Definicién. Un conjunto de vectores B={3,, ..., ¥,} de un espacio vectorial E, se dice que es una base ortogonal, si el conjunto de vectores forman una base para E y ademas, para cada dos vectores ¥,y 3, de B, EJEMPLO 4.154 0 =] 0 forman una base ortogonal en R°, 1 Los vectores ¥, Sabemos que los vectores ¥,, % y ¥, forman una base para R?, Faltarfa probar que 3, O (véase la figura 4.11).10 Capitulo 4 _Espacios vectoriles - ay Figura 4.11 0 %=[1 0 o] 0 ©) %+%=%%,=[1 0 0] }0/=0. 4.11 Ejercicios 1. Demostrar que el conjunto de todas las matrices 3 x 3 (M,,;), con las operaciones usuales entre matrices, forman un espacio vectorial real. 2. Demostrar que el conjunto de las matrices diagonales, es un subespacio vectorial de M,, 3. Demostrar que IR" es un espacio vectorial real. 4. Demostrar que Z (enteros), I (irracionales), con las operaciones usuales en los reales, no cumplen con los requisitos de espacio vectorial real. 5. Demostrar que QxQ ={(x,y)]2,y son racionales} con las operaciones usuales de R’, no cumple con los requisitos de espacio vectorial real. 1 0 1 6. Sean¥, {i} z -[{}-«0 e[j] exon 0%, 0, tales que F=a, ¥ + a, %, (combinacién lineal).4.11 _Bjercicios uu 7. .Demostrarque ¥, %, son linealmente independientes. 8. ._ son linealmente dependientes. %. a) Dado ¥=| 2], encontrar a, a, @, tales que ¥=0,, ¥ +0, %, +05 % 3 (combinacién lineal). [2 b) Dado $=|3), encontrar of, at,, 0 tales que =O, % +0 3,405 % 4 (combinacién lineal). -l ©) Dado Z=| 2|, encontrar o;, 0, 0 tales que 2=4, % +0, %, +04 % 0 (combinacién lineal), 10, Demostrarque %, % y %, del ejercicio anterior, son linealmente independientes. I 2 3 41. Sean x,=|-1], x, =|2|, =| V3]. Demostrar que %, % y ¥ son lineal- Page enc |as mente dependientes.2 Capit Espacios vectoriales 12. Analizar cada una de las figuras siguientes y especificar si los vectores dibuja- dos representan vectores linealmente dependientes o independientes: 2 aA % , ———_- zy , y °) a) b) or 13. Analizar cada una de las figuras siguientes y especificar si los vectores dibuja- dos representan vectores linealmente dependientes o independientes: * af % ¥ is > a °) a) b) 3 = 14, Analizar cada una de las figuras siguientes y especificar si los vectores dibuja- dos representan vectores linealmente dependientes o independientes: a) b °4a Bjercici 413 15. Analizar cada una de las figuras siguientes y especificar silo presentan vectores linealmente dependientes 0 independientes: 3s vectores dibuja- dos rey a) b) ©) 16. Calcule i+ en los casos siguientes: b) ja=10 ——— @ rrrry 1 18, Sean #=|3|s, 0.na 19, 20. 2 22. Capitulo 4 _Espacios vecorales a) Si 37-%=4(F+2z), entonces determine las componentes de ¥. b) Si +7+9+i=0, entonces resuelva para ZX. 2 1 0 2 Para @=|1|,5=| 2 |, w={1 1 | encuentre los escalares a, 3 4. 1 -1 y @, tales que a) oi +a,F+o,0=0 b) afit+o,v+0,8 1 2 ©) Gi +0, +0,% =| 3 y 4d ai+an+a,%=| 0]. 2 i Determine los cosenos directores para: 3 0 a) a= b) W=|-4], or 3 3 - 4) en cada caso compruebe que la suma de los cuadrados de los cosenos directores es igual a 1 Sean #=u(x), ¥=v(x), #=w(x) y Z=z(x)>0 funciones continuas en ©. Dy ae R, entonces el producto definido por H(x)-5 (x)= fu(x)v(x)2(x)dr 8 un producto interno, Es decir, que satisface: a) @>0 vied, b) i ©) (a+7, =a(i-7) Considere el espacio vectorial de los polinomios sobre R. Demuestre que el producto definido por4.11 _Bjercicios us (p.a)= | p(x)a(x)ax es un producto interno. 23, ,Generan los vectores 1 2 1 1 0 2) [-1 a) Jo},|1].]2]aR? b) Jif, fo}, j1].)o] aR? 1} LY [5 2) {o} (oj L3 oEEEE obit 242 Determine dos vectores en R’ que generen cada uno de los planos siguientes: a) x-y-2=0, b) xtytz=0, d) 2x4 y-6z=0 ©) 2x+3y+ 25. Verifique si son linealmente independientes los vectores siguientes: 2) [1 pec “EE 3} {0} 13} |3. ol {3 2) 717 ft) ft 7) f-1] [2 ©) }3)+f—2]>] 1] | 1s @ jij. |i. [3]. of 4) Lo ut o} [4] Ls 26, {Serdn los vectores siguientes: a) ["], [4], [! Juma base de R*? b) [3] [fem ce R? of Ll [2 2)" [+s 5] [2] [3 ° [rs base de R°? ) |-1],]0], |-1}una base de R'? 2} uj la SessesennsesssenEsISRMAESEUEEEEENOEST SEENON16 Capitulo 4 Espacios vectoriales ee ee 275772 e) |0],|-1], |-1| una base de R°? 1} [2] Lo 27. Demostrar que las siguientes matrices, vistas como vectores del espacio vectorial ‘Mz, on linealmente independientes 0 0 ol we fot fot sles 28. Proporcionar una base para R? diferente de {i {i : 29. Proporcionar una base para R? diferente de {el {i : 30, Sean los vectores %, “1 [ el Calcular el Angulo entre los dos vectores, 1 2 0 31. Sean los vectores %=|2|, %=|3), %=|2|.Calcular el éngulo entre cada 0 1 2 pareja de vectores. 32. Encontrar tres vectores unitarios cuya direccién coincida con la direccién de cada uno de los vectores del ejercicio anterior. al T 33. Demostrar que % =|. |, % =|. | forman una base para R?. Kalb Raly 1 0 1 1}, %=|1 |, }=|0| forman una base para R’. 0 1 1 34, Demostrar que 4,35, Demostrar que §, para R D 1 6 136, {Formarin los vectores 3,=|1], %=|-2] y %=| 3 | una base de R? 3 0 -5 2 1 6 37, Verificar que =|1|, #=|-2| y v=) 3 |forman una base ortogonal de 3 0 4 ?-Exprese en términos de la base ortogonal cada uno de los vectores siguien- 9 1 3 1 0 0 -2|; mio of-i]; {2}; 2 |5)y¥ O]t]- 4 0 1 3 0 5 438, Determine el nimero de renglones y de columnas linealmente dependientes y linealmente independientes para cada una de las matrices siguientes: 37 480 ne »| |: » | | o 2 5 8): 49 36 0 cea 132 002 o() 3 9\396| y {403 eas 264 005ue Capitulo 4 Espacios vectoriales 39, Determine el ntimero de renglones y de columnas linealmente independientes, asf como el rango de las matrices siguientes: aon 1-3 2 aAal aii b) B=|0 4 -8); 2-4 6 ©) A’ (latranspuestade A) yd) BY. 40. Sea M,, el espacio vectorial de todas las matrices 3 x3. Demuestre que el Conjunto que consta de todas las matrices tales que B? = B no es un subespacio de M,,. 41, Escribe el polinomio p(x) = 2x" +8x-6 como una combinacién lineal de los polinomios: p,(x)=x+3, p,(x)=2°-2x+5 y pj(x)= 2x7 -3x 0] fr] fo 42. Demuestre que los vectores |0|,|2| y | 1] generana R. ij} 2 43. Determinar la dimensi6n y una base para el espacio solucién del sistema: x,+2x,+3x, =0 443m 2x, 6x, +8x, =0 44, Demostrar que si los vectores ii, y i son ortogonales, entonces cualquier miltiplo de uno de ellos es también ortogonal al otro. 45, Normaliza, es decir, encuentra un vector unitario en la misma direccién que cada uno de los vectores siguientes: T 2 2 6 a a) 3,=]2]; b) %=|3); ©) H=]-3); d) H=/2| ye) B=|b 9 1 2 1 ¢. (a, b, c reales).4.11 _Ejercicios us 46. Determinar una base ortonormal (es decir, ortogonal y normalizada) del espacio generado por: Sealers a Rzla/y B=|_5]- 47. Determinar una base ortonormal (es decir, ortogonal y normalizada) del espacio generado por: Ate 1 0) (0 0) (0 1) (0 o} + Demostrar que elconjunto jf) yh! + ght of |g ; |p forma una base para el espacio vectorial M,, de todas las matrices 2 2. tratado en el ejemplo4.2.Capitulo 5 Un tipo particular de funciones transformaciones lineales 5.1 Conjunto de puntos que determinan la grafica de una funcién En este capitulo estudiaremos un tipo particular de funciones. Relacionaremos también esta clase de funciones con el concepto de matriz. Puesto que estaremos interesados en las transformaciones lineales (un tipo especial de funciones) queremos reforzar la idea que se tenga de conjunto de puntos que determinan la gréfica de una funcién antes de introducir el concepto de trans- formacién lineal. Haremos un breve repaso de las funciones y de sus correspondientes represen taciones gréficas. Si tenemos una funci6n de la forma f(x) =.x° - 2x +1,por ejemplo, decimos que ésta es una funcién que tiene una variable independiente llamada x que toma valores en los nimeros reales IR. Los valores de la variable dependiente fix) estan también en el conjunto de los mimeros reales R. Es por ello que es usual escribir una notacién compacta que significa lo mismo que se dijo antes escribiendo f: R > R. Queriendo decir que fes una funcién de variable real. La representa- ciGn gréfica de esa funcién la dibujamos en el plano cartesiano como un conjunto de puntos (curva) en donde la primera coordenada esta dada por la variable independiente x y la segunda coordenada esté dada por la variable dependiente f (x). El conjunto de puntos en el plano que determinan la gréfica de esa funcién es {os Fee R? | fG)=a*-2x41, xe R}, véase la figura 5.1. Taim ote ee eee Definicién. Sea f:R —R una funcidn de variable real, denotaremos al conjunto de puntos que determinan la gréfica de la funcién feomo G, y estar dada por G, ={(x, f(x)e R’|xe R}. Esta idea matemitica se ha generalizado a funciones de varias ‘variables. Por ejemplo, si tenemos una funcién de dos variables como la siguiente fix, y) =. + y, la nota- ci6n que se utiliza en este caso es el de f: R* > R, queriendo decir que tenemos dos variables independientes x y y, donde f(x, y) es la variable dependiente. En un caso como éste, la grifica de la funcién queda determinada por el conjunto de puntos en el espacio (R*), anélogamente como en el caso de una sola variable, seria para este caso {(x, y, f@ER'| fs arty, & Ye R*}, véase Ia fi- ‘gura 5.2. Es importante notar que jtx, y) es un mimero real, en este caso, el niimero real es x2 + y2, no importa cudl sea el valor de x 0 de y. La notacién f: R*>R precisamente nos esté indicando que tenemos una funcién que se evaltia en puntos del plano, que los deposita en la recta real, y que su gréfica esté en el espacio R’. Figura $2 En lo que sigue analizaremos un tipo especial de funciones, que son las transformaciones que van de un espacio en si mismo. ee5.2_Transformaciones y representacin matricial 123 5.2. Transformaciones y representacién matricial Introduciremos la relacién a la que hemos hecho referencia con dos ejemplos, el primero tratard sobre una funcién particular de R?en Ry el segundo el de una matriz A de R® en R°, EJEMPLO 5.14 Sea f:R? > R?, tal que f(x, x,)=(x,—x,). Notese que la gréfica de f esté en R¢ por ser_f:R? -R?, por ello, y por nuestras limitaciones para representar un dibujo en R‘, analizaremos el comportamiento de la funci6n de otra manera, que es a través de cémo transforma un punto en el plano en otro punto en el plano. Asf pues, pict6ricamente, se tiene (véase la figura 5.3) Figura 53 EJEMPLO 5.24 a . Sea A [i a yz ap tun elemento del espacio vectorial. Siacada elemento de R* le asociamos el elemento Az , de hecho estamos construyendo una funcién A:R?—> R? tal que a cada i le asociamos el 1 O}fx]_fx aeelnr? =| © | esdecir, A¥=| “| pictoricamente se tiene *] Lm. “a elemento A la figura 5.4. “remanent dn #2[*] ee pam coca BEE Mein dap leva See como (%,,%3) y (34.4) respectivamente.124 Figura $4 Hemos analizado que el comportamiento de las dos funciones es similar; de hecho, se ha introducido el concepto de funcién en términos matriciales (0 producto de matrices). Nota, Una transformacién es una funcién de IR" en IR. Nota. En algunos textos, cuando la transformacién va de un espacio en s{ mismo, su representacién grifica se dibuja en el mismo espacio. Por ejemplo, para la transformacién del ejemplo 5.2, de 1a figura 5.3, podemos representar el comportamiento de la transformacién en el mismo plano (véase la figura 5.5). EJEMPLO 5.34 seaA=|° 1 0. a) GEs A una transformaci6n? b) Sila respuesta es afirmativa, {de qué espacio en qué espacio? ©) {Qué caracteristicas tiene la transformaci6n?5.2. Transformaciones y representacién mati 12s Resolucién. A® representa una transformaci6n de R? en R°. Es decir, si ¥e R?, a cada ¥ se le asocia el elemento Az. Esto responde a los incisos a y b. En relacién con inciso ¢, sea ¥ E | un elemento de 2. % Lr akH x forma pict6rica se tiene la figura 5.6. de ahf que cada elemento # ] de R? se le asocia el elemento AX [ | En x Figura 5.6 ‘Se puede inducir que la transformaci6n es una rotacién de 90°. Al punto (0, 0) lo transforma en el (0, 0). Es decir, el (0, 0) es un punto fijo y ademis el tinico bajo esta transformacién, Definicién. Un elemento fijo%de una transformacién es aquel que cumple T (%)=Z. Sila transformacién la podemos representar en forma matricial, entonces: A¥=% EJEMPLO 5.44 10 Sea A= [i sh A:R? — R?, cexisten puntos fijos de esta transformacién? Resolucién. ara que un punto sea fijo, debemos ver si su vector asociado es fijo; 0 sea, que debe de cumplir que AX = X.. Dicho de otra manera, debe cumplirse lo siguiente:ns Capitulo 5 _Un spo pancular de fancones ransformsciones tnales 1 O)fa] [x x) [4 0 offs” Ly fo LOLs De abi, se obtiene el sistema an O=x, esto nos indica que el valor de x, puede ser cualquiera, y el de x, debe ser cero. Asi % pues, cada vector de la forma = [ ‘] ¢s fijo y por tanto, sus puntos asociados son puntos fijos. Lo cual quiere decir que todos los puntos sobre el eje de las x son fijos. Asi, esa recta es una recta fija. 4 x, La caracteristica de esta transformacién es que cualquier punto [ 4 formado en [ ‘] + es decir, es la transformacién proyeccién. Definicién, Una recta se dice fija con respecto a una transformacién si cada uno de sus puntos, asociados a los vectores respectivos, son fijos. Se dice recta invariante si cada uno de sus puntos, asociados a los vectores respectivos, bajo Ja transformaci6n permanecen sobre la recta, en el conjunto imagen. Nota. Sélo estaremos interesados en las rectas y planos que pasan por el origen. EJEMPLO 5.58 sea =|? ° ee T0 0 a) ;Tiene la transformacién de R*en R® puntos fijos? Entre las rectas que ppasan por el origen jexisten rectas fijas bajo la transformacién? 1b) Entre las rectas que pasan por el origen gexisten rectas invariantes bajo la transformacién? Resolucién. x, 5 Sea F | Je ‘R®. Para tener puntos fijos, debemos analizar sus correspondientes 4 veetores. ¥ debe cumplir5.2 Transformaciones y representacién matricial fed '5.2_Transformaciones y representacién matriciN) es decir, esto se cumple si y s6lo si Esto implica que sélo hay un punto fijo, el (0, 0); ademés, entre las rectas que pasan por el origen no hay rectas fijas, pero se puede verificar de la siguiente manera: wf lle)-L5) 2mH=H |x =0 O=mx, i esto da lugar al sistema esel nico punto que cumple el sistema, lo cual indica que no hay recta fija ‘Veamos si hay rectas invariantes, es decir que [Lalla \s que six, #0, y, #0, m=0, esto implica que am= yi O=my, Es decir, que la recta con pendiente m=0 es la nica recta invariante. Cualquier punto en el eje x, asociado al vector correspondiente, por ejemplo, X= (is R? se transforma en el AZ= (*] | Se puede decir que la recta horizontal es elongada bajo la transformacién. EJEMPLO 5.64 Sea A 20 ; F ‘} y cel cfreulo de radio uno centrado en el origen en R* (véase la figura 5.7). ;Cudl es la imagen del circulo bajo la transformacién?Figura 5.7 Resolucion. Cualinbeyectpe [:}: BR asociedau um punto (2) ie dda babi el cfrculo unitario (de radio igual a uno), debe cumplir que x; +x? =1 puesto que 2 0] [x] _[2x 0 1 Lx, % los vectores asociados a los puntos (1, 0), (0, 1), (-1, 0) (0,—1) bajo la transforma- i6n son los vectores asociados a los puntos (2, 0), (0, 1), (-2, 0) y (0, -1), respectivamente (véase la figura 5.8). Figura 5.8 puesto que la transformaci6n, en términos intuitivos, “alarga las abscisas de manera continua”, esperarfamos un “alargamiento del cfrculo”. Es decir, esperarfamos que el circulo bajo la transformacién fuese una elipse. Qué elipse?, la que pasa por los puntos antes seflalados que es Hey ao escrita de otra forma Ee ane neeeee129 2 Transformaciones y representacion matricial yerdyp ad. ser, La transformacién toma un vector [ \: R?, asociado a un punto sobre el Ay 2x,]_ m2 cfrculo y lo transforma enel vector AZ - 7 |: IR. Asi pues, debemos probar que % elpunto (2x. %) asocindo aese vector satisface la ecuacién de la elipse tomando en cuenta que %2-+23 =1. Partiremos del primer miembro de la ecuaciGn de la elipse y demostraremos gue es igual a4, (¥+4)=4 (2x) +4 (x) a4 +43 por tanto, la imagen del cfrculo unitario bajo Ja transformacién es una elipse cuya ecuacién es (Q2n)+4 (mj edie4dad (+H) ‘Una manera més corta, dejando de lado la parte intuitiva, de encontrar la ecua~ cién siguiendo un proceso algebraico es como sigue. % Larelacién entre los vectores del dominio | 4 Fy, ef IELEEE Que), y =I J. IR? ylos del contradominio eR'es es decir, ‘puesto que los puntos (x;, %, ) que nos interesan son Jos que cumplen con x; +23 sustituyendo los valores correspondientes en términos de y, y y, se obtiene 0 sea [jercicio: Analizarsihay puntos fijos, rectas fijas, ectasinvariantes ene ejemplo anterior. ee130 Capitulo 5 Un tipo particular de furciones:transformaciones lineales EJEMPLO 5.74 100 Sea A=|0 1 0], consideremos la transformacién A¥ de R°en R. 003 a) {Existen rectas fijas bajo la transformaci6n? b) ZExisten rectas invariantes bajo la transformacién? ©) {Existen planos fijos bajo la transformaci6n’ 4) {Existen planos invariantes bajo la transformaci6n? e) {Cudl es la imagen de la esfera centrada unitaria de R’, bajo la transforma ci6n? Resolucién. Sidemostramos que existe por lo menos un plano fijo, elo responderia a las pregun- tasayc. Latransformacién A es de R° en R®, si X,, X,, X., designan los ejes -cartesianos ‘enese orden, al analizar la transformacién se puede inducir que las primeras coordenadas no sufren cambio alguno bajo la transformacién. Asi pues, proponemos al plano X, X, como candidat. Cada punto del plano X, X; en Res dela forma (x,, x,y 0)y su vector asociado, bajo latransformacién debe permanecer fijo, verifiquémoslo: x] fl 0 0] fa] fa Alx{=|0 1 0] |x |=] o} lo o 3} lo} Lo por tanto, el plano X, Xz es fijo y cada recta que esté sobre este plano, es fija, ya que cada punto de la recta que esta sobre el plano es fijo, ara responder la pregunta b, tomemos la recta que coincide con el eje X,. Todo punto de esa recta es de Ia forma (0, 0, k), con ke R; el vector asociado, bajo la transformacién nos resulta 0] fi 0 07) fo] fo Alol=|0 1 0} jo\=|0 k] lo 0 3) Lk} [3k el elemento asociado a ese vector resultante es (0, 0, 3k) que también pertenece @ la recta, De hecho, cualquier recta perpendicular al plano X, X, (o paralela al eje X,) es invariante, Con lo anterior, no es dificil pensar en que hay una infinidad de planos invariantes. Cualquier plano perpendicular al plano X, X, es invariante, aunque para responder a‘52 Transformaciones y representacién matricial 131 a la pregunta d, bastarfa con encontrar por lo menos uno. Con demostrar que el plano X, X, 0X; X,es perpendicular a X, X, quedarfa contestada la pregunta. ‘Tomemos el plano Xz X3, por tanto sus puntos son de la forma (K;, 0, k,) con k,, ke R. Bajo la transformacién, el vector asociado a esa clase de puntos, se transforma en KR) [10 0] fk] [& Ajo|=|0 1 0] |o|=)0 k| [oo 3} Lk} 13%. puesto que el elemento asociado a ese vector, que es (Kk, 0, 3k,) es nuevamente ‘un punto del plano X, Xs, se tiene que X, X, es un plano invariante. ‘Ahora pasamos a la pregunta e, veamos la imagen de algunos puntos de la esfera, Los puntos (1, 0, 0),(0,1,0), (0, 0, 1), (-1, 0, 0), 0, -1,0) y (0, 0, =1) euyas imagenes bajo la transformacién son (1,0,0),(0, 1, 0), (0,0, 3), “1, 0,0), 0,-1.0) y (0, 0, -3) respectivamente, nos permite predecir que la imagen de la esfera seré ‘un elipsoide, véase la figura 5.9 a oe d4xitaz=l a abe dextsdber “1 & Figura 59 ara verificarlo, calculemos las imégenes de los puntos 3» % que cumplen con x7 +x} +x; =1; entonces, x4] [1 0 0) fa] fa Ajx|=|0 1 0 x] lo 0 3. Los puntos asociados a ese tipo de vector, son de la forma (x, + 3%) y deben cumplir con la ecuacién del elipsoide, 0 sea De ae132 Capitulo 5 Ua tipo particular de funciones:transformaciones tineales 2 OOO eaeeeereveeerrmin Patel (sy a(ay sl Nota. Andlogamente como en el ejemplo 5.6, se puede usar otro método para Megara la ecuacién de! elipsoide. ‘Ahora veremos otro ejemplo, en donde la prediccién es més dificil, y se hace patente el uso inmediato de algtin proceso algebraico para saber cual es la imagen de, por ejemplo, un cfrculo unitario centrado en el origen. EJEMPLO 5.84 Sea la transformacién M: R? — R* dada por M ¥ 1 0 4 % ia Utilizando ta transformacién, encontrar la imagen del cftculo unitario centrado. Resolucién. Sea [le RM fee IES] La intersecci6n del cfrculo unitario con los ejes cartesianos nos da los puntos (1, 0), ©, 1), C1, 0) y (0, -1); sus imagenes bajo la transformacién son respectiva- ‘mente (1, 0), (1,1), 1, 0) y (1, -1) 0 sea podrfamos predecir algdn tipo de curva que pasa por los puntos imagen, pero en este caso es menos probable el encontrarla (véase la figura 5.8). Sin embargo, siguiendo algiin proceso algebraico se determina €l tipo de curva que pasa por esos puntos. Figura $.10 Dado que5.3 Transforma 0 y mulidad 133 oh Mz f el {*] a Jl» donde y,€X; ¥ yz€ X; se forma el sistema Seen dae va soe yah Sustituyendo estos valores en la ecuaci6n ab+x} =I setiene a sty (y-a} tOn) = por tanto yP-2yyy2 #293 = centonces, la imagen del cfrculo unitario es una elipse (véase la figura 5.11) cuyos ejes principales no coinciden con los ejes cartesianos: Figura 5.11 5.3 Transformaciones lineales, rango y nulidad En este apartado definiremos un tipo especial de transformaciones, que de hecho ya hemos trabajado con algunos ejemplos y que son las Ilamadas transformaciones Tineales, que cumplen con las condiciones que se enuncian a continuacién. Definicién. Sean E y F dos espacios vectoriales. Una funcién T de E en F se dice que es una transformacin lineal si para cualesquier vectores X, Y€ Fa un escalar de R, se tiene que: a) T(z+5)=7(%)+7 (5) b) T(az)=aT (3).134 Capitulo 5 Un tipo particular de funciones: trnsformaciones lineales EJEMPLO 5.9% 1 | Sea T:R? > R?, dada por ra@)-[ 4 [:]- Demostrar que T es una trans- formacién lineal. Demostracién, Scan %,5 dos elementos de R* y cen R. oreo EER Teh a2..] LH aRG JEL Soe. ‘] [: ol ne alti 5) [ sare. Nota. Dada un transformacién lineal entre dos espacios vectoriales, las propiedades a) y b) de la definicién de transformacién lineal se puede reducir a una condicién que las aglutina, que es: dados %, Fe E, a, Ben B, se debe cumplir que T(aX+B 3)=a T(R)+B (5) EJEMPLO 5.10% Sea M,,el espacio vectorial de las matrices 2 x 2. Consideremos la transformacién ‘Ja b lc dl esunelementode M,,, T(A)=|, | janie © 1 T:My > Mz talquesi A E 4 1 Demostrar que 7 es una transformacién lineal. Demostracién. Sean A y B dos matrices de M,., y oc un escalar de B. nal = ab e 1 1) [a a+B e @ d+, » resol lle chels slp dle ccs s cece) [a a+B eto c+ g a b+B fra d+p ‘I a at eto c+B g a b+p fra d+p h fc atac a b+a ‘i Be+Be Bs+B i watac o brad) |B eth g B f+Bh a [tte Std], [ere f+t ate bed] lete f+h “PE ot I, eran53. Transformaciones lineales, rango y nulidad 135 EJEMPLO 5.114 Sea E el conjunto de todas las funciones continuas de variable real. Sabemos del ejemplo 4.3 que E es un espacio vectorial real, Definimos una transformaci6n lineal de Een R de la siguiente manera T(f) = f id f(t) dt. Demostrar que T es una transformacién lineal. Resolucién. Sean f, g dos elementos de E y o, Ben R. Entonces, Tea f+09)=f\lafr8 a) @at= f(a f(t) dr (8 g)@ ar =a fs) dt+Bf gd =aT(f)+3 7). ‘Teorema. Sea T: E> F una transformacién lineal, entonees si x, son vectores de E, y @ Bescalares de R, se tiene que: a) 7 (5)=0 b) T(a %-B 3)=a T(%)-B T(3). Demostracién. Utilizando las propiedades a) y b) de transformacién lineal de 7. se tiene a) 7(0)=7(0+0 7(5)+7 (6). Sumando a esta igualdad entre vectores, ()-700)=100) T(a%+(-B5))= a7 (%)+(-B)T(3)=aT (3)- BT (5) el vector ~1 (3), se obtiene que 6 b) T(ak-BS Un aspecto importante por analizar de las transformaciones lineales es el conjunto de vectores del espacio E que bajo la transformacién lineal los leva al veetor ‘cero del espacio F. Este conjunto recibe un nombre especifico, llamado el micleo de Jatransformacién lineal Definicién. Sean Ey F espacios vectoriales y T una transformacién lineal de Een F. Definimos al nticleo de T como el conjunto de vectores de E que bajo T Jos lleva al vector cero de F; es decir, micleo de T={%e E1T(%)=O}. Defi- nimos también el conjunto imagen de T como el conjunto de todas las imagenes de T; es decir, imagen de T ={Ze F| 2=T7(%) para algiin te =} feces ee136 Capitulo $_Un tipo particular de funciones: transformaciones lineales EJEMPLO 5.124 1 Ol [x 0-1) |x consta de un solo elemento, y que el conjunto imagen de Tes R. Sea MT:R? — R’, dada por T(%)= - Demostrar que el nticleo de T Resolucién. 1 ‘| a) Sea ¥= | cualquier vector de R?. Si T(%)=0 , debe cumplir que [ ay a 4 . Porconsiguiente, el nico vector p]=9.1ocmtimplicaqe 420, x)= x2} [0 bajo la transformacién que cumple con T()=6 esel vector = ch es decir, el vector 6, es el tinico que bajo la transformacién le asigna el vector 0. b) Tomemos cualquier vector en el contradominio y construyamos un vector ‘enel dominio que bajo la transformacién tiene como imagen al vector inicial. a 2 construimos el vector ¥ asignando x, = 21, % bajo la transformacién 7, obtenemos 1 Of lo 1) |-2, Teorema. Si Tes una transformacién lineal de E en F, entonces a) El conjunto micleo de T es un subespacio vectorial de E. b) El conjunto imagen de 7’ es un subespacio vectorial de F. un elemento cualquiera del contradominio, Entonces, tomando z-| ja le. =i. 7(3) f Olly, 0 -i\|x, Demostracién. De acuerdo con el teorema de la seccién 4.4, basta con demostrar que si $ es un subconjunto no vacio de un espacio vectorial E, entonces S es un subespacio vectorial si para cualesquier elementos %, 5 en S, entonces es un elemento de S; ademés, que si aes un escalar y un vector de S, es un elemento de S. a) Sean %,5 dos elementos del niicleo de 7. Por tanto, T(#)=0, T(5 ‘Veamos qué sucede con ¥+5.137 T(#+5)=7 (#475 Por tanto, ¥+y es un elemento del niicleo de T. Ademis, para orescalar y x elemento del micleo de t, se tiene que porhipétesis, luego, T(%)=aT (%)=a0=0. De ahi que @% es un elemento del nicleo de 7. ) Sean 2,1 dos elementos del conjunto imagen de T. Queremos demostrar que 2+¥ es un elemento de la imagen de T; es decir, queremos encontrar un elemento Fe E tal que T(7)=2+i0. Puesto que 2, son elementos del conjunto imagen de T, existen %, Fe E tales que T(%)=2. T(¥ %+¥. Por ser T una trans- formacién lineal, ac T(5)=7(3+5)=2+0. Por tanto, 2+ es un elemento del conjunto imagen de T. Ademés, para a escalary Z elemento de imagen de 7, debemos probar que a Z es elemento de imagen de T. Por hipétesis, existe % en E, tal que T(% Ahora bien, puesto que @ esunelementode E y Tes una ransformacién lineal, T (a)=aT (%)=a2, Jo cual indica que a es un elemento de imagen de 7. Definicién, Si Tes una transformacién lineal de E en F, entonces definimos ‘Nulidad de T = Dimensién del miicleo de T Rango de T = Dimensién de imagen de T EJEMPLO 5.134 Sea T:R® — R’ dada por TX= | ‘a) Demostrar que T es una transformacién lineal. b) Encontrar el conjunto méicleo de Ty su dimensi6n (nulidad de T). ¢) Encontrar el conjunto imagen de Ty su dimensin (rango de 7).138 wulo S Un tipo particular de funciones: ransformacidnes lineales Resolucién. a) Sean 3,5 elementos de R’, y @, escalares de R. 10 0} (fa x] [B x]) [1 0 O)fa x+B x] [a x48 x oil «slp allfe is & xm+B y, [=| @ H+B oy» 00 a\\lax) [6 »J} lo 0 3}la arb »] [eo 5438 os ax) [Bx x » 10 0) [x alls =| @ x |+] B =e] xm [+B] >, [=a]0 1 0] )m]+B}0 1 0) >» SHEE SEE le =aT (3)+BT (3). T (az+B3) b) Sea % cualquier vector de R°, analicemos los puntos que bajo T van al vector cero de R’ (visto como contradominio). senate sariamente », y %=0. Lo cual indica que el conjunto néicleo de Tes cero. La dimensién del nacleo de T es por tanto cero. ©) Demostremos que imagen de T es R°. Para ello, tomemos cualquier vector = en R’,y debemos encontrar un vector ¥ tal que bajo la transformaci6n se T(6)=6, entonces T(x . Por tanto, nece- obtenga Z.Pongamos x, =z, =%Y% Ahora calculemos 7 (3). 10 O}fx] [x] ]a 7(z)=|0 1 || x, |=] » |=] 2 |=2-Conlocual hemos demostrado que 00 3\ly] Bn} |, imagen de T es R®, por tanto, la dimensin de imagen de T'es 3. EJEMPLO 5.144 la b cd 2x2, al mismo espacio. Es decit, T: Mz > Mz i a] seara {1 1 ‘una transformacién del espacio vectorial M,, delas matrices5.3 Transformaciones I ales, rango y nulidad 139 8) Encontrar el conjunto nicleo de 7’ su dimensi6n (nulidad de 7). b) Encontrar el conjunto imagen de Ty su dimensién (rango de 7). Resolucién. ‘a) Sea A un elemento cualquiera del nticleo de 7. Por tanto, [ ‘| a ye m4l-[5 @ Pera, =a, d =P 11 0 TOA) cd} late b+d} lo Ello quiere decir que los elementos del conjunto nticleo de T son de la forma ab -a -b| Para encontrar la dimensién del nticleo de T debemos encontrar una base. Proponemosa ; if y [° 1 eseulesson cements del ncn deT. ‘Ahora veamos si son linealmente independientes. Sean a, B escalares, tal que (i ckale fe sl=[s sls shoe" tanto son linealmente independientes. Ahora debemos probar que generan al nécleo de 7. B=0. Por ab Sea [3 __, {reste elemento lo debemos poner en combinaci6n lineal con 0 [ : Ht y | it Entonces, si definimos «=a, f =b, se tiene que: -1 of” |o ab 10 ool mensién del nticleo de Tes 2. a b) Sea V -[ | un elemento del subespacio imagen de T. Por tal motivo, rs debe existir una matriz que bajo T nos proporcione ese elemento. Es decir, 1 Ifa 6]_fu v afere bea] fu v ,0sea = rifle al"[r spo arc bral |r sf" nves.140 Capitulo $ Un tipo paricular de funciones transformacionestineales 2 a Por tanto, los elementos en el subespacio imagen de 7, son de la forma: v-[t ‘I De ahf que podemos proponer una base para imagen de 7. Propongamos dos elementos de imagen de T como candidatos a formar la 1 of * |o 1 dependientes. base: [i a 7 i I Debemos probar primero que son linealmente i Sean a, B escalares, tales que cea ee see aye shave Por tanto son linealmente independientes. Ahora debemos probar que generan al subespacio imagen de T. Sea E } cualquier elemento de imagen de T, este elemento lo debemos A Entonees, si definimos poner en combinacién lineal con [ ah iy (° ‘ 1 0. wv fo a=u, B=v,setiene que: |" */=a|) 9 se tiene que la dimensién de imagen de Tes 2. ra [° 1 Asi, finalmente, Nota, No es una casualidad el que la dimensién de niicleo de T més dimensién de imagen de T sea igual a 4, que es la dimensién del espacio vectorial M >. A conti- nuacién enunciaremos un teorema relativo a este resultado que pareciera a primera vista como caso particular, pero que de hecho es posible generalizarlo. ‘Teorema. Sean E y F dos espacios yectoriales de dimensién finita y una transformacién lineal, Entonces, dim Imagen de T+ dim Niicleo de EOF im E. Demostracién. a) SiTeslatransformaciGn lineal cero. Es decir, que paratoda Ze E, T(#)=0, entonces, el Nucleo de T es igual a E (todos los elementos de E van al vector Ode F), por tanto, dim Niicleo de T= dim E, ademés que Imagen de T consta de un solo elemento {0}. y su dimensién es igual a cero. En este‘5.3. Transformaciones lineales, rango y nulidad 4 caso, entonees, tenemos que: dim Imagen de T+ dim Niicleo de T= dim Imagen de T +0 = dim E. 'b) Supongamos que T no es 1a transformacién lineal cero. Sea {%, .... ¥,} ‘una base del subespacio Nicleo de T, y {Z,, ... ,Z,} unabase del subespacio ‘Imagen de T. Debemos demostrar que dim E=n +m. Para ello, debemos construir una base con n+ m elementos de E (véase la figura 5.12). ‘Tomemos los {%, ..., %,} elementos del Nicleo de T, y por tanto son elementos de E. La base {2,, ..., Z,} de Imagen de 7, son elementos que no estén en E, sino en F. Pero por ser elementos de Imagen de 7, existen Fj, 4 Fm Clementos de E tales que 7(3)=4, 70; Figura 5.12, Propongamos al conjunto de vectores {¥, ..., ¥,5 Fis «+++ J} Comouna ‘base del espacio vectorial £, Debemos probar, por tanto, que son linealmente independientes y luego que generan al espacio vectorial E.12 Capfiulo $__Un tipo particular de funciones:transformaciones lineales SeAM 04,25 gs Oggtresey Opa eScalares de R, tales que: Oy to Fy Ey Hg Th tot Opa Te a) Esto bajo Ia transformacién lineal, se tiene que OT (%) +... 40,7 (%) + Opa T (51) +--+ Ona T (Fon Por hipétesis {%,... ,%,} son elementos del Niicleo de 7, por tal motivo, T (3,)=0, ie (1...., m). Sustituyendo en (2), obtenemos que =1(5)=6. Pero T(3,)=%. 7(3, T (5,.)= %,» los cuales forman una base de Imagen de 7. Ello implica que o,,, =0,...,04,,,=0. Ahora bien, Obs T (F,)+ oC T (Sy sustituyendo estos valores en (1), obtenemos que’, #, +...+c, 3, =0. Puesto que {i,,...,3,} es una base del Nticleo de 7, ello implica que 01, =0,...501, = 0. O sea finalmente, o =0,..., 0, =0, 0,4; =0, Jo que indi- aque Sy... 4%yy Jives J SoM linealmente independientes, Falta probar que {%, ..., %, Jy ---+Jq} son un sistema de generadores de E. Sea ii un vector de E, debemos poner a i como combinacién lineal de Froese eT» T (iz) es un elemento de Imagen de 7, y como hemos elegido alos. {Z,,... .Z,} ‘como una base para el subespacio Imagen de 7, existen B,..., By escalares tales que T(a)=B,2,+..+B, 2% =BT (5,)+--+BaT (Iq)=T (B,5,4---+ Ba In) De aqui obtenemos T (i— f, 5; -...~B,, J,)=0. Lo cual nos dice que el vector iif, 3,-...-B, J,, es un elemento del Nuicleo de T. Puesto que {3,,... .¥,} forman una base para el Nuicleo de T, existen a,,...,c%, escalares, tales que &—B, 5, ~...~ B,J, =O) ¥,+...+0, %,. Bs decir, beh, E+ B, 5, +. + By Te5.4 Bjercicios 43 SA Bjerciclos Entonces, como {%,,... +, generan a E, ello implica ‘que Imagen de 7. Ja} son linealmente independientes y im E =n + m= dim Nocleo de T + dim 5.4 Ejercicios Construir la representacién geométrica de cada uno de los conjuntos dados en los siguientes seis ejercicios. 1 a) {(xfo)eR' [xe RFQ) =a} b) {(x f@)e R’ |e Rf) =x} ©) {(xf@)e R’|xe R, F(a) =3x} &) {(xfOd)e R|xe R, $0) =3x—5} 2. a) {(uf@) Je R'|xe R, f(x) =x eI b) { (nf @)e R*fxeR, f= } ° {(n#0) Je R*reR, f(a) =(x43) } &) {(x,f@)e R?|re R, fs) = (x43) 2} reR—{0}, sont} b) 3. a) {(esemper [osseoyem reR-(0}, p= +}144 Capitulo 5 _Un tipo particular de funciones: trnsformaciones lineales ©) {(xfGo)e R' fre R- {2,2}, FO) syeR (4y") =4(2-y}} b) {(xy)e R'E R, (7 tye +n} | 4. a) f(s») eR? { {( ©) {(uy)eR’b.yeR, x+y? -6xy } 5. a) {(n fe R* [xe R f(x) =sen ()} by {(n f@)e R’|ze R, f(a)=c0s (®)} ) [sso Rr ve r| f(x) tan «| 6. a) [ora R'|x,y,zeR, b) foser’ ny zeR, z ©) (x92) R' ayzeR, 2 =5-2 +y'} a [(rser nyzeR, 7. Delos conjuntos descritos en los ejercicios del 1 al 6, ;cudles representan a la grifica de una funcién? Justifica tu respuesta. Para los dos ejercicios siguientes describe geométricamente (graficando la imagen de algunos puntos representativos) la transformacién A¥.9. a) A=|O -1 0 b) A=|-1 0 0 0 o1 001 10. Para cada uno de los ejercicios 8 y 9 determine 1a) los puntos y rectas fijas; ) las rectas invariants. ©) En caso de que existan, trazar algunos de ellos; puntos fijos, rectas fijas rectas invariantes. iT 11, Sealatransformacién #9 M % con M + ‘] {Cuales la imagen del circulo unitario bajo esta transformaci6n? 12. Sealatransformacién %—> AX con A= at {Cudl es la imagen del cfrculo unitario bajo esta transformacién? 13, Interpretar geométricamente cada una de las transformaciones AX y B% con A -[ 1 yB= (s ol y comprobar que AB% corresponde a la transfor- ‘macién compuesta obtenida al aplicar primero B y después A. 14. Con Ay B como enel ejercicio 13, interprete BAZ como una transformacién y note geométricamente la diferencia con respecto a AB. 15. Comprobar que la transformacién AX determinada por Ia matriz 1 1 ns ‘Meee Va. es un giro de 45* en el sentido de las manecillas del reloj, al146 Capitulo $ Un tipo particular de funcione: tansformaciones calcular la matriz inversa y describir geométricamente la transformaciGn determinada por esa matriz. Poa? “ Lk 16, Probar que la transformacion 2+ M ¥ con M =|, | transforma los puntos fijos y los planos invariantes. ara las transformaciones dadas en los ejercicios del 17 al 21 conteste las siguientes preguntas: a) (Existen planos fijos? b) (Existen planos invariantes? 0-3 5 17. 34 AX, donde A=|-1 0 —I] -2 6 | Hoel 18. +9 AZ, donde A=|-1 -5 1}. 32 3] 1-1 Q 19. 4 A%,donde A=| 0 -1 | -1 6 2| -1 0 0) 20. E++ AZ,donde A=| 0 —1 0}. Cus serd la imagen de la esfera unita- 0 0 -1 ria centrada en el origen? 0 9 3 0}. gCudl serd la imagen de la esfera unitaria o1 21. + Ax, donde A= con centrada en el origen?5.4 Bjercivios 17 22. Considerando las transformaciones de los ejercicios 19 y 20, cual es la imagen de la esfera unitaria centrada en el origen bajo dicha transformaci6n? Determine el nticleo y la imagen de cada una de las transformaciones dadas en los siguientes cuatro ejercicios: ° 1 3) [x 7-3) [4 23. a) T(F | i T(z)= iI, Pan 4 Sihs orl=l4 AE 6 -3)[x, 83), 24, a) T(3)=| b) 7(%)=' A) » (3) , ||, » Tq sll, 3-3] [x 1 14] [x, 25, a) T(¥ 8 4i|x, b) 7(%)=|19 5 21) |x, 0 6 2 |x 2 13 23i\x, 3-3 5) [x 8 lx 26. a) T(#)=|-1 8 4} )x 5 W\x -2 6 lx, ly 1 8 14) fx, J 27. a) AZ=[19 5 21) |x,|, ges w=) 5) un elemento del niicleo de A? 2 13 23| |x -3| 1 8 14) [x 1 28. a) AZ=|19 5 21) |x,|,ces w=| 0] un elemento del niicleo de A? 2 13 23) |x -1 Justifique el que sean o no espacios vectoriales reales los conjuntos dados en los siguientes tres ejercicios: 29. | efee 4 ee148 Capftulo Un tipo particular de funciones: tansformaciones lineales ee 30. flz,Jutn+y=3}. i, 31. |x.) +2x,=5x-I}. Ls. Sea A... ,entonces, al describir el teorema o resultado correspondiente, justifique el porqué son ciertas 0 falsas las oraciones en los siguientes cinco ejercic : 32. Lanulidad de A es el conjunto soluci6n de A¥ 33. El nticleo de A es un espacio vectorial. 34, La imagen de A es un espacio vectorial. 35, El rango de A es un espacio vectorial. 36. Investigue sus lados referentes al espacio columna de una matriz. A (Col _ A). Para cada par de sistemas de ecuaciones dados en los siguientes cinco ejercicios, suponga que uno de los dos tiene una nica solucién. Sabiendo esto y haciendo uso del ejercicio 36, explicar por qué el otro sistema debe tener también una tinica solucién. By -x +124 = -18 By -x 412%, = -72 37. 15y+3x,-9x, = 0 15x, +33, -9%, 0 9x,-2x,-5x, = WI 9x,-2x,-5x, = 4 Bxt424 = -22 3y+x, 424, = 11 38.0 tH 4 a-mtH = 2 2x, +3x, -24, 4 2x, 43-24, = 2 Sxtm—4y = 4 39. Aomom = 0 2x, -3x, +6x,5.4 Bjercit 149 Oe Rtyem a4 RtKoHy = 32 40. 2x-x+2x, = 5 2x, -x, +2x, 40 x+2ntx = 15 4t2x,+2, = 120 3x-2m+4x, = 25 3x-2yt4x, = 5 41. 6x,-x,+12x, = 35 6x,-x, 412, = 7 3x +x, +13x, = -05 3y+x,413x, = -1 42, Considere el espacio vectorial de todas las matrices 2x 2 y, suponga que se tiene la transformacién dada por T(A) = A+’ , entonces: a) Tes una transformacién lineal. b) SiBe M,,, ycumple con B’ = B, entonces determine una matriz C tal que IC) =B. 43. Sean i [;] yr(z [ Pe |; jes Tuna transformada lineal? x +m 45, Sean = }y re@)-/ A i Ges T una transformada lineal? by -24| aaa ta i Ges Tuna transformada lineal? xt i; EA 46. Demuestre que P es una transformacién lineal, donde P:R’ —> R° esté definida por P(x...) = (23,0). 47, Sea I: R* — R? definida por 1(¥ entonces / es una transformacién lineal. A I (#)= se le conoce como la transformacién identidad. ‘Suponga que E es el espacio vectorial real de los polinomios p(x), entonces de- ‘muestre que las trasformaciones dadas en los ejercicios 48 y 49 son lineales: 48. La transformacién derivada D: E— E definida por D(p)= seo),150 Capftulo $ Un tipo particular de funciones: ransformaciones lineales 49, La transformacin integral $:E + E definida por 3(p)= J p(x)dx. 50. Sea T:R? > R® definida por T(z ¥.T)¥, donde 7-7 tonces T es una transformacién lineal. Construya una representacién geométrica (que ilustre 1a forma en que transforma a cadaCapitulo 6 Valores y vectores caracteristicos 6.1 Valores y vectores caracteristicos En este capitulo, nos interesaremos por las rectas invariantes que pasen por el origen bajo una transformacién en forma matricial Ciertamente, queremos analizar transformaciones de R*en R*y de R’ en R’. Lo que hemos venido haciendo en espacios de dimensién dos o tres, se puede generalizar, De hecho, en el tema de. dlgebra lineal, estas nociones se extenderdn a espacios de dimensién mayor a tres. Las transformaciones que trataremos, serin A:R? >R? 0 A:R’ > R° con la siguiente propiedad, si ¥ es un elemento de F? o R, : AE=Az donde Ae R esto intuitivamente quiere decir que si ¥#0 esté sobre una recta que pasa por el origen, bajo la transformacién seguir4 estando sobre la recta. Veamos un ejemplo grifica y algebraicamente. EJEMPLO 6.14 -1 0 sea Aim? alone A=[ psi FR = is Fai fs Se} 151132 Capitulo 6 Valores y vectores 12 para saber si la transformacién A tiene rectas invariantes, debemos tener que =A3 con Ze R, entonces [eb Eis) Am y0=Ax, 0 sea (A+Dx, =0 Ax, =0| el sistema tiene la soluci6n trivial x, =0 yx =0 no importando el valor de A. Pero si x, #0, obligatoriamente 4. =-1 yx, =0. Ahora bien, cualquier punto sobre el eje horizontal es de la forma (x,, 0), y si tomamos A =~1, estos puntos asociados a los vectores respectivos cumplen Gon el sistema. Resumiendo, para cualquier punto sobre el eje horizontal mfr dhs Como sefialamos en el capitulo 4, a los mimeros los hemos designado como escalares y alos % como vectores. Asi, si tomamos al vector asociado al punto (2, 0), bajo la transformacién obtenemos el vector asociado a (~2, 0) que esté sobre “la misma recta” (véase la figura 6.1). AE O] se tiene a 20% Figura 6.1 Definicién. Sea A una matriz cuadrada, A: R? > R?(o A:R’ > R°). Si se cumple que A¥=A% para algun real y vectores #0 de R* (ode R°),a los valores A se Jes llamara valores caracterfsticos y, a los elementos % que cumplen A¥=A% de R? (0 de R°) se les lamaré vectores caracteristicos.6.1 Valores y vectores caracteristicos 133 Nota. En algunos libros también se les llama valores propios y vectores propios, 0 eigenvalores y eigenvectores. Lo expuesto en los pérrafos anteriores nos muestra que la condicién AX = 2% es equivalente a un sistema de ecuaciones; si por ejemplo, % My Az] dy a, a, by Mn lacondicién A¥=A% es a] fa] [x ay | | |=Al ais) bs que es equivalente al sistema 44, 5 4g X44, §, = 25%, Gy XO Hy FO) X= Ay 4 X40 +04 % = Ax, es decir, (4,-A) % +42 244; 4 =0 a, 4+ (dA) tay X= 0 Gy, X, +. H+ (dy —2) 4 =0 es fécil de ver x, =0, x, =0 y x, =0 es solucin del sistema y que este sistema st escribe en forma matricial, con /, representando la matriz identidad de 3 x 3, come (A-AL) #=6 6 En este momento, haremos uso de un teorema en relacién con los sistemas homo ‘g6neos lineales que dice: Un sistema de ecuaciones lineales homogéneo admite otra ‘soluciones distintas de la solucién cero (la trivial) si, y solamente si, el determinant del sistema es cero. Asi pues, el sistema anterior tiene soluciones distintas de la trivial s y solamente si, a,-2 ay as JA-ABI=[ 4, Gn A aay ay ay a, — 2134 Capitulo 6 Valores y veetores caractefsticos en forma equivalente si (4, ~A)L[ (@a2 - 4) (235 2) 4:03] ~ da [2a (239 2) ~ an +445 [aeas — 2s (A ay]=0 Definicion. Sea A una matriz cuadrada, A:R? > R*(0A:R’ > R’)al polinomio en términos de A que se obtiene de |A-Al| se le llama polinomio caracteristico. Los 2 que sean raices del polinomio caracteristico, sersin los valores caracterfsticos de la matriz. Es decir, los 2 que satisfagan la ecuacién |A-AJ|=0. EJEMPLO 6.24 1 Sea af; |: A: R? — R?, encontrar los valores y vectores caracteristicos de 2 Ja matriz A. Resolucién. |A-al, I-A 2 ~AY2-2)-6 |; al (= AY(2=2) (1-Ay(2-2)-6=0 es decir 17-31 —4=0. Resolviendo esta ecuacién de segundo grado en A se obtiene A, =4 y A=-l. ara encontrar los vectores caracteristicos, analicemos AR=4¥ yAE=(-DE BIER: bacre tl de ahi se obtiene igualando a cero obtenemos asf pues, 3x, +21, cl primer sistema es equivalente a 3x,~2x, =0, ecuaci6n asociada a 7, =4 el segundo sistema es equivalente a x, +x, =0, ccuaci6n asociada a , =—1 puesto que cualquier valor de x, y % que satisfaga 3x, —2x, =0 esta sobre la recta a6.1 Valores y vectores caracteristicos 135 invariante bajo la transformacién (andlogamente para la otra ecuaciGn). Asf pues, sly x, =-1 para la 3 : podtamos tomar x,=1 y x, =3 parala primera ecuaeién segunda, Por tanto v-[y 3] y W'=[], —I], son vectores caracteristicos asociados a A, =4y A, =-I respectivamente (véase la figura 6.2). Figura 6.2 3 Las rectas que pasan por el origen y por los puntos | 1, :) y (1, -1) respectivamente, quedan invariantes bajo la transformacién. Se puede observar que cualquier punto sobre las rectas puede asociarse a los valores caracteristicos. Por ejemplo, pudimos haber tomado #’=[2, 3] y i” =[2, -2] y también serian vectores caracteristicos asociados a los valores caracteristicos A, = 4y A, =—I respectivamente. EJEMPLO 6.3% 7200 Sea A=|-2 6 -2], encontrar los valores y vectores caracteristicos de la matriz.A. 02 5 Resolucién. 1-2 0 \A-a Bl=|-2 6-2 -2 |=(-A) [(6-2)(5-a)-4]+2[(-25-A)] 0 2 5-A =-/) +184? 992 +162156 Capitulo 6 Valores y vectors earactersticos Oe igualando a cero y multiplicando por—I se tiene 2-182? +991-162=0 sabemos que los divisores de 162 positivos y negativos son posibles candidatos a ser rafces del polinomio y ellos son +1, #2, £3, £6, £9, £18, £27, £54, £81, £162 utilizando alguno de los métodos para verificar si esos valores son o no rafces del polinomio, por ejemplo utilizando la divisién sintética u otro método se obtiene que 2,=3, 26 y A=9. Analizaremos primeramente Az =3x, 0 lo que es lo mismo [A~3/,] se tiene: de ahi, se obtiene el sistema 2x, +2x, sumando la segunda y tercer ecuacién, obtenemos 4x,-2x, =0 si damos el valor de x, =1 se obtiene x,=2 y x,=2 y vemos que estos valores cumplen con el sistema. Por tanto %=[1 2 2]',es un vector caracterfstico aso- cciado al valor propio 2, =3. Anélogamente, para 2, correspondientes ¥;=[2 1-2] que y A, =9 se obtienen los vectores caracteristicos [-2 2 -1]', véase la figura 6.3. Puesto 3 12 18 6 6 | HAI =A =| 18 6 -12 -962. Matrices equivalentes y diagonalizacién 137 Figura 63 Las rectas invariantes bajo la transformaci6n son las tres rectas determinadas por los vectores i, #, y ¥, 6.2. Matrices equivalentes y diagonalizacién Enos siguientes dos apartados, presentaremos algunas definiciones que nos permi- tirén abordar aplicaciones a las secciones cénicas. En el capitulo 3 caleulamos matrices inversas, la siguiente definici6n intenta caracterizarlas. Definicién, Una matriz A cuadrada_n xn, se denomina no singular 0 inversible, si existe una matriz nx n, denotada por A“, tal que AA = I. La potencialidad de la notacién matricial se hizo evidente en el capitulo 3, cuando relacionamos la resolucién de ecuaciones con su correspondiente matriz aumentada. De hecho, pudimos obtener bajo ciertas operaciones con los renglones 0 co- Jumnas de la matriz aumentada, una nueva matriz que permitfa llegar a la respuesta deseada. Caracterizaremos como en el caso anterior a esas dos matrices bajo la siguiente definicisn. Definicién. Sean A y B dos matrices mn, entonces decimos que A es equivalente por filas (columnas) a B'si podemos obtener B bajo operaciones elementales (en un proceso finito) realizadas en los renglones (0 columnas) de la matriz. A. Nos hace falta una definicién mas que liga las dos anteriores. Definicién. Sean A y B dos matrices cuadradas n xn, entonces decimos que Bes semejante a A si existe una matriz P no singular (0 inversible) tal que B=P"AP.138 Capitulo 6 Valores y vectores caracteristicos EJEMPLO 6.44 12 4 0 Sean A= E ‘1 yB (i . Encontrar para este caso particular una matriz P no singular tal que B = P~!A P y por tanto B deberd ser semejante a A. Resolucién. Del ejemplo 6.2, encontramos que los valores caracteristicos de A 2 son 4,=—4 y A =—1,ademés, que s-[}} yw 2 [ ‘| son dos vectores caracteristicos asociados a los valores caracteristicos 2,, A; respectivamente. sos dos vectores los utilizaremos para definir la matriz P, de la siguiente mane~ 2 2 ra, Proponemos +; ‘| Calculemos ahora P~!, por medio de la matriz. u- mentada; 1 \ F ant 1 itt of |? tig ° 1 |> 12 “lo : = 3 210 1) |3 -2}0 0-51-31 {a ty 1 Lais 0 1612 3 ts al], is 2 Oi ms] 19 Tit Ws Maa Por lotanto, P"=| 3 * . Ahora calculemos P™A P. io 7S. 4 4 1 2)[2 2 ae 8 2 prap-|5 5 3S =), aP=\ 3 als 2f[3 2)"]3 1] 2 2. io 5 10 “5 EJEMPLO 6.54 72 0 3.0 0 Sea A=|-2 6 -2|, y B=|0 6 0|.Encontrar una matriz P no singular tal 0-2 5 009 que B= PAP y por tanto B deberé ser semejante a A Peas ee nnn nan16.1 Valores y veotores caracteristicos 153 Nota. En algunos libros también se les llama valores propios y vectores propios, 0 eigenvalores y eigenvectores. Lo expuesto en los pérrafos anteriores nos muestra que la condicién AX es equivalente a un sistema de ecuaciones; si por ejemplo, A % Ay 4 A=|a, Gy ay |, ¥=|% a ee la condicién AX S42 Ss 4 e AT=|ay an an] | |=4) a que es equivalente al sistema H+ Op By +O % Gy HHO % +0y = AN yy X, Hyg Xp + yy % = Ay es decir, (a) -2) 4 22th = 44 +(dq—A) % +n % Ay, % Hayy % +(4y-A) =O) es fécil de ver x, =0, x; =0 y x, =0 es soluciGn del sistema y que este sistema se escribe en forma matricial, con I, representando la matriz identidad de 3 x 3,como (4-41) #=0 En este momento, haremos uso de un teorema en relaci6n con los sistemas homo- _géneos lineales que dice: Un sistema de ecuaciones lineales homogéneo admite otras soluciones distintas de la solucién cero (la trivial) si, y solamente si, el determinante del sistema es cero. As{ pues, el sistema anterior tiene soluciones distintas de la trivial si y solamente si, yma yy cr %, a, 7A dy \=0 a My ay \a-a1,|ccaracterfsticos a 5 3 12 -18 ptap=| 2 6 6 18 2 6-2 9 9 6.3 Formas cuadraticas asociadas a las secciones c6énicas y superficies cuadraticas En esta ultima parte, relacionaremos las curvas de segundo grado que tengan un centro de simetrfa, y sus ecuaciones correspondientes en forma matricial ‘Como objetivo principal se tiene el de generar ideas geométricas e intuitivas que, en un curso posterior de Algebra lineal se volverdn a analizar; pero en espacios de dimensién mayor a tres, Enel plano, una c6nica cuyos ejes principales coinciden con los comrespondientes al plano o espacio cartesiano, tiene por ecuaciér ax? +2rx,x, +bx; =c, donde a, b, c y r son constantes Esta ecuacién, la podemos escribir matricialmente de la siguiente manera: a Ejercicio. Hégase la multiplicacién de matrices de la f6rmula anterior para obtener Ia ecuaci6n de las c6nicas centradas en el origen, Por tanto, toda cénica con centro de simetria tiene asociada una matriz simétrica. ar [al ‘Analizaremos enseguida un ejemplo que relacionaré conceptos de tangencia y normal a una curva desde el punto de vista geométrico y algebraico. Definicién. Si A es una matriz simétrica 2 x 2 0 3 x 3, entonees, al producto x al og i matricial x AZ, con ¥ [ | © %=| x, |,sedenomina forma cuadrdtica real 3, cen las variables Xs % 0% XS) %. A la matriz A se Je denomina como la matriz, asociada a la forma cuadrittica.63. Formas cuadréticas las se nes eSnicas y superficies cusdréticas 16 En lo que sigue estaremos interesados en localizar los ejes principales de las cénicas. Para ello, estudiaremos las rectas tangentes a las cOnicas y las per- pendiculares a estas rectas (que son las rectas normales), asociaremos los procesos que conocemos de los cursos de célculo con la nocién de vector y valor caracteristico. Tniciaremos esta asociacién con ejemplo que usualmente lo podemos encontrar en un curso de calculo. EJEMPLO 6.64 Sea la ecuaci6n 9.x} +4x3 =36. Calculemos la derivada con respecto a la variable x de ahf, es decir Si (p, @) representa un punto cualquiera sobre la curva (en este caso es una ; ; 9 , elipse), de la ecuacién anterior se tiene que ~2 es el coeficiente de la tangente en < 4 ; way a sel coeficiente de la normal tangente, p Calculemos la tangente y su normal en cada uno de los siguientes puntos de la elipse (puntos que estén sobre sus ejes de simetria, véase la figura), (2, 0), (0, -3), (2, 0) y (0, 3), el coeficiente director de la tangente en cada uno de ellos es =<», 0,+20,0 respectivamente; y los coeficientes directores de las normales de cada una de las tangentes son 0, —09, 0, +50. Tangente Normal PN Tangente Hh ‘Norma “Tangent ‘Normal Figura 64 ‘Tangente alacurva ‘Normal alacurva63 Formas cusdritcas asociadas a las secciones cGnicas y superficies cuadréticas 163 La respuesta es sf, aun més, el resultado se puede generalizar a superficies cuadréticas. Enunciaremos ese resultado general y mostraremos pictéricamente ‘unos ejemplos antes de demostrar el teorema (ver siguiente secci6n para la demos- traci6n). ‘Teorema. Si % es un vector asociado a un punto de la cuadritica ¥ AX = donde k = constante, y A es una matriz simétrica, entonces la normal en ese punto tiene por vector director a Az. Figura 6.6 EJEMPLO 6.7% Dada la ecuaci6n Gx? + 8x,x, —4.x,x, +1215 -Bx,x, +1343 = 26 que en forma matricial se escribe 6 4 -2/[x, x %)/4 12 4) /x 2 -4 13\ 4 Calcular la normal al plano tangente a la curva en el punto = (1, 1, 12/13) Resolucién. De acuerdo con el teorema, debemos calcular AX 6 4 2) \1 Av=|4 12 -4] | 1 = 24 13 eg al | ° en términos geométricos, se tendria la figura 6.7.164 Capftulo 6 Valores y vectores caracteisticos Figura 6.7 6.4 La normal a una cénica o a una superficie cuadratica En la relacién anterior enunciamos ¢ ilustramos un teorema que es de los més importantes en este capitulo. En esta seccién demostraremos el teorema en cuesti6n. ‘Teorema. Si ¥ es un vector asociado a un punto de la cuadratica ¥ AY =k, donde A es una matriz simétrica, entonces la normal en ese punto tiene por vector director AZ. Demostracién. Designemos por ¥ y ¥ dos vectores asociados a dos puntos de la cuadrética, véase la figura 6.8. s ; ‘ : Q 4 Figura 6.8 La idea de la demostraci6n consiste en encontrar una recta PQ que pase por el punto P asociado a X paralelo a 3 y tangente a la cuadrética.6.3 _Bjes principales y transformaciones ortogonales 165 Todo punto Q situado sobre la recta que pasa por P paralela a 3 est asociado al vector $413, te R. Si suponemos que +1 ¥ estd sobre la curva, entonces cumple con: ¥) A (R+1F)=k> ae Ay Puesto que % es un vector asociado a un punto que est sobre la cuadratica, se ky sustituyendo en la tltima igualdad, se obtiene: kat(y AE+H AY)+ PY AY =k = t(j AX+¥ AP)+1 por lo tanto, ¢ = 0 es rafz del polinomio en ¢, Para que la recta PQ corte solamente una vez.a la cuadrética, debemos suponer que t = 0 es una rafz doble del polinomio ent,ast: VAR+F AF=0 Por otro lado, tenemos que ¥’ AF es una matriz de orden 1 x 1 y Aes simétrica, por tanto, los dos términos de la ecuacién anterior son iguales, asf, 2%A¥=0, lo cual implica que ¥ es ortogonal a AY. Ademés, jes ortogonal a AX. Por cons- trucci6n la recta PQ es paralela al vector Fy tangente a la cuadrética. Pero existe solamente una recta ortogonal a todas las tangentes de la cuadritica en el punto P, que es la normal de la cuadritica en ese punto. En definitiva, la normal en el punto asociado al vector ¥ tiene como vector director Ax. 6.5 Ejes principales y transformaciones ortogonales En la seccién anterior, se Hlegé al resultado siguiente, si la ecuacién ¥ AX constante, A simétrica, representa una cuadrética centrada, la normal asoci vector ¥ tiene por vector director AX. Hemos visto también, que la normal es colineal al vector, si este tiltimo esta sobre el eje de simetrfa, En las figuras 6.9 y 6.10 se muestran pict6ricamente algunos ejemplos. ida al

Álgebra Lineal - Fernando Hitt PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Álgebra Lineal - Fernando Hitt PDF

Uploaded by

Copyright:

Available Formats

You might also like