Matematicas 4 Algebra Lineal PDF

eee." Matematicay/) Algebra lineal Stanley L. Grossman—— NUMEROS COMPLEJOS I COMPETENCIA ESPECIFICA A DESARROLLAR Manejar los mimeros complejos y las diferentes formas de representarlos, asi como las opera- iones entre ellos para tener tna base de conocimiento a utilizar en ecuaciones diferenciales y «en diferentes aplicaciones de ingenieria. Considere el problema de encontrar las raices de los polinomios Rt +e=0 a Para encontrar las raices, se utiliza la farmula cuadritica y se obtiene @ Sis? — 4c > 0, existen dos raices reales. $i b* ~ 4c = 0, se obtiene una sola raiz (de multiplicidad 2). = ~b/2, Para manejar el caso h — de <0, se introduce Ia unidad imaginaria,’ EI termino imaginario ne debe ser uns preocupacén. Es slo Un nombre, El matemstio Allred Nerth Whitehead, en ‘ captulo sobre nameros imaginsros de su ero Inout ta Mathematis,escrbis Fn este punto, puede ser itl obserar que cir tip ba apheabildad de os terminos tecnicos, ce adecu realmente ndmeros las rarmeras posit Je intelecto se preocupa siemorey pre denominar nameros a fos namevos inconmensurables? ¥ negatvos? (Son imacinaros os nimerasimaginaios, y son ncmeres? Estos son ejemplos de preguntas estes, Na puede entendese con sficente caida que, ena cinco teminos técnica son nombres asgnador ce ranera arbitra, coma les nombres crtianas alos nnox. Na puede ponerse en dia 3 os noms estin ben @ mal, Pueden sero no prcicos 9 sensiles, en oeasiones puede se senile recor 1 pnepo esencal fue hs hago tener el significado que yo quero". AS que No nos p !aginarios 9 son nimeroy, tomarems la frase como el nombre arbtaria de Cera ides matemsia, que ntentotemos ahora ah2 Unpap 1 EEE iM Solucién Sone iM Solucién Nameros complejos @ 1, Entonces para b' ~ de <0 yas dos raices de (1) estan dadas por de manera que y ‘Un mimero complejo es una expresion de la forma atip @ donde ay f son miimeros reales, « se denomina la parte real de z y se denota por Re z. 6 se denomina la parte imaginaria de zy se denota por Im z. En ocasiones la representacién (4) recibe el nombre de forma eartesiana o reetangular del niimero complejo z Observacién. Si B = 0 en la eouavién (4), entonces 2 = a es un mimero real. En este contexto se puede ver el conjunto de mimeros reales como un subconjunto del conjunto de mimeros complejos. Enel ejemplo 1, Red, = —LeIma, = 2. Los miimeros complejos se pueden sumar y multiplicar usando las reglas normales de Algebra. Sean 2 = 2 + 31y w= 5 —4i Caleule i) 2 + w, fi) 35 ~ Sz yl) 2: ) ct w=Q43)F5-4)=2+9+B-4i= fi) 3 = 305 — 4i) = 15 — 12% Sz = 10 + 15, y 3 — (15 = 10) + (12 = 15) = 15 - 271 somes = 10-814 151-121 fil) aw = 2 + 3965 — 49 = GS) + 21-4 + GOL) + GL-40 + Ti+ 12= 22 + Ti, Aqui seus el hecho de que iNameros complejos 3 Figura 1.1 Doce puntos en el plano compl. Es posible graicar un nimero complejo zen el plano xy graficando Re z sobre el eje xe Im z sobre el ee»: Entonces se puede pensar que cada mimero complejo es un punto en el plano xy. Puno comms Con esta representacién el plano xy se denomina plano complejo o de Argand. En la figura 1.1 se graficaron algunos puntos representativos. [a Lowusnve Siz a + iB, entonces se define el conjugao de z, denotado por Z, como © La figura 1.2 presenta un valor representativo de z yZ, Cele convgndo de 1+ 4193~ 4.) 7+ Sty) 3. IM Solucién 344i, iii) STF -1— Si, iv) =3 Ime o Ime = Rez Figura 1.2 ee obene refejandaz Rez respetoal ex . , »4 Unpap 1 Nomero IMAGINAR'O E Macaaruo E Axcumento E Figura 1.3 Siz = a + ip, entones a= reos0yp= rene Nameros complejos No es dificil demostrar (vea el problema 46 de esta unidad) que siy silo sizes real o Siz = icon B real, entonces se dice que z ¢s imaginario, Se puede entonces demostrar (vea el problema 47) que 2 sly s6lo si cs imaginario o Sea p,(x) = a, + a,x + a,x" +--+ + a,x" un polinomio con coeficientes reales Entonces se puede demostrar (vea el problema 41) que las raices complejas de la ecuacién p(x) ~ 0 ocurren en pares conjugados complejos. Esto es, sizes una raiz de p,(x) = 0, entonces tambien lo ¢s Este hecho se ilustré en el ejemplo 1 para el caso de n Para 2= a + iB se define la magoitud' de z, denotada por [s, como Oo) y el argumento de z, denotado por arg z, se define como el angulo @ entre la recta 02 y el lado. positivo del eje x. Como convencién se toma -asaigesr En la figura 1.3 se puede ver que r = [x es In distancia de = al origen. Sia > 0, entonces sen Rez yt de un némera compl con frecuenca recibe el nombre de médulNameros complejos 5 donde se observa ln convencién de que tan”! x toma valores en el intervalo (- yB> 0, entonces 0= arg F Sia = Oy B<0, entonces O=args B > 0, entonces # se encuentra en el segundo cuadrante y esta dado por 2 = arg 2 = wr — tan’ Por tltimo, sia < Oy 6 < O entonces 0 esta en el tercer cuadrante y antl om mg. En suma, se tiene Argumento de = Seaz= a + Bi. Entonces B agz=tanE sia>o argz=2 sia=0yp>0 B= ye age =—3 sia =0yp<0 o wow fl ancospso ages—n tint ia m. AvToEvaLuacion 1. (Cuales de los siguientes sistemas deben tener soluciones no triviales? @) ayXF4y%,=0 BY ayX, a,x =0 — €) ayx, tayx, tay%=0 AX) F ty ky AX, 4 dyXy = 0 Ay Fy Xt On % 4%, + yx, = 02.4 Sistemas homogéneos de ecuaciones 4 I. gPara qué valores de k tendra soluciones no triviales el siguiente sistema? xt yt 2x + 3y — Az Bx + dy + ke= a. b) 2 3 a4 5 no Desarrollo de competencias 2. En los problemas 1 a 17 encuentre todas las soluciones a los sistemas homogéneos. Lo 2x,- x50 Royn Br, tay, = 0 = 3 x -3y 50 4oxtoyn 2x, + 6x, = 0 2x, Bx, Tx, = 6 0 2x, dx, + 3x=0 5x, + 13x, = 10x, =0 8 x, -3x, 42x, =0 Bx, + 6x, = 3x, = 0 Wx, xy FIN ay 2x, + 3x, — 8x, + xy 1 x,-2xt yt x =0 Bx, 42x, - 2x, dy x Sxyt By 4 16.2 Unpap 2 Sistemas de ecuaciones lineales 18, Mucstre que el sistema homogéneo de ecuaciones ayX FX ay, + aX, = 0 tiene un niimero infinito de soluciones siy s6lo si a,.a,, — a,,2,, = 0. 19. Considere e! sistema {Para qué valor de & tendré soluciones no triviales? ¥20. Considere el sistema homogéneo de 3 x 3 4%) F ay Xy + BX Oy) + aX, Hay Xy ym, + XH ayX Encuentre condiciones sobre los coeficientes a, tales que la solucién trivial sea la nica solueiéa. Respurstas @ LA AUTOEVALUACION Lo Ig MANEJO DE LA CALCULADORA Los sistemas homogéneos se pueden resolver con la calculadora HPS0g al utilizar ta forma escalonada reducida por renglones de la matriz de coeficientes (RREF). En los problemas 21 al 24 encuentre todas las soluciones para cada sistema 2. 21x, + 42x, -3.5x,=0 59x, + 27x, + 89x,=0 22, -13.6x, + T18x, +463x, 41.3x, — 75.0x, ~ 82.9x,= 0 41.8x, + 65.4x, ~26.9x,= 0 23, 25x, — 16x, + 13x, + 33x, — 57x, = 0 -l6x, + 3x4 x, +12x,=0 = 18x, + 16x, = 26x, = 0 24, 5x, — 2x, + Lx, — 16x, + 12x, 6x, + 8x, — 14x, — 9x, + 26, ‘7x, ~ 18x, — 12x, + 21x, — 2x, x, H lly, — 9x, + 13x, = 20x,Resumen 43 Resumen + La matriz de coeficientes de un sistema lineal a,x, + ax, + Og bays, tba, =B, cs la matriz a, a, ay) My yy 4 + Una matriz est en Ia forma esealonada reducida por renglones si se cumplen las cuatro condiciones dadas en la definici6n 2.3.2 ‘Una matriz esté en la forma escalonada por renglones si se cumplen las primeras tres condiciones de Ia definicién 2.3.2 + Unpivote es el primer componente diferente de cero en el renglén de una matriz + Last ‘operaciones elementales con renglones son, ‘Multiplicar el rengléa i de una matriz por ¢: R,—> eR, donde ¢ #0.Unpap 2 Sistemas de ecuaciones lineales ‘Multiplicar el renglén i por ¢ y sumarlo al renglén j: R,-» R, + eR, Permutar los renglones iy j: R,= R, + El proceso de aplicacién de operaciones elementales con renglones a una matriz se denomina reduceién por renglones. + La eliminacién de Gauss-Jordan es el proceso de resolucién de un sistema de ecuaciones ‘mediante la reducci6n por renglones de la matriz aumentada a la forma escalonada reducida por renglones, usando el proceso descrito en la seccién 2.3, Lacliminaciénde Gaussesel proceso deresolucién de un sistema deecuacionesreduciendo por rengloneslamatrizaumentada ala forma escalonada porrenglones yutilizando lasustitucion hacia atris. + Un sistema lineal que tiene una o més soluciones se denomina consistente + Un sistema lineal que no tiene solucidn se denomina inconsistente, + Un sistema lineal que tiene soluciones cuenta con, ya sea, una solucidn tinica o un nimero infinito de soluciones. + Un sistema homogéneo de m ecuaciones con n inedgnitas es un sistema lineal de la forma aya bays, to bax, 0 Ax, Fak tha N, g% Fah PEON, + Un sistema lineal homogéneo siempre tiene la solueién trivial (o solucién cero) 0 + Las soluciones para un sistema lineal homogéneo diferentes de la trivial se denominan soluciones no triviales. + Elsistema lineal homogéneo anterior tiene un nimeto infinito de soluciones si tiene mas incdgnitas que ecuaciones (n > m). COMPETENCIAS FINALES. UNIDAD 2 De los ejercicios 1 a 18 encuentre las soluciones (si existen) a los sistemas dados: L 3x, + 6x, 2x, 3x, 2 3x, + 6x, =9 2x, + 4x, = 6Competencias finales. Unidad 2 45 3. 4x, + 6x, =5 43x, - 6x, =9 6x, + 9x, = 15 2x, + 4x, = 6 8 xt yt yn? 6& x7 2x, + xo] 2e,- x, #2, =4 2x, + 3x, 2x, 3x, + 2x, #34, =8 1ooxb yh x =0 8 2x, xy + 2x, =0 3x, + 2x, 3x, 70 9. 2x,- 3x, #4x,=1 10. 3x, 4+ 3x, — Sx =5 4x,- $x) + x54 Me xt xt x50 2 2x, xy + 2x) 0 ax, t4x, + x =0 Bo xt K=O 4 2x, + x, =0 Bx, + x, 50 Ix t yt yt 16. 3x,-2x,- x, + 2x, 70 2 3y- yt 4x, 3x,- 0 x, — xy 2x, t 4x4 4 - 2s 1 6x, -13x,+ x, +10%, Sx,— x, + 2x, -1 2x, —24x,— 2x, +2 1. Boyt yt yt 0 2x, -3x,- xy + 4x, 20 2x, + 4x,+ x) = 2x, Delos ejercicios 19 a 23 determine sila matriz dada est en Ia forma escalonada por renglones (pero no en la forma escalonada reducida por renglones), en la forma escalonada reducida por renglones o en ninguna de las dos, 1000 181 0 1342 i. Jo1 02 w, [ors -7 nu. foous 0013 oo1 4 900346 Unap 2 Siste as de ecuaciones Ineales § aw (1929 “lo 130 En os ejercicios 24 a 26 reduzca la matriz a la forma escalonada por renglones y a la forma escalonada reducida por renglones. 1-1 24 2-13 0 4. 28 2 mw }-1 2 0 3 mw |-3 3 4 1 10-6 at—— 3 MATRICES Y DETERMINANTES I COMPETENCIA ESPECIFICA A DESARROLLAR Modelar y resolver diferentes problemas de aplicaciones de sistemas de ecuaciones lineales en cl rea de las matemticas y de Ia ingenieria por los métodos de Gauss, Gauss-Jordan, matriz, inversa y regla de Cramer. VECTORES Y MATRICES El estudio de vectores y matrices es la médula del Algebra lineal. El estudio de vectores co- menz6 esencialmente con ef trabajo del gran matemético irlandés Sir William Hamilton (1805-1865)'. Su deseo de encontrar una forma de representar un cierto tipo de objetos en el plano y el espacio lo llevé a descubrir Io que él lamé los cuaterniones. Esta nocién eondujo al desarrollo de lo que ahora se conoce como vectores, A lo largo de toda su vida y del resto del siglo xax hubo un debate considerable sobre la utilidad de los cuaterniones y de los vectores. Al final del siglo el gran fisico inglés Lord Kelvin escribié que los cuaterniones, “aun cuando son bellamente ingeniosos, han sido un mal peculiar para todos aquellos que los han manejado de alguna manera y los vectores... nunca han sido de menor utilidad para ninguna criat Pero Kelvin estaba equivocado. En la actualidad casi todas las ramas de la fisica clasica y moderna se representan mediante el lenguaje de vectores, Los vectores también se usan, cada ‘vez mis, en las ciencias biol6gicas y sociales. ‘Anteriormente se describid la solucién, un sistema de dos ecuaciones con dos incdgnitas como un par de niimeros (x, y), En el ejemplo 2.3.1 se escribié la solucién a un sistema de tres ecuaciones con tres incégnitas como la terna de mimeros (4, ~2, 3). Tanto (x, y) como (4, ~2, 3) de Hamilton, dessrola del asi wet puede consular en el Fora de ML Creve, ivesty of Notte Dame Press, 1967) © en el excelente bra de Moris Ki 17 Times (eva York: Oxford Unversity Press, 1972, cap48 Usap 3 Matrices ydeterminantes, Dernecion El Reece ee Un vector den componentes se define como un conjunto ordenado den mimeros escritos de la siguiente manera: (xe X) a Demacon Ee ee Un yeetor columna dem componentes es un conjunto ordenado de n niimeros escritos de la siguiente manera: ® @ Componentes En (1) 0 @),x, se denomina la primera componente del vector, x,¢s a segunda componente, y asi DE UN Vecror sucesivamente. En términos generales, x, e denomina la k-ésima componente del vector. Con el objeto de simplifcar, con frecuencia se hara referencia @ un vector renglén de n componentes como un veetor renglin o un r-vector. Del mismo modo, se usara el término vector €o- Jumna (o n-vestor) para denotar a un vector columna de n componentes. Cualquier vector cuyos pe Wicoxesto_lementos ean todos cero se denomina un yeetor ero EEE custo vectores Los siguientes son vectores ') G6) esun vector renglén (o un 2-vector) ii) | =1| es un vector columna (0 un 3-vector) (2,1, 0, 4))¢s un vector rengléa (0 un 4-vector) iy) es un vector columna y un vector cero,TEN c 3.1 Vectoresymatices 49 La palabra “ordenado” contenida en la definicién de un vector es de fundamental importan- ia. Dos vectores con las mismas componentes escritas en diferente orden no son iguales. De cesta forma, por ejemplo, los vectores renglén (1, 2) y (2, 1) no son iguales. A lo largo del libro se resaltaran los vectores con letras minisculas negritas como u, ¥, 8, b, ¢, ¥ asi sucesivamente. Un vector cero se denota por 0. Mas atin, como en términos generales resultard obvio cuando se trate de un vector renglén o de un vector columna, se hard referencia a ellos simplemente como “vectores’ Los vectores surgen de diversas maneras. Suponga que el jefe de compras de una fébrica debe ordenar cantidades diferentes de aceto, aluminio, aceite y papel. El puede mantener el /10) control de las unidades a ordenar con un solo veetor. El veetor | °° | indica que ordenaré 10 unidades de acero, 30 unidades de aluminio, eteétera 1s 60 Observacién, Se puede observar aqui por qué el orden en que se escriben las componentes de (30) 10) un vector es sumamente importante, Es evidente que los vectores| 18 | y| 3°) tienen signifi- cados muy distintos para el comprador. 60} | 15 Lio} (60) En seguida se deseribirin algunas propiedades de los vectores, Puesto que seria repetitive hacerlo primero para los vectores rengl6n y después para los vectores columna, se presentarén ‘todas las definiciones en términos de vectores columna, Los vectores renglén tienen definiciones similares. Las componentes de todos los vectores en este texto son mimeros reales o complejos! Se denota al conjunto de todos los niimeros reales por simbolo By al conjunto de niimeros complejos por simbolo €. El espacio simbolo IY Se usa el simbolo KY para denotar al conjunto de todos los n-vectores , donde cada a, es un numero real. De manera similar, se usa el simbolo €* para denotar al conjunto de todos los («.) nevectores |? |, donde cada c, es un nimero complejo. No ve hab de vecores comple50 Usap 3 Matrices ydeterminantes, En términos reales los vectores son tipos especiales de matrices, Por lo tanto, en lugar de estudiar las propiedades de los vectores se analizardn las propiedades de las matrices, Matriz ‘Una matriz A de m X n es un arreglo rectangular de mn niimeros dispuestos en m renglones yn columnas @ 4 4a ye Au ua a fe Renctones y couummas pe El simbolo m X mse lee “m porn”. A menos que se establezca lo contrario, se supondra siempre [e__wiAuama quelosnimerosen una matriz o vector on reales. Vector renglin (da) sama re- Componente 0 gléniy el vector columna | “|e lama columna La componente o elemento ij de 4, denotado LEMENTO E 4 por a, ¢6 el niimero que aparece en el renglon iy la columas j de A, En ocasiones se escribir Ja matriz A como A = (a,). Por lo general, las matrices se denotarén con letras mayisculas, Marz cuaprana Si A es una matriz m X n-con m =n, entonces A se llama matriz cuadrada. Una matriz, Marz cero X n-con todos los elementos iguales a cero se denomina matriz cero de m X rn. amano oe Se dice que una matriz m X n tiene tamaiiom X n. pe A arn [Nota histrica. 1 matemstico inglés James Joseph Silvester (1814-1897) fue el primero que Ltli26 el término ‘mari en 1850, para distingur las matrices de los determinantes (que se estudiardn mas adelante. Laidea era que el término “*matri2"tuviera el significado de"madre delos determinantes’ En seguida se presentan cinco matrices de diferentes tamaiios: 0 ( 3 ) es una matriz de 2 X 2 (cuadrada), -1 3 4 0) esuna matriz de 3 x2. 1-2BL Vectoresymatrices SI “14d il ‘es una mattiz de 2 3. a 30 ) 1 6 -2 iv) ]3 1 4 )esuna matriz de 3 x 3 (cuadrada). 2-6 5 9 (28 8 leetsmascc dea 4 0000 Notacién con paréntesis cuadrados. Bn algunos libros las matrices se presentan dentro de pa- réntesis cuadrados en lugar de paréntesis redondos, Por ejemplo, las primeras dos matrices del ejemplo 2 se pueden escribir como ts “3 ’ a-{ ] i) a=] 4 0 42 1-2, En este texto se utilizariin exclusivamente paréntesis redondos, A través del libro se hace referencia al rengléa i, la columna / y la componente j de una ‘matriz para diferentes valores de iy j. Estas ideas se ilustran en el siguiente ejemplo, atriz 1 64 4-2 35 7 40 I Solucién 1a componente(1,2)es¢l nimero que se encuentra en el primer renglén ya seguada columna, aie se han somnbrcado; la components (1,2) 686 22. cohumna ter. tenglin (1 6 4 2-35 7 40 En las siguientes matrices sombreadas se puede ver que la componente (3, 1) es 7 y 1a compo- neate (2, 2) es ~3: 1a, colurana 2a, columns. 164 164 2-35 2o.renglin >] 2-35 3errenglin +740 7 4052 Usap 3 Matrices ydeterminantes, Derinicion EJ] tgualdad de matrices Dos matrices 4 = (a,) y B = (b,) son iguales si (1) son del mismo tamaiio y (2) las componentes correspondientes son iguales. uales y {Son iguales las siguientes matrices? (41s 143 1 243 D [a -3 0) ¥ [rei 1-4 6-6 (729 0 -2 Lisl y tos 10 100 loi) ¥ loro ™ Solucién {Si ambas matrices son de 2x 3y1+3=4,24+3= 6-6-0. 1+1=2,1-4=-3y ii) No; -240, porlo que las matrices son distintas ya que, por ejemplo, las componentes (G, 1) son diferentes. Esto es cierto aun cuando las dos matrices contienen los mismos mimeros. Las componentes correspondientes deben ser iguales. Esto significa que la componente (1, 1) en A debe ser igual a la componente (1, 1) en B, etcétera iil) No; la primera matriz es de 2 x 2 yla segunda es de2 % 3, de manera que no tienen el mismo tamafo. Los vectores son matrices de un renglén o de una columna Cada vector es un tipo especial de matriz. Asi, por ejemplo, el vector renglén den ‘componentes (a, d,,..¢,) €5 una matriz de 1 Xn, mientras que el vector columna de ncomponentes | "| es una matriz de n x 1 Las matrices, al igual que los vectores, surgen en un gran nimero de situaciones pricticas, 10) Porcjemplo, anterormente se anal manera enqucel vestr| °° | puede reprsentarlas at 60 tidades ordenadas de cuatro productos distintos utilizados por un fabricante. Suponga que sebenmaon EW YET 3.1 Vectoresymatices 53 tionen cinco plantas diferentes, entonces la matriz de 4 x 5 podria representar las Srdenes de los cuatro productos en cada una de las cinco plantas. 10 20 15 16 28 [30 10 20 25 22 Olas a2 1s 20 13 60 40 50 35 4s Se puede apreciar, a manera de ejemplo, que la planta 4 ordena 25 unidades del segundo producto mientras que la planta 2 orden 40 unidades del cuarto producto. Las matrices se pueden sumar y maultiplicar por niimeros reales. ‘Suma de matrices Sean A = (a,) y B = (6,) dos matrices m X n, Entonces la suma de A y B es la matriz m Xn, A+ Bdada por Bt by myth, a, +h, AsB=(a,+5,)=| 50s ta tha ty tae By ty yg Bg og tg Es decir, A + Bes a matriz m X naque se obtiene al sumar las eomponentes correspondientes de Ay B. La suma de dos matrices se define tnicamente cuando las matrices son del mismo tamaito. HEE sua de dos matrices Escauanes - ee (12 3)9[3 lena (weetores) { |] y | 2 |. Bs decir, son incompatibles bajo la suma, : Al manejar vectores se hace referencia a los miimeros como escalares (que pueden ser reales 0 complejos dependiendo de si los vectores en cuesti6n son reales o complejos). Notahistérica. Eltérmino“escalar"encuentrasu origen con Hamilton. Sudefinicién de cuatemin Inclufa lo que él definié una parte real"y una “parte imaginaria‘ En su articulo“On Quartenions, ‘ron a New System of Imagineries in Algebra’ en Philosophical Magazine, 3a. serie, 25(1844):26-terminantes 54 UNDap 3 Matrices y 27, escibié:"La parte real algebraicamente puede tomar ... todos los valores contenidos en la ‘scala de la progresién de niimeros desde el infinito negativo al infnito positivo;lalarnaremos, entonces la parte escala o simplemente el escalar del cuaternién...En el mismo articule Hamil ‘on defini [a parte imaginaria de su cuaternién como la parte vectorial. Aunque éste no fue el primer uso que se dio a la palabra “vector si fue la primera vez que se usé en el context de las definiciones contenidas en esta seccién. Es importante mencionar que elarticulo del que se toms Ia cita anterior matca el inicio del anslisis vectorial modem, Derint Multiplicacién de una matriz por un escalar Si A = (a) es una matriz de m X ny sia es un escalar, entonces la matriz m X n, a, esta dada por CT 6 13, Brac EEE Mittipos escalares de matrices 1-342 2-6 8 4 Sead=| 3 1 4 6| Entonces24=| 6 2 8 12], 20357 -4 6 10 14 o 0 ° HEE summa de multipios escalares de dos vectores 4 2 seaa=|°] y v=| $f catete20— 3p 3 ° 4 -2\ (8) ( 6) fae Mi Solucién 2a—3e=2|°]+(-3)| *]=|2]+]-? |=] ° 1 alfa, } of fa 3 of Ls} Lo} bo Bl teorema que se presenta a continuacién proporcions los hechos bisicos sobre I suma de ‘matrices y la multiplicacién por escalares. Se demuc parte ii) y se deja el resto de la prueba como ejercicio para el lector (vea los problemas 41 a 43),3.1 Vectoresymatices 55 Tron Eee ee A+B=B+A (ey conmutativa para Ia suma de matrices) (A+ B)+ C= A+ (B+O, (ley asociativa para Ia suma de matrices) V) (4+ B)= ad} aB ley distributiva para la multiplicacion por un escalar) vi) 14=4 vil) (a+ p)A = ad + BA ‘Nota, El cero en la parte i) del teorema es la matriz cero de m X n. En la parte i) el cero a Ja izquierda es un escalar mientras que el cero a la derecha es la matriz cero de m X n. My My My by be by ye ay by Oy bay Demostracién de iii. Sea A= ~ y B= - a Igy Foe but Ona Por ende a+b, a, +b, My + by ay +b, rs bay 4,, +6, A+B= a Gy thy Oath, a+b, etbabsopamaubiguen (5.44, by ta, = b, +0, tesnimensmisey> |g yet ag pean =|" ; lo pta bytey bata, bata EE tsstracion de ta ley aso para la suma de matrices Para ilustrar la Jey asociativa se observa que (( 4 2) ( -2 I ( -1 :) + + 3-1 0} i -1 s}f lo 14, -(3 2 1),(3 -12)_(6 13 4-2 s}"lo 14} la -1 9 De igual manera (472 236 73 GSK SG 43)Unpap 3 Matrices y determinantes El cjemplo 7 ilustra Ia importancia de la ley asociativa de la suma de vectores ya que si se desea sumar tres matrices o més, inicamente se podr4 hacerlo sumandolas de dos en dos. La ley asociativa indica que esto se puede llevar a cabo de dos maneras diferentes obteniendo el mismo resultado, Sino fuera asi, seria més dificil definir le suma de tres o mas matrices ya que tendria que cespecificarse si se quiere definir la suma de A + B+ Ccomo (A + B) + Cocomo A + (B+ ©) Auroevatuacion 1 ;Cudl de las siguientes aseveraciones es cierta para la matriz 1 23), 7-10 sm poison (“3 >) @) Es una matriz cuadrada, 6) Bs una matriz de 3 x 2 eae CEE CET IL, ;Cuall de los incisos es 24 — 4B si A = (2 0 Oy B= G3 1? 9) (8-4) 501) 6) (16 -40) 4) Esta operacién no se puede realizar. IIL, ;Cual de las siguientes afirmaciones es cierta cuando se encuentra a diferencias (res- ‘as) de dos matrices? 4@) Las matrices deben set del mismo tamao. +) Las matrices deben ser cuadradas «) Las matrices deben ser ambas vectores renglén o vectores columna, 4) Una matriz debe ser un vector renglén y la otra un vector columna, IV, :Cuiles serian los elementos de Ia segunda columna de Ia matriz B si @) -2,-8,1 92,8, V. {Cual de las siguientes debe ser el segundo renglén de Ia matriz B si 3A — B= 2C paraBue Sir William Rowan Hamilton, 1805-1865 Sir Willar Rowan Hamilton nacié en Dublin en 1805, en donde paso la mayor parte de su vida, y fue sin dud el ms grande matematico ifandes. El padre (un abogado) y a madre de Hamilton murieron cuando era apenas un nif. Suto, un linguist se hizo ‘argo de su educacién, fla edad de cinco afos, Hamilton podia leeringlés, hebreo, latin y griego. Cuando cumplis los 13 domina- ba, ademas de os idiomas del continente europeo, snscito,chi- no, persa, abe, malasio, hindu, bengally varios otros. Hamilton disfrutaba escribir poesia, tanto en su infancia como en la vida adultay entre sus amigos se contaban los grandes poetas ingle ses Samuel Taylor Coleridge y Willa Wordsworth. Sin embargo, Ia poesia de Hamilton se consideraba tan mala que resulté una bendicign que desarrolara otros inteeses, especialmente aque- lls relacionados con las matematicas. ‘Aunque disfruté las matemticas desde nino, el interés de Hamilton crecié de manera importante después de un encuentro ‘asual ala edad de 15 aos con Zerah Colburn, el americano que 2, Durante 10 afos estudié este problema, y se dice que Io resolvié en un rato de inspiracién mientras caminaba por el Puente de Brougham en Dublin en 1843. La clave era descartar fa conocida propiedad conmutativa dela multiplicacién, Los nuevos ‘bjetos que cre se llamaron cuaterniones, que fueron los precur- sores de fo que ahora se conace como vectores. En la actualidad, ‘una placa incrustada en el puente cuenta la historia, ‘Aqui, mientras canvinaba e116 de octubre de 1843, Sir Wiliam Rowan Harniton descubris,en un instante de _genialidad, la férmule fundamental para la multplicacién de cuaterniones {yla grabs en una piedra de este puente. Durante lresto de su vida, Hamilton pas6 la mayor parte del tiempo desarrollande el dlgebra de cuaterniones. 1 suponia que tendrian un significado revolucionario en la fisica matemtica, Su trabajo monumental sobre este tema, Treatise on Quaternions, fue publcado en 1853. Mis tarde trabajé en una extensién del tema, Flements of quaternions. Aunque Hamilton murié en 1865, antes de terminar esta obra, su hijo public el trabajo en 1866. Los estudiantes de matematicas y isica conocen a Hamil ‘ton dentro de muchos otros contextos. En fisica matemstica, Por ‘ejemplo, e encuentra la funcién hamiltoniana que con frecuen: cia representa la energfa total de un sistema, y las ecuaciones diferenciales de dinsmica de Hamilton-Jacobi. En|a teoria de ma. trices, el teorema dle Hamilton-Cayley establece que toda matriz satisface su propia ecuacién caracteristica, Esto se estudliard en elcapitulo 6, 'A pesar del gran trabajo desarollado, los tltimos afos de Hamilton fueron un tormente. Su esposa estaba semiinvilida y 4lfue atacado por el alcoholismo. Es gratifieante, por lo tanto, se falar que durante esos dltimos aos la recén formada American Nacional Academy of Sciences eligi a Sir William Rowan Hamil- ton como su primer miembro extranjero,Usap 3 Matrices ydeterminantes, a) -3,2,6 By 0,-2.9 9 3,-2.6 @ 0,2,-9 competencias 3.1 -3 5 2 En Jos problemas 1 « 13 realice los céloulos indicados con a=| 1],b=|-4|ye=| 0 4 7 -2 Latd 2. 3b 3. Sa 4-26 5. b+ 3e 6. 2a— 5b 7. —3b+26 8 Sa + 3b 9. 06 Wo atbte LL, 2a + 4b—3e 12, 3a—2b + 4e 13. 3b Te +28 En los problemas 14 a 26 realice los calculos indicados con a = (3, ~1, 4,2), b = (6, 0, -1, 4) ye=(-1,3,15) ate 16. e-a 17. de 19, Tb + de 20. 2a-e 21. 4b Ta 2a . 2. e—b+2a 24, 3a 2b—4e 25. 3a-2b+4e 26. aa + Bb + ye 3 -2 0 En los problemas 27 a 44 realice las operaciones indicadas con 4=| 2 s|,a=| 1 4]y 14 “12 -15 46 13 2. 34 28. A+B 29, C-A 30. A-c BM. 20-54 32, OB (Des el cero escalar) 33. -74 +38 34. 6B-74 +0 AtBS 36. C-4A-B 37. B-A-2C 38, 24-38 44 39. 7C- B+24 40, Encuentze una matriz.D tal que 2A + B~ Deslamatsiz.cero de 3 X 2. 41. Encuentre la matriz Etal que A + 2B ~ 3C + Ees la matriz cero de 3 2. 2. cuentre una matriz D tal que 24 + B ~ D sea la matriz cero de 3 x 2. 43, Encuentre una matriz £ tal que A + 2B + 3£sea la matriz de 3 x 2 cuyos elementos todos 44, Dados 4={? 2 shen -1 0 23 suelva la siguiente ecuacién para X: 304+ B+ X)=5(¥- A+B)Figura 3.2 3.1 Vectoresymatices 59 1-1 2 o 24 Enos problemas 45 a 54 realice los cileulosindicadoscon=|3 4 5|,B=[3 0 5 0 02 o 1-1 7-6 0 ye=|3 10 0-2 4 48. 4-28 46. 34-C 47, 3B-24 48. A BEC 49. 24- B+2C 50, 34+ 28-4 SL. C-4-B 52, 4C-2B +34 53, Encuentre una matriz D tal que A + B+ C'+ Desa matriz cero de 3 X 3, 54, Encuentze una matriz E'tal que 3C — 2B + 84 ~ 4 es la matriz cero de 3 x 3. 55, Encuentre una matria D tal que A + B + C+ D sea la matria de 3X 3 cuyos elementos todos son uno, 56. Encuentre una matriz E tal que A + 2B + E ~ 3C sea la matriz de 3 X 3 cuyos clementos todos son uno, 1 0 1 0 $7. Sea A una matriz de 3x 3talque A! 2 |=] 1 |ya} 3 |=] 2 | Cateutaral 1 s} 3 -j} la n $8. Sea A = (a,) una matriz de m X ny sea la matiz cero de m X n. Utiice las definiciones 5 y 6 para demostrar que 04=0 y que 6+ A= A, De igual manera, muestre que 14 = 4 59. Sid = (a,), B= (b,) y C= (c,) son txes matrices de m X n, caleule (A + B) + Cy A + (B+ C) ymmestre que son iguales. 60. Siay Bsonescalaresy 4 y B son matrices de m X n, calculea(4 + B)yad + «By muestre que son iguales. Calcule ademas (a + B) A ya + BA y muestre que son iguales 61, Considere la “grafica” que une los cuatro puntos de la figura 3.1. Constraya una matriz de 4 X 4 que tenga la propiedad de que a, = 0 siel punto ino esta conectado (unido por una linea) con el punto jy 4, = 1 siel punto i esta conectado con el punto j 62. Haga lo mismo (construyendo una matriz de 5 X 5) para la gréfica de la figura 3.2. 63. En la fabricacién de cierto producto se necesitan cuatro materias primas, El vector representa una demanda dada de la fabrica para cada una de las cuatro materias primas para producir una nidad del producto, Sid es el vector demanda de la fabrica 1 y ees el vector demanda de la fabrica 2, ,qué representan los vectores d + e y 2d? REespussTas A LA AUTOEVALUACION Lh) hd th) HY0 Unpap 3 Matrices y determinantes MANEJO DE LA CALCULADORA ‘Suma y multiplicacion por un escalar en Ia HPS, La manera mis sencilla de sumar dos matrices del mismo tamaiio es introducir primero cada matriz y dar a cada una un nombre (como A22 y B22). (2, 2) (Games) Renin “ 22 (2, 2) GHD Reins “ 822 - Ge) GHEE La funcién RANM produce una matriz de dimensién {n,m} con elementos aleatorios. Después, para obtener 422 + B22 0 422 — B22 se oprime f22 122 Para obtener a22, primero gurdamos el valor de alpha utlizando Ia siguiente se- euencia La multiplicacién se obtiene utilizando la siguiente secuencia @ Gates) 922 ares) EE] Propuctos vectorial ¥ MATRICIAL En esta seocién se analizaré la forma en la cual se pueden multiplicar dos matrices. Es obvio que se puede definir el producto de dos matrices de m X n, A = (a,) y B = (b,) como la matriz, ‘m X n cuya componente ij es a,,. Sin embargo, para casi todas las aplicaciones importantes, que usan matrices, se requiere de otro tipo de producto. Explicaremos las razones de esto. BGI Producto de un vector de demanda y un vector de precios I Solucién Suponga que un fabricante produce cuatro articulos. Su demanda est dada por el vector de de mandad = (30 20 40 10) (unamatriz de | x 4). Fl precio por unidad que recibe el fabricante 20 porate ado preter cn 9 =| na maid 1 Seam 18 sao. Ia demanda, ;euanto dinero recibiré el fabricante? La demanda del primer articulo es 30, y el fabricante recibe $20 por cada articulo vendido. Por consiguiente recibe (30)(20) = $600 de las ventas del primer articulo. Si se sigue este razonamiento, se ve que la cantidad total de dinero que recibe es 2.020 (30}(20) + (20)(15) + (40)(18) + (10)(40) = 600 + 300 + 720 + 400bermcion EI YEN 3.2 Productos vectorial y matricial GL Bat resultado se escribe como 20) (30 20 40. 10)] 1 J=2020 (40) Es decir, se multiplicé un vector renglén de 4 componentes y un vector columna de 4 componentes para obtener un escalar (un mimero real). Encl ttimo ejemplo se multiplies un vector renglén por un vector columna y se obtuvo un, escalar. En términos generales se tiene Ja siguiente definicisn. Producto escalar a) ( al de sean a=| ly b=] * | dos vectores Bntonces l producto escalar de ay b denotado all |b por ab, esti dado por = ab, + ab, bo + a,b, @ Debido a la notacién en (1), el producto escalar se llama con frecuencia producto punto © producto interno de los vectores. Observe que el producto escalar de dos n-vectores ¢s un escalar (es decir, es un méimero). Altomar el producto escalar de a y b es necesario que ay b tengan el mismo mimero de com- onentes. A menudo se tomaré el producto escalar de un vector renglén y un vector columna. En este caso se tiene Producto escalar vector renglén 1 xn 4 4 @ (4,004) 5, 1 Peel enetneers Teter vector columna n <1o Usap 3 Matrices ydeterminantes, HEE —*roducto escalar de dos vectores 1 3 Seaa=|-2]yb=|-2 | calculea-b. 3 4 IM Solucién a-b = (1)(3) + (-2(-2) + G4) = 3 + 4+ 12 = 19. HEE Producto escalar de dos vectores Seaa=@,-3,4,-6)yb=|*]. Caleule ab. IM Solucién — Aquia-b = (2)(1) + (~3)2) + AO) + (- 9) 6+ 0-18 = -22, El teorema se presenta a continuacién y se deduce directamente de la definicién del producto escalar, Se demuestra la parte fi) y se deja el resto como ejercicio. Teonema El Cee ee )a-0-0 acb=bea (ey conmutativa del producto esealar) a-@toQ=abtace (ley distributiva dl producto esealar) iv) (aa) “b= a(a-b) 4 4 4, 4 Prueba de ii) Seana=| "2 ly b=/"? Entonces ab = ba para ceuslesquiers dos nimeros a y5 t aby + aby to + a,b, = ba, + Byay + + Ba bw Observe que no existe una ley asociativa para el producto escalar. La expresion (a - b)-¢ = 4 (b+ €)no tiene sentido porque ninguno de los dos lados de la ecuacion esta definido, Para cl lado izquierdo, esto se concluye a partir de que a b es un escalar y el producto escalar del scalar aby el vector e no est definido Ahora se define el producto de dos matricesbermcion ES EV Tae 3.2 Productos vectorial y matricial 63 Producto de dos matrices Sea A = (a,) una matriz m X n, y sea B = (b,) una matriz n X p. Entonces el producto de Ay Bes una matriz m X p, C= (c,), en donde renglén ide A) - (columna j de B) ) Es decir, el elemento ij de AB es el producto punto del renglon ide A y la columna j de B. Sisto se extiende, se obtiene A,Dy + dghy + + aby ® Si el nimero de columnas de 4 es igual al ntimero de renglones de B, entonces se dice que A y B son compatibles bajo Ia multiplicacion. Dos matrices se pueden multiplicar Gnicamente si el mimero de columnas de la primera matriz es igual al nimero de renglones de la segunda. De otro modo, los vectores que forman el rengln jen 4 y Ia columna j de B no tendrin el mismo mimero de componentes y el producto punto en la ecuacién (3) no estard definido, Dicho de otro modo, las matrices 4 y B serén incompatibles bajo Ia multiplicacién, Para ilustrar esto se con- sideran las siguientes matrices de A y B columnaj de B Sn 4 ay a, a, |(bs Pa om By by bn a, by renglinided +] aay a, Pa bea oy a Los vectores renglén y columna sombreados deben tener el mismo niimero de componentes. FEE Producto de dos matrices de 2 x 2 ™@ Solucién siae[ ! jal’ ste ay Ba 24 5 6 Aes una matriz de 2X 2 y Bes una matriz. de 2 X 2, entonces C= AB = (2 X 2) X (2X2) también es una matriz de 2 x 2. Si C = (c,), eudl es el valor de c,,? Se sabe que y= (ler rengléa de A) (1a, columna de B)Unpap 3 Matrices y determinantes Reescribiendo las matrices se tiene Ter renglén de A> 13° ls ‘De manera similar, para calcular ¢, se tiene ler. renglén de A > ( 1a, columna de 5 1 3)(3 -2 -2 aJls 6 =3+15=18 2a, columns de B 1 2%) , =a 3) ° = -2+18=16 ; -2 6 }e-eva0en , - a C=AB= Is 16 ‘De manera similar, sin escribir los pasos interm« “fA dios, se ve que Ba 9-8) (7 1 s-12 15+24) (-7 39 Observacién, Bl ejemplo 4 ilustra un hecho sumamente importante: en términos generales, ef producto de matrices no es conmutative, Es deci, pero se trata de una excepcién, no de una regla. AB + BA. En ocasiones ocurre que AB = BA, Si AB = BA se dice que Ay B conmutan. De hecho, como Io ilustra el siguiente ejemplo, puede ocurrir que AB esté definida y BA no lo esté ‘Asi, debe tenerse cuidado en el orden de la multiplicacién de dos matrices. inido pero el producto de una matriz 3 x 4y una de 2 x 3 nolo esté wait 7 4], Catcule 4B, 33.2 Productos vectorial y matricial 65 IH Solucién Primero observe que A es na matrz de 2 X 3 y B es una matrz de 3 4, Porlo que el nimero de columnas de dos igual al nimero de renglones de B. Por lo tanto, el producto AB esti defi hido yes una matriz de2 x 4, Sea AB = C = (c). Fntonces 7 = e220 -9-| 2]=23 o 3) 3 4 a7 2 0 -3J0 2 7 -1 15] 2/=15 15] 5 —3 1 4 7 e441 5)-]0]=26 1 5)|-4]=39 2 3 2-5 2 8 Asi, AB = Esto completa el problema. Observe que el producto BA no esti saa (Ean og} Berson oar definido ya que el niimero de columnas de B (cuatro) no es igual al mimero de renglones de A (dos). EEE contacto direct lirecto con una enfermedad contagiosa Encl siguiente ejemplo se muestra Ia forma en Ia cual se puede usar Ia multiplicacién de matri- ‘es para modelar la manera en que se extiende una enfermedad contagiosa. Suponga que cuatro individuos han contraido esta enfermedad. Este grupo entra en contacto con seis personas de un segundo grupo. Estos contacto, lamados contactos drectos, se pueden representar por ‘una matriz de 4 X 6. Bn seguida se da un ejemplo de est tipo de matrices. Matriz de contacto directo: primero y segundo grupos o100o10 1oo10d) ooo110 1ooo0o1 En este caso se hace a, = 1 sila Hésima persona del primer grupo entra en contacto con la Jésima persona del segundo grupo. Por ejemplo, el 1 en la posicién (2.4) significa que la segune dda persona del primer grupo (infectada) entré en contacto con la cuarta persona del segundo grupo. Ahora suponga que un tereer grupo de cinco personas tiene varios contactos directos con individuos del segundo grupo. Esto también se puede representar mediante una matriz.66 Unpap 3 reonewa El Matrices y determinantes ‘Matriz de contacto directo: segundo grupo y tercer grupo 1 ° o 1 0 oy Observe que by, = 0, lo que quiere decir que la sexta persona del segundo grupo no tiene contacto con la cuatta persona del tercer grupo. Los contacts indirectos 0 de segundo orden entre individuos del primero y tercer grupos se representan mediante la matriz de4 x 5 C= AB, Para ver esto, observe que una persona del grupo 3 puede quedar contagiada por alguien del grupo 2, quien a su vez.fue contagiada por alguien del grupo 1. Por ejemplo, como ay, = 1 ¥ bg = 1 se ve que, indirectamente, la quinta persona del grupo 3 tuvo contacto (@ través de la cuarta persona del grupo 2) con la segunda persona del grupo 1. El mimero total de contactos indirectos entre la segunda persona del grupo 1 yla quinta persona del grupo 3 est dado por Gs = Mabis 4 dasbyy + datas + dagbys + days S114 0-040-04F1-140-041-0=2 Ahora se caleula, ‘Matriz de contacto indirecto: primero y tercer grupos ooo020 coap-[t 2202 10011 oo201 Observe que tinicamente la segunda persona del grupo 3 no tiene contactos indirectos con la enfermedad, La quinta persona de este grupo tiene 2+1+1=4 contactos indirectos, Seha visto quelas matrices, en general, no conmutan. El siguiente teorema muestra que la ley asociativa si se cumple, Ley asociativa para la multiplicacién de matrices Sea A = (q,) una matriz dem X m, B= (6,) una matriz de m X p y C= (c,) una matriz de p X g. Entonces la ley asociativa A(BC) =(AB)C © secumpley ABC, definida por cualesquiera delos ados dela ecuacién (5), es unamatrizde nxq.3.2 Productos vectorial y matricial 67 La prueba de este teorema no es difieil, pero es Inboriosa. Se desarrolla mejor usando la nota- ‘iin de sumatoria, Por esta razén se pospone hasta el final de esta seccisn, De aqui en adelante se escribir el producto de tres matrices simplemente como ABC. Se puede hacer esto porque (AB)C= A(BC); entonces se obtienc la misma respuesta independien- ‘temente de cémo se lleve a cabo la multiplicacién (siempre y cuando no se conmute ninguna de las matrices) La ley asociativa se puede extender a productos de mis matrices, Por ejemplo, suponga que AB, BCy CD estin definidas. Entonces ABCD = A(B(CD)) = ((AB)C)D = A(BO)D = (ABY(CD) © Existen dos leyes distributivas para la multiplicaci6n de matrices, Teorema EJ Leyes distributivas para la multiplicacion de matrices Si todas las sumas y todos los productos siguientes estan definidos, entonces A(B+ C)= AB+ AC o (4+ B= AC+BC ® Las demostraciones se presentan al final de Ia seccién, MULTIPLICACION DE MATRICES COMO UNA COMBINACION LINEAL DE LAS COLUMNAS DE A Sea A-una matriz de m X ny x un vector den X 1, Considere el producto ne) (4a tos Paes, ay tae |_| ana haa Pt a, dx> + * Bay Mas a Ih FO FF ay a) (4 ‘n A fea] oS peeta) o ©8 Unpap 3 Sane Observe quee, =|” Jes a primera columna de 4, ¢, =|” | esa segunda columna de 4, y asi sucesivamente. Ei onces (9) se puede escribir como Ax = xe, te, Hots 0) El lado derecho de la expresién (10) se lama combinacién lineal de los vectores €, €), Las combinaciones lineales se estudiar con detalle en Ia unidad 4, Aqui simplemente se observa el siguiente hecho de interés: El producto de la matriz A de m X ny el vector columna x es una combinacién lineal de las columnas de A. Suponga ahora que B es una matriz de n X p. Sea C Entonces AB y sea ¢, la primera columna de C. en) (Aub taba tot aby Py + aby, Fo a, Dy Cn) Aeutba + Muabes FoF MPa may | cs igual a la combinacién lineal de las columnas de A. Lo mismo se cumple para todas las columnas de C = AB, donde se ve que Cada columna del producto 4B es una combinacién lineal de las columnas de A. Cémo escribir las columnas de AB como combinacién lineal de las columnas de A 1-2 : seaa-]2 af y a} “) 305 27 <3 -1s Entonces 4B=| 10 26 |. Ahora bien B323.2 Productos vectorial y matricial 69 -3) (1) (-2 10|=1]2]+2] 4] = una combinacién lineal de las columnas de A w) | 5 y 15 1) (2 26 |=-1]2|+2| 4 | = una combinacién lineal de las columnas de A. 32, 3 5 MULTIPLICACION DE MATRICES POR BLOQUES En ciertas situaciones es prudente manejar las matrices como bloques de matrices mas peque- ‘has, lamadas submatrices, y después multiplicar bloque por bloque en lugar de componente por componente, La multiplicacién en blogues es muy similar a la multiplicacién normal de 1-12 41 4 o4 sia -1 23/3 2 2 35 oo 1 Considere el producto AB= El lector debe verificar que este producto esté definido, Ahora se realiza una particién de ‘matrices mediante lineas punteadas. P-a} 2 41 443 1-t 1 Existen otras maneras de formar la partici6n, En este caso C=" K=|) |yasisu- ® bi (3 . cesivamente. Si suponemos que todos los productos y las sumas de matrices estan definidos, se puede multiplicar de manera normal para obtener CG+DI | CH+DK © DG m\_ - | erly x} |o EG+EI | EH+PK G+70 Usap 3 Matrices ydeterminantes, De manera similar 4 ) deamnen qe BiB 7B co+ Ds | cH+oK 2 | 20 -10 21 20 an =|-—-—~ | ---~~ 1 34-1 G+ PT | H+ PK aya matrices que son conmutativas Suponga que las matrices A y B son cuadradas y que se hacen particiones conformantes de 1 Ay ) La 1B jyp-| ). Muestre que Cy D son conmutativas. Aqui O denota la matriz, lor o 4} cero e J es una matriz cuadrada que tiene la propiedad de que AI = JA = A siempre que estos, productos estén definidos (vea la pagina 89). im Solucién co-(i At 2) { P+40 wear) (1 Bra o tho 1) lor+r0 ontr) lo 4 en donde F° = I-T, Del mismo modo 1 B\r 4) { P+e-0 usar) (1 ave o tho 1) \orsr0 o-atr) lo 4 Como B + A= A+ B CD = DC, es decir, las matrices son conmutativas. Para poder probar los teoremas 2 y 3 y para estudiar muchas otras partes del material de este libro es necesario utilizar la notacién de sumatoria. Si el lector no esté familiarizado con ella, conforme avance en el libro obtendrs suficiente informacisa al respecto. De otra manera puede ir directamente a las demostraciones de los teoremas 2 y 3.3.2 Productos vectorial ymatrial 71 La Noracton con 5) ‘Una suma se puede escribir! de Ia siguiente manera, si N'= M. Fay ay Sicno oe Le 2MAOMA gue se lee “suma dels éeminos a, cuando el valor de k va de Ma Nin este contexto © se [noice oe ta suma lama signo de sumatoria y k se conoce como indice de Ia suma, FEED nterpretacién de la notacién de sumatoria Extienda la suma 3b, SIM Solucién — Comenzando con k~ | terminando con k= $ se obtiene Extienda la suma 8M Solucién — Comenzando con k = 3 y terminando con k = 6 se obtiene ote te te, HERE nterpretacion de ta notacion de sumatoria Cateule S42 aM Solucién —Enestecaso a, ykvade-2a3, 2) +(-N +P +E +2 +P =44140414440=19 Nota, Al igual que en el ejemplo 12, el indice de la sumatoria puede tomar valores enteros negativos 0 cero, * F1matemsticosuizo Leonhard Euler (1797 1783) fue elprimeo en usarla va giega 3 Gigra) pare denotar una sume2 Usap 3 Matrices ydeterminantes, HERE come escribir una suma usando la notacién de sumatoria Eseriba la suma S, =2+3-445-6+47~8usando el signo de sumatoria, Solucién Coma 1 = (-1)', -2=(-1)' 2, =I) 3...,se tiene Sado" FERS come escribir el producto escalar haciendo uso de la notacién de sumatoria La ecuacién (1) para el producto escalar se puede escribir de manera compacta usando la no- tacién de sumatoria: Solucion a-b=ah, tab, +--+, = Sap, La formula (4) para la componente ij del producto AB se puede escribir coh, ah, ap, Sash, a La notacién de sumatoria tiene propiedades titiles, Por ejemplo, A continuacién se resumen éste y otros hechos. Hechos sobre la notacién de sumatoria Sean {a,} y {B,} dos sucesiones reales y c un nimero real, Entonces za a3) da as -3a as) kat da iM ~8), cateule A~*sicxste -4 5, IM Solucién Suponga que A~ existe. Se escribe 4 (: 2) yscumel bach dee” = I. Entonces wo} GE BHO) Las dos iitimas matrices pueden ser iguales tinicamente si cada una de sus componentes corres~ pondientes son iguales. Esto significa que 2x -37 @ ay -3=0 @ m4 45 o ay +5 o Este es un sistema de cuatro ecuaciones con cuatro incdgnitas, Observe que hay dos ecuationes que involucran tinicamente a xy a [las ecuaciones (3) y(5)]y dos que incluyen s6lo a y yw [las exuaciones (4) y (6). Se escriben estos dos sistemas en Ia forma aumentada: 2-3 )0 o (349) ° 2-310 (231) ® Dela seccién 2.3 se sabe que si el sistema (7) (con las variables x y z) tiene una solucién nica, Ja climinacién de Gauss-Jordan en (7) daré como resultado Git cen donde (x,2) es el tinico par de niimeros que satisface 2x —32 = Ly —4x + Se = 0. Deigual manera, la reduecién por renglones de (8) dara como resultado Goh donde (yw) es el tinico par de nimeros que satisface 2y — 3w = Oy ~4y + Sw Como las matrices de coeficientes en (7) y (8) son iguales se puede realizar la redueci6n por renglones sobre las dos matrices aumentadas al mismo tiempo, considerando la nueva matriz, ssumentada, 2-3 | 10 (23103) ®3.4 Inversade una matriz cuadrada 93, Si A es invertible, entonces el sistema definido por (3), (4), (5) y (6) tiene una soluci6n tinica y, por lo que acaba de decitse, la reduccién de renglones da 10]xy O1pzw, Ahora se llevan a cabo los eélculos, observando que la matriz de la izquierda en (9) es A y la ‘matriz de la derecha es J: he Hi Solucién sia (i *) eins, catoncee “ae (2 02) xt22 9 yt2w)_(1 0) -2y—42 -2y-4w} lo 1 Esto conduce al sistema yo We ad y #2w=0 -2x dz =0 a -2y ~4w=194 Usipap 3 Matrices y determinant Si se aplica In misma Logica que en el ejemplo 1 se puede escribir este sistema en la forma de matriz aumentada (4 | 1) y reducir por renglones: 12] 1 0) games (1 2 | 1 0 2-401 oo,21 Hasta aqui se puede llegar. La tiltima linea se lee 0 = 2.0 0 = 1, dependiendo de cual de los dos sistemas de ecuiaciones (en xy z 0 en y y w) se esté resolviendo, Entonces el sistema (10) es inconsistente y 4 no es invertible, Los tltimos dos ejemplos iustran un procedimiento que siempre funciona cuando se quiere encontrar la inversa de una matriz, jento para encontrar la inversa de una matriz cuadrada A Paso 1. Se escribe la matriz aumentada (AlN) Paso 2, liza la reduccién por renglones para poner |a matriz A a su forma escalonada reducida por renglones, Paso 3, Se decide si A es invertible. 4) Si la forma escalonada reducida por renglones de A es la matriz Identidad J, entonces 4~' es la matriz que se tiene a la derecha de la barra vertical 5) Sila reduccién de 4 conduce a un renglén de ceros a la izquierda de la barra vertical, entonces A no es invertible, . Observacién. a) yb) se pueden expresar de otra manera: Una matriz A den x nes invertible siy sélo si su forma escalonada reducida por renglones es la matriz identidad; es decir, si su forma escalonada reducida por renglones tiene n pivotes. . “| Entonces se define Deraunane PE UNA MATRIZ Determinante de A = aya, — at ay E determinant de se denote pordet 4 Teonciwa Ei) Sea Aas mats 252 once i) Aces invertible si y s6lo si det 40. ii) Sidet 4%, entonces3.4 Inversade una matrizcuadrada 95, (a2) ee ee we 3) OS™ satan OF De manera similar, AB = I, lo que muestra que A es invertible y que B = A~'. Todavia debe demostrarse que si A es invertible, entonces det A ¥ 0. Para esto, se considera el sistema 2%, Fa Ay, FOX a3) Se lleva a cabo de esta forma porque del teorema de resumen (teorema 2.2) se sabe que sleste sistema tiene una solucidn tinea, entonces 4,,0,,~ a,,¢,, #0. El sistema se puede escribir en la forma Ax=b aay 4 } Entonces, como Aes invertible, seve de (2) quel sistema (14) tiene una solucién tnica dada por x=4%b exo como se mostraré en el teorema 3.2.1, el hecho de que el sistema (13) tenga una solucién tinica implica que a,,a,, ~ a,,a,,~ det A #0, Esto completa la prueba. Nota, La formula (12) se puede obtener directamente aplicando el procedimiento para calcular ‘una inversa (ver el problema 54). HEE ateule de ta inversa de una matriz de 2 x 2 swa-[? %) Catente A sexist 13 I Solucién Se encuentra que det A = 2)(3) — (—4(1) = 10; porlo tanto A“ existe, De la ecuacisn (12) se “ 4 HE)96 Usman 3 Matrices ydeterminantes, Verificacién ils o)"o 4) Jt 5) HE ne matriz de 2 x 2 que no es invertible Sea A=| ! a 3) Caleule A existe IH Solucién — Seenouentza que det A = (1)(—4) ~ Q)(~2) = —4 + 4 = 0, de manera que A”! no existe, como se observ en el ejemplo 3 El procedimiento descrito para encontrar la inversa (si existe) de una matriz de 2 x 2 funciona para matrices de n % n donde n > 2. Seilustra con varios ejemplos FEE o1 33 410 rat 13 ne 8) 8 3 of 34-2 bb 351 15 8 3201 raid oor wo. fo 2 2 ufo. wort oo -1 oon rad 16 2 310) 1-2-3 Bef 3 05 afr -1 2 1s. fo 3 4 712-4 11a oo 5104 UspaD 3 Matrices y 16. 19. 2, v2. *28, 29. 31. Muestre que a matriz| 5. Mucstre que Ia matri 20 |. Calcule Ia inversade A =|0 3 oo terminantes Das pias -1 05 17. 18. 7 10 2 1 2 00 1-3 0 -2) Muestre que si A, By C son matrices invertibles, entonces ABC es invertible y (ABC) ORs - Si Ay, Ay... A,, son matrices invertibles de n X n, muestre que A,* Ay.°** A, 8 invertible y calcule su inversa, 4 3 su propia invers is |es su propia inversa si A = + Io sia, In ¥ yl = 4) 1-a, ;. Encuentre el vector de produccién x en el modelo de insumo-producto de Leontief si (30) (4 3 0 n=3,e=|20/y4= 40 Asuma que A es den X my Bes dem X n, de manera que AB es de n Xn, Demuestre que AB no ¢s invertible si n > m. [Sugerencia: Muestse que existe un vector x diferente de cero tal que ABx = 0 y luego aplique el teorema 6.] Utilice los métodos de esta seccién para encontrar las inversas de las siguientes matrices con elementos eomplejos: fi 2) (ii o) a) by li al es (sen@ cos 0) cos@ sen 0| es invertible y en- Lo o 4 Demuestre que para todo miimero real @ Ja matriz, ccuentre su inversa, ‘Una matriz cuadrada A = (a,) se llama diagonal si todos sus elementos fuera de la diagonal principal son cero. Esto es a, = Osi i, (la matriz del problema 30 es diagonal). Demuestre ‘que una matriz diagonal es invertible si y s6lo si cada uno de los elementos de la diagonal cs diferente de cero.3.4 Inversa de una matriz cuadrada «105 32, Sea uJ ‘Una matriz diagonal tal que sus componentes en la diagonal principal son todas diferentes de cero, Caleule A” (2 1-1) 33. Caloule la inversade a= |o 3 4 oo 5 10 0) 34, Demuestre que la matriz A=|-2 0 0|no es invertible. (464) +35. Una matriz cuadrada se llama triangular superior (inferior) si todos sus elementos abajo (arriba) de la diagonal principal son cero (la matriz en el problema 33 ¢s triangular superior y la matriz en el problema 34 ¢s triangular inferior). Demuestre que una matriz triangular superior o triangular inferior es invertible si y sélo si cada uno de los elementos de la diagonal es diferente de cero, 36. Demuestre que la inversa de una matriz invertible es triangular superior. [Sugerencia: Pri ‘mero demuestre el resultado para tuna matriz de 3 x 3.] En Jos problemas 37 y 38 se da una matriz. En cada caso demuestre que la matriz no es invertible encontrando un vector x diferente de cero tal que Ax = 0 (i -1 3) (2-1) am 2 38 fo 4-2 2-6 8 39, Sean 4, B, F, y M matrices invertibles dem Xn. SiM=I+ FAL 4,)-1B y4,= A+ BE Demuestre que M“! = B" (A — A,) (A AB, 40. Scan 4, B, C, D, Fy N matrices invertibles de m Xn, $iN = D + C,(— 4, M's BQ- A) QL ~ Ay'B, CF = C+ DFyA,= A+ BE Demuestre que NM“! = D + C(I — Ay'B. 41. Una fabrica de mucbles de calidad tiene dos dvisiones: un taller de mquinas herramienta donde se fabrican las partes de los mucbles, y una division de ensamble yterminado en la aque se unen as partes para obtener el producto fina, Suponga que se tienen 12 empleados en ealery 20 en la dvisio y que cad emplead trabajo 8 horas Suponga también que se producen nieamente dos articulos: sls y meses. Una sila requier horas de mae aquinado y #8 horas de ensamble yterminado. Una mesa requiere #2 horas de maquinado y 2 horas de easamble y terminade. Suponiendo que se tiene wha demanda iimitada de estos productos y que el fabricante desea mantener ocupados a todos sus empleados, jeudntas sills ycudntas mesas puede prodicir esta fabrica al dia?106 Unpap 3 Matrices y determinantes 42. La alacena de ingredientes magicos de una hechicera contiene 10 onzas de tréboles de ‘ouatto hojas molidos y 14 onzas de raiz. de mandvigora en polvo. La alacena se resurte en forma automética siempre y cuando ella termine con todo lo que tiene. Una pocién de amor roquere 45 onzas de trébolesy 275 onzas de mandragora. Una recea de un conocido tratamiento para el resfriado comin requiere 5 onzas de tréboles y 1048 onzas de man- drigora, {Qué cantidad de la pocién de amor y del remedio para resfriado debe combinar In hechicera para usar toda la reserva en su alacena? 43. Un granjero nutre a su ganado con una mezcla de dos tipos de alimento. Una unidad estindar del alimento A proporciona a un novillo 10% del requerimiento diatio de proteina y 15% del de carbobidsatos, $i el granjero quiere alimentar a su ganado con el 100% de los requerimientos minimos diarios de proteinas y carbohidratos, ;euantas unidades de cada tipo de alimento debe recibir un novillo al dia? 44, Una versin muy simplificada de una tabla de insumo-produeto para la economia de Israel cn 1958 divide dicha economia en tres sectores —agricultura, mamufactura y energia— con los siguientes resultados" Agricultura [Manufactura [Energia Agricultura’ 0.293 0 0 Manfactura 0014) 0207 0.017 Energia 0.084 0010 0216 4a) (Cudntas unidades de produccién agricola se requieren para obtener una unidad de producto agricola? 'b) {Cuantas unidades de produccién agricola se requieren para obtener 200 000 unidades de productos de esta naturaleza? 6) (Cuantas unidades de produccion agricola se requieren para obtener 50 000 unidades de energia? 4d) {Cudntas unidades de energia se requieren para obtener $0 000 unidades de productos agricolas? 45, Si se continiia con el problema 44, las exportaciones (en miles de libras israelies) en 1958 fueron las siguientes: Aiea an] Manila 17397] coy 1786] 4) Calcule la matriz teenolégica y la de Leontiet. 'b) Determine el valor en libras israclies de los productos agricolas, Ia energia y los articulos manufacturados necesarios para hacer funcionar este modelo y exportar el valor establecido de cada producto,3.4 Inversa de una matriz cuadrada «107 En los problemas 46 a 53 calcule la forma escalonada por renglones dela matriz dada y wllicela para determinar en forma directa si es invertible. 46, La matriz del problema 4 47, La matriz del problema 1 48. La matriz del problema 5. 49. La matriz del problema 10. 50, La matriz del problema 13 1, La matriz del problema 16, 52. La matriz del problema 18, $3. La matriz del problema 19, #0. Derive la formula (12) mediante redue- st seaa[% * yesnonevea 5 » hone a, a, 11 oO cin por renglones dela matriz aumentada |" porns [s a 10 q 455, Demuestze los inesos i, iy) del teorema 5 tiplicacién de matrices por bloques en la seccién 3.2)! ‘onsdere que son invertible y encuentra inversa de |“? occ Anat etchinn te f 58. Si Ay B son matrices invertibles, resuelva para X: a) BYA=B Bb) AIX= A RespuesTas A LA AUTOEVALUACION Lo ML m9 Mo wo MANEJO DE LA CALCULADORA Para obtener la inversa de una inversa se procede de la forma siguiente. Una vez que se tiene ala matriz en la pla, se oprime la tecla Sila matriz no es invertible apare- ceran simbolos de infnito en alguna(s) posicibn(es) dela matriz resultante. De los problemas 59 a 62 utilice la calculadora para calcular la inversa de la matriz. dada, 16 23:75 20 37 11 59, |-42 3.9 57 60, |26 49 10 -68 -09 41 57 98 36 0.03 021 0.46 -033 -027 0.79 0.16 0.22 033 002 0-088 044 -0.68 037 0.79 61. Davie Caron presen Rolin" En The este problema y el siguiente en su arteulo 9 Linear Algebra: Must the Fog Alays a 2K), enero de 199108 UNIDAD 3 Matrices y determinantes 23.46 39.62 3836 44.21 5932 7701 9138 50.02 3638 67.02 8131 15.06 6131 7080 4359 71.22 63, Demuestre que la inversa de 35-47 4 os 3 22 00 -4 oo -1 tiene ceros debajo de la diagonal, 64, Haga lo mismo para la matriz Bl 421 63.7 -194 23.8 0 -145 362 -159 613 0 0 372 648 23.5 0 0 oO 912 138 ° 0 0 0 469, 65, Las matrices en los problemas 63 y 64 se Ilaman triangulares superiores, Haciendo uso de los resultados de dichos problemas obtenga una conclusién sobre la inversa de una matriz triangular superior. EE] Transpuesta De UNA MATRIZ En correspondencia a toda matriz existe otra que tiene propiedades muy similares a las de la matriz original, Dermicion [El] Tanspuesta Sea A = (a,) una matriz dem Xn. Entonces la transpuesta de A, que se escribe 4, sla matriz de n'X m que se obtiene al intercambiar los renglones por las columnas de A. De manera breve, e puede eseribir 4’ = (a, ). En otras palabras, a a Simplemente se coloca el renglén i de A como Ia columna i de 4’ y la columna j de A como el renglén j de 4"3.5 Transpuesta de una matiz 109 Obtencién las transpuestas de tres matri Encuentre las transpuestas de las matrices 2 -6) a2 3) p(t 304 tal tae 3 a3) BH Solucién — Atintercambiar los renglones y Ins columanas de cada matriz se obtione (2 -1) (1 20 2) wes 4) es| 2-31 71 1 6) -6 42 5) Observe, por ejemplo, que 4 es la componente en el renglén 2 y la columna 3 de Cmientras que 4¢s la componente en el renglén 3 y la columma 2 de C'. Esto significa que el elemento 2,3 de Cesel elemento (3,2) de C’ Teonceas Eee ee ee ) =A. @ iil) (4B) = BA @) Si Ay B son den X m, entonces (A + B)' = A' + B. @ © Si A es invertible, entonces 4’ es invertible y(4')"' = (4 Demostracion ') Esto sigue directamente de la definici6n de Ia transpuesta. ii) Primero, se observa que AB es una matriz de n X p, de manera que (AB) es de p Xn ‘También B’ es de p X my A’ es dem X n, de manera que B'A' es de p Xn, De esta for- ‘ma, ambas matrices en Ja ecuacién (3) tienen el mismo tamaiio, Ahora, el elemento jj de ABes a,b, éste eso clemento ji de (ABY. Sean C= B'y D = A Entonces el de Des a, Asi el elemento ji de CD = elemento cy, de Ces by yl elemento elemento jide B'4'= 3 eqd, = 3. byay = 3 a,b, = elemento ji de (AB). Lo dicho completa la demostracign de la parte i. li) Esta parte se deja como ejerccio (vea el problema 14) B, Entonces AB = BA = Ide manera que, del inciso i), (AB)! = B'A' = I 1 Porlo tanto, 4’ es invertible y Bf es el inverso de 4’, es decir, iv) La transpuesta juega un papel de suma importancia en la teoria de matrices. En capitulos posteriores se veré que 4 y 4’ tienen muchas propiedades en comin, Como las columnas de A’ son renglones de A se podran establecer hechos sobre la transpuesta para concluir que casi todo lo que es cierto para los renglones de una matriz se cumple para sus columnas, La siguiente definiciSn es fundamental en la teoria de matrices.110 Usp 3 Matrices y determinantes Derinicion EX] Matriz simétrica La matriz (cuadrada) A den X nse denomina simétriea si 4’ = A, Es decir, las columnas de A son también los renglones de A. EEE custo matrices simétricas Las siguientes cuatro matrices son simétricas: iy ,fit3) fers s rT A= B=|-4 7 c . 23 ; 380 650-4 Ena unidad 5 se vers la importancia de las matrices simétricas reales, OTRA FORMA DE ESCRIBIR EL PRODUCTO ESCALAR 4 % Sean a=|* | yb=| | dos vectores columna con n componentes: Entonees, de la evuacién 4 b, (jena pigina 61, acb=ab,+ap,t-- +a, ‘Ahora bien, aes una matriz dem X 1 de manera que a’ es una matriz de 1X ny a= (a, a,..04) Entonces ab es una matriz de 1 X 1 (0 escalar), y por le definicién de la multipliacién de mattiz a'b=(aa,--a)] °° |=02, +48, + Fab, 6, De ese modo, si a yb son vectores columna de n componentes, entonces a-b=ad o La formula (6) sera de utilidad mas adelante en este libro.3.5 Tanspuestadeunamatnz 11 Auroevatuacion L Siuna matriz A es de 3 x 4, entonces 4’ es una matriz de a) 4x3 By 3x4 3x3 Dax I, Falso-verdadero: A' esta definida s6lo si A es una matriz cuadrada. UL, Falso-verdadero: Si A es una matriz de n X n, entonces la diagonal principal de A cs la misma que Ia diagonal principal de A. IV. Falso-verdadero: ((A')'f = A’ 123 V. La transpuesta de es -1 0 0, 11 1-1 1 oy a) 20 b]2 0 oy |-1 3 3) 30 300 20 Desarrol petencias En los problemas | a 13 encuentre Ia transpuesta de la matriz dada. 23 L ke ) 2 ( ‘) ( ‘ a lao 6s 1 2-1 ta ato las 123 .( ) «(i Sia}e -10 4) a J2 4 -s 1 56 421s ta ta 1-2-3 ot abe vf raf fern ft) ow |eey 35 4 ero to gh me oh 000 14, Sean A y B matrices den X m. Demuestre, usando la definicién 1, que (A + B)'= A' + BY 1S. Una matriz A den X nes normal si 4.A'= A'A, Pruebe que la siguiente matriz es normal. (3)2 Unpap 3 "29, Matrices y eterminantes (2 a@ 3) 16, Encuentre los nimeros ay Btales que| 5-6 2 | es simétrica B24) 17. Si Ay B son matrices simétricas de n Xn, pruebe que A + Bes simétrica, 18. Si Ay Bson matrices simétricas de n X n, demuestre que (AB)' = BA. 19. Demuestre que para cualquier matriz 4 la matriz producto 44 esta definida y es una matriz simétrica 20. Demuestre que toda matriz diagonal es simétrica (vea el problema 3.4.31), 21, Demuestre que la transpuesta de toda matriz diagonal superior es triangular inferior (vea el problema 3.4.35). 22. Una matric cuadrada se denomsina antisimétriea si A' = —A (es decir g, = —a), Cues de las siguientes matrices son antisimetricas? -2 -2) fo 1 ay -s) (0 - of of oa ‘] ol2 2-2] o|-1 0 2 \ 2 2] 12 0 23. Sean Ay B dos matrices antisimétricas de n Xn. Demuestre que A + Bes antisimétrica, 24. Si Aes una matriz real antisimétrica, demuestre que toda componente en la diagonal principal de A es cero, 25, Si Ay B son matrices antisimétricas den X n, demuestre que (AB) = BA de manera que AB cs simétrica siy s6lo si A y B conmutan, fea A una matriz de n X n, Demuestre que la matriz (A + 4’) es simétrica, 27. Sea A una matriz den X n, Demuestre que la matriz “(A — A’) es antisimétrica 28. Demuestre que cualquier matriz cuadrada se puede escribir de una forma dinica como la suma de una matriz simétrica y una matriz antisimétrica an) = | una matriz con elementos reales no negativos que tiene las propieda- a gativos pri De los problemas 30 a 34 caloule (4')"'y (A7")'y demuestre que son iguales f1 2) aa) os ls 3] (32 1) rid REespuesTas A LA AUTOEVALUACION La ay iy MH vB3.6 Matrices elementales y matrices inversas 113, MANEJO DE LA CALCULADORA Para obtener 4'una vez que se tiene ala matriz en la pila se oprime la siguiente secuencia de teclas (observaciSn: se considera que se est trabajando en modo RPN y con la bandera (lag) 117 en la posicién SOFT) om TNT COS [ER Matrices evemeNtALes Y MATRICES INVERSAS Considere que 4 es una matriz de m X n. Entonces, como se muestra a continuacién, se pueden realizar operaciones elementales con renglones en A multiplicando A por la izquierda por una ‘matriz adecuada, Las operaciones elementales con renglones son: ’) Multiplicar el renglén por un mimero c diferente de cero RR, ii) Sumar un miltiplo del renglén ‘al renglén j ROR+R, iii) Permutar (intercambiat) los renglones iy j RR, mental Dermcion EI wate ‘Una matriz (cuadrada) E de n X nse denomina una matriz elemental si se puede obtener a partir de la matriz identidad, J, de m X n mediante una sola operacién elemental con renglones. Notacién, Una matriz elemental se denota por E, 0 por eR, R, + ¢R, 0 por P, de acuerdo con 1a forma en que se obtuvo de J. En este caso, P, es la matriz obtenida a partir del intercambio de los renglones de iy jde I FEED tes matrices elementales ‘Obtenga tres matrices elementales de 3 X 3 roo Matuiz obtenida 0 5 ol=sr, smltiplicando el segundo oon renglén de Iper 5 i ° Matriz obtenida multiplcando 0[=R,-38, — elprimer renglén de Fpor 3 y 1 FN Smale ters eoglon ii) iit) Py permutando el segundo y {ercerrenglones de ° 1 o Matiz obtenida le % La prueba del siguiente teorema se deja como ejercicio (vea los problemas 68 a 70),114 UNpAD 3 Matrices y determinantes Teonea a EE ee per era enr a eae Opers 1302 1) Sea a=|4 2 3 S|, Realice las siguientes operaciones elementales con los renglones de B12 4 A multiplicando A por la izquierda por una matriz elemental adecuada j) Multiplique el segundo renglén por 5, Multiplique el primer rengl6n por ~3 y siimelo al tercer rengl6n, iii) Permute el segundo y tercer renglones. I Solucién Como A es una matriz de 3 X 4, cada matrz elemental E debe ser de 3 ¥ 3, ya que E debe ser cadrada y multiplia a 4 por la izquierda, Se usan aqui los resultados del ejemplo 1 oor s 2 1) fr a 2 xj4=|o 5 off 2 3 -s|=|20 10 1s oo ifs 1-2 a) ls 1 roo 3 2 1) (1 3 2 i) (&-3aya=| 0 1 alfa 2 3 -sJ=|4 2 3 -s -3 0 1}ls 1-2 4} lo -s -» 4) roo 3 2 1) (13 ii) — @ya=fo orf 2 3 -s[=]a a orofls1 2 a) (a2 Considere los siguientes tres productos, con ¢ #0. 100100) 100) ocolorol-jor0 © ootfloor} loon f1 0 of 10 0) fi 0 pref ores @ leo ifl-e 0 1} loo (1 0 o\f1 0 0) (1 0 0} 0 0 1]/0 0 1/5] 10 GB) lo 1 oflo 1 of lo oa Las ecuaciones (1), (2) y (3) indican que toda matriz elemental es invertible y que su inversa 5 del mismo tipo (tabla 3.4). Estos datos se deducen a partir del teorema 1. Es obvio que si se realizan las operaciones R,—> R, + cR, seguida de R, > R, ~ eR, sobre la matriz A, la matriz A3.6 Matrices elementales y matrices inversas 115, no cambia, También R,—> eR, seguida de R,> + R, y la permuta de los mismos dos renglones dos veces deja la matriz A sin cambio. Se tiene (Ry @ (RteRYT=R - eR, © wey'=P © La ecuacién (6) indiea que ‘Toda matriz de permutacién elemental es su propia inversa. Resumiendo los resultados: Tabla 3.4 Erect Representacion | Alimultiplicar | Representacion Matriz multiplicar A | simbélicade | porlaizquierda, | simbélica de cnreartal por la izquierda | las operaciones E* hace lo la operacién: ipo pore ‘lementales | siguiente inversa Multiples Muliplea et Multigticacion | renglon ded por R, renpon ido-d in ceo por © Mulplica a ‘Malipiea el rengln de A . renglén de A por _ Sums per cylo suma al Rt ey lo suma al RoR reaglény zenglony Permta los Permta fos Pormutacién renpiones iy) ?, ranpenesiy) ?, ded ded Teonena EM toda matiz slemental es invertible, inverso de una iatrz elemental es una matsz del mismo tipo. Nota, El inverso de wna matriz elemental se puede encontrar por inspeccién. No es nevesario ssalzar elo Teonena EX] Uns mati candrada esinvetbe iy io sel producto de mate lentes je Dimosmacin Sen A= Fy...» donde ada Hos uma mati camel Pore toe 2, ada E, es invertible. Mas atin, por el teorema 3.4.3 A es invertible’ y116 Unpap 3 iM Solucién Matrices y determinantes En forma inversa, suponga que A es invertible, De acuerdo con el teorema 3.4.6 (teorema de resumen), A es equivalente por renglones a la matriz identidad, lo que significa que A se puede reducir a /mediante un nimero finito de operaciones elementales, Para el teorema 1 eada operacién de este tipo se logra multiplicando A por la izquierda por una matriz elemental y, por consiguiente, existen matrices clementales E,, E,,... , F, tales que Eng Egos 0s+ BEAT Asi, del teorema 3.4.7, Buoy ee, y como cada E, es invertible por el teorema 2, ) ‘Como la inversa de una matriz elemental es una matriz elemental, se ha escrito A como cl producto de matrices clementales y esto completa la prueba, LE, MBE! o ELEY" a-(4 Como escribir una matriz invertible como el producto de matrices elementales 24 6 Demuestre que la matriz A=|4 5 — 6 es invertible y eseribala como un producto de matrices elementales, 31-2 ‘Ya se ha trabajado con esta matriz, en el ejemplo 2.3.1. Para resolver el problema se reduce A 1 Ly se registran las operaciones clementales con renglones, En el ejemplo 3.4.6 se redujo Aa haciendo uso de las siguientes operaciones: TRO RAR RR ER RoR RR HR RAR R-2R, A“! se obtuvo comenzando con Jy aplicando estas nueve operaciones clementales. De este modo, A~! es el producto de nueve matrices elementales: ° 1 o3.6 Matrices elementales y matrices inversas 117 Por lo que = (A~)"! = producto de las inversas de las nueve matrices en orden opucsto: 24 6) (2 0 0/1 0 0/1 o oft 0 oi 2 0 45 6l-|o 1 olla 1 offo 1 offo -3 offo 1 o 31-2} lo o ilo o ils o a}lo o tflo ot th OM OR RM, 1 of1 0 oi o -1\/1 0 0 xfo 1 offo 1 offo 1 offo 12 o -5s i}lo 0 -1}lo 0 ilo o1 Se puede hacer uso del teorema 3 para extender el teorema de resumen, cuya iltima version se presenté en la seocién 3.4 Teonmea Ee Sea A una matriz den n. Entonces la siguientes siete afirmaciones son equivalentes 2s decir, cada una implica a las otras seis (de manera que si una afirmacién es cierta, todas son ciertas,y si una es falsa, todas son falsas) 1) Acs invertible ii) La tinica solucién al sistema homogéneo Ax = 0 es la solucin trivial (x = 0) El sistema 4x = b tiene una solucién tinica para cada n-vector b iv) es equivalente por renglones a la matriz identidad de-n Xn, 1; es decir, la forma escalonada reducida por renglones de A es J, V) A se puede escribir como el producto de matrices clementales vi) La forma escalonada por renglones de A tiene n pivotes. det A#0 (por ahora, det A esta definido sélo si A es una matriz de 2 X 2). Existe un resultado adicional que sera «itl en Ia seccién 3.9. En primera instancia se necesita una definicién (dada antes en el problema 3.4.35) Derinicion [EJ] Matriz triangular superior y mattiz triangular inferior ‘Una matriz.cuadrada se denomina triangular superior (inferior) si todas sus componentes abajo (artiba) de la diagonal principal son cero. Nota. a, esta debajo de la diagonal principal si/> j Dos matrices triangulares superiores y dos matri Las matrices U'y V son triangulares superiores mientras que las matrices L y M son triangula- zs inferiores:118 UNPAD 3 Matrices y determinantes Tronees Ee ee clementales y una matriz triangular superior U. En el producto, las matrices elementales ere eee et reo eee Demosteacion La climinacién gaussiana para resolver el sistema 4x = b da como resultado una matriz — triangular superior. Para que esto sea evidente, observe que la eliminacién gaussiana ‘erminaré cuando la matriz esté en la forma escalonada por renglones, y la forma escalonada por renglones de una matriz cuadrada sea triangular superior. Se denota mediante U a Ia forma escalonada por renglones de A. Entonces A se reduce a Ua través de una serie de operaciones elementales por renglén, cada una de las cuales se puede obtener multiplicando por una matriz elemental. Asi URE Boy BEA Me BLEU ‘Como la inversa de una matriz elemental es una matriz elemental se ha escrito A como cl producto de matrices clementales y U. Cémo escribir una matri como el producto de matrices elementales yuna matriz triangular superior Esctiba la mattiz, 36 a=|2 5 rant como el producto de matrices elementales y una matriz triangular superior. IM Solucién Se reduce A por renglones para obtener la forma escalonada por renglones: 3 6 3 25 1 1 8 ronan (12 3 1203 obs Jg 1p -s| B88 Jo 1p -sfau3.6 Matrices elementales y matrices inversas 119) Después, al trabajar hacia atras, se ve que 12 3) (1 0 oa o 1 -s|=|o 1 off o oo 0) loo afl-a 10 oVft 0 ols 6 9 x}-2 1 olfo 1 olf2 s 4 oo iio asia s non bk 4 36 9) (3 0 o\f1 0 0 2s 1/=[0 1 off2 10 11s} loo ijloo1 a, 10 oft 23 xJo 1 offo 1-3 10 a}lo 0 0 aon, © Avroevatuacion De las atrmaciones siguientes indique si son falsaso verdaderas IL Elproducto de dos matrices clementales es una matriz elemental. I. Elinverso de una matriz elemental es una matrz elemental. II, ‘Toda matriz se puede escribir como cl producto de matrices elementales. IV. ‘Toda matrz euadrada se puede escribir como el producto de matrices elementales. V. Toda matriz invertible se puede eseribir como el producto de matrices elementales Vi. Toda matriz cuadrada se puede escribir como el producto de matrices elementales y ‘una matriz triangular superior. Elija la opcién que represente la respuesta correcta 100 Vil. Lainversade | 1 oles 31 o s120 UspaD3— Matrices y terminantes 100 Vil. Lainversade|o 1 0 [6s 04 10 0 100 +00 00 olor of #lorc] olor. Dlo109 00 -4 008 oot 004 010 1X. Lainversa de |1 0 0 | es oot 01 0 o- loo o10 afio of ]-1 0 of ofoor1l wlioo 00-1 0 0-1 010, oo Desarrol mpetencias 3.6 Delos problemas I a 15 determine eudles matrices son matrices elementales. fre? 2 [ro afte on 11 o4 4 (02 3 [10 6 (03 11 02 20 010 o10 (33) s |r 00 9. |oo1 o 3 1 100 100 134 100 w. [2 10 nu. Jo 12 2/2 10 301 oot oo. 1000 1000 1-100 wn. fo1o0 a, [Eb 00 1 [9 100 oo10 oo10 0 010 o101 oo1d 0 001 Delos problemas 16 a 26 escriba la matriz elemental de 3 X 3 que lleva a cabo las operaciones con renglones dadas sobre una matriz. A de 3 X $ mediante multiplicaciones por Ia izquierda. 16. RR, 1. ROR 428, 18. > R,+3R, 19. RR, 3R, 20, RR, + 4R, 2. RR, 2 RR, 2. RR, Ws, ROR +R, 26. R, PR, = AR,36 Matrices elementales y matrices inversas Delos problemas 27 a 39 encuentre Ja matriz elemental E tal que Ed = B. » maf? }ef{? 2) ler a}? l-s -) 12 (5 6) 0 5) (-3 -1 2 (-5 -6\ 12°52 (i 2 5 2) 12 52 (1 0 11 10 (1 0 / (10) (09) «(0 e(!9) lo 1 lo a1 Hoy fo 1 0) (1 0 -5) afd fro 0 foro o 4 ool ooo. (1 -2 0 {10 0) 1 uso 10 wjor. « |o O14 201) 10 1 0) (1005 1 0 0 0) force woe wl? te “joo 10 o10 0-3 1 0001) fooo1 0 001)12 Unpap 3 1000 o100 52. 5010 ooo1 Delos problemas 53 a 62 demuestre que cada mattiz es invertible y escribala como un producto de matrices elementals, =) « (3) s[o25 sie oo 4 oott 6, Sea (3 ) donde ae, Hseriba A como un producto de tres matrices elementals y conslaya que 4 esinvetbie abe 0 d e| donde adf# 0. Escriba A como un producto de seis matrices elemen- coos tales y concluya que A es invertible. 64. Sea 4 65. Sea A una matriz triangular superior den X n, Pruebe que si toda componente en la diagonal de A es diferente de cero, entonces A ¢s invertible, [Sugerencia; Remitase a los problemas 63 y 64] 66. Demuestre que si A es una matriz triangular superior de n X m1 con componentes diferentes de cero en Ia diagonal, entonces A~ es triangular superior ¥67. Utilce el teorema 3.5.1 ir), y el resultado del problema 66 para demostrar que si A es una ‘atriz triangular inferior con componentes diferentes de cero en la diagonal, entonces A es invertible y A“ es triangular inferior. 68. Demuestze que si P, es la matriz de n X n obtenida permutando los renglones iy j de J, entonces P,A es la matriz obtenida al permutar los renglones Fy jde A3.7 Determinantes 123 69. Sea A, Ia matriz con c en Ia posicién ji, unos en Ia diagonal y ceros en otto lado, De- ruestre que 4,A es la matriz obtenida al multiplicar el engl6n ide A por cy sumatlo al renglon de j 70. Sea M, la matriz con ¢ en la posicién ii, unos en las otras posiciones de la diagonal, y ceros en otro lado, Demuestre que M,4 es la matriz obtenida al multiplicar el rengl6a i de A pore. Delos problemas 71 a 78 escriba cada matriz cuadrada como un producto de matrices clementales y de una matriz triangular superior. Respuestas A LA AUTOEVALUACION LF oy iF MF wr vy VIL VIL Ka) EE] Determinantes Dernncion Kl se 4=(% ‘) una maiz de2 2 Hala sein 3.40 pin 94 dni determinate de A por det A= a,4,) 4st ® Con frecuencia se denotari det 4 por @ Observacién, No hay que confundir esta notacién con las barras de valor absoluto, [Al denota det A si 4 es una matriz cuadrada. |x| denota el valor absoluto de x six es un mimero real o complejo. Se demostrs que A ¢s invertible, si y sélo si, det A # 0. Como se vera mas adelante, este importante teorema es vélido para las matrices de n X n.124 UNpAD 3 Matrices y determinantes En este capitulo se desarrollarén algunas propiedades basicas de los determinantes y se verd cémo se pueden utilizar para calculat la inversa de una matriz y resolver sistemas den ecuaciones lineales con n inedgnitas. El determinante de una matriz den Xn se definira de manera inductiva. En otras palabras, se usard lo que se sabe sobre un determinante de 2 x 2 para definir un determinante de 3 X 3, que a su vez se usara para definir un determinante de 4 X 4, y asi sucesivamente. Se comienza, por definir un determinante de 3 X 3.! Derinicion [EB] Determinante de 3 x 3 = ft e ;| ran 4 @ tn Haun an Observe el signo menos antes del segundo término del lado derecho de (3). FEET 3, Siintenta algo similar para determinantes de 4 x 4 0 de orden mayor, obtendr4 una respuesta equivocada, ‘es la matriz que se obtiene al eliminar el primer renglén y la primera columna de 4; (e ‘esa matriz.que se obtiene al eliminar el primer renglén y la segunda columna de A, y (e ces la matriz obtenida al climinar el primer renglén y la tercera columna de A. Si estas matrices se denotan por M,,, M,, y M,, respectivamente, y si A,, = det My, Ay, = —det My. y Ay= det M,,, la ecuacién (3) se puede escribir como126 UNPAD 3 Matrices y determinantes dot A indy Paes > My © Dermucion EX] Menor Sea A una mattiz den X ny sea M, la matriz de (n —1) x eliminando el renglén /y la columna j. M, se llama el menor 1) que se abtiene de A de A. FEET aul de dos menores de una matriz de 3 x 3 2-1 4 Seaa=|0 1 5], Bncuentre M,y My, 6 3-4 IM Solucién — ‘lizinando el primer renglén y Ia tercera columna de A se obtiene w-(? ) De manera os TEI j, triangular inferior si a, = 0 para i 100 surgen con frecuencia en la prictica, Por fortuna, existen cuando menos dos maneras de reducir de manera significativa Is cantidad de trabajo necesaria para calcular un determinante. El primer resultado que se necesita es quizés el teorema mis importante sobre determinantes, Este teorema establece que el determinante de un producto es igual al producto de los determinantes. Teonensa EE] sean Ay 2 dor mations dem x m Entonoes det AB = det A det B @ Es decir: ef determinante del producto es el producto de los determinantes. Observacién, Note que el producto de la izquicrda es un producto de matrices mientras que el de la derecha es de escalares. e_Damostnacion Siseutiizan matrices elementals, la prueba esti dada en Ia seccibn 3.9. Enel problema 48 se pide que verifique este resultado para el caso 2 X 2. DEE tsstracion del hecho de que det AB = det A det 8 ‘Vorifique el teorema 1 para fl -2 3 yB=|o -1 4 2 0 -2 HH Solucién Det A = 16 y det B= ~8, Se puede caleular 1-1 2\f1 -20 3 Ss -1 -S ass iafo a aff 7 | 0 -2 sjl2 o -2} lwo 2 -s ydet AB = ~ 128 = (16(—8) = det A det B. LUVTEVESTSTN rt determinante deta sums no simpre es igual ala summa de los determinantes, Es decir, para Ja mayoria de los pares de matrices, 4 y B, det (A+ B) det A+ det B a Entonces A + B=] 8 22 16 detA=-2 dtB=6 y T pest? det (A + B)= 22 4 det A+ det B= -2+6=4136 Unan3 eonensa E Demosrracion reonenaa EI] Matrices y determinantes det A' = det A Suponga que 4 = LU. Entonces 4’ = (LU)' = U'L! por el teorema 3.5.1 ii). Se caleula det A = det L det U det A’ = det 0" det L! det U det U'= det U = det A det L ] El iltimo paso se basa en que la transpuesta de una matriz triangular superior es triangular inferior y viceversa, y en el hecho de que obtener la transpuesta no cambia las componentes de la diagonal de una matriz, Si A no se puede escribir como LU, entonces existe una matriz permutacion P tal que PA = LU. Por lo que se acaba de probar, det PA = det (PA)' = det (4'P') y por el teorema 1, det P det A = det PA = det (A'P') = det 4’ det P* No es complicado probar (vea el problema $3) que si P es una matriz permutacién, entonces det P = det P'. Como det P = det P' = + 1, se concluye que det 4 = det 4’. Una matriz y su transpuesta tienen el mismo determinante 1-12 (13 Seaa=|3 1 4 1 ¢s facil verificar que [Al = [4] = 16. Observacién, Dado que los renglones de una matriz son las columnas de su transpuesta, se deduce que todo lo que se pueda decir sobre los renglones de los determinantes comprenden. una segunda forma de simplificar los célculos de los determinantes. Los resultados se prueban para los renglones. Por lo que se acaba de decir, los teoremas se cumplen también para las columnas, En primera instancia se describen estas propiedades estableciendo un teorema del que se deducen diversos resultados importantes. La demostracién de este teorema es dificil y se pospone a la siguiente seccién. Teorema basico 4 dno Me Sea da|%! Sz > Se una matriz de n X n, Entonces det A=a,4, +4), tot ad = Sitedy eDemosrraciOn 3.8 Propiedades de los determinantes 137 para i= 1,2, ...,n. Es decir, se puede caleular det 4 expandiendo por cofactores en cualquier renglén de A. Mas ain, det Ama, A, +4, 4, +--+0,4, =So0,A, % 4, como la columna jde 4 es | |, Ja ecuacién (2) indica que se puede caleular det A expandiendo por cofactores en cualquier columna de A. Obtencién del determi inte expandiendo en el segundo renglén o la tercera columna 5 2) Enel ejemplo 3.7.1 se vio que para A=| 4 2 3], det A = ~69. Expandiendo en el segundo renglén se obtiene “124 Del mismo modo, si se expande en la tercera columna se obtiene det d= 2A, +34, +44, =2cyr] 4 7 ey mbt | 1 4c? = 200) - 301) + 4-14) =-69 + 3-1" Is 5| la | Ellector debe verifcar que se obtiene el mismo resultado con Ia expansi6n por cofactores en el tercer renglén o la primera o segunda columna. Ahora se presentan y se demuestran algunas propiedades adicionales de los determinantes En cada paso se supone que 4 es una matriz. de n X n, Se observara que estas propiedades se pueden utilizar para reducis mucho el trabajo necesario para evaluar un determinante, ‘Si cualquier renglén © columna de A es un vector cero, entonces det A = 0. Suponga que el renglén i de A contiene sélo ceros Esto es a, =O para j= 1,2, Entonces, det A= 4,4, + dd, +--+ 4,4, = 0+ 0+ +0=0.Lamisma prueba funciona sila columna jes el vector cet.138 Unpan3 Prontoan El Demosmmacion Proricoan El Matrices y determinantes © columna de ceros, entonces det reg, fa 1 -2 4} ® Siel renglén fo columna j de A se multiplica por un escalar c, entonces det A se multiplica por c. Es decir, si se denota por B esta nueva matriz, entonces By By aye ay Peleg |, o Be Be 4, Ma | Para probar (3) se expande el renglén i de A para obtener det B= cA, + cagAy + + cagA, (agAy + gAg ++ ayA,) = det A En el caso de las columnas se puede hacer una prucba similar (1-12 Sca A=|3 1 4]. Entonces det A = 16, Si se multiplica el segundo renglén por 4 se tiene 0 -2 5] {1-1 2 p=|12 4 16 | ydot B= 64 ~ 4 det A. Si somlipica la trcera columna por ~3 se obtic- 0-205 1-1-6 nec-[3 1 -12|ydetc= 48 =-3 det 4 0-2 -15 Observacién. Al ulilizar la propiedad 2 se puede probar (vea el problema 36) el interesante hecho de que para cualquier escalar a y cualquier matriz A den Xn, det ad = al det A. Sea3.8 Propiedades de los determinantes 139 i ye= Fs) yg ne BHO a, Entonces det C= det A+ det B © En ottos términos, suponga que A, B y Cson idénticas excepto por la columna j y que In columna j de Ces la suma de las j-ésimas columnas de Ay B, Entonces, det C= det ‘A+ dot B. La misma afirmacién es cierta para renglones. Se expande det C respecto a la columna j para obtener det C= (ay + a) Ay + (dy + ay) Ay + + ay ba) Ay, (aA, + 4,4, + + 4,4.) + (ayy +A, +o +aA,) = det A + det B EE testracion de ta propiedad 3 Demosrracion E fl -12) (1 -6 2 (1-1 -6 2) (1-72 seaa=|3 1 4|,B=|3 2 4Jyc=[3 1 42 4[-[3 3 4 0-25 oo 4s o -2 +45) lo 2s] \ Entonces det A = 16, det B= 108 y det C= 124 = det A + det B Proricono EBM] Hlintercambio de cualeaguira dor englones (0 columns dtinlos de 4 tiene efeto dc malipioaraaldpor 1 Seer arctic ee eerenrcnety meena rr ceeetees es een Demosrracion OS dos renglones adyacentes, Es decit, se supone que se intercambian los renglones iy el (+1, Sea ay Hy yy Hy Ay day 4 dy Ay Aq| ay dy ty |¥ BH|aisy diaz os Misty Después, expandiendo det A respecto al renglén i y B respecto al renglén (i + 1) se btiene det d= a4, + aA 4, ay + day + + Oy oO det B= a,Bysyy + Birra + + Brin140 Unan3 Matrices y determinantes Aqui, 4,= (-1)"|Mj, donde M, se obtiene climinando el renglén iy la columna A Observe ahora que si se elimina el renglén (/ + 1) ya columna j de B se obtiene el mismo M, Entonces Bua = OD My 1", de manera que, de la ecuacién (5), det B= —det A Ahora, suponga que i < jy que deben intercambiarse los renglones i yj. Esto se puede evar a cabo intercambiando renglones varias veces. Se hardin j— i intercambiados para mover el rengién al renglén i, Entonces el renglon /estaré en el renglin (i + I) y pasara por otros ~ i ~ 1 intercambios para mover el renglén i al renglén j, Para ilustrar esto, se intercambian los renglones 2 y 6:' 1 1 1 1 1 1 1 1 2 2 2 2 6 6 6 6 3 3 3 6 2 3 3 3 4945653535254 54 s 6 4 4 4 4 2 s 6 5 5 5 5 5 5 2 7 7 7 7 7 7 7 7 EE 6 — 2 = Aintercambia para 6 — 2 = A intercambia para ‘mover el 6 ala posicisn 2 ‘mover el 2 ala posicisn 6 Por iltimo, el niimero total de intercambios de renglones adyaceates es (/— i) + (ji = 1) = 2-2 -1, que es impar. Entonces, det 4 se multiplica por —1 un nimero impar de veces, que es lo que se queria demostrar Proveoan El Demosmracion (1-1 2) 0-2 5 Sea a=|3 1 4], Alintercambiar los renglones Ly 3se obtiene B=|3 1 4, Alinter- lo -2 s} (-1 1 2) 1-12 cambiar las columnas | y2de A se obtiene C=| 1 3. 4], Porto que, haciendo los caleulos -205 direetos, se encuentra que det A = 16 y det B = det C= -16. Si A tiene dos renglones o columnas iguales, entonces det A = 0. Suponga que los renglones iy j de A son iguales. Al intercambiar dichos renglones se obtiene una matriz B que tiene la propiedad de que det B= det A (de la propiedad 4), Pero como renglén i = renglén j, al intercambiarlos se obtiene Ia misma matriz, A A= By det A = det B= ~det A. Porlo tanto, 2 det A = 0, lo que puede ocurtr silo sidet A =0,3.8 Propiedades de los determinantes 141 EEE testracisn de ta propiedad 5 1-1? Mediante el cileuloditecto se puede verficar que para A=|5 7. 3 | [dos renglones iguales] s 22 1-12 y B=] 3 -1 -1|{(aoscotumnasiguales), det A = det B= 0 24 4 Pronoa> ee a ces det A = 0. ip Demos Sea (ay dyy 1 y) = (Qn 4p». +): Entonces por la propiedad 2, ae a 0 (de la propiedad 5) rengionj —> fo, a, 4 EEE stracian de la propiedad 6 23 1 7 2}=0 ya quecl tercer renglén es igual a ~2 veces el primero. L465 -1d BEZEL © ot ilustracisn de la propiedad 6 2412 Hi 10 3 0 porque Is cuarts columana es igual tres veces In segunda, oat o 3[ "OPE ie e 7369 Proriepao Eg) Sisesuma un miltiplo escalar de un renglén (columna) de A a otro renglén (columna) de A, entonces el determinante no cambin Denostracton Sea Bla matriz obtenida sumando c veces el renglén ide A al renglon j de A. Entonces ae B =| fs a Jan tem a tg a, +a,142 UMPAD 3 Matrices y determinantes (orl propiedad 3) G : |e tem | 4, Oa a) (Au Ban cs let A + 0 = det A (el cero viene dela propiedad 6) (1-1 2) Sead=|3 1 4], Entonces det 4 = 16, Si se multiplica el tercer renglén por 4 y se suma al lo -2 5 segundo rengl6n, se obtiene una nueva matriz.B dada por (a -1 2) fl -1 2) =|344(0) 14+4(-2) 4+5(4)|=]3 -7 24 Loo -2 s } lo -2 sJ yedet B= 16 = det 4 Las propiedades que se acaban de presentar simplifican la evaluacién de determinantes de alto orden. Se “reduce por renglones” el determinante, usando la propiedad 7, hasta que tenga una forma en la que se pueda evaluar con facilidad. La meta mas comin serd utilizando la propiedad 7 de manera repetida hasta que 1) el nuevo determinante, tenga un renglén (columna) de ceros o un renglén (columna) que sea miitiplo de otro —en euyo caso el determinante es cero— 0 2) que la nueva matriz sea triangular, con Io que su determinante sera el producto de sus elementos en Ia diagonal HEEL _Utilice las propiedades de los determinantes para calcular un determinante de 4 x 4 1 Caleule [4]= ; 2 | 6| 8 3 HH Solucién (Vea ejemplo 2.7.7) Ya existe un cero en Ia primera columna, porlo que lo més senvillo e reducir otros elementos de Ja primera columna a cero, Se puede continuar la reduecién buscando tna matrz triangular. Se multiplica et primer rengln por ~2y se suma al tercer rengldn; se multiplica el primer renglon por ~3 y se suma al cuarto 1a s2 oa 34 Melo 5 12 Jo 2M Solucién 3.8 Propiedades de los determinantes 143 Se maultiplica el segundo renglén por —5 y —7y se suma el tercer y cuarto renglones, respectivamente. 1305 2 lo -1 3 4 lo 0 -16 -18 lo 9 32-26 Se factoriza —16 del tercer renglén (utilizando la propiedad 2) p35 2 oa 34 =-16 oo 1 Yl = lo 0 -32 -26 Se maultiplica el tercer rengl6n por 32 y se suma al cuarto. 1352 o 13 4| =1| op oi 3 3| jo 0 0 10 Ahora se tiene una matriz triangular superior y [4] = ~16(1)(—1)()(10) = (—16)(~10) = 160. Uso di calcul minante de 4 -2 104) Calcule [4| 3-15 2 -2 731 3-725 Existen varias formas de proceder en este caso y no es evidente cual de ellas sera la mis rapida para llegar a la respuesta, Sin embargo, como ya existe un cero en el primer renglén, se comienza la reduccién en ese renglén, ‘Se multiplica la segunda columna por 2y por —4 y se suma a la primera y cuarta columnas, respectivamente o 10 gf 1-15 6 2 73-2) 11-7 23] Se intercambian las primeras dos columnas 1 00 0 Jin ois 6 “T)a 423-29 7 1 233]144 UNPAD 3 Matrices y determinantes ‘Se multiplica la segunda columna por —5 y por —6 y se suma a la tercera y cnarta columnas, respectivamente. 1 0 0 ol nr ) 7 12 -s7 -99| 7-11 5799] ‘Como la cuarta columna es ahora un miiltiplo de la tereera (columna X columna 3) se ve que [A] = 0, FEET) U0 de tas propiedades para calcular un determinante de 5 x 5 2 3-8 7 o-1-5 6 7 3-9 4| 2-2 3 -1030 7-3 BE Solucién — Sumndo primero el ronglin 2 y después el renglén 4 al renglén 5, se obtione 1-2 3-57 2 0-1-5 6 4 7 3-9 4 3 12 2 8 o 0 0 00 Este ejemplo ilustra el hecho de que un poco de observacién antes de comenzar los caleulos puede simplificar las cosas considerablemente, Existe un hecho adicional sobre determinantes que resultaré de gran utilidad. Teonenna El] Sen Awan matciz dem Xn. Batons Gyn + dey t+ Oy Ay sii#j o ‘Nota. Del teorema 5 la suma en la ecuacién (6) es igual a det A si Demosrmacion Sea pe Diemosrmacion pu|% 4% 4, renglinj —>]a, a, 4,3.8 Propiedades de los determinantes 148 Entonces, como dos renglones de B son iguales, det B = 0, Pero B= A excepto por el renglén j, De esta forma se calcula det B expandiendo en el renglén j de B, se obtiene la suma en (6) y el teorema queda demostrado, Observe que al hacer la expansién respecto al renglon j, este renglon se elimina al calcular los cofactores de B. Asi, By = A, para ka 2m Aurorvatuacion I. {Cuales de los siguientes determinantes son 0? h 2 3 12 7 a | 2 4| bl 2 3 3 ho 4 1 -2 -7] 21 3] 1 0 | oh 1 4 4d) Jo -1 0 025] lo og IL ;Cuiiles de los siguientes determinantes son 0? 1234 1 301 “12-34 lo 21 4 a) 5) 3-1 52 B 1 0 2 31 52 loo os 12021 21-1 1 1 s -2 of 2a 1-1 8 a 24 42 Bo 0 Q 36 6 5| lo 3 2 123 ML, Eldeterminantede|—1 2 4es -125 a) 4 » 10 9 -10 Ds 06 RESPUESTAS A LA AUTOEVALUACION Ly tka tha) Desarrollo de competencias 3.8 Delos problemas 1 al 26 evalie el determinante usando los métodos de esta seeci6n, jo | 4-1E = Unpap 3 146 = ay Seer SSP F ccooss wot TS em eS sous ot coe 7 7 F Se HE Coe SOTO ow co coos z "T enc cure neoos puso toooo Ses ' atnoo me a => TRPT TL tote eae Cole 7 ® pre #F a gee peg geen TTP a wee TUTTE ere 4 ge ww one wen nome “TTY amoe 2 ONS ee a oe é 3 ¥ © @ 4 4 3 4 teetT aeenn 5 Feteses tees tert tase tT Pl | ; S PTT PTT seve TTS ceoe arm ae fie 5 < g ¥ g a a a 533, 35. $38, 39. “40. oe 42, 843, 3.8 Propiedades de los determinantes 147 Ay ayy |-34,, —3a, —3a,| 4a, —24, 3, laa, 24, 2a,| 3. | 24, 24, 24,| 32. faa, Ba, May ay 5a, $a, 5a, 4a,, 3a, l 34. fo, laa, -30,, 2,30, 2a, - |. Usando Ia propiedad 2, demuestre que si a es un escalar y A es una mattiz, entonces det aA=aldet A 1. Demuestze que hey ox x x, res x x oy lex x, +5, Demuestre que A -1 0 ° a o-1 ° on aN + ap! oo oo Sea A una matria den X n, Demuestre que si la suma de todos los elementos de cada co- Jumna de A es cero, entonces [4] = 0 ‘Una matriz es antisimétriea si A’ = —4, Si A es una matriz antisimétrica den X n, demuestre que det 4’ = (—1)' det A. Usando el resultado del problema 40, demuestre que si des una matriz antisimetrica de nX nynesimpar, entonces det A = 0 ‘Una matriz A se llama ortogonal si es invertible y A~! ~ 4, Demuestre que si es ortogonal, entonces det A= +1 Sea A el triéngulo del plano con vertices en (x91) (vy ¥.)¥ (ty 3) Demuestze que el rea del triingulo esta dada por 4% {Bajo qué circunstancias este determinante sera igual a cero?148 UNPAD3__ Matrices y determinantes #44, Tres rectas que no son paralelas por pares determinan un tridngulo en el plano. Suponga que las rectas estn dadas por ax + ayy +a, =0 ax bagy + ay ayx + ayy +a, =0 Demuestre que el érea determinada por las rectas es 45. raid Demuestre que D, = (a, ~ a.) (a, ~ @,) (a, ~ a). rida 46, D,=]% % 8) eset determinante de Vandermonde de 4 X 4, Demuesie que D, = (a, — 4) (a, ~ 4) (0, ~ ala, ~ a) (a, ~ 4) (0, ~ 4). *447. a), Defina el determinante de Vandermonde de n Xn, D, B) Demuestre que D, =f] (a,— a), donde T] representa la palabra “producto”. Obser- ve que el producto en el problema 46 se puede escribir [] (a, ~ a). 48 so a-[" 4) Escriba el producto AB. By Caleule det A, det By det AB. 0) Demuestre que det AB = (det A)(det B), 49. La matriz A de n X nse llama nilpotente si A = 0, la matriz.cero, para algiin entero k = 1 of} a feed 50. Demuestre que si A es nilpotente, entonces det A3.9 Demostracion de tes teoremas importantes y algo de historia. 149) 51, La matriz A se llama idempotente si A’ = A. {Cuéles son los valores posibles para det A si Aces idempotente? 52, Sea P una matriz permutacion, Demuestre que det P = +1. [Sugerencia: por la definicién P=P,P,,,... P,P,, donde cada P,es una matriz permutacién elemental. Utilice a propic- dad 4 para demostrar que det P, = —1 y después caloule det P usando el teorema 1] 53. Sea P una matriz permutacién. Demuestre que P’ también es una matriz permutacién y que det P = det P*. [Sugerencia: si P,es una matriz permutacién elemental, demuestre que rear EEE) Demostracion DE TRES TEOREMAS IMPORTANTES Y ALGO DE HISTORIA teonenaa Kl Demosrracion Antes se citaron tres teoremas que resultan de fundamental importancia en la teoria de matrices determinantes, Las demostraciones de estos teoremas son més complicadas que las demostraciones que ya se analizaron. Trabaje despacio en estas demostraciones; la recompensa sera lun mejor entendimiento de algunas ideas importantes acerca del dlgebra lineal, Teorema basico Sea A = (q,) una matriz de n X n, Entonces det A= ay Ayy + Ay t+ Ary = a,Ay b agdy tt aA @ ayy ayy ++ ody ® pee ee ‘Nota, La primera igualdad es la definicién 3.7.4 del determinante mediante la expansién por cofactores del primer renglén; la segunda igualdad dice que la expansién por cofactores de cualquier otro renglén leva al determinante; la tercera igualdad dice que la expansién por cofactores de cualquier columna da el determinante. De acuerdo con las propiedades de la transpuesta de una matriz se necesita, tinicamente, probar el teorema para los renglones [ecuacién (1). 2 x 2, primero se expande por cofactores ol primer renglén: det A = aj,4,, + ay, 4, (4) + (ay) = 44 ~ 4,0. De este modo, expandiendo en el segundo renglén se obtiene yyy) ~ thay = dy(—a,) + A (,) = A,y.~ dy 0,. Entonces se obtiene el mismo resultado expandiendo en cualquier renglén de una matriz de 2 2, y esto prueba Ja igualdad (1) en el caso 2 X 2. ‘Ahora se supone que la igualdad (1) se cumple para todas las matrices de (n — 1) x (n— 1), Debe demostrarse que se cumple para las matrices den X n. El procedimiento ser4 expandir por cofactores de los renglones Ie i, ydemostrar que las expansiones son idénticas, La expansién en el primer renglon da el siguiente término general Aye = (“Vay Ml ® Observe que éte esl tinico lugar en Ia expansion de | encl cual aparece el término a, ya que otro término general seria ,,,,= (~1)!""a,,JM,J con k # my M,, se obtiene150 Unpap 3 Matrices y determinantes climinando el primer renglén y a m-ésima columna de A (y a,,est@ en el primer renglén de A). Como M,, es una matriz de (n ~ 1) X (n ~ 1), por la hipétesis de induccidn se puede ealeular [M,,|expandiendo en el renglén ide 4 [que es el renglén (i ~ 1) de M] Un término general de esta expansion es 4a,(cofactor de a,en M,) (k# 1, @ Por las razones descritas, éste es el inico término en la expansién de [Ml en el i-ésimo rengl6n de A que contiene el término a, Sustituyendo (4) en la ecuacién (3) se encuentra que (-1)"a,.a, cofactor de a, en M,) (k#D © es la nica ocurrencia del término 4,4, en la expansign por cofactores de det 4 en el primer renglon. ‘Ahora, si se expande por cofactores en el renglén ide A (donde i# 1), el término general es (Dada o yel término general en la expansién de |M,|en el primer renglén de M, es a, (cofactor dea, en M,) (k#1) o Si ce inserta (7) en el término (6) se encuentra que la tinica ocurrencia del término 4, en la expansién del renglén ide det A es (H1)*'ayq, (cofactor de a,, en M) (k#D, ®) Si se puede demostrar que las expansiones (5) y (8) son la misma, entonces (1) quedara demostrada, ya que el término en (5) es la tinica ocurrencia de a,,q, en la expansion del primer renglon, el témino en (8) es la tinica ocurrencia de aj,a,en la expansién del i= ésimo renglén, y k, /y/, son arbitrarios. Lo que demostrara que las sumas de términos en las expansiones en los renglones | ¢ json iguales. Ahora, sea M,,,, 1a matriz de (n — 2) X (n — 2) obtenida al eliminar los renglones Ley las columnas k y (de A (esto se llama menor de segundo orden de A). Primero se supone que k < /, Después Be Mav 4 o a, -|“" tk rt Gate oy 0) De (9) y (10) se aprecia que Cofactor de a, en My, = (—1)"?"|M,, ayE Lows EI Demosrracion Lows EI 3.9 Demostiacion de tes teoremas importantes y algo de historia. «ISI Cofactor de a,, en M,= (—1)'1M,) (2) Entonces (5) se convierte en Daa f= PM, f= (Deng a3) (8) se convierte en (Daa (— My = (Day My oh (a4) Pero (~1)"**"! = (-1)*#*"!, de modo que los lados derechos de las ecuaciones (13) y (14) son iguales. Asi, las expresiones (5) y (8) son iguales y (1) queda demostrado en el caso k < /; después por un razonamiento similar se encuentra que si k > [ Cofactor de a, en My = (- 1)" |My) Cofactor de a, en M, de manera que (5) se convierte en (ag fT Ma = (Day Ml y (8) se convierte en ay a(— DM yd = yy esto completa la prueba de la ecuacién (1), Hla a My Ahora se quiere probar que para cualesquiera dos matrices de n Xn, Ay B, det AB = det Adet B, La prueba es més compleja ¢ incluye varios pasos. Se usaran diversos hechos sobre las, ‘matrices elementales probados en la seccién 3.6 Primero se calculan los determinantes de las matrices elementales. Sea £ una matriz elemental: i) Si Zes una matriz que representa la operacion elemental R, = R, entonces det E=-1 as) ii) Si Fes una matriz que representa la operacién elemental R,— R, + eR, entonces det E a6) iii) Si £es la matriz que representa la operacién elemental R,—> cR, entonces det an i) det /= 1. Ese obtiene de Fintercambiando los renglones iy j de J. Por la propiedad 4 dela seccién 3.8, det E = (—1) det I= -1 ii) E se obtiene de J multiplicando el renglén i de J por ¢ y sumandolo al renglén j. Entonces por la propiedad 7 dela sectién 3.8, det E = det I= 1 fii) £ se obtiene de J multiplicando el renglén i de J por ¢. Asi, por la propiedad 2 en la seccion 3.8, det E= cdet I=. Sea Buna matriz den x ny sea £ una matriz elemental. Entonces det EB = det Edet B (as)152 E Unpap 3 eonenaa El Demosmmacion Demosrracton Matrices y determinantes La prueba de este lema se deduce del lema 1 y los resultados presentados en la seccién 3.8 que relacionan las operaciones elementales con renglones en los determinantes. Los pasos de la prueba se indican de los problemas | al 3 de la seccién que nos ocupa, El siguiente teorema cs un resultado fundamental en Ja teoria de matrices. Sea A una matriz de n X n, Entonces A es invertible siy solo si det A #0. Del teorema 3.6.5, se sabe que existen matrices elementales ,, E,, --, E,, y una matriz tuiangular superior 7'tal que As Ey ET ag) Usando el lema 2 m veces, se ve que det A= det E, det (EE, ~- FT) = det E, det E, det (E,~- E,7) = det £, det Ey. det E,_, det (E,.7) det A= det £, det £, det F,_, det £, det 7 (20) Por ellema 1, det £,#0 para i T#0. Ahora suponga que 4 es invertible. Al usar (19) y el hecho de que toda matriz elemental es invertible £,' - E7'A es el producto de matrices invertibles. Asi, Tes invertible y por el teorema 3.7.2, det T# 0, Por lo tanto, det #0. Si det 4 #0 entonces (20), det 7'% 0, por lo que T'es invertible (por el teorema 3.7.2). Entonces el lado derecho de (20) es el producto de matrices invertibles, y A es invertible, Esto completa la demostracién |, 2, «..,m. Se concluye que det A # Osi sélo si det ‘Al fin, ahora se puede demostrar el resultado principal, Usando estos resultados establecidos, Ja prucba es directa, Sean Ay B matrices de n X n. Entonces det AB = det A det B a Caso I: det A = det B= 0. Entonces por el teorema 2, B no es invertible, asi por el teo- ema 3.4.6, existe un n-vector x #0 tal que Bx = 0. Entonces (AB)x = A(Bx) = 40 = 0, Por lo tanto, de nuevo por el teorema 3.4.6, AB no es invertible, Por el teorema 2, 0 = det AB=0-0= det Adet B Caso 2: det A= Oy det B¥ 0. A no es invertible, por lo que existe un n-vector y #0 tal que Ay = 0. Como det B#0, Bes invertible y existe un vector tinico x #0 tal que Bx = y. Entonees ABx = A(Bx) 0. Asi, AB no ¢s invertible, esto es det AB = 0 = Odet B= det A det B Caso 3: det A #0. A no es invertible y se puede escribir como un producto de matrices clementales’ A=E, E, E,See Breve historia de los determinantes Los determinantes aparecieron en la literatura matemstica mas de un siglo antes que las matrices. El términe matrizfue utilzado por primera vez por James Joseph Silvestre, cuya intencién era que su significado fueramadre de los determinantes! Algunos grandes matematicos de los siglos xy xx partic paron en el desarrollo de las propiedades de los determinantes, La mayoria de los historiadores cree que la teoria de los determ: antes encuentra su origen en el matemtico alemén Gottfried \ilthelm Leibniz (1646-1716), quien junto con Newton, fue co- inventor del caleuo, Leibniz utilis los determinantes en 1693, fen referencia alos sistemas de ecuaciones lineales simulténeas. Sin embargo, algunos piensan que un matemstico japonés, Seki Kowa, hizo lo mismo casi 10 afos antes. Quien contribuyé de manera mas importante en la teorla de los determinantes fue el matematico francés Augustin-Louis ‘Cauchy (1789-1857), Cauchy redacté una memoria de 84 paginas, en 1812, que contenia la primera prueba del teorema det, AB = det A det B, En 1840 definis la ecuacién caracteristica de la matriz A como la ecuacin polinomial det (A — N) = 0. Dicha ‘ecuacién se estudiaré con detalle en el capitulo 6 Cauchy escrbié en forma extensa, tanto sobre mateméticas ppuras como sobre matemiticas aplicadas. Sélo Fuler contribuyé ‘en mayor medida, Cauchy particip6 en muchas éreas que incluyen teoria de funciones reales compleas teoria de la probabilidad, la ‘geometria, a teorfa de propagacién de ondas y series infinitas, Se otorga a Cauchy el crédito de establecer un nuevo estan: dar de rigor en las publicaciones matemsticas. Después de Cau: chy, se tomné més dificil publicar un articulo basado en la intul- «idm; se pedia adhesién estrcta alas demostraciones formales. EI vasto volumen de las publicaciones de Cauchy era una Inspiracién. Cuando la Academia Francesa de las Ciencias inicié sts publicaciones periédicas Comptes Rendu en 1825, Cauchy les ‘envié su trabajo para que lo publicaran. Pronto la cuenta de im- presién de sélo el trabajo de Cauchy crecié tanto que Ia Acade- ‘mia puso un limite de cuatro paginas por articulo publicado, Esta regla todavia esté en vigor. Vale la pena mencionar aqui algunos matemsticos. La ex- pansién de un determinante por cofactores fue utllzada por primera vez por un matemstico francés, Pierre-Simon Laplace (1749-1827), Laplace es mas conocido por la transformada de La- place que se estudia en cursos de matemsticas aplicadas. Una aportacién importante a la teoria de determinantes (después de Cauchy) fue la del matemstico alemsn Carl Gustav Jacobi (1804-1851). Fue con 6! que la palabra “determinante™ ‘gand su aceptacin final, Jacobi us6 primero un determinante aplicado alas funciones para establecerla teoria de funciones de diversas variables. Mas tarde, Sylvester bautiz6 a este determinante el jacobiano. Los estudiantes actuales estudian los jacobia- nos en los cursos de célculo de distintas variables. Por timo, ninguna historia de determinantes estarla completa sin ebro An Elementary Theory of Determinants, escrito en 1867 por Charles Dogdson (1832-1898), En dicho libro Dogdson da las condiciones bajo las cuales los sistemas de ecuaciones te ren soluciones no trivales. Estas condiciones estén escritas en términos de los determinantes de los menores de las matrices de oeficientes. Charles Dagdson es mas conocido por su seudéni- mo de escrtor, Lewis Caroll.Con ese nombre publicé su famoso libro Alicia en el pais de las marevillas.154 UNPAD 3 Matrices y determinantes Entonces Ey EB Usando el resultado det lema 2 repetidas veces, se ve que det AB = det (EE, EB) = dot E, det B, ~ det B, det B = det (EE, E,) det B = dot A det B competencias 3.9 I. Sea Ela representacién R, Ry sea B una matriz de n X n, Demuestre que det BB = det E det B.[Sugerencia: describa la matriz EB y después utilce la ecuacién (15) y Ja propiedad 4] Il, Sea E la representacién R,—> R, + Ry sea Buna matriz. de n X n, Demuestre que det EB = det Edet B. [Sugerencia: describa la matriz. EB y después uilice la ecuacién, (16) y la propiedad 7] lll, Sea Ela representacion R,— oR, y sea Buna matriz de n X n, Demuestre que det EB = det E det B. (Sugerencia: describa la matriz EB y después utilice la ecuacién (7) y la propiedad 2.] ERD) Determinantes € INVERSAS Enesta secci6n se analiza Ja forma en que se pueden calcular las inversas de las matrices haciendo uso de los determinantes. Més atin, se completa la tatea iniciada en el capitulo 1, de probar climportante teorema de resumen (vea los teoremas 3.4.6 y 3.6.4), que muestra la equivalencia de varias propiedacies de las matrices, Se comienza con un resultado sencilla, Teonenan Eee a det at = o Demosmmacton Suponga que 4 es invertible. Segin el teorema 3.9.2, det A #0. Del teorema 3.8.1 1 = det 1 = det AA“ = det A det A“! @ lo que implica que det A“! = Idet A Antes de utilizar determinantes para caloular las inversas es nevesario definir la adjunta de una matriz A = (q,). Sea B = (A,) la matriz de cofactores de A (recuerde que un cofactor, definido en la pagina 126, es un mimero). EntoncesDernucion Kl La adjunta Determinantes e inv Ay Ay Ay As Ay 4, 4, 155 @ Sea A una matriz den n y sea B, dada por (3), la matriz de sus cofactores. Entonces, la adjunta de 4, escrito adj A, es la transpuesta de la matriz B de n X m; es decir, adj A= Ay An om Ay As dy os Ae fy Gy om A EEE 3, por lo general es més fécil calcular A! con la reduccién por renglones que utilizando adj A; aun para el caso de 4 X 4 es necesatio caleular 17 determinantes (16 para la adjunta de A més det A), Sin embargo, el teorema 3 es de suma Jmportancia ya que, antes de hacer le reduccién por renglones, el céleulo de det 4 (si se puede hacer ficilmente) dice si A~' existe o no existe. w-( emp wy Teorema de resumen Sea A una matriz de n X n. Las siguientes siete afirmaciones son equivalentes. Es decir, cada una implica a las otras seis (de manera que si una es cierta, todas lo son), i) Aes invertible. ii) La tinica solucién al sistema homogéneo Ax = 0 es la solucion trivial (x = 0).3.10 Determinantes @inversas «159 fil) El sistema Ax = b tiene una solucién tinica para cada n-vector b. iv) A es equivalente por renglones a la matriz identidad den X n, J, ¥) Aeesel producto de matrices elementales. vi) La forma escalonada por renglones de A tiene n pivotes vil) det 40. En el teorema 3.4.6 se demostré Ia equivalencia de las partes i), i), fii), h) y vi). En el teorema 3.6.3 se demostz6 Ia equivalencia de las partes #) y »). El teorema 1 (0 teorema 3.9.2) demuestra la equivalencia de i) y vi) Auroevatuacion 12-1 4 |, Bl determinamte de |? 3 41 es 149, La componente 2,3 de A esti dada por is 43 1 6 12 4 2 4| a-t}s ics »a)s1-3 5 . laa gl laa 6 -1 4] 14] o-t oa)2 24 a9 r 1 I 4 1 6 372 I, Eldeterminante de |-1 5 8| es 468. La componente 3,1 de aes 6-44 26 26 46 46, a -26 p28 os a % 768 8 > 468 D 68 Desarrollo de competencias 3.10 De los problemas | al 15 utilice los métodos de esta seccién para determinar si la matriz dada é, caleule la inversa,160 UNIpAD 3 Matrices y determinantes 10. 13. 16. 1". 18. 19. aL 2. 3 10 Lol 2-14 ee uote fae ae pie wns be: baat Da asf wf traps |B 712 -4, . ae a6 Utilice determinantes para demostrar que una matriz. A de n X mes invertible siy slo si a’ es invertible Lt Para A=| ‘verifique que det 4~' = I/det A. (5) tases 1-t 3 Para A=|4 1 6| verifique que det A~* = Ldet A. 202 {Para cuales valores de a la mattiz (i > ) cs no invertible? sa a-l att |. (Para qué valores deala matriz| 1 2 3 | no tiene inversa? 2a at3 at? Suponga que la matriz A de n X n es no invertible. Demuestre que (4)(adj A) es le matriz, eto. con send Sexo nines rst. Demeteg ( ) teri nee ies sen 8 00s 8 cos @ sen 0 . Sea 0 un niimero real. Demuestre que | sen @ cos @ 0 Jes invertible y encuentre su inversa o 0 1 REeSpuesTAs A LA AUTOEVALUACION La Ia ERE) Recta pe Cramer En la presente seccién se examina un viejo método para resolver sistemas con el mismo niimero de incégnitas y ecuaciones, Considere el sistema de n ecuaciones lineales con n incdgnitas. aX, Fg, boo as, =, Am age, bo ax, =, aw A,X Fax, HFA,E teonewa El Demosrracion BAL Reglade Cramer 161 que puede escribirse en Ia forma Ax=b @ Si det 4 0, el sistema (2) tiene una solucién tnica dada por x = 4b. Se puede desarrollar tun método para encontrar dich solucin sin reducciéa por renglones y sin caleular A~* Sea D = det A, Se definen n nuevas matrices: % a, ay 4, a 4 gale % a-|% 4.) 4 % By ag oe My ah mn Ca Es decit, 4, es la matriz obtenida al reemplazar la columna i de A por b. Por tltimo, sea D, = det Ay, D, = det Ay... D, = det Ay Regla de Cramer Sea A una matriz den X ny suponga que det A # 0. Entonces la solucién tinica al sistema Ax = best dada por 8 4y)(0 4, ||, =e @ AJ, Ahora bien, (adj A)b es un n-vector euya componente jes 4 » (Ay Ayo Ay] |= 8,4, 8,4, Ho 48,4, © 2, Considere la matriz yy 4 hy 4 Aa a My 4-|" 2 © fa a, ~- b “. + columnaj Si se expande el determinante de 4, respecto a su columna j, se obtiene D,=b, (cofactor deb) + b, (cofactor deb,) +--+ b, (Cofactor deb) (7)162 Unpap 3 iM Solucién Matrices y determinantes Peto para encontrar el cofactor de h, por ejemplo, se elimina el renglén iy la columna _jde A, (ya que b, esté en la columna j de A). Pero la columna j de 4, es, y si se elimina se tendré simplemente el menor jj, M,. de A. Entonces cofactor deen 4,= A, De manera que (7) se convierte en D,= byAy + byAy + + by Ay ®) Por esta razén se trata de lo mismo que el lado derecho de (5). Por lo tanto, la compo nente ide (adj A)b es D,y se tiene x DID x DID x x, DAD. ya prueba queda completa. Nota histérica. La regla de Cramer recibe stu nombre en honor del matematico suizo Gabriel Cramer (1704-1752). Cramer publicé la regla en 1750 en su libro Introduction to the Analysis of Lines of Algebraic Curves. De hecho, existe evidencia que sugiare que Colin Maclaurin (1698- 1746) conocia la regla desde 1728; Maclaurin fue quizas el matemstico briténico més sobresa- liente en los afos que siguieron a la muerte de Newton, La regla de Cramer es uno de los resultados mas conocidos en la histaria de las matemsticas. Durante casi 200 afios fue fundamental ten [a ensananza del algebra y dela teoria de las ecuaciones, Dabido al gran numero de caleulas| requeridos, se utiliza muy paco en la actualidad, Sin embargo, el resultado fue muy determinante en sutiempo, Resuelva el sistema usando la regla de Cramer 2x, + 4x, + 6x, = 18 4x, + Sx, + 6x, = 24 o Bx, + x, —2y=4 El presente ejemplo ya se resolvis en el ejemplo 2.3.1: haciendo uso de la reduecién por renglones, También se pudo resolver calculando A~* (ejemplo 3.4.6) y después encontrando A'b Ahora se resolver usando la regla de Cramer. Primero, se tiene p 4 ol p=4 5 6f=6%0 Is 1 -2| 4 6 cde manera que el sistema (9) tiene una solucién tinica. Después D, =|24 5 6/=24, 412BAL Reglade Cramer 163 2 418 b> =12 y D.=|4 5 24]=18.Porlotanto, x, == 4, D6 sp 1 al Bey 6 Solucién de un de 4 x 4 usando la regia Demuestze que el sistema y+ 3x, + 5x, 42x,=2 mx, + 3x, $44,200 1) 2x, + x, + 9x, + 6x,= 3 c Bx, + 2x, + 4x, + 8x, = “1 tiene una solueién Unica y encuéntzela utilizando la regla de Cramer BH Solucién — tincl ejemplo 3.8.14 se vio que 352 -1 34 =160 40 196 ps 248 Por lo que el sistema tiene una solucién ‘nica, Para encontrarla se ealeula D, = ~464; D, = 280; D, = —56; D, = 112. Asi, x, = D,/D = ~464 1160, x, = D,ID = 280 1160, x, = D,ID =$6 /160 y x, D,/D = 112/160. Estas soluciones se pueden verificar por sustitucién directa ‘eneel sistema 10 Auroevatuacion 1. Considere el sistema 2x 3y442=7 2 2-3 sip=|3 8 bs -12 4 3 4 )2 37 2 8-1 yz,3 8 2 u-2 6 5 -2 27 4 if27 4 2-1 -2-1 3 Os)? D Hsu | Ls -1164 UNIDAD 3 Matrices y determinantes competencias 3.11 Delos problemas | al 9 resuelva el sistema dado usando la regla de Cramer: Lx, #3x,5-1 2B 3y- xy Tx, + 4x, = 47 4x, + 2x, 3. y+ xt 6 4 yt ety 3x, 7 2x) -3x= 5 4x,- x 8x, + 2x, + Sx, = 1 Bx, x + 2x, 2x, + 2x, + x7 6 2x, +$x,- x=71 x, +2x,+ x50 4x, + xy b 3x53 ax ty tdy 2x42, <0 1 Int mn xy Boyt xt yt x6 xt x dy = yr ed = x 5x, Bx, + 6x,=3 x, — x25 9 x, 2x, + x ax, toy Figura 3.4 4) Demuestre, utilizando la trigonometria elemental, que coos A + acosC eos A + acosB = cos B+ beos C b)_Si-se piensa que el sistema del inciso a) es un sistema de tres ecuaciones con tres in- cognitas, cos A, cos By cos C, demuestre que el determinante del sistema es diferente de cero. ©) Utilice Ia regla de Cramer para despejar cos C. 4) Utilce el inciso ©) para probar la ley de eosenos: = a! + 6 —2ab cos C. Respuesta A LA AUTOEVALUACION LoResumen 168 Resumen + Un vector renglén de m componentes es un conjunto ordenado de n niimeros denominados cescalares, escritos como (Xy, Xs. +X) + Unyector columna de m componentes ¢s un conjunto oxdenado de n niimeros escritos como + Un vector cuyas componentes son todas cero se denomina veetor cero. + Lasuma de yectores y la multiplicacién por esealares estin definidas por ry + Una matriz dem x mes un arreglo rectangular de mn nimeros arreglados en m renglones yncolumnas % My a-|% Ste + Una matriz cuyas componentes son todas cero se denomina matrz cero. + Si Ay Bom mattices dem Xn entonces A+ By ad (a un escalat) son matrices dem X 1 La componente de A + Besa, + b, La componente de ij de ad ¢3 aa, + Elprodueto esealar de dos vectores de n components es: (2, 6, b= Ca, dye a): | [ab + stan —Boh + Productos de matrices Sea A-una mattiz dem X ny Buna mattiz de n X p. Entonces 4B es una matriz. dem X p y la componente de ij de AB = (renglén ide A): (columna j de B) tot agby Deby166 Unpap 3 Matrices y determinantes + En términos, los productos de matrices no son conmutativos; es decir, casi siempre ocurre que AB? BA + Ley asociatia deta multiplicacién de matrices Si A os una matriz den X m, Bes dem X py Ces de p X g,entonces A(BC) = (ABC ytanto 4(BC) como (AB)C son matrices dem X g + Leyes distributivas para la mutiplicaciém de matrices Si todos los productos estén definidos,entonces AB + 0)= AB+AC y (A+ B)C=AC+ BC + Lamatriz identidad m x n, 1, ¢s 1a matriz den X n con unos en la diagonal principal y ceros en otra parte. J, se denota generalmente por I. Si A es una matriz cuadrada, entonces A= Id = A + Lamatria d den x nes invertible si existe una matri2 A“'de n X n tal que Aa A Em este caso la matriz, A~' se Hama la inversa de A. + SiA es invertible, su inversa es tinica, + Si Ay B son matrices invertibles den X n, entonces AB es invertible y (aby! = Bt A + Para determinar si una matria den X mes invertible 4) Se escribe la matriz cuadrada aumentada (|). fi) Se reduce A por renglones a la forma escalonada reducida por renglones, iif) a) Sila forma escalonada reducida por renglones de 4 es J, entonces A~ serd la mat ala derecha de la raya vertical punteada, ') Sila forma escalonada reducida por renglones de A contiene un renglén de ceros, entonces A no es invertible. + amaiaded 2, 4=( 78) esaebes yo eldeterminante de A, det A = ayia, — a,s2,, 40 1 a, ~a, det Ala, ay + Dos matrices 4 y B son equivalentes por renglin sid se puede transformar en B reduciendo por renglones. En cuyo caso + Sea A una matriz den Xn. Si AB = Fo BA = I, entonces A es invertible y B= Si A = (a), entonces la wanspuesta de A, denotada por A’, esté dada por 4’ = (a,) Esto es, 4’ se obtiene intercambiando los renglones y las columnas de 4Resumen 167 Hechos sobre ta transpuesta Si todas las sumas y productos estin definidos y A es invertible, entonces (AY =A (ABY= RA (At BY HAE si A es invertible, entonces (A~')! = (A~') ‘Una matriz cuadrada A es simétriea si A = A. Una matriz elemental es una matriz,cuadrada que se obtiene llevando a cabo exactamente una operacién con renglones sobre la matriz identidad, Los tres tipos de matrices elementales son: oR, se multiplica el renglon ide por e: ¢ 40. R,+cR, se multiplica el renglén ide por ¢ y se suma al renglon j: ¢# 0 Pp, se permutan los renglones iy j ‘Una matriz cuadrada es invertible sy s6lo si es el producto de matrices clementales, Cualquier matriz. cuadrada se puede escribir como el producto de matrices elementales y ‘una matriz triangular superior. Teorema de resumen Sea A una matriz de n X 7, entonces las siguientes afirmaciones son equivalentes: i) Accsinvertible fi) La tinica solucién al sistema homogénco Ax = 0 ¢s la solucién trivial (x = 0). iii) El sistema Ax = b tiene una solucién tinica para cada n-vector b iv) A es equivalente por renglones a la matriz identidad de n X n, I, v) A se puede escribir como un producto de matrices elementales, vi) det A#0 (por ahora, det 4 esti definido s6lo si A es una matriz de2 x 2) La forma escalonada por renglones de A tiene m pivotes Determinante de A = det A = [4] = ay, a2, Determinante de 3 x 3 det} a, ay, ay |= a, fa, f= El menor jj de la matriz A de n X n, denotado por M,, es la matriz de (nm ~ 1) x (n= 1) obtenida al eliminar el renglén iy la columna j de A El cofactor ij de A, denotado por A,, est dado por il" det M, Determinante dem Xn Sea A una mattiz den X n. Entonoes det A= ayy =a, 40,4, = Dray, La suma anterior se denomina la expansién de det A por cofactores en el primer renglén,168 Unpap 3 Matrices y determinantes + Si Aes una matriz de m X n, triangular superior, triangular inferior o diagonal, cuyas componentes en la diagonal som dy,d;y,- -» dy entonces det A= ayy dye + Teorema basico Si A es una matriz.de n X n, entonces ba Aa, A, tad, tad, Sad, det A=a,4, +4,,4, + 40,4, =a,4, parai= 12,0. .ny/= 1200 Es decir, el determinante de A se puede obtener expandiendo en cualquier renglén 0 co- umna de 4. + Si cualquier renglén o columna de A es el vector cero, entonces det A = 0. Si cualquier renglén (columna) de A se multiplica por un escalar, entonces det A se multiplica por « + Si Ay B son dos matrices den x n que son iguales excepto por la columaa j(renglén i) y C es la matriz que es idéntica a A y B excepto que la columna j (renglén i) de Ces la suma de lacolumna jde 4 yla columna jde B (renglén ide A y renglén ide B), entonces det C= det At det B + Blintercambio de cualesquiera dos columnas o renglones distintos de A tiene el efecto de multiplicar det 4 por —1 + Sicualquier renglén (columna) de A se multiplica por un escalar y se suma a cualquier otro renglén (columna) de 4, entonees det 4 no cambia. + Siun renglén (columna) de 4 es un miitiplo de otro renglén (columna) de A, entonces det A = 0. + det A= det a! La matriz. A den X mes invertible siy s6lo si det 4# 0, + det AB = det A det B + SiA esinvertible, entonces det A#0y 1 dot = wea + Sea A una matriz dem Xn. La adjunta de 4, denotada por adj 4, ¢s la matriz de n Xm cuya componente ijes 4, el cofactor ji de A + Sidet 40, entonces A es invertible y adj A wea + Teorema de resumen Sea A una matriz de n X n, Entonces las siguientes siete afirmaciones son equivalentes: i) Acs invertible. ii) La dinica solucién al sistema homogéneo Ax = 0 es la solucién trivial (x = 0)Competencias finales. Unidad 3.169 iii) El sistema 4x = b tiene una solucién tinica para cada n-vector b iv) A es equivalente por renglones a la matriz dentidad de n X n, J, ¥) Acsel producto de matrices elementals, vi) La forma escalonada por renglones de A tiene n pivotes. vil) det A #0. + Regla de Cramer Sea A una matriz. den Xn con det A # 0. Entonces la solucién tinica al sistema Ax = esti dada por D, wa" aaa donde D, ¢s el determinante de Ia matriz obtenida al reemplazar la columna j de A por el vector columna b. COMPETENCIAS FINALES. UNIDAD 3 De los ejercicios 1 a 10 realive los célculos indicados: at rsfog af 2 (S33 4 2-16)'lass 213) (2 3-12 af] 5 07 #2 GF) -6 1s) (2-43 aca s74 pay (at 231 s)203 so 3 -4f-2] 0 3 6 (ee a2) l2 6 toe 2350-12 1 7 [164s 12 s. || 2 3 4) 10 6)l-7 35 3 4 m1 23 = 2\(2 oft etapa ws 5 fi 216 25) 5, 4 -lls 23 Delos ejercicios 11 a 17 calcule la forma escalonada por renglones y la inversa (si existe) de la matriz dada, 1 w(2) eC af) «fis = = ~ le 8170 Unpap 3 -12 0 3 2 204 is. | 41-3 16/9 0 -1 w.)-131 25-3 5 0 2 O12 De los ejercicios 18 a 21 primero escriba el sistema en la forma Ax = b, después calcule A* y, por tltimo use la multiplicacién de matrices para obtener el vector solucisn, 1 x, -3y=4 x, -3x,=4 2x, + Sx, = 7 2x, + 2x, 53 20. 2 dy, b4x,= 7 Hx, b 3x box = 4 x +2x,= 5 22, Sea B= “16 1 3 4) Determine sila matviz E dada es invertible; silo es, calcule su inversa utilizando la adjunta B) Determine E! + Adi = 6) Determine £ +E! + AdjE = 4) Determine (E+ B) + B+ E+ AdiE = De los ejercicios 23 a 31 calcule Ia transpuesta de la matriz dada y determine si la matriz es simétrica o antisimétrica,’ (232 a (48 (2 -1 02 64 ~ l-1 3 230 o 56 o 132 a6. [3-6 -s u.f-s 04 wf-aio 3 1-59 6 -4 0 2-3 1-46 oa dt {2 5 7] gy ft ot aos 3-8 bro 4 6 7-8 9 b-2-1 0 31. Sea F=[? ©) caloule (FF 0-2 De los ejercicios 32 a 36 encuentre una matriz elemental de 3 X 3 que Ilevaria a cabo las operaciones con renglones dadas. 32. R,>-2R, 33. RR, +2R, 34. RR, SR, 35. RR, 36. ROR 1 ER,Competencias finales. Unidad 3.171 De los ejercicios 37 a 40 encuentre la inversa de la matriz elemental, Delos ejercicios 41 y 42 escriba la matriz como el producto de matrices clementales. 10 3 a{? ) a joa -s ao 3204 De los ejercicios 43 y 44 escriba cada matriz como el producto de matrices clementales y una ‘matriz triangular superior. 1-23 4. | 04 44 42 2 1 En Jos ejercicios 45 al $4 calcule el determinante. as. |) 2 46. 47. s ol 2 1-2 3 s 00 1-1 | 4. fo 4 5 w.]6 20 so] 3 42 Jo 0 | lo 100 6 -2 3 4| a) 31-2] sf ad sz} ao 5 o 34 Le 1 1a24 sb 15 17 19 402 2 afi og sa P22 00 Li 237] bp o 1 sol s 104 b 0 0-1 De los ejercicios 55 al 62 utilice determinantes para calcular la inversa (si existe) (3-57) 3 4) $7 4 or s. (24) wlea so 2 0 2a) o 0-3] 301 1-12 tid 21 , 58/3 1 4 59 )1 O17 60, |° ~} 5-18 old 10 7 3 0-1 9172 UNpaD3— Matrices y terminantes (3-124) o 1 0 a] i 103 af® o 10 20415 oo on 6-412 -2 -3 -10 En los ejercicios 63 al 68 resuelva el sistema utilizando la regla de Cramer. 68. 2x,- x53 3x, + 2x, =5ESPACIOS VECTORIALES I COMPETENCIA ESPECIFICA A DESARROLLAR Comprender el concepto de espacio vectorial como la estructura algebraica que generaliza y hace abstraccién de operaciones que aparecen en diferentes reas de In matemética mediante las propiedades de adicién y multiplicacién por un escalat. Construir, utilizando el dlgebra de vectores, bases de un espacio vectorial y determinar la dimensida del espacio correspondiente. IntRopucciON En un curso basico de céleulo se estudia al conjunto de los mimeros reales y las propiedades que éstos satisfacen, esas propiedades de suma y producto hacen de B un espacio vectorial Los conjuntos I yB junto con las operaciones de suma y multiplicacién por un escalar se denominan espacios vectoriales. Se puede decir, de forma intuitiva, que un espacio vectorial es un conjunto de objetos con dos operaciones que obedecen las reglas que acaban de escribirse. En el presente capitulo habré un cambio, en apariencia grande, del mundo concreto de la solucién de ecuaciones y del manejo sencillo de los vectores que se visualizan, al mundo abs- tracto de los espacios vectoriales arbitrarios, Existe una ventaja en este cambio, Una ver que, en términos generales, se establecen los hechos sobre los espacios vectoriales se pueden aplicar estos hechos a fodos los espacios de esta naturaleza. De otro modo, tendria que probarse cada hecho una y otra vez para cada nuevo espacio vectorial que nos encontréramos (y existe un sin fin de ellos). Pero como se vera mas adelante, muchos de los teoremas abstractos que se demos- trarn, en términos reales no son mas dificles que los que ya se han estudiado.174 Unpand Espacios vectorales EE] Derinicion y pRoPIEDADES BASICAS Derint ov Espacio vectorial real Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos operaciones binarias llamadas suma y multiplicacion por un escalar y que satisfacen los diez axiomas enumerados a continuacién, Noracin, Six y y estén en Vy sia ¢s un niimero real, entonces Ia suma se escribe como x + ¥ yel producto escalar de a y x como ax. Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio vectorial deben mencionarse dos asuntos de importancia, En primer lugar, mientras que puede sor itil pensar en I o al manejar un espacio vectorial, con frecuencia ocurre que el espacio vectorial parece ser muy diferente a estos eémodos espacios (en breve tocaremos este tema). En segunda instancia, Ia definicibn 1 ofrece una definicién de un espacio vectorial real. La palabra “real” significa que los escalares que se usan son mimeros reales, Seria igualmente sencillo definir un espacio vectorial complejo utilizando mimeros complejos en lugar de reales. Este libro esta dedicado principalmente a espacios vectoriales reales, pero las generalizaciones a otros conjuntos de escalares presentan muy poca dificultad, Axiomas de un espacio vectorial i) Six © Vyy eV, entonces x + y © ¥ (cerradura bajo la suma) Para todox, yyzen V(x +y)+2=x+(+2) (ey asociatva de la suma de vectors) ii) Existe un vector € Vtal que para todox € ¥,x+0=0+x=% (10 se lata yector cero 0 idéntico aditivo). iv) Six € V, existe un vector —x en € Vtal quex + (-x) =0 (-x se lama inverso aditive dex) W Sixy yestinen V; entoncesx + y=y +x (ley conmutativa de la suma de veetores) vi) Six © Vyaresunescalar,entonces ax € ¥ (cerradura bajo la moltplieacién por un salar) vil) Six y yestin en Vy aes un escalar, entonces a(x + y) = ax + ay (primera ley distributia). Six © Vy ay son escalares, entonces (a + f)x = ax + fx (segunda ley dstributiva). ix) Six © Vyay A son escalares, entonces a(fx) = (af)x (ley asociatva dela multiplcacién por escalares). 3) Para cada vector x © V, Ix =x Nota, En los problemas 23 y 24 se estudian la propiedad de unicidad sobre el elemento neutro aditivo y el elemento inverso aditivo en un espacio vectorial4.2. Definicin y propiedades bésicas 175 HELE sspacio. 3,6 panic h2.n Cada vector en "es una matriz den X 1 Segin la definicion de suma de matrices dada en la 0 definicin 3.1.5, x + y es una matriz dn X 1 sixyy son matries dem x 1, Haciendo = | °|y " ° |, se observa que los axiomas i) ax) se obtienen de la definicin de suma de vectores (matrices) y el teorema 3.1.1 Nota, Los vectores en ID" se pueden escribir indistintamente como vectores renglén o vectores columna, EE Espacio vectorial trivial Sea V = {0}. Es decir, V consiste s6lo en el niimero 0. Como 0 +0 =1:0=0+ (+0) = (0 + 0) + 0 = 0, se ve que Ves un espacio vectorial. Con frecuencia se le otorga cl nombre de espacio vectorial trivial, TEE coniunto que no es un espacio vectorial Sea V = {1}. Es decir, V consiste tinicamente del nimero 1. Este no es un espacio vectorial ya ‘que viola el axioma i) el axioma de cerradura—, Para verlo con mas claridad, basta con observar que | +1 = 2 ¢ V. También viola otros axiomas, sin embargo, con tan sélo demostrar ‘que viola al menos uno de los diez axiomas queda probado que V no es un espacio vectorial. Nota. Verificar los diez axiomas puede ser laborioso, En adelante se verificarén tinicamente aquellos axiomas que no son obvios HEE © conjunto de puntos en 2 que se encuentran en una recta ‘que pasa por el origen constituye un espacio vectorial Sea V= {(x, y):y = mx, donde m es un niimero real ijo y x es un nlimero real arbitrario} Es decir, V consiste en todos los puntos que estin sobre la recta y = mx que pasa por el origen y tiene pendiente m, Para demostrar que Ves un espacio vectorial, se puede verificar que se ‘cumple cada tuno de los axiomas, Observe que los vectores en 2” se han escrito como renglones cen lugar de columnas, lo que en esencia es lo mismo. i) Suponga que x = (xy, »,) yy = (%y y,) estan en V. Entonces y, = mx, y, = mx ¥ REY =H) +O HI= eI) * Cem) =O, + Sys, +) (yt xomG, HEF Por lo tanto se cumple el axioma 9.176 Uxpan 4 Espacios vectorales ii) Suponga que (x,») © ¥. Entonees y que ~(x, ») también pertenece a V =x, m(—x)), de manera (x — x, m(x — x)) = (, 0) xy —(6.9) = (% ma) (x, mx) + (Ex, m(—2)) ‘Todo vector en Ves un vector en 2", y Res un espacio vectorial, como se muestra en el ejemplo 1. Como (0, 0) = Oesté en V (explique por qué) todas las demis propiedades se deducen del ejemplo 1, Entonces Ves un espacio vectorial El conjunto de punto: encuentran sobre una recta ‘que no pasa por el origen no constituye un espacio vectorial Sea V= {(x, 9): = 2x + 1.x eR). Bs decir, Ves el conjunto de puntos que estin sobre la xecta y = 2x + 1. Vino es un espacio vectorial porque no se cumple la cerradura bajo la suma, como sucede en el ejemplo 3. Para ver esto, suponga que (x, y,) y (x ¥,) estén en V, Entonees, Git Gawd = Ot YD Sieel vector del lado derecho estuviera en V, se tendria Yet y= 2, $x) + 1S 2x, 2x, FL Peto y, = 2x, + Lyy, = 2x, + 1 de manera que y,ty,= Ox, ++ Ox, +1) = 2x, 42K, +2 Por lo tanto, se concluye que Gtr At WEN sO WEN ¥ Ge” Por ejemplo, (0,1) y (3, 7) estan en V, pero (0, 1) + (3, 7) = (3, 8) no esta en V porque 8 #2 3+ 1. Una forma mis sencilla de comprobar que V no es un espacio vectorial es observar que 0 = (0, 0) no se encuentra en V porque 0# 2° 0 + 1. No es dificil demostrar que el conjunto de puntos en R® que est sobre cualquier recta que no pasa por (0, 0) no constituye un espacio vectorial FEE El conjunto de puntos en que se encuentran en un plano ‘que pasa por el origen constituye un espacio vectorial Sea V = {(x, y, 2): ax + by + cz = 0}. Esto es, Ves el conjunto de puntos en R? que esti en el plano con vector normal (a, b, ) y que pasa por el origen. Al igual que en el ejemplo 4, los vectores se escriben como renglones en lugar de columnas. Suponga que (x. 9. £:)¥ (Xp Pp £) estén en V. Bntonees (X92) + (Xp Yp 4) = 0% + Xp V7 Vy ta) © V porque a(x, +5.) + B04 +94) + Cg, + 2.) =(as, +by, + e,) + (ax, + by, + 2,)= 04020 Porlo tanto, el axioma i) se cumple, Los otros axiomas se verifican fécilmente. De este modo, cl conjunto de puntos que se encuentra en un plano en 2? que pasa por el origen, constituye un espacio vectorial EE espacio vectorial p, Sea V = P,, el conjunto de polinomios con coeficientes reales de grado menor o igual an.’ Si pe P, entonces J Sede que ls funciones constants (nclayend farce) = 0) on polinomios de grade cero,4.2. Definicin y propiedades bésicas 177 pO) =a, tax stax ta, donde cada 4, es real. La suma de p(x) + g(x) esté definida de la manera usual: si g(x) = 2.x" + Be bo + bx + by entonces POR AO) = (4, + BIN (ag +B) ooo (@, FBIN + C4, +8) Es obvio que la suma de dos polinomios de grado menor o igual a n es otro polinomio de grado ‘menor o igual a n, porlo que se cumple cl axioma i). Las propiedades i) y ) a x) son claras. Si se define el polinomio 0 = Ox" + Ox"! +--+ + Ox +0, entonces 0 € P,yel axioma i) se cumple. Por timo, sea =p(x) = —a,x" = a,_,x""! = ++ = a,x — ay se Ve que el axioma iv) se cumple, con Jo que P, cs un espacio vectorial eal Los espacios vectoriales C[0, tly Cla, b} 1 [EMEA] Sea 7 = CI0, 1] = elconjunto de funciones eontinuas de valores reales definidas ene intervalo (0,1) Se define FF 8x = £0) + 8D ¥ (ONG) = aff] Como la suma de funciones continuas es continua, el axioma ) se cumple y los otros axiomas se verifican ficilmente con 0 = la funcisn cero y (—/)(x) = =f(x). Del mismo modo, Cf, 6}, clconjunto de funciones de valores reales definidas y continuas en [a,b], constituye un espacio vectorial HEE el espacio vectorial M,,, Si V = M,, denota el conjunto de matrices de m X n con componentes reales, entonces con a suma de matrices y multiplicacién por un escalar usuales, se puede verificar que M,, es un espacio vectorial cuyo neutro aditivo es la matriz de ceros de dimensiones m X 7 HEED" conjunto de matrices invertibles puede no formar un espacio vectorial Sea S, el conjunto de matrices invertibles de 3 X 3. Se define la “suma” 4 @ B por A ® B= AB} Si Ay B son invertibles, entonces AB es invertible (por el teorema 3.4,3) de manera que el axioma i) se cumple. El axioma ii) ¢s sencillamente la ley asociativa para la multiplicacién de ‘matrices (teorema 3.2.2); los axiomas ii) y is) se satisfacen con 0 = I, y—A = A“. Sin embar- 0, AB BA en general, entonces el axiom ¥) no se cumple y por lo tanto S, no es un espacio vectorial EERE Un conjunto de puntos en un semiplano puede no formar un espacio vectorial Sea V = {(x, 9): 7 = 0}. Vconsiste en los puntos en I en el semiplano superior (los primeros dos cuadrantes). iy, = Oy y, = 0, entonces y, + y, = 0: asi, si(x,,¥3) © Vy (xy 9) © V.entonces (x, + x,,; +31) © V. Sin embargo, Vno es un espacio vectorial ya que el vector (I, 1), ppor ejemplo, no tiene un inverso en V porque (—1, =I) ¢ V. Mas ain, el axioma vi) falla, ya que si(x, ») @ V, entonces a (x, 3) 0 Vsia <0. lio para indcar que el problems o ejemplo uiiza concepts de cdkub, (9 para evar confusin con el slgno mis normal que det178 Unpand Espacios vectorales EEE espacio teonema El] Demosmmacion Sea v= © = ((.¢y.+, 6): 6,88 0m mimero complejo para i= 1,2... n) y el eonjunto de escalares es el conjunto de mimeros complejos. No es dificil verificar que €*, también es un espacio vectorial Como lo sugieren estos ejemplos, existen diferentes tipos de espacios vectoriales y muchas clases de conjuntos que no son espacios vectoriales. Antes de terminar esta seccién, se demos- traran algunos resultados sobre los espacios vectoriales, Sea V un espacio vectorial. Entonces i) i iii) iv) iD i) iti) a0) = 0 para todo escalar a. o O para todo x € V. Si ax = 0, entonces a = 0 0 x = 0 (0 ambos) (-l)x = =x para todo x = ¥. Por el axioma iif), 0 + 0 = y del axioma vi), a = a(0 +0) = a0 + a0 wo ‘Sumando —a0 en los dos lados de (1) y usando la ley asociativa (exioma i), se obtiene ‘Se usa, esencialmente, la misma prueba que en la parte f), Se comienza con 0 + 0 = Oy se tsa el axiomaa vi) para ver que Ox = (0 + 0)x = Ox + Ox 0 Ox + (—Ox) = Ox + [0x + (-0x)] 0 0 = Ox + 0 = Ox. ‘Sea ax = 0. Sia 0, se multiplican ambos lados della ecuacién por Va para obtener Wa)(ax)= Va) 0 = 0 [porta parte )|.Pero Va)(ax) = 1x = x (por el axioma ix), de manera que x = 0. Primero se usa el hecho de que 1 + (=1) = 0. Después, usando la parte i), se obtiene 00x =[1 + (“Dp = ix + (bx =x + (Dx ® Se suma —x en ambos lados de (2) para obtener +(x)+ (Dx Deeste modo, ~x = (—I)x. observe que el orden dela suma en la ecuacién anterior se pudo inverti utilizando la ley conmutativa (axioma 1). Observacién. La parte ii) del tcorema 1 no es tan obvia como parcce. Existen situaciones cono- cidas en las que xy = 0 no implica que x 0 y sean cero. Como ejemplo, se tiene la maultiplicaciéa puede verificar, AB = pat a) . |, el resultado del producto de estas matrices es la matriz cero.4.2. Definicin y propiedades basicas 179 AuToevatuacion Deas siguientes afirmaciones, indique si son falsas o verdaderas. L Beant de veer * con y = —3x €s un espacio vectorial real y Ie t eat saree (Jae Pea ere ere arias te Ill, El conjunto de matrices invertibles de 5 x 5 forma un espacio vectorial (con “+” definido como en la suma matrices ordinaria). IV Hleoajute de méhipos constants dela ntl Wltira de 2 x 2 cs un expec vectorial (con “+” definido como en III), ee ae ene erect ral (on "4" defini como en) VI. El conjunto de vectores | y | en? con 2x — y ~ 122 = 0 es un espacio vectorial real. 2 Vil. El conjunto de vectores | y | en R con 2x ~ y ~ 122 = 1 es un espacio vectorial real. 7 Vill. Hl conjunto de polinomios de grado 3 es un espacio vectorial real (con “+” definido ‘como la suma de polinomios ordinaria) Desarrol le competencias 4.2 De los problemas | al 22 determine si el conjunto dado es un espacio veetorial. De no ser ast proporcione una lista de los axiomas que no se cumplen, 1 El un escalar usuales conjunto de matrices diagonales den X n bajo Ia suma de matrices y multiplicacién por . El conjunto de matrices diagonales den x n bajo la multiplicacién (es decit, B= AB) . f(x, ys» 0; x, y reales} con la suma de vectores y multiplicaciSn por un escalar usuales. Los vectores en el plano que esté en el primer euadrante. . Hl conjunto de vectores en W2' de la forma (x, x, x). . El conjunto de polinomios de grado 4 bajo las operaciones del ejemplo 7. ‘onjunto de polinomios de grado 5 bajo las operaciones del ejemplo 7. . El conjunto de matrices simétrcas de n Xn (ve la seccibn 35) bajo la sumay mutiplicae ‘0 a) 9. Leanna demnisve de2 x 2qvetnenlorms[)_*)hjolasumay mutica bo por unescalasusuales 10. Bl conjunto de matsices dele forma ( ‘) con ls operaciones de matrices de suma y multiplicacién por un escalar. 1 11, Elconjunto que consiste en un solo vector (0, 0) bajo las operaciones usuales en simbolo LC180 Unpap 4 + cea] + as] Espacios vectorales 12, El conjunto de polinomios de grado = n con término constante cero. 13. El conjunto de polinomios de grado = n con término constante a, positive 14, El conjunto de polinomios de grado “ n con término constante a, negativo. 15. Hl conjunto de funciones continuas de valores reales definidas en (0, con f(0) = Oy (1) = bajo las operaciones del ejemplo 8, 16. Bl conjunto de puntos enh que se encuentran sobre una recta que pasa por el origen, 17. El conjunto de puntos enh” que se encuentran sobre la recta x = 1+ Ly = 21, 18. B con la suma definida por (x,,y,) + Oy ¥3) = (, +X; + Ly, +yy+ Dy la multiplicae cidn por un escalar ordinaria, 19. El conjunto del problema 18 con la multiplicacién por un escalar definida por a(x, ») = (@+ax-latay—D) 20. El conjunto que consiste en un objeto con Ia suma definida por objeto + objeto = objeto y a multiplicacién por un escalar definida por a (objeto) = objeto, 421. El conjunto de funciones diferenciables definidas en [0, 1] con las operaciones del ejemplo 8. 22, El conjunto de mimeros reales de la forma a + by2, donde ay b son niimeros racionales, bajo la suma de niimeros reales usual y la multiplicaciéa por un escalar definida s6lo para escalares racionales. 23. Demuestre que en un espacio vectorial el elemento idéntico aditivo es tinivo. 24, Demuestre que en un espacio vectorial todo vector tiene un inverso aditivo tinico. 2, Six yy son vectores en un espacio vectorial V, demuestre que existe un vector tinico ze V talquex +2=y. 26. Demuestre que el conjunto de niimeros reales positives forma un espacio vectorial bajo las operaciones x + y = xy Yax = x" 27. Considere la ecuacién diferencial homogénea de segundo orden YG) + aby") + bOOYC) = 0 donde a(x) y (x) son funciones continuas. Demuestre que el conjunto de soluciones de la eouacién es un espacio vectorial bajo las reglas usuales para la suma de funciones y multiplicacion por un esealar. RRESPUESTAS A LA AUTOEVALUACION Lv WF MF WV VF VV WEF VILF EE] Suzespacios Del ejemplo 4.2.1, se sabe quel” = {(x, y): x © Ry y eB} es un espacio vectorial. En el ejemplo 4.24, se vio que V = {(x, ): y = mx) también es un espacio vectorial. Adicionalmente, es evidente que VCIR*. Esto es, IR* tiene un subconjunto que también es un espacio vectorial. De hecho, todos los espacios vectoriales tienen subconjuntos que también son espacios vectoriales, En esta secci6n se examinaran estos importantes subconjuntos. 1 TERRI te smbolo se usa para indica que el problema o elernpo usa conceptas de celDenucon El E eonenaa El Demosrracion 4.3. Subespacios 181 Subespacio Sea H un subconjunto no vacio de un espacio vectorial Vy suponga que Hes en si un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se dice que Hes un subespacio de V, Se puede decir que el subespacio H hereda las operaciones del espacio vectorial “padre” V. Existen miiltiples ejemplos de subespacios en este capitulo; sin embargo, en primer lugar, se demostraré un resultado que hace relativamente sencillo determinar si un subeonjunto de 7 ces en realidad un subespacio de Subespacio Un subconjunto no vacfo H de un espacio vectorial Ves un subespacio de V si se cumplen las dos reglas de cerradura: ‘Reglas de cerradura para ver si un subconjunto no vacio es un subespacio i) Six c Hyy eH, entoncesx + ye H. ii) Six © H, entonces ax € H para todo escalar Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura deben cumplirse, De lo contrario, para demostrar que Hes un espacio vectorial, debe demostrarse que los axiomas #) a x) de la definicién cumplen bajo las operaciones de suma de vectores y multiplicacién por un escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y i] se cumplen por hipétesis. Como los vectores en 17 son también vectores en V, las identidades asociativa, conmutativa, distributiva y multi- plicativa [axiomas i), »), vi), vi), ix) y x)] se cumplen. Sea x e H. Entonces 0x © H or hipétesis i), Pero por el teorema 4.2.1, (parte i), Ox = 0. De este modo, 0 € Hy se cumple el axioma ii). Por tltimo, por la parte i), (=1)x € H para todo x € H. Por el teorema 4.2.1 (parte n), —x =(—Ix © H de manera que se cumple el axioma i») y la prueba queda completa, Este teorema demuestra que para probar si H es o no es un subespacio de V, es suficiente verificar que x + yy ax estan en H cuando x y y estin en Hy a es un escalar La prueba anterior contiene un hecho que por su importancia merece ser mencionado de forma explicita: ‘Todo subespacio de un espacio vectorial V contiene al 0. w Este hecho con frecuencia facilitara la averiguacién de si un subconjunto de V en particular ‘no es un subespacio de V- Es decir, si un subconjunto no contiene al 0, entonces no es un subespacio, Note que el vector cero en Hun subespacio de V, es el mismo que el vector cero en ‘A continuacién se mostrarin algunos ejemplos de subespacios.182 Unan 4 Espacios vectorales EE tt subespacio trivial Para cualquier espacio vectorial Y, el subconjunto {0} que consiste en el vector cero es nica mente un subespacio ya que 0 +0 = 0'y a0 = 0 para todo niimero real « [parte i) del teorema 4.2.1], Esto se denomina el subespacio trivial EEE en espacio vectorial es un subespacio en si mismo Para cada espacio vectorial V, es un subespacio de si mismo. Susesraaos Los primeros dos ejemplos muestran que todo espacio vectorial V contiene dos subespa- Prorios —cios, {0} y V (que coinciden si V = (0}). Es mas interesante encontrar otros subespacios. Los subespacios distintos a {0} y V se denominan subespacios propios. EEE Un subespacio propio de * Sea H = {(x,»}: y= mx} (vea el ejemplo 4.2.4). Entonces, como ya se dijo, Hes un subespacio de En la seccién 4.6 (problema 15) se ver que si HZ es cualquier subespacio propio de, entonces JT consiste en el conjunto de puntos que se encuentran sobre una recta que pasa por el origen; es decir, un conjunto de puntos que se encuentra sobre una recta que pasa par el origen sel inico tipo de subespacio propio de R* EEE en subespacio propio deh Sea H = {(x,y,2):x=at,y = bry 2= et; a,b,, reales}. Bntonces Hf consist en los vectores cen que se encuentran sobre una recta que pasa por el origen. Para ver que Tes un subespa- io de, sea x = (at, bt, ct) € Hy y = (aty bt, ct) € H. Entonces xt y= (alt, + 1). (t, + 1) ol, + 4) eH (alat), Blat,), (at) © H. Asi, Hes un subespacio de” HEE ote subespacio propio de h* Sean = ((x, 9, 2): ax + by + cz = 05a, 6, creales). Entonces, como se vio en el ejemplo 4.2.6, ses un espacio vectorial; asi, res un subespacio de B2” En la secciGn 4.6 se demostrara que los conjuntos de vectores que se encuentran sobre rec tas y planos que pasan por el origen son los tinicos subespacios propios de R’. ‘Antes de analizar mas ejemplos, es importante observar que ne fodo espacio vectorial tiene subespacios propios. EEE ®ve tiene subespacios propios ‘Sea H un subespacio de! SiH # {0}, entonces H contiene un mimero real a diferente de cero. Por el axioma »), 1= (I @) a © Hy Bl = B © H para todo mimero real B. Asi, i H no es el subespacio trivial, entonces H = I, Es decir, Fino tiene subespacios propios. Gaserve que He: un espacio vectorial eae dec, es un espacio vectorallen donde a escalates se tomn coma los nimeras rakes ste es el gerplo 4.2.1, conn = 14.3. Subespacios 183 EEA A lounos subespacios propios de P, Si P, denota el espacio vectorial de potinomios de grado menor o igual a n (ejemplo 4.2.7), y si 0.=7m m. Sean Vy, ¥y.. Vy 7 Veotores en I2” ¢intentemos encontrar constantes 1,00) todos cero tales que ey tet tey,=0 o “|. Entonces la ecuacién (7) se convierte en a6, tage, + + 4,6, a6, + aye, +> + 4,,6, ® agg Fane, ti ba, Pero el sistema (8) es el sistema 2.4.1 y, segiin el teorema 2.4.1, tiene un miimero infinito de soluciones sin > m, De esta forma, existen escalates ¢,, cy... , ¢,no todos cero, que satisfacen (8) y, por lo tanto, los vectores v, ¥,,...,¥, Son linealmente dependientes.4.5. Independencia lineal 197 EI cuatro vectores en fr’ que son linealmente dependientes 2) (a) (as) (2 Los veetores|-3],] 7],| 11] y | -7 | son tinealmente dependientes ya que constituyen un a}lo} a) (ss conjunto de cuatro vectores de 3 elementos. Existe un corolasio importante (y obvio) del teorema 2. Corotanio Un conjunto de vectores linealmente independientes en IR" contiene a lo mas n vectores. Nota, El corolatio se puede expresar de otra forma Si se tienen n vectores de dimensién m linealmente independientes, no se pueden incluir més vectores sin convertir el conjunto en uno linealmente dependieate Del sistema (8) se puede hacer otra observacién importante cuya prueba se deja como ejercicio (rfigrase al problema 32 de la presente seccién). teonenaa EJ a ay Sea A=] % Entonees las columnas de 4 consideradas como vectores, son linealmente dependientes siy sélo sicl sistema (8), que se puede escribir como Ae = 0, tiene soluciones no triviales. Soluciones a un sistema homogéneo escritas como combinaciones lineales de vectores solucién linealmente independientes Considere el sistema homogéneo x4 2x, 3, +24, =0 0 By, 47x, +3, +45, BE Solucién — tiaciendo wna reduecién de renglones198 Unpand teonema El Demostracion teonems El Demostracton eonenaa Ej Espacios vectorales Eltiltimo sistema es 9x, + 6x, x, +4y,-2x, Se ve que este sistema tiene un mimero infinito de soluciones, que se escriben como una combi- nacién lineal de los vectores columna: * | (10) 9) (-6 -4 2 Observe que] |] y | 5 | son soluciones lincalmente independientes para (9) porque ningu- 0, 1 no de los dos es multiple del otro (el lector debe verificar que sean soluciones). Como x, ¥ x, son niimeros reales arbitrarios, se ve de (10) que el conjunto de soluciones al sistema (9) es un subespacio de 2" generado por estos dos vectores solucién linealmente independientes. Los siguientes dos teoremas se deducen directamente del teorema 3. Sean y,,¥,,-.-,¥y,f Veotores en IR" y sea A una matriz den X n cuyas columnas son ¥,, Vy. +--+ Yp Entonees, ¥;, ¥y)- » ¥, Son Tinealmente independientes si y sélo sila tinica solucién al sistema homogénco Ax = 0 es la solucién trivial x = 0, Este es el teorema 3 para el caso m = 7. Sea A una matriz de n Xn. Entonces det 4 #0 si s6lo silas columnas de A son linealmente independientes Del teorema 4 y del teorema de resumen 3.10.4, las columnas de A son linealmente independientes <> 0 es la tinica solucién a Ax = 0 ¢> det 4% 0. Aqui, = significa “si y sélo si El teorema $ nos lleva a extender nuestro teorema de resumen, Teorema de resumen Sea A una matriz den X n. Entonces las ocho afirmaciones siguientes son equivalentes; es decir, cada una implica a las otras siete (de manera que si una es cierta, todas son ciertas) i) Aes invertible. fi) La tnica solucién al sistema homogéneo Ax = 0 es la solucién trivial (x = 0) iii) El sistema Ax = b tiene una solucién tnica para cada n-vector b.199 4.5. Independencia lineal iv) A es equivalente por renglones a la matriz dentidad de n X n, 1, 1) A es el producto de matrices elementals. vi) La forma escalonada por renglones de 4 tiene m pivotes. vil) det 40, viii) Las columnas (y renglones) de A son linealmente independientes e_Ditosrancon La tiniea parte que no se ha demostrado hasta el momento es que los renglones de A son linealmente independientes <> det 40. Las colummas son independientes ¢> det 40 det A’ = det A #0 (vea el teorema 3.8.4) € las columnas de 4 son linealmente independientes, Pero las columnas de A’ son los renglones de A. Esto completa la prueba. Jiguiente teorema combina las ideas de independencia lineal y conjuntos generadores en 12" Teorema EJ) Cualquier conjunto de n vectores linealmente independiente en 2" genera aR" “|, vectores linealmente independientes y sea Demostracton Seany, =|" |,v, =|" |, a 1, Ae Cos v=]?! un vector en 2" Debemos demostrar que eisenesalares cy, tals gue % toby Es decir 7 ay En (11) se multiplican componentes, se igualan y se suman para obtener un sistema de mecuaciones con n incdgnitas ¢, e+. ¢y 6 aia + a2) Aye, 440, tt de, Se puede escribir (12) como Ae = y, donde By dy My Fi Py Pero det 4 #0 ya que las columnas de A son linealmente independientes. De manera que el sistema (12) tiene una solucién tinica e por el teorema 6 y el teorema queda demostrado,200 Usipap 4 —_Espacios vectorales Observacién, Esta demostracién no sélo muestra que v se puede escribir como una combina- ci6n lineal de los vectores independientes ¥,, ¥,,.... Vy. sino también que esto se puede lograr de una sola manera (ya que el vector solucién ¢ es tinico). Tres vectores en IR? generan 2’ si su determinante es diferente de 21 3) Los veetores (2, -1, 4), (1,0,2)y (3, 1, 5) generan B® porque|-1 0-1] = -1 #05, porlo tanto, son independientes, 4205] “Todos los ejemplos que se han dado hasta ahora han sido en el espacio RR", Esto no representa una restriccidn tan grande como parece. Se puede demostrar que diferentes espacios vectoriales de apariencia muy distinta tienen, en esencia, las mismas propiedades. Por ejemplo, se verd que el espacio P, es fundamentalmente el mismo que 2°", Se dird que dos espacios veetoriales con esta forma son isomérficos. Este importante resultado tendré que esperar hasta la unidad 5. Mientras tanto, se darén. algunos ejemplos en espacios diferentes a 2" EEE ees matrices linealmente independientes en M,, a1 4 ro. Determine si Ay, A, ¥ 4 (22 deat 2 mint 4 o Ba M,,sean 4,=[! ° 2), 31-1 230 son linealmente dependientes o independientes. IM Solucién — Suponga que cA, + ¢,A, + eA, = 0. Bntonces ooo) (10 2) (ar 4) (aor oo of a 1 abe a ofl 2a _(aracs 6, 2c, +4e +6, Lae +2q46 gt3y42q ete, Esto nos proporciona un sistema homogéneo de seis ecuaciones con tres incdgnitas, ¢,. ¥ ¢, en el cual resulta bastante sencillo verificar que la tinica solucién es ¢, = ¢, = c= 0. De este modo, les tres matrices son linealmente independientes. En P, determine si los polinomios 1, x, x" y x" son linealmente dependicntes o independientes, IM Solucién —Suponga que, + x + cx" + ex" = 0. Hsto debe cumplizse para todo mimero real x. En pat= ticular, si x = 0, se obtiene c, = 0. Entonces, haciendo x = 1, —1, 2 se obtiene, sucesivamente, gt qt a0 met G7 G50 2e, +46, +8¢,=04S Independencia lineal 201 El determinante de este sistema homogéneo es bid I-11 -]=12%0 248 De manera que el sistema tiene una solucién tiniea ¢, = ¢, = ¢, = ¢, = Oylos cuatro polinomios son linealmente independientes. Esto se puede ver de otra forma. Se sabe que cualquier polinomio de grado 3 tiene a lo mis tres raices reales. Pero sic, + ¢,x + x? + cx =O para algunas constantes diferentes de cero ¢,,,.¢, ¥ ¢, ¥ para todo miimero real x, entonces se ha construido un polinomio ciibico para el que todo mimero real es una raiz, lo cual es imposible. IM Solucién En P,, determine silos polinomios x ~ 2x", x’ —4x y ~7x + 8x’ son linealmente dependientes o independientes, Sea c,(x — 2x’) + ¢,(0* —4x) + (—7x + 8x°) = 0, Reacomodando los términos se obtiene (@,-4e, ~Te,)v=0 (2c, + ¢+8e)x =0 Estas ecuaciones se cumplen para todo x si y s6lo si 7 4e, 76 26+ 0 1+ Be Pero para el teorema 2.4.1, este sistema de dos ecuaciones con tres incégnitas tiene un miimero infinito de soluciones. Lo que muestra que los polinomios son linealmente dependientes, Si se resuelve este sistema homogénco, se obtiene, sucesivamente (t7}3—bs243 21s] 0 0-7-6 | 0 1440 10-2 | 0 — 6 — or ste o1 £ J 0 Si, por ejemplo, ¢, = Aas pate dar un valor atitario a e226, y 4 250 = 2x) = 6? = 4x) + (Te + Bx}) = 0 7 AuToEvaLuacion I. {Cuiles de los siguientes pares de vectores son linealmente independientes? HQ) 8G — »(3Q) oi) (0)202 Unipap4—_Espacios vectorales Il, {Cual de los siguientes pares de vectores ¢s un conjunto generador de IZ? OO 8B of) iG) 9G) Ill, {Cual de los siguientes conjuntos de vectores debe ser linealmente dependiente? “HE GOO FEI d lal fe | fal le Agi a,b, 6d, 6.f hy iJ, ky y Ison miimeros reales Indique si las siguientes afirmaciones son falsas o verdaderas IV, Siy,, ¥,,-...¥, son linealmente independientes, entonces ¥,¥p.- Yy Yya, tambien son linealmente independicntes. V. Siv,, ¥,,..-, ¥, Son linealmente dependientes, entonces ¥,, Vy... Yy, Ypy también son linealmente dependientes. Vi. Si A cs una matriz de 3 X 3 y det A = 0, entonces los renglones de A son vectores linealmente dependientes en I VII. Los polinomios 3, 2x, x+y 3x‘ son linealmente independientes en P, 10) (0 1) (0 1) (2 2 vi uss mation (1 0)(% S)(2 S}o(3, @) 4 dosent independiente tes lo oflo ofl os 0 Delos problemas | al 27 determine si el conjunto de vectores dado es linealmente dependiente 0 independiente. . L (}(C} 2[a}l2 2y\-3, 4 7 ce (IE1B. 15. a4. 2. 23. 4, 25, *26, “27, 28, #29, 4S Independencia lineal 203 En Pex 1 («De 2).( 1-2) -3),24 En Py 2x,x° 3,14 x40 + 18x — mul HOVE 2) sel JE IE IC 3) sone HE MEE MED En C(0, 1}: sen x, cos x En (0, 1x, Vx. ae Determine una condicion sobre los nimeros a , cy dtal que los vetores () (2) linalmente dependientes sean linealmente dependientes, Aad tn) (as :204 Unpap 4 Espacios vectorales 2) (A) (@ 31. gPara qué valor(es) de a serin linealmente dependientes los vectores | -3|, 6 |,| 1 |? [Sugerencia: observe con atencién.] latte 32. Prucbe el teorema 3. [Sugerencia: observe con atencién el sistem (8).] 33, Demuestre que si los vectores ¥,, ¥,,.. ., ¥, Som linealmente dependientes en 2", con m < ny iy, , 8 cualquier otto vector en I, entonces el conjunto Vy, Vay.» Yy Vyy, €8 lineal mente dependiente. 34, Demuestre que si, ¥,,... ¥, (1 = 2) son linealmente independientes, entonces también lo son ¥,,%-.-s¥p donde k n, entonces S, es un conjunto linealmente independiente, lo que contradice la hipStesis de que S, es una base. Esto demostraré quebenacon El 4.6 Bases y cimension 209 m =n, La misma prueba demostraré que n =m y esto prueba el teorema. Asi, basta demostrar que sim > n, entonees S, es dependiente. Como S, constituye una base, todo 4, se puede expresar como tuna combinacion lineal de las v, Se tiene AY, + ag¥, + oY, a @ gM) May tt OY Para demostrar que S, es dependiente, deben encontrarse escalares ¢), ¢y + Gy NO todos cero, tales que em tem, te bey, =0 @ Sustituyendo (1) en (2) se obtiene eG ¥, Fahy Fb ayy) + Ean, + ayy +H ayy) Feb eg h Fg. HF dg) =O @ La eouacién (3) se puede reeseribir como (aye, Faye, +0 + EQN, Hae + yey +2 F yy FH aye, Faye, to Haye, =O o Pero como ¥, ¥,,...¥, Som linealmente independientes, se debe tener ee eT) 1G 0, b 6 4,6, 44,6, +. 40, =0 El sistema (5) es un sistema homogéneo de n ecuaciones con las m incdgnitas ¢, ¢..-. sy yeomo m > n, elteorema 2.4.1, dice que el sistema tiene un nimero infinito de solucio™ nes, De esta forma, exsten escalates cy, cy «Gq» 0 todos cero, tales que (2) se satisface y, por lo tanto, S, es un conjunto linealmente dependiente, Hsta contradiccién prueba que m= nsise cambian los papeles de 5, y 5,, se demuestra que n= my Ia prueba queda completa Por este teorema se puede definir uno de los conceptos centrales en el algebra lineal, Dimensién, Si-el espacio vectorial V tiene una base con un niimero finito de elementos, entonces la dimension de Ves el nimero de vectores en todas las bases y V se denomina espacio veetorial de dimensiin finita, De otra manera, V'se denomina espacio vectorial de dimension infinita. Si V = (0}, entonces se dice que V tiene dimensién cero, Notacién, La dimension V se denota por dim V. Observacién, No se ha demostrado que todo espacio vectorial tiene una base, Pero no se re- ‘quiere para que la definicién 2 tenga sentido, ya que si V tiene una base finita, entonees Ves de210 Usipap 4 Espacios vectorales dimensi6n finita, De otra manera, V tiene dimensiéa infinita, Por lo tanto, con el fin de demostrar que V tiene dimensién infinita, s6lo es necesatio demostrar que V no tiene una base finita lo que se puede hacer probando que V contiene un niimero infinito de vectores linealmente independientes (vea el ejemplo 7). HEE dimension den” ‘Como n vectores linealmente independientes en. constituyen una base, se observa que dim Para el ejemplo 1 y el problema 4.5.47, los polinomios {1, x, x*,... , x"} constituyen una base ea? Eaton dim =n 1 HEE dimension de mt, En M,,, sea 4, 1a matriz de m X n.con un uno en la posicién ij y cero en otra parte. Bs sencillo demostrar que las matrices 4, para i= 1,2,...,my/= 1,2,...,mforman una base para M,, Asi, dim M,, = mm, EEE tiene dimension infinita Enel ejemplo 4.4.7, se observé que ningiin conjunto finito de polinomios genera a P, Entonces Pro tiene una base fnita y, por lo tanto, es un espacio vectorial de dimensién infinita Existe un gran mimero de teoremas sobre la dimensién de un espacio vectorial ‘Teonzesn [El Serene necinn Zao cient tennjme censor nerinens area cas Demostracion Seay,,¥z..-.,¥,umna base para V. Sim >, entonces, igual que en la prueba del teorema 2, se pueden encontrar constantes ¢, cy» G0 todas cero, tales que la ecuacién (2) se satisface. Esto contradice la independencia lineal de los vectores u, Asi, m= 1. Teoncasn EBD iiismsizen neem aun erase verenul We amenon cules uuienee i uae Sinaia aey dim 17 dim V oO Sea dim V = n, Cualquier conjunto de vectores linealmente independientes en H es también lincalmente independiente en V. Por el eorema 3, evalquier conjunto linea- ‘mente independiente en Hf puede contener a lo mas n vectores. $i Hf = {0}, entonces dim H = 0. Si dim H# {0}, sea v, #0 un vector en Hy H, = gen (v,}. SiH, = H, dim H~ 1 y ln prucba queda completa, De lo contratio, elija ay, ¢ Htal que, ¢ H, yy sea H, = gen {v,, ¥,), y asi sucesivamente, Continuamos hasta encontrar vectores4.6 Bases y cimension 2 linealmente independientes v,,¥.,..., ¥, tales que HT = gen {¥,,¥,,...,¥,}. El proceso tiene que terminar porque se pueden encontrar a lo mas n vectores linealmente independientes en H. Entonces H = k =n, El teorema 4 tiene algunas consecuencias interesantes, Presentaremos dos de ellas, 10, 11 y Clo, 1] tienen dimension infinita [EEG] — Sea 740, 1) conjunto de potinomios definido en el interval (0, 1] Entonees PO, 1] C10, 1. Sila dimensién de C[0, I} fers ints, entonces P{0, 1] también tendrin dimensin Gnita, Pero segin el eemplo 7, no ¢8 asi. Por lo tanto C[0, I] tiene dimension infinita. De manera similar, como P{0, 1] C'[0, 1] (ya que todo polinomio es diferenciable), también se tiene que la dimensin de C'(0 I] indnita En términos generales ‘Cualquier espacio vectorial que contiene un subespacio de dimensién inginita es de dimension inginita. EE te: sutespacios ae Se puede usar el teorema 4 para encontrar fados los subespacios de". Sea Hun subespacio de Br" Existen cuatto posibilidades; H = (0), dim H = 1, dim H = 2y dim H = 3. Sidim H = 3, entonces /7 contiene una base de tres vectores linealmente independientes ¥,, vy, ¥,€0 centonces ¥,, ¥, ¥, también forman una base para R, y asi, H = gen {¥,,¥3.%y) tanto, la inica manera de obtener un subespacio propio de R es teniendo dim H = 1 0 dim I = 2. Sidim I = 1, entonces 11 tiene una base que consiste en un veetor v = (a,b, ©) Sea x en H, Entonces x = 1(a,b, ) para algiin mimero real t [puesto que (a, be) genera a H], Six = (x,y, 2) esto significa que x = at, y = bt, 2 = ct. Pero ésta es la ecuacién de una recta en? que ;pasa por el origen con la direvcién del vector (a,b, ) Ahora, suponga que dim H = 2 ysea ¥, = (a, ¢) ¥¥, = (a (, y.2) © H, entonces existen niimeros reales +y#tales que by 63) * Hay by. ¢)- Entonces «¢) tuna base para H. Si s+ 17,0 (89,2) = slay o Seay, = (a, B, 9) = ¥, X vy, Entonces del teorema 3.4.2, parte iy), se tiene v,.¥, = OY ¥y"¥, 0. Ahora calculamos cox + By + 72 = asa, + 10,) + Blab, + ,) + r(se, +4.) (aa, + Bb, + ye,)s + (aa, + Bb, + ¥e,)t =O, yet, v=o Asi, si(X, », 2) © H, entonces ax + By + 92 = 0, lo que muestra que Hes un plano que pasa por el origen con vector normal ¥, = ¥, X ¥,. Por lo tanto se ha demostrado que212 Usipap4 —_Espacios vectorales Los inicos subespacios propios de IR’ son los conjuntos de vectores que se encuentran en una recta o un plano que pasa por el origen. HERE Espacios de solucion y espacio nulo Sea Ana matriz de m X my sea S = (x € IR": AX = 0}, Sean x, © Sy, © S; entonces A(x, + X) = Ax, + Ax, = 0+ 0 = Oy A(ax,) = a(Ax,) = ad = 0, de manera que Ses un subespacio delR" y dim S =n, S'se denomina espacio de solucién del sistema homogéneo 4x = 0. También se denomina espacio nulo de la matriz A. PEGE) na base para el espacio de solucion de un sistema homogéneo Encuentre una base (y la dimensién) para el espacio de solucién S del sistema homogéneo v4m— 250 de y=3r=0 BH Solucién Aqui al} 3 ’) Como 4 es una matriz de 2% 3, S es un subespacio de, Reduciendo por renglones, se encuentra, sucesivamente, 1 2-1/0 124 ]0 2-4 3 ]0 “lo -5 5s fo 12-440 10 1 fo “loi -a Jo o1-a jo ar) (-l Entonces y = zyx de manera que todas las soluciones son de la forma] 2]. Asi,| 1 z 1 ces una base para Sy dim larectax = —1,y = 1,2 PEGE ne base para el espacio de solucién de un sistema homogéneo Eneuentze una base para el espacio de solucién S del sistema 1, Observe que Ses el conjunto de vectores que se encuentran en Qx- ye 3r=0 4x —2y + 62=0 6x} 3y—92=0 Solucién Reduciendo renglones se obtiene 0 2-4 a] 0 of —+|o oo] o oo foteonensa FE Demosrracion 4.6 Bases y dimension 213 Lo que da una sola ecuacién: 2x — y + 3z = 0. Ses un plano y, por el ejemplo 3, una base esta 1) (0 dada por |2| y |3]ydim $= 2 oJ Antes de dar por terminada esta secci6n, demostraremos un resultado sit para encontrar tuna base para un espacio vectorial arbitrario. Se ha visto que n vectores linealmente independientes en 2" constituyen una base para 2". Este hecho se cumple para todo espacio vectorial de dimensién fnita Cualquier conjunto de n vectores linealmente independientes en un espacio vectorial V de dimensién n constituyen una base para V. Sean ¥,, Vz... Vy" Vectores. Si generan el espacio V, entonces constituyen una base. Delo contrario, existe un vector uc Vtal queu ¢ gen {v,,¥,,... ¥,}- Esto significa que los n+ 1 vectores ¥,, ¥»,... . Vy W Son linealmente independientes, Para ver esto, observe que si em tent tes tet ® Entonces ¢,,, = 0, porque de lo eontrario podsiamos escribir u como una combinacién lineal dev, ¥,,...¥, dividiendo Ia ecuacién (8) entre ¢,,, ¥ poniendo todos los térmi- nos, excepto u, en el lado derecho. Pero si c,., = 0, entonces (8) es om, tem, to Fey, = 0 Lo que significa que ¢ ya que los v, son linealmente independientes. Ahora sea WY = gen {¥,,¥p,.... Yy 8}. Como todos los vectores entre las llaves estan en V, Wes un subespacio de V. Como ¥,,¥y,.. , ¥j on linealmente independientes, forman una base para W, y dim W =n + 1. Pero por el teorema 4, dim W =n. Esta contradiccion muestra que no existe el vector uc Vtal que ¢ gen {¥,,¥,...-.¥,)- Asi Vis %y 1%, genera a Vy, por lo tanto, constituye una base para V. AvTorvaLuacion Indique cuéles de los siguientes enunciados son verdaderos 1. Cualesquiera tres vectores en I2° forman una base para I Il, Cualesquiera txes vectores linealmente independientes en I? forman una base para IL Una base en un espacio vectorial es ‘nica. IV, Sea Hun subespacio propio deI*, Es posible encontrar cuatro vectores linealmente independientes en H. V. Sea H=4| y|:2x+1ly-172=0p. Bntonces dim 17 = 2 Vi. Sea {x,,¥y,---, ¥,) una base para el espacio vectorial V. Entonces no es posible encontrar un vector v € Vital que u ¢ gen {yy %,) of IE ACE Somme214 Unipap4d—_Espacios vectorales competencias 4.6 De los problemas | al 13 determine si el conjunto dado es una base para el espacio vectorial a que se refire. 1. En Pg l- xx 2. Bn Py 3x, 1 + 4x - En Py -2x,x+ 38,542 4. En Py x’ — 1-20 - EnPy1l+x1+a14+0 6 EnPyl+x,2+ 43+ 7. Bn Py 3.x ae bx sr wf? il: 3G il’ 5 lo oflo oslo «flo a ane aa(S O)(E abl de 9) some atcteo 0 of lo o}'le of'lo a Wo. Fa (: Ve es Ve 30 ‘ sifls atts shli oslo o 1 = (Gey) © Bix=y=0}:0,0,4.4) 12. H=((yy) © Bux ty =O}, -D) 13, = (xy) © Bix + y =O}, 1), (23,3) 14, Encuentre una base en B® para el conjunto de vectores en el plano 2x — y — 15. Encuentre una base en 2° para el conjunto de vectores en el plano 3x — 2y + 2 = 0. 16, Encuentre una base en IR’ para el conjunto de vectores en la recta x/2 = y/3 — 2/4 = 0. 17. Enouentre una base en R para el conjunto de vectores en la recta x = 31,9 = —21,2= 1 18, Demuestre que los tinicos subespacios prapios en R son rectas que pasan por el origen 19. En R! sea 1 = ((x, 9,2, Wax + by + 62 + dw = 0}, donde abcd #0 4) Demuestre que Jes un subespacio de I" #) Bncuentre una base para IZ ©) {Cuanto vale dim 17 20, En ID" un hiperplano que contiene a 0 es un subespacio de dimensién n — 1. Si H es un hiperplano en I2" que contiene a 0, demuestre que He yo xia, bar, bo + ax, =O} donde a,,a,,..., a, son nlimeros reales fijos, no todos cero. 21, En BY encuentre una base para el hiperplano E> (0 Xp Xp Xp Xe IM, — 3x, +, + AN De los problemas 22 al 28 encuentre una base para el espacio de solucién del sistema homogé- neo dade. 2 x- yao BB. x-2y=0 Wx + y=0 -2x + 2y=0 axt yao x-3y=0 28, x-y—2=0 26. x-3yt dx-y+z=0 2x $2y- 4x By +52 =027, 29, 30. 31. 32, 3B. 4. 35, 36. #37, 38. 39, 40. “41. 42, 43, 4.6 Bases y dimension 25 2x + 3y— dz =0 28. dx Gy +42 =0 x- yt 250 = x b3y2e=0 2x + 8y— 102 =0 3x $9y— 62 Encuentze una base para D,, el espacio vectorial de matrices diagonales de 3 X 3. {Cul es Ia dimension de D,? Cual es la dimensién D,, el espacio de matrices diagonales de n X n? Sea S,, el espacio vectorial de matrices simé pacio de M,,y que dim S,, = [n(n + DY2. as den Xn. Demuestre que S,, ¢8 un subes- Suponga que, ¥»,..¥,,$on vectores linealmente independientes en un espacio vectorial V de dimension n y m ¥y tales que {y,, ¥y,--»¥,) eS una base [sugerencia: vea la demostracion del teorema 5], Sea {y,,¥y.---+¥,) tna base en V. Sean u, =¥,,U,=¥ FY; W=¥ bY Ay WAY, ty, +o ty, Demuestte que {u,,u,,... 1,} es también una base en Demuestre que si {¥,, ¥.--..¥,) genera a V, entonces dim 7 resultado del problema 4.5.56.] [Sugerencia: utilice el Sean Hy K dos subespacios de V tales que HS Ky dim H = dim K < oo. Demuestze que HK Sean Hy K dos subespacios de V. Defina H+ K = (ht he Hyk © K} 4) Demuestre que H + Kes un subespacio de V. 5) Si. K= {0}, demuestre que dim (11 + K) = dim 11+ dim K. SiH es un subespacio vectorial de dimensién finita V, demuestre que existe un subespacio linico Kde V tal que a) Hm K = {0} yb) H+ K=V. Demuestre que dos vectores ¥, y¥, en siy sélo sidim gen (y,, ¥,} = ‘on puntos terminales en el origen son colineales Demuestre que los tres vectores v,, ¥; y ¥, en I" con puntos terminales en el origen son coplanares si y slo si dim gen {¥,, Ys ¥,) = 2. Demuestre que cualesquiera n vectores que generan un espacio V de dimensién n forman una base para V. [sugerencia: demuestre que si los n vectores no son linealmente independientes, entonces dim K) cualquier otra columna de A. Como ,¢,,... ¢,forman una base para C, se tiene, para algunos escalares 4,4)... dj, ag, tag, to tag Asi, sumando —a,¢,, —a,¢,,. .. . ~a,¢, sucesivamente a la i-ésima columna de 4, se obtiene una nueva matriz B de m X non p(B) = p(A) y »(B) = v(4) con la columna i de Bigual a0" Esto se hace a todas las demas columnas de A (excepto las primeras k) para obtener la matriz, a ° My Se be I 0 4 a, 0 0 Donde p(D) = p(4) y (D) = v(A). Mediante un posible reacomodo de los renglones de D, se puede suponer que los primeros k renglones son independientes, Después se hace Jo mismo con los renglones de (esto es, sumar miiltiplos de los primeros k renglones Jos ilkimos m ~ &) para obtener una nueva matriz: ° oo donde p(F) = p(A) y »() = (4). Ahora es obvio que si i> k, entonees Fe, = 0,! de manera que E, ~ {@,,,, 6,» »€,} €81un conjunto linealmente independiente de n ~ k vectores deV,. Ahora se demostrara que E, genera N,. Sea x © N,un vector de a forma224 Unpap4 — Espacios vectoriales Entonces aX +X, toot My AX, + OX tot MX ° 0= Fe=[ayx, tans, to tau [=| ° ° ° o El determinante de la matriz del sistema homogéneo de k X k dado es diferente de cero, ya que los renglones de esta matriz son linealmente independientes, De esta forma, la ‘inica solucién al sistema es x, = x, Entonces x tiene Ja forma (0,0, Mpeay Mase +=) = Meester + Xetens t+ Esto significa que E, genera N,de manera que »(F) =n — ke la prueba. = p(F) 10 que completa Nota, Se sabe que p(4) es igual al nimero de pivotes m la forma escalonada por renglones de Ay es igual al mimero de columnas de la forma escalonada por renglones de A que contienen, pivotes. Entonees, del teorema 7, »(4) = nlimero de columnas de la forma escalonada por ren- slones de A que no contienen pivotes. DE testracion de que pa) + (a) = 0 124 2-41 que p(A) + H(A) = FEE testracion de que (a) + (a) = 0 E Demostmacion Por el teorema 1, A es invertible si y sélo si v(4) 1-3 Para A=| 2 0 4 caloule »(4) as BE Solucién — Enel cjemplo 5 se encontr6 que (4) ~ 2. As »(A) = 3 2 ~ I, Ellector pucde demostrar esto 2 gen] 1 1 directamente resolviendo el sistema Ax ~ 0 para encontrar que N, Teonena EI Sea A una natrizden xm Eatonoes Aes ivertbesiy lo (4) 0 Pero por el teorema 7, p(A) (A). Asi, A es invertible si y s6lo si p(4) =n -0teonewa BE] Demosrracion E 225 4.7 Rango, nulidad, espacio de los renglones y espacio de las columnas de una matriz Ahora se demostrara la aplicacién del concepto de rango, para determinar si un sistema de ‘ecuaciones lineales tiene soluciones o si es inconsistente. De nuevo, se considera el sistema de m ecuaciones en n incégnitas: 4,3, BX $k Hoh, =, o Og +k, Ha, lo que se escribe como Ax = b. Se utiliza el simbolo (4, b) para denotar la matriz, aumentada dem X (n + 1) obtenida (como en la seccién 2.3) agregando el vector b a A. El sistema Ax = b tiene cuando menos una solucién si y s6lo sib © C, Esto ocurrird si y sélo si A y la matriz. aumentada (4, b) tienen el mismo rango. + 6, on las columnas de 4, entonces podemos escribir el sistema (9) como 0) El sistema (10) tendré soluci6n si y s6lo si b se puede escribir como una combinacién lineal de las columnas de 4, Es decir, para tener tna solucién debemos tener b € C,. Si b C, entonces (,b) tiene el mismo nimero de columnas linealmente independientes de A asi que A y (A, b) tienen el mismo rango. Sib ¢ C,,entonces p(A, b) = pA) + 1y el sistema no tiene soluciones. Esto completa la prucba. Sie, ey, xy bay te x= HEED U0 de! teorema 9 para determinar si un sis olucior IM Solucién Determine si el sistema 2x, +4x, + 6x, =18 4x, +5x, + 6x,=24 2x, + 7x, +12x,=40 tiene soluciones. 246 123 sea 4=]4 5 6 |, La forma etcalonada por renglones de Aes] 1 2 y p(4) = 2.La 272 o00 24 6 | 18 forma cscaloanda por englones de la matriz sumentada (4,0) =| 4 5 6 | 24] es 1239 27 2 | 40 0-1 2 | 4|.quetiene tes pivotes por lo que p(d b) = 3 yt sstems no tene solved, ooo fa TEE Use del teorema 9 para determinar si un sistema tiene soluciones Determine si el sistema 2x +3, -3x, xy t x tiene soluciones226 Unban 4 Espacios vectorales 1-12 HM Solucién Sea A=|2_ 1-3], Entonces det A = 0 de manera que p(A) < 3. Como la primera columna 441 no es un miltiplo de la segunda, es evidente que las primeras dos columnas son linealmente independiente; asi p(4) = 2. Para calcular p(4, b) se reduce por renglones 1 24 ra] 4 2 1-3 | 2|———+]o 3+ | -w 4 | 6 0 3-7 | -10 Se ve que p(A, b) = 2 existe un miimero infinito de soluciones para el sistema (si hubiera una solucién tinica se tendria det A #0), Los resultados de esta seccién permiten mejorar el teorema de resumen, visto por diltima vez en Ia seccién 4.5. Teonenea FE Sea A una matriz de n Xn. Entonces las siguientes diez afirmaciones son equivalentes; es decir, cada una implica a las otras nueve (si una se cumple, todas se cumplen). 1) Aes invertible. i) La tinica solucién al sistema homogéneo Ax = 0 ¢s la solucién trivial (x = 0) iil) Bl sistema Ax = b tiene una solucién ‘nica para cada n-vector b. iv) A es equivalente por renglones a la matriz identidad, 1, de n X n. v) A se puede expresar como el producto de matrices elementales, vi) La forma escalonada por renglones de 4 tiene m pivotes. vii) Las columnas (y renglones) de A son linealmente independientes det A #0. ix) (4) = 0 x) 04 ‘Mis aiin, si una de ellas no se cumple, entonees para cada vector b c IR", el sistema Ax bno tiene solucién o tiene un mimero infinito de soluciones. Tiene un mimero infinito de soluciones si y sélo si p(4) = p(4, B). Auroevatuacion Elija Ia opcién que complete correctamente los siguientes enunciados. 1234 L Elrangodelamatriz|0 2 -1 5 Jes. oo 37 ot 4) 2 3 aya4.7 Rango, nulidad, espacio de los renglones y espacio de las columnas de una matriz 227 MI. La mulidad de la matriz.en el problema les__. a1 2 93 o4 Si una matriz de 5 X 7 tiene nulidad 2, entonces su rango es as bs 92 o7 6) No se puede determinar sin més informacién. 12 J. El rango dela matriz |-2 —4| es 36 a1 2 93 La nulidad de la matriz en el problema IV es a0 1 92 )3 Si A es una matriz de 4 X 4 y det A = 0, entonces el valor méximo posible para p(4) al 2 93 VIL. En el problema IV dim C, = a1 by2 93 Vill. En ol problema I dim R, al 2 a3 Falso-verdadero 1X. En cualquier matriz de m Xn, C, X. En cualquier matriz de m Xn, C, Desarrol petencias 4. Delos problemas 1 al 20 encuentte el rango y la nulidad de la matriz dada. 1 2) -1 2) “LJ Lo} } ) 12) «(7 32) 12 La 6 4) | 04) (1 -1 2) 2 1) nfs 14 «| 5-13) oy fl -1 2 3) 20 w.Jo 1 3| 16 106 5) “1 a(t 2 2-1 | o 23 w2]-1 1 (4728 Unpap 4 Espacios vectorales fas 11 00 foa2t 0101 o-1 00 L012 “4 is 1010 0021 Las 4 Es 00 11 pia (12a) 4-100) 2 24 -6 oo 23 30 0} wf 24% wf 8 Si] foo o| 33 6 9) a1 04 0 0 6) oo (1 2 3) Joo 2 m.Jo 0 4| La {0 0 6) De los problemas 21 al 27 encuentre una base para la imagen y el espacio nulo de la matriz dada, 21, La matriz del problema 2 22, La mattiz del problema 7 23, La matriz del problema 8 24, La matriz del problema 10 25. La matriz del problema 15 26. La matriz del problema 16 27, Lamatriz del problema 17 De los problemas 28 al 32 encuentre una base para el espacio generado por los conjuntos de vectores dados 1) (2) (-1 as. | a)faf} 3 a}lala 29. (1, -2,3),2,-1,4), 8,-3.9), 21,0) 30. (1, -2,D. (FL, =1, 4), G, -3.3), @. 1,0) 31. (1, “1,1, =D, 2, 0,0, 1) 4-2, 2, 7,-3.3,“ 1) (0) ( 1) (0 aa. {4} } 22 offal} 2p} lola De los problemas 33 al 37 utilice el teorema 9 para determinar siel sistema dado tiene alguna solucién. 33. =7 6x, +x, +3x,=20 36. y,-2x, + ab x= 2 By Hx, 2x, =-8 4x ym ys4.7 Rango, nulidad, espacio de los renglones y espacio de las columnas de una matriz 29 38, Demucstre que el rango de una matriz diagonal es igual al nimero de componentes diferentes de cero en la diagonal. 39, Sea A una matriz triangular inferior de n X n con ceros en la diagonal. Demuestre que P(A) C3} Es sencillo gencralizar este ejemplo, sin embargo antes es necesario ampliar la notacién. Sea B, = (Wy, U,,...,0,} y B, = {¥,,¥,.-..,¥,} dos bases para un espacio vectorial real V de dimensin n. Sea x ¢ V. Entonces x se puede escribir en términos de ambas bases: x= bu, +5.u, +5, oFFigura 4.4 5 twine!) J) érminos dela bse (Gh 4.8 Cambio de base 233 y Xmen tan tay © % 6, donde las , y ¢, son nimeros reales. De donde (x), =|” | denota la representacién de x en 4, ‘términos de la base B,, sto no es ambiguo porque los coeficientesb, en (5) son tinicos, segin el teorema 4.6.1. De igual manera, (x),, =| © | tiene un significado similar: Suponga ju, + (a, + bu, ++ + (a, + bu, de manera que que w, = ayy, + au, +9 Fay, yw, = bya, + 4, + + Byu,, Entonces w, + w, = (a, + OH, Mg, = Os, F OD, Es decir, en Ia nueva notacién se pueden sumar vectores igual que como se suman en B". Los coeficientes de Ia “suma” de vectores son las sumas de los coeficientes de los dos vectores indi- viduales, Mas atin, es sencillo demostrar que aG 2, = (2), Ahora, como B, es una base, cada u,en B, se puede escribir como una combinaci6n lineal de las, y, Asi, existe un conjunto tinico de escalates a,,.a,,..., dy, tales que para j= 1,2,...,m aay bay te + ay, 0 @)234 Unipap4d—_Espacios vectorales Deriicion JE) Matriz de transicién La matriz.A den X n cuyas columnas estin dadas por (8) se denomina matriz de transi- cién de la base B, a la base B,. Esto es, o Trt of (s,s, Oda, Oa, Nota, Si se cambia cl orden en cl que se escriben los vectores de la base, entonces también debe cambiarse ef orden de las columnas en la matriz de transici6n. “Teonman Elle eee eee eee Pomorie = AQ, (10) pe Devosmacon Se usa la representacion de x dada en (5) y (6) a6) x2 bu, + bu, to +b, de) = Bayt + dyvy to° + + ayy) + BQ, + a Feb BN, + ayy, +o + ayy) (ab, + aby Fo + Dv, + Cyd, + aby bo 4 a,D,vy + abv, tot ayyy) $e Qh, + ay de(6) om tem toot ey, any Asi denn) @,=|5[ 6) tab + dab +“ +.4,05, ay |B a[tn 2 4 [l= Aw, (12) a 4 MS,teonensa EY Demosrracion IM Solucién 4.8 Cambio de base 235 Antes de di is ejemplos, se probara un teorema que es de suma utilidad para los célculos. Sea A la matriz de transicién de B, a B,, entonces A~ es la matriz de transici6n de B, aB, ‘Sea Cla matriz de transicién de B, a B,, Entonces de (10) se tiene 9s, = CW, as Peto (x),, = A(X),, y sustituyendo esto en (13) se obtiene (®),, = CAQ),, ay ‘Se deja como ejercicio (vea el problema 45 de la presente secci6n) demostrar que (14) se cumple para todo x en V s6lo si CA = I Por lo tanto, del teorema 3.4.7, C= A“, y el teorema queda demostrado. Observacién, Este teorema hace especialmente sencillo encontrar la matriz de transici6n a par tirde-una base candnica B, = {¢,,¢,,..-¢,) en" a cualquier otra base en B®. Sea B, {¥,¥,, + ¥,} cualquier otra base. Sea C'la mattiz cuyas columnas son Ios Vectores ¥y, Vy =» Vy Entonces Ces la matriz de transicién de B, a B, ya que cada vector v, esta expresado ya en tér- zinos de a base canSnica. Por ejemplo, ' 1) (2) (0) (0) fo 3 =| 2 }=1]°}4a] ']-2]°]eaf® 2} “Jaf fol }o]-7}1]* "To 4, 4) \o} \o} to} bi Asi, Ia matriz de transicién de B, a B, es C~ Procedimiento para encontrar la matriz de transieién de la base can6nica a la base B, = cee) 4) Se eseribe la matriz. C ouyas columnas son ¥,,¥,....¥, ii) Se calcula C~', Esta es la matriz de transici6n que se busca, Nota, La matriz de transicién es tnica respecto al orden en que se escriben los vectores de la base B, Expresion di aba: 1y(3\( 0 (x En sea B, = (i,j,k) ysea B,=4/0],}-1],] 1]} six=| | © W2 escriba x en términos 2}lojl2 z de los vectores en B, 1 3 Primero se verifica que B, es una base, Esto es evidente ya que 0 -1 1) = 8 # 0. Como 1 ° 0 2 0 -2 1 yu, =| 0], deinmediato se ve que la matriz de transicién C, de B, a B, esti o 1236 © Unipap4 —_Espacios vectorales dada por er) a1 202 ‘Asi, de acuerdo al teorema 2a matriz de transicién A de B, a B, es 26 3 1 22-1 2641 1 Por ejemplo, si (x), = | -2 | entonces 4 ®,, 2 4 ara verficar, observe que 1 8) fy (2) (2) (0) (0 +Jofat}—1]-2) 1]=[-2]=1)0]-2]1]+4}o ape yP ala 2 o) “La) La) lo) to} Expresién de polinomios en P, en términos de una nueva base En P, la base canéniea en B, = (1, x27}, Otra base es B, = (4x — 1, 2x? —x, 3x2 43}. Sip = 4, + a,x + a,x, escriba p en términos de los polinomios en B, I Solucidn Primero verifiue que B, es una base. Si e(4x ~1) + ex? —x) + (Gx! + 3) = O para toda x, entonces al reacomodat los términos se obtiene (Ce, + Bel +e, = ex + Ge, + 34 x = 0 Pero como {1, x, x} ¢s un conjunto linealmente independiente, se debe tener +3e,-0 =o 2c, +3¢,-0 1 0 3 El determinante de este sistema homogéneo es | 4 -1 0) ~ 2740, lo que significa que c, 023 =I 0 3 sla tinica solucién. Ahora (4x1), =| 4), Qx*-2), =|-1]y@+3x), =| 0 0 2 34.8 Cambio de base 237 Asi, 1 03 c=| 4-10 023 ces la matriz de transicién de B, a B, de manera que 363 aectat|-n 2 2 a 821 % sla matriz de transicibn de B, a B,, Como (a, + 4x4 4,2"), =| a, |, se tiene 3 6 3)(a 1 ataxtax),=2|-2 3 2 (ata a3"), = 35 j s 2 ily 1 Fla +60, +34) 1 =| Lt-t29, - 34, + 124, Bla, ~34, +124] 1 dita, +24,+ 4 zl 724+ 4) Por ejemplo, si p(x) = 5x? -3x + 4, entonces 15 -3 6 3) 4) | 27 Ge -3+4, =] 3 2|]-s]-) 2 OF 2 s 2 als} ] 3 a bas : Mossy hee se 3x42 Beax-y + Fer —y+ Ser +9 Grd Gx 9+ GGr +3) Conversién de una base a otra en I? son no(3}( Jon e{?}( ferment so, woes Iinos de los vectores de B,. IM Solucién Este problema es un poco més dificil porque ninguna de las dos bases es candnica, Deben ex- presarse los vectores de B, como una combinacin lineal de los vectores en B,. Es decir, deben ‘encontrarse constantes a, 441,43» 2, tales que ()--(0)238 = Una eonensa El] Espacios vectorales Lo que conduce a los siguientes sistemas: 5a, 2a, ~ 4a, +3a,, =1 Las soluciones son a,, = 4, &, 1 14 1)(6,) [3604 #8) 10-104, } | 10 -2G +b) en base canénica 1 porciemplo, x¥(7} eoonces joa, x(t de manera que y 4 7) af 4 1)(3)_] 36 (nea) )(2)4] 3 “26, Es deci, ivefquel ryban2) 2-3 4} 2644} 26l 3 Hacindo uso de la notacién de esta secsin se puede deduct una manera conveniente para determinar si un conjunto de vectores dado en cualquier espacio vectorial de dimensién Ginita es linealmente dependiente o independiente. Sea B, = {¥ ¥y-.-,¥,) una base del espacio vectorial V de dimensién n. Suponga queDemosrracion E 4.8 Cambio de base 239 Sea yy oy aa| tn S277 Se Entonces x,,x,,... X, Son linealmente independientes si y s6lo si det 4 #0. Scan a,,2,,...,a,las columnas de A. Suponga que ox text + 6x as) Después, si se emplea la suma definida anteriormente, se puede escribir (15) como (ea, + eat ®,, ao) La ecuacién (16) da dos representaciones del vector cero en Ven términos de los vectores de la base B,, Como la representacién de un vector en términos de los vectores de la base es tinica (por el teorema 4.6.1) se concluye que cay tea tet ea,=0 an Donde el cero de la derecha es el vector cero en I2". Pero esto prueba el teorema ya que la ecuacién (17) incluye a las columnas de A, que son linealmente independientes si y slo sidet A#0, EE eterminacion de si tres potinomios en P, son linealmente IM Solucién dependientes o independientes En P,, determine silos polinomios 3 —x, 2 + x" y 4 + $x ~2x" soa linealmente dependientes o independientes 3 2 Si se utiliza i base B, = (1, x, 27) setiene 3-2), =[-1], +2), =]0|.y 4+ 5x—2x,, 4 32 4 ° 1 =| 5|-ntonces det 4=[-41 0 5] = -23 40, con lo que los polinomios son indepen- 2 12 dientes. HEE —eterminacian de si cuatro matrices de 2 x 2 son linealmente dientes o independientes dependientes o independientes ma deine stents) 2) 3) Gp[ | §) manatee a240 Unipap 4 Espacios vectorales IH Solucién Uutiandoeestnte 3 { a 0 a} } se obtiene o o}'lo of i o}'lo a r-a21 tae? 31 4)co B 1 04 6 ro de manera que las matrices son dependientes Observe que det A = 0 porque el cuarto renglén cs s sum de los tres primeros Ademis, observe qe “1 4 , asf Jaf ?)-(2 Asaf? 4) 9) so} la aslo Js oflo of lo que ilustra que las cuatro matrices son linealmente dependientes. Auroevatuacion Ellija el inciso que complete correctamente os siguientes enunciados. | Lamatuzde uansicidn en Rt dela base {O.0)} pion (2) a G3) °G3) 9G} G3 1 tam ceanionente dine (2}(-]} enna!) “G) 9G) Gat 02) G7) oA3) oat) a) ee OL ale a +(e} aman -a}l24.8 Cambio de base 241 1) (0) (1 oy (a 1) (1) (0 1) (-1) (0 8.Jo|,o|.Ja 9.{ offalja] 10 aka u.| of, af.fa 1 - lo} ly ofl a} Co} (a (0) (0) (1 2) (1) (3 b\ fe a. fo|,Ja)fa 13. Jif} a[]-2] 14 Jol.Ja].|e | donde ar x0 De los problemas 15 al 17 escriba los polinomios a, + a,x + a,x" en P, en términos de la base dada, 18. x1 1 16 Lx ths De +2) I xt Lx scum Jasetasnnal SIEVE IC 3) 19. En P, exprese el polinomio 2x’ —3x’ + Sx — 6en términos de la base polinomial 1, 1+ x, x +x 18. nat enn {2 ten =f)(2), mates »-{C}(3} 21. Bin P, exprese el polinomio 4x2 x + Sen términos de la base polinomial 1, 1 —x, (1-2) (=a) 1\ (0) (1 donde 8, = }] -1|,| 1),] 0]}. scriba x en términos de op la 2 22, En! suponga que(x),, =| -1 4 3 labase 8, = {/ 0], BP oy (sp ste vel) ("sess tn 2 24, En P,,(x), =|1 |, donde B, = {1 — x, 3x, x’ —x —1). Bscriba x en términos de la base 3 B,=G-2x 1+ xxtx) De los problemas 25 al 34 utilice el teorema 2 para determinar si el conjunto de vectores dado es linealmente dependiente o independiente. 28. En Py 24 3x4 5x12 1+ ox 26, En Py -3 + 9°,2—x + 4x44 + 2x 27. EnPy2+xe txt242 Unpap 4 Espacios vectorales 28. 29. 30. 31 22, 36. 36. 37. #38, 41 a2. En Pex t4x,—24 24,2444 1x En Py -2 + 4x -2x',3 + x,6+ 8x EnPytlxthxt2x+4 Ea Pel +4 ees mal! EO 3C HC i} Pls); t)scmanee En P, sean py, Py -- +, Pysy A> 1 polinomios tales que p(0) = O para i= 1,2,....7 Demuestre que los polinomios son linealmente dependientes, Ba ats En el problema 35, en lugar de p(0) = 0, suponga que pi" =O parai=1,2,....0+ Ly para alguna jcon I = j =n, donde p\” denota laj-ésima derivada de p, Denmuestre que los polinomios son linealmente dependientes en P, En M,, sean Ay, Ay... Ayg in matrices cuyas componentes en la posicién 1,1 son cero. Demuestre que las matrices son lincalmente dependientes. Suponga que los ejes x y y en el plano se rotan en sentido positivo (al contrario de las manecillas del reloj) un Angulo 9 (medido en radianes). Esto da nuevos ejes que se denotan por (x’, y°). @Cuales son las coordenadas x, y de los vectores de la base iy j rotados? . Demuestre que la matriz del cambio de coordenadas en el problema 38 est dada por (5 5) vos ejes coordenados x’ y y’ : . Sea C= (c,) una matriz invertible de n Xn y sea By = {¥,, ¥.. ¥,} na base para el espacio vectorial. Sea Sade Sal, ews Demuestre que B, ~ {€,,€,,...,€,} es una base para V. |. Sean B, y B, dos bases para el espacio vectorial V de dimensi6n n y sea Cla matriz de tran- sicién de B, a B,. Densuestre que C~ es la matriz de tyansicién de B, a B,4.9. Bases ortonormales 243 45, Demucstze que (x), = C'A(a),, para toda x en un espacio vectorial V si sélo si C= I [ougerencia: Sea x, el vector Fen B,. Entonces (x), tiene un uno en la posicién iy un cero en otra parte, ;Qué puede decirse sobre CA(x),.7 RESPUESTAS A LA AUTOEVALUACION Lo ha) hd) EE] Bases ortonormates EnIB" se vio que n vectores linealmente independientes constituyen una base. La base candnica E= {e,,¢,,...¢, sla de mayor uso. Estos vectores tienen dos propiedades: sit) itde-e, Derinicion KE] Conjunto ortonormal en k” Se dive que un conjunto de veetores S = {u,.u,,..., 4.) en Res un conjunto ortonormal si ay, airy © aa, ® Si sblo se satisface la ecuacién (1), se dice que el conjunto es ortogonal. Como se trabajar ampliamente con el producto escalar en esta seccién, recordaremos algunos hechos basicos (vea el teorems 3.2.1). Sin mencionarlos de nuevo en forma explicita, se utilizardn en el resto de esta seccibn, Siu, vy westin en ID" y aes un niimero real, entonces wer @ @tyewsuwtyew ® weotwsuytow © (au) == a(uy) © (ay) = au) o Ahora se presenta otra definicién ttl benmaon EI Siv © IP", entonces la longitud o norma de v, denotada por ly, est dada por i= ve ®244 Ua Espacios vectorales Nota. Siv = (+X, entonces vv = xf + x2 44 x2, Bsto significa que vev=Oyy:y=0 — siysdlosiv=0 0 De esta forma se puede obtener Ia raiz cuadrada en (8), y se tiene M=Yvv=0 — paratoday RY a) =o siysilosiv=0 an HEE t= norma de un vector en 2? wx, 3) € R*, entonces | = x" + y* cumple con la definicién usual de longitud de un vector en el plano. Seay HEE ts norma de un vector en b* Seav = (x,y, 2) € BR, entonces jy] = fx? + y? +2" como en la sevcidn 3.3. FEE norma de un vector en B* steonenan EE Demostracion =1,3,4,-6) € BY entonces jy] = 44149516 +36 = 65 Ahora puede establecerse otra ver la definicién 1 Seay = Un conjunto de vectores es ortonormal si cualquier par de ellos es ortogonal y cada uno tiene longitud 1 . Los conjuntos de vectores ortonormales son bastante sencillos de manejar. Se verd un ejemplo de esta caracteristica en la unidad 5. Ahora se probari que cualquier conjunte finito de vectores ortogonales diferentes de cero es linealmente independiente. SiS = {v,,¥,,...,¥,} esun conjunto ortogonal de vectores diferentes de cero, entonces Ses linealmente independiente Suponga que qv, + ¢y¥, +--+ + g¥, = 0. Entonces, para cualquier i= 1, 2, Foy, er ¥)-Y, Foy Jtet ey -¥) Como v,# 0 por hipstesis, yf’ > Oy se tiene c, = 0. Bstoes cierto para i= 1,2,..., Jo que completa la prueba, Ahora se vera cémo cwalguier base en B" se puede “convertir” en una base ortonormal. El método descrito a continuacién se denomina proceso de ortonormalizacién de Gram-Schmidt! (1850-1916) fue un actuaro 6 16-1956) {ue un materstica ales sue estuve muy ineresado en fs candi de la medi,seonenea El Demosrracion 4.9. Bases ortonormales 245 Proceso de ortonormalizacién de Gram-Schmidt ‘Sea H un subespacio de dimensién m de". Entonces H tiene una base ortonormal.! Sea = (yy, Vy.» Yq) tina base de HZ, Se probaré el teorema construyendo una base ortonormal a partir de los vectores en S. Antes de dar los pasos para esta constructi6n, se observa el hecho sensillo de que un conjunto de vectores linealmente independiente no contiene al vector cero (yea el problema 25) Paso 1. Kleceién del primer yector unitario Sea (12) Detanaerstoe|e ene Naseer ss elperen setae onsen cece ee eee roeal eednteree tse es In proyeccién de u sobre v, Esto se ilustra en Ia figura 4.5 Resulta que el vector w dado es ortogonal a v cuando w y v estan en ID" para cualquier n = 2. Observe que como u, es un vector unitario, quier vector v. 1, = (¥-u,) u, para cual- Sea 2 (He) a, 3) entonces 4-4) (0,4, = (vu) 1=0 domanera que vj es ortogonal a u,, Mas afin, por el teorema 1, u, y¥, son linealmente in- ws) kl dependientes, v; # 0 porque de otra manera v, =(V,-1,) ¥, ,, lo que contradice la independencia de ¥, y ¥, Paso 3. Eleccién de un segundo vector unitario Sea (aay entonces es evidente que {u,,u,} es un conjunto ortonormal. Suponga que se han construido los vectores u, u,,...u, ( gla del paralelogramo p: 5 0 I Por tiltimo, u, ¢s un vector unitario a lo largo de v5, Ahora se definira un nuevo tipo de matriz. que sera muy itil en los capitulos que siguen. Derinicion E] Matriz ortogonal Una matriz.Q de n X nse llama ortogonal si Q es invertible y a6, Figura 4.6 Los ectores yu for manna base ro paral plno geretado por lesvectrer vy, Observe que si Q~! = 0’, entonces Q'Q = I No cs dificil construir matrices ortogonales, de acuerdo al siguiente teorema, Tronew Eee ee vomal er Demostracion Sea. Ie Hy Gy Q4.9 Bases ortonotmales 249 Sea B = (b,) = QQ. Bntonces +4, a, = 6,6, an donde , denota a i-ésima columna de Q. Si las columnas de @ son ortonormales, entonces yah ud as) Esdecir, B= J. Inversamente, si Q’ = Q~, entonces B= Ide manera que (18) se cumple y (17) muestra que las columnas de Q son ortonormalex Esto completa la prucba. EE un matriz ortogon wy 3 is Del ejemplo 4, tos vectors | 1/2 || v5 |] 13] forman una bose ortonormal en W a3 =o 3 Asi, la matriz Q = |1/N2 V6 -1/V3] es una matriz ortogonal. Para verificar esto se 0 26 WW observa que go-|-16 16 v3 -1W3 3 wr Ww | En la prueba del teorema 2 se definié vj = = proy, ¥, (Ja que|u,|’ = 1), Ahora se ampliaré este concepto de proyeccién sobre un vector @ proyecetén sobre un subespacio, = (9, + uu, Pero como se ha visto, (¥, “uu, Auroevatuacion Indique si las siguientes aseyeraciones son falsas o verdaderas |. El conjunto {(1, 1), (1, ~1)} es un conjunto ortonormal en Ik Elconjunto {Gea (= a} ester conju ortonorzaleal IIl, Toda base en ID" se puede convertir en una base ortonormal utilizando el proceso de ortonormalizacién de Gram-Schmict. 1 IV, La mati es ortogonal. { ) ° wz 2 V. La matriz 2 | es ortogonal (ee 4)250 Unipap4—_Espacios vectorales Elia el ineiso que responda la siguiente pregunta VL. ara cules de las siguientes matrices Q~' es igual a Q" 1 6 ania 6/40 of} 3) o ihe a) iio 60 16 fe Ee ° ie :) competencias 4.9 2 {(x, y) © Dé: x + y = 0}, {(%3) © Rix — {Os y) © RY ax + by 0 4 9 5. BoB! comenrandocon(*),({) donde a boo alle 6. 7 = (Gy, -y-2=0) {Gy.2) Rix tty te = (Cu ya: 0= 3h y= I. £= ((xy,3) Rx 21 RB) = (05.9.20) ERED = yt 32— w= 0) 1B. = ((x,y, 2): ax + by + c= 0}, donde abe #0 14. L = {(x, 9.2): sla = yb = sie}, donde abe #0 IS. = (C5, y 4p 9) ERE Dx, FEO 8) © Bix, + Be, = Day {03,2 3x 2y + 6: (Gs 9, 2): 12 = yh Bx, +x + 4x, — 17. esl espacio de soluciones de x-3y} 250 “ay sy-s=0 tty 45e=0 #18. Encuentre una base ortonormal en I que incluya los vectores ai 2 we : 0 2 a= yous we 1 : 3 i 2 [Sugerencia: primero encuentre dos vectores ¥, y¥, para completar la base.)4.10. Espacios con producto interno 251 19. Demuestre que O= es una matriz ortogonal. 28, Demuesue quesi Py Q son mavizes ortogonales dem Xn, entonees PQ es otoponal 21. Verigue el sesultado del problema 20 on plist 8), g.(1s vs uN? awe es 18 22, Demuestre que si @ es una matriz ortogonal simétrica, entonces Q = 1 23. Demuestze que si Q es ortogonal, entonces det Q = + 1 sent cost cost ~sent p 24 Dams qu ps tg imers se Jamar 4 ) toon 25. Sean u, y u, dos vectores ortonormales en 12", Demuestre que lu, ~ u 26. Siu,,u,,...,u, son ortonormales, demuestre que Iu +0, ++ 7 sate nancy uinanl} (Shs f3}(-Ah forman una base ortonormal en R* ah = P+ hah +o + Jah = 28, Demuestre que cualquier base ortonormal en R* es de una de las formas dadas en el problema 27. RespuesTAas & LA AUTOEVALUACION LF oY ILY ME VV Wo ERD) Esracios con propucto InTERNO Derinic Esta seccién utiliza los conocimientos sobre las propiedades elementales de los mimeros complejos (unidad 1) y requiere alguna familiaridad con el material del primer aiio de cAleulo. En la seccidn 3.2 se vio cOmo se podian multiplicar dos vectores en 2" para obtener un ‘scalar. Bste producto escalar se denomina también producto interno, Otros espacios vectoriales tienen productos internos definidos, Antes de ofrecer una definicién general, se observa que en I el producto interno de dos vectores es un escalar real. En otros espacios (vea el ejemplo 2 si- _Buiente) el resultado del producto interno es un escalar complejo. Por lo tanto, para ineluir todos los casos, en la siguiente definicién se supone que el producto interno es un nimero complejo. Espacio con producto interno Uneespacio vectorial complejo V se denomina espacio con producto interno si para cada par ordenado de vectores wy ven V, existe un mimero complejo tinico (u,v), denominado producto interno dew yy, tal que si, vy westin en Vy a ¢ ©, entonces252 Usipap4—_Espacios vectorales (v.20 ) (Wv)=Osiy solosiv=0 (vtw=(ay)= (uw) iv) (uty, w)=(a, w+ (v9) v) (wy)=(¥, 0) vi) (ou, ¥)= atu, ¥) (a, av) = Gu, ¥) La barra en las condiciones 1) y vi) denota el conjugado complejo. Nota, Si (a, 9) €8 real, entonces (u,v) ~ (a, ¥)y se puede eliminar Ia barra en ¥). EEE» producto interno en b’ By es un espacio con producto interno con (u, v) = w- v, Las condiciones ii)vi) estén conteni= das en el teorema 3.2.1. Las condiciones ) y i) estan incluidas en el resultado 4.9.9. HEE producto interno en €” Se definis un espacio vectorial en €” en el ejemplo 4.2.12. Sean x = (xy, X,-.. X) VV = Oy Jp-- 9) eMC" (recuerde que esto significa que los elementos x,y y, son nlimeros complejos). Entonces se define (Yay, tte, oO Para demostrar que la ecuacién (1) define un producto interno, se necesitan algunos hechos sobre los nimeros complejos. Si el lector no esta familiarizado, consulte el apéndice 2. Para 1), + (x)= 43, HF thx, F, = fae Asi, yi satisfacen ya que x] es un niimero real. Las condiciones i) y i) se deducen del hecho deque a(z, + 2) = 22, + 2,2,para cualeaquiera mimeros complejos 2,2, 2y La condicién v) FA 2, de manera que 3; = ¥,),- Lacondicién vi) es se deduce del hecho de que 7, obvia, Para vid (u, ay) = (@rW a(¥, ) = Alu, ¥), Aqui se usaron vi) y ), , HE Producto interno de dos vectores en €* En ©? seanx = (1+i,-3,4-3)yy= 2 i, ~i,2 +), Entonces =U DAD + OYED+ 4-H AD A+DA+)+EDO+4-390-9 = (1+ 3) = 3+ (S— 101) =6— 101 EEE & producto interno en Cla, 6} [EGG] Suponga que a < hi sea Y= Cla, b] el espacio de Ins funciones de valores reales continuas en cl interval (a 8] y defina Unf frosod @4.10. Espacios con producto interno 253 Se vera que esto también es un producto interno.’ HU. f)= |, f° (Oat 20.Bs.n teorema bisico dl cileulo quesi fe C[a,b], f 20 sobre [b]y f'7 © dt=0, entonces f= 0 sobre a,b. Esto prueba )y i,t) se deducen de los hhechos bisicos sobre integrales defines Nota. En Cla, 6] se supone que los escalares son niimeros reales y que las funciones son de valores reales, de manera que no nos preocupamos por los complejos conjugados; sin embargo, si las funciones son de valores complejos, entonces de todas maneras se puede definir un producto interno. Vea mas detalles en el problema 27. HEE producto interno de dos funciones en C[0, 1} [Gam] seaft = # & CLO, ty g(t) = 4-0 € C0, 1}. Entonces 1p = flae —ryar= (42 B (nade [iP Gods far) at (¢ a Derinicion EJ Sea Yun espacio con producto interno y suponga que wy vestin en 1 Entonces i) wyvson ortogonales si (u, v) = 0. fi) La norma de u, denotada por [ul esta dada por [all = Yaa) 8) Nota 1. Aqui se usa la doble barra en lugar de una sola pata evitar confusién con el valor absoluto. Por ejemplo, en el ejemplo 7 |[sen ti denota Ia norma de sen f como un “veetor” en C[0, 217] mientras que [sen #| denota el valor absoluto de Ja funcién sen 1 Nota 2. La ecuacién (3) tiene sentido ya que (u, w) = 0. BEE Po vectores ortogonales en © Ein €? los vectores (3, —) y (2, 61) son ortogonales porque (8-1, 2.61)=3: 34 DH ademis [3-9] = 33+ C00 = v0 +63 Dos fur snes ortogonales en C[0, 2r] En C[0, 2n7] as funciones sen fy 60s £ son ortogonales ya que 1 (Gent, cos 1) = J" sen cos d= |" sen 2t dt 2 {sta no ea nica manera de defini n producto interna sobre Cla], eto es fa mis comtn,254, Unwpap4 — Espacios vectoriales Ademis, [fen 1 |] = Gen t, sem 1)"* =[ffoee va]? -[f [re-owsna] ST avr Sise observan las demostraciones de los teoremas 4.9.1 v4.9.2, se-ve que no se uilizé el hecho de que = B, Los mismos teoremas se cumplen en cualquier espacio con producto interno ‘A continuacién se enumeran, por conveniencia, después de dar una definicién, Derinicion [EJ Conjunto ortonermal Ee ee eeren renee Cee © y Wl=V¥O.¥) 6) Si sélo (4) se cumple, se dice que el conjunto es ortogonal. Teonema Ell Caisse ererts etches eter eprenie carers once enc mereteten ses eee haat an eee Teonena Fo] Cualguier onjuno fit inealmene independiente en un espacio con produto iter se puede convertir en un conjunto ortonormal mediante el proceso de Gram-Schmidt, En particular, cualquier espacio con producto interno tiene una base ortonormal. Uni srtonormal P,[0, 1] ‘Construya una base ortonormal para P,[0,1]. I Solucién Se comienza con la base estindar (1, x,:°}. Como P,0, 1] es un subespacio de C[0, 1}, se puede war el producto inter del ejemplo 4, Como ['F de = 1, sehace w, = 1, Después ¥, = ¥,— Luego se calcula4.10. Espacios con producto interno 255 = 32x -1). Asi Batonoss a, = nals (ya, — (wu, Se tiene (v,,4) = fx? dr Asi, Batonces u, 6f5[¥ 9 +2) Joe — 6x + 1), Por tkimo, una base ortonormal es a, ¥3Qx— 1, {562 — 6x + 1). HEE un conjunto ortonormal infinite to, 2] En C[0, 2] el conjunte infinite La 1 1 5] pe een eons send, veo vr ‘es un conjunto ortonormal. Esto es cierto ya que sim # n, entonces se mx cos d= sen mx sen d= [cos cose d= 0 Para probar tuna de estas igualdades se observa que [sen mx cos mx d= 5 J [sem mm + sen (m—n)x] de 08 (m 2 2 aes (mt mx =0 ya que cos x es perfiica con petiodo 2. Se vio que tea xll= ym. As (4m) sem x= 1 Las otras igualdades se deducen de forma similar Este ejemplo proporciona una situaciSn ea la256 Unpap 4 Espacios vectorales que tenemos un conjunto ortonormal infinito. De hecho, aunque esto esta mas allé del alcance de este libro elemental, es cierto que algunas funciones en C[0, 27] se pueden expresar como combinaciones lineales de las funciones en S, Suponga que f ¢ C[0, 27], Después, si se escribe Fcomo una combinacién lineal infinita de los vectores en S, se obtiene lo que se denomina la representacién por series de Fourier de f Auroevatuacion ‘Complete las siguientes afirmaciones con el inciso correcto L Ea €[0, 1}, x at yt ot a} ot M. En C(O, 1), pee = at yt ot a ot ML, En, (1 + 4,2 -39, @-1, -14 29) = )-74% By 748i 94-8 Dee 9 2651 WW. En €, | + #2 -39|=____- a) 5-10) by 15 9 vis a7 ow 1, Sea D, el conjunto de las matrices diagonales de n X n con componentes reales bajo las operaciones usuales de matrices. Si A y B estan en D,, defina (A,B) = a,b, + bane Prucbe que D, ¢s un espacio con producto inter. 2. SiA € Dy demuestte que [All = I siy silo si gi 4a ++ a 3. Encuentre una base ortonormal para D, «thorn peng sma sndo(2 SWva-(2 9) 5, En € encuentre una base ortonormal comenzando con la base (1, ), 2-1, 3 + 20. 6. Encuentre una base ortonormal para P,(0, 1]. 7. Bneuentre una base ortonormal para P[—1, 1], Los polinomios que se obtienen se denominan polinomios normalizados de Legendre. ‘8, Encuentre una base ortonormal para P,[a, b], m. Base Un conjunto de veotores ¥,,¥,,..., ¥, 8 una base para un espacio vectorial V'si 1D) {y,¥p.-.¥,} 8 linealmente independiente, HD) (yy. ¥,) genera V, ‘Todo conjunto de n veetores linealmente independiente en IR* es una base en I La base eanénica en I" consiste en 1 vectores 1 ° 0 o 1 0 eefofesfofe=fafin es ° ° 0, 1 Dimension Sil espacio vectorial tiene una base finita, entonces la dimension de Ves el mimero de vectores en cada base y V se denomina un espacio vectorial de dimension finita, De otra manera V se denomina espacio vectorial de dimensidn infinita, Si V = {0}, entonces se dice que V tiene dimensién cero. La dimension de V se denota por dim V.260 Unpap 4 Espacios vectorales + Si fes.un subespacio del espacio de dimensién finita V, entonces dim H= dim V. + Los tinicos subespacios propios del son los conjuntos de vectores que estan en una recta © en un plano que pasa por el origen, + Blespacio nulo de una matriz A den Xn es el subespacio de 2" dado por N= (x eR Ax = 0} La nulidad de una matriz A de n X nesla dimension de N, y se denota por 1(4) + Sea A una matriz dem Xn, La imagen de A denotado por Im(A), ¢s el subespacio de 2” dado por Im(4) = fy © BR": Ax = y para alguna x ¢ R"} Elrango de A, denotado por p(4), es la dimensién de la imagen de A. + Elespacio de los renglones de 4, denotado por R,,,¢s el espacio generado por los renglones de A yes un subespacio de R* + Elespacio de las columnas de 4, denotado por C,, es el espacio generado por las columnas de A yes un subespacio de R”. + Si A es una matriz. de m X 7, entonces €, = Im(4) y dim R, = dim C, = dim Im(4) = p(4) Mas ain, (A) + (4) =n + Elsistema Ax ~b tiene al menos una solueién si y sélo si p(4) ~ p(4, b), donde (A, b) es la matriz aumentada que se obtiene al agregar la coltumna del vector b a + Teorema de resumen Sea A una matriz de n X n. Entonces las siguientes afirmaciones son equivalentes: i) Acsinvertible, ii) La inca solucién al sistema homogéneo Ax = 0 es la solucién trivial (x = 0). iii) El sistema Ax = b tiene una solucién tinica para cada n-vectorb, iv) Aes equivalente por renglones a la matriz identidad, I,, den Xn 1) Ase puede expresar como el producto de matrices elementales. vi) La forma escalonada por renglones de A tiene n pivotes, vil) Las columnas (y renglones) de A son linealmente independientes. vill) det 4 #0. ix) (A) = 0. %) etd) =m + Soa B, = (0, 0,,....0) yB,= {¥,,¥y..-.,¥,) dos bases para el espacio vectorial V. Si xeVy fda, bot dase, ber bob ek , 4 Entonces se escribe (x), =|""] y (w,, =| %Resumen 261 Suponga que (u,),, =| |. Entonces la matriz de transici6n de B, a B, es Ia matriz de nXn ants fm be Mis alin, (0), = AQ), Si Aes la matriz de transicién de B, a B, entonces A~ es la matriz de transicion de B, a By, Si(x)y, =] 2" | para = 1,2,...,m entonces x), x, .-,X, son linealmente independientes siy sélo si det A #0, donde Los vectores u, U,,...,u en M2" forman un conjunto ortogonal si u,-u, = 0 para ij. Si » k, $e dice que el conjunto es ortonormal ademés, uu, = 1 para Iv] = lv vf se Hama longitud o norma de v Todo subespacio de I tiene una base ortonormal, El proceso de ortonormalizacion de Gram-Schmiat se puede wilizar para construir tal base. ° Una matriz. de n Xn es ortogonal si y slo si sus columnas forman una base ortonormal para ‘Una matriz ortogonal es una matriz Q invertible de n X tal que Espacio con producto interno El espacio vectorial complejo V se llama un espacio con producto interno si para cada par de veetores wy ven V existe un mimero complejo tinico (u, v) denominado el produeto interno de wy, tal que siu, vy w estin en Vy.a © €, entonces Dy =0 i) (Vv) = Osiysolosiv=0 i) (2, + w)=(@, 9) FH, w) iv) (uty, ) fu, w) + (v9) Producto interno en €* Gy) = x9,262 Unpap 4 Espacios vectorales + Sea Yun espacio con producto interno y suponga que wy vestin en V. Entonces ‘ay vson ortogonales si (a, v) = 0 La norma de, denotada por full esta dada por Inf = Yow) + Conjunto ortonormal El conjunto de vectores {yy .-..¥} €81un conjunto ortonormal en si (oy)=0— parai4j I= You Si s6lo se cumple la primera condicién, entonces se dice que el conjunto es ortogonal. COMPETENCIAS FINALES. UNIDAD 4 Delos ejercicios | al 13 determine si el conjunto dado es un espacio vectorial. Silo es, determine su dimensién. Si es finita, encuentre una base para él 1. Los vectores (x, y, 2) en IR" que satisfacen x + 2y — 2 =0. Los vectores (x, y, 2) en 2” que satisfacen x + 2y — 2 Los vectores (x, y,2) € IR? que satisfacen x + y + 2 0. Los vectores (x,y,z, w) enIR* que satisfacen x + y +2 + w= 0, Los veetores en R” que satisfacen x -2=y +3= 2-4, Los veetores en R® que satisfacen x +1 = y -2= 243. El conjunto de matrices triangulares superiores de n X n bajo las operaciones de suma de matrices y multiplicacién por un escalar, El conjunto de polinomios de grado = 5, 9. Elconjunto de polinomios de grado menor o igual que 4 10. El conjunto de polinomios de grado 5 11. El conjunto de matrices de 3 x 2, 4 = (a), con a, matrices y multiplicacién por un escalar, 0, bajo las operaciones de suma de 12, Bl conjunto en el ejercicio 8, excepto a, 13, Elconjunto $ = (f€ C[0,2},f@) = 0) En los ejercicios 14 al 24 determine si el conjunto dado de vectores ¢s linealmente dependiente sonar yf H(A! wif! w("} HE Ht Meas finales, Unidad 4 263 1) (-2) (0 1) (0) (0) fo i. faf] 3}}s ao. Oh) LP f° of fofyaffo Yeu o} lo} to) 2B Bn B21,2-¥°,3-3, 72° 8x 22, Ba P21,2+x),3-x, 78 8x as roar, {1 (1 (0 9)(0 0 0 oflo of afl: a men, ME HE IG 3) 25. Usando determinantes, establezca si cada conjunto de vectores ¢slinealmente dependiente o independiente. 1) (3) (5 @}s]Jof] 5 5) Q.1.4);G,-2, 6:14, -2) ajlale De los ejercicios 26 al 33 encuentre una base para el espacio vectorial y determine su dimen- sién. 26. Los vectores en R que estin en l plano 2x + 3y —4z = 0, 21. = {(x, 9): 2x — By = 0} 28. H={(x,y 3x42. 2. ve iy-y-2+w=0} 30. {p © Py: p(0) = 0) 31. Elconjunto de matrices diagonales de 4 X 4 32. M, 33. De los ejercicios 34 al 41 encuentre el espacio nulo, la imagen la nulidad y el rango de la matriz dada, ra 0-1 6 aa ae{ ) 3. A=|2 04 2 06 24 022 1-4 P12 1-1 1 2 s.a-fo 14 tae 3-1-1 -1 1ai23 23 o 1-10 40. a-[-1 2 4 a= 12033 46 243.56 De los ejercicios 42 al 46 escriba el vector dado en términos de los vectores bisicos dados. 3) (1) (1) (0 . 2) fr) (a . 42. Eas x 43. ram:x-| 4fJohfif}2 allay ata} lo} ls 44. Eo Poxa4e xe a dead264 Unpap 4 1 O\f1 a) f4 oV(0 0) 0 4 (: i] (: ‘ (: 7 ( ‘} (; :) Dts ces 47 Senoveeun tase otonomal puta spo vor dado 1. coment oat ve(?}(} 48. ((, y,2) € Rix, % 49. {(x,9,2) eR’ yeaTRANSFORMACIONES LINEALES COMPETENCIA ESPECIFICA A DESARROLLAR Aplicar las transformaciones lineales y sus propiedades para representarlas mediante una matriz de reflexién, dilatacién, contraccién y rotacién, EER] (Derinicion y exempLos El presente capitulo aborda una clase especial de funciones denominadas transformaciones lic reales que ocurten con mucha frecuencia en el algebra lineal y otras ramas de las mateméticas Estas tienen una gran variedad de aplicaciones importantes. Antes de definirlas, se estudiaran dos ejemplos seneillos para ver lo que es posible realizar. respecto al En ee define una funcién T mediante l formula *(:) { ‘| Geométricamente, T toma yl un vector en IR? y lo refleja respecto al eje x. Esto se ilustra en la figura 5.1. Una vez que se ha dado la definicién basica, se vera que Tes una transformacién lineal de” en I’ y Figura $.1 ea elves =e resin especie del vector (x,y). ° oy Ta») =)266 = Una S n de un vector de produccién en un vector de materia prima Un fabricante elabora cuatro tipos de productos distintos, de los cuales eada uno requiere tres tipos de materiales, Se identifican los cuatro productos como P,, P,, P,y Py y a los materiales por R,, Ry R, La tabla siguiente muestra el mimero de unidades de cada materia prima que se requieren para fabricar | unidad de cada producto. ‘Necesarios para producir Lunidad de P| P| P|» Nimero de unidades | % | > | 1 | 3 | # aemateria |e fata )ala prima 2 Rl 3]a)i]a2 ‘Surge una pregunta natural: si se produce cierto miimero de los cuatro productos, jeuantas unidades de cada material se necesitan? Sean p,, ps p, y p, el mimero de articulos fabricados de los cuatro productos y sean r,,r, yr, el nimero de unidades necesario de los tres materiales Entonces se define we 134 221 312 Ps 10 30 Por ejemplo, suponga que P=] 5, |. ,Cuntas unidades de R, se necesitan para producir estos so iimeros de unidades de los cuatro productos? De la tabla se tiene que nape dt ple p stp = 10-2 +30-1+20-3+50-4—310 unidades De manera similar 7, =10-4+30-2+20-2+ 50-1=190 unidades r= 10-34+30:3+20-1+50.2=240 unidades En general se ve queDenmasn ll Termnotocia 5.1 Definicin y ejemplos 267 Ap Esto se puede ver de otra manera. Si a p se le conoce como el veetor de produceién y a ¥ como cl ector de materia prima, se define Ia funcién T por r = Tip) = Ap. Esto es, Ts la funcion aque “transforma” el vector de producciéu en el vector de materia prima y se hace mediante la ‘multiplicacin de matrices ordinaria. Como se vera, esta funci6n es también una transforma cin lineal. ‘Antes de definir una transformacién lineal, hablaremos un poco sobre las funciones. En la seocidn 1.7 se esoribi6 un sistema de ecuaciones como Axe donde 4 es una matriz dem Xn, x¢ R* yb R™, Se pidid encontrar x cuando A yb se cono- cian. No obstante, esta ecuacién se puede ver de otra forma: suponga que A se conoce. Enton- ces la ecuacién AX = b “dice”: proporcione una x en I" y yo le daré una ben IR"; es decis, A representa tna funcién con dominio IR" e imagen en R™ La funcidn que se acaba de definir tiene las propiedades de que A(ax) = atx sia es un escalary A(X + y) = Ax + Ay. Esta propiedad caracteriza las transformaciones lineales. Transformacién lineal Scan Vy W espacios vectoriales reales. Una transformacién lineal T'de Ven Wes una funeién que asigna a cada vector ve Vun vector tinico Tv < Wy que satisface, para cada uy ven Vy cada escalar a, Tw ty) = T0419 ® Tio) = aT @ ‘TRES OBSERVACIONES SOBRE NOTACION L. Se escribe 7: V+ W para indicar que Ttoma el espacio vectorial real Vy lo lleva al espacio vectorial real IV; esto es, Tes una funcién con V como su dominio y un subconjunto de W ‘como su imagen. 2. Se escriben indistintamente Ty y Tly). Denotan lo mismo; las dos se leen “T de v". Esto es analogo a la notacién funcional f(x), que se lee “f de x 3. Gran parte de las definiciones y teoremas en este capitulo también se cumplen para los espacios vectoriales complejos (espacios vectoriales en donde los escalares son néimeros complejos). Sin embargo, a excepcién de la breve intervencién de la seccidn 5.5, sélo se manejarén espacios vectoriales reales y, por lo tanto, se eliminara la palabra “real” en el anilisis de los espacios vectoriales y las transformaciones lineales. Las transformaciones lineales con frecuencia se denominan operadores lineales.268 Unipap $_—_Transformaciones lineales EE ln transformacién tineal de Ren B xty 1 Sea 7: wen 9()-|023 si 2)-| 9) se » y 9, ata tyty, atx yoy 3y, +39, xt) (xby Pero De manera similar faxtay) (xty toh ES} 2} Bay By ‘Asi, Tes una transformacién lineal, HEE t+ transtormacisn cero Sean Vy W espacios vectoriales y defina T: V+ W por Tv = 0 pata todo v en ¥; Entonces Te, +¥) =0=0+0= Ty, + Ty, y Tay) = 0 = a0 = aT¥. En este caso, T'se denomina la ‘ransformacién cero. EEE transtormacién identidad Sea V un espacio vectorial y defina J: V-» V por Jv = vpara todo ven V/ Aqui es obvio que es, una transformacién lineal, la cual se denomina transformacién identidad u operador identidad. EE tanstormacisn de reflexion Sen B42 oB? dtnis poor *}-(~*) tetvesiengie ln Ea timinoe geo yy, tricos, Ttoma un vector en IR” y lo refleja respecto al ee y (vea la figura 5.2).5.1 Definicin y ejemplos 269 y y Ee co) oy Elvector mye tees espe al ejey a ™ tel ecto y. ° * 0 * 9 » Transformaciin de "> "dada por la multiplcaion por una matrz de m Xn Sea A una matriz. de m x my defina 7: "+R" por Tx = Ax Como A(x + y) = Ax + Ayy A(x) = ax six y y estén en B, se observa que Tes wna transformacién lineal, Entonces: toda matriz A de m Xn se puede utilizar para definir una transformacién lineal de" en 2", En Ia seccién 5.3 se ver que se cumple el converso: toda transformacién lineal entre espacios vectorales de dimensién finita se puede representar por una matriz. EEE transtormacion de rotacis Supongn quel etorv={ \ enel plano xy srota un angulo 0 (aedido en gradosoradianes) y en sentido contrario al de as manecills de elo Lame este nuevo vetorrotado v= Entonces, como se ve en la figura 5.3, sir denota la longitud de v (que no cambia por la rota- ibn), x= reosa yorsena reos(@ +a) y= rsen(0-+0)" tw») Pero r cos (0 + a) = r cos @ cos a ~ r'sen 0 sen a, de manera que xcos 0 — ysend @ . 1 Gato se deduce de fs defirciin estndar de cosy sen como las coordenalas xyy de un punto en el ccula untae, Si, 9) es un punto en el cua de rach r con centro ene erigen, entonces x = recs g yy = rsen q, donde g eel Sngulo que forma el vector ty, can el lado postive del ee x270 Uxipap $__Transformaciones lineales De manera similar, r sen (0 + a) = r sen 8 cos a + rcos@ sen a 0 sea y= ween + y cose my . Sea cos send 5 a(S ® Entonees de (3)y (4), seveque 4, 0) 0) La transformacién lineal T:1R? > R definida por y y Ty ~ 4,¥, donde A, esta dado por (5), se llama transformacién de rotacion, EEE _transformacién de proyeccién ortogonal Sea H un subespacio de R". La transformacion de proyeecién ortogonal P: V+ H se define por Py = proy,¥ oO Sea {u,,u,,..., u,) una base ortonormal para H. Entonces de la definicién 4.9.4, se tiene Pye (v-u)u, + (yuu, +--+ ua, o Como (vy, + ¥,) -u= lineal EEE = operadores de proyeccion wy, Wy (ay) "w= aly w), se ve que P es una transformacién Se define TB’? por T| y |=| y | Bntonces Tes el operador de proyeccién que toma un 2} lo vector en el espacio de tres dimensiones y Io proyecta sobre el plano xy, De manera similar, 1| y |=|0 | proyecta un vector en el espacio sobre el plano xz, Estas dos transformaciones se deseriben en la figura 5.4 Figura 5.4 1) ryecin sobre plano xz (:}5.1. Definicin y ejemplos 2m PEERED —overador de transposicion Defina T: My, > M,, por TA) = 4. Como (A + BY'= 4’ + Bry (aA) = ad’, se ve que T, denominado operador de transposicién, es una transformacién lineal HEED —overadir integral FAG) sea 4 clo, 1) + W defini por Ip =f f(x)de. Como f'L/)+ gelde= f'fonde + Jie dey ['astayde =a f(x) de sifyg son continuas, ve que J lines. Por ejemplo, 160) J denomina oprador inter Operador di ren Suponga que D: C'[0, 1] > C{0, 1] se define por Df =f’. Como (f + g)' = f" + 8’ y(afy’ = af" si fy g son diferenciables, se ve que D es lineal. D se denomina operador diferencial LTSENSTS No toda transformacién que parece lineal lo es en realidad. Por ejemplo, defina 7: > R por Tx = 2x +3, Entonces la grafica de {(x, Tx): x IR} es una linea recta en el plano xy; pero To es lineal porque T(x + y) = 2(x + y) +3 = 2x + 2y + 3y Tx + Ty = Ox +3) + (y +3) = 2x + 2y + 6. Las tinicas transformaciones lineales de Ren R son funciones de la forma f(x) = mx para algtin niimero real m. Asi, entre todas las funciones cuyas praficas son rectas, las tinicas que som lineales son aquellas que pasan por el origen. En élgebra y célculo ‘una funeién lineal con dominio R esté definida como una funcion que tiene la forma f(x) = ‘mx ~ b, Asi, se puede decir que una funcién lineal es una transformacién del en si y slo si (la ordenada al origen) es cero. EGE \sformacién que no es li Suponga que 7: C[0, 1] > Mesta definida por Tf = (0) + 1. Entonces T no es lineal. Para ver ‘esto se calcula TP +M=FAOEV=FO+eO+1 Tf + Te =[/O) + 1] + [O + =f) + 0) +2 Esto proporciona otro ejemplo de una transformacién que puede parecer lineal pero que, de hecho, no lo es Avroevatuacion Falso-verdadero |. Si T’es una transformacin lineal, entonces 7(3x) = 37x. II. Si Tes una transformacién lineal, entonees T(x + y) = Tx + Ty. Ul, Si T’es una transformacién lineal, entonces Tixy) = TxTy. IV, Sid es una matriz de X 5, entonces Tx = Ax es una transformacién lineal de Ren B, V. SiA es una matriz de x 5, entonees Tx = Ax es una transformacién lineal de R° en B2*,competencias 5.1 Delos problemas | al 38 determine sila transformacién de V en W dada es lineal Les 7) *|=|~ ov) bo 3 RoR 7)” 15, wrens a]?”|-(*) 2] bw 18. TM,» My: UA) = AB, donde Bes una matriz ja den Xn 19. TM, Mys TIA) = A'A 20. T: My, > My; T(A) = AB, donde B es una matriz ija dem X p 2. T: M,,> My: TIA) = BA, donde B es una matriz fija de q X m 22. T:D, > D, TID) = D*(D, es el eonjunto de matrices diagonales de n X n) D 2B. TD, > D; TD) g LTP, Py Tay + a,x + a 25. TP, Pi Tay + ax + ax) =0, + 426. n. 28. 2. 30. a. 33. 34. 38, 36. 38. 39. 40. 4 42, 43. 44, 45, 46. 5.1. Definicin y ejemplos 273 TR Py Tab \=(a+b)+ (+d TDP, Ta) =a tax tat t-- + at T: P,> Py Te) = [POO T: P, > Py Mp0) = p(x) + [pCoP T: C0. 1] > €[0, 1}: TH) = Fe) T: C[0, I>» C[0, 1; TI) = fy + 1 T: C[9, I} C0, 1}; THEY = xf) 1601) +17 =[ fps) ds, donde ge6 ana fnsia faen (0,1) TC", 1] C0, 1; Tf = (fg)', donde g es una funcién fija en C"[0, 1] T: €[0, 1] > €[L, 2 TI) = fle - Y rew-+e.3=/2) TC. 1 C10. 1. HO) = £0) + 2) Te My +B; T(A) = det A Sea T: BR? + B® dado por T(x, ») = (=x, ~y). Deseriba T geométricamente ft) yoy _{“ Sea Tuna transformacin lineal de? >? tal que at | 2 vi i o Encuentre: ay MW Ls of) oo En el ejemplo & 4) Encuentre la matriz de rotacién 4, cuando 0 = 6, co mao 0 Sea 4,=|send cos@ 0), Describa geométricamente la transformaci6n lineal T: o oo 1 B! 5B dada por Tx = A,x. cosd 0 —send Conteste las preguntas del problema 42 para 4,=| 0 1 0 sen9 0 cos Suponga que en un espacio vectorial real V, T'satisface Nix + y) = Tx - Tyy Tlax) = aT para a = 0. Demuestre que T'es lineal Encuentze una transformacién lineal 7! M,,—> My, Si Tes una transformacién lineal de V en W, demuestre que Tix — y) = Tx ~ Ty.274 Usipap $_—_Transformaciones lineales 47. Si T cs una transformaci6n lineal de V en W, demuestre que T0 = 0. {Son estos dos vee tores cero el mismo? 48. Sea V’un espacio con producto interno y sea u, € Vfijo. Suponga que T: V+ B (0 €) est definido por Ty = (¥, u,). Demuestre que Tes lineal. 49. Demuestre que si Ves un espacio vectorial complejo con producto interno y T: V+ Cesta definido por Ty = (uw, ¥) para un vector fijo u, € V, entonces Tno es lineal $0. Sea V'un espacio con producto interno con el subespacio de dimensién finita IZ Sea (a,, 4, u,) tuna base para H. Demuestre que T: V > H definida por T¥ = (¥, uu, + (¥, 4.) uy, +55 + (¥, uu, es una transformacién lineal S1. Sean Vy W dos espacios vectoriales, Denote por L(V, W) el conjunto de transformaciones lineales de V en W. Si T, y T,estin en L(V, W), defina a7, y T, + T,por (aT,)v = a(T,9) y(T, + T= Ty + Ty. Prucbe que L(V, 1) es un espacio vectorial Respurstas A LA AUTOEVALUACION Lv oy ile MF vy EB] Propiepapes De LAs TRANSFORMACIONES LINEALES: IMAGEN Y NUCLEO En esta secci6n se desarrollan algunas propiedades basicas de las transformaciones lineales. ‘Teonensa EI] Sea 7: -» Wana transformnacion lineal, Entonces para todos lor vectore 9,1, dTO=0 i) Tu—W=Ta-Tv Ii) Tay, + ay, +. ay) = aT¥, +ayTy +...+0,7%, Nota, En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de la derecha es el vector cero en W p Divosmacon D TO = TO +0) = 70) + T).Asi, 0= 1) — TO = 70) + 70) - T= 70) Tuy) = Tlu+ (“Dy] = Tus T[(-Yy] = Tut (“Tv = Ta Ty. Esta parte se prucba por induccién (vea el apéndive 1), Para n = 2 se tiene T(a,y, + ay) = Tay) + Tax) = a,T¥, + a,7y,. Ast, la ecuacién (1) se cumple para = 2. Se supone que se cumple para n = ky se prueba para n = k + 1: Tay, FM, Hoot he + Oy Me) = Tah, + a, +--+ OY) + TE, He WY ‘usando la ecuacién en la parte i) para n = k, esto es igual a(a,7'v, + a,Tv, +. .+ a,Tv,) + a, , T¥, 1 que es lo que se queria demostrat. Esto completa la prueba. Observe Los incisos 9 y i) del teorema 1 son casos especiales del inciso i) Un dato importante sobre las transformaciones lineales es que estin completamente deter minadas por el efecto sobre los vectores de la base.5.2. Propiedades de las transformaciones lineaes: imagen y néicleo 275 Teorena EE Sea Yun espacio vectorial de dimensisn finita con base B= {¥) %y...¥,}. Sean wy, Wy. +, Vestores en IV, Suponga que 7, y 7, son dos transformacioneslineales de en Wales que Ty, = 7,y, = w, para i= 1,2,...,n, Entonces para cualquier vector ve V, Ty = Ty; es decir T, = T, Demostracion ‘Como B es una base para V, existe un conjunto tinico de escalares a,,a,,..., a, tales quev= av, + ay, + +--+ a,¥,, Entonces, dl inciso i) del teorema 1, Ty = Tay, + ay, 4-44) =a,Ty, + Ty, +-- +4,Ty, aw, tam + baw, De manera similar Ea) Tay, + ay, ++ tay, =a, Ty, + aT, +0 + 4,7 y, yw, tam, to ta, Por lo tanto, T;y = Ty. El teorema 2 indica que si 7: V-» Wy V tiene dimensién finita, entonces sélo es necesario conocer el efecto que tiene T sobre los vectores de la base en 1/ Esto es, si se conoce la imagen de cada vector bisico, se puede determinar la imagen de cualquier vector en V/ Esto determina T por completo, Para ver esto, sean ¥,,¥,,...,¥, una base en Vy sea ¥ otto vector en V. Enton- ces, igual que en la prueba del teorema 2, Ty=aTy, + aly, bo + aT, Asi, se puede caleular Tv para cualquier vector ve V'sise conoeen Ty, vy... T¥, ina transformac al sobre los ores de lab se conoce el efecto sobre cualquier otro vector ay (0 Ses Pantera in eco yespones gv 7/0] (2) 2|1]-(—!)y 0 3 ° ° sfo|-{ 2} esse - 1 ~ 5 3) (1) (0) fo IM Solucién — Setiene| -4|~3]0|-4]1]+s] 0 s} lo} lo) ta Entonces 3 1 0 0 1|-4]=3r]0]-ar|1|+s7]0 3 5 o 1 =) GHG el Sh276 Usa i Solucién Surge otra pregunta: siw,, W,,... W, Son n vectores en I, cexiste una transformaciéa lineal Ww, para /= 1, 2, ..,n? Ta respuesta es si, como lo muestra el siguiente teorema. Sea V un espacio vectorial de dimensién finita con base B = {v,, y,}- Sea Wun espacio vectorial que contiene los vectores w,, W,,... W,- Entonces existe una transfor- ‘macién lineal nica T- V—> Wal que Tv, paral =,2,...4m Se define la funcién como sigue d= iil) Siv= bay, +--+ ay, entonces Ty= aw, bam, totam, wo Como B es una base para V;, Testa definida para todo v ¢ Vy como W es un espacio vectorial, Tv. W. Entonces slo falta demostrar que Tes lineal; lo que se deduce directamente de la ecuacién (I). Siu = ay, + a,¥, ++ tay. ¥V= BN, + BM, too + B,¥q entonees T(a +) =TI(a, + 8)Y, + (q+ 8)Y +--+ (4, +8)v) = (a, + Bw, + (a, + Bw, +--+ (a, + Bm, = (aim, tan, tam) + (Bim, + Bam to + Bm) =TutTy De manera similar, T(av) = aT, asi que Tes lineal, La unicidad de 7 se obtiene del teorema 2y la prucba queda completa Observacién. Ban los teoremas 2 y 310s vectores w,, w,, ..., W, No tienen que ser independientes y. de hecho, ni siquiera tienen que ser distintos. Mas atin, se hace hincapié en que los teoremas se cumplen si Ves cualquier espacio vectorial de dimensién finita, no slo WY". Observe también que la dimensién de W no tiene que ser fini Defi Eneuentre una transformacién lineal de Ren el plano wei] yf}: ax-y +3250 Del ejemplo 4.6.3, se sabe que JY es un subespacio de dos dimensiones de ID" con vectores : ° 1 0 ° ' 1 0 ta transformacién lineal Tpor 7 °}=| 2] y 7{1]=]3 [op loDernucion Kl pe lmssen eonenna EE Demosrracion A) ())-2()-2)-42}4)-[-2 ~ 0. 1 7 a[i)-[a * y Ahora se dara dos definiciones importantes en Ia teoria de transformaciones lincales. Nicleo e imagen de una transformacién lineal Sean Vy W dos espacios vectoriales y sea 7: V—> W una transformaci6na lineal. Entonces ') Elnicleo de 7, denotado por nu T, esté dado por mu T= (ve. Ty=0} @ ii) La imagen de T, denotado por Im, esta dado por ImT = {we Wiw = Ty para alguna ve Y} @ Observacién I. Observe que nu Tes no vacio porque, de acuerdo al teorema 1, 10) = 0 de ‘manera que 0 ¢ nu Tpara cualquier transformacién lineal T: Se tiene interés en encontrar otros, vectores en V que “se transformen en 0”. De nuevo, observe que cuando escribimos 710) = 0, €10 dela izquierda esta en Vy el de la derecha en 1 Observacién 2. La imagen de T'es simplemente el conjunto de “imagenes” de los vectores en V ‘bajo la transformacién T De hecho, si w = Tv, se dice que w es la imagen de v bajo T Antes de dar ejemplos de micleos e imagenes, se demostrar un teorema de gran utilidad, Si T: V+ Wes una transformacién lineal, entonces {) mu Tes un subespacio de V. ii) Im Tes un subespacio de W. i) Sean wy ven nu 7; entonces T(u + ¥) = Tu + Ty = 0 + 0=Oy T(aw) = ax = ‘a = Ode forma que + vy awestan en mu T. ii) Sean wy x en Im T. Entonces w = Tuy x = Ty para dos vectores uy ven V. Esto significa que T(u + v) = Ta + Ty = w+ xy Tlau) = aTu = aw. Por lo tanto, wt xyawestan en Im T278 Unipap$_—_Transformaciones lineales HEE _Nicteo c imagen de la transformacién cero Sea Ty = 0 para todo v ¢ V (Tesla transformacién cero), Entonces nu T= Ve Im T = {0}. HEE Nicteo e imagen de la transformacién identidad Sea Ty = v para todo ve V (Tesla transformacién identidad), Entonces nu T= (0) eIm T= Las transformaciones cero ¢ identidad proporcionan dos extremos. En la primera todo se encuentra en el nicleo. En la segunda sélo el vector cero se encuentra en el micleo. Los casos intermedios son mis interesantes. FEE _victeo e imagen de un operador de proyeccién Sea TR’ +B! definida por 7| » |=] y 2} lo Esto es (vea el ejemplo 5.1.10), Tes el operador de proyeccién de en el plano xy. x) fx 0 sit] y |=] » 0 |, entonces x = y = 0. Asi, nu T= {(x, y,2):x = = 0,26 B}, es decis, 2} lo 0 el eje z, ¢ Im T = {(x, y, 2): 2 = 0}, es decir, ol plano xy: Observe que dim nu T= 1 y dim ImT=2 Derinicion [EJ] Nulidad y rango de una transformacién lineal Si 7'es una transformacién lineal de V en W, entonces se define Nolidad de 7= (7) dim nu T o Rango de 7'= p(7') = dim mT © Observacién. In la seccidn 4.7 se definieron el rango, la imagen, el espacio nulo y la nulidad de una matriz, Segin el ejemplo 5.1.7, toda matriz A de m X nda lugar a una transformacién lineal 7:1" >” definida por 7x = Ax. Esevidente que nu T= N,,ImT =Im4 = C, (7) = v(A)y p(T) = p(A). Entonces se ve que las definiciones de micleo, imagen, nulidad y rango de una transformacién lineal son extensiones del espacio nu, la imagen, la nulidad y el rango de una matriz FEE _vicleo e imagen de un operader traspuesto Sea V= M,, ¥ defina T: Myy—> My, Pot T(A) = A’ (wea el ejemplo 5.1.11). Si TA = 4° entonces 4'es la matriz cero de n X m por lo que A es la matriz cero dem Xn. Asi, nu T= {0} yes claro que Im T= M,,. Esto significa que »(T) = Oy p(T’) = wm.5.2. Propiedades de las transformaciones lineales: imagen y néicleo 279 FEET _icteo e imagen de una transformacisn de P, en P, Defina T: P, > P,por T(p) = T(a, + a,x + ax? + a,x’ 0, a, + a,x + a,x" = 0 para toda x, Io que implica que a, pO) = a,x") elm T =P, (7) = Ly p(T) = 3, HEE _Nicleo e imagen de un operador integral AGG] Sea V = CIO, 1] y defina 4% CIO, 1]: + R por =f! s(x) dx (vea ol ejemplo 5.1.12), f+ a,x + a,x4 Entonees si Tip) = 4, = ca = 0, Asinu T= (pe Py Entonces nu J=(feC[0, 1}: f(x) dk =0). Sea a un aiimero real. Entonces te funcién constante f(x) = a para x € [0, I]: exté en Cfo, ty feta =, Como esto se cumple para todo mimeo real a, se tiene que Im J =. . En la siguiente seccién se ver4 que toda transformacién lineal de un espacio vectorial de di- ‘mensién finita en otro se puede representar por una matriz, lo que permitira calcular ef micleo yy la imagen de cualquier transformacién lineal entze espacios vectoriales de dimensisn finita ‘encontrando el espacio mulo y la imagen de la matriz correspondiente. AuToevaLuacion Delos siguientes enunciados, indique si son verdaderos o falsos. |. Sea T: V+ Wuna transformacién lineal. En ocasiones es posible encontrar tres vec~ tores diferentes y, € V.v,6 Vy we Wales que Ty, = Tv, = w. Ul, Si Ty, = Ty, como en el problema 1, entonces ¥, ~v, € nu T. Ul. Si Tes una transformacién lineal de v en w, entonces la imagen de Ts w. IV. Seay, vp... ¥, una base paral" y sea w,,w,,.--, W, una base para P,_,. Entonces cexisten dos transformaciones lineales Sy T tales que Tv, = w, y Sw, = ¥, para i= eee v6 eacntondomnsintonty7(°}+{)} toner wna Vi. Existe una transformacién lineal T'de BR’ +B con p(T) = v(T)- VIL Suponga que 7: My A con p(7) = 4 i ZA “8 a eateneae -( 3) Desarrol petencias Delos problemas 1 al 13 encuentre nicleo, imagen, rango y nulidad de la transformaci6n lineal dada, LTR oR 7] * |=) 2 reo tly |=) y} lo » sre seir(s)-( 25 ere oea(ry280 Unpap 5 +9, 10. u. 2. 1B 4 15. 16. rT 18, 19. 20, a. 26. / ya 119 = 49 dont =[! 2 | 1 J TR Py Ta) = a+ ax tax sad TR Py 1[g)-atm (a+b +a-b9 TM, Mj TA) = A+ TCO, Cok =f" TCO, 1] C0, 1h 17 =f" fa TC, 1B; 7-13) TA? B®; Tes una rotacién de m/3 Sea T: V-> Wuna transformacién lineal, sea {¥), ¥y,.. , ¥,} una base para Vy suponga que Ty, = 0 para i= 1,2,...,n Demuestre que T es la transformacién cero. Enel problema 14 suponga que W= Vy Tv, =v, para i= 1,2,...,m Demuestre que 7 es el operador identidad. Sea T: V-+B', Demuestre que Im T'es cualquiera de las siguientes: a) {0}; 8) una recta que pasa por el origen; c) un plano que pasa por el origen; d) 2 Sea T: + ¥ Demuestre que nu T'es uno de los cuatro espacios enumerados en el problema 16 Encuentre todas las transformaciones lineales de forma ena recta x = 0, sal? tales quela recta y = 0 se trans- Encuentre todas las transformaciones lineales de? en IR? que llevan a la recta y = ax a larecta y = x, Encuentro una transformacién lineal T'deW’ —> 1 tal que nu T= (x,y,z) 2e— y+ 2=0} Encuentre una transformacién lineal Pde! +B tal que ImT = ((x y,2): 2x -2y + 2 = 0} . Defina 12M,» M,,por TA = A — A, Demuestre que mu 1° {matrices simétricas den Xn} elm 7’ {matrices antisimétricas de n Xn} |. Defina 7: C'[0, 1] + €[0, 1] por TF(x) = xf%(). Encuentre el miicleo y Ja imagen de 7. |. En el problema 5.1.51 se le pidié que demostrara que un conjunto de transformaciones lineales de un espacio vectorial Va un espacio vectorial W, denotadas por L(V, 17) ¢8 un espacio vectorial. Suponga que dim V =n ID” determinando cl espacio nulo y la imagen de In matriz correspondiente, Adicionalmente, una vez que se sabe que TX = Ax, se puede evaluar 7x para cualquier x en 2" mediante una simple multiplicacién de matrices. Pero esto no es todo. Como se vera, cualquier transformacién lineal entre espacios vecto= riales de dimensién finita se puede representar mediante una mattiz, Sea 7:1" 2" una transformacién lineal. Existe entonces una matriz tinica de m Xn, Aptal que Te= 4x paratodaxe RY @ Sea w, = Tey, W, = Te,,...,W, = Te, Sea A, la matriz cuyas columnas son W, Wy w, y hagamos que A, denote también a la transformacién de IR" IR", que multiplica un vector en" por Ay, Si w=] | parai= 2,000 entonces ‘sina psicin 0 o CT a 4 yea |t2 2 ae =) o282 Una Dermcon El teonema El Deesta forma, A,¢,= 2,....m De acuerdo al teorema 5.2.2, Ty la trans- formacién 4,-son la misma porque coinciden en los vectores bisicos, Ahora se puede demostrar que 4, ¢s tinea. Suponga que Tx = A,x y que Tx = B,x para todo x € B, Entonces 4,x = B,x, 0 estableciendo C, = A, — B,, se tiene que ,x = 0 para todo x © I. En particular, C,e, = 0 para i= 1,2,....n, Pero como se deduce de la demostracién de la primera parte del teorema, C,e, es la columna i de C,. Asi, cada una de las n columnas de C, es el m-vector cero, la matriz cero dem Xn. Bsto muestra que 4, = B, y el teorema queda demostrado. Observacién 1. Bn este teorema se supone que todo vector en ID" yi" esta expresado en térmi- nos de los vectores de la base estindar en esos espacios. Si se eligen otras bases para R* yR”, por supuesto, se obtendré una matriz.A, diferente. Para ilustrar este caso, vea el ejemplo 4.8.1 ‘omés adelante, el ejemplo §, Observacién 2. La demostracion del teorema muestra que es sencillo obtener A, como la matriz cuyas columnas son los vectores Te, Matriz de transformacién La matriz A, en el teorema 1 se denomina matriz de transformacion correspondiente a T o representacién matricial de T: Nota, La matriz de transformacién A, esta definida usando las bases esténdar tanto en BR” como en”. Si se utilizan otras bases, se obtendré una matriz de transformacién diferente. Vea elteorema 3 de esta seccién, En la seccién 5.2 se definieron la imagen, el rango, el nicleo y la nulidad de una transformacién lineal, En la seccién 4,7 se definicron la imagen, el rango, el espacio nulo y la nulidad de una mattiz, La prueba del siguiente teorema es consecuencia del teorem 1 y se deja como ejercicio (vea el problema 44 de esta seccién), Sea A, la matriz.de transformacion correspondiente a la transformaci6n lineal 7: En- tonees i) InT=Im4=C, ii) p(T) = play) iit) ou T= N,, is) (T) = 4,) EE eepresentacion matricial de una transformacién de proyeccién Ml Solucion Eneuentre la matriz de transformacién A, correspondiente a la proyeceidn de un vector en B! sobre el plano xy: x) (x 1) (1) (0) (0) (0) fo Aqui | y En particular, 7) 0|=] 0, 7/1 |=|1] y 7] 0]=[0]. Ass 2} lo o} fo} tof to} Lay aiM Solucién iM Solucién 5.3. Representacién matricial de una transformacisn lineal x) (1 oo 00 1 0]. Observe que 4,| |=] 1 0 00 000 jal de una transformacién de I” en B . xy Defina 7:1h" en * por 7| » |=| ae PP | aenane cxhy be Encueatie 4,87, ka T, o(T) y p(T) Wf) PL. I heed it Observe (a manera de verificacién) que 1-1 0 xoy o 1 afi] yee 2-1-1]? |"] ax-y-2 a1 a? Lex ty tae, Ahora se caleulan el micleo y la imagen de 4. La forma escalonada por renglones de 1-1 0) (1 -10 o 1 4} fo Esta forma tiene tres pivotes, de manera que 2-1 -1]"fo o1 " ° -1 1 2) lo 00 vague pl) +o pdy=3 yA) = 3-3=0 1) (-1)( 0 off a Esto significa que nu 7'— {0}, Im T oH a . WD) = Oy pT) = 3. -lajl2 de una transformacién de 2? en 2x-y+3e 4x~2y+6z | Encuentre A,, nu T; Im T, o(T) y p(T) 2} |-ox+3y-92 0 1 0 1) (2 -1 oy (3) como r}o|=| 4], z}1]=|-2] y z)ol=| 6|setiene 0} [-6 3 1) [-9, 283284 Unipap$_—_Transformaciones lineales 2-1 3 4-2 6 6 3-9 tcorema i) 2 Del ejemplo 4.7.4, se ve que p(4) = p(T) =1elmT =geny| 4 6, Entonces (7) tore 2 si) t Para encontrar N,, = nu T, se reduce por renglones para resolver el sistema Ax = 0: 2-1 340 2-13] 0 4-2 6 | 0/——s]o oo 10 6 3-910 o 0010 Esto significa que | y | © N, si 2x ~ y + 32 = 0,0 sea, y = 2x + 32, Kstableciendo primero x= 1,2 = Oy después x = 0, 2 = 1, se obtiene una base para N, 1) (0 N,=gen\]2],) 3 ol Es facil verificar que si Tes la transformacién cero delR* +12", entonces 4, es la matriz cero de m Xn, De igual manera, si Tesla transformacién identidad de 2” —W”, entonces 4, = I, Representa ransform: n mat n cero Se vio en el ejemplo 5.1.8, que si Jes la funcién que rota a todo vector en I un Angulo 6, ‘cos —send sen0 cos 0 mimes 4-[ Ahora se generalizara el concepto de representacién matricial a espacios arbitrasios de dimen- én fasta Teonema Eg lee ee eee ne nee ee eer ream cee ae nea Seas a emo {WW ¥,) una base para WV, Entonces existe una matriz tiniea A, de m X n tal que (P94,= 4,0 @Demosrracion Ee 5.3. Representacién matricial de una transformacisn lineal 285 Observacién 1. 1.a notacién (2) es la notacién de la seccién 4.8. Sixe V= ov, + ey, tot, entonces (x),, =| 4, |, entonces 4,¢ es un m-vector que se Fi denotara por d = ® | es decir 4, 4, Tx = dw, +d, +d, Observacién 2, Como en el teorema 1, la unicidad de A, es relativa a las bases B, y B, Si se cambian las bases 4, cambia (vea los ejemplos 8 y 9, yel teorema 5). Si se usan las bases estandar, entonces esta 4, e818 A, de la definiciSn 1 Sean Ty, =¥,T¥, Como y, € W, se tiene que para i 1,2,.... aE i ot at Para algin conjunto (nico) de escalates a, ayy... 4,9 se exeribe ty a 4a, OD, =|} oD, =] foo, =] 4, 4, Esto significa, por ejemplo, que y, = 4,¥, + dW, +--+ + d,,¥,- Ahora se define By A By A=| fe Se Como \ 0 0 1 : Oa =]e | Os “fof. Ds, ° 5 1 se tiene, como en la prueba del teorema 1, ‘esi pose 4, 4, ° i 1G bb EPS foo. nde a |g286 Unipap$_—_Transformaciones lineales Six esti en V, entonces ®, 4) (4) (4% + au tot auc, yg aye, tt Ant na Gem) KG) Vai * Aas + * 46, in 4% 5 =a] re) @ |e te,| = 40D, 40D, °F 40)s, De manera similar, Tx = T(cy, + ey, +70 beg) =e Ty taTy to beT y= GY + Ye too + Gy de manera que TH)y = (Gy, + GY, +--+ EMI = Gan +e) + ena = Apa, Ast. TOX)q, = Ap(X)q, La prucba de la unicidad es exactamente igual que la prueba de unicidad en el teorema 1 El siguiente resultado es consecuencia del teorema 4.7.7, y generaliza el teorema 2, Su demostracion se deja como ejercicio (vea el problema 45 de esta secci6n). Teonenna Bl] Scan ry W cpacos vectors de dimensin ita con dim =n Sea 7: ¥-> Wana transformacién lineal y sea A, una representacién matricial de T respecto a las bases B, al tenet i) eT) = p(y) i) (4) = (4) ii) (4) + p(T) = Nota. i) yt implican que p(4,) y n(A,) son independientes de las bases By B, EEE epresentacion matricial de una transformacién de P, en P, Defina 7: P, > P, por (7'p)(x) = xp(x). Encuentre 4,-y tisela para determinar el nticleo y la imagen de T. BH Solucién — Uiilizando las bases estindar B, = (1.x, x°) en Pyy B, = (0, 22,3") on Py, se tiene 0 0 0 000 1 o ° 100 =, 2), =O" x), = As, 4, = Ty, =Os, =] 9 f TOV, =O, =] Y POD, =O, =] FAS 4e=]Q yg 9, 0, 1 oo15.3. Representacién matricial de una transformacién lineal 287 Es evidente que p(4) = 3 y que una base para R, es Por lo tanto, Im T= gen (x, x, x'}. Como v(4) = 3 — p(A) = 0, se ve que nu T= (0). una transforma Defina TP,» P, por Ta, + a,x + a,x" + ax’) = a, + a7. Caloule A, y utilicela para en- ‘contrat el miicleo y la imagen de T IH Solucién —Usizando las bases estindar B, ~ (1, x22, x°} en P, y By ~ (1.x, +} en Py, de inmediato ° 1 0 ° seve que (ra, =[0|, Way, =|] @o*y, =[0] ¥ @e'y, =[0}, por to que ° © 1 ° 0100 1) (0 4,=]0 0 0 0), Fs obvio que p(4) = 2y una base para R,es |] 0, [of de manera que oo190 o} la ®) 49 Im T= gen (1, x}. Entonces, (4) = 4-2 = 2, y si,| % |=]0], entonces a, = Oy a, = 0. alls 1) (0 4 o| Jo Por lo tanto a, y a, son arbitrarios es una base para N, de manera que {1, x*} es 694s vol lo para N, ave (1,3) uuna base para nu 7. o} En todos los ejemplos de esta seceién se ha obtenido la matriz 4, utilizando Ia base estindar en cada espacio vectorial, Sin embargo, el teorema 3 se cumple para cualesquiera bases en Vy W. Bl siguiente ejemplo ilustra esto. HELL resentacién matricial relativa a dos bases no estandar en I? ores p09(2)-(02] anther!) (2 oe wm stein 56 son A !)+(9)v2( {22} cm (Jeet a(-2} mre (3), {C3} pe mn ae (23) vg] ()=[) 4-{Cf 8) ne tt oes) te (8) =n "Joa (7) enue (<2) -[2) me288 Una 5 iM Solucién [SR mom ovens {S17} (2) nein cn Para evitar confusidn, a menos que se establezca de forma explicita algo distinto, siempre se calculard la matriz A, respecto a la base candnica.' Si T: V+ Ves una transformacién lineal y se utiliza alguna otra base B, entonces se haré referencia a A, como la matriz de transformacin 4 Trp alaboe Aken ti depo, =("S. 1) ete maid teem winerripaasiasiel( 4) (-] ° Antes de terminar esta seccidn, debe responderse una pregunta obvia. Para qué molestar~ se en utilizar otra base que no sea la estindar cuando los eélculos son, como en el ejemplo 8, bastante més complicados? La respuesta es que con frecuencia es posible encontrar una base BY en B" para la que la matriz de transformacion respecto a B* es una matriz diagonal. Es muy sencillo trabajar con matrices diagonales, como se veri en el capitulo 6, y existen muchas ventajas al escribir una matriz en forma diagonal. de una transfor La representac respecto a dos bases no estandar en I puede ser diagonal Defina 7: > GG) ofa}-Lae7f SS) sme (3) a}ee( 3) 3) fo) oe wane sinine(“S)-o{ Hoof 2h) -[ 8) exmaaog f2 9) : sonar mn oa (3 +2) one 4 x)_{ 12x +109 or T| “|| Enouentte A, respecto a las bases B, = B, = ® ( ) (828) vee . 2 ) seismic rier end stuns representan las expansiones de los vectores en B, en términos de la base estndar. A partir del procedimiento descrito en la sesibn 4.8, la matsiz A“!= ( ) ete amsiede anion de Sa B,, Demanera similar la matriz de A es la matriz de transicion de B, a S (vea el problema 4.8.44), Ahora suponga que x est expresada en términos de B,. Entonees Ax ¢s el mismo vectorteosewa El] 5.3. Representacién matricial de una transformacisn lineal 289 2 10 ahora escrito en términos de S.Seac =| 1s -13 ) Boones n= Tu) eimazende x escrita en términos de 5, Por tiltimo, como se busca T( Ax) en términos de B, (ése era el problema), se premultiplica por la matriz de transicién A para obtener (I), = (A7'CA)(x)qy Es deci, sore UE BIG SH SG IH 3) ‘como antes, Este resultado se resume a continuacién, Sea 7." >" una transformacién lineal. Suponga que Ces la matriz de transfor- macién de T respecto a las bases estindar S, y S,, en" y IR, respectivamente, Sea 4, a matriz de transicién de B, a la base S, en 2" y'sea A, la matriz de transici6n de B, a la base S,, en R", Si A, denota la matriz de transformacién de Trespecto a las bases B, yB,,entonces ASCA, ) Enel ejemplo 9 se vio que al observar la transformacién lineal Trespecto a la nueva base, la matriz de transformacion 4, resulta ser una matriz diagonal. Se puede ver a este procedimiento de “diagonalizacién” en el apéndice A. Se observari que dada una transformacién de" en 2" con frecuencia es posible encontrar una base B tal que la matriz de transformacién de Trespecto a Bes diagonal GEOMETRIA DE LAS TRANSFORMACIONES LINEALES DE IR? EN [R* Sea T matricial A,. Ahora se demostrara que si A, es invertible, entonces T se puede escribir como una sucesion de una o mis transformaciones especiales, denominadas expansiones, compresiones, reflexiones y cortes. —+1R una transformacién lineal con representacié EXPANSIONES A LO LARGO DE LOS EJES X 0 ¥ Una expansién a lo largo del eje x es una transformacién lineal que multiplica a la coordenada x de un vector en R* por una constante ¢ > 1. Esto es OH) von) h ements DrOH6 0) De manera similar, una expansién a lo largo del eje yes una transformacién lineal que multiplica la coordenada y detodo vestor en por una constantec> 1. Como ants si 1’) (3) Ss centonces la representacién matricial de Tes 4, [ Jommene290 Una S Figura 5.5 recéngile £6) Boanién en <6) Bapasiin en fade siindeyeane = & js eompresones seconiens rectangle, £8) Compreséna lolge dl gjexcon ¢ 6) Compresin dele xeon ¢ y » y A 4 8 6s) 0.2 6D — @.2 6.2 T 35 o> OL a a » 9 COMPRESION A LO LARGO DE LOS EES X 0 ¥ ‘Una compresin a lo largo de os ees x o yes una transformacin lineal que multiplica a la coordenada x 0 y de un vector en R por una constante positiva¢ < 1. La representacién matricial de una compresién es la misma que para una expansién, excepto para la compresion 0 < ¢< mientras que para la expansion ¢ < 1. En Ja figura 5.6 se ilustran dos compresiones. ¥ y X 3) 6) oxytyd.» 4,0) 4.0) a 8 REFLEXIONES Existen tres tipos de reflexiones que sera de interés, En el ejemplo 5.1.1 se vio que la transfor ~ (3) refleja al vector en IY respecto al eje x (vea Ia figura 5.1), En el ejemplo 5.1.6, se vio que la nam s-) HCPC a awnsnn(t 9) 1 ox(} sa representacin matricial dela reflexion respecto al je y. Por timo, el mapeo 7 () = () y que intercambia x y y, tiene el efecto de reflejar un vector en ID” respecto a la recta x. In figura 5.7)Figura 5.7 ffx denver en P reeca alae 2) @,3)secbene ee Jando 2} respec a Iereay ) (1, se obtener [ano (=, Trespecto Slarecay = Figura 58 Dos cores alo goo eer 4) Comerzamos con ete recingule ») Cone ao go dele cane 2 6) Cone algo de ee 5.3. Representacién matricial de una transformacién lineal 291 25) 6.2) a » 4 0.2) 4 62 ay 12 ag} TT 3o eo Too ” 5 ° mJ) ame) ammeharmme dela transformacién lineal que refleja a una vector en B* respecto ala recta x = yes A= we : saac(? Corres » enummie vor ** 2) donde ces sonsante ge pee postive aga. Ea : Un corte ao ng to 4 um aman gu ome al vee [ figura 5.8 se lustran dos cortes a lo largo del ¢je x. caresses ter’) )ox¢-(%¢3}() 0 era que la representacién matricial Tes ©) Por ejemplo, en la figura 5.85, ¢ = 2, asi ooh (1 ¢) pron tt al Bee IB) En la figura 5.80, ¢ = -2. Asi a(t x 4(}292 Ua Figura 5.9 sete fargo de fey 5) Secomienzacon este recéngue £6) Core alo bao dl ee Cote ao ange dl gay 33 3)_fv -2\/s)_(2 Observe que 4,(2)= =(?}. edocs un corte o largo del ee x deja sn cambio swalal aoc) Bérewrenes ists alos vectors con coordenadsy igual ceo, Un orto ng del ey esune tansformasnquetoma aun veon(*] yo conve » en un nuevo vector ~ donde es una constante que puede ser positiva o negativa. En la (7) vera figura 5.9 se ilustran dos eortes a lo largo del eje y y y an 04 oo has 0.4) as Ta9 9 * ® Si Tes un corte a lo largo del eje », entonces (3) » et) 7 (-6 +6) eQG Me) CHS thel3) ormcease4-{}-( 1 9°) {2) ses st tos ey cambio a los vectores con coordenadas x igual a cero. En la tabla 5.1 se resumen estos tipos de transformaciones lineales, 8 ‘Tabla $.1. Transformaciones lincales especiales de” en es Teper da dea anomaly signe oe ens Te es es a eo ‘comtinia)5.3. Representacién matricial de una transformacisn lineal 293 ‘Tabla $.1 Transformaciones lineales especiales de 12" en BR (continuacién) fy ‘Compresién alo lazgo del ee y lo -p ose? Refexnrespecto ala eta (3) , no Retexn respecto alee. (3 ay Refleion pet al gey a9) ; fe Corte ao age del gy fo En la secci6n 3.6 se estudiazon las matrices elementales. La multiplicacién de una matriz, por una matriz elemental tiene el efecto de realizar una operacién elemental con renglones en ‘esa matriz, La tabla 5.2 enumera las matrices clementales en I ‘Tabla S.2 Matrices elementales en R aaa al rae courngboes emacs an Roe (4) Rok, (2) Rae (4 Bea (3) ) Ren, (3) ‘Toda matria elemental E de 2 X 2 es uno de los siguientes 1) La representacién matricial de una expansién alo largo del eje x 0 y ii) La tepresentacién matricial de una compresion a lo argo del eje x 0 y La representacién matricial de una reflexi6n respecto ala recta y = x iv) La tepresentacién matricial de un corte a lo largo del eje x0 y ) La representacién matricial de una reflexion respecto del eje x 0 y vi) El producto de la representaci6n matricial de una reflexi6n respecto al eje xo y yla representacién matricial de una expansién o compresi294 Una p Demostenaon So hard referencia alas tables 11/512) 20 Bsta es Ia representacion matricial de una expan Io largo del ejexsi0<¢<1. caso? e-(; }e<0 Ent E ae la é onces E={) 1), que esa representacion matricial de una reflexién respecto al eje y. Caso 26: ¢<0,c#—1 Entonces —c> Oy ‘e 0) _(-1 0\/-c 0} E= 4 oi} lo iflo1 que es el producto de Ia representacién matricial de una reflexién respecto al ¢je y y la representacin matricial de una expansi6n (si —¢ > 1) a lo largo del ee x. cau 3 z-(! 9) coo Eeaismo que ol eas Icom ol je yon lager de oe a cme ae eco tami gusto soni grant 0 © dos, Caso 5: e-(} ‘) lista es ln representacién matricial de un corte a o1 Io largo del eje x. Caro 6 z(! :) Fista sla representaci6n matricial de un corte a eu Io largo del eje y. 01 . caso? E=| tal sf is repeeen totes catecal dua re z (? ) Eatelesbialrepreect trical flexién respecto a la recta y = x. En el teorema 3.6.3, se demostré que toda matriz invertible se puede expresar como el producto de matrices elementales. En el teorema 6 se demostré que toda matriz elemental en I se puede expresar como el producto de representaciones matriciales de expansiones, compresiones, cortes y rellexiones. Por esto, sc tiene cl siguiente resultado Teoncmn EY] Sea TAR? +0 une anaormacign neal tl ques presentacin matricial aver tates 0 pasar sia coms oaa ee seepancom cameo eee Nota, De acuerdo al teorema de resumen 4.7.10, A, es invertible si y sélo si p(4,) = 2. Pero segiin el teorema 4, p(4,) = p(A). Esto significa que 4, s invertible respecto a todas las bases en Ro no es invertible respecto a alguna5.3. Representacién matricial de una transformacisn lineal 295 una transformacién lineal en E? en una sucesin Descomposici6n de expansiones, compresiones, cortes y reflexiones Consider la transformmaciSn 7: R? -> W? com sepresentaciin msl =} 3) Usando 34 Ia técnica de Ia secciin 3.6 (vea l ejemplo 3.6.3), 4, se puede escribir como el producto de tres sal a) ve (19 se pttdeyenens 12 representa un corte a lo largo del eje x (con ¢ = 2) Asi para aplicar T'a un vector en RY, se tiene que i) Cortar alo largo del eje x con ¢ = ii) Expandir a lo largo del eje y con iii) Reliejar respecto al eje x iv) Cortar a lo largo del eje y con ¢ = 3. Observe que estas operaciones se realizan en el orden inverso en que se escriben las matrices a (4). Para ilustrar esto, suponga que ¥ mewe(s AGH ‘Usando las operaciones j) a iv) se tiene que UJ Cee Reflexion ( 3) (3) cone (1 0\f-1 C) a ria Bata gra 5.10 sebosqsun eos paso Entonces296 ‘Unwwap 5 Figura 5.10 (bbe) una sueesin de cots, fepatsones yrefexiones: 6) Veco btenio ore cert alo bgo del ee «6 Vector oben a cerpanr ao largo de eeyeone=2 1) Vector aber al fear respectal ex 6) Vector btn por a corte a lage del ey Transformaciones lineales y y x 7 x 6-2 cof 4 » 4 y y cia cay a * N x ’ ° Avrorvatuacion 1. Si7:E! Besa transformacion lineal 7| y|=| - |, entonces 4, 0-10 001 1 00 oo1 alo o1 b)}-1 00 ajo -1 0 ad} ol) 1 00 o10 0 01 -100 1 1 ° G :) »\2° oft :) a on eo 02) fo UL representa(n) una expansién a lo largo del eje x. oT ch a oe) ° ( :) pn [ | competencias 5.3 Delos problemas | al 38 encuentre la representacién matricial 4, dea transformacisn lineal 7, nu T, Im T, (7) y p(7). A menos que se especifique otra cosa, suponga que B, y B,son bases5.3. Representacién matricial de una transformacién lineal 297 ( \ xty) x-2y) 1 - ry ant 2 Lae) 23] soyte 3. ROR’, =| » -axt2y-22 (x) (av+by) x+y) 5 nee r|*)- by +) -x+y) -x+2y+ 2) 1 dy ay—22 wart 6y432 xo yt2etw ox + rt2w xo2y+52+4w 2x yt row ML. TRY RY Rsk is. reesei rf}e|2cyta-{f2} (Sea |-} 2) 16. T: P, > Py; Tha, + a,x + a,x°) = a, — a,x + ax? 11. PR Py Ta) =atax tar + ax 1, TPR; Na, + ax + ax? + aye) =a, 19, T: P,P Ta, + a,x + ax? + a,x’) = (a, + a)x— a, 20. TP, > Pg Pla, + a,x +a? +a? +a) =a! + a +a298 Unpap 5 Transformaciones lineales UT Ph Ps Tay + a,x + ax" + ay’) = (a, — a, + 2a, + 3a) + (a, + 4a, ~ 3a,)x + (a, + 60, + Sax 227 Mg-o eg oe H(z beret d ma vevaa) cd) la-2+Se+4d 2a-b+ e- d 2B. TPP 3 Pla, + ax ax’ +a + ap!) = ay! + ax UT Algo Meg ° by [eretens erg c a} \a+p a 25. TP, Ps Tp] = xpos B= (1x7); B= 1, +9, (1+ 9 +9) 26. T: P, + Py Tp(x) = xplx) + plo: B,= (1% <4}; B= Ce D, (© = D@=2),@— DE = De =} 27. Ds PP Dp) = pO) 28. TP,» Pg Tp(s) = xp") ~ PO) 29. D: P,P, Dpls) = p's) 30. D: P, > Py Dp (x) = peo) 31. Ds P, > Ps p(x) = p's) + 2p") + pO) 32. TP, Ps Tr(a) =p") + 39'0) + 290) 33. D: P, > P,_ 4: Dp(x) = px) 34. TP, Py Tp(x) = x°p(x) + pM) ++ + xp") + pO) 35. PR: p= J pla) dr 36 RIP [po 37. TR! Py Tb [=atoxte? 38. TPR Ta, tae tax +a) =] a+, 39. Defina T: M,,-> M,, por TA ~ 4, Encuentre 4, respecto a las bases canSnicas en My Mag "0 Dons BE ve port[ "(27% Race y, 41. Sea V = gen {1, sen x, cos x}. Encuentre 4,, donde D: V—»> V esta definida por Df(x) = fC). Encuentre imagen D y nu D. say 42. Conteste las preguntas del problema 41 dado V = gen {¢", xe", xe") 48, Dena 14€°-+€! por T= poy: donde 1 =gen(/ BML), Enorente 44, Dereon? 45. Demuestre el teorema 45.3. Representacién matricial de una transformacisn lineal 299 De los problemas 46 al $3 describa en palabras las transformaciones lineales 7: 2° +R que tienen la representacin matricial 4, 10 46.4,=)* ° 4.4,=| 4s. 4,-(' ° 49.4,-(1? o4 os 0-1 o1 10 s0.4,={' 3) st ay=ta s2.4,-({ 1° s3.4,-(° | oo 3) 31 10, En los problemas 54 al 63 escriba la representacién matricial de 2 x 2 de la transformacion lineal dada y bosqueje la regién obtenida al aplicar esa transformacién al rectingulo dado. y 2) 6.2 54, Expansin a lo largo del ejey oon ¢ = 2 a GO" y 4 44) 0.4) 58, Compresién a lo largo del gje x con ¢ =} = of > * x 2.2) 62) 56, Corte alo largo del eje x con = 2 “| * (-2.- ep y eo toan He: 51. Corte alo largo del eje y con ¢ = 3 2 a y + 1 (62) 2.2 58, Corte alo largo del eje y con == 0 del gj y 3 . -o-) “J e.-» y chy 6» 59, Corte ao laugo del ey com © =2 5 x 4.2) 6-9300 Una 5 Transformaciones lineales 60, Reflexiin respecto al eje x 61, Reflexién respecto al eje y 62, Reflexién respecto ala recta y = x 63. Reflexién respecto a la recta y = x y 4 ony 4a 1-0) * ap bee egy 5 y ame y (2.2) a2 7 > (2. 2 y cay EY > 4-5 a) De los problemas 64 al 71 exprese cada transformacién lineal con matriz de transformacién dada A,, como una seccién de expansi wae) wae(2 a ae ( : Ls lo m. jones, compresiones, rellexiones y cortes. 2 AUTOEVALUACION od)Resumen 301 Resumen + Transformacién lineal Sean Vy W dos espacios vectoriales, Una transformacién lineal Tde Ven Wes una fun- cién que asigna a cada vector ve Vun vector tinico Tv Wy que satisface, para cada w yven Vy cada escalar a, Tlu+ = Tu+ Tv Thay) = aT + Propiedades basicas de las transformaciones lineales Sea 7: V+ W una transformacién lineal. Entonces, para todo veetor u, ¥,,¥y,.--.¥,en 7 y todo escalar ay, ay,...+a, 10) =0 ii) Tuy) = Tu 79 fii) Tay, avy... 4,¥,) = 47%, 4.7%... 07%, + Miicleo e imagen de una transformacién lineal Sean Vy W dos espacios vectoriales y sea 7: V—> W una transformacién lineal. Entonces el ndicleo de T, denotado por nu T, esta dado por mu T= (ve ViT¥=0) La imagen de T, denotada por Im T est dada por Im T= (we W Ty para algiin ve V) au Tes un subespacio de Ve Im T es un subespacio de W. + Nulidad y rango de una transformacién lineal Si Tres una transformacién lineal de Ven W, entonces nulidad de 7 = o(7) = dim nu T rango de T= p(T) = dim Im T + Matvis de tansformacién Sea T: simbolo R2" >I" una transformacién lineal, Entonees existe una maiz tiniea de m Xn, Ay, tal que Tx = 4,x para toda xe RY La matriz 4, se llama matriz de transformacion de T- + Sea A, la matriz de transformacién correspondiente a una transformacién lineal 7: En- tonces ) ImT=R, = fi) p(T) = ptA,)302 Una 5 Transformaciones lineales iii) mu T= N, in) WT) = v4) + Representacién matricial de una transformacién lineal Sea V un espacio vectorial real de dimensién n, Wun espacio vectorial real de dimensién m y TV Wuna transformacién lineal, Sean B, = {¥),¥,...¥,) tuna base para Vy B, (W,, W,, 4} una base para JV. Entonces existe una matriz tinica A,.de m Xn, tal que (Poy, = Aes, A, se denomina representacién matricial de T respecto a las bases B, y B, + Scan Vy W dos espacios vectoriales de dimensién finita con dim V =n. Sea T: V> Wuna transformacién lineal y sea 4, una representacién matricial de 7. Entonces 1 p(T) = (Ay) ii) (T) = (A,) iit) (7) + (7) + Teorema de resumen Sea A una matsz de n X n, Entonces las siguientes 11 afirmaciones son equivalentes: 4) Bs invertible i) La tnica sokucin al sistema homogéneo Ax = 0 es la solucisn trivial (x = 0). fil) El sistema Ax ~ b tiene una solucién Gnien para cada n-vectorb iv) Aes equivalente por renglones a la matriz identidad, J,, den Xm. 1) Ase puede expresar como el producto de matrices elementales. vi) La forma esealonada por renglones de A tiene n pivotes, vil) Las columnas (y renglones) de A son linealmente independientes i) det 440. ix) (4) = 0. x) p(d)=n COMPETENCIAS FINALES. UNIDAD 5 En los ejercicios | al 8 determine sila transformacién dada de Va Wes lineal. 1 TRB Toy) =@,-¥) 2. THR BY TOs, y,2)= (ey, 3 TB oR! OHRD=O2D 4 TAP SR T(x») = xy 5. T: Py» Py: (Tpv(a) = xp(x) 6. Ts Py» Py (Tp\x) = x'p(x) + 2xp(x) + pO) 7. Ts Pro Py (Tp) = 1+ ps) —& TCT C1, 1h TH) =F)Competencias finales. Unidad 5 303 En los ejercicios 9 al 15 encuentre el niicleo, imagen, rango y nulidad de la transformacion lineal dada. sree a}-2 OE) enews riffs ap ” 7 z, 12 -6)lz n 12, Ts Py» Pes Tes) = x'p) 13. T: Py Py (TPM) = xp) + 2xp(x) + POD be ra rags no ~anane a4) 18. T: Cf, >: TF =f) Delos ejercicios 16 al 23 encuentre la representacién matricial de la transformacién lineal dada yencuentre su micleo, imagen, nulidad y rango. 16. TSR TH.y)= Oy) 1. THR BY Te.) = 0. T(w, x,y, 2) = (aw + bx, cy + da) T(x, y. 2,08) = (x = 2s, 2y + 39) 20, T: Py» Py: (Tex) = xp) ML Ts Py Pg (pM) = p(x) + 2xp' + po) 5 My; TA= AB, donde =|! ° 12 wre manson bat) De los ejeteicios 24 al 27 describa en palabras la transformacion lineal 7: 2° +R con la re- presentacién matricial 4, dada wale) sata} mele) mab 9) 3 De los gjercitios 28 al 31 escriba la representacién matricial de 2 X 2 de las transformaciones lineales dadas y haga un bosquejo de la regién obtenida cuando se aplica la transformacién al rectingulo dado, (0.3) 43) 28. Expansién a lo largo del eje x eon ¢ 0] Th304 Unpap 5 29. Compresién a lo largo del eje y con ¢ 30, Reflexién respecto ala recta y = x 31. Corte a lo largo del gje x con ¢ = 4 «2,-pLE4 6-1) he . . 2, -3) eyee Apendice| VALORES CARACTERISTICOS, VECTORES CARACTERISTICOS HY FORMAS CANONICAS ER) Vavores caracteristicos ¥ VECTORES CARACTERISTICOS Sea 7: V-> W una transformacién lineal, En diversas aplicaciones (una de las cuales se da en la siguiente seccién) resulta ttl encontrar un veetor ven Vtal que TV y v son paralelos Es decir, se busca un vector vy un escalar 2 tal que Ivaav @ Siv # Oy A satisface (1), entonces 2 se denomina un valor caracteristico de Ty yun vector caracteristico de T correspondiente al valor caracteristico A. El propésito de este apéndice es investigar las propiedades de los valores caracteristicos y vectores caracteristicos, Si V tiene die ‘mension finita, entonces T'se puede representar por una matriz. 4,. Por esta razon se estudiarin los valores y los vectores caracteristicos de las matrices de n X n. Derinicion RE] Valor caracteristico y vector caracteristico ‘Sea A una matriz de n X n con componentes reales’ El niimero 2, (real o complejo) se denomina valor earacteristico de A si existe un vector diferente de cero v en €" tal que AVehy @ El vector v # 0 se denomina vector earacteristico de A correspondiente al valor earacteristico A. Nota, Los valores y vectores caracteristicos también se denomiinan valores y veetores propios © cigenvalores y eigenvectores; la palabra “eigen” es la palabra alemana para “propio”. "Esta definicion es vii si tiene componentes comgleas; pro come ls ‘mayor, componentes reals, lt defincion es suficente para ruestos prop 25 que se mangjaban tenen, en su306 APENDICE A Valores caracteristicos, vectores caractersticos y formas canénicas Observacién. Como se vera (ejemplo 6) una matriz con componentes reales puede tener valores y vectores caracteristicos complejos. Por esta razén, en la definicidn, se asegura que ve €", No se usarin en este libro muchos hechos sobre los niimeros complejos. En la unidad 1 se hizo una presentacién de unos cuantos de ellos que si son necesarios, FEET valores caracteristicos y vectores caracteristicos de una matriz de 2 * 2 Sea A= we 18 Entonces 4) 2\ p10 -t8\o) 72 Asi, 4, = 1 es un valor caracte- 6-1 Pte -l wo -18\/3)_(-6 6 -ujl2) "La correspondiente vitor caractersco ¥, ( ) Com se eke spit, os son fo die valores caracteristicos de A. 2, FEE valores caracteristicos y vectores caracteristicos de la matriz identidad Sea A = J, entonces para cualquier v © €', Av = Iv = ¥. Asi, les el inico valor caracterstico de dy todov #0.€ €" es un vector caracteristico de Se caleularén los valores y vectores caracteristicos de miltiples matrices en esta seccién, Peto primero es necesatio probar algunas técnicas que simplificarén estos célculos. Suponga que Aes un valor caracteristico de A. Entonces existe un vector diferente de cero a() demodo ques, = 2 sm loaner de dome ® |4 0 tal que Av = Ay = div, Reescribiendo esto se tiene (A-aD=0 @ Si Aes una matriz de n X n, la ecuacién (3) corresponde a un sistema homogéneo den ecuaciones con las incégnitas x,,x,,... ,%, Como se ha supuesto que el sistema cuenta con soluciones no triviales, se concluye que det (4 — MJ) = 0. De forma inversa, si det (A — M/) = 0, entonces Ja ecuacién (3) tiene soluciones no triviales y 4 es el valor caracteristico de A, Por otro lado, sidet (4 — 21) #0, entonces la sinica solucién a (3) es v = O de manera que 2 no es un valor caracteristico de A, Resumiendo estos hechos, se tiene el siguiente teorema. ‘teonena EJ) S594 0na mati dem m Etonses cs un valor carateistice de Asly sl QQ) = det (4-21) =0 @ Deroncion Ele La ecuacién (4) se denomina la ecuacién caracteristica de A; p(R) se denomina el polinomio earacterstico de A.ALL Valotes caractersticos y vectores caracteristicos. 307 ‘Como seri evidente en los ejemplos, p(A) es un polinomio de grado n en A. Por ejemplo, si sel Spm scaief? 2)-(8 9)-(°7* Jy = t= = (a— Wd — 2) — be = 2? = (a+ aya + (ad - bo) De acuerdo con el teorema fundamental del algebra, cualquier polinomio de grado n con cocficientes reales o complejos tiene exactamente n raices (contando multiplicidades). Esto significa, por ejemplo, que el polinomio (A — 1)’ tiene cinco raices, todas iguales al niimero 1 Como cualquier valor caracteristico de A es una raiz de la ecuacién caracteristica de A, se concluye que ‘Contando multplicdades, toda matriz de n Xn tiene exactamente n valores caractristicos . Tone, as B, es un subespacio de €* Denostnacon Si Av =r, entonces (A ~ Aly =. Asi E, es el espacio nulo dela matiiz A ~ M. que eb por el ejemplo 4.6.10, e# un subeapacio! de €* Derinicion EE] Espacio caracteristico Sea’ un valor caracteristico de A. El subespacio E, se denomina espacio caracteristico © propio’ de A correspondiente al valor caracteristico Ahora se probaré otro resultado itl, Teonema EY sen A una mats den X my sean hy yu hy valores caracteistios dstintos de A (es decir, 2, #2, sii, con vectores caracteristicos correspondientes ¥, Vz, Vq- E+ tonces¥,,¥,, Yq $on linealmente independientes. Esto es: los vectores caracteristicos correspondientes a valores caracteristicos distintos son linealmente independientes. Demostracion. Se llevar a cabo la demostracién por induccién matemética. Comenzando con m = 2, suponga que E em tem =0 © Multiplicando ambos lados de (5) por A se tiene 0= Aley, + ey) = E40, + GAY, sea (como Av, = hy, para i= 1,2) dim + AN, © "nel eerale 4.6.10, s vo que NV, es un subespacio de 2” ses na mali ea. La estensin de este estado a Co presenta afcltades, ¥ Observe que 0 F ya que F es un subespac. Sin embargo, 0m cteritco308 APENDICE A Valores caracteristicos, vectores caracterstcos y formas canénicas Se multiplica (5) por A, y se resta de (6) para obtener (chy, + yy) — (eay, + ayy) = 0 o sea 6:04 — Wy Como ¥, # 0 (por definicién de vector caracteristico) y como 2, #2, se concluye que 2 = 0, Entonces, sustituyendo ¢, = 0 en (5), se ve que ¢, = 0, lo que prueba el teorema en el caso m = 2. Ahora suponga que el teorema se cumple para m = k. Esto es, se suc pone que k vectores caracteristicos correspondientes a valores caracteristicos distintos son linealmente independientes. Ahora se prucba el teorema param = k + 1. Asi que se supone que om tem to tate t game =O o Multiplicando ambos lados de (7) por A y usando el hecho de que Av, = Ay, se obtiene eh thm to + cate t GeathesiMe =O ®) Se multiplican ambos lados de (7) por h,.,y se resta de (8): 10 — Res, + Oa — Rata oe + Gy — De o Pero de acuerdo a la suposicién deinduccién, ¥,,¥,,...,¥, Som linealmente independica- tes Asi, (0, — Ay.) = 60 04, hy.) =O: y como, #2, parai 1, 2, yk; se eoneluye que ¢, = ¢, Pero de (7) esto significa que c,, Por lo tanto, el teorema se cumple para m = k + 1 yla prueba queda completa, 0. Si entonces Q)=det (AM) ¥ p(d) = 0 se puede escribir en Ia forma o pO)= (eI [A +8, WH HATS, La eouacién (9) tiene m raices, algunas de ellas repetidas. Si ,. 2x. ... . hy son las diferentes raices de (9) con multiplicidades r, ,,..., 4. fespectivamente, entonces (9) se puede factorizar para obtener Cp) (any TRARY Aa BAYALL Valotes caractersticos y vectores caracteristicos 309) Motreucoan Los nimeros ,,,, rq $6 denominan multiplicidades algebraicas de los valores caracterist- [ep MSEERACA 08 Pays ys oepectvatnente, ‘Ahora es posible calcular los valores caracteristicos y sus espacios caracteristicos correspondientes. Para esto se realiza un procedimiento de tres pasos: Procedimiento para ealeular yalores earacteristicos y vectores caracteristicos i) Se encuentra p(X) = det (4 ~ 2). ii) Se encuentran las raices Ay, Ry hy de pC) = 0. Se resuelve el sistema homogéneo (4 — ,)v = 0, correspondiente a cada valor caracteristico h, . Observacién I. Por lo general el paso if) es el mas dificil, Observacién 2. En los problemas 40 y 41 se sugiere una manera relativamente sencilla de encontrar los valores y vectores caracteristicos de matrices de 2 x 2. Iculo de valores y vectores caracteristicos 4-22 33k (1) Q ~ 6). Bntonces los valores caracteristicos de A son h, ROTA 6S sa te(4 ®) amon ta “nem yA, = 6. Parad, = 1se 3 2\ a} jo claro que cualquier vector caracteristico corres- merett-1n=06(2 2) 5}H() sen quel oer atic {{ J) >smeomsintastacssisntasr-osentioane( _2)(*}-(2) Batons, ={}) seu er atric sorepondite wy ~ 6 By ~ {3} Observe que, ¥, son lnclment independents ya que uno no es mip del oto Nota. No es importante sise establece A, = 1 y2, = 602, = 6 yA, = 1. Los resultados no cam- bbian, en el sentido que para un valor caracteristico dado corresponde un vector caracteristico en particular. FEE eine matric de 3 x 3 con valores caracteristicos distintos 1-14 Ink Seaa=|3 2-1), Entonces dot (4-A)=| 3 2 1-1 2 = =(0 = 20? 5+ 6)= == 420-3) Por lo tanto, los valores caracteristicos de A son 1 se tiene 12, =—2yh, = 3. Parad310 ApENDICE A Valores caracteristicos, vectores caracterstcos y formas canénicas fo -1 4\(x,) (0) (-pv=|3 1 -1ff x, 2 1 -2}lx, JK Reduciendo renglones se obtiene, sucesivamente, 0-1 4 | 0) (o 1 4 | 0) 1-1; o/——4]3 0 3,0 [2 1-210 2 0210 (o -1 41 0) fo -1 4 | 0) — 3]: orp off: ors 0 2 02/0 fo 0 0 | of (-1) (-1) Asi, x; = “xy x, = 4x,, um vector caracteristicoes v,=| 4]y#,=gen 4] 4 |} Paraa,=—2 setiene [4 —(-2)v = (A + 20)v = 0, 0 sea 1) 1 (3-1 4V/x) (0 l a -alfs | 2 1 ifls) o} Esto lleva a 3-1 4 | 0) 3-1 4] 0 3 4-1} 0[- jis 0 1s | 0 2 1 11 of 5 0 s]0 (3 -1 4 | 0) (-1 -1 0 | 0) — 1 01; 0/4] 1 o1j0 5s 05)0 0 0040 (1 Entonees x, = xj erimvetrcanaataio sy. =[-1 Entonces (4) -1 ten |= |. Por iltimo, para A, = 3 se tiene all ‘ 2-1 4)fx) fo (-sne=| 3-1 -1]]s, |=]0 2 1 -a)LxJ lo y 2-1 410 2-1 440 3-1-1} 0/3] 5 0 -s 10 2 1-410 0 0 010 a) 2-1 010 —} 1 0-11; 0 sf1 0-1] 0 0 0 o}0 o 0 00ALL Valotes caractersticos y vectores caractersticos. = 311 1 =|2|demanera que £, = gen 4] 2 1 Observacién, En éste y ottos ejemplos existe un niimero infinito de formas de elegir el vector caracteristico. Se seleccioné arbitrariamente un ejemplo sencillo haciendo una o més de las x, igual a un nimero conveniente. En este caso, una de las x, se hizo igual 1, Otra seleccién comin ces escalar el vector caracteristico para que sea unitario, FE uns matric de 2 x 2 con uno de sus valores caracteristicos iguales a cero a-ak = 4 2- El espacio caracteristico correspondiente a cero es sim- swae( 3 4) Entonces det (4~ 1) | 4h =A0.=4), Asi, los valo~ res caracteristicos son h, sone coro seaten( YS} -4 oly, 2) - (3) de manera que #,= gen {a} FEE ns matriz de 2 x 2 con valores caracteristicos conjugados complejos saa=(} 7?) eaoneaatca—a =|?" a =(-2) + V4 — 402) rT 0. Entonces x, = (2 + Dx,, lo que leva al (Pr ‘I De manera similan [4-0] = (1 SUE} ox + (24 x, =0, lo quelleve ax, = @— xy, Pry Observacién 1. Este ejemplo ilustra que wna matriz real puede tener valores y vectores caracteristicos complejos. Algunos libros definen los valores caracteristicos de matrices reales como " observe que312 ApENDICE A Valores caracteristicos, vectores caracterstcos y formas canénicas Ins raices reales de la ccuscién caracteristica. Con esta definicién Ia matriz del wltimo ejemplo no tiene valores caracteristicos. Esto puede hacer que los edlculos sean mis sencillos, pero también reduce en gran medida la utilidad de la teoria de valores caracteristicos y de vectores caracteristicos Observacién 2. Note que h, = 1 ~ ies el conjugado complejo de 2, = 1 + 1, Adicionalmente, las componentes de ¥, son conjugados complejos de las componentes de ¥, Io cual no es una coincidencia, En el problema 38 de esta seccién se pide que se pruebe que Los valores caracteristicos de una matriz real ocurren en pares conjugados complejos y los vectores earacteristicos correspondientes son conjugados complejos entre si. . Antes de presentar mis ejemplos, se demostrara un teorema que en algunos casos especiales simplifica los edlculos de los valores caracteristicos Teorema EY Los valores caracteristicos de una matriz triangular son las componeates diagoneles de la matt Demosraacon yo My “, iz ; 0 0 a, oo 4.7% yy como el determinante de una matriz triangular es igual al producto de las componentes de la diagonal, se ve que det (A — Af) = (a,, ~A)( dy ~ 2) --(y ~ A) eon ceros 4) yy «yy La demostracién para una matriz triangular inferior es practicamente idéntica Valores caracteristicos de una matriz gular 2 56 I-A 56 Sea A=] 0-3 2), Entonces det (A—M)=| 0-3-2 2 [=@Q-2-3-ME—2) 0 0 5 0 0 S-h con ceros (y valores caracteristicos) 2, —3 ys. A continuacién se darn mis ejemplos del calculo de los valores y vectores caracteristicos para matrices que no son triangulares Una matriz de 2 x 2 con un valor: linealmente independientes 40 4 Sea 4=| Entonces det (4-2) 04 ° =(4-4)' =0; asi, A = 4 es un valor eal -4y caracteristico de multiplicidad algebraica 2. Como A seamen gett? -s0(°} (*) I, se sabe que Av = 4y para todo vee- torve BiALL Valores caracter fsticos 313 Istcos y vectores caracter Una matriz de 2 x 2 con un valor caracteri y sélo un vector caracteristico independiente 4a ° Sea A=| ad Entonces det (A — 2) asi, 4 = 4 es un valor ca- 04 Pent!) senate aml) Una matriz de 3 x 3 con dos valores caracteristicos y tres vectores ‘caracteristicos linealmente independientes 324 BA 2 4 Seaa=|2 0 2| Entoncesdet(4-a-] 2 -A 2 [=a +60? 415k +81= 423 42 3-3 = 0.45 ~8) =0 de manera que los valores caracteristicos son A, = 8 y2, = -1 (con mule tiplicidad algebraica 2), Para 2, = 8, se obtiene -5 2 4ix) (0 (a-spv=| 2-8 2]]x, |=]o 0 reduciendo por renglones, se tiene —s 2 4}o 32 4) 0 2-8 2 | 0[|-—5]-18 0 18 | 0 42-510 90-910 2 4] 0 o2-110 — ]-10 1; 0/——]-10 1) 0 90-910 oo 010 2 2 Entonces, x, = 2x, y x; = x, yse obtiene el vector caracteristivo v,=|1]y #,=gen 4] 1 42 a)(x) (0 2 2 Para =1 se tiene (4+v=[2 1 2|]x,J=]o}, to que da ta eovacisn nica 42 a)is} lo, 7 2x, bx, +28, = 00x, = ~2y, —2x,-Six, = Lyx =0,se obtiene v, =| -2 | Six, = yx, =1, ° nfo ° se obtiene v, =| -2 | Por lo tanto, £.,=gen {| -2 |, | -2 |. Bxisten otras clecciones conve 1 ola 1 nientes para los vectores caracteristicos, por ejemplo, v=] 0 [estien B_, ya que : “1 Tbe a peo see se dan os detalles slab termine de 3x 3.314 Avéxpice A Valores caractristicos, vectores caractersticos y formas canénicas Una matriz de 3 x 3 con un valor caracteristico y sélo un vector caracteristico “5-5 -9 -s-A -s 9 Sead=| 8 9 18]; entonces det (A— 2) 8 9-h 18 |= - Ab - 32-3 23-7 2-3 7a =1=-(@.+ 1) =0. Asi, A = —1 es un valor caracteristico de multiplicidad algebraica 3. Para 4-5 -9)/x,) (0 calcular Hse establece (4+ Jv=| 8 10 18]] x, [=]0]y se reduce por renglones para ‘obtener, sucesivamente, FF 8A) 1, 4-5 -9 | 0 o 1 3,0 O13], o0 8 10 18 | o|———>] 0 -2 -6 | oJ] 00 0| 0 23 -6 | 0 2-3 6 | 0 20310 Esto conduce a x, = ~3x, y 2x, = 3x, Establesiendo x, = 2, e obtiene sélo un vector caracte- 3 3) ristico linealmente independiente: v, =| ~6 |, Por lo tanto, -6 2 2 PERE ne matriz de 3 x 3 con un valor caracteristico y dos vectores caracteristicos linealmente independientes -1 -3 9 39 Sead=| 0 5 18} entonces det(A-A=] 0 5-218 [=-A+D'=0. Asi 0-2 0-2 ATA igual que en el ejemplo 10, 2 = 1 es un valor caracteristico de multiplicidad algebraica 3, 0-3 -9\/x,) (0 Para encontrar E_,secalcula(d+Dv=|0 6 18 0 2 -6 0 | Porio tanto, -2x, ~ 61, o ox, 3), Haciendo x, = En cada uno de los tiltimos cinco ejemplos se enconteé un valor caracteristico con una mule tiplicidad algebraica de 2.0 mas, Pero como se vio en los ejemplos 9, 1] y 12, el mimero de vee tores caracteristicos linealmente independientes no es necesariamente igual a la multiplicidad algebraica del valor caracteristico (como fue el caso en los ejemplos 8 y 10). Esta observacién lleva a la siguiente definicién,Dermcon El teonenes EW ALL Valores caracter isticos 315 Istcos y vectores caracter ‘Sea } un valor caracteristico de la matriz A; entonces la multiplieidad geométriea de } cs la dimensién del espacio caracteristico correspondiente a A (que es la nulidad de la matriz A ~ 21). Esto es, ‘Multiplicidad geométrica de A = dim B, = v(4 ~21) En los ejemplos 8 y 10 se observ que para los valores caracteristicos de multiplicidad alge- ‘braica 2 las multiplicidades geométricas eran también 2, En el ejemplo 9 la multipicidad geomé- trica de% = 4 era I micntras que la multiplicdad algebraica era 2. En el ejemplo 11 la multiplicidad algebraica era 3 y la multiplicidad geométrica 1. En el eemplo 12 la multiplicidad algebraica «era 3 yla geométrica 2, Estos ejemplos lustran el hecho de que sila multiplicidad algebraica de A ‘es mayor que 1, entonces no se puede predecir la multiplicidad geomeétrica de A sin informacién adicional Si A es una matriz de 2 X 2 y A es un valor caracteristico con multiplicidad algebraica 2, ‘entonces la multiplicidad geométrica de 2 es = 2 ya que puede haber, a lo més, dos vectores linealmente independientes en un espacio de dos dimensiones. Sea A una matriz de 3X 3 que tiene dos valores earacteristicos 2, y A, con multiplicidades algebraicas 1 y 2, espectivamente. Entonces la multiplicidad geométrica de A, es = 2 porque de otra manera sc tendrian cuatro vec~ tores linealmente independientes en un espacio de tres dimensiones. De hecho, la multiplicidad geométrica de un valor caracteristico es siempre menor o igual que su multiplicidad algebraica La demostracién del siguiente teorema no es dificil si se prueban algunos otros hechos sobre los determinantes. Como esto nos llevaria mas alli del alcance de este libro, se omite la prueba! Sea Aun valor caracteristico de A. Entonces Multiplicidad geométrica de 4 = multiplicidad algebraica de A. Nota, La multiplicidad geométrica de un valor earacteristico nunca es cero, Esto se deduce de Ii definicién 1, que establece que si es un valor caracteristico, entonces existe un vector caracteristico diferente de cero que corresponde a. Enel resto de este capitulo, un problema importante sera determinar si una matriz.dem X dada tiene o no n vectores caracteristicos linealmente independientes. Con lo que se ha estudin- do en esta seocidn, se vuelve evidente el siguiente teorema, Sea A una matriz dem n; entonces A tiene n vectores caracteristicos linealmente independientes siy sélo sila multiplicidad geométrica de cada valor caracteristico es igual a su multiplicidad algebraica. En particular, A tiene n vectores caracteristicos linealmente independientes si todos los valores caracteristicos son distintos (ya que entonces la multiplicidad algebraica de cada valor caracteristico es 1).316 Apépice A Valores caractristicos, vectores caractersticos y formas canénicas En el ejemplo 5 se observ una matriz para Ia que un valor caracteristico era cero, En realidad, por el teorema 1 es evidente que cero es un valor caracteristico de A si y sélo si det 4 = det (A — 07) = 0. Esto permite extender, por iltima vez, el teorema de resumen, Teorema de resumen (punto de vista 7) Sea A una matriz den X n. Entonces las siguientes 11 afirmaciones son equivalentes; es decir, cada una implica a las otras 11 (de manera que si una es cierta, todas las demas son ciertas): i) Aes invertible. fi) La tnica solu Sn al sistema homogéneo Ax = 0 es la solucién trivial (x = 0) iil) El sistema x = b tiene una solueién tiniea para eada n-vector b. iv) A es equivalente por renglones a la matriz identidad J, v) A se puede expresar como el producto de matrices elementals. vi) La forma escalonada por renglones de A tiene » pivotes. Las columnas (y renglones) de 4 son lincalmente independientes. viii) det 4 #0. ix) H(A) = 0. x) p(A)=n. xi) Cero no es un valor earacteristico de A Avroevatuacion Indique silos enunciados siguientes son falsos o verdaderos |. Los valores caracteristicos de una matriz triangular son los ndmeros en la diagonal de Ja matriz. Ul, Sila matriz real A de 3 X 3 tiene valores caracteristicos distintos, entonces los vectores caracteristicos correspondientes a esos valores caracteristicos distintos constituyen ‘una base para B. Ill Sila matriz A de 3 X 3 tiene dos valores caracteristicos distintos, entonces A tiene a Jo mas dos vectores caracteristicos linealmente independientes. IV, Si A tiene elementos reales, entonces 4 puede tener exactamente un valor caracteristico complejo (es decir, un valor caracteristico a + ib eon 5 #0 v. Si let A = 0, entonces 0 es un yalor caracteristico de A. “Elija Ia opcién que responda acertadamente al enunciado propuesto Vi. 1.¢s un valor caracteristico de Ia matriz identidad 3 X 3. Su multiplicidad geométrica ol 2 93 VIL. 1.¢s el dnieo valor caracteristico de A= 20 1 0 Su muttiplicidad geométrica es o1 ol w2 93ALL Valores caracter isticos 317 Istcos y vectores caracter le competencias A.A De los problemas | al 26 calcule los valores caracteristicos y los espacios de la matriz. dada. Si a multiplicidad algebraica de un valor caracteristico es mayor que 1, calcule su multiplicidad [27 af? 7 4. {2 7 6 { ° > loos ooo: nl? > ! 23. | bx O 24, Joo a af oo « of a7. oo41 2, Dame se pom cgse atmererae ny inmatsicd={_ ene slr caracteristicos a * ib ea De los problemas 28 al 34 suponga que la matriz A tiene valores caracteristicos hy, hy, hy 29. Demuestre que los valores caracteristicos de A" son hy, Ay By 30. Demuestre que los valores earacteristicos de aA son ay, ay... ay38 AvéxpicE A Valores caracteristicos, vectores caractersticos y formas canénicas a. ¥32, "35, 36. 37. 40. al. 2 4B. . Demuestre que la matriz. A — af tiene valores caracteristicos 2, — a, 2, — a "34, Demuestre que Aexiste si silo si, Ay #0 Si A“ existe, demuestre que los valores caracteristicos de A“ son Vy, Uh, Demuestze que los valores caracteristicos de son 8,25, BS Demuestre que los valores caracteristcos de A” son 2. KS... Af para m = 1, 2,3 Sea} um valor caracteistico de A con v como el vector caracteristico correspondiente Sea PQ) =a, + ah + ad? +++ + a2, Defina la matriz p(A) por pA) = af + aA + aA + a,A", Demuestre que p(Aly = pv ‘Utilizando el resultado del problema 36, demuestre que si 2,2,» Ay son valores caracteristicos de A, entonces p(h,), pi), -., p(y) Son vectores caracteristicos de p( 4). . Demuestre que si A es una matriz diagonal, entonces los valores caracteristicos de A son las componentes de la diagonal de A 2000 2100 2100 2100 0200 0200 e210 o210 00 2 of oo 2 of oo 2 of oo21 0002 0002 0002 0002 Demuestre que para cada matriz 2 = 2 es un valor caracteristico con multiplicidad algebraica 4, En cada caso ealcule la multiplicidad geométrica ded = 2. Sea A una matriz real de m X n, Demuestre que si, es un valor earacteristico complejo de A con vector caracteristco ¥,, entonces h, es un valor caracteristico de A con vector caracteristico ¥, Una matriz de probabilidad es una matriz de n X n que tiene dos propiedades: i) a, = O para toda iy, i) La suma de las componentes en cada columna es 1 Demuestre que | es un valor caracteristico de toda matriz de probabilidad, dela ecuacién bn + (a= dym—e= 0 demuestre que a + bm es un valor caracteristico de A con vector caracteristico correspon- diene w -( ' ) to poposons vn od nil pane easy esos caracteristicos de las matrices de 2 X 2. [Este procedimiento apareci6 en el articulo “A. Simple Algorithm for Finding Eigenvalues and Bigenvectors for 2 X 2 Matrives” de Tyre A. Newton en el American Mathematical Monthly, 97(1), enero 1990, 57-60.) saa-(* 3) ona matrz de 2 * 2, Demusstie que de ua valor earaeteristico de A con vector caracteristio correspondiente " (.fsticos 319 ALL Valores caractersticos y vectores caracter (a 4 Sea aff 4) donde a, Be B: 4) Demuestre que los valores caracteristicos son a + iB. fi) Encuentre los valores caracteristicos de la matriz B= A'A. MANEIO DE LA CALCULADORA Los valores y vectores caracteristicos se pueden obtener directamente en la HP 50g. Suponga que se introduce una matriz cuadrada 4 en el primer renglén de Ia pila, el comando EGV regresa los vectores caracteristicos y los valores caracteristicos de la matriz A como se muestra a continuacién. 4. -1 Por ejemplo, si A=|-1 3 2|yse quieren obtener los vectores y valores caracteris- 1201 ticos procedemos como sigue: escribimos la matriz en el primer renglén de la pila SSH DEO AGO PRA) A _V)Ewre) (cjecutando el comando para obtener valores y vectores caractetistioos). Las columnas de la matriz que se encuentra en el renglén 2 dela pila son los vectores caracteristicos y el vector que aparece en el renglén 1 contiene los valores caracteristicos Para mayor informacién consulte el Manual del Usuario de la calculadora, De los problemas 44 al 47 encuentre, con una calculadora, los valores caracteristi- 0s y un conjunto correspondiente de vectores caracteristicos para cada mattiz, 102-11 56 0.031 0.082 0.095 45, | 38 -49 75 46, | 0046 0.067 -0.081 83 123-67 0.055 -0.077 0.038,320 Apépice A. Valores caractristicos, vectores caractersticos y formas canénicas B16 12 14 18 26 21 19 27 16 31 29 37 41 56 51 38 29 46 33 61 41 29 38 50 47. De los problemas 48 al 52 existe un valor caracteristico de multipticidad algebraica 6, Determine su multiplicidad geométrica, Observe que un niimero como 4 = 13 = 4X 10° es, en efecto, igual a cero 600000 610000 060000 060000 [2°89 00! 4 Jo 06000 000600 000600 000060 000060 000006 000006 610000 610000 610000 061000 061000 061000 ° w[0°F100] gg foos100) . Joos100 000600 000610 000610 000060 000060 000061 000006 000006 000006 RESPuEsTAS A LA AUTOEVALUACION Lv omy iF MF VV Wo vi» FE) Matrices semesantes Y DIAGONALIZACION E Dermcion Kl ‘Transronmacion En esta sevcién se describe una relacién interesante y itil que se puede cumplir entre dos ma- tices, Matrices semejantes Se dice que dos matrices A y B de n X n son semejantes si existe una matriz invertible C den X ntal que B= CAC o La funcién definida por (1) que lleva la matriz A en la mattiz B se denomina transformacin de semejanza. Se puede escribir esta transformacién lineal como TA) = CACA.2 Matrices semejantes y diagonalizacion 321 Nota. CHA, + AJC = CAC + CA,Cy CU@A)C = CAC de manera que la fun- ‘i6n definida por (1) es, de hecho, una transformacién lineal. Fsto explica el uso de la palabra “transformacién” El propésito de esta seccién es demostrar que: 1) las matrices semejantes tienen varias propiedades importantes comunes y 2) la mayorfa de las matrices son semejantes a las matrices diagonales. Nota. Suponga que B= CAC. Entonces al multiplicar por Ia izquierda por C, se obtiene CB= CCAC, 0800 cB= AC @ La ecuacién (2) con frecuencia se toma como una definicién alternativa de semejanza: Definicién altern de semejanza Ay Bon semejantes si y solo si existe una matriz invertible C tal que B= AC EE Pe: matrices semejantes snarl? jo! eS) a yAc= 22 3s Asi, CB = AC. Como det C = 1 #0, Ces in- 1- o mala a a vertible, Esto muestra, por la ecuacién (2), que A y B son semejantes. EEE uns matric semejante a una matriz diagonal 1 00 -6 -3 -25 24 3 Seap=|0 -1 of, a=] 2 1 1-1]. Cesinvertible porque 0 02 22 7, 357, det C = 34 0. Después calculamos, 24 3)\(-6 -3 -25) (2 4 3 2 1 s[-lo -1 1 s ml2 2 7) le 0 14 1 0 02 4 3) (2 4 8 -1 offo 1 -1J=Jo -1 1 o ails s a) le ws Entonces CA = DC y A = CDC, por lo tanto A y D son semejantes Nota. En los ejemplos 1 y 2 no fue nevesario caloular C~!. $éto fue nevesario saber que C era no singular322 APENDICE A Valores caracteristicos, vectores caracterstcos y formas canénicas Teonensa EI] 5iy Boon maviou sangantas day Xp entonuns Ay B denen 4 smo polinocio caracteristico y, por consiguiente, tienen los mismos valores caracteristicos. iE Demostraaon Como A y B son semejantes, B= C'ACy. et(B — 1) = det(C™! AC—H) = det[o“'4C—C"()C] = det[o“! (4-21) C] = det(c*) det 4-4) det(c) = det(C~') det(C) det{ 421) = det(“1C) det( 4-H) = det et (421) = det( 4-21) Esto significa que 4 y B tienen la misma ecuacidn caracterstica, y como los valores caracteristicos son raices de la ecuacién caracteristica, tienen los mismos valores carac- teristics, FEE +: valores caracteristicos de matrices semejantes son los mismos 1 00 En el ejemplo 2 es obvio que los valores caracteristicos de D=] 0-1 0) son 1, -1y 2. En- 0 02 6 3-25 tonces éstos son los valores caracteristicos de A=] 2 1 8 |, Verifique esto viendo si se 2207 cumple que det (4 ~ 1) = det (4 +1) = det (4 — 21) = 0. En muchas aplicaciones resulta itil “diagonalizar” una matriz A, es decir, encontrar una matriz, diagonal semejante a 4 Derinicion [EB] Matriz diagonalizable Una matriz A de n X n es diagonalizable si existe una matriz diagonal D tal que A es semejante a D, Observacién, Si D es wna matriz diagonal, entonces los valores caracteristicos son sus componentes en la diagonal. Si A es semejante a D, entonces A y D tienen los mismos valores caracteristicos (por el teorema 1), Uniendo estos dos hechos se observa que si A es diagonalizable, entonces 4 ¢s scmejante a una matriz diagonal cuyas components en Ia diagonal son los valores caracteristicos de 4 El siguiente teorema establece cuindo una matriz es diagonalizable. Teomcnaa EM] Una matic «den x nos diagonalicablesiy So stone nvetores aratritco lines er i SI Sas eC area Doe TaDemosraaciOn A.2 Matrices semejantes y diagonalizacién 323, a) 0 4, 0 p=|0 0 2, 00 0 2, donde A, A, .-,%, son los valores caracteristicos de 4. Si Ces una matriz cuyas columnas son vectores caracteristicos linealmente independientes de 4, entonces D=C1AC ® Primero se supone que A tiene n vectores caracteristicos lincalmente independientes ¥,, Yo =» ¥,que corresponden a los valores caracteristicos (no necesariamente diferentes) Day Aa oe Tog Sea ysea culo ST Entonces C es invertible ya que sus columnas son linealmente independientes. Ahora bien ac=| S|] on Sa ysevequela columna ide ACes 4] “ | = Ay,= Ay, Asi, ACes la matriz cuya columna ies hy, ee deen itn hey ac=| + fe Men Rita oo We324 Apépice A conotane fill Valores caracteristicos, vectores caractersticos y formas canénicas Pero Ca ae | J eS ¢, x, ° cp-| an fo A a Sa Se JO 0 mh, dey hea etn Brey Bats yey Riga Bafa °° Bal Entonces AC=CD ® y como Ces invertible, se pueden multiplicar ambos lados de (4) por la izquierda por C para obtener D=CrAC © Esto prueba que si A tiene n vectores caracteristicos linealmente independientes, entonces A es diagonalizable. Inversamente, suponga que A es diagonalizable; eto es, suponga que (5) se cumple para alguna matriz invertible C. Sean ¥,,¥,,.... ¥, las columnas de € Entonces AC = CD, ¢ invistiendo los argumentos anteriores, se ve de inmediato que Av,= Ay, para i= 1,2,...,n Entonees y, ¥,,..., ¥, Son los veetores caracteristicos de Ay son linealmente independientes porque C es invertible. Noracisn, Para indicat que D es la matriz diagonal con componentes diagonales hy. hay. A, se escribir D = diag (hy Ry...) El teorema 2 tiene un corolario util que se deduce directamente del teorema A.1.3. Sila matriz A den Xn tiene n valores caracteristicos diferentes, entonces A es diagonalizable. Observacién, Sise seleccionan al azat los coeficientes reales de un polinomio de grado n enton- il ver, intuitivamente, ah + b= Otiene raices ces, con probabilidad 1, el potinomio tendra nraices diferentes. No e if por qué esto se cumple, Sin = 2, por ejemplo, entonces la ecvacion reales siy solo si! = 4b—un evento my improbable si ay se eigen al azar—. Por supuesto, se pueden escribir polinomios que tienen raices de multipicidad algebraica mayor que 1, pero son excepeionales Por lo tanto, sin pretender preisin matemnitica, es posible decir que la mayoria de los polinomios tienen raices distintas. De esta forma, la mayoria de las matrices tienen valores caracteristicos distintos y como se estableci al principio de esta seccién, la mayor parte de las matrices son diagonalizablesDiagonalizacién de una matriz Sea a} 3 mente independents, + 3) vy ca : 325 A.2 Matrices semejantes y diagonalzacién 2x2 En el ejemplo A.1.3 se encontraron dos vectores caracteristicos lineal- aa sls (eons sts c=| 2 DE SS IAG BE a6 sb 9) : se encontré que t a ‘que es la matriz cuyas componentes en Ia diagonal son los valores caracteristicos de A, PELE Pisco natizacisn de una matric de 3 3 con tres valores carateisticos i 1 Sea 4=]3 2 linealmente independientes v,=| 4], v, =|-1]y v, 1 2 1 4 = -1 En el ejemplo A.14, se calcularon tres vectores caracteristicos- = r 1 ond 2| Entonces c=| 4 -1 2] y 1 -1 1 1-11 sii -1 4-1 at 6s 2-1) 4-12 321 fla -at 3\(-1 -2 1 00 6 4 2 =|o -2 0 -3fl 12 0 08 con valores caracteristicos 1, -2y 3 Observaci . Como existe un nimero infinito de maneras en las cuales se puede elegir un vee~ tor caracteristico, existe un nimero infinito de formas para seleccionar una matriz de diagonali- zacién C. El tinico consejo es elegir los vectores caracteristicos y Ia matriz C que sean los de ‘is sencillo manejo aritmético. En términos generales, esto quiere decir que debe insertarse el ‘mayor nimero de ceros y unos posible. PELE Pisconatizacisn se una matric de 3 3 con dos valores caracteristcosdstntos y tres vectores caracteristicos linealmente independientes 3 24 Sea =]2 0 2 423 linealmente independientes v,—| 1 |, 204 c=|1 -2 2 0 0 =2 | se obtiene 1 Entonces, del ejemplo A.1.10, se tienen tres vectores caracteristicos 2 t 0 2] yv,=|-2 | Bstableciendo 2 o 1326 —APENDICE A Valores caracteristicos,vectores caractersticos y formas canénicas 2 1 0 1-2-2 2 0 1 a) =Jo -1 0 0 0-1 Este ejemplo ilustra que A es diagonalizable aun cuando sus valores caracteristicos no sean diferentes. Una matrie de 2 2 con s6lo un vector caracterstico linealmente independiente que no se puede diagonalizar 0 mente independientes, Suponga que A fuera diagonalizable (lo que contradice el teorema 2) esta ecuacién por la izquierda por Cy por la derecha por C~, se encuentra que A = CDC7! = (i se clare existe tal C. 4cic =4cc"' 40 -(4 lp. peso 44D y port tanto no 3) ve Auroevatuacion Para los siguientes enunciados, diga si son falsos o verdaderos |. Siuna matriz de n Xn tiene n valores caracteristicos diferentes, se puede diagonalizar. Il, Sila matriz A de 5 X 5 tiene tres valores caracteristicos diferentes, entonces A no puede ser semejante a la matriz diagonal. 125 IIL, Si A es semejante ala matriz| 0 2 4}, entonees sus valores caracteristicos son 1, 2 y3. 003 competencias A.2 Delos problemas | al 20 determine si la matriz dada A es diagonalizable. De ser asi, encuentre uuna matriz Ctal que C“'AC = D, Verifique que AC = CD y que los elementos distintos de cero de D sean los valores caracteristicos de A. (34) (27)10. 13. 16. 19. 2. 22. 923. 24, 2s, 26. 2. #28, 29, "30. 3. 32 ). Use el resultado del problema 26 y el ejemplo 6 para caleular A", si A=|2 0 42 A.2 Matrices semejant ydiagonalizaciin 327 (23) ufos [ras Lio oad 210 bia s00 oon nf-nz foo i 000 on 002 3-1-2 6-3 -3 7-2 -4 baat ufos a ws [so 2 bad os san 166 0 =i 8 ans 12 vfaaaloowf2 aa 153 pose 122 220 0 o1 3 10 0 mf? 30 0 02-1 2123 0053 Poros Demuestre que si A es semejante a By Bes semejante a C, entonces A es semejante a C. Si Aces semejante a B, demuestre que 4 es semejante a " para cualquier entero positivo n Si A es semejante a B, demuestre que p(A) = p(B) y v(A) = »(B) [sugerencia: primero demuestre que si Ces invertible, entonces »(CA) = (4) demostrando que x ¢ NA si y silo si xe NCA. Después demuestre que p(4C) = p(4) demostrando que RA = RAC. Concluya que p(AO) = p(CA) = p(A). Por iltimo, use el hecho de que C~! es invertible para demos- rar que p(“AO) = p(A)] 1) catcule D® 0-1 Si A es semejante a B, demuestre que det A = det B, Sea D Suponga que CAC = D. Demuestre que para cualquier entero n, A" = CD"C™. Esto proporciona una forma sencilla para calcular las potencias de una matriz diagonalizable. -4 Sea A una matriz de n n cuya ecuacién caracteristica es (2 es diagonalizable si y slo si A = ef 6" = 0, Demuestre que A Sean A y B dos matrices reales de m X n con valores caracteristicos distintos, Demuestre que AB = BA siy s6lo si A y B tienen los mismos vectores caracteristicos, Si A es diagonalizable, demuestre que det A = hy. Ay. +s Ay donde Ay, hy... 2, son los valores earacteristicos de A. RESPuESTAS A LA AUTOEVALUACION Your my328 ApENpice A Valores caracteristicos, vectores caractersticos y formas canénicas EE] Formas cuapraAticas Y SECCIONES CONICAS Dermcion El En esta seccién se utiliza el material anterior para extracr informacién sobre las grificas de ccuaciones cuadriticas. Las ecuaciones y las formas cuadraticas que se definen a continuacién, surgen de muchas maneras, Por ejemplo, se pueden usar formas cuadriticas para obtener infor- macién sobre las seeciones cénicas en R (circulos, parébolas, clipses, hipérbolas) y extender esta teorfa para describirciertas superficies, denominadas superficies cuadrdticas, en. Estos temas se estudiarn mis adelante en esta seccién, aunque en este texto no se analizarin. Las formas ccuadréticas surgen en una gran variedad de aplicaciones que van dela descripcién de las funciones de costo en economia al anilisis del control del recorrido de un cohete en el espacio, Ecuacién cuadratica y forma cuadratica 4) Una ecuacién cuadratiea forma dos variables sin términos lineales es una ecuacién de la ax’ + bxy + oy = ao donde [al + [P| + |el# 0. Esto es, al menos uno de los miimeros a, b y c es diferente de cero. i) Una forma cuadritica en dos variables es una expresién de la forma Py) =a + bxy + 97 @ donde fol + [6] + [el #0. Es evidente que las ecuaciones y las formas cuadriticas tienen una fuerte relacién. Se co- ‘menzara el andlisis de las formas cuadraticas con un ejemplo sencillo. CConsiere Informa cuadtiticn Fx, y) = x2 — day + 3p. Sean v(Se », els SSI) = (x! = 2xy) + (Cay + 3) = x2 = dy + 3)? = Fy) Entonces De esta manera se ha “representado” la forma cuadratica F(x, y) mediante la matriz simétrica Aen el sentido de que Fix, y) = Avev @ De forma inversa, si A es una matriz simétrica, entonees la ecuacién (3) define una forma cuadratica Fx, y)AB. Formas cuadraticas ysecciones conicas 329 ‘Se puede representar Fx, y) por muchas matrices pero sélo por una matriz simétrica, Para ver oana-(} $) sonteas =~4, Entonces, Av: = Fx, ). Sport, -( , :) entonces Av +{ xt ») y Av-y =x! = 4xy + 3y°, Sin embargo, si insistimos en que A sea ~Ix+3y, simétrica, entonces debe tenerse a + Sinica a = b= ~2. Si Flx,)) = axt + buy + cy es una forma cuadritica, sea ( ap 2) @ wool WO lores) Sax thy bot = Fly) = —4y a=, Bste par de ecuaciones tiene una solucién Entonces Se regresa ahora a la ecuacién cuadritica (1). Usando (3), se puede escribir (1) como Aveved 6) donde A es simétrica. Existe una matriz ortogonal Q tal que O'AQ = D, donde D = diag(h,,%,) yA, y A, son valores caracteristicos de 4. Entonces A — QDQ' (recuerde que Q' puede escribir como (QDQN)-v=d © Pero dado que, Avy =¥+ 4'y. Ast DOr) v= DOW: OW o ‘de manera que (6) se convierte en (Wor|- Ova ad Co) Q'. Entonces ves un vector de 2.componentes y (8) se convierte en Dy vad 0) Considere (9) con mis detenimiento. Se puede escribir v’ (3) Como una matriz diagonal es simétrica, (9) define una forma cuadratica F(x’, y’) de las variables x’ y y". Si o-(% °} ntonces m(s °} 2)-(ee)y re ya pew =[0")[" mae? sey 0 ef ey’ ey MY, Bs decir, F(x’, y') es una forma cwadrética en la que falta el término en x'y'. Pot lo tanto, Ia ecuacisn (9) es una ecuacién cuadratca de las nuevas variables x,y sin el término x’330 Avéxpice A steonenrs El Eves rancpatss Valores caractristicos, vectores caractersticos y formas canénicas Expresién de una forma cuadratica en las nuevas variables x’ y y’ sin el término x’y’ Considere la ecuacién cuadritica x? - 4xy + 3y° = 6, Como se vio In ecuacidn se pusde 1 crema forma Axx = 6 donde d={ peo of eres )sondt ma onoan oo (2 “8 ho-2s\-1+vs 2 Entonces petals “T10) ax4(-14V5)y Yio= 205 | (1-V5)x42y (2-W5)x" (2+ Se analizara de nuevo la matriz.Q. Como Qs real y ortogonal, | = det QO"' = det GO" det Q det Q' = det Q det Q = (det Q)* Entonces det Q = +1. Sidet Q = —1, se pueden intercambiar los renglones de @ para hacer el determinante de esta nueva Q igual a 1. Asi, se puede cos send Pero del ejemplo 5.1.8, esto significa que Q es una matriz de rotacién, Por lo tanto, se ha demostrado el siguiente teorema, demostrar (vea el problema 44) que o-( ~ ™) para algiin nimero 0 con 0-=0-< 2n. Teorema de los ejes principales en E? Sea ax’ + bxy + oy" (ao) tuna ecuacién cuadrética en las variables x y y. Entonces existe un mimero tinico @ en [0, 2x7] tal que la ecuacién (10) se puede escribir en la forma ax? +eyP=d ay donde x’ y y’ son los ejes obtenidos al rotar los ees x yy un Angulo 0 en el sentido contrario a las manecillas del reloj. Mas ain, los niimeros a’ y c’ son los valores caracteristicos a 42 a2 6 de la eouacién cuadratica (10) dominic “(| Lo ja» yy te danotinan ees principales doa grinAB. Formas cuadraticas ysecciones concas 331 Se puede usar el teorema 1 para identificar tres secciones onicas importantes, Recuerde ‘que las ecuaciones esténdar de un circulo, elipse e hipérbola son Circulo, 2) voy Elipse X+4e1 13) ip ate a3) aay Hipérbola: as) Identifique la seccién cénica cuya ecuacién es + dxy + 3y=6 a6 IH Solucién Enel ejemplo 1 se encontré que esto se puede eseribir como (2—V5}x”* + (24+¥5)»” a Bea “= Fista es la ecuacién (15) con a= Jo/(2+ V5) =1.19 y 6 =,[6/[ V5 —2) ~5.04. Como ) eal! 1 y det Q = 1, se tiene, usando el problema 44 y cl hecho de que 2 y -14¥5_son positivos, 0.85065 Entonces # esta en el primer cuadrante, y utilizando una calculadora, se encuentra que @ = 0.5536 rad = 31.7°, Por lo tanto, (16) es Ia ecuacién de una hipérbola es- ‘tindar rotada un Angulo de 31.7° (vea la figura A.1) Figura A Lahipébole332 ApENpice A. Valores caracteristicos, vectores caractersticos y formas canénicas EN stone iM Solucién Figura A.2 Laclse Se Day 4 y= Identifique la seccién cénica euya ecuacién es Sx* — Ixy + Sy = 4 a7 racteratcos otonormales son »-[e)n-( 4) snow o-(4E 4a) thd Nz We -1N2 [Antes de continuat, debe observarse que det Q = —1. Para que Q sea una matriz de rotacién es necesario que det Q = 1. Esto se logra ficilmente invirtiendo los vectores caracteristicos. Asi, ue) . (') o-[ WE wa Aa) ane ha vanes o-{¢ Syn epmieonenson B= 4s sence 2,-6.2, —4 “ stone oy 6x" + ay" ()-0()-( OEE) Reescribiendo (18), se obtiene x*/| as) donde tyrfl ain, como 1/2 > Oy —1N2 < 0, del problema 44, se tiene 0 = 2m eos" (I/ V2 a (65 enel sentido de as nes dls) (ea asta A2) |, que es la ecuacién (13) con 15°. Por lo tanto (17) es la ecuacién de una elipse estandar rotada un Sngulo de 315° u IM Solucién eccién cénica degenerada dentifique la sevcidn eénica cuya ecuacién es Sx! 4 Day Sy = 4 ag) Haciendo referencia al eemplo 3, la ecuacisn (19) se puede volver a escribir como 6x" = y= 4 (20)AB. Formas cuadraticas ysecciones conicas 333 Como para cualesquiera niimeros reales x’ y y’, ~6x"” —4y"” = 0, se-ve que no existen mimeros reales x y y que satisfagan (19). La seccién cénica definida por (19) se denomina seccién eénica degenerada, Existe una manera sencilla de identificar la seccién c6nica definida por xy +9 en a Aj b)2 « sia 2B (a+ dd + (ae Id) =0= (R= AY(A-2) Esto significa que A,, = ac — b/4, Pero como se ha visto, la ecuacién (21) se puede volver a escribir como 2) Sid, y A, tienen el mismo signo, entonces (21) define una elipse (0 un cireulo) o una eénica degenerada como en los ejemplos 3 y 4. Si A, y %, tienen signo contrario, entonces (21) es la couacién de una hipérbola (como en e! [ejemplo 2). Por lo tanto, se puede probar el teorema | que se expuso mis arriba. Nota, En el ejemplo 2 se tenia det A = ac — b/d = 1, En los ejemplos 3 y 4 se tenia det A = 24. Los métodos que acaban de describirse se pueden usar para analizar Ins ecuaciones cuadriticas ‘en mis de dos variables, A continuacién se proporciona un ejemplo, Una elipsoide Considere la ecuacién cuadratica 5x2 + Say + Sy? + dye + dys + 22*= 100 ey 542 x sia-|4 5 2] yw=|, | entonces (23) se puede escribir en la forma 222 2 Av-v= 100 en 10 0 Porloque Q'49=D=|0 1 0), donde 00 10 -1N2 -13V2- 2/3 Q=| 1N2 -ysV2 2/3 0 apy 3 Sea ye wiz 2 0 \fx we]y’ |=ov=|-1sv2 -1av2 aay fy334 APENDICE A Valores caracteristicos, vectores caracterstcos y formas canénicas (048) (> =| (v3) x— (ua) +(4N3]- (2/3)x+(2/3)y+(u3}= Entonces, como antes, A = QDO'y Av-y = QDO'W (24) se puede escribir en términos de las nuevas variables x’, DOW: Q'y = Dy’ -v. Por lo tanto, 100, 0 sea (2s) Figura A3 Elelpsede Se’ + ny = Sp aie 42 4 22 100, quese puede ‘sei ens nuevas ‘arabes come wear tet yP ty? + 102" = 100 Existe una gran variedad de superfices de tres dimensiones de la forma Av v= d, donde ve B. Esas superficies se denominan supefiies cuadriticas Podemos cerar esta secciSn con Ia observacin de que las formas cuadriticas se pueden definir en términos de cualquier mimero de variables Derinicion [EB] Forma cuadratica Seav =| *? |y sea una matriz simétrica de n X n, Entonces una forma cuadritica en x,, ys, 68 una expresion de la forma Fo. Xp) = AVY 26) HEE ln forma cuadratica en cuatro variables 2 12-2 x, 1-4 6 5 x Sea 4 va]? 26 7-1)"A3- Formas cuadraticas ysecciones conicas 335 Entonces 2x, + x, +2x, 24, Vf dx, + 6x, +5x, |», 2x, +6x, +7x,- x, H2x,+5x,- x, 43x, Jl a2 + Daya, Ax! + daa, + 124, 41x} ~ ax, + 10x 2xyx, +38} (después de simplificar), [ELEC Ur mates simétrica que correspond a una forma cuadrética en cuatro variables euentre Ia matrz simétrica A que corresponde a la forma euadrética Sx! — Bax, + dx! + Bax, — 94x, +28) ayy, + Tan, Haya, +98 I Solucién Si A = (a,), entonces, observando los ejemplos anteriores de esta seccibn, se ve que a, es el coeficiente del término xy a, + a, es el coeficiente del término x,x,, Como A es simétrica, a, = 4 (coeficientes del término x,x,). Uniendo todo esto se obtiene s-$ 4 a-|7r 4 t a-p 23 “bobOR 8 Aurorvatuacion El cL inciso que mejor responda a lo planteado en el enunciado. L. Si A es.una matriz simétrica real con dos valores caracteristicos positivos, entonces Avy =d>Oes la ecuacion de @) una parabola 6) una elipse 9) una hipérbola d) dos rectas 6) ninguna de las anteriores IL Si 4 es una matriz simétrica real con un valor earacteristico positivo y otro negativo, ‘entonces Ay "y= d> 0 es la ecuacién de @) una parabola 5) una elipse 6) una hipérbola 4) dos rectas 6) ninguna de las anteriores336 APENDICE A Valores caracteristicos, vectores caractersticos y formas canénicas UL, Si A es una matriz simétrica real con un valor caracteristico positivo y uno igual a cero, entonces Ay v= d > O es la ecuacién de @) una parabola 1) uma clipse 0) una hipérbola 4) dos rectas «) ninguna de las anteriores IV, Si 4 es una matriz simétriea real con dos valores caracteristicos negativos, entonces Ay-y=d>Oesla ecuacion de 4) una parabola 2) una clipse 9) uns hipérbola 4) dos reetas © ninguna de las anteriores mpetencias A.3 Delos problemas | al 17 eseriba la ecuacién cuadratica en la forma Av v= d (donde A es una matriz simétrica) y elimine el término xy rotando los ejes un angulo 0. Escriba la ecuacién en. {érminos de las nuevas variables e idemtifique la seccion cénica obtenida. 1. 3x7 =24y-5=0 2 ay aay ty =9 3.3x Fy $3y° 4. 4x? Hayy? 9 5. a1 6. Bayt 7. wy =a,a>0 8B 4x +2943 42-0 9 waaaO.entonces0= cosa (0< 0 5 2/2) b) Sia= Oye <0, entonces0=2n costa (3/2 $0 < 20} 9 Sia=0ye>0,entonces = costa (xf 2=0< a) @ Sia=0ye<0, entonces = 20 cosa (w= 0 3n/2) 9 Si = 1ye=0,entonces 0 = 0. SP) Sia = ~Lye=0, entonces 0 = (Aqui cos ~'y € (0, 7] para xe [=1, 1] Sise elige # como se describié, demuestre que cord — send) sen cos6, 45. Demuestre, utilizando la formula (22), que la ecuacién (21) es la ecuacién de dos rectas en cl plano xy cuando d= Oy det A #0. Sidet A ~ d= 0, demuestre que la eeuacién (21) es la ecuacién de una sola recta 46, Sea A In representaciSn matricial simétrica de la ecuaciéa cuadratica (1) con d¥ 0. Sean h, y 2a los valores caracteristicos de A, Demuestre que (1) es la ecuacidn de a) una hipérbola Sid, 0. RESPUESTAS A LA AUTOEVALUACION Lb eg md)= espuestas A PROBLEMAS IMPARES Univap 1 19-2942 529428 1-245. 9 1. 22813. sem a, 19. -1+iy3 = 207 Be 25, 2. W343i 29. 31. 33. 35344, 4 476 45. ™ 47. Buscamos los nimeros 2= a + iB tal que por lo tanto 7=-F 3a +iB (iB) > a 1B = (a ~iB) >a =0, esto significa que los finicos mimeros que tienen la propiedad 2=—F son aquellos que su parte real es cero, es decir, 2 e5 un imaginario puro. 49, sh. 53. 55. La eouacién de una circunferencia centra- dda en el origen de radio unitario se puede escribir como x+y? =1, Sea z=x+iy entonces 2 =2 = (+ pe +) 22 + 7; por lo tanto un elreulo unitario se puede representar por |z|=1. Es el conjunto de puntos que incluyen all circulo de radio a centrado en z, y a todo su interior. Suponga que p(2) = 7 Fa,_ Entonces at ‘Agui, se a usado ol hecho de que para cualquier entero k (GE) = (2. Como (cos# + isen6)! = cost +0 + isen 1-0, Ja rmula de DeMoivre se cumple para n= 1, Suponga que se cumple para n= 5 decir, (6050 + isen0)* = cosko + isenk0. Entonces (cos0 + sen0)*~! (cos0 + isend)(cosd + isen0) = (cosko “+ isenk@) X (cos® + isen®) = [cosk®Unipap 2 1, 19. 1, cos — senko send] + ifsenkO cosd + cosk0 send] = cos(k0 + 0) + isen(ko + ate asd a#0, B40 y a+b40 Aaya = BE K#-2 y K#L porque AAs + Aya As + OA 1 1 7K 7K K-y(K +n 40 1 2K Se necesita que —ab — ab =-2ab 40 at 0ybe0. Se necesita que a? + b=0,c 400d 40. Osa=0y 23. 25, 2. 29. 31. 33, 35. 31. Unidad2 339 0) = cos(k + 1)0 + Isen(k + 196, que es Ia formula de DeMoivre para n = k + 1 EI punto de interseccién es 9 1 20" 20 No hay punto de intersecci6n, B El punto de interseceidn es B r 4 2 El punto deinterseccisn es x 2 ® 5 ‘Sea m, la pendiente de L y sea m, Ia pen- dente de L., entonces m, = =i 2 Lites 3ysly Let 3y= diente de L,, entonces m, 3 £ L:Sx+6y=3y L:6x+5y=28, Punto de intersecci la-ay «( diente de L,, entonces m, ==; m, 3 Li-Tx+3y=0, yL3x+Ty Punto deintession(- a1 32) of-s 288) 2 3 3) 0 punto de intersectiba es @, 1), la dis tania ente el punto y latecta 2x ~ y wi 5340 [RESPUESTAS A PROBLEMAS IMPARES 39, Sea x el miimero de aves y sea y el mimero debestias,entonces x+ y=60; 2x + 4y = 200» x=20 y y= 40, 41, Por contradiccién, suponga lo contratio, es decir, suponga que existe solucién tinica cuando 4,2, ~4,a,,=0, Del problema 40 se sabe que las rectas que forman al sistema (1) son paralelas. Por lo queel sistema () tiene un niimero infinito de soluciones © Nota: Cuando hay un niimero infinito de so- uciones, se escriben soluciones selevcionando In Gltima variable arbitrariamente, Las soluciones se pueden escribir de otras maneras. L@-30 sfhsd PPd 5. El sistema no tiene solucién. 7. (9,30, 14) 9. El sistema no tiene soluciéa. LL. (0,0, 0) (2.4) 18. 424,245) papa ye Rati 1 O=ty4- vw (BA, Baty 8, Pen a x, €B arbitrarias 2. (Sede 3-1 x, €R arbitrarias, 23, El sistema no tiene soluciéa, 28. (2 4) 55 27, Forma esealonada por renglones. 29. Ninguna, B.S 45, a. 33. 3s. 37. ninguna solucién, Esto contradice la supo- sicién de que existe soluciéa tinica, por lo que se tiene la contradiccion deseada, sa x el niimero de tazas y y el nimero de platos. Entonces 3x +2: +0.20y=44=>x=80 yy Las ecuaciones ahora son 3x +2y= 480; 0.15: +0.10y=24 y el sistema no tiene solucién. Forma escalonada reducida por renglones. Ninguna, Forma escalonada reducida por renglones. Ninguna, Forma escalonada por renglones ( | on forma escalonada redueida por renglones (i) |. Forma escalonada por renglones 1-rd o ith 6 0 01 forma escalonada reducida por renglones loo o1o0 oo1 . Forma escalonada por renglones 1-2 4 4 o 1-4), i oo 1 forma escalonada reducida por renglones 100 o10 oo145, Forma escalonada por renglones 1-2 -1) o 1 4 lot 3) fon eslonads edd por sngone {1 0 0) oid zy ae Beep As 40, 6 dias enTnghter, 4 as on Psy 4 dias en Espa, | 8 2 ete 3. ee =F. le oaronesenomoeeTaTe Unidad2 341 51, La informacién es inconsistente, 53. El sistema aumentado en forma reducida (1-13) 46) s1| a-26 0 o|-2a+a+¢ por renglones es] 0 lo por lo tanto el sistema es inconsistente si ~2a+b+e40. 55. aaa, +4, By #4443 44 2 4 af 12.92, x, =39.94, Side 81:43 o5-54 [Sealer 23142 18,89 $2.31 a3 awe 32: A Files “ies lace" renglon, é.1 65, nnimeros exactos, el alg: Ba Ba redueida por Si los elementos no son niimeros exactos, el algoritmo produce la forma reducida por renglén,342 RESPUESTAS A PROBLEMAS IMPARES n. + (0,0). (43x, x, . Bx, %), ¥ ER arbitraria Observamos que tenemos un reglén de ceros por lo que se tienen infinitas soluciones. AL resolver el sistema x,—1275x, = 0.961, x, + 0.403x, = —0.090, se obtiene (0.961 + 1,275x, 0.090 — 0.403x,, x), x, € IR, arbitraria, Dela forma escalonada reducida se tiene que la matriz. aumentada es 10 0 -7616 11870 31.348) 0 1 0 -4867 6.775 11.043 0 01 Liz 3072-2696) (31348 +7.616x, ~11.870x,, 11.043 +4867x, ~6.774x,, 2.696 -1.121x, +3.072x,, xx, xq, € BR arbitrarias, de donde se obtiene como soluciones Dela forma escalonada reducida se tiene que la matriz. aumentada es 10 0 0 11870 50.s40 0 100 6775 23.330 00 1 0 -3072 -5.520 looo01 0 2520) de donde se obtiene como soluciones (50.540 — 11.870x,, 23.330 — 6.774x, — 5.520 + 3.072x, 2.52, x, x, ER atbitrarias (are ao arbitraria u. x, |. x € B arbitraria, 13. (0, 0, 0, 9) 1S. @x,, x,), x, € BR arbitraria, 17. (0, 0, 0) 95 1 WkmL, 28. u 13. 15. a, 1. 24. . (FF) Unidad2 343 (10 - ) Dela forma escalonada reducida se tiene quela matrizaumentadaes{ 9 ~166 © lo 1 -o.0023 of de donde se obtiene como soluciones (1.66x,, 0.0023x,, x,), x, € IR arbitraria, Dela forma escalonada reducida se tiene que la matriz aumentada es 10 200 3.25 0 (1 0 9 -033 -o15 0 o 001 O71 0.10 0 de donde se obtiene como soluciones (0.58x,, 0.18x,, 2x, ~3.25x,, —O-7ly +0.10%,, 55%), 2, x, €B arbitrarias la unidad 2 No hay solueién. . (1/3, 0, 7/3), 0.0.0 95 3" (0.0.0) oo (Forma escalonada por renglones) 2,-1.3) (10 4 iL 0.0.0.0) jor. 7 Forma escalonada reducida por renglones foo # Esté en forma escalonada por renglones. fr oo | Forma escalonada reducida por renglones. oie 2 1-124 : -1 203 foo 1 3S} 2 3-11 (Forma escalonada reducida por renglones)344 Uniwad 3 Problemas 3.1 15. 1, 19. a 2B. 2s. 2. 29, 3. 33. 31. 39, 4 [RESPUESTAS A PROBLEMAS IMPARES @B1-3.2) (8, 12, 4, 20) (34, 12, ~3, 48) G7, ~32, 2) (11, 10, 5) (7, 9 18, 18) 39) 615 3 6 2 2) -6 1) -7 -12 2-23 -9 4 13-21) = 23 4 1) 2 4) 715 -15 10} -1 -s) -9 -13 s -3} 0) E=3c-28-4-| 8 5 -6 3 (-u 8. 4s. 47. 49. 51 yyy -s) oo] Jars} 33] 10 lo} a 8 4 2) 11) 3 3 avtesse-[iifoe-|—1 -4 rif | 6 tt ca 3-8 a -20 2) 2-47 9 0 5 742 (-1 -1 -1) -3 3 -10 7 3s) o 0 -4 o=|-8 -4 -9 6 8 72 59, (A+B) + C= (a) +) +), peo para cada jj, la suma de escalares es asociativa, por lo que (A+ B)+€=(a,) HEI+ I=) HG) +E) =4+(B+0)Problemas 3.2 ol. u 1B. 15, a7. 19. 1 2B. 25, 21. 29. 31 %. 35, ori) 1010 riod oo10 -14 -23 47 xy tye tex Como a? =0 entonces a-a=a} +a? total 20 132 4 28 48 -17 2 -1 18 -9 M4 6 10 -1 58 -8 15 No esta definide. 8 15 35) 91 13 99 - [ht | | 0 1 2-1 8 203-1 s 2 1 ba : 3 4 3 63. 37. 39, al. 43, 45, 47 49. Unidad 3345 Los clementos ded + e representan la demanda para los cuatro tipos de materia prima si cada fabrica va a producir una unidad, 2d es ol total de la materia prima que necesita la fabrica 1 para produeir 2 unidades -1 0 a? 1 2 2 “3 i Utilizando el principio de induecién ma- temitica: Gj 3) n=l fa ‘ fat"?)_(al! (e3)) ow Sho ah -(5 3 oa) Realizando la operacion indicada se llega ala conclusién. Realizando las operaciones se verifica la propiedad, 4) Hay 2 personas en el grupo 1, $ personas en el grupo 2 y 7 personas en el grupo 3. 3 yane(2bO121 o202101 No son ortogonales,346 [RESPUESTAS A PROBLEMAS IMPARES si, 53, 58, 57. 59. 4) 6. 6. 67. 8. Ortogonales Ortogonales. 15 9.2. 3,5, 1:8) 5, fdtotaldeboras 11 2 1 a3} 5 0 0 0 1 1 (285000 120 0-8 32.32 n 38 57 106 ) ("e 45.000 “mn 0100 oo1.0 ooo 1k 0000 0000 0010 0001 0000 0000 0000 coor 0000 0 0 0 of; 4 =0 0000 0000 a 44) o=| i, A | cada componente es menor a la unidad y Ia suma por renglones e3 | ‘Como cada elemento de P y Q son positivos, Ios elementos de PQ son todos posi- B. B. 36 83.3085, tivos. Si Py Q som matrices dem X n, sea vy el vector columna de dimensién n con cada elemento igual a I; observe que si Aes una matriz den X n, la suma por renglin de sus elementos es I si y sélo si Ay =v, Como (PQW = Py = v, se puede observar que PQ es una matriz de probabilidad, 4) S,>S,>5,>5, by La calificacién es el mimero de juegos ‘ganados por el jugador / més la mitad de os juegos ganados de los jugadores que perdieron con el jugador i ‘Al realizar las operaciones indicadas se Hega al resultado, 3, 7a] 5 is [42 [6 [30 [14 [2 fio ° |=> AB=BA P e 5 . Bg, 20 oo (P+ P+ HQ + T+ 4) = 1386 see Lan . Lak-per+yUnidad 3 347 05, Problemas 3.3 103 -3)f) (6) MEM) ese \ 6s, +3, + 3x, =20 f -1 | * [ u 5 rs 6f*)-[348, [RESPUESTAS A PROBLEMAS IMPARES 2. x=, 0)+%,8,) Bx 1 3. No invertible 5. No invertible. 7. No invertible. 3 =|-B og 1-1-1 ue aa]o 1-1 oo 1 13. No invertible. laf oF oo . 1. No invertible. 29. 3. a. 2B. 2. 21, oenf-d. 1, 4,0, 0) + (Bx, + 5x, 4x, 7a, yx) Sustituyendo «9, +¢,y, en la ecuaciéa diferencial se tiene (¢,y, + ¢,y,)" + ala Neyy, + ey Y + BOMEY # 9) =O agrupando en términos con y, ¥ Jy, 60) FaGa)y, +609) +0, + 46)9, + b(x)y,) = ciones, ¢,(0) + ¢,(0)=0 00. ). pero como y, yy, son solu- Sustituyendo las condiciones iniciales y(0) = 1 = ¢, c0s(0) + ¢, sen(0) > ¢, =1, y'@) sen(0) + ¢,€08(0) => ¢, =I o 10 2 pe| bbe 2 o 1 33 2203-2 Observe que 44,4, Ag Ade Entonces por el teorema 8 4,4,---A, es invertible con inversa 4C!--» AA =(44-4,)" . SiA=+/ entonces 4° =I. Sia, =—a,,y ay, <1 entonces fe 3) El sistema Bx = 0 tiene un mimero infinito de soluciones (por el teorema 1.4.1), Pero si Bx = 0, entonces ABx = 0. Por lo tanto, del teorema 6 [partes yi}, AB no es invertible,29. 31 (sen? cos cos? send 0| = J; esta matriz.es su fo o 4 propia inversa, Sea D una matria diagonal. Suponga que Des invertible con inversa A. Como AD = J, entonces a,d, = 1 para cada i. Por lo tanto, los elementos de la diagonal de D son diferentes de cero. El converso, suponga que d, #0 para cada i, Entonces Ja Gnica solucién al problema Dx = 0 es Ia solucién trivial, Por el teorema 6, D es invertible. © puede escribir D~ directamente como en el problema 32. . Se demuestra el resultado para el caso de que A sea triangular superior. La demos- tracién para una triangular inferior es si- malar. Considere el sistema homogénco 0 a, ay Byer ay 00 0 a. 0 0 0 0 4, x) (0 x, | lo x 5, o x, J te, ‘Suponga que dy, day «.. 4 80H todas diferentes de cero, La tiltima eouacién en el sistema homogéneo es a,,x, = 0, y como 4,40, x, = 0, La pemiltima eouacién es Oye ine Men thea ¥ 4, ,-,#0,x, = O implica que x, _ = 0. De manera similar, se concluye que x)= a, T= Xo, =X, =O. Por lo que In tinica solucién fl sistema homogéneo es Ja trivial. Por el teorema 6 [partes ) yi), 31, 39, Al. 43. 45, Unidad 3349 A sinvertible. Inversamente, suponga que una de las componentes de a diagonal, di- gamos a, es igual a0, Entonees el sistema homogéneo 4x = O tiene la solucién 1 «|? o [Si.a, = 0 com j# I, emonces se elige x como el vector con un 1 en la posicién jy 0 en cualquier otra parte Usando el teorem 6 otra vez, se concluye que A no 68 invertible Cualquier miltiplo de (1, 2) diferente de M=IEFQI~ AB = BNA OL ~ 4,78 +FOI~ 4,"B [FO —A~ BF) + FIO ~ 4)"R =U ~BA- BBE + F) OAs" = (BI BAM Ay"B = BOO AM 4,)"B entonces Mo) =[B"GU - AON = 4, "BP" =[0l- 4,y'By Ba ayy =P AO A Por lo tanto se demuestra que Mt = BQ A)01— AR Sains y2 men 4 midades de Ay Sundaes de oa oo 0 cate 4-foois 0207 0017 ee 0.044 0.010 0.216 nntide Leoni = = 4 om oo -|-ao1 07 -0017 0.044 -0.010 0.784,350 [RESPUESTAS A PROBLEMAS IMPARES 58, 59. a, 14400 6) U- ay 0.27 1.261 0.27 0080 0016 1.276 13213) (18689 x=(1=4)"|17597 |) 22508 vrs6} [sets 2 -14| noice ° ; 7 poet 3 4) Suponga que 4 es invertible. Enton- ces 4x=0 implica que x=470=0 Cuando se reduce Ia matriz aumentada (40) a su forma reducida por renglones se obtiene (70). Utilizando Jas mismas operaciones clementales por renglones llevan A>. El converso, suponga que A es equivalente por renglones a J. Bseriba (AI) y re- <éuzca por renglones A a Jy se obtiene (AID (1B). Por lo tanto AB=1 ‘Queremos mostrar que BA = I. Es suli- ciente mostrar que Bax = x para cada vector x con n elementos, Observe que Bes equivalente por renglones a I Por lo tanto, para cada x, se puede encon- La inversa de la matriz es: {[0.099858156028 —0.076501182033 [-0.101873971631 0.272151300236 [0.143262411348 -0.67139479905, La inversa de la matriz es: ([-1.69701053654 1.60958317276 [-.7939414928831.67786019382 ( 51. De |“ 230794647641 0.951949895801 trar una y tal que By =x. Por lo tanto Bax = BA(By) = B(AB)y Io tanto, A es invertible. ii) Suponga que A ¢s invertible, Supon- ga que Ax =b= dy, Prem por A~ se obtiene A7'(Ax Se coneluye quex = y. El converso, su ponga que el sistema 4x = tiene una solucién tnica para cada vector b de n elementos Esto implica que A es equivalente por renglones a J. Por lo tanto, por ef inciso i) A es invertible Suponga que A ¢s invertible, Por el inciso 1) A es equivalente por renglones a a matriz identidad J, I, se encuentra en forma escalonada reducida por renglones y tiene n pivotes. El converso, suponga que una forma escalonada por renglones de A tiene pivotes. En- tonces la forma escalonada reducida por renglones de la matriz A es la ma- trizidentidad I, Porlo tanto, la matriz Acs equivalente por renglones a la ma- tia I, Por el inciso f) A es invertible oa, B\_(1 0) Bs} obtienen las siguientes ecuaciones: 4,,B,, HE AyByy = 1, AyBey = 0. AyBy * ABs = 0 = By = Ail, By = Ag By. = 0, By, = AGMA, AyByy = O, Ay By, + AyBy = OY AyBy + = I Resolviendo para B, se obti ABs © By, = Ag! By = 0, By = AS(-A, AG) y AG? por lo tanto, =0,076312056738] —0.192056737589] 0.075177304965}] 1,41376091667] 0.261501231662)(1.95621257025 | —0.200637557471 [-0.654423076042 641726876009 63, La inversa de la matriz es u 13, 15, 1 {{0.333333333333 —.208333333333, (0 0.125 (0 0 0 0 Unidad 3381 —0.462876267722 _0,357416829406] 249248482807 '536103553562]] 1.675 1.42142857143] =325 0.578571428571] 02 114285714286] o 142857142857] Los resultados de los problemas 54 y 55 sugieren que la inversa de una matriz triangular superior es triangular superior us ( 4) bt a oo oe oe Como a, =a, yb, =b, para lsisny 1= j=n Entonees a, +), =a, +5,. Por lo tanto A+ Bes simétrica 19, 2. 23, 2, Suponga que A es m Xn. Entonces A’ es nX m.Entonces 44’ esta definida yes una mata dem x m. Observe que $a Sigg Ht os cllomente de Aa igual al elemento ji de Ad’. Por lo tan- to Ad" es simétrica, Otra prucha es que (Aa)! = (4'A = Ad’, de modo que Ad! es su propia transpuesta por lo que A es simétrica Sea U=| ‘ una matriz, 0 0 4, triangular superior. Entonces May Ma una matriz triangular inferior. A’ =—Ay 5’ =—B, Entonces (A+B) = A+B! =-A~B=—(A+ B), Por lo tan- to A + Bes antisimétrica 5. (ABY = BIA’ = (-B\(—A) = BA. AB es simétrica siy s6lo si (AB)' = AB. Pero (4B)'= BA. Por lo que AB es simétrica si y solo si Ay Bconmutan, Elelemento ij de (A ~ 4')/2 es (a, ~a,)/2 4,)/2 Por lo tanto (4-~ 4')/2 es antisimétrica yelelemento ji (a, ~ 4,)/2=—(a,[RESPUESTAS A PROBLEMAS IMPARES 10 44,44, wag ata, } lod Por lo tanto A es invertible y 4 = |. R, = R, cs una matriz clement ( Lae trig elemental ».(! ‘ 3. R,R,+3R, os una matriz elemental, 11 5. R028, es una matez clement fo 0 1) 1. Se necestan dos operaciones, R,>3R,y 38.0 1 0 > 3R, no es una matiz omental 7) 9, Se neesitan dos operaciones R22 R,y , R, G2 R,, no cs una matriz clemental. (1 20 ao 10 11, Senecesitan tes operaciones, R,->R, + aoe BR RoR, +4R, RR, 2Ry noe y una matrz elemental 4 (1-3 13. RR, + Res una mattiz elemental loo 15. B+ RR co una matric clemental {1 0 5) 100 {1-3 0) 45./0 10 vf210] fo 10 ton loon fo 04 (o 0 1) fo 10 (Lo -1 9) au. jo 10 2B. /1 0 0 49. oroe “loo 10 Loo loon ) foo o1 Lo (1 0) w/o (19 i lo 0 ° £)f1 0 0 ; offo a | ° loo ° oo f ort ° oot“1 6. 6, 67. 69. 2 0 o ° bie ie matrices son elementales porque a #0 y #0. Loscasosde2 x 2y3 x 3sonlos:esultados de los problemas 63 y 64. En la respuesta al problema 3.4.35 se probs este resultado, Se puede dar otra prueba demostrando, como en los problemas 63 y 64, que A se puede escribir como el producto de matrix ces elementales, El paso clave es reducit A aT, observando que cuando se divide, slo se hace entre los niimeros en la diagonal, que son diferentes de cero por suposicién, ‘es triangular superior, de manera que (A) es triangular superior por el resultado del problema $2. Pero (4'"'= (47, de manera que (47) es triangular superior, lo que significa que A = [(4~'¢s triangular inferior Sea B= A, yD = A,A. Entonces la componente kr-ésima, d,, de D esta dada por Shs Si k#/, el renglén k de Bes el renglon k dela identidad, por lo que b,, = 1 si! =k y Ode otra manera. Entonces 4, 4, o) Dud, = 4, ly sik#) sik =, entonces 1 2B. 75, n. EGG vninds 38 Loo ef1000 ooo ieee) of1 90 Of; oof of}9 19 -$Ho 100 foo1 ofoo1r)d tjlo oo 10 00 1. Lams eae y (9) se convierte en a, = ba, + ba, Asi, cada componente en el renglin j de A,A e$ la suma de las componentes co- srespondientes en el renglénj de A y cve- ces las componentes correspondientes en el renglén ide A )354 RESPUESTAS A PROBLEMAS IMPARES L-10 3-9 $2 74 donde* representa términosquenojuegan ‘un papel importante en la demostracién, 9-8 L126 13-96 wa papel gowns 4, 4, (2 Hb by Ba 0 tae 15. Sea A= 17. Como A es riangular, det A040, -2, Entonces det 40 i y s6lo sia, #0 para oo og 1=i=n. Esto eg, det A #0 si y sélo silos ‘ elementos de la diagonal de A son dife- , rentes de cero. ye 7 19. El frea generada por los vectores wy, ty oo by, esa, u, cl area generada por y, x) <8 aienen satan Is vas, aa) =He(a, 9 Y¥ da B= 8, -b,. Por oto lado =lafu, 9, fab * : ‘2. 31202 ap=| ° abs 23. 0.0879836 0 0 a,b, Problemas 2.8 1.28 “2 8-55. 9, -25 u -18 13. —260 18.1 17.0 19. abed a. dd Be 23. 66 26-4808 SMO. 16 35. -16 hits, 37. Se prueba utilizando inducci6n, Sin = 2, entonces| | ** Suponga que para n = k — 1, el determinante es 1+ x, +---++4,_,. Entonces restando el segundo renglén del primero, lity x x x, | a 0 ° x dfx x x, | bo dba oy x x I+y, x, fey lex, x, yy lta] ko oy I+, se suma la primera columna a la segunda 1 0 ° o tate 2, k, Itata, x, x, ae " . yt lty, x, ot Thx, x, a yt x Its, bh oyty i F lta, tatty,Unidad 3358 Por la hipétesis de induecién se llega a la conctusién, 39. Dado|4|=| fa “ra! Sumemos los renglones 1, 2, Lal renglén n, entonces se obtiene|4f=[" 2 7 Sela Fu Fu a) |O 0 0 det 4, por lo tanto det A Observe las figuras siguientes: Gon) od Ged El érea A del tridngulo es la mitad del area del paralelogramo generado por los vectores u, yu, que esta dada por 47.0) D,=|a ak356 RESPUESTAS A PROBLEMAS IMPARES 49. Problemas 3. 5b) Utilizando induecién, Para el caso n= 2, D, = Entonces saponesd,., fli, -a) o 2) » (2) os et ma o 1 3) 5) [0 0 4| =oy3estamenor poten- ooo 013% foo 4 ciayaque]o 0 4] =[0 0 o|zo. ooo} tooo Por el teoremad se tiene det 4? = det AX det A= det A. Sidet A#0, entonces det A = 1. La respuesta es 00 1 Sea Q una matriz de permutacin elemental de manera que Q se obtiene intercambiando dos renglones, el /y el, del. El renglén {je Itiene un 1 en la columna j, asi que el renglén i de Q tiene un 1 en Ja columna j. |. EB es la mattiz obtenida al permutar dos renglones de B. Por la propiedad 4, det EB = —det B, de donde det £ = —1. En tonces det B= det £ det B. . EB es la matriz obtenida al multiplicar el renglon i de B por c. Por la propiedad 2 1. Similarmente, 0, = 1.Ea- tonces Q, = Q,, Las tinicas componentes diferentes de cero de Q son Jos unos en la diagonal y las componentes dela diagonal se quedan igual cuando se obtiene la transpuesta. Asi Q'= Q. Ahora, si Pes una ma- ‘riz de permutacién, entonces PHPLP, yo PP, donde cada P, es una matriz de permuta- ci6n elemental. Entonces, por el teorema | det P = det P, det P,_, ... det P, det P, = (=I) por el resultado del problema 52. ‘Ademis, por el teorema 1.9.Li) os PP, Pp Asi P' es una matriz de permutacién y como antes, det P= (-1)" = det P det EB = ¢ det B. £ es la matriz obtenida al multiplicar el renglén i de | por c. En- tonces det B= edet I= y det EB = edet B= det E det B3 oo. 9] 2-2-1 a1 11. det A = 0; 1a matriz no es invertible. 13. det A = 0; 1a matriz no es invertible. o 1 0 wf 2-1 2 o 1 3 -20203 Problemas 3.11 Ejercicies de repaso de la unidad 3 6 3 Lp ow 69 6 2 3 3.|-20 10 -1 -35 8 16, 8 -10 20) 18 ° Unidad 3387 17, 21, Por el teovema 2, (A)(adj A) Por el teorema 4 det A (Aadj A) es la matriz cero. (det A). Por lo tanto ( cos? send 0 send 0|=cos* a + sen?@=1, V8, oo 4 23, cost por lo tanto la matriz tiene inversa que es ( cose send 0)’ (cosd send 0) =sen@ cos? 0| =|sen cose 0 o 0 1 o o4 1 9. 23 °5)\fo -12 a [-1 6 af} 3 12 10 6jl-7 35 26 16 35 =|-18 19 30 42017 32,8 [RESPUESTAS A PROBLEMAS IMPARES wu (8 Sine B C 4) \o of 3) simétrica. -2 0) (o -5 -6) 27. A'=|5 0 -4| Aes antisimétrica 6 4 0 (1-1 4 6 1 37 29. yay | simi.Unipap 4 Problemas 4.2 Problemas 4.3 ML. 1B. 15. "1. 19. 2. u 13 Si . No: in); tampoco vi) se cumple si a <0 Si 1. No. Como se requiere que todos los polinomios sean de grado $, cualquier polinomio de grado menor no pertenece al conjunto, por lo que no existe neutro aditivo ya que 0 no es un polinomio de grado 5. (oa) fo a\_( 0 ata 85 i aloe oh (oo 0 a) mG serial? oleae elresto de los axiomas se derivan del teo- ema 1.5.1 Si, es un espacio vectorial trivial. No; iil) O#V; ) si p(x) eT, entonces p(x) €V dado que no tiene un término constante positivo; vi) no se sostiene si a<0. Si No; ), i), iv), vi) no se cumplen. Si 21, Si Suponga que 0 y 0" son identidades aditi- vvas. Entonces, por definicién de identidad aditiva,0=0-+0' yo" =0°+0=040° Asi, 0= 0" |. No; porque a(x, y) ¢ Hsia <0, . Hes un subespacio, 2(1, 0) = (2,0) eH tee o, ( ra) (ot ean o ol o 0 Unidad 359 25. Para x, y en Vdefina z como z= —x + y. zexiste ya que toda x tiene un inverso aditivo —x y Ves una cerradura bajo la adicién, Entonees x + =x +(-x + y) (x-x)+y¥=0-+y=y. Suponga que existen zy 2’ tales quex +2=yyx +2 = y. Entonces z= —x + y = 2’, Por lo que z es tnica, 27. Sean y y y, soluciones a la ecuacién, En- tonces Mr aGAy, + OI) =O + ala)ys + b()y, (2) =0 Entonces 04 +9, Fa, +5)" + BIO, +92) =DT+ ala)y + b@)y] + Df alayy, +2009] =0+0=0 cde manera que y, + y, es una solucién. Si- milarmente, (031) + a(x)(ay,) + 6) (ay) = aly! + alx)y + Boy) = a0 = 0, con lo que ay, también es una solucién, y la cerradura se cumple. Como —y, = (-Dy también es una solucién, se tiene el inverso aditivo. Es sencilla la deduecién de Ios otros axiomas. 15. Si 17. Hes un subespacio, 19, Hes un subespacio, 21. Hes un subespacio. 23, Hes un subespacio. 25, Hno es un subespacio, H no contiene a0. 27. a) SiA,, A, € H,, entonces (A, + Ay, = (A)a, + Ady = 0 + 0= Oy (A), = ‘a(A,),, = a0 = 0, de manera que H, es un subespacio. Si 4,, 4, € Hf, enton-360 RESPUESTAS A PROBLEMAS IMPARES. At A, Co re) (a +a,) (B+ 6,), =[7 Fem, Ademas, dec “el ={~¢ 4)exn, dec y por lo tanto H, también es un subespacio, - fac pe a=(2 Sh romnate 4 4 0 4 lt SG a] eian-[2, %)+ a oon ft x, € H. Ademis, A(ax,) = dx, = a = Ode manera que ax, © Hy Hes un subespacio. = (pte MDYV= (do 25:0) € HBntoncesu + ¥= (x, + xy, 2, bay w, + w)yalx, +x) + 60,49) + ele, +2) + dln, + 7) = (ax, = Py, em, t dw.) + (ax, + by, + ez, + dv) = 0+ 0 = 0, de manera que w+ ve H. Similar. 3. mente, a = (ax, ay,, az, a) ¥ alex.) + Blay,) + e(az,) + dlaw,) = aax, + by, + cz, + dw,) = a0 = 0, de manera que au © H.Porlo tanto, Hes un subespacio Sean x, y € H. Entonces x = u, + ¥, ¥ u, + yy donde u,,u,e Hy yy, ¥, € H, Entonces x + y= (a, + ¥,) + (a, by) = (a, + 4) +, + ¥). Como 14, y H, son subespacios,u, tu, eH, y¥, + ¥¢ Hy de manera que x + y ¢ H. De igual manera, ax = a(u, + ¥,) = au, + av,, Pero au, € H,y av, H,, porloqueaxe Hy fs) () y, no es un os) iltiplo de v, ya que los vectores no son MMs det A= x,y, — x,y. Sidet A = 0, en tonves x, 3 = x, 3, 0 868, Xx, = yl, (six, = 0.0», = 0, se puede obtener una conclusion similar). Sea e = x,!x, = y,/Y Entonces x, = ex, yy, = oy de manera quev, = cv, lo que contradice lo establecido. Asi dot 440. Seay = ( », otro vector en R*, Se quiere encontrar escalares ay b tales que v = av, + by,, 0 (Goo) etn es decir, Como det A + 0, este sistema tiene una solusisn nica (eo () Entonees ve H, lo que muestra que R CH. Pero se tiene que Af = B®Problemas 4.5 un. 18, 15, m. 19, Si RSL -15 | x) 2 2249/5 33 ]2 10 3 | yldtes2 O12] ylaowia 00 0 | e-G/ary Por lo tanto, sélo podemos resolver si 2 (392)y = 0, quees la ecuacis del pla- xno que pasa por cl origen, Por lo tanto los vectores no generan B Si 9. St No; por ejemplo x ¢ gen {1 - x,3 2°} si No generan My, Suponga que ax? +x + 6 ya? + bx + c, generan P,, Sea ¥, = (a, b, ¢) para i= 1,2. Seaax’ + Bx tye P, un polinomio diferente de cero tal que (a, 8, y) ¥, = 0. [Observe que podemos encontrar un polinomio diferente de cero con estas caracteristicas, dado que (a, , y) “¥, = 0 es un sistema homogéneo de 2 ecuaciones Y tres ineSgnitas] Suponga que ax? + Bx bya dlaxt + bx +e) + dla? + bx = cj) Por lo tanto, (a, B, ¥) * (a B. = (a. B. ¥)* (dy, + dy,) = 0. Pero esto es una contradiocién, dado que (a, fy) #0, Por lo tanto esos dos polinomios no pueden generar P, uscy teste tayyy + dy¥y. Por lo tanto, dy, + (et dy tt Gt dy, +d, rH 4 dyy,y au |. Independiente, . Dependientes. 2), (8) ( 3) taf] seme a orien te independiente. Unidad 361 = (acy, + (ae,yy, +++ (aay, estén contenidos en gen {¥).¥y.+ + ¥0) 21. Utilice Ia induecin sobre n, Suponga que ¥, € H. Deacuerdo con esto av, ¢ H para todo escalar a. Por tanto, gen{v,} H. Suponga que gen{y, ¥y....¥,) SLY Yue H Seay = ay, ay, to + ay, F ety, Nye Se asume que ayy, +--+ any, € Ho cual implica que a, .,¥,4,€ HE Se tiene que ve H, Por inducciéa, si {y,. Ye. ¥,) ©H, entonces gen(y,, ¥,, WICH. 23. Dado que ¥, ¥, ¢s perpendicular a y,, vy, de abi al plano generado por ¥,¥,¥, Xv, "x = Oesla ecuacién de un plano, cloual contiene ayy, + 4,¥,. Al expan producto cruz se muestra que (y, 2, ~ = BIE + EE) + OY, VDE 0, es una ecuacién de un plano que pasa por el origen, el cual contiene 7 = gen {y,,¥,}. Dado que y,,¥,to son paralelos, Xv, 70, de modo que esta ecuacién es la ecuacién de un plano (y no s6lo 0 = 0) 6} » Observe que cada matriz ¢s in- 25, Considere (0) vertible. (3) 7. Dependiente (por el teorema 2). 9. Independiente, 11. Independientes, 13, Linealmente dependiente.362 [RESPUESTAS A PROBLEMAS IMPARES 15. Lincalmente dependiente, pues 4 vectores en B" son siempre dependientes (teorema 2), 17 Independiente. 19. Independiente 21, Linealmente dependiente. 23, Linealmente dependiente. 25, Lincalmente dependiente 27. Linealmente independiente, 29. 31. Observe que-2] -3]=| 6 |. Por lo tan- a) \-2 to el conjunto de vectores es linealmente dependiente para todo niimero real a. 33. Siy,,...,¥, on linealmente dependientes, entonces existe una soluci6n no trivial (c se) dee,¥, +++ + ¢,¥, = 0. Entonces y+ Gy 0) 68 una solueién no trivial dey bb ey} eaihyas = 0. Por lo tanto, y, .-, Yp Yy, 808 linealmente independientes, 35. Suponga que ¥, y ¥, son linealmente dependientes. Entonces ¥, ~ av, para alin a # 0. Entonces ¥, + ¥, = aly # 0 dado que y, ¢s un veetor diferente de cero, Esto contradice el que v, y¥, sean ortogonales Por lo tanto, ¥, ¥, on linealmente independientes, 37. Suponga quey,,¥>.-.-.¥, som linealmente independientes. Entonces ay, +a,y, + ¥ 4,¥, = 0 sélo tiene la solucién trivial Asi es que al resolver no hay variables arbitrarias, por lo cual cada columna en la forma escalonada por renglones tiene un pivote, Dado que hay n renglones y n co- Iumnas, cada renglén tiene un pivote, es decis, no hay reglones que sean cero en la forma escalonada. En cambio, sila forma escalonada por renglén de A no contiene tun renglén de ceros, esto implica que la inica solucién a Ax = 0 es x = 0, dado que n renglones distintos de cero implican rn pivotes Por lo tanto, ¥,, vy... ¥, Som Iinealmente independientes. 9. ! 17-1] > 2 3-8 110 r-1 7-110), 0 5-2 310 (i © 13/5 2/5 | 4) 0 1-2/5 3/5 | 0, Asis que si se resuelve en términos de x,, 2X, da por resultado % 13/5 2I5 % 2215 315 xf > | 0 x 0, 1 | *| x at. 5] ~8 |=] y) {x 0 -r “1 ° of come, e. o 6, arbitrarias #5. a) wry =0 => (12,3) (y, > 42, 43%, ‘Como tenemos una ecuaci6n y tres in- cégnitas tenemos un miimero infinito de soluciones, tenemos que mostrar que Jas soluciones son un espacio vectorial, de modo que si escogemos w y 2 tales que wew=Oyuz=0 uta) suwturz=0 La suma w + z cumple con que per~ tenece al mismo conjunto que w, 2. Si ahora u: (aw) = a(uw) = Otambién, aw pertenece al conjunto ~. Ia soluciéa infinita forma un subespacio de 2’Problemas 4.6 47, 49. si, 58, ijk oO |-2 1 0 [=i+2i+3k 301 @) w= w = quesonlincalmente dependientes. 0) H consiste de todos los vectores per- pendiculares a u, H es el plano normal aus wx X yes perpendicular al plano, Como wy w son perpendicula- res al mismo plano, deben ser linealmente dependientes, Se pueden escribir tres ecuaciones con cuatro incégnitas, el sistema es homogé- neo y siempre tiene un miimero infinite de soluciones. Setiene un sistema den + 1 ecuacionescon n+ 2 incégnitas, el sistema es homogéneo por lo que tiene infinitas soluciones. Suponga que 4,, ,, Ay Ay Ay Ay ¥ A; estin en M,,. Considere resolver a,4, + Ay + Ay * aA, + OAs + OA, + aA, =O para (a, dy dy de dy. dy, di). Esto genera seis ecuaciones homogéneas con sicte incégnitas Entonces, sin importar Ins matrices dadas, habré siempre una solucién no trivial. As{ que cualquiera de las siete matrices de M,, son linealmente dependientes 3. Observe que S, 9 S, es un subconjunto tanto de S, como de S,, cada uno de los cuales es un conjunto linealmente independiente, Entonces, en virtud del blema 43 5, nS, es linealmente indepen- dicate. (Observe que el conjunto vacio de vectores es linealmente independiente, asi queno se requiere que $,"S, sea un conjunto no vacio.) Seaay, + aly, +¥) tot ayy, ty, + +4,) = 0, Entonces, tenemos (a, + a, Fajy, + (a to1 tay, tot 4,¥, = 0. Como {¥,¥p, + ¥,) €8un eon jjunto linealmente independiente, tenemos |. No; no genera, Si 8. Si No; no genera, 59, ol. 63. 9. 1 1B. roe Unidad 363 ata, tota,=0 a,+-+a,=0 En virtud de la sustitucién regresiva, tene mos 4, =0,4,_,=0,-..,4;=0, 4, =0. Por lo tanto, ¥y¥) + ¥y-0 4) EY + y, son linealmente independientes. Si todos los vectores son el vector cero, centonces hemos terminado. Si no, entonces sin perder la generalidad, asuma que ¥, es un vector diferente de cero. Dado que {¥,,¥,} ¢s linealmente dependiente, v, = ayy, para al menos una a,. Como {v,, 1} €s linealmente dependiente, ¥, = a, para al menos una a, Si continuamos con este procedimiento, vemos que cada vector es un multiple de y, AG) f,2) F009) A) Ki) FM) KP) 09] 5 Inc Ite a Neoesitames [7S 18] =a - 0) (1+ 6 == 4e# 0, Porlo tanto, los vecto- 19s son linealmente independientes si e 0. Suponga que {¥),¥,,---Yy ¥} es un cone junto linealmente dependiente, Como {y,, Vy ¥,} €81un conjunto linealmente independiente, entonces ¥ = ay, +--+ @,, Para al menos una a,...,,¢ Ren virtud del problema 56. Entonces'v © gen {¥;,¥p-- Vy}, que es una contradiceién, Por lo tanto {¥y, ¥y «++ Yy ¥} €8 un conjunto linealmente independiente + x°, x. Cualquier cuadritica con un término x diferente de cero fun- cionard) Si No todos los vectores son colineales. No.364° RESPUESTAS A PROBLEMAS IMPARES (2/3)y-2x (2/3 ( 0) (0) (0 le 1) fol Jo 5 “| Por lo tanto, os vectores 1 0) fo) fo x) (ar) 3) (( 3 o|} af Jo} jo ” 1 2 [P off offifyfo z 1 i} | of} of Jo} |x . ° la} L-3} a) la, 19. a) Suponga que (x, 91.2), WY. ,) estan en H. Entonces, a(x, + x,) + BO, Hy) Fee, Ha) + do, bw) = ax, + by, +e, + dw, + ax, thy, 23, | forman una base para H. 1-210) f1o0jo |>| + cz, + dw, = Oy alax,) + Blay,) + (3 110; Lo1jo) ela) + dlaw,) = alax, + by, + «2, + La solucién es el subespacio trivial fny=0 Porbotate,HesunsbapacodeRt. —_/-2)} b Dado que abed# 0, ao diferente de 25. || -3]} cero, Entonces, I Jl \ (-by+ctdwyla 2, Hespacio slucion etl ivi = Y|- z (2 2 9) (2 @ 9) (0 0 0 \w) w 2. Jo 0 ofJo 1 ee ap 1 0 0 Nea] few o 1 o} oy, Lo Loo boy Be Sy Ademis, ad = a" = (a) Asi que ad € S,,, En virtud de lo anterior, (-b1a) (cia) (-dta\ 5,, ¢8 un subespacio de M,., Para i = j, 0 0 sca b, Ia matriz n X n con b, = b, = Ly 0 0 en cualquier lado. Observe que ambas B, son simétricas y linealmente indepen- u, dientes, y cada matriz simétrica se puede escribir como una combinacién lineal de B,, Por lo tanto, (By: 1 = i= j=n} es una base para S,, y gen S,, =m + (w— 1) + mnt) yee Por lo tanto, una base para Hes off 4 {ofl of 9 dim H=3 (ree 4 2+ 33. Son linealmente independientes. Ea virtud del teorema 5, constituyen una base para V 2x,—3x, tx, 44x) 2)35, Suponga que existe ve Ktal quev ¢ H. Sea (u,,u,,....4,} una base pata 7. Ea- tones, {u,,t4,..., 4, ¥} €$ un conjunto linealmente independiente contenido en K Esto implica que dim K= n+ 1> n= dim H, 10 cual es uns contradiceiin, Por Jo tanto H = K. SiH = V,emonces K = (0). Si HT = (0}, entonces K = ¥. Suponga que Hes un subespacio propio. Sea {M. ty... %) tuna base para Hy sea dim V =m. En virtud del problema 32, exsten vectores gue Mesa oe My fal gue Op Wyse 4.) es una base para V, Sea k= gen (¥, Ney os Ye Resulta evidente que #7 + °K = V. Suponga que ve Hm K. Entonees, vDan= EB sultado Ya;y, - Jy By, =0.Porlotanto, 37. slo cual da como ree cada a, = Oy cada B, = 0, y de aqui se desprende que Hm K~ {0}. Esfalso que Ksea cen R, K puede ser cualquier linea que pase por el 0, con pendiente diferente de cero. Suponga que ¥,, » ¥ son coplanares. Si los veetores son paralelos, dim gen {v,,¥, ¥,} = 1. Si al menos dos de los vectores no son paralelos, entonces, dim gen {¥),¥» ¥,} = 2. Por lo tanto, en cualquier caso, ddim gen {¥,, Yy ¥,} = 2. Por otra parte, v=o 3. ps2 veal 1-12 8.| 3 1 4]=2240-p=3"=3-3=0 K-10 4 1 p=2 9. p=2, pel pad pal 1B. =-1F0p=d:y=4—4=0 4] 1 ° 1 at. 4B. 15. 1. 19. a. Unidad 365 asuma que dim gen {¥,, Vy} = 2. Sila dimensidn es 1, sea {9} una base. Entonces Y= avy, = AVY = 79. Sila dimension es 1, entonces a, 0 y sea cero. Podemos 8 = % yy lo cul demuestra que los wetores asumir que a0. Entonees, v, =v, yy, son paralelos Sila dimension es 2, sea (u, v} una base. Entonces, v, = au + By, ¥) = au + By, = au + By. Por lotanto, WW Y= H [aya w) + Byoyly X W) + GB/UX ¥) + BBO X W] = ay + Baia (X ¥)] + BlaB, ~ Bay (ax y=0 SiH = V, entonces H tiene una base, Su= ponga que H es un subespacio propio de V, entonces, como V tiene dimensién finita, se desprende que Hes generado por un mimero finite de vectores. Sea {¥,, Vs ¥,} un subeonjunto de 17 que genera a IZ. Con el método que se us6 en el problema 34, podemos reducir este conjunto generador hasta que tengamos un conjunto que genere a Hy que sea linealmente independiente, Por lo tanto, H tiene una base. ja 1 ital fat al 10 a=[1 0 1)=-aa-a)=0. joa al fo a | Los vectores nunca forman una base para B', dado que para todos los valores de a, los vectores son dependientes. p=2, p=3, pode Base para el rango A 1-12] 0) f1 -1 2 + 3 rajol’lo 4 -6 Lo W240 > | base para (: 1-3/2 | ) » -12 3/2 1366 2. 25, 2. [RESPUESTAS A PROBLEMAS IMPARES c,,enton- Observe que ¢, = -2e, ye, = “1 2h ces, la base para el rango 4=/ -1 2 14,0) f-120 lol Wy Observe que en virtud del problema 15, dim C, = 2, y las primeras dos columnas de A son linealmente independientes. La (1) (-1) [aif bese para elrango 4 {]1).| 9 (2 En virtud del problema 17, dim C, = 3 Observe que as primeras tres columnas de A son linealmenteindependientes, La base seamaelill*\{ 2 sit of Continuando con la reduccién (-1 -1 oo 10 o 0 23 0), 4 0-21]0 {3-1 0410 fi 1 0010) o-4 2 1yol o 0 2340 0 0 00), (1.00 11] 0) O10 -110 0013210 ooo o}0) (>) wwepsam, || ofl |?>]| 33. No, 35. p(A) = p(A, b) por lo que se tiene solu- fl -2 1 14 2) aff 0 2-21 -8f, 4-1-1]. \s 0 3-1] 0) 12 1 1 2 0 6-1-5 | -14| oO 4-1-1; 1 0 10 -2 -6 | -12Problemas 4.8 39. 41, 43, 1] 2 -s | -4 “7 | 31 “7 | 34 (A, b) =>. No hay solu- Dado que A es una matriz cuadrada triangular inferior con ceros en la diagonal, el renglon superior est compuesto sdlo por cceros, asi que hay menos de n pivotes en Jn diagonal en forma escalonada. Por lo tanto, p(A) O de manera que existe una x #0 tal que Ax = 0 187) ( -46 Imagen A -35|,] st 257) |-148, p(A) = 2; (4) 284) (0311 -osuo| | -1216 Imagen A = gen 4] ~.0965 |,| -.4270 |, 795] | 0905 0110) | -.3365, 0.207) (04st asi] | 0904 5847], 3574 |p; p(4) = 4i0(4) = 1 1604 | | —.4730 —anas} | 3101 1_{ a&x-by ad —be| ex + ay368, [RESPUESTAS A PROBLEMAS IMPARES 1-10 rit uc=| 0 1 thew=4]-1 1-1} -1 01 rio x xtyre Loo: z » 2 xtytz, 2x+Iy-7z 31 6x ~My +102 31 2 8 1 3 epee al . 15, a, taxa, =a, +4, 44,1 +a (e-D+a,° =D 1 1 Aa, +a, +a, +1+ h(a, +4,-4, 17, Fla +4, aN D+ 5a, +4, —4,) @-)+a,08 =} ytaxta, 19. 2x? — 3x4 +5x—6 = —16(1) + 10(x +1) <5 tx) 4207 49°) +5=80)- 71-9) +40 = 9% 39. 41, 4B. ay, = Mea, = -8,a,5 = 23,45 = 13. oe aS) Linealmente independiente. . Linealmente dependiente. ). Linealmente independiente, . Linealmente independiente, Linealmente independiente. ‘pi'(0)=0 implica que el cocficiente del ‘érmino x’ es cero para cada polinomio. Entonces, el reagln j + 1 dela matriz A sera un renglén de ceros. Asi que A no es invertible, lo cual implica que los polino- ‘ios son linealmente dependientes Observe que Ia matriz A (como en el ejemplo 5) tiene el primer renglén de ceros Por lo tanto A no es invertible lo que implica que las matrices son linealmente dependientes. Como los elementos de la base son (1, 0) ¥ (0, 1) en las coordenadas x' — y" corresponden a (cos 0, sen 0) y (~sen 0, cos @) en las coordenadas x — y, la metriz. de cambio de coordenadas es = 23) La 5 aS ( 2\- “ —t afte} ze We Observe que ‘omo Ces Gu} invertible, las n columnas de C son linealmente independientes. Entonces C, i = 1,..., mson independientes. Como dim v {Cy G,) es una base en. v.Tig Mig Ia 1 45. Sea CA = Suponga ° Ura ta hw CA = 1 Rntonces (x)p, = 1(8)y, = CA ° (py para cada xe V. Suponga (%)p) a CA(X)q,, para cada x ¢ W. Sea B, = (Vi. ° (1) ilar para v= |, =8 V,}. Entonces (¥)),, = || = ca io) 1 0) (a ela, 5. sean-[ sn (5} Comoad=be#0, entonces, |y,| # 0. Por lo tanto, a +e act bd (ere \ ° . fa +e } “Had — be) (@° +8) yy adhe { afad—beyi(a + by} Yao sy oie [WE bef TTI TET) | (@ +e yl @ HR yM@ +R +e) \ J (-2) (2/3)| 7. Elconjunto deveetores j| 0], 1 ilo of} 1} fol fo * “48, Losveetores}0},| 0], 1]y| 0 |forman f1\{ 0) (0) (0) forma una base para 7, Por lo tanto, u, = (aif) 245 to} la} la} la ~ WS ° una bate para 7 Eatoneesu,=| 0, ai ° 4535. 23) \ } (2370 RESPUESTAS A PROBLEMAS IMPARES ( 57) (1) siy7| | sit ol-} 1 ° ° -3J7} | ana 21210) sif210 yu,=] 141/210 | Paraencontraru, caleu- ° uy210 lamos yj =¥,— (4) 8, — (4) 4 — / vw3) (o ° ° w-ua-fof-2} ° fey “ 23 ( 6170 -2/210) S70 sif210 ol- 4 14210 o} ° | sy wi0 Problemas 4.10 1 (4A) A) (A, A) = implica que oj = 0 para 2,...,mde manera que A = 0. Si A = 0, entonces (4, A) = 0. (-sns 4s =| -4715 |, yentonces u, =| 4/465 1 15) 465 ans | Nas, 17. (-71Y 86, -11f 8, ALY} . PQ= 5x (PQ) = (PONPOY = Fy 213 det Q = det Q det Q = (det QF. C = det J = det Q'Q = (det Q)’ se tiene det o==1 25. ju, — ul? = (a, — u,) - (@, — w) = fa ~2u,-u, + Iuh=1+0+1=2 > hy =a = V2. 27. Para tener indlependencia lineal se necesi- taquea’ + 6 ¥ 0. Para tener ortonorma- lidad se necesita que a + 5 = 1 fii) (A, B+ ©) = ay by, + oy) + yg Pue * Gag) = Aub, + antu to abe * Saban = Qyiby +--+ hg) F (Gye FoF Ogg) = (A, BY (4.0)iv) Similarmente (A + B,C) = (4, 0) 4 (Bo) ») (A, B) = (8, A) = EA), ya que todos los elementos son reales y 0,), da, vi) (AA, B) = (aay), +9 + (00) by Fa layby FF ddd = 2 (A,B) vii) (A, aB) = (@B, A) = (aB, A) = a(B, A) = a (4B) = a (4, B) . Sea E, la matriz de n X ncon un Len la posicién i, /y 0 en otra parte, Es sencillo ver que {E,, Ey... F,) es una base ortonormal para D, (eal) bale ). Primero observe que si A ,),entonces (a). y B (45), way S$ Sap i) (4, A) = tr(AA) ‘jee ii) (A, A) = O implica que a} = 0 para todo Fy jon lo que A = 0. Inversa- mente, si A ~ 0, entonces 4’ = 0 y AA'= 0 porlo que te(44} = 0 iii) (A, B+ C)= LAB + CY) + LAC" + C)] = te(AB' + AC) = te(4B') + WAC) =, B) + (4, ©). iv) De manera similar, (A + B, C) = (4,6) +B.) Sab, = w(BA) + (B, A), Unidad 371 vi) (@4, B) = tr(aAB') = a tx(4B') = a4, B) vii) (A,B) = (@B, A) = a(B, A) = aA, B). HSER HC PEI O He 13. a) i) (p. p) = pla)’ + pb)’ + p(oY = 0. ii) (p, p) = 0 implica que p(a) = pb) ‘p() = 0. Pero una cuadratica se ak Entonces p(x) = 0 para toda x. In- Sa pen way tar (p. py = 0. iti) (p,q + 1) = playigta) + r(a)) + p(bYig(h) + r(b)) + plevigle) + ro) = [p(@qla) + p(b)q(b) + pleg(e)] + [playr(a) + plbyr(b) + plow) (p,q) + (p.7). vom. (pn) + (qn) ¥) (p,q) = pladgta) + p(b)g(h) + plegl) = gla)pla) + g(h)p(b) + gloplo) = (q@P). vi) (ap, q) = lap(a)]qta) + [ap(b)jg(b) + [ap(o)}q(o) alp(a)q(a) + pbb) + Plog] = ap. 9). wii) (p, ag) = (ap, 9) = @ (q, p) = a(p, 9) el b= -lyp@) = - De +) ~ 140. Entonces p(a) = p(b) = oy ieatinara cdma soa ratio 15. (3372 Ejercicios de repase de la unidad [RESPUESTAS A PROBLEMAS IMPARES 19.0 MW. 1s 2x 438 = ee(iceal (ina) _@»)_ jo wo Te Telivi Tetivd oy IvF ~ieh [eure] [af lellvl Wwe ivf Ahora siz = a+ bi, entonces + bi) + (a ~ bi) = 2a = 2Re ay z = 7 = 2bi iim). Asi, (@,¥) + @¥) = 2Re tu, y),y 2Rewy) 5 gu, Rel.) lully “Tally Sea? un nimero real. Entonces 0 ((hu + (u.¥)v), Gu + (a, 9y)) = Ul + [, + AGE WDE, ¥) + Ma, vMC¥, w) = (ya que A es real) Hu’ + 2A4(a, P+ (ea, PE La Ultima linea es una ecuacién cuadritica en 2. Sise tiene ak? + bh = ¢ = 0, entonces Ia ccuacién at? + bh + ¢= O puede tener a lo més una raiz real y, por lo tanto, b? ac = 0. Asi, (Ku, ¥)F)* = A = 00 fea, P= lor? y Ku, vy setiene 2 — gon ((-15x° + 16x — 3), (Q0x = 30% + 12x - 1) 30x? +52y +19 20 (20x! + 30x? = 125 FD 20 2 8 a. 24 -4£)\ Gex- 3 =} 3Qx-1) 1. Si; dimensidn 2; base (1,0, 1), (0, 1, -2)} 3. No, ya que si (x, y, 2) satisface x + y + 25 0, entonces —(x, y, 2) satisface x + y+ 2 = Oy este punto no pertenece a la primera desigualdad. 5. No, no lo es; (I, ~4, 3) satisface la ecua- idan, pero (1, 4, —3) no. 29. IL 2 salts x f56x" 6x +), = —0.8346x* — 0.2091x = 1ois4 Loa | 2 2 le tys 22 2. Se verifican las siete condiciones en la pigina 252. N= [FFA Reo vagus =0ys?=0 ii) Se deduce del inciso 0, iii) (f.g+ =f GFR =[ Re tarary {v) Similar al inciso ii), vi) (@ fia) fia femal fe vii) (f.ag)=[ s@x)=[ fan af fea.) Si; dimensién [n(n + DY2: base (Ej = 1}, donde E, es la matriz con un I en la posicidn i, jy 0 en otra parte. Ia base es (1, x, x7, x', x4); dimension sla base es:1B 1. 19. 21. 23, 27. 29. 31. (1 0) fo 0) (0 0) oof fi of, fot lo o} lo of lo o (o 0\ fo oi] o of, Jo of}; dimension Si; dimensional infinito, Linealmente dependiente, Linealmente dependiente. El conjunto de vectores no es linealmente independiente, Lincalmente dependiente, Linealmente independiente 13-5 5.0 $|=—180= lineatmente in- 24 6 dependiente. 23-1 by =|1 -2 -4|=0-> linealmentede- 46 2 pendiente. y= Dus base (ok dimensiba = 1 ali Dimensién 3; base {(1, 0, 3, 0), (0, 1, 1,0), (0, 0, 1, 1)}, Gx, zy, w). Dimensién 4; base (D,, D,, Dy D,}, done de D, es la matriz. con un niimero en la posicion (i) yO en otta parte 10 oo} 00 10, (oo loo (oo loo 1) o} 0) J 37 39. aL #. Unidad 373 1) v(4)=Lrango d= gen 4]2],| 0}, -1 No} l-2 (A)=2, Imagen 4 = BR, N, = (0); (4) = 3, Wa) =0 (1) (3 2| |r Lf yh ee 2, if lo (A) of a (1-1 23) (1 -1 23 o 1-10] Jo 1-10 + 1-2 33/°fo 1-10 2-3 56) lo 1106 flo 13) (—1\ (-3))| aot tol, < ea! iff 0 oo a0 iff el 09 0 9, oly) ir) ° (A) =2,rago d= gen)” . by P(A) = 2. {110} if 3-3 2) c-Jo12fet=t] 2 3-2 103 “222 (-3) 17/5) ct] 4 2s 2) | isis} (2 j--a( 2).2(t 9) 1fo 0) _1fo 1) ah i}-al ali i)"2lo -1374 RESPUESTAS A PROBLEMAS IMPARES ©. Sh proye'= ese! +250 + chiset 67) += (3e* - 61) PL0,2] ise’ 6 R02) wi Js syle eon 10 y= bast toe wi ya 6 16) Univap 5 1. Lineal. 3. Lineal. 5. Lineal, 28, No lineal a menos que a = I ya que T(aD)=I+aD#a(I ~ D)=aT(D), 7. No lineal, ya que 25. Lineal 27. Lineal. \ 29, No lineal ya que mientras que x) fn) Tap(x)) =ap(x) + [ap F aT (px) a7] pt np (2 ‘) S31. No tineal a menos que a = 1 ya que Taf) =af(x) +1 Fal f(x) +) =aT(f(x)) 9. No lineal ya que ral *)) ofee)-(e \«er(*) 33. Lineal (tes Heth) 35. Lineal U1. Lineal, 13. Lineal. 15, Lineal. 37, Lineal, 17. No lineal, ya que 39. La transformacién T hace una rotacion de vectores en el plano xy de 180° 19. No lineal, ya que TA + B)= (A+ BA +B) TA) + TB) = A'A + BB 21, Lineal. a47. ML. 13, 18. 1. Tay) T(0)=T(x-x)=T(x)—Ttx)=0, si Vy W son diferentes los dos ceros pueden ser diferentes. (4, av) =u, VFA, Y= aT(v)a menos que ae L . Sea T, ELI, W) y T, ELV, W). Como G+Tya+y)=Tary)+hery) FO)+T9)+7,)> 20) = FT )@)*C +79), yademés (I, +1, )(ax) = Ty(ax) + Z,(ex) =a(N(x) + Ty) =a +7, Xx), se tiene Niicleo = {(0, ):y'¢ W}, es decir, el eje ys imagen = {(x, 0): x € B}, es decir, el eje xs p(T) = (1) = 1 Niicleo = {x]x = 0}, »(7) 2 0, mT = fone x} 0c 1 Nal) = (Gy 2, w)Ly=—2 yy =} v1)=2, mT = RP, p(T) =2. wre 2) 00 Imagen = M.., MT)=4, (iT) =0 Nuicleo = (4: A! = —A) = (4: A es anti- simétrica}; imagen = (4: A es simétrica); eT) = OF + nyi2: oD) = (n? = ny Nu) = (SOLFO =a, +44 a, 4, eB} WT)=2. lm =(F € C10, 1] pT) =00 (0,.0)}. (7)=0, Im Para todo ve, v=ay, +4,¥, + para algin (4, 4,, ...,4,). Entonces TW=Tay, tay, + +4,¥,) av, sav, + taTy, ay, tay, totay, Por lo tanto T'es el operador identidad. Nu(7) ¢s un subespacio de BR’ que con tiene al origen. Por lo tanto del ejemplo 19. mL, 25, Unidad S375 cerradura en la adicién. Como (aT) @+y)=aT(a+y)=a(Ix+Ty)=a7e + aly =(al)x + (aT)yy(aT (6x)= a6T%) =BaT(x)=PlaT)x entonces se tiene cerradura con el producto escalar. Observe que la transformacin neutra es la trans- formacién cero, y para cada clemento Te L(V, W), entonces (-T)e LV, W)y T+(-T)=0. El resto de los axiomas se satisfave a partir de las reglas dela suma y la multiplicacién por esealar de funcio- 4.69, lmT o es a) {0}, 0 5) una recta que pasa por el origen, 0 ¢) un plano que pasa por el origen, od) R. F C10, IE xf") =0, Vx €10, 11) (a) constante €[0, 1] ln = (af): f(4) € C10. @) Suponga que J, 7, €U. Entonces pa racada he H, (I, +T,)h=Th+ Th = 0+0=0, y (a7h=a(Ta)=a-0=0. Por lo que Ues un subespacio de L(V, vy By dimU = n(n). Dehecho extendiene do una base de H.{u,, base de V, (0 Te Ves Tu) 1y,}, por lo tanto = Te) = Tu.) sonn—k En particular 7(w, ,,). vectores arbitrarios en el espacio V de dimensién n. Por lo que si 7, T,(u,)=0, [#i, k Osufcientemente pequetio con y= 0 ( Dado que k>0.y,#0y| 4 Yup =¥, =0. Esto dice que e* Aes un Vibe eataterii de Ade modo que (*) Cr") Sian, esto eo VER. Histo husstea 2, para algiin Pero 2) que cada valor caracteristieo de 4” es la ima potencia de algin valor caracte- tistico de A Se tiene que p(A)x, = p() x, para 1S i = k Entonces p(h,), 17k, son valores caracteristicos de p(4). ‘Utilizando los resultados de los problemas 23.26, se tiene que & = 2 es un valor ca racteristico con multiplicidad algebraica 4 Para A, la multiplicidad geométrica es 4 Para A, la multiplicidad geométrica es 3. Para A, la multiplicidad geométrica es 2 Para A, la multiplicidad geométrica es 1 fa Observe que 4° | '|="} ya queta suma yu de las columnas de A es 1. Por lo tanto | es un valor caracteristico de 4' con vector t caracteristico |! |, De modo que 1 es un 1 valor caracteristico de A ya que det (A — 1) =det( a" —1)=0 (}382 RESPUESTAS A PROBLEMAS IMPARES. fe H [E 16-12. 14. 18. los valores caracter = 41, 62 Bat BP aH 4 F E ee 53 4 ne E24: 43: 33: 38: [aiemm ema TTETTE, fF psssazrerseae.a.) | Seegeaaierses 8. 8005, iseaSessiese?,o) tus. se1424d0s,0.) lair tctanacTe {ramecesanemCeETn| ‘con vectores caracteristicos los valores caracteristicos son ( cassaroenssne.0) (eseenesoun.o) artaiasociea,-4sisssestziea) qartateoeatne astssesizseay (soesauss74,0) @S6772482855,0) GH ASUASASGHIR-SoON2s7HS6) —_COSH4ASDISGIIRD, 30088269565) s0s0EGONI06, 0) (6145200, 0) ay ay any 0) )Geastasssrans, neasisounasEa) — @76se4ts042.0) sowosesoue7.0) — Geseseninas.0) —_Gastasssrasis, rossisna2s eat, -ainsonnsay —cansaaniee.0) wo Gérmonoueis.o) G21 2wsOENIR) EAL 49. 5. 51. 2. Problemas A.2 ° i; 30); clac=|0 o ese 5) 9. sien] ctac=]0 2 2+ trai 00-121. 23, 29. 31. Como A es semejante a B, B= D™' AD para alguna matriz D invertible B es semejante a C, C=E™BE para alguna matriz E invertible, Entonces C= ED ADE = (DEY A(DE). Por lo tanto A es semejante a C. Suponga que Ces invertible. Six © Nu(4) entonces CAx = CD = 0. Por lo tanto x © Nu(CA). Six © Nu(CA) entonces Ax = 0 ya que Nu(C) = 0. De modo que xe Nu(4) siy sélo six © Nu(CA), Por lo tanto »(C4) = v(4). Ahora suponga que x © Im(4), Entonces existe y tal que Ay =x. Como C es invertible, Im(c)=R" Entonces existe z tal que Cz = y. y ACz = x. Porlo tanto Im(4)¢ Im(4C). Suponga Apendice A383, Leni 1. sic=] 2 x2 aa 1 T+ i2N2 o oO crsc=| 9 7-18 0 oo 8 1 0 0 1 0 0 w.sic=]0 0 246 0 375 00 0 4400 cce|0 3.0 0 0040 000% x€ Im(AC). Entonces existe z tal que ACz = x. Seay = Cz, entonces Ay = x. Porlo tanto Im(4C)c Im(4) ¢ Ina(4) =Im(4C) y por lo tanto p(AC) = pl). Entonces (A) +¥(A)= (CA) + (CA) pd) = (CA). Por lo que p() = p(AC) = p(CA). Como Ces invertible, p(C™AC) = p(AC)C™) pA), Esto 63, p(B) = p(A) y por lo tan tov(A) = 118), 25, Como A es semejante a B, B= DAD para alguna matriz.D invertible. Entonces det B= det(D~'AD) = mt Adet D = det A aan |) & O14 —4xe—s -2x8 42 -2x8" 44 Aaxs®42 8-2 axe! 42 “Axe +4 2x8" 42 —2x9"—5 Como A es diagonalizable, A es similar a la matriz diagonal D = diag() tonces det = det D= 2,2, 2,384° RESPUESTAS A PROBLEMAS IMPARES (y26—6vi3 /26+6v13 } 0.9571 0.2898) 0.2898 o9s71} 0 4Ys) (2) ree I= Oy) \y. wz W2) hiptbola 0 =5 980 =343° - q ™ -wi we) I; hipérbola; @= 7/4 =315° “Eas = 9, Lo mismo que en el problema 5, excepto ( ‘} _2 que ahora se tiene una hipérbola con los 02 4 papeles de x’ y y’ cambiados; como a <0, setiene HO AGG) o[h2 -¥ wa wa) y" = 0, que es la ecuacién de una recta ue pasa pore ongen 0 = id = 48" ela bbeels [8 T 24V2 2-N2 ‘una hipérbola con centro en el origen, centro en el origen, ces una elipse conclipse con centro en el origen 2 1. aay Gai) = 0.197 =1131° = 1; hipérbola; 2. 29, 31 Apendice A 385, oa ye sat Observe que det 4<0 ya que por hipstesis tenemos una hipérbola, Por lo tanto det A<0 pata cualquier valor de dy la ecuacién representa una hipérbola para cualquier valor de d diferente de cero, Sia = ¢ entonces eot20=0=> 20 = F(x)= Ax-x= Dx’-x', D=diagQh,..h,) Pero si Dx’-x'>0, para todo’ eR", tonces 2, =0,151=n-SiDy’-x’ > Opara todo x'#0, entonces De,[RESPUESTAS A PROBLEMAS IMPARES De, ¢, =2, >0,...,De, -¢,=h, 20. Si 4, > 0,154 =n,entonces Dx’-x’=2,(x')° ob (at)! = Fla) =O, para todo x'e BR" y F(x)=0 si y sélo si x=0. Por lo tanto F(x) es positiva definida sy slo si todos los valores caracteristicos de 4 son positives 33.4 ao 02 tica es positiva definida, , 3: 1a forma cuadrée Definida negativa, 37. Hs indefinida 39, Es positiva definida 41. Es indefinida 43. Negativa definida 45, i) Si det A # 0, entonces ni 2, ni A, son cero. Asi, con d = 0, la ecuacién (22) se convierte en Ax? +A,x"=0. Si ahora tanto %, como A, son positivos 0 negativos, la ecuacién se satisface slo cuando x" = Oy y’ = 0, lo que corres- onde al punto (0, 0). Si, y A, tienen signos opuestos, entonees las ecuaciones se convierten en x’ que son las ecuaciones de dos rectas, Si det A = 0, entonces una de las dos, 2,0 hy es cero, y la ecuacién se convierte en x’ = 0.0 y" = 0, cada una de las cuales es Ia ecuacién de una recta,INDICE ANALITICO ‘Los nimeros de pigina seguidos de una “n” indican que la entrada se encuentra ene notes, A ‘Adjunta de una mate, 154, 168 definicién dela, 155 Algebra de matrices, 74 ‘Argand, plano de, 3 ‘Argumento de un nimero complejo, 4 ‘Axiomas de un espacio vectorial, 174 B Base ‘candnica, 281, 259 ccansnica en RY, 207 ccandnica pare M207 ceandnica para P,, 207 cestindar, 231 ortonormal, 246, 247 para un espacio vectorial, 206 Bloques, multiplicacin de matrices por, oI c ‘Cauchy-Schwarz, desigualdad de, 257 Corradurs bajo Ia multiplicseién por un esealss, 174, 258 bajo Ia suma, 174, 258 replas de, 181 Coeficientes dl sistema, matriz de, 19, 4 Cofactor dde-una maiz, 126 dela matriz, 167 Cofsctores cncl primer renglén, expansion de det A por, 167 expansién por, 127 rmatriz de, 154 Columns j, 50 ‘Columnas de una matzz, espacio de es, 217, 260 ‘Combinseién lineal de veetores, 68, 259 definicin de, 186 en My, 187 en Py 187 en BD, 187 Componente, la, 50 ‘Compresién a lo largo de! eje 1, 200 ¥, 290 Concept de matrz, 19 Conjugado de un nimero complejo, 3 Conjunto de vectores, expacio generado por un, 188, 259 generador, definicion de, 187 ortogonal, 243, 261 Conjunto ortonormal, 243, 261 efinicida de, 254 infinito, 255 Corte alo largo del eje x 291 y.292 Cosenos, ley de, 164 Cramer, Gabriel, 162 Cramer, regla de, 161, 162, 169 Cuaterniones, 47 D de Moivre, Abraham, 8 De Moivee, formula de, 8 Definicibn de combinacin lineal, 186 conjunto generador, 187 ortonormal, 254 imensién, 209 expacio an producto interno, 251 vectorial real, 174 igualdad de matrices, 52 imagen de una matriz, 217 la adjunta de una matriz, 155, Ia inversa de una matrz, 90 matrices equivalentes por zenglones, 98 norma de wn vector, 243 producto de dos matsices, 63 cexcalar 61 sango de una mats, 217 subespacio, 181 ‘ransformacisn lineal, 267 transpucsta de una matriz, 108 Definicién de matriz, 0 de transformacién, 282 de transicibn, 234 clemental, 113 identidad, 89| simétria, 110 ‘tiangula inferior, 117 Dependencia lineal, 193 Desigualdad ‘de Cauchy-Schwarz, 257 del rifagulo, 257 Determinante de ‘una matriz, 94,123, 167 ‘Vandermonde, 148 Diagonal principal, $9, 165 Dimensi6n exr9, 209 ‘espacio vectorial de, 259 de My 210 deP, 210 de", 210 den espacio vectorial, 259 definicidn de, 209 finite, espacio vectorial de, 209, 259 infnita, espacio vectorial de, 209, 259 notacidn dela, 209 E Eouaciones cequivalentes, sistemas de, 14 inconsistent, sistema de, 13 linesles consistent, sistema de, 22 inconsistente, sistema de, 22 sistema homogéneo de, 38, 4 sin solueién, sistema de, 13 Bex ‘compresién a lo largo del, 290 corte alo largo del, 291 expansion a lo largo del, 289 Bey ‘compresién a lo largo del, 290 corte alo largo del, 292388 Indice analtico expansion a lo largo del, 289 Blemento i, 50 Bliminaciéa de Gauss, método de, 44 de Gauss-Jordan, método de, 19, 25, 44 gaussian, método de, 25 Errores de redondeo, 26 Esealar cerradura bajo la multplicacién por ‘un, 174, 258 ley distributiva del producto, 62 ley distributive para In multiplicacign por un, 55 mulliplicacién dena matriz por un, 54 por un, 174, 258 Bscalares, 53, 165 ley asociativa de la multiplcacién por, 174, 258 smultiplieacion por, 165, Bsealonada ppor renglones, matriz de forma, 24, 43 reducida por renglones, matriz de forms, 23,43 Espacio ‘on producto interno, 261 definiciSa de, 251 de solucin, 212 dela columnas de una matriz, 217, 260 de los renglones de una mattiz, 217, 260 generado por un conjunto de vectores, 188, 259 lo, 186, 212 ddevuna mattiz, 216, 260, Espacio vectorial, 173, axioms de un, 174 base para wa, 206 complejo, 174 dedimensign cor0, 259 Sinita, 209, 259 infinita, 209, 259 dimensién de un, 259 Mg IT real, 258 definicin de, 174 trivial, 175, Espacios veetoriales ‘complejo, 267 isomérficas, 200 Buler, dentidad de, 6 Euler, Leonhard, 61, Expansion, alo largo del eje x, 289 a lo largo del ge y, 289 de det 4 por eofactores en el primer renglén, 167 por cofactores, 127 FE Fermat, nimeros primos de, 31n Forma ceartesiana de un nimero complejo, 2 ceseslonada por renglones, matriz de, 24, 43 reducida por tenglones, mats de, 23.43 polar de un mimero complejo, 6 rectangular de un nimero complejo, 2 Formula de De Moivre, § Punciéa de valores complejo, 258 continua, 258 hamiltoniana, 57 lineal, 271 G Gauss, Karl Friedrich, 19m, 31 Gause-Jordan, método de eliminacién de, 19, 25, 4 Gram-Sehmidt, proceso de ortonormalizacién de, 245, 261 H Hamulton, sit William Rowan, 47, 57 Hamilteniana, funcién, ST Hamilton-Cayley, teorema de, 57 Hiperplano en B', 186 ' Teéntico aditvo, 174, 258 Wdeatidad de Euler, 6 Igualdad de matrices, definicién de, 52 Tmagen de Ia transformacién cero, 278 identidad, 278, sun operador de proyeccién, 278 integral, 279 traspuesto, 278 ‘una maiz, 260 \delnicibn de, 217 usa transformacibn de Pen P,, 279 lineal, 277, 301 Imaginario, nimero, 4 Independencia lineal, 193 Indice dela suma, 71 Inversa de una matriz, defini dela, 90 Inverso aditivo, 174, 258 Isomérticos,espacios veetoriales, 200 J Jordan, Wilhelm, 19 k Kernel, 216 -ésima componente del vector, 48 L Legendie, polinomios normalizados de, 256 Leontiet smatriz de, 99 modelo de insumo-produeto de, 28, 98 Leontief, Wassily W., 28 Ley ‘conmutativa dela suma de veetores, 174, 258 del producto escalas, 62 para la suma de matrices, $5 e cosenos, 164 istributiva del producto esealas, 62 para fa multiplicaciéa por un esealas, 55 Ley asociativa dela muliplicacién de matrices, 66, 166 por escalares, 174, 258 dela suma de vectores, 174, 258 para la suma de matrices, 55 Leyes distributivas para la ‘multiplicacin de matrices, 67, 166 Longitud de un vector. ease Norma de M Magnitud de un mimero complejo, 4 Matrices Algebra de, 74 compatibles bajo 1a multiplicacién, 63 Sefiniciba de ‘gualdad de, 52 producto de dos, 63‘equivalentes por renglén, 166 englones, delnicin de, 98 incompatibles bajo la maltiplicacién, 63 ley asociativa para la multiplicacién de, 66 ssuma de, 55 Jey conmutativa para la sums de, 55 leyes distebutivas pata la ‘multiplicacién de, 67, 166 por bloques, multipliaciéa de, 69 ‘que conmutan, 64 ssuma de, 53 Matiz ‘adjunta de una, 154, 168 antisimétsiea, [12, 147 cofactor de una, 126 cofactor ij dea, 167 cconcepto de, 19 cusdrada, 50 de cofactores, 154 de coeticientes del sistema, 19, 24 de forma esealonada por renglones, 24, 43, reducida por renglones, 23, 43 de Leoatiel, 99 dem Xn, 20 de probabilidades, 80 de transformacién, 301 definicin de, 282 dde transicién, 232, 261, definicin de, 234 dfinicion de, $0 imagen de una, 217 Inadjunta de una, 155 In inversa de ua, 90 ‘rango de una, 217 trauspuesta de una, 108 determinante de una, 94,123, 167 ingonal, 104, 128 clemental, 167 defnicin de, 113, notacién de una, 113 espacio de las columnas de una, 217, 260 de los renglones de una, 217, 260 nulo de una, 216, 260 idempotente, 149 identidad, 166 definicign de, 89 Jmagen de una, 260, inversa, 166 invertible, 90, 165 rmienor de uns, 126 menor 1 dela, 167 rilpotente, 148 no singular, 90 nolacién dela, SL nulidad de una, 216, 260, cortogonal, 147, 248, 261 por un esealar, multiplicacin de ‘una, 54 rango de una, 260 simétrica, 167 efiniciba de, 110 singular, 99 tamafo de una, 50 tecnolégica, 99 {ranspuesta conjugada de una, 257 transpuesta de una, 166 raza de uns, 256 unitaria, 257 Matriz triangular inferior, 105, 128 efinicibn de, 117, superior, 105, 128, efinicibn de, 117, Menor de segundo orden, 150 de una matriz, 126, de ta mattiz, 167 Método de eliminacisn de Gauss, 44 de Gauss-Jordan, 19,25, 44 govssiana, 25 Modelo deinsumo-producto de Leontief, 28, 98 Médulo, 4 Multiplicacion dde una matriz por un esealas, $4 de matrices Tey asoiativa de la, 66, 166 leyesdistributivas para la, 67, 166 por blogues, 69 matrices compatibles bajo la, 63 Incompatibles bajo la, 63, por escalares, 165 ley asociativa de a, 174, 258 por un excalar, 174, 258, cerradura bajo Ia, 174, 258 ley distributiva para la, 55 N Ncomponentes vector columna de, 48, 165 vector renglén de, 48, 165 Indice analtico 389 vector, 48 ‘Norma de un vector, 261 definiciSn de, 243, Notacién de Ia dimensién, 209 Ja matiz, 51 las operaciones elementales con renglones, 20 sumatoria, 70, 7 ‘una mattiz elemental, 113, ‘una transformacién lineal, 267 Niileo de Intransformacién, cero, 278 identidad, 278 un operador de proyeccién, 278, iranspuesto, 278 ‘una transformacisn de Pen P,, 279 lineal, 277, 301 Nulidad de ‘una maiz, 216, 260, ‘una transformacisn lineal, 278, 301 Nimero imaginatio, 4 infinite de soluciones, sistema de ‘ecuaciones com, 12 pivote, 23,43 ‘Niimero complejo, 3, 49 argumento de un, 4 conjugado de wn, 3 forma cartesiana de wn, 2 forma polar de un, 6 forma rectangular de un, 2 rmagnitud de un, 4 parte imaginaria de un, 2 parte real de un, 2 ‘Niimeros primos de Ferma, 31a ° Operaciones clemeatales com renglones, 20,43 notacién de las, 20 Operador de proyecci imagen de un, 278 micleo de un, 278 dle transposicién, 271 dliferencisl, 271 identidad, 268, integral, 271 imagen de un, 279 niicleo de un, 279390 indice analtico transpuesto imagen de un, 278 nicleo de un, 278 Operadoreslineales, 267 Ortogonal, conjunto, 243, 261 Ortonormal base, 246, 247 definicidn de conjunto, 254 inlinito, conjunto, 255 COrtonormalizacién de Gram-Schaial, proceso de, 245, 261 Pp Parte scalar, 54 Jmaginaria de-un niimero complejo, 2 teal de un nimero complejo, 2 vectorial, 54 Partin conformante, 70 Pendiente dena recta, 1 indefinida de una reeta, 1, 12 Plano complejo, 3 de Argend, 3 Polinomios de grado cero, 1760 normalizados de Legendre, 256 Primer renglén, expansidn de det A por cofactores en el, 167 Primera componente del vector, 48 ley distributiva, 174, 258 Probabilidades, matriz de, 80 Proceso de orlonormalizacién de Grame Schmidt, 245, 261 reduccién por renglones, 20, 44 Producto de dos matrices, definicion de, 63 scalar, 165 definicida de, 61 Jey conmutativa del, 62 ley distributiva del, 62 interno, 251 de los vectores, 61 definiciSn de espacio con, 251 espacio con, 261 punto, 61 Productos de matrices, 165 Proyeccién imagen de un operador de, 278, niileo de un operador de, 278 ortogonal, transformacién de, 270 transformacion de, 282 R Rango de usa matriz, 260 \delinicin de, 217 una transformacién lineal, 278, 301 Recta, rellexiba respecto la, 290, Reclas con pendiente cero, 12 paralelas, 12 Redondeo, errores de, 26 Refiexion respecto ala recta, 290 respecto al ex, 290, respecto al eje y, 290 tronsformacion de, 268 Repla de Cramer, 161, 162, 169 [Reglas de cerradura, 181 Renglén 50 matrices equivalentes por, 166 Renglones cde una matrz, espacio de los, 217, 260 defnicin de matrices equivalentes por, 98 amatriz de forma escalonda por, 24, 4B imatriz de forma escalonada redueida por, 23.43 notacién de las operaciones ‘lementales con, 20 ‘operaciones clementales con, 20, 43 proceso de reduccién por, 20 Representacin ‘matricial, 282 por series de Foutir, 256 Rotacidn, transformacién de, 269 s Segunda ‘componente del vector, 48 ley distributiva, 174, 258, Segundo orden, menor de, 150 Series de Fourier, representacion por, 256 Signo de sumatoria, 7 Sin solueiéa, sistema de ecuaciones, [3 Sistema hhomogéneo asociado, 85 de ecuaciones lineal, 38, 44 lineal consistente, 44 inconsistente, 44 satriz de coefcientes del, 19, 24 Sistema(e) de ecuaciones con nimero infinito de soluciones, 12 con solucién tiniea, 12 equivalentes, 14 inconsisteate, 13 lineales consistente, 22, inconsistente, 22, sin solucién, 13 Solucion e210, 39, 44 cexpacio de, 212 wivil, 39, 44 ‘iniea, sistema de ecuaciones con, 12 Soluciones no triviales, 39, 44 Subespacio sefinicibn de, 181 generado, 186 19 vacio, 259 propio, 182, 259 de M,, 183 de PL i83 trivial, 182 Submatrices, 69 Suma certadura bajo a, 174, 258 de matrices, 3 ley asociativa para la, 55 ley conmutativa para la, 55 e vectores, 165, 258 ley asociativa de a, 174, 258 ley conmutativa de la, 174, 258, {indice des, 7 Sumatorin potacién de, 70, 71 signe de, 71 Sustitucién hacia atris, 25, 44 T ‘Tamafio de una matriz, 50 ‘Teorema de Hamilton-Cayley, 57 Transformacién, cxt0, 268 imagen de la, 278 nicleo de a, 278 de proyeecién, 282 ortogonal, 270 de Pen P, imagen de una, 279aiieloo de una, 279 derellexién, 268 derotacién, 269 definiciSn de matriz de, 282 identidad, 268 imagen de la, 278 rmicleo dela, 278 lineal, 265, 30% defnicion de, 267 imagen de una, 277, 301 notacién de una, 267 niicleo de wna, 277, 301 nulidad de una, 278, 301 rang de una, 278, 301 sate de, 301 ‘Transicién delinicin de matriz de, 24 imatriz de, 232, 261 ‘Transposicién, operador de, 271 ‘Transpuesta ‘conjugada de una matriz, 257 dena matriz, 166, efinicidn de, 108 ‘Traza de una matnz, 256 ‘Triangular inferior mats, 105, 128 superior, matriz, 105, 128 “Triéngulo, desigualdad del, 297 u Unidad imaginaria, 1 v Valores complejos continua, funcida de, 258 funcion de, 258 Vandermonde, determinante de, 148 Vector cero, 48, 174, 258 columna, 48, 50 den componentes, 48, 165 efinicibn de norma de un, 243 K-ésima componente del, 48 Indice analtico 391 norma de un, 261 primera componente del, 48 renglén, 48, 50 den componentes, 48, 165 segunda componente del, 48 Vectores, 47, 174, 258 ccombinacidn lineal de, 68, 259 coplanares, 195-196 espacio genetado por un conjunto de, 188, 259 ley asociativa de la suma de, 174, 258, ley conmutativa de la suma de, 174, 258 linealmente dependientes, 192, 193, 259 independientes, 193, 259 ortogonales, 78 producto interno de los, 61 ssuma de, 258 w ‘Wronskiano, 205

Matematicas 4 Algebra Lineal 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

Matematicas 4 Algebra Lineal PDF

Uploaded by

Copyright:

Available Formats

You might also like