Fundamentos de algebra lineal Séptima edicién Ron Larson The Pennsylvania State University The Behrend College Traduccion Oliver Davidson Véjar Traductor profesional Revisién técnica Dr. Edmundo Palacios Pastrana Universidad Iberoamericana ‘4 CENGAGE earning’ [Auta «Bas «Core» Espa Estados Unidos «apn - Mico «Reino Unido» Sagaputaly CENGAGE ‘© Cearning: Fundamentas de dlgebra lineal © DR. 2015 por Cengage Lemming Euitores, S.A de CV, ‘Séptimaedicién tuna Compants de Cengage Learning, nc. Ran Larson Corporatio Santa Fe Presidente de Cengage Learning Latincamér Ferando Valenzuela Migoya: Director Editorial de Produccién y de Plataformas Digitales para Latinoamérica: Ricardo H, Redriguez Editora de Adquisiciones para Latineameri ‘Caudla C. Garay Casto ‘Gerente de Manufactura para tatineameria: Rail D. ZendejasExpeel ‘Gerente Editorial en Espatiol para Latinoamérica: Pilar Hernéndez Santararine ‘Gerente de Proyectos Especiales: Luciana RabufTett ‘Coordinador de Manufacture: Rafael Pérez Gonzez Editor: ‘Omegar Martinez Diseno de portada: Studio Dos wor studioa com.mx ‘composiciontipogrfica: Jos jaime Gutierrez Aceves Improve porArfsraph Pocertran Got Son Peto Penusis Sh yore cue, Imprasa an ayo de 2014 [mpreso en México 1234567171615 14 2. Santa Fen. 505, piso 12 Col. Cruz Manca, santa Fe CF. 05349, Mesico, DF. (Cengage Learning™ es una marca egistada tac ajo pio, DERECHOS RESERVADOS. Ninguna parte de ‘este trabajo amparado po a Lay Federal Derecho ce Autor, pod ser reproducia, transmit, almacenadaoutlizads en cualgle ferma o por cualquier media, ya sea ardfieo, electrénio.omecérice, incuyendo, eros linitarse lo siguiente fotocopiado, Feproduccin,escaneo, igtalzacién, {grabacién en audio, citibucié en Internet, Aistibucién en redes de informecién 0 slmacenamientayrecopicin en sistemas Ge Informacién a excep de lo permitido fenel Capttlon,Aticulo27 dela Ley Federal {el Derecho de Auto, sn el conseatimients or escrito dele Edtora, Traducido del ibe: Elementary linear algebra Seventh Editon Publicado en Inglés por Cengage Learning (© 2043 ISBN: 978.4933-10873 Datos para catalogaci bbllografist Larson, fon Fundementos de algebra nea, sptia edicién ISBN: 578-607519-80533, Visite questo sto en: httpd latinoamerieacengage.comContenido 4H Sistemas de ecuaciones lineales WwW 12 13 Introduccién a los sistemas de ecuaciones lineales Ejercicios de repaso Proyecto 1. Graficando Ecuaciones Lineales Proyecto 2 Sistemas de ecuaciones subdeterminados y sobredeterminados 2 0 Matrices 24 22 23 24 25 Operaciones con matrices Propiedades de las operaciones con matrices Inversa de una matriz Matrices elementales Aplicaciones de las operaciones con matrices Ejorcicios de repaso Proyecto 1. Explorando la multiplicacién de matrices Proyecto 2. Matrices nilpotentes 3 Hf Determinantes 31 32 33 34 Determinante de una matriz Determinantes y operaciones elementales Propiedades de los determinantes Aplicaciones de los determinantes Ejercicios de repaso Proyecto 1. Matrices Estocdsticas Proyecto 2 Teorema de Cayley-Hamilton Examen acumulativo de los capitulos 1 a 3 4 Bi Espacios vectoriales 4a 42 43 44 45 46 al 48 Vectores en A” Espacios vectoriales ‘Subespacios de espacios vectoriales Conjuntos generadores e independencia lineal Base y dimension Rango de una matriz y sistemas de ecuaciones lineales Coordenadas y cambio de base Aplicaciones de espacios vectoriales Ejercicios de repaso Proyecto 1 Solucién de sistemas lineales Proyecto 2 Suma directa 102 102 103 104 112 120 128 138 141 141 143 145 146 155 162 169 180 189 202 212 221 224 224Contenido 58 6a 78 8H Espacios con producto interno 225 5.1 Longitud y producto punto en A 226 5.2 — Espacios con producto interno 237 5.3. Bases ortonormales: el proceso de Gram-Schmidt 248 5.4 Modelos matematicos y andlisis por 's cuadrados 259 5.5 Aplicaciones de los espacios con producto interno an Fjercicios de repaso 284 Proyecto 1 La factorizacién OR 287 Proyecto 2. Matrices ortogonales y cambio de base 288 Examen acumulativo de capitulos 4 y 5 289 Transformaciones lineales 291 6.1 Introduccién a las transformaciones lineales 292 6.2 El kernel y ef rango de una transformacién lineal 303 6.3. Matrices de transformaciones 314 6.4 Matrices de transicién y semejanza 324 6.5 Aplicaciones de las transformaciones lineales 330 Ejercicios de repaso 337 Proyecto 1 Reflexiones en el plano R° (I) 340 Proyecto 2 Reflexiones en el plano FF (il) 340 Eigenvalores y eigenvectores 341 7.1 Eigenvalores y eigenvectores 342 7.2 Diagonalizacién 353 7.3. Matrices simétricas y diagonalizacién ortogonal 362 7.4 Aplicaciones de los eigenvalores y los eigenvectores 372 Ejercicios de repaso 385 Proyecto 1 Crecimiento poblacional y sistemas dindmicos (i) 388 Proyecto 2 La sucesién de Fibonacci 388 Examen acumulativo de capitulos 6 y 7 389 Apéndice Al Induecién matematica y otras formas de demostraciones Respuestas a los ejercicios impares seleccionados AT indice A39Bienvenidos ala séptima edicién de Fundamentos de dlgebra lineal. Mi objetivo principal es presentar los principales conceptos del flgebra lineal de forma clara y concisa, Para ello, he seleceionado cuidadosamente los ejemplos y ejercicios para equilibrar la teoria con las . aplicaciones y la intuicién geométrica. El orden y la cobertura de Ios temas fueron elegidos para alcanzar niveles maximos de eficiencia, eficacia y equilibrio. BI nuevo disefio est complementado con una multitud de caracterfsticas y aplicaciones que se encuentran @ lo + largo del volumen. Novedades de esta séptima edicion + Aperturas de capitulo: Cada apertura de capitulo resalta cinco aplicaciones del slgebra lineal que se encuentran en el capitulo en la vida diaria. Muchas de estas aplicaciones resaltan las nuevas Aplicaciones de dlgebra lineal + Aplicaciones de dlgebra lineal: describe una aplicaciGn, en la vida diara, de los concep- {os discutidos en la secciGn. Estas aplicaciones incluyen conceptos de biologia y ciencias, naturales, economia y negocios, ingeniera y tecnologia, ciencias aplicadas y estadistien y probabilidad, + Bjercicios clave: En eada capitulo hay un problema o ejercicio que considero clave para ccomprender los conceptos presentaos. + Series de problemas: Las series de ejercicios y problemas han sido cuidadosa y extensi- ‘vamente examinadas para asegurar que son rigurosas, relevantes ¥ que cubren todos los temas sugeridos por nuestros usuarios. Los problemas se han reorganizado para que se puedan ver ficilmente las conexiones entre los ejemplos y los ejercicios, Muchos de los nuevos problemas implican desarrollo de habilidades y son desafiantes. Al igual que en ‘ediciones anteriores, se incluyen los siguientes tipos de ejercicios probados pedagégica- mente: @ Verdadera o falso. Estos ejercicios piden a los estudiantes que den ejemplos 0 justifi- caciones para apoyar sus conclusiones. © Prueba de conceptos © Las pruebas guiadas conducen estudiante através de los pasos iniciales de la construc- in de prucbas y luego a la uilizacién de los resultados. © Bjercicios de eseritura 2 Ejercicins con tecnologia que se indican en el texto con EP. + iis qu utlzn conus ded sketicosy gue we indcan medians © Estos se pueden encontrar en CengageBrain previa solictud al editor por parte del instructor. Advertencia sobre respuestas a problemas seleccionados Las respuestas a los problemas seleccionados (problemas con nimero impar al final de cada capitulo) se pueden encontrar en el sitio www.CalcChat.com Este sitio sélo esti disponible en inglés y no es administrado por Cengage Learning Latinoamerica, por lo que ésta no es responsable de los cambios y actualizaciones del mismo. Material de apoyo para el profesor Este libro cuenta, ademis de con tres capitulos adicionales en CengageBrain, con una serie de recursos para el profesor, los cuales estin disponibles dnicamente en inglés y sélo se viivill Prefacio proporcionan a los docentes que lo adopten como texto en sus cursos. Para mayor infor- mucién, péngase en contacto con el drea de servicio al cliente en las siguientes direcciones de correo electrénica: + Cengage Learning México y Centroamérica _clientes.mexicoca@cengage.com + Cengage Learning Caribe clientes.caribe @cengage.com + Cengage Learning Cono Sur clientes.conosur@cengage.com + Cengage Learning Pacto Andino clientes.pactoandino@cengage.com Al igual que los recursos impresos adicionales, las direcciones de los sitios web seiiale- das alo largo del texto, y que se incluyen a modo de referencia, no son administradas por Cengage Leaming Latinoameriea, por lo que ésta no es responsable de los cambios y actualizaciones de las mismasAgradecimientos ‘Me gustaria agradecer a todas las personas que me han ayudado durante las diversas etapas, de la escritura de esta nueva edicién, En particular, agradezco los esfuerz0s de los siguien- tes colegas que hicieron muchas sugerencias itiles en el camino: Michael Brown, San Diego Mesa College Nasser Dastrange, Buena Vista University Mike Daven, Mount Saint Mary College David Hemmer, University of Buffalo, SUNY Wai Lau, Seattle Pacific University Jorge Sarmiento, County College of Morris Me gustaria agradecer particularmente a Bruce H. Edwards, University of Florida, y a David C. Falvo, The Pennsylvania State University, The Behrend College, por sus cont ‘buciones a las ediciones anteriores de Fundamentos de algebra lineal. ‘A niivel personal, estoy profundamente agradecido con mi esposa, Deanna Gilbert Larson, por st amor, paciencia y apoyo. También, quisiera enviarle un reconocimiento especial a R. Scott O'Neil Dr. Ron Larson Profesor de Matemiticas Penn State University www-RonLarson.com1 Sistemas de ecuaciones lineales BH @ @ @f&@ @@@@@s@f@f@ Introduccién a los sistemas de ecuaciones lineales Eliminacién gaussiana y eliminacién de Gauss-Jordan Aplicaciones de los sistemas de ecuaciones lineales Anélisis de redes eléctricas (p. 30) Velocidad del vuelo de un avidn (p. 11) Balance de ecuaciones quimicas (p. 4) a hy ni on meen SO. ant Eon tenn ee 12 Capitulo 1 Sistemas de ecuaciones lineales stemas de ecuaciones lineales COMENTARIO alfebeto y las variables se representan con las dktimas letras de éste [_ Reconocer sistemas de ecuaciones lineales de n variables. i Encontrar una representacién paramétrica de un conjunto solucién. [Determiner cuando un sisteme de ecuaciones lineales es consistente © inconsistente. [_iilizar ta sustitucién hacia atrés para resolver sistemas de ecuacio- nos lineales. ECUACIONES LINEALES EN n VARIABLES El estudio del algebra lineal requicre que el estudiante esté familiarizado con Algebra, ‘geometria analitica y trigonometrfa, Ocasionalmente encontrar ejemplos y ejercicios que requieran conocimientos de eélculo; estos se sefialan claramente en el texto, ‘Al comenzar con el estudio del dlgebra lineal, descubrira que muchos de los métodos ‘mplican docenas de pasos aritméticos, asf que es esencial revisar constantemente su tra- bajo. Puede utilizar una computadora 0 calculadora para revisar su trabajo, asf como para ejecutar muchos de los cdlculos de rutina en el élgebra lineal. Aunque algin material de este primer capitulo Te resultard familiar, es recomendable ‘que estudie cuidadosamente los métodos presentados aqui. Asf, cultivar y aclarard su intuicién para el material mds abstracto que se presentard después. Recuerde de su curso de geometria analitica que la ecuacién de la recta en un espacio de dos dimensiones, tiene Ia forma ayx + ay b, ayaz yb son constantes. Esta es una ecuacién lineal en dos variables x y y. De la misma manera, la ecuacién de un plano en un espacio de tres dimensiones tiene la forma aux + aay + yz = b, ay, ay dy y b son constantes, Esta ecuacién se denomina ecuacién lineal en tres variables x, y y z. En general, una ‘ecuscién lineal en 1 variables se define de la siguiente manera, Definicién de una ecuacién lineal en n variables ‘Una ecuacién lineal en 1 variables x),13,23, x, tiene Ia forma yxy tags + ages bt agty Los coeficientes a), as, a3, . . a, son mimeros reales y el término constante b sun niimero real. El ntimero a, es el coeficiente principal y x, es a variable prin- cipal Las ecuaciones lineales no tienen productos o rafces de variables; tampoca variables que aparezcan en funciones trigonomeétricas, exponenciales o logaritmicas, Las variables apa- recen elevadas s6lo a la primers potencia. El ejemplo 1 lista algunas ecuaciones lineales y algunas que no lo son, (= 1Ke}i)} ejemplos de ecuaciones lineales y no lineales Cada ecuacién es lineal aaet2=7 birty—w ©) Gen a)x, — dey = Las siguientes ecuaciones no son lincales. 2 Wet=2y=4 ©) sent, + 2, — 3g a) xy1.1. Introduccién a los sistemas de ecuaciones lineales 3 SOLUCIONES Y CONJUNTOS SOLUCION Una soluelén de una ecuacién Lineal en n variables es una sucesién de n niimeros reales Sis 82.83. + ++ Sy OFdenadas de modo que la ecuacién se cumple cuando los valores i 45 = 55 a se sustituyen en ésta. Por ejemplo, la ecuacivin x, + 2x, = 4. Se cumple cuando x, tras soluciones son.xy = = 4 yx = 4, y también x) yu El conjunto de todas las soluciones de la ecuacién lineal se denomina conjunto solu- cin y cuando se determina este conjunto, se dice que se ha resuelto la ecuacién, Para describir todo el conjunto solucién de una ecuacién lineal, a menudo se utiliza la repre- _sentacién paramétrica, como se ilustra en los ejemplos 2 y 3. (=¥]=il]K0)73)] Representacion paramétrica de un conjunto solucion Resuelva la ecuacién lineal x + 2x = 4. SOLUCION Para determinar elconjunto solucién de una ecusciGn en dos variables, resolvemos para una de as variables en términos de la otra, Si usted resuelve para en términos dep, obtiene a2 4= 20 Decsia manera, Ia variable x es libre, o cual significa que puede tomar cualquier valor real La variable x; noes libre, ya que su valor dependers del valor asignado a x, Para representar un nimero infinito de soluciones de esta ecuaci6n es conveniente introducir una terceravatia- ble rdenominada pardmetro. Asi, con. = f, se puede representar el conjunto solucién como m= 4=2.xy =f es cualquier némero real. ‘Se pueden obtener soluciones particulares al asignar valores al parémetto f. Por ejem- plo, = 1 produce la solucién x) = 2 yxy = Ly 1 = 4 genera la solucién x, = — 4 y El conjunta solucisn de una ecuacién lineal puede representarse paramétricamente en més de una forma. En el ejemplo 2 usted pudo haber elegido x, como la variable libre. La representacién paramétrica del conjunto solucién habria entonces tomado la forma x= 24s, ses cualquier nimero real Por conveniencia, elegiremos como variables libres aquellas que aparecen al final en la [NT=\TJue}EM] Representacién paramétrica de un conjunto solucion Resuelva Ja ecuaci6n lineal 3x + 2y— z= 3. SOLUCION Al elegir y y < como variables libres, empecemos a resolver para x para obtener 3r=3-2y+ 2 -1-ptk Haciendo y = sy z = ¢, obtenemos la representacién paramétrica =l-Gstin yas cee donde s y ron cualquier nimero real, Dos soluciones particulares son eeLy=O250 y x=hy=hz=2 a4 Capitulo 1 Sistemas de ecuaciones lineales SISTEMAS DE ECUACIONES LINEALES Un sistema de m ecuaciones lineales en 1 variables es un conjunto de m ecuaciones, cada una de las cuales es lineal en las mismas n variables: COMENTARIO La notacién con doble subindice yk, + dyaty F ayyts Fs + Gyety = yy, yyy F dyyty HH agyty = by yX1 Ayaka + aggty FoF dygty = by Ay 1 gaa Fg Ho +E gag La soluein de un sistema de ecuaciones lineales es una sucesion de miimeros sy, ,, 43... Sete es solueién de cada una de las ecuaciones lineales del sistema. Por ejemplo, ol sistema ax) + 2s, =x + x, tiene @.x; = —1 yx) = 3 como una solucién debido a que ambas ecuaciones se cumplen cuando x, = —1'y x; = 3. Por otra parte, x; = Ly x2 = O noes una solucién del sistema, ya que estos valores s6lo satisfacen la primera ecua [> DESGUBRIMIENT®O ‘Ta Grafique tas dos rectos, ax-y ax-y «en ol plano xy. ZEn dénde se intersectan? 7Cudntas soluciones tiene este sistema de ecuaciones? 1a Repita este anélisis para ol par de rectes ax-y ax-y 3x- y=1 6x- 2y=2, Ba En general, 2qUé tos bésicos de conjunto solucién son posibies pare tn sistema de dos ecuaciones con dos incégnitas? ALGEBRA nanarescn quince atmos oun nun om LINEAL sistncian Por ejemplo, cuando el matano (CH) se combine con txigeno (02 y 80 quema,seforman dixido de corbona (COs) ¥epua APLICADA {6 Los qulmicos oprosentan esto proceso con une ecunion uimica doe forme (a)CH, + (x4) (%gIC09 + ()H,O- Puesto que una rescoln quimica ne puede crear 0 destruir tomes, todos fos étomos representados a la izquierda de la flecha deben gor cconsiderados también ala derecha. Esto se lama balance de la ‘ecuacidn quimica, En el ejemplo dado, los quimicos pueden usar un sistema de ecuaciones linealas para encontrar los valores de 2, x1 quimica Emianatena an1.1 Introduccién a los sistemas de ecuaciones lineales 5 Puede suceder que un sistema de ecuaciones lincales tenga exactamente una soluci6n, un mimero infinito de soluciones o ninguna solucién, Un sistema de ecuaciones lineales se ‘denomina consistente si tiene por lo menos una solucién e inconsistente si no tiene solu- Ean Sistemas de dos ecuaciones en dos variables Resuelva y grafique cada sistema de ecuaciones lineales. axty= 3 by re y=3 arty xoys-l 2+ =6 xty (SOLUCION 'a) Este sistema tiene exactamente una soluci6n, x = 1 y y = 2. Esta solucién puede alcanzarse al sumar las dos ecuaciones para obtener 2x = 2, lo cual implica que x = 1 yy por tanto, y = 2. Le grifica de este sistema se representa mediante dos rectas que se Intersectan, como se muestra en la Figura 1.1 (a). b) Este sistema cuenta con un niimero infinito de soluciones, ya que la segunda solucién 6 el resultado de multiplicar por 2 ambos miembros de la primera ecuacién. Una representaciGn paramétrica del conjunto solucién es: 3-1 y=h_ Fescualquier nimero real. La grifica de este sistema se representa como dos rectas coineidentes, como se muestra ena figura 1.1 (). © Este sistema no tiene solucién porque es imposible que Ia suma de dos nimeros sea 3 y | simultineamente. La grifica de este sistema se representa como dos recta parale- tas, como se muestra en Ia figura 1-1 (2) T 1 8) Dos rectas que se cortan: b) Dos rectas coincidentes: €) Dos rectas paralelas: xty= 3 xt y=3 etys3 goyecl xty Figura 1.1 a El cjernplo 4 ilustra los tres tipos bisicos de conjuntos solucién que son posibles para tun sistema de ecuaciones Tineales, Este resultado se enuncia aquf sin demostracién. (Este se proporciona después en el Teorema 2.5) Numero de soluciones de un sistema de ecuaciones lineales es Para un sistema de ecuaciones lineales, necesariamente una de las si afirmaciones es verdadera: 1. El sistema tiene exactamente una solucién (sistema consistente). 2. El sistema tiene un niimero infinito de soluciones (sistema consistente). 3. El sistema no tiene solucién (sistema inconsistente)..Capitulo 1 Sistemas de ecuaciones lineales RESOLVIENDO UN SISTEMA DE ECUACIONES LINEALES {Cuil de los siguientes sistemas es més Fic de resolver algebraicamente? x-yth= 9 ax+3y a 2 Sy +52= 17 El sistema de In derecha es el mis fécil de resolver. Este sistema esté en la forma escalo- nada por renglones, lo cusl significa que sigue un patron escalonado y que tiene coeft- cientes principales iguales a 1. Para resolver este sistema se aplica un procedimiento ‘denominado sustitucién hacia atrés. Uso de la sustitucién hacia atras para resolver EIT un sistema de forma escalonada por renglones Utilice la sustitucién hacia atrs para resolver el sistema. x-ays 5 Zeuacn | Beuacién 2 SOLUCION De la Ecuacién 2 usted sabe que y = —2. Al susttuir este valor en la Ecuacién 1, obtiene x-2-es Sustiwya ~2 = y xel Reswolva para El término “sustitucién hacia aris” implica que se trabaja en retrospectiva. Ast, en el _Ejemplo 5, la segunda ecuacién generé el valor de y. El Ejemplo 6 demuestra este procedi- imiento, Se sustituye entonces ese valor en la primera ecuaviGn y se resuelve para x. GSR Uso de Ia sustitucién hacia atrés para resolver un sistema de forma escalonada por renglones Resuelva el siguiente sistema. Asi, ol sistema tiene exactamente una solucién x = 1 y y = xody+3e= 9 Eeuacién 1 yr3e= 5 euscion 2 z=2 Eeuaciéin 3 SOLUCION De la Ecuacién 3, conoce el valor de z, Para resolver para y, sustituya z = 2en la ecuacién 2 para obtener 9 Sustituyay 1. Resuelva para x La solucin es x= I,y=—lyz= 2. a Dos sistemas de ecuaciones son equivalentes si tienen el mismo conjunto solucién. ara resolver tn sistema que no esté en la forma escalonada por renglones, primero se ansforma a un sistema equivalente que esté en la forma escalonada por renglones mediante las siguientes operaciones.Carl Friedrich Gauss (1777-1855) EI matematico aleman Carl Friedrich Gauss es reconocido, con Newton y Arquimedes, como unos de los tres matematicos més importantes de la historia. ‘Gauss usd una forma de lo que ahora se conoce como Eliminacién Gaussiana en sus investigaciones. Aunque este método fue nombrado en honor a Gauss, los chinos usaban un método casi idér tico 2000 afios antes que él. Figura 1.2 1.1. Introduceién a los sistemas de ecuaciones lineales 7 Operaciones que conducen a sistemas de ecuaciones equivalentes Cada una de las siguientes operaciones, aplicadas a un sistema de ecuaciones linea~ les, produce un sistema equivalente: 1, Intercambiar dos ecuaciones. 2. Multiplicar una ecuacién por una constante diferente de cero. 3. Sumar el multiplo de una ecuacién a otra. Reeseribir un sistema de ecuaciones lineales en la forma escalonada por renglones, a ‘menudo implica una cadena de sistemas equivalentes, eada uno de los cuales se obtiene mediante la aplicacidn de una de las tres operaciones bisicas. Este proceso es denominado Eliminacién Gaussiana, en honor del matemstico lemin Cari Friedrich Gauss (1777-1855). EJEMPLO 7, Resuelva el sistema, Uso de la eliminacién gaussiana para reescribir un sistema en la forma escalonada por renglones xody+3o= 9 mx 43y -4 2x — Sy +52= 17 SOLUCION ‘Aunque existen varias maneras de empezar, es recomendable utilizar un procedimiento sistemitico que pueda aplicase fécilmente a sistemas grandes, Trabaje a partir de Ia esquina superior izquierda del sistema, mantenga x en la posicién superior izquierda y climine las demas x de la primera columna. xo2yt308 9 yt 5 2x Sy +52=17 xo2yt3e— 9 yr3e= 5 pe [Ahora que todo se ha eliminado de la primera columna, excepto la primera x, procedemos con la segunda, ‘Surmando ls primera ecuacién ‘ala segunda, obienemos una ‘nueva segunda ecuacién, Sumando -2 veces la primera eenacidn fa rercera, abtenemos luna nueva ercera ecuacién xn 2y +32 Sumando la ercera, ‘eva tercera ecuscin segunda ecu ‘Mohiplicando la tereera eevaticin por 4, obtenemos una nueva tereera ceuacn Este es el mismo sistema usado en el Ejemplo 6 y, como en ese caso, la soluciéin es 2 a ‘Cada una de las tres ecuaciones en cl Ejemplo 7 representa un plano en un sistema de ‘coordenadas tridimensionales. Ya que la tinica solucién del sistema es el punto yy, (1, -1, 2) los tres planos se intersectan en el punto representado por estas coordenadas, como se muestra en la figura 1.2. sel ysl emsCapitulo 1 Sistemas de ecuaciones lineales Debido a que se requieren muchos pasos para resolver un sistema de ecuaciones linea- les, es muy facil cometererrores aritméticos; es por ello que se sugiere fortentar el bite de comprobar la solucién sustinyéndola en cada una de las ecuaciones del sistema or ral. Asi, en el ejemplo 7, puede comprobar fa solucién x = I, y = ~1 yz = 2 como sigue, Beuacién 1: (1) — 2(-1) + 32) 9 Sustituya la solucion Ecuacién 2: (1) + 3(=1) —4 ‘en caca ecuacin Ecuacién 3: 2(1) —5(—1) + 5(2)= 17 __delsisterma origina EI siguiente ejemplo implica un sistema inconsistente, 0 que no tiene solucién. La clave para identificar un sistema inconsistente es que, en algtin punto del proceso de eli- rminacién, se obtendé un resultado sin sentido como 0 = ~2. Esto se demuestra en el ejemplo 8. [V1 300}EF} Un sistema inconsistente Resuelva el sistema, xragtaye t 2x, - xy 2ey xy #2x, — 38 SOLUCION ayant oye Sumando -2 veces la primera eeusciin Sr, 4x, = slasegunds couse, generamos una x, $28, — 34 = nueva segunda ecuacidn, Sumando =I veces la primera ecuacign fla tercera ecuaci6n, producimos una nueva tercera ecuacién, (Ctra manera de deseribir esta operacion es decir que de Ia terera ecuacisn se resté la primera para obtener una nueva tercera ecuacién) x-ant ye 1 Sx, 43, 0 ‘Sumando —1 veces la segunda ecuacién o a la tercera ecuacién, producimos un =2 = meva tercern ecuacis, Ya que la tercera “ecuacidn” es falsa, este sistema no tiene solucién. Ademiés, debido a ‘que es equivalente al sistema original, podemos concluir que éste tampoco tiene solu- cin, ‘Como en el ejemplo 7, las tres ecuaciones del ejemplo 8 represenian planos en un sistema coorde- ‘nado tridimensional, En este ejemplo, sin embargo, el sistema es inconsistente. Ast, los planos no tienen un punto en comiin, como se muestra en la Figura 1.3. Figura 1.3jemas de ecuaciones lineales 9 1.1. Introduceién a los Esta secci6n termina con el andlisis de un sistema de ecuaciones lineales que tiene un ‘mimero infinito de soluciones. Puede representar el conjunto solucién para este sistema de ‘manera paraméirica como Io hizo en los Ejemplos 2 y 3. [SJ UeE\] Un sistema con un némero infinito de soluciones Resuelva el sistema. mo m= 0 0 3a nl sexta = 1 SOLUCION +Comience por rescribirel sistema en la forma escalonada por renglones, como se muestra enseguida. x <= _Intereambiamos las dos ac <= _primeras ecvaciones. ax) $3, 1 x = 3x5 -1 ql 5 Sumando la primera ecuaeidn x 0 41 Ja tercera ecuacién, se genera 3x —3xy= 0 “S_unarnueva tereera eeuacion. a eta ce ‘Sumando -3 veces la segunda ecuacién wo ms 0 ala terra ecucién para eliminar D= 0 = lnterceru ecuacsn. Debido a que la tercera ecuacién es innecesaria, la eliminamos para obtener el sistema mostrado abajo. x - 335-1 a= 0 Para representar las soluciones, se clige x3 como la variable libre y se representa con el pard- metro f. Dado que x2 = 5 yx, = 3x3 ~ 1, se puede describir el conjunto solucién como es cualquier nero real a Has 1 Beh DESCUBRIMIENT® ‘Ta Grofique las dos rectas representaces por el sistema de ecuaciones. x-2y= 1 2x4 By" -3 ‘Ba utilice ta eliminacién Gaussiana para resolver este sistema de la siguiente manera. x-2y= 1 -ty=-1 x-2y=t yet x=3 yo Grafique el sistema de ecuaciones que obtiene a cada paso de este proceso. {Qué puede observer acerca de estas rectas? Se le padird repetir este anélisis gréfico para otros sistemas en los ejercicios 89 y 90.10 Capitulo 1. Sistemas de ecuaciones lineales Ja ecuaci6n dada es lineal en las variables x y y. Lox-ay=4 2. Bx— dy = 0 3.342-1-0 ytx aot ty 5. 2senx—y= 14 6. (sen 2)x 4 Representacién paramétrica En los ejercicios 7 a 10, ‘encuentre la representacién paraméitica del conjunto solu- ida de la ecuacién lineal 7.x 4y=0 Bxty teed 10, 13x, — 26x, + 39x, = 13 8. 3x—jy=9 Anélisis gréfico En los Bjercicios 11 a 24, grafique el sistema de ecuaciones lineales. Resuelva el sistema e inter- prete su respuesta. Ue ty=4 We xt3y=2 xoy=2 4 soayes 22, 02-05) = 2718 O3x+ Ody = 68.7 ay e2 wares arty Sustitucién hacia atrés En los Ejercicios 25-30, use el sistema de sustitucién hacia atrés para resolver el sistema, 26. 2x, — ax, 25. x- x ” ae Mert y- 220 Bry a4 yt 233 Yt 226 ¥ =O 32 =6 29, 5x, + 2x br= 0 Bay tx, Hay =O er) 0 El siboto EP indica un eric ene cua puede uiliarse una apicacion erica ‘oun programa de compo, es lineales En los ejercicios 1 a 6, determine si J Anélisis grafico En los ejercicios 31 a 36, complete el z, siguiente conjunto de tareas para cada sistema de ecuaciones. a) Utilice una aplicaci6n grfica para graficar las ecuaciones enel sistema. b) Utilice tas grificas para determinar si el sistema es con- sistente o inconsistente. ©) Siel sistema es consistente, aproxime la soluci6n, 4) Resuelva el sistema algebraicamente, ©) Compare la solucién del inciso (d) con la aproximacién del inciso (c). ;Qué puede concluir? hk ya 32. 4x- Sy= 3 6r+2y=1 33. 2x = By =3 pt y=0 3 ar~ y= 9 36 -S3r+2Iy= 125 O.Bx — 1.6y = 1.8 15.9% ~ 6.3y = -3.75 Sistema de ecuaciones lineales En los ejercicios 37 a 56 resuelva el sistema de ecuaciones lineales. 37. 3B. 3x 2y= 2 or+dy= 14 40, x) — 2x, =0 6x, + 2x, = 0 a2. bx + bx Br, 3, = -2 48, 0.02x, ~ 0.05x, = -0.19 0.03%, + 0.04%, = 0.52 46, 0.05x, ~ 0.03x, = 0.21 O07, + 0.02x, = 0.17 41. xtyt 8 xt yt c= 2 2x -yt ox+3y+20= 8 3x axty 4 49, 3x, — 2x, + dry xy 4 4,— 2x53 2x, — 3x + 6x, = 8 50. 5x,- 3x, + 2x3 =3 4n- 4-7 Ixy + 4x = 3 32 sefB{Sistema de ecuaciones lineales En los Ejercicios 57 a @ rile programs de cmputo o uns aplicsién piies para resolver el sistema de ecuaciones lineales. 81. x, + 05x, + 033x, + 0.25r, 05x, + 0.33x, + 0.25r, + 0.214, = 12 033x, + 0.25xy + O.2r3 + 17x, = 13 0.25x, + 0.29 + Ol7x5 + Olax, = 14 58. 120.2x + 62.4y ~ 36.52 56.8x ~ 42.8y + 27.3¢ 88.1x + T25y — 28.5: Nimero de Soluciones En los Ejerciios 61 64, indique por qué cl sistema de ecuaciones debe tener al menos una solucidn, Despues resuelva el sistoma y determine si ste tiene exactamente una solucién 0 un aero infinito de solucones. GL dr+3y+1=0 OR 243 =O Sx+4y +222 =0 4et3y- 2=0 ar +2y + 192 =0 ar + ay +30 63, Sr+ Sy— c= 0 OA I2et Sy He=0 lor+ Sy 4 2e Ix +4y—2=0 5x + I5y—92=0 @ 1.1. Ejercicios " 65, Nutricién Un vaso de ocho onzas de jugo de manzana yun vaso de ocho onzas de jugo de naranja contienen un total de 177.4 miligramos de vitamina C. Dos vasos de ‘ocho onzas de jugo de manzana y tres vasos de ocho conzas de jugo de naranja contienen un total de 436.7 miligramos de vitamina C. {Cusnta vitamina C hay en tun vaso de ocho onzas de cada tipo de jugo? 66, Velocidad de vuelo Dos aviones parten del Aero- puerto Internacional de Los Angeles y vuelan en direc- ‘ciones opuestas. El segundo avién parte media hora des- pués que el primero, pero su velocidad es 80 kilémetros por hora mayor. Encuentre la velocidad de vuelo de cada avién si 2 horas después de que partis el primer avién, ambos estin a 3200 kilémetros de distancia uno del otro. UWerdadero o falso? En los Ejercicios 67 y 68, determine cada una de las expresiones es verdadera o falsa, Si la expresidn es verdadera, proporcione una razén o cite una expresién adecuada a partir del texto. Sila expresién es falsa, proponga un ejemplo que demuestre que la expresién no es cierta en todos los casos o cite una expresién adecuada a partir del text. 67. a) Un sistema de una ecuacién lineal en dos variables es siempre consistent. 1b) Un sistema de dos ecuaciones Tineales en tres varia- bles es siempre consistente ) Si un sistema lineal es consistente, entonces tiene un ‘nimero infinite de soluciones, 8) Un sistema lines! puede tener exactamente dos solu- ) Dos sistemas de ecuaciones lineales son equivalentes si tienen el mismo conjunto solucién. ©) Un sistema de tres ecuaciones lineales en dos varia- bles siempre es inconsistente. Encventre un sistema de dos ecuaciones en dos vari bles, xy y.x3, que tengan un conjunto solucién dado por Ja representacién paramétrca x, = fy %; = 3 ~ 4, donde 1 es cualquier nimero real. Entonces demuestre que las soluciones del sistema pueden escribirse como a % % Encuentre un sistema de dos ecuaciones en tres varia- bles, xy. 4» ¥ xy, que tengan el conjunto solucién dado por la representacién paramétrica x sy yests— donde s y 1 son cualquier niimero real, Después demues- tre que las soluciones del sistema pueden escribirse como hoe maSterh & 1 sitolo ©) india que conus electeicos dos stn ponies en cllepe engage. comieRarsonEL Ate Estos conjntos de dats son compas con cad ua des siguetes ecnolozas MATLAB, Mathers, Maple, Desve TH SYT183 Pos, TM6 T9,T32y TI Pos12 Capitulo 1. Sistemas de ecuaciones lineales Sustitucién En los Ejercicios 71 a 74, resuelva el sistema de ecuaciones haciendo A = Is, B= Uy y C= lz m2s2e 0 y xy 3,4 3_4_ 25 344 34.3 ty xy 6 pected aay yeaa Bye xty oe 2 48 tt ca moe zy 243-2 25lede Gg ety sty" Cooficiontes Trigonométricos En los Ejercicios 75 y 76, resvelva el sistema de ecuaciones lineales para x yy. 7S. (cos Ox + (sen 0) (-sen @)x + (cos ly = 0 16. Disefio de Coeficiente En los Ejercicios 77 a 82, deter mine los valores de k de tal manera que el sistema tenga el, -iimero de soluciones que se indica, 77. Un niimero infinito de soluciones. drt hy= 6 ket ps3 78. Un numero infinito de soluciones. keh y= 4 dx-3y=-12 79, Exactamente una solucién, x+ky=0 xt ky=2 kt yo 81. Sin solucign, xt dy + Bet 6y FBo=4 82, Exactamente una solueién, ke + ky + 3kz = 4k xe yt 0 Qe- yt re 83. Determine los valores de & tales que el sistema de ecua- cciones lineales no tenga una solucién nica. 84, (RBDWIAATES encuente los valores dea, by C tales que el sistema de ecuaciones lineales tenga (a) exactamente una solucién, (b) un ntimero infi- nito de soluciones (@) no tenga solucin. Expl due su razonamieato, xt5y+ 2=0 x+6y- z= 0 2x + ay + be 85, Escriba Considere el sistema de ecuaciones lineales enxyy. Describa las gricas de estas tres ezuacones ene plano sry cuando el sistema tiene (a) exactamente una solu cién, (b) un ntimero infinito de soluciones y (c) ninguna solueisn, 86. Escriba Explique por qué el sistema de ecuaciones lineales del Ejercicio 85 debe ser consistent, silos te- rminos constanes ey, € y€3 son todos c=, 87. Demueste que sia? + bx + c = O para toda x, entonces b= {Bajo qué condiciones el sistema tiene exactamente una solucién? Descubrimiento En los Ejercicios 89 y 90, trace ls rectas, determinadas por el sistema de ecuaciones lineales. Entonces, aplique le eliminaciGn gaussiane para resolver el sistema, En cada paso del proceso de eliminacién, trace las rectas comres- pondientes. ;Qué puede observar de estas rectas? 89, x-dy=-3 90. Sx- Gy = 13 Eseriba En los Ejercicios 91 y 92, las grificas de ambas ecuaciones parecen ser paralelas. Resuelva el sistema de ecuaciones algebraicamente. Explique por qué las grificas ‘confunden, 91. 10by—x= 200 92. 21x 20y= 0 Sy = x= =198 13x = 12y = 120 4 20. 3 —— 1. ' etd : SS atiaas oA Zio = ° ae!1.2. Eliminacién gaussiana y eliminacién de Gauss-Jordan 13 COMENTARIO El plural de matrizes matrices. Si cada elemento de la matriz os tun ruimero rea, entonces fa ‘matra 9e denomina matric real ‘A menos que se indique lo ‘contraro, todas las matrices de ‘esto texto son reales. COMENTARIO Comienee alineando mante las variables on indicar coeficlentes de cero en le ‘mati, Considere la cuarta columna de términos constants fon la matrlz aumentada, Determine ol tamatio de una matric y eseriba una matriz aumentads 0 por coeficientes a partir de un sistema de ecuaciones lineales. [Use matrices y oliminacién Gaussiana con susttucién hacia atrés para resolver el sistema de ecuaciones lineeles. [y_ Use matrices y la eliminacin Gauss-Jordan para resolver un sistema de ecuaciones lineales. [HI Resuelva un sistema homogéneo de ecuaciones lineeles. “MATRICES Ena secci6n 1.1 la eliminacign Gaussiana fue introducida como un procedimiento para la solucida de sistemas de ecuaciones lineales. En esta secci6n usted estudiar este procedi- rmiento con mayor profundidad, empezando por algunas definiciones. La primera es Ia definicién de matriz Definicion de matriz ‘Sim nson enteros positives, entonces una matriz m % 1 (que se lee como “Mn porn") ¢3 un arteglo rectangular Columna 1 Columna2 — Columna 3 Columna 1 Renglin | Renalén 2 Renglin 3 ay ay ayy Renglinm fen el cual cada elemento ay de la matriz es un nidmero, Una matrig m X 1 tiene m renglones (Iineas horizontales) y 1 columnas (Lineas vertcales). Las matrices usual- mente se denotan con letras maytisculas, El elemento a; esti ubicado en el Fésimo rengion y en Ta -sima columna. # se deno- mina subtndice del renglén porque identifica Ia Tinea horizontal en ta cual se ubica el elemento y el subindice j se denomina subindice de la colunna porque identifica Ia linea vertical en la que se encuentra el elemento. Se dice que una matriz con m renglones y 1 columnas es de tamafio m X 1. Sim = rn, entonces la matriz se llama euadrada de orden 1. Los elementos a, daa, dys - + + 8€ denominan elementos de la diagonal principal. Enid) Tamanos de matrices Cada matriz tiene indicado el tamatio. o ce eH (0) aa e 2-7 a) Taraor 11 (2). b) Tamato:2<2 [9 §] © Tama: 23 fe oa eal El uso mis comin de las mattices es para representar un sistema de ecuaciones linea- les. La matriz obienida de los coeficientes y téminos constantes de un sistema de ecuacio- nes lineales se denomina matriz aumentada del sistema. A la matriz que sélo contiene los coeficientes del sistema se le Hama matriz de coeficientes del sistema. He aquf un ejemplo. Sistema Mats aumentada——-Matriz de coeficientes xcdyt3c= 5 1-403 5 4g cxt3y- 2=-3 [-1 3-1 -3 -1 3-1 6 as 4 2 0-4 6| [2 0-414 Capitulo 1. Sistemas de ecuaciones lineales NOTA TECNOLOGICA Muchas aplicaciones grificas y programas de cémpute pueden cefectuar operaciones olementa- les en renglones de matrices. Si sted use una aplicacion gratica, las pantallas para. ejemplo 2c) pueden verse como las que ‘parecen abajo. Los comandos Ysintaxis de programacién para para el jam sionen en Ia Onli Guide, disponible en college. cengage.comipicilarsoné LAG, OPERACIONES ELEMENTALES POR RENGLON En la seccidn anterior, usted estudi6 tres operaciones que producen sistemas equivalentes de ecuaciones lineales. 1. Intercambie des ecuaciones. 2, Multplique una ecuacién por una constante diferente de eer. 4. Sume un miltiplo de una ecuacién a otra ecuacién En terminologia de matrices, estas tres operaciones corresponden a operaciones elementales por renglén. Una opereei6n elemental por renglén en una matsiz aamentada produce un nueva mata aumentada, correspondiente a sistema de eacioneslineales mevo (aunque equivalent), Dos matices son equivalentes por rengldn cuando una puede oblenerse a parr de ot por una a secuencia finita de operscions elementales por rene, Operaciones elementales por renglén 1. Intercambie dos renglones. 2. Multiplique un rengitn por una constante diferente de cero, 3. Sume un miiltiplo de un renglén a otro renglén, Aunque es facil efectuar las operaciones elementales en los renglones, esto implica ‘muchas operaciones aritméticas. Ya que es facil cometer un error, es recomendable anotar siempre la operacién elemental realizada en cada paso, de modo que revisar el trabajo sea ims fei Debido a que resolver algunos sistemas implica muchos pasos, es de gran ayuda uti- lizar un método de notaci6n abreviada, para tener seguimiento de cada operacién elemen- tal que usted efectde. Esta notacién se introduce en el siguiente ejemplo. [X}=\VI7he}-] Operaciones elementales en los renglones a) Intercambie el primero y segundo renglones. ons a pt 2 03 pee] fot Sa) nee 236) laa 44 1b) Maltipligne el primer renglén por | para produc un nuevo primer renglén, Matiz original Nueva mati equivlete por englones,_Notacin 2-4 6 -2 1-203 41 Gar, 1 30 13-3 0 5-2 1 2 3-2 1 2 ©) Sume ~2 veces el primer renglén al tercero, para generar un nuevo tercer renglén. Matiz original [Nueva maui equivaiente porrnglones Nota 1 2-4 3 LO 4 gi 0 3 = o 3-2 -1 2,1 5 0-3 2B -8 Rt (WHR, Note que sumar—2 veces el renglén 1 al rengidn 3 no cambia el renglén 1 a1.2. Eliminacién gaussiana y eliminacién de Gauss-Jordan 15 En el Ejemplo 7 de la Seccién 1.1, aplicé ta eliminacién gaussiana con sustitucicn hacia atrés para resolver un sistema de ecuaciones lineales. Ahora aprenderd la versiGn matricial de Ia eliminacién gaussiana, Los dos métodos utilizados en el siguiente ejemplo son esencialmente iguales. la diferencia fundamental es que con el método matricial no es necesario escribie las variables una y otra vez, REN SE IN) Use de las operaciones elementales en los renglones para resolver un sistema Mair asoeiada aumentad 1-2 3 9 -1 300-4 2-5 5 17 ‘Sume la primera ecuacién a la segunda, Sure el primer renglén al segundo para obtener un nuevo segundo rengién. x-2y+ 9 1-2 3 8 ytas 5 0 1 3 5] RFR oR 2e- Sy + Bao say: Sume ~2 veces la primera ecuacién ‘Sume —2 veces el primer renglén al tercero ala tercera, para obtener un nuevo tercer renglén. xo tks 9 pp2 39 yt 0; 3+ 5 oO -1 -1 =I) R+(-9R 8, Sume el segundo rengl6n al tercero para obtener un nuevo tercer rengl6n 1-23 9 ol a 0 0 2 4] Rtn, Moliplique el tercer renglén po para obtener tn nuevo tercer rengin. xo dy +359 1 <2 3 9 o us 5 0 iO 4 2, ‘Ahora puede utilizar Ia sustitucién hacia atrds para encontrar la solucién, como en el ejemplo 6 de Ia secci6n 1.1. La solucién es.v = ly = ~2y2= 2. ‘Se dice que la itima matriz del ejemplo 3 estd en la forma escalonada por renglones. EL término escalonada se refiere al patrén de escalera formado pot los elementos no nulos de la matriz, Para que una matriz tenga esta forma debe tener las siguientes propicdades. Forma Escalonada por Renglones y Forma Escalonada por Renglones Reducida ‘Una matriz en la forma esealonada por renglones tiene estas propiedades: 1, Todos tos renglones que constan por completo de ceras se encuentran en la parte Inferior de la mati 2. Por cada renglén que no consta completamente de ceros, el primer elemento no nulo es 1 (denominado 1 principal) 3. Para dos renglones consecutivos (no nulos), el 1 principal del renglén superior esti més al izquierda que el 1 prineipal del renglén inmediato inferior. ‘Una matiz escalonada por renglones esti en la forma esealonada reducida si toda columna con un 1 principal tiene eros en tods las posiciones por arriba y por debajo de ss principal16 Capitulo 1. Sistemas de ecuaciones lineales NOTA TECNOLOGICA Ustlice una aplicacién gréfies 0 tn programs de cémputo para encontrar Is forma escalonada por renglonas reducida de la ‘matrz del inciso(f) de la mattiz en al Ejemplo 4 (b}. Los ‘comandos y a sintaxis de programacion de esta aplicacién’ programa para ol tjamplo 4 se proporcionan en ls Online Technology Guide sisponible en college.cengage. ‘comipie! larsonELAGe. []=\Viake)7 4) Forma escalonada por renglones Determine si cada matriz esta en forma escalonada por renglones. De estarlo, determine siesté en forma reducida, w2-1 4 1 2-1 ao 1 0 3 mio 0 0 0 0 0 TT) - oO 1 2 =4, ws 2-1 3 mo 0 -1 OeOnaET 3-2 Gam o 2 9° ORO Oem 4 © omy 5 (EO RSRONLE Olen (CisnOnue NANO) 12-3 4 mmm oS ojo 2 1 -1 5 Qo am 3 oo 1 -3 0 0 0 Oo SOLUCION Las matrices en (a), ©,(6) y (0) estén ahora en forma escalonada por renglones, Las matrices en (@)y (Destin en forma escalonada por renglones reducida porque cada columna que tiene un | principal tiene ceros en eada posicién arriba y abajo de su I principal, La matriz en (b) ro esti en forma escalonada por renglones porque no hay un rengién de puros ceros hasta abajo de la matriz. La matriz en (e) no esti en forma escalonada por renglén porque la primer ‘entrada distinta a cero en el Rengién 2 no es un 1 principal Puede demostrarse que toda matriz es equivalente por renglones a una matriz.en forma escalonada por renglones. De este modo, en el ejemplo 4 usted puede cambiar la matriz, del inciso (e) a la forma escalonada por renglones al multiplicar por $el segundo renglén de Ia matriz, El procedimeinto para utilizar la eliminacién gaussiana con sustitucién hacia atris para resolver un sistema es el siguiente, Eliminacién gaussiana con sustitucién hacia atras 1 Eseriba Ia mattiz. aumentada del sistema de ecuaciones lineales. 2, Utilice operaciones elementales en los renglones para reescribir a matriz ‘aumentada en la forma escalonada por renglones. 3, Bscriba el sistema de ecuaciones lineales correspondiente a la matriz en la forma escalonada por renglones y aplique la sustitucién hacia atrés para encon- trar la solucién, La climinacién gaussiana con susttucién hacia atrés funciona bien como método algoritmico para resolver sistemas de ecuaciones lineales ya sea a mano © a compatadora, Para este algo- ritmo, el orden en el que las operaciones elementales en los reglones son efectuadas es impor- tante, Muévase de icguierda a derecha por colunnas, camibiando a cero todos los elementos directamente debajo de los 1 principales. ALGEBRA Sisems Posiionsmieno Global (GPS, por ss sols en ras es tng rede 2 sates ongiamentedesaolade pore toc UNEAL Estados Unidos como herramienta de navegacién. En la actualidad, los APLICADA eceptores de GPS son usados on une gran verioced de aplicaciones civiles, como determinarcirecciones,loclizar botes ala deriva, monitorear torremotos, Un receptor de GPS funciona con lectures satolitales para caleular su ubicacién. En tres dimensiones el receptor usa sefaies de al menos cuatro sates pare “triterizar” su posicén, En un modelo matemético simpifcedo, ae usa un sistema de tres ‘ecuacioneslineales an custo incégnitas (tres dimensiones ¥ tiempo) para determinar les eoordenades del recaptor como funciones. ddotiompo. diver oxenj6n gaussiana y eliminacién de Gauss-Jordan 7 iminacién gaussiana con sustituci6n hacia atrés Resuelva el sistema. ay toy 2m = 3 xy+2x,- = 2 Qe, + dsy+ xy — 3x, = 2 xy 4 Ty SOLUCION La matriz aumentada para este sistema es oor 1-2 33 Lassi 0 2 7 i241 3 -2f 1-4-7 =1 =19, Obteniendo un 1 principal en la esquina superior izquierda y ceros en los demés elementos de la primera columna, 12-1 2] <= seimercambian os dos pea 3] = primerosrenglones. Roky 241 2 1-4-7 -1 -19, see He ee eaecgnanaenss ears teere tea pars obtener un evo 0 0 3 3 6) ) Encuentre el flujo vehicular cuando x; = 200 y xy = 50 (6) Eneuentre el flujo vehicular cuando x; = 150 y x= 0. 29, Anélisis de redes El flujo de treo (en vehiculos por hora) através de una red de calles se muestra en la figura 117, 200 “1 a 100. 100 200 (a) Resuelva este sistema para xy, i= 1, 2,3,4. (b) Encuentre el flujo vehicular cuando xy = 0. (c) Encuenire el flujo vehicular cuando x, = 100. 30, Anélisis de redes El flujo de trifico (en vehiculos por hhora) a través de una red de calles se muestra en la figura 118 00, - 600 300 109 (a) Resuelva este sistema para.xy./ = 1,2, (b) Eneuenire el flujo vehicular cuando x = 0 y 5 = 100, (©) Encuentre el flujo vehicular euando x5 = x5 = 100.34 Capitulo 1 Sistemas de ecuaciones lineales 31. Analisis de redes Determine las corrientes Jy, ¢ Js para el circuito eléctrico mostrado en la figura 1.19. av h 32, Analisis de redes Determine las corrientes Jy, fy ly Jy, Ise Ug pata el citcuito eléetrico mostrado en la figura 1.22, sv WSR=20 33. Analisis de redes (a) Determine las corrientes 1), Jy € fy para el circuito cléctrico mostrado en ta figura 1.21 (b) (Como se afecta el resultado cuando A cambia a 2 volts y B a 6 volts 1 aw. REMATE (a) Explique cémo usar sistemas de ecuaciones lines les para el ajuste de curvas polinomiales. (b) Explique cémo usar use sistemas de ecuaciones lineales para realizar el andlisis de redes, Temperatura En los Ejercicios 35 y 36, la figura muestra Jas temperataras limite (en grados Celsius) de una deigada placa de metal aslada, La temperatura estable en un nodo Interior es aproximadamente igual que Ia media de las tem- peraturas en cuatro nodos eircundantes. Use un sistema de eeuaciones lineales para aproximar las temperaturas interio- 68 Ty Ta Ta Ts 35, or ar 20° 50° 20" 50° 36. 2s" 25° 2s" ° © Descomposicién en fracciones parciales En los Ejerci- cios 37 y 38, use un sistema de ecuaciones para escribir la descomposicién en fracciones parciales de la expresién racional. Despu¢s resuelva el sistema usando matrices. 4x2 c GSR) 7 Get ata tr-12_ A c 38 GaGa! 34d 3-4 Ga Calculo En los ejercicios 39 y 40, encuentre los valores de x,y A tales que se satisfaga el sistema de ecuaciones, Tales sistemas se presentan en ciertos problemas de cleulo y d es denominado multiplicador de Lagrange, 3.2 $d 0 wa =0 xt y =4=0 40. WHDA+ 2 2% + A+ 10 at y —100=0 Ecu B 15, 17. vp. 20, Tar tame a. Mat con) sent 23,Ejercicios de repaso 35 Ejercicios de repaso Eouaciones lineales En los ejercicios 1 a 6, determine si Ia ecuacién es lineal en.xy ¥. L2e-yt=4 3. (sens + y= 2. 5 24ay=3 Representacién paramétriea En los ejercicios 7 y 8, determine In representacidn paramétrica del conjunto solu- Jn de la ecuaci6n lineal. 1. W4e + 2y 6 = 1 8 3r, + 2x, dry = 0 Sistema de ecuaciones lineales En los ejercicios 9a 20, resualva el sistema de ecusciones lineales. 9. xty=? 10. 3x-y=0 M1, 3y = 25 2 yoxta . 1B ytx=0 14. y= de 0 yoo I. x-y=9 4 oxty=l 20x, + 15x; = 14 1. y= 0 1 bet dy 3x + Ay +5) = 10 19, 0.2, + 03x, = 0.14 2x +3y Ax, + Sx, = 0.20 20. 0.2x-O.ly= 0.07 O.4x = 0.5y = -0.01 ‘Tamafio de matri2 Enlosejercicios 21 y 22, determine el tamafio de la matriz. 203-1 a. ij 4 1] 2 1 2,)-4 - os. Matriz aumentada En los ejervicios 23 y 24, encuentre el conjunto solucién del sistema de ccuaciones lineales repre- sentado por la matriz aumentada, 1 2 2 |e oO ; : oped 0 ecouce @8 8 t5e +35 Forma escalonada por renglones En los ejercicios 25 a 28, determine si las matrices estn en 1a forma escalonada por renglones. Si es asf, determine si también esti en la forma escalonada reducida, too 1d 0 ajo 1 2 1 0 0 0 1 12 26/0 0 o 0 1 0 0 -0201 0 a.| oo 1 0 28. |0 oo 1 9 Sistema de ecuaciones lineales En los cjercicios 29 a 38, resuelva el sistema utilizando ya sea la eliminacién gaus- sina con sustitucién hacia atras 0 con eliminaci6n de Gauss- Jordan, 2, -x+ yr 1 det 3yt r= -2 Srtdyt2es 4 30, 2e+3y+ z= 10 2e = 3y - 3c 4x — 2y +32 BL Qet3y+ = 3 6x + 6y + 122 = 13 Ie oy— z= 2 32 2et yore 4 2x +2y 2x- y+6r 33, x-2yt 22-6 2x -3y -7 cx+3y-32= U1 34 2s +6: 3x 2y + Le Be- y+ Te 38. xt2y+ 6: 2x + Sy + 152 ar+ y+ 32 36. 2x, + Sx_ 19s, Bx, + Sry — 31x. Quy t oxy t xy +2xy=-1 Sx, — 2,4 x -3r,= 0 Hxj t 3xy + 2x 42045 1 3x, + 2x, + 34, — Sey = 12 Ax, + 2x; + Si Bx, + 8x, + Gry 2x, + 4x3 wy = 036 Capitulo 1 Sistemas de ecuaciones lineales Sistema de ecuaciones lineales En los Ejercicios 39-42, use una aplicacién grfica o un software computacio- nal para resolver el sistema de ecuaciones lineales. 40, 2x-+ 10y + 2¢ xt Syt2e xt Sytz 3x - Sy +32 = -9 41 ek y— 2+ 2W ebay + x4 Sy +204 Set 2y- en xt Qy tet ow roy twe Sy 2+ lv Sistema homogéneo En los ejercicios 43 a 46, resuelva al sistema de ecuaciones lineales homogéneo. 4B, x) — 2x, - Bry = 0 32, + 2p 0 44, 2x, + 4xq Tx, = 0 x)= 3x, + 9x, = 0 45, 2x, — Bry + 4x, = 0 3x; — 10x, + 7x5 = 0 ln, + Sx, =0 46, 2) + xq + 5x20 nd thy =o 47. Determine el valor de k tal que el sistema de ecuaciones Tineales sea inconsistente. ket y=0 xthy=l 48, Determine el valor de & tal que el sistema de ecusciones Jineales tenga exactamente una solucién, 0 xn yt: eat p23 xthy+ 2=0 49. Determine las condiciones de a y b tales que el sistema de ecuaciones lineales (a) no tenga solucién, (b) tenga ‘exactamente una soluci6n y (c) tenga un nimero infinito de soluciones. vat dys 3 ax + by =—9 30, Determine (si es posible) las condiciones de a,b y c tales ‘que el sistema de ecuaciones lineales (a) no tenga solucivn, (b) tenga exactamente una solucién y (c) tenga un niimero infinito de soluciones. ae- ytz xt yt a+ 51. Escriba Describa un método para demostrar que dos, matrices son equivalentes por renglones. {Son las dos matrices siguientes equivalentes por renglones? ioe b2 3 O-1 2yl4 3 6 Sil 22, 5 5 10, 52, Esoriba Describa todas las posibles matrices en forma cescalonacla reducida de 2 * 3, Respalde su respuesta con ejemplos. 53, Sean = 3, Determine la forma esealonada por renglones reducida de Ia matriz 1 X m, 1 2 Br ntl nt2 0 nt3 en MeL +2 WHS Le Gn ntl mont moneda ‘84, Determine todos los valores de A para los que el sistema de ecuaciones lineales homogéneo tenga soluciones no trvials. (Ate, - e+ 34 28, + (A= Dey + 6 xt 2A 0 ANerdadero 0 falso? En los ejercicios 55 y 56, determine si eada una de las expresiones es verdadera o falsa. Si la cexpresién es verdadera, proporcione una razén 0 cite una cexpresién adecuada del texto. En caso contrario, proporcione un ejemplo que demuestre que In expresién es falsa en todos Jos casos o cite una expresién adecuada del texto. 55. (a) El conjunto solucidn de una ecuacién lineal puede representarse paramétricamente slo de una manera. (b) Un sistema de ecuaciones lineales consistente puede tener un niimero infinito de soluciones. 56. (a) Un sistema de ecuaciones lineales homogéneo debe tener al menos una solucién, (b) Un sistema de ecuaciones lineales con menos ecua- cciones que variables siempre tiene al menos una solucién. 57. Deportes En el Sper Tazén I, enero 15 de 1967, los Empacadores de Green Bay derrotaron a los Jefes de Kansas City por un marcador de 35 2 10. El total de pun- tos anotados provinieron de una combinacién de touch- downs, patadas de punto extra y goles de campo con un valor de 6,1 y 3 tres puntos, respectivamente. El niimero de anotaciones y de patadas de puntos extra fue el mismo. El mimero de anotaciones fue cuando mucho seis veces el de goles de campo. Encuentre el niimero de touchdowns, patadss de punto extra y goles de campo anotados. (Fuente: National Football League). 58. Des dese racic 59, Ajus 62,( tos los p Om 2.458, Agricultura Una mezcla de 6 galones del compuesto ‘A, 8 galones del compuesto B y 13 galones del com- puesto C cs necesaria para matar una plaga de insectos. E] aspersor comercial X contiene 1,2 y 2 partes, respec~ tivamente, de estos compuesios quimicos. El aspersor comercial Y contiene s6lo el compuesto C. El aspersor comercial Z contiene los compuestos A, B y C en las ‘mismas cantidades. {Cuénto de cada tipo de aspersor comercial es necesario para obtener Ia mezela deseada? Doscomposicién en fracciones parciales En los ejerci- cios 59 y 60, ulilice un sistema de ecuaciones para escribir la descomposicién en fracciones pargiales de la expresién ial. Después, resuelva el sistema usando matrices. c 3x2 + 3x — 2 0. SF Pe- +o Te Ajuste de curvas polinomiales En los ejercicios 61 y (62, (a) determine el polinomio cuya gréfica pasa por los pun- tos dados y (b) bosqueje la grifica del potinomio, mostrando los puntos dados. G1. (2, 5), (3, 0), (4, 20) 62. (1, -1), (0,0), (1, 1), 2.4) 63, Ventas Una compatia tiene ventas (medidas en millo- nes) de $50, $60 y $75 durante tres aftos consecutivos Determine una funcién cuadritica que se ajste a estos datos y utiieeln para predecir las ventas durante el cuario ao. 64, El polinomio pt es cero cuando x = 1, 2, 3 y 4. {Cusles son los valores de ay dy, 2 ¥ a3? 65, Poblacién de venados Un equipo de administracién de la vida silvestre estudié Ia poblacién de venados en ‘una pequefia extensién de la reserva para la vida silves- tre, La poblacién y el ntimero de afios desde que el estu- dio comenz6 se muestran en la siguiente tabla. wt aye age + aye [Ano 0 [4 | 80] Pobiacién | a0 | 68 | 30| (a) Determine un sistema de ecuaciones lineales pare ajustar los datos aun polinomio cuadstico. (b) Resuelva el sistema £83 (©) Uiilce una aplicacién geifica para ajustar un modelo cuadritico a os datos. (6) Compare et polinomio cuadrético del inciso(b) con el modelo dal inciso(c). (€) Cite la expresisn del texto que comprueba sus resul- tados. Ejercicios de repaso 37 6. Movimiento vertical Un objeto que se mueve vert- calmente esti a las alturas dadas en los tiempos espect- ficos. Encuentre Ia ecuacién de posicién shat + i+ para el objeto. (a) Ar= I segundo, s = 134 pies A1= 2 segundos, s = 86 pies A1 = 3 segundos, s = 6 pies (b) Ar= 1 segundo, 5 = 184 pies Ar = 2 segundk 116 pies A= 3 segundos, s = 16 pies 67, Analisis de redes Determine las corrientes /y, fs € fs para el circuito eléctrico mostrado en la figura 1.23. av th 68. Analisis de redes EI flujo a través de una red se muestra en Ia figura 1.24, (a) Resuelva el sistema para x, 7= 1,2,..46. (©) Determine el flujo cuando x5 = 100, x5 = 50, y x= 50. 20038 Capitulo 1 Sistemas de ecuaciones lineales 1 Graficando Ecuaciones Lineales Usted vio en la seccién 1.1 que un sistema de dos ecuaciones lineales en dos variables x y yy puede representarse geoméiricamente como dos lineas en el plano. Estas Ineas pueden intersecarse en un punto, coincidir o bien ser paralelas, tal como se indica en la figura 1.14 1, Considere el siguiente sistema, donde a y b son constantes., Qo y=3 ax + by = 6 (e) Determine los valores de a y b para los cuales el sistema resultante tiene una tnica solucién, (b) Determine tos valores de ay b para los cuales el sistema resultante tiene un niimero infinito de sotuciones. (©) Determine tos valores de a y b para los cuales el sistema resultante no tiene solu- (@) Grafique tas Iineas resultantes para cada uno de los sistemas en los incisos (a), (b) y(o. ‘Ahora considere un sistema de tres ecuaciones lincales en x,y yz, Cada ecuacién repre- senta un plano en un sistema coordenado tridimensional (a) Encuentre un ejemplo de un sistema representado por tres planos que se intersecan en una recta, como se muestra en la figura 1.15(a).. (b) Encuentre un ejemplo de un sistema representado por tres planos que se intersecan en un punto, como se muestra en la figura 1.15(b). (©) Encuentre un ejemplo de un sistema representado por tres planos que no tienen una interseccién comin, como se muestra en la figura 1.15(c). (@) (Existen otras configuraciones de tres planos no cubiertas por los tres ejemplos en los incisos (a), (b) y (c) 2 Sistemas de ecuaciones subdeterminados y sobredeterminados EI siguiente sistema de ecuaciones se lama subdeterminado, ya que tiene més variables que ecuaciones. m+2n-3n- 4 2x) - xy tary = 3 De manera similar, el siguiente sistema se denomina sobredeterminado, pues contiene ‘mis ecuaciones que variables. x)t3n= 5 2x, - 2x, = -3 =x) t1m= 0 Usted puede explorar si el nimero de variables y el niimero de ecuaciones tienen alguna relacién con la consistencia de un sistema de ecuaciones lineales, Para los ejercicios 1-4, si la respuesta es afirmativa, proporcione un ejemplo, En caso contrario, explique por que la respuesta es no. 1. 2Puede plantear un sistema lineal consistente subdeterminado? 2. ;Puede plantear un sistema lineal consistente sobredeterminado? ‘3. {Puede plantear un sistema lineal inconsistente subdeterminado? 4. ;Puede plantear un sistema lineal inconsistente sobredeterminado? 5. Explique por qué esperaria que un sistema lineal sobredeterminado fuera inconsistente, Este siempre debe ser el caso? 66. Explique por qué esperaria que un sistema lineal subdeterminado tuviera un niémero infinito de soluciones. ;Este siempre debe ser el caso? trip fuMatrices o @ &@ &@ @ B&B ef@f@s@s@ Operaciones con matrices Propiedades de las operaciones con matrices Inversa de una matriz Matrices elementales Aplicaciones de las operaciones con matrices Calendarios de le ‘tripulacién de vuelo (p. 47) Recuperacién de informacién (p. 58)40 Capitulo 2 Matrices COTE rao eet) COMENTARIO La frase “sly solo st” significa ‘que la expresion es valida en ambae direcciones. Por ejemplo, *psiy sélo si quiere decir que p implica @ q v-qimplica a p. Determine si dos matrices son iguales. Sume y reste matrices y multiplique una matriz por una escalar. Multiplique dos matrices. Use matrices para resolver un sistema de ecuaciones lineales. Particione una matriz y escriba una combinacién lineal de vectores columna. OPERACIONES CON MATRICES En la Seccién 1.2 usted utiliz6 matrices para resolver sistemas de ecuaciones lineales. Este capitulo introduce algunos fundamentos de teoria de matrices y aplicaciones adicionales de matrices. Por un acuerdo matemético comin, las matrices se pueden representar en alguna de las siguientes tres formas: 1. Una matriz puede denotarse por una letra maydscula como A, Bo C 2. Una matriz puede denotarse por un elemento representative escrito entre corchetes [ay], [bo ley). 3. Una mattiz puede denotarse como por un arreglo rectangular de niimeros ap Ay Oy dy Oy Ay gg Como se mencioné en el capitulo 1, las matrices en este texto son fundamentalmente ‘matrices reales. Es decie, sus elementos son nimeros reales. Decimos que dos matrices son iguales si sus elementos correspondientes son iguales. Definicién de la igualdad de matrices Dos matrices A = [ay] y B = [by] son iguales si tienen el mismo tamafio (m Xn) y ay = by paral Si=my1sj=n. TJ=V[ IKON Igualdad de matrices Considere tas cuatro matrices af) ibe-Ghe-a ay ofl f] ‘Las matrices A y B no son iguales, ya que tienen diferente tamafio, De manera similar, B xy C tampoco lo son. Las matrices A y D son iguales si y sdlo si ‘Una matriz. que s6lo tiene una columna, como Ta matriz B del Ejemplo 1, se denomina ‘matriz columna o vector columna. De manera similar, una matriz, que s6lo tiene un rengl6n, ‘como la matriz C del ejemplo 1, se denomina matriz renglén o vector renglén. A menudo se utilizan letras negritas mindsculas para designar matrices columna o rengldn. En este caso, [z}>=.- [i]s la matrz A del ejemplo | puede dividirse en dos matrices columna a ‘siguiente manera. [; | Jem fyCOMENTARIO ire tie B amo do de ead uno pee 8 = + diddy) + (ancy, + aitas +> + * ayy) Distribuyendo y reagrupando, puede ver que estos dos ij-ésimos elementos son iguales. Ast A(B + 0) = AB + AC. a La propiedad asociativa de la multiplicacién de matrices le permite escribir estos productos matriciales como ABC sin ambigiiedad, como se muestra en el ejemplo 3. EJEMPLO3 (enone Determine el producto matricial ABC agrupando primero los factores como (AB)C y luego ‘como A(BC). Demuestre que se obtiene el mismo resultado con ambos procesos. acion de matrices es asociativa Laet 2 tel? | SOLUCION ‘Agrupando los factores como (AB)C, obtiene we Ib 2 Df ia: ihe a Agrupando los factores como A(BC), obtiene el mismo resultado 1 0 wo-f ba I) “Eb NL4 alee l a22. Propiedades de las operaciones con matrices 55 El siguiente ejemplo muestra que aun cuando Ios productos de AB y BA estén definidos, podrian no ser iguales. iei=iV{[-1e)1 | La multiplicacion de matrices no es conmutativa mE leek a “12-1 a “lo 2. SOLUCION wef I +6 Je- “AB + BA A partir del ejemplo 4 no podemos eoneluir que los productos matriciales AB y BA nunca son iguales. Algunas veces sf lo son, Por ejemplo, intente multiplicar las siguientes matti= ‘ces, primero en el orden AB y despues del modo BA. alr hy e-o al Usted puede ver que los dos productos son iguales. El punto es este: aunque AB y BA son en ocasiones iguales, a menudo no lo son. tra cualidad importante del lgebra matricial es que no existe la propiedad de can- ccelacién para la multiplicacién de matrices. Es decir, si AC = BC, no es necesariamente to que A = B, Esto se demuestra en el ejemplo 5. (En la siguiente seccién veri que, para algunos tipos especiales de matrices, la cuncelacisn es valida.) (Si=\V{i1We)= |] ejemplo en el cual la cancelacién no es valida Demuestre que AC = BC. 1 fs ihe SOLUCION 1o3yp. -2 ve-[o ll-t a]- AC = BC, aun cuando A + B. A ‘Ahora verd un tipo especial de matriz cuadrada que tiene niimeros 1 en la diagonal principal y némeros 0 en otro lugar. oe 0 roo 6 ao i Porejempl, sin = 1-263. tenemos ae ee retort nem a=[) %fnefo to 0 01 ‘Cuando se sobreentienda que el orden de la mattiz és n, puede denotar J, simplemente como I. ‘Como se establece en el teorema 2.4, en la siguiente pagina, la matriz , sirve como identidad para Ia multiplicavién de matrices: recibe el nomire de matriz identidad de ‘orden n. La demostracién de este teorema se deja como ejercicio, (Véase el Ejercicio 63.)56 Capitulo 2. Matrices COMENTARIO Observe que si A es una matriz ceadrada de orden n, ontonces Aly= b= A, TEOREMA 2.4 Propiedades de la matriz identidad Si es una matiz de tamaiio m Xn, entonces estes propiedades son verdaderes. Lay =A 2A =A TE Ea ara la,multiplicacién repetida de matrices cuadradas, puede utilizar la misma nota cidn exponencial usada con los niimeros reales. Es decie, A! = A, A? = AA, y para un entero positivo k, AS es Abs AAs A, - foetores También esto es conveniente para definir A? = J, (donde A es una muriz cuadrada de orden n). Estas definiciones nos permiten establecer las propiedades (1) Alal = Av** y (2) (ai) = A donde j yk son enteros no negatives. [}=V[7Ke)7) | Multiplicacion repetida de una matriz cuadrada Para la mati A >of e168 WE d- SIB Ps “Ub ols ol/ls ol" le -alls oll 3 -o = Enlaseceign 1.1 usted vioque un sistema de ecucionestineales debe tener exactamente una solucidn, un niimero infinito de soluciones o bien, no tiene solucisn, Aplicando el algebra ‘matricial desarrollada antes, ahora puede demostrar que esto es cierto, TEOREMA 2.5 Numero de soluciones de un sistema de ecuaciones lineales Para un sistema de ecuaciones Tineales en n variables, preci weiones es verdadera, 1, El sistema tiene exactamente una solucisn. 2. El sistema tiene un nimero infinito de soluciones. ‘ema no tiene solucidn. DEMOSTRACION Represente el sistema por la matriz AX = b. Si el sistema tiene exactamente una solucién 0 fo tiene solucién, entonces no hay nada que demostrar. Asi, puede suponer que el sistema tiene al menos dos soluciones diferentes x, y x. La demostracién puede completarse, si usted Lemuestra que esta suposicién implica que el sistema tiene un rtimero infinito de soluciones, ‘Como xj y Xs son soluciones, tiene que Ax; = AX: = b y A(xy ~X2) = O. Esto implica que la columina de ta matriz distinta de cero x,, = x ~ Xz eS una solucién del sistema de ecuacio- nes lineales homogeéneo AX = O. Con esio podemos decir que para cualquier escalar e, Als + 0x,) = Ax, + Alex,) = b+ clAK,) = b #60 = Asique x; + cx, es una solucidn de Ax = b para cualquier escalar c. Debido a que hay un ‘mimero infinito de valores posibles de c y cada valor genera una solucidn diferente, puede cconcluir que el sistema tiene un ntimero infinito de soluciones, aDESG' MOEN ; saa=[} e-[3 5 1 ‘a Catcute tABy”, AB y Bra". Be Haga una conjetura sobre Ia trans- pueste del pro- ducto de dos matr- cos cuadrades Bo Seleccione otras dos matrices cua- dradas para verifi- car su conjetura. COMENTARIO Adviorta que la matriz cuadrads ‘on ol inciso (c) de! ejemplo 8 es Igual a su transpucst maitre se denomina 2, Una maria A es simétrica si A = AT. Partiando da esta dfinicién, es evicente que uns ‘mate simétrica debe sor ‘cuadrada, Ademas, si ‘es una matrz simétrica, 2.2 Propiedades de las operaciones con matrices 87 TRANSPUESTA DE UNA MATRIZ La transpuesta de una matriz se forma al escribir sus columnas como renglones. Por ejemplo, si A es la matriz de m 1 dada por A=| ay dy dy os, _entonees la transpuesta, denotada por A, es la mutez de n Xm de abajo iy ay yn AT =| ay amy ayy aon | Tamas 1 mr [=J=iVi[1Ke)%} | Transpuesta de una matriz [Encuentre la transpuesta de cada matriz wa-[?] weft ; 8 SOLUGION 47 aate2 §] 58 36 9 20 Z ia) orf 3 o1 a TEOREMA 2.6 Propiedades de la transpuesta Si A y B son matrices (de tamatio tal que las operaciones con matrices dadas estin definidas) y ces un escala, entonces las siguientes propiedades son verdaderas, Lane Transpuesta de ki transpucsta 2+ By Transpuesta de una uma 3. (cA)? Transpuesta de a lil: 4. (aay Transpuesta de un producto DEMOSTRAGION Debido a que con la transposicin de una matriz se intercambian renglones y colunnas, la propiedad 1 parece tener sentido, Para demostra la propiedad 1, sea A una matriz de m zn, Observe que A’ tiene el tamafion X mr y (A) es de mr X n, igual que A. Para demostrar aque (AT! = A usted debe demostrar que el j-ésimo elemento es el mismo. Sea a, el j= imo elemento de A. Entonces «6s el j-ésimo elemento de A y el j-ésimo elemento de (47)", Esto demuestra Ia propiedad 1. La demostracin de tas dems propiedades se como ejercicio, (Véase el Ejercicio 64.)58 Capitulo 2. Matrices COMENTARIO Recuerde que debe invert of ‘orden de Ia multplicacion al formar la transpueste de un producto. Es decir, la trans: puesta de AB es (48)? = BAT y hotmalmente no es igual a ae COMENTARIO Le propiedad demostrade en el ejemplo 10 es generaimente cierta, Es decir, para toda matriz Ala matriz Aa" es simétria. La ‘matriz A’A también es simé- tric. Se le pedird que demues- tre estos resultados en 2 jerccio 85, S Las propiedades 2 y 4 pueden generalizarse para aburear sumas 0 productos de eual- quier nimero finito de matrices. Por ejemplo, la transpuesta de Ia suma de tres matrices es (At B+ C= ate Rtecr y la transpuesta del producto de tres matrices es (aBcy = c*BtAT, “f a eee 7 (aay = Bar (aByr J=)"1JKe) i) | Producto de una matriz y su transpuesta 3 1 Para la matriz A = 0 ‘| encuentre el producto AA’ y demuesire que es simétrico, SOLUCION oooware[ a Ie 2 a-[8 1 se tiene que AA = (AA")!, asi que AAT es simétri ALGEBRA Lossistomas de recuperacién de informacién como los sistemas de LINEAL bbasquede de Internet utilizan une tearia de matices y algebra lineal APLICADA #8 llevar el registro de, por ejemplo, pal puede representar la busqueda con la matriz olumina de x m x 1, en la ‘sal un 1 representa una palabra clave que usted esta buscando y 0 ra clave quo no esté buscando. Usted puede jonas de las palabras clave m en fas documentos n ‘con A, una matrizm x men la cual una entrada es 1 sila palabra clave ‘ocurre en el documenta y 0 sino ocur documento. Entonces, fa ‘matriz producto Ax de 0 x 1 representaria el nimaro de palabras clave fen su bUsquoda que acurren en cada uno de los documents.2.2 Ejercicios 59 Evaluacion de una expresién En los ejercicios 1-6, _ Asociatividad de la mul icacién de matrices En los 6 8 Lt del a. -4 0 alo : 4ai(s -2 4 o]+[4 6 -18 9) ose apt m4 ai ine t 3 -1 Hila : i 3 ‘No conmutatividad de multiplicacién de matrices En los ejereicios 23 y 24, muesre que AB y BA no son iguales 3. para las matrices dadas. operaciones con matisas Eniocsreiin 72120 3,4 [-2 Loaf to] lice las operaciones indicadas cuando a = 3,b = hy, : o 3f | x -[} os[2 Jo-k Y 1 4 ie 7. aA + DB BASE 2 9. ab(B) 10. (a + DIB Productos de matrices iguales En los cjercicios 25 y if DB) 2 (ao 26, muestre que AC = BC a pesar de que A * B ot Meee) sera ees 13, Resuelva para X cuando asa-[) the-[) ohe-L il “40 1 1 -6 3 A={ 1-5] y B=|-2 1 26.A=)0 4 4h 32, 44 3 oO (a) 3X + 2A = (b) 2A — 5B 0 (0) X-3A+2B=0 (d) 6X -4A-3B=0 all 14, Reset para X cuando Producto de matriz cero En los ejercvios 27 y 28 [ 0 | demuestre que si AB = O, aunque A #008 #0. =| 2: 0 = 9 i =f “4-1 nac( yeLi @X=3- 2B (by Ke 2 [p7 (2X+3A=B +B = Baal, j]y ee 4 l jos 15 120, Operaciones con matrices En los ejercicios 29 a 34, realice las operaciones indicadas cuando Operaciones con matrices En los ejerci realice las operaciones indieadas siempre que ¢ se[) ft ahe-L eek t Qh tele ah 15. B(CA) 16. C(BC) a oe a 17. (B+ CA 18, B(C + O) al A a) rte 33. At 34. AS 19. (cB(C + ©) 20. B(eA)60 Capitulo 2. Matrices Escriba En los ejercicios 35 y 36, explique por que la for mula no es valida para matrives, Lustre su razonamiento con ejemplos. 35. (A + BA B) = At BP 36, (A + BNA + B) = A? 4+ 2B + BP Encontrando la transpuesta de una matriz ejercicios 37 y 38, encuentre la transpuesta de la n 1-2 i 6-7 9) -3 0 4 3BD=/-7 0 23 5-1 19 23-32 37.D Encontrando de la transpuesta del producto de dos En los ejervicios 39-42, verifique que (AB)! = betdeeft a 1-1 0 1 I in con la transpuesta de una matriz eicios 43-46, encuentre (a) ATA y (b) AAT, Muestre ‘que cada uno de estos productos es siméirico. wa-[f 2] wae ‘| races] S40 éVesdadero 0 falso? En los ejercicios 47 y 48, determine cul de las expresiones es verdadera o falsa. Si a expresign cs verdadera, proporcione una rzéa o cite una expresién adeofiada del texto. Si la expresidn es falsa, proporcione un jemplo que muestre que ta expresidn no es cierta en todos los casos 0 cite del texto una expresién adecuada. 47. (a) La suma de matrices es conmutativa (b) La multiplicacién de matrices es asociativa En los (©) Latranspuesta del producto de dos matrives es igual all producto de sus transpuestas. Es decir, AB)” = ATT. (@) Para toda matriz C, la matriz CCT es simétrica. 48. (a) La multiplicacin de matrices es eonmu (b) Toda matriz A tiene inversa aditiva {c) Si las matrices A, B y C satisfacen AB = AC, enton- ces B= C. (d) La transpuesta de la suma de dos matrices es igual a Ji suma de sus transpuestas. 49. Considere las siguientes matrices. PEA {a) Determine escalanes ay b tales que Z = aX + bY (b) Demuestre que no existen escalares w y B tales que W= aX + bY (©) Demuestre que si aX + bY + eW =O, entonces a= >’ 0 (d) Determine escalares a,b y ¢, no todos iguales a cero, lales que aX + bY + eZ = 0. 50. REMVOIATE En ta ecuacién mati aX + ACB) = (AB + 1B) XA, Be [son matrices cuadradas, y a y b son escalares distintas de cero, Justifique cada paso en Ia soluvién dada a eontinvacién, aX + (AD)B = (AB + B) aX + BAB = DAB + bB aX + bAB + (~bAB) = DAB + bB + (—bAB) aX = bAB + bB + (—bAB) OX = AB + (—bAB) + bB aX = bB inacién de una potencia de una matriz_En los ios 51 y 52, caleule Ia potencia de A para la matriz O 0 1, A? Determinacién de la mésima raiz de una matriz Una raiz negsima de una matriz Bes una matriz Atal que A" = B. En los ejercicios 53 y 54, encuentre la rafz nssima de la maiz B. oo so-P fs 8 0 34B=/0 ~1 o 0Funcién polinomial En los ejervivios 55 y 56, use la definicidn dada para determinar f(A): sifes la Funcién poli- nomial fis) = ag + aye Hage +H a, eentonces para una matriz A den X m,/(A) esti del JA) = al + aA + aA? + ta A", 55. fx) ato $rt2, A 1 56, fla) = x9 — 2+ 5r- 10, A=] 1 0 2 1 3 57. Demostracién guiada Demuestre Ia propiedad asocia- tivade In suma de matrices: A + (B+ C)=(A +B) +C. Inicio: Para probar que A + (B + C)y (A + B) + Cson iguales, demuestre que sus elementos correspond son iguales, i) Comience su demosiracién haciendo que A, By C sean matrices de a X 1, Gi) Observe que el j-ésimo elemento de B + Ces by + (il) Ademis, el f-ésimo elemento de A + (B+ C) es. ay + (by + ep tiv) Determine el imo clemento de (A + B) + C 58. Prueba Denwestre la propiedad asocatva de a mul Lplicacicn escalar: (ea)A = cd) 59, Prueba Denwesire que el escilar 1 ex la Aentidad para ln muliplieaidn por un esealar: LA = A 0, Prueba Denweste la siguiente propiedad distibutiv: (+A = ch + dA, 61, Prucba 62, Prusba Compete la demostracion del ferems 2.3. Demuestre el teorema 2.2. (a) Demuestre In propiedad « iin: AIBC) = (AB)C (b) Demuesire In propiedad distributive: (A+ BIC = AC + BC (e) Demuestre la propiedad: e(AB) = (cA)B 63, Prueba Demuestre el teorema 2.4 64, Prueba Demuestre las propicdades 2, 3 y 4 del teo- rema 2.6, 65. Demostracién guiada Demuestre que si A es una ‘matriz de m Xn, entonces Aa! y ATA son matrices simé- tricas, ociativa de la multiplica- cB) Inicio: para demostrar que AA” es simeétrica es nevesario que demuesire que es igual a su transpuesta, (AA = Aa. (2) Comience su demosiracién con la expresisn mati cial del lado izquierdo (447. (ii) Aplique las propiedades de Ia transpuesta de un matriz para demostrar que se puede simplificar e jgualar con la expresién del lado derecho, AA! ii) Repita este andlisis para el producto ATA. 66, Prueba Sean A y B dos matrices siméiticas de m Xn. (a) Proporcione un ejemplo que muestre que el producto AB no necesariamente es simétrico, (b) Demuestre que AB es simétrica si y silo si AB = BA. Matrices simétricas y cuasi-simétricas En los ejerci ios 67 a 70, determine cual de las matrives es simétriea, ‘cuasi-simétrica o ninguna de las dos. Una mattiz euadrada es denominada cuasi-simétrica si A? = = A [2] ae ] 2g 0 =I .4=|2 0 3) ma=|-2 0 -3 13 0. ta oO 71, Prueba Demuestre que ka diagonal principal de una mmatiz cuts-simétriea consist Unicamente de coro, 72, Prueba Demucsre que si A y son dos matrices eos méticas de Xn, entonces A + B es euasi-simeiie, 73, Prueba Sea A una mittiz euadrada de orden (a) Demuestre que (a + Al) es simi, on. (b) Demuestre que § (4 ~ A) es euasi-simtria {) Demuestre que A puede ser eserita como In suma de una matriz simétrica B y una matriz. cuasi-simetrica C, A=B+C, (@) Eseriba Ja matriz 2 5 3 -3 6 0 4 como la suma de una matriz, cuasi-simetvica y una matriz simeétrica, 74, Prueba Demuestre que si A es una matriz dem Xn, cemtonces A ~ AT es cuasi-simerica. B75. Considere matrices de a forma 0 az ays ay 0 0 ays ay as|: : 600 Dene oo 0 0 (a) Escriba una matriz. de 2X 2 y otra de 3 X 3 en la forma de A. (b) Utilice una aplicacién grifica o un software compu tacional para elevar cada una de las matrices a potencias mis altas. Describa el resultado, (c) Utilice el resultado del ineiso (b) para hacer una conjetura sobre las potencias de A si A es una matriz de 4 X 4, Use una aplic ica para veri su conjetura, (d) Utilice tos resultados de os incisos (b) y (e) para de Asi Aes hacer una conjetura sobre las potent tuna matriz de m Xn62 Capitulo 2. Matrices 2.3) Inversa de una matriz [B_ Encuentre la inversa de una matriz (si existe). Use tas propiedades de matrices inversas, Use una matriz inversa para resolver un sistema de ecuaciones lineales. ~ MATRICES Y SUS INVERSAS La seccidn 2.2 analizé algunas de las semejancas entre el dlgebra de los ntimeros reales y al algebra de matrices, Esta secctén también desarrolla el dlgebra de matrices para incluir las soluciones de ecuaciones matriciales que implican la multiplicacién de matrices. Para empezar, considere la ecuaciGn con ndmeros reales ax = b. Para resolver esta ecuacién para x, multiptique ambos lads de la ecuacién por a (siempre que a + 0). ach (a taye = ab (x= a“ sab se denomina inverse multiplicativo de a, ya que «fa da como resultado 1 nicidn del inverso multiplicative de una EL niimero a” (elemento identidad para la multiplicacién). La de mtr es similar. Definicion de la inversa de una matri Una matriz.A de.» X 1 es invertible (o no singular) si existe una matriz B den Xn al que AB = BA donde /, es Ia matriz identidad de orden n. La matriz B se denomina inversa (multi- plicativa) de A. La matriz. A que no tiene una inversa se denomina no invertible (0 singular). Las matrices no cuadradas no tienen inversas. Para ver esto, advierta que si A es de tamaiio m:n y Bes de tamaiio n mt (donde mt + n), entonces los productos AB y BA son de tamafo diferente y no pueden ser iguales entre si. Efectivamente, no todas las matrices cusdlradas poseen inversa, (Véase el ejemplo 4.) El siguiente teorema, sin embargo, nos dice que si una mairiz tiene inversa, entonces Esta es nica, TEOREMA 2.7 Unicidad de la inversa de una matriz ‘Si Aes una matriz invertible, entonces su inversa es tinica. La inversa de A se denota por A"! DEMOSTRACION ‘Ya que A es invertible, sabemos que al menos tiene una inversa B tal que ABS 1 = BA, Suponga que A tiene otra inversa C tal que AC=1= CA Entonces usted puede demostrar que B y C son iguales, de la siguiente manera,COMENTARIO Recuorde que no siempre es verdad que AB = BA, incluso si ‘ambos productos estan defini- dos. Si Ay B son mattices cua- ‘rads y AB = |, entoncas, puede demostrar que BA = I ‘Aunque se omite la demost ‘idn de este hecho, esto implica ‘que en el ejemplo 1 usted s6lo necesita veriticar que AB = i | 2.3. Inversa de una matriz 63 ABS 1 laa) = cr (cap =c B=C B=C En consecuencia, B = C y tenemos que I versa de una matriz es tnica, a Debido a que la inversa At de una matriz invertible A es iniea, podemos denominarla ‘como Ia inversa de A y eseribimos AM = AA =. [=H=NVIIKe) 7] |} tnversa de una matriz Demuestre que B es la inversa de A, donde <1 4 1 ef deft SOLUCION Usando la definiciéin de matriz inversa, puede ver que B es la inversa de A para demostrar que AB 2A, de la siguiente manera ve-( Nb (tt o-B a(t ED (ENF 27-B a a Wun sistema de eeuaciones para determinar EI siguiente ejemplo muestra cémo ut la inversa de una matriz, [=t=iMiI7K6)2 ] encontrar ta inversa de una matriz Determine ta inversa de In matriz m=! SOLUCION Para determinar la inversa de A, resuelva la ecu Li als el-f [ xu Ahora, igualando los elementos correspondient que se muestran xy + by 6n matricial AX = J para X, - obtiene los dos sistemas de ecuaciones i64 Capitulo 2 Matrices La generalizacién del método aplicado para resolver el ejemplo 2 proporciona un procedimiento conveniente para encontrar Ia inversi, Primero observe que los dos siste= mas de ecuaciones lineales nt 40 127 ry tienen la misma mtr de coeficientes, En lugar de resolver los dos sistemas representados por boat 14 4) s [+1 -3 0 Ales ~ separadamente, puede hacerlo de manera simultdnea, Usted puede hacer esto adjuntando Ja matriz identidad a la matriz de coeficientes para obtener 141 @ “1-300 1 Aplicando Ia eliminaeién de Gauss ccon un sencillo proceso de elimina 1410 gor Aaah Re+ RR, [; 0-3 A] Rit (-DROR, Jordan a esta matriz, puede resolver ambos ién, como el siguiente mas, O 1 14. Aplicando Ia eliminacién de Gauss-Jordan a la matriz “doblemente aumentad: usted obtiene Ia matriz {7 A™), 1 a 0) 10-3 -4 Seat bat ee oa a A I ! iat Este procedimiento (o algoritmo) funciona para una matriz arbitraria de n Xn. SiA no puede reduecirse por renglones a /,, entonces A es no invertible (o singular), Este proce miento se justificaril formalmente en la siguiente seccidn, después de exponer el concepto de matriz elemental. Por el momento, el algoritmo se resume de la siguiente manera. "IA ny Determinacién de la inversa de una matriz por eliminacién de Gauss-Jordan Sea A una matriz cundrada de orden n, 1. Escriba ta matriz de n X 2n, que consta de Ia matriz A dada Ta izquierda y la mmatriz identidad / de » X 1 a la derecha para obtener [A 1], Observe que las matrices A e f estan separadas por unc linea punteada, Este proceso se denomina adjuntar la matriz a Ja matriz A 2. Si es posible, reduzca por renglones A a utilizando operaciones elementales eon renglones en toda la matriz [AJ]. El resultado puede ser la matriz [A I"). Si esto no es posible, entonces A es no invertible (singular) 3. Verifique su trabajo multiplicando por AA~! y A“ para ver que AA~ TAA, ALGEBRA Recuerdela Ley de Hooke, que dice que para deformaciones relativa- LINEAL ‘mente pequefias de un objeto elstco, la cantidad de deflexién es diree- tements proporcional a la fuerza que causa la deformacin. En una viga APLICADA sues saportada ce manara simplo,sujota @ miltiles fuerza, la deflexidn de relaciona con la fuerza w por la ecuacién matricial d= fw donde F es una matriz de flexibilidad cuyas entradas depanden del ‘material de la viga, La inverea do la mate de floxibilidad, F", se deno- ‘mina la matriz de rigidez. En los ejercicis 61 y 62, se le pediré que [D> scutire la mai de rigider Fy la mai de ues w para un con- TL junto dado de matrices de flexibilidad y deflexién2.3. Inversa de una matriz 65 [=t)={iis]e)&} | Encontrar la inversa de una matriz Determine la inversa de la mate P-1 o A=| 1 0-1 -6 2 3. SOLUCION Empiece adjuntando la matriz identidad a A para formar la mati 1-1 0 1 0 6 fa d=] 1 0-1 0 1 0 6 23 0 0 1 Ahora, utlizando operaciones elementales con renglones, reesriba esta matrz.en ka forma fay de la siguiente manera, -l-1 1 0 Rot (HDR, 1-1 0 ore 0-4 3 A. (ORR 1-10 s oor -l ECNOLOG! ne Teal eoeeoece 0 0-1 yt ARR, Muchas apicacionesgricas y bregma computor 1-1 6 pueden ealeuiar a inverse do i tina marie cuadreda. Si usted ee use una aplicecibn gréfce, ts oo 0 CORR amtllas pare el ejemplo 3 se Sarin como ee mantadas me Lar 6 abojo. Los comandes yla o 1 0 Ret ROR, taxis de programacién pare 001 estas eplicaciones/programas RRR, porcianan en la Online Techno- logy Guide, disponible on college.cengage.com/piciiarso- nELABS, aplicables al ejemplo 3 se pro- 10 0 0 0 1-2 4 =1 La matriz A es invertible y esta inversa es <2 -3 -1 at=]-3 -3 -1, -2 -4 -1 Confirme esto demostrando que =a a El proceso mostrado en el ejemplo 3 se apliea a cualquier matriz dew X my permite hallar la inversa de la matriz A, si es posible. Si la matriz. A no tiene inversa, el proceso puede decirselo también, En el siguiente ejemplo se aplica el proceso a una matriz singular (una que no tiene inversa).66 Capitulo 2 Matrices COMENTARIO I denominador ad~ bese lama determinante de A, Usted podrd estudior los determinan- ‘0s con més detalles en el capi wie 3. eve JWe)Z9) Matriz singular Demuestre que ln matriz no te 1 2 0 a-1 2 -20 3-2 Ate : SOLUCION Adjumte la matriz identidad a A para formar 12 0 100 a -t 2-0-4 -2 3-2 0 0 1 _y aplique la eliminacidn de Gauss-Jordan de la siguiente manera, aD ea 6-H) 0-7 2-3 1 0 oo oO-1 1 4 Debido a que la “parte A” de la mattiz tiene un renglén de ceros, puede concluir que no es posible reescribir la matriz [A] en la forma [J A"), Esto significa que A no tiene inversa o es no invertible (o singular). a fa n= Aplicar la eliminacién de Gauss-Jordan para determinar la inversa de una matriz funciona bien (incluso como una téenica de computadora) para matrices de tamaiio 3 X 3.0 mayo- res. Sin embargo, para matrices de 2 X 2 puede utilizar una férmula para determina la inversa de una matriz en lugar de la eliminacién de Gauss-Jordan, SiA es una matriz de 2 X 2 representada por ra [i 4 ce dl entonces A es invertible si y silo si ad — be # 0. Adems, si ad ~ bi # 0, entonces la inversa es representada por tena raged. al [SU =iV{11MC)5} ] Determinar ta inversa de una matriz de 2 x 2 Si es posible, determine Ia inversa de cada matriz. aul PO ots a | “lL-6 2 soLucION 2. Para la mati A apigue la rma para Ia inversa de una matrz de 2X 2 para obtener aad ~ be = (G2) ~ 1)-2) = 4, Debido a que esta cantidad noes cero, la inversa se forma intereambjando los elementos en a diagonal principal y eambiando les signes de los otros dos elements y multiplicando por la escalar {como sigue wa Jf b, Para la matriz B. tiene que ad — be = (32) = (-1-6) = 0, lo que significa que B es na inverible @2.3. Inverse de una matriz 67 PROPIEDADES DE LAS MATRICES INVERSAS Algunas propiedades importantes de las matrices inversas se listan enseguida TEOREMA 2.8 Propiedades de las matrices inversas Si A es una matriz invertible, & es un entero positive y ees un escalar diferente de cero, entonces AI, AA, cA y AT son invertible y se cumple lo siguiente. L@yt=a 2 AIT SA Ach = (Am I factores 3. (ay! 4 (atts aye DEMOSTRACION La clave de Ia demostracién de las propiedades 1, 3 y 4 es el hecho de que la inversa de tuna matriz es tniea (teorema 2.7). Es decir. si BC = CB = I, entonces Ces la inversade B. La propiedad 1 establece que la inversa de A~' es. misma. Para probar esto, observe que A"'A = AA“ = J, lo que significa que A es Ia inversa de A”!. Asi, A= (Ay De manera similar a propiedad 3 estblece que 44 es la inversa de (cA), # 0, Para probar esto, uilice las propiedades de I multiplicacisn es: 2.3 de la siguiente manera, tea(ta-t) = (e4)aa> = n= (LaJiew = (Le)arta = ce i dada en los teoremas 2.1 y L Ast = (cay, La demostracién de las " es la inyersa de (cA), lo cual implica que propiedades 2 y 4 se dejan como ejrcicio. (Véanse los Bjercicios 65 y 66) a Para matrices no singulares, 1a notacin exponencial utilizada para Ia multiplieacién repetida de matrices cuadradas puede extenderse para incluir exponentes que sean enteros negativos, Esto puede lograrse si se define A como sigue a act = (A-9E fares Usando esta convencién usted puede demostrar que las propiedades a/At = AM y (Ah = A son verdaderas para cualesquiera enteros iy h. SGUBRIMIENTO wal} rel a 3 ‘To cateule (AB), A164 y BA", 2 Hoge une conjeture acerca de | ces no singuleres, ‘Bo Elija otras dos matrices no singulares y vea si su conjotura es valida. inversa de un producto de dos matri-68 Capitulo 2 Matrices TIPU] Inversa de una matriz Calcule A en dos formas diferentes y demuesire que los resultados son iguales, tor afd] SOLUCION Una forma de determinar 4 obtener 3S 1018, ¥ utilizando Ia férmula para la inversa de una matriz de 2 X 2 para obtener [8 -L Otro modo de determinar A“ ‘encontrando (4° al elevar la matriz A al cuadrado para Observe que cada método produce ef mismo resultado. a EI siguiente (eorema proporciona una frmula para calcular Ia inversa del producto de dos matrices, TEOREMA 2.9 La inversa de un producto Si A y B son dos matrices invertibles de tamaiio n, entonces AB es invertible y (aby = Bla DEMOSTRACION Para demostrar que BA“ es la inversa de AB, usted s6lo necesita mostrar que ésta cumple con la definicién de la inversa de una matriz. Esto es (AB)(B-'A-!) = A(BB-N A“! = AUDA! = (ADA! = Adm De una manera similar puede demostrar que (B'A“'YAB) = Fy coneluir que AB es inver= tible y que tiene la inversa indicada. El teorema 2.9 establece que la inversa del producto de dos matrices invertibles es el producto de sus inversas tomado en el orden contrario. Esto puede generalizarse para incluir et producto de algunas matrices inventibles (yArAye At Mastay? (Véase el ejemplo 4 en el Apéndice A.)COMENTARIO ‘Advierta que invirtié el orden {ela multiplicacion para ‘encontrar Ia invarsa de AB, Esto 05, [AB = B14" y la inverse {de AB @ menudo no es igual a AB", 2.3. Inversa de una matriz 69 (=H=i71JUe)7) | Inversa del producto de una matriz Halle (AB™* para tas matrices 1 ao 1 a=|t 403] y Bat 1 3 4 2 utilizando el hecho de que A“! y B" estin representadas por SOLUCION (4Byt=BAt=!-1 1 Ol zo - 1-9-3 =|-3 4 3 5-2 -¥ a Una propiedad importante en el slgebra de los nimeros reales es la propiedad de ‘eancelacién, Es decir, si ac = be (¢ # 0), entonces a = b, Las matrices invertibles tienen una propiedad de cancelacién similar. TEOREMA 2.10 Propiedades de cancelacion ‘Si Ces una matriz invertible, entonces las siguientes propiedades son vilidas. 1, SIAC = BC, emonces A = B, Propiedad de cancelacidn por la dereeha 2. SiCA = CB, entonces A= B, Propiedad de eancelacin por Ia izquienda DEMOSTRACION Para demostrar la propiedad 1, vilice hecho de que C es invertible y eseriba AC = BC (agye-! = (Bc}e~! A(CC™!) = BICC") Al= BI A La segunda propiedad puede demostrarse de forma semejante, (Véase el Ejercicio 68.) Asegtirese de recordar que el teorema 2.10 puede aplicarse sélo si Ces una matrie invertible. Si no lo es, entonces a menudo la cancelacién no es valida. Asi, en la seccién 2.2 el ejemplo 5 proporciona el modelo de una ecuacién matricial AC = BC en la cual A + B, ya que C no es invertible en el ejemplo.70 Capitulo 2 Matrices SISTEMAS DE ECUACIONES Para sistemas cwadrados (los que tienen el mismo niimero de ecuaciones que de varia puede utilizar el siguiente teorema para determinar cual de los sistemas tiene una solucién Sinica, TEOREMA 2.11 Sistemas de ecuaciones con una solucién unica Si A es una matriz invertible, entonces el sistema de ecuaciones lineales AX = b tiene una solueidn diniea dada por.x = A“b. DEMOSTRACION Pucsto que 4 no es singular, os siguienes pasos son valides. Ax=b ANAK = Ab k= Ath xe Esta solucisn es inca, ya que si xy y Xp Son dos soluciones, usted podsfa aplicar la propie- dad de ancelacgn pra la ecuacin AX = b = Ax para conuirgue sj =x ap Reemplazar lo resaltado por “Un uso del Teorem 2, || es resolviendo varios sistemas cen Tos cuales toUos tienen Ia misma matriz de coeficientes A. En este caso usted debe cencontrar la matriz inversa y luego resolver cada sistema calculando el producto Ab, STEN Gleem] Solucion de un sistema de ecuaciones utilizando una matriz inversa Utilice una matriz inversa para resolver cada sistema, bx tay + a et 3yte eet ayts=0 Bet3ytc= 1 aetayte But 3yte etdyss De tay + Det dy + SOLUCION i 203 0 2 4 1 1 0 : : exea=l-1 0 1|lol=lo Lamtockin si 6 -2 -s}lo] Lo, See a23. Ejercicios n eyes La inversa de una matriz En los cjercicios I a 6, demuestre que B es la inversa de A. Determinacién de la inversa de una matriz En lox ejercicios 7 a 30, encuentre Ia inversa de la matriz (si ésta existe) *[o 3] 1 2 »[ 3 “13 [To] toatod af : ‘| 36 5 1 et »[ 7-0) 7 16-21 4 i wf} 3 1 0 [: 0 3 2 0 if of : | mo da 9 0 5 iad 06 60 08 01 02 03 alos -1 «| m[-a3 02 «| 10-08, 05 05 05, 10 6 10 =|: ‘ | afr 6 25 5 25 -8 0 1 0 0 0 oo. lo 2 9 0 Bl gg In 0 -2 0 o 6 0 0 0 3 1-2 48-7 «14 3-5 2 5-4 6 @*| 3 - O*), 2 1-7 -1 4 3 6 -5 10, tid 1 3-2 0 o 2 0 4 02 4 6 @*|, 5 3 0 0 0-2 1 020 4 0 0 0 5 Determinacién de la En los ejereicios 31-36, uliice la formula en Ia pagina 66 para encontrar ln inversa de una matriz de 2 X 2 (si exist) Li 5 sae [Ss a 1 4-6 atid matriz En los ejercicios 37-40, calcule A de dos maneras diferentes y muestre que Ios resultados son iguales. o- 2 7 sea=[t 3 seae[ d 2 0 60 # wea [: ‘| wae[s ; -| 0 0 3 3 2 Determinacién de las inversas de productos y trans- puestas En los cjerccios 41 a 44, utlice matrices invert- das para determinar (a) (ABY*, (b) (A) y (d) (2AY peel72 Capitulo 2 Matrices Resolucién de un sistema of ecuaciones usando una inversa En los ¢jercicios 45 a 48, utilice una matt inversa para resolver cada sistema de ecuaciones lineales. 46. (a) 2x = Qety= 7 (by 2e = y wy eal 3 48. (ay 3 (b) En los ejereicios 49 a 52, utilice una aplicacién <0 un programa de computadora con capacidad mat cial para resolver el sistema de ecuaciones lineales usando tuna matriz inversa, 49. = xyt3xy ag = 73 at xt 2 a yt xy Ry tay= 6 By- Nyt 2 t y= 2 yt oxpr ay + ky tags —3 50. xy sy — nyt ty — ty = 2p tayt xyh xy tay My #y7 xy 2g as Dey tay tty hyo ay Bt, tat xy Quy tay SL 2x) Bt, sy — 2 A A= 2 Bey tags dey boxy ay + 2ey = 16 xy tayo Bey taey ag + Ox, = 12 Sx) xy + dey + 20, — Sts + 3x, = Bry + 4g = Bry + + 2xy — xy + Its = 6x, 2. t4xy + 20y- Sts~ ry= 1 = Sxy ~ Gry + 3x5 + 34y = 11 . + xy t3r- ty— 20 = 4xy ~ 6x5 + 2x5 + 4g = —9 yy yt Sty ty 1 2x, + Bry — Any — Gry + xy + 2G = -12 Matriz igual a su propia inversa En losejercicios 5354, determine ef valor de x tal que Iu matriz sea jgual a su inversa, ar[2 a) set Matriz singular En los ejercicios 55 y 56, determine el valor de « tal que la matriz sca singular. wey wes dl 2-3 Resolucién de una ecuacién matricial En los ¢jercicios 57 y 58, determine el valor de A tal que [yj] seo-[3 3] Doterminacién do Ia invorsa de una matriz En los 57. (24) icios $9 y 60, demueste que ln mata s invertible y cuentre su inversa. sen 8 cos seco une m4-[ oe Sl “(oe al Deflexién de vigas En los ejercicios 61 y 62, las fuerzas wis We ¥ ws (en Tibras) actdan en una elistica soportada de manera simple, lo que resulta en las deflexiones dl, ls y dy (en pulgadas) en fa viga (wéase la figura). Utilice la ecuacidn matricial d = Fw donde aed al y Fes la matris de flesibilidad 3 X 3 para la viga, para encon- rar la mattiz de rigidez Fy ta matriz de Fuerza w. Las uni- dads de las entradas de F se presentan en pulgadas por libra. 0.008 0.004 0,003 ‘0.985 ot. F=]0.004 0.006 0.001 |,4 =] 0.610 0,003 0.004 0,008 0.835, 017 0.010 0.008" 0 62. F=]0010 0.012 oo10)@=|o1s 0.008 0.010 0.017 ° Werdadero 0 falso? En los ejercicios 63 y 64, determine cul de las expresiones es verdaderao Falsa, Si fa expresisn es cierta, proporcione una raz6n o cite una expresién adecuada & partir del texto, Si la expresi6n es falsa, proporcione un ejem- plo que muestre que la expresién no es cierta en todos los ceasos 0 cite una expresién apropiads a partir del texto, 63, (a) Si las matrices A, B y C satisfacen BA = CA y Aes invertible, entonces B = C. (b) La inversa del producto de dos ducto de sus inversas, esto es (ABY ces es el pro: = aig! (c) Si A puede ser reducida por la matriz identidad, tentonces A es no singular. i|. (a) La inversa de Ia inversa de una matriz no singular A, (1 es igual a A misma, (6) Si A es una matriz cuadrada, entonces el sistema de ‘ecuaciones lineales Ax = b tiene una solucisn tinica. 66, Prueba Demuestre la propiedad 2 del eonema 2.8: si cs una matez invertible y & un entero positivo, entonces (ait = arctan I foctor 7 66. Prueba Demuestre Ia propiedad 4 del teorema 2.8: si ‘Aes una matriz invertible, entonces (Ay! = (a-. 67. Demostracién guiada Demuestre que Ia inversa de tuna matrizsimétcica no singular es simetvica. Inicio: para demostrar que Ia inversa de A es simétrica, necesita probar que (4"})" = at (@) Sea A una mateiz simeétriea no sit 5) Esto significa que AY = A y A~ (iii) Utitice las propiedades de ta transpuesta para demostrar que (A-H es igual a A“! 68. Prueba Demuestre la propiedad 2 del teorema 2.10: C es una matriz invertible tal que CA = CB, entonces A=B. 69, Prueba Demuesire que si 1-2 = (1-287 Prueba Demuestre que si A. B y C son matrices cun- dradas y ABC = J, entonces B es invertible y 8"! = CA. 71, Prueba Demuestre que si A es invertible y AB = 0, entonces B = 0. 72. Demostracién guiada Demuestre que si A? centonces una de dos cosas: A= 0 4 es singular. Inicio: usted debe demostrar que 4 es singular o que A es igual a la matriz gular. existen. 2 = A,entonces 70. (i) Comience su demostracién observando que A es singular 6 no singular. Gi) Si A es singular, la demostracién esté hecha, Ja matriz A pan Gil) Si_A es no singular, entonces ut inversa At y la hipstesis de que A® demostrar que A = J La suma de dos matrices invertibles es inver= tible? Explique por qué st © por qué no. Hlustre su con- ‘clusi6n con un ejemplo apropiado, 74, Escriba ;Bajo qué condiciones Ia matriz diagonal ‘ay 00 0 0 ay 0 0 eat 4 00 0 @, es invertible? Si A es invertible, encuentre la inversa, 23° Ejercicios 3 75. Use el resultado del ejercicio 74 para determinar At para cada mati 76 seaa=[_} (a) Demuestre que A? — 2A + 5! = 0, donde Les la ‘matriz identidad de orden 2. (b) Demuestre que A = $214). (©) Demuestre que, en general ccuadrada que satisfaga la ecu ‘cualquier matriz A + St = 0, la inversa de 4 esti dada por A" = 4 2/ =A), 77, Prucba Sea u la matriz columna mn X 1 que satisface u'u = 1. La matriz de a Xn, H = J, —2uu” se lama matriz de Householder. (a) Demuestre que H es simétriea y no singular: V32 (b) Seau =| /3/2|, Demuestre que uu = 1 y ealeule 0 la mattiz de Householder H. 78, Prueba Sean A y B matrices # xn, Demuestre que si la rmatriz IAB es no singular, entonces también loes LBA, 79. Scan A, D y P matrices de n Xn que satisfucen AP PD. Si P es no singular, resuelva esta ecuacisn para A. {Debe cumplirse que A = D? 80, Encuentre un ejemplo de una matriz singular de 2 x 2 aque satisfaga A? = A. 81. Escriba Explique como determinar si la inversa de una matriz explique emo encontrar la inversa, 83. Escriba Explique en sus propias palabras ccmo escri- bir un sistema de tres ecuaciones lineales en tres varia bles como una ecuacién matricial, AX = B, asf como la usando una matrz inversa. manera de resolver el siste74 Capitulo 2. Matrices 2.4 Matrices elementales COMENTARIO De acuerdo con esta definicién, t idontidad I, es ya que puede jobtenerse a partir de si misma al multipicar cualquiera de cus renglones por 1. IH) Factorice una matriz en un producto de matrices elementales. [Hl Encuentre y utilice una factorizacion LU de una matriz para resolver un sistema de ecuaciones lineales. MATRICES ELEMENTALES Y OPERACIONES ELEMENTALES CON RENGLONES En la seccin 1.2 se presentaron las ires operaciones elementales sobre renglones aplicadas alas matrices; éstas son: 1, Intercambio de dos renglones. 2. Multplicar un renglén por una constante diferente de cero. 3. Sumar el miltiplo de un renglén a otro renglén. En esta seccién, usted podri ver eémo In multiplicaciéa matricial puede emplearse para ejecutar estas operaciones, Definicién de matriz elemental Una matriz de n X n se denomina matriz elemental si puede obtenerse a partir de la matriz idemtidad /, por una sencitla operacién de rengién. [=M19Ke) (|| Matrices elementales y no elementales {Cuailes de las siguientes matrices son elementales? Para aguéllas que lo sean, deseriba la jén elemental de renglsn, 0 ‘| 1 0. 0 0 eld] SOLUCION aa, Esta matriz es elemental. Puede obtenerse multiplicando el segundo renglin de /, por 3 b, Esta matriz no es elemental, ya que no es cuadrada. ¢. Esta matriz no es elemental, ya que fue obtenida al multiplicar el tercerrenglén de /, por 0 (1a multiplicacién de renglones debe ser por una constante diferente de cero). 4, Esta matriz es elemental, Puede obtenerse intercambiando el segundo y el tercer ren- alén de fs e, Esta matriz ex elemental, Puede obtenerse al multiplicar el primer renglén de /, por 2 y ‘sunar el resultado al segundo renglén, f. Esta matriz.no es elemental, ya que se requieren dos operaciones con renglones para ‘obtenerla a partir de fy aCOMENTARIO ‘que en el teorema 2.12 Aes ‘multiplicada por la zquierda por la matrz elemental E La mult- plieaclén por la derecha por ‘matrices elementalas, a cual Implice operaciones con colum ras, no se considere en este tox 2.4 Matrices elementales 75 ives elementales esultan itles porque permiten usar la multiplicacién mate izar operaciones elementales con renglones, como se muestra en el gjemplo 2 cial para ce Matrices elementales y operaciones SIG EOZ | clementales con renglones a, En el siguiente producto de matrices, E es una matriz elemental en la cual los dos pri eros renglones de /; se han intereambiado. A t Observe que los dos primeros renglones de A se han intereambiado en la multiplicacién por ta izquierda por E. 1 6j=|o 2 1 =I ». Bh el siguiente producto de matrices, E es a matiz elemental en fa eual el segundo renglin de /, se ha multipfcado por t a5 1 [Aqui el tamatio de A es 3 % 4. A puede, sin embargo, ser cuslguier matrz de 3 X ny rultplicarse por fa izquierda por E y mantener el resultado de multilicar et segundo renglin de A por . Enel siguiente producto, £ es la matriz elemental en Ia que se ha sumado dos veces el primer renglén de fs al segundo renglén, : 4 Loo pr on 2 aaa -p oo lo a sl b Note que en el produto BA se ha sade dos veces el primer engin al segundo, En cada uno de los tres productos del ejemplo 2, usted fue capaz de ejecutar operacio- nes elementales con renglones para multiplicar por la isqwierda por una matriz elemental Esta propiedad de las matriges elementales se generaliza en el siguiente teorema, el cual sse enuncia sin demoxtar. TEOREMA 2.12 Representacién de operaciones elementales con renglones Sea € Ja matriz elemental obtenida al ejecutar una operacién elemental con renglo- nes en Jy, $i esta misma operaci6n es realizada en una matriz.A de m X 1, entonces el resultado esti dado por el producto EA. ‘Muchas aplicaciones de las operaciones elementales con reglones requieren de una secuencia de operaciones. Por ejemplo, la eliminacién gaussiana a menudo precisa de varias operaciones elementales con renglones para reducir una matriz, Para matrices ele ‘mentales, esta secuencia se traduce en la multiplicacién (por la izquierda) por varias matrices elementales, El orden de la multiplicacién es importante; la matriz elemental inmediata para la izquierda de A corresponde a la operacién con renglones ejecutada pri- mero, Este proceso se demuestra en el ejemplo 376 Capitulo 2 Matrices SJSMMI7MC)EN |} Aplicacién de matrices elementales Encuentre una sucesiGn de matrices elementales que puedan ulilizarse para esc imatriz A en forma escalonada por renglones, Lae ' o 2 2 2 0. A= SOLUCION Operacin elemental Matiz Matiz con englones elemental 1-3 0. 3 Reo, o 1 Oo 2-6 2 0 oo 4 1-300 2 100 0 0 2-4) neon oe, 20001 1-30 2 10 6 0 0 1-2 oof Las tres matrices elementales Ey, use para ejecutar la misma elimi- 1 B= EEEA=|0 0 miento no se recomiends como un método practica pare a realizar la eliminacion gaus- > oo 2] Las dos matrices en el ejemplo 3 0 13 5 1-3 0 2 a=[1 -3 0 2) yaelo 1 3 5 2-6 2 0. oo 1-2 son equivalentes por renglones, ya que usted puede obtener B al ejecutar una seeuencia de ‘operaciones con renglones en A. Es devir, B= EEE \A. La definicién de matrices equivalentes por reglones puede ser reexpresada usando ‘matrices clementales de Ia siguiente manera. Definicién de equivalencia por renglones Sean A y B matrices dem X 1. La matriz B es equivalente por renglones con A si existe un miimero finito de matrices elementales E,, By tal que ELEVA. BrEE yCOMENTARIO E>" esti como se muestra porque convert Ea fy, 9 Ey se tendria que sumar dos veces €l primer cengion al tercero, 2.4 Matrices elementales 7 Usted sabe, de la seecién 2.3, que no todas Tas matrices cuadradas son invertibles. Sin embargo, toda matriz elemental es invertible, Ademis, la inversa de una mattiz elemental ces en si misma una matriz elements TEOREMA 2.13 Las matrices elementales son invertibles Si Ees una matriz elemental, entonces £ existe y es una matriz elemental La inversa de una matriz elemental E es la matriz elemental que convierte E de nuevo cn /,. Por ejemplo, puede encontrar la inversa de cada utrices elementales ‘mostradas en el ejemplo 3 de la siguiente manera, Matriz elemental Matiz inversa 0 1 0) kerk 0 1 0] ROR 1 0 0 19 0 oo 1 oo 1 loo o 1 0 0 o 1 0 Pe en) -2 0 1} EMR 2 00 1) FORK 0 0 10 o o 1 0 o 1 90 o 0 a Mor o 0 2) er, Intente wtlizar ta multiplicacién de matrices para veriticar estos resultados, El siguiente teorema establece que toda matriz invertible puede ser escrita como et producto de dos matrices elementales. TEOREMA 2.14 Pro} (Una matriz cuadrada es invertible si y s6lo si puede ser escrita como el producto de matrices elementals, lad de las matrices invertibles DEMOSTRACION La frase “si y solo si” significa que el teorema tiene dos partes. En una, usted debe demos- rar que si A es invertible, ensonces puede escribirse como el producto de matrices elemen- tales. Luego debe demostrar que si A puede ser escrita como el producto de matrices ele mentales, enionces es invertible. Para demostrar el teorema en Ia otra direceién, suponga que A es invertible. Del teo- ema 2.11 sabe que el sistema de ecuaciones lineales representado por Ax = O tiene sélo Ia solucisn trivial, Pero esto implica que la matriz aumentada [AO] puede reeseribirse cen la forma [7 0} (usando operaciones elementales con renglones correspondientes E), Exy...y Ey). Abora tenemos By... EyExE\A = Ly esto seguido de A = Ey Ey! Ey! - Ec! A puede escribirse como el producto de dos matrices elementales y la demostracién esti completa. Para demostrar el teorema en la otra direeci6n, asuma que A es el producto de matri- ces elementales. Enionees, debido at que cada mairiz elemental es invertible y el producto de matrices invertibles es invertible, se sigue que A es invertible. Esto completa la demos- traeidn, a La primera parte de esta demostracidn se ilustra en el ejemplo 4,78 + Empecemos por encontrar una sucesién de operae Capitulo 2 Matrices Escritura de una matriz como el producto SATE) de matrices elementales de matrices elementales cuyo producto es la matriz no singular SOLUCION -s elementales con renglones que puedan utilizarse para reescribir A en la forma esealonada reducida, Matiz Operaeién elemental con renglones Matriz elemental eve Tod lo [: [0 Ahora, a partir del producto matricial EEEE.A = J, resuelva para A para obtener A = Ej \By'Es 1B," Esto implica que A es el producto de matrices elementales. 1g coe caw 2.3 usted aprendid un proceso para encontrar la inversa de una matriz no singular A. Entonces emples la eliminacién de Gauss-Jordan para reducit la matriz aumen- Ahora puede utilizar el teorema 2.14 para justifiear este procedi- ia demostracién del teorema 2.14 permite escribir el producto = T= By EELEA, Muttiplicando ambos lados de la ceuacién (por la derecka) por A, podemos escribir A“) Ej... E,E2£ yl En otras palabras, una sucesién de matrices elementales que reducen A Ja identidad pueden usarse para reducir también Is identidad Ia A“, Aplicando la suce- sidn correspondiente de operaciones elementales con renglones a las matrices A e J de ‘manera simultdnea, tenemos Eo BBE IA =U A Por supuesto, si es singular, entonces tl sucesida no puede ser determinada. ET siguiente teorema vincula algunas relaciones importantes ene matrices de m Xn y sistemas de ecuaciones lineales. Las partes esenciales de este teorema ya han sido demostra- das (véase los teoremas 2.11 y 2.14); se deja a usted completar el resto de la demostracin, TEOREMA 2.15 Condiciones equivalentes ‘SiA es una mattiz de n X n, entonces las siguientes condiciones son equivalentes 1. Aes invertible. 2. Ax = b tiene una solucién dniea para cada matriz b columna den X 1 3. Ax = 0 sélo tiene solucién ti 4, Aes equivalente por renglones a [,, 5. A puede escribirse como el producto de matrices elementals.2.4 Matrices elementales 79 FACTORIZACION LU Como el corazén de muchos eficientes y modemos algoritmos para resolver sistemas Tineales, Ax = b se lama también factorizacién LU, en la cual la matriz cuadrada A cs ‘expresada como un producto, A = LU. En este producto la matriz cuadrada L es triangular inferior, lo que significa que todos los elementos debajo de Ia diagonal principal son ceros, La matriz cuadrada U es triangular superior, lo cual significa que todos Ios elementos arriba de la diagonal principal son ceros. 0 ay ay 0 0 ay a 0 0 4 0 « Matriz triangular inferior de 3x3 Matriz triangular superior de 3 x 3 Definicin de la factorizacion LU Si Ia mairiz A de 1 X 1 puede ser eserita como el producto de una matriz triangula inferior L y una matriz triangular superior U, entonces A = LU es una tactorizacién LU dea. Factorzcones 1 ef def ll a]-” ad efi al yy la matsiz triangular superior =o 3] es una factorizacién LU de la mattiz A. ALGEBRA _ Dinimice de fluidos computacionel (CFO por sus siglas en inglés) es LINEAL el andlisis por computadore de fonémanos de la vida real como flujo APLICADA _ fldos. transference de calor y reacziones quimicas. Resolver ‘ecuaciones de conservacién de energia, masa y momento implicadas fen un anilisis de CFD puede involuerar grandes sistemas de ecuacio- res linesles, Asi, pare mayor aficiencia en ol calcula, los andlisis ce CFD menudo usan particionado de matrices y factorizacion LU en ‘5u3 algoritmos. Las empresas aeroespacisles como Bosing y Airbus han usado el anaisis CFO para el disefio de aeronaves. Por ejemplo, les ingenieros de Boeing useron analisis de CFD para de site sliededor de un modelo virtual del avién 787 par producir un disefio mas ri Boeing ayudar 3 ido y eficlente que los entorioras de80 Capitulo 2. Matrices Si una matriz euadrada A puede ser reducida a una mateiz triangular superior U/ usando sélo la operacién suma de renglén para sumar un multiplo de un renglén a otro debajo de ste, entonces es Feil determinar una factorizacién LU de iz A. Todo lo que nece- hacer es mantener el registro de las operaciones con cada renglsn, como se muestra en cel siguiente ejemplo. Determinacién de las factorizaciones LU STM] oo tenr acon 1-3 0 Determine la factorizacin LU dela matrizA =[0 13). 2-10 2. SOLUCION ‘Comience po teducir A a la forma triangular superior mientras mantiene el registro de las matrices elementales uilizadas para cada operacidn con renglones Matriz Opera elemental con renglones Mate elemental 1-3 0 10 0 o-4 2 hy + (DR), 2 01 1-30 oo oO 1 3 1 0 0 0 14 A+ ORR, ait La matriz reducida U a la izquierda es triangular superior, lo que conduce a ‘ey! U. Como el producto de matrices triangulares inferiores 1 0 Oyf1 0 oO) fl 0 OF =|o 1 olfo 1 of=fo 1 0 2 0 ilo -4 i} ia -4 4 ‘malriz triangular inferior £, la factorizacidn A = LU esti completa, Observe que est ela misma factorizacin LU que se demostré en el ejemplo 5(b) al inicio de esta pagina jd En general, si puede ser educida a una matriz U triangula superior uilizando sélo ka ‘peracigin suma de un miltiplo de un renglén a oto, entonces A tiene una Factrizacicn LU. Eyos BEA =U AS ESE. Eo = Lu Aqui Les el producto de las inversas de matrices elementales utilizadas en la reduccién, Observe que los miiliplos en el ejemplo 6 son ~2 y 4, es decir, los negatives de los ele- ‘mentos correspondientes en L. En general esto es cierto, Si U puede ser obtenida a partir de A usando sélo la operacidn de sumar un miiplo de un renglén a otro rengléa de abajo, entonces a mati L es triangular inferior con ndimeros | Jo largo de la diagonal. Adem, el negativo de cada multiplo esti en la misma posicién que el cero correspondiente en la matiz U, ‘Una vez que haya obtenido una factorizaciin LU de la matsiz A, usted puede resolver entonces el sistema de n ecuaciones lineales en variables Ax = b eicientemente en dos pasos. 1. Eseriba 2. Resuelva Us Us y resuelva Ly = b para y. para x La matriz, columna x es la solucién del sistema original porque AN = LUx = Ly = b, El segundo paso en este algoritmo es solo una sustitucisn hacia atras, ya que la matriz U es triangular superior. El primer paso es similar, excepto que comienza en la parte de suriba de la mati, ya que L es triangular inferior. Por esta razén, el primer paso a menudo recibe el nombre de sustitucin hacia delante,2.4 Matrices elementales 81 Resolucién de un sistema lineal ye usando factorizacién LU Resuelva el sistema lineal. 7 3 5 xy t3q= oI 2x, = 10s + 2x5 = -20 SOLUCION Usted obtuvo la faetorizacién LU de ka matriz de coeficientes A en el ejemplo 6. 1-30 eer? | eee Baa | 2-10 2. 1 0 o7fl -3 0 =|o 4 offo 1 3 2-4 il o 4 Primero, haga y = Ux y resuelva el sistema Ly = b para y. 10 o 5 o 1 Olfyf=| -1 2-4 ilyd [+20 Exte sistema se resuelve ficilmente usando la sustitucidn hacia delante. Comenzando con ién, tiene que 20 =20 - 2y, + dys =20 {-5) + (1) =, Ahora, resolviendo el sistema Ux = y para x, aplicando la sustitucién hacia atris| bt IE De la ttima ecuacidn, x3 = —1. Enionees, la segunda ecuacién da yt N-De-d 2, Finalmente, la primera ecuacién es my 3Q)=-5 x1 = 1. Asf, la solucidn del sistema original de ecuaciones es : [| ry82 Capitulo 2. Matrices 2.4 Ejercicios Matrices elementales En los ejercicios 1 a 8 determine st las matrices son elementales. Si es asi, establezca las opera iones elementales con renglones utilizadas para producirlas, “lol al of *L 4 : a Lid cios 9- ran Ay By C 9. Eneuentre la matriz elemental E tal que EA = B. 10, Encuentre la matriz elemental F tal que EA = C. 11. Encuentre la matriz elemental & tal que EB = A. 12, Bneuentre la matriz elemental E tal que EC = A Determinacién de una secuencia de matrices elemen- ‘tales En los ejercicios 13-16, encuentre una secuencia de ‘matrices elementales que se pueden usar para escribir la matriz: en Ia forma escalonada por renglones. a 2 af iJ af! “I ss a : 1-2-1 0 30 15.] 0 8 4] 16. scl -6 12 8 1 -2 4. Determinacién de la inversa de una matriz elemen- tal En los ejercicios 17 a 22, encuentre Ia inversa de la maggiz elemental, 5 0 a lo i) a ai o : ' | ~ [a ; | 1 0 0. oe 1 fe | nlp dee Dold k#0 Determinacién de la inversa de una matriz En los tjrcin 23426 encume inves dea marian matrices elementales. 32 2 alia [i 10-1 1 0 0 4 0 n de una secuencia de matrices elemen- tales En los ejervicios 27-M, encuentre una secuencia de matrices elementales cuyo producto sea la matriz.no singular dada, 12 ef? ali il alld 4-1 tot » [5c of; i) 1-2 oF 1203 auf-1 3 of aaf2 5 6 oo 1 134 1 oo 0 4 $0 0 2 0-1 3 0 0 1 0 1 Se Oe Hotes etto) tee Oto tied cet 0 0 t-1 10 0-3 aVerdadero 0 falso? En los ejecicios 35 y 36, determine ‘cull de las expresiones es verdadera 0 falsa Si la expresisn 8 verdadera, proporcione una razén o cite una expresién adectiada del texto, Si la expresidn es falsa, proporcione un ejemplo que muestre que la expresisn no es cierta en todos, los easos o cite del texto una expresién adecuada 38. (a) La matiz identidad es una matriz elemental (b) Si £ es una matriz elemental, entonces 2 es una. matriz elemental también, (©) La inversa de una matriz elemental es uma matriz clemenial 36. (a) La matriz nula es una matrz elemental, (b) Una matriz cuadrada es no singular si puede eseri- birse como el proxlucto de dos matrices elementals. (©) Ax = O sélo tiene solucidn trivial si slo si Ax = tiene una Gnica soluciin para toda matriz colmna biden x137. Eseriba (El producto de dos matrices elementales siempre es unat matriz elemental? Explique por qué por qué no y dé ejemplos que ilustren su conclusion. 38, Escriba £es la matriz elemental obtenida al intercam- biar dos renglones en J, A es una matriz den 1. (a) ;Cémo se puede comparar EA con A? (b) Eneuen- eB. Utilice matrices elementales para encontear Ia inversa de roa opt O° oft oo aslo 1 olfo 1 offo 1 of o o ilo o il o « #0. ; 40, Usilice matrices elemental para encontrar Ia inversa de 1 0 0 aslo 1 ob evo. a be Determinacién de la factorizacin LU de una matriz En los ejercicios 41 a 44, encuentre la factorizacién EU dela matiz 1 o aii a[. i 2 (7% q 3 2 0 0 gies 44.) -3 1 -3 1 Oo. 12 3, Resolucién de un sistema lineal usando factorizacién LU En los ejercicios 45 y 46, resuelva el sistema lineal AX. = bde la siguiente maner (a) Encuentre la factorizacién LU de ta matriz de coeficien- tes A, (b) Resuelva el sistema triangular inferior Ly = b, y (©) Resuelva el sistema triangular superior Ux = 48. vty 1 47. Eseriba Suponga que necesita resolver varios siste= ‘mas de ecuaciones lineales Ax = bj que tienen la misma matriz de coeficientes A. Explique cémo podria aplicar la tenia de la factorizacién LU para facilitar Ia tarea, rms que resolver cada sistema de manera individual utilizando la eliminacisn gaussiana, 48, REMDATE Explique cada uno de tos siguientes {a) Cémo encontrar una matriz elemental. {b) Cémo usar matrices elementales para encontrar la factorizacién LU de una matri (©) Cémo usar la fatorizacn LU para resolver un sistema tinea! 2.4 Ejercicios 83 Matrices idempotentes En los ejericios 49 a $2, deter tine eu de ts mates es idempotent. Una mate? eus- drada A es idempotente si A? 01 aft 10 of 0 0 4 0 1 Oo s.fo 1 0 wlio 0 10 0, 0 0 1 58, Determine ay bales que A sen idempotent 1 0 [lal 54, Demostracién gulada Demvestre que A es idempo- tente sy slo si AT es idempotente Inicio: Ia frase “sly sélo si” significa que usted debe probar dos afirmaciones: 1. SiA es idempotente, entonces A” es idempotent 2. SiAT es idempotent entonces A es idempotente (i) Comience su demostracign de la primera afirmacin suponiendo que A es idempotente (ii) Bsto quiere decir que A? (ii) Aplique las propiedades de la transpuesta para ddemostrar que A? es idempotente Gv) Comience su demostracién de ta segunda afirma- cin suponiendo que A? es idempotente 35, Prueba Pruebe que si es una maiz de n X 1 que ex idempotente ¢ invertible, entonces A = fy 156, Prucha Demuesire que si Ay # son idempotentes y AB = BA, cntonces AB es idempotente 57, Demostracién guiada Demuestre que si A es equivae lente por renglones a B y B equivale por renglones a C, entonces A es equivalente por renglones a C: Inicio: para demostrar quc A es equivalente por renglo- nes a C, usted debe encontrar matrices elementales Ej, » Byles que A= Bj... EC. (i) Comience su demostraciéin observando que A es equivalente por renglones a B. (ii) Esto quiere decir que existen matrices elementales Fi Fytales que A= Fy 02-2 FB ii) Existen matrices elementales Gi, .. Gu tales que B> Gye eu es GuC- (iv) Combine las ecuaciones matriciales de los pasos Ai) y (id. 588, Prueba Demuesire que si A es equivalente por renglo- nes a B, entonces B es equivalente por renglones a A. Prucba Demuestre que siA es equivalente por renglo- nes a B y B equivale por renglones aC, entonces A es equivalente por renglones a C. 60, Demuestre que la matriz no tiene factorizacign LU. all dl 59,84 Capitulo 2. Matrices 2.5 Aplicaciones de las operaciones con matrices HH Escriba y use una matriz estocastica. [Use ta multiplicactén de matrices para codificar y decodificar mensajes. [H]_ Use digebra de matrices para analizar un sistema econémico (modelo de entradas y salidas de Leontief). IHL Encuentre la recta de regresién por minimos cuadrados para un con- junto de datos. MATRICES ESTOCASTICAS Muchos tipos de aplicaciones implican un conjunto finito de estados [Sj. 83. +++ Sy) de tuna poblacién dada, Por ejemplo, los residentes de una ciudad pueden vivir en el centro 0 en la periferia, Los electares pueden votar por los Deméeratas, los Republica tercer partido, Consumidores de bebidas gascosas pueden comprar Coca-Cola, Pepsi Cola wotra marea, La probubilidad de que un miembro de la poblacign cambie del j-ésimo estado al imo estado es representada por un niimero pj, donde 0 = py = 1. Una probabilidad de 14 = 0 Signiiea que el miembro no camiia del estado jassimo al inésimo, mientras que una probabilidad p, a que el micmibro cambia del estado j-ésimo al F-ésimo, Pur Pay Pu Pra °° Pond Sy P se llama matriz de probabilidades de transicién, ya que proporciona las probabilida- {des de eada posible tipo de transieién (0 cambio} dentro de la poblacién, En cada transicién, cada miembro dado debe permanecer en un estado cualquiera 0 cambiar a otro, Para probabilidades, esto significa que la suma de los elementos en cual- 4quier columna de P es 1. Por ejemplo, en la primera columna tenemos, Put Pat. + Pa = hh tal matriz se denomina estocdstica (el término “estocdstico” quiere decir “conjetura res pecto a”), Esto es, una matriz P de 1 X 7 es llamada matriz estocdstica si cada elemento es un niimero entre 0 y 1 y cada columna de P suma en total 1. ENGNG IE] Elemplos de matrices estocasticas y no estocasticas Las matrices en los incisos (a) y (b) son estocésticas, pero la matriz en en los in (@) no fo son. oo ee o1 Panetta 02 03 a od a 03 | boo 3 oa 05 la a25 Aplicaciones de las operaciones con matrices 85 El ejemplo 2 describe el uso de una matriz estocdistica para medir las preferencias de un consumidor. (Sis) |} Modelo de preferencia del consu Dos empresas competidoras offecen el servicio de televisién satelital para una ciudad de 100,000 residentes. Los cambios en las suscripciones cada ao se muestran en la figura aA actualmente tiene 15,000 suscriptores y la compaiifa B tiene 20,000. la compaiia dentro de | afio a partir de ahora? lor 0% Figura 21 SOLUCION La matriz que representa las probabilidades de transicién dadas es De 0.70 0.13 0.15] A oe | y la mateiz. de estado que representa Ia poblacidn actual en Tos tres estados es 15,0007 A x = | 20,000 B 65,000. Ninguno Para determinar la matriz de estado que representa las poblaciones en Ios tres estados después de un aio, multiplicamos P por X para obtener 23,250" 28,750, ‘soon Despugs de un aio, 1a compafin A tendri 28,750, 0 suscriptores y la computa B tended Uno de los atractivos de la mattiz solucién en el ejemplo 2 es que una vez que se hat creado el modelo, éste vuelve ficil el determinar las matrices de estado que representen ‘kos futuros al multipticar repetidamente por la matriz P. Este proceso se demuestra en el ejemplo 3.86 Capitulo 2. Matrices Fa JUCEN | Modelo de preferencia del consumidor Suponiendo que ln matriz de probabilidades de transiciOn del ejemplo 2 permanece igus ato tras aflo, determine ef niimero de suseriptores de cada compan de television satelital después de (a) 3 aio, (b) 5 aos y (c) 10 alios. Redondce cada respuesta al ntimero entero ‘mas cereano, SOLUCION a, Del ejemplo 2 usted sabe que el ntimero de suscriptores después de un afio es A B Después de | aho Ninguno Ya que la matriz de probabilidades de tran cl niimero de suscriptores despuss de 3 aftos es ines la misma del primer al tercer aio, 30,283 A PAX = | 39,043 B Después de 3 afios 30,675. Ninguno Despugs de 3 aiios, la compailia A tendri 30,283 suscriptores y la compaiifa B 39,042. b. El niimero de suscriptores después de 5 afos es 32,411 A PSX =| 43,812 B Después de 5 abo 23,777. Ninguno Despues de 5 aflos, la compafia A tendri 32.411 suscriptores y la compaia B 43,812. ‘e. El nimero de suseriptores despues de 10 aftos es 33.287 A Wx =| 47,147 B Después de 10 aos 19,566, Ninguno Después de 10 aifos, la compaiifa A tendr 33,287 suscriptores y la compaiia B 47,141. En l ejemplo 3, observe que existe una pequefa diferencia entre el nirnero de sus- criptores después de 5 aitos y de 10 aftos. Si se continta el proceso mostrado en este «ejemplo, el mimero de suscriptores eventualmente aleanzaré un estado estab Esto es. en tanto la matrzP no cambie a matriz prodeto P'X se aproximaal limite ¥. En este ejem- ploen particular el limite es la matrz de estado estable 33,333 A 47619. B Estado estable 19,048, Ninguno Verifique que PX = X como sigue 0.70 0.15 0.15] [33.333 0.20 0.80 0.15]] 47.619 0.10 0.05 0.70) | 19.048, 33,333 ~|47619] =X 19,048,2.5 Aplicaciones de las operaciones con matrices 87 CRIPTOGRAFIA Un criptograma es un mensaje escrito de acuerdo con un eSdigo seereto (la palabra griega Anyptos significa “oculto). Esta seccidn describe un método para eodificar y decodificar ‘mensajes aplicando la multplicacién de matrices, Comencemos por asignar un mimero a cada letra de alfabeto (el cero representa un espacio en blanco), de Ia siguiente manera o=_ W=N 1=A 2=B 3=C 4=D 5=E 6=F 1=G 8=H 9 Wed Nek I=L %=Z B=M Despues mensaje es convertido a nlimeros y divide en matrices reglén sin c cada una con n elementos, como se demuestra en el ejempla 4. SV=ITWC)-1 | Formacion de matrices renglén sin codificar Escriba la matsiz reglén sin eodificar de tamafio |X 3 para el mensaje MEET ME MON- DAY. SOLUCION Al dividir el mensaje (ineluidos los espacios en blanco, pero ignorando la puntuacién) en ‘grupos de tres se producen las siguientes matrices renglén sin codificar. U3 5 5] 20 0 13/15 0 13) 5 14 41 25 OF MEET ~ ME_ MON DAY Observe que el espacio en blanco se ut iz renglin sin codificar. st para completar [a dltima n ALGEBRA Debido al uso intensivo de internet pare realizar negocios, la segurded en internet es de capital importanei. Si un actor maliioso recibiere NEAL informacion confidoncial eamo contraseias, nimeros de identificacion APLICADA personal nimoros de tarjetas de crédito, nimeros de seguridad soc Gatos bancarios 0 secretos corporativos, is efectos pocian ser dafinos. Pare proteger la confidencialded e itegridad de tl inform: formas mas populares de seguridad en Internet uillean encriptacin ‘datos, el proceso de codiicarinformacién de modo que la tnica manera «do decodificarla, ademas de un staque de fuerza bruta “por desgasto,” ‘material que ge presente aqui, pero a un nivel ‘mucho més sofisticado, para eviter que actores malciosos descubran la lave Para codificar un mensaje, seleceione una matriz A invertible den Xn y multiplique Jas matrices renglén sin codificar (a In derecha) por A para obtener matrices renglén codificadas. Este proceso se demuestra en el ejemplo 5 ra ute com88 Capitulo 2. Matrices SY=WiaMe)) | Codificacién de un mensaje Utilice la siguiente matriz invertible ead para codificar el mensaje MEET ME MONDAY. SOLUCION Las matrices rengidn eodificadas se obtienen al multiplicar por la matriz A cada una de las matrices reaglén sin codificar encontradas en el ejemplo 4, de In siguiente manera, Matriz rengkin = Matriz Matriz sincodilicar codificada A rengl6n codificada 1-2 fs 4 4] 1-2 Uo 3s af- 1 -1 La sucesiGn de matrices renglén couificadas es [13-26 21][@3 -33 -12)f18 -23 -42]{s -20 s6][-24 23. 77). Finalmente, quitando los corchctes se generac! siguiente criptograma. 13 -26 21 33 -$3 -12 18 -23 -42 5 —20 56 -24 23.7 a Para quienes desconocen la matriz. A, decodificar el criptograma encontrado en el ejemplo 5 es complieado, pero para un receptor autorizado que conoce Ia matriz A, deco- dificar es sencillo, El receptor silo necesita multiplicar las matrices renglén codificadas por A“ para recuperar las matrices sin codificar. En otras palabras, si ’ X= Er wax] es una matriz de 1X 1 sin codificar, entonces ¥ = XA es la matriz.codificada correspon- % diente, El receptor de la matriz codificada puede decodificar ¥ multiplicando el lado dere- cho por A“ para obtener Yan! = (XAJA~ Este procedimiento se demuestra en el ejemplo 6.* ‘Simulacién Explore este concepto mis ade- Jante con una simulagid electri. nica disponible en ef sitio college. cengage.comipicNarsonELAGe. 2.5. Aplicaciones de las operaciones con matrices 89 [REN TWe) ) Use la inversa de la matriz Use la inversa de Ia matriz, eft Para decodificar el eriptograma 13-26 21 33-53 -12 18 -23 5-20 56 -24 23-71 SOLUCION “Comicace usando Ia eliminacién de Gauss-Jordan para encontrar fon Vay 1-202 1 0 0 10 0 -1-10 -8 -1 1 3 0 ¢t of — Jo 1 0 -1 -6 -5 l-1-4 0 0 1 0 @ 1 oO-1 -1 Ahora, para decodificar el mensaje, di reaglén codifieadas (13-26 21] -53 -12]f18 -23 -a2][s -20 s6][-24 23 Para obtener las matrices renglin decoditicadas, multiplique cada una de las renglén codificadas por A~ (ala derecha). Matriz renglin Matiz Matiz codificada A‘ decodificada renglin decodificada s]i20 0 13]fs 0 as}fls 14 yf 25 oO} y el mensaje es: 55% 0 1 5 0 IS M4 ts Og MEET MoE MONDAY90 Capitulo 2 Matrices MODELOS DE LEONTIEF DE ENTRADA-SALIDA EI modelo analizado aguy fue desarrollado por el economista estadounidense Wassily W. Leontief (1906-1999) y publicado por primera vez en 1936. En 1973 Leontief recibis el premio Nobel por su trabajo en economia, Sigue una breve discusién del modelo de Leomtiet. ‘Suponga que un sistema econémico tiene 1 diferentes industria fy... « «fy cada una de las cuales tiene requerimientos de entrada (materias primas, servicios, ec.) y una salida (producio terminado), En la producci6n de ead unidad de sali, una industria puede utitizar las salidas de otras industria, incluyéndose a si misma. Por ejemplo, el servicio cléctrico utiliza salidas de otras industrias, tales como carbén y agua, e incluso su propia electricidad, ‘Sea dj 1a cantidad de requerimientos de salida de la j-ésima industria para producir una lunidad por afo, La matriz de estos cocficientes se llama matriz de entrada-salic star (al au) p= (a & an) to provecdor (en dy deg Para entender emo puede usar esta matriz, imagine dy = 0.4. Esto significa que cada ‘04 unidades del producto de la Industria | deben emplearse para producir una unidad del producto de la Industria 2 Si dss = 0.2, entonces 0.2 unidades del producto dela Industria 3 son requeridas para producir una unidad de su propio producto. Para que este modelo funcione, los valores de di deben satisfacer 0 = dy = 1 y la suma de los elementos en cada columna debe ser menor 0 igual a. (==NT1We)7)] Formacién de una matriz de entrada-salida Considere un sistema econémico simple consistente de tes industria: electricidad, y catbén. La produccién o salida de una unidad de elecrcidad requiere de 0.5 unidades ie sf misma, 0.25 unidades de agua y 0.25 unidades de carb6n. La produccitn o salida de una unidad de agua requiere de 0.1 unidades de electrcidad, 0.6 unidades de si misma y 0 unidades de carbén. La produccién o salida de una unidad de carbén require de 0.2 uni dades de electricidad, 0.15 unidades de agua y 0.5 unidades de si misma, Determine la matriz de entrada-salida para este sistema. SOLUCION La columna de elementos muestra las eantidades que cada industria requiere de las otras, tambien de sf misma, en el orden para produeir una unidad de sali Usuario (saliday Ew oc 05 01 027E 0.25 0.6 0.15] W } Proveedor (entrada) 025 0 os }c Los elementos de cada renglén muestran las cantidades que cada industria suministra 4 las otras, incluyéndose a sf misma, en el orden en que cada industria produce una unidad dde producto o salida, Por ejemplo, la industria eléctrica suministra 0.5 unidades para misma, 0.1 unidades de agua y 0.2 unidades de carbs, Para desarrollar el modelo de Leontief de entrada-salida, sea x; 1a salida total de la industria /-ésima, Si el sistema econémico es cerrado (es decir, sélo vende sus productos a Tas industrias dentro del sistema, como en el ejemplo anterior), entonces la salida total de Ia industria /Ssima esti dada por Ia ecuacién Tineal Bp dyhy + digtz $2 °° Fd Sistema ceradoCOMENTARIO Los sistemas econémicos descritos en los sjemplos 7 y 8 son, por supussto, sancillos. En el mundo real, un sistema ‘econémico puede inclu ‘muchas Industrias 0 grupos Indusriales. Un analisis mae otallade facilmente requisre de ‘una matrizentrada-salida ‘mayor que 100 x 100. Es claro {ue este tipo de analisis pueda hhacerse sélo con ayuda oe una computadora, 2.5 Aplicaciones de las operaciones con matrices 1 Por otro lado, si las industrias dentro del sistema venden sus productos a grupos: no productores (como gobiemos o insttuciones de earidad) fuera del sistema, entonces el sis- por {ema se denomina abierto y Ia sada total de la industria i-ésima est Xp dye) + digty bet ‘donde e; representa la demanda externa para el producto de fa indus de salidas totales para un sistema abierto se representa por el siguiente nes lineales, inky > & ‘Sistema abierto By dyty t dyghy tess + dyke te, dyx, + d d, wit d, La forma matricial de este E, matriz de demanda externa, phe # dagty # ey ab dagty Fey 2. El conjunto ema den ecuacio- istema es X = DX + E, donde X se lama matriz de salida y Solucién de una matriz de entrada-salida SENN) para un sistema abierto Un sistema econdmico compuesto por ies industrias tiene la siguiente matriz de entadae salida, Usuario (saliday Ae ae ie 01 043 0 JA D=|o1s 0 037|B 0.23 0.03 0.02 Determine la matriz de salida X 20,000 A =| 30,000 B 25,000 e Redondee cada respuesta a la unidad mis ¢ ‘SOLUCION Sea Ila mat a demanda externa es lo que significa (/ ~ D)X = E. Usando la matriz.D arriba, se obtiene 09-043 t-p=|-015 1 =023 -0.03 Finalmente, representado pot (/— D)X 09-043 9 20.000 1 -015 1 ~037 30,000) —> |o =023 -0.03 098 25,000 Asi, la matriz de salida es 46,616 A x =|51,038 B 38,014. c 0 -037 0.98, 46.616 51,058 38,014. | identidad, entonces eseriba la ecuacién X = DX + E como IX ~ DX = E. zando 1a eliminacién de Gauss-Jordan al sistema de ecuaciones lineales ‘se produce Para producir la demanda externa hallada, las salidas de las tres industrias deben ser las siguientes: Salida para Ia industria unidades y Satida para la industria A: 46,616 u : 38,014 unidades. ades, Salida para la industria B: 51,05892 Capitulo 2 Matrices 64 Modelo 1 64 Modelo 2 6.58, (5,6 ANALISIS DE REGRESION CON MiNIMOS CUADRADOS Usted puede ahora observar un procedimiento que se utiliza en estadistica para desarrollar ‘modelos lineales. El siguiente ejemplo muestra un método visual para aproximar una linea de mejor ajuste para un conjunto de datos. S}-N17Ke)E) | Aproximacion visual en linea recta Determine la linea recta que mejor ajuste los puntos (1, 1), (2,2). 3.4) (4.4) y B. 6). SOLUCION Grafique los puntos, como se muestra en Ia figura 2.2, Puede parecer una buena eleccién tuna recta cuya pendiente es 1 y cuya interseccidn con el eje y es 0.5. La ecuaciéin de esta recta es 5 + x. Una revisiéin de la recta mostrad en la figura 2.2 revela que se puede mejor rotando ligeramente la Ifnea en el sentido de las manecillas del reloj, como se muestra en Ja figura 2.3. Claramente se ve que esta nueva. recta, cuya ecuseién es y = 1.2%, aj mejor los puntos que la recta original. Figura 2.2 Figura 23 (Una manera de medir qué tan bien una funcién y = ft) ajusta una serie de puntos: brary Ga, cs calcular las diferencias entre los valores de ta funciGn flx,) y los valores actuales 9. ‘como se muestra en Ia figura 2.4, Elevando al cuadrado estas diferencias y sumando los resultados, se obtiene una medida del error tlamsida suma del cuadrado del error, Las sumas de los cuadrados de los errores para nuestros dos modelos lineales se muestran abajo, en ta tabla 2.1 +1 Get) Modeto 1: f(x) = 05 +x Modelo 2: fx) = 1.28 xm fap | bi - Soo? Hu feed | be - Soo? 1 1 15 | (-057 1 1 12) | (-02¥ 2 z 25 | (057 2 2 24 | (-04) 3 4 35 | (+057 4 36 | (+047 4 4 4 (-05)7° 4 4 48 | (-087 5 6 SS | (+05)* 5 6 6.0 | (0.0? Total 125 Total 1.0025 Aplicaciones de las operaciones con matrices 93 Las sumas de los cuadrados de Ios errores confirman que el segundo modelo se ajusta ‘mejor que el primero a los puntos dados. De todos los modelos lineales posibles para una serie de puntos, el modelo de mejor ajuste se define como el {nico que minimiza la suma del euadrado del error. Este modelo se denomina linea de regresién de mfnimos cuadrades y e! procedimiento para determi narlo se denomina método de minimos cuadrados. Defi Para una serie de puntos n de la linea de regresién de minimos cuadrados pyre Gea) la linea de regresién de minimos cuadrados esté dada por la funcién lineal FO) = ay + aye «que minimiza la suma del euadrado del error Ly SGP + De — f00F + = si F. Para determinar Ia Vinea de regeesin de maimos cuadras para una serie de puntos, comencemos formando un sistema de ecuaciones lineales sy = Flo) + Loy — Fle) va) + bys ~ fl] Ya = Aly) + Oy, — fl )] donde el término del lado derecho by - ree) de cada ecuacidn es tomado como el error en la aproximacin de yy para flx)). Entonces eseribimos este error como Ss) (al que el sistema de ecuaciones tome la forma (ay + ays) + ey fay + ays) + es (a5 + e469) + 6 Ahora, si definimos ¥,.X, A y & como vaP3}o xe]! 2) an[#) c=]? las n ecuaciones lineales pueden ser reemplazadas por la ecuaci6a matricial y MATE, Observe que la matriz X tiene dos columnas, una columna de nimeros 1 (correspondiente ‘8dy) y una columna que contiene a las x, Esta ecuaeiGn matricial puede usarse para deter- ‘minar los coeficientes de la linea de regresidn de minimos cuadrados, como sigue.94 Capitulo 2. Matrices Forma matricial para una regresion lineal Para el modelo de regresisn Y = XA + E, los coeficientes de la linea de regresin de i Iinimos cuadrados estin dados por la ecuacién matricial COMENTARIO més sobre este nko en fa seccién. y la suma del cuadralo del error es ETE, Aprender procedi 54. Fl ejemplo 10 muestra el uso de este procedimiento para determinar la linea de regre~ sign de minimos cuadrados para la serie de puntos del ejemplo 9. Determinacién de la linea de regresion SO) de minimos cuadrados Determine la nea de represin de minimos cuadrados part ls puntos (1,1), (2,2}6(3, 4. 4.4) y 5,6) (vdase la figura 2.5) SOLUCION Usando los cinco puntos abajo, las matrices X y ¥ son 1 ' I xelt y¥= 1 1 Esto signifiea que 1 Pirirt aes 5 Is wv [ Wi sl 2 rasa! afeLs s 13 Y Sees IT wefan ss alisfele : ‘ Ahora, utilizando (X"X)"! para encontrar la matriz de coeficientes, tenemos A= (XTX) IXTY (2 et La linea de regresign de mfnimos cuadrados es Linea de eegresin de minimos cuadrados. y= ~0.2 + 1.26 Figura 2.5 ‘como muestra la Figura 2.5. La suma del cuadrado del error para esta linea es 0.8 (verifi- ‘que esto), lo que significa que esta linea se ajusta mucho mejor 2 los datos que cualquiera de los dos modelos experimentales que se determinaron anteriormente,2.8 Ejercicios 95 Matrices estocasticas En los ejercicios | a 4, determine sila matriz es estocistica 23 oa \ [ j afoot Re gle 1.6 6 03 0.1 O08 03 0.16 0.25 3./05 02 O1 4/03 06 0. 02 07 OL 03 0.16 05 5, Compra de un producto El departamento de inves: tigaciGn de mercados de una planta de manufactura deverming que 20% de Ia gente que compra los produc- tos de la planta en algsin mes puede no comprarlos en el mes siguiente. Por otro lado, 30% de It gente que no compra durante algtin mes puede comprar el mes siguiente. En una poblacién de 1000 personas, 100 com- praron productos este mes. ;Cusintos comprarin ef mes priximo? ;En dos meses? 6. Propagacién de un virus Un investigador médico cestudia [a dispersi6n de un virus en una poblacién de 1000 ratones de laboratorio. Durante alguna semana existe 80% de probabilidad que un ratén infectado supere el virus y durante la misma semana existe 10% de probabilidad de que un rat6n sano se infecte. Cien rato- nes son infectados eon el virus. ;Cusintos se infectarin cesta semana? ;¥ en dos semanas? 7. Fumadores y no fumadores Una poblacién de 10 (000 personas se agrupa de la siguiente manera: 5 000 no fumadores, 2 500 fumadores de un paquete o menos por fa y 2 500 fumadores de mas de un paquete al dia, Durante algtin mes existe 5% de probabilidad de que un no fumador pueda comenzar a fumar un paquete o menos por dia y 2% de probabilidad de que un no Fama dor comience « fumar mis de tn paguete al dfa, Para fumadores que fuman un paguete 0 menos al da, existe 10% de probabitidad de que dejen de hacerlo y 10% de probabilidad de que incrementen la cantidad, Para fuma- ‘dores que furan mais de un paquete al dia, existe 5% de probabilidad de que dejen de hacerlo y 10% de probabi- lidad de que disminuyan a un paquete o menos por dia, {Cans personas estardn en cada 8. Consumo de televisién El dormitorio universitario alberga 200 estudiantes. Aquéllos que miran televisién tuna hora 0 ms al df, siempre ven una hora menos de tclevisin al dia siguiente, Un cuarto de los que ven televisién menos de una hora al dia, pueden mirar 1a televisin mis de una hora al dfa siguiente, La mitad de los estudiantes ven televisién una hora o mis hoy. {Cuintos pueden ver televisién por una hora o mis rmafiana? Fn dos dfas? {En 30 dfas? 9, Proferencia de los consumidores Una poblacién de 100 000 consumiddores es agrupada como sigue: 20 000 usuarios de fa marca A, 30 000 usuarios de la marea B y ‘50 000 que utilizan cualquiera de las marcas, Durante un mes cualquiera un usuario de In marea A tiene una pro- babilidad de 20% de cambiarse a la marca B y 5%é de probabilidad de no utilizar ninguna de estas dos marcas. Un usuario de la marca B tiene una probs de cambiarse a la marca A y 10% de probabilidad de no usar ni una ni otra marea, Un no-usuario tiene una proba- bilidad de 10% de comprar la marea A y 15% de proba- bilidad de comprar la marca B. ;Cudnta gente puede estar ‘en cada grupo en un mes?zn dos meses; tres meses? 10. Para la matriz de probabilidades de transieisn 06 01 O 02 02 08. encuentre PAY y P'Y para establecer la matriz 100) 800, Despues, determine Ia matriz de estado estable para P. Codificacién de un mensaje En los ejervicios 11 a 14, cencuentre a matriz renglén sin codificar, del tamaio indi- ‘cad para los mensajes dados. Después codifique el mensaje utilizando la mats A. Mensajes: SELL CONSOLIDATED Tamaito de la murs renglin: 1% 3 1-10 Serra 12. Mensaje: PLEASE SEND MONEY Tamaito dela muri renglins 1% 3 CONE HOME S00N 13, Mensaje: Tamaiio de ta matriz renglén. 14, Mensaje: HELP IS COMING Tamaito de ta matriz renglin: 1X4 -20 3 -1 -1 5 eee Maris coficala A=) yg 301 72 4.96 Capitulo 2. Matrices Decodificacién de un mensaje En lox eercvicios 15. 18, encuentre A”! y tisela para deseifrar el criptograma, wall 3 11 21 64 112 25 50 29 53 23 46 40 75 55 92 wre 3h 85 120 6 8 10 15 84 117 42 56 90 125 60 80 30 45 19 26 fata 13:19 10 =1 33-773 25-4741 -9 3-42 wa=|o 2 1h 4-5 3 12 140 $3 19 -25 13 72 -76 61 95-118 71 20 21 38 35 ~23 36 42 —48 32 19, Decodificacién de un mensaje El siguiente cripto- ‘grama fue eodifieado con una matriz de 2 821-15 -10 =13 -13 510525519 -16 20 40-18 -18 1 16 La hima palabra del mensaje es RON. {Cuil es el mensaje? 20. Decoditicacién de un mensaje El siguiente cripto- sgrama fue codificado con una matriz de 2 X 2. 3225 Il -2 -7 -15 -15 32 14 ~! 19-19 ~19 37 16 -13 38 La lima palabra del mensaje es _SUE. ,Cuil os el(@)25 mensaje? |. Decodificacién de un mensaje Utilice una aplica- cin grifica o agin software de computadara con ccidad matricial para descifrar el eriptograma, i @ 2 A=|2-1 1 oo1 2 38 —14 29 56 =15 62 17 3.38 18 20 76 18 —5 21 29 -7 32 32.977 36 -8 48 33-5 51 4 3-79 12126 58 1 27 4-18 28 22, Decodificacién de un mensaje Un descifrador intercepts el siguiente mensaje codifieado, 45 ~35 38 -30 18 ~18 35 —30 81 —00 42 =28 75 — La inversa de la matriz codifieuda siendo eft 4 23. Sistoma industrial 2249.68 19.6) 288 67 31 ag, |. Sistema industrial (a) Usted sabe que [45 ~ 35]4"1 = [10 15] y [38 - 30), A‘! = [8 14]. Escriba y resuelva los dos sistemas de ecuaciones para encontrar 1,» ¥ (b) Deseifre ef mensaje Un sistema compuesto por dos indusisias, earbsn y acero, tienen los siguientes requeri- -mientos de entrada, (a) Para producir $1.00 de ganancia a la salida la indas- ria del carbén necesita $0.10 de su producto y $0.80 de acero, (b) Para producir $1.00 de gananeia a la said, la indus tia del acero necesita $0.10 de su producto y $0.20 de carbin, Determine D, la de matriz de entrada-salida para este ema, Después, resuelva para la matriz X de salida en. la ccuacién X = DX + E, donde la demanda externa es [ e000} 20,000) Un sistema tiene dos industrias, con los siguientes requerimientos de entra (a) Para producir$ 1.00 de ganancia a la salida, la indus- A necesita $0.30 de su propio producto y $0.40 del producto de la industria B. (b) Para producir 1.00 de gananeia a la salida, fa indus- tria B necesita $0.20 de su propio producto y $0.40 del producto de la industria A. Determine D, la mattiz de entrada-salida para este sis- tema, Después, resuelva para la matriz. X de salida en la ecuaciin X= DX + E, donde fa demand externa es rae ®-[sn] Solucin para una matic de sda Una pete comida isis en ajo, ua pao ya te roy teeta mai Dana ade) mata Ede Geran extra mosral cj 04 0.5 0.5] Grinjero 1000 D=|03 00 03{ Pande y £=| 1000 0.2 0.2 00} Tender 1000. Resuelva para la matriz X de salida en Ta ecuaeién X = DX +E, |. Solucién para una matriz de salida Un sistema industrial tiene tres industrias y la matriz de entrad salida y la mattiz E de demanda externa mostradas abajo, 02 04 Os ‘50007 b=|o4 02 02] y £=|2000 00 02 0.2 800, Resuelva para la matriz X de salida en Ta ecuacién X = DY + E.Analisis de regresion por minimos cuadrados En los ejercicios 27 a 30, (a) bosqueje Ia Tinea que parece ser In de mejor ajuste para los puntos dados, (b) use el método de mini mos cuadrados para encontrar la linea de regresién de minimos, ceuadrados y (c) caleule Ia suma del cuadrado del error, Determinacién de la recta de regresién por minimos ‘euadrados En los ejercicios 31 a 38, encuentre la linen de represin de minimos cuadrados, 31. (0,0),(1, 19,24) 32, (1,0), (8,3), (5,6) 33. (-2,0),(=1, 0.0.0.2 M4, (=4, =. (2,0), (2.4), (4,5) 38. (5,1). (1, 3).(2.3).2.5) 36. (—3.4),(-1,2).(1, 0.0) 37. (5, 10), (1,8), (3,6), (7,4). (5.5) 38. (0, 6). (4,3). (5,0), (8, 4), (10, = 5) 39 Demanda Un refinador de combustible desea saber I ‘demanda de eierto tipo de gasolina como una funcid de su precio, Las ventas diarias y (en galones} para tres diferen= les precios de producto se muestran en la siguiente tabla. Precio,x | $3.00 $3.25 | $3.50 Demanda, y | 4500 37503300 mos cuadra- (a) Determine fa linea de regresién de m dos para estos datos. (b) Estime fa demanda cuando el precio es $3.40, 40. Demanda Un vendedor de herramientas desea saber a demanda de un taladro recargable como una Tuncig del precio. Las ventas mensuales para cuatro precios diferentes se muestran en Ia siguiente tabla, Precio,x | S25 $30 $35. $40 Demanda,y | 82756735 Jimos cuadra- (@) Determine ta linea de regresisn de m dos para estas datos, (b) Caleule la demanda cuando el precio es § 2.5. Ejercicios 97 41. Registro de vehiculos automotores La siguiente tabla muestra los niimeros y de registros de vehiculos de ‘motor (en millones) en Tos Estados Unidos para los afios 2004 a 2008. (Fuente: U.S. Federal Highway Adminis- tration) 2004 237.2 2005 2412 2006 242 2007 | 2008) 248.2 Alto Numero, y 413 G@) Use el metodo de minimos cuadrados para determi nar l linea de regresidn de minimos cuadrados para estos datos. Sea ao, on so 2004, para los dtos, Seat el aio, con # = 4 el ato 2004, 42, Vida salvaje Un equipo de administraciéa de la vida salvaje estudié la tasa de reproduceién de venados en tres extensiones de una reserva de la vida salvaje. El ‘equipo rezistrs el niimero de hembras.x y el poreentaje y de las mismas que tuvieron erias al aio siguiente, Los resultados se muestran en la siguiente tabla. Nemero,x | 100 120 140 Porcentaje,y | 75 68 55 (a) Utilice ef método de minimos cuadrados para deter- minar Ia Iinea de regresién de minimos euadrados que modele los datos, ¢b) Use una aplicacién grfiea para Tos datos en Ta misma ventana, (©) Utilice el modelo para crear una tabla de valores estimados de y. Compare los valores estimados con Tos datos actus, (d) Use el modelo para estimar el porcentaje de hembras que tuvieron erfas cuando existian 170 de éstas, (©) Utilice el modelo para estimar el ntimero de hembras| cuando 40% de ellas tenfan erfas. 43. Use su biblioteca escolar, Imeret o alguna otrt fuente dde consulta para derivar [a forma matricial para la reg eal dada en la parte superior de la pagina 94. rel modslo y ASFTE xplique cada uno de tos siguientes. (a) Como eseribir y usar una matriz estocastica. (b) Como usar Ia multiplicacién de matrices para cou i (©) Cémo usar un modelo de entrada y salidas de LLeontief pata analizar un sistema econsmico. (4) Como usar matrices para encontrar Ia recta de regresién por minimos cuadrados para un eonjunto de datos, 4S. Prueba Demuestre que el producto de dos matt estocisticas de 2 X 2 es estocistico. 46. Prueba Sea P una malriz estocistica de 2 x 2. Demuestre que existe una matriz X de estado con ele- ‘mentos no negativos, tal que PX98 Capitulo 2, Matrices Operaciones con matrices En los ejercicivs | a 6, rea lice las operaciones matriciales que se indiean. “feos all 27 0 2 1 4 2 -2 4) ‘fo dls dit J Jos ejercicios 7-10, escriba el sistema de ecuaciones lineales cen la forma Ax = b. Después use eliminacién Gaussiana para resolver esta ecuacién matrci ey + dx Sx, = -3 2+ av 1+ 3x + x= 10 2x) — 3x — 3s 4x Determinacién y multiplicacién con una transpuesta En los ejercicios 11 a 14, determine A", ATA y AAT, fra) =b ' | | 14. [1 -1 Detérminacién de a inversa de una matriz En los ejer- cicios 15 a 18, encuentre la inversa de la matiz (si exist). «ft 2] wha 301 w./2 -3 -3 40 3 -3] Uso de la inversa de una matriz En los ejercicios 19 26, eseriba el sistema de ecuaciones lineales representadas por la ecuaciéin matricial Li E-(J a (abl [-] 2 EE Bae ah 2 Bey 4 dr, 426 on tntaye 0 1 soa toy dey txt xy Resolucién de una ecuacién matricial En los ejercicios 27y 28, encventre A. a. aart=[} | 28. cay! = [2 4] Matriz no singular En los ejervicios 29 y 30, determine x tal que la matriz A es no singular. wa-P J] me Determinacién de la inversa de una matriz elemen- tal__En los ejercicios 31 y 32, encuentre Ia inversa de la matriz elemental. oot oot Determinacién de una secuencia de matrices elemen- tales En los ejercicios 33-36, encuentre una secuencia de ‘matrices elementales cuyo producto sea Ia matriz no singular dada, 23 “33 [5 il uf 1 aad 10 xsfo 1 o 037. Determine dos matrices de 2 X 2 tales que a’ 0. 39, Encuentre tes matrives idempotentes de 2 2 (recuerde ‘que una matriz.cuadrada A es idempotente cuando A* = 4.) 40, Encuentre dos matrices de 2 2A y B tales que Al O pero BA + 0. 8 Encuentre dos matrices de 2 X 2 tales que A? 41, Considere las siguientes matrices 1 rl ai 3 2 0 |e: x=/5} st w=} L 2 2, -1 (a) Determine los escalares a, b y ¢ tales que W = aX + BY eZ, (b) Muestre que no existen escalares tales que Z = aX + bY. (c) Demuestre que si aX ++ BY + eZ = O,entonees a = b 42, Prueba SeanA, By A+ B matrices no singt que A“ +B! es no singular por demostra (ANE BI = AGA + BB. los ejercicios 43 y 44, determine Ia factorizacin LU de ta smatriz, af 3] afi Resolucién de un sistema lineal usando factorizacién LU. En los ejercicios 45 y 46, use la factorizacién LU de la matriz de coeficientes para resolver el sistema lineal Mx + wt yt Bvt 2y + 60=8 46.2, + xyt Myo ye 7 Bry 4 xy— y= 3 QW, + xt y-y= 8 Werdadero 0 falso? En los ejericios 47-50, determine cul de las expresiones es verdadera ofalsa. Si Ia expresidn es verdadera, proporcione un razén 0 cite una expresisa adecuada del texto, Si la expresin es lal, proporcione un ejemplo que muestre que la expresin no es cierta en todos Jos casos 0 cite del texto una expresisn adecuada 47, (a) La suma de matrices no es conmatativa (6) La transpuesta de la suma de matrices esi suma de las transpuestas de las matrices 48. (a) El producto de una matsiz de 2X 3 y otra de 3. 5 es una matriz de 5 x 2 (6) La transpuesta de un producto es igual al producto de ls tanspuestas en orden invert Ejercicios de repaso 99 49. (a) Todas las matrices dem 1 son invertibles.. (b) Si una matriz A dem X 17 es no simétr ATA es no simética, 1, entonces 30. (a) i Ay B son matrices dem X ny A es invertible, centonces (ABA)? = ABA! (b) SiA y B son matrices no singulares de 1 % 1, enton- ces A+ Bes una mattiz no singt 51, Manufactura Una corporacisn tiene cuatro fibrieas, cuada una de las cuales Fabrica eamionetas deportivas y dle carga, En la matiz 100 90 70 30 40 20 60 60, ‘4g representa el nimero de vehiculos de tipo i produci- ‘dos en la fabriea j en un dia. Encuentre los niveles de produceisn cuando la produecién incrementa en 10%. 52, Manufactura Una compaiia produce mesas y sil en dos filbricas, La matriz. C muestra los costos de fabri- cacidn en eada Fabrica, Locacién | Locavién 2 [ or 681] Mesas 135 150 | Sillas (a) Sita mano de obra consttuye § del costo, determine ta matriz L que aroja los costs de mano de obra en cada fibrica, (©) Encuentre la matciz M que aro los costes de mate rial en cada fibrica(asuma que slo hay costos de mano de obra y materia. 53, Ventas de gasolina En una extacén de gasotin, el rimero de galones de gasolina de 87, 89 y 93 octanos ‘endios durante el fin de semana eta SS 87 8993 580 840, ia] Viernes: A=|560 420 160] Sadao 860 1020 540] Domingo cegunda matriz proporciona los precios de venta y las ganancias (ambas en délares por gal6n por los tres (a) Encuentre AB. ,Cual es el significado de AB en el ccontexto de esta situacisn? (b) Determine las ganancias por la venta de gasolina en’ Ia estacién expendedora en el fin de semana.100 Capitulo 2 Matrices 54, Calificaciones finales Los resultados finales de un curso de dlgebra lineal en una escucla de artes estin ‘determinados por los resultados en dos exmenes pa Jes y un examen final. Los resultados para seis estudian- tes en dos posibles sistemas de graduacién se muestran en las siguientes matrices Exdmenes Parcial areal Final 78 82 807] Estudiante | 84 88.85] Eswdiante 2 an|% 93 90 | Estudiante 3 88 86 90 | Estudiante 4 mu 8 80 | Estudiante 5 96 95 98 | Estudiante 6 Sistema de ‘gradu 0.25 0.20) Examen parcial | 025° 0.20] B 0.50 0.60] Examen Fi dliantes usando los dos sistemas de graduacisn, (©) Asigne a cada estudiante una letra para cada sistema de graduacién usando fa escala alfabeticn mosirad cn Ia siguiente tabla, Rango Califcacién usnérico | con tetra 90-100) A 80-89 B 10-79 c 60-69 D 0.59 F Funcién polinomial En los ejercicios 55 y 56, use ln deti- icin dada para encontrar f(A): si fes la Funciéin polinomial JO) = ay + aux + ag? +b ayn unit matriz.cuadrada A, f(A) se define como Mdtrices estocasticas En los ejercicios 57 y 58, deter- ‘mine sila matriz es estocistica, Io o 03 04 OL s7.]0 05 0.1 58. /02 04 05 0 01 05 05 02 04, Determinacién de matrices de estado En los ejercicios 59 y 60), use la matriz P de probabilidades de transicidn dada y establezca una mattiz X para encontrar las matrices de estado PX, PA y PX. 0.6 0.2 00 tooo" 60, P=|02 07 01}, x=} 1000 02 0.1 08. 1000, 61, Migracién de poblacién Un pats esta divido en tres reyiones. Cac ato, 10% de los residentes de la regin | se mueven ala regiGa2 y 5% se mudana la regidn 3: 15h de fos residentes de ln regin 2 se mueven a la region I y 5% se muclan a la regis 3 y Hse de los residentes de la region 3 se mueven a la regién Ty 10% se muda a Ia regisn 2, Boe ao cada regién tiene una poblacién de 100 000. Determine tu poblacién de eada regién (a) en 1 alo y (b) en 3 alos. (62, Migracién de poblacién Encuentre la matriz de estado estuble para ls poblaciones descritas en el ejercicio 61 Codificacién de un mensaje En los ejervicios 63 y 64, determine las matrices renglén sin codificar del tamao indi- ceado para el mensaje dado. Después codifique el mensaje Utifizando ta maiz A. 63. Mensaje: ONE IF BY LAND gla: 1x2 Tama de la matriz reng vaniccoidiat: A=[5 | 64, Mensaje: BEAM ME UP SCOTTY Tamaito de la matriz renglin: 1X 3 21 4 Matric codifieala: A=] 31 3 -2 -1 =3. nde un mensaje En los cjercicios 65 1 68, cencuentre AT! para decodificar el eriptograma, ea-[3 4 37 ~23 22 -37 29 57 ~38 ~9 =13 -39 5 20 12 565 100 20-27 =25 48 28 19 -40 13 13 -98 39 39 48 28 = 1h 14AR Decodificacién de un mensaje En los: 23 20 132 54 128 102 32 21 203 6 10 23 21 15 129 36 46 173 29 72 45 reicios 69 y 70, utilice una aplicacidn gréfica o un sofiware de computadora lades malriciales para encontrar A~! y deseifrar el con capa =2. 2.5 39 -53 -72 -6 -9 93 4 -12 27 31 -49 -16 19 -24 -46 -8 -7 99 13 46 = 14 9 94 21-49 32 —4 12 66 31 —53 47 33 ~67 71, Sistema industrial Un sistema industrial tiene dos industrias con los requerimientos de entrada mostrados enseguida (a) Para producir $1.00 de ganancia de sada, ta indus- tria A requiere de $0.20 de su propio producto y $0.30 del producto de la industria B (b) Para producir $1.00 de gansancia de sida, la indus- tria B requiere de $0.10 de su propio producto y de $80.50 del producto de la industria A. Encuentre D, la matriz de entrada-salida para este si tema, Después resuelva para ta miatriz de salida X en la cecuacin X = DX + E, donde la demanda externa es, i [ome 80,0005 @7 Sistema industrial Un sistema eon wes industas ne Ia matrig D de entrada-salida y In mariz de demanda externa E mostradas abajo. 0.1 03 3000" pD=|00 02 03] y £=|3500 04 01 OL 8500, Resuelva para la matriz de salida X en ta ecuae DX +E. énX = Determinacién de ta recta de regresién por minimos cuadrados En los ejercicios 73 a 76, encuentre la linea de regresidn de minimos euadrados para los siguientes puntos. 73. (1,5), 2.4)..2) 7A, (2, 1). (3,3), (4,2). (5.4), (6,4) 75. (1,1), 1,3), (1,2), 1,9), 2,5) 76. (=2,4).(= 1,2), (0, 1). (1, =2), (2, —3) FB 78. Suscriptores # la telefonia celular FB 7. Sueldos deta Liga Mayor de Béisbol Ejercicios de repaso 101 77. Agricultura Un granjero utiliza cuatro grificas de prueba para determinar la relacivn entre el trigo procucido (en kilogramos) por kildmetro cuadrado y la cantidad de fertilizante (en cientos de kilogramos por kilémetto cua ‘drado), Los resultados se muestran en la siguiente tabla, Fertiliamte, x |1.0 132025 Produceién, y at 4853 (a) Encuentre Ia Iinea de regresisn de minimos cudnt dos para estos datos, (b) Estime la producci6n para una aplicacién de 160 {ilogramos de fertilizante por kilémetro cuadrado, La tabla muestra el mimero de suseriptores de teléfono celular y (en millones) en fos Estados Unidos para los afios 2004 a 2009. (Fuente: Cellular Telecommunications and Inter- net Association), Afo 2004 182.1 2005 207.9 Suseriptores, y Ato 2008 | 2009 2703 ‘Suseriptores, a) Utilice ef método de minimos euadrados para deter- 10s cuadrados rminar la linea de regresin de min para los datos, Sea x el aflo, con x = 0 correspon- diendo al ato 2004, (b) Utilice las cupacidades de regresién lineal de una aplicacién grifica para determinar un modelo lineal para los datos. {Cémo se compara este modelo con el obtenido en el inciso (a)? (c) Use el modelo lineal para crear una tabla de valores imados para y; Compare los valores estimados. con los datos reales. Latabla mues- tra los salarios promedio y (en millones de délares) de los jugadores de Ia Liga Mayor de Beisbol en los Est dos Unicos para los aftos 2005 2 2010. (Fuente: Major League Baseball). Allo 2005 2006 2007 2008 | 2009 2010 Salario, y |2. diendo al ano 2005. (b) Utilice las capacidades de regresién lineal de una aplicacidn gréfica para determinar un modelo lineal para los datos. {COmo se compara este modelo con jddo en el inciso (a)? {e) Use el modelo lineal para erear una tabla de valores estimados part y. Compare los valores estimados ‘con los datos reales,102 Capitulo 2 Matrices, 1 Tisanen | Examen) 1 Explorando la muttiplicacion de matrices i 2 Las dos primeras calificaciones de los eximenes de Ana, Bruno, Cristébal y David se ‘Ana | 84 96 ‘muestran en Ia tabla, Unilfvela para generar una matriz Mf que represente los datos. Ingrese is cesta matriz en una aplicacién gréfica o un programa de computadora y dsela para responder Baek oe) fe a las siguientes preguntas. {ese 8 83 1. {Cudl de estos eximenes es mis dificil? {Cus es mas fécil? Explique por qué. 2. Como clasticaria el desemperio de los cuatro estudiantes? ‘Ts af 2 ected gsinewodets marisa!) » of?) 4. Describa el significado de las mattices producto[1 0 0 O]y M0 0 1 O]M. § dosed niade sais pat] y 6, Describa el significado de las matrices producto [11 1 1] yuk at 7. Deserta el significado de las matrices producto[1 1 1 mt 8. Utilice la multiplicacidn de matrices para expresar el promedio total cominado de las calificaciones de los dos examenes. 9. {Cémo utilizarfa la multiplicacién de matrices para escalar las califieaciones del examen I por un factor de 1.1? 2 Matrices nilpotentes Sea A una matriz cuedrada den X n diferente de cero. ;Es posible que exista un entero k tal que At = 0? Por ejemplo, encuentre A" para la mattiz Geet! 2 Aim{Os100 Li. o 0 0. Se dice que una matriz A es nilpotente de indice k si + 0, A? # 0,.... AM + 0, pero AY = 0, En este proyecto usted explorari el mundo de Ins matrices nilpotentes, 1, Cuil es el indice de la matriznilpotente A? AB 2. Utilice una aplicacién grifica o un software de computadora para determinar cudiles de las siguientes matrices son nilpotentes y encontrar sus indices. ef d of def a i 0" Deane & aio. 3. Determine las matrices nilpotentes de 3 3 con indices 2 y 3, 4. Determine las matrices nilpotentes de 4 X 4 con indices 2, 3 y 4 5, Encuentre Ia matriz nilpotente de orden 5. ig 6. {Las matrices nilpotentes son invertibles? Demuestre su respuesta, 7. SiA es nilpotente, ,qué puede usted decir de A"? Demuestre su respuesta, 8. Si es nilpotente, demuestre que I-A es invertible3 Determinantes @ @ &@ ow a w@e@d&@ a al Determinante de una matriz 3.2." Determinantes y operaciones elementales 3.3. Propiedades de los determinantes 3.4 Aplicaciones de los determinantes p SSHEMIS ieee cSROMETH a | s au Orbitas planetarias (p. 135) Sudoku (p. 114) Volumen de un sélido (p. 108) Siettodurmton tagatacnsen gmatanccn ee 103104 Capitulo 3. Determinantes CPanel HE Encuentre el determinante de una matriz. I Encontrar los menores y los cofactores de una matriz. [_Uilizar la expansion por cofactores para encontrar el determinante de : una matriz. ~ [Hl Encuentre el determinante de una matriz triangular. DETERMINANTE DE UNA MATRIZ “Toda matris cnadrada puede ser asociada con un nsmero real llamado su determinante, HistGricamente, el uso de determinantes surge del reconocimiento de patrones especiales COMENTARIO «que ocurren en las soluciones de sistemas de ceuaciones, Por ejemplo, la solucién general En oste texto, detia) y (A| se uti- del sistema lizan de modo intercambiatle para representar el determi- Sty yet ante de una mati, Les bares ay, + dat puede mostrarse como Butan ~ brit Dau = bya Guide = ayy a siempre que ay 023 ~ a2yai2 # 0. (Véase el ejercicio 69.) Observe que las dos fracciones tienen el mismo denominador, a i> Esta cantidad se llama determinante de la atriz de coeficientes del sistema, [% cl Definicién del determinante de una matriz de 2 x 2 eae) est dado por det(A) = [A] = ayyds) — Un método conveniente para recordar la férmula de un determinante de una matriz. de 2X 2 se muestra en el siguiente diagrama, El determinante es la diferencia de los productos de dos diagonals de la matriz. Observe ue el orden es importante, como se demuestra a continuacién, COMENTARIO El determinate do une matriz puede ser positive, negative 0 FE=WV[1Ke}() | Determinante de una matriz de orden 2 2 -3 2 202) - (-3) =443= I ‘ ran A= [} Spui=[P 7] -2@- 1-3 -443= b. Para a-[} a}el= ff 212) = 4(1) 0+ Ie Patron de signos, para los cofactores tera Matete de x4 + + tie Masti do ns 3.1 Determinante de una matriz 105, MENORES Y COFACTORES Para definir el determinante de matriz cuadrada de orden mayor que 2 es conveniente la aplicacién de las nociones de menores y coyactores. Definicién de menores y cofactores de una matriz SiA es una matriz eusdrada, entonces el menor iM, del elemento ay es el determ nante de ka matciz obtenid al suprimir el iaéimo renglén y la j-ésima columna de A, El cofactor Cy estd dado por Cj = (1)! *!M,. Porejemplo, siA es una matriz de 3 3, entonces los menores y los cofaetores de aa, ¥ zy son como se muestra en el diagrama presentado a continuacién, ‘Menor dey Menor de a wo [e of Cy = (-1F My, = Cy = {- 1PM. My ‘Como puede ver, los menores y cofactores de una matriz pueden diferir s6lo por el signo. Para obtener los cofuctores de una matriz, primero encuentre los menores y despues «que el pairs ajedrezado de + y ~ como Se muestra a Ia izquierda. Observe que las po ciones impares (donde i + j es impar) tienen signos negativos y las pares (donde i + j es par) signos positivos. \ETSMAUCPN] Menores y cofactores de una matriz Determine todos los menores y [os cofctores de o 2 1 A=]3 -1 ah 490 1 SOLUCION Para encontrar el menor M/,, suprima el primer renglén y la primera columna de A y evar Ine el determinante de la matriz resultante, =1(1) - 02) =-1 Ahora, para encontrar los cofactores, combine el patrén de los signos con estos menores para obtener Cu I 5106 Capitulo 3 Determinantes COMENTARIO El determinante de una mattlz ‘mente como ‘mattz. Por ejemplo, deta) EL DETERMINANTE DE UNA MATRIZ CUADRADA La siguiente definicién es llamada induetiva, porque utiliza determinantes de matrices de orden n— 1 para definir el determinante de una matriz de orden n. Definicién del determinante de una matriz Si A es una matriz cuadrada de orden n 2 2, entonces el determinante de A es la suma de los elementos en el primer renglén de A multiplicados por sus cofactores. Esto es de) = JA] = Ya,Cy yl tal yy to Cie da como resultado Inemte verifiear que, para matrices de 2 X 2, esta def VA] = tas — atin como lo habfamos definido previamente Cuando utilice esta definicién para evaluar un determinante, use la expansién por cofactores en el primer renglén, Este procedimiento se demuestra en el ejemplo 3. SVE AUC)EP] Determinante de una matriz de orden 3 x 3 Encuentre el determinante de 2 1 A=|3 -1 0 2h 4 0 1 SOLUCION Esta mattiz es la misma del ejemplo 2. Af deter del primer renglén son Cuenh Ce 6 que los cofactores de los elementos Cam 4 Por la definicién de determinante, tiene MA any # aCe + anC Expunsin del primer engin O=1) + 265) + 14) 4, a Aunque el determinante se define como una expansién por cofactores del primer ren- ‘gl6n, puede demostrarse que el determinante puede ser evaluado por la expansiéin de cus- ‘quier renglén 0 columna. Por ejemplo, usted puede expandir la matriz de 3 X 3 del ejemplo 3 por el segundo renglén para obtener VA] = 05:C2y + 5.Cap + tasCos Expansin dl segundo renglon 2) + (= 1)(—4) + 268) =14 © por la primera columna para obtener IA] = ayy + aly + ayCu Expansiin dela primera volumna 1) + -2) +465) = 14. Intente otras posibilidades para confirmar gue el determinante de A puede evaluarse por la expansicn de cualguier renglén o columna. Esto se establece en el siguiente teorema, Expansidn de Laplace de un determinante, nombrado asf en honor del matematico francés Pierre Simon de Laplace (1749-1827).NOTA TECNOLOGICA ‘Muchas de las aplicaciones gré- ficas y programas de compute- dora tienen la eapacidad de cal- cular al daterminante de una suadrada, Si utiliza una siguiente para el Ejemplo 4, en la Online Technology Gui isponible en college.cengage. com/picllarsonE LAS, 3.1 Determinante de una matric 107 TEOREMA 3.1 Expansion por cofactores ‘Sea A una matriz cusdrada de orden n. Entonces el determinante dle A esti dado por de(A) = [A] = ajCy = anCa + aQGy t+ =F ayy Expamsioadel Bxpansién de la Fésima column deta) = [Al = Shaycy = ayy + yy Ho gly Cuando expanda por cofactores no necesita evaluar los cofactores de Tos elementos nulos debido a que el cofactor de un elemento nulo siempre es cero. wr, 0 aC El renglén (0 columaa) que contiene mds ceros es a menudo la mejor eleccién para la cexpansidn por cofactores. Esto es demostrado en el siguiente ejemplo. SU=WiMe)ZT |] Determinante de una matriz de orden 4 Encuenite el determinante de 1-2 3 0 eli 0 iPr | POne-eoreEHO LS) 304 0-2 SOLUCION Por inspeccidn de esta maiz puede verse que es de os elementos en la tecera columna son ceros, Puede evitar algo de trabajo en la expansiGn utilizando la tercera columa, [A] = 3Cy) + O(Cy) + 1C,) + (C9) Como C3, Cis ¥ Cys tienen coeticientes cero, usted sélo necesita encontrar el cofactor C\3. ara hacer esto, suprima el primer renglén y Ia tercera columna de A y evalie el determi- nnante de [a matrizresultante, 1 0 cys en 1 a primera y teroera cahurna Simplifique 4 He 0 2 3 Expandienda por cofuctores el segundo renglén da como resultado core! Bae ls 0 + 2-4) + (1-9) 13 + ox-we} il + OM IP | Usted obtiene lal = 3003 [al = 3013) a 39,108 Capitulo 3 Determinantes @ Simulacién Para explorar este concepto por medio de una simulacién elee- tunica y para eomandos y sin- taxis de programacisn, revise las aplicaciones y programas de ‘computadora implicados en el ejemplo 5. Visite college. cenguge.conypieflarsonELAGe. Ejemplos y ejercicios similares cstin disponibles en este sitio, Hay un metodo alternative usado cominmente para evaluar el determinante de una matric A de 3 X 3. Para aplicar este metodo, copie kt primera y la segunda columna de A para formar la cuarta y Ia quinta columna. El determinante de A se obtiene después ssumando (0 restando) los productos de las seis diagonales, como se muestra en el siguiente diagrama, Reste stor res productos, eye SIE S Sue estos tos prodetos, Intente confirmar que el determinante de A es UAL = ayaataa + eta + eisttasa ~ Aytayy — Alles, ~ Asya XJANI PEC) | Determinante de una matriz de orden 3 ee eee Eneventre el determinante deA=|3 —1 2), 4-401 SOLUCION Comience copiando las primeras dos columnas y luego ealeule tos seis productos de la diagonal como sigue. <= Rewweestas productos =~ Sume estos productos Ahora, sumando los tres productos de abajo y restando los wes de arriba, usted puede encontrar que el determinante de iw MA] = 0 + 16 + (-12) ~ (-4) -0- 6 =2. El proceso de diagonalizacisn ilustrado en el ejemplo 5 sdlo es vllido para matrices de ‘orden 3, Para matrices de orden mayor debe usarse otro método, ALGEBRA Six yy «ro int comnts uv anna arcs LINEAL Porciates continuas,ertonees Ins Jacobianos Au vy Av, w] se APLICADA, —_Sefnen como los dtarminantes jax ax ax ax an fou av aw laa a du v= y hen vw) = lay ay| lau av Un uso practico de fos Jacobianos es la dda una regién solida, En la Seccian 3.4, ue también utiliza determinantes, para encontrar el volumen de un tetraedro. En el Repaso del Capitulo 3, se le pedicé determiner el Jaco- biano de un conjunto dado de funciones (Véansa los Ejerccios do Repaso 43-52)‘Matiz triangular superior ay a ty ae Ody ty <-> dy 0 0 ay +++ ay om 0S o,, Matritiangulgg inferior a0 Ome 0 4) Om ACRE TTO 4 da ayy 0 3.1 Determinante de una matriz 108. MATRICES TRIANGULARES Recuerde de la seecién 2.4 que una matriz cuadrada es Hamada sriangular superior si todos sus elementos sobre la diagonal principal son cero y triangular inferior si todos sus clementos debajo de Ia diagonal principal son cero. Una matiz que tiene ambas caracte- isticas es denomi jonal. Fs decir, una matriz diagonal es aquella en fa que todos los elementos arriba y abajo de la diagonal principal son cero, Para encontrar el determinante de una matriz diagonal, simplemente formamos el producto de la diagonal principal. Esto es fic de observar, es fieil observa que el proce- dimiento es valid para una matriz de orden 2 6 3. Por ejemplo, el determinante de 203-1 A=|o -1 2 0 0 3 puede determinarse por la expansin del tereer renglén para obtener ne la} = 0(- 44 +o | +s = 31-2) = -6 que es el producto de las entradas de la diagonal principal. TEOREMA 3.2 Determinante de una matriz triangular SiA es una matriz triangular de orden n, entonces su determinante es el producto de los elementos en la diagonal principal, esto es eA) = [AL = aydaten’ + Ae DEMOSTRACION Puede utilizar induceiin matemctica® para demostrar este teorema para el easo en el que ‘Aes una matriz triangular superior. El caso en el que A es una matriztriangular inferior se ‘demuestra de manera similar. Si Aes de orden 1, entonces J| = [ay] y el determinate es Al = aj). Suponiendo que el teorema es valido para cualquier matriz triangular superior de onden k= 1, considere una maiz iriangular superior de orden &. Expandiendo el ‘-ésimo rengkin, obtiene VA] = 0G, + OC,2 + = + FOC aay # uC = dx Cre Ahora, observe que Cy = (-1)?'Mfy, donde Mj, es el determinante de la matriz. triangular superior formada por la supresién del k-ésimo rengldn y la k-ésima columna de A. Ya que cesta matriz es de orden k= 1, usted puede aplicar la induecién para escribir VAL = aay = daltutetog + hn) = yas © de a [=UJ=iV{11Me)3) |] Determinante de una matriz triangular Encuentre el deter 20 0 Oo inte de cada mattz. ss a 2-203) “Encl opendice A ext uisponible un ani do Te indocin matemiicu110 Capitulo 3. Determinantes En los ejercicios a 12, encuentre el determinante de Ia matrz, 2. [-3] 0 4 o 3 [A-3 2 rae Encontrar los menores y cofactores de una matriz En los gjercicios 13 a 16, encuentre (a) los menores y (b) los ccofactores de la matriz, ef 7 “3 2 1 3 4 2 b] 4 5 6 1} 6 3 1 2-304 4-7 -8, 17, Encuentre el determinante de la matriz del ejercicio 15 aplicando el método de expansin por cofuctores. (a) Use el segundo renglén y (b) la segunda columna. 18. Encuentre el determinamte de la matriz del ejercicio 16, én. por cofactores, Use (a) el tercer renglén y (b) la tercera columna, Encontrar un determinante En los ejercicios 19 a tse expansi6n por cofuctores para encontrar el determinante de la matri, AB encontrar un deter 1 ° @»./? 5 3 0 6 30007 «0 46 42 26u 2 2 @ 2- 4 a 4 it 2 o 1-2 2 1s 2 0 3. 15-25 30 ; 20 -15 -10 35 ~25 —40 32, Encontrar un determinante En los Ejercicios 33 y 34, use el método demostrado en el Bjemplo 5 para encontrar el determinante de la matri, 4 0 2 B)-3 02 1 Teele utilice una aplicacién grifica o un software de computadora con capacidades matriciales para encontrar el determinante de la matriz, 025-1 06 paeete 3.030 08 -02| 36 nee 075 09 ~oa. rs 2-1 4 12 3244 12 043 8 5 1-2 0 “10 7 1 6 @s|o 8 6 5-3 18.5 8) la 26-2 0 6| Encontrar el determinante de una matriz triangu- ar En os ejercicios 39 a 42, encuenire el determi rmatriz triangular. -2 0 0 s 0 0 ela 6 of alo 6 o 37 2 0 0-3 38 na 4 0 0 o al? ols of y]-1 4 0 0 pa | et a 8 9 0 0 -8 7 0-2 {Werdadero o falso? En los ejervicios 43 y 44, determine cual de las expresiones es verdadera o falsa, Si In expresi6n ces verdudera, proporcione una razén o cite una expresién adecuada del texto, Si la expresin es falsa, proporcione un ejemplo que muesire que la expresién no es cierta en todos los casos o cite del texto una expresisn adecuada, 43, (a) El determinante de la matriz. A de 2 X 2.¢s a2yaryy = ayy (b) El determinante de una matriz de orden 1 es el ele- mento de la matriz, (©) El cofactor jf de una mat definida por la cancelacién del i-ésimo renglén y la Jvésima colurna de A. 44, (a) Para encontrar el determinante de una gular, sume los elementos de la diagonal principal (b) El determinante de una matriz puede ser evaluado aplicando expansién por cofactores en cualquier rengl6n 0 columna, (©) Cuando se expande por cofactores no es necesario evaluar los cofactores de los elementos nulos. Resolucién de una ecuacién En los ejercicios 45 a 48, resuelva para x. ep eo | 0 af eo wt oo Resolucién de una ecuacién En los ejercicios 49 a 52, tencuentre los valores de I para los que el determinante es cero. a+? 2 a-1 gesleein eee a yea eel ao sufo ati 2} slo a D1 al Bee aa Entradas que involucran expresiones En los ejercicios 53 4 58, evalie el determinante en donde los elementos son funciones. Determinantes de este tipo curren cuando se hacen cambios de variables en edleulo, 4u 1 jax? -3y $5 toe eh Slee anes 34 Ejercicios 111 sins s klir ae i Ve Bh sine 59. El determinante de una matriz de 2 X 2 implica dos pro- ductos. El determinante de una mattiz de 3 3 implica seis productos triples. Demuesire que el determinante de tuna matriz de 4 4 impliea 24 productos cusidruples, 660. Demuestre que el sistema de ecuaciones lineales art byse xt dy=f ‘iene una tnica soluciéa si y s6lo si el determinante de fa rmatriz es diferente de cero, Verificacién de una ecuacién En los ejericios 61 66, eval los determinants que hacen vida a ecuncdn, a I slo _fy | el" a." 1 65. |I i 1 66.)a 6 6) =(a— bb — cle — alla +b + ch le BF 8 67. Dada la ecuacién r 0 ¢ Ht os ble at torte, 0-1 @ (a) Verifique la ecuacisn, (b) Use como un modelo para encontrar un eterminante que sea igual a ax? + bx? + ex + a 68, REMIATE si A es una matric den Xn, explique céimo encontrar lo siguiente (a) I menor My de Ia entrada ay. (b) El cofactor Cy de la entrada ay, () El determinante de A. 69, Demuestre que el sistema de ecusciones lineales ayn, + ys dX, + age cuando @yya5) — aya2 #0.12 lo 3 Determinantes BP Airman acetic neil [_Utilice operaciones elementales por renglén para evaluar un determi- ante. HW __Utilice operaciones elementales por columna para evaluar un deter- minante, _ Reconozea las condiciones que generan determinantes cero. DETERMINANTES Y OPERACIONES, ELEMENTALES POR RENGLON {Cuil de los siguientes determinantes es mis teil de evaluar? 1-2 301 1-231 4-6 3 2 0 2 -9 -2] ae 4-9-3) ° Img -3 = 3-6 9 2 loo oO -1 Puesto que usted ya sabe averca del determinante de una matriz triangular, est claro que el segundo determinante es mucho més fécil de evaluar, Este determinante es simple- ‘mente el producto de los elementos de la diagonal principal, es deci, (2) = (1)(2\3)(-1) Por otra parte, usar expansién por cofactores (Ia nica técnica aplicada antes) para evaluat ef primer determinante es confuso. Por ejemplo, si expande por cofactores a 10 largo del primer renglén, -6 3 Y 4-6 Y [4-6 3 -6 9 2 3-6 2 3-6 9 Evaluando los determinantes de estas cuatro matrices de 3 % 3 se obtiene la] = G)(—60) + (299) + (3)(—10) — CY(=18 Note que Aj y [fj tienen el mismo valor De hecho, usted puede obtener la matriz B al rea Jigar operaciones clementales con renglones en la matriz A. En esta seccién, veri los ‘efectos de operaciones elementales con renglones (0 columnas) en el valor de un determi- ante. Efectos de las operaciones elementales SUE MLO) i) con renglones en un determinante a La masz fue obtei 14 =u deny eh b. La matic fue obtenida a partir de A al suinar -2 veces el primer renglén de A al segundo renglén de A 1 3, pas? =f La maria fue obenida a paride A al mltilicar el primer renlin de A por wie[ -2 9 wi-[t of a 9h Enel ejemplo 1. puede observar que al intercambiar dos renglones de una matriz cambia cl signo de su determinante. Sumar un muitiplo de un renglén a otro no cambia el deterii- ‘ante. Finalmente, multiplicar un renglén por una constante diferente dle cero, multiplica el Aeterminante por la misma constante. El siguiente teorema generaliza estas observaciones 4 partir de A por intercambio de los renglones de A, ll =3.2 Determinantes y operaciones elementales 113 COMENTARIO Goeide wee ca! TEOREMA 3.3. Determinantes y operaciones eee es elementales con renglones dividirun renglén entre un factor | Sean Ay B matrices cundradas. comin, Por ejemplo 1, Si B es obtenida a partir de A al intercambiar dos renglones, entonces det(B) R ea s pine desta). i al Se en 2. Si B es obtenida a partir de A al sumar un miltiplo de un renglén de A a otro renglén de A, entonces det(B} = det(A). 3. Si Bes obtenida a partir de A al multiplicar un re c diferente de cero, entonces det(B) = ¢ detiA). de A por una constante DEMOSTRACION Para probar la propiedad I, utile induccién matemtica como sigue. Las demostraciones de las otras dos propiedades se dejan como ejercicios (Véanse los ejercicios 47 y 48). ‘Suponga que A y B son matrices cuadradas de 2 * 2 tales que as[in a)» one Ssh Entonces, usted tiene [Al = ay ycta2— 2102 Y [Bl = 4441 ~ ee ASH que |B| = — JA, Ahora mente, |B} = = |A| y la demostracién esté completa. El teorema 3.3 proporciona una manera préetica para evaluar determinantes, Para ‘encontrar el determinante de una malriz A, aplique operaciones elementales con renglones para obtener una matriz. B triangular equivalente por renglones a A. Para cada paso en el proceso de eliminacién, utilice el teorema 3.3 para determinar el efecto de Ia operacién elemental con renglones en el determinante, Finalmente, encuentre el determinante de B multiplicando los elementos de su diagonal principal. Este proceso se demuestra en el siguiente ejemplo. Evaluacién de un determinante utilizando STATE | operaciones elementales con renglones Encuentre el determinante de 2-3 10 Augustin-Louis Cauchy is) aa (1789-1857) 0 I Las contribuciones de Cauchy eeu al estudio de las matematices. SOLUCION fueron revolucionarias, y @ menudo se le reconoce por imponeries rigor @ las mate- maticas modernas. Por ejem- 2 -3 10) plo, fue el primero en definir ho rigorosamente limites, conti- neta nuidad y Ia convergencia de tna serie infinite. Ademas de ser conocido por su trabajo ae en andlisis complejo, contri- buy6 2 las teorias de determi- nantes y ecuaciones diferen- ciales. Es interesante =-21 considerar que ol trabajo de Cauchy con determinantes antecedié al desarrollo de matrices de Cayley. [a] = -210)01)(1) = -21. — Aplicando operaciones elementales con renglones, reescriba A en la forma triangular de la siguiente manera. Intereambie los ds primeros renglones Sure 2 veees el primer rt para prodcir un nuevo ina segundo slo renglin ' 1ctrice 7 fers del segundo renglin Jo 0 tf mee Factor -3 fuera del tercerrenglin Ahora, debido a que Ia matriz final es tiangular, puede concluir que el determinante es114 Capitulo 3 Determinantes DETERMINANTES Y OPERACIONES ELEMENTALES CON COLUMNAS ‘Aungue el teorema 3.3 se establece en tgrminos de operaciones elementales con renglones, se mantiene vido sla palabra “columna” reemplaza al término “renglin’” Las operaciones realizadas en las columnas (ms que en los renglones) de una matriz se denominan opera- cones elementales con columnas y dos matrices son Hamsalas equivatentes por eolumnas si una puede ser obienida a partir de la otra por operaciones elementals con columns. La versién del teorema 3.3 para el caso de operaciones con columnas se ilusira enseguida, 2 1-3] ft 2-3 hoo i=-lo 4 1 lb o 2 bb o 4 ‘4 Tniersumibie fas primers dos commas 3-5) Factorice 2 fuera de a primera colonia Alevaluar un determinante a mano, ocasionalmente convendra usar operaciones elemen- tales con columnas, como se muestra en el ejemplo 3, Evaluacién de un determinante usando EES operaciones elementales con columnas Encuenre el determinante de “1202 3-6 4 s-10 3 ri SOLUCION Como las dos primeras columnas de A son miltiplos una de otra, usted puede obtener una columna de ceros sumando dos veces la primera columna a la segunda, de la siguiente ‘manera. -1 2 AY f-1 0 3-6 a=/3 0 4 s-10 -3] | s 0 -3 Hasta este punto, no es necesario que reescriba la matriz en forma triangular. Como existe tuna columna completa de ceros, concluimos que ef determinante es cero. La validez de esta conelusién proviene del teorema 3.1, Espectficamente, al expandir por cofactores a lo largo de Ia segunda columna, tiene lA| (Ci. + (OC + OCH lal 2 FOC + OC a ALGEBRA Enel jueg0 de colocaciin de nimeres Sudot a finldad es lenar una LINEAL reiculaparistmente compietada de 9x 9 recuacros con nimoros dol AAPLICADA, _ 3190¢ manera que cada columns, rengln y subrofeua de 3% 3 eon- {de Sudoku completa sea vélida, dos renglones (o calumnas) no pueden tener los ndmeros en el mismo orden. Si esto pasara en un tenglon o Ccolumna, entonces el determinante do la matriz formada por los nlme- ros en la roticula seré cero. 9 es un resultado diracto da la concicisn 2 dol Teorema 3.4 on la siguiante pigina. Frat ec3.2. Determinantes y operaciones elementales 115 MATRICES Y DETERMINANTES CERO El ejemplo 3 muestra que una de las columnas de la matriz es un mulkiplo esealar de ota columna, por lo que puede coneluir de inmediato que el determinante de la matriz es cer. Esa es uni de tres condiciones, listadas ensepuida, que generan un determinante cero. TEOREMA 3.4 Condiciones que generan un determinante cero Si A es una matriz cundrada y una de las siguientes condiciones es certa, entonees et(A) = 0. 1. Un renglén (0 columna) consta completamente de cero. 2. Dos renglones (0 columnas) son iguales. 3. Un renglén (o columna) es un miltiplo de otro renglén (0 column) DEMOSTRACION Verifique cada parte de este teorema aplicando operaciones elementales con renglones y ‘expansisn por cofactores. Por ejemplo, si un renglén © una columna esiin Formados com- pletamente de ceros, entonces cada cofactor en la expansién es multiplicado por cero. Si la condicién 2 6 3 es cierta, puede aplicar operaciones elementales con renglones 0 colum- ‘nas para crear un renglén 0 columna formados completamente de ceros. 7 Reconociendo las condiciones listadas en el teorema 3.4 podemos evaluar un determi- nante ms flcilmente. Por ejemplo. lo 0 ol 1 =2 4 mW 2 2 4 -slm0, fo 1 | 2-1 -6=0. 3 esau -2 0 ol neon] [Elprimeryebercer | [Tavercera colin completamente de cerns || renglones son iguales | | mailiplo deb primera No podemos coneluir, sin embargo, que el teorema 3.4 proporciona las snieas condi- ciones que producen un determinante cero. A menudo, este teorema se us indirect mente, Es decir, usted puede comenzar con una matriz que no satisfaga ninguna de las condiciones del teorema 3.4 y, por medio de operaciones elementales con renglones 0 columnas, obtener una matriz que cumpla una de las condiciones. Este proceso se muestra cen el ejemplo 4. (=i)=\V/[JKe)71 | Matriz con determinante cero Enel re el determinante de 14 A=|2 -1 0 ow 4 SOLUCION Sumando -2 veces el primer renglén al segundo se produce ho 4 4 laj=,2 -1 jo sl eae lo -9 -2). jo 184 Ahora, ya que el segundo y el tercer renglones son miltiplos uno de otro, puede conclui {que el determinante es cero,116 Capitulo 3. Determinantes En el ejemplo 4, usted pudo obtener una matriz con un renglin completo de ceros al realizar una operacidn elemental con renglones adicional (sumar 2 veces el segundo ren- ‘lin al tercero). Esto en general es cierto, es decir, una matriz cuadrada tiene un determi- nante cero si y slo si uno de estos renglones (0 colurmnas) son equivatentes a uni matriz que tiene al menos un renglén (0 columna) ormado completamente de ceros. Esto se demostrs Usted tiene ahora doy métodos de reconocimiento para evaluar determinantes. De ellos, el método de aplicar operaciones elementales con renglones o eolumnas para reducir ‘una matriza la forma triangular es mas ripido que el de expansién por cofaetores Io lingo de un renglsn o una columna, Sila mattiz es grande, entonces el nimero de operaciones necesarias para tna expansidn por colactores puede volverse extremadamente grande. Por esta razn, muchos algoritmos de computadoray de ealeuladora usan el méiodo que apliea ‘operaciones elementales con reglones © columnas. La siguiente tabla muestra el nimero de sumas (mis restas) y las multiplicaciones (ms divisiones) necesarias para cada uno de estos dos métodos para matrices de orden 3, 5 y 10 ‘en la siguiente seccién, Expansiin por cofactores | Reduecién de renglones Orden n | Sumas Mutiplicaciones | Sumas | Mutiplicaciones 3 5 9 5 10 5 19 205 30 45 10 3,628,799 | 6,235,300 285 339 De hecho, el niimero de operaciones para la expansién por cofuctores de una matsiz. de una matriz. n X sr es n! Como 30! = 2.65 X 10, incluso una matriz relativamente pequefia de 30 X 30 puede requerir de ms de 10” operaciones, Si una computadora puede realizar un billdn de operaciones por segundo, le tomaria mis de un bill6n de afios caleular el determinante de esta matriz aplicando expansién por cofuctores. Sin embargo, la reduc- cin de renglones sélo toma algunos segundos. Cuando evaliia un determinante «mano, usted puede ahorrarse algunos pasos apli- cando operaciones elementales con renglones ( columnas) para formar un renglin (0 ccolumna) completamente de ceros excepto en una posicién y entonces usar expansi6n por cofactores para reducir el orden de la matriz « 1, Este planteamiento se ilustra en los dos. ejemplos siguientes. EJEMPLOS Manure Encuentre el determinante de n de un determinante 35 2 as| 2-4-1 3 0 6 SOLUCION Observe que la matriz A tiene un cero en el tereer renglén. Usted puede erear otro cero en eltercer renglén al sumar dos veces la primera columna a la tercera, como sigue. 5 |-3 5 =a] l=] 2-4 -=| 2-4 3 o 6 |+3 0 oO Expandiendo por cotactores a lo largo del tereer renglén se produce -§ 5 al t =4 p= -acn_§ y lal = 3-1) = 3.3.2. Determinantes y operaciones elementales 117 fNJ=NI1Ke) ] Evaluacin de un determinante Evalle el determinante de SOLUCION Ya que la segunda columna de esta matriz tiene dos ceros, se elige para expansién por ccofactores. Dos eeros aiicionales pueden generarse en la segunda columna al sume el 6 oo 2 1 a-7 1 1 a 4 =(-I gg ual bo o 1 Como ya tiene dos ceros en el cuarto renglén, lo elige para Ia siguiente expansin por cofactores. Sume ~3 veces la cuarta columna a la primera para producir lo siguiente 2 1 3 -y pe 1 3 - 1-1 2 3f_|-8 -1 M=}) 5 6 -a"fas 5 bo o a [ee 8 3 =ep-8 -1 9 Bos ‘Sume el segundo renglén al primero y luego expand por cofactores a lo largo del primer renglén,118 2. 13. Ade Capitulo 3. Determinantes I 4 3 1 9 9 -1 23 2. /3 4 6 9 Ss 2 0 6 lo o 3 0 Encontrar un determinante En los ejercicios 21 a 24, use cualquier operacidn elemental con renglones 0 colums (© expansidn por cofuctores, para evaluar el determinante ‘mano. Después, utile una aplicacién grifica o un programa, de computadora para verifi 10 aj-1 1 2 0 Ho2 aa i > 1 0 4 Q} oO Heeen ttt | lo o 4 1 ol Encontrar un determinante En los ejervicios 25 a 36, tutilice operaciones elementales con renglones 0 columnas para evaluar el determinante. 17-3 flsseteete afi 31 a6, )2 -1 -2 hoe 1-2 -1 2-1-1 5 0 6 ml/i oa 4 mb -3 4 Hs 3 1-2 43-2 B 8 -7 wei) a7 Ha 3 6 1 6 I -7 1 i -4 2 5 ls 2 d bh 7 6 -s saad 3 6 3 a 4 ie @ lo 7 4-1 h 3 4 101-207 b-4 5 35 Bh, 1-1 hos 3 2 0-3 8 2 #1 4 Hla 6 0 -7 0 9 Wd t-l€ 4 beg ae 02 62 28 0 Q lo 1 1 2 2 3-2 Bit -1 09 219 wf 5-1 0 3 2 47-8 0 9 12 30 2 Werdadero 0 falso? Fin los ejercicios 37 y 38, determine cual de las expresiones es verdadera o falsa. Si la expresién es verdadera, proporcione una razén o cite una expresin adecuada del texto. Si la expresidn es falsa, proporcione un ejemplo que muestre que la expresién no es cierta en todos Jo casos 0 cite del texto una expresién adecunde, 37, (a) Intercambiar dos renglones de una matriz dada eam- bia el signo de su determinant, (b) Multiplicar un renglén de una matriz por una cons tante diferente de cero da como resultado el determi- rnante multiplicado por la misma constante diferente de cero, (©) Sidos renglones de una matriz. cuadradta so entonces su determinante es 0. iguales, 38. (2) Sumar un miltiplo de un renglén de una mati a ‘otto renglén s6lo cambia el signo del determinante, (©) Dos matrices son equivalentes por columnas si una rmatriz puede ser obtenida al realizar en la otra ope- raciones elementales con eolumnas, (6) Si un renglén ée una matriz cuadrada es un mitiplo de otro rengl6n, entonces el determinante e 0 Encontrar el determinante de una matriz elemen- tal En los ejervicios 39 a 42, encuenire el determinante de Ja matriz elemental. (Suponga k # 0.) 10 0 oo 1 wjo k 0 a.Jo 1 0 oo 1 10 0. 1 0 0 10 0 auf 1 0 ajo 1 0 oo 1 Ok I 3.2 Ejercicios 119 43. Prueba Demuestre la propiedad. Mis] [Pn Mie tial fle Fa) ee A} + [Day tay dso] = [ley * ay) das A ayl Voy ase al Demuestre Ia propiedad. 1 1 lay, + a) yg As rent fean(re ted Lit be w40 bee es 45, Enea nde eterna a ee 46. REMATE Evalie cada determinante 47. Demostracién guiada Demuestre la propiedad 2 del teorema 3.3; si B es obtenida a partir de A al summar un riltiplo de un renglén de A a otro renglén de A, enton- ces det(B) = deta}, Inicio: para demostrar que el determinante de B es igual al determinante de A, usted necesita demostrar que sus respeetivas expansiones por cofuetores son iguales. ( Comience su demostracién haciendo que B sea la rmatriz obtenida al sumar ¢ veces el ;-ésimo renglin de A al i-ésimo renglén de A. Gi) Encuenire el determinante de B por expansién a lo largo de este -ésimo renglén de A. (iii) Distribuya y después agrupe los términos que con- tengan un coeficiente de ¢ y aquellos que no lo ‘contengan (iv) Demuestre que Ia suma de los términos que no con- tienen un coeficiente de c es el determinante de Ay lia suma de los términos que contienen un coefi- ciente de c es igual a cero. 48. Demostracién guiada Demuestre la propiedad 3 del teorema 33: si B es obtenida a partir de A por Ia multi- plicacién de un renglin de A por una constante © dife- rente de cero, entonces det(B) = e det(A). Inicio: para demostrar que el determinante de B es igual ae veces el determinante de A, usted necesita demostrar que el determinante de B es igual ac veces la expansién por cofuetores del determinante de A. (@ Comience su demostracién haciendo que 8 sea la matriz. obtenida al multiplicar © veces el F-¢simo renglén de A. Gi) Encuentre el determinante de B por expansisn a lo largo de este -ésimo renglén, (iii) Obtenga el factor comin e. (iv) Demuestre que este resultado es ¢ veces el determi- nate de Aa a a 120 Capitulo 3. Determinantes SRS alee ete seis elec CET nesy [_ Encuentre el determinante de una matriz producto y un maltiplo escalar de una matriz, [Hl Encuentre el determinante de una matriz inversa y reconozca las con- diciones equivalentes para una matriz no singular. * [HI Encuentre el determinante de la trenspuesta de una matrz. MATRIZ PRODUCTO ESCALARES MULTIPLES En esta seccidn aprender algunas propiedades importantes de los determinantes. Empe- zzaremos considerando el determinante del producto de dos mattices, USVI) Deters Encuentre |4), 6] y JAB] para las siguentes matrices 1-2 200 1 A=[0 30 2! y B=lo -1 Ag OL 3 i SOLUCION Utilizando las tenieas deseritas en las secciones anteriores, usted puede demostrar que [4] ¥ {B| tienen los vatores lante de una matriz producto 1-24 0 la}=]o 3 a}=-7 y |p] -1 HOH 1 La matriz producto AB es 1-2 2172 0 e 4 aB=|0 3 2}lo -1 6 -1-10 roo boo Soin COMENTARIO Arlicndo as msm wens pe denote qve Aah = [61 =| = 1 measures cand las mins nies, puede demosiar que Wa] = [6 - derse para incluir el producto 5 1-1 de cualquier numero finto do matrices. Esto En el ejemplo 1, observe que |AB} = [AUB 0-77 VAvArAy + Aj) ‘como se indica en el siguiente teorema, = TALI AIAal «+ + 14d (-7\(11). Esto es cierto en general, TEOREMA 3.5 Determinante de una matriz producto Si Ay B son matrices cuadradas de orden n, entonces det(AB) = det(A) det(B). fe DEMOSTRACION Para empezar, observe que si es una matriz elemental, entonces, por el teorema 3.3 las iguientes afirmaciones son ciertas, Si E es obtenida a partir de I por intercambio de dos x Fenglones, entonces |E] = -1. Si E es obtenida por la multiplcacin de un renglén de ! por luna constante ¢ diferente de cero, entonces |E) = c. Si E es obtenida por la suma del mill. tiplo de un renglén de / con otro rengltn de J, entonces [E) = 1. Adicionalmente, por el teorema 2.12, si E es el resultado de efectuar una operacién elemental con un rengldn de Zy la misma operacién elemental se ejecuta con un renglén de B,entonces resulta la matriz EB. Asi tenemos que |EB) = |) Bj33. Propiedades de los determinantes 121 Esto puede generalizarse para concluir que [Ej B= Ei. [By donde £ ces una matriz elemental. Ahora considere la matriz AB, Si A es no singufar, entonces, por el teorema 2.14, puede eseribirse como el producto de matrices elementales A E,B; y usted puede escribir como [aB| = [eye + EE = Val > + Ve VE BL = [Ee » 26; [8] = [Al Si A es singular, entonces es equivalente por renglones a una matriz.con un renglén entero formado de ceros. A partir del teorema 3.4, usted puede concluir que /A] = 0. Mis ain, como A ¢s singular, se tiene que AB también es singular. (Si AB fuera no singular, entonces A[B(ABY"'] = Fimplicaria que A es no singular.) Asf, JAB] = 0 y puede concluir que tg = ALDI La relacién entre [A\ y ese muestra en el siguiente teorema TEOREMA 3.6 Determinante de un escalar multiplo de una matriz Si A es una matriz de X 1 y € €9 un escalar, entonces el determi dado por det(cA) = e* det(4). DEMOSTRACION Esta frmula puede obtenerse por la repetida aplicacién de la propiedad 3 del teorema 3.3. Factorice el escalar¢ de los 2 renglones de | para obtener \ell= ern, a [SUI=iVi[-7K6)F3] Determinante de un escalar miiltiplo de una matriz Encuentre el determinante de la matriz. 10-20 40) 20 -30 10. SOLUCION Como 1 4 1-2 4 2-301 2-3 1 usted puede aplicar el teorema 3.6 para concluir que 1-2 4 la|= 10} 305] = 10005 2-3 1 a Los teoremas 3.5 y 3.6 proporcionan férmulas para evaluar los determinantes det producto de dos matrices y un miltiplo escalar de una mattiz. Sin embargo. estos teoremas no incluyen la férmula para el determinante de la suma de dos matrices. Es importante observar que In suma de los determinantes de dos matrices a menudo no es igual al deter- rminante de la suma. En general, esto es Al + [B| # |A + B]. Por ejemplo, si af ily ef il y (BL C ‘] y [A+B] =-18, centonces [A]122 Capitulo 3 Determinantes DETERMINANTES Y LA INVERSA DE UNA MATRIZ Usted ya vio en el capitulo 2 que algunas matrices cuadradas no son invertibles, También resulta dificil decir simplemente por inspeccidn si una matriz tiene o no inversa. ;Podri decir cual de las siguientes matrices es invertible? 0 2-1 0 -1 3-2 1/0 a=/3 -2 1 302-1 3 I El siguiente teorema muestra que los determinantes son itiles para clasificar las matrices ccuadradas invertible. TEOREMA 3.7 Determinante de una matriz invertible {Una matriz cuadrada A es invertible (no singular) si sélo si deta) + 0. DEMOSTRACION Para demostrar el teorema en una direc, suponga que A es invertible, Entonces AA DES-= ¥y por el teorema 3.5 puede escribir A| |A~!| =. Ahora, como jf} = 1, usted sabe que BE tampoco el determinante de la izquierda es coro, Especificamente, |A| + 0. GUBRIs Para demostar cl torema en otra diteecign, sponga que el determinane de A es IMUDEINITPO | siterente de cero. Entonces, aplicando la eliminacién de Gauss-dordan, encuentre una matriz B en la forma escalonada-reducida por renglones que sea equivalente por renglones A. Como B esté en la forma escalonada-reducida por renglones, esta debe ser la matri identidad o debe contener al menos un renglGn formado por ceros. Pero si B tiene wn ren zglén completo de ceros, entonces por el teorema 3.4 usted sabe que (B| = 0, lo cual puede iiplicar que [Aj = 0. Debido a que supuso que [Ales diferente de cero, puede coneluir que B= I. Aces por tanto, equivalente por renglones ala matriidentidad y por el teorema 2.15 Hs Vines inn soe || caer Aur tocv a cidn gréfica o un programa de com- FE SROE I) Clasificacion de matrices cuadradas putadore para como singulares 0 no singulares encontrar A {.Cual de Las siguientes matrices tiene inversa? Hl 1 1 Ba compare det ‘con detiA} a Haga una conjotura sobre el determi- ante de la inversa de una matriz. Singular), a puede coneluir que esta matriz tiene una inversa (es no singular). a En el terorema siguiente se brinda una forma prictica de hallar el determinante de la x inversa de una matriz, TEOREMA 3.8 Determinante de la inversa de una matriz SiA cs invertible, entonces dettA“!) = ble, entonces det“) = 55COMENTARIO En el ejemplo 4, lainversa de A Jntente evaluar el determinante do asia matrizdirectemente. su respuasia COMENTARIO En le succidn 3:2 usted vio que tuna matt cuadrada A puede tener un daterminante coro si ce equivalente por ronglones © ‘una matriz que por lo menos tenga un ragién que conste completamente de ceros. La validez do esta efiemacion surge 2 partir de la equivalencia de las propiedades 4 y 6, 3.3 Propiedades de los determinantes 123. DEMOSTRACION Debido a gue A es invertible, AA“! = J, y usted puede aplicar el teorema 3.5 para coneluit {que AJA“! =f] = 1. Como A es invertible, también sibe que 4 # 0 y puede dividir cada Jado entee [A para obtener 1 wr a wt (SU=iii{We)/" |) Determinante de la inversa de una matriz Encuentre [4 para la matriz, “A SOLUCION Una manera de resolver este problema es encontrar 4“! y después evaluar su determi Sin embargo, es ms facil aplicur el teorema 3.8 como sigue. Encuentre el determinante de A, 1 0 3] jAl=]o -1 a=4 b 1d y luego aplique fa férmuta A“ = Aj para cone que “| = 4 a 7 proporciona otra condicidn de equivalencia que puede ser Observe que el teorema 5, Las seis condiciones se resumen a continuacisn. agregada a In lista del teorema Condiciones de equivalencia para una matriz no singular SiA es una matriz. den X 1, entonces las siguientes afirmaciones son equivalentes, 1. Acs invertible tiene una nica solucién para toda matriz columna b dem X 1 3. AX = O tiene sélo Ja solucisn trivial 4, A es equivalente por renglones a ly. '5. A puede ser eserita como el producto de dos matrices elementales. 6 de(a) # 0. (Sl/=\[tWe)=) |] Sistemas de ecuaciones lineales {Cul de los siguientes sistemas tiene una tinica solucién? bw Qe, y= 1 Bey bays 4 3x, + 2g tay = 4 SOLUCION Del ejemplo 3, usted sabe que las matrices de coeficientes par estos dos sistemas de jones tienen los siguientes determinantes. lo 3 3 b sta de condiciones de equivalencia anterior, puede concluir que sélo el segundo sistema tiene una tnica solucién,124 Capitulo 3. Determinantes DETERMINANTES Y LA TRANSPUESTA DE UNA MATRIZ El siguiente teorema nos dice que el determinante de la transpuesta de una matriz cuadrada igual a determinante de Ia matriz original. Este teorema se puede demostrar tlizando induccién matemstica y el teorema 3.1, el cual establece que un determinante puede eva- luarse aplicando expansién por eofuetores alo largo de un renglén o de una columna. Los detalles de esta demostracign se le dejan a usted. (Véase el ejercicio 64,) TEOREMA 3.9 Deter SiA es una matriz cuadrada, entonces ante de una transpuesta det (A) = dea”), (SIS [7Ke) ) Determinante de una transpuesta Demuestre que /A| = [4%] para la siguiente matriz 301-2 2 0 0 -4 5 SOLUCION Para encontrar el determinate de A, expanda por cofaetores at lo largo del segundo renglin para obtener 1-2 la] = 21-193 7 wean! (2-113) 6 Para encontrar el determinante de ell expanda por cofaciores bajo la segunda columna para obtener 7 fot -1 rr ot 1 aN) = Entonees | = a" a ALGEBRA Los sistemas de ecuacioneslneale derencials se presentan 8 LINEAL ‘menudo an ingenoray worla ce contr Para une fareon 1) gue st dafinida por todos los valores positives de, la transformeda de APLICADA (aptece de ft esté daca por F(a) = ["e=tinat. Las transformadas de Laplace y la Regla de Cramer, que utiliza deter- ‘minentes para resolver un sistema de ecuaciones lineales, pueden Usarse 2 menudo para resaiver un sistema de ecuaciones diferencia- les, Usted astuciara Ia Regla de Cramer en la siguiente seccion. ia eget3.3 Ejercicios 125 Eldeterminante de una matriz producto En los ejerci- jos | 0 6, encuentre (a A (b [B,(e) AB y () AB}, Lugo ique que | (B= |AB, LA= aa=[h -1 o BAS 2 0 aa-|i 3 2 o- 1 1 0 2 BAe 1-1 oo 1 2 1 0 324 0 1-124 A=) q 9 3 af “1 1 0 42-1 0 11 2-f B= yo 0 2 -1 0 0 0 Eldeterminantedeunmiltiplo escalardeunamatriz En los ejercicios 7 a 12, use el hecho de que [ea] = e"|Al para ‘evaluar el determinante de una matriz den % nae? 2 i | 5 5 eo Lela A= Lio -20. 3 6 9 46 0 vA=| 6 9 12) wa=li2 -8 8 9 12 5, 16 20 4, 2-4 6 40 25 10 was|-4 6 -8| a=|30 5 20 6-8 10. 153545 El determinante de una suma matricial En los ejerci- clos 13 a 16, encuentre (a) [Aj (b) |B}, (c) |A + By Lucgo veritique que [Aj + |B] # A + By BA= WA= 15. A 16.4 Clasificacion de matrices como singulares o no singu- fares En los ejercicios 17 a 24, use un determinante para decidir qué matizes singular © no singular. " bn al of 4 ai 1 El determinante de Ia inversa de una matriz En los ejercicios 25 a 30, encuentre |A“!|, Comience hallando a" y después evaltie su determinante. Verifique su resultado encontrando [Ay Iuego aplicando la formula del teorema 3.8,126 Capitulo 3. Determinantes Sistema de ecuaciones lineales En los ejercicios 31 a 36, use el determinante de la matriz de coeficientes para determinar qué sistema de ecuaciones lineales tiene una ‘iniea solucién. BM. xy - 3m =2 et xe 32. 34, ~ dr, Boys yt ed mt x56 =2r+25=00 = tay yes - at 336 +26 =0 138. 2x, + pt Srg+ ay= 5 ay toy — 3x 4ey= 1 2x, +24, 4+2x- Fr, 2 x, + Sx, — 6x3 = 3 Encontrar determinantes En los ejeeicios 37 «44, encuentre (a) fA (b) [A () a [2 ye) J! 6-11 -4 10 va] ee-fS 50 0 tise [ 3 | wal “6 o-1 2 oo 4 2 OS 41 9 wae ei ‘| wale 2 aoe -3 3 0. OHO o 0-3 0 0 ee eee ar oreeateH oo o 1 tH OOH 0-3 0 0 Marlo 9 4 0 10 01 Encontrar determinantes En los ejericios 45 a 50, uti lice una aplicacién gréfien o un programa de computadora ‘con cppacidades matriciales para encontrar (a) |A|, (b) |A"). () 4°). Pay et 4 2 ss ve[ | 3] 301 2 was] 2-1 3 31 2 aed 4.A=| 3 1 4 +44 a4 § 4-2 1 si 308 2-1 @’4=16 5 9 203-1 0. 6 5 1-1 -|2 4 3 5 Oma To Dea aris, SI. Sean A y B matrices cuadradas de orden 4 tales que [A] ~ 5 y |B = 3. Encuentre (a) 42, (b) [B°), (c) |A*] y (a) a 52, [REEOMOANTEE sean A y B matrices euadradas de orden 3 tales que | = 4 y [8 (a) Encuentre |AB (b) Eneuentre 2A). (6) ¢A y B son singulares 0 no singulares? Explique. (d) SiA y B son no singulares, encuentre A“ y |B {e) Encuenire (AB)") Matrices Singulares En los ejercicios $3 a 56, encuentre el valorfes) de & tal que A afert 8 sad gd 1 oo 3 s.4=|2 -1 0 4 2 & 57. Prueba Sean A y B matrices den 1 tales que AB 1, Demuestte que |A] 0 y |B} # 0. 58. Prueba Sean A y B matrices dem X m tales que AB es ingular. Demuesire que cualquiera de las dos A 0 B es singular, 59. Encuentre dos matrices de 2 2 tales que HI + Bl=A + & 60, Verifique la ecuacisn, la+o a al a ath al = b*%(3a + 5) a a ato 61. Sea A una matriz de n 1 en la que los elementos de ceada renglén suman mas de cero, Encucnize|A|. 62, Mustre el resultado del ejervieio 61 con la matria, fyA il 63. Demostracién guiada Demuestre que el determi- nnante de una matriz invertible A es igual asi todos los elementos de A y A" son entero, Inicio: denote det(A) con xy deta“) con y. Observe que xy y Son ntimeras reales. Para demosirar que det(A) es igual a +1, debe demostrar que x y y son enteros tales aque su producto xyes igual a. (@ Usilice la propiedad del determinante de una matt producto para demostrar que.xy = 1. (ii) Use ladefinicién de determinante y el heeho de que Jos elementos de A y A“! son enteros para demostrar que.x = det) y y= det(A) son enteros. (ii) Concluya que. = det(A) debe ser 1 0—1 debido a que estas son Tas dinicas Soluciones enteras para kt ecuacign ay = 1. 64, Demostracién guiada Demuestte el teorema 3.9: ‘Aces una matriz cuadrada, entonces det(A) = dew(AT), Inicio: para demostrar que los determinantes de A y AT son iguales, usted necesita demostrar que sus expansio- res por eofactores son iguales. Debido a que los cofac- tores son determinanies = de matrices pequelss, es necesario utilizar Ia induceién matemética. Paso inicial para la induccin: si A es de onden 1, centonees A= fay] = AT, dei(A) = deta") = a. (i) Considere la hipdtess inductiva sostnida para todas Tas matrices de orden 1 — 1, Sea A una matriz et drada de orden 1 Escriba una expresién para el determinate de A por expansidn del primer renglén, (ii) Eseriba una expresién para el determinante de A” por expansisn de Ia primera eolum (iv) Compare tas expansiones en (ii) y (ii). Los elemen- tos del primer renglén de A son los mismos que los elementos de la primera columna de AT. Compare -ofuctores (estos son los determinantes + de matri- es mas pequeas que son las transpuestas de otras) EBL induetiva para coneluir que estos también son iguales. {erdadero 0 falso? En los ejercicios 65 y 66, determine cual de las expresiones es verdadera 0 falsa. Si la expresién es verdadera, proporcione una razn o cite una expresién adecuada del texto. Si la expresin es falsa, proporcione un ejemplo que muestre que la expresién no es cierta en todos Js casos 0 cite del texto una expresidn adecuada 65. (a) Si A es una matriz den n y ces um escalar dife- rente de cero, entonces el determinante de la matriz. cA est dado por ne det(A). (6) SiA es una matriz invertible, entonces el determi- nante de A“! es igual al reefproco del determinante dea. Aes una matriz invertible de n Xn, entonces Ax = b tiene una tniea solueidn para cada b. © 3.3. Bjercicios 127 66. (a) En general, el determinante de la suma de dos matrices ces jgual a la suma de sus determinantes. (b) (b) SiA y B son matrices cuadradas de orden 1, y det(A) = dei(B), entonces det(AB) = det(A”) (e) Siel determinante de una matriz A de n X 1 es dil rente de cero, entonces AX = 0 tiene sélo la solucién trivial, 67. Eseriba Sean Ay P matrices den X n, donde P es invertible. {Es posible que P-!AP = A? Tlustre su co con ejemplos apropiados. {Qué puede decir sobre los dos determinantes JP1AP| y A)? 68, Escriba Sea A una matriz de n X m diferente de cero que satisface A" = O. Explique por qué A debe ser sin- ular. {Qué propiedades de los determinantes wtilizaria en sus argumentos? 69, Prueba Una matriz. cuadrada es Hamada cuas trica si AT =A, Demuestre que si A es una matriz cuasi- siméirica de n X n, entonees [4] = (-I7"A) 70. Prueba Sea A una matriz cuasi-simétriea de orden impar. Utilice el resultado del ejereicio 69 para demos trar que [Al = 0. ibs 7 0 nm. e 1 Uvz -1/V2 al! nA =| 1°68 ¢ VJi 9 -1/¥2| w/o 0 1 w%| 0 1 0 o 1 9, ywv7i 0 Wt 77. Prueba Demuestre que si A es una matsiz ortogonal, cenionees |A| = =1. Matrices ortogonales En los ejerccios 78 y 79, tilice tuna aplicacién gréfica con capacidades matriciales para determinar cal 4 es ortogonal. Para probar la ortogonalidad, encuentre (a) A“, (b) AY (e) Aly verifique que A”! = AT y [4] SL. 2 4 | (fal eel i-44§ BA=|0 1 Of MA=lR 4 -¥ SH0c85 5 FR 80, Prueba Si A es una matriz idempotente (A? = A), tenionces demuesire que el determinante de A puede ser dol. 81, Prueba Sea $ una matriz singular de Xn, Demues- tre que para cualquier matriz B den Xn, la matriz SB también es singular.Capitulo 3 Determinantes Litre neh) [)_ Encuentre la adjunta de una matriz y Usela pera encontrar la inversa de la matriz. [Use Regla de Cramer para resolver un sistema de ecuaciones lineales en variables. Use determinantes para encontrar érea, volumen y las ecuaciones de las rectas y planos. ADJUNTA DE UNA MATRIZ Hasta ahora, en este capitulo ha estudiado procedimientos para evaluar —y las propied- des de— determinantes. En esta seccidn aprender una férmula explcita para obtener la inversa de una matriz no singular y luego Ta usar para deducir un teorema conocido como regla de Cramer. Después resolverd algunas aplicaciones de los determinantes con ela Recuerde de la seccidn 3.1 que el cofactor C, de la matriz A esti definido como (-1)'*/ veoes el determinants de la matriz obtenida al suprimir el i-ésimo renglin y la j-ima columna de, Si A es una matriz cuadrada, entonces la matriz de eofaetores de A tiene Ia forma Cu Cn Cw Cy Cy Cn Cu Co ¢ ‘La transpuesta de esta matriz se llama adjunta de A y se denota como adj(A), es decir Determinacién de la adjunta SUITES) ce una matriz cuadrada =1 SOLUCION El cofactor C, esti dado porWw 3.4 Aplicaciones de los determinantes 129 La adjunta de la matriz A puede utilizarse para encontrar la inversa de A, como se COMENTARIO indica en el siguiente teorema, Steoremast0n0eeparialer | TEOREMA 3.10 Inversa de una matriz dada por su adjunta ‘mente eficiente para calcular inversas. El método de Gauss- ‘Jordan astudiado en la soccién 23 es mucho mejor. El teorema 3.10.85, sin embargo, muy util z zado tebricamente,debido aque DEMOSTRACION -oporciona uns formula concisa Co cma manta,” Comience por probar que el producto de A y su adjunta es igual al producto del determi- nante de A e f,, Considere el producto 1 es una matriz invertible de 1X n, entonces A? = ——aaj(a).. Si A es una matriz invertible de wonses AW! = FG yall). ay yy Oy fay dg oO Cc ae afoul =| og z Go Ca fae > as COMENTARIO Bl elemento en el -ésimo rengn y Ia ésima columna de este producto es ‘Si Asuna matia do2 x 2, tun + Alp t+ ++ + Only a-[f Bf entonces a Sif = j,entonces Ia suma es simplemente fa expansisn por cofactores de A a lo largo de su i-ésimo renglén, lo que significa que la suma es el determinante de A. Por otra parte, si adjunta de Aes simplemente i # j.entonces la suma es cero. uy a{ 2-2 asia= [2 3 dela) 0 0 ‘Mas aun, si Aes invertible, Aagtay)=| 9 Sela 8 | = acu tntoneas, por el teorema 3.1088 sani tiane o 4 asia), Als a Como A es invertible, detiA) # Oy usted puede escribir 1 1 ao) afaajia= ro alt aagtay] = -atelt aaa al] lan si | in de la inversa de una matriz, se sigue que Por el Teorema 2.7 y la defin 1 lo que concuorda con el resul tado en le seccion 2.3 adj(A) = A“! a dela] Uso de la adjunta de una matriz SUE TKO) |) para hallar su inversa “103 10 SOLUCION El determinante de esta matriz es 3. Utilizando Ia adjunta de A (encontrada en el ejemplo 1), puede encontrar que la inversa : 406 7 qhasitay=i 0 1)= il a2 @ Puede veriticar que esta matria.es la inversa de A al multipficar para obtener AA! A130 Capitulo 3. Determinantes REGLA DE CRAMER La regla de Cramer, nombrada asf en honor de Gabriel Cramer (1704-1752), es una fer ‘mula que utiliza determinantes para resolver un sistema de 1 ecuaciones lineales con n variables. Esta regia sélo puede ser aplicada a sistemas de ecuaciones lineales que tienen tuna tiniea solucisn, Para ver cémo funciona la regla de Cramer, dé otro vistazo a la solu ccién deserita al principio de la secciGn 3.1. Af se muestra que el sistema, auxy tasty AX) # dae tiene la solucién ey = Pi = Baty cuando ads: # anja # 0. Cada numerador y denominado en esa solu se puede representa como un determinant, come sigue yay ln Af aya, #0 EI denominador para xy y.x3 es simplemente el determinante de la matriz de coeficientes A. Los numeradores para. y.x> se forman al usar la columma de constantes como rempla- 708 para los coeficientes de x; y x3 en [Al. Estos dos determinantes son denotados por /Ai| [Aa] como sigue. w= [h al JA Usted tiene xy = de Cramer. [=IT=WVI1MC)=} ] Uso de ta regla de Cramer Uiilice la Regla de Cramer para resolver el sistema lineal de ecuaeiones, n Como [Aj # 0, usted sabe que el sistema tiene una tiniea solueién y aplicando la regla de Cramer obtiene La solucién es.xj = 2 yx =OMENTARIO Intente aplicar a regia de Cra- ‘mer en el ejemplo 4 para resol ver para y y 2. Veré que la solu 3.4 Aplicaciones de los determinantes ‘131 La regla de Cramer se generaliza ficilmente a sistemas den ecuaciones lineales con n variables. El valor de cada variable es cl cociente de dos determinantes. El denominador es el determinante de la mattiz de coeficientes y el numerador es el determinante de a matriz formada a partir del reemplazo de ta columna correspondiente a la variable resuelta para la ccolumna que representa las constantes. Por ejemplo, a solucin para xy en el sistema Ja 2 by ler az | lay ay bl yt) + dyaty + aayts [ou iz ai TEOREMA 3.11 Regla de Cramer Siun sistema de ecuaciones lineales con n variables tiene una matriz de coeticien- tes con un determinante [A] diferente de cero, entonces la solucigin del sistema est dada por det(A, _ det(A,) det(A,) ee Getta) det(a)” 7" det(A) donde la i-ésima columna de A, corresponde a la columna de constantes en el sistema de ecuaciones DEMOSTRACION Sea el sistema representado por AX = B. Como [A| es diferente de cero, puede escribir 1 x avin = 7 saya = |*2 pase = | Silos elementos de B son by, by,..., Dy entonces ¥, L (Cys + ByCyy + Tale zs imente Ia expansién del cofactor de Aj, lo que esti completa. a pero la suma (en el paréntesis) es pre significa que x, = |AJ{Al y la demostraci ISU=WVITMC) |] Uso de la regla de Cramer Uilice la regla de Cramer para resolver el sistema de ecuaciones lineales para x. 42 Brody +42 SOLUCION FI determinante de la matsiz de coeficientes e5 [A] 0 4 4 Como ji| # 0, usted sabe que la solucié es nica y la regla de Cramer puede aplicarse para encontrar, como sigue 2 +4 | oo . 4g OCD (WEDE8) 4 10 10 10 5 a132 Capitulo 3 Determinantes Gro) Figura 3.1 G0 O30) AREA, VOLUMEN Y ECUACIONES DE LINEAS Y PLANOS Los determinantes tiene muchas aplicaciones en geometia analitica; algunas se presentan aqui, La primera aplicacién es encontrar el area de un trigngulo en el plano x-y. Area de un tridngulo en el plano x-y El irea de un tringulo cuyos vértices son (cn rdelra sa) ¥ (eyo) esi dada por DEMOSTRACION Prucbe el caso para y; > 0. Suponga que xj xy x3 y que (5, y4) deseansa sobre el segmiento de recta que une los puntos (ry, 1) y (ss 2) como se muestra en la figura 3.1. Considere los tres trapezoides cuyos vertices son Trapezoide 1: (xy, 0) (6.94) Ora. ¥yh Oy. 0) ‘Trapezoid 2: (4,0) (69s (83 ¥9)s (8350) ‘Trapezoide 3: 0. sas de los dos primers trapezoides menos 015 Os (ey ¥yb Way Yh Oy El area del triingulo es el rea del tereero, Asi 30, + wey — 1) roa = Hy) + ysNley — ay) + yy + yodlry — = Heys Hayy Fay TY > ye soy a) soy 1 Si los vértices no ocurren en el orden x1 x5 = x3 0 Si el Vértice (1 93) no estd sobre el segmento de recta que conecta los otros dos vértices, entonces la formula puede generar tun valor negativo del drea, EVJEMPLO 5 Encuemtre el dren del triingulo cuyos vértices son (0, 22) y @,3). SOLUCION No es necesatio suber la posicinrelativa de los tes vénices, simplemente evalde el dete rminante loo | 2 =- 1 4 y concluya que el srea del widingulo es 3/2 unidades euadradas. a3.4 Aplicaciones de los determinantes 133, 1ga que los tres puntos del ejemplo 5 estan en Ia misma recta, ¢Qué sucederta si mula del drea a los tres puntos? La respuesta es que el determinante tendria +r cero. Considere, por ejemplo, los puntos colineales (0, 1), (2. 2) y (4. 3) mostrados, cen la figura 3.2. BI determinante que genera el dea del triingulo que tiene estos tres pun- tos como vertices es \ |=» 1 Figura 3.2 Si tres puntos en el plano de xy yacen en la misma recta, entonces el determinante en Ia formula para el drea del triingulo seré cero, Este resultado se generaliza en el siguiente anslisis, lo Anali is de puntos colineales en el plano de xy ‘Tres puntos (x, 94) (82s ¥2) ¥ Uy. ¥9) Son colineales si sélo si mou dels) yy P=. aso La prueba para puntos colineales puede adaptarse pant otro uso. Es decir, cuando se nen dos puntos en el plano de xy, usted puede encontrar una ecuacién de la recta que pasa por los dos puntos, como sigue. Forma de dos puntos de la ecuacién de una recta La ccuacidn de la recta que pasa por puntos distintos (x,y) (x3 3) estd dada por tp dex, oy, f=. x, oy I Busqueda de una ecuacién de la recta EVEMEEOIE) que pasa por dos puntos Encuentre la ecuacidn de la recta que pasa por los puntos Qa) y (13). SOLUCION 2 4 y=0. fe as.2 Yat eo x(1) ~ x3) + 1(10) = 0 x-3y+10=0 y= 10, a La ecuacicn de la recta es x134 Capitulo 3 Determinantes La férmuta para el rea de un tridngulo en el plano tiene una generalizaci para el espacio en tres dimensiones, la cual se presenta sin demostracién como Volumen de un tetraedro El volumen de un tetraedro cuyos vértices som (1. Ys is (ns (p45 £4) estd dado por Sah Cs Yo Sd 1 : Lael 2232 1 ‘i Volumen = shae “* | Hom yh 10 CE) se PeMiae eal) Volumen de un tetraedro Encuenire el volumen del tetraedeo euyos vertices son (0,4, 1), (4, 0,0) (3, 5,2) ¥ (2. 2. 5), como se muestra en Ia figura 3.3. para fener un volumen positivo, Figure 33 SOLUCION Aplicando la formula del determinante para un volumen tenemos jo 4 fl (-72) = 2 1 1 1 1 Bue El volumen del tetraedro es 12 unidades euadradas. a Sie ro puntos en un espacio de tres dimensiones yacen en el mismo plano, entonces cl determinante en la Férmula del volumen se vuelve cero. Asi, usted tiene el a siguiente, Analisis para puntos coplanares en el espacio Cuatro puntos (x4, 155). ) (5 Ya 5a) Y (4 34. £3) Son coplanares si y s6to si y ‘oN XYs MMs3.4 Aplicaciones de los determinantes 135, Este andlisis proporciona la forma de un determinante para la ecuacién de un plano que _Past por tres puntos en el espacio, como se muestra a continuacién. 23) estd dada por x oy de]! 82d Yh 1 1 aq A % 1 Forma de tres puntos de la ecuacién de un plano Una ecuacién de un plano que pasa por tres puntos (1. yt. 71). (a, Yn 22) ¥ (ta Io Busqueda de la ecuacién del plano ‘que pasa por tres puntos Encuentre la ecuacivn del plano que pasa por tes puntos (0, 1, 0), (1, 3,2) y 2.0, 1) Usando la forma del determinante de un plano que pasa a través de ttes puntos, tenemos EJEMPLO 8 SOLUCION xy 2g o 1 0 Hr 32 -2 0 1 1 I 1 1 Para evaluar este determinante, reste la cuarta columna de la segunda para obtener royrl 0 00 1 2. 2 1 2-1 1 1 1 1 Ahora, expandiendo por cofactores a lo largo del segundo renglén resulta 2 1 ALGEBRA LINEAL APLICADA neal -o-0) 3 1@) ~~ 0G) +49) <0, logue genes la ectacin 4x—3y + Se De acuerdo con la “4 focos de la elipse. La acuacién gener tuna alipsel ee axt + bxy + oy? + de + oy + imere Ley de Kepler del Movimiento Planstario, las érbitas de los planetas son elipses, con el gol como uno de los ddo una eaeeién eénica (como Para determinar la ecuacién dela érbita de una planeta, un astrénomo puede encontrar lac coordinadas del cinco puntos diferentes (xy yl, donde i ~ 1, 2,3, 4y 6, y entonces usar el determinante ne x} ag ai xy xh Nave Ys XY RRRLA n Ye % Ye Ys janeta junto con su érbita en136 Encontrar la adjunta e inversa de una matriz_En los, ejercicios 1 a 8, encuentre la adjunta de la matriz.A, Después tisela para encontrar la inversa de A, si es posible. 2 eo aed] aa-[y | 1 12 safe 2 ‘| wo-ls 1 0-4-1 22 -3 -5 ~ o sa=| 2 4 3[ wa=| 1 2 oo1- “1-1 “1200 1 | 3-1 #4 Peer Santee eita Sai toro oF 1104 bdicee pet peee ea 0114 9, Prueba Demuestre que si|A| = 1 y todos los elemen- tos de A son enteros, entonces todos los elementos de }4"| tambien deben ser enteros. 10. Prueba Demuestre que si una matriz A de n Xn no es invertible, entonces Aladj(A)] es la matrz cero. 2A Wry + Bey= I 22% 13y, = Ge = 17 12x, ~ 242 = 21 26x, - 12x, = 8 1.6 24. Oar, + 08x, = 16 02x, + 03x, = 06 26, 4x, — 2x, + 3x5 2x, + xy + Sey Br, — Sez 2D, 3x, + xy + Ay 4x) — dy + Oxy 6x, — 6x; 28. Ide, — 21x, — 1x5 = 21 way + 2-2 2 36x, 2x, + Tx;= 7 29. dxy— xt xy = 5 2e, + 2x; + 3r5= 10 Srp - 2x + Gry = 1 30, 2x, + 3x, S35 = 4 3x + Sr 9,= 7 Sx; + 9x3 + 17x; = 13 AJ Uso de la Regia de Cramer En los ejercicios 31 a 4, tuna aplicacién grifica o un programa de computadora Demostracién Enos gjercicios 11 y 12, demueste la for) con capacidades maticlalesy ta egle de Cramer para esol, ‘ula para una matrz A no singular de nn. Suponga n= UL. |agj(a)| = |Ale-! 12, adjfadj()] = [al"-24 13. Dustre la formula proporcionada en el ejercicio 11 para Ja matriz 1 3 ite 14, Tlustre Ia formula proporcionada en el ejervicio 12. para Ja mattiz afc 3 om [ 1 2 8. Prueba Demuestre que si A es una matriz invertible de WX n, entonces adj(4“!)[adj(Ayr. 16, Tlustre la f6rmula proporcionada en el ejercicio 15 para la matriz. a-[t al Uso do la Regla de Cramer En los ejercicios 17 a 30, Utili¢e la regla de Cramer para resolver el sistema de ecuacio- nes Tineales, si es posible. I x, +2 18, 24, - = -10 = 4m any +2q= =I 19. 3x, b4y,5-2 20, 18x, + 12, = 13 Sxyt3m= 4 30r, + 24 ver para x, sies posible. Mery = wae =20 3, — iy, = Wt 32. -Rr, + Tey = 10ey = = 151 12x, +3x,— Sxy= 86 15x, 9x, + 2xy= 187 33, 3x, 2x, + 9x; Fang = 35 =x = 9x3 — 6x, = =17 Int y= 5 2x, + 2x, + 8x, 34. mx 3x, + Sy + Sty Dey ty -2,-3ny-3m = -15 35. Uitlice la regla de Cramer para resolver el sistema de cecuaciones lineales para x yy. kx + (1-8 (-rt bya «Para qué valor(es) de & el sistema puede ser inconsis- tente? | 136. Verifique el siguiente sistema de ecunciones lineales en 0s A, eos By cos C para el trdngulo mostrado en la figura, cos B + beosC cos + acosC = b boos + acosB =e Después utlic la regla de Cramer para resolver para cos Cy use el resultado para verificar la ley de los cosenos Encontrar el Area de un triéngulo En os ejericios 37a 40, encuentre el drea del tridngulo que tiene los vertices dados. 37, 0,0),(2,0),(0,3) 38. (1, 1), 2,4), (4,2) 39, (“1,2 2,4) 40. (1, 0,-1.5 (0,2) Prueba de puntos colineales En los ejercicios 41 2 44, determine si os puntos son colineales. 41. (1,2),8,4),(,6) 42. (-1,0),(, 1.8.3) 43. (-2,5),0,— 0,3, -9) 44, (1, 3), (4.7). 2, = 13) Encontrar la ecuacién de una recta En los ejervicios 45 248, encuentre la ecuacién de la recta que pasa por los pun- tos dados. 48. (0,0), (3,4) 47. (~2,3), (2, —4) 46. (4,7), 2,4) 48, (1,4), 4) Encontrar el volumen de un tetraedro_En los ejercicios 49 a 52, encuentre el volumen del tetraedro que tiene los vértices dados. 49. (1,0, 0) (0 1,0). (0,0, 1) (1.1.1) 50. (1, 1,1), (0,0, 0), 2 1,1), (-1, 1,2) SL. B.-L, 1) 4,-4.4) (1, 1 1), 0,1) 52. (0,0,0). (0,2, 0), (3,0, 0) (1s 1,4) Prueba de puntos coplanares En los ejercicios 53 a 56, determine si los puntos son coplanares. 53, (4, 1,0), 0, 1,2), 4,3, ~1), (0,0, 1) 54, (1.2.3). (1,0, 1) (0, ~2, —3), (2,611) 55. (0,0, —1), (0, - 1,0), (1, 1,0), (2, 1, 2) $6. (1,2, 7), (~3,6,6), (4,4, 2), 3,3,4) Encontrar una ecuacién de una recta En los ejercicios 57 a 60, encuentre la ecuacién del plano que pasa por los, puntos dados. 0-2 0.4 -10.0. -2) 58. (0, -1,0), (1, 1,0), (1,2) 3.4 Ejercicios 137 59. (0,0, 0), (1, ~1, 0), (0,1, -1) 60. (1,2, 7), (4,4, 2), (3,3.4) Uso de la Regla de Cramer En los cjercicios 61 a 62 se ha aplicado la regla de Cramer para resolver para una de las variables en un sistema de ecuaciones. Determine en cudl se aplicé correctamente la regla para resolver para esa variable. Si no, identifique el error. 12 sents ato 61. -x + 3y- yerps Beye -1 4 -2| 46-1 1s -2 Sx—2y+ z= 15 yt 62. 3x — 39 - u- y-T 2 -1 -9| 3 63. Publicacién de libros de texto La siguiente tabla ‘muestra el numero de suseriptores y (en millones) de una compafifa de comunicaciones en los Estados Unidos para los afios 2007 a 2009. (Fuente: U.S. Census Bureau) = | Aiio, ¢ | 2007 Suseripores 1067 | 1,162 | | 2009 | 9891 (@) Genere un sistema de ecuaciones lineales para los datos que se ajusten a la curva yearthrtc donde res el allo y r cl niimero de suscriptores. (b) Utilice la regla de Cramer para resolver su sistema. (©) Use una aplicacién gréfica para graficar los datos y su funcién de regresién polinomial. (@) Describa brevemente que tan bien la funcién polino- ial se ajusta a los datos. 64. REROAT EE Considere el sistema de coua- cciones lineales jaye + by =e asx + by = Cy donde ay, bj, ¢), dz, bs, &> representan niimeros reales. {Qué debe ser cierto de las rectas represen tadas por las ecuaciones cuando correspond a 2007 y yes138 Capitulo 3 Determinantes K Eldeterminante de una matriz En los ejercicios 1a 18, Propiedades de deter Ejercicios de repaso inantes En los ejercicios 19 a encuentre el determinante de la mati. 22, determine cudl de las propiedades de los determinantes 2S 0-3 est ilustada por Ia ecuacién Ea aT pa w. o 2 07 Is -3] : To sl 12 -t 5 0 2 a ee 5. 60-1 | oe oe oo 1 2 o 4 6 1 2] peer ag 9 9 3 th Sees ls 12-6 1 2 1 eetee ee n 3 a [i -3 6 i -15 0 1 nilo -1 a= , a] 9 12 -3 w} 3 9 -6 ra al le oat ee cat El determinante d riz producto En s i leterminante de una matriz producto En los ejerci s a a ; peat i cios 23 y 24, encuentre (a) [Al (b) |B, (€) AB y (b) [AB]. Des- 4 iu. 1 Pués verifique que |A| |B| = |AB}. 3 300 1 2 4-1 3 0 eas sk a aos [sa ta) aft Je 4 : tat ala ts aa 2B. uM wma=l4 5 6h, o-1 1 Pee Cee eee eee 102 2-1 2 1-2 1 “11-1 0 Encontrar determinantes En los ejecicios 25 y 26, 4 ® ta 0-4 ‘encuentre (a) jA7, (b) |A*), (c) |ATA] y (A) [Sa ee ws) 1 0 1-1 0 2 6 0-1 0 1-1 ae [a 4 26.A= 7 : | @« oO 1 r-r4 | 12-1 3 4 Encontrar determinantes En los sjercicios 27 y 28, 2 3-1 2-2 encuentra (a) /Al y (b) JA“! wl1 2 0 1-1 1 0 74 2-1 4 102-1 o nae 234] aaa 0 | “ O-1 1 0 2 2 7 6 1-2 0, -1 0 0 0 0 El determinante de la inversa de una matriz En los 0-1 0 0 0 ejercicios 29 a 32, encuentre /A“}. Comience por encontrar v.40 20 :=1 a 4" luego evalde sa determinante, Verifique su resultado 0 0 0-1 0 0 0 0 0-1 45. 0 0 0 0 2 0 0 0 2 0 wjo o 2 0 0 0 2 0 0 0 2.0 0 0 0Resolucién de un sistema de ecuaciones lineales En los ejercicios 33 a 36, resuelva el sistema de ecuaciones lineales por cada uno de los siguientes métodos, {a} Eliminacién gaussfana con sustituci6n hacia ates {b) Eliminacién de Gauss-Jordan. (c) Regla de Cramer. 33. 3x, + 3x, + Sry Br, $5e + Oxy Sx, + 9g #17, = 4 BM. 2xy+ r+ 2x, =6 =x, +2, — 3 =0 3x, + 2ty— ky 35, x, +2t,- xy 2x, — Bey — 2ty ax, + 3x, + dey 36. 2x, +3, + Sey 3x, +5e, + Oxy = 7 Sry + 9g + 13x = 17 fema de ecuaciones lineales En los ejercicios 37 a 42, use el determinante de Ia matriz. de coeficientes para indicar eudl de los sistemas de ecuaciones lineales tiene uta tinica solucién, 37. Sx + dy ort y 39, xt y +2: 7 8 8 4 Setdy tee 4 AL xy t 2x + Oy 2x, + Sey + 15ty = 3x, + ay + 3x5 x) 45x, + By day +205 + Sry 3x; + 8x, + Gry = 2x, 2x, + dry 2x, - 4 43, Sean A y B matrices cuadradas de orden 4 tales que [A] = 4 y [Bj = 2. Bncuentre (a) [BA\, (b) |B, (c) 2A\, [ABY'| y (0) [4 44, Sean A y B matrices cuadradas de orden 3 tales que |A] 2 y |B| = 5, Encuentre (a) |BAl, (b) |B", (¢) [2A), (d) AaBy' y Ce) 43, Demostracién Demuestte la siguiente pro ay a1 as a an a) = lay ey aa He aay + ey ay a2 Gy) fa a thy 45) an nx] + Jay ay ay @s ae aul le eee Ejercicios de repaso 139 46, Ilustre la propiedad demostrada en el ejercicio 45 para: 10 2 1-1 2 2 1 =1 47. Encuentre el determinante de la matriz de. x n. cp =0 ey = & 1-n Des ae loi-n 1. 1 1 Tek 1-n, 48, Demuestre que le i 2 a apy a "i 1 ot a 37 @t3@- 0 1 1 1 a GAleulo En los ejercicios 49 a 52, encuentre los jacobianos de las funciones. Six, yy z son funciones continuas de vy 1 con primeras derivadas parciales continuas, los jacobianos Skat v) y I, v, w) Se definen como Jax ax au by Ow y= |e jae : ay au Av aw au az be az au yw 2uvw tvtw '53, Esetiba Compare los varios métodos para calcular el determinante deuna matriz. Cuil métodorequiere menos cantidad de eéleulos? ,Cual método prefiere cuando la Inattiz iene muy pocos eeros? 54, Escriba Un operador de computadora cobra $0.001 (un décimo de centavo) por cada suma y testa, y $0.03 por cada maltiplicacién y divisién. Usilce la tabla en la pigina 116 para comparar y contrastar los costos de calcular e! determinante de tina matriz de 10 x 10 por expansién de cofactores y después por reduccién de renglones. ;Qué método preferieia usar para ealcular los determinantes? 55, Escriba Resuelva la ecuacién para x, si es posible, Explique su resultado. cos. 0 senx senx 0 cos. 0 lsenx— cosy 1 senx + cos] a Demostracién Demuestre que si Al = | # Oy Ay B son del mismo tamafio, entonces existe una maiz C tal que |C)= Ly A= CB.140 Capitulo 3. Determinantes Encontrar la adjunta de una matriz En los ejercicios 57, y 58, encuentre la adjunta de Ia matriz, a[2 ] ss [ | Sistema de ecuaciones lineales En los ejercicios 59 a Si la tiene, use la regla de Cramer para encontratla. Bonsons to eer. os erates | Uso de la Regla de Cramer En los Ejercicios 63 y 64, uilice una aplieacién grifica © programa de eomputadora con capacidades matrictales y la Regla de Cramer para resol- ver (si es posible) el sistema de ecuaciones lineales, 3. 0.2x) — 0.6r,= 24 wx, + Lay, = -88 64, x)= ryt y= n5 2e, 42x; +3x,= 10 Sx, 72k, +655 1 Encontrar el area de un triangulo En los ejercicios 65 y 66, utilice un determinante para encontrar el drea del t gulo con los vértices dados, 65. (1, 0), (5, 0), (5, 8) 66. (—4,0),(4, 0), (0, 6) 67 y 68, utilice un determinamte para encontrar la ecuacisn de la recta que pasa por los puntos dados, 67. (~4,0), (4.4) 68. (2,5), (6-1) Encontrar una ecuacién de un plano En os ejercicios 69 y 70, encuentre la ecuacién del plano que pasa por los puntos dados. 69. (0,0, 0), (1, 0,3), (0, 3.4) 70. (0,0, 0), (2,1, 1),(-3,2.5) 71, Uso de la Regla de Cramer Determine si area de Cramer es sada comectamente para resolver para la variable, Sino dentfique el er y anays 72. Gastos de cuidados de salud La tabla muestra los {gastos personales anuales de cuidados de salud (en miles de millones de délares) en los Estados Unidos de 2007 a 2009 (fuente: Bureau of Economic Analysis. Alo, t 2007 | 2008 | 2009 Cantidad, y | 1405 1547 1623 (2) Genere un sistema de ecuaciones lineales para los datos que se ajusten a la curva yeaktbrte donde f es el afio y t = 7 corresponde a 2007 y y es el nimero de suscriptores, (b) Utilce la regla de Cramer para resolver su sistema. BB (c) Use una aplicacién grifica para graficar los datos y su funcién de regresisn polinomil. (4) Deseriba brevemente qué tan bien se ajust la Fun- cin polinomial a los datos. ANerdadero 0 falso? En los ejercicios 73 2 76, determine Cul de las expresiones es verdadera o falsa, Si In expresién es verdadera, proporcione wna rizén o cite una expresiGn adecuada del texto. Si la expresién es falsa, proporcione un ejemplo que muestre que Ia expresién no es cierta en todos los casos o cite del texto una expresidn adecuada 73, (a) El cofactor iimero positivo. (6) Si una matriz cuadrada B es obtenida a partir de A por intercambio de dos renglones, entonces det() = etd). (e) Si una columma de una matriz. cuadrada es un malt plo de otra columna, enionces el determinante es 0, (@) Si Aes una matriz cuadrada de onden n, entonces det(A) = ~det(A), 74, (a) SiA y B son matrices cuadradas de orden n tales que dea) = =I, entonces A y B son no singulares. (b) Si A es una matriz de 3 x 3 con deta) = 5, entonces: det(2A) = 10, (©) SiAy B son matrices euadradas de orden n, entonces deta + B) = deta) + detiB), 75. (a) En a regla de Cramer, el valor de.xjes el cociente de dos determinantes, donde el numerador es el deter- minante de la matriz de coeficientes. (b) Tres puntos (xy. 1), (43.99 y (85.34) Son colineales si el determinante de la matriz que tiene las coorde- rads como elementos en las primeras dos columnas y Len la tercera es diferente de cero. 76, (a) $i A es una matriz cuadrada, entonces la matriz. de cofactores de A se llama adjunta de A (by En Ja tegla de Cramer, el denominador es el determi- nante de la matriz formada al reemplazar la columna correspondiente ala variable que debe ser resuelta por la columna que representa las constantes. 2 de una matriz dada siempre es unFee Ta ere tne ee ee Capitulo 3 Proyectos 141 Proyectos 1 Matrices Estocasticas En la seccién 2.5, usted estudié el modelo de preferencia del consumidor para dos compa- ‘fas de (elevisisn satelital. La matriz que representa las probabilidades de cambio era 0.70 015 0.15 P=/020 080 0.15], 0.10 0.05 070, Cuando se le proporcion6 la matriz X de estado iniial, observ6 que cl némero de suscrip- tores despuds de un afio es el producto PX. 15,000" X = | 20,000 65,000. 0.70 0.15 0.15] f15,000" 250 PX=|020 0.80 — 0.15]| 20,000] = | 28,750, 0.10 0.05 0.70} L65,000} | 48,000. Después de 10 aitos, el ntimero de suscriptores estaba cerca de alcanzar un estado estable. 33,287 Pix = |47,147 19,566, Es decir, para valores grandes de n, el producto P°X se acerea al limite X, PX = ¥, Debido a que PX = ¥ = 1X, 1 es un eigenvalor de P con el correspondiente eigenvec- tor X. Usted estudiard cigenvalores y eigenvectores con més detalle en el Capitulo 7. 1. Uiilice una computadora o una calculadora para demostrar que los eigenvalores y los cigenvectores de P. Es decir, demuestre que Px = Ax; para = 1,2, y 3. Higenvatores: Ay = 1, dy 2, Sea S la matriz.cuyas columnas son los eigenvectores de P, Demuestre que SPS es una ‘mattiz diagonal D. {Cues son los elementos de la diagonal de D? 3. Demuestre que P* = (SDS“)= SD'S". Utlce este resultado para calcular PIX y verifi- car el resultado de la seccién 2.5. 2 Teorema de Cayley-Hamilton El polinomio caracteristico de una matriz cundrada A esté dado por el determinant [A ~ A, Sil orden de A es, entonces el polinomiocaractristicop(A) es un polinamo de grado imo en la varible A P(A) = det(l ~ A) = A" + 6,0? El teorema de Cayley-Hamilion afima que toda matriz cuadrada satisfae su polino- rio earterstico; es deci, para la matriz A de n xin p(A) = 0. 0 PEA tel = 0. PEA + AME GATE hey ‘neta142 Capitulo 3 Determinantes Observe que ésta es una ectiaciGn matricial, El cero de la derecha es la matriz cero de n x ny el coeficiente gy ha sido multiplicado por la matriz identidad J de n x n, 1, Verifique el tcorema de Cayley-Humilton para la matriz [2 =] 2. Verifique el teorema de Cayley-Hamilton para la matriz, 6 0 4 20103 240 a 3. Demuestre el teorema de Cayley-Hamilton para una matriz arbitraria A de 2 x 2, we 4, SiA es una matriz no singular de n x n, demuestre que — GAN"? = + + Ga ~ ey). Use este resultado para encontrar a inversa de In matiz 12 ay 5. Eltorema de Cayley Hamilton puede uilizarse para calvlrpotenias Adela matric eadrada A, Por ejemplo, el polinomio carateristico dela matriz aE ol esp()=a2=2A-1 El teorema de Cayley-Hamilion implica que 2A-1=0 0 AP=2A 41. escribe en términos de A e J, Heeb latil-lend De manera similar, multiplicando ambos miembros de la ecuacién A?= 2A +I por A da como resultado A? en términos de A*, A e I, Ademés, usted puede escribir A? sdlo en términos de A e J después de reemplazar A? con 2A + J, como sigue. (2A +N +A=5A4 27 Am 2A? +A (a) Escriba A* en términos de A e 7 (b) Encuentre 4° para la matriz. Dofus hi 2-1 We, (Sugerencia: eneuentre cl polinomio caracteristico de A, luego utilice el teorema de Cayley-Hamilton para expresar A? como una combinacién lineal de A2, A e L De ‘manera inductiva exprese A® como una combinacién lineal de A2, A e 1.) ¥Examen acumulativo de los capitulos1@3 143 Examen acumulativo de los capitulos 1a 3 ‘Tome este examen para repasar 1 material de los capftulos I a 3. Cuando haya terminado, ‘erifique su trabajo contra las respuestas que se proporcionan al final del libro. En Jos ejercicios 1 y 2, determine si la ecuaci6n es lineal en las variables x y y. 14-x=10 5 En los Bjercicios 3 y 4, utilice la climinacisin Gaussiana para resolver el sistema de ecua- ciones lineales. Boxe 4d; tay ary = 1 Bet y= ej - 3x +25 9 xt 5. Utilice una aplicacisn grifica © programa de computadora para resolver el sistema de ecuaciones lineales, O.lx = 25y + 1.22 —0.75w = 108 Dax + 15y — 182 + 0.25w = —81 = 14w 1488 L6x + 12y — 3.22 + 0.6w = ~143.2 6. Eneventre el conjunto solucién det sistema de ecuaciones lineales representado por la matriz aumentada 0 1-1 0 2 10 2-1 0 12 0-1 4 7. Resuelva el sistema lineal homogéneo correspondiente a la siguiente mattiz de coefi- cientes 12 1-2 0 0 2-4 2-4 1 -2 8, Determine las condiciones de k para las que el sistema es consistent. 9. Resuelva para. y yen ecuacin mate 24 ~ 8 is x 2 eT» ef hates st tome #apactematea=[! 2 Sl ema ine pce Sindee fn os ejerciios 1 914 eneueie liners de a mati (sexist), ot 0 0 -2 3 203 5 ee li. a avs 3° 6. 13.) 0 a Of] 144)/-3 6 5 iiigies 0 1 0 En los Ejercicios 15 y 16, utilice una matriz inversa para resolver el sistema de ecuseiones Tineales. 15... 2y=-3 x-d= 0144 Capitulo 3 Determinantes fa) 18. Encuentre el determinante de la matriz, 5 4 94 0-2 -3 1 11 6 1 1 0 0 -4 19, Encuentre cada determinante si (a) [4] (b) [8] (e) [AB] (@) |4"), Después verifique que AI1B| = AB] al be-Po 20. Encuentre (a) [Ay (b) |A“!) 5-2 -3 A-|-1 0 4 6-8 2 21. SijA|=7 y A es de orien 4, entonces encuentre cada determinante, @ Bal A © LAY @ [at] 22. Utilice Ia adjunta de 1-5 -1 As|o -2 1 1 0B, para encontrar A“, 23, Sean xy, x3, 3 y b las matrices columna mostradas abajo, Aad Encuentre las constantes a, b yc tales que axy + bx + ex; = b. 24, Utilice ecuaciones lineales para encontrar la paribola y = ax + bX + c que pasa por fos puntos (-1, 2), (0, 1) y 2, 6). 25. Utilice un determinante para encontrar la ecuacién de la recta que pasa por los puntos ady¥62. 26, Utilice un determinante para encontrar el érea del tingulo eon vértices (3, 1), (7, 1) (7.9), 27, Determine las comrientes f [2 ¥ fs para la red eléctrica mostrada en la figura de la izquierda 28, Un fabricante produce tres modelos de un producto que es enviado a dos almacenes, En la matriz, 200 300 A=| 600 350 250 400. «4 representa el niimero de unidades del modeo i que el fabricante envia al almacén j. B=[1250 9.00 21.50] representa los precios de los tres modelos en délares por unidad. Encuentre el pro- ducto BA y declare qué representa cada elemento en la matriz, 29. Sean A, B y C tres matrices de x1 diferentes de cero tales que AC= BC. ;Esto indica ‘que A = B? Demuestre su respuesta.4 Espacios vectoriales S @ @eeeeeee ee Al Vectores en R” 4.2.’ Espacios vectoriales r— 43 Subespacios de espacios vectoriales 4.4 — Conjuntos generadores e independencia lineal 4.5 Base y dimension 46 Rango de una matriz y sistemas de ecuaciones lineales 47 Coordenadas y cambio de base Aplicaciones de espacios vectoriales146 Capitulo 4 Espacios vectoriales 4.1 Vectores en R” COMENTARIO El término vector se deriva del latin vectus, que quiere decir "llevar 0 transpertar”. La idea fe quo si usted quiore lavar algo desde el origen hasta el punto (x, a, el viaje puede Fepresentarsa por el segmento de recta dirigido de (0,0) a x;, >). Los vectoras ge representa Con letras mindscules nagritas (come, v, wy x). [Hl Representar un vector como un segmento de recta dirigido. B__Reelizar operaciones vectoriales basicas on Fy representerlas gréficament [Hl Realizar operaciones vectoriales basicas en A’, I Escribir un vector como una combinacién lineal de otros vectores, VECTORES EN EL PLANO En fisica c ingenierfa, un vector es caracterizado por dos cantidades (longitud y sentido) y es representado por un segmento de recta dirigido. En este capitulo, usted vera que estos son s6lo dos tipos especiales de vectores. Sus representaciones geométricas le ayudarin a ‘comprender la definicién mas general de un vector. Un vector en el plano se representa geoméiricamente por un segmento de recta dirigido cuyo punto inicial es el origen y cuyo punto terminal es el punto (x}, %3), como se muestra en Ia figura 4.1 Panto nici Figura 4.1 Este vector se representa por el mismo par ordenado usado para representar su punto terminal. Es decir, x = (x), x;). Las coordenadas x y x2 s¢ denominan componentes del vector x. Dos vectores en a plano w = (iy) Y ¥ = (4. ¥2) 0m iguales si y sla si Ni KeMP] vectores en el plano a, Use un segmento de recta dirigido para representar los siguientes vectores en el plano. @u=2,3)0¥ at b, Figura 4.2(y+ riuat a) Sum de dos vectores Figura 4.3 @ Simulacién Explore este concepto atin mas ‘con una simulacién electrénica disponible en el sitio web college. cengage.com/pictlarso- RELAGe. Visite por favor este sitio para comandos y sintaxis de programacién para aplicacio- nes grificas especificas y pro- igramas de computadora aplica- bles al ejemplo 2, Bjercicios proyectos y similares tambien etn disponibles en este sitio web. Figura 45 41 Vectoresen A? 147 OPERACIONES VECTORIALES La primera operacidn vectorial basica es Ia suma vectorial, Para sumar dos vectores en el plano se suman sus componentes correspondientes. Es decir, la suma de wy Ves el veetor definido por uty (ty ty) + (24599) = (ey + v Geoméiricamente, la suma de dos vectores en el plano puede representarse como Ta diago- nal de un paralelogramo que tiene a u y ¥ como sus lados adyacentes, como se muestra en la figura 4.3, En el siguiente ejemplo, uno de los vectores que usted puede sumar es el vector (0, 0), amado veetor cero o nulo. Este vector se denota con 0. SYNC] uma de dos vectores en el plano Determine la suma de los vectores. @-2) ty uy). (3,2) (0,0) SOLUCION auty= (1,4) + @,-2) = (3,2) b.wt v= (3-2) + (-3,2) = 0,0) =0 uty = (2,1) + (0,0) ny} La figura 4.4 muestra Ia representacién grifica de cada suma. Figura 44 a La segunda operacién vectorial fundamental se denomina multiplicacién escalar. ara multiplicar un vector v por un escalarc, cada una de las componentes de v se multi- plica por c. Es decir, ev = els v3) = (er), 079) Recuerde del capitulo 2 que el término escalar se utiliza para denotar un nimero real. Histéricamente, este uso surgié del hecho de que al multiplicar un vector por un mimero real se modifica la “escala” del vector. Por ejemplo, si el vector v se multiplica pot 2, entonces el vector resultante 2v es un vector que tiene 1a misma direecién que v y dos vveees su longitud, En general, para un escalar¢, el vector cv es c veces mas grande que ¥. ademés, si c es positivo, entonces cv tiene Ia misma direccién que ¥, y si ¢ es negativo, tentonces cv y y tienen direcciones opuestas. Lo anterior se muestra en la figura 4.5. El producto de un vector v por el escalar -I se denota por mv=(-Dy. El vector — v se denomina negative de v. La diferencia de u y v se define como u-v=u+(-¥) yy se dice que v se ha restado de u.148 Capitulo 4 Espacios vectoriales COMENTARIO Observe que la propiedad as0- ciativa de la suma vectorial pe mite escribir sin ambigiedad expresiones como u + v + w porque se obtione el mismo resultado sin importer cus! suma se efectie primero, [S1]=VT7Ee)=} | Operaciones con vectores en el plano Dados v = (2,5) y w= (3,4), encuentre Ios siguientes vectors, aw puny elvte SOLUCION a. Como v = (—: b. Por la defi La figura 4.6 muestra la representacién geométrica de estas opraciones vectoriales. La suma vectorial y la multiplicacién escalar comparten muchas propiedades con la suma de matrices y Ia multiplicacién por un escalar. Las 10 propiedades enumeradas en el siguiente teorema desempefian un papel fundamental en slgebra lineal. De hecho, en la siguiente secciGn se verd que son precisamente estas 10 propiedades las elegidas para abstraerse de los vectores en el plano para definirel concepto general de espacio vectorial. TEOREMA 4.1 Propiedades de la suma vectorial y de la multiplicacion escalar en el plano Sean u, vy w vectores en el plano, y sean ey d escalares, 1. w+ vesun vector enel plano. Cerradurahujo In aici Rutveveu conmutativa dela adicin 3 uty tweudt vt) “ de la aicidn Propiedad del idéntico sitive Propical de inversoadiivo 6, cts un vector en el plano, CCerradura bajo la muliplicacion escatar 7. eu + v) = eu + ev Propiedad distributive 8 (c+ du = cu + du 9, edu) = (cc Propiedad asoeitiva de la mulipicacion 10. 1(u) Propiedad de idéntico mukiplicaiva DEMOSTRACION La demostracisn de cada propiedad es una apicacién directa, Por ejemplo, para demostrar Ia propiedad asociativa de la suma vectorial puede escribir (#9) + w= Llyn) + Oy 0D] + be, wy) uy + ints + 9) + Os Wa) = (lu, +o) # ay (ug 93) ) uy + (Oy + whats + Oy + w)) = (ony + 4+ + (+ Ww). De manera semejante, para demostrar la propiedad distributiva de Ia multiplicaciéa escalar in puede escribir fe + Du (c+ dn, (c+ du) (eu, + dy, extg + da) = (eu, cu) + (dey dus) u+du, Las demostraciones de las otras ocho propiedades se dejan como ejercicio. (Vase el ejer- cicio 57.) aFigura 4.7 NOTA TECNOLOGICA Aigunas aplicaciones gréficas y progremas de cémputo pueden ejecutar la suma vectorial y la ‘muttiplicacion escalar, Utiice ibn gréfica para vor smplo 4. Los coman: dos y Is sintaxts de programa vién para estas aplicaciones! programas se proporcionan on la Online Technology Guide die ponible en collaga.ccngage. ‘com/piclarsonELAGe. a is sf Fj 41 Vectoresen AR” 149 VECTORES EN A” El anilisis de los vectores en ef plano puede extenderse al anilisis de vectores en el espa cio n-dimensional, Un vector en el espacio-n se representa por una n-ada ordenada, Por ejemplo, una tereia ordenada es de la forma (x), *3. 5) una cuédrupla ordenada tiene la forma (xy x35 2) ¥ una neada ordenada general es de la forma (ty, %9, 5... 5%). El conjunto de todas la n-adas se denomina espacio w-dimensional y se denota por R. espacio 1-dimensional cconjunto de todos los niimeros reales espacio 2-dimensional = conjunto de todos los pares ordenados de niimeros reales Una +-%,) puede ser vista como un punto en R" con los x; como sus coordenadas © como un vector X= yx, vq) Veetoron con los x; como sus componentes, Como con los vectores en el plano (0 R®), dos vectores en R" son iguales si y s6lo si los componentes correspondientes son iguales. [En el caso den = 2.00 = 3,lanotacién familiar (x, ») 0(x, y, 2) se usa ocasionalmente.) A continuacién se definen la suma de dos vectores en R*y el miltiplo escalar de un vector en R. Estas operaciones se denominan operaciones estandar en R". Definicién de suma vectorial y multiplicacién escalar en R” Sean w= (ty t,t, === te) ¥ V= (4, Yas Yay +4 My) VECIOFES em Ry sea € un ‘numero real. Entonces la suma de u y v se define como el vector WAV (yt ryt F Ny tly F Ygse «oat + My) yel miiltiplo escalar de u por se define como el vector cu (city, es, Cys. « «Cty. Asi como el espacio bidimensional, e! negativo de un vector en R"se define como HU (Hy tas tye I) y la diferencia de dos vectores en R*se define como ne (6, = Vy. = 095g = PG. ote = 8 EL vector cero en r*se denota por 0 = (0,0...) SMTA Y | Operaciones vectoriales en A Dados w - 5) en 1°, encuentre los siguientes vectores auty bo Qu SOLUCION a, Para sumar dos vectores, se suman sus componentes correspondientes como se muestra a continuacién, utye =1,0,1) + 2-15) = (1,-1.6) b, Para multiplicar un vector por un escalar,eada una de sus componentes se multiplica Por el escalar, como sigue: 2u = 2(-1,0, 1) = (-2,0,2) ©. Con el resultado del inci (b), se obtiene v—2u = 0,2) En agua 7 se muestran grifcamente estas operaciones vctoriales en’. iWilliam Rowan Hamilton (1805-1865) Considerado el matematico inlandés mas importante. En 1828 publicé un sorprendente trabajo de éptica titulado Una teoria de sistemas de rayos. En él, Hamilton incluyé algu- nos de sus propios métodos pare trabajar con sistemas de eoueciones lineales. También introdujo la nocién de la ecuacién caracteristica de una matriz (véase la Secci6n 7.1). El trabajo de Hamilton condujo al desarrollo do la notacién vectorial moderne. Hoy en dia ain utiizemos su notacién i, jy ke pare los vec- tores unidad esténdar en (véase le Seccién 5.1). ios vectoriales Las siguientes propiedades de Ia suma vectorial y la multiplicacién escalar para vee- tores en R" son las mismas que las enumeradas en el teorema 4.1 para vectores en el plano. Sus demostraciones, basadas en las definiciones de suma vectorial y multiplicacién escalar en R", se dejan como ejercicio, (Véase el ejercicio 58.) TEOREMA 4.2 Propiedades de la suma vectorial y de la multiplicacién escalar en R” Sean u, vy w vectores en R, y sean cy d escalares. 1, w+ vesun vector en R. Rutveveu 3. (uty) twaut (tw) ‘utoeu S.a+(-a) Propiedad del inverso aditivo: 6, cwis vector in R° CCerralura bajo a mukiplicacion por un escalar 7. cu + v) = cu + ev Propiedad distributiva 8 (c+du =cut da Propiedad aisibutva Propiedad asoiaive dela muliplcacién Propiedad det iéateo multpicativo Aplicando las 10 propiedades dadas en el teorema 4.2 usted puede realizar manipulaciones algebraicas con veetores en R" casi de la misma manera en que se hace con niimeros reales, ‘como se demuestra en el siguiente ejemplo. [==M [AKC] Operaciones vectoriales en Rt Sean u = (2,-1, 5,0), ¥ = (4,3, 1-1) y w= C6, 2, 0, 3) vectores en Rt. Encuentre el valor de x. 2u ~ (v + 3) b. 36¢ 4+ w) = Quy tx SOLUCION a. Con las propiedades enumeracdas en el teorema 4.2 se obtiene x= 2u-(v + 3w) 2u-v ~3w = 22, -1,5,0) ~ 4,3, 1. 1) — 3(-6, 2, 0,3) (4, ~2, 10,0) = (4,3, 1, -1) — (-18,6,0,9) —3-6,10-1-0,0+1-9) = (18, -11,9, -8). 1b, Se empieza por despejar x como se muestra a continuacién, 30x + w) 3x— x= Quy —3w 2x = 2u- y= 3w emer teeCOMENTARIO En las propiedades 3 y § del teorema 4.3 observe que se ut lizan dos ceros diferentes: el ‘scalar 0y ol vector 0. 4.1 Vectoresen A” 181 El vector cero en R" se denomina idéntico aditivo en R*. De manera semejante, el vector -v se denomina inverso aditivo de v, En el siguiente teorema se resumen varias propiedades importantes del idéntico aditivo y del inverso acitivo en R. TEOREMA 4.3 Propi lades del idéntico aditivo y del inverso aditivo Sea v un vector en R*y sea c un escalar. Entonces las siguientes propiedades so ‘eumplen. 4. El idéntico aditivo es tnico. Es decir, si vu = v, entonces u = 0. 2. El inverso aditivo de v es tinico, Es decir, si v + u = 0, entonces u 3. 0v=0 4.0 =0 5. Sicv = 0, entoncese = 00 ¥ 6 -(CW=v DEMOSTRACION ara demostrar Ia primera propiedad se supone que v + u = v. Entonces los pasos siguien- te se justfican por el teorema 4.2, vrusy Dado (vtu) +(-v) =v + (vy) ‘Suinar =v a ambos lados (v tu) +(-y) Inverso aditive, fu+y+(-y=0 Propiedad conmut Ww+(-w Propiedad asoci uto= Inverso aditivo, u dentiiad aditiva ara demostrar la segunda propiedad, asuma v + u = 0, y de nuevo utilice el Teorema 4.2 para justficar los siguientes pasos. veu=0 ada (9) (y+ u) = (Hv) 0 Atadir -v a ambos fads. (-y) ++ u)=-y enti aitiva [Cv +v]+u=-v Propiedad asociativa Orun-y Inverso ative ut0=-y Propiedad eonmatativa us-v eid aitiva ‘A medida que adquiere experiencia en la lectura y escritura de demostraciones que impli- can dlgebra vectorial ya no es necesario escribir tantos pasos. Por ahora, sin embargo, es tuna buena idea hacerlo, Las demostraciones de las otras cinco propiedades se dejan como ejercicio, (Véanse los ejercicios 61-64.) ALGEBRA Lee vectores tienen una emplia variedac LINEAL de epieaones en ingeneia las, ay APLICADA Sinn tione un angulo de elevecién 6, utlice la figure de la derec En a figura ol vector etiquetado como W reprazanta el peso del objeto, y el vector etiquetado como F representa la fuorea roquerida. Utlizando triéngulos similares y algo de trigonome- tra, la fuerea raquerida os F = W sen Intente verficar esto, tin ebjto aia ariba en ura ramps que [| ¥162 Capitulo 4 Espacios vectoriales COMBINACIONES LINEALES DE VECTORES El siguiente ejemplo ilustra un tipo de problema importante del dlgebra lineal: la escritura de un vector x como la suma de miiltiplos escalares de otros vectores Vi, Vas «» «¥ Vx Es decir, para los escalares cy, 2... 5 €y x em tem tes heyy El vector x se denomina combinacién lineal de los vectores vy, Voy... y Vp DESGCUBRI- STEVI Escritura de un vector como una combinacién MINTO Ea lineal de otros vectores Da 21 vector (1,1) es -2),u= (0, 1,4). ¥= C1, 1.2)y w=, 1,2) en? encuentre tina combinacién | escalaes a, by ¢ tales gue lineel de los vecto- aan res (1,2) 2, Soe “4? Grafique estos | SOLUCION vactores en ol rst plano y explique su : respuesta geomé- eH ‘tricamente. (G1, ~2, ~2) = a(0, 1,4) + (1, 1,2) + 63, 1,3) 25 be meeecinlke = (Hb #3045 + c.da +25 + 20) determine sil vec- | iguale las componentes correspondientes de modo que formen el siguiente sistema de tor (1,1) es una tres ecuacioneslineales aby e- combinacién lineal de los vectores (1, —b+3e=—1 —— Eeuncisn de la primera componente 2dy (2.1). a+ b+ c=—2 — Beuacién de la segunda componente {Cusl es ol signifi- da+2b+2¢=—2 —— Feuacidn dela tercera componente oe Sapiestioa, Resuelva para a, b ye para obtener a = 1, =1. Como una combinacién lineal de estas dos pre- | dew vy w guntas? iCada vector on Ft una combina- cién lineal de los vectores (1,2) y ‘A menudo es Util epresentar un vector t = (iy, ta, yt) en R® ya sea como una (2,1)? Dé una expli- | matriz renglén de 1 X a (vector renglén) 0 como una mattiz columna de n X 1 (vector columna). Este planteamiento es vélido, ya que las operaciones matriciales de suma y ‘multiplicacién por un escalar dan los mismos resultados que las operaciones vectoriales ccorrespondientes. Es decir, las sumas matriciales utveliy we 1) + Oy

con las operaciones estiindar. SOLUCION Por el tcorema 4.5, usted puede demostrar que el subconjunto W no es subespacio si se concluye que Wes vacio, que W no es cerrado bajo la suma o que W no es cerrado bajo la imultptieacign escalar, Pra este conjunto particular, W'es no vaeto y cerrado bajo la mul- tilicacién escalur, pero no ¢s cerrado bajo la suma. Para ver lo anterior, sean A y B a a a Entonces tanto A como B son singulares (no invertibles), pero su suma . (il sno singular (invertible), Asi, W no es cerrado bajo la stuma y por el teorema 4.5 se puede concluir que no es un subespacio de M32164 Capitulo 4 Espacios vectoriales Ws, Funciones We Funciones integrables Figura 4.10 COMENTARIO ddemuesire que la unin de dos ‘subespacios no es necesaria- ‘monte un subespacio, Figura 4.11 La interseccién de dos subespacios es un subespacio El conjunto de vectores que estan en ol primer ETE) cuadrante no es un subespacio de A Demuestre que W = {(x),.x3): x = Oy. = 0], con las operaciones estindar, no es un subespacio de R SOLUCION Este conjunto es no vacio y cerrado bajo Ia suma. Sin embargo, no es cerrado bajo 1a mul plicacién escalar. Para ver lo anterior, advierta que (1, 1) esti en W, pero el miitiplo escalar (HC, 1) = C1, =1) no pertenece a W. Por consiguiente, W no es un subespacio de R°. il ‘A menudo encontraré series de subespacios anidados entre sf. Por ejemplo, considere los espacios vectoriales Po, Py. Pa, Py», Y Py donde Pyes el conjunto de todos los poli- rnomios de grado menor o igual que &, con las operaciones estindar, Es fcil demostrar que sij = k, entonces P,es un subespacio de Py. as, se puede escribir Py C Py CP, CPC CP,, (En el ejercicio 45, se le pedird que demuestre esto.) Otros casos de subespacios anidados se describen en el ejemplo 5. Va TJKe)V] Subespacios de funciones (calculo) Sea Wsel espacio vectorial de todas las funciones definidas en (0, 1], y sean Wy, y W,definidas como sigue 1¥, = conjunto de todas las funciones polinomiales definidas en el intervalo (0, 1] Wz = conjunto de todas las funciones derivables en (0, 1) W3 = conjunto de todas las funciones continuas en [0, 1) W, = conjunto de todas las funciones integrables en [0, 1] Wy Demuestre que Wy C W2C Ws W4C Wsy que Wes un subespacio de W, para ij. SOLUCION Del caleulo se sabe que toda funcién polinomial es derivable en (0, 1]. Por consiguient, W,C WW. ademas, el WC Ws porque toda funcién derivable es continda, Wa W, porque toda funcién continua es integrable y Wy C Ws porque toda funcién integrable es, por supuesto, una funcién. Como resultado de los comentarios previos, se tiene que W; C Ws CWyC WaC Ws, como se observa en la figura 4.10, Se deja que usted comprucbe que W, 8 un subespacio de W,pura i= j. (Vase el ejericio 46.) En el ejemplo 5, observe que si u, Vy W son espacios vectoriales tales que W es un subespacio de Vy V es un subespacio de u, entonces W tambign es un subespacio de 1 Este caso especial del siguiente teorema establece que la interseceién de dos subespacios 8 un subespacio, como se muestra en la figura 4.11. TEOREMA 4.6. La interseccién de dos subespacios es un subespacio ‘Si Vy Wson subespacios de un espacio vectorial U, entonces la interseccién de Vy W (denotada por V7 W) también es un subespacio de U. DEMOSTRACION ‘Como Vy W'son subespacios de U, se sabe que ambos contienen el vector cero. asf, V0 Wes no vaefa, Para demostrar que V7 Wes cerrada bajo la suma, sean vi y v2 dos vecto- res cualesquiera en V W. Entonces, como Vy W son subespacios de U, se sabe que ambos son cerrados bajo la suma, Por consiguiente, como vj y Vaestin en V, su suma ¥, + Vadebe estar en V. De manera similar. vj + vy esti en W porque ¥, y vz estén en W, Pero esto implica que v, + vzestin en V0 W, y se concluye que VA Wes cerrada bajo la suma. Se deja que usted demuestre (con un argumento semejante) que V 7. W es cerrada bajo la muliplicacin esealar.(Véase el ejercicio 59.) cc he ke os:rT EPEC ee Figura 4.12 La ciréunterencia O-n] subespacio de R?, } Figura 4.14 4 COMENTARIO | Otra forma de decir que el sub: | Conjunto mostrado en ls figura | 4.14 no es un subespacio de A 8 hacer notar que este no con- vector caro (9! origen). 4.3 Subespacios de espacios vectoriales 165 SUBESPACIOS DE R” 2s una fuente conveniente para ejemplos de espacios vectorialesy cl resto de esa see- cidn se dedica a analizar subespacios de R®, MAKI] Determinacién de subespacios de A? éCual de estos dos subconjuntos es un subespacio de R°? 4. El conjumto de puntos de la recta dada por x + . El conjunio de puntos en ta recta dada por x + 2y SOLUCION 4 Al despejarxse observa que un punto en Rest en la recta x + 2y = 0 iy slo sies ela forma (~ 2,1), donde ses cualquier niimero (véase la figura 412) Para demosirar que este eonjunto es cerrado bajo la suma, sean v, (~ 2, 4) dos puntos cualesquiera de la recta. Entonces, s¢ tiene tvs = (—2t4.4) + (2h) 2lty + ta). ty by) = donde a= fy + fy Por tanto, vj + vz est en Ia recta y el conjunto es eerrado bao la supa, De manera semejante sc puede demostrar que el conjunto es cerrado bajo la nul, tiplicacién escala. Por tanto, este conjunto es un subespacio de Este subconjunto de &* noes un subespacio de R*ya que todo subespacio debe contener ¢l vector cero (0,0) y el veetor cero (0, 0) no pertenece a la recta x + 2y = 1. (ve Ia figura 4,12), De las dos recta del ejemplo 6, la que es un subespacio de Res la que pasa por el Guten, Esto es caracteristic de los subespacios de R°. Es deci, si Wes un subconjunto de °-entonces es un subespacio si y slo si se cumple una dels siguientes proposiciones. 1. Weonsta sdlo del punto (0, 0) 2. Weonsta de todos los puntos sobre una recta que pasa por el orien, 3. Weonsta de todo R?, En Ia figura 4.13 se muestran gréficamente estas tres posibilidades. Ws todos los puntos en una recta pasan por el origen Figura 4.13, EMIT] Un subconjunto de Fe que no os un subespacio Demuestre que el subconjunto de A que consta de todos los puntos en el frculo unitario a5 y2= To es un subespacio, SOLUCION Este subconjunto de R° ino es un subespacio, ya que los puntos (1, 0) y (0,1) estin en el subconjunto, pero su suma (1,1) nolo esti (véase la figura 4.14). Por tanto, este suten junto noes cerado bajo I sua, rT165 Capitulo 4 Espacios vectoriales Elorigen no estienel plano Elorigen estd enel plano 0,0,0), Figura 4.15 Said Ke}t3) Determinacién de subespacios de A” {Cuil de los siguientes subconjuntos es un subespacio de R? a W= (rp ta, 1s) y x son mtimeros reales) W= (lex) Fyre SOLUCION ‘a, Como 0 = (0,0, 0) no esté en W, se sabe que W no es subespacio de R?. b, Este conjunto es no vaeto, ya que contiene al vector cero (0,0, 0). Sea 6 dos vectores en W, y sea ¢ cualquier numero real, Demuestre que W es cerrado bajo la suma, como sigue. 1 ¥-X38on niimeros reales) vty uy) y= Cus y ¥ ays ty) VR (ry Fan vy Fae, tages + ty) (4 Fy (oy ay) + (05 + as) Ys #4) yy tay) v1 + th YX) = v5 + its, Por tanto, v + w esté en W porque es de la forma la. De manera semejante, W es cerrado bajo Ia multiplicacién escalar porque prop ev (ev, fv, + ¥9).085) (ery, 00, + ery, 0r9) = (ex + yas) onde 2 = er) y x5 = evs, lo que significa que ev esté en W. Entonces W es un subes- pacio de f° a En el ejemplo 8, observe que la grafica de cada subconjunto es un plano en R, Sin embargo, pero el nico que es un subespacio es el representado por el plano que pasa por cl origen (véase la figura 4.15), En general, usted puede demostrar que un subconjunto W de Kes un subespacio de R° (con las operaciones normales) si y s6lo si es de alguna de las formas siguientes. 1. Wconsta séo det punto (0, 0, 0). 2. Weonsta de todos los puntos sobre wna recta que pasa por el origen. 3. W-consta de todos los puntos en un plano que pasa por el origen, 4. W consta de todo R°. ALGEBRA —_ Elprocesamiento de sofales dligitales dapende del muesteo, que LINEAL convietasonales continues en secvancasdicratas que puodan el zat los dieposiivesdigtbee.Tracicionelments ol mucetico es us AAPLICADA forme y por puntos, y se obtiene de un tno espacio vectorial. Des- pus, a secuencia resllanta se reconstruye.on un sefel de dominio Continuo. Tal proceso sin embargo, pads involucrar una Imporente reduccin do informacion, que puede reslter en une see recone ‘tuida de bas ealidad. En aplieaciones como un vader geofisie y smunizasiones inelémbrieas los investigadores han deterinego Situaciones en las cules el musstrea da sm unin de subespacios vectorales puede ser més apropiad, Fuente: Samping Signals from 4 Union of Subspaces—A New Perspective forthe Extension of This Theory, Lu ¥.M nd Do, HLA, EEE Signal Processing Magazin, Marzo, 2008) emshwsneton 10. 2, 1B “ 15.4.3 Ejercicios 167 ficacién de subespacios En los ejervicios | 1 6, com- pruebe que W es un subespacio de V. En cada caso, suponga ‘que V tiene las operaciones estéindar, 1. W = {eyo -83545, 0): 24, x2y 4 00 mlimeros reales) ver (x,y, 2 — 3y): xy yson niimeros reales} 3, Wesel conjunto de todas las matrices de? X 2 de la forma 0 [ol Ve Ma 4. Wes el conjunto de todas las matrices de 3 x de la forma a 6 a+b 0 oe. Mya 5. Céloulo Wes el conjunto de todas las funciones conti- nuas en (0, 1]. V es el conjunto de todas las funciones integrables en (0, 1] 6. Célculo Wes el conjunto de todas las funciones deri- vables en (0, 1]. Ves el conjunto de todas las funciones, ccontinuas en (0, 1]. Subconjuntos que no son subespacios En los cjorcicios 7 0 20, W no es um subespacio del espacio vectorial dado. Compruebe lo anterior por medio de un ejemplo especitico ‘que viole Ia prueba para un subespacio vectorial (teorema 4.5). 7. Wes el conjunto de todos los vectores en r cuya tercera ‘componente es -1. 8. Wes el conjunto de todos los vectores en R® cuya segunda componente es |. 9. Wes el conjunto de todos os vectores en K® cuyas com- ponentes son ndmeros racionales. 10. Wes el conjunto de todos los vectores en R® cuyas com- ponents son enteros. U1, Wes el conjunto de todas las funciones no negativas en C=, 2), 12, Wes el conjunto de todas las funciones lineales ax + b, a #0,enCi-=, ) 13, Wes el conjunto de todos los vectores en R* cuyas com- ponentes son no negativas. 14, Wes el conjunto de todos los vectores en R® cuyas com- Ponentes son pitagéricas triples. 15, Wes el conjunto de todas las matrices en M3 de la forma 0 a & e 0 dh efi 16. Wes el conunto de todas las mates en Mf, de a Forma [a 0 val! 17. Wes el conjunto de todas las matrices en M,,,con deter- minantes cero, 18. Wes el conjunto de toxdas las matrices en mi tales que AeA 19. W es el conjunto de todos 10s vectores en A cuya ‘segunda componente es el cubo de Ia primera 20, WW es el conjunto de todos los vectores en cuya segunda componente es el cuadrado de la primera. Determinacién de subespacios En los cjercicios 21 28, determine si el subconjunto de C{-, 2) es un subespa- cio de C2, ), 21. El conjunto de todas las funciones positivas: fix) > 0 22, El conjunto de todas las funciones negativas: f(x) <0 23. El conjunto de todas las funeiones pares: f=») = f(s) 24, El conjunto de todas las Funciones impares:ft-x) = fx) 25. El eonjunto de todas las funciones constantes: f(s) = ¢ 26. El conjunto de todas las funciones exponenciales fl «donde a > 0 27. El conjunto de tla las fonciones tales que (0) = 0 28, El conjunto de todas las funciones tales que f(0) = 1 Determinacién de subespacios En los ejercicios 29-36, determine si el subconjunto de M,,,es un subespacio de My ccon las operaciones estindar. 29, El conjunto de todas las matrices triangulares superiores den Xn, 30. Ei conjunto de todas las matrices diagonales den Xn 31. El conjunto de todas las matrices de n Xn con elemen- {os enteros, 32. El conjunto de todas las matrices A den X n que conmu- tan con una matriz,B den X mn dada 33. El conjunto de todas las matrives singulares de m 1 34. El conjunto de todas las matrices invertibles de m X 38. El conjunto de todas la matrices de n n cuya suma de sus elementos es mayor a cero. 36. El conjunto de todas las matrices de n Xn cuya traza es distinta de cero, Determinacién de subespacios En los ejercicios 37 a 42, determine si el conjunto Wes un subespacio de R* con las operaciones normales. Justifique su respuesta, 31. W= {G5 %y O} 5 som nme rales} BRL W = f(s. 4 sy 880m mero reales} 39. (a,b, a + 2b): ay b son ntimeros reales) 40. W = {(s,s — 1,1): sy ton niimeros reales) 41. W = (Oey 8 42. W = {654 Urals 1 ¥ 52 50n miimeros reales) 2 y.35 0m mimeros reales, xy # O}168 Capitulo 4 Espacios vectoriales eerdadero o falso? En los ejervicios 43 y 44, determine Cull de las expresiones es verdadera o falsa. Si la expresion es verdadera, proporcione una razén o cite una expresién adecuada del texto, Si la expresién es falss, proporcione un ejemplo que muestre que Ia expresién no es cierta en todos los casos 0 cite del texto una expresién adecuada, 43, (a) Todo espacio vectorial V contiene al menos un sub- espacio que es e! subespacio nulo, Vy W son subespacios de un espacio vectorial u, entonces Ia interseccién de V y W es también un subespaci (©) Si U, Vy Wom expacios vectoriales tales que Wes tun subespacio de V y U es un subespacio de V, entonces W = U. 44, (2) Todo espacio vectorial V contiene dos subespacios ppropios que son el subespacio nulo y V mismo. (b) Si Wes un subespacio de R*, entonces W debe con- tener al vector (0, 0). (©) Si Wes un subespacio de un espacio vectorial V, entonees tiene cerradura bajo 1a adicién como se define en V, 45, Considere los espacios vectoriales BP Pye oP (b) ‘menor o igual a k con las operaciones estindar. Demsues- tre que si j = k,entonces Pes un subespacio de Py, 46. Céleulo Sean W, Ws, Ws, Way Ws, definidos como en el Bjemplo 5. Demuesire que Wes un subespacio de W; para i= j. 47, Calcul Sea F(-2, «) el espacio vectorial de funcio- nes de valor real definidas en la recta real complet Demuestre que cada uno de los siguientes es un subes- pacio de Fi, 2). (@) Ce», =) (©) El conjunto de todas tas funciones diferenciables f definidas en Ia recta de mimeros reales (©) El conjunto de todas las funciones diferenciables £ definidas en ta recta de mimeros reales que satisfacen In ecuacin diferencial ' - 3f = 0 48, Cileulo Determine si el conjunto s=fectun [roa] es un subespacio de C0, 1]. Demuestre su respuesta, 49. Sea W el subconjunto de R* que consta de todos los puntos en una recta que pasa por el origen. ‘Tal recta puede representarse con las ecuaciones paramétricas aah) mbt y deal. Utilice estas ecuaciones para demostrar que W es un pubespacio de R? 50, IRIEIMDAMT IE Explique por qué es suiciente probar Ja cerradura a fin de establecer que un sub Conjunto no vacio de un espacio vectorial es un subespacio, 51. Demostracién guiada Demuestre que un conjunto W no vaefo es un subespacio de un espacio vectorial V si y sélo si ax ++ by es un elemento de W, donde a y b son fescalares cualesquiera y x y y estén en W. Inicio: suponga que Wes un subespacio en una direccién yy demuéstrelo aplicando los axiomas de cerradura que colocan a ax + by en W. En la otra direccién, supongn ‘que ax + by es un elemento de W para todas las escalares ay by todas los vectores xy yen Wy compruebe que W es cerrado bajo Ia suma y la multiplieacién escalar. (@ Si Wes un subespacio de V, entonces use Ia cerra- ura de la multiplicaci6n escalar para demostrar que ax + by esti en W. Utilice la cerradura bajo la suma para obtener el resultado deseado. Gi) En contraparte, suponga que ax + by esté en W. ‘Con una asignacidn ingeniosa de valores especii- cos para a y b, demuestre que W es cerrada bajo la ssuma y la multiplicaciga escalar 52, Sean x, y yz vectores en un espacio vectorial V. Demuestre que el conjunto de todas las combinaciones lineales de x, y y2 W = {ax + by + ez: a, by cson escalares} es un subespacio de V. Este subespacio se denomina generador de (x, ¥,7). 53, Prueba Sea A una matriz ajustada de 2 X 3. Demues- tre que el conjunto ety no es un subespacio de f° 54. Prueba Sea A una matriz ajustada de m Xn. Demues- tre que el conjunto W = (x © R*: Ax = O} es un subes- pacio de 55. Prueba Sea W un subespacio del espacio vectorial V. Demuestre que el vector nulo en Ves también el vector nulo en W. 56, Dé un ejemplo que demuestre que la unién de dos sub- espacios de un espacio vectorial V no necesariamente es tun subespacio de V. 57, Prueba Sea A una matriz fija de 2 X 2. Demuestre que el conjunto W = {X : XAB = BAX) es un subespacio de Mog 58. Prueba torial U. (@) Demuestre que el conjunto V+ W= (u:u=v+wdondeve Vy we W} 5 un subespacio de U. (b) Describa V+ W si Vy Wson subespacios de U = EV = ((x, 0): x 5 un niimero real] y W = ((0, y: ‘y €5 un mimero real}. Prueba Complete la demostracién del teorema 4.6 al probar que la interseccién de dos subespacios de tun espacio vectorial es cerrada bajo la multiplicacién scalar. ‘Sean Vy W dos subespacios del espacio vee-44 Conjuntos generadores @ independencia lineal 169 [W_Escribir una combinacién lineal de un conjunto de vectores en un espacio vectorial V, Im Determinar si un conjunto de vectores en un espacio vectorial Ves un conjunto generador de V. I Determinar si un conjunto de vectores en un espacio vectorial Ves linealmente independiente. COMBINACIONES LINEALES DE VECTORES EN ESPACIOS VECTORIALES En esta seccién se comienzan a desarrollar los procedimientos para representar cada vector en un espacio vectorial como una combinacidn lineal de un mimero selecto de vectores cen el espaci Definicién de combinacién lineal de vectores Un vector v en un espacio vectorial V se denomina combinacién lineal de los vec (ores uy, us,..., ucen Vsi v puede expresarse en la forma Ve + eu, ++ st gy donde cy, cn... ¢¢s0n escalares, A menudo, uno o més vectores en un conjunto dado pueden expresarse como combi- naciones lineales de otros vectores en cl conjunto, Esta posiblidad se ilustra con los ejem- plos 1,23. EJEMPLO Ejemplos de combinaciones lineales a. Para el siguiente conjunto de vectores en f°, S= {(1, 3,1), (0,1, 2), (1,0, —5)} es una combinacin lineal de ¥; v3 porque 3p ¥y = 300, 1,2) + (1,0, -5) (1, 3, 0). 1. Para el siguiente conjunto de vectores en M2, Ie aC Ie gy ‘yes una combinacién lineal de Va, ¥3, y Vs porque En cl ejemplo 1 fue fécil verificar que uno de los vectores en el conjunto $ es una comibinacién lineal de los otros vectores, porque se contaba con los coeticientes adecuados ara formar In combinacicn lineal. En el siguiente ejemplo se muestra un procedi- ‘miento para determinar los coeficientes.170 Capitulo 4 Espacios vectoriales (S=V[7Ke)"2 ] Determinacién de una combinacion lineal 1, 1, 1) como una combinacién lineal de vectores en el en el con- Escriba el vector w junto. $= {(1,2,3).(0,1,2),(-1.0, DE SOLUCION Es necesario encontrar escalares ¢, ¢ estes que (1, 1.1) = e(1,2, 3) + €(0, 1, 2) + e(-1, 0, 1) (6,.24).3e)) + (0,¢y 20) + (5.0405) =] ~ 626, + ep dey +26; +65) Al igualar las componentes correspondientes resulta el siguiente sistema de ecuaciones lineales. 4 4 wt = 3c, + 24 + 65 Usando la eliminacién de Gauss-Jordan, la matriz, aumentada de este sistema se reduce por renglones a 1 o-1 1 Oo 1 2-1 0 0 0 0, Asi, este sistema tiene un ntimero infinito de soluciones, cada una de la forma -1-% & Para obtener una solucién, podria hacerse que 1 = 1. Entonces, ¢3 = 1, cp y se tiene que w= 2v, = 3¥, + yy, Bye, Otras elecciones para 1 producen otras maneras de expresar w como una combinacign lineal de v1, Voy Vs. ES\AMOEN| Determinacién de una combinacién lineal ‘Sis posible, exprese el vector w= (1,-2.2) ‘como una combinacién lineal de vectores en el conjunto $ dado en el ejemplo 2. SOLUCION Siguiendo el procedimiento dado en el ejemplo 2, se obtiene el sistema 4 -g=1 de, + ey 2 3424 +e = 2. La matriz aumentada de este sistema se reduce a 1 0-1 0 OEE a0) oo o 1 A partir dl terer renglén se eoncluye que el sistema de eeuaciones es inconsistente y, por tanto, no hay soluci6n. Ast que W no puede expresarse como una combinacién lineal de ¥, Vas ¥ Va.4.4 Conjuntos generadores e independencia lineal 171 CONJUNTOS GENERADORES ‘Si todo vector en un espacio vectorial puede expresarse como una combinacién lineal de vectores en un conjunto S, entonces se dice que S es un conjunto generador del espacio vectorial. Defini Sea $= (vj, Vay. ++, Va} un subconjunto del espacio vectorial V. El conjunto S se denomina conjunto generador de V si todo vector en V puede expresarse como una ‘combinacién lineal de vectores en S, En estos casos se dice que S genera a V. [=W)=i/[JKe)“! | ejemplos de conjuntos generadores a, El conjunto S = {(1, 0, 0},(0, 1, 0), (0, 0,1) genera a R®, ya que cualquier vector u {uy a. ts) en R® puede escrbirse como w= 174(1, 0,0) + 1400, 1,0) + 14(0, 0, 1) = (ery teste) b. El conjunto S = {1,x,.x7} genera a P>, ya que cualquier polinomio p(x) = a + by + cx" en P2 puede expresarse como Pla) = alt) + Bfa) + ele?) mot bet FT in de conjunto generador de un espacio vectorial Los conjuntos generadores dados en el ejemplo 4 se denominan conjuntos generado- rres estindar de R° y P,, respectivamente, (Enn la siguiente seccién se ahondard mis en estos conjuntos generadores). En el siguiente ejemplo se considera un conjunto generador no estindar de R. [=SJ=MiI-1K6) 5 ] Un conjunto generador de F* Demuesize que el conjunto $ = ((1, 2, 3) (0, 1.2) SOLUCION Sea w = (an, 3,13) cualquier vector en R?. Busque escalares cy, ey es tales que ei(l. 2,3) + ex(0, 1,2) + e4(-2,0, 1) = (€, — 2ey. 2c, + cy, 3e, + 2c, + ey). 2,0, 1)) generaa R*, (ta) Esta ecuacisn vectorial produce el sistema 2+ ty Be, + 2c, + y= iy La matriz de coeficientes de este sistema iene un determinant diferente de ceo (intente verificar que es igual a -1) y, dela lista de condiciones equivalentes dada en la seccisn 3.3, se concluye que el sistema tiene solucién tinica. Entonces, cualquier vector de R° puede expresarse como una combinacin lineal de los veetores en S, y por tanto se con- cluye que § genera a R. a [SU=NVI IMC) ] Un conjunto que no genera a FP Del ejemplo 3 se sabe que el conjunto S={(1,2,3),, 1.2). (-1,0, 1D} io genera a R° porque w = (1, ~2, 2) esti en R*y no puede ser expresado como una com bbinaciGn lineal de los vectores en S.112 Capitulo 4 Espacios vectoriales Al comparar los conjuntos de vectores en los ejemplos 5 y 6, se observa que los con- Juntos son los mismos excepto por una diferencia aparentemente insignificante en el tercer vector. 5, = (1,23) 0,1,24(-2,0, DP Ejomplos 5; = ((1,2,3),(0,1,2)(=1,0, DF Ejemplos Sin embargo, la diferencia mencionada es importante porque cl conjunto S; genera a R?, en tanto que el conjunto Sp no. La razén de esta diferencia puede observarse en la figura 4.16. Los vectores en S son coplanares; los vectores en $j no lo son, ‘Aunque el conjunto S> no genera a todo R?, sf genera un subespacio de A el plano en {que estin los tres vectores de S>. Este suibespacio se denomina espacio lines! generado por Sz, como se indica en a siguiente definicicn, S1=((1.2.3),, 1,2),€2,0, 9) Los vectores en S no est ‘en un plano comin Definicién de generador de un conjunto SiS = (v;,¥2,.-.,¥e} 8 un conjunto de vectores en un espacio vectorial V, entonces el generndor de es el conjanto de todas las combinaciones lineales de los vetores ens, em) = (e,v, + cava + 6: Cy Co -e450N mies reales), El generador de Ses denotado por gen(S) 0 gen[¥i. Yous. ¥s) Si gen(S) = V,entonces se dice que V es gemerado por (vj. Yas. 4) 0 que S (1,23), (0, Las vectores en Ses en un plano comin C1001 in genera a V. El siguiente teorema establece que Ia generacién de cualquier subconjunto de un espacio Figura 4.16 oe vectorial es un subespacio de V. TEOREMA 4.7 gen(S) es un subespacio de V SiS = (Vj, ¥q.-.,¥4) esun eonjunto de vectores en un espacio vectorial V, entonces ‘gen(S) es un subespacio de V. ademés, gen(S) es el menor subespacio de V que con- tiene a S; en el sentido de que cualquier otro subespacio de V que contenga a S debe contener a gen(5} DEMOSTRACION Para demostrar que gen(S), el conjunto de todas les combinaciones lineales de V}, V2, ‘Ye ¢8 un subespacio de V, demuestre que es cerrado bajo la suma y la multipli lar, Considere dos veetores cualesquiera u y ¥ en gen(S), yy tess te tay yy, # diy + + dye Ce et Y dds. ody son escalares. Entonces WHVEG +d) + Qt dy t---+ (qt ayy, y y cu = (ce,)v, + (cosy + + + = + (coy Jo cual significa que u + vy cu también pertenecen a gen(S) porque es posible expresarlos como una combinacidn lineal de vectores en S. Por consiguiente, gen(S) es un subespacio de V. Se deja que usted demuestre que gen(S) es el menor subespacio de V que contiene a S (Véase el ejervicio 55.)4.4 Conjuntos generadores e independencia lineal 173 DEPENDENCIA LINEAL E INDEPENDENCIA LINEAL Para un conjunto de vectores S= (vee td cn un espacio vectorial V, la ecuacién vectorial gy tea te tay =O siempre tiene la soluci6n trivial 6 = 0,6, =0, Sin embargo, a menudo también hay soluciones no triviales. asf, en el ejemplo I(a) se vio que en el conjunto 5 = {01,3, 1), @ 1,2), (1,0, =5)} el vector v, puede expresarse como una combinacién lineal de los otros dos como se mues- {ra a continuacisn. yy =v ty La ecuacién vectorial Gh + ay: + ey, tiene tna solucién no trivial en la cual no todos los coeficientes son iguales « cero: 4 -3, ger Esta caracterfstica se describe al decir que el conjunto S es linealmente dependiente. Si Ia tinica solucién hubiese sido la trivial (cy = c, = c= 0), entonces el conjunto S serfa linealmente independiente, Este concepto es esencial en algebra lineal, por lo que se plantea formalmente en Ia siguiente definicién. Definicién de dependencia lineal e independencia lineal Un conjunto de vectores $ = {¥y, v2... Vx) en un espacio vectorial V se denomina linealmente independiente si la ecuacién vectorial qv tamt- Fea tiene solamente la solucién trivial, (=O)... 0. Si tambign hay soluciones no trviales, entonces Sse denomina linealmente depen iente. [SaAKeyA| ejemplos de conjuntos linealmente dependientes ‘a. El conjunto S = {(1, 2), (2, 4)) en R*es linealmente dependiente porque =2(1, 2) + (2,4) = (0, 0). b. El conjunto $ = {(1, 0), (0, 1), (-2, 5)} en Res linealmente dependiente porque 2(1, 0) ~ 5(0,1) + (2,5) = (0,0). ¢. El conjunto $ = {(0, 0), (1, 2)] en Res linealmente dependiente porque 1(0, 0) + O(1, 2) = (0.0). a En el siguiente ejemplo se muestra un procedimiento para verificar si un conjunto de vectores es linealmente dependiente o independiente.174 Capitulo 4 Espacios vectoriales (=VJsi{1-1We)} | Comprobacién de independencia lineal ine si el siguiente conjunto de vectores en Res linealmente dependiente o indepen- S= Evy, Yo Vy} = £11, 2.3). 0, 1,2), (2,0, D} SOLUCION Para verficar Ia independencia o la dependencia lineal, se forma la ecuacién vectorial J gy, tem, + em =0. Sila Gniea solucién de esa ceuacién es ¢) = e2 = ¢5 = 0, entonces el conjunto es lineal- ‘mente independiente. En caso contratio, 5 es Hinealmente dependiente, al desarrollar esta ecuacidn se obtiene e((1, 2.3) + (0, 1,2) + e,(-2,0,1) = (0, 0,0) 2ey,2ey + em, 3e, + 2ey +e) = (0,00) lo cual produce el siguiente 6 2e,=0 Xt 0 Je t2q+ ey istema homogéneo de ecuaciones lineales en c,¢2 ¥ €3 iatriz aumentada de este sistema se reduce por eliminacién de Gauss-Jordan como se a continuacién, 10-2 0 1 0 0 0 2 1 0 of fo 1 0 0 A 2 41 40: oo 1 oO Esto implica que la nica soluctén es la trivial, ¢) = ey = cy= 0, Por tanto, Ses linealmente independiente. a Los pasos mostrados en el ejemplo 8 se resumen a continuacién, Comprobacién para la independencia y dependencia lineal Sea $= {¥j.¥3.. « «. Va} un conjunto de vectores en vn espacio vectorial V. Para determinar si $ es linealmente independiente o dependiente, se efeciian los pasos siguientes 1, A partir de la ccuaci6n vectorial ey, + eave ++ + = + ey, =O eseriba un si tema homogéneo de ecuaciones lineales en las variables ¢1,€>.. +. ¥ € 2. Utilice 1a eliminacién gaussiana para determinar si el sistema tiene una solucién 3. Siel sistema tiene solamente la solucin trivial, ¢ ‘entonces el conjunto 5 es linealmente independiente. Si el sistema tam tiene soluciones no triviales, entonces S es linealmente dependiente, ALGEBRA Latrenstormacin de imagenes es ol procaso poral LINEAL es transtormad: ‘medias sinttices. Dicha traneformaciontiane une ampla varieced de APLICADA Spicaciones, que incuyon eects especiales en pelccas, la simular de resultados de curacién de herds y clrugia cosmetica y para programas computacionales de progresion de adad. La transforma- cin da una imagen recurre a un proceso llamade distarsién, en el una plaza de una imagen se distorsiona. Las maternticas detris dio la dstorsidn y transtermacién pueden incu a formacion de una combinacién lineal de los vectores lingalmerta independientes encus- dran a una piezatianguler de una imagen, y realizar una transforma. cn atin para formar vectores nueves y una imagen ditorsionede,4.4 Conjuntos generadores e independencia lineal 175 (SY=MIKe)E))] Comprobacién de independencia lineal Determine si cl siguiente conjunto de vectores en Pes linealmente independiente 0 depen- diente, S=(ltx- xx} SOLUCION Al desarrollar la ecuacidn ev) + ex¥2 + es¥5 = 0 se obticne a(l + x= 28) + 2 + 5x = 29) + let fe, + 2c.) + (ey # Sey tes + (20, = e+ ed 0+ Or + Ox 0+ Or + Or Al igualar los coeficientes que corresponden a potencias iguales de x se llega al siguiente sistema homogéneo de ecuaciones lineales en ¢},.¢2Y ¢s. 1 + 2c; 0 cy 5c +e = 0 qQtea=0 La matriz aumentada de este sistema se reduce por eliminacién de gaussiana como se ‘muestra a continuaciGn, oo 4 0 : 12 0 0 1 1 5 1 Of = Jo -2-1 1 0. 0 0 Esto implica que el sistema tiene infinidad de soluciones. Por consiguiente, el sistema debe tener soluciones no triviales y puede concluirse que el conjunto S es linealmente depen- diente ‘Una solucién no trivial es 422% @e-k y G=3 lo que da como resultado la combinacién lineal no trivial (2\(1 +x — 2x4) + (“DQ + Sx — 9°) + BIO tx fev=NV{i1e)¢(0)] Comprobacién de independencia lineal linealmente independiente 0 Determine si el siguiente conjunto de vectores en Ms, dependiente, 2 1173 opp. oF s{ TE SE a SOLUCION A partir de la ecuacién cy; + ex¥2 + ey¥s = 0 se obtiene 2 4-f3 Tes ale HI as ee tho d-b la cual produce el siguiente sistema de ecuaciones lineal. 2q +3q + ey =0 & 0 2ey + 2e, ate Utilice la eliminacién Gaussiana para demostrar que el sistema s6lo tiene la solucisa ti vial, lo que significa que el conjunto 5 es linealmente independiente.176 Capitulo 4 Espacios vectoriales fSN]=V13K0}th)] Comprobacién de independencia lineal Determine si wwiente conjunto de vectores en My, es linealmente independiente 0 dependiente. MPTP yy o offif} alfa s=tnrerrd = bok thot 0} (2) L-2. 2, SOLUCION A partir de la ecuacidn e,¥y + es¥s + ex¥s + cxvs= 0, se obtiene r 1 o 9] fo 0 1 3 1f_|o al_altelgltal ilted_i/=|o 0. ol le, 2 2 La cual produce el siguiente sistema de ecuaciones lineales. ate GQt3yt q=0 4 FG 2ey = 2ey + Bey Utilice la eliminacién gaussiana para demostrar que el sistema s6lo tiene 1a solucién trie ‘vial, lo que significa que el conjunto $ es linealmente independiente. a@ Si un conjunto de vectores es linealmente dependiente, entonces, por definicién, la couacién cv + eve +" + e¥, = 0 tiene una solucién no wivial (una solueién para la cual no todos los ¢; son iguales a cero). Por ejemplo, si c; # 0, entonces se puede des- pejar v; de esta ecuacién y escribirlo como una combinacién lineal de los demés vectores V2. V3. +, Ve En otras palabras, el vector v, depende de los demés veetores del conjunto. Esta propiedad es caracterfstica de un conjunto linealmente dependiente, TEOREMA 4,8 Una Propiedad de los conjuntos linealmente dependientes Un conjunto $ = {¥j, ¥3...+,¥,)+42 2, ¢s linealmente dependiente si y s6lo si por Jo menos uno de los vectores ¥ puede expresarse como una combinaciéa lineal de los demas vectores en S. DEMOSTRACION Para demostrar ef teorema en una direccién, se supone que $ ¢s un conjunto inealmente dependiente, Entonces, existen escalates cy, c2, C3, ¢-(n0 todos iguales a cero) tales que aM + eas bevy tt eve =O. Debido 2 que uno de los coeficientes debe ser diferente de cero, ninguna generalidad se pierde al suponer cy # 0. Entones, al despejar v; como una combinacién lineal de los demas vectores se obtiene. De modo contrario, suponga que el vector v, en Ses una combinacién lineal de los de vectores. Es decir, Wah t gy) + + eve Entonces la ecuaciGn — vj = o3¥2 + o5¥3 + + e,¥,= O tiene por lo menos un cocficiente =I, diferente de cero y puede concluirse que Ses linealmente dependiente aCOMENTARIO El vector cero siempre es un ‘multiplo escalar do otro vector fen un espacio vectorial. 4.4 Conjuntos generadores @ independencia lineal 177 apse Representacién de un vector como una TEOMA combinacién tineal de otros vectores, Enel ejemplo 9 se determing que el conjunto S={lte-2 + Sear t xt} es linealmente depenciente. Demuestre que uno de los vectores de este conjunto puede eseribirse como una combinaciéa lineal de los otros dos. sOLUCION En el ejemplo 9 se determing que la ecuaci6n ¢,¥, = c2v; + €3V3 = 0 produce el sistema ot 2c, eo +5, +e; 2 - ate Este sistema tiene un mimero infinito de soluciones, dadas por cs = 31, ¢2 = —1y ¢, al hacer ¢ = 1 se obtiene la ecuacisn 2v,— v3 + 3¥y = 0. Por consiguiiente, v3 puede escri birse como una combinacidn lineal de ¥, y ¥3 como se muestra a continuacién, 2v, + 3yy ‘Al comprobar se obtiene (Lexa El tcorema 4.8 tiene un corolario prictico que proporciona una prueba simple para determinar si dos vectores son linealmente dependientes, En el ejercicio 73 se pide que demuestre dicho coralario, TEOREMA 4.8 Corolario Dos vectores wy Ven tn espacio vectorial Vson linealmente dependientes si y silo si uno de ellos es un miltiplo escalar del otro. Comprobacién de la dependencia LESTE AKO) 11S lineal de dos vectores a, El conjunto $ = (vj, va} = ((1, 2,0), (~2, 2, 1)} ¢s linealmente independiente porque ¥1y Vzno son miltiplos escalares entre sf, como se observa en Ia figura 4.17 (a). b. El conjumo $= {¥), vo} = (4-4. V+ 3(r +x) = 2+ Sx — 2), (2, 2, 1)} es linealmente dependiente por- ue vj = ~2vz, como se muestra en la figura 4.17 (b}. a b. S=((1,2,0},62,2,D) Se (4—4,-2,62, Elconjunto Ses inealmente independiente El conjunto Ses linealmente dependents Figura 4.17178 Capitulo 4 Espacios vectoriales Combinaciones lineales En los ejervicios | a 4, deter- mine si cada vector puede expresarse como combinacién lineal de los vectores en S. 2, —1, 3) (5, 0,4)} 72,2) #0) v= (8,-1.9 (,-8,12) > @ w= (4-1) 2-10) (@) z= (-4,-3,3) (b) v= (2,-6.6) (©) w= (1, -22,22) — (@) w= (1, -5,-5) 3. $= {(2,0,7), (2,4, 5), (2, ~ 12,13) (a) w= (-1,5,-6) (b) v= (3,15, 18) (2,20, =3) 4. $= {(6,=7,8,6), (4,6, -4, DP (a) w= (42, 113, 112, -60) ) v= (39 -14,%) w= (-4,-14, 3,9 (@) z= (8,4, -1,4) Combinaciones lineales En los ejercicios $ a 8, para las matrices Gye 3] en Mag, determine cusles de tas siguientes son combinacio- res lineales de A y B. 6.2 “fail 6-19 so 4 ea aby Conjuntos generadores Enos ejercicios 9a 20, determine siel conjunto S genera a R°. En caso negative, proporefone uns descripeién geométrica del subespacio generado por S. 9 S= (21, (1,2) 10 5= {0,-0.2 DP MU. $= ((5,0),(5,~4)} 12. $= (2,0), 0,0} 13. 5 = {(-3,5)} 34. 5 = (01, DY 15. $= (1,3), (—2,~6), 4, 12)} 46. 5 = {(1,2),(-2, ~4),G, 1)} 17. $= {(-1,2), (2, —4)} 18. S = {(0, 19. § = {(-1,4),(4,-0, 0, D} 28. $= (1.3), 2,-1.0.) Conjuntos generadores En los ejercicios 21 a 26, deter- mine si el conjunto § genera a R', De no ser asi, dé una Aescripcién geometrica del subespacio generado por S. 21. S = {(4,7, 3), (—1, 2, 6), (2, 3, 5)} 22. S = {(6, 7, 6), (3, 2, —4), (1, 3, 2)} 23. S = ((-2,5,0, (4,63) 24, $= {(1,0, 1), (1, 1,0), (0, 1, 1)} 28. S = {(1, —2, 0), (0,0, 1),(-1,2,0)} 26. $= {(1,0, 3), 2,0, -1), (4,0,5), 2,0,6)} 27. Determine siel conjunto § = (1, x°,x°+ 2) genera Ps, 28. Determine si el conjunto S= (x8 — 2na? + Ba =a xt 4} genera P;, Pruebas para independencia lineal En los ejercicios 29 1140, determine si el conjunto S es linealmente dependiente o independiente. 29, $= {(-2,2), (3,5) 30. 5 = (3, ~6),(—1,2)} 31. 5 = {(0,0),(1, =} 32. S = {(1,0), (1, 1), (2, -D} 33. $= [(1, -4, D, (6,3, 2)} M4. 5S = {(6,2, 1), (-1,3, I} 35. $= {(1, 1, 1), (2,2, 2), (3,3, 3)} 6.2)} (6,0, 0)} 37, S={(-4, 38. 5 = ((1,0,0), (0, 4,0), (0,0, 6), (1,5, 39. S = (U4, (1, 8, 3, 1, ( -1,0)} 40. 5 = ((0,0,0,1), (0,01, .(0,1.1,0,(1, 11,1} Pruebas para independencia lineal En los ejercicios 41 144 determine cuales de los siguientes conjuntos en P, son lincalmente independientes. 41. $= {2 = x,2e = 9,6 - Sv + x7} 2s e+ 5} 43, S = fx + Bet 120? + v= Teh 44. 8 +1} Pruebas para independencia lineal Ein los ejercicios 45 ‘48, determine si las siguientes matrices de Mp9 forman wn Conjunto linealmente independiente, sacl cleft abe-[ f] fo ohe-[t mie we aan a ck 38 a cus cr los 39,Demostracién de dependencia lineal En los ejercicios 49 a 52, demuestre que cl conjunto dado es Tinealmente dependiente al hallar una combinacién lineal no trivial (de vectores en el eonjunto) cuya suma sea el vector nulo. Luego, exprese uno de los vectores del conjunto como una combina~ ign lineal de los demas 49. 5={(3,4),(—1, 1), 2, OF 50. $= {(2,4),(—1, ~2), 0,6) SL. {(1, 1, 1), (1, 1,0), (0, 1, 1), (0,0, 1) 52 $= ((, 2.3.4, (1,0, 1,2), (1.4.5, 6} 53, ;Para qué valores de r los siguientes conjuntos son linealmente independientes? (@) S= {10,040,010} () $= (1,1), (1,00), (1, 1,3) $4. {Para qué valores de 1 los siguientes conjuntos son Tinealmente independientes? (@) 5 = {(1,0, 0), (0, 1, 0), (0,0, 1)} () S= {640),(4, 1,0) (0,0, DF $5. Prueba Complete la demostracién del teorema 4.7. 56, FRE DMIAXT ES Por inspeccisn, determine por qué cada uno de los siguientes conjuntos es lineal- mente dependiente (a) 5 = {(1, =2), 2,3) (-2,4)} (b) = {(1, ~6, 2), (2, -12, 4)} (©) $= {(0,0), (1,.0)} Generacién del mismo subespacio En los ejercicios 57 ¥ 58, determine si los conjuntos 5) y 5 generan el mismo Ssubespacio de R 57. S, = {(1,2,1), 01,0, 2.5,-D) 5, = {(-2, -6,0), (1, 1, -2)} 58. 5, = {(0.0, 1), 0,1, 0,21, DP S = {010,121 D} Werdadero 0 falso? En los ejercicios 59 y 60, determine cual de las expresioncs es verdadera o falsa, Si la expresién 8 verdadera, proporcione una razén o cite una expresién adecuadla del texto, Si Ia expresin es falsa, proporcione un ejemplo que muestre que la expresidn no es cierta en todos, los casos o cite del texto una expresién adecuada. 59, (a) Un conjunto de veciores 5 = (W), Vay... ¥y) en un espacio vectorial es linealmente dependiente ecuacisn vectorial ¢,v, + es¥2 +... + Gy tiene s6lo la solucisn trivial. (b) El conjunto $ = ((1, 0,0, 0), 0, ~1, 0, 0), (0,0, 1, 0}, (0,0, 0, 1)} genera 60. (a) Un conjunto $ = (vi, v2. mente independiente si y s6lo si al menos uno de los vectores v, puede escribirse como una combinacién lineal de tos otros. (©) Si un subeonjunto S genera un espacio vectorial ¥, entonces todo vector en V puede eseribirse como una combinacidn lineal de los vectores en S. 4.4 Ejercicios 179 Demostracién En los ejercicios 61 y 62, demuestre que el conjunto de vectores es linealmente independiente y genera 61. B= (1,1, 1), (1, 1,0), (1,0, 0)} 62. B= {(1, 2,3}, 3,2, 1). (0,0, 1D} 63, Demostracién guiada Demuestre que un subcon- junto no vacio de un conjunto finito de vectores lineal- ‘mente independientes es linealmente independiente Inicio: necesita demostrar que un subconjunto de un conjunto linealmente independiente de vectores no puede ser linealmente dependient. (i) Suponga que S es un conjunto de vectores lineal- mente independientes. Sea T un subconjunto de S. (ii) Si T es linealmente dependiente, entonces existen constantes no todas iguales a cero que satisfacen la ‘eouacidn vectorial ¢,v) + ca¥3 +... + GX, = 0. (iii) Use este hecho para deducir una contradiceién y concluir que Tes linealmente independiente 64, Prueba Demvestre que si S; es un subconjunto no vvacio del conjunto finito de Spy Ses linealmente depen- diente, entonces también Ses linealmente dependiente. 68, Prueba Demuestre que cualquier conjunto de vectores ‘que contenga al vector cero ¢s linealmente dependiente. 66, Prueba Dado que (1, ta... ty) es un conjunto de vectores linealmente independientes, pero el conjunto (14), ta, 5 ty ¥) e8 linealmente dependiente, demues- {re que v es una combinacién lineal de los, 67. Prueba Sea {v),¥2,..-» ¥1) un conjunto de vectores Jinealmente independiente en un espacio vectorial V. limine el vector vyde este conjunto y demuestre que el conjunto {¥}, Vay.» Vi] no puede generar a V. 68. Prueba Cuando V es generado por {v avely tino de estos vectores se puede eseribir como una com- binacién lineal de los otros vectores k— 1, demuestre que el producto generado por estos veetores & — 1 tambin eV. 69, Prueba Sea S = (u, v} un conjunto linealmente inde- pendiente, Demuestre que el conjunto {w ++ ¥, uv} es Jinealmente independiente. Sean u, v y W tres vectores cualesquiera de un espacio vectorial V. Determine si el conjunto de vectores (v~u, W~ ¥, u —w) es linealmente independiente 0 lineal- mente dependiente 71. Prueba Sea A una mattiz no singular de orden 3. Demuestre que si (vj, Va ¥s} es un conjunto linealmente independiente en Mz,, entonces el conjunto (Avi, AY, Avy] es linealmente independiente también. Explique, por medio de un ejemplo, por qué esto no se cumple si A es singular, 72, Escriba {Bajo qué condiciones un conjunto que consta, de un solo vector es linealmente independiente? 70. 73, Demostracion Demuestre el corolario del teorema 4.8: dos vectores u y v son linealmente dependientes si s6lo si uno es miltiplo escalar de otro,180 Capitulo 4 Espacios vectoriales 5 Base y dimension COMENTARIO Esta definicién establece que tuna base posee dos caracierist- cas. Una base Sddabe tener suf ciontes vectores para generar V, aro no tantos de modo qua luno de ellos pueda escribirse ‘como una combinacién lineal de los demas vactoras en S, [Hl Feconocer bases en los espacios vectoriales A", Py ¥ Mine I Encontrar la dimensién de un espacio vectorial. BASE PARA UN ESPACIO VECTORIAL En esta seccién se continta cl estudio de los conjuntos generadores. En particular, se considerarin conjuntos generadores (en un espacio vectorial) que sean linealmente inde- pendientes y que, ademds, generen todo el espacio. Este tipo de conjuntos forma una Dase del espacio vectorial Definicién de base Un conjunto de veetores.$ = (vy, ¥2,...,¥j} enn espacio vectorial Ve denomina base de V si se cumplen las siguientes condiciones. 1, SgeneraaV. 2, Ses linealmente independiente, Esta definicién no implica que todo espacio vectorial tiene una base que consta de un zimero finito de vectores, Sin embargo, en este texto, el andlisis de bases esté restringido 4 aquellas que estén formadas por un niimero finito de vectores, Ademis, si un espacio vectorial V tiene una base que consta de un niimero finito de vectores, entontes V es de ,¥a} = (CL, 2,3); 1,2), 2,0, 1))- SOLUCION De Ia ecuacién (ys ay Hs) = c4(0y 2,3) + 690, 1,2) + c4(—2,0, 1) = (cy — 2ey, 20, + ey 3ey + 2e3 + &) se obtiene el siguiente sistema de ecuaciones. 4 IQs 1 0 1 doy + 2 1 | =| uy Sy t2qt qa [a 2 5, A © ou ‘Como Ia matriz A es invertible, se sabe que este sistema tiene una tnica solucién dada por ¢= Alu, Al despejar A“! se obtiene ey = my + uy = 2g y= Duy = Tuy + 4ity y= muy Por ejemplo, el vector u = (1, 0, 0) puede representarse tinicamente como una combina- ign lineal de ~ vj + 2v2— v3 como sigue Ahora, se presentarin dos importantes teoremas concernientes a las bases, TEOREMA 4.10 Bases y dependencia lineal SiS = [v1, Vay --++¥n) es uma base de un espacio vectorial V, entonces todo conjunto aque contiene mds de 1 vectores en Ves lincalmente dependiente. DEMOSTRACION Sea S; = (Wy, Uy... Uy) cualquier conjunto de m vectores en V, donde m > n. Para demostrar que $) ¢s linealmente dependiente, es necesario encontrar escalares kj, ky. ‘hq (n0 todos cero) tales que Fy, + key +++ + + gt, = 0. Eevacién | Como S es una base de ¥, puede concluirse que cada u,es una combinacién lineal de vec~ tores en S Uy = euv, envy Het Gun aM Fan HF GaN % Ui, = Cyn Faas FoF Ge Susttuyendo en la ecuacién 1 y reagrupando términos, produce dy + dyyy to + dy, = 0 donde dj = ¢yki + cay +. + cigky Ya que los v; forman un eonjunto li independiente, dj = 0. Ast, se obtiene el siguiente sistema de ecuaciones. euky + crake +++ + Cink = 0 caaky + craks Hot cag, =O 0 Pero este sistema homogéneo tiene menos ccuaciones que variables ki, ka aks t Gaks t+ Gane + Bn Ys OF el teorema 1.1, se sabe que debe tener soluciones no triviales. Por consiguiente, S; es linealmente dependiente,184 Capitulo 4 Espacios vectoriales [== I1Ke)7) ] Conjuntos linealmente deper ‘a, Dado que R° tiene una base que consta de tres vectores, entonces el conjunto S={(1.2,-1, (1, 1,0), 2, 3,0), 6,9, =) debe ser linealmente dependent ntes en FP y Ps '. Como P5 iene una base que consta de cuatro vectores,entonces el conjunto S={ll+uloytteest debe ser Hineatmente dependiente a vex} Como la base estindar de R" consta de n vectores, por el teorema 4-10 se concluye que todo conjunto de vectores en R" que contenga mas de n vectores debe ser linealmente =I, 3e-4 1,x7—2e + 3) no es una base de Py co SOLUCION i a, La base estindar de R° tiene tres vectores y 5} tiene slo dos. Por tanto, por el teozema R 4.11, §; no puede ser una base de R. b, La base estindar de Ps, $= {1,.x,x%,x°), tiene cuatro elementos, Asi, por el teorema re 4.11, el conjunto Ss tiene demasiados elementos para ser una base de Ps. ALGEBRA I modelo de color RGB usa la teoria de que todos los colores visi LINEAL reorient xy eosinCOMENTARIO En el ejemplo 92, et subespacio Wes un plano bidimensional en F? determinado por los voctores (0,1, 1) y (1,~1, 0). En el ejem- plo Sib}, el subespacio es una ‘recta uniimensional 4.5 Baseydimensién 185 DIMENSION DE UN ESPACIO VECTORIAL Por el teorema 4.11, usted sabe que si un espacio vectorial V tiene una base que consta de 2 yectores, entonces toda otra base del espacio también tiene 1 vectores. El niimero n se denomina dimensién de V. Definicion de dimensién de un espacio vectori: Si un espacio vectorial V tiene una base que consta den vectotes, entonces el nimero ‘nse denomina dimension de V y se denota por dim(V) = n. Si V consia solamente del vector nulo, entonces la dimensin de Vse define como cero. La definicidn anterior le permite observar las earacteristicas de las dimensiones de algunos espacios vectoriales conocidos. En cada caso, la dimensién se determina contando jimplemente el nfimero de vectores que hay en la base normal 1. La dimensién de R" con las operaciones estindar es 1. 2. La dimensiin de P, con las operaciones estindar es n + 1. 3. La dimensidn de M,q.con las operaciones estindar es mn. Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar que la dimensién de Wes finita y que la dimensién de Wes menor 0 igual que 1 (Véase el eercicio 75) En los tres ejemplos siguientes vera una técnica para determinar Jn dimensién de un subespacio, Basicamente, puede determinarse In dimensisn al hallar un conjunto de vectores linealmente independientes que genere cl subespacio. Este conjunto es una base del subespacio; la dimensidn del subespacio es el niimero de vectores que hay en Ja base. [=N-N[JMe)E) |] Determinacién de la dimensién de un subespacio fa subespacio de R° Determine la dimensién de a. W= ((d,ed,c}: ey d son nimeros reales} b. W= ((2b, b 0): bes un niimero real)) SOLUCION 1, Al escribir el vector representativo (d, ¢~ dc) como (a,c = dye) = (0, 6,6) + (a, ~d,0) = (0,1, 1) * dl, 1,0) aplicando las técnicas descritas en la seccién anterior, se puede demostrar que este Conjunto ¢s linewlmente independiente. Por tanto, es una base de W y puede concluirse que W es un subespacio bidimensional de R° b, Al escribir el vector representativo (2b, b, 0) como (2b, b, 0) = 2, 1, 0), bse Wes genera pore eonunios = (2,10) Asi, Hes un subespacio unidimer de R, FATT TMC MC) Determinacién de la dimen: n dl subespacio W de & generado por (=1,2,5.0). (3,0, 1, -2).(-5,4,9, 9h nde un subespaci Encuentre la dimen: Vs YoY} SOLUCION Aunque Wes generado porel conjunto 5, éte no es una base de W porque ¢s un conjunto linealmente dependiente. Especfficamente, v3 puede expresarse como una combinacisn lineal de vj y vocn la forma siguiente. vy = 2v, — v2 Esto significa que W es generado por ‘el conjunto S, = (vj, V2). Ademis, Ses linealmente independiente, ya que ningtin vector ‘es un miiltiplo escalar de otro y usted puede concluir que la dimensién de Wes 2. {il186 Capitulo 4 Espacios vectoriales SU =17KeT] © Determinacién de la dimensién de un subespacio Sea Wel subespacio de todas las matrices simétricas en Mf, Cuil es la dimensién de W? SOLUCION ‘Toda matriz simétrica de 2 X 2 tiene la forma a 1 O),,f0 1, fo 0 a= ded leat aldo il Por consiguiente, el conjunto S= {up Vos Va} = (1, 2, 5,0), (3,0, 1, -2), (—5,4, 9, 29}, genera a W. Adem, puede demostrarsc que $ es linealmente independiente y llegar a la conclusién de que Ia dimensién de W es 3. Por lo general, para concluir que un conjunto S$ ¥,} es una base de un Vi Yas espacio vectorial V, es necesario demostrar que S satisface das condiciones: que S genera Vy es lincalmente independiente. Sin embargo, si se sabe que V tiene dimension de n, centonces el siguiente teorema establece que no es necesario verificar ambas condiciones, Basta comprobar una de las dos. La demostracién se deja como ejecicio para usted (Vase €l ejercicio 74), TEOREMA 4.12 Comprobacién de una base en un espacio n-dimensional ‘Sea Vun espacio vectorial de dimensién n, 1, SiS = (vy, vn... .,¥,) €8 un conjunto de vectores linealmente independientes ‘en V, entonces S es una base de V. » Nb genera a V, entonces Ses una base de V. Verificacién de una base en un espacio n-dimensional iP Demuestre que el siguiente conjunto de vectores es una base de Ms,, NTP o”P pope 2] | af] of} of | o s=y-1,] 3h} 2h] of} o 3) |-2] ]-1] ] 2] | 0 4} L 3} L st L-al L-2. ‘SOLUCION Como S consta de cinco vectores y la dimensién de Ms, es 5, puede aplicar el teorema 4.12 Para verificar que S es una base al demostrar linealmente independiente o que $ genera a ‘Mg4. Para demostrar lo primero, se forma la ecuaciGn vectorial c,¥, + ¢2¥2 + EVs + cy¥s + es¥5 = 0, que produce el siguiente sistema de ecuaciones lineales homogéneo. 2+ me, + 3c, + 2e5 Bey — 2c - es + 2ey Ae, + 3c + Sey — Bey ~ 2c ‘Como de este sistema tiene como dnica soluciGn la trivial, S debe ser linealmente indepen Giente. As, por el teorema 4.12, Ses una base de Ms. a 25, 26. 27. 28.45 Ejercicios 187 Escribir la base esténdar En los ejercicios 1 a 6, escriba Ja base estindar para el espacio vectorial dado, 1 Re 2 3 My, 4 My 5. P, 6P, Eseriba En los ejercicios 7 a 14, explique por qué S no es tuna base de R?, 7. $= {(1, 2), (1, 0), (0, 1)} 8. S = {(-1,2), (1, -2), 2.4)} 9 5 = {(-4,5), (0, 0)} 10. S = {(2, 3), (6,9)} 1. $= {(6, ~5). (12, -10)} 12, $= {(4, -3), (8, -6)) 13. 3 = {(-3,2)} 14. 5 = ({-1,2)} Escriba Enos ejerc tuna base de 2° 15, 5 = {(1,3,0), (4 1, 2),(-2, 5, -2)} 16. $ = {(2, 1, ~2), (-2,-1,2), 4.2, -4)} 15 020, explique por qué Sno es 17. $= 47, 0,3) (8, -4, 1) 18. 5 = {(1, 1,2), (0,2, 1} 19. 5 = {(0, 0, 0), (1, 0,0), (0, 1, 0)} 20. 5 = ((6,4, 1), 3, —5, 1), (8, 13, 6), (0,6. 9)F Escriba En los ejercicios 21 a 24, explique por qué Sno es una base de P, 21. $= {1.2.0 ~ 4, 5x} 22. $= {2,x,.7 43,387) 23, S = {1 = 3,1 = 29, 3x? - Oe 1} 24. $= (6x ~ 3,383.1 = 2x32) Escriba En los ejercicios 25 a 28, explique por qué S no es, una base de M2. ssf, TE al de a ede HLS a fhe Determiner si un conjunto es una base En los ejerci- cios 29 a 32, determine si el conjunto {v,, ¥2} es una base de ®@ 29, Determinar si un conjunto es una base En los ejerci- cios 33 a 40, determine si S es una base del espacio vectorial indicado, 33. S = {(3, —2), (4, 5)} para R? 34. 5 = {(1,2),(1, =1)} para R 35. 5 = {(1, 5,3), (0, 1, 2), (0,0, 6)} para R® 36. 5 = {(2,1,0), (0, -1,1)} para R 37. $= {(0,3,~2), (4, 0,3),(-8, 15, ~16)} para R? 38. $= {(0,0,0), (1. 5,6) (6,2, 1)} para R® 39 S = {(-1, 2,0, 0), (2, 0, -1, 0), (3, 0, 0. 4), (0, 0. 5, O}} para R* 40. 5 = {(1,0,0, 1), (0, para Ri 0,2), (1,0, 1, 0), (0,2, 2, O)F Determinar si un conjunto es una base En los ejerci cios 41 a 44, determine si $ es una base de Ps. 4L $= {P= 2 +1,2- 4,0 +2,50, 42. $= {4 = 7,5 + P3104 5,27 — 37} 43. $= (4 —4.15,60%,1 + 34,40 ~ 1} HS = (O12 +35 +E 2 EY Determinar si un conjunto os una base En los ¢jerci- cios 45 y 46, determine si S es una base de Afy., es-(i Ho HE le a womfs IMS Lt alls a]188 Capitulo 4 Espacios vectoriales. Determinar si un conjunto es una base En los ejerci cios 47 a 50, determine si Ses una base de R°. Si es as escriba u = (8, 3, 8) como una combinacién lineal de los veetores en S. 47. $= {(4, 3,2), (0.3,2),(0.0,2)} 48. $= {(1,0,0), (1, 1,0), (1, 1 1)) 49. $= {(0,0,0), (1, 3,4), (6, 1, —2)) D.C los ejercicios 51 a 56, determine 1a dimensién del espacio vectorial dado. SL. Re 52k 53. 54. P, 55. Mz3 56. Mas 57. Determine una base de Dy (el espacio veetorial de todas las matrices diagonales de 3 X 3). ¢Cuil es la dimensién de este espacio vectorial? 38, Encuentre una base del espacio vectorial de todas tas matrices simétrieas de 3 X 3. {Cuil es la dimensién de este espacio vectorial? 59, Encuentre todos los subconjuntos del eonjunto S= 10,0, 0,0,(1,D) «que forman una base para R° 60, Eneventre todos los subeonjuntos del conjunto $= 1(1,3,-2,(-4.1, 0, (-2,7, -3), 1, DE que forman una base para FR, 61, Encuentre una base de R? que contenga al vector (2, 2). 62, Encuentre una base de R que contenga a los vectores (1, 0.2)y 0,1, 0) Descripcién geométrica, base y dimensién En los jercicios 63 y 64, (a) proporeione una descripcién zeomé- trica de, (b) encuentre una ase, y (c) determine la dimensién dl subespacio W de FE 63. W= ((24,0): Fe un ntimero real} 64. W= ((0..): res un ndimero real} Descripcion geométrica, base y dimension En los, ejercicios 65 y 66, (a) proporcione una deseripeidn geomé- trica de, (b) encuentre una base para, y (c) determine la dimension del subespacio W de R°. 65. W= ((21.4, —A: es un mdimero real } 66. W= (2s - Gimeros reales} assy eon Base y dimensién En los ejercicios 67 a 70 encuentre (a) tuna base para omit y (by ka dimes dl subespacio We R 67. W= (125 — t.s.4.5):sy F50M miimeros rales} 68. W = [(51,—34, 4,1): 1 es un ntimero real } 69. W = {(0, 6r, 1): 7es un ntimero real } 1. W= {Is + 41,t.8.28— ts 8y son mimeros reales} {Verdadero 0 falso? En los ejervicios 71 y 72, determine cual de las expresiones es verdadera o falsa. Si la expresiGn es verdadera, proporcione una razin o cite una expresiGn, adecuada del texto. Si la expresidn es falsa, proporcione tn {ejemplo que muestre que la expresidn no es cierta en todos, los casos o cite de texto una expres ‘7. (a) Si dim(V) = n,entonces hay un eonjunto dem ~ 1 vectores en V que generan a ¥, (b) Si dim(V) = n, entonces hay un conjunto de m+ 1 vectores en V que generan a V. 72. (a) Sidim(V) = n, entonces cualquier conjunto de m+ 1 vectores en V deber ser linealmente dependiente, (b) Si dim(¥) =n, entonces cualquier conjunto de n — vectores en V deber ser linealmente independiente, 73. Prueba Demuesite que si$ = |¥j, Vay-+++ ¥q) e5.una base de un espacio vectorial Vy ¢ es un escalar no nislo, centonces el conjunto §, = (evy. e¥a. «+ €¥y) tambien es una base de V. 74, Prueba Demuestre el teorems 4.12 75. Prueba Demuesire que si W es un subespacio de un espacio vectorial V de dimensién finita, entonces dim(WW) = dim). 76, REMATE (a) Un conjunte 5, consta de dos vectores de la forma = (ity tta 3). Explique por qué 5; no es una base de Ry. (&) Un conjunto 53 consta de cuatro veetores de ta Forma w = (uy, ts 4). Explique por qué S> 20 es uni base de Ry. (6) Un conjunto Sy consta de tres vectores de la forma 10 (tty, t,t). Determine las condiciones bajo las cuales S) es una base de Rs. 77. Prueba Sea Sun conjunto de vectores linealmente inde- pendiente del espacio vectorial V de dimensién finita Demuestre que existe una base para V que contenga a S. 78. Demostracién guiada Sea $ un conjunto generador para el espacio vectorial V de dimensidn finita. Demues- tre que existe un subconjunto 5" de S que forma una base para V. Inicio: 5 es un conjunto generador, pero quizd no sea una base debido a que puede ser linealmente dependiente. Usted necesita eliminar los vectores extra para que el subconjunto $? sea un conjunto generador y sea tambign linealmente independiente. (i Si S es un conjunto linealmente independiente, no hay nada que demostrar. En easo contrario, elimine algin vector v de $ que sea una combinacién lineal de otros vectores en S (ii) Designe este conjunto como Sy Si Ses linealmente independiente, no hay nada que demostrar. En caso contrario, continie eliminando vectores dependien- tes hasta que se produzea un subeonjunto S°lineal- mente independiente (iii) Concluya que este subconjunto es el conjunto ‘minimo generador 5’.4.6 Rango de una matriz y sistemas de ecuaciones lineales 189 4.6 Rango de una matriz y sistemas de ecuaciones lineales Jy _Determinar una base para el espacio renglén, una base del espacio columna y el rango de una mattiz. HB Determinar el espacio nulo de una matriz, [m_ Determinar la solucién de un sistema consistente Ax = ben la forma Xt Xe ESPACIO RENGLON, ESPACIO COLUMNA Y RANGO DE UNA MATRIZ En esta seccivn se estudia el espacio vectorial generado por los yeetores renglén (0 por los veetores columna) de una mati. Luego verd eémo se telacionan estos espacios con las soluciones de sistema de ecuaciones fi Para empezar, necesita saber algo de terminologis, Para una matriz A de m % 1 las sn-adas correspondiente a los renglones de A se denominan vectores renglén de A. YVeetores columna de A Gy a +4) _ eee a) Aint a Si, gs yar ++ +5 a) De manera similar, las columnas de A se denominan veetores colunina de A. Encon- ‘rand muy dtil conservar la notacién de columna para estos vectores columna, ‘Vectoresealmna de A EJEMPLO 1 Vectores renglén y vectores columna emi ce a En cl ejemplo 1, observe que para una matriz A de m X 1 los vectores renglin son vectores en Ry los veetores columna son vectores en R". Esto conduce a la siguiente definicidn de espacio renglén y espacio columna de una matriz. Definicién de espacio renglén y espacio columna de una matriz SeaA una mattiz de m X n, 1. Elespacio renglén de 4 es el subespacio de 2" generado por los vectores renglin de A. 2. El espacio columna de A es el subespacio de R" generado por los veetores columna de A, Recuerde que dos matrices son equivalentes por renglones si una puede obtenerse a partir de la otra al aplicar operaciones elementales en los renglones. El siguiente teorema establece que las matrices equivalentes por renglones tienen el mismo espacio renglin,190 Capitulo 4 Espacios vectoriales COMENTARIO (Observe que el teorema 4.13 ‘establece que el espacio ren- glén de una matriz no se modi- fica por la aplicacién de opera- ciones elementales en los, renglones. Sin embargo, éstas pueden modifica ol espacio olumna, TEOREMA 4.13 Las matrices equivalentes por renglones tienen el mismo espacio renglén Si una matriz A dem X 1 es equivalente por renglones a una matriz B de m X 1, entonces el espacio rengl6n de A es igual al espacio renglén de B. DEMOSTRACION CComio tos renglones de B pueden obtenerse a partir de Ios renglones de A mediante operacio- nes elementales en fos renglones (multipicacién escalar y suma), se concluye que los vecto- res rengldn de B pueden expresarse como una combinacién lineal de los vectores renglén de ‘A. Los vectores renglin de B pertenecen al espacio renglén de A el subespacio generado por Jos vectores rengln de B esti contenido en el espacio renglén de A. Pero también es cierto ‘que las renglones de A pueden obtenerse a partir de los renglones de B mediante la aplicacicn de operaciones elementales en los renglones. Por tanto, sc puede coneluir que los dos espa- cios renglén son subespacios uno del otro, lo que los hace iguales. Si la matriz B estd en forma escalonada por renglones, entonees sus vectores renglén diferentes de cero constituyen un conjunto linealmente independiente. (intente comprober esto.) En consecuencia, forman una base del espacio rengl6n de B y por el teorema 4.13, también forman una base del espacio renglén de A. Este importante resultado se establece ‘en el siguiente teorema, TEOREMA 4.14 Base para el espacio renglén de una matriz ‘Si una matriz.A es equivalente por renglones a una matriz B que esté en forma esca- lonada por renglones, entonces los vectores renglén de B diferentes de cero forman tuna base del espacio renglén de A, [U=N[IKe)4] Determinacién de una base para un espacio renglén Encuentre una base para el espacio renglén de eae o 1 1 0 A=|-3 0 6 -1), 4 0 201 -4 -2, SOLUCION ‘Mediante las operaciones elementales en los renglones, reeseriba A en forma escalonada ‘como se muestra a continuacién 13 1 3]m, o 1 1 Ofw, B=|0 0 0 If, 0 0 0 Oo o 0 0 9, Por el torema 4.14 se coneluye que los vectores renglén de B diferentes de cero, wy = (1. 3.1.3), #2 = (, 1,1, 0)y ws = (0, 0,0, 1, forman una base del espacio renglén de. fl La técnica usada en el ejemplo 2 para determinar el espacio renglén de una matriz puede usarse para resolver el siguiente tipo de problema, Suponga que se pide determinar luna base del subespacio generado por el conjunto $= (¥j, V3... ¥q) en R*. Al emplear los vectores en $ para formar los renglones de una matriz A se puede aplicar las operacio- nes elementales en los renglones para reescribir A en forma escalonada por renglones. Los renglones diferentes de cero de esta matriz integrarin entonces una base del subespacio generado por S. Esto se demuestra en el ejemplo 3.4.6 Rango de una matriz y sistemas de ecuaciones lineales 191 TSU =\isUe)Ey] Determinacién de la base de un subespacio Encuentre Ia base del subespacio de A? generado por = {vp Vas Vy} = (1,2, 5), (3.0, 3) (5,1, 8)} SOLUCION Utilice vj, Vay ¥s para formar los renglones de una matriz A. Luego, escriba A en forma escalonada. -1020 37m 1-2-5], 5 1 Bly, 0 0 0 ont, los vectoes renglin de B diferentes de cero wy = (1, 2,8) y Wa = (0, 1, 3), forman una base del espacio renglén de A; es decir, forman una base del subespacio generado por S= [¥1¥2, Val ara encontrar una base del espacio columna de una matriz A usted tiene dos opciones. En una, puede usar el hecho de que el espacio columna de A es igual al espacio renglén de AT y aplicar la técnica del ejemplo 2 a la matriz A7. En Ia otra opcidn, observe que aun cuando operaciones con renglones pueden cambiar el espacio columna de una matriz, no pueden cambiar las relaciones de dependencia entre las columnas. (Se le pide que demues- tre este hecho en el ejercicio 75.) Por ejemplo, considere las matrices equivalentes por renglones A y B del ejemplo 2. i 3 1 3 Si Hnettal O31. 1 0 110 A=|-3 0 6 =1 OA HoHtHE 304-2 1 o 0 oO 2 0 -4 -2, o 0 oO. a my bb by by Observe que las columnas 1, 2 y 3 de la metriz B satisface, la ecuacién by = ~ 2b, + by también lo hacen las columnas correspondientes de la matriz A; es decir as =~ 2a + a. De manera similar, los vectores columna by, by y by de la matriz B son linealmente inde- pendientes y también lo son las columnas comrespondientes de la matriz A. El siguiente ejemplo muestra eémo determinar una base para el espacio columna de tuna matriz aplicando estos métodos. =] Determinacién de una base para el espacio TBO columna de una matriz (método 1) Encuentre una base para el espacio columna de la matriz A del Ejemplo 2 al encontrar una base para el espacio renglén de AT. SOLUCION TTome Ja transpuesta de A y aplique las operaciones elementales en los renglones para escribir A? en forma escalbnada por renglones. 1 fg Pai Has 10-3 3 2m ae 1 9 4 0 0 1 9 -5 ~6}w, “|r 1 6 -2 -4 0 0 1-1 ~1}y, 3 0-1 1 -2, OE etoetePaie- Oe As, wy = (1, 0,3, 3, 2), Wo= (0, 1, 9,-3.~ 6) ¥ W3 = (0, 0, 1,1, =I) Forman una base del espacio renglén de A”, Esto equivale a afirmar que los vectores columna 0-3 3 2,(0 1 9 -5 -6)"y[0 0 1 -1 -1)" forman una base del espacio columna de A. a192 Capitulo 4 Espacios vectoriales COMENTARIO ‘Observe que en la segunda solucin, la forma escalonada por renglonas de 8 indiea qué columnas de A forman la base dol espacio columns. No utilice los vectores columnna de 8 para formar la base. Determinacién de una base para el espacio columna de una matriz (Método 2) Encuentre una base para el espacio columna de Ia matriz A del jemplo 2 al usar las rela- ciones de dependencia entre columnas. SOLUCION Enel ejemplo 2, se aplicaron operaciones con renglones en ka matri original A para obte- ner la forma escalonada por renglones B. Féicilmente puede verse en la matriz B que el Primero, el segundo y el cuarto vector columna son linealmente independientes (estas ccolumnas tienen los | principales). Las columns correspondientes de Ia matriz.A son linealmente independientes y una base del espacio columna que consta de los vectores 1) fs 3 of fi 0 -3} fof y f=r a} fa 1 al lol L-2 a ‘Note que 1a base para el espacio columna obtenido en el ejemplo 5 es diferente del obte- nido en el 4. Verifique que estas bases generen e] mismo espacio columna de A. ‘Tambign note en los Ejemplos 2, 4, y 5 que el espacio renglén como el espacio columna de A tienen dimensidn igual a 3 (ya que en ambas bases hay tres veetores). Esto se generaliza con el siguiente teorema. TEOREMA 4.15 Los espacios de los renglones y las columnas tienen iguales dimensiones SiA es una matriz de m1 X 1, entonces el espacio rengln y el espacio columna tienen Ta misma dimensin, DEMOSTRACION Sea Vi, Vay «+ ¥ Vu los vectores renglén y uy. Ua... yu, los vectores columna de la maiz ay we Bia a, ay, a=|@ Suponga que el espacio renglén de A es de dimensisa r y que tiene una base $ = (by, bs by}, donde b, = (by, Bas «-- » by) Utilizando esta base, puede escribir los vectores rengl6n de A como Wo Cub) + cubs ++ eb, Y= cb) + cubs Fe eb, Yin = Gay + Gyo + + ey Reeseriba ese sistema de ecuaciones vectoriales de la siguiente manera, Ay] = clubs + Pig) + Crlbaibes + eyelbaba + bal ay] = cailburbia + «Baa) + ccalbasbaa’ * Dg] ++ ++ cababpa® + Boal eatna + + dod = Calbia + + Pia] + CyaBailay + Dag) 4+ + + CurlBr B® * “Bead Ahora, tome solamente los elementos correspondientes a la primera columna de Ia matriz ‘A para obtener el siguiemte sistema escalar de ecuacionesCOMENTARIO Algunos textos distinguen entre al rango rengién y ol rango columna de una matte. ‘embargo, debide @ que ‘estos rangos son igualas (teo- ‘ema 4.18), asie texto n0 esta biece ninguna ambos. 4.6 Rango de una matriz y sistemas de ecuaciones lineales 193 ay = eb + + cuba 44, = eb + erabay H+ Py finn = GonPay * Ebay #2 + babs De manera similar, para los efementos de la j-ésima columna usted puede obtener el tema mostrado abajo, Caby + ezby too + eyrby caDy + Crgby Ho + eb y Gg = Suabiy + Cgabay # ++ FCP Luego, si se hace 6 = ley ey Cm] entonces el sistema para la j como ima columna puede reescribirse en una forma vectorial 4, = bey + byes t= + bye, Agrupando todos los vectores columna se obtiene Aull? = byC, + Byte +--+ bye, Gal? = bye + + bac, Ma = Ley tags + Mag” = bye) * basta +--+ By, Como cada veetor columna de A es una combinacién lineal de r vectores, usted sabe que la dimensisn del espacio columna de A es menor o igual que r (la dimensisn del espacio renglin de A), Bs deci, dimespacio columna de A) = dim(espacio renglén de A), Al repetir este procedimiento para 4 se puede concluir que la dimensién del espacio columna de AM es menor o igual que la dimensién del espacio renglén de AT. Pero esto implica que la dimensiéa del espacio renglsn de A es menor o igual que la dimensiGn del ‘espacio columna de A. Es decir, imiespacio renglin de A) = dimespacio columna de A). Por consiguients,ambas dimensiones deber se igual. a La dimension del espacio renglén (o columna) de una matriz se denomina el rango de la smatriz, Definicién del rango de una matriz La dimensién del espacio renglin (0 columna) de una matriz A se Hama rango de A ¥¥ se denota por rango(A). =ANITKe5] Determinacién del rango de una matriz Para encontrar el rango de ta mariz A que se muestra contnuaci escalonada por renglén como se presenta en la matriz B. 1-2 0 7 1-200 4 201 5-3) — pelo 1 1-1 013 5 o 0 1 3 Como B tene tres renglones terentes de cero, entonces el rango de Aes 3. @194 Capitulo 4 Espacios vect COMENTARIO El espacio nulo de A es llamedo también espacio solucion del sistema Ax = 0, Ti ssvoursteet Frum cary a2 529 les ESPACIO NULO DE UNA MATRIZ Los conceptos de espacios renglén y columna y rango, tienen algunas aplicaciones impar- tantes a os sistemas de ecuaciones lineles. Considere primero el sistema lineal homogéneo Ax=0 onde A es una maitiz de m Xn, x= [x.r5..- [es el vector columna de Ins inedgnitas y0=[00...0)"escl vector cero en R". El siguiente teorema establece que el conjunto de todas las soluciones de este sistema homogéneo es un subespacio de R°. TEOREMA 4.16 Soluciones de un sistema homogéneo SiA es una matriz de m Xn, entonces el conjunto de todas las soluciones del sistema de ecuaciones lineales homogéneo Ax = Oes un subespacio de R" llamado espacio anulo de A y es denotado por n(A). as, (A) = {x © R":Ax = 0). La dimensién del espacio nulo de A es la nulidad de A, DEMOSTRACION Como A es una matriz dem X 1, se sabe que x es de tamafio n X 1. asf el conjunto de todas las soluciones de este sistema es un subconjunto de R’. Este conjunto claramente €s no vacio, debido a que AO = 0, Puede comprobar que este es un subespacio demostrando que es cerrado bajo las operaciones de suma y multiplicacién escalar. Sean x; y X2dos vectores solucidn del sistema Ax = 0 y sea c un escalar. Como Ax, = @y AX; = 0, se sabe que Aly, +X) = Ax, + Ax; = 040 Suma y Alex,) = elAx,) = (0) = 0. tiplicacién escale Por tanto, (xy + x2) ¥ ok, on soluciones de Ax = Oy se puede concluir que el conjunto de todas las soluciones forma un subespacio de R*. a ALGEBRA &!Sonicio Postal de os Estados Unidos utlze cSdigos de barres pare LINEAL representar cera infermacién como eédigos postales y creeconos ce fntrepa EI c6cigo de barra CP + 4 que se muestra a Izquierdo APLICADA ccmiencs con una bara larga, tlene una eerie de barre coraeylargas para represanareadaclgito en ol cédigo CP + 4y un dite oteional ara verification de eres, y termina ean une bora lege, siguiente 5 el ebdigo par os digits. codle El digito para verficacion de erroras es tal que cuando se suma con los digitos en el cédiga CP + 4, el resultado es un multiplo de 10 (veri fique esto, asf como si ol eddigo CP + 4 que ee musstra esta correcte- mente codificado}. Algunos cédiges de berras mis sofisticades tam- bién incluyen digitos para la correccidn de errores. De manera ~andloga, las matrices se pueden usar para verficar errores en mens jes transmitidos. La informacién en forma de vectores eolumne se ‘puede muttiplicer por una matriz de deteccién de errores. Cuando el producto resultante esté en el espacio nulo de la matte de deteccion de errores, no existen errores en la transmisién, De lo cantarlo, existe lun error en alguna parte del mensaje, Si la matriz de deteccidn de tertores también tiene correccién de errores, entonces la matriz pro ducto resultante también se indicaré donde ocurrao! errr.COMENTARIO ‘domueetran que los vectores igeneran el conjunto solueién, no prueban que sean linesl- mente independientes. Cuando 2 resuelven sistemas homogé- eos @ partir de la forma radu: {ida escalonada por ronglones, 2 conjunto generador siempre 2s indepenciente. 4,6 Rango de una matriz y sistemas de ecuaciones lineales 198 =T=Vlake)y)] Determinacién del espacio nulo de una matriz Encuente el espacio nulo de la matri2, SOLUCION El espacio nulo de A es el espacio solucién del sistema homogéneo AX = 0. ara resolver este sistema, usted necesita escribir la matriz. aumentada [A 0] en la forma reducida esealonada por renglones. Ya que el sistema de ecuaciones es homogéneo, Jacolumna de lado derecho de la matriz aumentada consiste completamente de ceros y no puede ser cambiada con operaciones con renglones. Esto es suficiente para encontrar la forma redueida escalonada por renglones de A. 1 21 1 2 0 3 a=|3 -s 4[— lo o 1 1 i 0 3 o 0 0 0 El sistema de ecuaciones correspondiente a Ia forma reducida escalonada es sy42e, +3r4=0 xyt xy =0. Seleccione x, y x4 como variables libres para representar las soluciones en la forma para- métrica aye n2s— 3h xet Esto significa que el espacio solucién de Ax = 0 consta de todos los vectores x de Ia forma smostrada enseguida, xj) fe2s—3) [2] [-3 al_| » |oJ 4) ° 4 - of "4-1 x, ' 0. 1 Una base para el espacio nulo de A consta de los vectores Ti En otras palabras, estos dos vectores son soluciones de Ax = 0 y todas las soluciones de este sistema homogéneo son combinaciones lincales de los mismos. En el ejemplo 6, la matri2 A tiene cuatro colummas; adems, el rango de la matriz es 2y Ia dimensi6n del espacio aulo es 2. Por tanto, ‘Niimero de columnas = rango + nulidad ‘Una manera de ver esto es observar la forma reducida escalonada por renglones de A 1 2. 0° 3 oo 11 0 a 0 Oo. Las columnas con los I principales (columnas 1 y 3) determinan el rango de Ia matriz. Las ‘tras columnas (2 y 4) determinan la nulidad de la matriz, ya que a ellas corresponden las variables libres. Esta relacién se generaliza con el siguiente teorema,196 Capitulo 4 Espacios vectoriales TEOREMA 4.17 Dimensién del espacio solucion Si Aes una matriz de m X n de rango r, entonces Ia dimensién del espacio solu de Ax = Oes nr, es decit n = rango(A) + nulidad(A) DEMOSTRACION Como A tiene rango r, se sabe que es equivalente por renglones a ta matriz Bde Ia forma reducida escalonada por renglones con los renglones r diferentes de cero. No se pierde ninguna generalidad al suponer que Ia esquina superior izquierda de B tiene Ia forma de Ia rmatriz identidad J, de r Xr. Mas atin, como Tos renglones nulos de B no contribuyen a la solucién, pueden deseartarse de la forma de la matriz.B' de r Xn, donde B’ = (Ir C].La matriz.C tiene» ~ r columnas correspondientes a las variables x, 5. 25+ + + Sq» POP tanto, el espacio solucién de Ax = 0 puede representarse por el sistema at Cute t erates BF Cea at Garten + Goatees HH ate He Gace, Flaten + Gatres Resolviendo para las primeras r variables en términos de las ltimas n ~ r variables pro- duce nr vectores en la base del espacio solucién. En consecuencia, el espacio solucién tiene dimensién a ~ El ejemplo 8 ilustra este teorema y adems explora el espacio columna de una matriz, SU eWltKe}t3) Rango y nulidad de una matriz ‘Sean los vectores columna de la matriz A denotados por &y, 83, 3, My ¥ as 1 0-2 1 0 0-1 13 A 2-1 1-1 3 0 3 9 o-1 a, Determine el rango y la nulidad de A. 1b. Determine un subconjunto de los vectores columna de A que forman una base para el ‘espacio columna de A. SOLUCION Sea B la forma escalonada reducida de A. Her eerie) 10-2 0 1 a[ O-! -3 103 [0 1 3 0 -4 eee eater tee eee fee eerer | Oe eer taet oy 0 309 0-1 0 0 0 0 0, a, Como B tiene tres renglones diferentes de cero, el rango de A es 3. Ademis, el némero ’ de columnas de4 es.n = 5, lo eval implica que la nulidad de A es n—rango = 5-3 b. Debido a que el primero, el segundo y el cuarto vector columna de B son linealmente independientes, los correspondientes vectores colummna de A ' Oy 1 0 =I 1 aslo aafiif y aati, o. 3 0. forman una base para el espacio columna de A. a4.6 Rango de una matriz y sistemas de ecuaciones lineales 197 SOLUCIONES DE SISTEMAS DE ECUACIONES LINEALES Usted sabe que el conjunto de todos los vectores solucién del sistema lineal homogéneo Ax = (es un subespacio. {Esto se cumple también para el conjuntos de todos les vectores, solucién del sistema no hhomogéneo AX = b, donde b + 0? La respuesta es “no” debido a {que el vector nulo nunca es una solucidn de un sistema no homogeneo. Sin embargo, existe una relacién entre los conjuntos de soluciones de los dos sistemas Ax = 0 y Ax = b. Expe- cfficamente, si xyes una solucién particular del sistema no homogéneo Ax = b, entonces, toda solucién de este sistema puede ser escrta en In forma x = X, + Xj, donde x, es una solucién del sistema homogénco Ax = 0 correspondiente. El siguiente teorema establece este importante concepto. TEOREMA 4.18 Soluciones de un sistema li Si x, es una solucidn particular del sistema no homogéneo Ax = b, entonces toda solucién de este sistema puede escribirse en la forma x = x, + xj, donde x,es una solucién del sistema homogéneo Ax = 0 correspondiente. eal no homogéneo DEMOSTRACION Sea x cualquier solucidn de Ax = b. Entonces, (x ~ x,) es una solucién del sistema lineal homogéneo Ax = 0, ya que Ale ~x,) = Ax ~ Ax, -b=0. Haciendo sy, 4 Se tiene X= pF Xp a ERENiale em) Determinacién del conjunto solucién de un sistema no homogéneo Determine el conjunto de todos los vectores solucién del siguiente sistema de ecuaciones lineales. x Qwest xy Bx, + xy = Sty xj #28; SOLUCION La matriz. aumentada del sistema Ax = b se reduce como sigue. 10-2 1 § 1 0-2 1 5 301-5 0 8{| — fo 1 1-3 -7 12 0-3 -9, o 0 0 0 6 EI sistema de ec renglones es jones Tineales correspondiente a Ia matriz reducida escalonada por ~ 2+ xy yt xy 7 3m = 77, Haciendo x3 = y x= f, se puede escribir un vector solucidn representative de Ax = b ‘como se muestra enseguida. my] f2s- rts ay ay ps wy] _|-s43-7 3) .|-7 +d ye] tt s0r+0 Ag] |: o| Semis Mia 6s x Lost +0. 0. i} Lo Observe que x, 8 un Vector solucién particular de AX = by x, = su, + muy representa un ‘vector arbitrario en el espacio solucién de Ax = 0.198 Capitulo 4 Espacios vectoriales El tcorema final de esta seccién describe e6mo cl espacio columna de una mattiz puede utlizarse para determinar si el sistema de ecuaciones lineales es consistent TEOREMA 4.19 Soluciones de un sistema de ecuaciones lineales Bl sistema de ecuaciones lineales Ax = b es consistente si y sélo sib esté en el espa- cio columna de A, DEMOSTRACION Para el sistema Ax = b, scan A, x,y b la matriz de coeficientes m X n, la matriz.columna den X I de inedgnitas, y la matriz del lado derecho de m X 1, respectivamente, Entonces in Me es Sil - i) ay sen|Ot OB il / 4a] lao) Por, = Wy 0B = by y+ bl a coins ine ccolumnas de A. Es decir, el sistema es consistente si y sélo si b es un subespacio de R° ‘enerado por las columns de A. [Sei JKe)e()} Consistencia de un sistema de ecuaciones lineales Considere el sistema de ecuaciones lineales xytogcmyecl x ty 3 Bry+2y—m= 1 El rango de la matriz. de coeficientes es igual al rango de la matriz aumentada, (Intente verifcar esto.) 1oa-n et i 9 ft gi f bl=|1 0 1 3] — Jo 1 -2 ~-4 302-1 1 0 0 0 0 ‘Como se muestra arriba, b esti en el espacio columna de A y el sistema de ecuaciones Tineales es consistente. El siguiente resumen presenta varios resultados importantes que involucran sistemas de ecuaciones lineales, matrices, determinantes y espacios vectoriales, Resumen de condiciones equivalentes para matrices cuadradas SiA es una matriz de m X n, entonces las siguientes condiciones son equivalentes 1. Acs invertible. 2. Ax = b tiene solucién nica para cualquier matrz.b de n X 1 3. Ax = O tiene s6lo la solucién trivial 4. Aes equivalente por renglones 8, 8.4140 6. Rango(A) = n. 7. Los n vectores rengldn de A son linealmente independientes. 8. Los n vectores columna de A son linealmente independiente. 1 Io u 2 B 14 De los 1s. 16. WW. 18.Vectores renglén y vectores columna En los ejercicios, 1 a4, escriba (a) los vectores renglén y (b) los vectores ccolumna de Ia matriz, aes “[) S] ¢ 3 i af} 4 al - Determinacién de una base para un espacto renglén y rango En los ejercicios 5 a 10, encuentre (2) una base del espacio renglén y (b) el rango de la mati. -2-1 2. 1 o s[) 3] [0 1-2 132 Ld] a a V | 10 ‘| a7 5, 2-4 4 5 »| 3-6 -| 2-4 4 9 402314 3-1 2 0 I w)5 202 1-1 40221 2-2 0 01 Determinacién de una base para un subespacio En los ejercicios 11 a 14, determine una base del subespacio de B® generado por S. UL. 5 = (1, 2,4), (-1, 3,4), 2,3, D} 12. $= (4,2, 1), (1,2, -8), (0,1, 2)} 13. $= {(4, 4,8), (1, 1,2), (I, 1, D} 414. S = {(1, 2,2), (—1, 0,0), (1, 1, 1)} Determinacién de una base para un subespacio En los ejercicios 15 a 18, determine una base del subespacio de ® generado por S. 15. 5 = {(2, 9, -2, $3), (3, 2,3, ~2), @, 3, -8, 17), (0, -3,0, 15)} 16. 5 = {(6, -3, 6, 34), (3, —2, 3, 19), (8, 3, -9, 6), (-2,0,6,-5)} 17. S = {(~3,2, 5, 28), (-6, 1, -8, -), (14, ~10, 12, — 10), (0, 5, 12, 50)} 18, § = {(2,5,—3, -2),(— C1,-5.3.9) , —3, 2, 5), (1,3, -2,2), 199 Determinacién de una base para un espacio columna Yrango En los ejercicios 19-24, encuentre (a) una base del espacio renglén columna y (b) el rango de Ia matriz, w. [7 4 mf 2 3) 4 20 31 m2./6 -3 - 2-1 -16, 2 4-3 -6 7 14 -6 3 Bly a 1-2 2 4 -2 ~2 204-2 11 25 4-2 2 mfao3 1 1 2 2-4 2-1 1 Oo 1 4 2-1 Determinacién del espacio nulo de una matriz En los cjercicios 25-36, encuentre el espacio nulo de la matriz. z 2-1 20-1 asan[ fj) ma-[? 3] maa 2 3] Baal 4 2 i 2 3 deg a ea td =k oo i 12-3 4 3-2, 3-6 21 i 2 + % 103-2 4 A=] 0 1-1 2 Pa 14201 Beam} Oo 1 1-1 SS B36 se 2 1 0 -2 BART 2 1 0 6 2 0 feo 2-1 101 MA=|a % 4d 0 4 2 0,200 Capitulo 4 Espacios vectoriales Determinacién de una base y dimensién En los ejer- cicios 37 a 46, encuentre (a) la base y (b) la dimensidn del espacio solucién del sistema homogéneo de ecuaciones lineales. 31 x- 4y=0 3 x-y=0 3x ay = -rty=0 3.x yt 2=0 3r- y 0 2x -4y—S2=0 f 40. 4x— y +22 2e+3y- 280 xt yt z 4 x~2y32=0 -3x + 6) 92=0 2. xt 2y— 42=0 -3r~ 6 + 122=0 43, 3x, + 3x, + 15Sry + Lx, = 0 xy-3unt yt x, 2x, +34, + Ig + Bx, 44, 2x, + 2x, + Ary — Dr, xp #2my+ xy 42% may ty tr; 2x, = 0 N45. 9x, = ax, — 2x5 — 204, 12x, ~ 6x, — Ar, — 29x, 3u-2 0 Tr, Bry - 2x - xy- Bry 146. x, + 3x, +2, + 22x, + 1x, Hf am Dy t en © nF 2+ yt nyt 5H 3x, + Gry + 5x3 + 42e4 + 275 = 0 Rango, nulidad, bases e independencia lineal En los ejercicios 47 y 48, use el hecho de que las matrices A y B son equivalentes por renglones. (2) Determine el rango y la nulidad de A. (b) Determine una base para cl espacio nulo de A (©) Determine na base del espacio renglén de A. (@) Determine una base del espacio columna de A. (e) Determine si los renglones de A son o no linealmente independientes. (8) Sean las columnas de A denotadas por ay, as, as, a4 y as. {Cuél de los siguientes conjuntos es (son) linealmente independientes? @ o) ip feat le sea 20 Ans 7 2 2-2 49 3-1 4 1 0 3 0-4 0 1-1 2 Flo 0 0 1-2 0 0 0 0 2-5 8 0-17 S| aes or 1s asl si 7 1 1 7-1 5-3 1 i010 oo 0 1-2 0 3 o 0 0 1-5 oo 0 0 0 Sistema no homogéneo En los ejercicios 49 2 54, (a) determine si el sistema no homogéneo Ax = b es consistente y (b) si el sistema es consistent, escriba la solucién en la forma x = x, + x), donde x,es una solucién de Ax = Oy x, una solucién particular de Ax = b 49, x +3y + 102 = 18 ~ Ont Ty + 322 = 29 axt3y 4 Mde= 12 shyt = 8 580, 2x- dyt5z= 8 Tx + dy + 42 = -28 ax- Gt r= 12 SL ax-8y+ 42 = 19 —6y+ 22+ 4w & +24 w x-dy+ 22 = B 52, 3w—2x+ 16y— 22 rango(A),y rangolA + B) > rangotB). 62, Prueba Demuestre que los vectores renglén diferentes de cero de una mattiz en forma escalonada por renglones son linealmente independientes. (63, Sea A una matriz de m X n (donde m + en, Ovo = cn Ga Cb ded Legis + Gals + Por otra pate, pede esribirse Ved, tds t st dyy F dy(eyu + cn, ++ + + oyu) + dyleyauy, + cxaby +> - + GgH,) + F dyleyguy + Cag +> + + + Cytt,) ase tata be aye, + dye ee Fie + datgn ++ +t dye By to cual implica que cut + Cady t+ + ely end + Cus +++ , Po‘) Pero este es el mismo procedimiento utilizado para determinar matrices inversas en la seccién 2.3. En otras palabras, si B es la base estindar en R*, entonces la matriz de transi- cién de Ba B’ es Pts (ey Base estindar a base no estindae El proceso es atin més sencillo si B es la base estindar, porque la matriz [B’ B] ya esti en la forma O, #1 =U, P~') En este caso, la matriz de transiciGn es simplemente PSB. Base estindar a base Ast, la matiz de transicién en el ejemplo 2 de B = {(1, 0) (1,2)} aB" = (11,0), Des tepe[! ft rival 3] FST=SViKey=] Determinacién de una matriz de transi 0 estindar Encuentre la matri de waasiciSn de B a’ para Is siguientes bases en R2. (-3,2),4,-2)} y B= {(-1.2), (2, -2)} SOLUCION CComience por formar la matiz vgye[7} 273 4 way pal y use la eliminacién de Gauss-Jordan para obtener la matriz de transicién Pde B a B’: lh P [3 o-1 3| o 1-2 3} Asi, se tiene rapa e-Ed a En el ejemplo 5, si usted hubiese determinado Ta matriz de transicién de B” a B (en vez de B a B'), hubiera obtenido igiale? 4-1 2 wale al que se reduce a 100 3-2 womef $3 oi] La matriz de transicién de B’ a B es ae a | Usted puede comprobar que éstaes la inverse de la mati de transicién eterminada en el ejemplo 5 al efectuar a multiplicacién PP para obtener /y. corCOMENTARIO Ene Section 62 usted apren- era mas sobre el uso de A” Para representer un espacio ‘voctorial n-dimensional arbitra 4.7 Coordenadas y cambio de base 209 REPRESENTACION DE COORDENADAS EN ESPACIOS n-DIMENSIONALES GENERALES Un benetfcio de la representacién de coondenadas es que permite representar vectores de un espacio n-dimensional arbitrario con Ia misma notacién usada en RAs, en el ejemplo 6, observe que el vector de coordenadas de un vector en P, es un vector en Ri. [NJ=Vi7Ke)5] Representaci6n de coordenadas en P, Determine Ia matriz de coordenadas de pra te4 relativo a la base estindar de Ps, S= Thawte} SOLUCION Escriba p como una combinacién lineal de los vectores de Ia base (en el orden dado). P= Al) + Ox) + (—2)(27) + 3607) Lo anterior indica que la matriz de coordenadas de p con respecto a S es 4 [rls = En el siguiente ejemplo, la matriz de coondenadas de un vector en My, es un vector EJEMPLO7 Mieoccs ! Telativa a la base estdndar de M3... “Bil SOLUCION Dado que X puede expresarse como -1 1) fo) fo | ‘ a +4 tl 3 o} lol Lt centonces 1a matriz de coordenadas de X con respecto a Ses =1 [k=] 4 - Los teoremas 4.20 y 4.21 pueden generalizarse para abarcar los espacios n-dimensio- nales arbitrarios. Este texto, sin embargo, no cubre generalizaciones de estos teoremas. in de coordenadas en M1210 Capitulo 4 Espacios vectoriales Determinacién de una matriz de coordenadas Enos Determinacién de una matriz de coordenadas En los ejercicios 1-4, encuentre la matriz.de coordenadas de.xen R" —ejercicios 17 a 24, determine la matriz de transicién de B a respecto a la base estindar. B 2) 2. x= (1,-3.0) 17. B= {(1, 0), 0, 1}, 8 = {(2, 4), (1,3)) 4-12) 4. x= (66,12, -4,9, -8) (1,0), (0, 1)}, B= (0,0, (5,6)} 4), (= 1,3), B/ = {(1, 0), (0, 1)} (1,0, (1,0)}, B= €(1, 0), (0, 1} ién de una matriz de coordenadas En los ejercicios 5 a 10 se proporciona la matriz. de coordenadas de x relativa a una base (no estindar) de B. Determine el vector de coordenadas de x relative a la base estindar de R", ={2,-),0,0} 6 8=(-1,4.4-Dh ‘4 -2 wf] wel 7. B= {(1,0, 1.1.1.0, ,1,1)), a 7 ef) : 1 Determinacién de une matriz de coordenadas En los ={G5 2 8. B= (0.5.2,(.4 D.C We octane 3534 clce won, aplicacién gréfica 0 programa {(1.0,0) (01.0), 0, 1} 2 de eémputo con capacidades matrciales para determinar la la, =o maura de transicién de B a B’ 4 28. B= {(2,5) (1h B" = (2, D,(-1,2)} 9 B= {(0,0,0, 1), (0,0, 1,1), ,1,1,1), 4, 1,1, Ds eS (2, 0, G2} B 1 27. B= {(1,0,0), 0. oo) B’= {(1, 3, 3), (1, 5, 6), Ble=| 3. 28. B= {(1, 0,0), 0, 1,0), ©, =1 B= (2,-1.4), 0.2,.(-3.2, D} 10. B = {(4, 0, 7, 3), (0,5, -1, 1), (-3, 4,2, 1), 29, 4), (—1, 2, 0), (2,4, 0)}, (0.1.5.0), », 2 30, B= ((3,2, 1), (051.2) (ly ixp=| 3 BY= (1, -1), 0,1,2), (- : (1,0, 0,0), (0,1, 0,0), (0,0, 1,0), (0,0,0,1)}, 2 -D.(-2,-5,-5.4), Determinacién de una matriz de coordenadas_ En los 4), (-2, -3, -5, 11)} cjercicios 11 a 16, determine la matiz de coordenades dex 32, B = {(1,0, 0,0) (01,00), (0,0, 1,0), 0, 0,0, 1} cen R" relativa ala base B. (1,4, 1,1), 1, 1, 1D, @,0, 1, 1), 0,0, 0,1)) (4,0), (0, 3)}, x = (12, 6) (1,0, 0,0, 0}, (0, 1,0, 0,0), (0,0, 1, (—6, 7), 4, -3)}, x = (-26, 32) (0, 0,0, 1,0), (0,0,0,0, 1}, (8, 11, 0), (7,0, 10), (1, 4,6)}, x 14. B= {6,4,1), 6.5.0), (14.2), x= (3, . 15, BY = {(4, 3,3), (-11,0, 11), (0,9, 2)}, 34, B = {(1, 0,0,0,0),(0, 1, 0,0, 0), (0,0, (11, 18, -7) (0, 0,0, 1, 0}, (0,0,0,0, 1)} =3.15, 4), (3, 0,0, 1), 0, =5, 6.8), (,-4,2,-3)}, x= (0, =20,7, 15)Determinacién de matrices de transicién y coordena- das En los ejercicios 35 a 38, (a) determinar la matriz de transicién de B a B’, (b) determinar la matriz de transicién de B' a B, (c) verificar que las dos matrices de transicién son In inversa una de otra y (4) determinar [x], cuando se propor- ciona [x]q-. 35, B= {(1,3,(-2,—2)), B= {(-12,0) (4.4) w= [3] 36. B= {(2,-2),(6,3)), B oae(_] 37. B= {(1, 0,2), (01,3. 1. Dh. B= {(2, 1,1), (1,0,0), 0,2, De “(i {0,1 , 1, 1, @, 0, 1)}, (2, 2,0), 0,1, 1), (1,0, 1}, 2 ily = E] 1 Determinacién de matrices de transicién y coordena- das En los ejercicios 39 y 41, utilice una aplicacién grifiea ‘con capacidades matriciales para (a) encontrar la matriz. de transicién de B a B', (b) encontrar la matriz. de transicién de Ba B,(c)verifique que las dos matrices de transicién son Ia inversa una de otra y (d) determine [x]p cuando se propor- ciona Exlp. 39. B = {(4,2, -4), (6, -5, ~6), (2, -1,8)}, BY = {(1,0,4), (4,2, 8), 2,5, -2)}, -t 40. B= {(1, 3,4), 2, ~5,2),(—4,2, -6)), (1,2, =2), @, 1, 4), (=2,5,8)}, ty 41. B = {(2, 0, ~1), (0, = 1,3), (1, -3, -2)}, BY = {(0, -1, -3), (1,3, -2), (-3, -2,0)}, (1, 1), (32, 31)}, De 47 Ejercicios = 211 42. REEIMOANT EE Sean By B’ dos bases de R". (@) Cuando B = fy, eseriba la mattiz de transicién de Ba B' en términos de BY. (b) Cuando B' = Jy escriba la matriz de transicién de BaB’ en términos de B. (©) Cuando B = fy, escriba la matriz de transicién de BY a Been términos de B’. (@) Cuando 8" = J, escriba la matriz de transicién de BY a Ben términos de B. Representacion de coordenadas en Py En los ejerci- cios 43 2 46, halle Ia matriz de coordenadas de p con respecto a la base estdindar de Py, 43. p= 28 4x74 xt 44, p = 3x2 + Lax + 13 AS. p= x8 2x84 Seb 46 p= dx? — 3x2. Ropresentacién de coordenadas en IM, En los ejerci- cios 47 a 50, halle la matriz de coordenadas de X con res~ pecto a la base estindar en May. mf) sll 1 49.x=] 2 -1 AVerdadero 0 falso? En los ejercicios 51 y 52, determine cual de las expresiones es verdadera o falsa. Si la expresién es verdadera, proporcione una razén o cite una expre- siGn adecuada del texto, Si fa expresién es falsa, proporcione tun ejemplo que muestre que la expresién no es cierta en todos los casos o cite del texto una expresidn adecuada. 51, (a) Si Pes la matriz de transicién de una base de Ba B’, entonces la ecuacion PIxly = [xlp representa el cambio de base de B a B’. (b) Para cualquier matriz X de 4% 1, 1a matriz de coor denadas [Xs respecto a la base estindar de Mg, es igual aX misma, $2, (a) Para realizar el cambio de base de una base no estén- dar BY a una base estandar B, la mattiz de transicién Pes simplemente B. (b) La matriz de coordenadas de p = 5x2 + x—3 res pecto a la base estindar de P, es [ply = [5 1-31". 53, Sea P la matriz de transiciGn de BY a B' y sea Q la matriz, de transicin de B” a B. {Cudl es la maitiz de transici6n de B a B" ‘84, Sea P la matriz de transici6n de B" a B y sea Q ta matrix, de transicién de B" a B. {Cuil es la maiz de transicién de Bas"212 Capitulo 4 Espacios vectoriales 4.8 Aplicaciones de los espacios vectoriales JW _Us0 del wronskiano para probar la independencia lineal de un con- junto de soluciones de una ecuacién diferencial homogénea lineal. By [dentificar y trazar la gréfica de una seccién cénica y realizar una rota- cién de ejes. ECUACIONES DIFERENCIALES LINEALES (CALCULO) {Una ecuacidn diferencia lineal de orden ns de a forma YO Ba aby sb aly” + gly = 70) donde go, G1,» «+ 8-1 ¥ fon funciones de « con un dominio comin. Si f(x) = 0, la ecuacién es homogénea. De otra manera es no homogénea. A una funcién y se le deno- ‘mina soluci6n de la ccuacién diferencial lineal sila ecuacin se satisface cuando y y sus primeras n derivadas se sustituyen en la ecuacién. EJEMPLO 1 Ecuat in diferencial lineal de segundo orden Demuestre que y; = e* y yz = e* son soluciones de la ecuacién diferencial lineal y” — y=0. SOLUCION Para la funcién y = e*, se tiene que yy = ey y= e*, por tanto, yi Sy=e Esto implica que yi yee a0. Por tanto, yy = ¢* también es una solucién de la ecuaciéa diferencia linea. a Existen dos observaciones importantes que usted puede hacer acerca del ejemplo 1. La primera es que el espacio vectorial C"(—2», o) de todas las funciones derivables dos veces definidas en la recta de los enteros reales, las dos soluciones y; = e* y yz = e* son linealmente independientes. Esto significa que la tnica solucién de Co + Coy = 0 que es valida para toda x es C; = Cy = 0, La segunda observacién es que toda combina- cidn lineal de yy y y2 también es solucién de la ecuacién diferencial lineal. Para ver esto, sea y = Cyy; + Cyyz. Entonces y= Cet Cem* y= Cet — Ce y= Cet + Ce. ‘Sustituyendo en la ecuacién diferencial y" - y = 0 resulta Pays (Cet + Ce) — (Ce + Ce) =. Por tanto, y= Ce + Cae" es una soci Estas dos observaciones se generalizan en el siguiente teorema, el cual se establece sin demostracién. c48 Aplicaciones de los espacios vectoriales 213, Soluciones de una ecuacién diferencial lineal homogénea COMENTARIO ‘Toda ecuacién diferencial lineal homogénea de n-ésimo orden Le solucion 9 ge GOD $+ + wiley’ + gylaly = 0 ps ey Yyh @S UN = Gy, + yyy bet 7 ir y= Gin + Crs Co¥n | siene n soluciones linealmente independientes. Adems, si (4, 6 llamads solucién general de | conjunto de scluciones linealmente independientes, entonces toda solucién es de Ia la ecuacién diferencial dads. forma y= Cy + Coy te + Gy donde C2, Ca, ..., C, on ntimeros reales A li luz del teorema anterior, se puede ver Ia importancia de ser capaz de determinar si un conjunto de soluciones es linealmente independiente, Antes de describir una manera de probar la independencia lineal, vea la siguiente definicién. Definicién del wronskiano de un conjunto de funciones 1+ J2.+ - Yq} UN conjunto de funciones, cada una de las cuales tiene n ~ 1

You might also like

• The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  

  From Everand

  The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good Life

  Mark Manson

  Rating: 4 out of 5 stars

  4/5 (5814)
• The Gifts of Imperfection: Let Go of Who You Think You're Supposed to Be and Embrace Who You Are

  

  From Everand

  The Gifts of Imperfection: Let Go of Who You Think You're Supposed to Be and Embrace Who You Are

  Brene Brown

  Rating: 4 out of 5 stars

  4/5 (1092)
• Never Split the Difference: Negotiating As If Your Life Depended On It

  

  From Everand

  Never Split the Difference: Negotiating As If Your Life Depended On It

  Chris Voss

  Rating: 4.5 out of 5 stars

  4.5/5 (844)
• • Magazines
  • Podcasts
  • Sheet music
• Principles: Life and Work

  

  From Everand

  Principles: Life and Work

  Ray Dalio

  Rating: 4 out of 5 stars

  4/5 (609)
• The Glass Castle: A Memoir

  

  From Everand

  The Glass Castle: A Memoir

  Jeannette Walls

  Rating: 4.5 out of 5 stars

  4.5/5 (1717)
• Grit: The Power of Passion and Perseverance

  

  From Everand

  Grit: The Power of Passion and Perseverance

  Angela Duckworth

  Rating: 4 out of 5 stars

  4/5 (590)
• Sing, Unburied, Sing: A Novel

  

  From Everand

  Sing, Unburied, Sing: A Novel

  Jesmyn Ward

  Rating: 4 out of 5 stars

  4/5 (1104)
• Hidden Figures: The American Dream and the Untold Story of the Black Women Mathematicians Who Helped Win the Space Race

  

  From Everand

  Hidden Figures: The American Dream and the Untold Story of the Black Women Mathematicians Who Helped Win the Space Race

  Margot Lee Shetterly

  Rating: 4 out of 5 stars

  4/5 (897)
• Shoe Dog: A Memoir by the Creator of Nike

  

  From Everand

  Shoe Dog: A Memoir by the Creator of Nike

  Phil Knight

  Rating: 4.5 out of 5 stars

  4.5/5 (540)
• The Perks of Being a Wallflower

  

  From Everand

  The Perks of Being a Wallflower

  Stephen Chbosky

  Rating: 4.5 out of 5 stars

  4.5/5 (2104)
• The Hard Thing About Hard Things: Building a Business When There Are No Easy Answers

  

  From Everand

  The Hard Thing About Hard Things: Building a Business When There Are No Easy Answers

  Ben Horowitz

  Rating: 4.5 out of 5 stars

  4.5/5 (348)
• Bad Feminist: Essays

  

  From Everand

  Bad Feminist: Essays

  Roxane Gay

  Rating: 4 out of 5 stars

  4/5 (1018)
• Elon Musk: Tesla, SpaceX, and the Quest for a Fantastic Future

  

  From Everand

  Elon Musk: Tesla, SpaceX, and the Quest for a Fantastic Future

  Ashlee Vance

  Rating: 4.5 out of 5 stars

  4.5/5 (474)
• Her Body and Other Parties: Stories

  

  From Everand

  Her Body and Other Parties: Stories

  Carmen Maria Machado

  Rating: 4 out of 5 stars

  4/5 (822)
• The Outsider: A Novel

  

  From Everand

  The Outsider: A Novel

  Stephen King

  Rating: 4 out of 5 stars

  4/5 (1850)
• The Emperor of All Maladies: A Biography of Cancer

  

  From Everand

  The Emperor of All Maladies: A Biography of Cancer

  Siddhartha Mukherjee

  Rating: 4.5 out of 5 stars

  4.5/5 (271)
• The Sympathizer: A Novel (Pulitzer Prize for Fiction)

  

  From Everand

  The Sympathizer: A Novel (Pulitzer Prize for Fiction)

  Viet Thanh Nguyen

  Rating: 4.5 out of 5 stars

  4.5/5 (122)
• Angela's Ashes: A Memoir

  

  From Everand

  Angela's Ashes: A Memoir

  Frank McCourt

  Rating: 4.5 out of 5 stars

  4.5/5 (441)
• Brooklyn: A Novel

  

  From Everand

  Brooklyn: A Novel

  Colm Tóibín

  Rating: 3.5 out of 5 stars

  3.5/5 (1947)
• The Little Book of Hygge: Danish Secrets to Happy Living

  

  From Everand

  The Little Book of Hygge: Danish Secrets to Happy Living

  Meik Wiking

  Rating: 3.5 out of 5 stars

  3.5/5 (401)
• A Man Called Ove: A Novel

  

  From Everand

  A Man Called Ove: A Novel

  Fredrik Backman

  Rating: 4.5 out of 5 stars

  4.5/5 (4770)
• The Art of Racing in the Rain: A Novel

  

  From Everand

  The Art of Racing in the Rain: A Novel

  Garth Stein

  Rating: 4 out of 5 stars

  4/5 (4203)
• The World Is Flat 3.0: A Brief History of the Twenty-first Century

  

  From Everand

  The World Is Flat 3.0: A Brief History of the Twenty-first Century

  Thomas L. Friedman

  Rating: 3.5 out of 5 stars

  3.5/5 (2259)
• Steve Jobs

  

  From Everand

  Steve Jobs

  Walter Isaacson

  Rating: 4.5 out of 5 stars

  4.5/5 (807)
• A Tree Grows in Brooklyn

  

  From Everand

  A Tree Grows in Brooklyn

  Betty Smith

  Rating: 4.5 out of 5 stars

  4.5/5 (1929)
• The Yellow House: A Memoir (2019 National Book Award Winner)

  

  From Everand

  The Yellow House: A Memoir (2019 National Book Award Winner)

  Sarah M. Broom

  Rating: 4 out of 5 stars

  4/5 (98)
• Devil in the Grove: Thurgood Marshall, the Groveland Boys, and the Dawn of a New America

  

  From Everand

  Devil in the Grove: Thurgood Marshall, the Groveland Boys, and the Dawn of a New America

  Gilbert King

  Rating: 4.5 out of 5 stars

  4.5/5 (266)
• A Heartbreaking Work Of Staggering Genius: A Memoir Based on a True Story

  

  From Everand

  A Heartbreaking Work Of Staggering Genius: A Memoir Based on a True Story

  Dave Eggers

  Rating: 3.5 out of 5 stars

  3.5/5 (231)
• Yes Please

  

  From Everand

  Yes Please

  Amy Poehler

  Rating: 4 out of 5 stars

  4/5 (1898)
• Team of Rivals: The Political Genius of Abraham Lincoln

  

  From Everand

  Team of Rivals: The Political Genius of Abraham Lincoln

  Doris Kearns Goodwin

  Rating: 4.5 out of 5 stars

  4.5/5 (234)
• The Woman in Cabin 10

  

  From Everand

  The Woman in Cabin 10

  Ruth Ware

  Rating: 3.5 out of 5 stars

  3.5/5 (2522)
• Fear: Trump in the White House

  

  From Everand

  Fear: Trump in the White House

  Bob Woodward

  Rating: 3.5 out of 5 stars

  3.5/5 (738)
• Wolf Hall: A Novel

  

  From Everand

  Wolf Hall: A Novel

  Hilary Mantel

  Rating: 4 out of 5 stars

  4/5 (3811)
• John Adams

  

  From Everand

  John Adams

  David McCullough

  Rating: 4.5 out of 5 stars

  4.5/5 (2409)
• On Fire: The (Burning) Case for a Green New Deal

  

  From Everand

  On Fire: The (Burning) Case for a Green New Deal

  Naomi Klein

  Rating: 4 out of 5 stars

  4/5 (74)
• The Light Between Oceans: A Novel

  

  From Everand

  The Light Between Oceans: A Novel

  M.L. Stedman

  Rating: 4.5 out of 5 stars

  4.5/5 (789)
• Manhattan Beach: A Novel

  

  From Everand

  Manhattan Beach: A Novel

  Jennifer Egan

  Rating: 3.5 out of 5 stars

  3.5/5 (792)
• The Constant Gardener: A Novel

  

  From Everand

  The Constant Gardener: A Novel

  John le Carré

  Rating: 3.5 out of 5 stars

  3.5/5 (104)
• The Unwinding: An Inner History of the New America

  

  From Everand

  The Unwinding: An Inner History of the New America

  George Packer

  Rating: 4 out of 5 stars

  4/5 (45)
• Clase 5 (Capm Dinámico) (UNMSM) (MacroAvan)

  

  Document52 pages

  Clase 5 (Capm Dinámico) (UNMSM) (MacroAvan)

  JoseLuisTangara

  No ratings yet
• Rise of ISIS: A Threat We Can't Ignore

  

  From Everand

  Rise of ISIS: A Threat We Can't Ignore

  Jay Sekulow

  Rating: 3.5 out of 5 stars

  3.5/5 (137)
• Little Women

  

  From Everand

  Little Women

  Louisa May Alcott

  Rating: 4 out of 5 stars

  4/5 (104)
• Yapu

  

  Document56 pages

  Yapu

  JoseLuisTangara

  No ratings yet
• 20

  

  Document113 pages

  20

  JoseLuisTangara

  No ratings yet
• 028 Madridetal 2005

  

  Document12 pages

  028 Madridetal 2005

  JoseLuisTangara

  No ratings yet
• Historia Ferrocarriles

  

  Document28 pages

  Historia Ferrocarriles

  JoseLuisTangara

  No ratings yet
• Objetivos de Prendas de Vestir

  

  Document26 pages

  Objetivos de Prendas de Vestir

  JoseLuisTangara

  No ratings yet
• Betas Damodaran

  

  Document312 pages

  Betas Damodaran

  JoseLuisTangara

  No ratings yet
• Gestión Del Aprovisionamiento - Módulo 2 - Aprovisionamiento-Desbloqueado

  

  Document34 pages

  Gestión Del Aprovisionamiento - Módulo 2 - Aprovisionamiento-Desbloqueado

  JoseLuisTangara

  No ratings yet
• Clase 6 (Mendoza) (UNMSM) (MacroAvan)

  

  Document32 pages

  Clase 6 (Mendoza) (UNMSM) (MacroAvan)

  JoseLuisTangara

  No ratings yet