P. 1
253_algebra lineal (2ª edición)_stanley grossman

253_algebra lineal (2ª edición)_stanley grossman

|Views: 413|Likes:
Published by ramses_kratos

More info:

Categories:Topics, Art & Design
Published by: ramses_kratos on Sep 13, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/08/2014

pdf

text

original

~

ALGEBRA LINEAL

SEGUNDA EDICION

STANLEY I.

GROSSMAN

University of Montana

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

Traductores:

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

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

Grupo Editorial Iberoamerica ~ Rio Atoyac No. 32-: 06500Mi~ico. Dr - Tels. 21l312S. 5530798 ~

A Kerstin, Erik y Aaron

AI.GEBRA LINEAl. - Segunda edici6n

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

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

ISBN 0-534-07422-7

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

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

ISBN 968-7270-39-X Impreso en Mexico

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

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

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

Reg. CNIEM 1382

Pr'l g

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

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

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

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

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

vii

viii

PROLOGO

Prologo

ix

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

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

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

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

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

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

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

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

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

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

Este libro contiene dos apendices -uno sobre induccion matematica y otro acerca de los numeros complejos. Algunas de las demostraciones dadas en el utilizan induccion maternatica, y para los estudiantes que no han manejado este importante metodo , el Apendice 1 les proporciona una breve introduccion.

Ahara una palabra sobre la dependencia reciproca de los capitulos. Ellibro fue escrito en forma secuencial, cada capitulo depende del precedente, con dos excepciones, El Capitulo 6 puede ser cubierto sin referirse a mucho del material del 5. El Capitulo 7 (exeepto la Seccion 7.4) puede ser tratado despues del 1. Por otra parte, las secciones marcadas "opcional" se pueden omitir sin perdida de continuidad.

En mi opinion, la parte mas importante de cualquier texto de maternaticas elementales es el uso de ejemplos 0 problemas. Considero haber aprendido mucho de algebra lineal resolviendo problemas, y creo que esto se veri fica tambien para la mayoria de los estudiantes. Asi, en muchas secciones he incluido tantos ejemplos como sea razonable, seguidos por un buen mimero de problemas de ejercicios y otros de naturaleza mas teorica. Son cornplcmentados por ejercicios de repaso a1 final de cada capitulo. Los problemas mas di ficiles estan marcados con una estrella ( * ) y unos pocos excepcionalmente dificiles con dos ( **).

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

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

Cam bios notables en la tercera edicion

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

X PRO LOGO

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

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

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

Algun material redundante fue eliminado,

Revisores de fa rercera edidon

John Chapman Southwestern University

Thomas D. Forrest Middle Tennessee State University

Henrv Helson Univ~rsity of California, Berkeley

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

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

Re:visores de la segunda edid6n

.. Una demostracion completa de detAB Seccion 2.3.

det A det B aparece ahora en la

P. A. Binding University of Calgary

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

Joseph M. Cavanaugh

East Stroudsburg State College

Louis Florence

University of Toronto

Eugene Johnson University of Iowa

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

Revisores de Ia primera edidon

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

Donald F, Bailey Cornell College

Reconocimientos

Richard W. Ball Auburn University

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

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

Sandra A. Bollinger Longwood College

James Bradley

Roberts Wesleyan College

Joel V. Brawley Clemson University

Paul Bugl

University of Hartford

Pr61ogo xi

William Jacob

Oregon State University

R. Bruce Lind

University of Puget Sound

Bryan Smith

University of Puget Sound

R. Van Enkevort University of Puget Sound

Graham A. Chambers University of Alberta

Ronald Eldringhoff

St. Louis Community College

John Sawka

University of Santa Clara

Keith Stumpff

Central Missouri State University

Barbara Ann Greim University of North Carolina en Wilmington

Charles H. Haggard Transylvania University

Da vid Kinsey

Indiana State University

Thomas Lupton

University of North Carolina en Wilmington

J. J. Malone

Worcester Polytechnic Institute

xii PROLOGO

Gary Chartrand

Western Michigan University

Richard J Easton Indiana State University

Gary L. Eerkes Gonzaga University

Garret 1. Etgen. University of Houston

William R. Fuller Purdue University

John D. Fulton Clemson University

Lillian Gough University of Wisconsin

Douglas D. Smith

Central Michigan University

T W. Tucker Dartmouth College

Marcellus E. Waddill Wake Forrest University

James Wall Auburn University

Edwin L. Marsden Norwich University

Martin E. Nass

Iowa Central Community College

John Petro

Western Michigan University

William B. Rundberg College of San Mateo

William Rundell

Texas A & M University

David Schedler

Virginia Commonwealth University

Jack C. Slay

Mississippi State University

Cary Webb

Chicago State University

James 1. Woeppel

Indiana University Southeast

Dennis G. Zil!

Loyola i'vIarymount University

CAPiTUf_O

nido

nt

Pro logo, vii AI estudiante,

xvii

1

Sistemas de ecueciones lineales y matrices 1

Introduccion,

Dos ecuaciones lineales en dos inc6gnitas, 2

Vectores, 6

Matrices, 14

Productos de vectores y matrices, 19

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

Gaussiana , 31

Sistemas homcgeneos de ecuaciones, 48

La inversa de una matriz cuadrada, 54

Transpuest a de una matriz , 72

Matrices clement ales e inversas de matrices, 75

Una perspectiva diferente: Inversas unilaterales de matrices,

Ejercicios de repaso .. Capitulo 1, 92

1.1 1.2 1.3 1.4 1.5 1.6

I.7 1.8 1.9 LtO 1.11

Determinantes,

9S

2.1 2.2

Definiciones, 95

Propiedades de los determinantes,

84

102

xiii

xiv

CONTENIDO

CAPITULO

CAPITULO

5

5.1 5.2

5.3 5.4 5.5

2.3

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

import antes, 116

Determinantes e inversas, 122

Regia de Cramer, 128

Ejercicios de repaso .. Capitulo 2, 132

CAPITULO

2.4 2.5

3

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

3.1 3.2 3.3 304 3.5

Vectores en el plano, 135

El producto esc alar y proyecciones en 143

Vectores en el espacio, ISO

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

Rectas y pianos en el espacio, 165

Ejercicios de rcpaso .. Capitulo 3, 175

4

Espacios vectorietes,

179

4.1 4.2 4.3 4.4 4.5 4.6 4.7

Introduccion, 179

Definicion y propiedades basicas, 179

Subespacios, 185

Indepcndencia lineal, 190

Cornbinacion lineal y xencracion de espacio, 200

Base y dimension, 206

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

matriz, 216

Rango y determinantes de submatrices (opcional), 229

Carnbio de bases, 232

Bases ortonormale5 y proyeceiones en 242

Espacios de producto interior y proyecciones, 255

Una perspectiva diferente: la existencia de una base, 264

Ejercicios de repaso .. Capitulo 4, 269

CAPITULO

4.8 4.9 4.10 4.n 4.12

APENDICE

APENDICE

Transformaciones lineales,

213

Definicion y ejemplos, 273

Propiedades de las transformaciones lineales: Imagen y kernel (0

nuclco), 280

La represcntacio-, matricial dc una transformacion lineal,

Isomorfismos, 299

Isometria (opcional), 304

Ejercicios de repaso .. Capitulo 5, 310

287

Contenido XV

6

vetores cerecteristicos, vectores eemcteristico» y iormss canonicas, 311

6.1 6.2 6.3 6.4 6.5 6.6 6.7

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

Matrices equivalentes y diagonalizacion, 328

Matrices simetricas y diagonalizacion ortogonal, 344

337

311 324

6.8

Forrnas cuadraticas y secciones conicas,

Forma canonica de Jordan, 354

Una aplicacion importante: Ecuaciones diferenciales

matriciales, 362

Una perspectiva diferente: Los tcorernas de Cayley-Hamilton y

Gershgorin, 373

Ejercicios de repaso • Capitulo 6,

380

7

Metodos numericos,

383

7.1 7.2

El error en los calculos nurnericos, 383

Resolucion de sistemas lineales I: Elirninacion gaussiana con

apoyo, 386

Resolucion de sistemas lineales II: Metodos iterativos, 393

Calculo de valores caracterfsticos y vectores caracteristicos,

Ejercicios de repaso .. Capitulo 7, 413

404

7.3 7.4

1

I nducci6n matematica, 41 S

Numeros compieie«, 419

Respuestas a los problemas de numero

imper, 429

lnaice,

471

I estu

..

la

t

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

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

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

Sabemos que esta obra tu bibliote-

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

Como uno de nuestros intereses principales es hacer me-

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

ceremos {us comentarios y observacion que contribuya al publicaciones.

Editorial Iberoamerica

en tu

1. 1 I ntroducci6n

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

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

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

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

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

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

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

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

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

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

1

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

1.2 Dos ecueciones lineales en dos incognitas

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

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

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

(1)

Propiedad A. Si a Propiedad B. Si a

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

bye es cualquier mimero real, entonces ca = cb.

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

Ejemplo 1 Con sid ere eJ sistema

X]-X2 =7 Xl + X2 = 5

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

(2)

Ejemplo!1 Considere el sistema

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

(3)

1.2 • Dos ecuaciones lineales en dos incognitas

3

Es claro que estas dos ecuaciones son equivalentes, Para ver esto multiplicamos la primera por 2. (Esto es valido por Ia Propiedad B.) Entonces, Xl - X2 = 7 6 X2 = Xl -7. Asi, e1 par (XI' Xl -7) es una solucion del sistema (3) para cualquier mimero real XI' Esto es, el sistema (3) tiene un numero infinito de soluciones. Por ejemplo, los siguientes pares son soluciones: (7, 0), (0, -7), (8, 1), (1, -6), (3, -4) y (-2, -9).

Ejemplo 3 Considere el sistema

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

(4)

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

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

No hay solucion

Niimero infinite de soluciones

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

(a) Rectas no paralelas:

un punto de intcrseccion

(b) Rectas paralelas;

sin puntos de interseccion

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

Figura 1.1

Ahora resolvamos el sistema (1) formalmente. Tenemos

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

4

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

all a22xl + a1Za22x2 = a22bl a12a21x1 +a12a22x2 = al2b2

(5)

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

(6)

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

Xl = alla22--a12a21

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

y habremos mostrado 10 siguiente:

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

Ahora expresarernos en un teorema los hechos discutidos anteriormente. Es un teorema que sera generalizado en sccciones postcriores de este capitulo y en capitulos siguientes. Este teorema, llamado "Teorema Resumen", nos dara una indicaci6n de nuestro progreso en los capitulos siguientes, Cuando todas sus partes hayan sido probadas, veremos una relacion notable entre varios conceptos importantes del algebra lineal.

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

1.2 • 005 ecuaciones lineales en dos incognitas

Teorema 1 ieoremll Resumell, Version 1. El sistema

allxj + a12xZ = b1 U21X1 + U22X2 = b2

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

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

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

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

Problemas 1.~

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

6 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

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

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

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

iax,+bYl-ci

d= ~

va2+b2

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

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

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

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

33. Si el deterrninante del sistema (I) es dis tin to de cro, demuestre que el sistema tiene una unica soluci6n.

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

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

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

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

1.3 Vectores

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

* Vease la resena biografica.

Vector renglon de II componentes

Vector columna de n componel'ltes

1.3 • Yectores '1

que actualmente se denomina vee/ores. Durante la vida de Hamilton, y.e.n 10 que resto del siglo diecinueve, existio un considerable. debat~ sobre la ut!l:~ad de los cuaterniones 0 cuaternios y de los vectores. A fill de siglo, el gran flS1CO britanico Lord Kelvin, escribio acerca de los cuaternios: "aun cuando son notable mente ingeniosos, han demostrado ser una mala fortuna para todos aquellos que de alguna manera los han estudia~o [as! comol,~os vectores.

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

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

y sociales. * ..' "

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

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

Definimos un vector renglon de n componentes (0 n-dimensional) como un conjunto orden ado de n numeros escrito como

(1)

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

c:)

(2)

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

vector. r di

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

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

cera.

Ejemplo 1 Los siguientes son ejemplos de vectores:

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

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

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

8 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

iii.

iv,

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

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

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

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

de alurninio, y as! sucesivamente.

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

60 15

f· .10. 60

lean cosas muy diferentes para el comprador.

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

Clones para los vectores renglon son similares.

Las componentes de todos los vectores ell este libra son nurneros reales 0 complejos, * Usarnos el simbolo IR" para denotar el conjunto de tad os los

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

an

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

ve 't . I . raremos

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

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

Sir William Rowan Hamilton, 1805 .. 1865

por casualidad , conocio al ve1ocisirno calculista norteamericano Zerah Colburn. Poco despues Hamilton cornenzo a leer importantes libros de matematicas de la epoca. En 1823, a los dieciocho afios de edad, descubrio un error en la Mecanique celeste de Simon Laplace y escribio un impresionante articulo sobrc el tema. Un ano despues, ingreso al Trinity College en Dublin.

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

Su primer gran articulo puramente maternatico aparecio en 1833.En este trabajo , describio un modo algebraico para manipular parejas de ruirneros realcs. Este estudio da reglas que se usan ahora para sumar , rcstar , multiplicar y dividir los numerus complejos. Al principio , sin embargo, Hamilton no pudo hallar un metodo para la multiplicacion de triadas o n-adas de numeros cuando n > 2. Dicz an os dedico a pensar en este problema, y se dice que 10 resolvi6 por inspiracion mientras caminaba un dia sobre el puente de Brougham en Dublin en 1843. La clave fue la de descartar la bien conocida propicdad conrnutativa de la multiplicacion. Los nuevos conceptos se llamaron cuaterniones 0 cuaternios, y Iueron los prccursores de 10 que ahora llamamos vectores,

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

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

A pesar del gran trabajo que Hamilton estaba desarroJlando, sus ultimos anos fueron tormcntosos. Su esposa estaba scrniinvalida, y iii se convirtio cn alcoholico. POl' 10 tanto, es corrfortarrte destacar que durante csos ultimos anos, la naciente Academia Nacional de Ciencias de Estados Lnidos, eligi6 a Sir William Rowan Hamilton eomo su primer miem-

Sir William Rowan Hamilton

Uhe Granger Collectioni

bro extranjcro .

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

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

____ .. -_.-

10

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Definicion 1

Definicion 2

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

Cn

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

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

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

an b;

iguales si y s610 si a I

S.m. ~ veceeres, Soan a ~, C} b ~ C) NO"O'" Entonces I, surna de a y b se define como

---.----

(3)

-----------

Ejemplo ~

Ejemplo 3

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

Definicion l

Ejemplo II

1.3 • Vectores

11

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

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

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

Multiplicaciol'l de vecteres por 1.111 escaiar. Sea a

(a1)

a.,

: ~ un vector y 0: un esca-

all

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

(4)

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

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

12

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

Esto significa que si

Ejempio 5

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

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

i. 3+0= a

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

la derecha es el vector nulo.)

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

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

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

vii. (a{3)a = a «(:3 a)

Demostraci6n de (ii) y (iii)

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

. a2 a2 O· a2 0

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

art an ,0 a; 0

(hl) (a1 +bl) (hI + al)

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

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

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

Ejemplo 6

1.3 e Vectores

13

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

Para ilustrar la ley asociativa vemos que

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

mientras que

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

Problemas 1.3

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

(D yo {~)

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

10. 3b-7c+2a

2. 3b

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

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

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

11. a+c 14.-2b

17. a+b+c

20. aa+/3b+yc

13. 4c

16. 4b-7a

19. 3a-2b+4c

12. b-a 15. 2a-c

18. c-b+2a

14

CAPiTULO 1 • SISTEMAS DE ECUACIONES UNEA,LES Y MATRICES

21.

al .

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

an

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

22.

(a1) (bJ) (CI)

a2 b2 C7

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

an bn en

que son iguales,

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

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

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

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

Sean a= G} b = (-D y C=(:}Encuentre un vector v tal que 2a- h+ 3'1 =41:.

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

23.

24. 25.

26.

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

1.4 Matrices

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

all a12 ali a1n
a2! aZ2 a2j a2n
A= (1)
ail ai2 Uij ain
\a~l am2 ami amn • Nota Historica: El terrnino "matriz" fue usado por primera vcz en 1850 por 121 rnatcmatico britan.co James Joseph Sylvester (J 814-1897) para distiriguir las matrices de los determinantes (que discutirernos en el Capitulo 2). De heche, el terrnino "matriz" qucria significar "madre de los deterrninantes".

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

1.4 • Matrices

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

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

Una matriz de m x neon todas sus componentes iguales a cero es una matriz cero de m X n,

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

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

Ejemplo 1

A continuacion se presentan cinco matrices de diferentes tamanos:

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

(-31 4 (~1 _661 -2\

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

v. (~

o o

~), matriz cero de 2 x 4

o o

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

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

de n x l.

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

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

(10 20

30 10 Q = 15 22

60 40

25)

22

13 45

15 16 20 25 18 20 50 35

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

16

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Definicion 1

(Biblioteca del Congreso, Estados Unidos)

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

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

• ( all + bll al2 + b12 a1n + bin) l

a21 + b21 an + bn a2n + b2n

A + B = (a,j + bi;) = . (2)

_______ a __ m_1_+ __ h_m_1 __ a_m __ 2_+_b_ffi_2 a_m_"_+ __ b_m_"_I _j

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

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

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

las matrices

2

2

5

4

.-- __ --_._---------

4 -6

1 6 3 4 4

5 0

6 6 4 -1

3 2 3-5

+

iA~lltijl';Jlj(:a'ion de UllaJ matriz por iln !!st:i!llilr. Si A = es una matriz de m x n

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

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

= ax by,

y'

+ dy,

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

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

1.4 • Matrices

11

(OIa11

OIa21

OIA = (OIalj) = :

aam1

aa1n\ aa2n ,

OI~m)

En otras palabras, o:A = (0: a,) es la matriz que se obtiene multiplicando por ex cada componente de A.

-3 4 1 4 3 5

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

Sea A=

1

o

Calcule -2A 3R.

2

3

y

--21". 3R =

2.

+

-4- 14 --·6

o

--4

+

-9

. Su demcstracion

Sean A_.

y

11". A

18

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

Problemas 1.4

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

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

-1 2 -7 5 -·7 3

1. 3A 2. A+B 3. A--C
4 .. 2C-5A 5. OB (0 es el escalar cero) 6. -7A +38
7. A+B+C 8. C-A-B 9. 2A -3B +4C
10.7C-B+2A II. Encucntre una matriz D de manera que 2A + B - D sea la matriz cera de 3 X 2. 12. Obtenga una matriz E de manera que A + 2B - 3C + E sea la matriz cero de 3 x 2.

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

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

-1 7 -6 0 a -2 4

13. A -2B ]6.2A·-B+2C

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

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

1.5 • Productos de vectores y matrices

19

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

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

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

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

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

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

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

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

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

2

1/\>3

~

1.5 Productos de veeteres y matrices

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

Deflnici6n 1 P,.,,"ct. "",,, d. d.s vecteres, Soan a ~ C) Y b ~ C) do, n·mto", Entonces eI productd zscalar de a y b, represent ado por a . b, esta dado por

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

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

(2)

Ejemplo 1

So/udoll

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

Ejemplo 2 Soan F (2, -3, 4, -6) y • ~ (~)- Calcule •• b,

So/ud61l Aqui a' b = (2)(1)+(-3)(2)+ (4)(0)+ (-6)(3) = 2 -6 +0 -18 = -22.

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

Soiuci6n La. demand a del primer articulo es de 30 y el fabricante recibe $20 por cada unidad vendida del primer articulo. Por 10 tanto, recibe (30)(20) = $600 por la venta del primer articulo. Continuando este razonamiento vernos que el total de dinero recibido sera d . p. Asi, sus entradas son d . P = (30)(20) + (20)(15) + (40)(18) + (10)(40) = 600 + 300 + 720 + 400 = $2020.

1.5 • Productos de vectores y matrices if

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

Teorema 1

Sean a, bye n-vectores Y sean 0/ y (3 escalares. Entonces:

i , aoO=O

ii , 2.'b= b-a (ley conmutativa para el producto escalar)

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

iv , (O/a)'b = (X(Ii'b)

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

definido.

Definicion !1

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

C = (cij) de m x p, donde

r=_ __ . C,_.i=_B_i'_b_i -----(3}j

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

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

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

Sollidon Sea C = (cij) = AB. Entonces Cll = III ' III = (1 3)' G) = 3 + 15 = 18; C12 =

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

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

C'=BA = (~

-2)( 1

6 -2

3) (3+4

4 = 5-12

9-8) (7

15+24 - -7

3~)

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

fjemplo 5

Sean A = (!

B=( ~

-3

-1 5

4 o 2

o 1

-3)

5 y

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

,,,~(2 0 -3)· (_D~23 ,,,~(2 0 -3)'CD~-5

C13 = (2 0 -3)·m~2 C14 = (2 0 -3) (-D~5
C21 = (4 1 5)CD~15 C22 = (4 5)fD~6
C23 = (4 1 5)·m~26 C24 = (4 1 5) (-}39 (23

Por tanto AB =

15

-5 6

2 26

5) .

39 . Esto terrnina el problema. Observe que

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

1.5 • Productos de vectores y matrices

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

Matriz de contsctcs directos: Grupos primero y segundo

(0 1 ° 0

1 0 0 1 A=

000 1

1 000

~ ~)'

1 0

o 1

Aqui se tiene que au = 1 si la z-esima persona del primer grupo ha hecho contacto con la j-esima persona del segundo. Par ejemplo, ellen la posicion 2, 4 significa que la segunda persona del primer grupo (el infectado) ha hecho contacto con la cuarta persona del segundo grupo. Ahora sup6ngase que un tercer grupo de cinco personas ha tenido cant acto directo con individuos del segundo. Esto tarnbien puede representarse par una matriz.

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

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

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

Ahara se calculara.

Matriz de ccntsctos indirectos: Grupos primero y tercero,

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

o 0 2 0)

o 2 0 2

001 1 020 1

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

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

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

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

[

3

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

ACBC) = (AB)C

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

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

_ (1 -3) _ {2

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

y

C=

( 0 -2 1)

4 3 2 .

-5 0 6

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

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

-7 24) I 39 2 -81)

-3 35 = \-42 -6 70

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

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

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

Hay dos leyes distributivas para la multiplicacion de matrices.

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

Demoslraci6n de los Teoremas 2 y 3

A(B+C) =AB +AC

y

L

(8~]

-------

(A +B)C=AC+BC

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

rn P

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

k 1 1= 1

f ( t C1ikbk1)Clj = f t C1ikbkIClj' Ahora definimos E = (e,) = BC. Enton-

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

v m

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

1'-1 k~l

yt"l p

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

da as! demostrado , II

26 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

k-l k-l

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

k=l '

que prueba la Ecuacion (7). III

Problemas 1.5

En los Problemas dell al 7 calcule el producto escalar de los dos vectores.

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

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

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

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

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

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

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

(~~)

10. (28)' (3b)

13. (2b)· (3c -- Sa)

11. Ill' (b+c)

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

12. c : (a~b)

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

1.5 • Productos de vectores y matrices 21

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

3 1 1 0 4

25. (1 4 0

( 3 ~6)

2) _~ :

(3 ~2

27. 4 0

5 1

1) 11 6 (o_

9 \0

I 3

26. I \--6

2

4 0

(1 0 0 (3 ~2 1

28. 0 1 0) 4 0 6)

() 0 1 5 I 9

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

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

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

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

bJ.2) = (1 0)"

bn D 1

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

= (2 ~1 4)

1 0 6 '

(I 0 1) ( 1 6)

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

3 ~2 o 0 5

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

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

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

(1 0 1 0 0)

o 0 () 1 () B --

I 1 0 0 0

o 0 1 0 I

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

Vectores ortogonales

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

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

41. Encuentre todos los numeros " Y P de forma quo los vectores (-;) Y \ 3 I

sean ortogonales.

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

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

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

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

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

requeriran para surtir los pedidos.

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

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

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

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

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

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

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

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

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

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

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

multiplicacion de matrices para calcular cantidad total de dinero

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

ortogonales seran rrarudos ampliamente en los Capitulo, 3 y 4.

1.5 • Productos de vectores y matrices

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

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

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

-2

48. Calcule A 2, en dondc A =

()

1

49. Determine

(-1

en donde A =

\ 3

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

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

de probabilidad es una matriz cuadrada con dos propiedades:

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

es Las siguientes son de probabilidad:

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

_.

30

CAPITULO 1 • SISTEMAS DE ECUACIONES liNEALES Y MATRICES

*56. *57.

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

triz de probabilidad. una rna-

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

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

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

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

AI z-esirno jugador se le asigna el siguientc puntaje

n~ 1 n

S, = I R'j +_. I (R2)" *

j=l 2 j=l

(a) En un torneo entre cuatro jugadores,

(0 1

R = 0 () 1 ° 1 °

o 0)

1 1

o 0 .

1 0

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

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

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

p. Muestre que OA

A=G

B =( -~ ~)

2 4)

-1 0

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

4

60. I 2k

k=l

3

61. I i3

63. I 3'

k=l

62. I 1

1=1

k=O

3 4

66. I I ij

i=l j=l

4

67. I I k2j3

k=l i=2

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

acton ~.

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

2 3 4 5 6 7 n

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

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

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

73. -1+-~_J..+J.._J..+J.. _ _1_ J.. _ _1__ 1

a a2 a3 a4 a5 6+ 7 B 1-9

a a a a

7 4. ~_' __ :H 3 . 5 + S . 7 + 7 . 9 + 9 . 11 + 11 . 13 + 13 . 15 + 15 . 17

* ,

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

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

31

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

76. a,,+a12+a13+a21+a22+a23

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

78. 79. 80.

a2l + a22 + an + a24 + a3l + a'2 + a33 + a34 + a41 + a42 + a43 +a44 a3,b'2 + a32b22 + a33b32 + a34b42 + a35bs2

a2,bllc'5 + a2l b,2C25 + a2,b13C35 + a21b'4c45

+ a22b2l C'5 + a22b22c25 + a22b23c35 + a22b24c45 + a23b3l C'5 + a23b'2c25 + a23b33c35 + a2]b34C45

1.6 m Ecuaciones en n incognitas:

Eliminaciones de Gauss-Jordan y gaussiana

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

Ejemplo 1

Resuelva el sistema

Soludoll

2xJ + 4X2 + 6X3 = 18

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

Buscamos tres numeros XI' X2 Y Xl tales que las tres ecuaciones en (1) sean satisfechas. Nuestro metodo de solucion consistira en simplificar las ecuaciones como lohicimos en la Seccion 1.2 de forma que las soluciones sean facilmente identificadas. Empezamos por dividir la primera ecuaci6n entre 2. Esto da

(1)

Xl + 2X2 + 3X3 = 9

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

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

-4Xl - 8x2 12x3 = -36

(2)

La ecuacion - 3x2 - 6x) sistema es

- 3x2 - 6X3 = -12

-12 es n uestra segunda nueva ecuacion y ahora el

3fl CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Xl + 2X2 + 3X3 = 9

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

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

Xl + 2X2 + 3X3 = 9

- 3x2 - 6X3 = -12

- 5x2 - 11x3 = -23

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

(3)

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

- 5x2 - 11x3 = -23

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

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

Xl - X3 = 1

x2 + 2X3 = 4

-- X3 = -- 3

Multiplicando la tercera ecuacion por -1:

X2 + 2X3 = 4

X3 = 3

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

=4 =-2

Esta es la I " ,

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

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

auss-Jordan. * . .

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

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

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

Matr;z de ,oef/cientes

Matriz al.lmentaaa

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

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

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

iii. Dividimos para hacer igual a Lel coeficiente del terrnino en X2 en la segunda ecuaci6n y despues us amos est a para eliminar los terrninos en x2 de la primer a y tercera ecuaciones.

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

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

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

(2

A = ~

(4)

4 5

Defina los vectores x y b como

x ~ G:) y

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

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

6 6 2

4 5

(5)

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

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

34

I Carl Friedrich Gaussr 1771-1855

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

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

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

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

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

Cuando tenia 15 aiios, el duque de Brunsvick advirtio su talento, y se convirtio en su protector. EI duque Ie ayudo a ingresar a la Universidad de Brunsvick en 1795, y tres aiios despues, ala Universidad de Gotinga. Titubcante entre las disciplinas de filosofia y matematica, finalmente eligio las ciencias maternaticas despues de dos extraordinarios descubrimientos. Primero, invento el rnetodo de minimos cuadrados, una decada antes de que Legendre publicara el resultado. Segundo, un mes antes de su cumpleanos decimonono, resolvio un problema cuya solucion se habia buscado por mas de dos mil afios. Gauss mostro como construir, con 5610 com pas y regia, poligonos regulares cuyo numero de lados no fuese un multiplo de 2, 3 0 5. EI 30 de marzo de 1796, dia de su descubrimiento, comenzo un diario cuyas lineas iniciales describian la construccion de un poligono regular de 17 lados. EI diario, que contiene 146 menciones de resultados en solo 19 paginas, es uno de los documentos mas importantes en la historia de las matematicas,

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

Gauss realizo un gran numero de descubrimientos en fisica y en matematicas, Por ejemplo , en 1801 uso un nuevo procedimiento para calcular, con l1lUY pocos datos, la orbita del asteroide Ceres. En 1833, invento el telegrafo electromagnetico con su colega Wilhelm Weber (1804-1891). No obstante su brillante trabajo en astronomia y electricidad, su desempeno eu matematicas es todavia mas asombroso. Hizo contribuciones fundamentales al algebra y la geometria. En 181l, descubri6 un resultado que indujo a Cauchy a desarrollar la teoria de la variable compleja. Lo encontrarnos aqui (en este libro) en cl metodo de eliminacion llarnado de Gauss-Jordan. Los estudiantes de analisis numerico estudian la cuadratura de Gauss -una tecnica de integracion nurnerica.

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

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

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

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

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

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

Operaciones elementales de reng/on

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

iii. Intercambiar dos renglones.

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

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

c"o

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

renglon" _

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

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

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

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

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

(~ ~

3 1

J

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

(o~

-5 -11

J

9

3 -3 -6

2

3 6 --2

6 6 -2

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

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

o

2 3

1 2

-5 -11

36

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

M,(-_I!_" 0 1 2 4 ~~

,0 0 1 3

(1 0 0

010 001

De nuevo facilmente "vemos" la solucion XI

4, x2

3.

Ejemplo 2 Resolver el sistema

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

Soludon Observernos que este sistema puede escribirse como Ax = b, en donde

A = (~ ;

2 7

y

b = (~!)

30

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

G 4 6 ;!)
5 6
7 12 30
Se obtiene sucesivamente,
~'~ (: 2 3 9) '"H G 2 3 -~2 )
5 6 24 ~\ 3 -6
7 12 30 3 6 12 A"I( -2) (01 0 ,1,,,(-3\

,0 0

Esto equivale al sistema de ecuaciones

X I

X3 = 1 x2 + 2X3 = 4

Hasta aqui puede llegarse. Ray s610 dos ecuaciones en tres inc6gnitas XI' X2, Xl Y puede haber un numero infinito de soluciones. Para ver esto, elijase X3. Entonces X2 = 4 2x, Y XI = 1 + Xl' Esto es una solucion para cualquier nurnero x3• Escribimos estas soIueiones en la forma vectorial (I + XJ' 4 - 2x3, XJ)' Por ejemplo, si XJ = 0, se obtiene la soluci6n (1, 4, 0). Para xJ = 10, resulta la soluci6n (11, -16, 10).

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

Ejemplo 3 Resuelva el sistema

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

(6)

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

mo en el Ejemplo 2 para obtener , sucesivamente, los siguientes sistemas. (Notemos que en cad a paso, usamos las operaciones (i) 0 (ii).)

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

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

matriz

(2 4

A)= 4 5 J 1

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

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

39

38

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

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

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

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

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

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

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

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

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

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

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

3 2 -I

Ah?ra, tanto la matriz aumentada del sistema (como Ia rnatriz de coeficientes) estan en forma escalonada y vemos inmediatamente que x, = 3. Usarernos entonces sustituci6n hacia atrds para despejar x2 Y luego XI' La segunda ecuacion es x2 + ~;:J = 4. Asi, x2 + 2(3) = 4 y x2 = -2. De igual forma, de la primera ecuaclo~ obtenemos XI + 2(-2) + 3(3) = 90 XI = 4. Por consiguiente hemos ~bte.~ldo de nuevo la solucion (4, -2, 3). Este metodo de solucion se llama eliminacion gaussiana,

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

i. Eliminaci6n de Gauss-Jordan:

Reducir la matriz de coeficientes a Ia forma escalonada reducida,

ii. Eliminad6n gaussiana

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

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

I.CU(i~ de estos dos rnetodos es mas util? Depende. Si se resuelven sistemas de ecuaciones en una computadora la eliminacion gaussiana es el metodo mas usado, ya que requiere men os operaciones elementales sobre rengiones. Discutiremos la solucion nurnerica de sistemas de ecuaciones en las Secciones 7.2 y 7.3. Por otro lado, hay ocasiones en las que es necesario obtener Ia forma escalonada redueida de una matriz (en caso de estes es discutido en la Seccion 1.8). En estos casos el mctodo usado es el de la eliminacion de Gauss-Jordan .

. Veamos ahara la solucion de un sistema general de m ecuaciones en n incogmtas. ~ado que 10 necesitaremos en la Seccion 1.8, resolverernos la rnayoria de los SIstemas por fa eliminacion de Gauss-Jordan. Tengamos en mente sin embargo, que la eliminacion gaussiana es, en ocasiones, el metoda preferido.

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

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

(7)

donde

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

('a, 1

(/21 A= ,

.pml

(11"\)

a211

. ,

<;

y

b

am2

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

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

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

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

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

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

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

42

CAPiTULO 1 • SiSTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

Ejemplo 7 Resuelva el sistema

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

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

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

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

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

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

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

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

43

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

tria aeerera heeha par la industria autornotriz. .

Usemos e, para representar la dernanda extern a hecha a la z-esima industria y au para representar la demanda interna hecha a la i-esima industria par la }-esima industria. Mas precisamente, au represent a el nurnero de unidades del producto de la industria i necesario para producir una unidad del producto de la industria}. Hagarnos que Xi rcpresente la produccion de la industria i. Suponernos que la produccion de cada industria es igual a su demanda (esto es, no hay sobreproduccion). La dernanda total es igual ala' sum a de las dernandas interna y externa. Para calcular la dernanda interna de la industria 2, por ejemplo, notamos que la industria 1 necesita a2l unidades producidas por la industria 2 para generar una unidad de su producci6n. Si 10 que produce la 1 es X I entonces a21xI es la demanda total a la industria 2 par la industria 1. Asi, la demanda interna total de la industria 2 es a21xI + a2Zx2 + ... + a2nxn•

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

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

(8)

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

(l-al1)xj- a12x2-'" - u1nxn=e1

(9)

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

Ejemplo 9

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

Solution

En un sistema econornico con tres industrias supongamos que las demandas externas son, respectivamente, 10, 25 y 20. Supongamos que all = 0.2, a12=0.5, a13=O.lS, a21=0.4, a22=O.1, a23=O.3, a31==O.25, a32=O.5 y a3J=0.15. Encuentre la produccion de cada industria de forma que su oferta iguale a su demanda.

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

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

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

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

44

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

M2(ds) 1

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

A2.,(O·65625)

1 -0.57692

o 0.42453 -0.54808

-0.57692

1

41.34616) 46.15385

53.41346

41.34616) 46.15385

125.81787

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

o 118.74070

1 125.81787

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

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

So/udell Si denotamos por Xl' X2 Y X) el nurnero de peces de cada una de las tres especies que son mantenidas par el sistema lacustre, utilizando la informaci6n en el problema vemos que Xl peces de la Especie 1 consumen Xl unidades del Alimenta 1, X2 peces de la Especie 2 consumen 3X2 unidades del Alimento 1, y x) peces de la Especie 3 consumen 2Xl unidades del Alimento 1. Asi pues, Xl + 3x2 + 2x] = 25,000 = total de suministro sernanal del Alimcnto 1. Obteniendo una ecuaci6n similar para cada uno de los otros dos alimentos, result a el siguiente sistema:

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

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

Resolviendo,

(1 3

1 4 2 5

2 25,000) 1 20,000

5 55,000

A,,(-l) (11

A; 3\-2)

----'----> °

°

-- 1

25,000) A,.,(--J) (1 ° 5

A, ,(1)

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

5,000 ° ° 0

40,000') -5,000

o

3

2 -1

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

Por ejernplo, si X3

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

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

1,000,

Problemas 1.6

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

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

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

4Xl - X2 + 5x, = 4

2XI +2X2 -3X3 = 0

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

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

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

'ixj + 8x3=-16

3xl +2X2 -lOx, =-3

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

6Xl +X2+3x,= 18

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

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

46

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

21.

29. G

22. G 25. G 28. G

23. G

o 1 1 1 o 0

o 1 1 3

o 0 1 ° 1

24.

(01

26.

27.

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

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

35. (~ -~)

4 -3

33.

-4

34. (2 3

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

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

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

41

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

39. Una inversionista le afirma a un corredor de bolsa, que todas sus acciones son de tres empresas, una de aviacion, una de hoteles y una de alimentos, y que hace 2 dias que el precio de sus acciones bajo en $350 pero que subio a $600 el dia de ayer , El corredor recuerda que hace dos dias el precio pOl' accion de la campania de aviaci6n bajo $1, que el de la compania de hoteles bajo $1.50, pero que el de la de los alimentos subio $0.50. Tarnbien recordo el corredor que el dia de ayer los precios por accion de las tres cornpafiias se cornportaron como sigue. Subi6 el de aviacion $1.50, el de hoteles cayo $0.50, y eJ de la de alimentos subio $1. Muestre que el corredor no posee informaci6n suf'iciente para calcular el numero de acciones de las que es duena la inversionista, pero que cuando ella diga que tiene 2.00 acciones de la empresa alimenticia, entonces si es posible deterrninar ct numero de acciones rcstanre.

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

41. Considere el sistema

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

2x] + 3x2 - X3 = a

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

a31x1 + a32x2 + a33x3 = b,

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

48

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

45. Haga 10 mismo' para el sistema

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

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

46. 2x1- x2=3 47. x,-'x2+3x3=11

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

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

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

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

50. X2-X3= 7

X, +x, = 2

3x,+2x2 =-5

1 .. 7 Sistemas homogeneos de ecuecione«

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

(1)

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

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

1.7 • Sistemas hornogeneos de ecuaclones

49

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

en donde

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

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

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

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

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

Ejemplo 2

Resuelva el sistema homogeneo

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

Reduciendo con eliminacion de Gauss-Jordan obtenemos, sucesivamente,

Soludall

2 -9

-9

-1 5 5

2 -3

-11

-1 2 6

50

CAPiTULO 1 • SISTEMAS"DE ECUACIONES LINEALES Y MATRICES

2 1 -9

o

-1 0) A (-2) (1

_; ~ A~:;(9) ~ °

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

(-~, &, 1).

Ejemplo 3 Resuelva el sistema

Solud611

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

Reduciendo por renglones obtenemos

(2)

1 -2

1 -I 10\ -6 11 \ 0)

1

(1 0

o 1

~ 00)

11 (,

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

De hecho, si hay mas incognitas que eeuaciones, el sistema hornogeneo (1) siernpre tcndra un numero infinito de soluciones. Para vcr esto, notemos que si la (mica solucion es la trivial entonces la rcducci6n por rcnglon nos lleva al sis-

tema

=0 =0

x, = 0

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

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

1.7 • Sistemas hornogeneos de ecuaciones

S1

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

E! sistema general no homogeneo se puede escribir como

Ax = b

(3)

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

(4)

Teorema 2

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

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

I

Demostrad6n

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

(5)

Demostraci6n Si h se define por h = y - x, entonces h es soluci6n de (4) por el Teorema 2 y la relaci6n (5) es inmediata.

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

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

al sistema (4).

- . ---~~ -

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

Ejemplo 4 Usando e1 resultado anterior, encuentre todas las soluciones del sistema no homogeneo

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

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

(6)

52

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

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

o -1 o

13 7 o

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

o 10 que es 10 mismo,

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

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

sujeta a la elecci6n de un valor apropiado de XJ' Por ejemplo, para XJ = 0, se obtiene la soluci6n (4, -1, 0), mientras que si XJ = 2 resulta (-22, 13,2).

Problemas 1. 7

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

1. 2XI- X2=0 3xl+4x2=0

2. Xl -SX2 =0 -Xl +5X2 = 0

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

5. xI+ X2- X3=0

2XI - 4X2 + 3x, = 0 -5xI + 13x2 -lOx) = 0

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

9. XI-2x2+ X3+ x4=O

3xI +2x3-2x4=O

4X2- x3- X4 =0

SX1 +3x3- x4=0

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

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

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

10. -2Xl +7X4=0

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

1.7 • Sistemas homogeneos de ecueclones

53

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

13. x , + X2 - X, = 0

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

14. Muestre que el sistema homogeneo a"x,+aI2x2=O

12. x, - 3x2 = 0

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

a2lxI + a22X2 = ()

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

15. Considere el sistema

2x,- JX2+5x3=O -x,+ 7x2- X3=O 4x1--11x2+kxe=0

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

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

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

17.

X1 - 3x2 = 2 + 6x2 = -4

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

X3 = 6 = 18

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

2x) + x2 + 2X3 = 4 2.xj + X2 + = 4

Xl - 4X2 - = 2. Xl - 4X2 - 5X3 = 2.

21. x,+ x2 x,+2x4=3 22. X,- x2+ x3-- x4=-2

3x,+ +x3- x4=5 -2x)+3x2 X3+2X4=5

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

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

(7)

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

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

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

(8)

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

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

54

CAPiTULO 1 • SISTEMAS DE ECUAClO~lES LINEALES Y MATRICES

1.8 La inversa de una mstri« cuadrada

Definicion 1

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

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

(1 0\ I iz id ti

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

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

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

Ejemplo 1

15 = ('. ~

o

o

y

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

--_._---

---1

-_ .... __ . ------_j

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

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

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

1.8 • La inversa de una matriz cuadrada

55

Demostrildoll Sea Cu el ij-esimo elemento de AI". Entonces

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

Notaciol1 De aqui en adelante escribiremos la matriz identidad simpJemente como I, pues si A es de n x n, los productos IA y A f estan definidos solo si 1 es tambien de n x n.

Definicion 2

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

AB =BA =1

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

r

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

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

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

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

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

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

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

Aqui damos otro hecho importante referente a matrices inversas.

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

L---'

(AB)1=B1A-J

56

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.8 • La inversa de una matriz cuadrada

51

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

esto se desprende puesto que

-4x + 5z = 0

(5)

- 4y + 5w = 1

(6)

y

Ecuacion (6) en la pagina 25

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

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

Considere el sistema de n ecuaciones en n incognitas

Ax = b,

-3 11) SIO

( 2 -310)

--4 5 1

(7)

y suponga que A es invertible. Entonces

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

(8)

Ix=A-1b x = A -lb

Ix = x

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

Esto es,

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

A-lb.

__ .- -----.------~--------

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

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

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

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

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

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

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

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

( 2 -311 0)

-4 5 ° 1

(9)

So/uciOI!

( 2 -3) I . .

Sea A = . Calcular A - , S1 existe.

-4 5

Sup6ngase que A -I existe. Escribimos A -I = (~

de que AA -1 = I. Entonces "-

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

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

Y) y utilizamos el hecho ),9

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

Ejemp60 i

- 3W) (1 0)

-4y + 5w = 0 1

(~ ~ I: ~)

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

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

2x - 3z = 1 (3)

2y

- 3w = 0

(4)

(-~

-311 5 I 0

0)\ ~ ( 1

1 -4

1.1 0)

5 i ~ 1

58

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

~(1

o

M,(-l) (~

(1 0

o 1

_JI1. 2 I 2

-1 i 2

-~ I

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

~)

-~) =D

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

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

1.8 • La inverse de una matriz cuadrada

59

1 '2

2

Procedimiento para calcular la inversa de una matriz cuadrada A

Paso 1.

Escribir la matriz aumentada (A 1/).

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

Paso 2.

Paso 3. (a)

Deeidir si la matriz A es invertible.

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

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

-3)(-1

5 -2

(b)

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

A-1A- 2 _

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

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

y

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

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

v + 2w = 0

-2x -- 4z = 0

- 2y -. 4w = 1

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

Ejemplo 3

(-~

2) I . .

, ca cular A -I, SI existe.

-4

Si A

Soluciol'l

y)

existe, entonees

w

AA-1

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

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

10 cual conduce al sistema

x

+ 2z

( ~

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

-4 0 1/ 0 0

Sea A = (all a21

a12). Entonees, como en la Ecuaci6n (1.2.7), definimos a22

y + 2W) = (1

-2y - 4w 0

Abreviamos el deterrninante de A como det A.

",,1

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

(10)

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

2

~)

(12)

No podemos continuar. La ultima fila dice que ° = 2 a que 0 = 1, dependiendo de cual de los sistemas (el de x, z 0 el de y, w) se resuelve. As! pues, coneluimas que el sistema (10) es incompatible, y par 10 tanto, que A no es invertible.

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

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

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

60 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

ees -a21 all

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

det A -a21 all a21 a22

1 (a2Zall - a12a21

all a22 - a12a21 0

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

a11x1 + a12x2 = b1 a21x1 + a22xZ = b2

(13)

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

Ax=b

(14)

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

x= A -lb

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

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

Saludon

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

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

10 -1 2 10 10

Verificllc:ion

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

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

1~)= (~ ~)

y

Ejemplo 5

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

Solllc:ion Encontramos que detA = (1)(-4) - (2)(-2) = -4 + 4 = no existe, como virnos en el Ejemplo 3.

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

Ejemplo 6 Sea A

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

Sollld6n Primero ponemos I en seguida de A en forma de matriz aumentada

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

-1) (-16

I

2 = - 26

-1 6 -II

14 -22 10

-6)

12 Se saca i c?mo

factor comun.

-6

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

1,8 • La inversa de una matriz cuadrada

63

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

(2 4

Sea A = 0 1 3 5

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

Sollld6n Procediendo como en eI Ejemplo 6 obtenemos, sucesivamente, las siguientes
matrices aurnentadas:
G 4 311 O· D G 2 3 1 0 ~)
2: 2:
1 1 l'.,..f,(P 1 -1 0 1
-110
5 7 0 0 5 7 0 0
G 2 3 1 0 ~) !G 0 7 1 -2 ~)
2: 2 2 2:
A,,,i--3) 1 -1 0 1 1 --1 0 1
-1 0 0 3 1
J A"q Ie 2:
G 0 'I 1 -2 0 0 4 13 -~
2: 2: -"3
~ 1 -1 0 1 o -- A,,(1~ 0 0 -1 :;
3 3
0 1 -1 2 ; 0 0 1 -1 2 2
j 3 "3
Por consiguiente , 4 13 -l)
-3
Al=(-l 5
3
-1 2
3 3
I 4 13 -!W 4 3) (' 0 j
-"3
Verificaci6n A lA =~-1 5 1 -1 = 0 1
1
-1 2 5 7 0 0
') 3 3
------
Sea A~G -3 D Calcule A
Ejemplo 8 -5 1 si es que existe.
-1
Solud6n Procediendo como antes obtenemos, sucesivarncnte,
G -3 4 1 0 D G -3 4 1 0 D
-5 7 0 1 A",(-2) 1 -1 -2 1

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

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

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

Teorema 5 Sea A una matriz de n x n.

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

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

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

Ejemplo 9 Resolver el sistema

+

+

= 6

3x1+

x2- x3=-4 + 7X3 == 7

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

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

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

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

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

(15)

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

que puede ser escrito como

Ax + e = x = Ix.

Tabla 1.3

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

o tambien,

(I - A)x = e

(16)

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

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

FN FM BM BN E

S

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

$263,985

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

111bla 1.1

Sector (industrial)

Ejemplos

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

Servicios (S)

Muebles, alimentos procesados

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

Petroleo, carbon

Diversiones, bienes raices

Soluci6n La matriz de tecnologia esta dada por
0.170 0.004 0 0.029 a 0.008 '\
0.003 0.295 0,018 0.002 0.004 0,016
A= 0,025 0,173 0.460 0,007 0,011 0,007
0.348 0,037 0.021 0.403 0,011 0.048
0.007 0.001 0,039 0.025 0.358 0.Q25
0,120 0.074 0.104 0.123 0.173 0.234 !
y EI cuadro de insumo-prcducto, Tabla 1.2, proporciona las demandas internas en 1958 con base en las cifras de Leontief. Las unidades en la tabla son millones de dolares ($). Asi, par ejemplo, el mimero 0.173 en la posicion 6,5 significa que es necesario suministrar 0.173 mill ones = $173,000 de servicios para producir $1,000,000 equivalente de energia. Similarrnente, el numero 0.037 en la posicion 4,2 significa que para producir el equivalente a $1,000,000 de pro .. ductos finales metalicos, es necesario gastar $37,000 en productos basicos no metalicos.

e=

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

263,985 !

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

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

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

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

( 0.017 1.436

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

0.060 0.045 \ 0.339 0.236

0.006 0.057 1.877 0.100 0.130 0.307

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

\ 66,703 I \426,542/

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

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

i. A es invertible.

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

(x= 0).

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

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

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

allx1 + a1Zx2 + + a1nx" = 0

a21Xj + a22xZ + + aZnXn = 0

(17)

. .

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

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

68

1,8 • La inverse de una matriz cuadrada

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

da demostrada.

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

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

Observac:i6n, Podriamos afiadir otra afirmacion al teorema. Supongamos que el sistema Ax = b tiene una unica solucion, Sea R una matriz en forma escalonada que sea equivalente por renglones a A. Entonces R no puede tener un rengl6n de ceros, pues si 10 tuviera no podria ser reducida a la matriz identidad. * Asi, la forma escalonada de A deberia parecerse a 10 siguiente:

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

1. (~ ~)

(-21 6\

2. I

-12)

3. (~

1 '12 '13 'itt
0 1 r23 r2n
0 0 1 Y3n (18)
0 0 0 1 1 2 5

(fl

5. b

6.

8. G ~

(1 6

9. -2 3 7 12

12. (~ ~

o

15. ( ~

-2

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

1 -1 1

( 2 -1 4)

H. -1 o 5

19 -7 3

(-~ ~

14. 2 1

-1 0

10.

Teorema 1

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

(~111

13.

-i -i n

3 3 21

---: :)\

5 7

-3 0

-12 --2 10 2.

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

6 1

\-1

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

Teorema 8 Sean A y B matrices de n x n. Entonces A es invertible y B BA = J 0 bien (ii) AB = 1.

A 1 si (i)

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

invertible y calcule su invcrsa.

Observaci6n. Este teorema simplifica el trabajo de ver si una rnatriz es la inversa de otra.

18. Muestre que la matriz ( : -L.

4) es igual a su propia inversa. -3

Demostraci6n

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

Multiplicando poria izquierda ambos lados de esta ecuacion por B obtenemos

19. Muestre que la matriz

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

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

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

30 ~

II = 3, e = (20) Y A = (: 1

40 5 10

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

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

BAx = BO

(19)

Pero BA = 1 y BO = 0, de donde (19) se convierte en Ix = 00 x = O. Esto muestra que x = 0 es la unica solucion a Ax = 0 y, por el Teorema 6 (parte i y ii), esto significa que A es invertible. Debernos mostrar aun

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

70

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1,8 • La inverse de una matriz cuadrada

71

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

36.

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

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

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

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

(i 2)

a. 1 -i

(l-i

b. 0

c. (~i (~:~:

o l+i

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

cos 8 --sen()

°

~) es inverti-

24.

ble y encuentre su inversa,

> (2

Calcule la inversa de A = o

34.

o 0)

30,

o 4

25.

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

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

(2 1

Calcule la inversa de A = () 3 o 0

-1)

4 .

5

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

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

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

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

( 2 -1)

31.

-4 2

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

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

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

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

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

-1 4 -6

AgricuJtura Manufacturas Energia

13,213 17,597 U86

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

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

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

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

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

cada producto en las exportaciones, .

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

Teorema 1

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

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

reduciendo por renglones la matnz aumentada 0

a21 a22 0 1

l)emoslrad6n

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

1., 9 Transpuesta de una matriz

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

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

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

109 • La transpuesta de una matriz

13

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

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

I. (A'), = A

ii . (AB)'=B'A'

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

(2) (3) (4)

= (A -I),

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

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

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

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

IYL m

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

k-l k-l k~i

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

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

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

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

Definicion 2 Matr;z simifrka. Se dice que la matriz A de n x n (cuadrada) es simetrica si A' = k

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

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.10 e Matrices elementales e inverses de matrices

15

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

1.10 Matrices elementeles e inverse« de matrices

Problemas 1.9

( 2 3) 4. G -1 ~)
(-1 4) (~ ~)
1. 2. 3. -1 2 5
6 5 1 4
5. (-: 2 3) 6. G 2 -;) 7. (~ 0 1 ~) (~~)
o 4 4 1 0 8. 1 6
5 5 -5 1 5
9. (: b C") 10. (~ o 0)
e T ° 0
h j Sea A una matriz de m x n. Entonees, como pronto se vera, podemos efectuar operaciones elementales en renglones 0 filas sobre A multiplicando A por la izquierda par una matriz apropiada. Las operaciones elementales son

En los Problemas del I at 10 encuentre fa transpuesta de fa matri; dada.

I, Multiplicar el z-esimo renglon por un nurnero c distinto de cero. ii. Sumar un rrniltiplo del z-esimo renglon al j-esimo rengl6n.

iii. Permutar (intercambiar) los z-esimo y j-esimo renglones.

M/c) AU<c) Pu

Definicion 1 Matriz elemental. Una matriz de n x n (cuadrada) E se denomina matriz elemental si puede ser obtenida a partir de la matriz identidad de n x n, In' por una sola operaci6n elemental de renglones,

11. Sean A y B matrices de n x m, Muestre, usando la Definicion I, que (A + B)I AI + BI.

Notaci611. Denotamos una matriz elemental por E 0 por M;, Au, 0 bien Pi)'
dependiendo de como se obtuvo la matriz a partir de I.
Ejemplo 1 Se obtienen las tres matrices elementales.
(i 0 ~) (i 0 0'
:1'1,(5) 5 ~) = M2 Se tiene multiplicando por 5
(a) 1 el segundo rcngl6n de I.
0 1, 0
(c~ 0 ~) ( ~ 0 D~Au
(b) 1 Se tiene multiplicando por --3
el primer reng16n de I y
\0 0 \-3 0 sumandola al tcrcero.
(i 0 ~) G 0
0 Se uene permutando los renglones
(C) = P23 segundo y tcrcero de I
0 I; CI 3)

-6 2 sea simetrica,

2 4

13. Si A y B son matrices simetricas de n x n demuestre que A + B es simctrica.

14. Si A y B son matrices simetricas de n x n, muestre que (AB)' = BA.

15. Para cualquier matriz A muestre que eJ producto AAI esta definido y es una matriz simetrica.

16. Muestre que cualquier matriz diagonal es sirnetrica (Problema 1.8.25).

17. Muestre que la transpuesta de cualquier matriz triangular superior es triangular inferior (Problema 1.8.29).

18. Se dice que una matriz cuadrada es antisimetrica si AI = -A (est a es, au = ·-aj;).

LCuales de las siguientes matrices son antisimetricas?

-2 2 2

=~) d. (-~ 0 -~)

2 1 -2 0

La demostraci6n del siguiente teorema se deja como ejercicio (vea los Problemas 58 a 60).

]9. Sean A y B matrices antisimetricas de n x n. Muestre que A + B es antisimetrica.

20. Si A es antisimetrica, muestrc que toda componente de la diagonal principal de A es cero.

21. Si A y B son matrices antisimetricas de n x n, muestre que (AB)I = BA, de modo que, AB es simetrica si y solo si A y B conmutan.

Yeoreme 1 Para efectuar una operacion elemental en renglones so bre la matriz A de m x n, multipliquese la matriz A, por la izquierda, par la correspondiente rnatriz elemental.

__ (all a12)

22. Sea A una matriz can cornponentes no negativas y con las propieda-

a21 a22 (all) (a12)

des (i) all + a~l 1 yal2 + a~2 = 1 y (ii) • = O. Muestre que A es

invertible y que A = A I. a2l an

(~ ~ 2
.)
Ejemplo 12 Sea A = 2 3
.3 -2 Efectuar las siguientes operaciones elementales

por fiIas 0 renglones sabre A, multiplicando A par la izquierda par la matriz elemental apropiada.

76

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.10 • Matrices elementales e inverses de matrices

(a) Multiplicar eI segundo renglon por 5.

(b) Multiplicar el primer renglon por -3 y anadirlo al tercer renglon. (c) Permutar los renglones segundo y tercero.

Ef'eeto de Representaclon
multiplicar A slrnbollca de la Cuando E-1 Representacion
por la operacion multiplica por slmbelica de la
f T;,,,", matnz izquierda por elemental por Ia izquierda, operacion
elemental E E renglones tiene el efecto: inversa
--
Multiplicacien Multiplicacion M,(c) Multiplicacion
del z-esimo del i-esirno ren- M{~)
rengl6n de A gl6n de A por ~
par c oF 0 c
-
Adicio" Multiplicacion Multiplicacion -c)
del i-csirno del i-esirno ren-
renglon de A glon de A par
par c y se su- -c y se surna al
rna al j-esimo j-csimo rengl6n
renglon --t"--
Permutacton Perrnutacion Permutacion de
de los i-esirno Pij ;
los z-esirno y
y j-esimo ren- j-esimo renglo-
glones de A nes de A SO/liclOI! Como A es una matriz de 3 x 4, cada matriz elemental E debe ser de 3 x 3 puesto que E tiene que ser cuadrada y E esta multiplicando por la izquierda a A. Se usan los resultados del Ejemplo 1.

(i 0"0)(' 3 2 -~) (2~ 3 2 -,:)
(a) I'v12A= 5 0 4 2 3 JO 15
0 1 ,3 -2 4; \ 3 -2 4.
0 :)(: 3 2 !) G 3 2 -:)
(b) A13A ( 0 1 2 3 2 3
-3 0 -2 -8 -8 1/
(~ 0 D(: 3 2 ') (' 3 2 J
(c) P23A = 0 2 3 -! = ! -2
2 2 3
---~-'.
Considerense los tres product os siguientes: La Ecuacion (6) indica que

G 0 ~)(i 0 D (i 0 ~)
c l/e 1
0 0 0
(: 0 ~)U 0 ~) ~ (:1 0 :)
° 0 0
,0
G 0 DG 0 o (' ° ~)
0 0 }: 1
0 1; (1)

En resumen:

(2)

Teorema! Toda matriz elemental es invertible. La inversa de una rnatriz elemental es una matriz del mismo tipo.

(3)

Teorema 3

Una matriz cuadrada es invertible si y s610 si es el producto de matrices elementales.

Las Ecuaciones (1), (2) y (3) indican que cada matriz es invertible y que su inversa es del mismo tipo (Tabla 1.4). Esto es consecuencia del Teorema 1. Evidentemente, si las operaciones Aij(c) seguidas de Aij(-e) se efectuan sobre A, la matriz A no se altera. Tarnbien, Mi(e) seguida de MJlIc) y permutando dos veces las mismas filas no alteran la matriz A.

Se tiene que

Demostradoll

Sea A E1E2 ... Em, en donde cada E, es elemental. Par el Teorema 2, cada

E, es invertible. Mas aun, par el Teorema 1.8.3, A es invertible" y

[Mi(c)r 1 = M{n [Aij(e)] -1 = Aij( c) (Pi)-1 = Pij

(4)

Reciprocamente, supongase que A es invertible. Conforme al Teorema 1.8.6 (el Teorema Resumen), A es equivalente por renglones ala matriz identidad. Esto significa que A puede ser reducida a I por un nurnero finito, m, de operaciones elementales por renglones. Por el Teorema 1, cada operacion tal puede

(5) (6)

• Aqui hernos usado la gcneralizacion del Teorema 1.8.3 a mas de dos matrices. Yea, por ejemplo, el Problema 1.8.16.

18 CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

E",Em-I",1',2 =1

1.10 • Matrices elementales e inverses de matrices 19
G 4 :) ~ (~ 0 % 0 D(i 0 D(i 0 D(i 2 ~)
5 1 1 1 -3 1
-2 0 0 0 0 0 0
M,(2) A 1.2(4) ,11,3(3) M,(3) A'.l(2) ser efectuada rnultiplicando A par la izquierda por una matriz elemental. Esto significa que existen matrices elementales EI, E2, "', Em tales que

Asi, del Teorema 1.8.8, se desprende que

x (~ ~ ~)(~ ~ ~)(~ ~ -~)(~ ~ ~)

o -5 1 0 0 -1 0 0 1 0 0 1

y, como cada E, es invertible, del Teorema 2, resulta que

A,.3(-5)

M3(-I)

,13.,(-1)

,13.2(2)

A = (A-I)-1 = (EmE",-1'" E2E1)-1 = EI1E21 ... E;;;~1Er~1 (7)

Dado que Ia inversa de una matriz elemental es tambien una matriz elemental, se ha logrado expresar a A como el producto de matrices elementales, La demostracion queda completa. II!IIl

Podemos usaf el Teorema 3 para extender el Teorema Resumen.

Teorema 4

Teorema Resumen - Version 3. Sea A una matriz de n X n. Entonees eada uno de los seis enunciados siguientes implica a los otros cinco (esto es, si uno de ellos es verdadero, todos son verdaderos):

i, A es invertible.

ii. La unica solucion al sistema homogeneo Ax = 0 es la solucion trivial

(x = 0).

iii. El sistema Ax = b posee una solucion unica para eada n-veetor b. iv, A es equivalente par renglones a la matriz identidad In de n x n, v, A puede expresarse como producto de matrices elernentales.

vi. det A 0# 0 (hasta ahora, det A solo se ha definido si A es una matriz de 2 x 2).

Ejemplo 4

12 4 Dernostrar que la matriz A = (4 5 \3 1 ducto de matrices elementales.

:) es invertible y expresarla como pro-2

Soludon

Se ha encontrado esta matriz anteriormente, primero en el Ejemplo 1.6.1. Para resolver el problema, se reduce A a lyse sigue el rastro de las operaciones elementales sobre renglones. En el Ejernplo 1.8.6 se redujo A a I por las operaciones siguientes:

A 1,3 ( - 3), A12( -- t), Concluimos est a seccion demostrando la parte (iv) del Teorema l. 9.1.

-1), Teorema 5 Sea E una matriz elemental. Entonees Eles invertible y

(E') - I = (Ii, 1)'

(8)

A I se obtuvo comenzando con I y aplicando estas nueve operaciones elernentales. As! pues, A -I es el producto de nueve matrices elernentales:

lJemostracion

(il501: E es una Mi(e). Entonces M,(c) es simetrica (EI ~-' E), al igual que 10 es E-I, de modo que (8) se verifica.

r'~G 0 -~W 0 I (' 0 -~)(: 0 ~) ~)
1 I ~) : 1 1 1
0 L \0 0 0 5 11 n I;
.4,.,( -2) 043.,(1) M,(-l) 11,.,(5) 42.1( 2)
x (i 0 ~) ( ; 0 ~) (- ~ 0 (! 0 ~')
1 1 1 1
-:3
0 I -3 0 11 \ 0 0 0 1/
M,(-11 041.,,( 31 A",( 41 .'1'/1(1) Caso 2: Ese represent a por Au(c), Supongase que E es 3 x 3 y que i 1, j = 2. Entonces

(I 0 0)

E = c 1 0,

o 0 r.

(1 C

E' = 0 1 ,.0 0

E 1

(-: ~ ~)

o 0 I

Es facil verificar que

(C) 1

1 o

-('

Entonces A = (A-I)-I e! orden contrario:

producto de las inversas de las nueve matrices en

En el caso mas general, no es dificil comprobar que si E es una matriz con ele-

80

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.10 • Matrices elementales e inverses de matrices

81

mentos 1 en la diagonal, una c en la ij-esima posicion, y 0 en todos los demas lugares, entonces E-I tiene el valor -c en la ij-esima posicion, E' tiene el valor c en la ij-esima posici6n, y arnbas, (E-I)' y (E')--1 tienen -c en la ij-esima posici6n, elementos 1 en la diagonal principal y ceros en todas las demas posi-

Hay un resultado mas que sera de utilidad en la Seccion 2.3.

ciones, En suma,

feorema 1 Sea A una matriz de n X n. Entonces A puede expresarse como un producto de matrices element ales y de una matriz T triangular superior.

Demostracioll Al aplicar eliminaci6n gaussiana al sistema Ax = b, obtenemos una matriz triangular superior. Para captar esto, se observa que la eliminacion gaussiana termina cuando la matriz queda reducida a la forma escalon por renglones -y esta forma (para una matriz de n x n) es triangular superior. Denotamos la forma escalon de A par T. Entonces, A se reduce a T por una sucesion de operaciones elementales por filas, cada una de las wales se puede obtener multiplicando por una matriz elemental. Asi pues,

Caso 3: E es una matriz de permutacion, Entonees E == Er», asi que E' = (E-I)'. Asi, E' represent a eI proceso de intercambiar las i-esima y j-esima columnas de la matriz A. Esto significa que E' es su propia inversa:

(E')-1 = E' = (E-l), II1II

feorema 6 Si A es una matriz invertible n x n, entonces A' es invertible y

y

Como la inversa de una matriz elemental es una matriz elemental, se ha escrito A como el producto de matrices elementales y T. II1II

Demostracioll

Por el Teorema 3, A es el producto de matrices elementales:

A = E1E2···Em

(10)

Aplicando el Teorerna 1.8.3,

Ejemplo 6 Expresar la matriz

A-I =ErnlE';;~1 ... El1 y por la Ecuacion (1.9.3),

(11 )

(12)

6 9)

5 1

1 8

De (11) y de la Ecuacion (1.9.3),

(A-I), = (El1)'(E;I)' ... (E,~l)' De (12) y del Teorema 1.8.3,

(A')-1 = (E\)-l(E~)-1 ... (E~)-1

como producto de matrices element ales y una matriz triangular superior.

(13)

So/udall

Se reduce por renglones A a BU forma escalonada:

(14)

/3 6 9\ ( 2 ;) A",(-2)
\2 5 1)- M,n) 2 5 Al.3(-l)
,I 8 \1
G 2 3) (' 2 -n~1
~~ A2,(l~ ~ 1
-1 0 Por el Teorema 5, los product os en (13) y (14) son iguales. La demostracion queda completa, II

Ejempio 5

(2 4

Sea A = 4 5 3 1

~). Entonces ~2

Entonces, procediendo hacia atras resulta que

A'=

I 1 (/~16

A -1 ~ 6 26

~ 11

14 ~22 10

~6)

12

~6

Ejemplo 1.8.6,

(:: D y

Se deja al lector verificar que

(A')-' = ~ (~ ~~

~6

26 22 12

~ll)

10 =(A 1)'

~6

A}.;(1) Au( !)
H 0 O)C 0 ")(' 6 :)
x 1 1 o 2 5
0 ~I ~ 0 1, 1 8;
A12( 2) :\11(*) II ------------------------------------------------------------

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.1 0 • Matrices elementales e inverses de matrices 83

y tomando inversas de las cuatro matrices elementales,

A ~ (~ 6 }G 0 D(i 0 D
5 1
J 0 0
M,(3) A 1,2(2)
, (~ 0")('
1 0 0
o 1 0
AI.3(l) A",( -1)

7

!9. A ~ (; 2 5 }~(: 2 5 J
-1 3 -1 3
5 0 -2 10 -27
,
30 , ~ (i 2 5 '>\ '1 0 11 I;)
-1 3 ~), B = (~ -1 3
0 -2 0 -2
, '. ~ ~) (~ ~ -~)

-1 1, 0 0 0

En los Problemas del 31 al 40 halle la inversa de fa matriz elemental dada.

En los Problemas del 21 a/30, obtenga la matriz elemental E tal que EA

( 2 3) B = (2 3) ( 2

21. A =. 22. A = _ 1

4 . \2-8

23.A=( 2 B=(_~ 1~)

= B.

31. G ~) 32. G ~) 33. (~ ~)
(~ 1 ~) ,1 -2 ~) () ~)
34. 0 35. ( 0 1 36. 0 1
\0 0 1 .0 0 ! 2 0 !
38 (~ 0 1 ~) 39( 0 0 ~)
(~ 0 ~) 1 0 1 0
37. 0 1 0 1
0 0 1/ 0 0 0 0
40 (: 0 () ~)
1 0
-3 1
0 ()
En los Problemas del 41 al 48 demuestre que cada matriz es invertible y
expresela como producto de matrices elementales.
(~ 1 ~)
41. C ~) 42. G !) 43. 2
3 \5 5 1/
/3 2 ~) 0 -1 -- ~) 46. (~ 0 ~)
44. (0 2 45. (0
,0 0 -1/ ,I () 1/ 3 -1 1/
47. (! 0 0 ~) (' 0 ~)
3 () 0 2
0 4 48. () 0 2
0 0 0 0 0 Problemas 1.10

En los Problemas dell at 12 determine que matrices son elementales.

1. (0 ~) 2. C ~) (0 ~)
3. I
\1 \ \
'0 1 ~)
4. (~ ~) C ~) 6. (1
5. ~ 0
\ '0 0 1,
(~ 0\ /1 0 ~) 9. (~ 0 ~)
7. () :) 8. ( 2 1
\j () \3 0 1 \0 0 1/
10 (i 0 0 ~) 1'{ 0 0 ~) 12. (i -1 0 ~)
1 0 1 () 1 0
0 1 o 0 J 0
(l 0 () 0 1 ,0 0 0
En los Problemas del 13 al20 halle una matriz elemental de 3 x 3 que efectue
fa operacion par renglones indicada sabre una matriz A de 3 x 5 at multipli-
carse par la izquierda.
13. !'v12(4) 14. A 1,2(2) 15. 1(-3) 16. 1(4)
17. 1'13 18. P 23 19. Au(l) 20. M3( -1) ( 2 3) (-1

24 .. 4 = _ I 4' B = 2

!l 25. A = ( 3 \5

3

26. A =

49. Sea A = (~ :), en donde ac oF O. Escriba A como producto de tres matrices elementales y concluya que A es invertible.

84

CAPITULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.11 • Una perspective diferente: Inverses unilateraJes de matrices

85

50. Sea A = (~ ~ ~) ,en donde ad! * O. Exprese A como producto de seis matri-

o 0 ! .

ces element ales y concluya que A es invertible.

* 51. Sea A una matriz n x n triangular superior (vea el Problema 1.8.29).

Demuestre que si no es cero cada componente en la diagonal, entonees A es invertible. [Sugerencia: Yea los Problemas 49 y 50.]

* 52. Demuestre que si A es una matriz triangular superior de n x n, con componentes diagonales no nulas, entonees A-I tam bien es triangular superior.

* 53. Aplique el Teorema 6 y el result ado del Problema 52 para dernostrar que si A es una matriz de n x n triangular inferior con eomponentes diagonales distintas de eero, entonces A es invertible y A -I es triangular inferior.

ne soluciones unicas? Daremos respuestas parciales a estas preguntas en est a seccion,

. Definicion 1 Inversas izquierda y aerecha. Sea A una matriz de m x n. Entonees

i. A posee inversa derecha si existe una matriz R de n x m tal que

(1)

ii. A posee inversa izquierda si existe una matriz L de n x m tal que

En los Problemas del 54 al 57 evaltie (At)-I y (A-I)', y demuestre que son iguales,

54. A = G !)

'3 2 56. A = (0 2 \0 0

58. Demuestre que si Pij es la matriz de n X n obtenida permutando los z-esimo y J: esimo renglones de In' entonces Pij A es la matriz que se obtiene de A al perrnutar sus r-esimo y j-esimo renglones,

59. Sea Au la rnatriz con c en la ij-esima posicion, elementos I en la diagonal, y ceros en el resto de las posiciones, Demuestre que A ij A es la matriz que se obtiene de A al multiplicar por c el /-esimo renglon de A y sumarla al j-esimo renglon.

60. Sea M, la matriz con c en la posicion ii, elementos 1 en las otras posiciones diagonales y ceros en el resto de las posieiones. Demuestre que M, A es la matriz que se obtiene de A multiplicando por c su z-eslmo renglon.

Observacion 1. AR tiene dimensiones (m x n) x (n X m) = m x m.

LA tiene dimensiones (n X m) X (m X n) = n X n.

As! que las matrices identidad en (1) y (2) son desiguales si m *' n.

Observacion 2. Si A es cuadrada, entonces, por eI Teorema 1.8.8, A es invertible si y solo si A tiene inversas izquierda y derecha. En este caso, L = R = A -I. Por esta razon, solo se consideran en esta seccion matrices no euadradas; esto es, m *' n.

Antes de calcular las inversas derechas 0 izquierdas, demostraremos varios teoremas. Consideremos el sistema

Ax = b

(3)

en donde A es m x n; x y b son vectores de dimensiones n y m, respectivamente.

En los Problemas del 61 at 66 exprese cada matriz cuadrada como producto
de matrices elementales y de una matriz triangular superior.
61. A= G ~) 62. A = ( 2 -3\ 63. A = G ~)
--4 6)
64. A = (~ :) 65. A = (~ -3 D ' 1 0 ~)
-3 66.A=( 2 3
4 -1 .J 0 -1 4 0, Teorema 1 Teorema de existencia. La matriz A de m X n tiene inversa derecha si y solo si el sistema (3) posee al menos una solucion para cad a vector b m-dimensional.

Demosiraci6n Supongamos primero que A tiene inversa derecha R. Deflnase x* = Rh. Notese que x* es n X 1 puesto que R es n X my b es m X 1. Entonees

1. 11 Una perspectiva diferente: inverse« unilaterales de matrices

Ax* = A(Rb) = (AR)b = Imb = b Asf pues, x* es solucion de (3).

Reciprocamente, si (3) posee una solucion para todo m-vector b, sean

o

En la Seccion 1.8 definimos la inversa de una matriz cuadrada. Se demostro que el sistema Ax = b tiene solucion unica si y solo si A es invertible. "Que sucede empero si A no es cuadrada? "Posee soluciones el sistema Ax = b? "Tie-

86

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.11 e Una perspectiva diferente: Inversas unilaterales de matrices

87

(rl.J)

r2J

fJ = :

rnj,

Demostraci61! i, Supongarnos que A posee inversa izquierda. Entonces existe una matriz L de n x m, tal que LA = In' Transponiendo, queda

Cad a b, es un m-veetor 0 veetor-m.

Sea

1 cs sirnetrica Teorema 1.9.1 (ii)

n: I

I l I' = (LA)' ;;; A'L'

" n

una solucion de Ax.= b/ y finalmente,

10 eual muestra que L' es inversa derecha de A'. Similarrnente, si A tiene inversa dereeha R de n x m, entonces, AR = I ; y

Im = l~, = (AR)' = R'A'

C r12 r., "m)
R = r~l 1'22 rZj r2m
rnl rn2 r n] r.; por 10 que R' es inversa izquierda de A'.

ii, Por el Teorema 1.7.1, el sistema Ax = I) tiene un numero infinito de 50- luciones, ya que n > m. De manera que A no puede poseer inversa izquierda, pues si as! fuera, el sistema Ax = 0 solo tendria una solucion, segun el Teorerna 2.

Iii. Si A tuviera inversa derecha, entonees A I tend ria inversa izquierda, por la parte (i) del teorema, Pero A I es una matriz de n x m eon m > n; se tiene entonces que A I no posee inversa izquierda, con base en Ia parte (ii). En consecuencia, A no posee inversa derecha, IIiIII

Demostraremos que R es inversa derecha. Denotemos por a, el z-esimo renglon de A. Entonces, como

tenemos que

. , . d b {O, si i 1= j

a· ·r· = /-eslma componente e . = .

r J J 1, SI i = j

(4)

(ofo/ario. Sea A una matriz de m x neon m 1= n. Entonees el sistema Ax solucion iinica para todo n-vector h.

Demostrad611 raso 1: m > n. Por el Teorema 3(iii), A no po see inversa derecha, y por 10 mismo, por el Teorema 1, Ax = b no tiene solucion para todo m-vector h.

b no tiene

Pero ai• fj es Ia i}-esima componente de AR. De (4) vemos que AR = L; III

Corolario Si R es inversa derecha de A, entonces

x = Rb

(5)

C8502: n > m. Como en la demostracion del Teorema 3(ii), Ax = 0 tiene un numero infinito de soluciones. III

es una solucion de Ax = b.

Soludon

Encontrar , si existe, una inversa derecha de A = (: ~ Buscamos una matri R ~ (: ;) tal que AR ~

2 3)(U V) (1 0)

56 :-:=01

!)

Demostraci6n

Teorema de unicidad. Si la matriz A de m x n posee inversa izquierda, entonces el sistema (3) tiene, cuando mas una sola solucion para todo m-vector h.

Sean x, y soluciones de (3). Entonces

Ax = b y tarnbien Ay = b

Ejemplo 1

Teorema !1

Esto es,

as! que

A(x - y) = Ax - Ay = b - b = 0

(6)

Si ahara L es inversa izquierda de A,

(x - y) = l,,(x - y) = LA(x - y) = LO = 0

Escribimos el sistema (7) como una matriz aumentada, y se reduce por filas o renglones:

de modo que x = y. III

Teorema 3 Sea A una matriz de m x n. Entonces

i, A posee inversa izquierda si y s610 si A I tiene una inversa derecha, ii. Si n > m, A no tiene inversa izquierda.

iii. Si m > n, A no tiene inversa derecha.

U IV X J'
(~ 0 2 0 3 0 :) (i 0 2 0 3 0 -~)
1 0 2 0 3 1 0 2 0 3
0 5 () 6 0 0 0 -3 0 -6 0
4 0 5 0 6 1 ,0 4 ° 5 0 6 88

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1,11 • Una perspective diferente: inverses unilaterales de matrices 89

',,1-') (~ 0 2 0 3 0 ~)
1 0 2 0 3
------->
0 0 -3 0 -6 0
0 0 0 3 0 -6
w x y
'( 0 2 0 3 0 ) (' 0 0 0 -1 0 )
Ivl,(-I) A",( 2) 3
M.(-,l 0 1 0 7 0 3 ! .1.,{-2) ~ 1 0 0 0 -1 2
----? '3
0 0 1 0 2 0 0 1 0 2 0 4
3'
0 0 0 0 2 0 ° 0 2 1
-:3 ° -3
Por 10 tanto,
U=Y-1
v=z+~
W= -2y+4
x=-2z-k Verificacion

Sin hacer mas calculos, concluimos que A no tiene inversa izquierda, pues de 10 contrario, se llegaria a una contradicci6n respecto al resultado del corolario del Teorema 3.

EI teorema siguiente generaliza el resultado del Ejemplo 1. Su demostraci6n se deja como ejercicio (vea Problema 16).

feOl'tma" Si la matriz A de m x n (m =F n) posee inversa derecha, entonces tiene un numero infinito de inversas derechas,

Evidentemente, existe una infinidad de soluciones. Eligiendo y = z

0,

Ejemplo!1 Encontrar una inversa izquierda de

-D

(_'J

A = -~

-~)\

3

Verificac:ion

Saludofl Del Ejemplo 1, vemos que

AR = (1 2 3)(-! _~) = (1 0)

14563301

° 0

L = ~ (1 2 36) 3 4 5

Verificad61!

Eligiendo y

z

1, obtenemos otra inversa derecha:

Ejemplo 3

(1 2)

Consideremos el sistema Ax = b, en donde A = ; ~ . A posee la inversa

izq uierda L = (- ~ _ ~ _ ~)- As! que A no tiene inversa derecha y el sisterna carece de soluci6n para ningun vector tridimensional b. Para ver esto mas

claramente, consideremos b ~ (t;) Y reduzcamos poe renglones:

Consideremos el sistema Ax = (~). De acuerdo con (5), dos soluciones son

y

-~)G)~j (-2~) = (-~)

3 \ 21 7

2

--2

90 CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

1.11 • Una perspectiva diferente: Inversas unilaterales de matrices 91

A2.,( --2) A2,,(2)

(1 0

o 1

o 0

9. (l 2 3)

Evidentemente el sistema es inconsistente, a menos que -7b1 + 2b2 + bJ = O. 13'

Por ejernplo, si b =.( 8) entonees ·-7b1 + 2b2 + bJ = 0 y el sistema posee

,5/ (7:

la solucion unica ( _ ~:: ~ 2~:) = ( ~). Por otro lado, si b = ;), entonces A

=Tb, + 2bz + b, = --4", 0 y el sistema no tiene solucion.

I 1. Sea A = (-: D

II. Demuestre que A no tiene inversa derecha.

h. Halle una condici6n que asegure una solucion para el sistema Ax = b

12. Contestar las preguntas del Problema 11 para la matriz

(~ ~

A = 0 2

\3 6

Podemos apreciar la existeneia de matrices unilaterales de una matriz des de otro punto de vista. Si A es una matriz de m x n, es po sible contemplar A como representante de unajunci6n euyo dominio es el eonjunto de n-veetores y euyo ambito (0 contradominio) es el eonjunto de los m-vectores.

La funcion b = Ax es biyectiva si, siempre que Ax = Ay, es posible concluir que x = y; esto es, si toda b en el ambito es imagen de un solo n-vector.

La funcion b = Ax es suprayectiva (0 sobre) respecto del conjunto de mvectores si todo m-vector b en el ambito es imagen de un n-vector del dominio. Esto es, si existe x tal que b = Ax.

Podemos enunciar los Teoremas 1 y 2 del modo siguiente:

13. a. Obtenga dos inversas derechas de A= (~ ~ \

Teorema 2' Sea A una matriz de m x n. Si A posee inversa izquierda, entonees la funcion b = Ax es biyeetiva.

Se expresara mucho mas ace rca de funciones biyectivas (0 biunivocas) y suprayectivas (0 sobre) cuando se analicen transformaeiones lineales en el Capitulo 5 (vea, en particular, la Seccion 5.4).

11' h. Use los resultados de (a) para detcrminar dos soluciones al sistema Ax = ~ 0)-

a, Obtenga dos inversas derechas de A = (~ --: ~}

( 2\

h. Use los resultados de (a) para hallar dos soluciones al sistema Ax = _ 3 J

15. Supongase que la matriz A de m x n poseyera inversa derecha R e inversa izquierda L. Demuestre que se tendria que R = L.

"* 16. Supongase que la matriz A de m x n tiene inversa derecha R con m "" n. Demuestre que A tiene un numero infinite de inversas derechas. [Sugerencia: Considere el sistema AR = J y demuestre que si este sistema tiene una solucion unica, entonces 10 mismo puede decirse del sistema Ax = II para todo todo m-vector b, 10 cual

14.

Teorema l' Sea A una matriz de m X n. La funei6n b = Ax es suprayectiva respecto del conjunto de m-vectores si y solo si A tiene inversa den cha.

Problemas 1.11

contradice al Teorema 3.J

17. Considere el sistema Ax = h donde

A ~ (l ;)

1 (1 2 '\'

.) es inversa izq uierda de A. 3 4 5 (,

a. Dernuestre que L =

En los Problemas dell at 10 determine cuales matrices poseen inversas derechas 0 izquierdas. Si existen, calcular una.

b. Sea b =

G 0 ~) 2. G 0 ~) G ~) C -1 ~)
r. 3. 2 4. 3
1 1 4
5. (i D 6. (~ ~) 7. (~ ~) 8. (~ --D
,0 0 '. 5 6, 7 c. Dernuestre que Lb no es soluci6n del sistema Ax = b.

!I. Multiplique por L ambos lados de Ax = h por la izquierda , Resulta asi

.t x ,= b

l.Ax ~ Lb

9i

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

Ejercicios de repaso • Capitulo 1

93

Ix = Lb X = Lb

~) G -1 -~)(D
'1 0 3 --1 5)('
21. (2 22. 5
1 6 2 :) -I
4
5
3 Pareceria que x = Lb debiera ser solucion de Ax = b. Pero esto contradice 10 hallado en (c). De hecho, si Ax = b tiene una soluci6n para cada b, entonces A posee inversa derecha. Esto contra dice el corolario del Teorema 3. lD6nde est a el error en este razonamiento?

En las Ejercicios del 23 al26 determine si fa matriz dada estd en forma escalonada por renglones (pero no en fa forma escalon ada por renglones reducida), en fa forma escalon ada por renglones reducida, 0 en ninguna de estas.

Ejerdc:ios de repaso" CapItulo 1

5. X, + X2 + X3 = 0

2X,- X2+2x3=O -3X,+2x2+3x3=O

7. x,+ X2+ x3=2

2Xl - X2 + 2X3 = 4 -X,+4x2+ x3=3

2. 3x, + 6x2 = 9 2Xl +4X2 = 6

4. X, + X2 + X3 = 2

2XI-- X2+2x3=4 -3X,+2x2+3x3=8

6. X, + X2 + X3 = 2

2x ,- X2 + 2X3 = 4 -X,+4x2+ x3=2

8. Xl + X2 + X3 = 0

2x I - X2 + 2X3 = 0 -X,+4x2+ X3=O

23. (~ 0 0 0) 24. (~ R -!) 25. G ~)
0 2 1 5
0 0 1 3 n 0 1
26. (~ 0 2 ~)
3 En los Ejercicios dell a114, obtener todas las soluciones (si existen) de los sistemas dados.

1. 3X, + 6X2 = 9 -2X,+3x2=4 3. 3x,-6x2=9 -2x,+4x2'7.6

En los Ejercicios 27 y 28, reduzca fa matriz a forma escalonada por renglones y a la jorma escalon ada por renglones reducida.

2 4)

o 3

-1 1

(2 8 -2)

27.

1 0 -6

28.

( 1 -1

-1 2

2 3

En los Ejercicios del 29 al 33 calcule fa forma escalon ada par renglones y fa inversa de la matriz dada (si existe).

9.

2x,+ X2-3x3=O 4x,- X2+ X3=O

X, +x2=O 2xj+x2=O 3x,+X2=O

12. X I + X2 + X3 + X4 = 4

2X,-3x2-X3+4x4=7 -2x, +4x2 + X3 - 2X4 = 1 5x,- X2+2x3+ x4=--1

14. X,+ x2+ x3+ X4=O

2x,-3x2- X3+4x4=O

-2x,+4x2 x3-2x4=O

29. C~ !)

(--1

30.

2

(1 2

31. 2 1 3 1

10.

n. x,+x2=1 2x,+x2=3 3x, +x2 = 4

(-1 2 0)

32. 4 :-3 2 :> -3

( 2 0 4

33. -1 3 1) () 1 2

13. X, + X2 + X3 + X4 = 0

2x, 3X2- X3+4x4=O -2Xl+4x2+ X3-2x4=O 5X,- X2+2x3+ X4=O

En los Ejercicios del 34 at 36, escriba primero el sistema en fa b, fuego calcule A -I, Y finalmente, utilice fa muitipticacion de matrices para obtener el vector solucion.

34. X, - 3X2 = 4 2Xl + 5X2 = 7

35. X, +2X2 = 3

2x, + X2 - X3 = -1 3Xl + X2 + X, = 7

36. 2x! +4X3= 7

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

En los Ejercicios del 15 at 22 realice los cdtculos indicados.
r2 ;)
15. 3 0 0 3)+ ( 2 0 :)
Hi.
\ 2 -1 6 --2 5
, 2 3) C2 1 D
17. 5(-1 2 4 -3 5 0 18. (_~ 3)e -~)
\-6 5/ 2 -1 4 ,2
!l(: 7 ~)
19. (2 3 1 0 20. (-: 3 5\( 0 -1 D
0 6 2 0 6 4) 3 1
0 6 -7 3
0 5 En los Ejercicios del 37 al42 calcule fa transpuesta de fa matriz dada y determine si fa matriz es simetrica'o antisimetrica. *

e 3 1)
(_~ 3 1) 38. (: :) 39. 3 -6 -5
37.
o 2 1 -5 9
( 11 4 -D (-l 1 -1 -:)
40. (-~ ~:) -1 2 5 0 1
41. 42.
4 5 3 1 0 1
-6 -4 () 6 7 -8 -2 -1 0 * Del Problema 1.9.18 se tiene que: A cs antlsimetrica si A' = -A,

94

CAPiTULO 1 • SISTEMAS DE ECUACIONES LINEALES Y MATRICES

En los Ejercicios del 43 al 47 encuentre una matriz elemental 3 x 3 que rea/ice las operaciones sobre renglones indicadas.

43. /\112(-2) 44. ,(2) 45. A13(-5) 46. P3' 47. A3.lCt)

En los Ejercicios del 48 at 50 halle fa inversa de fa matriz elemental dada.

(0 1 0) (I 0

49. 1 ° ° 50. 0 I

o 0 1 0 0

, (1 3)

48. 0 1

En los Ejercicios 51 y 52 escriba fa matriz como e! producto de matrices elementales.

(1 0

52. 2 1 3 2

-:)

En los Problemas 53 y 54 escriba cada matriz como el producto de matrices elementales y una matriz triangular superior.

( 2 -1)

53. --4 )

\ -

-2 3)

o 4

2 I

(1 3 2)

55. a. Encuentre dos inversas derechas de A = 2 7 5'

b. Use el resultado de la parte (a)(~ara_o~)tener dos soluciones de Ax = (_~}

56. Halle una inversa izquierda de A = 4 :.

\ 1 o ,

CAPITULO

Definicion 1

Determinantes

i. 1 Definiciones

Sea A = (all a 12) una matriz de 2 x 2,. En Ja Seccion 2.7 definimos el deter-

a21 a22

minante de A como

det A = all a22 - a12a_2_1 3

Con frecuencia denotaremos det A como

(2)

Mostraremos que A es invertible si y solo si det A '* O. Como veremos, este importante teorema es valido para matrices de n x n,

En este capitulo desarrollaremos algunas de las propiedades basicas de los deterrninantes, y veremos como pueden ser usadas para calcular inversas'y resolver sistemas de n ecuaciones lineales en n incognitas.

Definiremos por induccion el determinante de una matriz de n x n. En otras palabras, usaremos nuestro conocimiento de un determinante de 2 x 2 para definir un determinante de 3 x 3; este para definir el de 4 x 4 y as! sucesivamente. Empezaremos por definir un determinante de 3 x 3.*

(all

Determinante de 3 x 3. Sea A = a21

a31

a12 al3)

a22 a23 . Entonces

a32 a33

* Existen varias formas de definir un determinante y esta es una de elias. Es importante darse cuenta de que "del" cs una funci6n que asigna un ruimero a una matriz cuadrada.

95

96

CAPiTULO 2 • DETERMINANTES

2_1 • Definiciones

97

det A = IAI = al11a22 a32

:;:1 _:)/

Ejemplo 3

Calcule

3 4 -1

5 2 2 3 2 4

usando este nuevo rnetodo

Notemos el signa menos antes del segundo terrnino dellado derecho de (3).

Solucion

Si escribimos

'5x~/3' lti I' . d' .

2 y mu tip icamos como se In lCO,

- .2" -~'l,. ~

IA 1= (3)(2)(4) + (5)(3)( -1) + (2)(4)(2) - (-1)(2)(2) - 2(3)(3) - (4)(4)(5)

Ejempio 1 Sea A ~ (_: ~ D. Calcule IA I.

24-15 + 16+4-18-80 = -69

Solucion

3 IAI= 4 -1

Advertenc:ia. El metoda expuesto anteriormente no funciona para determinantes de n x n si n * 3.

= 3·2-5·19+2·10 = -69

Antes de definir deterrninantes de n n, primero noternos que en la Ecuacion (3 ),(a22 a23 ') es la matriz que se obtiene al eliminar el primer renglon

a·p a33 )

y la prirnera col~~na de A; (a21 an es la matriz que obtenemos sielimina-

. • a~1 al3 (a21 an) .

mos el primer renglon y la segunda columna de Ayes la matnz

a31 a32

que se obtiene si elirninarnos el primer renglon y la tercera columna de A. Si denotamos estas tres matrices como Mil, IVll2 Y Mil' respectivamente, y si A II = det Mil' A 12 = +det MI2 Y A 11 -zz: det Ai13, entonces la Ecuacion (3) puede ser escrita

Ejemplo ~ Caleule

2 1 3

2

-3 5
0 4.
-3 9
-3 ! =21 0
0 :1-(-3)1~ :1+51~ -~I
-3 -3
9
= 2· 12+3(-3)+5(--3) = 0 Solucion

3

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

Existe un metodo mas sen cillo para calcular determinantes de 3 x 3. De la Ecuacion (3)

all al2 al3

a21 a22 a23 = all (a22a33 - a23a32) - a12(a21 a33 - a23a31) a:l1 a32 a33 + a13(a2l a32 - a22a31)

o sea IAI= alla22a33+ a12a23a31+ a13a2Ia32-a13a22a31

- aUa21 a33 - all a32a23

Definicion R Menor. Sea A una matriz de n X n y sea Mij la matriz de (n - 1) x (n - 1) que se obtiene de A, al eliminar el z-esimo renglon y la j-esima columna de A. Mij se denomina ij-esimo menor de A.

(4)

Ejemplo 4 Sea A =(~ - ~ ~). Encuentre MIJ Y M32•

6 3-4

Escribimos A y junto a ella sus primeras dos column as

al( U12. /~'t<}!11> ~/ a21'g<~~ ~/a22 !H(/ h2>~ ~~.,'·as~

+ 1- +

Luego se calc ulan los seis productos, poniendo signo menos antes de los productos con flechas que apuntan hacia arriba y efectuamos la suma. Con esto obtenemos la suma de la Ecuacion 4.

Soluci6n Eliminando el primer renglon y la tercera columna de A, obtenemos MI3 =

(~ ~).

Analogamenre, si eliminamos el tercer renglon y la segunda columna obte-

nernos M32 = (~ ;).

----- .. --------

98

Definicion 4

CAPiTULO 2 • DETERMINANTES

Ejemplo .5

(1 -3

2 4

Sea A = 1 5

4 0

~). Encuentre 1'1132 Y M24· --2

7

5 o 9 2

Soludan

Si eliminamos el tercer renglon y la segunda columna de A,

MJ2= (~ ~ ~);a~alOgamente'M24= (~-~ 925),

42740

Definicion 3 Cofactor. Sea A una matriz de n x n, EI ij-esimo cofactor de A, denotado por Ai), es

___ ;;)1

------

2.1 • Definiciones

99

Determinallte de n x n, Sea A una matriz de n x n, Entonces el determinante de A, escrito det A, 0 bien I A I, est a dado por

La expresion dellado derecho de (8) se conoce como desarrollo por cofactores,

Observadon. En la Ecuacion (8) quedo definido el determinante mediante el desarrollo por cofactores, para 10 cual usamos las cornponentes del primer renglon de A, En la proxima seccion (Teorema 2.2.1), veremos que se obtiene e1 mismo resultado si se desarrolla par cofactores en cualquier renglon 0 columna,

Ejemplo 1 Calcule det A si

A ~ (! 3 5 D
-1 3
1 9
3 2 4
I 1 3 5 2
0 -1 3 4 = allAH + a12A12 + a13AI3 + a14A14
So/udoll
2 1 9 6
3 2 4 8
-1 3 4 0 3 4 0 -1 4 0 --1 3
=1 1 9 6 -3 2 9 6 +5 2 1 6 -2 2 1 9
2 4 8 3 4 8 3 2 H 3 2 4
= 1(-92)-3(-70)+5(2)-2(-16) = 160 Esto es, el ij-esimo cofactor de A se obtiene tomando el deterrninante del ijesimo menor y multiplicandolo por (-l)i+i. Notemos que

(-l)'+i={ 1 -1

si i + j es par

si i + j es impar

Observacion. La Definicion 3 tiene sentido debido a que vamos a definir un determinante de n x n suponiendo que ya sabemos 10 que es un determinante de (n-l)x(n-l).

Ejempio 6 En el Ejernplo 5 tenemos que
1 5 6
A32 = (-ly+2IMd = - 2 0 3 =-8
4 2 7
-3 5
A24=(-1?+4 1 5 9 =-192
4 0 2 Consideremos ahora el caso de la matriz general de n x n, Aqui

all al2 a1n
a21 a22 a2n
A (7)
Definicion 5
anI att2 ann Es claro que el calculo del determinante de una matriz de n x n puede ser tedioso. Para calcular un determinante de 4 x 4, debemos evaluar cuatro deterrninantes de 3 x 3, Para calcular un determinante de 5 x 5, hay que evaluar cinco deterrninantes de 4 x 4, 10 cual es 10 misrno que calcular veinte determinantes de 3 X 3. Afortunadamente existen tecnicas para sirnplificar enorrnemente estos calculos. Algunos de estos metodos seran discutidos en la proxima seccion. Existen, sin embargo, algunas matrices cuyos deterrninantes pueden ser facilmente establecidos.

Una matriz cuadrada se llama triangular superior si todas sus componentes por debajo de la diagonal son cero. Sera triangular inferior si todas sus cornpo-

100

CAPITULO 2 • DETERMINANTES

nentes par encima de la diagonal son cera. Una matriz se llama diagonal 51 todos los elementos que no se encuentran en la diagonal son cero; asi es que A = (a,) es triangular superior si a'J 0 para i triangular inferior 51 aiJ == 0 para i < j y diagonal si at) 0 para i *- j. Noternos que una matriz diagonal es al mismo tiempo triangular superior e inferior.

C 3 () I)
(~ 1 -i) ~ 2
0 4 .
Ejemplo 8 Las matrices A 2 y B 0 son tnangulares
0 0 3
0 0 ~2
( 5 0 0) (0 ~)
su peri ores; c= 2 3 0 y D= son triangulares inferiores;
1
-1 2 4
G () 0)
1 y E = -7 () son diagonales.
0 -4 Ejemplo 10

2.1 • Definiciones

101

[

(9~

Es decir: El determinante de una matriz triangular es igual al producto de sus componentes diagonales.

Los determinantes de las seis matrices del Ejemplo 8 son:

IBI = (-2)(0)(1)(-2) == 0; ICI = 5·3·4 = 60; IDI = 0; (2)(-7)(-4) = 56.

IAI=2' 2 ·1=4;

II\= 1; \E!=

--~ ... ~-- .. ------ .-~.~,-.--,,-------
Ejemplo 9 Sea C' 0 0 0)
A= an an 0 0
a31 a32 a33 0
a41 a42 a43 a44 triangular inferior. Calcule det A.

Soluci6n

det A= aJlAl! +OA12 +OA13 +OA14 auAl!

a22 0 0

= all Q32 a33 0

a42 a43 a44

EI Ejernplo 9 puede ser generalizado facilmente para demostrar el siguiente teorema.

Teorema 1 Sea A = (al) una matriz de n x n triangular superior" 0 inferior. Entonees

* La demostracion para cl caso de la matriz triangular superior es mas cornplicada a esta altura, pero sera exactamente la misrna una Vel. que sepamos que det A puede ser evaluado desarrollando por cualquier columna (Teorerna 2.2.1),

Problemas 2.1
En los Problemas del 1 al 10 calcule el determinante.
1 0 3 I-~ 1 :1 3 -1 :1
1. 0 1 4 2. 1 3. 6 3
2 1 0 5 2 -1
1-: 0 -:1 I-~ 3 :1 I~~ -2 1
4. 2 5. 6 6. 0 3
2 2 1 4
2 0 3 1 -3 0 0 0 -2 0 0 :1
0 1 4 2 -4 7 0 0 1 2 -1
7. 8. 9. 3 0 -1 ~I
0 0 1 5 5 8 -1 0
1 2 3 0 2 3 0 6 i 4 2 3
2 3 -1 4 5
0 1 7 8 2
10. 0 0 4 -1 5
0 0 0 -2 8
0 0 0 0 6 11. Demuestre que si A y B son matrices diagonales de n x n, entonces detAB = detA detB.

* 12. Demuestre que si A y B son matrices triangulares inferiores, entonees det AB = detA det B.

13. Pruebe que, en general, no es cierto que det (A + B) = det A + det B.

14. Pruebe que si A es triangular, entonces det A*-O si y s610 si todas las componentes diagonales de A son diferentes de cero.

15. De~uestre el Teorema 1 para una matriz triangular superior.

* 16. Decimos que los vectores (~) y (~)generan e/ area 1 en el plano, ya que si construimos un cuadrado con tres de sus vertices en (0, 0), (l , 0) y (0, 1), vemos que el

102

CAPITULO 2 • DETERMINANTES

2,2 • Propiedades de los determinantes

103

area es 1. (Figura 2,la.) Mas generalmente, si (:J y G:) son dos vectores linealmente independientes, de dos componentes, entonees generan un area quese define como el area del paralclogramo con tres de sus euatro vertices en (0, 0), (xj, Yj) Y (x2, Y2)' (Figura 2.1b.)

y

y

(ali)

Dado que la j-esima columna de A es a~J , la Ecuacion (2) nos indica que

anI

podemos calcular el det A desarrollando por co facto res en cualquier columna de A.

o n.o,

(a)

Figura g. 1

(b)

Ejemplo 1 Para A = ( ! ~ ~), vimos en el Ejemplo 2.1.1 que det A = -69. Si desa-1 2 4

rrollamos en el segundo renglon resulta que

(X) (Xy-22)'

Sea A una matriz de 2 x 2. Si k denota el area generada por y: y

donde C~)=A(~)Y C:)==A(~),demuestreqUek == [det zl ],

** ]7. Sean uj Y U2 dos vectores de dos componentes y sean Vj = Au, Y v2 = AU2' Demuestre que (area generada por Vj Y Vz) == (area generada por u, y u2) [det zl ].

Esto proporciona una interpretacion geomctrica del determinante.

det A =4A21 +2A22+3A23

=4(-lr1\5 2'1+2(_1)2+21 3

2 4 -1

= -4(16) + 2(14) - 3(11) = -69

Analogamente, si se desarrolla en la tercera columna, par ejemplo,

21 1 3

+3(-1?+3

4 -1

~I

Propiedades de los determinantes

det A = 2A13 + 3A23 + 4A33

=2(_1)1+3\4 21+3(-lf+313

-1 2 -1

= 2(10)-3(11)+4(-14) = -69

Intentese verificar que obtenemos el mismo resultado si desarrollamos en el tercer renglon 0 la primer a 0 la segunda columna.

5f +4(_p3+313 21 .I 4

51 21

Los determinantes tienen muchas propiedades que pueden facilitar los calculos. Empezaremos a describir estas propiedades estableciendn un teorema, del eual deduciremos 10 demas. La demostraci6n de este teorema es dificil y se pospondra para la pr6xima secci6n.

Teorema 1 Teorema lJasico. Sea

A=

Enunciaremos v demostraremos algunas propiedades adicionales de los determinantes. En cada caso vamos a suponer que A es una matriz de n x n, * Se vera que estas propiedades pueden ser usadas para reducir enormemente el trabajo de calcular un determinante.

una matriz de n x n. Entonces

r---- det A-= aijAil +ai2Ai2+=~'nAin = f a,kA,k -(11J)

L_ k-l

-_.,---------------- ----------

Propiedad 1 Si cualquier renglon 0 columna de A es el vector cera, entonces det A C~ O.

para i = 1, 2, ... , n. Es decir, podemos calcular det A desarrollando por eofactores en cualquier renglon de A. Mas aun:

[ ----dol A -" a:,A" + a"A" + ... + a"A,., ~ f a,A, - (2J

k~l

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

Demostraci6n Supongamos que el z-esimo renglon de A contiene unicamente ceres. Es decir, au = 0 para j = 1, 2, ... , n. Entonces detA = ai1~i' + ai2,Ai2 ~ ., ,', + a A· = 0 + 0 + ... + 0 = O. La misma demostracion funciona 51 la j-esi-

III In

rna columna es el vector cero. l1li

* Las dernostraciones de estas propiedades estan dadas en terrninos de los renglones de una rnatriz. Si usamos el Teorema 1, las mismas propiedades pueden ser dernostradas para las columnas.

104- CAPITULO 2 • DETERMINANTES
Ejemp/o i Propiedad 3 Sean
Es facil verificar que
C
2 3 5 -1 3 0 1 a21
0 0 0 =0 4 2 0 5 A= .
y =0
-2 4 -1 6 0 4
2 1 0 1 ani Propiedad 2 Si el z-esimo renglon 0 la j-esima columna de A se rnultiplican por la constante c, entonces det A se multiplica por c. Es decir, si llamamos a esta nueva matriz B, entonces

a2n

Demostradon Para demostrar (3) expandimos en el i-esimo renglon de A:

a~m

=clAI

(3)

=c

y

2.2 . Propiedades de los determinantes 105
an ali a," ) C a12 alj a,")
a22 a2i a2n a2l a22 a2j a2n
. , B= . .. '
an2 anj ann ani an2 Clnj
C al2 alj+aji a," )
a21 a22 a2i +a2j a2n
c= .
.: an2 anj + ani ann Entonees

det C = det~-+-d-e:;----' .. -~ __ ~~~~

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

En otras palabras, supongamos que A, B y C son identicas excepto por la iesima columna y que laj-esima columna de C es la suma de las j-esimas columnas de A y B. Entonces det C = detA + det B. Esto mismo es valido para ren-

glones.

Demostracioll Se desarrolla det C en la j-esima columna para obtener

det C = (ali + O'lj)Alj + (a2j + a2;)A2j + ... + (ani + O'nj)Anj = (aljAlj + a2jA2j + ... + anjAnj)

+ (O'\jAlj +0'2jA2j + ... +O'njAnj) =det A +det B II1II

det B = cail A, 1 + cai2Ai2 + cainAin

= c(ailAi1 + ai2Ai2 + + ainAin) = c det A

Una dernostracion analoga funciona para las columnas. II

multi plica la tercera columna por - 3, obtenemos C = (~ -: o -2

-6)

-12 y

-15

I)emosfracion

A~ G -1 ~) . Entonces dol A ~ 16.
Ejemplo 3 Sea 1 Si multiplicamos el segundo
-2
(1~ -1 'D
renglon por 4, tenemos B= 4 y det B = 64 = 4 det A. Si se
-2 det C= -48 = 3 det A.

fjemplo -4

-1 1 -2

-6 2)

24,

4 5

(1 -1-6 2)

C= 3 1+2 4 =

o -2+4 5

y

Entonees det A = 16, det B = 108 y det C= 124 = det A + det B.

Propiedad 4

Observacioll, Si usamos la Propiedad 2 podemos demostrar (Problema 28) el siguiente resultado interesante: Para cualquier escalar 0' y cualquier matriz A de n X n, det aA = an det A.

Si se intercambian dos renglones (0 columnas) cualesquiera de A, es como si se multiplicara dct A por -1.

Haremos la demostracion para renglones y vamos a suporier primero que se intercambian dos renglones adyacentes. Es decir , vamos a suponer que se illtcrcambian el i-esimo y eJ (i + lj-esimo renglon. Sean

106

CAPITULO 2 • DETERMINANTES

A = ail ai2 ain y B = ai+l,l
ai+j,2 ai+1,n
aitj,1 ai +1,2 at+Ln ail ai2 aitt Entonees, si se desarrolla det A en su z-esimo renglon y det Ben su (i + l j-esimo renglon,

det A = ai1Ai1 +ai2Ai2+' •• + ainAin

det B = ai j Bi+l, j + ai2Bi+I,2 + ... + ainBi+1,n

(5)

Aqui Au = ( -l)i tilMu I, donde MIj se obtiene elirninando el z-esimo renglon y la j-esima columna de A. Notemos ahora que si eliminamos el (i + 1 )-esimo rengl6n y la j-bima columna de B, obtenernos el mismo 1Yfu' Asi

B· . = (_1)i '-l+iIMI = -(-l)i+iIM.1 =-A

r+l,] lJ· if . ii

por 10 tanto, de las Eeuaeiones (5), det B = det A.

Ahora supongamos que i < j y que se intercambian el r-esimo y el j-.esimo renglones. Esto se logra intereambiando renglones adyacentes varias veees. Necesitaremosj - i intereambios para mover el j-esimo renglon al z-esirno reglon. Entonces el z-esimo renglon se habra movido al (i + l)-esimo renglon, por 10 cual se necesitaran j - i - 1 intercambios adicionales para mover el renglon i al j-esimo renglon. Para ilustrar, intercambiemos los renglones 2 y 6:*

1 1 1 1 I 1 1 1
2 2 2 2 6 6 6 6
3 3 3 6 2 3 3 3
_.. ____" _.. _.. _.. _.. ____"
4 4 6 .3 3 2 4 4
5 6 4 4 4 4 2 5
6 5 .5 5 5 5 5 2
7 7 7 7 7 7
'-.,...----'
6 - 2 = 4 intercarnbios para mo- 6 - 2 -- I = 3 intercambios para rno-
vcr el 6 a la posicion del 2. ver el 2 a la posicion del 6. Finalmente, cl numero total de intereambios de renglones adyacentes es (j - i) + (j - i - 1)= 2) - 2i -- 1, el cual es irnpar. Asi, el detA se rnultiplica par -1 un numero impar de veces, 10 cual es 10 que necesitabamos demostrar.

II1II

* Note que aqui todos los numeros se refieren a renglones.

2.2 • Propiedades de los determinantes

107

Ejemp/o 5 Sea A ~ G ~ ~ ;). S; intercambiarnos 01 primero y 01 tercer renglones, obtenemos B ~ G ~: D· S; intercambiamos la prirnera y la segunda columnas de A, obtenemos C = (- ~ ~ ~). Entonees, par calculos diree-2 0 5

tos, det A

16 Y det B

detC

-16.

Propiedad 5

Si A tiene dos renglones a columnas iguales, entonces det A = O.

DemostriJci6n

Supongamos que el z-esimo y el j-esimo renglon~s de A son igu~les. Si intereambiamos estos renglones obtenemos una matnz B con la propiedad de que det B = -det A (de la Propiedad 4). Pero puesto que renglon i = renglon i, si los intercambiamos se obtiene la misma matriz. Asi, A = B Y detA = det B = -detA. De donde 2 detA = 0,10 eual solo puede pasar si detA = O.

Ejemplo 6

-1 7 -1

Por calculos direetos podemos verifiear que para

B = ( ~ -~ -~)

-2 4 4 det A = det B = O.

renglones iguales] y

[dos column as iguales], se tiene que

PropiediJd 6 Si un renglon (columna) de A es un multiple eonstante de otro renglon (columna), entonees det A = O.

Demostraci6n Sea (ajl> ai2, ... , ain) = c(ail, aiZ, ••• , ain). Entonees de la Propiedad 2,

all al2 a1n
a21 a22 i12n
det A =c =0 (de la Propiedad 5)
ail ai2 ain
j-esimo reng16n-i> ail ai2 ain
an! an2 ann II1II 108

CAPiTULO 2 • DETERMINANTES

Ejemplo 1

= 0 puesto que el tercer renglon es el primer renglon multiplicado por - 2.

2 1 -4

-3 5

7 2

6 -10

2.2 • Propiedades de los determinantes

109

Ejemplo 9

Sea A = (~

o

Entonces det A = 16. Si multiplicarnos el tercer

-: !)

-2 5

renglon por 4 y 10 sumarnos al segundo renglon, obtenemos una nueva matriz B dada por

B ~ (3+~(0)

2 4 1 12
Ejemp/o 8 -1 1 0 3
0 -1 9 -3 = 0 puesto que la cuarta columna es tres veces la segunda
columna.
7 3 6 9 -1

1 +4(-2)

2 \ (1 -1 2)

4+ 5(4») = 3 -7 24

5 0 -2 5

-2

y as! det B

16

detA.

Propiedad 1

Si un multiple de un renglon (columna) de A se suma a otro renglon (columna) de A, el determinante no cambiara,

Las propiedades que preceden hacen mucho mas f'acil el calculo de determinantes de ordenes elevados. Simplernente "reducimos por renglon" el determinante, usando la Propiedad 7, hasta que el determinante se reduzca a una forma mas facil de evaluar. Lo mas comun es usar la Propiedad 7 repetidamente hasta que (i) el nuevo determinante tenga un renglon (columna) de ceros, o un renglon (columna) sea un multiple de otro renglon (columna), en cuyo caso el determinante es cero, 0 (ii) la nueva matriz sea triangular de modo que su determinante sea el producto de sus elementos diagonales.

Demostracian

Sea B la matriz obtenida sumando c veces el z-esimo renglon de A al j-esimo renglon de A. Entonces

(por la Propiedad 3) ail ai2 ain + ail ai2 ain
-,
ail ai2 ail1 cail cai2 cain
an 1 Cln2 alIt! I anI an2 attn
detA + 0 = detA (el cero se debe a la Propiedad 6) II
~ detB =

a2t1

ain

Ejemplo 10 CalcuJe
1 3 5 2
0 -1 3 4
IAI= 2 1 9 6
3 2 4 8
So/udall (Yea el Ejernplo 2.1.7.) Tenemos ya un cero en la primera columna, as! que es mas simple reducir a
cero otros elementos en la primer a columna. Luego se continuara reduciendo,
tratando de obtener una matriz triangular:
Multiplicamos el primer renglon por 1 3 5 2
~ 2 Y 10 sum amos al tercer renglon y IA.I = 0 -1 3 4
se muitiplica el primer renglon par -3 0 -5 -1 2
y se le suma al cuarto renglon. 0 -7 -11 2
1 3 5 "'I
L.
Multiplicamos el segundo renglon par 0 -1 3 4
- 5 y - 7 y 10 sumamos al tercer y 0 0 -16 -18
cuarto renglones, respectivamente.
0 0 -32 --26
3 5 2
Factorizamos - 16 del tercer renglon 0 -1 3 4
= --16
(usando la Propiedad 2). 0 0 9
B
0 0 -32 -26 110

CAPiTULO 2 • DETERMINANTES

2.2 • Propiedades de los determinantes

111

Ahora queda una matriz triangular superior y

(-16)(-10) 160.

352 = -16 () -1 3 4

o 0 1 ~

o 0 0 10

IA I = -16(1)(-1)(1)(10)

Ejemplo 2 Calcule
1 -2 3 -5 7
2 0 -1 -5 6
IA\= 4 7 3 -9 4
3 1 -2 -2 -~I
,-5 -1 3 7 Multiplicamos el tercer renglon por 32 y se Ie suma al cuarto renglon,

Soluci6n Si surnames prirnero el renglon 2 y despues el renglon 4 al renglon 5, obte-

Ejemplo 11 Calcule

-2 1 0 4
IAI= 3 -1 5 2
-2 7 3 1
3 -7 2 5 nemos
1 -2 3 5 71
2 0 -1 -5 6
IAI= 4 7 3 -9 4 =0 (de la Propiedad 1)
3 1 -2 -2 3
iO 0 0 0 0 So/uci6n En este caso existen muchas mancras de proceder y no es claro cual camino nos llevara mas rapidamente ala respuesta, Sin embargo, puesto que ya existe un cero en el primer renglon, empezaremos la reducci6n en ese renglon.

Con este ejernplo se ilustra que si observamos un poco antes de hacer los calculos, podemos simplificar el trabajo considerabJemente.

Multiplicamos
la segunda co- Ol
lumna par 2 y 0 1 0
I
-4 y la suma- IAI= 1 --1 5 6
mos ala prime- 12 7 3 -27
ra y cuarta co- -11 -7 2 33
lumnas, respec-
tivamente. Hay otras tres propiedades de los determinantes que nos seran muy utiles.

Teorema 2 Sea A una matriz de n x n. Entonces

. __ -~J

Intercambiamos las primeras dos columnas.

0 0 0
1 5 6
7 12 3 -27
-7 -11 2 33 l--"

si i"" j

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

Nota, Del Teorerna 1 vemos que la suma en la Ecuacion (6) es igual a det A si i = j.

Demo.tradol! Sea

Multiplicamos

la segunda columna por - 5 y -6, y la sumamos a la tercera y cuarta columnas, respectivamente.

1 0 0 0
-1 0 0
7 12 -57 -99 all ai2
-7 -11 57 99 B=
j-esimo renglon ail ai2 Puesto que la cuarta columna es ahora un multiple de la tercer a (columna 4 = ~ x columna 3), vemos que IA I = O.

11!1

CAPITULO 2 • DETERMINANTES

Teorema 3

l)emostrilci6n

Entonces, como dos renglones de B son iguales, det B = O. Pero B = A excepto en eI j-esimo renglon, De esta forma, si calculamos el det B desarrollando en el z-esimo renglon de B, obtendremos la suma de la Ecuacion (6) y el teorerna queda demostrado. Notemos que cuando se calculan los cofactores de B desarrollando en el j-esimo renglon, este desaparece. Asi es que Bjk = A jk para k= 1,2, ... ,n. II1II

Sea A una rnatriz de n x n. Entonees

[_

det A =det At

Para esta demostraci6n se requiere inducei6n matematica, Si no est a Iarniliarizado con este importante metodo de demostraei6n, consulte el Apendice 1. Demostraremos prirnero el teorema para el caso n = 2. Si

entonces

y asi el teorema es valido para n = 2. Ahora supondremos que el teorema es valido para las matrices de (n - 1) x (n - 1) y se 10 dernostrara para las matrices de n x n. Lo anterior prueba el teorema. Sea B = A'. Entonces

a11 a12 a1u all a21 anI
a21 a22 a2n an. a22 an2
IAI= y IAtl=IBI=
,
. a"l att2 ann a1n a2n ~""I Desarrollamos IA I en el primer renglon y IBI en la primera columna. Can esto

IAI = al1AII + a12A12 + + alnA!"

IBI = al1BU + a12B21 + + a1nBnl

Es necesano demostrar que A Ik = Bkl para k = 1, 2, ... , n. Pero A Ik = (-1)I+kIM1kl y Bkl = (-l)k+IINkd, dondeM1k es el Iz-esimo menor de A y NkJ es el kl-esimo menor de B. Entonces

a21 a22 a2.k-1 a2•k+1 a2n
a31 a32 a3.k -I a3•k+J a3n
IMlkl=
anI Qn2 a".k-l a".k+1 a"" 2.2 • Propiedades de los determinantes

113

y

I a21 a3l

a22 a32

a2•k-1 a3.k-1 aZ.k+l a3.k+l

I a~" a3" ann

CI M - N; y 'puesto que ambas son matrices de (n -1) x (n -1), la

aramente lk - kJ, • I I-IN I A 'A = B y la demostra-

hipotesis de induccion nos dice que Mlk - kl' 51 Ik kl

cion esta cornpleta. IlIII

-------------------------_

Ejemplo 13

(1 -1 2) At (~ 341 -~5) yes [aeil verificar

Sea A = 3 1 4 . Entonces = - 2

o -2 5

que IAI = [A'] = 16.

Teorema '"

DIlmostrad61'1

Ejemplo 14

Sean.zl y B matrices de n X n. Entonces

-----------~--~---·--~~---(8~

[ ~ d_e_t AB = det A de._t_B _

Es decir: El determinante del producto es el producto de los determinantes. La demostracion con matrices element ales se da en la Secci.6n 2.3, En el Problema 38 se pide verificar el resultado en el caso de 2 x 2. !III

1 -1 Verifique la Ecuacion (8) para A ~ (~

-2

-1

o

1 -2

Salud6n det A = 16 y det B = - 8. Caleulamos
AB~(: -1 DG -2 J r -1 -5)
1 -1 11 -7 5
0 -2 0 10 2 -18 y as) detAB

(16)(-8) = detA detB.

-128

114

CAPiTULO 2 • DETERMIN/INTES

2,2 • Propiedades de los determinantes

115

En los Problemas del 21 al 27 calcule el determinante suponiendo que

Problemas !1,!1

an 'I'

G23 = 8

a33

En los Problemas dell al20 eva/lie el determinante usando los metodos de esta seccion.

1.

I~

4.

12 -1

3 -2 0 5 6

I-~ ~ ~I

-2 0 0

2-3 1 4

o -2 0 0 3 7 -1 2 4 -3 8

3 --1 2 1

7.

10.

12.

3 1 -2 023 2 5 21

4 -1 6

14.

o G 0 0' bOO 0

o 0 0 c

o 0 d 0

16.

abO 0

c d 0 0

o 0 a -b

o 0 c d

18.

o 0

o 0 2 3

-1 2 0 0

3 4 2 -1 5

000

o 0 () -1 4

:W.

530

2 5 -6 8 0

o -7 6 0

o () 040

o 2 5

4,1

2.

5.

8.

-3

-1

I!

is

"'~ ~I

-2 31

3.

1-1 0

3 1 2 0

2 4 -1 2 4 0

6.

9.

11.

o --3 4

10 5

1 1 -1 0

-3 4 6 0

2 5 -1 3 4 0 3 0

2 000

13.

3 0 o 0 004

o 0 o --1 10

15.

1 2 0 0 3 -2 0 () o 0 1 -5 007 2

2 '-1 () 3 -1

4 1: 2 0

2 -2 5 o 4-1 2 1-1

3 o 3

19.

a 0 0 0 0

o 0 b 0 ()

o 0 0 0 c 000 d 0

I

e 0 0 0 I

21'

-:

31

-31

5,

2 4 5 6 o 3

'-6 7

21.

G'2 a331

a22 a23

a12 an

a32 a33i ai2 a131 a22 a23

22.

-3a13 2a23 5a33

an! 2anl' a'3

all 2a21

24.

23.

2au 2a23 2an

26.

I all-a12

a21 -a22 a31 - a32

lall

a2l a31

25.

27.

28. Usando la Propicdad 2, muestre que si a es un numero y A es una matriz de n x n, entonces det 0' A = 0' n det A.

* 29. Demuestre que

= 1 + X, + X2 + ... + x"

Xl X,

X, X2 X, 1 +x"

* 30. Una matriz es antisimetrica si AI = -A. Si A es una matriz antisimetrica de n x

n, muestre que det A = (-1)" detA.

31. Usando el resultado del Problema 30, muestre que si A es una matriz antisimetrica de n x n y n es impar , entonces det A = O.

32. Una matriz A sc llama ortogonal si A es invertible y Al = AI. Muestre que si A es ortogonal, entOllees del A = ± I.

** 33. Supongamos que LI denota el triangulo en el plano con vertices en (Xl' Yl)' (X2, Y2) Y (Xl' YJ). Demuestre que el area del triangu!o esta dada par

1 X, y,

1 6

Area de /:;.= ±~

X2 Y2

x, y,

(,En que condiciones este determinante es igual a cero?

** 34. Tres rectas, las cuales no son paralelas dos a dos, determinan un rriangulo en el plano. Suponga que las rectas estan dadas por

Gllx+a12y+a13=O

116 CAPrTULO 2 • DETERMINANTES

2.3 • Si el tiempo 10 permite: Demostraci6n de tres teoremas importantes 117

Muestre que el area determinada por las rectas es Al2 Au AZ2 A23

±1

2 AZI

A13A2JA33

A31

Vandermonde* de 3 x

A32 A"

3 esta dado por 1

Nota. La prirnera igualdad es la Definicion 2.1. 3 del determinante por desarrollo 0 expansion de cofactores en e1 primer renglon: la segunda igualdad dice que desarrollando por cofactores en cualquier otro renglon obtenemos el determinante, y la tercera igualdad expresa que desarrollando por cofactores en cualquier columna tambien se obtiene el determinante.

35. EI determinante de

D3= a, a2 a3

ai a~ a; Muestre que D,=(a2-al)(aJ-a,)(a3-a2).

1 1 1 1

1 1

38.

Sean A =(a11 a(2) y B=(bll bI2)\

a21 a22 /)21 b22'

a. Escriba cl producto AB.

h. Calcule det A, det B y det AB.

c. Muestre que det AB = (det A )(det B)

Ua~: mat,riz A de n x n se llama nulipotente si A k = 0, la matriz cero de n x n p algun entero k ~ 1. Demuestre que las siguientes matrices son nulipotentes y eneuentre el entero k mas pequeno para el eual A k = 0.

a (~ ~) b (H :l

j>i

Demostraci6n Probaremos la igualdad (1) por induccion matematica. Para la matriz de 2 X 2

A (all a12). d 11 I' I'

= , pnmero se esarro a e pnmer.reng on por cofactores:

aZl a22

det A = allAl! + allA12 = all(a22) + a12(-a21) = alla22 - a12a21. Analogamente, si se hace 10 mismo en el segundo renglon, obtenemos a2lA21 + a22A22 = aZl(-al2) + an(all) = alla22-a12aZl' De este modo se produce el mismo resultado desarrollando en cualquier renglon de una matriz de 2 X 2, 10 cual demuestra la igualdad (1) en el caso de 2 X 2.

Supongamos ahora que la igualdad (1) es valida para todas las matrices de (n - 1) X (n - 1). Hay que demostrar que tambien es valida para matrices de n X n. Nuestro procedirniento sera desarrollar por cofactores en el primero y el r-esimo renglon y mostrar que los desarrollos son identicos. Si se desarrolla o expande en el primer renglon, entonces un terrnino caracteristico en la expansion del cofactor es

** 37.

36. D4= :~ :~ :i ;; es el determinante de Vandermonde de 4 x 4. /ai a~ a~ a~

Demuestre que D4 = (a2 - a,)(a3 - al)(a4 - al)(a, - a2)(a4 - a2)(a4 - a3).

a. Defina el determin:nte de Vanderrnonde D; de n x n.

b .. Muestre que D; = ,11, (a; - ail, don de IT representa a la paJabra "producto ".

i>i

Note que el producto del Problema 36 se puede eseribir n (a; - ail. i=l

(3)

39.

Observemos que este es el unico lugar en la expansion de IA I en donde aparece el terrnino alk, ya que otro terrnino caracteristico es almAlm = (-l)l+mIMlml, k io In, Y MIni la obtenemos eliminando el primer renglon y la »z-esima columna de A (y alk esta en el primer renglon de A). Puesto que Mlk es una matriz de (n - 1) X (n - 1), podemos, por la hipotesis de induccion, calcular IMlk I expandiendo en el r-esimo renglon de A (el cual es el (i - l j-esimo renglon de Mlk)' Un termino caracterfstico en esta expansi6n es

ail (cofactor de a'l enAl1k)

(k"" l)

(4)

40. 41.

Demuestre que si A es nulipotente, entonees det A = O.

dLa mat:iz A se dice idempotente si A 2 = A. i,Cuales son los posibles valores de et A SI A es Idempotente?

Por las mismas razones, este es el unico terrnino en la expansion de IM1kl, en el z-esirno renglon de A, en el que aparece ail' Sustituyendo (4) en (3),

(k¥ I)

(5)

2.3

Si e! tiempo 10 permite: Demostraci6n de ires teoremss importantes

Teore-rna Basico. Sea A = (a Ii) una matriz de n x n. Entonces

det A = allAll + a12A12 + + a,nAln

= ailAil + ai2Ai2 + + ainAin

= a,jAl.,· + a2 A2· + + a ·A .

I J nr nj

, n y j = 1, 2, ... , n.

es la unica vez que aparece eJ termino a1kail, en la expansion por cofactores del det A, en el primer renglon,

Ahora, si expandimos por cofactores en el i-esimo renglon de A (en donde i,* 1), un termino caracteristico es

Teorema 1

(6)

1, 2, ...

(1) (2)

y un terrnino caracteristico en la expansion de I Mill en el primer renglon es

para i

a1k (cofactor de a1k en Mil)

(k 7'0 I)

(7)

* A. T. Vandermonde (1735-1796) rue un matcrnatico frances.

y sustituyendo (7) en (6), encontramos que la unica vez que aparece el terrnino a;/aik en la expansion de detA, en el z-esirno rengl6n es

118

CAPiTULO 2 • DETERMINANTES

(k"" l)

2.3 • Si el tiernpo 10 perrnite Demostraci6n de tres teoremas nnportentes

119

(8)

asi que (5) se convierte en

( l)1+k (l)(I-Il+!\M 1- (1)I+k+1 1M \

-, alka;r - li.kl - - alkail li,kl

Si lograrnos demostrar que las expresiones (5) y (8) son las rnismas, entonces (1) quedara demostrado, ya que en (5) es la (mica vez que aparece alkail, ex pandiendo en el primer renglon, yen (8) es la (mica vez que aparece a.ia, en la expansi6n del renglon z-esimo, siendo k, i y l arbitrarios. Esto mostrara que las sumas de los terrninos en las expansiones del primero y el /-esimo renglon son las mismas.

Supongamos que Mli,kl denote la matriz de (n - 2) x (n - 2) obtenida eliminando el primero y el /-esimo renglones y la k-esima y la /-esima columnas de A. (A esto se le llama menor de segundo orden de A.) Supongamos primero que k.«:l. Entonces

a21 a2•k-1 a2•k+1 a21 a2n
u., = ail a'.k aj,k +1 ail ain
anI an,k an.k+1 «: ann
all a1k al,l-I aU_cI aln
Mil = ai-l•l a,-I.k ai_I.1 a,l.lq ai-Cn
-1
ai+!.l ai+l,k a,+1.1-1 ai+L!+l ai-1,n
anI ank an,l~-l an•I+1 ann De (9) y (10), vemos que

Cofactor de all en 1\11k = (-l)(I'-I)+il-llIMli.k,1

Cofactor de alk en M;I = (-1) I +k IMI i.k,l

As! (5) se convierte en

(-l)llka Ika;r( -1)(i-'J+(I-1)IM1i.k,1 = (·1 )'+k+l-l alkail IMli.kll

y (8) en

(_1),+1 (-l)l+kIM 1-( l)'lkllll I'. \ alka;r li.kl - - alka;r LVlli.kl

y (8) en

(-1 )1+la I ka" (-·1) 1 +k IM1I.kll = (-lY +ke-I+I alkail!Mli.kll Esto cornpleta la demostracion de la Ecuacion (1).

Para demostrar la Ecuacion (2) seguiremos un procedimiento analogo. Si expandimos en la k-esima y la I-esima columnas, eneontramos que la unica vez en que apareee el termino alkail estara dada por (5) y (8). (Yea Problemas 1 y 2.) Esto muestra que la expansion par cofactores en dos columnas cualesquiera es la misma y que cada una es igual al desarrollo en cualquier rengl6n. La anterior completa la demostraci6n. III

(9)

Ahora deseamos demostrar que para cualesquiera dos matrices de n x n denominadas A y B, det AB = det A det B. La demostraci6n es dificil e irnplica un cierto numero de pasos. Haremos uso de un determinado numero de resultados sobre matrices elementales que se demostraron en la Secei6n 1.10.

Se cornenzara ealculando los deterrninantes de las matrices elementales,

Lema 1

Sea E una matriz elemental.

l. Si E ii, Si E iii. Si E

(15) (16) (17)

PI}' entonces del E = -1

A I} (c), entonces det E = 1\I/,(c), entonees detE = c

(10)

Demostrad611 i. det I = 1. E se obtiene de I intercambiando el renglon icon elj. De la

Propiedad 4, detE = (-1) det I = -L

ii, Ese obtiene de I multiplicando por eel i-esimo rengl6n de I y surnandolo al rengJ6n j. Por la Propiedad 7, det E = det I = 1.

iii. Ese obtiene de I multiplicando por c el r-esirno renglon de I. Por la Propiedad 2, detE = c det I = c. III

(11) (12)

lema 2 Sea B una matriz n x n y sea E una matriz elemental. Entonces det BB = del }; det B

([8)

(13)

La demostraci6n del lema se deriva del Lema 1 y de los resultados relatives a las operaciones elementales de renglones discutidas en la Secci6n 2.2. Los pasos en la dernostracion se indican en los Problemas del 6 al 8,

lema 3 Sea Tuna matriz triangular superior. Entonces T es invertible si y s610 si det T '* O.

(14)

Demostrad6n Sea

e a12 al3 a,)
an <123 a-;
T= 0 0 (j33 a-; (19)
0 0 0 ann
det T = all an'" ann Pero (_l)i+k+l-t = (_l)'+kLlll, entonces los segundos miembros de las Ecuaciones (13) y (14) son iguales. De aqui que las exprcsiones (5) y (8) son iguales y (1) queda demostrado en c1 caso k < I. Si k > I, entonces, por un razonamien to analogo,

Cofactor de ail en Mlk = (-1)Ci-lJ+'IMu.k,1 Cofactor de a1k en M" = (_l)l+(k-1) \Mli.kll

Del Teorerna 2.1.1,

120

CAPiTULO 2 • DETERMINANTES

2.3 • Si el tiempo 10 permite: Demostraci6n de tres teoremes irnpcrtantes

121

Asi que det T*-O si y solo si cada una de sus componentes diagonales es distinta de cero.

Si det T *- 0, entonces Tpuede ser reducida por renglones del siguiente modo:

i. Para i = 1, 2, ... , n dividase entre ail *- 0 la z-esima fila de T para obtener

De (21), y por el modo en que son elegidas las x, vemos que Tx* = 0; esto es, la ecuaci6n Tx = 0 tiene una solucion no trivial. Utilizando el Teorema 1.8.6 de nuevo (parte ii), concluimos que T no es invertible. III

El siguiente teorema es muy importante.

(1 a'12

o 1

o 0

Teorema 2 Sea A una matriz de n x n. Entonces A es invertible sf y s610 si det A *- O.

Demostracioll Del Teorema 1.10.7 sabemos que es posible encontrar matrices E1, E2, ••• , Em y una matriz triangular T tales que

ii. Utiliee ellen la j-esima componente diagonal para hacer cero cada componente por encima de el en la j-esima columna.

A=EIE2,·,EmT Utilizando m veces el Lema 2, se ve que

(22)

As! pues, T es equivalente por renglon a I y por 10 tanto es invertible segun el Teorema 1.8.6 (el Teorema Resumen).

Supongase que det T = O. Entonces al menos un elemento diagonal es cero.

Sea ail el primer e1emento tal. Entonces T puede ser escrita como

det A = det E I det(E2 E3 ... Em T)

= del E1 det E2 det(E3··· Em T)

= det E 1 det E 2 ... det Em- I det(Em T)

Por el Lema 1, det E, *- O. Concluimos que det A*-O si y s610 si det T -.f- O. Ahora supongase que A es invertible, Entonces, usando (22) y el hecho de que toda matriz elemental es invertible, podemos escribir T como el producto de matrices invertibles. Asi pues, T es invertible, y por el Lema 3, su deterrninante no se anula. Por tanto, det A tampoeo se anula.

Si detA '" 0, entonces, por (23), det T *- 0, y por el Lema 3, Tes invertible. Ellado derecho de (22) es el producto de matrices invertibles, y por 10 tanto,

Considerese el sistema hornogeneo A 10 es tambien. Con esto termina la demostraci6n. III

all al2 al•i-I ali al,i+l a1n
0 a22 a2,i-1 ali a2,i+ 1 a2n
0 0 ai-1,i-1 ai-l,i ai-1,i+l ai-1,n
T= (21)
0 0 0 0 ai,i+l ain
0 0 0 0 ai+ 1,i+ 1 ai+ 1.,.,
0 0 0 0 0 ann o finalmente,

det A = det E1 del E2 '" det Em-I det Em det T

(23)

alixi + al2x2 + + al,i-Ixi-l + ajixi = 0

a22,x2 + + a2.i-lxi-l + a2ixi = 0

Ahora, finalmente, dernostraremos el result ado principal.

ai-1,i-IXi-l + ai-l,ixi = 0

Este es un sistema de i-I ecuaciones en i inc6gnitas. Por el Teorema 1.7.1, el sistema tiene soluciones no triviales.

feorema3 Sean A y B matrices n x n. Entonces

det AB = det A det B

(24)

Sea

(XI)

X7

: - una solucion tal que no todas las XI' X 2,

X, Xl

Demostrac:i611

Caso 1: det A = det B = O. Entonces, por el Teorema 2, B no es invertible, y par 10 mismo y por el Teorema 1.8.6, existe un n-vector x*-(} tal que Bx = O. Entonces, (AB)x = A (Ex) = AU = 0,10 cual, en virtud del Teorerna 1.8.6, vuelve a decir que AB no es invertible. Por el Teorema 2,

... , Xi sean cera. Sea

x* = x·
I
0 }"-,=m
0 0= det AB = 0·0 = det A det B.

Caso 2: det A = 0 y det B *- 0; A no es invertible, de modo que existe un nvector y*-O tal que Ay = O. Como det B *- 0, B es invertible y existe un vector tinico x*-O tal que Bx = y. As! pues ABx = A (Bx) = Ay = 010 cual muestra que AB no es invertible, y por 10 mismo,

det AB = 0 = 0 det B = det A det B.

122

CAPiTULO 2 • DETERMINANTES

2.4 • Determmantes e inverses

123

Caso3: detA *" 0, A es invertible y puede ser escrita como el producto de matrices elementales:

feorema 1 Si A es invertible, entonces det A *0 y

-1 1

det A =---

det A

Entonces,

Usando el result ado del Lema 2 en forma repetida, vemos que

det AB = det(E1Ez'" EmB)

= det E 1 det ... det Em del B

= det(E 1 E2 ... En.,) det B

= det A det B. l1li

Demostracion Del Teorema 2.3.2, detA *" O. Del Teorema 2.2.4,

1 = det I = det AA -1 = det A det A-I

(2)

10 cual implica que

det A -1 = l/det A III

Problemas 2.3

Antes de usaf deterrninantes para calcular inversas, necesitamos definir la adjunta de una rnatriz A = (a,). Sea B = (Au), la matriz de cofactores de A. (Recuerde que un cofactor, como se defini6 en la pagina 98, es un nurnero.)

1. Demucstre que si A sc expande cn su k-csima columna, entonces la unica vez en que aparece el terrnino a I k a ilIa da la Ecuacion (5).

2. Pruebe que si A se expandc en su I-esima columna, entonces la unica vez en que aparece el terrnino alkaii la da la Ecuacion (8).

J. Mucstre que si A se expande en su k-esima columna, enionces la (mica VC7. en que

aparcce el terrnino aikajl cs (1), (cofactor de all en Mik) para !*k.

4. Sea A = (~ - ~ ~) . Calcule det A expandiendo en cad a uno de los renglones

4 5-2

y columnas.

5. Haga 10 mismo para 1..1 matriz A = ( ~ - ~ :). -3 7 2

6. Sea E = Pu y sea B una matriz n x n, Dcmuestre que det EB = det E dct B. ISugerencia: Describa la rnatriz Ell y luego utilice la Ecuacion (15) y la Propiedad 4.]

7. SeaE = A(J(e)yseaBunamatrizn x n, Demuestre que detEB = detEdctB. [Sugereneia: Describa la matriz EB y luego utilice la Ecuacion (16) y la Propicdad 7.]

8. Sea E = Mi(e) y sea B una matriz n x /1. Dcmuestre que dct EB = det E del B. [Sugerencia: Describa la matr iz EB y luego utilice la Ecuacion (7) y la Propiedad 2.J

Entonccs C" An A,")
A21 An A2n
B= . (3)
AnI An2 An" Definicion 1 Adjul'lta. Sea A una matriz de n X n y sea B, dada par (3), la rnatriz de sus cofactores. Entonces la adjunta de A, escrita como adj A, es la transpuesta de la matriz B de n x n. Esto es,

C" A2l ~')
An A22 A,,2
adj A = B' = : (4)
,A1n A2n Ann --"----_. -_---_. ---- ._"----------------

;-D. Calcule adj A.

Determinantes e lnversas

Solucion

/1 Tenemos All co i

15

Asi

=-13, B=

En esta seccion veremos como se pueden calcular las matrices inversas usando deterrninantes. Mas aun, cornpletaremos el tr abajo que iniciamos en el Capitulo 1, de demostrar el importante Teorerna Resumen 2.7.6 (veanse Teoremas 1.8.6 y 1.10.4), mostrando la equivalencia de varias propiedades de las matrices. Empezaremos can un resultado sencillo.

A22=5, A23=2,

( 12 -3

-13 5

-7 2

-3)

~ y

A31= A32=2,

'12 -13

adj A = B' = ( -3 5

\-3 2

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

124 CAPITULO 2 • DETERMINANTES
Ejemplo 2 Sea (-l -3 0 -2)
A= -12 -2 -6
10 2 5
-1 6 1 3
Calcule adj A. 2.4 • Determinantes e inverses 125

(6)

Tenemos

3

-3 0 10 2 6 1

Asi

Cij = (r-esimo renglon de A)'U-esima columna de adj A)

~ (an ", ".) • c:)

AI"

cij = ailAj1 + ai2Aj2 + ... + ainAjn

(7)

Solucion

Este caso requiere un poco mas de trabajo puesto que tenemos que calcular dieciseis determinantes de 3 x 3.

3 Por ejemplo tenemos AJ2 = - -2 -1

-2 -6 1

2 5 =-1, A24= -2

1

-1

1 -3 -2
-2y A43=- 3 -12 -6 = 3. Completando estos calculos, encontramos
que -2 10 5
(-: -1 0 -~)
1 -1
B= 2 -3 -3
-2 -2 3 2
C -1 0 -2)
-1 1 2 -2
adj A =B' = ~ -1 -3 3
-2 -3 2 Ahora, si i = j, la suma en (7) es igual a ail Ail + ai2 Ai2 + ... + ainAm, 10 cual es la expansion de det A en el z-esimo renglon de A. Por otro lado, si i oF i, entonees el Teorema 2.2.2 la suma en (7) es igual a cera. Asi

c .. = r A si i = j

IJ 0 si i ~ j

Esto demuestra el .teorema, II1II

Podemos ahora establecer el resultado principal.

1eorema 3 Sea A una matriz de n x n. Entonces A es invertible si y solo si det A =F O.

Si det A oF 0, entonces

1

A-I = ----- adj A

det A

Ejemplo 3

(all

Sea A =

G21

al2). Entonces adj A = (All A21) = ( a22 a22 Al2 A22 -a21

Note que el Teorema 1.8.4 para matrices de 2 x 2 es un easo especial de este teorema.

Advertem:ia. Cuando calcule la adjunta de una matriz, no olvide transponer la rnatriz de cofactores.

Demostraci6n La prirnera parte del teorema es el Teorema 2.3.2. Si detA oF 0, entonces,

Teol'ema !l Sea A una matriz de n x n. Entonces
det A 0 0 0
0 det A 0 0
(A)(adj A) = 0 0 det A 0 = (det A)I
(5)
0 0 0 det A
l)emosfriJcioll Sea C = (Cij) = (A)(adj A). Entonces ! Teorcma 2

(A) (de: A adj A) = de~ A [A(adj A)] = de~ A (det A)I = I

Pero, por el Teorema 1.8.8, si AB = J, entonees B = A .... '. De modo que

(l/detA)adjA = A-I III

Ejemplo 4 S,. A ~ G ~ - D . Determine si A " in vertible v, si [0 0;. calcule A -,

126 CAPiTULO 2 • DETERMINANTES

Soluci6n Puesto que det A = 3 *- 0, vemos que A es invertible. Del Ejemplo 1,

(12 -13 -7)

adj A = -3 5 2.

-3 2 2

r -13 -7) ( 4 13 -n
-3
As! AI=~ -3 5 2 = -1 5
3
-3 2 2 -1 2
3 3 (12

Verificilcion A -IA = 1 -3

-3

13 5 2

Ejemplo 5 Sea

A = ( ~ --~~ -~ =~)

-2 10 2 5

-1 6 1 3

Determine si A es invertible y, en tal caso, calcule A

Soludon Usando las propiedades de los determinantes, calculamos

1 -3 0 -2
3 -12 -2 -6
-2 10 2 5
-1 6 1 3
Multiplique la prime- r 1 0 0 0
ra columna par 3 y
par 2 y sumela a Ia se- 3 -3 -2 0
gunda y cuarta colum- -2 4 2
nas, respectivarnente. --1 3 1 1
--3 -2 0
Expanda en el primer 4 2 1 =-1
renglon.
3 1 1 Asi, det A

-1 *- 0 y A-I existe. Par el Ejernplo 2, tenemos

C --1 0 -2)
-1 1 2 -2
adj A=
. 0 -1 -3 :3
Asi 2 --2 --3 3
(" -1 0 -2) (() 0 2)
1 =~~l--~
A 1 2 -2 1 -1 -2 2
--1 -3 3 0 1 3 -3
, 2 -2 -3 2 -2 2 3 -2 2.4 • Determinantes e inverses 121
AA-'~ ( ~ -3 0 -2) (" 1 0 -~)
Verificaci6n -12 -2 -6 1 -1 -2
-2 10 2 5 0 1 3
-1 6 1 3 -2 2 3 -2
~ (~ 0 0 ~)
1 0
0 1
0 0 Nota. Como se habra observado, si n > 3 generalmente es mas facil evaluar A-I reduciendo par renglon y despues usando adj A puesto que, aun para el caso de 4 X 4, es necesario calcular J 7 determinantes (16 para la adjunta y ademas det A). Sin embargo, el Teorema 3 es muy importante ya que, antes de que se haga cualquier reduccion par renglon, el calculo de det A (en caso de que pueda hacerse facilmente) nos dira si A-I existe 0 no.

Habiamos visto el Teorema Resumen (Teoremas 1.2.1, 1.8.6 y 1.10.4) en la Seccion 1.lD. Este es el teorema que relaciona muchos de los conceptos expuestos en los primeros dos capitulos de este libro.

teotem« 4 Teorema resumen, Version 4. Sea A una matriz de n x n. Entonces, cada uno de los siguientes seis enunciados implica los otros cinco. Es decir, que si uno es verdadero, todos los demas 10 son.

i. A es invertible.

ii, La unica solucion al sistema hornogeneo Ax = 0 es la solucion trivial

(x = 0).

iii. El sistema Ax = b tiene una solucion {mica para cada n-vector b. iv, A es equivalente par renglones a la matriz identidad III de n x n. v, A es el producto de matrices elementales.

vi. det A *- O.

Demostracion En el Teorema 1.8.6 demostramos la equivalencia de las partes 0), (ii), (iii) y (iv). En el Teorema 1.10.3 vimos la equivalencia de (i) y (v). EI Teorema 1 (0 el 2.3.2) prueba la equivalencia de (i) y (vi). II1II

Problemas 2.4

En los Problemas dell at 12 use los metodos de esta seccion para determinar si fa matriz dada es invertible. Si es aSI: calcule fa in versa.

1. G ~)

3. G ~)

128

CAPITULO 2 • DETERMINANTES

2.5 • Regia de Cramer

129

4.

G 1 D 5. G 2 -~) 6. G 1 }
2 2 1
5 1 0
G 2 ~) C 1 D ( 2 -1 D
1 8. ~ -1 9. -1 0
1 1 19 -7 Sea D = det A. Definimos n matrices nuevas:

6

II (

_~ -~~) 12. (_:

3 3 2 -1

-3 0

-12 -2

10 2

6 1

-2)

-6

5 3

C an a,,,) C bl a,,,)
b2 a22 U2" a21 b2 at" , ... ,
Al= : : . A2= :
. .
b" an2 ann an1 b; ann
C al2 b')
a21 a22 b2
An= .
anI a,,2 i; 7.

~)'

12 -4

3

13. Muestre que una matriz A de n x n es invertible si y s610 si At es invertible.

14. Para A = G ~), verifique que det A -I = 11 det A.

-1

Es decir, Ai es la matriz que se obtiene sustituyendo la i-esima columna de A par b. Finalmente, sea D, = detA I ,D2 = detA2, ••• , D; ,= detAn•

15. Para

A=G

3)

6 ,verifique que det A-I = I/det A.

-2

Teorema 4 Regia de Cramer. • Sea A una matriz de n x n y suponga que det A * O. Entonces, la solucion unica para el sistema Ax = b esta dada por

o

16. i,Para que valores de (X la matriz (: 1-=-30: )no es invertible?

( 0: 0: -1 0: + 1)

17. i,Para que valores de Oi la matriz -1 2 3 no tiene una inver sa?

2-0: 0:+3 0:+7

(3)

18. Suponga que la matriz A de n x n no es invertible. Muestre que (A) (adj A) es la matriz eero.

Demostracioll La solucion de Ax = b es x = A lb. Pero

En esta seccion examinaremos un metodo antiguo para resolver sistemas con el mismo numero de incognitas y de ecuaciones. Considere el sistema de n ecuaciones en n incognitas.

aUxl +a12x2+' .. + a1nx" = bl a21 Xl + a22x2 + ... + a2nx" = bz

(All

1 1 A12

A-Ib=-(adjA)b=- .

D D:

A1n

An1 )(b1\)

A,,2 b2

· .

· .

· .

An" b;

(4)

2.5 RegIa de Cramer

Ahora (adj A)b es un n-vector cuya j-esima componente es

(1)

(5)

.. .

anlxr + an2X2 + ... + ann x, = b"

el cual puede ser escrito en la forma

Ax=b

(2)

* Llarnada asi par el matematico suizo Gabriel Cramer (1704-1752). Cramer publico la regia en 1750 en su introduction to the Analysis of Lines of Algebraic Curves. En realidad hay cvidcncia de que la regia era conocida dcsde 1729 por Colin Maclaurin (1698-1746), quien fue, probablementc, el maternatico britanico mas dcstacado en los arios posteriores a la rnuertc de Newton. La regia de Cramer cs uno de los resultados mas famosos en la historia de las Matematicas. Durante casi doscientos al105, fue esencial en la ensenanza del Algebra y de la teoria de ecuacioncs. Debido al enorme numero de calculos que implica su uso, la regia es poco utilizada hoy dia, Sin embargo, el resultado rue muy importarue en su memento.

Supongamos que det A =t- O. Entonees el sistema (2) tiene una unica solucion dada par x=A-'b. Podemos desarrollar un metodo para encontrar esa solucion sin reduccion por renglones y sin calcular A t

130 CAPITULO 2 • DETERMINANTES
Consideremos la matriz Aj:
C al2 bJ a,,)
Aj = a:21 a22 b2 a2n
ani ~2 bit ann (6)

j-esima columna

Si expandimos el deterrninante de Ai en su j-esima columna,

D, = b I (cofactor de b d + b2 (cofactor de b2) + + b , (cofactor de bn)

(7)

Pero para encontrar el cofactor de b., por ejemplo, eliminamos el z-esimo renglon y laj-esima columna de Aj (puesto que b, se encuentra en Ia z-esima columna de A). Pero laj-esirna columna de AI es by con esta eliminada, tenemos simplemente el ij-esimo menor Mu de A. As!

Cofactor de b, en Aj=Aij de modo que (7) se convierte en

Dj = blAlj + b2A2i + ... + bnAni

(8)

Pero esto es iguaJ que el lado derecho de (5). Asi, el r-esimo componente de (adj A)b es D, Y

(Xl) (DJ) (D\ID)\

x = ~' ~A 'be ~ (adj A)b~~ D, ~ D:!D

x, D" D,,{D

La demostracion esta completa. II1II

Ejemplo 1 Usando la regIa de Cramer resueiva el sistema

2xJ + 4X2 + 6X3 = 18 4xj + 5x2 + 6X3 = 24 3xj + X2 - 2X3 = 4

(9)

So/udoll Ya hemos resuelto este sistema usando reduccion por renglones en el Ejemplo 1.6.l. Podriamos resolverlo tambien calculando A -I (Ejemplo 1.8.6) Y despues eneontrando A lb. Ahora 10 resoiveremos usando la regla de Cramer. Primero

2 4 6

D= 45 6 =6#0

3 -2

2.5 • Regia de Cramer 131

de manera que el sistema (9) tiene una unica solucion. Entonces

18 4 6 2 18 6
DI= 24 5 6 = 24, D2= 4 24 6 = -12 Y
4 1 2 3 4 ·-2
2 4 18 ti, 24
D3 = 4 5 24 = 18. . Por 10 tanto Xj = 7) = 6"" = 4,
3 4
Dz 12 -2 D3 18
X2 = 75 = - = y X3 = D = 6"" = 3.
6 Ejemplo12 Muestre que el sistema

xl+3x2+5x3+2x4=2 - X2 +3x3 +4X4 = 0 2xj+ X2+9x3+6x4=-3 3x1 +2X2+4x3 + 8X4 =-1

tiene solucion unica y encuentrela usando la regla de Cramer.

(10)

Solud6n Vimos en el Ejemplo 2.2.10 que
1 3 5 2
iAi= 0 -1 3 : =160#0
2 1 9
3 2 4 8 De modo que el sistema tiene una {mica solucion, Para encontrarla calculamos: D1=-464;D2=280; D3= 56; D4=112. Asi xl=D/D=-464/160, x2 =D2/ D= 280/160, x) =D/D= -56/160 y X4 = D4/ D= 112/160. Estas soluciones pueden ser verificadas por sustitucion directa en el sistema (10) .

. _----------------------_. __ . __ ... _----

Problemas fl.S

En los Problemas dell al 9 resuelva el sistema dado, usando la regia de Cramer.

1. + 3X2 = -1

-7Xl + 4X2 = 47

3. 2x\ + X2 + X3 = 6 3xl - 2X2 - 3X3 = 5 8x1 + 2X2 + 5X3 = 11

5. 2Xl+2x2+ x3=7 Xl+2x2- X3=O -X, + X2 + 3x, = 1

2. 3x1 - x2 = 0 4Xl + 2X2 = 5

4. Xl + x2 + X3 = 8 4X2 - X3 = -2 3x1 -- X2 + 2X3 = 0

6. 2x,+Sx;- x3=-1 4x,+ x2+3x3=3

-2xj+2x2 =0

-X4= 5

Ejercicios de Repaso • Capitulo 2 133
(2 0 ~) ( -~ -1 2 n
G 1 :) \: -1 3 1 0
12. 0 13. 14. 4 1
0 0
1 0 -1 6 -4 I 132 CAPiTULO 2 • DETERMINANTES

7. 2x,+ X2- x3=4

X, + x3=2

x2+5x,=1

8. xl+ X2+ x,+ x4=6

2x, - X,,- X4 =4

3x,+6x4 = 3

9. x, -x4=7

2X2+ X3 = 2

4x,- X2 =-3

3x,-5x4=2

* 10. Con sid ere el triaagulo en la Figura 2.2.

En los Ejercicios dellS al18 resuelva el sistema empleando fa regia de Cramer. 16. x,- X2+ x3=7

2x, -5x3=4

15. 2x, - X2 = 3 3x, +2X2 = 5

Figura ~,2

17. 2X1 + 3X2 - X3 = 5 -X,+2X2+3x,=0 4X,- X2+ x,=·-l

18.

3X2- x3=2

- x,+ X4= 7 2X2 + 2X3 - 3x4 =-1 =0

4x,- X2- X3 -2x,+ x2+4x3

=2

a. Usando trigonometria elemental, muestre que

c cos A

+a cos C = b

b cos A + a cos B = c

c cos B + b cos C = a

h. Si el sistema de la parte (a) se considera como un sistema de tres ecuaciones en las tres incognitas cos A, cos B Y cos C, pruebe que el detcrminante del sistema no es cero.

c. Use la regla de Cramer para resolver el sistema para cos C.

d. Aplique (c) para demostrar Ia ley de los cosenos: c2 = a? + b' - 2ab cos C.

Ejerdcios de repaso 0 Capitulo f
En los Ejercicios del 1 al 8 calcule el de term inan te.
I~l -2 3
I-~ ~I 1-3 !I 4 5
1. 2. 3.
-7 0 6
()
5 0 0 -1 21 3 1 -2
4. 6 2 0 5. 3 4 2 6. 4 0 5
10 IOO 6 -2 3 4 -6 1 3
-1 2 3 3 15 17 19
4 o 2 5 () 2 21 60
7. -1 2 3 7 8. 0 0 1 50
5 1 0 4 0 0 () -1 En los Ejercicios del 9 at 14 use determinantes para calcular la inversa, si fa hay.

(-3 4)

9. . 2 1

10. (~

o

-~ :)

() --3

(1 -1 2)

1 L 3 1 4

5 -1 8

CAPITULO

3

Vectores en fR?,R y fR?,3

En la Seccion 1.3 se definieron los vectores columna y renglon como conjuntos ordenados de n numeros reales. En el siguiente capitulo definiremos otros tipas de conjuntos de vectores, llamados espacios vectoriales.

El estudio de espacios vectoriales arbitrarios requiere, inicialmente, de un esfuerzo considerable de abstraccion, Por esa misma razon es util po seer un "alrnacen" de vectores facilmente visualizables, los cuales pueden ser utilizados en los ejemplos.

En este capitulo discutiremos las propiedades basicas de los vectores en el plano xy y en el espacio tridimensional real. Los estudiantes que han cursado calculo de varias variables ya habran visto este material can anterioridad. Si este es eI easo, este capitulo debe ser expucsto en forma breve y como un repaso. Para otros casas, la cobertura de este material proveera al estudiante de ejemplos que haeen mucho mas comprensible el material de los Capitulos 4 y 5.

3.1 Vectores en et plano

Como 10 definimos en la Seccion J .3, 1f\~2 es el conjunto de vectores (x,, can Xl y X2 nurneros reales. Como cad a punto del plano se puede escribir en la forma (x, y), es evidente que cualquier punta del plano se puede ver como un vector en !R:2 y viceversa. Por tanto usarernos indistintarnente los terminos "el plano" y . Sin embargo, para varias de las aplicaciones fisicas (incluyendo los concept os de fuerza, veloeidad, aceleracion y eantidad de movimiento) es importante pensar en un vector no como un punto , sino como un objeto que tiene "magnitud" y "direccion". Veremos ahara como se hace esto.

Sean P y Q dos pun~2.§"en el plano. Entonees el segmenio de recta dirigido de P a Q, denotado por PQ, es el segmento rectilineo que va de P a Q (vea Figura 3.1a). Notemos que los segmentos de recta dirigidos PO y QP son diferentes pues apuntan en direeciones opuestas (Figura 3.1b).

135

ObserVilci6n 1. Con est a definici6n, un punta en el plano xy puede como un vector que se inicia en el origen y termina en ese punta.

136 CAPITULO 3 • VECTORES.EN ~2 Y

y

Definicion!l Definicion a/gebraica de lin vector. Un vector v en el plano xy

de numeros reales (a, b). Los mimeros a y b se conocen del vector v. El vector cera es (0, 0).

Figura 3.1

(a)

(b)

Observad6n~. El vector cero tiene magnitud cero. Por tanto, como el punto inicial y el terminal coinciden decimos que el vector cera no tiene direcci6n.

--+

EI punto Pen el segmento de recta dirigido PQ se conoce como punto inicial

del segmento, y el punta Q como punto terminal. Las dos propiedades principales de un segment a de recta dirigido son su magnitud (longitud) y su direcci6n. Si dos segmentos dirigidos PQ y 18 tienen igual magnitud y direcci6n decimos que son equivalentes, sin que interese su ubicaci6n con respecto al origen. Todos los segmentos dirigidos de la Figura 3.2 son equivaientes.

Observac:i611 3. Enfatizamos que las Definiciones 1 y 2 describen exactamente los misrnos objetos, Cada punto de vista (geornetrico y algebraico) tiene sus ventajas. La Definicion 2 es la definicion de un vector con dos componentes que hemos venido usando hasta ahora.

y

Como un vector es rcalmente un conjunto de segmentos de recta equivalentes, definimos la magnitud 0 /ongitud de un vector como la magnitud de cualquiera de sus representantes, Y su direccion, como la de cualquiera de sus representantes. Si usamos el represent ante OR y consideramos el vector v (a, b), se tiene que

Figura.U

[ = __ ~_I~V~I =_m __ a_g~_/l_'t_u_d_d_e~v = .J a 2 + b2

Definicion 1 Definicion geometrica de un vector. EI conjunto de todos los segmentos de recta dirigidos equivalentes a un segmento dirigido dado, se llama vector. Cualquier segmento de recta dirigido en ese conjunto se conoce como un representante del vector.

Esto se sigue del teorema de Pitagoras (vea Figura 3.4). Hemos usado la notaci6n I v I para simbolizar la magnitud de v. Notemos que I v I es un escalar.

Observaci6n. Todos los segmentos de recta dirigidos en la Figura 3.2 son representantes del mismo vector.

De la Definicion 1 vemos que un vector dado v se puede representar de diferentes maneras. Sea PO un representante de v, Entonces, sin carnbiar su magnitud ni su direccion podemos mover PQparalelamente hasta que su pun to inicial quede en el origen. Hemos obtenido asi el segmento de recta dirigido OR que es otro representante del vector v (vea Figura 3.3). Ahora supongamos que R tiene coordenadas cartesianas (a, b). Entonces podemos describir el segmento de recta dirigidoOR, por las coordenadas (a, b). Esto es, ORes el segmento dirigido con punto inicial (0, 0) y punto terminal (a, b). Como un representante de un vector sirve tan bien como otro podernos expresar el vector v como (a, b).

Figura 3.4

Ejemplo 1

Calcule las magnitudes de los vectores (i) (2, 2); (ii) (2,2-Jj); (iii) (~2-)3, 2); (iv) (-3, - 3); (v) (6, -6).

Soluci61l

i, Ivl=~=J8=2.J2 ii, Ivl = J22 + (2"fJ? = 4

iii. lvl = ~2Y3)2+22 = 4

iv. Ivl=~W+(-3?=m=3.J2 v. Ivl = ..[62 + (-6)2 = m = 6.J2

Figura 3.3

138

CAPiTULO 3 • VECTORES EN Y fR.3

Direcd6n de un 'lector

Ahora definimos la direccion del vector v = (a, b) como el cingula e (medido en radianes) que forma el vector con la parte positiva del eje x. Por convencion escogemos e tal que Os 8< 27r. De la Figura 3.4 se observa que si a *0, entonces

[~--~.

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

___ t_an_o_=_~ ~ (2) I

Ejemplo!l Calcule las direcciones de los vectores del Ejernplo 1.

So/udon Estos cinco vectores estan representados en la Figura 3.5.

i, Aqui vesta en el primer cuadrante y como tan 8=212= 1, (j= 11'/4.

ii. Aqui e~ctan-I 2-13/2 =tau-IJ3= 11'/3 (pues vesta en el primer cuadrante). Ill. Vernos ~e vesta en el segundo cuadrante v. como tan-12/2J3

tan-llIy3 = 11'/6, resulta de la Figura 3.5e que e = 11' - (Jr/6) = 57r/6. iv. Aqui vesta en el tercer cuadrante y, como tan - I = 7r/4, tenemos que 8= 7r+(7r/4)= 57r/4.

v, Como vesta en el cuarto cuadrante y tan 1(-1) = -11'/4, se ticne que iJ = 27r- (7r/4) = 711'/4.

y

y
(2, 2v3)
y
(-
S-n
6
() x x
(b) (e) Figura3.S

(a)

y

4

(- 3.- 3)

(6. --6)

Cd)

(e)

En la Seccion 1.3 definimos la surna de vectores y la multiplicacion par un escalar. i,Que significan geometricarnente estes conceptos? Empezamos can

3.1 • Vectores en el plano

139

la multiplicaci6n par un escalar. Si v = (a, b) entonces ov = (aa, ccb), De manera que

(3)

Esto es:

1- MUltiP""",un Wd,O"r par un,e, .; tiene e",l efecto de mui(;p"m I, ] L magnitud del vector par el valor absoluto de ese escalar.

Mas aun, si 0'>0, entonces ov esta en el mismo cuadrante que v y, por tanto, la direccion de ayes la misma que la direccion de v pues tan-I(O'b/aa)'= tan-I(b/a). Si 0'<0, entonces ov apunta en la direcci6n opuesta a la de v. En

otr as palabras:

-~--(4]

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

--------------- ----~

Direccion de ov = direccion de v, si a> ° Direccion de ov = direccibn de v + x, si a <0

Ejemplo 3

Sea v = (1, 1), Entonces \v\= Jf+1 = J2 _ y 12vl = 1(2, 2)\ = ./22 + 22 = J8 = 2J2= 2\vl, Mas aun , \-2vl = -/(-2)2+ (--2? = 2J2 = 21vl. Ademas, la direccion de 2v es 7r/4 mientras que la direccion de -2v es 57r/4 (vea Figura 3.6).

y

y

/~ (2,2) 2V2

Figura 3.6

y V'2~>;'(I' I)

0\" I I .. x

(-2, -2)

, I)

(a)

(b)

(e)

Supongamos ahora que se suman los vectores u = (ai' bj) y v = (a2' b2) como en la Figura 3.7. En el croquis vemos que el vector u + v = (a I + a 2' b 1 + b 2) se puede obtener trasladando cl representante del vector

Figura 3.7

140 CAPiTULO 3 • VECTORES EN /Rl2 y /Rl3

v de manera que su punto inicial coincida con el punto terminal (ai, bj) del vector II. Podemos obtener asi el vector u + v dibujando un paralelogramo con uno de sus vertices en el origen y lados u Y v, Entonces u + v es el vector que va desde el origen a 10 largo de la diagonal del paralelogramo.

Nota. Como la recta es la minima distancia entre dos puntos, se deduce inmediatamente de la Figura 3,7 que

L_ ~_u_+_v~_~_lu_I_+_lv_I ~·~

Por razones obvias la desigualdad (5) se conoce como la desigualdad del triangulo,

Podemos usaf la Figura 3,7 tarnbien para obtener una representaci6n geornetrica del vector II - v. Como II = II - V + v, el vector II - V es el vector que debe ser sumado a v para obtener u. Este hechose ilustra en la Figura 3,8a, Un hecho similar se ilustra en Ia Figura 3.8b.

Figura 3.8

(a)

(b)

(0. I)

Figura 3.9

o

Existen dos vectores especiales en iR2 que nos perrniten representar otros vectores de iR2 en una forma conveniente. Denotarernos el vector (1, 0) con el sfmbolo i y el vector (0, 1) con el simbolo j (vca Figura 3,9). * Si v = (a, b) es otro vector del plano entonces, como (a, b) = a(l, 0) + b(O, I),

---.---.--._----:-1

v=(a, b)=ai+bj (6~J

Con est a reprcsentaci6n decimos que vesta resuelto en sus componentes vertical y horizontal. Los vectores i y j tienen dos propiedades:

* Nola historica: Los simbolos i y j Iueron usados por primcra vez por Hamilton, quien definio el cuaternion como una caruidad de la forma a + hi + cj + dk, donde a es la "parte escalar" y hi .J. cj + dk la "parte vectorial". En la Seccion 3.3 se expresaran los vectores en el espacio segun la forma hi + c,i + dk.

Definicion 3

3.1 • Vectores en el plano 141

i. Ninguno de ellos es rnultiplo del otro. (En la terminologia del Capitulo

4 se dice que son linea/mente independlentes.~ ..

. v se puede escribir en terrninos de I Y J como en la

ii, Cualquier vector

Ecuacion (6). *

En estas dos condiciones se dice que i y j forman una bas~ de iR2, ~iscutire-

mos las bases de espacios vectoriales arbitrarios en, e,l Cap,ltulo 4., ,

Definiremos ahora una clase de vector que es muy util en ciertas aplicaciones.

Vector unitario. Un vector unitario u es un vector de magnitud igual a 1,

Ejemplo 4 EI vector u = (1/2)i+ (J3/2)j es un vector unitario pues

Figura 3.10

Sea u=ai+bj un vector unitario. Entonces lul="'a2-:b2=1, ,de .don?e a2 + b2 = I y u se puede representar por un punto en el ,Clrcul~ umtano (Fi-

3 10) S1' {J es la direcci6n de u, entonces vemos inmediatamente que

gura . , tf itario u se nued ibi I

a = cos 8 y b = sen e, Asi, cualquier vector umtano II se pue e escri ir en a

forma

u = (cos 8)i+ (sen 8)j

(7)

donde 8 es la direccion de u,

y

u = ai + bj

Ejemplo 5

itari - (1/2)1' + ( 13/2)J' del EJ' emplo 4 se puede escribir en la for-

EI vector uru ano u - '.J

rna (7) con e = COS-I (112) = 71"/3.

bi .. li I de i "J' Discutircmos

* En la Ecuacion (6), decimos que v se escribe como una com tnacton mea J'

el coricepto de combinaci6n lineal en la Secci6n 4.5.

142 CAPiTULO 3 • VECTORES EN ~ 2 Y [R\3

Tarnbien tenemos:

----"'---

Sea v un vector distinto de cero. Entonces u = v / I v I es un vector unit ario con la misma direcci6n de v (vea Problema 17).

Ejemplo 6 Encuentre un vector unitario can la misma direcci6n que v = 2i - 3j.

Soluci6n Aqui Ivl = J 4 + 9 = m, y asi, U = v/lvl = (2Im)i - (3Im)j es el vector unitario pedido.

ConcIuimos esta secci6n can un resumen de las propiedades de los vectores (Tabla 3.1).

Tabla 3.1

Objeto

Definicion intuitiva

Expresion en terminos de componentes si u=uJ+uJ,v=vJ+vJ, y

u=(Uj, u2), V=(Vlo V2)

vector v

Objeto con magnitud y direccion magnitud de v

Ivl

aV

-v u+v

(En este esquema a =2)

t. j-v u+v 4./' v

u

V q u-v u

-V1i-V2i 0 bien (-V,-V2) 0 bien -(VloV2) (u, +vj)i+(U2+VJi 0 bien (u, +Vj, U2+V2)

u-v

Problemas 3.1

En los Problemas dell al12 encuentre la magnitud y direccion del vector dado.

I. v=(4,4) 2. v=(-4,4) 3. v=(4,-4)

4. v=(-4,-4) 5. v=(J3, 1) 6. v=(1,J3)

7. v=(-l,J3) 8. v=(1,-J3) 9. v=(-l,-J3)

10. v=(1,2) 11. v=(-S,8) 12. v=(11,-14)

13. Sean II c= (2, 3) y v = (-5, 4). Encuentre: (a) 3u; (b) II t v; (e) v - u; (d) 2u - 7v. Dibuje estos vcctores.

3.2 • EI producto escaiar y proyecciones en 1J!S2 143

14. Sean u = 2i - 3j Y v = -4i + 6j. Encuentre: (a) u + v; (b) u - v; (el 3u; (d) -7v;

(e) 8u - 3v; (f) 4v - 6u. Dibuje estos vectores.

15. Muestre que los vectores i y j son vectores unitarios.

16. lVIuestre que el vector (1/F2)i + Cl/F2)j es un vector unitario.

17. Muestre que si v = ai + bj, entonces u = (aj,f(?+b2)i + (b/-Ja2+b2)j es un vector unitario con la misma direcci6n de v.

En los Problemas dellS al21 encuentre un vector unitario que tenga fa misma direccion que el vector dado.

18. v=2i+3j 20. v= -3i+4j

19. v=i-j

21. v=ai+aj; a;cO.

22. Siv = ai + bj,muestrequea/-Ja2+b2 = cos(}y.b/~a2+b2 e es la direcci6n de v.

23. Si v = 2i - 3j, encuentre sen e y cos e.

24. Si v = -3i + 8j, encuentre sen e y cos e.

sen e, en donde

Un vector v tiene la direccion opuesta al vector u si fa direccion de v es la direccion de u + 7r. En los Problemas del 25 at 28 encuentre un vector unitario v que tenga la direccion opuesta a fa direccion del vector dado u.

25. u=i+j

27. u=-3i+4j

26. u=2i-3j 28. u= -2i+3j

29. Sean u = 2i - 3j y v = -j + 2j. Encuentre un vector unitario en la misma direccion que (a) u + v; (b) 2u 3v; (c) 311 + Sv ,

30. Sean P = (c, d) y Q = (c + a, d + b). lVIuestre que la magnitud de roes ~a'- + V

31. Muestre que la direcei6n de PO del Problema 30 es la misma que la del vector (a, b). [Sugerencia: Si R = (a, b), muestre que la recta que pasa por los puntos P y Q es paralela a la que pasa por los puntos 0 y R.J

En los Problemas del 32 al 35 encuentre un vector v que tenga fa magnitud y direccion dadas.

32. ivi = 3; e = 1T/6 34. Ivl = 1; e = 1T/4

33. Ivl = 8; e = 1T/3 35. Ivl=6; e=21T/3.

* 36. Muestre algebraicamente (esto es, estrictamente a partir de las definiciones de suma de vectores y de magnitud) que para cualquier par de vectores II y v, I u + v I :<;

lui + [v].

37. Muestre que si II y V son distintos del vector cero , entonces I u + v I = lui + II v I si y s610 si u es un multiple escalar positivo de v.

£1 producto escalar y proyecciones en [J€2

En la Secci6n 1.5 definimos el produeto esealar de dos vectores. Si u = (ai' b,) y v = (al, b2), entonees

[

"----(]]

144

CAPiTULO 3 • VECTORES EN [jij 2 Y Ij!P

Veremos ahora como puede interpretarse geometricamente el producto escalar.

Definicion 1 Angulo entre dos vecteres, Sean u y v dos vectores distintos de cero. EI dngulo <p entre u y v se define como el menor angulo> positivo entre los representantes de u y v que tienen al origen como sus puntos iniciales. Si u = ov para algun escalar a, definimos \0 = 0 si a > 0 y \0 = ?l' si a < O.

Esta definicion §e ilustra en la Figura 3.11. N otemos que \0 siempre se puede escoger como un angulo positivo en el intervalo [0, ?l'J.

y

}'
v
u
Figura 3.11 x
v
(al
y
v
<p = 0
x
0
u
(d) u

y

u

v

(b)

(c)

y

v

(e)

Teorema 1 Sean u y v dos vectores distintos de ceso. Si \0 es eI angulo entre ellos, entonces

r- u r v ~~~j

L . M. "Iullvl . (2)

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

[lemostraci6n La ley de los cos enos (Problema 2.5.10) establece que en el triangulo de la Figura 3.12.

(3)

Figufa3.1!1

B~C

Ahora llevamos los representantes de II Y v al origen de forma que

* Fstc angul» estara en el intervalo [0, 7l"J.

Figura 3.13

3.2 • EI producto escalar y proyecciones en Uf;2

145

y

u = (at, bt) Y v (a2, b2) (vea Figura 3.13). Entonces, de la citada ley de

los cosenos, Iv-uI2= Iv12+lu12 2\ullvl cos <p. Pero

Iv-uI2=(v-u)' (v-u)=v' '11-20' V+U' u

= I~f +Zu : '11+ lul2

Asi, despues de simplificar obtenemos que -211.·'1'= -2lullvl cos \0, de donde se deduce el teorema. III

Observaci6n. Si usamos el Teorema 1 podriarnos definir el producto escalar II • V par

L_--

U' '1'= lui 1'111 cos <p

Ejemplo 1 Encuentre el coseno del angulo entre los vectores 1I = 2i + 3j Y v = -7i + j.

So/udell U' '11= -14+ 3 = -11, lui = .-122+ 32 = m, Asi,

y

U'V -11 -11

cos <p=--= I ' =--=-0.4315*

lui I'l'l d3v50 J650

Definicion 1 Vectores paralelos. Dos vectores u Y v distintos de cero son paralelos si el angulo entre elias cs cero 0 bien 1 r,

--------- ---- __ ._------_---

Ejemplo ~

Muestre que los vectores II. = (2, - 3) y V= (-4, 6) son paralelos,

So/udell

Por 10 tanto <p = ?l'.

* Este numero, como otros en el tcxto, se obtuvo con una calculadora de bolsillo.

$

a

146

1eorema f Si u *' 0, entonces v = aU para alguna constante a distinta de cero si y solo si u y V son paralelos.

Demostraei611 Esta demostraci6n queda como ejercicio (Problema 35).

Definicion 3 Vec:tores ortogonales. Se dice que los vectores u y v distintos de cero son ortogonales (0 perpendicularess si el angulo entre ellos es 71'/2.

Ejemplo 3 Muestre que los vectores u = 3i - 4j Y v = 4i + 3j son ortogonales.

5011le;611 1I" V = 3 ·4 - 4· 3 = O. Esto implica que cos 'I' = (u . v)/(Iullvl) O.

Como <p esta en el intervalo [0, 7r 1, 'I' = 71'/2.

1eorema 3 Los vectores u y v distintos de cero son ortogonales si y s610 si u . v O.

Demoslraci611 Esta demostracion tambien queda como ejercicio (Problema 36).

Ejemplo 4 Sea u = i + 4j y v = 3i + aj. Determinar a tal que (i) u y v resulten ortogonales; (ii) u y v result en paralelos.

SO/lId6n

i. Tenemos que u " v = 3 + 40:. Para que u y v resulten ortogonales, debemos exigir que 1.1 • V = O. Esto impliea que 3 + 4a = 0, ° 10 que es 10

. ~

mlsmo, a = -4-

ii. En este caso debemos tener 'I' = 0, 0 bien 7r, as! que cos 'I' = ± 1. Entonces,

U'V 3+40:

cos 'P =--= = ±1

Iullvl .J17.J9+a2

Elevando al cuadrado ambos lados de esta ecuacion, obtenemos 9 + 240: + 160:2 = 17(9 + 0'2) = 153 + 170'2. Esto conduce a la ecuaci6n cuadratica

0'2 240' + 144 = 0 = (a - 12)2, con la soluci6n unica a = 12_

Un buen mimero de problemas interesantes irnplica el concepto de proyeccion de un vector sobre otro. Antes de dar la definici6n de esto, demostraremos cl siguiente teorema.

Teorema 1# Sea v un vector distinto de cero. Entonces para cualquier otro vector u el vector w = u [(u . v)'ll/I,,\2J es ortogonal a v.

VII • V = [u _ (u . V)"] • v = u . v _ (u . v)(v . v)

Iv\2 Ivl2

De:mostracion

Figura 3.14

3.2 • EI producto escalar y proyecciones en !Jli.2

141

Los vectores u, v y VII se ilustran en la Figura 3.14.

U'v "

~v = Pro]v u

Definicion 4 Proyeedon •. Sean" y v vectores distintos de cero. Entonces la proyeccion de u sabre v es un vector denotado proy.u, que se define por

Figura 3.15

L D'V =:~I

proy, u = Ivl2 v (4)

"--._-

~}l

L~La componente de " en In die"don V" T.f.

Notemos que v/l,,1 es un vector unitario en la direcci6n de v.

Observad6n 1. De la Figura 3.14 y el hecho de que cos e = (u : v)/(llIllvl), encontramos que:

v y proy.u tienen (i) la rnisma direccion si u . v > 0 y (Ii) direcciones I opuestas si u . v < 0 (vea Figura 3.15).

f':':~/v

~. Proy.u 'P<~

U· v > 0

v

"~

"" f

-, f Prov.u

'P > :!1 ".> ~v

2

u r v < 0

(a)

Cb)

Observacion 2. Es claro que proy,u se puede considerar la "componente segun v" del vector u.

148

CAPiTULO 3 • VECTORES EN {Jg2 Y (Jg 3

Observad6n 3. Si tenemos que" y v son ortogonales, entonees u . v 0 de

donde proy.u = O.

Observaci6n 4. Otra manera de definir proyeccion es: Si u y v son vectores distintos de cero, entonces proy.u es un vector unico con las siguientes propiedades:

"'-.~

i.. proy.u es paralelo a v.

ii, u - proy.u es ortogonal a v.

fjemplo 5

Sean" = 2i + 3j y v = i + j. Calcule proy,u.

Soluci6n

Figura 3.16

Proy, u = (u . v)v/lvl2 = [5/( .J2?]v = (5/2)i+ (5/2)j. (Figura 3.16).

y

-} i +~j

Ejemplo 6

Sean" = 2i 3j y v = i + j. Calcule proy.u,

Solucion

Figura 3.17

Aqui (11 • v)/lvf =-~; por 10 tanto, proYv 11 = -~i -~j. (Figura 3.17). y

v

J' 'i9

,I - tJ

Problemas 3.~

En los Problemas dell al 8 calcule el produeto escalar de los dos vectores y el coseno del dngulo entre ellos.

1. u=i+j; v=i-j

2. u=3i; v=-7j

3.2 • EI producto escalar y proyecciones en 1)22

149

3. u = -5i; v = 18j 4. u = ai; v = {3j; a, {3 reales

5. u=2i+5j; v=5i+2j 6. u=2i+5j; v=5i-2j

7. u=-3i+4j; v=-2i-7j 8. u=4i+5j; v=5i-4j

9. Muestre que para cualquier par de numeros reales Cli Y {3, los vectores II = Clii + {3j Y v = fii - Clij son ortogonales.

10. Sean II, v Y w tres vectores arbitrarios. Explique por que el producto II . V . w no esta definido .

En los Problemas del II al16 diga si los vectores dados son ortogonales, paralelos 0 ninguna de las dos cosas. Dibuje cada par.

11. u=3i+5j; v=-6i-lOj 13. u=2i+3j; v=6i+4j 15. u=7i; v= -23j

17. Sean u=3i+4j yl v=i+aj.

12. u=2i+3j; v=6i-4j 14. u=2i+3j; v=-6i+4j 16. u=2i-6j; v=-i+3j

Encuentre Cli tal que:

a. II Y V sean ortogonales. b. II Y v sean paralelos.

c. El angulo entre u y v sea r./4. d. EI angulo entre II Y V sea 71'/3.

18. Sea II = -2i + 5j y v = o i - 2j. Encuentre Cli tal que:

a. u Y v sean ortogonales.

c. EI angulo entre II y V sea 271'/3.

b. u y v sean paralelos.

d. EI angulo entre II y V sea 71'/3.

19. Con los datos del Problema 17, muestre que no existe ningun valor de cc para el eual u y v tengan direeciones opuestas.

20. Con los datos del Problema 18 muestre que no existe ningun valor de a para el eual u y v tengan la misrna direcci6n.

En los Problemas del 21 al 30 calcule pray,".

21. u=3i; v=i+j 22. u=-5j; v=i+j

23. u=2i+j; v=i-2j ~~u=2i+3j; v=4i+j

25. u=i+j; v=2i-3j 26. u=i+j; v=2i+3j

27. u=ai+{3j; v=i+j; a, (3 reales y positivos

28. u=i+j; v=ai+{3j, a, (3 realcs y positivos

29. u=ai-{3j; v=i+j; a, (3 realcs y positivos, con Cli > {3.

30. u =ai-{3j; v=i+j; a, {3 reales y positivos, con Cli < {3.

31. Scan II = ali + blj y V = a2i + b2.i. Halle condiciones en ai, bl' a2 Y b2 que aseguren que v y proy.u tengan la misma direcci6n.

32. En el Problema 31 encuentrc una condici6n que ascgure que v y proy.u tcngan dirccciones opuestas,

33. Sean P = (2, 3), Q = (5, 7), R = (2, -3) y 5 = (1,2). Calcule proY;;QRS Y proyiiSPQ.

34. Sean P = (-1,3), Q = (2,4), R = (-6, -2) y S = (3,0). Calcule proyp;;R:S y

proYRtPQ. -

35. Dcmuestre que dos vectores II Y v distintos de cero son paralelos si y 5610 si v au para alguna constante a, [Sugerencia: Muestre que cos 'P = ±l si y s610 si v o u.]

36. Dcmuestre que II y V son ortogonales si Y s610 si II . v = O.

37. Muestre que el vector v = ai + bj es ortogonal a la recta ax + by + c = O.

38. Muestre que el vector U = bi - aj cs paralelo a la recta ax + by + c = O.

39. Un triangulo tiene como vertices a (I, 3), (4, -2) y (-3, 6). Encuentre cl coseno de cada uno de sus angulos.

150

CAPITULO 3 • VECTORES EN iP12 y IPP

40, Un triangulo tiene como vertices a (a I' b I)' (a2, bz) y (a}, b c). Encuentre una for-

mula para los cosenos de cad a uno de sus angulos, .

41. La desigua/dad de Cauchy-Schwarz establece que para cualquier conjunto de IlU-

mero reales aJ> a2, b , y b2• .

Use el producto escalar para demostrar esta f6rmula. i,En que circunstancias esta desigualdad puedeser reemplazada por una igualdad?

* 42, Demuestre que la distancia mas corta entre un punto y una recta se midc a 10 largo de una linea que pasa por el punta y es perpendicular a la recta.

43. Encuentre la distancia entre P = (2,3) y la recta que pasa por los puntos Q = (-1,7) y R = (3, 5).

44. Encuentre la distancia entre (3, 7) y la recta que contiene el vector v = 2i - 3j y pasa par el origen.

45. Sea A una matriz de 2 x 2 tal que cada columna es un vector unitario y las dos columnas son ortogonales, Demuestre que A es invertible y que A -I = A '. (A se denomina matriz ortogonat.i

3.3 Vectores en el esoecio

Hemos visto que cualquier punto en un plano se puede representar como un par ordenado de nurneros reales. Analogamente, cualquier punto en el espacio se puede representar por una triada ordenada de mimeros reales

(a, b, c)

(1)

[R3 esta compuesto de vectores de la forma (1). Para representar un punto en el espacio empezamos por escoger un punto en [R3. Llamamos a este punto el origen, denotado O. Luego dibujamos tres ejes mutuamente perpendiculares que llamamos eje x, eje y y eje z. Estos ejes se pueden seleccionar de varias rnaneras, pero la selecci6n mas cornun es con los ejes x y y dibujados horizontalmente, con el eje z vertical. En cada eje escogemos una direcci6n positiva y medimos la distancia a 10 largo de ese eje como el numero de unidades en esta direccion posit iva medidas desde el origen,

Figura 3.18

1/, 1/, )f- .. )f-.

x x

(a)

(b)

Los dos sistemas basic os para representar estos ejes se yen en la Figura 3.18.

Si los ejes se ubican como en la Figura 3.18a, entonces se dice que el sistema es de mana derecha; 5i se colocan como en la Figura 3 .18b, se dice que es de mana izquierda. En las figuras las flechas indican las direcciones positivas

Figura 3.19

3.3 • Vectores en el espacio

151

r

de los ejes. La justificaci6n de estos terminos es la que sigue: En un sistema de mana derecha, si ponemos la mana derecha de forma que el dedo indice apunte en la direccion positiva del eje x, mientras que el dedo medio apunte en la direccion positiva del eje y, entonces el pulgar apunta en la direccion positiva del eje z. Este concepto se ilustra en la Figura 3.19. Para un sistema de mano izqui erda la misma regla se aplica para la mana izquierda. En 10 que resta de este texto seguiremos la practica comun y dibujaremos los ejes coordenados usando un sistema de mana derecha.

Los tres ejes en nuestro sistema determinan tres planos coordenados que son Ilamados el plano xy, el xz y el yz. El plano xy contiene a los ejes x y y, y es simplemente el plano con el cual hemos est ado tratando en la mayor parte de este libro. Los pianos xz y yz se pueden considerar de manera analoga.

Habiendo construido nuestra estructura de ejes y pianos coordenados, podemos describir cualquier punto Pen [R3 en forma unica:

[_

P=(x, y, z)

donde la primera coordenada x es la distancia del plano yz a P (medida en la direccion positiva del eje x y a 10 largo de una linea paralela al eje x), la segunda coordenada y es la distancia del plano xz a P (medida en la direccion posit iva del eje y y a 10 largo de una linea paralela al eje y) y la tercera coordenada z es la distancia del plano xy a P (medida en la direccion positiva del eje z y a 10 largo de una linea paralela al eje z).

En este sistema los tres pIanos coordenados dividen [R3 en ocho octantes al igual que en [R2 los dos ejes coordenados dividen el plano en cuatro cuadrantes. EI primer octante es siempre aquel en el que las tres coordenadas son positivas.

EI sistema coordenado as! escogido se llama frecuentemente sistema coordenado rectangular 0 sistema coordenado cartesiano, Una vez que nos farniliaricemos con la forma de describir un punto en este sistema, podremos generaiizar varios concept os del plano.

Teorema 1 Sean P = (Xl' YI' ZI) y Q = (x2, y" Z2) dos punt os en el espacio. Entonces la distancia PQ entre P y Q esta dada por

En el Problema 39 se pide demostrar este resultado.

15!l

CAPiTULO 3 • VECTORES EN [R\2 y {Pl3

Soluc:i6n

Ejemplo 1 Calcule la distancia entre los puntos (3, -1,6) y (-2,3,5).

PQ= .)[3 - (_2)]2+( -1- 3)2 + (6 - 5)2 =.J42

En las Secciones 3.1 y 3.2 discutimos propiedades geornetricas de los vectores en el plano. Debido a que los sistemas coordenados en [R2 Y [R3 son rnuy similares, no es sorprendente que los vectores en [R2 y n::g3, tengan estructuras muy similares. Discutiremos ahora el concepto de un vector en el espacio. El desarrollo de este tema seguira estreehamente el desarrollo de las ultirnas dos secciones y por tanto se ornitiran algunos detalles.

Sean P y Q dos puntos distintos en [R3. Entonces el segmento de recta dirigido PO es el segmento de recta que va de P a Q. Dos segmentos de recta dirigidos son equivalentes si tienen la misma magnitud y direccion. Un vector en [R3 es el conjunto de todos los segmentos dirigidos equivalentes a un segmento dirigido dado y cualquier segmento dirigido PO en ese conjunto se llama un representante del vector.

Hasta aqui las definiciones son identicas. Por conveniencia elegimos P como el origen, de forma que el vector v = OQ se pueda describir por las COOfdenadas (x, y, z) del punto Q. Entonces la magnitud de v = Ivl = R+ y2 + Z2 (Teorema 1).

Ejemplo !Z

Sea v=(l, 3, -2). Encuentre [v].

Figura 3.lIO

Sean u = (x., Yl' z.) y v = (X2' Y2' zJ dos vectores y sea C\' un numero real (escalar). Entonces definimos

u+v = (x, +x2, Yl + Y2, Zl + Z2) aU = (o'Xt. O'Yl, O'Zl)

Esta es la misma definicion de suma de vectores y multiplicacion por un escalar que teniamos antes y se ilustra en la Figura 3.20.

u + v

x

x

x

(a)

(b)

(e)

Figura 3.20

Ejempio 3

Soluci61l

3.3 • Vectores en el especio

153

z

x

x

(d)

(e)

Un vector unitario 1.1 es un vector de magnitud 1. Si v es cualquier vector distinto de cero, entonces 1.1 = v/ivl es un vector unitario que tiene la misma direccion que v.

Encuentre un vector unitario que tenga la misma direccion que v = (2, 4, - 3).

Figura 3.!11

Ahora podemos definir formalmente la direccion de un vector en ~3. No podemos definirla como el.angulo 0 que forma el vector con la parte positiva del eje x pues, por ejemplo , si 0 < 0 < 7r12, entonces existe un numero infinito de vectores que forman el angulo 0 con la parte positiva del eje x y todos ellos forman un co no (Figura 3.21).

x

Definicion 1 Direcci6n en {Pl3. La direccion de un vector v distinto de cera en [!;£3 se define como la direccion del vector unitario u = v / 1 v I.

Observaci6n. Podriamos haber definido la direccion de un vector v de IFf de esta forma. Si u = v/lvl, entonces u (cos 0, sen 0) donde 0 es la direccion de v.

Figura 3.n

Definiremos la direccion de un vector en terrninos de ciertos anzulos. Sea v el vector OP deserito en la Figura 3.22. Definimos C\' como el angulo entre v y

x

;...:;,.t....,.....:;;.Jc.:;;__-+_~~ _ _".y

:5-- 1'/ (O,Yo,O)

_______ -Y

(xo, 0, 0)

154

CAPITULO 3 • VECTORES EN 1122 y 1123

la parte positiva del eje x, {3 el angulo entre v y la parte positiva del eje y y l' el angulo entre v y la parte positiva del eje z. Los angulos 0:, {3 y l' se conocen como los angulos directores del vector v. Entonces, de la Figura 3.22.

Ejemplo 5

3.3 • Vectores en el espacio

155

xo cos 0' =j;i

Yo cos (3 = Ivl

Si v es unitario entonces Ivl = 1 y

cos a = xo

cos (3 = Yo

cos l' = zo

(5)

Por definicion, cada uno de estos tres angulos esta en el intervalo [0, 7r]. Los cosenos de estos tres angulos se denominan cosenos direct ores del vector v. Notemos, de las Ecuaciones (4), que

(6)

Si OL, {3 y l' son tres mimeros cuaiesquiera entre 0 y 7r que satisfacen la condicion (6), entonces determinan un vector unico dado por u = (cos a, cos (3,cos 1').

Figufa3.f4

Observaci6n. Si v = (a, b, c) y v * 1, entonces los numeros a, by c se conocen como los numeros directores del vector v.

Ejemplo 'I Encuentre los cosenos directores del vector v = (4, - 1, i).

Soluci6n La direccion de v es v/lvl vN53 = (41).153, -l/ill, 6/.J53). Entonces

cos OL = 4/ill "" 0.5494, cos {3 = -I/ill "" -0.1374 y cos "I = 6/ill "" 0.8242. De aqui, usando una tabla de cosenos 0 una calculadora de bolsillo obtenemos OL "" 56.7° "" 0.989 rad, {3 "'" 97.9° "" 1.71 rad y "I = 34.5° "" 0.602 rad. El vector, junto con sus angulos OL, {3 y "I, aparece en la Figura 3.23.

(4, -J, 6)

Figura3.f3

Figura 3.25

y

(4, -1,0)

x

Encuentre un vector v de magnitud 7 y cuyos cosenos directores sean 1/J6,

1/.J3 y 1/n.

Sea u = (1/J6, V-G, 1/n). Entonces u es un vector unitario pues lui = 1. Asi, la direccion de vesta dada par n y v = I v I u = 7u = (7/.J6, 7/13, 7/J2).

Nota. Podemos resolver este problema porque (l/J6? + (1/13)2 + (1/n)2 = 1.

Es interesante notar que si v, un vector en [R2, se escribe v = (cos O)i + (sen Ol,i, donde e es la direccion de v , entonces cos e y sen {J son los cosenos directores de v. Aqui ex = e y definimos (3 como el angulo que v forma con el eje y (vea Figura 3.24). Entonces (3 = (7r/2) - OL Y as! cos {3 = cos (71"12 - (X) sen a y v se puede escribir en la forma de "cosenos directores":

v = coso i+cosf3 j

y

¥

.

x

o

En la Seccion 3.1 vimos que cualquier vector en eJ plano se puede escribir en terrninos de los vectores basicos i y j, Para extender est a idea a [R3 definimos

(7)1

.-----

eCI, ,_),_O_) __ i =_(0, 1,_0_) __ k_=_(O_, 0,1)

Aqui , i, j y k son vectores unitarios. EI vector i est a sobre el eje x, j en el eje y y ken el eje z (se representan en la Figura 3.25). Si v = (x, y, z) es un vector cualquiera en [R3, entonces

v = (x, y, z) = (x, 0, 0) + (0, y, 0) + (0,0, z) = xi+ yj + zk

Esto es: Cualquier vector v en [R3 se puede escribir de forma unica en terminos de los vectores l, j y k,

(0,0, 1)

y (0,1,0)

x 0,0)

156

CAPITULO 3 • VECTORES EN i'R?2 y!J!!3

3.3 • Vectores en el espacio

157

La definicion de producto escalar en 1R3 es, desde luego,la definicion que dimos en la Seccion 1.5. Notemos que i . i = 1, j . j ="= 1, k . k = 1, l . j = 0, j . k = 0, i . k = 0.

(--2, -6,8)

Teorema 2 Si cp denota el menor angulo positivo entre dos vectores u y v distintos de cera, tenemos que

Figura 3.26

.----.~

(8)

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

(1,3, -4)

0'11' cos !p = iollvl

Ejemplo 8 Encuentre un numero a tal que u ortogonales.

8i - 2j + 4k y v = 2i + 3j + o k sean

Demostraci6n La demostracion es casi identica a la dernostracion del Teorema 3.2.1 Y se deja como ejercicio (Problema 40).

Soludon Debemos mostrar que 0 = u, v = 10 + 4a de donde a = - ~. Los vectores u y v estan dibujados en la Figura 3.27.

Ejempio 6 Calcule el coseno del angulo entre u = 3i - j + 2k y 11'= 4i + 3j - k.

Soludon u • v = 7, lui =../14, ' 111'1 =,J26, de modo que cos !p = 7/-/(14)(26) = 7 N364 = 0.3669 y !p = 6S.so= 1.2 fad,

Figura 3,27

x

Definicion i Vectores para/elcs y ortogonaies, Dos vectores u y v distintos de cera son i, Paralelos si el angulo entre ellos es cero 0 bien 1f.

il, Ortogonales (0 perpendicularesi si el angulo entre ellos eS7r12.

Volvamos ahora a la definicion de la proyeccion de un vector sobre otro.

Primero estableceremos un teorema analogo al Teorema 3.2.4 (y que tiene identica demostracion).

Teoremali Sea v un vector distinto de cera. Entonces, para cualquier otro vector u,

teorem« 3 r, Si u *' 0, entonces u y v son paralelos si y solo si v au para alguna constante 01*,0,

Ii. Si u y v son distintos de cero, entonees u y v son ortogonales si y 5610 si lI·Y=O.

es ortogonal a v.

Demoslracion Nuevamente Ia dernostracion es facil y se deja como ejercicio (Problema 41).

Definicion 3 Proyeedon. Sean u y v dos vectores distintos de cera. Entonces la proyeccion de u sabre v, denotada proy, 11 , se define como

---_._--

SO/lJcion II' Y = -52, lui = ,J26 y Ivl = vl04"" 2.n6. Asi, u . v/lul lvl --52/(,J26 . 2v76) =-1, de manera que cos f) = -I, () = 7r Y u Y v son paralelos (pero de direcciones opuestas). Otra forma de ver esto es notando que v --2u y, par el Teorerna 3, u Y V son paralelos (Figura 3.26).

U'V proy v u = r;j2 v

Ejemplo 1 Muestre que los vectores u = i + 3.i - 4k y 11'= - 2i -- 6j + Sk son paralelos.

La componente de 11 en la direccion vesta dada por (u . v)/Ivl.

158

CAPiTULO 3 • VECTORES EN /Pl2 y [Pi3

3.4 • EI producto vectorial (0 cruz) de dos vectores

159

Ejemplo 9 Sean u = 2i + 3j + k y v = i + 2j - 6k. Encuentre proy,u.

33. Calcule I w I·

35. Calcule el angulo entre u y w. 37. Calcule proy.,v.

34. Calcule u . w - w . t.

36. Calcule el angulo entre t y w. 38. Calcule proy.w.

So/udoll Aqui (u . v)/lvl2 = 2141 y proy.u = Ai +41j- Hk. La componente de u en la direcci6n v es (u- v)/lvl = 21m.

39. Demuestre el Teorema I. [Sugerencia: Usar el teorema de Pitagoras dos veces en la Figura 3.28.]

Figura 3.28

Notemos que, como en el caso del plano, proy,u es un vector que tiene la misma direccion que v si u . v > 0 y direccion opuesta a la de v si u . v < O.

o

x

Problemas 3.3

40. Demuestre el Teorema 2. 42. Demuestre el Teorema 4.

41. Demuestre el Teorema 3.

En los Problemas dell at 3 encuentre fa distancia entre los dos puntos.

1. (3,-4, 3); (3, 2. 5) 3. (-2, 1,3); (4,1,3)

2. (3, -4,7); (3, -4,9)

En los Problemas del 4 al 17 determine fa magnitud y los cosenos directores del vector dado.

3.4 £1 producto vectorial (0 cruz) de dos vecteres

4. v= 3j

7. v=i+2k

10. v= -i+j+k 13. v=-i-j+k

16. v = -3i-3j +81.

5. v=-3i

8. v=i-j+k 11. v=i-j-k 14. v= -i-j-k

17. v=-2i-3j-4k

6. v=4i-j

9. v=i+j-k

12. v=-i+j-k 15. v=2i+5j-7k

Hasta aqui el unico producto de vectores que hemos consider ado es el producto escalar 0 producto punto. Definimos ahara un nuevo producto llamado producto vectorial (0 producto cruz)* que solo esta definido en [R3.

18. Los tres angulos direct ores de cierto vector unitario son los mismos y est an entre o y 11'/2. i,Cmil es el vector?

19. Encuentre un vector de magnitud 12 que tcnga la misma direccion que el vector del Problema 18.

20. Muestre que no existe ningun vector unitario cuyos angulos directores sean)f/6, 11'/3 y ')f/4.

21. Sean P = (2, 1,4) Y Q = (3, -2, 8). Encuentre un vector unitario en la direcci6n PQ.

22. Sean P = (-3,1,7) y Q = (8, 1,7). Encuentre un vector unitario cuya direccion sea la opuesta a la de PO.

23. En el Problema 22 encuentre todos los puntos R tales que fiR.lPO.

'* 24. Muestre que el conjunto de puntos que satisfaccn la condicion del Problema 23 y la condicion IfiRl = 1 forman un circulo.

25. Si u y v cstan en IR3, muestre que III + vi ~ lui + [v ].

26. i,En que circunstancias la desigualdad del Problema 2S se puede sustituir por una igualdad?

Definicion 1 Producto vectorial. Sea u = a Ii + bd + c.k Y Y = a) + hd + c2k. Entonces el producto cruz (0 vectorial) de u y Y, denotado u x v, es un nuevo vector definido POl'

(1)

Observe que el resuftado del producto cruz es un vector, mientras el resultado del producto escalar es un escalar.

Pareceria que el producto cruz ha side definido de una manera un tanto arbitraria, Existen obviamente varias maneras de definir un producto vectorial. l,Por que se escogio esta definicion? Responderemos a esta pregunta en esta seccion demostrando algunas de las propiedades del producto cruz e ilustrando algunos de sus usos.

En los Problemas 27 al 38 sean II 2i - 3j + 4k, v

i - 7j + 3k y t 0= 3i + 4j + Sk.

-2i - 3j + 5k, w

Ejemplo 1 Sea u=i-j+2k y v=2i+3j-4k. Calcule w=uXv.

27. Calcule 0+'11. 28. Calcule 2u-3v.
29. Calcule t+3w-v. 30. Calcule 2u-7w+5v.
31. Calcule 2v+7t-w. 32. Calcule u·v. • Nota historica: EI producto cruz fue definido par Hamilton en uno de los articulos en que discutia los cuaterniones, publicados en Philosophical Magazine entre los alios 1844 y 1850.

160

CAPITULO 3 • VECTORES EN lig2 y fJiS3

Solud6n Usando la formula (1),

w = [(-1)(-4) - (2)(3)]H [(2)(2) - (1)( -4)]j + [(1)(3) - (-1)(2)]k

= -2i+8j+5k

Nota. En este ejernplo u . w = (i - j + 2k) . (-2i + 8j + Sk) = -2 - 8 + 10 = O. Analogamente v . w = O. Esto es, u X v es ortogonal tanto a u como a v. Como veremos. en breve, el producto cruz de 1I y v siempre es ortogonal au y a v.

Antes de continuar nuestra discusion de los usos del producto cruz observemos que hay una forma facil de calcular u x v con el uso de determinantes.

Teorema 1

_-._-._--

k * u x v = a1 b, CI

a2 b2 C2

Demostraci6n

k

= (bIc] - cjh2)i + (cIa2 - ajc2)j + (al b2 - bIa2)k 10 que es igual a 11 X v de acuerdo a la Definicion 1. iiIIII

Ejemplo!Z Calcule u x v, donde u=2i+4j-5k y '1= -3i-2j+k.

Soluci6n

j k
UXv= 2 4 -'5
-3 -2 1 = (4-10)i-(2--15)j+(-4+ 12)k

= -sr- 13j + 8k

EI siguiente teorema resume algunas de las propiedades del producto cruz. Su dernostracion se deja como ejercicio (vea Problemas del 32 al 35).

Teorema!1 Sean u, v y w vectores en 1R3 y sea ex un escalar. Entonces:

l. uxO=Oxu=O.

ii. u x v = -('IX u) (propiedad anticonmutatlva del producto vectorial).

* Este no es realmente un determinante pues i, j Y k no son numeros. Sin embargo, usando notacion de determinantes, el Teorema 1 nos ayuda a recordar como se calcula un producto cruz.

3.4 • EI producto vectorial (0 cruz) de dos vectores

161

iii. (exu)Xv=a(uXv).

lv, u X (v + '1'1') = (u X v) + (11 x '1'1') (propiedad distributiva del producto veetorial),

v, (u x v) • w = u • (v x w). (Esto es Ham ado el triple producto escalar de u, v, y w.)

vi. 0.' (0. x v) = v . (u x v) = O. (E5tO es, 11 X v es ortogonal tanto a u como a v.)

vii. Si u y v son paralelos entonces II x v = O.

La parte (vi) es la mas cornunmente usada de este teorema. La rcformularemos a continuacion:

[ E_I_p_ro_d_u_c_t_o_c_f_U_Z_ll_X v es_o_r_t_o_g_O_n_al_a_l.I __ y_v_. ~

Sabemos que u X v es un vector ortogonal tanto a u como a v. El siguiente resultado nos da su magnitud.

teorems 3 Si <p es el angulo entre II y v, entonces

[

lu x vi = lullvl sen 'P

lJel1lostracion Es facil mostrar (comparando cornponentes) que lu x vl2 = lul21vl2 - (u ' '1)2 (Problema 31). Entonces, como (u·v)2= lul21vl2 cos/e (del Teorerna 3.3.2),

\u x 1'12 = lul21vl2 -luflvl2 cos" <P = lul21vl2 (1- cos" e)

= jul21vl2 sen2 'P

y el teorema queda demostrado tomando la raiz cuadrada de ambos lados.

IilI!l

Figura 3.g9

()

x

Existe una interpretacion geornetrica interesante del Teorema 3. Los vectores u y v estan dibujados en la Figura 3.29 y se los puede imaginar como los dos lados adyacentes de un paralelograrno. Entonces, de la geometria elemental, vemos que

16~

CAPiTULO 3 • VECTORES EN 1/l!.2 y {]!i3

Area del paralelogramo

lullvl sen <p = lu x vi

(3)

Ejemplo 3 Encuentreel area del paralelograrnocon vertices consecutivos en P= (1,3, - 2), Q=(2, 1,4) y R=(:-3, 1,6).

Figura:UO

R(-3,1,6)

P(l, 3, --2)

So/uden El paralelogramo esta dibujado en la Figura 3.30. Tenemos

Area = IPOx ORI = l(i-2j+6k) x (-Si+2k)1 j k

1 -2 6 = 1-4i - 32j -lOki = .J1l40 unidades cuadradas

-5 0 2

I nterpretad6n geometrica de determinal'ltes

gxg

Podemos usar la discusion anterior para dar una interpretacion geometric a del determinante. Sea A una matriz de 2 x 2 y sean u y v dos vectores con dos

Sean u = (::) y v = (~J. Estos vectores estan dados en la Figura 3.31. El area generada por u y v se define como el area del paralelogramo dado en la figura. Podernos considerar a u y v como vectores de ~3 en el plano xy.

y

Figura 3.31 v = G~)

3.4 • EI producto vectorial (0 cruz) de dos vectores

163

k area generada por u y v = luxvl = U1 U2 0 VI V2 0

= l(u1 V2 - U2Vl)kl = lUI V2 - U2v11 *

_ (a11 a12) ,

Ahora sean A - ,u = Au y v' = Av. Entonces

a2l a22

, (a11U! +a12U2) , (allVl + a12V2).

u = y v =

a21u! + a22U2 a2lv1 + a22V2

i, Cual es el area generada por u ' y v"! Siguiendo los pasos anteriores,

j k

Area generada por u' y v' = 10' X v'I = all U1 + a12u2 a21 UI + a22U2 0

aUVI+a12V2 a21Vl+a22V2 0

= I(all UI + a12U2)(a21 VI + a22V2) - (a21 U1 + a22u2)(all V! + a12V2)1

Por algebra elemental podemos verificar que la ultima expresion es igual a I(all a22 - a12a21)(u! V2 - U2Vl)1 = ±det A (area generada por u y v)

Asi (en este contexto): Ef determinante tiene el ejecta de multiplicar el area. En el Problema 41 se pide mostrar que, en cierto sentido, un determinante de 3 x 3 tiene el efeeto de multiplicar el volumen.

Problemas 3.4

En los Problemas dell al20 determine el producto cruz u x v.

1. u = i - 2j; v = 3k 3. u=i-j; v=j+k

5. u=-2i+3j; v=7i+4k 7. u=ai+bk; v=ci+dk

9. u=2i-3j+k; v=i+2j+k

11. u=-3i-2j+k; v=6i+4j-2k 13. u=i-7j 3k; vo=-i+7j-3k

15. u=10i+7j-3k; v=-3i+4j-3k 17. u=2i-j+k; v=4i+2j+2k

19. u=ai+aj+ak; v=bi+bj+bk

2. u=3i-7j; v=i+k 4. u=-7k; v=j+2k

6. u=ai+bj; v=ci+dj 8. u=aj+bk; v=ci+dk

10. n=3i-4j+2k; v=6i-3j+5k 12. u = i+7j--3k; v = -i-7j+3k 14. n=2i-3j+5k; v=3i-j-k 16. u=2i+4j-6k; v=-i-j+3k 18. u=3i-j+8k; v=i+j-4k

20. u=ai+bj+ck; 'V=ai+bj-ck

21. Halle dos vectores unitarios ortogonales a u = 2i - 3j y a v = 4j + 3k.

22. Encuentre dos vectores unitarios ortogonales a u = i + j + I< y a v = i - j - k.

23. Utilice el producto cruz para encontrar el seno del angulo 'P entre los vectores II = 2i + j - k y v = -3i - 2j + 41<.

24. Utilice el producto escalar para calcular el coseno del angulo 'P entre los vectores del Problema 23. Luego rnuestrc que para los valores calculados se curnple sen-e c cos2rp = I.

• Notemos que este es el valor absoluto de del (UI VI)

U=, V2

164

CAPiTULO 3 • VECTORES EN if£2 y!Pi3

3.5 • Rectas y pianos en el espacio

165

En losProblemas del2S al30 encuentre el drea del paralelogramo can los vertices adyacentes dados.

Esto muestra que al igual que el determinante de una matriz de 2 x 2 multiplica el area, el deterrninante de una matriz de 3 x 3 multiplica el volumen.

25. (1, -2, 3); (2,0,1); (0,4,0) 27. (-2,1,0); (1,4,2); (-3,1,5) 29. (a, 0, 0); (0, b, 0); (0,0, c)

26. (-2,1, 1); (2, 2,3); (-1, -2, 4) 28. (7,-2,-3); (-4,1,6); (5,':"2,3) 30. (a, b, 0); (a, 0, b); (0, a, b)

31. Muestre que [u x v l- = lul21vl2 - (u . V)2. [Sugerencia: Desarrollc en tcrrninos de sus componcntes.]

32. Use las Propicdades 1, 4, 2 y 3 (en ese orden) en la Seccion 2.2 para comprobar las partes (i), (iiv; (iii) y (iv) del Teorema 2.

33. Pruebe el Teorema 2( v) escribiendo en forma completa los componentes de cad a lado de la igualdad.

34. Dernuestre el Teorema 2( vi). ISugerencia: Utilice las partes (ii) y (v) y cl hecho de que el producto escalar es conmutativo para moslrar que II . (u x v) = = u . (II x v).]

35. Demuestre el Teorema 2( vii). [Sugerencia: Usc el Teorema 3.33 y la Propiedad 6.J

a. Calcule el volumen generado por II, v y w.

b. Calcule el volumen generado por All, Av yAw.

c. Calcule el deterrninantc de A.

d. Muestre que [volumen en Ja parte (b)] = (±det A) x [volumen en la parte (a)l·

43. EI triple producto cruz (0 vectorial) de tres vectores en [R3 se define como II x (v X w). Demuestre que

Il x (v x w) = (u . w)v - (u- v)w.

I al b, el/

u : (v x w) = a2 b2 C2

a3 b, C3

* 37. Sean u, v y w tres vectores que no estan en el mismo plano. Tales vectores forman los Iados de un paralelepfpedo en el espacio (Figura 3.32). Demuestre que el volumen del paralelepipedo esta dado por V = I (II xv) . w l . * [Sugerencia: EI area de la base es III x v I . J

3 .. 5 Rectas y planas en el espacio

Figura 3.31!

En el plano [R2 podemos encontrar la ecuacion de una recta dados dos puntos de la recta 0 un punto y la pendiente de la recta. En [R3, nuestra intuicion nos dice que las ideas basicas son las mismas. Como dos puntas determinan una recta deberiamos ser capaces de calcular la ecuacion de una recta en el espacio si conocemos dos puntos en ella. De otra forma si conocemos un punto y la direcci6n de la recta debemos tarnbien ser cap aces de encontrar su ecuaci6n.

Empezamos can dos puntos P = (XI' YI, ZI) Y Q = (X2' Y2, Z2) en una recta L.

Un vector paralelo aLes un vector con represent ante po. Par tanto,

(1)

u

38. Calcule el volumen del paralelepipedo deterrninado por los veetores II = 2i - j+ k , v = 3i + 2j - Zk y w = 3i + 2j.

39. Calcule el volumen del paralelepipedo determinado por los vectores i - j, 3i + 2k, -7j + 3k.

40. Calcule el volurnen de! paralelepipedo deterrninado par los vectores ro, PR y PS, donde P = (2,1,-1), Q = (-3, 1,4), R = (-1,0,2) y S = (-3, -I, 5).

** 41. El volumen generado por tres vectorcs u, v y W de [R3 se define como el volumen del paralelepipedo cuyos lados son II, v y w (Figura 3.32), Sea A una matriz de 3 x 3 y sean "I = Au, VI =, Av Y WI = Aw. Muestre que:

es un vector paralelo a L. Ahora, sea R = (x, Y, Z) otro punto en la recta. Entonees PR es paralelo a PQ, que a su vez es paralelo a v y asi, par el Teorema 3.3.3

PR= tv

(2)

para algun mimero real t. De la Figura 3.33 tenemos (en cada uno de los tres casos posibles)

(3)

Q

R

Q

* Esto significa que cl volumen del paralclogramo esra dado por

I (al bl C')I

V = det a2 be C>2

u3 b3 c.l'

R P P
y y y
Figura 3.33
x x x
(a) (b) (e) 166

3.5 • Rectas y pianos en el espacio

161

CAPITULO 3 • VECTORES EN /Rj2 Y /Rj 3

Finalmente, como a = I, b = 2 y c = - 8, enconrrarnos las ecuaciones sirnetricas

Ecuacion vectorial de una recta

Ecuaciones parametricas de una recta

Ecuaciones simetricas de una recta

Y, combinando (2) y (3) obtenemos

PR= 75R-OP= tv

o bien

x--2 y+l z-6

--=--=--

1 2 -8

Para verificar esto veamos que (2, -I, 6) y (3, 1, - 2) estan realmente en la recta. Tenemos [despues de sustituir est os puntos en (7)]

(7)

2-2= -1+1=6-6=0

1 2 -8

3-2=1+1= -2-6=1

1 2 -8

Se pueden encontrar otros puntos de la recta. Si t = 3, por ejernplo, obtenemos x-2 y+l z-6

3=-1-=-2-= -8

que nos da el punto (5,5, -18).

La Ecuacion (4) se denomina ecuacion vectorial de la recta L. Si R esta en L, entonces (4) es satisfecha para algun numero real t. Inversamente, si (4) es satisfecha, entonces, regresando sobre nuestros pasos, vemos que fiR es paralela a v, 10 que significa que R esta en L.

Si desarrollamos en componentes 1a Ecuacion (4) obtenemos

xi + yj + zk = Xli + Ylj + zjk + t(X2 - xl)i + t(Y2 - y\)j + t(Z2 - z\)k

Ejemplo!1 Encuentre las ecuaciones simetricas de la recta que pasa por el punto (1, - 2, 4) y es paralela al vector v = i + j - k.

Soluci6n Usamos la f6rmula (6) con P = (x,, YI> z.) = (1, -2, 4) y v como antes, de forma que a = 1, b = 1 y c = -1. Esto da

~-=-!:.= Y +2 = z -4

1 1 -1

x = Xl + t(X2 - Xl) Y=Yl+t(Y2-Yl) Z=Zl+t(Z2-Z\)

o bien

(5)

Las Ecuaciones (5) se conocen como las ecuaciones parametricas de una recta.

Finalmente, despejando ten (5) y definiendo x2 - Xj = a, Y2 - Yj = by Z 2 - Z I = c, encontramos que

l,Que sucede si es cero uno de los mimeros directores a, b 0 c?

(6)

Ejemplo 3 Encuentre las ecuaciones simetricas de la recta que contiene a los puntas P=(3,4, -1) y Q=(-2, 4,6).

b

a

c

Soluci6n

Aqui v = - 5i + 7k y a = - 5, b = 0 y C = 7. Entonces una representacion parametric a de la linea es x = 3 5t, Y = 4 y z = -1 + 7t. Despejando t, encontramos que

Las Ecuaciones (6) se conocen como las ecuaciones simetricas de la recta. Aqui a, by c son los nurneros directores del vector v, Desde luego, las Ecuaciones (6) son validas solo si a, by c son distintas de cero.

x-3 z+l

--=--

-5 7

y=4

y

Ejemplo 1 Encuentre una ecuacion vectorial, las ecuaciones parametricas y las ecuaciones simetricas de la recta L que pasa por los puntos P = (2, -1, 6) y Q = (3, 1, - 2).

La ecuacion Y= 4 es la ecuacion de un plano paralelo al plano xz y as! hemos obtenido una ecuacion de una recta en ese plano.

Soluci6n

Primero caIculamos: v=(3-2)i+[1-(-1)]j+(-2-6)k=i+2j-8k. Enton~ de (4) si R = (x, Y, z) esta en la linea, obtenernos OR = xi + yj + zk = OP+tv=2i-j+6k+t(i+2j-8k) 0

Ejemplo 4

Encuentre las ecuaciones simetricas de la recta (en el plano xY) que pasa por los puntos (Xl' YI, 0) Y (x2, Y2, 0), donde Xl of x2·

X =2+t

y=-1+2t

z=6-8t

168

CAPiTULO 3 • VECTORES EN L1iS2 y iJlS3

3.5 • Rectas y planas en el espacio

169

So/udoll En este caso, v

X2-X] Y2-Yl

Podernos escribir esto como

Y - Yl = (Y2-YI)(X -Xl) X2'-Xl

Figura 3.34

y

z~o

Aqui - YI)/(X2 - XI) = m, la pendiente de la recta. Cuando X = 0, Y = YI - [(Y2 - yd/(X2 .: xl)lxl = b,la interseccion de la recta con el ejey. Esto es, Y = mx + b, que es la forma simplificada de una recta en el plano xy. Asi vern os que las ecuaciones simetricas de una recta en el espacio realmente son una generalizaci6n de la ecuacion de una recta en el plano.

Definicion 1

Plano. Sea P un punto en el espacio y sea n un vector dado distinto de cero , Entonces el conjunto de todos los puntos Q para los cuales PO, n = 0 for-

man un plano en

i.,Que sucede si dos de los numeros directores son cera?

NOiadoll Usualmente denor arnos un plano por 7r.

Sea P (xo, Yo' zo) un punto fijo en un plano can vector normal n ~ + bj+ck. Si Q=(x, y, z) es cualquier otro p~l1,10 en el plano ento~s PQ= (x - xo)i + (y - yo)j + (z - zo)k. Como POj_ 11, tenemos que PO . 11 =

O. Pero esto implica que

a(x - xo) .+-b(y - Yo) + c(z - zo) = 0 (8)

Una forma mas comun de escribir la ecuacion de un plano se deriva facilrnente de (8):

Ejemplo 5 Encuentre las ecuaciones simetricas de la recta que pasa por los puntas P= (2,3, -2) y Q = (2, -1, -2).

Solucioll Aqui V= -4j, de manera que a=O, b= -4 y c=O. Una representacion pararnetrica de Ia recta es, por Ia Ecuacion (5), x=2, y=3-4t, Z= -2. Sabemos que x = 2 es la ecuacion de un plano paralelo al plano yz mientras que z = - 2 es la ecuacion de un plano paralelo al plano xy. Su interseccion es la linea X= 2 z = - 2, que es paralela al eje y. De hecho, Ia ecuacion y = 3 - 41 dice, esencialmente, que y puede tamar cualquier valor (mientras x y z perrnanecen fijas).

l

ax +by+cz =d

en donde

d = axo + byo + cz., = OP' n

AdvertellciiJ. Las ecuaciones parametricas 0 simetricas de una recta no son unicas. Para ver esto basta empezar con otros dos puntos de Ia recta.

fjemplo 1

Encuentre el plano 7r que pasa por el punta (2, 5, 1) y tiene por vector normal al n = i - 2j + 3k.

De (8) obtenemos inmediatamente (x-2)-2(y-5)+3(z-1)=O 0 bien

Ejemplo IS En el Ejernplo 1 la recta contcnia al punto (5, 5, -18). Escojamos ahora P = (5,5, -18) y Q = (3,1, -2). Encontramos que v = -2i - 4j + 16k, asi que x = 5 - 2t, Y = 5 - 4t Y z = -18 + 16t. (Notemos que si t ~ ~,entonces (x, y, z) =, (2, -1, 6).) Las ecuaciones sirnetricas ahora son

So/udoll

x-2y+3z=-5 Este plano esta representado en la Figura 3.35.

(10)

Figura :3.35

La ecuacion de una recta en el espacio se obtiene especificando un punto en la recta y un vector para/eta a esta recta. Podemos deducir la ecuaciori de un plano en el espacio especificando un punto en el plano y un vector ortogonal a cada vector del plano. Este vector ortogonal se conoce como vector normal y se denota por n (Figura 3.34).

110

CAPiTULO 3 • VECTORES EN !PJ2 y!PJ3

3,5 • Rectas y planes en el espacio

111

Observacion. EI plano se dibuja facilmente haciendo x = y = 0 en la Ecuacion (l0) para obtener (0, 0, -~); x = Z = ° para obtener (0, ~, 0); y = z = ° para obtener (-5, 0, 0). Estos tres puntas estan en el plano,

Notemos que si escogemos otro punto, digamos Q, obtenemos la ecuaci6n -(x + 2) + 9(y - 3) + 6(z + 1) = 0, que se reduce a -x + 9y + 6z = 23. EI plano se dibuja en la Figura 3.37.

i. EI plano xy pasa por el origen (0, 0, 0) y cualquier vector en el eje z es normal a el, De tales vectores el mas simple es k. Asi, de (8), obtenemos O(x - 0) + O(y - 0) + 1 (z - 0) = 0, 10 que nos lIeva a

(0,0,

(- 23,0,0)

Los tres planos coordenados se representan como sigue:

Figura 3.37

z=o

(11)

x

como la ecuacion del plano xy. (Este resultado no deberia ser muy sorprendente. )

ii. Elplano xz tiene la ecuacion

y=o

(12)

Definicion 12 Pianos paralelos. Dos pianos son paralelos" si sus vectores normales son paralclos; esto es, si el producto cruz de sus vectores normales es cera,

Dos planos paralelos se dibujan en la Figura 3.38.

m. El plano yz tiene la ecuaci6n

x =0

(13)

Figura 3.36

Figura 3.3B

Tres puntos no colineales determinan un plano pues ellos determinan dos vectores no paralelos que se intersecan en un punto (Figura 3.36).

x

Ejemplo 9

Los planos 71'1: 2x + 3y - z = 3 Y 71'2: -4x - 6y + 2z = 8 son paralelos pues TIl = 2i + 3j - k, TI2 = -4i - 6j + 2k = -2TII (y TIl X TI2 = 0).

Q

p

Si dos planos no son paralelos entonces se intersecan en una linea recta.

Ejemplo 8 Encuentre la ecuacion del plano que pasa par los puntos P = (l, 2, 1), Q = (-2, 3, -1) y R = (1, 0, 4).

Ejemplo 10 Encuentre todos los puntos de intersecci6n de los planos 2x - y - z x+2y+3z=7.

3 y

Soiucion

Los vectores PO = - 3i + j - 2k y OR = 3i - 3j + 5k estan en el plano y par tanto son ortogonales al vector normal, de donde

Solucion

Cuando los planos se intersecan tenemos x + 2y + 3z = 7 y 2x - y - z = 3. Resolviendo este sistema de dos ecuaciones en ires inc6gnitas por. reducci6n par renglon obtenemos, sucesivamente,

II:

n = PO x OR = -3 - 2 = -i + 9j + 6k

3 -3 5

G 2 .: I~) A,j-2) (~ 2 3 1-~1)
-1 -5 -7
!(~ 2 ~I~) A (--2) G 0 1 I U)
M2(-~) 2,1 5 5
1 1 7 11
5 5 5' 5" y obtenernos

o

71": -(x--l)+9(y-2)+6(z-1)=O -x +9y +6z = 23

* Notemos que dos planes paralelos podrian ser coincidentes. Par ejemplo, los planos x + y + z = I y 2x + 2y + 2z = 2 son coincidentes (el rnisrno).

172

CAPiTULO 3 • VECTORES EN lTl!2 y!/!;3

3.5 ' Rectas y pianos en el espacio

173

20. Sea L dada en su forma vectorial OR = T5p -i- tv. Encuentre un nurnero t tal que OR sea perpendicular a v.

21. Utilice el resultado del Problema 20 para encontrar la distancia de la recta L (que

contiene a P y es paralela a v) al origen cuando: a, P·::(2, 1,-4); v=i+j+k

b. P=(1,2,-3); v=3i-j-k

c. P=(-1,4,2); v=-i+j+2k

As! y = ¥ - (-Dz y x = Is' - (~)z. Finalmente, haciendo z = t , obtenemos la representacion pararnetrica de la recta de interseccion: x = .!l-~ t, Y = ¥. ~t Y z = t.

Problemas 3.5

L Que contenga a los puntos (2, I, 3) y (L, 2, - I)

2. Que contenga a los puntos (I, -1, 1) y (- 1, 1, - 1)

3. Que contenga a los puntas (-4,1,3) Y (-4,0, I)

4. Que contenga a los puntas (2, 3, - 4) Y (2, 0, -- 4)

5. Que contenga a los puntas (I, 2, 3) y (3, 2, I)

6. Que contenga a los punt os (7, 1, 3) y (- 1, - 2, 3)

7. Que contenga al punto (2, 2, I) y paralela a 2i - j - k

8. Que contenga al punto (- 1, - 6, 2) y paralela a 4i + j - Jk

9. Que contenga al punto ( - 1, - 2, 5) y paralela a - 3j + 7k

10. Que contenga al punto ( 2, 3, - 2) y paralela a 4k

11. Que contcnga al punto (a, b, c) y paraleJa a di + ej

12. Que contcnga al punta (a, b, c) y paralela a d k

B. Que contcnga al punta (4, 1, -6) y paralela a (x -r- 2)/3 = (y + 1)16 = (z - 5)/2

14. Que contenga al punto (3, 1, - 2) y paralcla a (x + 1 )/3 = (y + 3)/2 = (z - 2)/( -4) is. Sea L] dada par

En los Problemas del 22 al25 encuentre una recta L ortogonal a Las dos rectas dadas y que pase a traves del punta dado.

x+2=y-l=~. x-3=y+2""z-8. (1 -32)

22. --3 4 -5' 7 -2 3" ,

x - 2 = y + 3 = z + 1. x + 2 = y - 5 = z + 3. (-4 7 3)

23. -4 -7 3' 3 -4 -2' "

24. x=3-2t; y=4+31; z=-7+5t; x=-2+4s, y=3-2s, z=3+s; (-2,3,4)

25. x=4+10t, y=-4-8t, z=3+7t; x=-2t, y=1+4t, z=-7-3t; (4,6,0) '* 26. Calcule la distancia entre las rectas

En los Problemas dell al14 encuentre una ecuacion vectorial, las ecuaciones parametricas y las ecuaciones simetricas de la recta indicada.

x-2 y-5 z-1

Lj: -3-=-2-=--=-1 Y

x-4 y-5 z+2 L2: -4 =-4-=-1-

[Sugerencia: La distancia se mide a 10 largo de un vector v que es perpendicular tanto a L I como a L2• Sean P un punta en L I Y Q un punta en L2• Entonces la magnitud de la proyecci6n de PO en v es la distancia entre las rectas mcdida a 10 largo de un vector perpendicular a ambas.]

'* 27. Encuentre la distancia entre las rectas

x+2 y-7 z-2 L,: --3-- = --4 - = 4

y

x-I -3

+2 z +1

4 1

y L, dada por

En los Problemas del 28 at 41 encuentre las ecuaciones del plano.

x-3 y+l z-2

"--~=--=--

2 4 1

y

L2:

x-3 5

+1 -2

z --3 2

28. P=(O,Q,O);n=i

30. P = (0, 0, 0); n = k 32. P=(1,2,3); n=Li-k

34. P=(2,-1,6); n=3i-j+2k 36. P=(--3, 11,2); n=4i+j-7k

29. P=(O,O,O); n=j

31. P=(I,2,3); n = i+] 33. P=(1,2,3); n=j+k

35. P=(-4,-7,5); n=-3i-4j+k 37. P=(3. -2, 5); n=2i-7j-8k

Muestre que L, cs ortogonal a Lz si y s610 si a.a, b Jr,

16. Dernuestre que las rectas

o,

Lj:

x-I

y+3 z+3

--=--

2 3

y

x-3=y-l

3 6

z-8 9

38. Que contenga a los puntas (1,2, -4), (2, 3, 7) y (4, -1,3)

39. Que contenga a los puntos ( - 7, 1, 0), (2, -1, 3) y (4, 1, 6)

40. Que contenga a los puntos (I, 0, 0), (0, 1,0) y (0,0, J)

41. Que contenga a los puntos (2,3, -2), (4, -1, -I) Y (3,1,2)

son ortagonales.

17. Dernucstre que las rectas

son paralelas.

Dos pianos son ortogonales si sus vectores normales 10 son tambien, En los Problemas del 42 al46 diga si los planos dados son paralelos, ortogonales, coincidentes (esto es, el mismo) 0 si no se cumple ninguno de estos casos.

42. 'IT,: x+y+z=2; 'lT2: 2x+2y+2z=4

43.1Tj: x-y+z=3; 'lT2: -3x+3y-3z=-9

44.11',: 2x--'y+z=3; 'lT2: x+y-z=7

45.11'1: 2x-y+z=3;11'2: x+y+z=3

46. 'lTj: 3x-2y+7z=4; '!T2: -2x+4y+2z=16

Las rectas en IR:' que no tienen la misma direcci6n no necesariamente tienen un punta en com lin.

18. Muestre que Ias rectas Lji x = I + i,» = -} + 2t,z = -2-tyL,:x = 17 + 3s, y = 4 + S, Z = -8 - s tienen en com un al punta (2, -I, -3). -

19. Pruebe que Ias rectas Lu x = 2-I,Y = 1 + I, Z = -2tyL2:x = I + s,y =

-2s, z 3 + 2s no tienen ningun punta en comun,

174

CAPITULO 3 • VECTORES EN {}i$2 Y {}i$3

En los Problemas del 47 at 49 encuentre la ecuacion del conjunto de todos los puntas de interseccion de los dos planos.

47. 'IT.: x y+z=2; 'lT2: 2x-3y+4z=7

48. 'IT.: 3x-y+4z=3; 'lT2: -4x-2y+7z=8 * 49. 'IT,: -2x-y+17z=4; 'lT2: 2x--y-z=-7

50. Sea 7r un plano. P un p~.nto del mismo, n un vector normal al plano y Q un punto fuera del plano (ver la Figura 3.39). Demuestre que la distancia (perpendicular) D de Q al plano esta dada por la formula

- IPQ'ol

D = IproynPQI = -10-1-

Figura 3.39

En los Problemas del 51 al 53 encontrar la distancia del punta dado del plano dado.

51. (4,0, 1);2x-y+8z=3 52. (-7,-2, -1); -2x+8z=-5

53. (-3,0,2); -3x+y+5z=0

54. Demuestre que la distancia entre el plano ax + by + cz = d y el punto (x y z)

esta dada por 0, 0' 0

D _Iaxo+ bY9+czo- dl .Ja2+b2+c2

El angulo entre dos pianos se define como el lingula agudo* entre sus vectores normales. En los Problemas del 55 al 57 halle el valor del lingula entre los dos planos.

55. Los planos del Problema 47.

56. Los pIanos del Problema 48.

57. Los pianos del Problema 49.

* 59.

Sean u y v dos vectores dis tint os de cero, no paralelos, en un plano 71". Muestre que 51 w es otro.vector cualquiera en 7r entonces existen escalares 0' y (3 tales que w = 0' U + (3v: E~ta se conoce como la representacion parametrica del plano 7r. [Sugerencia: Dibuje un paralelogramo en el cual au y (3v formen los lados adyacentes y el vector diagonal sea w.]

Se dice que tres vectores u, v y w son copianares si los tres estan en el mismo plano 7r. Muestre que 51 U, v Y w pasan por el origen entonces son coplanares si y s610 SI el triple producto escalar II . (v x w) es cero.

* Recuerde que lin angulo aguclo " es un angulo entre 0° y 90°, esto es, 01 E [0, 1f12).

--~~

Ejercicios de Repaso • Capitulo 3

175

En los Problemas del 60 al64 diga si los tres vectores de posicion dados (esto es, can uno de sus puntas finales en el origen) son coplanares. Si son coplanares encuentre la ecuacion del plano que los contiene.

60. u=2i-3j+4k; v=7i-2j+3k; w=9i-5j+7k

61. u=-3i+j+8k; v=-2i-3j+5k; w=2i+14j-4k

62. u=2i+j-2k; v=2i-j-2k; w=2i-j+2k

63. u=3i-2j+k; v=i+j-5k; w=-i+5j-16k

64. u=2i-j-k; v=4i+3j+2k; w=6i+7j+5k

Ejercicios de repaso ., CapItulo 3

En los Ejercicios dell al6 encuentre la magnitud y fa direccion del vector dado.

1. ,,=(3,3) 2. v=-3i+3j 3. v=(2,-2.J3)

4. v=(.J3, 1) 5. v=-12i-12j 6. v=i+4j

En los Ejercicios del 7 allO escriba el vector representado par PQ en laforma ai + bj. Dibuje PQ y v,

7. P=(2,3); Q=(4,5) 8. P=(1,-2); Q=(7, 12) 9. P=(-1,-6); Q=(3,-4) 10. P=(-1,3); Q=(3,-1)

11. Sean u (2, 1) y v = (-3, 4). Determine: (a) 5u; (b) u - v; (e) -8u + 5v.

12. Sean u = -4i + j y v = -3i - 4j. Determine: (a) -3v; (b) u + v; (e) 3u - 6v.

En los Ejercicios del13 a/19 encuentre un vector unitario que tenga la misma direccion que el vector dado.

13. v=i+j

16. v=-7i+3j

19. v=ai-aj

20. Si v = 4i -7j, encuentre sen IJ y cos IJ, donde IJ es la direcci6n de v.

21. Encuentre un vector unitario con direcci6n opuesta a la de v = 5i + 2j.

22. Encuentre dos vectores unitarios ortogonales a v = i - j.

23. Encuentre un vector unitario con direcci6n opuesta a la de V= lOi-7j.

14. v=-i+j 17. v=3i+4j

15. v=2i+5j 18. v=-2i-2j

En los Ejercicios del 24 al27 encuentre un vector v con fa direccion y magnitud dadas.

24. ivl = 2; fI = 'IT/3 26. Ivl = 4; 8 = "IT

25. Ivl = 1; fI = 'lT/2 27. Ivl = 7; fJ = 5'IT/6

En los Ejercicios del 28 at 31 calcule el producto escalar de los dos vectores y el coseno del lingula entre elias.

28. u=i-j; v=i+2j

30. u=4i-7j; v=5i+6j

29. u= -4i; v= llj

31. u=-i-2j; v=4i+5j

En los Ejercicios del 32 al37 diga sf los vectores dados son ortogonales, paralelos 0 ninguna de las dos casas. Luego dibuje cada par.

32.0= 2i-6j; v=-i+3j 33. u= 4i-5j; v= 5i-4j

34. u== 4i-5j; v=-Si+4j 35. u=-7i-7j; v= i+ j

176 CAPITULO 3 • VECTORES EN [J& 2 Y [R3

Ejercicios de Repaso • Capitulo 3 177

36. u=-7i-7j; v=-i+ j 37. u=-7i-7j; v=-j-

38. Sean u=2i+3j y v=4i+aj. Encuentre a tal que

a. u y v sean ortogonales.

b. u y v sean paralelos,

c. El angulo entre u y v sea 11"/4.

d. EI angulo entre u y v sea 11"/6.

70.

k.

1)/5 = (y - 2)/(-3) =

71.

Que contenga al punto (3, 1, 2) y sea paralela a 3i - .i Que contenga al punto (1, -2, -3) y sea paralela a (x + (z - 4)/2.

72. Muestrc que las rectas Lj: x = 3-2t,y=4 + I,Z = -2 + 7tyL2:x = -3 + s, y = 2 - 4s, Z = 1 + 6s no tienen puntos de interseccion.

En los Ejercicios del 39 at 44 calcule proy,u.

39. u=14i; v=i+j 40. u=14i, v=i-j

41. u = 3i - 2j; v = 3i + 2j 42 •. u = 3i+ 2j; v = i - 3]

4~. u=2i-5j; v=-3i-7j 44. u=4i-5j; v=-3i-j

4;). Se~ = (3, -2), Q = (4,7), R = (-1,3) y S = (2, -1). Calcule proyP(j RS y proy RSPQ.

73. Encuentre la distancia del origen a la recta que pasa por el punto (3, I, 5) y tiene la direccion del vector v = 2i - j + k.

74. Encuentrc la ecuacion de la recta que pasa por (-I, 2, 4) y es ortogonal a L I: (x - 1)/4 = (y + 6)/3 = z/(-2) y L2: (x + 3)/5 = (y - 1)/1 = (z + 3)/4.

46. (4,-1,7); (-5,1,3) 48. (2, -7, 0); (0,5, -8)

47. (-2,4, -8); (0,0,6)

En los Ejercicios del 75 a/77 encuentre la ecuacion del plano que contenga al punta dado y sea ortogonal al vector normal dado.

75. P=(l, 3, -2); n=i+k

76. P = (1, -4, 6); n = 2j - 3k

77. P = (-4, 1, 6); n = 2i - 3j + Sk

78. Encuentre la ecuacion del plano que contiene a los punt os (-2, 4, 1), (3, -7, 5) y (-I, -2, -1).

79. Encuentre todos los punt os de interseccion de los planes 11"): -x + y + Z = 3 y 11"2: -4x + 2y - 7z = 5.

80. Obtenga todos los puntos de interscccion de los pianos 11"]: -4x + 6y + 8z = 12 Y 11"2: 2x -- 3y - 4z = 5.

81. Obtenga todos los puntos de interseccion de los planos 11"): 3x - y + 4z = 8 Y 11"2:

-3x - y - llz = O.

82. Encuentre la distancia del punta (1, -2, 3) al plano 2x - y .- z = 6.

83. Encuentre el angulo entre los pianos del Ejercicio 79.

84. Muestre que los vectores de posici6n u = i - 2j + k , v = 3i + 2j - 3k Y w = 9i - 2j - 3k son coplanares y encuentre la ecuacion del plano que los contiene.

En los Ejercicios del 46 al48 encuentre la distancia entre los dos puntos dados.

En los Ejercicios del 49 at 51 encuentre fa magnitud y los cosenos directores del vector dado.

49. v=3j+l1k 51. '1'= -4i +j+6k 52.

50. v=i-2j-3k

53.

Encuentre un vector unitario en la direcci6n de PO donde P = (3 - 1 2) y Q _ (-4,1,7). '" -

Encuentre un vector unitario cuya direcci6n sea la opuesta a la de po, donde P = (1, -3, O)yQ = (-7, I, -4).

En los Ejercicios del 54 al 61 sean u w = 21 - 4j + k. Catcute;

i - 2j + 3k, v

-3i + 2j + 5k y

54. u-v v 57. proiw II

60. El angulo entre II y V

55. 3'1'+5'1'1'

58. 211-4v+7w

56. proy.w

59. U'W-W'v

61. EI angulo entre v y w

En los Ejercicios del 62 at 65 encuentre el producto cruz u X v.

62. u=3i-j; v=21+4k

64. u = 4i - j + 7k; v = -7i + j 211:

66. Encuentre dos vectores unitarios V= -2i-3j+4k.

67. Calcule el area del paraleiogramo can vertices adyacentes (1 4 - 2) (- 3 I 6) .

(I, 2, 3). " , "l

63. u=7j; v=i-I{

65. u=-2H3j-'iI:; v=-3Hj-lOk ortogonales tanto a II. = i - j + 3k como a

En los l!i~rcicios del 68 al71 encuentre una ecuacion vectorial, las ecuaciones parametricas y las ecuaciones simetricas de fa recta dada.

68. Que contenga a los puntas (3, - 1, 4) y ( - 1, 6, 2)

69. Que contenga a los puntas (-4, 1,0) y (3,0,7)

CAPITULO

Espacios vectorial s

4. 1 I ntroducci6n

Segun se vio en el capitulo anterior, los conjuntos ~2 (vectores en el plano) y ~3 (vectores en el espacio) tienen propiedades interesantes. Asi, si sumamos dos vectores en ~2 obtenemos otro vector en ~2. Sometidos ala suma, los veetores en 1R2 son conmutativos y satisfacen la ley asociativa. Si x E 1R2, entonees x+O=x y x+(-x)=O. Ademas, podemos multiplicar los vectores en 1R2 por escalares y estahlecer varias leyes distributivas. Las mismas propiedades tam bien valen en 1R3.

A los conjuntos como ~2 y 1R3 se los llama espacios vectoriales. Intuitivamente, podemos deeir que un espacio vectorial es un eonjunto de objetos que cumplen con las reglas descritas en el parrafo anterior.

En este capitulo pasaremos de un mundo concreto, en donde resolviamos ecuaciones y tratabamos con vectores facilmente visualizables, a un mundo abstracto de espacios vectoriales arbitrarios. Esto es muy ventajoso, ya que, si establecemos una cierta propiedad sobre espacios vectoriales en general, podemos aplicar dicha propiedad a lode espacio vectorial. De otra forma, tend riamos que demostrar dicha propiedad una y otra vez para cada nuevo espacio vectorial que estuvieramos tratando (y de hecho, hay una cantidad innumerable de ellos), Ademas, como se vera mas adelante, los teoremas abstractos que demostraremos no son mas dificiles que los que ya hemos visto en este libro.

4.2 Definicion y propiedades basicas

Espada vectorial real. Un espacio vectorial real Ves un conjunto de objetos llamados vectores, junto con dos operaciones, llamadas suma y multiplicacion por un escalar que satisfacen los diez axiomas que se enumeran a continuacion.

119

180

Ejemplo 6

CAPITULO 4 • ESPACIOS VECTORIALES

Notaci6n

Si X Y Y estan en V y si ex es un numero real, entonces eseri biremos x + y para la suma de x y y y a x para el produeto esealar de a y x.

Ejemplo 3

4.2 • Definicion y propiedades basicas

181

Antes de enumerar las propiedades de los vectores en un espacio vectorial, hagamos un par de aclaraciones. Primero, si bien es cierto que es muy uti! pensar en [R12 0 en 1R3 cuando tratamos con algun espacio vectorial, es frecuente encontrarse con espacios vectoriales cuya forma es muy diferente de la de estos espacios tan familiares.' (Esto 10 veremos muy pronto.) Segundo, la Definici6n I se refiere a un espacio vectorial real. La palabra "real" significa que los escalares que usamos son reales. Es muy facil definir un espacio vectorial complejo usando numeros cornplejos en lugar de numeros reales. En este libro se trata basicamente con espacios vectoriales reales, pero no es muy dificil hacer generalizaciones a otros conjuntos de escalares.

Sea V = Ill. Es decir , V conticnc solarnente el nurncro I. En este caso, ~. 110 es un espacio vectorial, puesto que no cumple con el axioma (i). Para ver esto,

simplemente noternos que 1 + I 2 E V.

Ejemplo"

Axiomas de sn espado vectorial

i, Si x E Vy Y E V, entonces x + y E V (es decir, Ves cerrado para la suma). ii. Para todos x, y, z en v, (x + y) + z = x + (y + z) (ley asociativa de la suma).

iii, Existe un vector 0 E Vtal que para todo x E V, X + 0 = 0 + x = x (0 se conoce como neutro aditivo).

Iv. Si x E V, existe un vector -x en V tal que x + (-x) = 0 (-x se conoce como e1 inverso aditivo de x).

v. Si x y y estan en V, entonees x + y = y + x (ley conmutativa de la suma de vectores).

vi. Si x E V, Y a es un escalar, entonces ox E V (se dice que Ves eerrado para la multiplicaci6n esealar).

vii. Si x y y estan en V y si a es un escalar, entonces a (x + y) = ax + exy (primera ley distributiva).

viii. Si x E Vy si a y (3 son escalares, entonces (ex + ,B)x = ox + (3x (segunda ley distributiva).

ix. Si x E V y si ex y (3 son escalares, entonees a«(3x) = a(3x (ley asociativa de la multiplicaci6n por escalar),

x, Para todo vector x E V, Ix = x Cal escalar 1 se Ie conoce como neutro multiplicativov.

Ejemplo 5

Ejemp/o 1 £1 espacio IR'~ Sea V = [R1" = {(Xl' X2, •.• , Xn): X, E [R1 para i = 1,2, ... , n}.

De la Secci6n 1.3 (vease Teorema 1.3) podemos ver que V satisface todos los axiomas de un espacio vectorial si tomamos a [R1 como el conjunto de escalares.

Ejemplo i

Sea V= {OJ. Esto es, Veolltiene solamente el numero O. Ya que 0 +0 = 1·0 = 0+ (0 + 0) (0 + 0) + 0 0, vemos que V es un espacio vectorial. llarnado frecuentemente espacio vectorial trivial.

Sea V = {(x, y): Y mx, donde m es un numero real fijo y X es un numero real arbitrario}. Esto es, V consiste en todos los puntos que estan sobre la recta y = mx que pasa pOT el origen y que tiene pendiente rn . Supongase que (Xl' YI) Y (x2, Y2) estan en V. Entonces YI = mx., )'2 = mx., Y

(Xj,)'!) + (X2,Y2) = (Xj,mxl) + (X2.mxZ) = (XI + x2,mx! + mX2) = (Xl + Xz, m(x! + X2» E V.

EI axioma (i) se satisface. Los axiomas (ii), (iii) y (v) son obvios. Mas aun, -(x, mx) = (-x, -mx) = (-x, mC -x» E V

y

(x, mx) + (-x, m( -x» = (0,0) = 0

de modo que el axioma (iv) tambien es satisfecho. Los demas axiomas se verifican con facilidad y se ve que el conjunto de puntos ell el plano que quedan sobre 1a recta que pasa por el origen constituye un espacio vectorial.

Sea V = {(x, y): )' = 2x + 1, X E [R1}. Esto es, Ves el conjunto de puntos sobre 1a recta Y = 2x + 1. V no es un espacio vectorial porque la cerradura no se cumple, como en el Ejemplo 3. Para ver esto, supongamos que (x., YI) Y (Xz, )'2) estan en V. Entonces,

(x,, )'1) + (X2. Y2) = (Xl + X2, Yt + Y2)' Si este ultimo vector estuviese en V, tendriamos que

)'1 + Y2 = 2(xj + X2) + 1 = 2xI + 2X2 + 1.

2Xl + 1 Y Yz = 2X2 + 1, as! que

)'1 + Y2 = (2XI + 1) + (2X2 + 1) = 2Xl + 2X2 + 2.

De aqui se concluye que

Pero Yl

(X2' Y2) E V.

Sea V = [(x,y,z): ax + by + cz = OJ. Esto es, Ves el conjunto de puntos de [R13 que estan sobre el plano que pasa por cl origen con vector normal (a. b,c). S11- pongamos que (x., Yl> Zj) Y (X2, Y2, Z2) estan en I'. Entonces (Xl' Y1, Z1)+ (x2, Y20 Z2) = (x. + x2, Yl + Y2, Zl + Z2) E V porque a(xl + Xl) + b(Yl + Y2) + C(ZI +Z2) = (axl+bYl+czl)+(ax2+bY2+CZ2)= 0 + 0 = 0; porlotanto, se satisface el axioma (i). Puede verificarse facilmente la validez de los otros axio-

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->