1

CUADERNO VI
FORMAS BILINEALES Y DETERMINANTES
Miguel A. Sainz, Joan Serarols, Anna M. Prez Dep. de Informtica y Matemtica Aplicada Universidad de Girona

RESUMEN: Como una extensin de las aplicaciones lineales se van a definir las formas bilineales y sus formas cuadrticas asociadas, fundamentos de importantes conceptos tales como el producto escalar de vectores, norma de un vector, proyeccin de un vector sobre un subespacio y ngulo de dos vectores, conceptos bsicos en la aplicacin del lgebra lineal a la geometra. Las formas bilineales se generalizarn a formas multilineales y, en particular, a los determinantes, cuya definicin, propiedades y aplicaciones a la solucin de sistema lineales, clculo de la matriz inversa,..., etc se desarrollarn con detalle.

VI.1.- FORMAS BILINEALES Sobre V, e.v.s. K, definimos una forma bilineal como una aplicacin f : V2 (x , y ) K f( x ,y )

lineal en cada componente, es decir, para cualesquiera que sean los vectores x,x',y,y' de V y el escalar de K se verifique f ( x + x ',y ) = f ( x , y )+ f ( x ',y ) f ( x , y ) = f ( x , y ) f ( x , y + y ') = f ( x , y )+ f ( x , y ') f ( x , y ) = f ( x , y ) La imagen de un par de vectores que son combinacin lineal de otros, generalizando por induccin, viene dada por f ( 1 x 1 +...+ m x m , 1 y 1 +...+ m y m ) =

1 i m 1 j m

i j f ( x i,y j)

Ejemplo VI.1.1 Sea la aplicacin f : K n K n (x , y ) K f( x ,y ) = Pri( x )Pr j( y )

en la que la imagen de un par de vectores es el producto de la proyeccin i-sima del primer vector por la proyeccin j-sima del segundo vector. Tenemos respecto del primer vector componente f ( x + x ',y ) = (x i+ x 'i )y j = x iy j+ x 'i y j = Pri( x )Pr j( y )+Pr i( x ') Pr j( y ) = f ( x , y )+ f ( x ',y ) f ( x , y ) = ( x i ) y j = ( x i y j ) = f ( x , y ) y respecto del segundo vector componente f ( x , y '+ y ) = x i( y '+ j y j ) = x i y '+ j x i y j = Pri ( x ) Pr j ( y ')+Pr i ( x ) Pr j ( y ) = f ( x , y )+ f ( x , y ') f ( x , y ) = xi ( y j ) = ( x i y j ) = f ( x , y ) siendo as una forma bilineal. Una forma bilineal sobre V diremos que es simtrica si y slo si ( x ,y V ) (f ( y ,x ) = f ( x ,y )) y diremos que es forma bilineal alternada si y slo si ( x ,y V ) (f ( y ,x ) = f ( x ,y )) Si f es alternada (y si en el cuerpo K la suma de un elemento no nulo consigo mismo es distinta de 0), la imagen de un par de vectores iguales es nula ya que al permutar ambos vectores f ( x , x ) = f ( x , x ) f ( x , x ) = 0 y recprocamente si para cualquier vector x es f(x,x) = 0, cualquiera que sea y verifica 0 = f ( x + y ,x + y ) = f ( x ,x )+ f ( x ,y )+ f ( y ,x )+ f ( y ,y ) = f ( x ,y )+ f ( y ,x ) f ( y ,x ) = f ( x ,y ) es decir, f es alternada. Ejemplo VI.1.2 La aplicacin definida por f : R 2 R 2 (x , y ) R x1y2 x2y1

siendo x = (x1,x2) y = (y1,y2), es una forma bilineal ya que verifica ')y 2 ( x 2 + x 2 ')y 1 = (x 1 y 2 x 2 y 1 )+( x 1 'y 2 x 2 'y 1 ) = f ( x , y )+ f ( x ', y ) f ( x + x ',y ) = (x 1 + x 1 demostrndose de forma anloga las otras condiciones de la definicin; adems es una forma bilineal no simtrica ya que

3 f( x ,y ) = x 1 y 2 x 2 y 1 y 1 x 2 y 2 x 1 = f( y ,x ) pero s es alternada pues f( y ,x ) = y 1 x 2 y 2 x 1 = (y 2 x 1 y 1 x 2 ) = f( x ,y ) Sea V = Rn, espacio vectorial sobre R y sean los vectores x,yV de componentes respectivos x = (x 1,...,x n) , y = (y 1,...,y n); la aplicacin de R n R n en R dada por la frmula f( x ,y ) = es bilineal ya que f ( x + x ', y ) =

x iy i
i =1

i =1

( x i+ x 'i) y i = ( x iy i+ x 'iy i) = x i y i + x ' i y i = f ( x , y )+ f ( x ', y )

i =1 i =1 i =1

f( x,y ) =

( xi) y i = x iy i = x iy i = f( x,y )
i =1 i =1 i =1

demostrndose anlogamente la linealidad respecto del segundo vector. Adems es una forma bilineal simtrica puesto que f( y ,x) =

y ix i = x iy i = f( x,y )
i =1 i =1

Se designa por L2 ( V ,K ) como el conjunto de todas las formas bilineales de V en K ; anlogamente por S2(V,K) designaremos el conjunto de todas las formas bilineales simtricas de V en K. Se comprueba fcilmente que las formas bilineales L2(V,K) forman un espacio vectorial sobre K y que S2(V,K) es un subespacio de L2(V,K). Sea f L2(V,K ), V un espacio de dimensin finita, ( e1 ,..., en) una base de V y x , y V , de forma que x = x 1 e1 +...+ x n en entonces por bilinealidad ser f( x ,y ) = y = y1e1 +...+ y n en

1 i n 1 j n

x iy j f ( e i,e j)

por lo que una forma bilineal queda determinada por los escalares f( ei , ej) imgenes de los pares de vectores de la base. Por ello, definimos como matriz de la forma bilineal la determinada por estos escalares

4 f( e 1 ,e 1 ) f( e 1 ,e 2 ) . . f( e 1 ,e n ) f( e 2 ,e 1 ) f( e 2 ,e 2 ) . . f( e 2 ,e n ) A f = (f(ei , ej)) = . . . . . . . . . . . . . . . . . . . . . . . . f( e n ,e 1 ) f( e n ,e 2 ) . . f( e n ,e n ) que ser una matriz simtrica si lo es la forma bilineal y hemisimtrica si la forma lineal es alternada. Ejemplo VI.1.3 Para la forma bilineal definida por f : R2R2 (x , y ) respecto de la base cannica de R2, como f((1,0),(1,0)) f((1,0),(0,1)) f((0,1),(1,0)) f((0,1),(0,1)) la matriz de f ser Af = 0 1 1 0 = = = = 1 0 0 1 = 0 1 1 0 0 = 1 0 0 1 1 = 1 0 1 1 0 = 0 R x1y2 x2y1

Si hacemos f( ei , ej) = aij la frmula de la forma bilineal puede escribirse como el siguiente producto de matrices: a11 a12 . . a1n f ( x , y ) = x 1 x2 . . x n a21 a22 . . a2n .......... an1 an2 . . ann y1 y2 = x tA f y .. yn

Ejemplo VI.1.4 En R4, dados los vectores x = (2,3,0,1) y = (4,2,1,0) la imagen del par que forman en la forma bilineal cuya matriz respecto de la base cannica es

5 1 Af = 0 1 2 ser 1 0 1 2 2 0 1 1 1 2 4 2 5 0 3 1 4 7 2 4 = 2 3 0 1 = 39 1 3 0 13 2 1 2 0 4 2 1 5 0 1 3 1

g ( x ,y ) = x tA fy = 2 3 0 1

Y la frmula de g g (x ,y ) = x 1 y 1 +2 x 1 y 2 x 1 y 3 2 x 1 y 4 +4 x 2 y 3 +2 x 2 y 4 x 3 y 1 + x 3 y 2 +5 x 3 y 3 +2 x 4 y 1 + +x4y2+3 x4y3+ x4y4 Si V es un espacio vectorial sobre R , de dimensin 3, tal que la matriz de una aplicacin bilineal f respecto de una base (e1 , e2 , e3), es 1 2 0 0 1 0 1 3 1

Af =

la imagen por f del par de vectores x = 1e1+2 e2+3 e3 y y = 2e1 1 e2+3 e3 ser 1 2 0 2 0 f ( x, y ) = 1 2 3 0 1 0 1 = 1 2 3 1 = 4 1 3 1 3 2 La matriz de una forma bilineal vimos que estaba asociada a la base respecto de la cual referimos el espacio vectorial. Vamos a ver como cambia esta matriz al cambiar la base del mismo. Sean (e1 ,..., en) y ( u 1,...,u n) bases de V con una matriz M de cambio de base. Sean A y B las matrices de una forma bilineal f sobre V, en las bases (e) y (u), respectivamente y dos vectores cualesquiera x e y de V, de componentes respecto de ambas bases x = x 1 e1 +...+ x n en = x '1 u 1 +...+ x 'n u n y = y 1 e1 +...+ y n en = y '1 u 1 +...+ y 'n u n

Como, segn vimos al resolver el problema del cambio de base x = Mx ' tendremos f ( x ,y ) = x tA y x 't By ' = (Mx ')tA (My ') x 't By ' = x 't M tAMy ' B = M tA M t f ( x , y ) = x ' By ' y = My '

Ejemplo VI.1.5 Si una forma bilineal f sobre R3 tiene por matriz respecto de una base (e1 , e2 , e3) 1 2 0 A= 0 1 0 1 3 1 y (u1,u2,u3) es otra base definida por u1 = e1 u2 = e1 + e2 u 3 = e1 + e2 + e3 tendremos que 1 1 1 u = eM siendo M= 0 1 1 0 0 1 por lo que, segn lo anterior, la matriz B de f respecto de esta nueva base ser 1 0 0 B = M AM = 1 1 0 1 1 1
t

1 2 0 0 1 0 1 3 1

1 1 1 1 2 0 0 1 1 = 1 3 0 0 0 1 2 6 1

1 1 1 1 3 3 0 1 1 = 1 4 4 0 0 1 2 8 9

Diremos que dos vectores x ,y V son vectores ortogonales respecto de una forma bilineal simtrica f sobre V si y slo si f( x ,y ) = 0 Diremos que dos subconjuntos A y B de V son subconjuntos ortogonales respecto de una forma bilineal simtrica f cuando todo vector de A sea ortogonal a todo vector de B. Una base ( e1 , e2 ,..., en ) de V es base ortogonal respecto de una forma bilineal simtrica f sobre V si y slo si para cualesquiera vectores distintos ei ej es f( ei , ej) = 0 De manera anloga, diremos que el vector xV es un vector normalizado respecto de una forma bilineal simtrica f sobre V si y slo si f( x ,x ) = 1 Una base ( e1 , e2 ,..., en ) de V es base ortonormal respecto de una forma bilineal simtrica f sobre V si y slo si f( ei , ej) = ij

7 por lo que la matriz de una forma bilineal simtrica f referida a una base que sea ortonormal, respecto de f, es la matriz unidad. Como caso particular, si (e1 ,..., en) y (u 1,...,u n) son bases ortonormales de V , respecto de una forma bilineal simtrica f, la matriz de f respecto a ambas bases es la matriz unidad y de acuerdo con la relacin existente entre las matrices en bases distintas, tendremos In = MtInM In = MtM Mt = M-1 es decir, la matriz de cambio de base entre bases ortonormales cumple la propiedad de que su inversa es igual a su traspuesta. Una matriz con esta propiedad se denomina matriz ortogonal. Recprocamente, si ( e) es una base ortonormal de un espacio vectorial V sobre K , y (u) es otra base de V, tales que u = eM, cumplindose que Mt = M-1 entonces (u) es tambin una base ortonormal ya que si A y B son las matrices de fS 2(V ,K ) en ambas bases, respectivamente B = MtAM = MtIM = M-1M = I es decir, una matriz es ortogonal si y slo si sus vectores columna son ortonormales Ejemplo VI.1.6 Sea (e1 , e2 , e3) una base ortonormal de V, espacio vectorial sobre R; sea la nueva base u1 = 1/2e1+ 3/2e2 u2 = 3/2e1+1/2e2 u3 = e3 La matriz del cambio de base es la matriz regular 1/2 3/2 0 M= 3/2 0 1/2 0 0 1

Hallando su traspuesta y su inversa se obtiene 1/2 M = 3/2 0

t

3/2 1/2 0

0 0 = M-1 1

por lo cual, segn los resultados previos, ( u 1,u 2,u 3) es base ortonormal, lo que se comprueba fcilmente.

Ejercicios VI.1.- Estudiar si son bilineales o no las aplicaciones a) f : R2R2 b) g : R3R3 c) h : R2R2 d) t : RR R 3 definida por f((x,y),(z,t)) = (x+y,zt,xy+z+t) R definida por g (x ,y ) = xx '+yy '+3 zz ' 2 xz ' 2 zx ' R definida por h((x,y),(z,t)) = xtyz R 3 definida por t(x,y) = (x2,xy,y2)

VI.2.- Expresar las siguientes formas bilineales como producto de matrices del tipo xtAy : a) f(x ,y ) = 2x 1 y 1 +3 x 1 y 2 4 x 2 y 1 + x 2 y 2 con x ,y R 2 . b) f(x ,y ) = 5x 1 y 1 x 2 y 1 +2 x 2 y 2 con x ,y R 2 . c) f(x ,y ) = x 1 y 1 + x 1 y 2 x 1 y 3 +2 x 2 y 1 x 2 y 3 con x ,y R 3 . VI.3.- Sea f la forma bilineal sobre R3 cuya matriz asociada en la base cannica es 1 2 3 1 1 1 1 0 1 a) Hallar dos vectores x,y de R3 tales que f(x,y) f(y,x). b) Hallar la matriz asociada a f respecto de la base ((1,1,0),(0,1,0),(1,1,1)) de R3. VI.4 .- En la base B = ((1,0),(1,1)), la matriz asociada a una forma bilineal es A = para 1 = , 2 = , 3 = y 4 = bilineal en la base C = ((0,1),(1,2)).

1 2 3 4

. Calcular la matriz asociada a dicha forma

VI.5.- Sea E un espacio vectorial sobre K y sean , dos formas lineales de E. Demostrar que la aplicacin f de EE en K definida por f(x,y) = (x)(y) es una forma bilineal. VI.6.- Demostrar que, si f, g son dos formas bilineales simtricas sobre V e.v.s.K , tales que para todo x es f( x ,x ) = g(x,x) entonces f = g. Probar que el resultado no es cierto cuando f y g no son simtricas.

VI.2.- FORMAS CUADRATICAS Dada una forma bilineal f L 2(V ,K ) se define forma cuadrtica fc asociada a f como la aplicacin

9 fc : V x K fc ( x ) = f( x ,x )

La forma cuadrtica fc, al estar asociada a la forma bilineal f, viene definida por ella pero diferentes formas bilineales pueden definir la misma forma cuadrtica; por ejemplo, si g es una forma bilineal alternada y definimos h ( x , y ) = g ( x , y )+ f ( x , y ), se verifica h ( x , x ) = g ( x , x )+ f ( x , x ) = 0+f ( x , x ) = f(x ,x ), con lo que hc = fc. Sin embargo, entre todas las formas bilineales asociadas a fc existe una nica forma bilineal s que es simtrica (y si en el cuerpo K la suma de un elemento no nulo consigo mismo es distinta de 0). En efecto, si s es la aplicacin de V2 en K definida por s (x ,y ) = (fc(x + y ) fc(x ) fc(y ))/2 (siendo 2 el elemento 1+1) es una forma bilineal simtrica ya que al ser f bilineal s ( x ,y ) = (fc ( x + y ) fc ( x ) fc ( y ))/2 = (f( x + y ,x + y ) f( x ,x ) f( y ,y ))/2 = (f( x ,y )+ f( y ,x ))/2 s ( y ,x ) = (f( y ,x )+ f( x ,y ))/2 = s ( x ,y ) Como s(x,x) = (fc(2x) fc(x) fc(x))/2 = (4fc(x) fc(x) fc(x))/2 = fc(x) resulta que s est asociada a fc . Adems es nica, pues cualquier otra forma bilineal simtrica g , asociada a fc verificar fc(x + y ) = g (x + y ,x + y ) = g (x ,x )+2 g (x ,y )+ g (y ,y ) = fc(x )+2 g (x ,y )+ fc(y ) g (x ,y ) = (fc(x + y ) fc(x ) fc(y ))/2 = s(x ,y ) A esta nica aplicacin bilineal simtrica s, asociada a la forma cuadrtica fc se le denomina forma polar de la forma cuadrtica. Se define matriz de una forma cuadrtica fc, como la matriz de su forma polar, por lo tanto la matriz de una forma cuadrtica siempre es simtrica. Si V es de dimensin finita, ( e1 ,.., en) es una base de V y A = (aij) es la matriz de f en esta base, entonces fc(x ) = s (x ,x ) = x tAx =
1 i n 1 j n

2 aij x i x j = a11x2 1+...+ a nn x n+2 a 12 x 1 x 2 +...+2 a n -1 n x n -1 x n

es decir, una forma cuadrtica es un polinomio en n variables con todos sus trminos de segundo grado. Si V es un espacio vectorial real, diremos que la forma cuadrtica fc es definida positiva si y slo si ( x V ) (x 0 fc(x) > 0) es decir, si el polinomio anterior tiene un valor numrico positivo cualesquiera que sean xi y xj , no simultneamente nulos. Anlogamente, diremos que la forma cuadrtica fc es definida negativa si y slo si ( x V ) (x 0 fc(x) < 0)

10 Ejemplo VI.2.1 La forma cuadrtica sobre R2, referida a la base cannica , dada por el polinomio fc ( x ,y ) = x 2 + y 2 tiene por matriz 1 0 0 1 y es definida positiva pues si x e y no son simultneamente nulos, x2+y2 es mayor que 0. La forma cuadrtica definida por el polinomio fc(x ,y ) = x 2 + y 2 6 xy tiene por matriz 1 3 3 1 y no es definida ya que fc(1,1) = 4 fc(0,1) = 1.

Determinar si una forma cuadrtica es definida, positiva o negativa, o no lo es, mediante su frmula suele ser complicado; ms adelante veremos procedimientos prcticos para ello. Ejercicios VI.7 .- Sea f((x 1,x 2),(y 1,y 2)) = 1x 1y 1+ 2x 1y 2+ 3x 2y 1+ 4x 2y 2, para 1 = = y 4 = . , 2 = , 3

a) Comprobar que f es una forma bilineal. Es simtrica?. Es alternada?. b) Determinar su forma cuadrtica asociada. c) Expresar matricialmente f. VI.8.- Determinar las formas cuadrticas representadas por los siguientes productos: a) x y 1 3 3 4 x y 3 1 5 x y z

b)

1 2 2 4 3 1

11 VI.9.- Consideremos la forma cuadrtica sobre R4 definida por

2 2 q ( x 1 , x 2 , x 3 , x 4 ) = x1 +x4 + x 1 x 2 4 x 3 x 4

Hallar la matriz de q en la base cannica de R 4. Siendo f la forma polar de q, hllese f(x ,y ) para x = (1,1,1,1) e y = (0,0, 1, 1). VI.10.- En la base cannica, una forma cuadrtica q ( x ) definida en R 2 tiene la siguiente expresin: 2 2 q (x ) = 4 x 1 +3 x 2 6 x 1x 2 Determinar su nueva expresin cuando se toma como base la formada por los vectores u1 = (1,1) y u2 = (1,1). VI.11.- Probar que las formas cuadrticas
2 2 q 1(x) = x1 + x 2 +8 x1x2 2 2 q2(y) = y1 14y2 +2 y 1 y 2

son equivalentes, haciendo el cambio de variables x1 1 3 y 1 = x2 0 1 y2 VI.12.- Dadas las siguientes formas cuadrticas: a) x2+ y2+ z2+4 xy+4 xz+4 yz b) x2+14yz8xy c) x2 y2 3z2+4 xy+6 xz 8yz d) 2x2+y2+2z24t2+4xy4xz4yz+4yt definidas las tres primeras en R 3 y la ltima en R 4. Se pide expresarlas en forma matricial e indicar si estn definidas en signo. VI.13.- En R2(x) se define la forma cuadrtica fc(P(x)) = P(1)2+P(0)2+P(1)2. a) Calcular fc(a1x2+a2x+a3). b) Hallar la expresin matricial respecto de la base (x2,x,1) de la forma polar asociada. c) Demostrar que es definida positiva.

VI.3 .- PRODUCTO ESCALAR Y NORMA. Sea V un espacio vectorial sobre el cuerpo real R. Daremos el nombre de producto escalar a una forma bilineal simtrica cuya forma cuadrtica asociada sea definida positiva, que representaremos por

12 <> : VV (x , y ) R <x , y >

A la matriz de la forma bilineal la denominaremos matriz del producto escalar . Un espacio vectorial sobre el cuerpo real en el que se ha definido un producto escalar se denomina espacio euclidiano . Ejemplo VI.3.1 En el espacio vectorial Rn la aplicacin R n R n (x , y ) R <(x 1 ,..., x n ),( y 1 ,..., y n )> = x 1 y 1 +...+ x n y n

define un producto escalar, que se denomina producto escalar ordinario de Rn, ya que verifica las cinco condiciones que implican la definicin. En efecto, 1) <(x 1 ,..., x n ),( y 1 ,..., y n )> = <(y 1 ,..., y n ),( x 1 ,..., x n ) > ya que x 1 y 1 +...+ x n y n = y 1 x 1 +...+ y n x n 2) < ( x 1 ,..., x n ),( y 1 , ..,y n )> = <( x 1 ,..., x n ),( y 1 ,..., y n ) > ya que ( x 1)y 1+...+( x n)y n = (x 1y 1+...+x ny n) 3) <(x 1 ,...,x n )+( x 1 ',..., x n '),( y 1 ,..., y n )> = <(x 1 + x 1 ',..., x n + x n '),( y 1 ,..., y n )> = = (x 1 + x 1 ') y 1 +...+( x n + x n ') y n = <(x 1 ,..., x n ),( y 1 ,..., y n )>+<( x 1 ',..., x n '),( y 1 ,..., y n ) >
2 +...+ x 2 0 4) <(x 1 ,...,x n ),( x 1 ,...,x n )> = x 1 n 2 2 2 5) <(x 1 ,...,x n ),( x 1 ,...,x n )> = 0 x 2 1 +...+ x n = 0 x1 = 0 ... x n = 0

x1 = 0 ... xn = 0 (x1,...,xn) = (0,...,0)

La matriz de este producto escalar respecto de la base cannica es la matriz unidad de orden n 1 0..0 0 1..0 A f = In= ...... 0 0..1

Si V es un espacio euclidiano, al ser el producto escalar sobre V una forma bilineal simtrica, la imagen del par de vectores x e y viene dada en forma matricial por y1 < e i , e j > . . = x tA y yn

< x , y > = x 1 . . xn

siendo A = (< ei , ej>) la matriz del producto escalar en la base de referencia; est formada por los

13 productos escalares de los pares de vectores de la base y ser una matriz simtrica. Si la base de referencia es ortonormal, la matriz (<ei,ej>) es la matriz unidad In y el producto escalar de los dos vectores es y1 . . = x ty yn

< x , y > = x 1 . . xn I n

Mediante el producto escalar se define la norma de un vector, que corresponde a lo que intuitivamente se denomina longitud o mdulo. Sea V un espacio vectorial sobre R en el que se ha definido un producto escalar, y sea x V ; definimos la norma de x, que representaremos por x , como x = (<x ,x >) 1/2 que existe, cualquiera que sea x, pues < x ,x > 0 Los vectores cuya norma es 1 reciben el nombre de vectores normalizados. En el Tabla VI.3.1 estn las propiedades ms importantes de la norma de un vector. TABLA VI.3.1 ____________________________________________________ Propiedades de la norma 1) x 0 2) x = 0 equivale a x = 0 3) x = x 1 4) x 0 implica x = 1 x 5) < x ,y > x y (desigualdad de Schwartz)

6) < x ,y> = x y equivale a {x,y} l.d. 7) x + y x + y (desigualdad triangular) ____________________________________________________ Demostraciones: 1) Obvia, pues por definicin la norma es la raz cuadrada positiva de <x,x>.

14 2) Aplicando propiedades del producto escalar, tenemos x = 0 (<x,x>)1/2 = 0 <x,x> = 0 x = 0 3) x = (< x , x >) 1/2 = ( 2< x ,x >) 1/2 = ( 2)1/2(< x ,x >) 1/2 = x 4) Expresa esta propiedad que si multiplicamos un vector no nulo por el inverso de su norma se obtiene un vector proporcional a l, obviamente, y normalizado ya que, segn 3) 1 1 x = x = 1 x x El proceso, basado en esta propiedad, de obtener a partir de un vector x otro proporcional a l y normalizado se denomina normalizacin del vector; existen nicamente dos vectores, opuestos entre si, como resultado de este proceso de normalizacin ya que si x0 1 1 y = 1 x = 1 x = 1 = = y = x x x 5) Si u es un vector normalizado cualquiera, como para todo vector xV es < x < u ,x > u , x < u ,x > u > 0 que equivale a que < x ,x > < x ,<u ,x > u > << u ,x > u , x >+<< u ,x > u ,<u ,x > u > 0 x 2 < u ,x >< x ,u > < u ,x >< u ,x >+< u ,x > 2 u 2 0 x 2 < u ,x> 2 0 x 2 < u ,x > 2 x < u ,x > Sea ahora un vector y 0 por lo que, teniendo en cuenta que y / y es un vector normalizado, sustituyendo u por y / y en la desigualdad anterior, podemos escribir 1 1 x < y ,x > x < y ,x > y y Si y = 0 se verifica la desigualdad pues <x,y> = 0 y y = 0. 6) Si u es un vector normalizado, de acuerdo con el razonamiento anterior < u , x > = x u = x <x < u , x > u , x < u , x > u > = 0 x < u , x > u = 0 x = <u , x > u x = u Para cualquier y 0, al ser y/ y un vector normalizado, tendremos 1 x= y= y {x ,y } l.d. y y Si y = 0, la equivalencia es evidente. < x ,y > x y

15

7) Como x + y 2 = <x + y , x + y > = <x ,x >+< x ,y >+< y ,x >+< y ,y > = x 2 +2< x ,y >+ y 2 x 2 +2 < x ,y > + y 2 x 2+2 x y + y 2 = ( x + y )2 sacando raz cuadrada positiva, tenemos la propiedad. Ejemplo VI.3.2 En Rn con el producto escalar ordinario, la norma de un vector es
2 1/2 ( x 1 ,... x n ) = (x2 1 +...+ x n )

y, por ejemplo, en R3 (1, 4,8) = (12+(4)2+8 2)1/2 = 9 Si multiplicamos este vector por el inverso de su norma, 1/9 , tendremos el vector (1/9,4/9,2/9) que es normalizado y proporcional a l; lo mismo que el opuesto (1/9,4/9,2/9) Los vectores de la base cannica de R n con el producto escalar ordinario son normalizados ya que (0,...,0,1,0,...,0) = (02+...+02+1 2+0 2+...+02)1/2 = 1 Ejercicios VI.14.- Sea f : R n R n R . Siendo x e y dos vectores de R n , determinar si las aplicaciones que se dan a continuacin son o no productos escalares: a) f ( x, y ) =

x iy i
i =1 n n i =1 n j =1

b) f ( x, y ) = x i y j c) f ( x, y ) =
i =1 n

x i2 + y i2
n

d) f ( x, y ) = (x i y i)
2
i =1 i =1

x i2

y i2
i =1

16 VI.15.- Demostrar que (R3,) con ( x 1 ,x 2 ,x 3 ) ( y 1 ,y 2 ,y 3 ) = x 1 y 1 2 x 1 y 2 2 x 2 y 1 +6 x 2 y 2 + x 2 y 3 + x 3 y 2 + x 3 y 3 es un espacio vectorial euclidiano. VI.16.- En R3, para cualquier par de vectores x = (x1,x2,x3) y = (y1,y2,y3) se define < x ,y > = ax 1 y 1 + ax 2 y 2 + x 3 y 3 + x 1 y 2 + x 2 y 1 Hallar la condicin que ha de satisfacer el nmero real a para que sea un producto escalar. VI.17.- Sea V un espacio vectorial sobre R de dimensin n y sea ( a 1 , a 2 ,..., an) una base de V. Demostrar que existe un producto escalar en V para el que esta base es ortonormal. VI.18.- Sea ( V,<,>) un espacio vectorial euclidiano, prubese que, para cualesquiera vectores x ,y ,z V , se verifica || x + y + z || = || x || + || y || + || z || + 2< x ,y >+2< y ,z >+2< z ,x > VI.19.- Sea el espacio vectorial de los polinomios de grado dos con coeficientes reales sobre R, y sea la l.c. sobre este espacio definida por (a 2x2+a 1x+a 0)(b2x2+b1x+b0) = (a 2+a 1+a 0)(b2+ b1+ b0) Es un producto escalar ?. VI.20.- Sea R3[x] el espacio vectorial de los polinomios con coeficientes reales sobre R y de grado menor o igual a tres. Demostrar que el producto
1

P(x)Q(x) =
0

P(x)Q(x) dx

es un producto escalar. Determinar la norma del polinomio x2+2x+7.

VI.4.- ORTOGONALIDAD El concepto de ortogonalidad de vectores respecto de una forma bilineal simtrica en el caso de un producto escalar tiene aplicaciones geomtricas interesantes que se vern en el Captulo dedicado a la Geometra. Sea V e.v.s. R euclidiano; dos vectores x , y de V son ortogonales respecto del producto escalar definido en V , lo que escribiremos xy cuando su producto escalar es nulo, es decir x y si y slo si <x,y> = 0

17 De la definicin se deduce inmediatamente a) Para todo x V es 0 x , ya que <0,x> = (0 ... 0) Ax = 0 b) x y equivale a y x , ya que <x,y> = <y,x> = 0 c) x y equivale a x y , ya que <x,y> = <x,y> = 0, para cualquier R* d) x y equivale a x + y 2 = x 2+ y 2 , ya que x + y 2 = <x + y ,x + y > = <x ,x >+2< x ,y >+< y ,y > = x 2+ y 2 Un conjunto de vectores A V es ortogonal si y slo si todos sus vectores son ortogonales entre s; por ejemplo, el conjunto {x1,...,xn}V ser ortogonal si y slo si ( x i,x j { x 1 ,...,x n }) (i j <x i,x j> = 0) Un conjunto A V es ortonormal si es ortogonal y todos sus vectores son normalizados; por ejemplo, el conjunto {x1,...,xn}V ser ortonormal si y slo si 0 para i j <x i , x j > = 1 para i = j En particular, si un conjunto de vectores ortonormales forma una base de V, hablaremos de base ortonormal. Una base formada por un vector normalizado se considera ortonornal En la Tabla VI.4.1 figuran las propiedades ms interesantes que se deducen de las definiciones precedentes. TABLA VI.4.1 ______________________________________________________________ Propiedades de los conjuntos de vectores ortogonales 1) Si {x1,...,xm} ortogonal y ningn xi es nulo, entonces {x1,...,xm} l.i. 2) (e1 ,..., en) base ortonormal de V x = x1e1 +...+ x n en implican <x ,y> = x1y1+...+xnyn y = y1e1 +...+ y n en 3) Si V es un espacio vectorial euclidiano de dimensin finita, existe una base ortonormal de V ______________________________________________________________ Demostraciones: 1) En efecto, si 1 x 1 +...+ mxm = 0 multiplicando escalarmente por x1 : < 1 x 1 +...+ m x m , x 1> = <0 ,x 1> = 0 1< x1,x1> = 0 1 = 0 por x2 : < 1 x 1 +...+ m x m , x 2> = <0 ,x 2> = 0 2< x2,x2> = 0 2 = 0 .......................................................

18 por xm : < 1 x 1 +...+ m x m , x m > = <0 ,x m > = 0 m < xm ,xm > = 0 m = 0 luego forman un conjunto l.i. 2) Como <ei,ej> es 1 si i = j y 0 si i j , segn hemos obtenido para la imagen de un par de vectores < x ,y > =
1 i n 1 j n

x iy j < e i, e j> = x 1 y 1 +...+ x n y n

Esta propiedad expresa que si el espacio vectorial est referido a una base ortonormal el producto escalar de dos vectores toma una expresin muy sencilla, anloga a la del producto escalar ordinario de Rn. Por ello, es conveniente averiguar si en un espacio vectorial V sobre R de dimensin finita, en el que se ha definido un producto escalar, es posible hallar una base ortonormal respecto a ese producto. Ello es posible segn demuestra la propiedad 3). 3) Si dim ( V ) = 1 y ( e) es una base de V , entonces (e/ e ) es una base ortonormal. Si dim(V) = n, sea (e1,...,en) una base de V. Construimos los vectores v1 = e 1 v2 = e2+ 21 v1 tal que v2 v1 . . . . . . . . . . . . . . . . . . . . . . . vn = en+ n 1 v1 +...+ n n-1 vn-1 tal que vn v1 ... vn vn -1 que forman un conjunto { v1 ,..., v n} ortogonal, con ningn vector nulo y por tanto l.i., luego forman base de V. Demostremos por induccin que los vectores vi existen y son nicos. Sea S = {i N v1 = e 1 , v2 = e2+ 21 v1 ,..., v i = e i + i 1 v1 +...+ ii -1 vi-1 no nulos y ortogonales} que contiene a 2, pues para que v2 v1 basta hacer <e2,v1> 0 = <v2 , v1 > = <e 2 ,v1>+ 21 < v1 , v1> 21 = <e1,e1>

por ser < v1 , v1> = < e1,e1> 0. Adems es v2 0, pues en caso contrario e2+ 21e 1 = 0 y {e1,e2} sera l.d. iS i+1S pues al ser vi+1 = e i+1 + i+11 v1 +...+ i +1 i vi tendremos que para que sea v i+1 vj (j = 1,...,i) basta hacer 0 = <vi+1,vj> = <e i+1 ,vj>+ i+11 < v1 , vj>+...+ i+1 i < vi , vj> = <ei+1,vj> = <ei+1,vj>+ i+1 j< vj , vj> i+1j = <vj , vj> Adems vi+1 0, pues en caso contrario e i+1+ i+11 v1 +...+ i+1 ivi = 0 con lo que ei+1 sera c.l. de v1 ,..., vi y, por ello, de e 1 ,...,e i. As hemos construido un conjunto {v1 ,..., vn} que, al ser ortogonal y con todos sus vectores no nulos, ser l.i., por lo que es una base ortogonal de V. La base ortonormal buscada ser

19 v1 vn ( ,..., ) v1 vn Este proceso de obtener una base ortonormal partiendo de una base cualquiera de V se denomina proceso de ortonormalizacin de Gram-Schmidt que demuestra que todo espacio vectorial de dimensin finita posee una tal base. Ejemplo VI.4.1 Apliquemos el proceso anterior para obtener una base ortonormal a partir de la base ((1,1,1),(2,0,1),(1,1,1)) de R3 suponiendo que el producto escalar es el ordinario; el primer vector de la base ortogonal ser v1 = (1, 1,1) El segundo vector vendr definido por las condiciones v2 = (2,0,1)+ 21(1, 1,1) v2 v1 es decir, 0 = <v2 , v1> = 3+3 21 21 = 1 v2 = (2,0,1) (1, 1,1) = (1,1,0) El tercer vector vendr dado por v3 = (1,1,1)+ 31(1, 1,1)+ 32(1,1,0) v3 v1 v3 v2 con lo cual 0 = <v3 , v1> = 1+3 3 1 0 = <v3 , v2> = 2+2 3 2

31 = 1/3 v3 = (1/3,1/3,2/3) 32 = 1

luego una base ortogonal es ((1,1,1),(1,1,0),(1,1,2)) y normalizndola obtenemos ( 1 3 , 1 3 , 1 3 ),( 1 2 , 1 2 , 0) , ( 1 6 , 1 6 , 2 6 )

Diremos que un vector x V es ortogonal a un subespacio A si x es ortogonal a todo vector de A; si A es un subespacio de dimensin finita se verifica que "x ortogonal a A equivale a que x es ortogonal a los vectores de cualquier base de A" En efecto, sea (u1,...,un) una base de A. Tendremos x ortogonal a todo vector de A x u1,...,x un Recprocamente si x u 1 ,..., x u n

20 para todo uA ser u = 1 u 1 +...+ nu n <x ,u > = <x , 1 u 1 +...+ nun> = 1 < x ,u 1 >+...+ n< x ,u n> = 0 Diremos que A y B son subespacios ortogonales cuando todo vector de A es ortogonal a todo vector de B; si A y B son de dimensin finita se verifica que "A ortogonal a B equivale a que los vectores de cualquier base de A son ortogonales a los vectores de otra base de B" En efecto, sean (u1,...,up) base de A y (v1 ,..., vr) base de B. Si todo vector de A es ortogonal a todo vector de B, entonces u 1 v1 ,..., u 1 vr ,..., u p v1 ,..., u p vr Recprocamente, si se verifica lo anterior, para dos vectores cualesquiera u = 1 u 1 +...+ pup A ser < u ,v > = 1 1 < u 1 , v1 >+..+ 1 r< u 1 ,vr>+...+ p 1 < u p , v1 >+..+ p r< u p ,vr> <u,v> = 0 Dado un subconjunto X = {x1,...xm}V el conjunto de vectores ortogonales a ellos forman un subconjunto que se denota por X y verifica que es un subespacio de V. En efecto ( x X ) (x X ) <( x + y ),x 1> = < x ,x 1>+ < y ,x 1> = 0 ( x + y ) x 1 ( y X ) (y X ) . . . . . . . . . . . . . . . . . . . . . . . . . . . (R) <( x + y ),x m > = < x ,x m >+ < y ,x m > = 0 ( x + y ) x m con lo que x+y X Dado un subespacio A de V, el conjunto de vectores de V ortogonales a los vectores de A se denomina subespacio ortogonal asociado al subespacio A y se representa por A . Si V es de dimensin finita se verifican las propiedades de la Tabla VI.4.2 TABLA VI.4.2 ____________________________________________________________ Propiedades de los subespacios ortogonales 1) A A = V 2) dim(A)+dim(A) = dim(V) 3) Si B es subespacio ortogonal a A, entonces B A 4) Si A y B son subespacios ortogonales, entonces dim(A)+dim(B) dim(V) ______________________________________________________________ v = 1v1 +...+ r vrB

21

Demostraciones: 1) En efecto, por un lado x A A x A x A x x <x,x> = 0 x = 0 A A = {0} y por otro lado, si (u 1 ,...,u m ) es base de A el proceso de ortonormalizacin de GramSchmidt asegura la existencia de una base ( e1 ,..., em) ortogonal de A, que se puede completar para hallar una base de V (e1 ,..., em , u i m+1 ,..., u i n) y el proceso de Gram-Schmidt vuelve a asegurar una base ortonormal (e1 ,..., em , em +1 ,..., en) esta vez para V, siendo, entonces (em +1 ,..., en) base de A pues forman un conjunto l.i. y x A xV x = 1 e1 +...+ m em + m +1em +1 +...+ n en y multiplicando escalarmente por e1 ,..., em llegamos a

1 = ... = m = 0 x = m +1em +1 +...+ n en

Por tanto ( v V ) (v = ( 1 e1 +...+ m em )+( m +1em +1 +...+ n en) = x 1+ x 2) , con x 1 A y x 2 A 2) Se deduce inmediatamente de la propiedad anterior. 3) Por definicin de subespacio ortogonal. 4) Como B A, entonces dim(A)+dim(B) dim(A)+dim(A) = dim(V). Ejemplo VI.4.2 Consideremos el subespacio [(1,2, 1)] R3 , referido ste a la base cannica. Definiendo un producto escalar f en R3 por la frmula f (( x , y , z ),( x ', y ', z ')) = xx '+ yy '+ zz ' el subespacio ortogonal asociado vendr dado por la condicin A = {(x ,y ,z) R 3 f((x ,y ,z),(1,2, 1)) = 0} es decir, x+2yz = 0, resultando ser x = 2y+z [(1,2,1)] = [(2,1,0),(1,0,1)] Para otro producto escalar g definido por

22 g (( x , y , z ),( x ', y ', z ')) = xx '+ 2xy '+3 xz '+2 yx '+ yy ' yz '+3 zx ' zy ' el subespacio ortogonal asociado al mismo subespacio anterior, vendr dado por A = {(x ,y ,z) R 3 g ((x ,y ,z),(1,2, 1)) = 0} es decir, x+4x3x+2y+2y+y+3z2z = 0, resultando z = 2x5y [(1,2,1)] = [(1,0,2),(0,1,5)]

Vemos que, para un mismo vector el subespacio ortogonal asociado al subespacio generado por l, es distinto segn sea el producto escalar que se defina. Sea x un vector no nulo y A un subespacio de V . Llamaremos proyeccin ortogonal de x sobre A, que denotaremos por prA(x), al vector definido por las condiciones 1) prA(x) A 2) (xprA(x)) A Segn esta definicin, tenemos que x' A es proyeccin de x sobre A si y slo si x x ' es ortogonal a A . Adems el vector proyeccin de x sobre A es nico pues si x' y x'' son dos proyecciones de x sobre A tendremos que x'x''A y adems al verificarse que ( v A )(<( x ' x ''), v > = <((x x '') ( x x ')), v > = <(x x ''), v > <( x x '),v > = 0) es x ' x '' A, luego, segn la propiedad 1) de los subespacios ortogonales: x ' x '' = 0 x ' = x ''

Si x A, entonces prA(x) = x pues prA(x) = x A y xprA(x) = 0 A . En el caso particular de ser A de dimensin 1, es decir, A = [v] tendremos que de pr v(x ) [v ] (x pr v(x )) [v ] se deduce <x,v> prv(x ) = v <(x v ),v > = 0 <x ,v > < v ,v > = 0 = <v,v> luego <x,v> prv(x) = v <v , v > que se denomina proyeccin del vector x sobre el v. Si x v , entonces prv(x) = 0. Ejemplo VI.4.3 Sean en R3 e.v.s. R el vector x = (1,2,1) y el subespacio A = [(1,0,2),( 1, 1,1)]

23 Calculemos prA(x) prA(x)A prA(x) = 1(1,0,2)+ 2(1,1,1) = ( 1 2 , 2 , 2 1+ 2) (xprA(x)) A (xprA(x)) (1,0,2) (xprA(x)) (1,1,1)

1(1 1+ 2)+0(2+ 2)+2(12 1 2) = 0 1 = 1/2 1(1 1+ 2)+(1)(2+ 2)+1(12 1 2) = 0 2 = 1/2

luego prA(x) = (0,1/2,3/2) . La proyeccin de x sobre el vector v = (1,2,5) es 14+5 prv(x ) = (1,2,5) = (1/15,2/15,5/15) 12+22+52 Ejercicios VI.21 .-En un espacio vectorial euclidiano de dimensin cinco y respecto de una base ortonormal se consideran los vectores de componentes a = (1,2,0, 1,0) b = (0,1, 1,1,0) c = (0, 1, 2, 3, 4)

. Descomponer c en suma de dos vectores: para 1 = , 2 = , 3 = y 4 = uno de ellos combinacin lineal de a y b, y el otro ortogonal al subespacio [a,b]. VI.22.- En el espacio euclidiano R 4, con el producto escalar ordinario, demostrar que los vectores v1 = (2,0,1,1) y v2 = (2,2,2,2) son ortogonales y hallar otros dos vectores v3 y v4 que con los anteriores formen un conjunto ortogonal l.i.. Encontrar tambin un vector w ortogonal con v 1 , v 2 , y v3 y comprobar que es combinacin lineal de v3 y v4. VI.23.- Respecto del producto escalar ordinario, ortonormalizar el conjunto que forman los vectores x = (1,1,0, 1), y = (1,0,0,4) y z = (2,0,1, 1). VI.24.- En el espacio R4 dotado del producto escalar ordinario, se considera el subespacio vectorial H engendrado por los vectores v 1 = (1,1,0,0) y v 2 = (0,1, 1,1). Determinar una base ortonormal de H y completarla hasta obtener una base de R4. VI.25.- Sea R3 con el producto escalar ordinario. Se pide a) Averiguar si los vectores v 1 = (1,1,1), v 2 = (1,2, 3) y v 3 = (5, 4, 1) son ortogonales. A partir de ellos, hallar una base ortonormal de R3. b) Hallar los vectores normalizados que son ortogonales a los vectores v 1 v 2 y v1+ v3. c) Hallar los vectores ortogonales a 2v2+v3 y que pertenezcan al subespacio vectorial engendrado por v1 v2 y v1+ v3. VI.26.- Sea F = { x R 4 x 1+ x 2 = x3+x4 ; 2 x 1 x 2 = x3} un subespacio vectorial de R4 sobre

24 R con el producto escalar ordinario. Se pide a) Hallar la dimensin y una base de F. b) Descomponer el vector (1,1,0,3) en un vector de F y otro de F . c) Hallar una base ortonormal de R4, (a, b, c, d) tal que b, y c pertenezcan a F. VI.27 .-En R3 se define el producto escalar <( x 1 ,x 3 ,x 3 ),( y 1 ,y 2 ,y 3 )> = 4x 1 y 1 + x 2 y 2 + x 2 y 3 + x 3 y 2 +4 x 3 y 3 y se considera el subespacio [(1,1,2),(1,3,4)] para 1 = 4 = . Calcular: , 2 = , 3 = y

a) su expresin matricial respecto de la base cannica y la expresin matricial de la restriccin del producto escalar a V en la base ((1,1,1),(1,1,1)), b) una base ortonormal de V. VI.28.- Sea (e1,e2,e3) una base de E, espacio vectorial sobre R, que verifica e 1 = 3 , e 2 = 2 , e 3 = 1 , <e 1 , e 2 > = 2 , <e 2 , e 3 > = 0 , <e 1 , e 3 > = 1 a) Hallar la expresin matricial del producto escalar respecto de la base ( e 1,e 2,e 3) y de la base (e 1,e 1+ e 2,e 1+ e 2+ e 3). b) Calcular la norma del vector v = 2e1+e23e3. c) Calcular el ngulo que forman los vectores u1 = e1e2 y u2 = 2e2e3. d) Hallar una base ortonormal del subespacio [u1,u2]. VI.29.- Sea f una forma bilineal sobre R3 de matriz respecto de la base cannica a) Comprobar que f es un producto escalar. b) Si F = {(x,y,z)R3 | xy+z = 0 , y+z = 0}, hallar F. c) Hallar una base ortonormal de R3 respecto de este producto escalar. VI.30.- Sobre el espacio vectorial de las funciones continuas en el intervalo [1,1] se define el siguiente producto escalar:
1

4 0 1

0 1 3 0 . 0 4

< f,g> =
1

x 2f(x)g(x) dx

Aplicando el mtodo de ortogonalizacin de Gram-Schmidt al conjunto de polinomios {1,x,x2} hallar una base ortonormal para el espacio de polinomios R2[x].

25 VI.31.- En el espacio vectorial de los polinomios de grado menor o igual que dos R2(x) se
1

define el producto escalar <P(x),Q(x)> =

1

P(x)Q(x) dx. Se pide

a) Hallar su expresin matricial respecto de la base (1, x,x2) y tambin respecto de la base (1x ,x + x2,2x x 2). b) Hallar una base ortonormal de R2(x) respecto de este producto escalar. VI.32 .-En el espacio vectorial R4, hallar las ecuaciones de la proyeccin ortogonal sobre el subespacio engendrado por los vectores (0,1,2,1) y ( 3, 4, 1,0), para 1 = , 2 = , 3 = y 4 = .

VI.5.- ANGULO DE DOS VECTORES Sean dos vectores no nulos x,yV; de acuerdo con la desigualdad de Schwartz (que figura en la Tabla VI.3.1), se verifica que < x ,y > x y cumplindose la igualdad cuando {x,y} es l.d., con lo que <x , y > 1 1 x y por lo que tiene sentido el llamar ngulo no orientado formado por los vectores x e y , que representaremos por (x,y), al nico nmero real del intervalo [0, ] cuyo coseno es <x,y> cos (x,y) = x y Propiedades interesantes que se deducen de esta definicin se enuncian en la Tabla VI.5.1 TABLA VI.5.1 ________________________________________________ Propiedades del ngulo no orientado 1) (x ,y ) = (y ,x ) ( x ,y ) si > 0 2) ( x ,y) = (x,y) si < 0 3) (x,y) = 0 equivale a y = x , con > 0

26 ( x ,y ) = equivale a y = x , con < 0

(x,y) = /2 equivale a x y 4) <x ,y > = x y cos (x ,y ) 5) pr y ( x ) = x cos (x,y) 6) x y equivale a prx(x+y) = x ________________________________________________ Demostraciones: 1) Directamente de la definicin de producto escalar <x , y > <y , x > cos (x,y) = = = cos (y,x) (x,y) = (y,x) x y y x 2) Por las propiedades del producto escalar y de la norma tenemos <x,y> < x ,y > cos (x,y) = = x y x y si > 0, es igual a <x , y > = cos (x,y) ( x,y) = (x,y) x y y si < 0, es igual a <x , y > = cos (x ,y) ( x ,y) = (x ,y) x y 3) Usando la desigualdad de Schwartz, podemos escribir <x , y > ( x ,y ) = 0 =1 x y <x ,y > = x y {x ,y } l.d.

<x , y > > 0 y = x < x , x > > 0 < x , x > > 0 > 0

y anlogamente para los otros casos. 4) Se obtiene inmediatamente de la definicin de ngulo. Esta propiedad se utiliza en matemtica elemental para definir el producto escalar. 5) De acuerdo con el resultado obtenido para la proyeccin de un vector sobre otro tenemos: <x , y > < x ,y > < x ,y > < x ,y >

27 pr y ( x ) = y = y = y = = <y , y > <y , y > y 2 y < x ,y > = x = x cos ( x , y ) x y 6) Si x e y son ortogonales entonces <x + y , x > prx(x + y) = x x = x <x + y , x > = < x , x > <x , y > = 0 x y <x , x > Ejercicios VI.33.- Sea f : R2R2 R definida por f(x,y) = 2x1y1+x1y2+x2y1+x2y2. Se pide

a) Es un producto escalar en R2 ?. b) Hallar <x ,y >, <x ,x >, <y ,y > siendo x = (2, 2) y = (4, 3). c) Comprobar que < x,y > 2 < x,x> < y,y >. d) Comprobar < x+ y,x+ y> < x,x> + < y,y > .

e) Si x = (2, 2) cul debe ser el vector y para que las desigualdades de los apartados c) y d) se conviertan en igualdades?. f) Deducir de la expresin establecida en el apartado c) que 1 cos (x , y ) 1. Indicar en que casos el coseno de dos vectores es igual a 1, 0, y 1. g) Dado x = (2,2), hallar los vectores normalizados que le son ortogonales. h) Indicar si la base cannica de R2 es ortonormal para este producto escalar. VI.34 .-Calcular los ngulos y las normas de los vectores que determinan los lados del tringulo de vrtices (1, 1 ), (3,1) y (1, 2). Lo mismo para el tringulo de vrtices (1,4, 3)), (2,1, 4) y (5,1,3), para 1 = , 2 = , 3 = , 4 = .

VI.6.- FORMAS nLINEALES Y DETERMINANTES Sea V e.v.s. K, de caracterstica distinta de 2; una forma n-lineal es una aplicacin f: Vn ( x 1 ,..., x n ) K f ( x 1 ,..., x n )

tal que sea lineal respecto de todos los vectores componentes de la n-pla, es decir, para todo subndice 1 i n

28 f ( x 1 ,..., x i ,..., x n ) = f ( x 1 ,..., x i ,..., x n ) f ( x 1 ,..., x i + x i' ,..., x n ) = f ( x 1 ,..., x i ,..., x n )+ f ( x 1 ,..., x i' ,..., x n ) ) Supongamos que V es de dimensin n y (e1 ,..., en) es una base de V; si los vectores xi son x 1 = x 11 e1 +...+ x n 1 en . . . . . . . . . . x n = x 1 n e1 +...+ x nn en aplicando las igualdades que definen a la forma n-lineal es fcil obtener, por induccin, que f ( x 1 ,..., x n ) =

1 i1 n . . . . 1 in n

x i 1 1 ... x i n n f( e i 1 ,..., e i n )

Una forma n-lineal es alternada si y slo si para cualesquiera 1 i,j n, i j se verifica f ( x 1 ,..., x i ,..., x j ,..., x n ) = f ( x 1 ,..., x j ,..., x i ,..., x n ) es decir, es una forma n -lineal tal que aplicada a dos n -plas que se diferencien en una permutacin de un par de vectores, cambia de signo. Las propiedades ms interesantes de las formas n-lineales alternadas se exponen en la Tabla VI.6.1 TABLA VI.6.1 _____________________________________________________________________ Propiedades de las formas n -lineales alternadas 1) Si (i1,...,in) es una permutacin de (1,...,n) de signatura s(i) f( xi 1 ,..., x in) = s(i ) f(x1 ,..., x n) 2) f alternada equivale a que ( i [1,n ]) (f(x 1,...,x i,...,x i,...,x n) = 0) 3) Si (e1 ,..., en) es una base de V, entonces f ( x 1 ,..., x n ) = (

(i1,.., i n) permutacin de (1,.., n) de signatura s(i)

s ( i ) x i1 1 ... x in n ) f( e 1 ,..., e n )

4) (e1 ,..., en) base de V f(e1 ,..., en) = 0

implican f = 0

5) Si f no es la aplicacin nula, entonces f(x1,...,xn) = 0 equivale a {x1,...,xn} l.d. _____________________________________________________________________

29 Demostraciones: 1) Es inmediata teniendo en cuenta que cada inversin de dos vectores cambia el signo de la imagen, luego si la permutacin (i1,...,in) tiene inversiones f( xi 1 ,..., x in) = (1) f(x1 ,..., x n) = s(i ) f(x1 ,..., x n) 2) Si f es alternada la imagen de cualquier n-pla con dos vectores iguales es 0, ya que si f es alternada f ( x 1 ,..., x i ,..., x j ,..., x n ) = f ( x 1 ,..., x j ,..., x i ,..., x n ) y si xi = xj , entonces f ( x 1 ,..., x i ,..., x i ,..., x n ) = f ( x 1 ,..., x i ,..., x i ,..., x n ) por lo que f ( x 1 ,..., x i,..., x i,..., x n ) = 0. Recprocamente, si la imagen de cualquier n-pla con dos vectores iguales es 0, entonces la forma es alternada 0 = f ( x 1 ,..., x i + x j ,..., x j + x i ,..., x n ) = = f ( x 1 ,..., x i ,..., x j ,..., x n )+ f ( x 1 ,..., x i ,..., x i ,..., x n ) + +f ( x 1 ,..., x j ,..., x j ,..., x n )+ f ( x 1 ,..., x j ,..., x i ,..., x n ) = = f ( x 1 ,..., x i ,..., x j ,..., x n )+ f ( x 1 ,..., x j ,..., x i ,..., x n ) f ( x 1 ,..., x j ,..., x i ,..., x n ) = f ( x 1 ,..., x i ,..., x j ,..., x n )

3) La expresin general de la imagen de una n-pla en una forma n-lineal, conocidas las componentes de los vectores, que hemos obtenido antes, es una suma de nn sumandos, cada uno de ellos formado por un producto de las componentes por la imagen de una n-pla formada por vectores de la base; en el caso de forma alternada, si en ella existen dos vectores iguales la imagen es 0, el sumando es 0, quedando n! sumandos no nulos correspondientes a las n! permutaciones sin repeticin de los vectores ( e1 ,..., en). El resultado es una suma de n! sumandos f ( x1 ,..., x n) =
(i1,..., i n) permutacin de (1,...,n)

x i 1 1 ... x i n n f( e i 1 ,..., e i n )

extendida a todas las permutaciones de {1,...,n}. Adems, segn la propiedad 1), tendremos f( e i1 ,..., e in) = s(i) f(e1,..., e n) luego f ( x1 ,..., x n) =
(i1,..., i n) permutacin de (1,..., n) de signatura s(i)

s(i ) x i 1 1 ... x i n n f( e 1 ,..., e n )

4) A partir de 3), pues si f(e1 ,..., en) = 0, entonces la imagen de cualquier n-pla es 0. 5) Supongamos que f no es la aplicacin nula y que

30 f ( x 1 ,..., x n ) = 0 Si {x1,...,xn} l.i., entonces (x1,...,xn) es una base de V y segn la propiedad anterior f sera la aplicacin nula. Recprocamente, si { x 1 ,..., x n } l.d. existe un vector x i que ser combinacin lineal de los dems x i = 1 x 1 +...+ i-1 x i-1 + i+1 x i+1 +...+ n x n y al ser f n-lineal alternada, tendremos f ( x 1 ,..., x i,..., x n ) = f ( x 1 ,..., 1 x 1 +...+ i-1 x i-1 + i+1 x i+1 +...+ n x n ,..., x n ) = = 1 f ( x 1 ,...,x 1 ,...,x n )+...+ i-1 f ( x 1 ,...,x i-1 ,x i-1 ,...,x n ) + i+1 f ( x 1 ,...,x i+1 ,x i+1 ,...,x n )+...+ n f ( x 1 ,...,x n ,...,x n ) = 0 Ejemplo VI.6.1 En el espacio vectorial K3 sobre K referido a una base (e1 , e2 , e3) sean los vectores x 1 = x 11 e1 + x 21 e2 + x 31 e3 x 2 = x 12 e1 + x 22 e2 + x 32 e3 x 3 = x 13 e1 + x 23 e2 + x 33 e3 La imagen de la terna (x1,x2,x3) por una forma n-lineal alternada f sobre K3, referida a la base dada, teniendo en cuenta que las permutaciones de {1,2,3} son Permutacin Inversiones Signatura 1,2,3 0 +1 1,3,2 1 1 2,1,3 1 1 2,3,1 2 +1 3,1,2 2 +1 3,2,1 3 1 ser f( x 1 ,x 2 ,x 3 ) = (+1)x 11 x 22 x 33 f( e1 , e2 , e3)+( 1) x 11x 32x 23 f(e1 , e2 , e3)+ +(1)x21x12x33 f(e1 , e2 , e3)+(+1) x 21x 32x 13 f(e1 , e2 , e3)+ +(+1)x31x12x23 f(e1 , e2 , e3)+( 1) x 31x 22x 13 f(e1 , e2 , e3) = = (x 11 x 22 x 33 x 11 x 32 x 23 x 21 x 12 x 33 + x 21 x 32 x 13 + x 31 x 12 x 23 x 31 x 22 x 13 )f(e1 , e2 , e3) Consideremos la forma n-lineal alternada sobre V tal que la imagen de la n-pla de la base (e1 ,..., en) es igual a 1. Esta forma la denominaremos determinante en la base ( e1 ,..., en) y la denotaremos por el smbolo det, es decir, det(e1 ,..., en) = 1

31 Llamaremos determinante de n vectores x 1 ,...,x n V , referido a la base ( e1 ,..., en) a la imagen de la n-pla (x1,...,xn) por la forma determinante, que ser igual a det( x 1 ,...,x n ) = Ejemplo VI.6.2 En el espacio vectorial K3 sobre K referido a una base (e1 , e2 , e3) para los vectores x 1 = x 11 e1 + x 21 e2 + x 31 e3 x 2 = x 12 e1 + x 22 e2 + x 32 e3 x 3 = x 13 e1 + x 23 e2 + x 33 e3 tendremos que, segn el ejemplo anterior det( x 1 ,x 2 ,x 3 ) = (x 11 x 22 x 33 x 11 x 32 x 23 x 21 x 12 x 33 + x 21 x 32 x 13 + x 31 x 12 x 23 x 31 x 22 x 13 ) y as, para R3 referido a la base cannica tendremos, por ejemplo, que det((1,1,0),(2,3,5),(2,4,4)) = = 1 3 ( 4)+( 1) 5 ( 2)+0 2 4 1 5 4 ( 1) 2 ( 4) 0 3 ( 2) = 3 0 Llamaremos determinante de una matriz cuadrada A sobre K al determinante de los vectores columna a1,a2,..,an, como vectores de K n, e.v.s. K , referido a la base cannica; lo notaremos por det(A) o bien por Ay, en el caso de que la matriz est explcitamente dada, por a11 a 12 . . a 1 n a21 a 22 . . a 2 n ......... an1 a n2 . . a nn con lo que a11 a21 det( a 1 ,...,a n ) = .. an 1 a12 . . a1n a22 . . a2n = s(i) ai11...ainn ....... ( i1 ,.., in ) permutacin de (1,.., n ) de signatura s(i) an2 . . ann

( i1 ,..,in ) permutacin de (1,..,n ) de signatura s (i)

s(i) xi11... x i n n

y el determinante de una matriz cuadrada es igual a la suma de los n! productos que pueden formarse con n elementos de la matriz tomando, de todas las maneras posibles, uno de cada fila y uno de cada columna; cada sumando tiene un signo igual a s(i), signatura de la permutacin de subndices de fila, supuestos ordenados los factores por los subndices de columna. Ejemplo VI.6.3

32

El determinante de una matriz de orden 1 ser igual al nico elemento que la forma a11 = a11 Para el determinante de una matriz cuadrada de orden 2 tendremos a 11 a 12 = +a11a22a21a12 a 21 a 22 es decir, producto de los elementos de la que llamaremos diagonal principal, menos el producto de los elementos de la diagonal secundaria. Para una matriz de orden tres es a 11 a 12 a 13 a 21 a 22 a 23 = a11a22a33+a21a32a13+a31a12a23a11a32a23a21a12a33a31a22a13 a 31 a 32 a 33 por tanto la suma de los productos de los elementos de la diagonal principal y sus dos paralelas, menos la suma de los productos de los elementos de la diagonal secundaria y sus dos paralelas. Esta regla prctica de obtencin de los determinantes de las matrices cuadradas de rdenes 2 y 3 se denomina regla de Sarrus . Para matrices de orden superior a tres el clculo de su determinante a partir de la definicin es muy poco prctico, excepto en los casos particulares siguientes: Matriz diagonal a11 0 . . 0 0 a22 . . 0 = a11a22...ann ......... 0 0 . . ann dado que el nico sumando no nulo se obtiene con el elemento a11 de la primera fila, acompaado del elemento a22 de la segunda,..., y del elemento ann de la ltima fila. En particular, para la matriz unidad I ser det(I) = 1. Matrices triangulares a11 a21 ... an 1 0 .. 0 a11 a12 . . a1n a22 . . 0 0 a22 . . a2n = = a11a22...ann ...... .......... an2 . . ann 0 0 . . ann

dado que el nico sumando no nulo se obtiene con el elemento a11 de la primera fila, acompaado del elemento a 22 de la segunda, ya que no puede formar producto con el a21 por ser de su misma columna,.. y del elemento ann de la ltima fila. Anlogamente

33

0 0 . . a1 n ............ = (1)n(n-1)/2a1n...an-12 an1 0 an-1 2 . . an-1n an1 an2 . . ann dado que el nico sumando distinto de 0 tiene como permutacin de subndices de fila la (n,n1,...,1) que tiene n(n1)/2 inversiones. Podramos haber definido como determinante de una matriz cuadrada el determinante de sus vectores fila, aunque de hecho es lo mismo puesto que los determinantes de una matriz y su matriz transpuesta son iguales det(A) = det(At) ' a los de At, tenemos que por definicin En efecto, si a los elementos de A les llamamos aij y aij de matriz transpuesta, aji = aij ' luego segn la definicin de determinante y la conmutatividad del producto en K, reordenando los factores segn el subndice de fila, es decir, componiendo con la permutacin inversa i -1 det(A) =

( i1 ,.., in ) permutacin de (1,.., n ) de signatura s(i)

s(i) ai11...a inn =

( i1 ,.., in ) permutacin de (1,.., n ) de signatura s(i)

s(i) a1i -1...a ni -1 =

1 n

-1 t s(i ) ai -1 1... a i -1 n = det(A )

1 n

-1 ,.., i -1) permutacin de ( i1 n (1,.., n ) designaturas(i -1)

dado que, una permutacin y su inversa tienen la misma signatura. A partir de esta propiedad, cualquier resultado cierto para el determinante de los vectores columna de una matriz ser vlido para el determinante de los vectores fila, por lo que en las siguientes propiedades de los determinantes se hablar de lneas, refirindose tanto a columnas como a filas. Estas propiedades se enuncian en la Tabla VI.6.2 TABLA VI.6.2 ________________________________________________________________ Propiedades de los determinantes 1) det(A) 0 equivale a que A es regular 2) Un determinante con dos lneas paralelas iguales es 0

34

3) Un determinante con dos lneas paralelas proporcionales es 0 4) Un determinante con los elementos de una lnea nulos es 0 x n ) = det(x 1 ,..., x i ,..., x n )+det( x 1 ,..., x',..,. x n) 5) det(x 1 ,...,x i+ x',..., i i 6) det(x 1 ,..., x i,..., x n ) = det( x 1 ,..., x i,..., x n ) 7) Si en un determinante se permutan dos lneas paralelas, el determinante cambia de signo 8) Si a una lnea se le suma otra paralela multiplicada por un escalar no nulo, el determinante no vara. 9) Si A y B son matrices cuadradas, entonces det(A B ) = det(B )det(A ) 10) Si A es inversible, entonces det(A-1) = 1/det(A). ________________________________________________________________ Demostraciones: 1) Por propiedades de las formas n-lineales alternadas: la imagen de una n-pla de vectores l.d. es igual a 0 y recprocamente, si la forma n-lineal no es la forma nula ( y det no lo es) si la imagen de una n-pla es 0, entonces los vectores forman un conjunto l.d.. Las propiedades 2) a 7) son consecuencia de 1) y de que el determinante es una forma nlineal alternada, por lo que el determinante conserva la suma y el producto externo respecto de cualquier elemento de la n-pla (propiedades 5) y 6)) y que la imagen cambia de signo si intercambiamos dos vectores (propiedad 7)). 8) Razonando con los vectores columna, p.ej., tendremos, segn las propiedades anteriores det(x 1 ,..., x i + x j ,..., x j ,..., x n ) = det(x 1 ,..., x i ,..., x j ,..., x n )+det( x 1 ,..., x j ,..., x j ,..., x n ) = = det(x 1 ,..., x i,..., x n ) 9) En efecto, de acuerdo con el resultado de un producto de matrices a11b11+a 12b 21+..+a 1nbn1 a 11b12+a 12b 22+..+a 1nbn2 . . a 11b1p+a 12b 2p+..+a 1 n b np AB = a21b11+a 22b 21+..+a 2nbn1 a 21b12+a 22b 22+..+a 2nbn2 . . a 21b1p+a 22b 2p+..+a 2 n b np ........................................................ am1b11+a m 2b 21+..+a mnbn1 a m1b12+a m 2b 22+..+a mnb n2 . . a m1b1p+a m 2b 2p+..+a mn b np

tenemos que los vectores fila p1,...,pn de AB son combinaciones de los vectores fila b 1 ,..., b n de B, ya que para i = 1,...,n es p i = a i1 b 1 + a i2 b 2 +...+ a inb n

35 Como el determinante de una matriz cuadrada es el determinante de sus vectores fila, de acuerdo con las propiedades de las formas n-lineales alternadas, tenemos det(AB ) = det(p 1,...,p n) = (

(i1,..,in) permutacin de (1,..,n) de signatura s(i)

s (i) a i11 ...a inn ) det( b 1 ,...,b n ) = det(A )det(B )

10) Como por definicin de matriz inversa es A A -1 = I, teniendo en cuenta la propiedad anterior y que el determinante de la matriz unidad es 1, tendremos det(AA-1) = 1 det(A)det(A-1) = 1 det(A-1) = 1/det(A) Como consecuencia inmediata de estas propiedades se deduce que las transformaciones elementales aplicadas a la matriz de un determinante la convierten en otra, cuyo determinante respecto al primero a) cambia de signo si se permutan dos filas (o dos columnas), b) si se multiplica una fila (o una columna) por un escalar no nulo, el determinante queda multiplicado por el escalar, c) no vara si se suma una fila (o columna) otra fila (o columna) multiplicada por un escalar no nulo. Estas propiedades nos permiten construir un mtodo para el clculo de un determinante consistente en aplicar sucesivas transformaciones elementales sobre su matriz hasta reducirla a una matriz triangular, cuyo determinante se calcula de forma inmediata. Se denomina mtodo de Gauss, es de rpida aplicacin y fcilmente programable. Ejemplo VI.6.4 El mtodo de Gauss permite obtener el valor del siguiente determinante 0 0 1 2 2 2 1 3 4 2 2 1 3 4 2 0 0 1 2 2 1 3 1 1 5 3 = 3 1 1 5 3 = 2 2 5 1 3 5 2 5 1 3 5 4 3 2 1 4 4 3 2 1 4 2 0 1 = 0 2 0 0 3 1 4 2 2 1 0 2 2 0 1 0 5 12 14 = 0 255 0 4 3 7 0 0 1 1 0 0 2 1 3 4 2 2 3 1 4 2 0 0 1 2 2 0 1 0 2 2 1 0 5 7 2 0 = 0 7 5 2 0 = 2 0 4 2 7 3 0 2 4 7 3 0 1 4 9 8 0 4 1 9 8 3 1 4 2 1 0 2 2 0 5 12 14 = 35 0 0 33 91 0 0 0 175

3 1 4 2 2 1 0 2 2 0 1 0 5 12 14 = 0 25533 0 0 33 91 0 0 0 7 14 0

36 Si en una matriz cuadrada A de orden n se suprimen nh filas e igual nmero de columnas se obtiene una matriz de orden h cuyo determinante llamaremos menor de A. Para determinarlo basta conocer los subndices 1 c1 <...< ch n de las columnas y los subndices 1 f1 <...< fh n de las filas que lo forman. Si en la matriz A suprimimos las columnas c 1,...,c h, y las filas f 1 ,..., f h se obtiene otra matriz cuadrada cuyo determinante se denomina menor complementario del anterior. Un menor se dice que es de clase par cuando la suma de los subndices de las columnas y filas que lo forman

= c 1+..+ c p+ f1+..+ fp
es par, y anlogamente se define la clase impar. Llamaremos signatura del menor a (1), es decir, al resultado de elevar 1 a la suma de los ndices de sus filas y de sus columnas, por lo que la signatura de un menor de clase par es 1 y 1 si es de clase impar. La signatura de un menor y la de su menor complementario es la misma, pues la suma de los subndices de fila ms los de columna de un menor ms los subndices de fila y columna de su menor complementario es igual a la suma de todos los subndices de fila y columna de la matriz, es decir 2(1+2+...+n), que es un nmero par. Llamaremos adjunto del menor a su signatura por su menor complementario. Ejemplo VI.6.5 En la matriz 2 3 A= 4 5 1 0 1 2 3 3 1 2 7 0 1 9 0 0 6 1 0 1 5 2 8

los subndices f1 = 1, f2 = 2, c1 = 2, c2 = 4 determinan el menor 0 2 1 1 cuya signatura es ( 1) 1+2+2+4 = 1, siendo, por tanto, de clase impar. Su menor complementario se obtiene suprimiento las filas 1 y 2 y las columnas 2 y 4 4 0 5 1 1 5 y su adjunto es, por tanto 4 0 5 1 1 5 6 1 8 6 1 8

37

Si elegimos como menor de orden 1 y formado por el elemento que est en la 2 fila y 5 columna, | 9 |, tenemos 2 4 menor complementario: 5 1 0 1 2 0 3 1 3 5 2 0 2+5 , signatura: (1) , adjunto = 0 2 2 4 5 1 0 1 2 0 3 1 3 5 2 0 0 2

En general, la signatura del menor de orden 1 formado por el elemento aij es (1)i+j, luego las signaturas de estos menores de orden 1, segn la posicin que ocupan en la matriz, vendrn dadas por + + . . . + +... + + . . . + +... .......... . . . . . . . . .+ Estos conceptos nos permiten construir otro procedimiento para el clculo de un determinante; se denomina regla de Laplace y se basa en el siguiente teorema: "Todo determinante es igual a la suma de los productos de todos los menores de orden h, que se pueden formar con h lneas paralelas fijas, por sus adjuntos repectivos" En efecto, demostraremos previamente que si multiplicamos un menor por su adjunto, el producto forma parte del desarrollo del determinante. Sea el determinante de orden n

a11 . . a 1h a 1h+1 . . a 1 n ..................... ah1 . . a hh a hh+1 . . a h n D= a h+11 . . a h+1h a h+1h+1 . . a h+1n ..................... an1 . . a nh a nh+1 . . a n n y supongamos el menor M formado por las h primeras filas y las h primeras columnas, cuya signatura ser (1)2(1+...+h) = +1, por lo que su adjunto es igual a su menor complementario M'. Un trmino cualquiera del producto de ambos tiene la forma (1)a i11 ... a ihh (1) 'a ih+1h+1 ... a inn siendo el nmero de inversiones de la permutacin de filas ( i1 ,...,ih ) del menor M y ' el

38 nmero de inversiones de la permutacin de filas ( ih +1 ,...,in ) del menor M '. El nmero de inversiones de la permutacin (i1,...,ih,ih+1,...,in) es +', ya que (i1,...,ih) es una permutacin de (1,...,h) y (ih+1,...,in) es una permutacin de (h+1,...,n), por lo que el producto anterior (1) + 'a i 1 1 ...a i h h aih +1 h ...a inn es un trmino del desarrollo del determinante D, es decir D = M M '+... Si el menor M estuviera formado, en general, por las filas f 1 ,..., f h y las columnas c 1 ,..., c h , podemos reducirlo al caso anterior llevando la fila f1 al primer lugar,..., la fila fh al lugar h, la columna c 1 a la primera,... y la columna ch al lugar h, para lo cual habremos realizado los siguientes cambios de lnea (f1 1)+...+(fh h )+( c 1 1)+...+(c h h ) = (f1+...+fh)+( c 1+...+c h) 2(1+...+ h ) La relacin entre D y el nuevo determinante obtenido D' es D = (1)(f1+...+fh)+(c1+...+ch)+2D ' Aplicando el resultado anterior a D' tendremos D = (1)(f1+...+fh)+(c1+...+ch)+2MM '+... = (1)(f1+...+fh)+(c1+...+ch)M M '+... y teniendo en cuenta que el adjunto de M es (1)(f1+...+fh)+(c1+...+ch)M ' resulta que, efectivamente, el producto de cualquier menor por su adjunto forma parte del n desarrollo del determinante D . Si sumamos los productos de los h distintos menores que pueden formarse con las h lneas paralelas fijas por sus adjuntos, el nmero total de sumandos es n h! (nh)! = n! h siendo todos ellos distintos al estar formados por distintos elementos de la matriz de D; por tanto, obtenemos as todos los trminos del desarrollo del determinante D. Ejemplo VI.6.6 Apliquemos la regla de Laplace para desarrollar el determinante del ejemplo VII.5.3

39 0 0 1 2 2 2 1 3 4 2 3 1 1 5 3 2 5 1 3 5 4 3 2 1 4 utilizando los menores que pueden formarse con las columnas 3 y 5. El determinante ser igual a 1 3 3 1 5 2 1 2 5 3 + (1)12 2 1 4 3 1 2 1 3 1 2 5 0 0 3 1 2 5 4 3 5 + (1)13 1 3 2 1 4 2 1 4 2 13 1 2 2 5 3 + (1) 3 1 5 + 3 1 5 4 3 1 4 3 1 0 0 2 0 0 2 2 14 3 2 2 5 3 + (1) 3 1 5 + 3 1 5 4 3 1 4 3 1 0 2 0 0 16 1 3 1 4 + (1) 2 1 2 4 3 1 2 5 2 4 + 3

(1)

11

+ (1)

14

1 2 2 4

+ (1)

15

3 2 2 4

2 0 15 1 3 5 + (1) 2 1 5 3 4

+ (1)

17

0 0 1 5 2 1 2 4 3 1

2 4 = (4)48+158(3)47+(8)(43)728+(13)26 5 (16)(34)(2)4+(10)(16)14(10) = 35

Si aplicamos la regla de Laplace con h = 1, es decir, fijando tan solo una lnea, el determinante es igual a la suma de los productos obtenidos multiplicando todos los elementos de sta por sus adjuntos respectivos. As, el determinante de orden n lo reducimos al clculo de n determinantes de orden n1; si elegimos una lnea con elementos iguales a 0, el nmero de determinantes a calcular es menor; si hacemos transformaciones elementales previas para conseguir que los elementos de una lnea sean nulos, excepto uno de ellos, el determinante de orden n se reduce a un determinante de orden n1 y, reiterando el proceso, podemos llegar hasta un determinante de orden 3 o de orden 2 y aplicar la regla de Sarrus. Ejemplo VI.6.7 Este proceso aplicado al determinante del ejemplo anterior es:

40 0 0 1 2 2 0 0 1 0 0 2 1 2 4 2 1 2 4 2 1 3 4 2 2 1 3 2 4 3 1 3 1 5 0 1 3 = 3 1 1 5 3 = 3 1 1 3 1 = = 2 5 5 3 8 0 5 23 2 5 1 3 5 2 5 1 5 3 4 3 5 8 2 0 1 4 4 3 2 1 4 4 3 2 5 8 5 1 3 5 = 8 5 23 = 33 2 1 4 7 1 3 33 38 0 38 = = 35 7 7 0 7

Si la suma de los productos de los elementos de una lnea por sus adjuntos es igual al determinante, la suma de los productos de los elementos de una lnea por los adjuntos de una paralela, vale cero; en efecto, si en el determinante a 11 . . a 1i . . a 1j . . a 1 n a 21 . . a 2i . . a 2j . . a 2 n ................ a n1 . . a ni . . a nj . . a nn formamos la suma de los productos de los elementos de la columna i por los adjuntos de los elementos de la columna j a 1iA 1j+ a 2iA 2j+...+a niA nj el resultado es igual al determinante a 11 . . a 1i . . a 1i . . a 1 n a 21 . . a 2i . . a 2i . . a 2 n ................ a n1 . . a ni . . a ni . . a nn que es 0 por tener dos columnas iguales. Ejercicios VI.35.-Calcular los siguientes determinantes: 1 5 5 3 4 0 2 1 8 12 1 2 1 2 4 3 1 3 5 7 3 6 9 12 5 10 15 20 7 14 21 28 9 18 27 36 9 15 25 35 45

41 VI.36.-Desarrollar los determinantes 5 7 6 8 5 3 1 4 6 4 2 3 2 4 1 2 2 4 (para 1 = 2 3 0 3 2 4 4 , 3 = 1 1 1 2 1 4 1 8 1 16 y 4 = 1 1 1 3 4 5 9 16 25 27 64 125 81 256 625 ) 1 1 1 1 1 2+a 1 1 1 1 2+a 1 1 1 1 2+a 1 a a
2

1 b

1 c

1 d

b2 c2 d2

a3 b 3 c 3 d 3

, 2 =

abc 2a 2a 2b bca 2b 2c 2c cab VI.37.-Calcular 2 1 0 0 0 0 2 0 0 0 0 4 1 0 0 0 3 2 1 0 0 0 1 3 2 0 0 0 2 1 2 0 0 0 3 1 1 1 1 1 0 1 1 1 0 ....... 1 1 1 .. .. .. ... .. 1 1 1 . 0

0 1 1 1 0 1 1 1 0 ........ 1 1 1

.. .. .. .. ..

1 1 1 .. 0

0 1 1 . 1

1 1 0 1 1 0 ..... 1 1

.. .. .. .. ..

1 1 1 . 0

1 n n . n

n n 2 n n 3 ..... n n

.. .. .. .. ..

n n n . n

a0 1 0 .. 0 0

a1 x 1 ... 0 0

a2 0 x ... 0 0

. . an -1 .. 0 .. 0 ....... .. x . . 1

an 0 0 .. 0 x

VI.38.- Demostrar que x a b x VI.39.- Calcular a x x b b x x a x b 2 2 2 = (ba ) (a +b) 4x a x

42 p+q q q p+q ...... q q siendo n el orden del determinante VI.40.- Resolver en R, las ecuaciones 1+x 1 1 1 1 1x 1 1 1 1 1+x 1 1 1 1 1x VI.41.-Resolver las ecuaciones x 1 1 1 x
3 2

q q ... q

.. .. ... ..

q q .. p+q

1 = 81 , x x x
2 3

x x 1
3

x2 x3 1 x x2 1 x = 512000

x2 x3

1 x 1 1

1 1 x 1

1 1 =0 1 x

1 1 1 x

1 1 x 1

1 x 1 1

x 1 =0 1 1

8 27 64 x 2x+1 2x+1 2x+1 3x1 4x = 0 3x1 4x 6x1 x a a a x a =0 a a x

x 4 9 16 =0 x 2 3 4 1 1 1 1
3 2

3x 2

3x

x x 1

x 2+2x 2x+1 1 =0 2x+1 x +2 1 3 3 1

1 1 1 1 x 1 1 1 x ....... 1 1 1

.. 1 .. 1 .. 1 =0 ... .. x

VI.42.- Sea E el espacio vectorial de las matrices cuadradas de orden (2,2), con coeficientes en a b R y sea B = un elemento de E . Se define la siguiente aplicacin c d fB : E A a) Probar que fB es lineal. b) Demostrar que el det(fB) = (det (B))2. E fB(A ) = BA

43

VI.7.- CARACTERISTICA DE UNA MATRIZ Generalizando los conceptos anteriores, dada una matriz cualquiera AM(m,n)(K) se define como menor de orden h de A a cualquier determinante de orden h formado por h columnas de subndices 1 c 1 <...<c h n y h filas de subndices 1 f1 <...<fh m de la matriz dada; obviamente el mximo orden de un menor es menor o igual que la menor de las dos dimensiones de la matriz. Llamamos caracterstica de la matriz A al orden del mayor menor no nulo que puede formarse con sus filas y columnas, es decir, el orden de la submatriz cuadrada de A, de mayor orden, entre las que tienen determinante no nulo. Se verifica que para toda matriz AM(m,n)(K) el rango es igual a la caracterstica: en efecto, sea AM(m,n)(K) tal que rang(A) = r caract(A) = c

Veamos que r c : por definicin de caracterstica existe un menor de orden c no nulo, cuyas filas y columnas podemos suponer que son las c primeras de la matriz A (lo cual siempre es posible conseguir mediante transformaciones elementales, que no varan el rango). La submatriz B de A formada por estas c primeras columnas tiene rango c, ya que sus primeras c filas forman un conjunto de vectores l.i., luego r = rang(A) rang(B) = c Veamos que tambin se cumple c r y habremos completado el proceso de demostracin: como rang(A ) = r, en la matriz A hay r columnas l.i.; sea C la submatriz correspondiente a estas columnas; dado que rang(C ) = rang(C t), tendremos que en C hay r filas l.i., que nos determinarn un menor de orden r no nulo, que tambin es menor de A , por lo que su caracterstica es, por lo menos r, es decir, c r. De ambos resultados se obtiene r = c. Ejemplo VI.7.2 Para la matriz 1 2 A= 3 4 tenemos que det (A) = 0 pues la 4 columna es igual a la 2 menos la 3. Como 1 2 3 5 6 0 1 5 2 = 3 6 0 1 = 34 = 12 2 5 1 6 2 0 0 2 1 4 4 0 3

44

es rang(A) = caract(A) = 3 El clculo de la caracterstica de una matriz, puede plantearse de dos modos: empezando por el menor de mayor orden, o por los orden 2, cuyos valores son calculables inmediatamente. En cualquier caso su clculo sera bastante largo; existe un modo de simplificar el proceso basado en el siguiente resultado: "Si en una matriz cuadrada existe un menor de orden r distinto de 0 y todos los menores de orden r+1 que lo contienen son iguales a 0, entonces la caracterstica de la matriz es r. Recprocamente si la caracterstica de la matriz es r, existe un menor de orden r distinto de cero y todos los menores de orden r+1 que lo contienen, si los hubiere, son 0". En efecto, sean f1,...,fr c1,...,cr las filas y columnas que forman el menor no nulo de orden r, por lo que el rango de la submatriz que forman es r y el conjunto de los vectores columna {c1,...,cr} es l.i.; si a estas r columnas aadimos otra cualquiera ci la submatriz formada por estas r+1 columnas c 1 ,..., c r , c i y las r filas f1,...,fr, ampliadas con el nuevo elemento de la columna ci, tiene rango r, por tener un menor de orden r distinto de 0; todos los determinantes de orden r+1 formados por las columnas c1,...,cr,ci y las filas f1,...,fr fj (j 1,..,r) son nulos, por hiptesis, por lo que la fila fj es combinacin lineal de las otras y la submatriz formada por las columnas c1,...,cr,ci, y todas las filas tiene rango r; as ci es combinacin lineal de las dems y, como i es cualquiera, la matriz tiene rango r. El recproco es inmediato a partir de la definicin de caracterstica. Ejemplo VI.7.1 Para el clculo de la caracterstica de la matriz 0 7 7 3 11 8 1 0 3 1 1 1 2 1 1 0 1 1 2 3 2 1 2 2 1 3 0 2 empezamos por un menor de orden dos no nulo 1 1 0 0 2

Calculamos menores de orden tres que contengan a este menor de orden dos distinto de 0. Como 0 3 1 1 0 1 0 1 2 2 continuamos con los menores de orden cuatro que contienen a este menor de orden tres

45

0 0 1 1

7 3 0 2

7 3 1 1 =0 1 1 2 1

0 0 1 1

7 3 0 2

7 11 1 1 =0 1 2 2 3

0 0 1 1

7 3 0 2

7 1 1 2

8 2 =0 3 0

0 0 1 1

7 3 0 2

7 1 1 1 =0 1 2 2 2

con lo que, segn el resultado anterior, todo menor de orden cuatro es nulo y la caracterstica de la matriz es 3. Ejercicios VI.43 .Calcular el rango de las matrices

1 1
1 1 2 (para 1 = a 1 1 1 a 1 1 1 a

3 1 4 1 3 1 4 5 2 6 1 3 8 8 7 7 13 15 10 y 4 = ) 1 i 1i 1 1+i 2i 1+i 2i i 2i 1 2+i 2i 0 1+i 2+i 1 4 2 5 0 3 1 0 2 5 3 10 6 11 10

1 1 2 1 1 1

0 1 1 4 5 , 2 = , 3 = a 1 1 1 1 a 1 a 1 1 a a
2

1 1 3 1 i 12i i 1 2+i

VI.44.- Sea el endomorfismo de

R3

2 4 2 de matriz M = 1 a a . Estudiar su rango segn los 1 2 1

valores de a Demostrar que para todo a el rango de M es dos. VI.45 .- Hallar segn los valores de aR el rango de la matriz 1 a A= 0 a 0 0 a a 1 a 0 a 0 0 a a 1 a 0 a

VI.8.-APLICACIONES DE LOS DETERMINANTES Los determinantes son una herramienta muy til en la resolucin de dos problemas, vistos anteriormente: el clculo de la matriz inversa y la resolucin de sistemas de ecuaciones lineales.

46 Sabemos que, segn resultados anteriores, para una matriz cuadrada A de orden n A inversible rang(A) = n det(A) 0 Supongamos una matriz de este tipo a11 a 12 . . a 1 n a21 a 22 . . a 2 n A= ............ an1 a n2 . . a n n Construyamos la matriz A 11 A21 . . An 1 A 12 A22 . . An 2 A* = ............ A 1 n A2 n . . A n n en la que A ij es el adjunto de a ij en A; esta matriz se denomina matriz adjunta de A . Si efectuamos el producto de ambas resulta a11A 11+a 12 A 12 +..+ a 1nA1n a21A 11+a 22 A 12 +..+ a 2nA1n AA* = ................... an1A 11+a n 2 A 12 +..+ a nnA1n a 11A 21+a 12 A 22 +..+ a 1nA 2n . a 21A 21+a 22 A 22 +..+ a 2nA 2n . ..................... a n1A 21+a n 2 A 22 +..+ a nnA 2n . . . . . a 11A n1+a 12 A n 2 +..+ a 1 n A n n a 21A n1+a 22 A n 2 +..+ a 2 n A n n .................. a n1A n1+a n 2 A n 2 +..+ a nn A n n

y teniendo en cuenta que la suma de los productos de los elementos de una lnea por sus adjuntos es igual al determinante, mientras que la suma de los productos de los elementos de una lnea por los adjuntos de una paralela es cero, ser det(A) 0 .. 0 0 det(A) . . 0 = det(A) ................ 0 0 . . det(A) 1 0 .. 0 0..0 1..0 = det(A) I ..... 1..1

AA* =

y como A es inversible, podemos escribir A* = det(A) A-1I A-1 1 = A* det(A)

es decir, la matriz inversa es igual a la matriz adjunta multiplicada por el inverso del determinante.

47 Ejemplo VI.8.1 Para la matriz 0 A= 1 1 tenemos 0 det(A) = 1 1 luego es regular y tiene inversa. Como 2 4 3 A* = 3 1 1 2 3 3 la inversa es 2/7 4/7 3/7 A = 3/7 1/7 1/7 2/7 3/7 3/7
-1

3 0 2

1 1 2

3 0 2

1 1 = 7 2

Ejemplo VI.8.2 Veremos a continuacin un esbozo de como con la ayuda de una matriz inversible se pueden construir y descifrar claves (Criptografa) en la transmisin de mensajes. Si queremos enviar la siguiente informacin: "LAS MATEMATICAS SON UTILES" y no queremos que sea entendida por ningn posible interceptor, podemos realizar los siguiente pasos: a) Asignamos a cada letra una de las 26 letras del alfabeto un nmero de orden que sea un elemento del conjunto Z/(26) A, B, C, D, E, ....., X, Y, Z 1, 2, 3, 4, 5, ....., 24, 25, 0 b) Agrupamos las letras de nuestro mensaje en grupos de n letras, para n N *; por ejemplo, para n = 3

48 LAS MAT EMA TIC ASS ONU TIL ESX aadiendo la letra X para completar el ltimo grupo. c) Escribimos cada grupo de n letras como un vector de Rn tal que sus componentes sean los nmeros asignados a cada una de ellas, segn el apartado a). Construimos con estos vectores una matriz A de n filas y tantas columnas como grupos y de coeficientes en Z/(26). En nuestro ejemplo es 12 A= 1 20 13 1 21 5 13 1 21 9 3 1 20 20 16 14 22 21 9 12 5 20 24

d) Construimos una matriz cuadrada MM(n,n)(Z) inversible y tal que su determinante sea igual a 1 (matriz codificadora), para que los coeficientes de M-1 pertenezcan a Z. En nuestro caso tomamos, por ejemplo 0 M= 1 1 1 1 3 1 2 5 1 M 1 = 3 2 2 1 1 1 1 1

e) Multiplicando la matriz M por la matriz A, obtenemos una nueva matriz B , que proporciona el mensaje codificado. En nuestro caso es 0 1 1 B = MA = 1 1 2 1 3 5 21 = 53 22 56 12 1 20 14 20 49 13 1 21 12 36 63 5 13 1 40 61 21 9 3 36 74 1 20 20 21 54 16 14 22 44 73 21 9 12 5 20 24 =

115 121 y el mensaje codificado es

161 168 108 185

21,53,115,22,56,121,14,20,49,12,36,63,40,61,161,36,74,168,21,54,108,44,73,185 El receptor adecuado del mensaje, ser conocedor de la matriz M, por lo cual podr construir con facilidad la matriz B , obtener A = M -1B y a partir de ella escribir la informacin original. Si en lugar de expresar el mensaje codificado numricamente, queremos expresarlo en letras del alfabeto, basta convertir los elementos de B a elementos de Z/(26); en el ejemplo 21 B' = 1 11 22 4 17 14 20 23 12 10 11 14 9 5 10 22 12 21 2 4 18 21 3

49

y el mensaje codificado es 21, 1,11,22, 4,17,14,20,23,12,10, 11,14, 9, 5,10,22,12,21, 2, 4,18,21, 3 T ,A, K, U, D, P, N, S, V, L, J, K, N, I, E, J, U, L, T, B, D,Q, T, C Anlogamente al caso anterior el receptor, conocedor de la matriz codificadora M , a partir del mensaje recibido construye B ' y obtiene A = M -1B ', es decir el mensaje original. Recordemos los resultados bsicos sobre compatibilidad de un sistema de ecuaciones lineales con m ecuaciones y n incgnitas. Escrito de forma matricial ser Ax = b siendo A la matriz de los coeficientes, del tipo ( m,n), x la matriz columna de las incgnitas, del tipo (n,1), y b la matriz columna formada por los trminos independientes, del tipo (m,1). El sistema es compatible si y slo si las matrices de coeficientes y la ampliada tienen el mismo rango, es decir, rang(A) = rang(A|b) = r Si el rango comn r es igual al nmero de incgnitas n, el sistema es determinado; si r es menor que n el sistema es indeterminado y, en este caso, la solucin general es igual a una solucin particular ms cualquier combinacin lineal de nr soluciones l.i. del sistema homogneo asociado. Ax = 0 Vamos a estudiar la resolucin de sistemas mediante determinantes, segn el valor de r. 1 Caso : r = n = m (sistema de Cramer) El sistema tiene igual nmero de ecuaciones que de incgnitas, la matriz A es regular y segn el Teorema de Rouch existe una nica solucin, que obtendremos teniendo en cuenta que: A*b Ax = b x = A-1b x = det(A) es decir, x1 x2 1 = .. det(A) xn A 11 A21 . . An 1 A 12 A22 . . An 2 ............ A 1 n A2 n . . A n n b1 b2 .. bn

y desarrollando e igualando los elementos de las matrices resultantes en ambos miembros la primera incgnita es

50

x1=

A 11 b 1 + A 21 b 2 +..+ A n 1 b n det(A)

b1 b2 .. bn

a 12 . . a 1 n a 22 . . a 2 n ....... a n2 . . a nn det(A)

la segunda a 11 b1 . . a 1 n a 21 b2 . . a 2 n ......... a n1 bn . . a nn det(A)

x2=

A 12 b 1 + A 22 b 2 +..+ A n 2 b n det(A)

y, as sucesivamente, para la ltima a11 a21 ... an 1 a12 . . b1 a22 . . b2 ....... an 2 . . b n det(A)

xn =

A 1nb 1+ A 2nb 2+..+ A nnb n det(A)

Cada incgnita resulta ser igual a un cociente en el que el divisor es el determinante de los coeficientes del sistema y el dividendo es el determinante de la matriz resultante de sustituir en la matriz del sistema A la columna de coeficientes de la incgnita por los trminos independientes. Ejemplo VI.8.3 El sistema 3x+2z = 1 x+y+z = 1 2x+5z = 4 tiene tres ecuaciones , tres incgnitas y 3 A= 1 2 0 1 0 2 1 5

det(A) = 11 rang(A) = 3

51

siendo pues un sistema de Cramer cuya solucin es 1 1 4 0 1 0 11 2 1 5 3 1 2 1 1 4 11 2 1 5 3 1 2 0 1 0 11 1 1 4

x=

3 11

y=

4 11

z=

10 11

2 caso : r = m < n o r = n < m o r < n y r < m En primer lugar, cuando r < m, hay que probar la compatibilidad rang(A) = rang(A|b) = r. Si el sistema es compatible la solucin general puede hallarse de acuerdo con el siguiente razonamiento: la matriz A|b contiene un menor de orden r cuyas filas indican las ecuaciones l.i. del sistema, que llamaremos ecuaciones principales , de forma que las dems filas corresponden a ecuaciones que son combinacin lineal de stas, por lo que pueden ser suprimidas quedando como sistema equivalente el formado por las ecuaciones principales; las r columnas l.i. del menor distinto de cero que define el rango de A determinan las incgnitas, que llamaremos incgnitas principales, de modo que pasando al segundo miembro los trminos que contienen a las incgnitas no principales, formamos un sistema de Cramer cuya solucin nos da la solucin general del sistema. Por ejemplo si las filas y columnas del menor no nulo de A son las r primeras hemos reducido el sistema al a11x1+...+a1rxr = b1a1r+1xr+1...a1nxn .......................... ar1x1+...+arrxr = brarr+1xr+1...arnxn cuya solucin expresar las incgnitas principales x1,...,xr en funcin de xr+1,...,xn. Ejemplo VI.8.4 Para el sistema 2x+3yz = 1 x+y+3z = 7 3x+4y+2z = 8 x+2y4z = 6 se verifica 2 1 rang(A) = rang 3 1 siendo distinto de 0 el menor 3 1 1 3 = 2 = rang 4 2 2 4 2 1 3 1 3 1 1 1 3 7 4 2 8 2 4 6

52 2 1 3 1

que seala como ecuaciones principales a las dos primeras y como incgnitas principales a x e y. El sistema es equivalente al formado por estas ecuaciones e incgnitas, es decir, 2x+3y = 1+z x+y = 73z cuya solucin es 1+z 3 73z 1 2 1 3 1 2 1+z 1 73z 2 1 3 1

x=

= 10z+20

y=

= 7z13

Caso particular interesante es el de un sistema homogneo con n ecuaciones y n incgnitas tal que el rango de la matriz de coeficientes sea n1, es decir, a 11x1+ a 12x2+...+a 1nxn = 0 a 21x1+ a 22x2+...+a 2nxn = 0 ................. a n1x1+ a n2x2+...+a nnxn = 0 con a11 a 12 . . a 1 n a21 a 22 . . a 2 n rang = n 1 ............ an1 a n2 . . a n n Esto significa que existe un menor de orden n1 distinto de cero que podemos suponer, sin prdida de generalidad en el razonamiento, que est formado por las primeras n 1 filas y columnas; por ello, y segn lo anterior, el sistema equivale al a 11x1+ a 12x2+...+a 1n-1xn-1 = a 1nxn a 21x1+ a 22x2+...+a 2n-1xn-1 = a 2nxn ...................... an-11x1+ an-12x2+...+an-1n-1xn-1 = an-1nxn que es un sistema de Cramer, siendo la solucin para x1 el cociente

53 a 1nxn a 2nxn a12 . . . a1n-1 a22 . . . a2n-1 xn( 1)

n-2

................... an-1nxn an-12 . . an-1n-1 x1 = = a11 a12 . . . a1n-1 a21 a22 . . . a2n-1 ................ an-11 an-12 . . an-1n-1

a12 . . . a1n-1 a1n a22 . . . a2n-1 a2n ............... an-12 . . . an-1n-1 an-1n a12 . . . a1n-1 a22 . . . a2n-1

a11 a21

................ an-11 an-12 . . an-1n-1

El determinante del denominador es Ann, adjunto del elemento ann en la matriz de coeficientes del sistema y el numerador es An1, adjunto del elemento an1 en la matriz del sistema. Podemos, por tanto, escribir x1 = luego x1 A n1 = xn Ann xnA n1 Ann

si A n1 no es nulo (si A n1 = 0, entonces x1 = 0 por lo que podemos escribir la solucin en la forma anterior aunque A n1 sea nulo, interpretando que en este caso es nula la incgnita del numerador). Anlogamente se obtienen las dems soluciones, que pueden escribirse en la forma x2 A n2 o escribindolas conjuntamente x1 A n1 = x2 A n2 = ... = x n -1 A nn -1 = xn Ann = xn Ann ,..., x n -1 A nn -1 = xn Ann

es decir, valores proporcionales a los adjuntos de los elementos de la fila de la matriz que no forma parte del menor principal. Ejemplo VI.8.5 El sistema de tres ecuaciones e incgnitas 2x+3yz = 0 x+y+3z = 0 2x+2y+6z = 0 puede comprobarse que verifica rang(A) = 2, ya que

54

2 1 2 siendo distinto de 0 el menor

3 1 1 3 =0 2 6

2 1 Por ello, el sistema tiene por solucin

3 1

y x z = = 10 7 1 Ejercicios VI.45 .- Demostrar que ((1,1,1,0), ( 2 ,0,2,2), (0,1,3, 3 ), (1,1,0, 4)) es una base de R4 y hallar la matriz del cambio de esta base a la base cannica, para 1 = , 2 = , 3 = , 4 = . VI.46.- Hallar las inversas de las matrices siguientes: 3 2 1 4 6 2 1 2 3 2 1 1 4 2 0 3 1 1 1 2 3 1 2 3 4 3 5 2 5 1 1 1 5 7

VI.47.- Discutir para los diferentes valores de mR el sistema x+my+z = m+2 x+y+mz = 2(m+1) mx +y+z = m VI.48.- Discutir y resolver segn los valores de k y m el sistema x2y = 3k+3m x-y = 2k+2m+1
2 2 mx +ky+5 = m k 1 2 2 kx+my +7 = k m +13

VI.49.- Discutir segn los valores de a y b, los sistemas

55 ax+y+z+t = a x+ay+z+t = a x+y+az+t = a x+y+z+at = a ax+by+z = 1 x+aby+z = b x+by+az = 1

VI.50 .-Estudiar la compatibilidad de los sistemas lineales siguientes y resolver el segundo: 2 x + y z = b1 x+2y+z = b2 3x+y2z = b3 ax+y+z = 1 x+ay+z = a x+y+az = a
2

VI.51.- Resolver, segn los valores de los parmetros reales a, b, c, d el sistema x+ y + z = 1 ax+by+cz = d
2 2 2 2 a x+ b y+c z = d

Encontrar el valor de P = a3x+b3y+c3z, si (x,y,z) es una solucin del sistema anterior. VI.52.- Bajo que condicin el sistema sobre R y+az+a 2t = 1
2 x+a z+at = 1 2 ax+a y+t = 1 2 a x+ay+z = 1

posee solucin nica. Resulvase en este caso concreto. Hallar a y b para el siguiente sistema admita solucin distinta de la trivial: 2xay+bz = 0 xay+z = 0 2bx+2y+3z = 0 3xy+2z = 0

56 PROCEDIMIENTOS PRCTICOS BASICOS Los procedimientos bsicos que forman los elementos constructivos a partir de los cuales pueden abordarse los problemas que tratan sobre las materias desarrolladas en este Cuaderno, son los siguientes: - Relacin matriz-frmula en una forma bilineal. - Imagen matricial de un par de vectores en una forma bilineal. - Matrices de una forma bilineal en bases distintas. - Relacin matriz-frmula en una form cuadrtica - Averiguar si una forma cuadrtica es definida. - Averiguar si una aplicacin de VV en R es un producto escalar. - Hallar el producto escalar de dos vectores. - Hallar la norma de un vector. - Hallar una base ortonormal de un espacio euclidiano. - Averiguar si dos subespacios son ortogonales. - Hallar el subespacio ortogonal a un subespacio dado. - Proyectar un vector sobre un subespacio. - Hallar el ngulo de dos vectores. - Clculo de determinante por el algoritmo de Gauss. - Clculo de determinante por la regla de Laplace. - Clculo de la caracterstica de una matriz. - Clculo del rango por determinantes. - Averiguar si n vectores de un e.v. de dimensin n forman una base - Hallar la inversa de una matriz regular. - Resolver un sistema lineal mediante determinantes.

57 EJERCICIOS DE RECAPITULACION

VI.53.- Si f : EE

R es una forma bilineal, probar que g, definida por g ( x , y ) = f ( x , y )+ f ( y , x )

es tambin bilineal. Es g simtrica?. VI.54.- Sea la forma bilineal f : R2R2 R, cuya matriz es la base cannica es A= 4 2 2 1

a) Si definimos el conjunto anulador N de f como el conjunto de vectores xR2 tales que ( y R 2) (f(x ,y ) = 0) hallar N , una base de N y comprobar que N coincide con los vectores del ncleo del endomorfismo cuya matriz en la base cannica es A. b) Sea la nueva base de R2 formada por el vector (1,0) y por un vector de E de la base del anulador. Hallar la matriz de f en esta nueva base. c) Es f definida positiva?. VI.55.- Sea la matriz 1 A= 3 4 3 1 0 4 0 1

asociada a un endomorfismo f de R3 referido a una base ortonormal ( e). Definimos en R3 dos formas bilineales f1 ( x ,y ) = <x ,f( y )> f2 ( x ,y ) = <f( x ),y >

x e y son dos vectores expresados en la base ortonormal (e ). Hallar las matrices asociadas a f1 y a f2 en dicha base. Comprobar que f1 = f2. Cmo ha de ser la matriz A para que se verifique la condicin anterior?. VI.56.- Sea V un espacio vectorial real. Si <,> y (|) son dos productos escalares en V; averiguar si las aplicaciones de V2 en R definidas por ( x ,y ) <x ,y >+( x | y ) (x , y ) k <x ,y> con k R +

son productos escalares.

58

VI.57.- Si V es un e.v.s. R de dimensin 1, hallar todos los productos escalares en V. VI.58.- Sea V el espacio vectorial sobre R de las funciones reales de variable real de la forma f(x) = ae -x+be -2x+ce -3x Definimos en V la siguiente operacin <f,g> =
0

con a ,b ,c R

f(x ) g(x) dx

a) Demostrar que se ha definido un producto escalar. b) Dado el conjunto M = {fV f(x) = ae -x+be -3x con a,bR}, demostrar que es un subespacio vectorial de V y hallar una base ortonormal para M. c) Expresar la funcin g(x) = e-x2e -3x en la base anterior y calcular su norma . d) Hallar el subespacio ortogonal asociado al subespacio engendrado por e -3x. VI.59.- Sea (e1,e2,e3) una base de E, espacio vectorial sobre R, que verifica e 1 = 1 , e 2 = 2 , e 3 = 2 , e1 e2 , e2 e3 , (e1,e3) = 60 a) Hallar la expresin matricial del producto escalar respecto de la base (e1,e2,e3). b) Calcular el ngulo que forman los vectores u1 = e1e2 y u2 = 2e2e3. d) Hallar una base ortonormal del subespacio [u1,u2]. VI.60.- Calcular los siguientes determinantes: 1 3 1 a 0 1 0 0 .... 0 0 5 0 a 1 ... 0 7 0 0 a .. 0 . . 2n+1 .. 0 .. 0 .. 0 ...... .. a a a a a .. a b a a a .. a b a a .. a .. .. b .. a .. ..... a .. .. a

donde los * denotan escalares cualquiera. VI.61.- Resolver la ecuacin a +x x x x x b+x x x =0 x x c+x x x x x d+x

59

VI.62.- Demostrar que x a b c a x c b b c x a c b = (x+a+b+c) (x+abc) (xa+bc) (xab+c) a x

VI.63.-Resolver las ecuaciones x1 x 21 x 31 2x4 x 4 x 8 = 0

2 3 3x9 x 9 x 27 2 3

ax bx cx a'x b 'x c'x = 0 a '' x b'' x c'' x

VI.64.-Dada una matriz AM(n,n)(K), considrese el endomorfismo fA : M(n,n)(K) M M (n,n)(K ) fA(M) = AM

Demostrar que det(fA) = (det(A))n. Lo mismo si fA(M) = MA. Si fA(M) = MAAM, demostrar que det(fA) = 0.

BIBLIOGRAFIA de Burgos J. (1988). Curso de Algebra y Geometra. Alhambra. Madrid. Dixmier J. (1974). Matemticas Generales. Editorial Aguilar. Madrid. Godement R. (1974). Algebra. Tecnos. Madrid. Hoffmann R., Kunze R. (1974). Algebra Lineal. Prentice. Madrid. Lentin A., Rivaud J. (1973). Algebra Moderna. Aguilar. Madrid. Noble B., Daniel J.W. (1988). Applied Linear Algebra. Prentice Hall. London. Queysanne M. (1985) Algebra. Vicens-Vives. Barcelona. Sainz M.A., Serarols J.L. Prez A.M. (1994). lgebra. Escuela Politcnica Superior. Gerona. Sancho J. (1974). Algebra lineal y geometra. Universidad de Zaragoza.

60 Torregrosa J.R., Jordan C. (1987). Algebra Lineal y sus aplicaciones. McGraw-Hill. Madrid. Xamb S. (1977). Algebra Lineal y geometrias lineales. EUNIBAR. Barcelona.