Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LINEAL
Roco Buitrago A
ALGEBRA
LINEAL
www.mundoindustrial.net
LGEBRA LINEAL
www.mundoindustrial.net
INTRODUCCIN
Que todo nuestro conocimiento empieza con la experiencia, es efectivamente cosa sobre la cual no hay duda
. . . pero aunque nuestro conocimiento empieza con la experiencia, no nace todo l de la experiencia.
Enmanuel Kant.
Este texto ha sido elaborado teniendo en cuenta la presentacin de elementos nuevos para
los estudiantes, con un primer acercamiento a la abstraccin y formalizacin de conceptos
matemticos.
Se desarrollan los contenidos bsicos del curso de lgebra Lineal, distribuidos en seis
unidades modulares que se encuentran completamente interrelacionadas, de las cuales,
las Matrices y los Vectores son los ncleos conceptuales.
El texto contiene suficientes ejemplos resueltos en forma detallada, haciendo nfasis
especialmente en las interpretaciones geomtricas, para su posterior aplicacin en
temas especficos de la ingeniera, como la mecnica de fluidos o la investigacin de
operaciones.
La utilizacin de los conceptos del lgebra lineal en las ciencias aplicadas es frecuente.
Muchos problemas reales de la fsica, la economa y la ingeniera pueden ser modelados,
con bastante precisin para su anlisis y solucin, mediante sistemas de ecuaciones
lineales o mediante sistemas de fuerzas. Por otra parte, el manejo simultneo de mucha
informacin correlacionada, se puede realizar con mayor eficiencia cuando la presentacin
se hace en forma matricial.
Por las razones expuestas, espero que este texto proporcione nuevas herramientas de
apoyo para la formacin profesional de los estudiantes. Sin embargo, el xito en los
resultados del curso, depende no solo del buen uso de este material, sino de la disciplina
con que se asuma el compromiso adquirido.
www.mundoindustrial.net
www.mundoindustrial.net
OBJETIVO GENERAL
Desarrollar en los estudiantes la capacidad de abstraccin de conceptos y de formulacin
de modelos matemticos, que se ajusten a la descripcin y comportamiento de problemas
reales de la ingeniera o de otras reas del conocimiento como la biologa o las ciencias
sociales.
OBJETIVOS ESPECFICOS
Estudiar para los sistemas de ecuaciones lineales: los tipos de solucin y las
correspondientes interpretaciones, mtodos matriciales de solucin y algunas
aplicaciones a la ingeniera.
Distinguir y aplicar las diferentes operaciones definidas con vectores en el plano (2)
y en el espacio (3) y su generalizacin a n.
www.mundoindustrial.net
www.mundoindustrial.net
CONTENIDO
Introduccin
Objetivo general.
Objetivos especficos.
1
2
2
3
4
7
8
13
1.2.
1.2.1.
1.2.2.
1.2.3.
1.2.4.
16
16
18
21
25
28
1.3.
1.3.1.
1.3.2.
Matriz inversa
Algoritmo para hallar la matriz inversa
Aplicaciones
Ejercicios propuestos
30
33
35
38
Resumen y glosario
Auto evaluacin
Retroalimentacin
39
43
45
Introduccin
Objetivo general
Objetivos especficos
49
50
50
2.1. Generalidades
2.1.1. Sistemas de ecuaciones lineales ( S.E.L. )
2.1.2. Sistemas lineales homogneos ( S.L.H. )
Ejercicios propuestos
51
54
59
61
63
64
www.mundoindustrial.net
67
72
75
2.3.
2.3.1.
2.3.2.
Aplicaciones
Problemas con solucin nica
Problemas con ms de una solucin
Ejercicios propuestos
78
78
82
87
Resumen y glosario
Auto evaluacin
Retroalimentacin
89
91
92
Introduccin
Objetivo general
Objetivos especficos
97
98
98
99
101
107
113
3.2. Aplicaciones
3.2.1. Regla de Cramer
3.2.2. Matriz inversa
Ejercicios propuestos
115
115
120
127
129
131
132
Resumen y glosario
Auto evaluacin
Retroalimentacin
Introduccin
Objetivo general
Objetivos especficos
4.1. Vectores en 2
4.1.1. Caractersticas de los vectores en 2 (plano cartesiano):
Definiciones e interpretaciones geomtricas.
Norma. Angulo direccional. Vector normado.
4.1.2. Operaciones con vectores en 2
135
136
136
138
138
145
www.mundoindustrial.net
196
205
205
212
219
224
203
226
4.3.
Vectores en n
4.3.1. Generalidades de los vectores en n
4.3.2. Operaciones en n
227
227
228
235
238
241
Resumen y glosario
Auto evaluacin
Retroalimentacin
181
181
188
www.mundoindustrial.net
Introduccin
Objetivo general
Objetivos especficos
249
250
250
5.1.
5.1.1.
5.1.2.
5.1.3.
5.1.4.
Estructuras algebraicas
Estructura de grupo conmutativo
Estructura de campo
Estructura de espacio vectorial
Subespacios
Ejercicios propuestos
251
251
253
254
256
258
5.2.
5.2.1.
5.2.2.
5.2.3.
Bases y Dimensin
Generador de un espacio vectorial
Dependencia e independencia lineal
Bases y dimensin de un espacio vectorial
Ejercicios propuestos
260
260
265
270
278
5.3. Aplicaciones
5.3.1. Rango y nulidad de una matriz
5.3.2. Matriz de cambio de base
Ejercicios propuestos
279
279
285
288
290
294
296
Resumen y glosario.
Auto evaluacin.
Retroalimentacin.
301
302
302
303
303
311
316
324
325
325
329
332
333
336
337
Resumen y glosario
Auto evaluacin
Retroalimentacin
www.mundoindustrial.net
UNIDAD 1 -
Matrices - Generalidades
1.
MATRICES
Entender el significado de los invariantes representa un esfuerzo para reconocer lo que, por su forma,
o color, o sentido, o lo que sea, es importante o significativo entre aquello que es solamente trivial o
efmero. Un simple ejemplo de su falta de comprensin lo proporciona el examinando de Cambridge que
aprendi perfectamente a convertir en factores a2- b2 pero fracas cuando el examinador le pregunt
desconsideradamente por los factores p2- q2.
H. W. Turnbull.
INTRODUCCIN
Un fenmeno frecuente en la historia de la matemtica es sin duda, el que las herramientas
matemticas necesarias para las aplicaciones cientficas, han sido inventadas muchos
aos antes de poder intuir la ciencia en la cual han tenido aplicacin.
El lgebra de la matrices ha sido precisamente uno de ellas, y su estudio se considera
una de las contribuciones ms importantes por parte de Arthur Cayley, matemtico ingls
del siglo XIX. El tema de las matrices apareci en un escrito publicado por l en 1858,
titulado Memorias sobre la teora de las matrices. Surgi de la observacin sobre el
comportamiento de las combinaciones de transformaciones lineales (unidad 6), en la teora
de los invariantes algebraicos.
La definicin de la multiplicacin entre matrices, por la cual se obtienen resultados
diferentes segn el orden en que se multiplique, parece no tener importancia prctica o
cientfica. Sin embargo, 60 aos despus, Heisemberg encontr en el lgebra de matrices,
el instrumento preciso para el desarrollo de su obra trascendental en la mecnica cuntica.
En la actualidad, el desarrollo tecnolgico ha evolucionado rpidamente a tal punto que,
la aplicacin de programas computacionales es imprescindible en todo proceso de
optimizacin, en particular para el diseo de diferentes estructuras (edificios, puentes,
motores, etc. ), lo cual es posible gracias al manejo y aplicacin de la teora de las matrices
en los campos vectoriales.
El manejo que se hace de las matrices en esta unidad, es principalmente operacional. Sin
embargo, el tratamiento abstracto de las operaciones definidas y sus propiedades, permite
reconocer posteriormente la estructura algebraica del conjunto de las matrices como un
espacio vectorial (unidad 5).
www.mundoindustrial.net
UNIDAD 1 -
Matrices - Generalidades
OBJETIVO GENERAL
Estudiar las caractersticas y operaciones bsicas entre matrices, para aplicarlas en
diferentes temas de la ingeniera o de otras reas del conocimiento, como las ciencias
econmicas y sociales.
OBJETIVOS ESPECFICOS
Identificar los elementos de una matriz, la caracterizacin de algunas matrices especiales
y las operaciones elementales sobre sus filas o columnas.
Definir las operaciones bsicas entre matrices y sus propiedades, para aplicarlas en el
planteamiento y solucin de problemas relacionados con actividades de la ingeniera.
Aplicar la matriz inversa en la solucin de ecuaciones matriciales.
CONTENIDO
1.1. Generalidades de las matrices
1.1.1. Matrices especiales
1.1.2. Operaciones elementales sobre una matriz
1.1.3. Aplicaciones
1.2. Operaciones con matrices
1.2.1. Suma de matrices
1.2.2. Multiplicacin escalar
1.2.3. Producto de matrices
1.2.4. Aplicaciones
1.3. Matriz inversa
1.3.1. Algoritmo para hallar la matriz inversa
1.3.2. Aplicaciones
www.mundoindustrial.net
UNIDAD 1 -
Matrices - Generalidades
Fila 3 ( F3 )
Columna 2 ( C2 )
columnas.
www.mundoindustrial.net
UNIDAD 1 -
Matrices - Generalidades
En forma anloga, designamos los otros elementos: a21 = 5 ; a12 = -2 ; a22 = 0 ; a11 = 1 y
a13 = 3
Para esta matriz, no existe a32 porque hay solamente dos filas.
Definicin: Dos MATRICES A y B del mismo orden son IGUALES, si y slo si cada elemento
aij de A, es igual al correspondiente elementos bij de B.
Si A =(aij)mxn y B = (bij)mxn entonces A = B aij = bij , "i, j
Ejemplos:
1. Dadas M =
y N=
2. Las matrices A =
, M = N solo si: a = 0 , z = 5 y x = 3 .
y B=
- Matriz FILA: es una matriz con una sola fila. F1x5 = (2 -1 0 3 5).
- Matriz COLUMNA: es una matriz con una sola columna. C3x1 =
- Matriz CUADRADA: es una matriz con igual cantidad de filas que de columnas.
Se denota An y se lee matriz de orden n.
es una matriz cuadrada de orden 2.
Segn las caractersticas de los elementos distinguiremos:
www.mundoindustrial.net
UNIDAD 1 -
Matrices - Generalidades
- Matriz TRIANGULAR SUPERIOR: es una matriz cuadrada en la cual los elementos por
debajo de la diagonal principal son cero.
En forma anloga, se define matriz TRIANGULAR INFERIOR. La DIAGONAL PRINCIPAL
comprende los elementos de la forma aii.
B=
G=
- Matriz ESCALAR: es una matriz diagonal en la cual los elementos de la diagonal principal
son iguales.
E=
principal es 1/2
I3 =
UNIDAD 1 -
Matrices - Generalidades
- Matriz NULA: es una matriz de orden mxn en la cual todos los elementos son cero.
O2 =
O2x3 =
- Matriz OPUESTA DE A: es la matriz que se forma con los opuestos de los elementos de
Amxn. Se denota Amxn.
Si A =
entonces A =
es la matriz opuesta de A.
transpuesta de K. As: K T =
entonces -K T = K.
UNIDAD 1 -
Matrices - Generalidades
A=
;B=
;C=
;D=
Porque:
B se obtuvo a partir de A sumndole a la fila 2 la fila 1 multiplicada por 2: F2+(-2)F1.
C se obtuvo a partir de B multiplicando la fila 2 por (-1): (-1)F2.
D se obtuvo a partir de C intercambiando la fila 2 con la fila 3: F2F3.
Entonces: A B C D lo cual se denota de la siguiente forma:
UNIDAD 1 -
Matrices - Generalidades
Definicin: Una matriz A de orden mxn se llama ESCALONADA POR FILAS si cumple las
siguientes condiciones:
1.1.3. Aplicaciones
- Recopilacin de informacin: Las matrices constituyen un instrumento muy til para
recopilar mucha informacin en una forma organizada y fcil de analizar.
Por ejemplo, la matriz A =
UNIDAD 1 -
Matrices - Generalidades
MUNICIPIO
Estrato 1
Estrato 2
Estrato 3
CHA
22
36
54
MADRID
20
40
52
MELGAR
28
45
65
Destino
BOGOT
TUNJA
IBAGU
CAJIC
CHA
1200
50
20
55
MADRID
700
15
100
10
MELGAR
500
250
BOGOT
120
50
40
Origen
UNIDAD 1 -
Matrices - Generalidades
porque:
La suma de los elementos en cada columna es 1 y todos los elementos estn entre 0 y 1,
es decir, son probabilidades.
La siguiente matriz estocstica (verifquelo) recoge la informacin recopilada en un estudio
de usos del suelo en una ciudad, de 1980 a 1990:
U=
En esta matriz, por filas se lee el uso del suelo en 1980 y por columnas, el uso del suelo en
1990. Los usos considerados en orden de filas y de columnas son:
1.
2.
3.
4.
5.
Residencial.
Comercial.
Industrial.
Transporte.
Baldo.
Cualquier elemento uij representa la probabilidad de que el suelo que tuvo uso j en 1980,
pasara a un uso i en 1990. As por ejemplo, el elemento u32 = 0.28 nos indica que el suelo
con uso industrial en 1980, tena una probabilidad de 0.28 de convertirse en rea comercial
en 1990. Los elementos de la diagonal principal dan la probabilidad de que el uso del
suelo no cambiara.
Otro tipo de modelo especial son las matrices de COMUNICACIN, donde cada elemento
cij es 1 si i se comunica con j y 0 si no se comunican, lo que hace que estas matrices sean
siempre simtricas (igual a su transpuesta). Algunos ejemplos de estas matrices son:
C=
10
y D=
UNIDAD 1 -
Matrices - Generalidades
C
A
C
Fig. 1(a)
D
Fig. 1(b)
En cada grafo (conjunto de puntos y lneas), los puntos representan ciudades y las lneas
carreteras entre ellos. La figura 1(a) indica que la ciudad A se comunica con B y con C,
pero B y C no estn comunicadas. Cmo interpreta la figura 1(b) ?
- Matrices escalonadas y reducidas: Una matriz de cualquier orden mxn, se puede llevar
a la forma escalonada o reducida por medio de operaciones elementales sobre las filas.
La secuencia ms conveniente para llevar una matriz a la forma escalonada por filas, se
describe mediante el siguiente algoritmo: (es slo una sugerencia).
11
UNIDAD 1 -
Matrices - Generalidades
Ejemplo:
Llevar la matriz A =
A=
=B
UNIDAD 1 -
Matrices - Generalidades
Ejemplo:
Llevar la matriz A =
A=
=B
13
UNIDAD 1 -
E=
Matrices - Generalidades
y F=
C
D
E
14
UNIDAD 1 -
Matrices - Generalidades
A=
F=
; B=
;C=
; G=
; D=
; H=
; E=
; R=
a)
b)
c)
UNIDAD 1 -
C2x3 =
y B2x3 =
entonces:
Propiedades:
1. Clausurativa: Amxn + Bmxn = Cmxn
Esto quiere decir que 2 matrices del mismo orden siempre se pueden sumar y el resultado
es una matriz del mismo orden.
16
UNIDAD 1 -
2. Conmutativa: A + B = B + A
Significa que el orden en que se suman las matrices no afecta el resultado.
Demostracin: Si A = ( aij ) y B = ( bij ) entonces:
A + B = ( aij + bij )
= ( bij + aij )
=B+A
3. Asociativa: (A + B) + C = A + (B + C) = A + B + C
Quiere decir que se pueden sumar ms de 2 matrices, sin que la forma de agruparlas
afecte el resultado, por lo que se puede prescindir de los parntesis.
Demostracin: Si A = ( aij ) ; B = ( bij ) y C = ( cij ) entonces:
(A + B) + C = ( aij + bij ) + ( cij )
= ([aij + bij ] + cij )
= ( aij + [bij + cij ])
= ( aij ) + ( bij + cij )
= A + (B + C)
17
UNIDAD 1 -
Si A =
entonces:
2A =
A=-
A=
Propiedades:
1.
2.
3.
4.
UNIDAD 1 -
Ejemplos:
1. Si D =
y E=
3D ET + 2X = O2
Solucin:
En la ecuacin matricial dada, se puede despejar X aplicando convenientemente las
propiedades de la suma de matrices y de la multiplicacin escalar:
3D ET + 2X = O 2X = ET 3D X =
X=
( ET 3D)
X=
ET
X=
19
UNIDAD 1 -
2. Si A =
verificar que (
A )T =
AT .
Verificacin:
A=
A=
AT =
A=
AT =
3. Si A =
y B=
A )T =
AT .
verificar que ( A + B )T = AT + BT .
Verificacin:
20
A )T =
UNIDAD 1 -
Si A =
y B=
entonces:
Nota: Si las dos matrices A y B son cuadradas de orden n, la matriz producto es una matriz
cuadrada de orden n.
Si A es una matriz de orden mxn, B debe ser una matriz de orden nxp (el nmero de filas
en B tiene que ser igual al de columnas en A), y la matriz producto es una matriz de orden
mxp (con tantas filas como la matriz A y tantas columnas como la matriz B).
21
UNIDAD 1 -
Ejemplos:
1. Si A =
y B=
entonces AB = C =
= 2.1 + 1.(-1) = 2 1 = 1.
c12 = F1A.C2B =
c21 = F2A.C1B =
c22 = F2A.C2B =
= 3.(-2) + 4.2 = -6 + 8 = 2.
2. Si A2x3 =
AB = C2x4 =
y B3x4 =
entonces:
donde:
22
UNIDAD 1 -
c21 = F2A.C1B =
c22 = F2A.C2B =
c23 = F2A.C3B =
c24 = F2A.C4B =
Como la condicin para poder multiplicar dos matrices es que el nmero de columnas en
la primera matriz sea igual al nmero de filas en la segunda, el producto de matrices no
es conmutativo. Parece extrao? Siempre haba funcionado aquello de que el orden de
los factores no altera el producto, pero en el caso de las matrices, esa afirmacin no es
vlida.
3. Si A =
y B=
entonces AB =
pero BA =
y B3x4 =
5. Si A =
y B=
orden, es decir AB BA : AB =
pero BA =
23
UNIDAD 1 -
y B=
7. Si A =
entonces AB =
= BA.
entonces A2 = A.A =
Verificacin: Si A =
; B=
.
y C=
[ AB ]C =
A[ BC ] =
entonces:
Verificacin: Si A =
24
; B=
y C=
entonces:
UNIDAD 1 -
A[ B + C ] =
AB + AC =
Verificacin: Si A =
I2.A =
y B=
I2.B =
entonces:
= A.I2
= B.I3.
Nota: Observe que la matriz idntica es el mdulo para el producto de matrices, pero si la
matriz no es cuadrada, el orden de la matriz idntica, no es el mismo si se multiplica a la
derecha, que si se multiplica a la izquierda.
1.2.4. Aplicaciones
De la suma: Un laboratorio farmacutico produce cierto medicamento. Los costos relativos
a la compra y transporte de cantidades especficas de las sustancias necesarias para su
25
UNIDAD 1 -
y B=
costos de compra (fila 1) y transporte (fila 2), respecto a cada una de las tres sustancias a,
b y c (columnas), respectivamente.
La matriz que representa los costos totales de compra y transporte de cada una de las
sustancias est dada por A + B =
Del producto: Un contratista ha aceptado construir 5 casas estilo rstico, 7 estilo moderno y 12
estilo colonial. Entonces, su contrato se puede representar por la matriz fila P = (5 7 12).
Los materiales que utilizar en cada tipo de construccin son acero, madera, vidrio, pintura
y mano de obra. El nmero de unidades de cada material que se usar en cada tipo de
casa estn dadas en la matriz:
M =
26
UNIDAD 1 -
Las cantidades de cada material que el contratista debe pedir para cumplir con su contrato
estn dadas por la matriz:
PM = (5 7 12)
ordenar 146 unidades de acero, 526 de madera, 260 de vidrio y 158 de pintura.
Adems, el contratista quiere calcular los costos que le demandan estos materiales si el
acero cuesta $1600 por unidad, la madera $800 por unidad, el vidrio $500 por unidad, la
pintura $100 por unidad y la mano de obra $1000.
la matriz MC da el
El costo total de materiales para todas las casas est dado por:
P( MC ) = (5 7 12)
= 1173.600.
27
UNIDAD 1 -
Ejercicios propuestos:
2. Dada la matriz A =
y B=
; B=
y X=
6. Calcule el producto (x y z)
7. Si A =
28
UNIDAD 1 -
(A + AT) +
( A AT)
( A AT ) es una matriz
antisimtrica.
Exprese la matriz A =
una antisimtrica.
11. Si A =
respuesta.
y B=
a)
b)
29
UNIDAD 1 -
es invertible porque:
2. La matriz A =
no es singular porque, si
,se tendra
30
UNIDAD 1 -
; A-1 =
Si A =
; AT =
, entonces ( A-1 )T =
, entonces ( AT )-1 =
entonces A-1 =
Si B =
entonces B-1 =
Por tanto AB =
Entonces: ( AB )-1 =
porque
porque
, porque:
UNIDAD 1 -
= a.d - b.c
Solucin:
Primero se calcula el determinante de A : det(A) = 3.5 3.6 = 15 18 = -3.
Como det(A)0 existe A-1 y utilizamos la forma general de la matriz; en este caso :
a = 3 ; b= 3 ; c= 6 y d= 5 por tanto A-1 =
no tiene inversa.
Solucin:
Basta con calcular el determinante: det(M) = 3.4 (-2)(-6) = 12 12 = 0.
Como det(M) = 0 la matriz es singular o no-invertible, es decir M-1 no existe.
32
UNIDAD 1 -
Para decidir si una matriz cuadrada A de cualquier orden tiene inversa, se debe calcular
su determinante; si este es diferente de cero existe la matriz inversa, en caso contrario no
existe. Pero este proceso para matrices de orden mayor de 3 es muy dispendioso (ver
unidad 3), por lo que se recurre a la forma reducida de la matriz: si coincide con la matriz
idntica existe la inversa, en caso contrario no existe.
33
UNIDAD 1 -
= ( C : D ) forma reducida.
A-1 =
Este resultado se puede comprobar efectuando los productos A A-1 y A-1A y en los dos
casos el resultado es I3 :
34
UNIDAD 1 -
(B:I)=
=(C:D)
Como en la matriz C de la forma reducida aparece una fila nula, esta matriz no es equivalente
a la idntica y por tanto la matriz B no tiene inversa. Es decir, B es una matriz singular.
1.3.2. Aplicaciones
La aplicacin ms frecuente del concepto de matriz inversa es para la solucin de
ecuaciones matriciales de la forma A X = B, donde A es una matriz invertible de orden n,
X es la matriz que se va a calcular (la incgnita).
Si X es de orden nxm, B tambin debe ser de orden nxm, entonces la ecuacin se resuelve
aplicando las propiedades del producto de matrices:
A X = B A-1 ( A X ) = A-1 B
( A-1 A ) X = A-1 B
In X = A-1 B
X = A-1 B
(1).
(2).
(3).
(4).
Nota: Observe que en el paso (1) el producto por A-1 se hace del lado izquierdo a los dos
lados, debido a que el producto de matrices no es conmutativo. En el paso (4), tenga en
cuenta que In es mdulo a izquierda porque X es de orden nxm.
En general, al resolver una ecuacin no es necesario realizar todo el proceso anterior, solo
se utiliza el resultado, es decir:
An Xnxm = Bnxm X = A-1 B si y solo si A es matriz invertible.
35
UNIDAD 1 -
Ejemplos:
1. Resolver la ecuacin M
Solucin:
Primero se verifica que la matriz
Como
es invertible.
M=
M=
2. Hallar las coordenadas del punto P (1, 2) respecto al sistema de coordenadas XY que
se obtiene de rotar el sistema inicial XY un ngulo de 450 respecto al origen.
Solucin:
Si un sistema de coordenadas XY del plano cartesiano se rota un ngulo respecto al
origen, se genera otro sistema XY, entonces a un punto P del plano le corresponden
dos pares de coordenadas: el par (x, y) respecto al sistema XY y el par (x, y) respecto
al sistema XY (figura 1.2). Estos 2 pares de coordenadas se relacionan por medio de las
siguientes ecuaciones trigonomtricas:
y
36
UNIDAD 1 R=
es el ngulo de rotacin.
La matriz de rotacin permite hallar las coordenadas iniciales a partir de las coordenadas
en el sistema rotado. Con la matriz inversa se realiza el proceso contrario, es decir, hallar
las coordenadas en el sistema rotado a partir de las coordenadas iniciales.
Veamos nuestro caso particular:
Si los ejes coordenados X y Y se rotan 450 respecto al origen, al punto P de coordenadas
(1, 2) en XY le corresponden las coordenadas
en el sistema XY porque:
Y
Y
(x, y)
P (x, y)
1=y
x=
= y
x=2
Fig. 1.2
con cualquiera de
, entonces
= 300, porque
37
UNIDAD 1 -
Ejercicios propuestos:
1. Halle si existe la matriz inversa de:
a)
b)
2. Si A =
c)
y B=
calcular ( AB )-1 .
6. Si R =
9. Si
38
respecto al origen.
UNIDAD 1 -
RESUMEN
Una matriz es un conjunto de elementos dispuestos en forma rectangular y se denota:
Amxn = ( aij ), donde A es el nombre de la matriz, mxn es su orden y el subndice ij indica la
posicin en fila y columna respectivamente de cada elemento.
Las matrices sirven para recoger mucha informacin en forma organizada y fcil de analizar
e interpretar. Un caso particular corresponde a la solucin de sistemas de ecuaciones
lineales por mtodos matriciales, para los cuales se hace uso de las formas escalonada y
reducida de una matriz.
Una matriz escalonada por filas es una matriz de cualquier orden mxn, en la cual: el
pivote de cada fila es 1; los elementos por debajo de los pivotes son cero; el pivote de cada
fila se encuentra a la derecha del pivote de la fila anterior, y las filas nulas (si las hay) son
las ltimas (abajo).
Una matriz reducida por filas es una matriz escalonada en la que el nico elemento no
nulo de una columna con pivote, es el pivote.
Toda matriz de cualquier orden es equivalente, por filas, a una matriz escalonada y/o a
una matriz reducida por filas.
Con matrices se pueden efectuar las siguientes operaciones:
Suma de matrices: se efecta trmino a trmino entre matrices del mismo orden,
A + B = ( aij + bij ). El resultado es una matriz del mismo orden de A y B.
El orden en que se suman las matrices no afecta el resultado (conmutatividad).
Al sumar ms de 2 matrices, el orden en que se agrupan las matrices no afecta el resultado
(asociatividad).
La matriz nula es mdulo porque cualquier matriz sumada con ella queda igual.
Para toda matriz existe una matriz opuesta del mismo orden, llamada as porque la suma
de las dos es la matriz nula.
Multiplicacin escalar: se efecta entre un real (escalar) y una matriz, multiplicando
cada elemento de la matriz por el escalar, rA = ( raij ). El resultado es una matriz del
mismo orden de A y se llama mltiplo escalar de A.
Producto de matrices: solo se puede efectuar entre matrices cuadradas del mismo
orden, o entre 2 matrices, para las cuales, el nmero de columnas en la primera matriz
debe ser igual al nmero de filas en la segunda matriz, An.Bn = Cn o Amxn.Bnxp = Cmxp.
39
UNIDAD 1 -
En el primer caso, el resultado es una matriz cuadrada del mismo orden, en el segundo
caso, es una matriz con tantas filas como la primera matriz y tantas columnas como la
segunda matriz.
El producto de matrices es asociativo, porque se pueden multiplicar mas de 2 matrices,
sin que la forma de agruparlas para efectuar el producto afecte el resultado ((A.B).C =
A.(B.C) = A.B.C ).
El producto no es conmutativo, quiere decir que al efectuar el producto, si se cambia el
orden de la matrices, el resultado puede ser diferente ( A.B B.A ).
En el producto de matrices cuadradas, la matriz idntica del orden que corresponda es el
mdulo, porque cualquier matriz multiplicada por ella a derecha o a izquierda no cambia
( A.I = A = I.A ).
La matriz inversa de una matriz A es otra matriz B, que al ser multiplicada por A, a derecha
o a izquierda, da como resultado la matriz idntica del mismo orden. Se denota como
B = A-1, entonces A.A-1 = In = A-1.A. En tal caso, se dice que A es matriz invertible o nosingular. La matriz inversa no siempre existe, es necesario que la matriz sea cuadrada y
que su determinante sea diferente de cero.
Para hallar la matriz inversa de cualquier matriz cuadrada, sin tener certeza de si existe o
no, se desarrolla un algoritmo que consisten en llevar la matriz aumentada ( A : I ) a la
forma reducida por filas. Con este proceso se obtiene la matriz inversa o se puede concluir
que no existe. Si la matriz inversa de A existe, la forma reducida de (A : I) es (I : A-1).
40
UNIDAD 1 -
GLOSARIO
Una matriz es un conjunto de elementos dispuestos en forma rectangular ( Amxn ).
El orden de una matriz lo determina el nmero de filas y de columnas en la matriz.
Una fila, es el conjunto de elementos dispuestos en forma horizontal ( Fi ).
Una columna es el conjunto de elementos dispuestos en forma vertical (Cj ).
Una matriz cuadrada tiene igual cantidad de filas que de columnas ( An ).
La diagonal principal de una matriz cuadrada la forman los elementos que se encuentran
en la misma fila y la misma columna ( aii )
La matriz idntica es una matriz cuadrada de cualquier orden, con unos en la diagonal
principal y ceros en las dems posiciones ( In ). Es el mdulo del producto de matrices.
La matriz nula es una matriz de cualquier orden con todos los elementos iguales a cero
( Omxn ). Es el mdulo de la suma de matrices.
La matriz opuesta de A es otra matriz (-A) del mismo orden, que se forma con los opuestos
de los elementos de A ( -A = ( -aij )).
Matrices iguales son las que tienen los mismos elementos en las mismas posiciones ( aij = bij ).
Una operacin elemental es una modificacin en los elementos de una matriz.
Las Matrices equivalentes son las que se obtienen por medio de operaciones elementales
sobre las filas o las columnas de una matriz ( AB ).
Un pivote es el primer elemento no nulo de cada fila, no nulo de una matriz.
En una matriz escalonada el pivote de cada fila es 1 y se desplazan hacia abajo y a la
derecha. Los elementos por debajo de los pivotes son cero y las filas nulas son las ltimas
(abajo).
Una matriz reducida por filas es una matriz escalonada, en la que el nico elemento no
nulo de una columna con pivote, es el pivote.
Un algoritmo es una secuencia de instrucciones para el desarrollo de un proceso.
Una matriz idempotente es aquella que al ser multiplicada por ella misma, da como
resultado la misma matriz ( A2 = A.A = A ).
41
UNIDAD 1 -
La Matriz inversa de An es otra matriz A-1, que al ser multiplicada por A, a derecha o a
izquierda, da como resultado la matriz idntica del mismo orden ( A.A-1 = In = A-1.A ).
La Matriz invertible o no-singular es aquella para la cual existe la inversa.
La Matriz singular es aquella para la cual no existe la inversa.
La Matriz aumentada es aquella que se forma agregando a la derecha de una matriz las
columnas de otra matriz (A : B).
42
UNIDAD 1 -
AUTOEVALUACIN
En cada caso seleccione la respuesta correcta.
1. Dada la matriz A =
a) A es triangular inferior
b) a12 = a21 pero a23 a32
c) A es matriz simtrica
d) A es una matriz de orden 3
2. Si A =
a)
y B=
b)
3. Si A =
el resultado de A + B es:
d) No existe.
c)
y C=
3A B = 2C es:
a) ( 0 -2 9 )
b) ( 3 -2 -6 )
4. Si A =
a)
c) ( 0 2 -9 )
d) ( -3 2 6 )
entonces A2 es igual a:
b)
c)
d)
43
UNIDAD 1 -
5. La matriz inversa de
a)
es:
b)
c)
d)
a)
b)
es:
c)
Decidir si cada una de las siguientes afirmaciones es verdadera (V) o falsa (F):
12. Una matriz fila y una matriz columna siempre se pueden multiplicar.
44
UNIDAD 1 -
y B=
RETROALIMENTACIN
Respuestas a los ejercicios propuestos.
Seccin 1.1 (pgina 13): 1.
matriz tamao-mezcla.
2a) 7 2b) 3 2c) en febrero 2d) azules de lujo 2e) en febrero 2f) en febrero 2g) 35
3a)
B
A
3b)
4.
D
5a) A y C 5b) A, B, C y D 5c) C 5d) C y H 5e) C, E y R
6a)
7a)
6b)
7b)
7c)
45
UNIDAD 1 -
8. Al intercambiar filas por columnas los elementos de la diagonal principal quedan fijos, y
el nico elemento que es igual a su opuesto es cero.
Seccin 1.2 (pgina 28): 1. a= 5, b= 0, c= 1 y d= 1
3. B =
2.
4. X2 5X + 4I =
5. AX =
= BX
8. A2 =
10. X =
=5
= O2
= 5I3
=A
, Y=
46
7. A3 =
9.
+4
c)
UNIDAD 1 -
2.
3.
6. = = 1800
5.
7.
8.
B=3
,luego la fila 2 de B es ( 0 -2 9 ).
6. La respuesta correcta es b). Uno de los casos para los cuales est definido el producto
de matrices, es para matrices cuadradas del mismo orden, pero no toda matriz cuadrada
es invertible por lo que no se puede hacer ninguna de las otras afirmaciones.
47
UNIDAD 1 -
48
, independientemente
UNIDAD 2 -
2.
Newton.
INTRODUCCIN
Los sistemas de ecuaciones son una herramienta de gran utilidad en el planteamiento y
solucin de problemas de aplicacin en diferentes reas del conocimiento: en economa
existe un conocido modelo matemtico llamado Modelo de Leontief, que relaciona oferta y
demanda entre diversos sectores de una economa en cierto perodo de tiempo; en qumica
para el balanceo de ecuaciones; en ciencias de la salud para la descripcin de dosis de
medicamentos; en ingeniera existen diferentes modelos de aplicacin para la descripcin
de fenmenos fsicos, para calcular costos, o para el ajuste de curvas a una serie de datos
tomados en un experimento.
Los sistemas de ecuaciones lineales tienen representacin geomtrica para los casos de
ecuaciones con 2 y 3 variables. La representacin geomtrica de una ecuacin lineal con 1
o 2 variables en el plano, es una recta y de ecuaciones con 1, 2 o 3 variables en el espacio,
es un plano; las ecuaciones lineales con mas de 3 variables no tienen representacin
geomtrica pero si tienen interpretacin analtica.
Con o sin interpretacin geomtrica, los sistemas de ecuaciones se utilizan para disear
modelos matemticos que permiten resolver problemas reales en reas como la ingeniera
o la economa, independientemente de si el problema tiene solucin nica, infinitas
soluciones, o es inconsistente.
Aunque existen diferentes mtodos de solucin para los sistemas de ecuaciones, en esta
unidad se estudiaran solo 3 de ellos: Eliminacin de Gauss, Reduccin de Gauss-Jordan
y la matriz inversa para la solucin de la ecuacin matricial.
49
UNIDAD 2 -
OBJETIVO GENERAL
Estudiar para los sistemas de ecuaciones lineales: tipos de solucin con sus correspondientes
interpretaciones, mtodos matriciales de solucin y aplicaciones a la ingeniera.
OBJETIVOS ESPECFICOS
.
.
.
CONTENIDO
2.1. Generalidades
2.1.1. Sistemas de ecuaciones lineales ( S.E.L. ).
2.1.2. Sistemas lineales homogneos ( S.L.H. ).
2.2. Mtodos de solucin.
2.2.1. Eliminacin de Gauss.
2.2.2. Reduccin de Gauss-Jordan.
2.2.3. Solucin de la ecuacin matricial.
2.3. Aplicaciones.
2.3.1. Problemas con solucin nica.
2.3.2. Problemas con ms de una solucin.
50
UNIDAD 2 -
2.1. GENERALIDADES
Definicin: Se llama ECUACIN LINEAL con n variables a una ecuacin de la forma:
a1x1 + a2x2 + a3x3 + . . . + anxn = b
UNIDAD 2 -
Ejemplos:
1. El conjunto c1 = 2, c2 = 3, c3 = 1 y c4 = 4 es una solucin de la ecuacin
a + b + c d = 0 porque si a = 2, b = 3, c = 1 y d = 4 la igualdad se cumple:
2+314=55=0 .
Otra solucin de esta ecuacin es: a = 3, b = 5, c = 6 y d = 2 (verifquelo).
2. La ecuacin 3x1 5x2 + x3 x4 = 7 tiene muchas soluciones, algunas de ellas son:
x1 = 0 , x2 = 1 , x3 = 9 , x4 = 3 ; x1 = 0 , x2 = 0 , x3 = 7 , x4 = 0 .
x1 = 5 , x2 = 3 , x3 = 14 , x4 = 7 ;
x1 = 7 , x2 = 4 , x3 = 9 , x4 = 3 .
Casos particulares de ecuaciones lineales son las ecuaciones con 2 o 3 variables, que
geomtricamente representan una recta en el plano (2) un plano en el espacio (2),
respectivamente.
Interpretacin geomtrica:
(1) La ecuacin lineal con 2 variables: ax + by = c.
Es una recta en el plano (2), que se puede graficar si se conocen dos puntos, es decir dos
soluciones de la ecuacin. Como una recta tiene infinitos puntos, la ecuacin tiene infinitas
soluciones porque cada punto corresponde a una solucin.
Ejemplo: Graficar la ecuacin 4x + 2y = 6.
Solucin:
Dos soluciones de esta ecuacin son: x = 0 ; y = 3 y x = 3/2 ; y = 0 por tanto dos puntos
de la recta son: (0, 3) y (3/2, 0) con los cuales se puede graficar la recta en el plano
cartesiano (figura 2.1):
Y
3
3/2
Fig. 2.1
52
UNIDAD 2 -
5/2
Y
3
Fig. 2.2
x=k
y=k
3/2
1
2
(a)
(b)
(c)
Fig. 2.3
53
UNIDAD 2 -
Las figuras 2.3. (a), (b) y (c), ilustran las grficas de los planos que corresponden a las
ecuaciones:
z = 3/2 ; x = 2 y y = 1 respectivamente.
Las ecuaciones lineales con 2 variables: x, y o x, z o y, z representan planos ortogonales
a los planos coordenados XY, XZ y YZ respectivamente. (Grafquelos)
Se denota
Ejemplos:
1.
5 1 3 2 = 5 6 = 1
1+22=1+4=5
54
UNIDAD 2 -
2.
; y=
+2
y z=
porque:
=3
=2
=2
3.
x1 = 4 ; x2 = 1 ; x3 = 2
(verifquelo)
L2
(a)
L2
L1 = L2
L1
(b)
L1
L1 II L2
L2
(c)
L1 II L2
Fig. 2.4
55
UNIDAD 2 -
L2
L1
L4
L3
(a)
(b)
(c)
Fig. 2.5
En un conjunto de 3 o mas rectas, es suficiente que una de ellas no se intersecte con las
dems en el mismo punto para que el sistema de ecuaciones sea inconsistente (figura
2.5(b)).
56
UNIDAD 2 -
(a)
(b)
(d)
(c)
(e)
Fig. 2.6
UNIDAD 2 -
58
UNIDAD 2 -
x 2y = 2
Se puede verificar que las 2 ecuaciones representan la misma recta, entonces el sistema es
equivalente a la primera ecuacin y esto implica que tiene infinitas soluciones (teorema 2).
3. Hallar todos los pares de nmeros (x, y) que satisfacen las ecuaciones:
En este caso se puede verificar grficamente que las 2 rectas son paralelas. Se concluye
entonces que el sistema de ecuaciones es inconsistente.
Se denota:
59
UNIDAD 2 -
Ejemplos:
Los sistemas de ecuaciones
son sistemas lineales homogneos porque en cada uno de ellos todos los trminos
independientes son cero.
Un S.L.H. se caracteriza porque siempre tiene solucin. Si todas las variables toman el
valor de cero, se satisfacen todas las ecuaciones, entonces:
x1 = 0 ; x2 = 0 ; x3 = 0 ; . . . ; xn = 0 es una solucin del sistema de ecuaciones y se llama
solucin trivial.
Si el sistema es de solucin nica, esta solucin es la trivial.
Sin embargo pueden existir otros valores de las variables, no todos iguales a cero, que
satisfagan todas las ecuaciones, en tal caso el sistema tiene infinitas soluciones.
CONCLUSIN: Un sistema lineal homogneo (S.L.H.) siempre es consistente (tiene
solucin) y existen dos posibilidades: solo tiene la solucin trivial o tiene infinitas soluciones.
Pero en el caso de infinitas soluciones, est incluida la solucin trivial.
Teorema 3: Todo sistema lineal homogneo (S.L.H.) con menos ecuaciones que variables
tiene infinitas soluciones.
Demostracin:
Si el sistema tiene menos ecuaciones que variables, por el teorema 2, tiene infinitas
soluciones o no tiene solucin; pero como un sistema homogneo siempre tiene al menos
la solucin trivial. Se concluye que el sistema tiene infinitas soluciones.
Ejemplos:
1. Hallar todas las ternas (x, y, z) que satisfacen las ecuaciones
60
UNIDAD 2 -
6x = 0 x = 0
61
UNIDAD 2 -
a)
b)
c)
d)
Decida en cada caso si el sistema tiene solucin nica o infinitas soluciones. Justifique
sus respuestas.
5. Escriba para cada uno de las siguientes ecuaciones matriciales el sistema de
ecuaciones correspondientes:
a)
c)
62
b)
d)
UNIDAD 2 -
Definicin: Se llama MATRIZ AUMENTADA de un S.E.L. a la matriz que se forma con los
coeficientes de las variables, aumentando al lado derecho, la columna de los trminos
independientes de las ecuaciones. Se denota [A : B] donde A es la matriz de coeficientes
y B es la columna aumentada.
Ejemplo:
Para el sistema de ecuaciones lineales:
donde la matriz del lado izquierdo es la matriz de coeficientes y la columna del lado
derecho se form con los trminos independientes de las ecuaciones.
63
UNIDAD 2 -
64
UNIDAD 2 -
= [C : D]
65
UNIDAD 2 -
La matriz aumentada
= [C : D]
66
UNIDAD 2 -
Respuesta:
Hacemos el anlisis sobre la ltima fila de la matriz escalonada, para que se den las
condiciones que corresponden a cada tipo de solucin:
a) El sistema de ecuaciones tiene solucin nica si la constante k toma valores
diferentes de 2 y 2, en tal caso k2 40 y se puede convertir en 1.
b) El sistema de ecuaciones tiene infinitas soluciones cuando k = 2, en tal caso la
ltima fila se anula y el sistema queda con menos ecuaciones que variables.
c) El sistema de ecuaciones no tiene solucin cuando k = 2 porque la ltima fila
es de ceros excepto en la columna aumentada (4).
67
UNIDAD 2 -
Ejemplos:
1. Aplicando el mtodo de reduccin de Gauss-Jordan, determinar todas las soluciones
del siguiente sistema de ecuaciones:
= [C : D]
68
UNIDAD 2 -
Observe que el sistema tiene menos ecuaciones (2) que variables (4)
4. Para tener una solucin se deben asignar valores a las variables z y w.
z y w, se llaman variables independientes porque toman cualquier valor real.
x y y se llaman variables dependientes porque sus valores dependen de los
valores asignados a z y w.
Respuesta:
Si z = 1 entonces y =
Si w = 2 entonces x =
=1
2=
2=32=1
; x=
El sistema tiene infinitas soluciones porque a las variables independientes se les puede
asignar cualquier valor real.
Nota: Cuando el sistema de ecuaciones se obtiene del planteamiento de un problema de
aplicacin, aunque el sistema tenga infinitas soluciones, el nmero de soluciones puede
ser limitado segn lo que cada variable representa (ver seccin 2.3.2 ejemplo 1).
69
UNIDAD 2 -
Matriz de coeficientes:
= I3
70
UNIDAD 2 -
I3
xw=0 x=w
y + (8/3)w = 0 y = (-8/3)w
z + (4/3)w = 0 z = (-4/3)w
71
UNIDAD 2 -
Esta forma de la solucin se llama solucin general porque dando valores a la variable
independiente w se obtienen valores para las variables dependientes x, y y z.
Respuesta: El sistema de ecuaciones tiene infinitas soluciones, dadas por la
Solucin general:
=r
donde w = r
Para tener una de las infinitas soluciones, se asigna cualquier valor real a w:
Si r = 0 se tiene la solucin trivial x = 0 ; y = 0 ; z = 0 ; w = 0
Si r = 1 se tiene la solucin
x = 1 ; y = 8/3 ; z = 4/3 ; w = 1
Si r = 3 se tiene la solucin
x = 3 ; y = 8 ; z = 4 ; w = 3
Nota: La solucin general de un sistema de ecuaciones con infinitas soluciones se presenta
en forma matricial, para facilitar el clculo de cualquiera de las soluciones.
A.X = B
A es la matriz de coeficientes.
X es la matriz de variables.
B es la matriz de trminos independientes.
72
donde
UNIDAD 2 -
Solucin:
Ecuacin matricial:
73
UNIDAD 2 -
(A:I)=
74
UNIDAD 2 -
(A:I)=
Esta ltima matriz nos permite concluir que A-1 no existe, por tanto este sistema de
ecuaciones no se puede resolver con este mtodo. Se recurre a alguno de los 2 mtodos
anteriores (eliminacin o reduccin) para decidir si el sistema tiene infinitas soluciones o si
es inconsistente.
4. El sistema de ecuaciones
UNIDAD 2 -
a)
b)
c)
d)
a)
b)
c)
d)
3. Para cada uno de los siguientes sistemas de ecuaciones decidir si el sistema tiene
solucin o si es inconsistente. Escriba la forma general de las soluciones si el sistema tiene
infinitas soluciones.
a)
d)
b)
e)
c)
f)
76
UNIDAD 2 -
sea consistente.
a)
b)
8. Los siguientes sistemas de ecuaciones no son lineales, pero pueden ser resueltos por los
mtodos lineales mediante cambios de variables apropiados. Sugiera alguna sustitucin
adecuada en cada caso y resuelva los sistemas:
a)
b)
c)
d)
77
UNIDAD 2 -
2.3. APLICACIONES
Aunque no existen formatos generalizados para la solucin de problemas de aplicacin,
en cualquier rama de la matemtica se pueden tener en cuenta algunas pautas, que s son
generalizadas, para lograr el abordaje correcto de un problema.
A continuacin se enumeran esas pautas, para el caso particular de problemas que pueden
ser planteados mediante un Sistema de Ecuaciones Lineales:
1. Identificar y definir las variables con base en las preguntas. La buena definicin de las
variables, permite la correcta interpretacin de los resultados analticos.
2. Plantear el sistema de ecuaciones con base en la informacin del enunciado.
Generalmente una frase con sentido gramatical completo, permite plantear una ecuacin.
3. Resolver en forma analtica el sistema de ecuaciones utilizando alguno de los mtodos
conocidos.
4. Interpretar los resultados de la solucin del sistema de ecuaciones con base en la
definicin de las variables y responder la(s) pregunta(s).
La importancia en el anlisis de la solucin de un sistema de ecuaciones radica en la correcta
interpretacin de los resultados. Una acertada interpretacin conlleva a la efectividad de
las soluciones propuestas para el problema.
UNIDAD 2 -
la forma y = a0 +a1x + a2x2 + . . . + an-2xn-2 + an-1xn-1 al cual se pueden ajustar los n datos
experimentales.
Los coeficientes a0, a1, a2, . . . , an-2, an-1 del polinomio se obtienen, sustituyendo cada uno de
los datos en la ecuacin y resolviendo el sistema de ecuaciones lineales que se forma.
Ejemplos:
1. Encuentre la ecuacin de una funcin cuadrtica que pasa por los puntos (0, 1),
(1, 2) y (1, 6).
Solucin: Observe que se dan 3 puntos y el polinomio pedido es de grado 2, uno menos
que el nmero de puntos conocidos.
La ecuacin general de la funcin cuadrtica es: y = a0 +a1x + a2x2 entonces, remplazando
cada uno de los puntos se forma el sistema de ecuaciones lineales:
matriz
es
, de donde se deduce:
y = 1 2x + 3x2
79
UNIDAD 2 -
A=
Luego
entonces A-1 =
80
UNIDAD 2 -
Respuesta: El obrero trabaj 22 das para el primer patrn y 8 das para el segundo.
4. En un saln de dibujo hay 56 mesas, x nmero de mesas con 4 butacas, y mesas con 8
butacas y z mesas con 10. La capacidad de butacas del saln es 364. Durante una tarde
se utilizaron la mitad de las mesas con 4 butacas, la cuarta parte de las mesas con 8 y la
dcima parte de las de 10 butacas para un total de 19 mesas. Cuntas mesas de cada
tamao se usaron esa tarde?
Solucin:
Variables: x : cantidad de mesas con 4 butacas que hay en el saln..
y : cantidad de mesas con 8 butacas que hay en el saln.
z : cantidad de mesas con 10 butacas que hay en el saln.
Sistema de ecuaciones:
Matriz aumentada:
Matriz reducida:
Interpretacin y respuesta: Esa tarde se ocuparon 13 mesas con 4 butacas (la mitad), 5
mesas con 8 butacas (la cuarta parte) y solo 1 mesa con 10 butacas (la dcima parte), lo
cual suma 19 mesas que fueron las utilizadas esa tarde.
81
UNIDAD 2 -
2x + 1y + 1z = 32 (1)
0x + 1y + 2z = 10 (2)
UNIDAD 2 -
x = 11 + ()z
y = 10 2z
donde z =r
83
UNIDAD 2 -
c=0 a=
b+
c=0 b=-
c
c
Como el sistema tiene infinitas soluciones le podemos asignar cualquier valor a la constante
c para obtener los valores de a y b: si c = 7 a = 1 y b = -3.
La ecuacin de la recta pedida es: x 3y + 7 = 0
Balanceo de ecuaciones: El balanceo de las ecuaciones que describen reacciones
de ciertos procesos qumicos, consiste en encontrar constantes tales que el nmero de
tomos de cada uno de los elementos del lado izquierdo de la ecuacin iguale al nmero
de tomos del lado derecho.
Ejemplo:
Efectuar el balanceo de la ecuacin qumica Mg3N2 + HOH Mg(OH)2 + NH3
Solucin: En este caso las variables son las constantes a, b, c y d que igualan la cantidad
de tomos de cada elemento en los dos lados de la ecuacin, es decir:
aMg3N2 + bHOH cMg(OH)2 + dNH3
Para el magnesio (Mg): en el lado izquierdo de la ecuacin hay 3a tomos al lado izquierdo
y c tomos al derecho, entonces 3a = c 3a c = 0
En forma anloga se tiene:
Para el nitrgeno (N): 2a = d 2a d = 0
Para el oxgeno (O): b = 2c b 2c = 0
Para el hidrgeno (H): 2b = 2c + 3d 2b 2c 3d = 0
84
UNIDAD 2 -
y su forma reducida es
de la cual se deduce:
Si d = 2 entonces a = 1 ; b = 6 y c = 3
Por tanto la ecuacin balanceada es: Mg3N2 + 6HOH 3Mg(OH)2 + 2NH3
Flujo de trfico: Un sistema de ecuaciones lineales con infinitas soluciones tambin
permite resolver problemas relacionados con el flujo de trfico en una red vial.
3.
900
D
800
600
Cra. 7
x1 Cll.100
600
x6
400
x4
Cra. 7
x2 Cll.72
Av. Caracas
700
x7
x3 Cll.26
400
Av. Caracas
B
100
x5
200
C
300
Fig. 2.7
85
UNIDAD 2 -
El anterior mapa (figura 2.7) indica el flujo de trfico que entra o sale a cada calle de la
ciudad, en unidades de vehculos por hora (vph).
Como el flujo de trfico vara notablemente durante el da, se supone que los nmeros en
la figura indican el flujo promedio en las horas pico, que se da aproximadamente entre las
5p.m. y las 6:30 p.m.
Suponga que se tiene planeada una marcha de protesta sobre la avenida Caracas, desde
la calle 72 hasta la calle 100 a las 6 p.m. del da martes. La polica de la ciudad puede
controlar hasta cierto punto el trfico vehicular, reajustando los semforos, colocando
policas en cruces estratgicos o cerrando el trfico en la calle crtica. Si se disminuye el
trfico por la avenida Caracas aumentar el flujo en las calles adyacentes. La pregunta es
Cmo minimizar el trfico por el recorrido de la marcha, sin que se congestionen las calles
aledaas?
Solucin: Las variables x1, x2 hasta x7 representan el flujo de trfico sobre cada tramo de la
red (las calles). El problema consiste en hallar los valores de las variables de tal forma que
x4 sea lo menor posible.
Para que el trfico no se acumule, en cada esquina el trfico de entrada debe ser igual al
de salida. Veamos lo que pasa en cada esquina segn el mapa:
en A:
en B:
x2 + x5 = x4 + 100
x2 x4 + x5 = 100
en C:
700 = x3 + x5
x3 + x5 = 700
en D:
en E:
x6 + 600 = x2+ x7
x2 x6 + x7 = 600
en F:
x3 + x7 = 900
x3 + x7 = 900
86
Sistema de ecuaciones
UNIDAD 2 -
forma reducida:
(1)
(2)
(3)
(4)
(5)
Aunque este es un sistema de ecuaciones con infinitas soluciones, hay que tener en cuenta
que todas las variables deben tomar valores positivos ya que representan unidades de
vehculos por hora (vph). Se deduce entonces lo siguiente:
De la cuarta ecuacin: x4 300
Si x4 = 300 entonces: x6 =0 y x1 = 100
De la segunda ecuacin: x7 600
Si x7 = 600 y x6 =0 entonces x2 = 0 y x5 = 400
De la quinta ecuacin: x7 200
Si x7 = 200 y x6 =0 entonces x2 = 400 y x5 = 0
Interpretacin: Para que el flujo vehicular por la avenida Caracas entre las calles 72 y 100
sea mnimo, es decir x4 = 300 vph. , hay dos soluciones:
(1) Se debe suspender el trfico en los tramos x5 y x6 , en x7 debe ser de 200 vph. , en
x2 debe ser de 400 vph. , en x1 debe ser de 100 vph. y de 700 vph. en x3.
(2) Se debe suspender el trfico en los tramos x2 y x6 , en x7 debe ser de 600 vph. , en
x3 debe ser de 300 vph. , en x1 debe ser de 100 vph. y de 400 vph. en x5.
Ejercicios propuestos:
1. Dos obreros trabajan 8 horas diarias en la misma empresa. El primero gana 500 pesos
diarios menos que el segundo, pero ha trabajado durante 30 jornadas mientras que el
87
UNIDAD 2 -
primero trabaj slo 24. Si el primero ha ganado 33.000 pesos ms que el segundo calcule
el salario diario de cada obrero.
2. La ecuacin general de un plano en el espacio es ax + by + cz + d = 0. Hallar la ecuacin
del plano que pasa por los puntos (-1, -2, 0) ; (-5, -3, 1) y (3, 4, 2).
3. Efectuar el balanceo de la ecuacin qumica:
MnSO4 + KMnO4 + H2O MnO2 + K2SO4 + H2SO4
4. Tres mquinas juntas producen 64 partes en una hora. El triple de la produccin de
la primera mquina es igual a la produccin de las otras dos juntas. El quntuplo de la
produccin de la segunda mquina es 12 partes mayor que el doble de la produccin de
las otras dos juntas. Hallar la velocidad de produccin de las tres mquinas.
5. El siguiente mapa (figura 2.8) indica el flujo de trfico (en vehculos por hora) que transita
por las calles de un sector determinado. Minimizar el trfico por la calle x5 sin ocasionar
congestionamientos en las calles circundantes.
300
100
200
500
100
x5
x2
x7
x1
x6
D
x4
500
100
x3
F
200
Fig. 2.8
6. Para llenar un tanque de almacenamiento de agua con capacidad para 300 galones,
se emplea un solo tubo de entrada. Para proveer de agua para riego a los campos de los
alrededores se emplean 2 tubos de salida del mismo dimetro. Cuando los 2 tubos de
salida estn abiertos se necesitan 5 horas para llenar el tanque, y cuando una de ellas
est cerrada slo toma 3 horas. Encuentre los flujos (en galones por hora) de entrada y de
salida del tanque.
88
UNIDAD 2 -
RESUMEN
Una ecuacin lineal es de la forma a1x1 + a2x2 + a3x3 + . . . + anxn = b, todos los trminos,
excepto el trmino independiente son de grado 1. En esta ecuacin b es el trmino
independiente, a1, a2, a3, . . . y an son los coeficientes y x1, x2, x3, . . . y xn son las
variables.
Un sistema de ecuaciones lineales (S.E.L.) es un conjunto de ecuaciones lineales. Se
dice que el sistema es de orden mxn si tiene m ecuaciones y n variables. Un sistema de
ecuaciones en el cual todos los trminos independientes son cero, se llama sistema lineal
homogneo (S.L.H.).
Todo sistema de ecuaciones se puede expresar en forma de ecuacin matricial como
A.X = B, donde A es la matriz de coeficientes, B es la matriz de los trminos independientes,
y X es la matriz de las variables. Si el sistema es homogneo la ecuacin matricial es A.X = O.
Una solucin de un sistema de ecuaciones de orden mxn, es un conjunto de n valores que
al ser sustituidos en la m ecuaciones satisfacen todas las igualdades.
Resolver un sistema de ecuaciones es hallar el conjunto de soluciones y se pueden
presentar 3 casos: que el S.E.L. tenga solucin nica (solo una); que tenga infinitas
soluciones (ms de una), o que sea inconsistente (no tiene solucin).
Se pueden utilizar los siguientes mtodos de solucin: eliminacin de Gauss, reduccin
de Gauss-Jordan, solucin de la ecuacin matricial por medio de la matriz inversa, o la
regla de Cramer. Los 3 primeros son mtodos matriciales, el ltimo se basa en el clculo
de determinantes (unidad 3).
El mtodo de eliminacin de Gauss consiste en llevar a la forma escalonada por filas, la
matriz aumentada (A : B) del S.E.L. El mtodo de reduccin de Gauss-Jordan consiste
en llevar a la forma reducida por filas, la matriz aumentada (A : B) del S.E.L. Si la matriz de
coeficientes de la ecuacin matricial es invertible, la solucin del S.E.L. es X = A-1.B (se
obtiene al resolver la ecuacin A.X = B ).
Los problemas que contengan mucha informacin que se pueda resumir en una matriz,
admiten un planteamiento por medio de un sistema de ecuaciones lineales (que puede
ser homogneo), cuya solucin permite dar respuesta a los interrogantes planteados en el
problema.
89
UNIDAD 2 -
GLOSARIO
Ecuacin lineal es aquella en la que todos los trminos, excepto el trmino independiente,
son de grado 1.
Trmino independiente de una ecuacin lineal es la constante que no es coeficiente.
Los coeficientes de una ecuacin lineal son las constantes que acompaan a las
variables.
Sistema de ecuaciones lineales de orden mxn (S.E.L.) es un conjunto de m ecuaciones
lineales con n variables.
Sistema lineal homogneo (S.L.H.) es un conjunto ecuaciones lineales en el que todos los
trminos independientes son cero.
Matriz de coeficientes es la matriz que se forma con los coeficientes de un sistema de
ecuaciones. Cada fila contiene los coeficientes de una ecuacin y cada columna los
coeficientes de una variable.
Ecuacin matricial es una ecuacin de la forma A.X = B, donde A, X y B son matrices y X
es una matriz desconocida. (Su solucin X = A-1.B representa la solucin de un S.E.L.).
Eliminacin de Gauss es un mtodo matricial para resolver un S.E.L. que consiste en
llevar a la forma escalonada por filas la matriz aumentada (A : B).
Reduccin de Gauss-Jordan es un mtodo matricial para resolver un S.E.L. que consiste
en llevar a la forma reducida por filas la matriz aumentada (A : B).
Matriz aumentada de un sistema de ecuaciones lineales, es la matriz que se forma
aumentando a la matriz de coeficientes la columna de los trminos independientes (al lado
derecho).
90
UNIDAD 2 -
AUTOEVALUACIN
Decidir en cada caso si la afirmacin es verdadera (V) o falsa (F):
es un sistema lineal homogneo.
1.
2.
4.
6. El sistema
b)
c)
d)
a)
b)
c)
es:
d)
91
UNIDAD 2 -
9. Una ecuacin del plano que pasa por los puntos (2, 2, -1); (1, 3, 0) y (-1, 0, 4) es:
a) 7x + 2y + 5z 13 = 0
b) -7x 2y 5z = 13
c) 7x + 2y + 5z + 13 = 0
d) 7x 2y 5z = 13
b) k = 4
c) k = 4
d) ningn valor de k
b) Una recta.
c) Tres puntos.
d) No existe.
RETROALIMENTACIN
Respuestas a los ejercicios propuestos.
Seccin 2.1 (pgina 61): 1. a) falso. b) falso. c) falso. d) verdadero.
2. Tiene infinitas soluciones porque hay 2 ecuaciones y 3 variables.
3. a)
b)
c)
4. a) y c) infinitas soluciones.
5. a)
92
b)
d)
b) y d) solucin nica.
c)
d)
UNIDAD 2 -
c)
d) no tiene solucin.
d)
c) solucin nica x = 0 ; y = 0 ; z = 0 e) x = 3 ; y = 3 ; z = -3 f) x = 0 ; y = 0 ; z = 0
4. a) k -1 b) k = -1
c) ninguno.
5. 0
6. Ninguna.
7. a) x = 17 ; y = -20 b) x = 1 ; y = = ; z =
8. a) Si
se tiene
b) Si
d) Si
se tiene
se tiene
solucin: x = /6, y = 0
solucin: x = 4 , y = 1
UNIDAD 2 -
2. 2x + 3y 5z +4 = 0
4. Ecuaciones
y = 80 gal/h
de la cual se deduce
UNIDAD 2 -
trminos independientes
y la de los
, de la cual se deduce:
Si d = -13 entonces a = 7 ; b = 2 ; c = 5
10. La respuesta correcta es d). El sistema tiene menos ecuaciones que variables,
por lo tanto, o tiene infinitas soluciones o es inconsistente.
11. La respuesta correcta es c). Si la matriz aumentada del sistema de ecuaciones
es equivalente a una matriz idntica ( de cualquier orden) la ltima fila de la matriz
define la inconsistencia 0 = 1 cuando se escriba el sistema asociado a ella.
12. La respuesta correcta es a). Las ecuaciones de los 3 planos definen un sistema
de ecuaciones con solucin nica: x = 1/3 ; y = 2/3 ; z = -1/3 porque:
matriz aumentada:
; matriz reducida:
95
UNIDAD 3 -
3.
DETERMINANTES
Una buena notacin tiene una sutileza y ejerce una sugestin tal que a veces parece como un maestro vivo.
Bertrand Russell.
INTRODUCCIN
La teora de los determinantes fue conocida por los chinos hace ms de 2000 aos, en los
trabajos desarrollados para la solucin de los sistemas de ecuaciones. Ellos encontraron
relaciones importantes entre los coeficientes de las ecuaciones del sistema y las soluciones que
obtuvieron, las cuales corresponden a las definiciones de los determinantes de orden 2 y 3.
Mucho tiempo despus, a mediados de los siglos XVIII y XIX, se dieron a conocer
importantes aportes. A.L. Cauchy y G.W. Leibnitz desarrollaron las propiedades de los
determinantes; P.S. Laplace hizo la expansin de un determinante por cofactores, y C.G.
Jacobi, aplic los determinantes a las funciones de varias variables para el desarrollo del
clculo vectorial.
En esta unidad, vamos a definir el concepto de determinante y a estudiar sus propiedades.
Los determinantes de orden 2 y 3 se calculan directamente. Para calcular determinantes
de orden mayor se utilizan convenientemente las propiedades.
97
UNIDAD 3 -
OBJETIVO GENERAL
Generalizar el clculo de los determinantes de orden n y sus aplicaciones, a partir de las
propiedades enunciadas con los determinantes de orden 2 y 3.
OBJETIVOS ESPECFICOS
CONTENIDO
3.1. La funcin determinante.
3.1.1. Definicin por cofactores.
3.1.2. Propiedades.
3.2. Aplicaciones de los determinantes.
3.2.1. Regla de Cramer.
3.2.2. Matriz inversa.
98
UNIDAD 3 -
An det(An ) = An
Notacin: Se distingue entre la matriz A y su determinante utilizando parntesis para la
matriz y barras verticales para su determinante:
A=
pero det( A ) =
=r
A2 =
99
UNIDAD 3 -
Definicin: Si A3 =
det( A3 ) = A3 =
En la prctica, se acostumbra repetir las dos primera columnas (o filas) para tener completas
las diagonales con tres elementos: (rojas positivos; azules negativos).
Ejemplos:
calcular T .
1. Si T =
2. Si B =
x2 + 5x 6 =0.
100
UNIDAD 3 3. Calcular D si D =
Si A =
Solucin:
El menor-23 se calcula con el determinante que se forma suprimiendo en A la segunda fila
y la tercera columna: M23 =
= 18 16 = 34 .
= 0 ( 35) = 35 .
101
UNIDAD 3 -
En la matriz B =
Ejemplos:
1. Si B =
= (-1)(4 + 18) = 22
C31 = (-1)3+1
= (1)(15 0) = 15
C21 = (-1)2+1
= (1)(20 9) = 29.
Si se calculan todos los cofactores de B, con ellos se forma una matriz asociada a B
llamada matriz de cofactores y se denota: Cof( B ).
2. Si B =
UNIDAD 3 -
Cof( B ) =
Veamos ahora la relacin que existe entre un determinante y cada uno de sus cofactores.
El determinante de una matriz A se obtiene multiplicando cualquier fila o columna de A, por
la misma fila o columna de la matriz de cofactores asociada a ella:
Si se elige la primera fila de A se tiene:
3. Si B =
Solucin:
Por la primera fila: B =
.
= ( 0 + 9 + 90 ) ( 0 20 6 ) = 99 + 26 = 125.
Si det( A ) =
103
UNIDAD 3 -
A11 =
A12 es el menor-12 de A:
A12 =
En forma anloga se calculan A13 (el menor-13) y A14 (el menor-14) entonces:
det(A) = a11
-a12
+a13
-a14
Ejemplo: Calcular
104
2 3
0
3
1 4
0
1
1 0
5 3
2 2
3 0
UNIDAD 3 -
Solucin:
Como no se ha definido el clculo directo para un determinante de orden 4, se aplica la
definicin por cofactores, haciendo la expansin por cualquier fila o cualquier columna. Se
observa adems que tanto las filas 2 y 4, como las columnas 1 y 4, tienen dos ceros cada
una, por lo tanto, se puede hacer la expansin por cualquiera de ellas.
- Haciendo la expansin por la Columna 1 se tiene:
=2
= 1.
3.
= 1(20+3+12) 3(129+24) = 46
105
UNIDAD 3 -
Ejercicios propuestos:
1. Evalue los siguientes determinantes:
a)
b)
c)
d)
3. Evalue el determinante de
a) La tercera fila .
b) La segunda columna.
106
por cofactores de :
c) Directamente.
=0
UNIDAD 3 -
Determinantes - Propiedades
entonces
, entonces
=0.
107
UNIDAD 3 -
Determinantes - Propiedades
Si calculamos
Entonces
=k
Si A =
, entonces
108
UNIDAD 3 -
Determinantes - Propiedades
Justificacin:
Si A =
Pero
y B=
, entonces: det( AB ) =
Verificacin:
Si A =
y B=
, entonces: AB =
det( A ) =
=28+10+2105=65 .
det( B ) = 0 + 56 + 0 42 0 0 = 14 .
det( A.B ) = 12852 + 15288 8008 22932 7392 + 9282 = 910.
Por tanto, det( A ).det( B ) = 65.14 = 910 = det( A.B ) .
7. Si los elementos de una fila (o columna) de un determinante se multiplican por los de la
respectiva fila (o columna) en su matriz de cofactores, se obtiene el valor del determinante.
Pero si se multiplican por los de otra fila (o columna), el resultado es cero.
Justificacin:
Si A =
entonces:
det(A) =
109
UNIDAD 3 -
Determinantes - Propiedades
Verificacin:
Si T =
y efectuando:
, porque
Verificacin:
18 = (10) + (8).
9. Si a una fila (o columna) de un determinante se le suma k veces otra fila (o columna), el
valor del determinante no cambia.
110
UNIDAD 3 Justificacin:
Determinantes - Propiedades
, porque
Si
la matriz A con la operacin
.
(propiedad 7) .
, luego
Ejemplos:
1. Calcular
Solucin: Evaluando el determinante por la primera columna tenemos:
2. Calcular
Solucin:
=
111
UNIDAD 3 -
Determinantes - Propiedades
se obtiene el determinante:
, se tiene:
= (-1)
4. S i
= 374
b)
Solucin:
a) Por cada fila de A el determinante se multiplica por 2, entonces:
=
b)
112
.
= 53 = 125.
UNIDAD 3 -
5. Mostrar que
Determinantes - Propiedades
Entonces
Ejercicios propuestos:
1. Evalue : a)
2. Si
a)
b)
b)
c)
d)
113
UNIDAD 3 -
Determinantes - Propiedades
a)
y B=
b)
114
verifique :
c)
= 23
UNIDAD 3 -
Determinantes - Aplicaciones
3.2. APLICACIONES
En esta seccin se estudian dos de las aplicaciones ms frecuentes de los determinantes:
la solucin de sistemas de ecuaciones lineales con solucin nica y el clculo de la matriz
inversa.
El proceso de solucin de sistemas de ecuaciones lineales mediante el uso de determinantes,
es conocido como Regla de Cramer y se aplica slo a sistemas con solucin nica. El
proceso para hallar la inversa de una matriz no singular, se basa en el clculo de los
cofactores de la matriz.
se forma cambiando en
los trminos independientes.
115
UNIDAD 3 -
Determinantes - Aplicaciones
Nota: Si
= 0 este mtodo no se puede aplicar y se utiliza alguno de los mtodos
estudiados en la unidad 2 (reduccin de Gauss-Jordan o eliminacin de Gauss).
Consideremos el sistema
entonces:
en
en
en
Ejemplos
1. Utilizando la regla de Cramer resolver el sistema
116
UNIDAD 3 -
Determinantes - Aplicaciones
Solucin:
Se calculan los determinantes
= 96 ;
= 31 .
117
UNIDAD 3 -
Determinantes - Aplicaciones
La matriz de coeficientes es A =
, entonces:
det (A) =
UNIDAD 3 -
Determinantes - Aplicaciones
Como
det (Ax) =
det (Ay) =
= 20 66 = 46.
det (Az) =
= 72 + 20 = 92.
det (Aw) =
= 48 48 = 0.
119
UNIDAD 3 -
Determinantes - Aplicaciones
=2 ; y=
z=
= 1 ; w =
=
=
.
= 0.
A.A-1 = In = A-1.A
120
UNIDAD 3 -
Determinantes - Aplicaciones
Veremos ahora otro mtodo para hallar la inversa de una matriz no-singular, conocido
como mtodo de la matriz adjunta que a continuacin se describe:
Definicin: Se llama MATRIZ ADJUNTA de A a la matriz de cofactores de la matriz
transpuesta.
Se denota adj (A) = cof (AT)
Ejemplo:
Encuentre la matriz adjunta de A =
Solucin:
Hallamos la matriz transpuesta AT =
.
.
UNIDAD 3 -
Sean
A=
Determinantes - Aplicaciones
y cof(A) =
adj
A adj
En la diagonal principal, se multiplica cada fila de A por sus respectivo cofactor, en estos
casos, el resultado es
(propiedad 7), mientras que en las dems posiciones se multiplic
una fila por los cofactores de otra, y en estos casos el resultado es cero. Por tanto: A.
adj(A) = det (A) In.
Si el determinante de A es diferente de cero, podemos multiplicar los dos lados de la
igualdad por
Definicin:
y se tiene A [
Adj(A) ] = In.
Ejemplos
1. Hallar la matriz inversa de
122
UNIDAD 3 -
Determinantes - Aplicaciones
Solucin:
Se calcula det (A) = 3 7 =4 (=5) = 21 + 20 = 41.
Se escribe la matriz transpuesta AT =
es la matriz inversa de A .
A A -1 = I2.
.
y
se puede comprobar remplazando estos valores en cada una de las ecuaciones del sistema
para verificar que se satisface cada una de las igualdades.
3. Encontrar la matriz inversa de:
123
UNIDAD 3 -
Determinantes - Aplicaciones
Solucin: Como B = =10 se sabe que B-1 , existe y se hallan las matrices:
BT =
adj
Por tanto:
y de B =
Solucin:
Calculamos el determinante de cada una de las matrices:
det (A) =
= (12 24 + 6) (24 + 12 + 6) = 6 + 6 = 0 .
= (12 + 4 + 0) (0 + 6 + 1) = 16 7 = 9 .
C21 = (1 3 - 2 1) = 1 .
C22 = 1 3 - 2 0 = 3 .
C31 = 1 1 - 4 2 = 7.
C32 = (1 1 - 2 2) = 3.
UNIDAD 3 C13 = 2 1 - 0 4 = 2 .
C23 = (1 1 - 0 1) = 1 .
La matriz adjunta de B:
adj(B) =
La matriz inversa de B:
B-1 =
Determinantes - Aplicaciones
C33 = 1 4 - 1 2 = 2.
Nota: Para el caso de la matriz A, como el determinante es igual a cero se concluye que
no existe la matriz inversa y el ejercicio queda resuelto.
Para el caso de la matriz B como el determinante es diferente de cero, se concluye que la
matriz inversa existe y se contina con el proceso.
La matriz inversa se forma dividiendo cada uno de los elementos de la matriz adjunta por
el determinante. Se puede comprobar que el resultado es correcto multiplicando B y B-1, y
el resultado debe ser la matriz idntica de orden 3 ( I3 ) .
Propiedades de la matriz inversa
1. Si A es una matriz invertible entonces
2. Si
0 entonces
3. Si A es invertible entonces
Ejemplos:
Verificar cada una de las propiedades enunciadas con las siguientes matrices:
y
125
UNIDAD 3 -
Determinantes - Aplicaciones
Verificacin:
Propiedad 1: (A -1)-1= A
Si
entonces
= A.
(A -1)-1 =
Propiedad 2: Si
con k 0.
.
=
Propiedad 3:
.
y su inversa es
y su transpuesta es
Propiedad 4:
, entonces:
Adems
126
UNIDAD 3 -
Determinantes - Aplicaciones
Teorema: (Resumen)
Si A es matriz cuadrada de orden n, las siguientes afirmaciones son equivalentes:
(1) A es invertible.
(2) La nica solucin del sistema homogneo AX = O es la trivial.
(3) El determinante de A es diferente de cero.
(4) El sistema de ecuaciones lineales AX = B tiene solucin nica.
(5) A es equivalente por filas a la matriz In.
Ejercicios propuestos:
1. Dada la matriz
, verifique
y verifique que
b)
a)
b)
4. Si A X = B donde A =
, X=
c)
y B=
127
UNIDAD 3 -
Determinantes - Aplicaciones
5. Para la matriz
a) El menor de 0 .
6. Resolver la ecuacin
calcule :
b) El cofactor de 7 .
128
c) M24.
d) C42 .
UNIDAD 3 -
RESUMEN
Un determinante es un nmero real asociado a una matriz cuadrada A, denotado por
det ( A ) =
. El clculo del determinante para las matrices de orden 2 y 3 es directo, pero
para matrices de orden superior se utilizan las propiedades.
El menorij ( Mij ) del determinante A se obtiene eliminando en
la i-sima fila y la
j-sima columna, tambin es un nmero. El cofactorij de
es el menor-ij multiplicado
por 1 cuando i+j es un nmero par y por (-1) cuando i+j es impar. Se denota por
Cij = (-1)i+j Mij.
Un determinante de cualquier orden puede ser calculado haciendo la expansin por
cualquier fila (o columna), que consiste en multiplicar cada elemento de esa fila por el
correspondiente cofactor y sumar los resultados:
= ai1Ci1 + ai2Ci2 + . . . + ainCin.
Otra forma de calcular un determinante es aplicar las propiedades para obtener una forma
triangular, pues en tal caso el valor de
es el producto de los elementos de la diagonal
principal (propiedad 5). El proceso de llevar el determinante a la forma triangular se puede
realizar, intercambiando filas y sumando a una fila, otra fila multiplicada por una constante
(propiedades 1 y 9).
Los determinantes se utilizan para hallar la matriz inversa de A si existe.
Con todos los cofactores de A se forma la matriz de cofactores de A, cof (A).
Con los cofactores de la matriz transpuesta ( AT ), se forma la matriz adjunta de A que se
denota por adj (A) = cof (AT).
La matriz inversa de A se forma multiplicando escalarmente, la matriz adjunta por el inverso
del determinante:
129
UNIDAD 3 -
Teorema: (Resumen)
Si A es matriz cuadrada de orden n, las siguientes afirmaciones son equivalentes:
(1) A es invertible.
(2) La nica solucin del sistema homogneo AX = O es la trivial.
(3) El determinante de A es diferente de cero.
(4) El sistema de ecuaciones lineales AX = B tiene solucin nica.
(5) A es equivalente por filas a la matriz In.
GLOSARIO
Un determinante es un nmero real asociado a una matriz cuadrada.
El menorij de
El cofactorij de
se forma eliminando en
la fila i y la columna j.
La expansin de
por una fila es, la suma de los elementos de esa fila, multiplicados
por su correspondiente cofactor.
La Matriz de cofactores de A es la matriz que se forma con los cofactores de A.
La Matriz adjunta de A se forma multiplicando escalarmente por
cofactores de AT.
, a la matriz de
130
UNIDAD 3 -
AUTOEVALUACIN
En cada caso seleccione la respuesta correcta:
1. Los valores enteros de para los cuales
a) 2 , 1 y -4.
b) solo -4 .
c) 0 y -2.
b) ninguno.
d) 2, -1 y 4.
0 son:
a) 5 , 0 y -3.
son:
c) 5 , -3 y -4 .
b)
4. El cofactor-33 de
a) 0.
5. Si A =
a) 12 .
6. Si
a) 2 y 3 .
c)
d)
es:
b) 3a 2 .
entonces
b) 6 .
c) 3a + 2 .
d) 3a + 2 .
es igual a:
c) 12 .
d) 30.
c) 7 y 2 .
= 0 son:
d) 7 y -2.
131
UNIDAD 3 -
Decida si cada una de las siguientes afirmaciones es verdadera (V) o falsa (F).
7. La matriz
no es invertible.
la variable y es igual a:
11. Si
RETROALIMENTACIN
Respuestas a los ejercicios propuestos.
Seccin 3.1 (pgina 106): 1. a) 237 .
2. a) 7 y -2 . b)
3. a)
4. 1 , 1 y 2.
132
b) 0.
c) 29 2a 15b.
d) 14y 12.
3. c) 0 12 + 0 7 + 0 30 = -49.
. b)
2. X-1 =
b) 0.
c) 4.4.4.7 = 448.
b) 270.
d) 3.(-1).7 = -21.
c) 528 = 8.(66).
= 1/270 y
;Y-1 =
= 270.
; Y-1X-1 =
4. X =
5. a) 16
b) 27
c) 2
d) 11
7. = 2
6. 8 y -3
].
=
La solucin del primer factor es 4, pero las del otro factor son
.
.
son diferentes de cero: el primero es a2 + b2 siempre es positivo, los otros dos son 2ab y
nunca va a ser cero porque ninguno de los factores es cero.
133
UNIDAD 3 -
= 1.(3a + 2) = 3a + 2.
5. La respuesta correcta es c). Si se intercambian las filas 3 y 4, se tiene una matriz triangular
, y el determinante es el producto de los elementos de la diagonal principal, pero cambia
de signo por el cambio de filas. Entonces det (A) = (-1).2.3.(-2).1 = 12.
6. La respuesta correcta es d).
Entonces: det (
= -2.
134
4.
VECTORES
El primero que encontr la frmula de la palanca fue Arqumedes ms de 2000 aos atrs. Los romanos
usaron sus inventos pero desdearon sus clculos porque era un pueblo prctico que despreciaba la
teora. Sin embargo, para hacer avanzar la tecnologa, es imprescindible e l estudio de la teora.
INTRODUCCIN
Los vectores son elementos supuestamente familiares para cualquier persona que haya
cursado un primer nivel de fsica general, donde se estudia la parte mecnica relacionada
con los movimientos, que por ser desplazamientos, quedan muy bien representados por
un vector, puesto que se debe especificar la longitud, la direccin y el sentido de dicho
desplazamiento (los 3 elementos que caracterizan un vector).
Igualmente, las causas que originan un movimiento, como lo son la fuerza que se le aplica
a un cuerpo o la velocidad constante o variable (aceleracin) que se le imprime, tambin
son apropiadamente representadas en forma vectorial , ya que para estos casos tambin
se debe especificar magnitud (de la fuerza o la velocidad), direccin y sentido. Para el
caso particular de la velocidad, recordemos que su magnitud se conoce como rapidez, y
puede ser la misma en diferentes direcciones y sentidos (es un escalar).
En el estudio de los fenmenos electromagnticos o la mecnica de fluidos, se recurre a
los conceptos vectoriales del clculo diferencial e integral, para la fundamentacin de los
modelos tericos que mejor describen sus comportamientos reales.
Aunque su estudio se remonta al S. XVII para el desarrollo del clculo infinitesimal por parte
de G. Leibnitz, solo hasta el S. XIX H. Grassman y W. Hamilton definieron los vectores como
los objetos con la representacin geomtrica que requera Leibnitz y que estudiaremos en
esta unidad.
135
OBJETIVO GENERAL
Distinguir y aplicar las diferentes operaciones definidas con vectores en el plano (2) y en
el espacio (3) y su generalizacin a n.
OBJETIVOS ESPECFICOS
Definir y representar geomtricamente vectores en 2 y 3.
Efectuar operaciones con vectores en 2 y 3 .
Utilizar las propiedades de las operaciones vectoriales en los ejercicios de
aplicacin y en algunas demostraciones.
Determinar paralelismo y ortogonalidad entre vectores.
Calcular distancias, ngulos e intersecciones entre rectas y planos.
Calcular reas y volmenes de paralelogramos y paraleleppedos.
CONTENIDO
4.1.
Vectores en 2 .
4.1.1. Caractersticas de los vectores en 2 (plano cartesiano):
Definiciones e interpretaciones geomtricas.
Norma. Angulo direccional. Vector normado .
4.1.2. Operaciones con vectores en 2 :
Suma: definicin, interpretacin geomtrica, propiedades.
Multiplicacin escalar: definicin, interpretacin geomtrica, propiedades.
Producto escalar: definicin, interpretacin geomtrica, propiedades.
4.1.3. Aplicaciones de las operaciones en 2 :
Paralelismo y perpendicularidad.
Proyecciones ortogonales, trabajo.
Teorema del coseno.
4.2.
Vectores en 3
4.2.1. Caractersticas de los vectores en 3 (espacio tridimensional):
Definiciones e interpretaciones geomtricas.
Norma. ngulos y cosenos directores. Vector normado.
4.2.2. Operaciones con vectores en 3 :
136
137
4.1. VECTORES EN 2
Los desplazamientos entre dos puntos del plano determinan los objetos geomtricos
llamados vectores.
b
a
Fig. 4.1.
Fig. 4. 2.
En el plano cartesiano (2), todos los vectores se representan tomando como punto
inicial (cola) de la flecha el origen del sistema de coordenadas (figura 4.3 a). Por tanto, la
representacin geomtrica de cada vector es nica. Se llama VECTOR LIGADO y queda
definido por un punto cualquiera del plano, que es el punto terminal (cabeza) de la flecha
(figura 4.3 b).
Y
(x1, y1)
y1
x1
x2
X
v
y2
X
w
(a)
(x2, y2)
(b)
Fig. 4.3
Como cada punto del plano representa un par ordenado (x, y) de nmeros reales, todo
vector del plano cartesiano 2 , queda definido por un par ordenado. Sus componentes x
y y se llaman COORDENADAS DEL VECTOR.
139
Notacion:
v = (x2 , y2)
Si v = (x, y) entonces
v
x
Fig. 4.4.
(Tr. de Pitgoras)
arctan
sen
arcsen
,o,
cos
arccos
(figura 4.4)
,o,
140
o
Fig. 4.5.
Y
y
-x
-v
-y
Fig. 4.6.
= (cos , sen )
Entonces:
141
0
1
Fig. 4.7.
El vector normado puede tener igual o diferente sentido al del vector dado, y su norma
puede ser mayor o menor que la del vector (figura 4.7).
Ejemplos:
Para cada uno de los vectores dados, hacer la representacin geomtrica en el plano
cartesiano y hallar: la norma, el ngulo direccional, el vector opuesto y el correspondiente
vector normado. Hacer 3 representaciones diferentes de cada vector en el plano geomtrico
(figura 4.8 b).
1. a = (3, 2)
Norma de a:
.
= 33,70.
2. b = (-2, 1).
Norma de b:
142
= arctan
= 153,40
3. c = (-1, -3).
Norma de c:
.
= arctan (3) = 251,60
4. d = (2, -2).
Norma de d:
.
= arctan (-1) = -450 .
3150.
143
(a)
(b)
Fig. 4.8.
Ejercicio propuesto:
Para cada uno de los vectores u = ( 3, 1) y v = ( 2, -1) halle : norma, ngulo direccional,
el vector opuesto y el vector normado con sentido opuesto. Haga la representacin grfica
de los vectores en el plano cartesiano, y 3 representaciones diferentes de cada uno en el
plano geomtrico.
144
En el plano geomtrico, los vectores se grafican uno seguido del otro, y el vector suma
o VECTOR RESULTANTE , se forma uniendo la cola del primer vector con la cabeza del
segundo (Figura 4.9 a).
u
v
u+v
Fig. 4.9. (a)
En el plano cartesiano, el vector suma se obtiene sumando las correspondientes coordenadas (Figura 4.9 b).
Definicin: Si u = (x1, y1) y v = (x2, y2) se define la SUMA de u y v.
Como u + v = (x1 + x2 , y1 + y2) = (w1, w2) = w .
145
u+v
v-u
v
u-v
u
(a)
(b)
Fig. 4.10.
C
D
B
A
AC
AB + AD
DB
AB - AD
(c)
Propiedades de la suma
1. Clausurativa: u , v 2,
u + v = w 2 .
Esto quiere decir que al sumar 2 vectores en el plano, el resultado es otro vector del plano
(Figura 4.10 b).
Demostracin: Si u y v 2 : u = (u1, u2) y v = (v1, v2) , entonces:
146
definicin de vector en 2.
definicin de + en 2 .
+ es clausurativa en .
definicin de vector en 2 .
u + v = v + u.
v
Fig. 4.11.
(Figura 4.11)
3. Asociativa:
definicin de vector en 2 .
definicin de + en 2 .
+ es conmutativa en .
definicin de + en 2 .
definicin de vector en 2 .
[ u + v ] + w = u + [ v + w ] = u + v + w.
Quiere decir que se pueden sumar ms de 2 vectores, pero siempre en forma binaria
sin que la forma de agrupar afecte el resultado. Por lo tanto, se puede prescindir de los
parntesis. (Figura 4.12).
v
v+w
Fig. 4.12.
147
definicin vector en 2 .
definicin de + en 2 .
definicin de + en 2 .
+ es asociativa en .
definicin de + en 2 .
definicin de + en 2 .
definicin vector en 2 .
4. Modulativa: u 2, u + o = o + u = u.
Esto significa que el vector nulo o, es el MDULO o ELEMENTO NEUTRO para la suma,
porque cualquier vector sumado con el vector nulo no cambia (Figura 4.13).
u
Fig. 4.13.
definicin de vector en 2.
definicin de + en 2.
0 es el mdulo de + en .
definicin de vector en 2.
u + (-u) = u - u = o
(-u) + u = -u + u = o
u
o
-u
Fig. 4.14.
148
definicin de vector en 2 .
definicin de + en 2 .
+ es invertiva en .
definicin del vector nulo.
Ejemplos:
1. Si u = (3, -2) , v = (-1, 5) y w = (2, -3) verificar las propiedades enunciadas de
la suma de vectores.
Solucin:
Clausurativa:
u + v = (3, -2) + (-1, 5) = (3-1, -2+5) = (2, 3)
Conmutativa:
u + v = (3-1, -2+5) = (2, 3) = (-1+3, 5-2) = v + u u + v = v + u
Asociativa:
[u + v] + w = (3-1, -2+5) + (2, -3) = (2, 3) + (2, -3) = (4, 0)
u + [v + w] = (3, -2) + (-1+2, 5-3) = (3, -2) + (1, 2) = (4, 0)
[u + v] + w = u + [v + w] = u + v + w
Modulativa:
u + o = (3, -2) + (0, 0) = (3, -2) = u
v + o = (-1, 5) + (0, 0) = (-1, 5) = v
w + o = (2, -3) + (0, 0) = (2, -3) = w
Invertiva:
u + (-u) = (3, -2) + (-3, 2) = (0, 0) = o
v + (-v) = (-1, 5) + (1, -5) = (0, 0) = o
w + (-w) = (2, -3) + (-2, 3) = (0, 0) = o
2. Un bote viaja con una rapidez de 10 millas por hora hacia el este y sopla un viento cruzado de sur a norte de 20 millas por hora (ver Figura 4.15). Cul es el vector velocidad
del bote?. Indique su rapidez y direccin?
149
vv=20mi/h
22,36.
vb
= arctan
= arctan
10mi/h
Ejercicios propuestos:
1. Encuentre la magnitud y direccin de cada uno de los vectores dados:
a) u = (-5, 8) .
b) v = (1,
c) w = (
).
, -1) .
b) y = (1, 1).
b) a b .
c) (a + b)
d) a + b .
5. Encuentre un vector unitario que tenga la misma direccin y sentido del vector
u + v w, si u = (2, -4); v = (-3, 0) y w = (0, -2).
150
es un vector normado.
7. Para cada uno de los vectores dados encuentre sen y cos donde es el
ngulo direccional del vector:
a) v = (-3, 4) .
b) v = (5, -5) .
c) v = (1, 0).
d) v = (0, 1).
u-v
b)
c)
d)
u+v
151
resultado es un vector.
v
-3
-1
Fig. 4.16.
Para cualquiera de los anteriores vectores respeto al vector v, se dice que es un mltiplo
escalar de v, es decir, se obtiene multiplicando al vector v por un real (escalar). De todos
ellos se dice que son vectores linealmente dependientes.
w si r 0 .
De los dos vectores v y w se dice que son LINEALMENTE DEPENDIENTES , porque estn
sobre la misma recta, es decir, uno de ellos depende del otro.
Interpretacin geomtrica: Si se efectuaran los productos escalares de un vector cualquiera
v con cada uno de los nmeros reales, el resultado sera una recta en la que cada punto
representa un vector, al cual le corresponde un real llamado ABSCISA DEL VECTOR. A la
recta se le llama D0 para indicar que cada punto define un vector con su origen en o.
152
-3u
-3/2u
-3
-2
-u
-3/2 -1
1/2
2u
D0
Fig. 4.17.
Como la recta D0 se forma a partir del vector u (Figura 4.17), se dice que u es un vector
GENERADOR de la recta D0.
En el plano cartesiano, el vector unitario sobre el eje X se llama i y sus coordenadas son
(1, 0); el vector unitario sobre el eje Y se llama j y sus coordenadas son (0, 1). (Figura
4.18)
El vector i es un generador del eje X, por tanto, cualquier vector sobre el eje X es un mltiplo
escalar de i. As mismo, el vector j es un generador del eje Y y cualquier vector del sobre
el eje Y es un mltiplo escalar de j.
Como todo vector v 2 queda definido por un par ordenado (x, y), v se puede expresar
como la suma de un mltiplo escalar de i con un mltiplo escalar de j.
Y
y
yj
Si v = (x, y) ,entonces:
v = x i + y j , porque:
xi
Fig. 4.18.
Se dice que v es una COMBINACION LINEAL de los vectores i y j , es decir, una suma de
mltiplos escalares de i y j. (Figura 4.18)
Ahora, cualquier vector del plano queda definido de dos formas:
153
Observamos en la figura 4.18, los vectores i y j no estn sobre la misma recta, es decir, no
son linealmente dependientes. Se dice que son LINEALMENTE INDEPENDIENTES, lo cual
significa que ninguno de ellos es mltiplo escalar del otro.
Como todo vector del plano puede ser expresado en trminos de i y j, se dice que el
conjunto { i, j }, GENERA al plano 2 y se llama BASE CANNICA o NATURAL del plano
cartesiano.
Propiedades de la multiplicacin escalar:
1. Para todo vector v 2, 1v = v y 0v = o.
2. Si r , s y v 2 : [r s] v = r[s v] .
3. Si r , s y v 2 : [r + s] v = r v + s v.
4. Si r y u , v 2 : r[u + v] = r u + r v.
5. Si r , para todo vector v 2 :
=r
Demostracin (1):
Si v = (x, y) entonces 1 v = 1(x, y) = (1x , 1y) = (x, y) = v.
0 v = 0 (x, y) = (0x , 0y) = (0, 0) = o.
Ejercicios resueltos:
1. Demostrar la propiedad 2 de la multiplicacin escalar.
Demostracin: Si v 2 : v = (x , y) entonces
154
Propiedad 3: [r + s] v = r v + s v. Entonces:
Propiedad 4: r [ u + v] = r u + r v. Entonces:
Solucin: a =
b = ( 0, -3 )
a+b=(
=
i+1j=
i+j
b = 0 i + (-3) j = o 3j = -3j
i + j ) + ( -3j )
i + ( j 3j )
155
i + ( 1 3) j
i 2j
Entonces: a + b =
i 2j y en coordenadas cartesianas a + b =
w.
2(u+v)
2(u+v)
x=
Remplazando:
x=
x=
w=3x
(u+v)
x=(
, -2 ) + (
x=(
, -2 )
w]= x
w
(2, 0)
(2, 0)
,0)
, -2 ).
entonces:
, -2) =
2 (-2, -3) 3 (
(2, 0)
, -2) =
(2, 0)
a = (4, -3)
= 5.
= 2.
b = (2, 0)
Entonces:
b -
b -
a.
u + y] -
w=o
3[
u + y] -
u+3y -
3y= y=
y=-
u+
w es el
w = o y se despeja y
w = o.
u+
[-
u + y] -
w .
u+
w] .
w.
157
y=-
(-4, 2) +
Por tanto, el vector y = (5, -5), es el vector que satisface la ecuacin dada.
entonces w =
Es el vector pedido.
2. Decidir si los siguientes pares de vectores son o no, linealmente dependientes:
a) u = (2, -3) y v = (-1, 3/2).
b) u = (-2, 4) y v = (- 2, 2).
Solucin: Si u y v son vectores linealmente dependientes, uno de ellos debe ser mltiplo
escalar del otro, es decir, debe existir para cada caso una constante k tal que u = kv.
158
Como el valor de k es el mismo para las 2 componentes, los vectores u y v son linealmente
dependientes.
b) (-2, 4) = k (- 2, 2) (-2, 4) = (-2 k, 2k)
-2u
+2 u
b)
3u 5v + w
c)
[u+v]
159
Abs (u)
Abs (v)
Fig. 4.19. (b)
160
u
v
-k
(a)
(b)
Fig. 4.20.
Fig. 4.21.
pvu = k
k=
cos()
Si el ngulo entre u y v es menor de 900, el vector proyeccin tiene el mismo sentido del
vector v , y la constante k es positiva (Figura 4.20 a).
161
cos()
Fig. 4.22.
Definicin: Se define el COSENO del ngulo entre los vectores u y v , como el producto
escalar de sus vectores normados.
Se denota: cos() =
Fig. 4.23.
.
es otra definicin para el producto escalar.
Definicin: Sean u y v vectores en 2 , tales que u = (u1, u2) y v = (v1, v2) ,se define
el PRODUCTO ESCALAR entre u y v como la suma de los productos de las respectivas
coordenadas:
uv = u1 v1 + u2 v2.
Ejemplos:
1. Si u = (-1, 1) y v = (2, -1) hallar:
a) El producto escalar entre u y v.
Solucin: uv =
b) El ngulo entre u y v.
Solucin: cos( ) =
cos( ) =
Entonces = arccos
= 166,340
2
1
Fig. 4.25.
164
y cos() =
, se concluye:
pvu=
pvu=
b) pwu
c) pvz
d) pzu
e) pwv
z
v
Fig. 4.25.
a) pvw =
v=
165
w=
c) pvz =
v=
d) pzu =
z =
e) pwv =
w=
uv = vu
definicin de vector en 2.
definicin de producto escalar
. es conmutativa en
.
definicin del producto escalar.
definicin de vector en 2.
u[v + w] = uv + uw
uu =
0 y uu = 0 si y solo si u = o
Como
= uu
De esta propiedad, se concluye que el producto escalar de cualquier vector con si mismo, da como resultado la norma del vector al cuadrado.
Verificacin: Si u = (-3, 4)
Adems, uu = (-3, 4)(-3, 4) =
u
= 9+16 = 25
167
Porque el coseno de 900 es cero y el producto de cualquier nmero con cero es cero.
Ejercicios resueltos:
1. Decidir si los siguientes pares de vectores son o no ortogonales:
a) u = 2i j y v =
i+
j.
b) z = i + j y w = - i + 2j.
Solucin:
a) Expresamos los vectores en trminos de sus coordenadas:
u = (2, -1) y v = (
) uv =
Como el producto escalar de los vectores es cero, se concluye que los vectores
son ortogonales.
b) z = (1, 1) y w = (-1, 2) zw = -1 + 2 = 1. Como el producto escalar es
diferente de cero, los vectores no son perpendiculares.
2. Demuestre que los vectores i y j de la base cannica, son ortogonales.
168
. Luego ij = 0 ij
Nota: Como los vectores i y j son normados (de longitud 1) y ortogonales, se dice que {i, j}
es la BASE ORTONORMADA del plano cartesiano.
3. Encuentre un vector x que sea unitario y ortogonal al vector z = 4i + 3j.
Solucin:
Supongamos que x = (a, b) , entonces se debe cumplir zx = 0.
zx = (4, 3)(a, b) = 4 a + 3 b = 0 b =
b=
a.
x=
, entonces:
169
ac =
ac -
a-
bc
bc =0
b]c =0
vc = 0
vc
Teorema: (Desigualdad Triangular).
Dados dos vectores u y v del plano,
Demostracin:
u+v
u+v u
v .
= ( u + v )( u + v ) .
= uu + uv + vu + vv.
=
+ 2uv +
+2 u
u
( u
Como:
u+v
( u
+2 u
+
v cos +
v
( IcosI<1I )
v )2.
v )2
u+v
v .
u+v
u+v =
u +
Si los puntos no estn alineados, los vectores no son paralelos y al sumarlos se forma un
tringulo, para el cual la suma de las longitudes de 2 de sus lados, siempre es mayor que
la longitud del otro lado. (Figura 4.26 b)
B
u+v
u+v
<
AB + BC
<
AB
BC
Ejercicios propuestos:
1. Encuentre el ngulo entre los vectores u y v si:
a) u = (1, 2) y v = (6,8) .
b) u = (-7, -3) y v = (0, 1).
2. Encuentre el vector proyeccin de w sobre z y la componente de w sobre z si:
a) w = (2, 1) y z = (-3, 2) .
b) w = (2, 6) y z = (-9, 3).
3. Si a = (2, -3) encuentre un vector b 2 , tal que ba = 0 y
u+v
b .
= u-v
171
=2 y
a2 + b2 = 4
=2
Si x = k v
(a , b) = (-k , 2k)
x = k v.
(1)
a = -k y b = 2k
(2)
k=
b= -
y si a = -
b=
y x=
172
b) uv
u =
Pero
=0
u
Fig. 4.27. (a)
173
Demostracin:
u+v
u- v
u+v
u+v
u- v
u-v
( u + v )( u + v) = ( u v )( u v ).
uu + 2uv + vv = uu 2uv + vv.
2uv = -2uv 4uv = 0 uv = 0 uv.
Interpretacin geomtrica:
En un cuadrado las dos diagonales tienen la misma longitud (Figura 4.27 b).
u+v
v
u
u-v
d
Fig. 4.28. (b)
Ejemplo:
a) Calcular el trabajo efectuado por una fuerza constante F = -2i + 6j cuando su punto de
aplicacin se desplaza del punto A:(-2 , 3) al punto B:(-1 , 6).
Solucin: F = -2i + 6j F = (-2 , 6).
d = AB = B A d = (-1 , 6) (-2 , 3) = (1 , 3).
Entonces: W = (-2 , 6)(1 , 3) = -2 + 18 = 16.
Si la fuerza F est dada en Newtons y la distancia en metros, el trabajo realizado por dicha
fuerza es 16 Newtons por metro.
175
F
d
= arccos
= arccos
= arccos
= 36,870
Fig. 4.29.
P2
P + F + R = O pero
P = P1 + P2 adems
P1
P1 = pRP =
sen
P2 = pRP =
cos
Fig. 4.30.
Ejemplo:
Calcule la fuerza que se debe aplicar para equilibrar un objeto que pesa 25 libras y se
encuentra sobre un plano con una inclinacin de 450 .
176
F
pRF
450
pRP
pRP
= 25 cos450 =
cos450
17,68
Por tanto, se debe aplicar una fuerza de 17,68 libras para equilibrar el sistema.
+ v
-2 u
v cos
u-v
B
Fig. 4.31.
Demostracin:
u-v
= ( u v )( u v )
= uu 2uv + vv
=
+ v
-2 u
v cos
177
CB
CA
- 2 CB
c 2 = a 2 + b 2 - 2ab.cosC
CA cosC
(Teorema de Pitgoras)
Si uv , entonces ,
u-v
= u
Ejemplos:
1. Hallar los ngulos del tringulo definido por los vectores a , b y c, cuyas normas son 4,
5 y 6 respectivamente. Puede ser rectngulo el tringulo?
Solucin:
B
Si c = b a tenemos:
cosA =
= b
+ a
-2 b
a cos
Si a = b c ,entonces:
cos =
= arccos
a
=
= b
+ c
=
= 82,80 = C
-2 b
c cosA
A = arccos
= 41,40
Para calcular el ngulo en B, se puede volver a aplicar el teorema del coseno considerando
b = c a , o por diferencia de ngulos, dado que la suma de los ngulos interiores de un
tringulo es 1800
178
Si c2 = a2 + b2 2ab.cos donde
c =15
es el ngulo en C
b=35
entonces: cos =
= arccos(0,9636) = 15,50
cos =
b.h =
35(0,27) = 4,72
b) ( -3, -7) .
b)
c) (-3, 7) .
d) (1, 1).
es:
.
c)
d)
.
179
b) (4/5, -3/5) .
c) (-4, 3) .
d) (-4/5, 3/5).
b) (3, 3) .
c) (-1, -1) .
d) (-3, -3).
b) 13, 11, 9 .
c) 8, 10, 17 .
d) 12, 4, 6.
180
4.2. VECTORES EN 3
Los vectores en el espacio tridimensional 3 tienen las mismas caractersticas de los
vectores en el plano 2: magnitud, direccin y sentido. Adems, tienen comportamientos
anlogos, es decir, se definen las mismas operaciones (suma, multiplicacin escalar y
producto escalar) con las mismas propiedades e interpretaciones geomtricas. En 3 se
definen otras dos operaciones llamadas producto vectorial y producto mixto las cuales
son estudiadas detalladamente en esta seccin.
Y
w
X
(a)
(b)
Fig. 4.33.
Podemos asumir que cada terna ordenada (x, y, z), es decir, cada punto del espacio
tridimensional representa un vector.
181
Z
z
O
x
Y
y
X
Representacin convencional de los ejes
(b)
Fig. 4.34.
182
c
b
a
(a)
(b)
Fig. 4.35
V6
V7
V5
V8
V1
V2
X
V4
V3
Fig. 4.36.
183
VECTOR NORMADO de v:
, cos =
, cos =
= arccos(
= arccos (
Observe que los cosenos directores son las componentes del vector normado.
184
Ejemplos:
1. Encuentre los ngulos directores del vector v = (-3, 1, 2).
Solucin: Si v = (-3, 1, 2) entonces
Por tanto,
y en consecuencia:
= arccos
cos=
cos =
= arccos
= 74,50
cos =
= arccos
= 57,70
El vector v = (-3, 1, 2) forma ngulos de 143,30 con el eje X, de 74,50 con el eje Y y de
57,70 con el eje Z.
2. Si los vectores directores del vector u son iguales y estn entre 00 y 900, encuentre las
coordenadas del vector u cuya norma es 6.
Solucin: Si u = (x , y , z) , entonces:
cos =
x =
cos
cos =
y =
cos
cos =
z =
cos
185
cos =
3. Demuestre que no existe un vector unitario, cuyos ngulos directores sean /6, /3, y /4
Demostracin: Si , y son los ngulos directores de un vector en 3, la suma de los
cuadrados de los respectivos cosenos directores debe ser 1.
Pero: cos(/3) = cos600 =
cos( /6) = cos300 =
cos( /4) = cos450 =
Entonces:
(cos 300)2 + (cos 600)2 + (cos 450 )2 =
=
Por tanto, 300, 600 y 450 no pueden ser ngulos directores de ningn vector.
186
2. Determine las componentes del vector que tiene su punto inicial (cola) en P, y su punto
terminal (cola) en Q. Grafique los vectores.
a) P: (6, 5, 8) ; Q: (-8, 1, -3)
3. Dados los vectores de coordenadas: (6, -1, 0) y (1, 1, 1) halle para cada uno
a) La norma. b) Los cosenos directores. c) Un vector unitario en sentido opuesto.
187
Propiedades:
1. Conmutativa: u + v = v + u.
2. Asociativa:
[ u + v ] + w = u + [ v + w ] = u + v + w.
3. Modulativa:
4. Invertiva:
u + [-u] = o = [-u] + u
u = (-x, -y, -z) es el VECTOR OPUESTO de u = (x, y, z).
188
B
AB
a1
a2
b2
b1
Fig. 4.37.
y el resultado es un vector.
Propiedades:
1. v 3 : 1 v = v
0 v = o.
2. r , s y v 3 : r.[ s v ] = [ r.s ] v.
3. r , s y v 3 : [ r +s ] v = r v + s v.
4. r y u , v 3 : r [ u + v ] = r u + r v.
189
Ejemplos:
1. Dados los vectores u = (-1, 0, 2) y v = (2, 4, 3):
a) Expresar u y v en trminos de la base cannica y hallar u + v:
Solucin: u = (-1, 0, 2) = (-1) i + 0 j + 2 k = -i + 2k.
v = (2, 4, 3) = 2 i + 4 j + 3 k = 2i + 4j + 3k .
u + v = [ -1+2 ] i + [ 0+4 ] j + [ 2+3 ] k = i + 4j + 5k.
b) Hallar las coordenadas de un vector x tal que 2u + x = v.
Solucin:
190
2u + x = v
x = v 2u.
x = (2, 4, 3) + [-2] (-1, 0, 2).
x = (2, 4, 3) + (2, 0, -4) .
x = (4, 4, -1).
Z
u
v
Y
-2u
Fig. 4.38
= 2 , entonces:
=2
=2
=2
c=
( escalar ).
191
Lo mismo que en 2, de esta definicin se deduce otra forma para el producto escalar:
Definicin: Dados 2 vectores u, v 3 se define el PRODUCTO ESCALAR
entre u y v como
uv =
cos .
Propiedades
1. uv = vu.
2. [ r u ]v = u[ r v ] = r [u v] , r .
3. u( v + w ) = uv + uw.
4. uu =
> 0 si u o , pero uu = 0 si u = o.
5. Si uv = 0 entonces u = o o v = o o uv .
6. uv
u+v
u + v
7.
8.
192
(Perpendicularidad)
(Desigualdad Triangular)
u - v 2 = u 2+ v 2 - 2 u v cos
(Teorema del Coseno)
, donde es el ngulo entre los vectores u y v.
pvu =
se define
v.
Ejemplos
1. Hallar el ngulo entre los vectores u = i + 4j k y v = j k.
Solucin: u = i + 4j k u = (1, 4, -1)
v=jk
Adems,
Como
v = (0, 1, -1)
=
=
=5
cos =
= arccos
193
6+2+c=
cos , entonces:
cos (750)
8+c=3
cos (750)
( 8 + c) = ( 3
cos (750))2
64 + 16.c + c2 = 9.( 10 + c2 ).0,067
64 + 16.c + c = (90 + 9c2 ).0,067
2
0,4c2 + 16c + 58 = 0
c=
Por tanto, existen 2 valores de la constante c para los cuales los vectores u y v forman un
ngulo de 750: c -36 y c -4.
3. Dados u, v y w vectores en 3 tales que: u + v + w = o ;
v = 6 y w = 7 , calcular : uv.
=5;
=a,
=b y
=c
w
A
Fig. 4.39.
194
cos uv =
b) u[ v + w ].
c) [ u + v ]w .
d) [ vw ] u .
e)
u.
195
uxv=
=i
-j
+k
=w
-w
Fig. 4.40.
Propiedades:
1.
196
uxv=vxu
uxv=
= v x u.
Verificacin: Si u = 3i j + k y v = 4i + 2j , se tiene:
uxv=
vxu=
j+
j+
k = 2i + 4j + 10k.
k = 2i 4j 10k.
2.
ux[v+w]=[uxv]+[uxw]
[v+w]xu=[vxu]+[wxu]
v + w = (4, -3, 2) u x [ v + w ] =
Adems:
uxv=
197
u x [ v + w ] = [ u x v ] + [ u x w ].
3.
Si u x v = o
, entonces : u = o
v=o o
u v .
Demostracin: Se sabe que un determinante es igual a cero cuando se tiene al menos una
de las siguientes condiciones:
a) Alguna de las filas es de ceros, lo que en este caso significa que alguno de los vectores
u o v es el vector nulo.
b) Una fila es mltiplo de otra, lo que en este caso significa que uno de los vectores es
mltiplo escalar del otro, es decir los vectores u y v son paralelos.
Verificacin: Si u = (-3, -1, 5), el vector v = (6, 2, -10) = -2u es paralelo a u entonces
uxv=
4.
= (0, 0, 0) = o
u x u = o.
Demostracin: Como un determinante es igual a cero cuando tiene dos filas iguales, al
aplicar la definicin a u x u el resultado es el vector nulo.
5.
[ ru ] x v = r[ u x v ] = u x [ rv ] .
Demostracin:
[ ru ] x v
=r
= r[ u x v ]
, entonces:
u x [ rv ]
v sen.
Demostracin:
uxv
( 1 - cos2 )
Factorizacin.
sen2
Identidad trigonomtrica.
=
=
- [ uv ] 2
-
cos2
sen .
uxv
h
u
Fig. 4.41.
= b.h A =
Ejemplos:
1. Hallar el rea del paralelogramo generado por los vectores u = 2i j + k y
v = 2j k.
Solucin: u = 2i j + k u = (2, -1, 1).
v = 2j k
v = (0, 2, -1).
199
= (-1, 2, 4)
Entonces: u x v =
uxv
unidades
u = (-1, 3, 1).
v = AC = C A v = (1, 2, -2).
Pero el tringulo ABC es la mitad del paralelogramo ABCD, generado por los vectores u y
v, entonces el rea del tringulo, es la mitad del rea del paralelogramo.
Como u x v =
A =
uxv
unidades cuadradas.
Z
u
A
v
C
Fig. 4.42.
u[ v x w ] =
uxv
h
Fig. 4.43.
Pero, A = u x v
y h=
puxvw
, por tanto,
V = w[ u x v ]
Propiedades:
1.
u[ v x w ] = [ u x v ]w = w[ u x v ].
201
Demostracin:
u[ v x w ] =
u[ u x v ] = v[ u x v ] = 0 ; u y v son ortogonales a u x v .
2.
Demostracin: u[ u x v ] =
v[ u x v ] =
[ u x v ] x w = [ wu] v [ wv ] u
3.
4.
uxv
[ uv ]2 .
Demostracin:
uxv
= [ u x v ][ u x v ]
= [ ( u x v ) x u ]v
= [ ( uu ) v ( uv ) u ]v
= [ uu ][ vv ] [ uv ][ uv ]
= u 2 v 2 [ uv ]2
Ejemplos:
1. Verificar la propiedad 1 de l producto mixto con los vectores u = (3, 1, 0) .
v = (2, -1, 1) y w = (3, 0, 3)
202
Solucin:
u[ v x w ] =
= 9 + 3 + 0 0 6 0 = 12
w[ u x v ] =
= 3 + 0 9 6 0 0 = 12
2. Encuentre el volumen del paraleleppedo generado por los vectores dados en el ejemplo
1. Grafique el paraleleppedo (Figura 4.44).
Solucin:
Z
w
v
Y
u
X
Fig. 4.44.
Volumen:
V = I w[ u x v ] I =
= 12 unidades cbicas.
203
Y
B
C
X
Fig. 4.45.
La base es un tringulo
rea base =
AB x AC
[ AB x AC ]AD
AB = B A = (2, 1, -1);
AC = C A = (3, -1, -1)
AD = D A = (-1, 0, 0)
Y se tiene: [ AB x AC ]AD = AD [ AB x AC ] =
Por tanto, el volumen del tetraedro es:
V =
204
[ AB x AC ]AD =
unidades cbicas.
=1+1=2
v
p
LP
Fig. 4.46.
Si se define el vector p del origen del vector v al punto P, cualquier vector x sobre la recta
LP se puede expresar como la suma de p con un mltiplo escalar de v (figura 4.46) .
Entonces se define:
LP ={x 3 / x = p + rv , r}
x = p + rv se llama ECUACIN VECTORIAL DE LA RECTA que pasa por el punto P en la
direccin del vector v.
Como x es cualquier punto de 3 , x = (x, y, z) y la ecuacin vectorial toma la forma:
Ecuacin Vectorial:
(E. V.)
x = x0 + rv1 ;
y = y0 + rv2 ;
z = z0 + rv3
(E. P.)
205
y = y0 + r v2
z = z0 + r v3
Ejemplo:
Hallar las ecuaciones paramtricas y simtricas de la recta que pasa por el punto
P: (-1, 0, 3) en la direccin del vector v = 3i + j 2 k.
Solucin: En este caso (x0 , y0 , z0) = (-1, 0, 3) y (v1, v2, v3 ) = (3, 1, -2).
Aplicando los resultados anteriores tenemos:
Ecuaciones Paramtricas:
Ecuaciones Simtricas:
Caso 2: Se conocen las coordenadas de 2 puntos P y Q de la recta. En este caso, se tienen
dos opciones para definir el vector direccional v , y dos opciones para el punto por el que
debe pasar la recta, lo que permite varias posibilidades para la ecuacin vectorial (de la
cual se deducen las E. P. y las E. S.).
Si P = (x1, y1, z1) y Q = (x2, y2, z2) una de esas posibilidades es:
v = PQ = q p = (x2 -x1 , y2 -y1 , z2 -z1 ) y el punto conocido P, se tiene:
Ecuaciones Simtricas :
206
Ecuaciones Paramtricas:
Ejercicio propuesto: Cuntas y cules son las otras posibilidades para las ecuaciones
paramtricas y simtricas de la recta que pasa por los puntos P y Q?
Ejemplo:
Escriba las ecuaciones paramtricas y simtricas de la recta L que pasa por los puntos
P: (1, 2, -1) y Q: (3, 1, 2).
Solucin: Tomando a Q como el punto conocida y QP como vector direccional
v = QP = p q = (-2, 1, -3) , se tiene:
Ecuaciones Paramtricas:
Ecuaciones Simtricas:
v1v2 = 0
Ejemplos:
1. Encuentre las ecuaciones simtricas de la recta L que pasa por el origen y es paralela
a la recta L1, con ecuaciones paramtricas: x = 3 2r; y = r ; z = 4.
Solucin: Si la recta pasa por el origen, el punto conocido P es (0, 0, 0).
207
y z = 0 , entonces:
son las Ecuaciones Simtricas de la recta.
Ejercicios propuestos:
1. En cada caso muestre que las rectas dadas son ortogonales:
a) L1: x = 4r ; y = -1r ; z = 4+3r y L2: x = 3+2s ; y = -1+s ; z = s.
b) L1:
L2:
Fig. 4.47.
nx = 0
Ejemplo:
Hallar la ecuacin cartesiana del plano S que pasa por el punto (1, 2, -3) y es normal al
vector de coordenadas (2, -1, 3).
209
u
v
R
Fig. 4.48.
Si P = (x1, y1, z1) ; Q = (x2, y2, z2) y R = (x3, y3, z3) se definen 2 vectores.
u = PQ = q p = (x2 -x1 , y2 -y1 , z2 -z1) y v = PR = r p = (x3 -x1 , y3 -y1 , z3 -z1)
Entonces un vector normal al plano S es: n = v x u (figura 4.48).
Con el vector n as definido hay 3 posibilidades para elegir el punto del plano: P, Q o R y
aplicar el resultado del caso 1.
Cuntas opciones ms hay para definir el vector n? Justifique su respuesta.
Ejemplo:
Encuentre la ecuacin cartesiana del plano S que contiene a los puntos
P: (-2, 0, 3) ; Q = (1, 1, 2) y R = (2, 3, 0).
Solucin: Podemos definir u = QR y v = QP entonces n = QR x QP
u = (1, 2, -2) y v = (-3, -1, 1)
n=
= (0, 5, 5)
c
Y
X
X
(a)
X
(b)
(c)
Fig. 4.49.
z=c
en el cual x y y toman
x=a
en el cual y y z toman
y=b
en el cual x y z toman
3
X
Fig. 4.50.
(Grfica del plano del ejemplo anterior con ecuacin
y + z = 3)
211
Ejemplos:
1. Encuentre la ecuacin cartesiana del plano S que pasa por el punto
P:(1, 2, -3) y es paralelo al plano S1 definido por 3x y + 2z = 4
Solucin: Si S es paralelo a S1 debe tener el mismo vector normal de S1.
Como n1 = (3, -1, 2) y se conoce el punto P de S se tiene:
(3, -1, 2)( x 1 , y 2 , z + 3 ) = 0 3x 3 y + 2 + 2z + 6 = 0
212
Se define como:
d(Q, L) =
pvu
Fig. 4.51
Como
pvu
+ d2
d2 =
pvu
Efectuando la suma: d2 =
Aplicando la propiedad 4 del producto mixto: d2 =
d=
213
Ejemplo:
Hallar la distancia del punto (4, 2, 0) a la recta L con ecuacin vectorial
x = (3, 0, 2) + r (1, 1, 2) .
Solucin: De la ecuacin vectorial de L se deduce que un punto P de la recta L es (3, 0, 2)
cuando el parmetro r = 0.
El punto Q en este caso es (4, 2, 0) entonces: u = PQ = q p = (1, 2, -2).
Como v = (1, 1, 2)
Adems u x v =
Por tanto: d =
uxv
d(Q, S) =
pnu
donde u = PQ es un vector que se define entre cualquier punto P del plano S y el punto
conocido Q (Figura 4.52).
n
Q
pnu
S
P
Fig. 4.52.
214
Ejemplo:
Hallar la distancia del punto Q: (-3, 0, 2) al plano S cuya ecuacin cartesiana es:
-3x + y + 5z = 0.
Solucin:
De la ecuacin cartesiana del plano se deduce que un vector normal al plano S es
n = (-3, 1, 5) cuya norma es:
n =
Para hallar el punto P del plano S se dan valores arbitrariamente a 2 de las variables: x , y;
x , z o y , z y se calcula la otra.
As por ejemplo: x = 1 y y = -2 z = 1 ,o,
x = 0 y y = 0 z = 0 ,o,
x=2y y=1 z=1
Tendremos 3 posibilidades para P: (1, -2, 1) o (0, 0, 0) o (2, 1, 1).
Tomando P: (0, 0, 0) ,entonces, u = PQ = (3, 0, 2) , por tanto:
d=
d(S1 , S2) =
pnu
215
S2
Q
pnu
S1
Fig. 4.53.
Ejemplo:
Encuentre la distancia entre los planos
S1:
4x
z - 5 =0
S2: - 8x + 3z + 10 = 5
Solucin: Para el plano S1 el vector normal es (4, 0, ).
Como la segunda componente de este vector es cero, la variable y puede tomar cualquier
valor: si y = 3 y z = 0 ,entonces: 4x 5 = 0 x =
Luego
P: ( , 3, 0) S1
Para el plano S2 el vector normal es (-8, 0, 3), la variable y toma cualquier valor:
Si y = 2 y x = 1 ,entonces: -8 + 3z + 10 = 5 3z = 3 z = 1.
Luego
Q: (1, 2, 1) S2 .
Entonces: u = PQ = (1 -
, 2 3, 1 0) = (
, -1, 1).
d=
216
L2
Q
u
L1
Fig. 4.54.
Ejemplo:
Hallar la distancia entre las rectas:
L2 con ecuaciones paramtricas: x = 2 4s, y = 4 2s y z = 2s
L1 con ecuaciones simtricas:
= y +1= -z - 1
y
=
Solucin:
De las ecuaciones simtricas de L1:
Entonces: u x v =
= (-6, 1, -11)
uxv
Caso 2: Las rectas estn en planos diferentes pero paralelos entonces sus vectores
directores no necesariamente son paralelos (fFgura 4.55)
n
L2
Q
pnu
S1
u
P
S2
L1
Fig. 4.55.
Se define :
218
d(L1 , L2 ) =
pnu
Ejemplo:
Hallar la distancia entre las rectas:
L1:
L2:
Solucin:
Las dos rectas L1 y L2 tienen vectores direccionales no paralelos, v = (3, -4, 4) y
w = (-3, 4, 1) respectivamente, por tanto un vector normal a los dos planos es
n = v x w.
n=
= (-20, -15, 0)
= 25
Por tanto: d =
rectas L1 y L2 .
NGULO ENTRE DOS RECTAS:
Dos rectas L1 y L2 sobre el mismo plano con vectores direccionales v1 y v2 no paralelos, se
cortan en un punto P y forman entre s un ngulo , el cual queda definido por los vectores
direccionales (figura 4.56).
Se dice que dos RECTAS son SECANTES si no son paralelas.
Se denota:
L1
L2
v1
v2
219
L2
v2
v1
Fig. 4.56.
L1
Ejemplo:
Hallar el ngulo que forman las rectas
L1 :
= y ; z= 1 y
L2 : x = -r ; y = 2 ; z= 1 + r
Solucin:
De las ecuaciones simtricas de L1 se concluye v1 = (2, 1, 0)
v1
Entonces:
v2
S1
n2
Fig. 4.57
220
n1
Ejemplo:
Hallar el ngulo entre los planos S1: 3x y + 2z = 1 y S2: x + 2y z = -3.
Solucin:
De las ecuaciones de los planos se deduce:
n1 = (3, -1, 2)
n1
y n2 = (1, 2, -1)
Adems:
n2
Entonces:
(coordenadas de P)
Este sistema debe tener solucin nica puesto que la interseccin de las rectas es solo
un punto P, el cual se obtiene remplazando en las ecuaciones paramtricas de cualquiera
221
Ejemplo:
Hallar la interseccin de las rectas L1 y L2 con ecuaciones vectoriales
x = (2, 1, 3) + r(1, -1, 3) y x = (-1, 1, 1) + s(2, 1, -1) respectivamente
Solucin:
Escribimos las ecuaciones paramtricas de cada recta:
L1: x = 2 + r y
y=1-r
z = 3 + 3r
L2: x = -1 + 2s
y=1+s
z=1s
2 + r = -1 + 2s
1r=1+s
3 + 3r = 1 - s
r 2s = -3
-r s = 0
3r + s = -2
r = -1 y s = 1
222
S1
L
Fig. 4.58.
Las ecuaciones cartesianas de los planos forman un sistema de ecuaciones lineales con
menos ecuaciones que variables, esto implica que el sistema tiene infinitas soluciones
y la solucin general del sistema define las ecuaciones paramtricas de la recta L, de
interseccin entre los planos (Figura 4.58)
Ejemplo
Encuentre la interseccin de los planos definidos por S1: x + y + z = 3 y
S2: 4x + 2y 7z = 5
Solucin:
Usando el mtodo de reduccin de Gauss-Jordan resolvemos el sistema de ecuaciones
que se forma con las ecuaciones de los planos:
Sistema de ecuaciones:
entonces:
223
r;
y=
F .d
Pero d = R .sen
FxR
m =
F . R .sen
m=
d1
P1
P2
P3
d2
F1
F2
d3
d
F3
(a)
(b)
Fig. 4.59.
224
Ejemplos:
1. Calcular el momento de la fuerza F = -2i 4j + k para R = (-2, 1, -3).
Solucin:
Se calcula el vector momento m y luego su norma:
m=
2. Calcular el momento m que produce una fuerza de 3 Newton aplicada en el extremo del
vector R = (
Solucin:
Fig. 4.60
Como m =
, 1, 0 )
=2 .
: ngulo direccional de R.
1
R
Z
R=(
: ngulo entre R y F
m = 2.3.sen300 =
225
Ejercicios propuestos:
1. Una recta L en 3 pasa por el punto P: (-3, 1, 1) y es paralela al vector
v = (1, -2, 3). Determine cules de los siguientes puntos estn sobre L:
a) (0, 0, 0)
b) (2, -1, 4)
c) (-2, -1, 4)
d) (-4, 3, -2)
e) (2, -9, 16)
2. Encuentre ecuaciones paramtricas y simtricas de la recta:
a) Qu pasa por el punto (-3, 2, -4) y es paralela al vector 5i 7j 3k.
b) Qu pasa por los puntos P; (1, 2, 0) y Q: (0, -2, -1).
c) Qu pasa por el origen y es ortogonal al vector u = (4, 0, -3).
3. Pruebe que los siguientes pares de rectas son paralelas y halle la distancia
entre ellas:
a) L1: x = (2, 1, -4) + r(5, -2, 1) y L2: x = (3, -4, 3) + s(-5, 2, -1).
b) L1: x = 1+r ; y = -3+2r ; z = -3+3r y L2: x = 3+3s ; y = 1+6s ; z = 8+9s.
4. Una recta que pasa por el punto P: (1, 1, 1) es paralela al vector
v = (1, 2, 3). Otra recta que pasa por el punto Q: (2, 1, 0) y es paralela al vector
u = (2, 1, 0) intersecta a la primera. Encuentre el punto de interseccin y el
ngulo que forman las rectas.
5. Halle la distancia entre el punto R: (2, -6, 1) y la recta L que pasa por los
puntos P: (3, 4, -2) y Q: (6, 1, -5).
6. Los puntos (1, 1, -1); (3, 3, 2) y (3, -1, -2) determinan un plano S1:
a) Halle una ecuacin cartesiana del plano S1.
b) Calcule la distancia del plano S1 al origen.
c) Encuentre la ecuacin de un plano S2 ortogonal a S1 que pase por el origen.
d) Encuentre ecuaciones paramtricas para la recta de interseccin entre S1 y S2.
e) Halle la ecuacin del plano S3 paralelo a S que pase por el punto (2, 0,-2).
f ) Calcule la distancia entre los planos S1 y S3.
g) Encuentre el ngulo que forman los planos S2 y S3 .
7. Dados los vectores u = 3i 2j + k y v = i j + 3k halle :
a) La vector proyeccin de u sobre v.
b) Un vector unitario paralelo a v.
c) El ngulo entre el vector v y el vector opuesto de u.
d) Las ecuaciones simtricas de la recta que pasa por los extremos de los
vectores u y v.
8. Dibuje el paraleleppedo generado por los vectores a = (1, -1, 4) ; b = (0, 2, 5)
y c = (3, 0, 0) y calcular su volumen.
226
4.3. VECTORES EN n
En esta seccin se generalizan las definiciones y los conceptos estudiados en 2 y 3 a
conjuntos ordenados de n elementos llamados n-uplas.
donde :
227
b) v =
Solucin:
En cada caso primero se calcula la norma del vector y despus se aplica la definicin de
vector normado.
a)
b)
228
Propiedades
1. Conmutativa: u + v = v + u.
2. Asociativa:
[ u + v ] + w = u + [ v + w ].
un vector de n.
Definicin:
Si v = (v1, v2 , v3 , . . . , vn ) n y r se define:
rv = (rv1, rv2 , rv3 , . . . , rvn ) = w = (w1, w2 , w3 , . . . , wn )n.
r [ s v ] = [ r.s ] v
para todo v n y para r y s reales.
[ r + s ] v = r v +s v
para todo v n y para r y s reales.
r [ u + v ] = r u + r v para todo u y v n y para r real.
1v=v y 0v=o
para todo v n .
229
Propiedades
uv = vu.
uu = u 2 0 para todo u n .
u[ v + w ] = uv + uw .
uv = 0 u = o , o , v = o , o , u v.
1.
2.
3.
4.
Ejemplo:
Si u = (3, -1, 2, 1) ; v = (0, 1, -1, 0) ; w = (5, 4, 6, -3) calcular las operaciones indicadas
en cada caso:
a) 5[ u 2 v ]
c)
[ wu ] v
Solucin:
a) 5[ u 2v ] = 5[(3, -1, 2, 1) (0, 2, -2, 0)] = 5(3, -3, 4, 1) = (15, -15, 20, 5)
b) v2= vv = 02+ 12+ (-1)2+ 02= 2
u2= uu = 32+ (-1)2+ 22+ 12= 15
uw = 3.5 + (-1).4 + 2.6 + 1.(-3) = 15 4 + 12 3 = 20
Entonces: 2v2 + 3[uw 4u2] = 2.2 + 3[20 60] = 4 + 3(-40) = -116.
c)
uw = 15 4 + 12 3 = 20
Entonces:
[ wu ] v =
20(0, 1, -1, 0) =
230
1a + 0b +0c + 3d = 0
2a - 2b +2c + 0d = 0
1a - 2b + 3c - 3d = 0
-2a + 0b +1c + 6d = 0
231
Veamos:
Concluimos entonces
independientes.
que
los
vectores
;v=
del
conjunto
; w=
; z=
dado
son
linealmente
de 3
Solucin:
Por definicin, los vectores son linealmente dependientes si alguno de ellos es combinacin
lineal de los restantes.
En este caso z = 2u + 2v + w , por tanto los vectores u, v, w y z son linealmente
dependientes.
Otra forma de justificar la respuesta es la siguiente: Si los vectores no fueran L.D. seran
L.I., es decir una combinacin lineal de los vectores que de cmo resultado el vector nulo,
solo sera posible con todas las constantes iguales a cero.
Por otra parte, en el ejercicio anterior se muestra que la combinacin lineal da origen a un
S.L.H. que en este caso tendr mas variables (4) que ecuaciones (3), por tanto existen
infinitas soluciones, es decir, se pueden hacer combinaciones lineales de los vectores que
den como resultado el vector nulo, sin que todas las constantes sean cero.
232
jk = 0 ;
kI = 0
bd = -1-2-1+2 = -2
ac = 1/3 + 1/3 = 0
bc = -1/3 + 1/3 = 0 ;
bd = 2/3 2/3 = 0
cb = 2/9 2/9 = 0
ad = 2/3 + 2/3 = 0
Efectuamos todas las posibilidades para el producto interno y los resultados son cero,
esto implica que todos los pares de vectores son ortogonales y por tanto el conjunto es un
conjunto ortogonal.
4. Expresar, si es posible, el vector u = (1, 1, 0, 2) 4 como combinacin lineal de los
vectores: a = (0, 1, -1, 1); b = (2, 0, 0, -2) y c = (3, 1, 0, -2).
Solucin:
Escribimos la combinacin lineal general u =ra + sb + tc donde r, s y t son escalares:
(1, 1, 0, 2) = r(0, 1, -1, 1) + s(2, 0, 0, -2) + t (3, 1, 0, -2) , entonces:
233
234
RESUMEN
En 2 un vector queda definido por un par ordenado v = (x, y).
Los elementos caractersticos de un vector son:
La magnitud o norma:
La direccin:
v =
si v 2.
Si u = (x1, y1) y v =(x2, y2), la suma de u y v es: u + v = (x1+ x2, y1+ y2) = (w1, w2) = w.
Si r y v =(x2, y2), la multiplicacin escalar de v por r es: r v = (rx2, ry2) = z.
Se dice que z es mltiplo escalar de v; z y v son linealmente dependientes o que z y v
son vectores paralelos.
Estas 2 operaciones permiten expresar cualquier vector del plano 2 como combinacin
lineal de los vectores unitarios i y j: v = xi + yj, por lo que se dice que los vectores i y j
forman una base cannica de 2 .
El producto escalar (interno o punto) entre u = (x1, y1) y v =(x2, y2) , se define de 2 formas:
1. A partir de las coordenadas de los vectores como uv = x1. y1 + x2. y2
2. Como uv =
cos() , donde es el ngulo entre los vectores.
De la segunda definicin se deduce que el coseno del ngulo entre los vectores es el
producto escalar de los 2 vectores normados: cos() =
v .
235
uxv=
=i
-j
+k
= r.
Dos vectores linealmente independientes u = (u1, u2, u3) y v = (v1, v2, v3) generan un plano
con ecuacin cartesiana: a.( x x0 ) + b.( y y0 ) + c.( z z0 ) = 0, donde
u x v = n =(a, b, c) es un vector normal al plano, y x = (x x0 , y y0 , z z0) es un vector
contenido en el plano, entonces nx = 0 es la ecuacin vectorial del plano.
236
GLOSARIO
Vector es un segmento de recta dirigido (flecha) y se denota por v = ab si la flecha que
representa el vector sale de a y llega a b.
El Vector normado de u es un vector de norma (longitud) 1 en la misma direccin de u.
Un Mltiplo escalar de u es otro vector que se obtiene multiplicando escalarmente a u por
cualquier real.
Dos vectores son linealmente dependientes, si uno de ellos es mltiplo escalar del otro
(estn sobre rectas paralelas).
Dos vectores son linealmente independientes si estn sobre rectas secantes.
Dos vectores son ortogonales si su producto escalar es cero.
Un Paralelogramo es un cuadriltero con los lados iguales y paralelos dos a dos.
Un Paraleleppedo es un slido delimitado por 6 paralelogramos iguales y paralelos dos
a dos.
Una recta vectorial es generada por un vector y cada punto representa un vector.
Una n-upla es un vector de n definido por (x1, x2 , x3 , . . . , xn).
Una base cannica de 2 es un conjunto de 2 vectores unitarios y ortogonales.
Una combinacin lineal
vectores.
237
AUTOEVALUACIN
En cada caso seleccione la respuesta correcta:
1. Un vector es:
a) Dos puntos del plano.
b) Una flecha.
c) Una coleccin de segmentos con la misma direccin, magnitud y sentido.
d) Un conjunto de flechas.
2. Si P: (4, 1, 0) y Q: (2, 0, -3), la longitud de PQ es:
a)
b)
c)
d)
b) arctan (2).
c)
d) .
. b)
. d) (1, 1, -1).
. c) -
5. El resultado de j x k es:
a) 0.
b) 1 .
c) i .
6. Los vectores 2i 4j + 3k y - i +
a) Paralelos.
d) 2.
j k son:
b) Ortogonales .
c) Secantes.
d) Opuestos.
b)
u .
c)
8. El resultado de j x k k x j es:
a) -2i .
238
b) 2i .
c) 0.
d) o.
d)
v.
b) -250
c) 1550
d) -1550
y=
; z=r.
b) x =
y=
; z = r.
c) x =
y=
; z = r.
d) x =
y=
; z = r.
b) u(vw)
c) (uv ) w
d)
vw
e) u (v + w)
f)
+ vw
g)
h)
Decida si cada una de las siguientes afirmaciones es verdadera (V) o falsa (F):
12. Todo vector de 2 puede ser expresado como una combinacin lineal de los
vectores de coordenadas (2, 1) y (1, 3).
13. Si u y v son vectores linealmente dependientes y w es ortogonal a u,
Entonces, w es ortogonal a v.
14. Si uv = 0 entonces u = o v = o.
15. El ngulo entre los vectores (1, 1, 1) y (-1, 0, 0) es mayor de 90 grados.
239
240
) es el vector es el vector
RETROALIMENTACIN
Respuestas a los ejercicios propuestos:
y arctan(-8/5) 1220 .
) 3000 .
2. a)
3. a)
y arctan(9/4) 2460
c)
b)
b)
5.
b)
b) sen=-
y cos=
d) sen = 1 y cos = 0.
c)
d)
c)
4. a) a =0 y b =0.
b) a =
3. x =
y b=
2. a) 4
.
.
6. y = -6i + 34j.
2. u =
3. cosA =
, cosB =
y v=
, cosC =
241
2.
3. Ecuacin vectorial: x = p + rv , r .
Ecuaciones paramtricas: x = 3r ; y = 0 ; z = -r (una opcin).
Ecuaciones simtricas :
Ecuaciones simtricas:
c) arccos
242
; ngulo: arctan
6. a) x + 2y 2z = 5.
.
; y=.
b)
e) x + 2y 2z = 6
b)
= arccos
.
f) 1
.
c) 2x + y+ 2z = 0.
g) 900
.
d)
8.
= 39 unidades cbicas.
= 5.
u entonces puv =
(3, 3) = (1, 1)
243
PQ
. Si v = (-1, -2, 3)
= (1, 0, 0) = i .
v.
jxk=
= (1, 0, 0) = i y
kxj=
= (-1, 0, 0) = i .
10. La repuesta correcta es b). La interseccin de dos planos es una recta cuyas
ecuaciones paramtricas se obtienen de la solucin general del S.E.L., que se
forman con las ecuaciones cartesianas de los planos:
2x y + z = 1
x + 2y 3z = -1
Aplicando el mtodo de reduccin de Gauss-Jordan se tiene:
245
; z=r.
; y=
w(kv) = 0 k( wv) = 0
wv.
246
3.
= 8,
=
247
UNIDAD 5 -
5.
ESPACIOS VECTORIALES
INTRODUCCIN
A travs del tiempo, los grandes avances en la matemtica y su interrelacin con otras
reas del conocimiento han sido fundamentados en los Mtodos de Abstraccin. As, la
reduccin de un problema a sus aspectos esenciales y bsicos ha permitido en muchas
ocasiones, interconexiones entre eventos aparentemente no relacionados.
En esta unidad se har uso precisamente de la abstraccin para llegar al concepto que
es objeto de estudio, los Espacios Vectoriales, estructura algebraica que se define a partir
de estructuras ms sencillas como el Grupo Conmutativo y el Campo.
Los espacios vectoriales tienen su origen en tpicos de la geometra o la fsica y deben su
importancia a que el conjunto de soluciones de muchos problemas especficos resultan
ser espacios vectoriales, como en el caso de los Sistemas de Ecuaciones Lineales con
infinitas soluciones.
En los temas desarrollados hasta ahora, es posible que cada una de las unidades 1 y 4 hayan
sido asimiladas simplemente como dos unidades modulares del curso. En esas unidades
se definieron y operaron dos tipos de elementos llamados respectivamente Matrices y
Vectores tanto en el plano (2) como en el espacio (3) haciendo la generalizacin a n.
En esta unidad se podr comprobar que estos conjuntos con las operaciones de suma y
multiplicacin escalar en ellos definidos poseen estructura de espacio vectorial.
249
UNIDAD 5 -
OBJETIVO GENERAL
Estudiar las caractersticas y aplicaciones de la estructura algebraica llamada espacio
vectorial, haciendo abstraccin de las operaciones definidas entre las matrices y los
vectores, as como de sus correspondientes propiedades.
OBJETIVOS ESPECFICOS
Identificar las estructuras algebraicas de: grupo conmutativo, campo y espacio
vectorial.
Identificar subespacios de un espacio vectorial conocido.
Determinar la dependencia o independencia lineal de un conjunto de vectores.
Identificar bases y determinar la dimensin de un espacio vectorial.
Determinar el rango y la nulidad de una matriz.
Expresar cambios de base dentro de un espacio vectorial en forma matricial.
CONTENIDO
5.1.
5.1.1.
5.1.2.
5.1.3.
5.1.4.
Estructuras Algebraicas
Grupo conmutativo
Campo
Espacio vectorial
Subespacios
5.2.
5.2.1.
5.2.2.
5.2.3.
Bases y Dimensin
Conjunto generador de un espacio vectorial
Dependencia e independencia lineal entre vectores
Base y dimensin de un espacio vectorial
5.3. Aplicaciones
5.3.1. Rango y nulidad de una matriz
5.3.2. Matriz asociada al cambio de base en un espacio vectorial
250
UNIDAD 5 -
(a b) c = a (b c) = = a b c .
Modulativa:
Invertiva:
Conmutativa: a b = b a .
UNIDAD 5 -
Ejemplos:
1. El conjunto de los nmeros enteros con la suma Z,+ es un grupo conmutativo dado que:
la suma de dos enteros es un entero; la suma es una operacin conmutativa y asociativa.
Adems el cero es mdulo de la suma ya que cualquier nmero sumado con cero es el
mismo nmero, y todo entero tiene un inverso aditivo.
2. El conjunto de las matrices de orden 2x3 con la suma de matrices M2x3,+ es un grupo
conmutativo porque esa operacin es:
Clausurativa:
Asociativa:
Conmutativa:
Modulativa:
Invertiva:
Si
.
.
.
1 es el mdulo de la multiplicacin.
es inverso multiplicativo de a.
4. El conjunto de los nmeros naturales con la suma N,+ no es un grupo porque no existen
inversos aditivos. As por ejemplo no hay un nmero natural que sumado con 3 de cero.
Ejercicios propuestos:
1. Compruebe que ,+ es un grupo conmutativo.
2. , no es un grupo. Explique por qu.
3. Decida si el conjunto de vectores en 2 con el producto punto es o no un
grupo.
252
UNIDAD 5 -
5.1.2. Campo
Definicin: Se llama CAMPO o CUERPO a un conjunto no vaco C en el cual se definen dos
operaciones y para las cuales se cumplen las siguientes propiedades en C:
- C, es un grupo conmutativo con MDULO eC.
- Ce , es un grupo conmutativo con MDULO mCe.
- La operacin es distributiva respecto a la operacin , es decir,
.
Ejemplos:
1. ,+, es un campo porque el conjunto de los nmeros reales con las operaciones
corrientes de suma y multiplicacin cumple los requisitos, es decir:
- ,+ es un grupo conmutativo.
- 0, es un grupo conmutativo.
.
2. El conjunto de vectores en 2 con la suma y el producto escalar no es un campo porque
el producto escalar entre 2 vectores no es un vector, sino un escalar, es decir el producto
escalar no es una operacin clausurativa.
Ejercicios propuestos:
1. Compruebe que Q,+, es un campo.
2. Enumere las causas por las que Z,+, no es un campo.
253
UNIDAD 5 -
(r v)V, r y vV
1 v = v, v V y 1
(r s) v= r (s v) , r, s y vV
(r + s) v= (r v) (s v) , r, s , vV
r (u v)= (r u) (r v), r , u, vV
Notacin:
Se escribe V, , y se lee V es un Espacio Vectorial.
Los elementos de V se llaman VECTORES y se denotan con letras en negrilla.
Los elementos de se llaman ESCALARES y se representan con letras minsculas.
Convencin en la notacin:
Para evitar posteriores confusiones en la notacin de las operaciones y del
espacio vectorial, en el adelante se usar + para la ADICIN VECTORIAL y para
la MULTIPLICACIN ESCALAR se omite el punto, pero haciendo nfasis en que son
operaciones diferentes de la suma y la multiplicacin en los nmeros reales. As: r v se
refiere a la multiplicacin escalar pero r s se refiere a la multiplicacin de reales.
Ejemplos:
1. El conjunto de matrices de orden mxn con la suma y la multiplicacin escalar definidas
en la unidad de Matrices, tiene estructura de espacio vectorial sobre los nmeros reales.
2. El conjunto de los vectores en el plano con la suma y la multiplicacin escalar definidas
en la unidad 4 es un espacio vectorial.
3. El conjunto de polinomios con variable x de grado menor o igual a 2 (que notaremos P2)
con la suma y la multiplicacin escalar definida trmino a
trmino, tiene estructura de espacio vectorial.
254
UNIDAD 5 -
, entonces:
es un polinomio en P2 .
- Asociativa:
- Conmutativa:
- El polinomio
es mdulo porque
un polinomio inverso
, porque:
, u
) y v
u+v
255
UNIDAD 5 -
Este teorema garantiza que en cualquier espacio vectorial siempre podemos encontrar el
mdulo de la suma vectorial, multiplicando escalarmente cualquier vector del espacio por
el escalar 0. En forma anloga siempre se puede obtener el vector opuesto de cualquier
vector, multiplicando escalarmente el vector por -1.
Ejercicios propuestos:
En cada caso decida si el conjunto dado es o no un espacio vectorial, indicando para
cada uno las propiedades que no se cumplen:
1. El conjunto de los polinomios de grado 2 (P2) con la suma y la multiplicacin
escalar corrientes.
2. El conjunto
escalar
256
UNIDAD 5 -
Justificacin:
2
r
Fig. 5.1
Fig. 5.2
UNIDAD 5 -
con
258
UNIDAD 5 -
b)
c)
es antisimtrica
d)
3. Si
el trmino independiente de
subespacio de P.
4. Si W
es 0 , determine si W es o no un
1.
es un subespacio de M3x1 .
2.
y v=
, es decir
UNIDAD 5 -
1. Dado el conjunto S =
260
UNIDAD 5 -
el cual debe tener al menos una solucin para que se pueda escribir la combinacin
lineal de los vectores de S .
2. Si S
a)
, entonces:
Justificacin:
261
UNIDAD 5 b)
c)
como C.L. de S.
3. Si S
elementos de S: a)
262
UNIDAD 5 -
Justificacin:
a)
b)
Ejercicio propuesto:
Encuentre combinaciones lineales de los elementos de S para los siguientes polinomios:
a)
b)
c)
Ejemplos:
1.
es un generador de 2. G= gen 2.
Justificacin:
Cualquier vector de 2 es de la forma (a, b ) y aplicando la definicin de generador, se
tiene
.
Utilizando las definiciones de suma, multiplicacin escalar e igualdad entre vectores, se
tiene el siguiente sistema de ecuaciones:
, cuyo determinante es
263
UNIDAD 5 -
Por tanto, el sistema tiene solucin nica, es decir, siempre podemos encontrar constantes
c1 y c2 para la C.L., independientemente de los valores para las constantes a y b.
Lo anterior implica que todo vector de 2 se puede expresar como C.L. de los vectores de
G, en consecuencia G es generador de 2.
no es un generador de M2.
2.
Justificacin:
Cualquier vector de M2 es de la forma
Como se puede observar, para que este sistema tenga solucin es necesario que c = d =
0, por tanto, la definicin no se cumple para cualquier matriz cuadrada de orden 2, sino
slo para matrices de la forma
3.
es un generador de P2.
Justificacin:
Cualquier polinomio de grado 2 es de la forma
Por lo tanto, para cualquier a, b y c existen las constantes c1, c2, c3 que permiten expresar el
polinomio
como C.L. de los elementos de S.
264
UNIDAD 5 -
a = 2, b = -3, c = 4
Entonces:
b) Para
a = 0, b = 5,
c=1
Entonces:
2)
3)
Nota: De los ejemplos anteriores se deduce que si el sistema de ecuaciones que se forma
tiene solucin, el conjunto es un generador del espacio vectorial correspondiente.
UNIDAD 5 -
Ejemplos:
1. Decidir si
es L. I. L. D.
Solucin:
En cualquiera de los 2 casos L.I. L.D. se debe hacer una C.L. de los vectores de S
que sea igual al vector nulo.
Entonces
de la cual se deduce
2. Decidir si
es L. I.
Solucin:
Se parte de la C.L. de los elementos de T igualada a la matriz nula de orden 2 (el mdulo
de la suma en M2).
Como se forma un sistema lineal homogneo con menos ecuaciones que variables, el
sistema tiene infinitas soluciones. Es decir, se pueden encontrar escalares
no
necesariamente todos iguales a cero, para los cuales la matriz nula es C.L. de los elementos
de T.
Por ejemplo, si
, el resultado de la C.L. es :
Se concluye entonces que el conjunto T es un conjunto L.D.
266
es un conjunto L.I.
Justificacin:
Aplicando la definicin tenemos:
267
UNIDAD 5 -
En este teorema se resumen los criterios para que un sistema de ecuaciones lineales tenga
infinitas soluciones, que es lo que debe suceder con el sistema de ecuaciones que se
forma al aplicar la definicin de dependencia lineal a un conjunto de vectores.
Como cada vector de n tiene n componentes, con mas de n vectores se formara una
matriz con menos filas que columnas y en consecuencia sera imposible tener una matriz
equivalente a la matriz idntica (condicin para que un conjunto de vectores sea L.I.).
Ejemplos:
1. Decidir si T =
Solucin:
Como
el conjunto T es L.I.
Note que cada vector del conjunto se toma como columna del determinante.
2. Determinar si : S =
268
es L.I. L.D.
UNIDAD 5 -
Solucin:
Como
3. Determinar si
Solucin:
En este caso primero se expresa cada polinomio como un vector columna, as
queda representado por el vector
Como
respectivamente.
4. Decidir si el conjunto H = {(1, 3, 0); ( 1, 0,1); (2, 0, 2); (0, 3,1)} es L.I. o L.D.
Solucin:
Como H es un subconjunto de 3 con 4 vectores, se concluye que el conjunto no puede
ser L. I. es decir H es un conjunto L.D.
Ejercicio propuesto:
Haciendo un proceso anlogo al del ejemplo 3 decidir si el conjunto
es L.I. o L.D.
269
UNIDAD 5 -
es una base de 2.
Justificacin:
En el ejemplo 1 de las secciones 5.2.1. y 5.2.2. se comprob respectivamente, que el
conjunto B es un generador de 2 y que tambin es L.I. por lo que se puede concluir
que este conjunto es una base de 2 .
Como B tiene 2 vectores, entonces dim(2 ) = 2.
no es una base de 3.
2. El conjunto
Justificacin:
Como
el conjunto B no es L. I.
270
UNIDAD 5 -
3. El conjunto
Justificacin:
Aunque este conjunto es L.I. (comprubelo) no es generador. Veamos por qu:
Si T es generador de M2 cualquier matriz
La ltima ecuacin d = 0 significa que esta C.L. slo es posible para matrices de la forma
, por lo tanto, T no es un generador de M2 y en consecuencia no es una base de
este espacio vectorial.
4. Encuentre valores de la constante para que el conjunto
sea una base de 3.
Solucin:
Como el conjunto debe ser L.I. encontraremos los valores de para que el determinante
correspondiente sea diferente de cero:
Pero
271
UNIDAD 5 -
Interpretacin geomtrica:
Fig. 5.3
Fig. 5.4
La figura 5.3 nos muestra que el mismo vector z 2 es C.L. de bases diferentes: {u1 , u2}
(roja) y {v1 , v2} (verde), es decir:
z = 1u1 + 1u2 y z = 1v1 + 1v2 los mismos escalares pero con vectores diferentes.
La figura 5.4 nos muestra el vector z 2 como C.L. de tres bases diferentes: roja, verde y
azul, pero esta vez con escalares diferentes c1 y c2 para cada base : z = c1v1+ c2v2.
Los teoremas que a continuacin se enuncian, hacen referencia a las caractersticas de
cualquier base de un espacio vectorial.
Teorema: Si
v1 , v2 , . . . , vn} y
vectorial V entonces n = m.
Es decir, cualquier par de bases de un mismo espacio vectorial tienen la misma cantidad
de elementos.
Teorema: Si B = {v1 , v2 , . . . , vn} es un subconjunto L.I. de un espacio vectorial V de
dimensin n, entonces B es base de V .
Esto quiere decir que cualquier conjunto de n vectores L.I. generan un espacio vectorial
de dimensin n.
272
UNIDAD 5 -
Teorema: Dada una base B de un espacio vectorial V , todo vector de V puede ser
expresado en forma nica como C.L. de los vectores de B.
Si B es una base debe ser un conjunto generador y linealmente independiente. Por
ser generador, todo vector es combinacin lineal de sus elementos. Por ser linealmente
independiente, las constantes de la C.L. son nicas.
Para todo espacio vectorial existe una base muy particular llamada base ortonormada
tambin conocida como base NATURAL o CANNICA .
Ejemplos:
1. La base cannica para 2 es {(1,0) ; (0,1)} , porque:
y (0, 1)(1, 0) = 0.
2. La base cannica para 3 es {(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)} por la misma razn que en
2 : los 3 vectores son unitarios y el producto escalar entre dos de ellos es
cero.
3. La base cannica para M2 es
la
y en forma de
273
UNIDAD 5 -
vectores en 3 es
Ejercicios resueltos:
1. Dado el sistema lineal homogneo
hallar:
UNIDAD 5 -
Haciendo
, donde
y v2 =
, por lo que
{v1, v2} es el conjunto generador de todas las soluciones del sistema de ecuaciones. En
consecuencia, el conjunto de soluciones es un subespacio de 4.
b) Como {v1, v2} es el conjunto generador del conjunto solucin y adems los
dos vectores son L. I. porque c1v1 + c2 v2 = 0 solo si c1 =c2 = 0.
c1
+ c2
275
UNIDAD 5 -
Entonces, el conjunto {v1, v2} es una base del espacio solucin del sistema de ecuaciones
y por tanto su dimensin es 2.
2. Exprese el vector v = (1, 7, -4) como combinacin lineal de los vectores:
v1 = (1, -3, 2) y v2 = (2, -1, 1).
Solucin:
c1v1 + c2 v2 = v
Por tanto: (1, 7, -4) = -3 (1, -3, 2) + 2 (2, -1, 1) es la C.L. pedida.
3. Dado
determinar si los siguientes polinomios
pertenecen o no al subespacio generado por U
a)
b)
Solucin:
Si los polinomios estn en el espacio generado por U, deben poderse expresar como C. L.
de los elementos de U.
a)
276
UNIDAD 5 -
Luego
es C. L. de los elementos de U
b)
La ltima igualdad 0 = 87/7 nos indica que el sistema es inconsistente entonces no existen
c1, c2 que permitan expresar el polinomio como C.L. de U, es decir el polinomio no est en
el espacio generado por U,
4. Hallar las condiciones sobre a , b y c tales que (a, b, c) 3 sea generado por
v1 = (2, 1, 0) , v2 = (1, -1, 2) , v3 = (0, 3, -4).
Solucin:
Se expresa (a, b ,c) como C.L. de v1 , v2 y v3.
(a, b, c) =
Para que el sistema no presente inconsistencia es decir para que tenga solucin, se debe
tener la condicin: 3c 2a + 4b = 0.
277
UNIDAD 5 -
Ejercicios propuestos:
1. Decida si cada uno de los siguientes conjuntos constituye o no una base para
el espacio vectorial 4:
a) {( 1, 2, 1, -2 ) ; ( 0, -2, -2, 0 ) ; ( 0, 2, 3, 1 ) ; ( 3, 0, -3, 6 )}
b) {( 1, 4, -2, 1 ) ; ( 3, 11, -4, 4 ) ; ( -1, -3, 4, 2 ) ; ( 2, 9, -3, 4 )}
2. Encuentre una base para el espacio vectorial de las matrices reales de orden
3x2. Cul es la dimensin de este espacio?
3. Cul es la dimensin del espacio vectorial de las matrices cuadradas de orden
n ?. Justifique su respuesta.
4. Cules de los siguientes conjuntos son bases para P2 (polinomios de grado 2)?
a) { -x2+x+2 ; 2x2+x+3 ; 4x2-1 }
b) { x2+2x-1 , 2x2+3x-2 }
c) { x2+1 ; 3x2+2x ; 3x2+2x+1 ; 6x2+6x+3 }
5. Si Pn es el conjunto de todos los polinomios en x de grado menor o igual a n,
decida Cul es la dimensin de P3 ? De P4 ? . Justifique sus respuestas.
278
UNIDAD 5 -
5.3. APLICACIONES
En las secciones anteriores se introdujo el concepto de base de un espacio vectorial
a partir de las definiciones de independencia lineal y conjunto generador. La aplicacin
de estos conceptos conlleva siempre la solucin de un sistema de ecuaciones lineales,
generalmente mediante mtodos matriciales.
En esta seccin nos detendremos en dos casos particulares de manejo matricial:
- Una matriz A de orden mxn asociada a un sistema de ecuaciones lineales del mismo
orden, cuya forma reducida por filas permite encontrar una base del espacio solucin de
dicho sistema.
- Una matriz que nos permite en forma prctica cambiar la base de un espacio vectorial,
teniendo en cuenta que la base de un espacio vectorial no es nica.
Ejemplos:
1. El sistema lineal homogneo
matricial como:
, donde:
A=
x=
279
UNIDAD 5 -
La forma reducida de A es
Por tanto, todas las soluciones del sistema A x = 0 se obtienen del vector
y la nulidad (A) = 1.
Solucin:
Se lleva la matriz a la forma reducida por filas:
280
UNIDAD 5 -
y (B) = 2.
Ejemplos
1. Encuentre la imagen y el rango de la matriz A =
Solucin:
y (A) = 2.
281
UNIDAD 5 -
Im(B) =
, por tanto:
y (B) = 2.
Solucin:
Para determinar la imagen se lleva la matriz a la forma reducida por filas.
La forma reducida de M es
y (M) = 1
y (M) = 2.
Solucin:
La forma reducida de la matriz D es:
282
UNIDAD 5 -
y (D) = 2.
Entonces: Im( D) =
y (D) = 3.
Nota: Como se puede observar en los ejemplos 3 y 4 el rango mas la nulidad de una matriz
es igual al nmero de columnas de esa matriz.
5. Encontrar una base para el subespacio de P3 generado por:
.
283
UNIDAD 5 -
Solucin:
Se forma una matriz con los vectores asociados a cada polinomio del conjunto S.
Ejercicios propuestos:
1. Encuentre el rango y la nulidad de cada una de las siguientes matrices:
a)
d)
b)
e)
c)
284
b)
x1 + x2 x3 = 7
4x1 x2 + 5x3 = 4
6x1 + x2 + 3x3 = 18
d)
x1 + x2 + x3 = 0
x1 x2 + x3 = 0
5x1 + x2 + 5x3 = 0
UNIDAD 5 -
Si A =
,entonces: A-1 =
y se tiene:
(comprubelo).
en la base {i , j}.
en la base {u , v}.
285
UNIDAD 5 -
Ejemplo:
Consideremos
dos bases de 2.
286
UNIDAD 5 -
por
=-
(2,4) +
Solucin:
Como T =
, entonces: T
Si y = a (3,1) + b (2,-1)
287
(2,-1) = (
Ejercicios propuestos:
1. Exprese la matriz
2. Muestre que el vector y = (2,-5,4) no pertenece al subespacio generado por los vectores
u = (1,-3,2) y v = (2,-1,-1).
3. Muestre que los polinomios p(x) = (1 - x)3 ; q(x) = (1 - x)2 ; r(x) = 1 - x y
s(x) = 1, generan al espacio vectorial P3 de los polinomios de grado menor
o igual a 3.
4. Determine la dependencia o independencia lineal de los siguientes conjuntos:
a)
b)
c)
d)
5. Determine si cada uno de los siguientes conjuntos de vectores forman una
base del espacio vectorial dado:
a)
b)
c)
.
.
.
d)
e)
288
.
.
UNIDAD 5 -
6. Halle una base y la dimensin del espacio solucin de cada uno de los
siguientes sistemas homogneos:
a) x + 4y + 2z = 0
2x + y + 5z = 0
b)
x 2y + 7z = 0
2x + 3y 2z = 0
2x + 3y 2z = 0
289
UNIDAD 5 -
RESUMEN
Se llama estructura algebraica a un conjunto en el cual se defina una o ms operaciones
con ciertas propiedades. Segn las propiedades que cumple la operacin dentro del
conjunto se distinguen diferentes estructuras.
Un grupo conmutativo (tambin llamado Abeliano) est conformado por un conjunto G
en el cul se define una operacin * con las siguientes propiedades: Clausurativa:
G,
G.
Asociativa:
Modulativa:
.
G tal que
G,
.
e se llama MDULO para en G.
Invertiva:
a G, a-1 G tal que
.
-1
a se llama INVERSO de a para la operacin .
Conmutativa:
.
Se denota G,
Un campo es un conjunto C en el cual se definen 2 operaciones y para las cuales se
cumple:
- V, es un grupo conmutativo con MDULO
.
- CE , es un grupo conmutativo con MDULO
.
- La operacin es distributiva respecto a , es decir
.
Se denota: C ,,
Espacio vectorial (E.V.) es una estructura algebraica conformada por un grupo conmutativo
V, relacionado con el campo de los nmeros reales () mediante la operacin llamada
multiplicacin escalar que cumple las siguientes propiedades:
-
(rv) V , r y v V .
1v = v, v V y 1.
(r s) v = r (sv), r, s y v V.
(r + s) v = (rv) (sv), r, s , v V.
r(u v) = (ru) (rv), r , u, v V.
290
UNIDAD 5 -
Dado un conjunto S = {v1, v2, v3, . . . , vn} de vectores, se dice que v es una combinacin
lineal (C.L.) de S si v = c1v1+c2v2+c3v3+. . . +cnvn donde c1, c2,....,cn son escalares.
Si V es un espacio vectorial, un subconjunto G = {v1, v2, v3, . . . , vk} de V es un generador
de V , si para todo vV , existen escalares c1, c2,....,ck tales que:
v = c1v1+c2v2+. . . +ckvk
Un subconjunto S = {v1, v2, v3, . . . , vn} de V , es linealmente dependiente (L.D.) si
alguno de los vectores de S se puede expresar como combinacin lineal de los restantes,
es decir, si existen escalares c1, c2,....,cn tales que:
c1v1+c2v2+. . . +cnvn = o. con algn ci 0.
S es linealmente independiente (L.I.) cuando c1v1+c2v2+. . . +cnvn = o solo
si c1 = c2 =...= cn= 0 .
B = {v1, v2, v3, . . . , vn} es una base de V si B es un conjunto L.I. y generador de V. El nmero
de vectores en B (en este caso n) es la dimensin de V.
Una base ortonormada de un espacio vectorial V de dimensin n, es una base {e1 , e 2 , .
. . , en} en la cual:
- Todos los vectores son unitarios (o normados): ei = 1 , i.
- Todo par de vectores diferentes son ortogonales ei ej = 0 , i , j si i j.
El kernel (o espacio nulo) de una matriz Amxn, es el conjunto de vectores xn tales que
A x = O. Se denota Ker (A). La nulidad de A es la dimensin del kernel y se denota (A)
= dim( Ker A) .
La imagen de una matriz Amxn es el conjunto de vectores b m tales que
A x = b para algn vector xn. Se denota Im (A).
El rango de A es la dimensin de la imagen de A. Se denota (A) = dim( ImA).
Dadas 2 bases B1 ={u1, u2, . . . ,un} y B2 ={v1, v2, . . . ,vn} de un espacio vectorial V de
dimensin n, se llama matriz de transicin (o matriz de cambio de base) de la base B1 a
la base B2 , a la matriz T cuyas columnas son los vectores coordenados de cada vector
de B1 respecto a la base B2 .
291
UNIDAD 5 -
GLOSARIO
292
UNIDAD 5 -
Imagen de una matriz es el conjunto de filas no nulas en su forma escalonada por filas.
Rango de una matriz es el nmero de filas no nulas en la imagen.
Kernel de una matriz es el nmero vectores generadores del conjunto solucin del S.L.H.
asociado a la matriz.
Nulidad de una matriz es el nmero vectores del kernel.
Matriz de transicin de la base B1 a la base B2 es la matriz cuyas columnas son los
vectores coordenados de cada vector de la base B1 respecto a la base B2.
Vector coordenado de un vector respecto a una base B es, el vector que se forma con
las constantes de la combinacin lineal para ese vector, en trminos de los vectores de la
base B.
293
UNIDAD 5 -
AUTOEVALUACIN
Decida si cada una de las siguientes afirmaciones es verdadera o falsa. Justificar la
respuesta:
1.
genera a M2.
2.
3.
es una base de 3.
4.
5. El vector
los vectores
6.
8. El rango de la matriz
9.
294
es 2.
UNIDAD 5 x + 3y 2z + 4w = 0 ;
3x + 2y + z 2w = 0 ;
-x + 4y 5z + 10w = 0
3x 5y + 8z 16w = 0
a la base
es:
a)
. c)
b)
a) 1 y 3 .
b) 3 y 2
d)
son respectivamente:
c) 2 y 3.
d) 3 y 1 .
a)
. c)
b)
b)
14. Un subconjunto de
a)
. d)
c)
d)
295
UNIDAD 5 -
a)
b)
c)
d)
RETROALIMENTACIN
Respuestas a los ejercicios propuestos.
Seccin 5.1.1: (pgina 252) 3. 2 con el producto punto no es un grupo.
Seccin 5.1.2: (pgina 253) 2. no es una operacin modulativa en Z.
Seccin 5.1.3: (pgina 256) 1. No 2. No 3. Si 4. Si
Seccin 5.1.4: (pgina 258) 1. a) No b) No
2. a) No
b) Si
c) Si
d) No 3. Si
4. La suma no es clausurativa en W
5. Si
Secciones 5.3: (pgina 288) 1. D = 2A - B + 2C
4. a) L.I. b) L.D. c) L.I. d) L.D.
5. a) Si
b) No
c) No d) Si e) No
Solucin Autoevaluacin Seccin 5.1: (pgina 273)
1. La afirmacin es falsa porque la suma de dos vectores del conjunto no est en el conjunto.
Como la condicin es 2x y 2z = 1
y = 2x 2z 1 , por tanto:
296
UNIDAD 5 -
2. La afirmacin es falsa porque siendo z = 1 para todos los vectores del conjunto, al sumar
dos de ellos z = 2 y el vector suma no pertenece al conjunto.
3. La afirmacin es verdadera porque la suma de 2 matrices diagonales es una matriz
diagonal, y, al multiplicar una matriz diagonal por una constante el resultado sigue siendo
una matriz diagonal.
4. La afirmacin es falsa porque los vectores u y v tienen la segunda componente igual a
cero, entonces multiplicadas por cualquier escalar el resultado sigue siendo cero, lo cual
hace imposible tener la segunda componente de w igual a 2.
5. La afirmacin es verdadera porque como el sistema es homogneo y tiene ms
ecuaciones que variables, tiene infinitas soluciones. Como hay 4 variables cada solucin
se puede expresar como un vector de 4, y el conjunto de todas las soluciones forman
un subespacio de 4 pues la suma de 2 soluciones es una solucin y cualquier mltiplo
escalar de una solucin es una solucin.
3. La afirmacin es falsa porque el vector (1,1,0) = (1,0,0) + (0,1,0), es decir uno de los vectores
es C.L. de los restantes y en consecuencia el conjunto es linealmente dependiente.
4. La afirmacin es verdadera porque el determinante que se forma tomando los
correspondientes vectores columna es diferente de cero:
297
UNIDAD 5 -
Como el sistema tiene infinitas soluciones hay muchos valores de c1, c2, y c3 que permiten
tener la combinacin lineal que interesa. Veamos al menos dos posibilidades:
Si
,entonces:
Si
, entonces:
UNIDAD 5 -
, y su inversa es:
es:
UNIDAD 5 -
13. La respuesta correcta es d) porque el determinante que se forma con los vectores del
conjunto es igual a cero, por tanto los vectores son linealmente dependientes y no pueden
formar una base de 3.
14. La respuesta correcta es a) porque una base de 3 debe tener 3 vectores linealmente
independientes y los 3 vectores del conjunto lo son puesto que el determinante que se
x=-
z y y = z . Si z = 5 entonces y = 1 y x = -17
luego una base del espacio solucin del sistema de ecuaciones es:
300
de la cual se deduce:
6.
TRANSFORMACIONES LINEALES
He odo decir a mucha gente: Dadme las ideas... Es imposible dar ideas si no es con las palabras ms
detalladamente adecuadas
William Blake.
INTRODUCCIN
Conociendo el comportamiento de la estructura algebraica llamada espacio vectorial,
abordaremos el estudio de las transformaciones que conservan la suma y el producto
escalar. Se trata de funciones definidas entre dos espacios vectoriales, de tal manera que
la suma de dos vectores se transforma en la suma de sus transformados y un mltiplo
escalar de cualquier vector se transforma en un mltiplo escalar de su transformado.
Hay muchos fenmenos que pueden ser aproximados mediante modelos lineales y esta
unidad contribuye conceptualmente en el anlisis e interpretacin de ellos, tal es el caso
del procesamiento de imgenes y las grficas en computadora.
301
OBJETIVO GENERAL
Identificar y representar matricialmente transformaciones lineales entre espacios vectoriales,
en particular en el plano 2 y en el espacio 3, con sus correspondientes interpretaciones
geomtricas. Diagonalizar una matriz a partir de sus valores y vectores propios.
OBJETIVOS ESPECFICOS
Identificar funciones que sean transformaciones lineales.
Interpretar geomtricamente el efecto de una transformacin lineal.
Identificar modelos clsicos de transformaciones lineales para analizar modelos
Anlogos.
Representar matricialmente las transformaciones lineales.
Calcular los valores y vectores propios asociados a una matriz.
Diagonalizar una matriz cuadrada.
CONTENIDO
6.1. Transformaciones lineales.
6.1.1. Definicin y ejemplos.
6.1.2. Imagen y Ncleo.
6.1.3. Representacin matricial.
6.2. Valores y vectores propios.
6.2.1. Valores y vectores propios de una matriz.
6.2.2. Semejanza y diagonalizacin de matrices.
302
u, v V
u V y
Justificacin:
Dados u =
vectores en 3:
y v=
(1) L( u+v ) = k.
= k.
+ k.
= k.u + k.v
= L( u ) + L( v )
(2) Si es un escalar: L(u ) = L
= L( u )
303
(3/4) u = w
(-1)u = v
2u = z
Fig. 6.1
u+v
ku
u
u
(a)
L
(b)
X
(c)
Fig. 6.2
donde L
, por definicin de L:
v=
(1) L( u+v ) = L
=
= L( u ) + L( v ).
Adems si es un escalar
(2) L(u ) =
=
.
L(u)
Interpretacin geomtrica:
Esta transformacin proyecta cualquier vector u del espacio 3 sobre el plano cartesiano
2 (Figura 6.3).
Z
z1
y1
x1
L(u)
Fig. 6.3
De manera similar se puede hacer la proyeccin sobre cualquiera de los otros dos planos,
XZ o YZ.
3. Rotaciones:
Se definen con la matriz R =
(a)
(b)
Fig. 6.4
305
de donde se deduce que una rotacin es una transformacin lineal definida por la matriz
R , pues cualquier vector u = (x, y) multiplicado por R da como resultado un vector v =
(x, y) rotado grados (figura 6.4).
Por ejemplo, si se aplica al vector de coordenadas (2, 1) una rotacin de 900 se tiene:
lo cual significa que la rotacin
transforma al vector u = (2, 1) en el vector v = (-1, 2) (Figura 6.4a).
Justificacin: Si u =
(1) L( u+v ) =
v=
( u+v )
=
=
= L( u ) + L( v )
(2) Si es un escalar L(u ) =
=
= L( u )
306
7. Dados Mmn y Mnm espacios vectoriales de las matrices de orden mxn y nxm,
respectivamente, la transformacin L: Mmn Mnm definida como L( A ) = AT es lineal.
Justificacin:
Si A y B son matrices de Mmn
(1) L( A+B ) = ( A+B )T = AT + BT = L( A ) + L( B )
(2) Si es un escalar: L(A ) = (A )T = AT = L( A )
8. Si P1 y P2 son los espacios vectoriales formados por los polinomios de grados 1 y
2 respectivamente, L: P1 P2 definida como L( p(x) ) = x p(x), p(x) P1 es una
transformacin lineal.
Justificacin:
Dados p(x) = a1 + b1x y q(x) = a2 + b2x vectores de P1 (polinomios de grado 1):
(1) L (p(x) + q(x)) = x (p(x) + q(x))
= x [ (a1 + b1x) + (a2 + b2x) ]
307
(2) Si es un escalar
Z
x
x+h
(a)
x+k
(b)
Fig. 6.5
- Desplazamientos verticales:
EN EL PLANO: se define como T(x, y) = (x, y+k)
EN EL ESPACIO: se define como T(x, y, z) = (x, y y+k, z)
k es el desplazamiento sobre el eje Y .
Y
y
Z
X
y
y+k
X
(a)
(b)
Fig. 6.6
308
y+k
309
Si T fuera lineal por la parte 2. del teorema anterior se debe cumplir T(0, 0) = (0, 0), pero
por definicin se tiene: T(0, 0) = (0, 3).
Ejercicios propuestos:
1. Defina la transformacin lineal que proyecta un vector del plano cartesiano 2 sobre
cualquier recta del plano (diferente a los ejes coordenados).
2. Defina las dos transformaciones lineales que proyectan el espacio tridimensional 3 sobre
los planos XZ y YZ respectivamente y haga las ilustraciones grficas correspondientes.
3. Decida para cada una de las siguientes transformaciones si es o no lineal.
Justifique sus respuestas:
a) T: V donde T( u ) =
= a2 + b2.
310
UNIDAD 6
Im(L)
L
Fig. 6.7
definida por L
Solucin:
Si L (x, y, z) = (x, y), todo vector del plano R2 es imagen de algn vector de R3
Por tanto la imagen de la transformacin est formado por todos los vectores de R2 .
Im( L ) = { v = (x, y, z) R3 / x , y, z R }= R2 .
311
W
Ker(L)
oW
L
Fig. 6.8
Ejemplo:
Determinar el ncleo de L:
, definida por: L
Solucin:
Si L (x, y, z) = (0, 0) entonces
luego x = 0 y y =0.
Por lo tanto el ncleo de la transformacin est formado por todos los vectores de la forma
(0, 0, z) ya que L (0, 0, z) = (0, 0).
Ker( L ) = { v = (x, y, z) 3 / x = 0 y y = 0 }.
Ejemplo:
1. Para las rotaciones: L: 2 2 donde L( v ) = R v , para todo v 2.
La IMAGEN es todo el plano porque cualquier punto del plano al ser rotado por un ngulo
dado, se convierte en otro punto del plano. Por definicin:
312
UNIDAD 6
L
El NCLEO es o porque es el nico punto que rotado cualquier ngulo permanece fijo.
L
=o
Fig. 6.9
313
314
UNIDAD 6
Solucin general:
315
Definicin: Dada una base B del espacio vectorial V, si un vector vV se expresa como
combinacin lineal de los elementos de B en la forma:
v = c1v1 + c2v2 + . . . + cnvn.
Se dice que las coordenadas del vector v en la base B son c1, c2, . . . , cn
[ v ]B =
v=
es [ p ]B =
3. Consideremos ahora el espacio vectorial M22 pero con una base diferente
y el vector C =
el vector coordenado de C en la base B [ C ]B, se encuentra resolviendo el sistema de
ecuaciones lineales que resulta de la correspondiente combinacin lineal de C en trminos
de los elementos de la base B:
C=
317
en la
Solucin:
Se expresa el polinomio q(t) como C.L. de los polinomios de B:
obtiene:
y se
, entonces:
.
.
.
.
Ejemplos:
1. L: 3 2 definida por T(x, y, z) = (x, y) con las bases naturales:
318
para 3 y P
para 2 .
; L
; L
L( v ) = L
en 2 y
en 3 .
P=
Solucin:
Se busca la imagen por L de cada uno de los elementos de B:
L
y L
319
=a
+b
=d
+c
+e
+f
Las soluciones de los 2 sistemas de ecuaciones que se forman con las anteriores C.L.
corresponden respectivamente a los vectores coordenados de L
P. Con estos vectores se forma la matriz A:
y L
en la base
, donde [ v ]B
A.
320
L( v ) =
Utilizando la matriz A: L( v ) = A
321
= w1 ; L
= w2.
y su forma reducida es
, entonces
[w1]B =
, porque:
y [w1]B =
Al evaluar L
directamente tenemos: L
= w1 ; L
= w2 ; L
= w3
; [w2]B =
; [w3]B =
323
y L
2. Halle la matriz asociada a cada una de las siguientes transformaciones lineales respecto
a las base P y Q dadas:
a) L: 3 2 definida por : L
;P=
b) L: 3 2 definida por: L
;P=
c) L: 2 3 definida por: L
;Q=
;Q=
;Q=
;P=
d) L: 3 3 definida por T(x, y, z) = (x+2y, y-z, x+y) ; P = {(2, 3, 5); (0, 0, 1); (1, 1, 2)}
Q = {(1, 0, 0); (0, 1, 0); (0, 0, 1)}
3. Sea B = {(2, -1); (5, 3)} una base de 2 y B= {(1, 0, 1); (0, 1, 2); (3, 1, 0)} una
base de 3. Si A =
324
b) L[(5, 3)]
c) [ v ]B si v = (-4, -9)
Au = (-1)u = v
(3/4)u = w
Au = 2u = z
Para un mismo valor propio de la matriz A existen diferentes vectores propios, pero todos
ellos son paralelos entre s.
NOTA: Los valores y vectores propios tambin se conocen como eigenvalores y
eigenvectores respectivamente.
A la ecuacin Av = v se le llama problema de valor caracterstico y para hallar sus
soluciones, si v 0, la ecuacin se expresa de la forma (I A) v = 0 .
La ecuacin det(I A) = 0 se llama ecuacin caracterstica de A, det(I A) es un
polinomio de variable y se llama polinomio caracterstico de A.
325
Av = 2v = w
v
-1
A=
Solucin:
Primero se escribe el polinomio caracterstico de la matriz det(I A):
I A =
es el polinomio caracterstico.
= 0 es la ecuacin caracterstica.
=3
(3I A) v = 0
donde v =
v=
Entonces para = 3 el conjunto de vectores propios de A son todos los mltiplos escalares
del vector u =
, es decir
- Para = 6 se tiene:
=6
, donde v =
Entonces: (6I A) v = 0
forma:
v=
Entonces para = 6 el conjunto de vectores propios de A son todos los mltiplos escalares
del vector u =
es decir
A=
Solucin:
Escribimos la ecuacin caracterstica de A:
det(I A) = 0
Entonces
= 0 y = 1.
327
v=
Por tanto,
v=
Por tanto:
Ejercicios propuestos:
1. Encuentre los valores propios y sus correspondientes vectores y espacios caractersticos
para cada una de las siguientes matrices:
a)
b)
c)
328
329
y B=
Solucin:
Utilizando la definicin de matrices semejantes con la matriz C dada se debe cumplir:
C-1AC = B
, la misma de la matriz A.
330
es diagonalizable. Si lo es diagonalizarla.
Solucin:
Primero se obtienen los vectores propios para saber si se cumple la condicin del
teorema
Ecuacin caracterstica:
v=
Para = 2 se tiene
v=
Para = 1 se tiene
v=
331
C-1 =
y su inversa es
La matriz se daigonaliza efectuando el producto C-1AC y el resultado debe ser una matriz
diagonal:
=
Ejercicios propuestos:
1. Decida si cada una de las siguientes matrices es diagonalizable:
a)
b)
c)
d)
b)
c)
b)
c)
sea diagonalizable.
RESUMEN
Una transformacin lineal (T.L.) es una funcin L: V W que asigna a cada vector v V
, un nico vector w W (denotado L (v) ) tal que:
- L( u + v) = L( u ) + L( v ) u, v V.
- L(.u ) = . L( u ) u V y .
L conserva la estructura algebraica de los dos conjuntos V y W, es decir:
- L( oV ) = oW la imagen del mdulo de V es el mdulo de W.
- L( -u ) = -L( u ) el opuesto de uV es el opuesto de L( u ) W.
Si V y W son espacios vectoriales de dimensin n y m respectivamente, toda transformacin
lineal L: V W se puede definir por medio de una matriz A de orden mxn.
El ncleo de L: V W es el conjunto de vectores en V que tienen como imagen al vector
nulo de W : Ker (L) = { vV / L( v ) = oW } ; Ker (L) V. La nulidad de L es la dimensin del
ncleo y se denota nul (L).
La imagen de L: V W es el conjunto de vectores en W que son imagen de algn vector
de V: Im (L ) = { wW / L( v ) = w para algn vV } ; Im (L) W. El rango de L es la
dimensin de la imagen y se denota rang (L).
Si L: VW es una transformacin lineal donde V es espacio vectorial de dimensin n,
entonces: nul (L) + rang (L) = n.
Si B es una base ordenada del espacio vectorial V y vV, en la C.L
v = c1v1 + c2v2 + . . . + cnvn , las constantes c1, c2, . . . , cn son las coordenadas de v
en la base B .
El vector coordenado de v respecto a B se forma con las coordenadas de v
Se denota: [ v ]B =
333
www.mundoindustrial.net
334
www.mundoindustrial.net
GLOSARIO
Transformacin lineal (T.L.) es una funcin entre espacios vectoriales que conserva la
estructura.
Ncleo de una T. L. es el conjunto de vectores que tienen como imagen al vector nulo.
Nulidad de una T. L. es la dimensin del ncleo.
Imagen de una T. L. es el conjunto de vectores que son imagen de otro vector.
Rango de la T. L. es la dimensin de la imagen.
Vector coordenado de v respecto a B es el que se forma con las coordenadas de v en la
base B.
Matriz asociada a una T. L. respecto a 2 bases ordenadas B1 y B2 es la matriz cuyas
columnas son, los vectores coordenados respecto a B2 de la imagen por la T. L. de cada
vector de B1.
Vector caracterstico de una matriz A es un vector v paralelo al vector Av.
Valor caracterstico de una matriz A es el escalar para el cual el vector caracterstico v
cumple la condicin de ser paralelo a Av.
Matrices semejantes son las que definen la misma transformacin lineal respecto a bases
diferentes.
Matriz diagonalizable es una matriz semejante a una matriz diagonal.
335
www.mundoindustrial.net
AUTOEVALUACIN
Decidir si cada una de las siguientes afirmaciones es verdadera o falsa:
es igual a:
(a)
(b)
(c)
y L
, entonces:
(a)
(b)
(c)
(d)
336
www.mundoindustrial.net
(b) 2 y 1
(c) 3 y 0
(d) 0 y 1
(b)
(a)
(c)
rad en sentido
(d)
RETROALIMENTACIN
Respuestas a los ejercicios propuestos.
Seccin 6.1.1. (pgina 310): 1. L: 2 2 tal que L(x, y) = (x, mx+b) donde y = mx+b es la
recta sobre la cual se hace la proyeccin.
2. L(x, y, z) = (x, z) es la transformacin lineal que proyecta el espacio 3 sobre el plano XZ
; L(x, y, z) = (y, z) proyecta a 3 sobre el plano YZ.
3. a) No es lineal porque u + v u + v
b) Si es lineal porque T( u+v ) = T(u)+T(v)
c) No es lineal: si A y B son matrices de orden 2, T(A+B) T(A) + T(B)
d) No es lineal porque T( p(x)+q(x) )T(p(x))+ T(q(x)) e) Si es lineal porque: (A1+A2).B =
(A1B+A2B y (kA).B = k(A.B) 4. (-10, -7, 6)
Seccin 6.1.2. (pgina 315): 1. a) si b) no c) si d) si 2. a) { o } b) { p(0) } c) { On }
3. a) V b) 2 4. a) rango 2 y nulidad 1 b) rango 3 y nulidad 0 c) rango 2 y nulidad 1
d) rango 4 y nulidad 0 5. a) base: {(1, -1, 1)} y rango 1 b) {(1, 0);(0, 1)} y nulidad 2
Seccin 6.1.3. (pgina 324): 1.
c)
2. a)
b)
d)
www.mundoindustrial.net
B5x15. Adems:
L( u + v) = A( u + v ) = Au + Av = L( u ) + L( v ) y L( ku ) = A( ku ) = kL( u )
5. La afirmacin es falsa. Si L: VW la imagen de L est contenida en W, pero no
necesariamente todos los elementos de W son imagen de algn elemento de V.
6. La respuesta correcta es d). Por definicin, la transformacin a todo punto (x, y) del plano,
le asigna el punto (x, y, 1) que es un punto del espacio levantado una unidad respecto a (x,
y). El conjunto de todos esos puntos forman entonces un plano paralelo al plano XY a una
altura de una unidad, cuya ecuacin es z = 1.
7. La respuesta correcta es c). Sabemos que si L: VW es una transformacin lineal y
{ u1, u2, . . . , un } es la base cannica de V, entonces L queda definida en forma nica
por la matriz cuyas columnas son: L( u1); L( u2); . . . , L( un). En este caso de L
y L
,entonces: L
338
www.mundoindustrial.net
y L(x) = x2 =
. Por
ecuaciones
De lo anterior se concluye que el ncleo est generado por un solo vector y por tanto su
dimensin es 1, en consecuencia la nulidad de L es 1 y por teorema (pag. 272) el rango
es 2.
10. La respuesta correcta es c). Para el ngulo de
sentido antihorario es
estn dadas por:
rotado
coordenadas son:
339
www.mundoindustrial.net
BIBLIOGRAFA
GARETH WILLIAMS, lgebra Lineal con Aplicaciones. Editorial Mc Graw Hill, 2002
GERBER HARVEY, Algebra Lineal. Grupo Editorial Iberoamericano, 1990.
HOWARD ANTON, Introduccin al lgebra Lineal. Editorial Limusa, 2003.
KOLMAN BERNARD, Algebra Lineal. Editorial Pearson, 1996.
NAKOS G. / JOYNER D. , lgebra Lineal con Aplicaciones. Thomson Editores, 1999.
STANLEY GROSSMAN, Algebra Lineal. Editorial Mc Graw Hill, 1996.
www.mundoindustrial.net
www.mundoindustrial.net
RECONOCIMIENTOS
Este libro fue elaborado a partir de la necesidad de proporcionar a los estudiantes del
programa de Ingeniera Civil en la modalidad de educacin a distancia, un material de
estudio que facilite su proceso de aprendizaje, a travs de una presentacin agradable y
didctica sin sacrificar el grado de rigurosidad de los contenidos. La elaboracin del texto
final demand jornadas extensas de cuidadosa revisin en los aspectos relevantes para el
logro de los objetivos propuestos, tanto en la formacin profesional bajo la modalidad de
educacin a distancia, como en la asignatura lgebra Lineal.
Agradezco la colaboracin de mis colegas William Becerra y Luca Gutirrez, por sus
aportes iniciales en la primera fase del trabajo desarrollado, a Olga Camacho y Aurora
Velasco por la lectura crtica del texto con algunas recomendaciones.
Al ingeniero Jorge Corredor por su apoyo permanente e incondicional, para que este
trabajo sea hoy un libro de texto para los estudiantes de la Universidad.
Hago extensivos mis agradecimientos a la seoras Gina Pealosa y Sandra Zabala por su
colaboracin en la impresin cuidadosa de la primera copia.
ALGEBRA
LINEAL