Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Lineal
Apuntes
al
desarrollar
el
pensamiento
analtico
frente
7
8
1.2
Matriz inversa
16
Mtodo directo
Mtodo de Gauss-Jordan
19
13
1.3
16
1.4
1.5
Determinantes
25
Clculo de determinantes de orden 2 y 3
25
Clculo de un determinante de orden n
27
Matriz complementaria
Menor complementario
27
Cofactor de un elemento de una matriz cuadrada
27
Matrices de cofactores
Propiedades bsicas de los determinantes
31
Reduccin del orden de un determinante
33
27
29
1.7
1.8
39
Problemas resueltos
44
55
55
2.2
Vectores
56
Componentes de un vector
57
Tipos de vectores
58
2.3
Vectores en R2 y R3
59
Vectores en
R2
60
Vectores en
R3
61
Vectores en
Rn
62
2.4
2.5
2.6
2.7
Rectas y planos en
77
R3
84
Ecuaciones de la recta
Ecuacin vectorial de la recta
84
84
90
95
2.8
2.9
2.10
Base y dimensin
115
98
101
Base
Dimensin
2.11
115
116
2.12
121
130
3.2
3.3
Isomorfismo
151
Transformacin lineal inyectiva
151
Transformacin lineal sobreyectiva
151
Isomorfismo
151
Espacios vectoriales isomorfos
151
3.4
3.5
Cambio de base
171
Referencias
174
a11
a21
A= .
.
am1
a12 a13 a 1n
]}
a22 a23 a 2 n
filas de la matriz A
. . .
. . .
am 2 a m3 amn
Columnas de la matriz A
En forma abreviada se puede expresar
Cada elemento de la matriz lleva dos subndices que indican la posicin del
elemento dentro de la matriz. El primero de ellos i , indica la fila en la que
se encuentra el elemento, y el segundo, j , la columna. As el elemento
a34
est en la fila 3 y columna 4. Las matrices siempre se representarn
con letras maysculas.
Ejemplo:
3
2
1 4
B= 3 /4 1 1/3 2
0
5 2/5 2
]
10
3 x 4.
En general, si una matriz A tiene m filas y n columnas, diremos que su
tamao o DIMENSIN es m n(se lee m por n) , siempre en primer lugar el n
de filas y en segundo lugar el de columnas.
11
Igualdad de matrices
Dos matrices son iguales cuando tienen la misma dimensin y los elementos
que ocupan igual posicin son iguales.
A ( 2 X 2) = 9 a
3 2
2.
(Observe que
, donde:
B ( 2 X 2 )= 9 a
3 2
C2 X 3= 3 2 0
a 1 2
Las matrices
A yB
CyD
CyD
Entonces
D 2 X 3= x 2 y
4 z 2
sern igual si
A=B
12
Tipos de matrices
Podemos distinguir algunos tipos particulares de matrices, dependiendo de
su forma o como son sus elementos:
Segn la forma
Matriz columna: Es una matriz que tiene una sola columna, es decir,
y por lo tanto su dimensin es mx 1 .
Ejemplo:
[]
3
A ( 3 X 1) = 4
8
Matriz fila: Es una matriz que slo tiene una fila, es decir
tanto su dimensin es
1 xn .
n=1
m=1
y por lo
Ejemplo:
A (1 x3 )=[ 1 2 3 ]
aij
con
i+ j=n+ 1 , se
Ejemplo:
1 3
A (3 x3 )= 2 5
3 7
0
4
9
]
13
La matriz
es cuadrada de tamao
3 x3
o simplemente de orden
[ 1 5 9]
3.
y la diagonal secundaria
[0 5 3]
A , se llama traspuesta de
Es evidente que si
y se
es la primera columna de
es la segunda columna de
A
At
At ,
y as sucesivamente.
es de
dimensin nxm .
Ejemplo:
A (2 x3 )= 3 2 5
1 0 7
entonces
[ ]
3
1
A t( 3 x 2)= 2 0
5 7
14
Ejemplo:
A= A t , es
aij =a ji
3 1
4
A= 1 0 2
4 2 6
3 1
4
A = 1 0 2
4 2 6
t
Ejemplo:
es simtrica si
es antisimtrica si
aij =a ji .
0 1 3
A= 1 0 2
3 2 0
0 1 3
A=1 0
2
3 2 0
t
0 1 3
A = 1 0 2
3 2 0
t
[ ]
0 0 0
0= 0 0 0
0 0 0
Ejemplo:
Matriz diagonal: Es una matriz cuadrada que tiene todos sus elementos
nulos salvo los de la diagonal principal.
Ejemplo:
1 0 0
A= 0 3 0
0 0 7
Matriz escalar: Es una matriz diagonal (por ende, una matriz cuadrada) en
la que todos los elementos de la diagonal principal son iguales.
15
[ ][ ]
5 0 0
1 0 0
A= 0 5 0 =5 0 1 0 =5 I
0 0 5
0 0 1
Ejemplo:
[ ]
1 0 0
I2 = 1 0 I3 = 0 1 0
0 1
0 0 1
[ ]
Ejemplo:
3 0
3
1
0 3 9 25
A ( 4 X 4 )=
0 0 8 0
0 0 0
1
Triangular Inferior
3
4
A ( 4 X 4 )=
0
1
0
0 0
3 0 0
2 8 0
6 14 1
]
16
At ,
] [
a11 a1 n
a 11 am 1
A= At =
am1 amn
a1 n amn
2.
( At )
3.
( A + B )t =A t + Bt
4.
( A B )t =B t A t
5.
( k A )t=k At
=A
Suma y diferencia
La suma de dos matrices
otra matriz
genrico
C=[ c ij ]
A= [ aij ] , B=[ b ij ]
de la misma dimensin, es
c ij =aij +bij .
Por tanto para poder sumar dos matrices estas deben tener la misma
dimensin. La suma de matrices A y B se denota por A + B .
Ejemplo:
17
A=
2 1
3 4
B=
4 7
3 1
Entonces
A + B=
][ ]
(2+ 4 ) ( 1+7 )
2 8
=
( 33 ) ( 4+ 1 ) 0 5
1. Asociativa:
A + B=B+ A
2. Conmutativa:
A +0=0+ A=A
3. Elemento neutro:
A,
ya que
(0 es la matriz nula)
AB=A +(B)
diferencia como
trmino general
A= [ aij ] , B=[ b ij ]
D=[ aij ]
con
d ij =aij b ij .
A= [ aij ]
y un nmero real
B=[ b ij ]
bij =k aij
k , se define el producto
y cuyo
18
real por una matriz se multiplican todos y cada uno de los elementos
de la matriz por dicho nmero.
Evidentemente la misma regla sirve para dividir una matriz por un nmero
real.
Ejemplo:
k =2 A= 2 9 7
4 5 0
Entonces
2 9 7 2 (2 ) 2 ( 9 ) 2 (7 ) 4 18 14
k A=2
=
=
4 5 0
8 10
0
2 ( 4 ) 2( 5) 2( 0 )
][
][
k ( A +B )=k A +k B
( k +h ) A=k A+ h A
3. Asociativa mixta:
k ( h A ) =( k h ) A
4. Elemento neutro:
Propiedades simplificativas
1.
A +C=B+C A=B
2.
k A=k B A=B si k 0
3.
k A=h A h=k si A 0
Producto de matrices
Hay que tener muy presente que no todas las matrices pueden multiplicarse.
Para multiplicar dos matrices A y B , es condicin imprescindible
que el nmero de columnas de A sea igual al nmero de filas de
B .
tiene
A B da
19
de dimensin
mxp
obtenida de la siguiente
manera:
El elemento que se encuentra en la fila i y la columna j de la matriz
C=A B se obtiene multiplicando los elementos de la fila i de A por la
columna j de B y sumando los resultados
Ejemplo: Obtener
Siendo:
C=A B
[ ]
0 4 1
3
2
1
4
A2x 4=
B4 x3 = 1 2 1
2 5 3 2
2 0 2
3 2 1
[ ][
0 4 1
C
C 12 C 13
3
2
1
4
C=
1 2 1 = 11
2 5 3 2 2 0 2 C 21 C 22 C 23
3 2 1
A B
(es decir,
]
C11
) proviene de
A
por otro
20
C12
(es decir,
) ser igual
A
por otro
A B
(es decir,
C13
) proviene
por otro
C2 x3 =
16 16
5
5 22 11
A ( B C )=( A B ) C
A BB A
es
A I n= A
I m A= A
21
n , se tiene:
y se representa por
A B=0
3.
A BB A.
4.
( A + B ) ( AB )= A2B2 ,
A BB A.
ya que
22
Fbrica 1
1
Fbrica 2
2
Fbrica 3
1
Fbrica 4
1
Supervisores
(S )
Trabajadores
(T )
80
96
67
75
y los trabajadores
$ 350 ( P A )
$ 200 ( P T )
fbrica?
Solucin: El monto pagado por cada fbrica es igual al nmero de cada
I i =P A A i + PS S i + PT T i ,
empleado por su respectivo ingreso salarial. Es decir:
donde
Ii
es el monto de la fbrica
i .
Por
ejemplo,
el
monto
de
la
I 1 =P A A 1+ PS S 1+ PT T 1=350 1+275 4+200 80=17450
.
fbrica
ser:
][ ]
1 2
1 1 350
4 6
3 4 275
80 96 67 75 200
[ ][ ] [ ]
1
2
1
1
4 80
17450
350
6 96
21550
275 =
3 67
14575
200
4 75
16450
respectivamente.
24
Matriz inversa
Dada una matriz cuadrada de orden
n , se dice que
es invertible (o que
posee inversa o que es no singular o que es regular), si existe otra matriz del
1
mismo orden, denominada matriz inversa de A , representada por A
,
tal que:
A A1 =I n
A1 A=I n
Si A no tiene inversa, se dice que es singular o no invertible.
Propiedades de la inversin de matrices
1. Si una matriz tiene inversa, dicha matriz inversa es nica.
1
1
1
2. ( A B ) =B A
1
3.
( A1 ) = A
4.
( k A )1=
1
kA
5.
( At ) =( A1 )
( )
A1
planteando un sistema
de ecuaciones.
Ejemplo 1: Si queremos determinar la inversa de la matriz
que buscamos es otra matriz de igual tamao (orden 2) tal que
1
A A I 2 , es decir, si
( yt )
A1= x
z
A= 1 2
1 1
A A1 I 2
lo
y
25
x +2 z
) ( yt )=( 10 01) (x+
z
A A1 I 2 1 2 x
1 1 z
)( )
y+ 2t = 1 0
y +t
0 1
x+2 z=1
y +2 t=0
x + z=0
y +t=1
) (
A1 A I 2 , luego
es
( )
A= 1 1
2 2
A A1 I 2 1 1 x
2 2 z
)( )
y +t = 1 0
2 y +2 t
0 1
x + z=1
y+ t=0
2 x +2 z =0
2 y+ 2t=1
Y por ejemplo de
primera ecuacin es
2 x +2 z=0
se obtiene
z + z=1 , es decir
x=z , si se sustituye en la
0=1
(imposible). El sistema no
tiene solucin.
26
no es invertible, es singular.
Este mtodo directo slo se suele utilizar para matrices cuadradas de tamao
2, puesto que para las de tamao 3 obtenemos un sistema difcil de resolver.
A= 2 1
1 1
A A1 =I , es decir:
2 ac=1 ( 1 )
2 bd=0 (2 )
a+ c=0 ( 3 )
b+ d=1 ( 4 )
De la ecuacin
(3)
reemplazar en
( 1 ) y as encontrar el valor de
2 (c )c=1 c=
despejar
c (a=c)
y luego
a yc .
1
3
y luego reemplazando en
a=
en funcin de
(1)
obtenemos
1
3
b
De la ecuacin
(4 )
despejar
reemplazar en
( 2)
y as encontrar el valor de
en funcin de
d (b=1d)
y luego
b yd .
27
2 (1d )d=0 d=
2
3
y luego reemplazando en
b=
(2)
obtenemos
1
3
( )
1
A = 3
1
3
1
1
3
2
3
A .
28
B) Mtodo de Gauss-Jordan:
Consiste en hacer transformaciones elementales en las filas de la matriz para
llegar a obtener la matriz identidad. Realizando estas mismas
1
transformaciones con la matriz identidad llegamos a la matriz A
.
Se llama transformacin elemental en una matriz a:
A= 1 2
1 1
y la matriz identidad
(1 21|10 01)
( A|I 2 )= 1
2 Se forma la matriz triangular superior (es decir, hacemos ceros por debajo
de la diagonal principal) usando transformaciones elementales en filas.
La mejor forma de realizar esto es hacer cero los elementos por debajo de la
diagonal en la primera columna usando la fila 1. Luego, hacer cero los
elementos por debajo de la diagonal en la segunda columna usando la fila 2,
y as sucesivamente.
En nuestro caso, basta sumar la fila 2 con la fila 1, y se obtiene:
( A|I 2 )= 1
29
4 Ya tenemos una matriz diagonal. Lo nico que falta es dividir a cada fila
entre el nmero adecuado para obtener unos en la diagonal principal, es
decir, para obtener la matriz identidad en la parte izquierda:
f1
f2
2 /3
1 /3
( 10 01|1/3
1/3
( I 2 , A1 )=
) (
( )
A= 1 1
2 2
obtenemos:
(2 2|0 1)
( 0 0|2 01)
( A|I 2 )= 1 1 1 0 f 2 2 f 1 f 2 1 1 1
1 1 0
B= 1 1 2
1 0 1
Jordan.
| )
( | )
1 1 01 0 0
1 1 01 0 0
B
I
=
f
+
f
f
( | 2) 1 1 2 0 1 0 2 1
2 21 1 0
2 0
1 0 10 0 1
1 0 10 0 1
( |
1 1 0 1 0 0
1 1 0 1 0 0
f 3 f 1 f 3 0 2 2 1 1 0 2 f 3+ f 2 f 3 0 2 2 1 1 0
0 1 1 1 0 1
0 0 4 1 1 2
( |
( |
1 1 0 1 0 0
4 0 0 1 1 2
2 f 2f 3 f 2 0 4 0 3 1 2 4 f 1 f 2 f 1 0 4 0 3
1 2
0 0 4 1 1 2
0 0 4 1 1
2
( |
1 0 0 1/4 1 /4 2/4
1/4 1/4 2/ 4
f1 f2 f3
1
1
, , f 1 0 1 0 3/4
1/4 2 /4 =( I 3|B ) B = 3/ 4
1/4 2/4
4 4 4
0 0 1 1 /4 1/4
2/4
1/4 1/4
2/ 4
1 1 1 2
1
B = 3
1 2
4
1 1
2
)
31
a33
tiene
32
que ser distinto de cero pero todos los elementos de la tercera columna
situados por debajo tiene que ser ceros; y as sucesivamente. El proceso
ann
termina cuando el elemento
sea distinto de cero y no tenga otros
elementos debajo. Durante el proceso se eliminarn las filas o columnas con
todos sus elementos nulos.
El rango de la matriz A , representada por rang ( A ) , ser el nmero de
filas no nulas de la matriz resultante, luego de aplicarle el mtodo de
Gauss.
Las operaciones elementales que se pueden realizar en una matriz sin que
vare su rango son:
a) Cambiar dos filas o dos columnas.
b) Multiplicar o dividir todos los elementos de una fila o columna por un
nmero real distinto de cero.
c) Sumarle a una fila (o columna) otra paralela a ella.
d) Sumarle a una fila (o columna) otra paralela a ella multiplicada por un
nmero.
e) Suprimir las filas o columnas cuyos elementos sean todos nulos.
f) Suprimir una fila (o columna) proporcional a otra.
Hay que tener presente, que el rango de cualquier matriz siempre es menor o
igual que su nmero de filas y de columnas, pues el mtodo de Gauss se
puede aplicar indistintamente mediante operaciones elementales en filas o
en columnas.
Propiedades:
1. Si
mxn
1 rang ( A ) min { m, n }
tiene inversa
rang ( A )
es mximo.
Ejemplo1:
( )
1 2 3
1 2 3
A= 4 5 6 2 f 2f 1 f 3 4 5 6
7 8 9
0 0 0
)
33
f3
Vemos que
f1
f2
son
linealmente independientes.
Rang ( A )=2
1 0 1 2
A= 2 1 0 1
3 1 1 3
5 2 1 4
3
3 f + f f f
2
3
4
4
6
1 0 1 2
2 1 0 1
3 1 1 3
0 0
0 0
3
3
6
0
1 0 1 2 3
f 1 + f 2f 3 f 3 2 1 0 1 3 Rango=2
0 0
0 0 0
0 0
0 0 0
( )
( )
A= 0 3 f 2 f 1 1 1
1 1
0 3
34
b)
(
c)
1 1 0
1
1
0
1 1
0
B= 2 1 1 f 22 f 1 f 2 0 1 1 f 3 +f 1 f 3 0 1 1 f 3+ 2 f 2 f 3
1 1 2
1 1 2
0 2 2
1 1 0
0 1 1
0 0 0
4
6
C= 2
1 2 3
2 f 2+ f 1 f 2 2 4 6
0 0 0
rang ( B )=2.
rang ( C )=1.
En los ejemplos anteriores podemos observar que el rango de cualquier
matriz siempre es menor o igual que el nmero de filas de la matriz.
Esto permite saber entre qu valores va a estar ese rango, antes de calcular
el rango de una matriz.
Por ejemplo, en el caso b) del ejemplo, como la matriz es 3 x 3 , el rango
slo puede ser 0, 1, 2 3, no hay otras posibilidades.
En el caso c), como la matriz es 2 x 3 , el rango slo puede ser 0,1 2.
Ejemplo4: Calcular en funcin de
el rango de la matriz:
A= 1 1 2
3 3 k
Vemos que:
Si k 6=0, es decir si k=6,
Si
es 1,
Resumiendo:
35
36
1.5 Determinantes
El determinante es un nmero real o escalar asociado a una matriz cuadrada,
y su clculo va a depender del orden de la matriz. Se representa por det ( A )
a11 a 12
a a
det ( A )= 11 12 =a11 a 22a12 a 21
a21 a 22
a21 a 22
Orden
3 x3 :
Sea la matriz
A= a 21 a22 a 23 ,
a 31 a32 a33
37
( )( )
a11 a 12
a21 a22
det ( A )= a31 a32
a11 a12
a21 a22
a13
a11
a23
a 21
a33
a31
a11
a13
a23
a 21
a12
a22
a32
a12
a22
a 13
a 23
a 33
a 13
a 23
O lo que es igual:
det ( A )=( a 11 a22 a 33+ a12 a23 a31 +a13 a21 a 32 ) ( a13 a22 a31+ a12 a 21 a33 +a11 a23 a 32 )
3 1 4
B= 2 2 0
1 6 2
3 1 4
2 2 0
1 6 2
det ( B )=
3 1 4
2 2 0
[ ( (3 ) (2 ) 2 ) +( 2 6 4 ) +( (1 ) 1 0 ) ]=60.
En seguida los tres productos negativos:
38
[ ( (1 ) (2 ) 4 ) + ( (3 ) 6 0 )+ ( 2 1 2 ) ]=12.
det ( B )=6012=48
3 1 4 3 1
det ( B )= 2 2 0 2 2
1 6 2 1 6
[ ( (3 ) (2 ) 2 ) +( 1 0 (1 ) )+ ( 4 2 6 ) ]=60.
luego los productos negativos:
[ ( (1 ) (2 ) 4 ) + ( 6 0 (3 ) )+ ( 2 2 1 ) ]=12.
det ( B )=6012=48
A=( aij )
aij
. Se llama matriz
n1 .
Menor complementario
39
aij de A
|M ij|
|M 13|= a21
31
, al determinante
a22
a32
| || | |
|M 11|= 2
6
| || | |
|M 21|= 16
1
|M 31|= 2
0 M = 2 0 M = 2 2
| 13| 1 6
12
2
1 2
4 M = 3 4 M = 3 1
| 23| 1 6
22
2
1 2
4 M = 3 4 M = 3 1
| 32| 2 0 | 33| 2 2
0
aij
, y se representa por
multiplicado por
+1 1
A ij
, al menor
dependiendo si
40
+
+
+
+
+ +
+ + + + +
+ +
A=( aij )
es igual a la
a11 a12 a 13
det A= a 21 a22 a 23
a31 a32 a 33
41
det ( A )=a11
det ( A )=a11 (1 )1 +1
o lo que es igual
| |
| |
a 22 a23
a
a
a
a
+a12 23 21 +a 13 21 22
a 32 a33
a33 a31
a31 a32
a22 a23
a
a
a
a
+a12 (1 )1+2 21 23 +a13 (1 )1+3 21 22
a32 a33
a 31 a33
a31 a 32
Esta regla rebaja el orden del determinante que se pretende calcular en una
unidad. Para evitar el clculo de muchos determinantes conviene elegir la fila
o columna con mayor nmero de ceros.
Matrices de cofactores
Una matriz de cofactores es una matriz donde cada elemento es un
aij
determinante, en la cual cada elemento
es reemplazado por su cofactor
| Aij|
42
Resumen
El determinante de orden n, puede desarrollarse a partir de una fila o
columna, reduciendo el problema al clculo de un determinante de orden n1. Para ello se toma una fila o columna cualquiera, multiplicando cada
elemento por su cofactor (es decir, el determinante de la matriz que se
obtiene eliminando la fila y columna correspondiente a dicho elemento,
i+j
multiplicado por (1 )
donde i es el nmero de fila y j el nmero de
columna). La suma de todos los productos es igual al determinante y
podemos usar el mtodo de Sarrus, para mostrar que se obtienen los mismos
resultados.
2
4 3
A= 3 5 2
1 3
2
A , obtener su determinante.
| A|=3 (1 )2+1 4 3 + (5 ) (1 )2 +2 2
3
3 +2 (1 )2+3 2 4
2
1 3
| A|=3 (1 ) ( 8+ 9 ) + (5 ) ( 1 ) ( 43 )+2 (1 ) ( 6 +4 )
| A|=3 (1 ) ( 17 ) + (5 ) ( 1 ) ( 1 ) +2 (1 ) ( 10 )
| A|=(3 ) ( 17 ) + (5 ) ( 1 ) + (2 ) ( 10 )
43
| A|=51520
| A|=76
3 1 4
A= 2 2 0
1 6 2
)
1era
columna
| | | |
det ( A )=3 2 0 2 1 4 1 1 4
6 2
6 2
2 0
2 3 1
A= 4 1 2
5 3 4
A , hallar
det A
Solucin:
44
| | | | | |
| | | | | |
det ( A )=+1 4 1 2 2 3 +4 2 3
5 3
5 3
4 1
es igual que el
| A|=| At|
Por ejemplo:
45
| || |
a b = a c = adbc
c d b d
| |
a b =adbc
, intercambiando las dos filas:
c d
| |
c d =cbad=( adbc )
a b
| |
| |
det A= a b
c d
46
| |
a
b = a ( d+ kb ) b ( c +ka ) =adbc= a b
c +ka d +kb
c d
1
Propiedad 8. Si A tiene matriz inversa, A
, se verifica que:
det ( A )=
1
det ( A )
aij
aij =1
o, en su defecto, un
aij 0
aij
.
El valor del determinante no se altera con estas operaciones en filas o
columnas, tal como indican la propiedades 5,6 y 7, sin embargo hay que ser
cuidadoso al aplicarlas.
Ejemplo 6:
| |
0 1 2 3
1 3 2 5 f 2 f f
3
2
3
2 4
3 1
3 2 8 1
| |
0 1
2 3
1 3
2 5 f 3 f f
4
2
4
0 2 1 11
3 2 8 1
0 1
2 3
1 3
2 5
0 2 1 11
0 11 14 16
47
| |
1
2 3
1
2 3
2 1 11
2 +3
1 (1 ) 2 1 11 =1 11 14 16
11 14 16
1
2 3
2 1 11
C .
( )
1 2 3
C= 0 1 2
4 1 5
| |
1
0
det C= 4
1
0
2
1
1
2
1
3
2
5
3
2
det C=( 1 1 5 ) + ( 0 1 3 )+ ( 4 2 2 ) [( 3 1 4 ) + ( 2 1 1 ) + ( 5 2 0 ) ]
det C=5+ 0+16 (12+2+ 0 )=2114=7
Al hacer ceros en la primera columna, deberamos obtener el mismo
resultado. Veamos que sucede al hacer cero el 4 de la primera columna:
48
| |
||
1 2 3
1 2
3
1
2 =7+14=7
f
4
f
0 1 2 3
1
2 =
1
3 0
7
7
4 1 5
0 7 7
| |
| |
1 2 3
0 7 7
1+3 7
7
= 4 1 ( 147 )=28
0 1 2 4 f 1f 3 f 1 0 1 2 =4 (1 )
1 2
4 1 5
4 1 5
| |
Esto se debe a que hemos multiplicado por 4 la fila 1 que es la que estamos
sustituyendo, lo que alter el valor del determinante. Por lo tanto no
conviene multiplicar la fila a sustituir, porque podemos variar el valor del
determinante.
49
1
adj ( A )
det ( A )
Para calcular la matriz inversa por este mtodo daremos los siguientes pasos:
Paso 1. Calculamos el determinante de la matriz
no existir matriz inversa.
Paso 2. Calculamos la matriz de cofactores de
1 0 1
A= 0 1 3
1 1 0
| |
1
0
| A|= 1
1
0
0
1
1
0
1
1
3
0 =( 0+ 0+0 ) ( 13+0 )=2
1
3
A tiene inversa
| | |
| | |
| | |
+1
1
C= 0
1
+1
0
3
0
1
0
0
1
0
1
+ 1
1
1
0
| | |
| | |
| | |
3
0
1
0
1
3
+ 0
1
1
1
+1
0
1
1
3 3
1
0 = 1 1 1
1
1 3
1
0
1
)
50
3 1 1
Adj ( A )=C t= 3 1 3
1 1 1
3 /2 1/2 1/2
A1= 3 /2 1/2 3/2
1/2 1/2 1/2
ecuaciones lineales
am 1 x 1+ am 2 x 2 ++ amn x n=bm
Los nmeros reales
aij
bi
las variables
xj
son las
a11 a12
a21 a22
a m1 am 2
a 1n
a 2n
amn
)( ) ( )
x1
b1
x 2 = b2
xn
bm
mxn nx 1 mx 1
51
La matriz
la matriz
y la matriz
(
()
()
a11 a12
A= a21 a22
a m 1 am 2
x1
x
X= 2
xn
b1
b
b= 2
bm
a1n
a2n
amn
AX =b
a 11 a12
( A|b )= a21 a22
am 1 am 2
|)
a1 n b1
a2 n b2
a mn bm
o por
( A|b ) .
Resolver un sistema de ecuaciones lineales consiste en calcular los valores
de las incgnitas de manera que sean solucin a la vez de todas las
ecuaciones del sistema. Diremos que dos sistemas de ecuaciones son
equivalentes si tienen las mismas soluciones.
Tipos de sistemas
52
1.
2.
Teorema de Rouch-Frbenius
Supongamos que tenemos un sistema de ecuaciones lineales con matriz de
2. Si
Si
rang ( A ) =rang ( A )
matriz de coeficientes
rango ( A ) =rango ( A ) .
Esto
quiere
decir
que
todos
los
sistemas
rang ( A ) =
rang ( A ) <
A. Regla de Cramer
La regla de Cramer se aplica para resolver sistemas de ecuaciones lineales
que cumplan las siguientes condiciones:
xi
| A i|
x i=
| A|
4 3
5 2 =2 (106 )4 ( 6+2 )3 ( 95 )=76
1 3
2
| A|= 3
55
12 4 3
A
=
| 1| 13 5 2 =12 (106 ) 4 (2634 )3 ( 39+85 ) =532
17 3
2
| A2|=
2 12 3
3 13 2 =2 ( 2634 )12 ( 6+2 ) 3 (51+13 )=304
1 17 2
2
4 12
| A3|= 3 5 13 =2 (8539 ) 4 ( 51+13 ) +12 ( 95 )=456
1 3 17
Una vez obtenido los determinantes, se procede fcilmente a obtener el valor de las
incgnitas:
| A 1|
x 1=
532
=7
| A| 76
| A 2|
x 1=
| A|
| A 3|
x 1=
| A|
304
=4
76
456
=6
76
de la ecuacin.
Sabemos que eso se puede hacer slo cuando la matriz A posea inversa, y si
es el caso, operamos con esta matriz sobre el sistema anterior
1
1
A A X= A b
por la propiedad asociativa del producto:
( A1 A ) X =I X= A1 b
Finalmente la solucin del sistema viene dada por:
X =A1 b
es decir podramos calcular X , y el sistema tendra solucin nica.
Si A no posee inversa, no podemos despejar X y el sistema no se puede
resolver de esta manera.
Si consideramos el clculo de la matriz inversa por medio de determinantes,
es decir:
1
A =
1
adj( A)
det ( A)
Entonces
X=
1
adj( A) b
det ( A )
la matriz adjunta.
Antes de realizar cualquier clculo, se debe tener en cuenta que el
A
determinante de
debe ser diferente de cero, para garantizar una
solucin al problema.
Ejemplo: resolvamos por este mtodo el ejemplo anterior:
57
2 x 1 +4 x2 3 x 3=12
3 x1 5 x 2 +2 x3 =13
x 1 +3 x 2+2 x 3=17
2
4 3
A=| A|= 3 5 2 =76
1 3
2
det
| | | | | |
| | | | | |
| | | | | |
+ 5 2
3 2
C= 4 3
3 2
+ 4 3
5 2
3 2
1 2
+ 2 3
1 2
2 3
3 2
+ 3 5
1 3
16 8
4
2 4 = 17
1 10
1 3
7 13 22
2
4
+
3 5
16 17 7
adj ( A )=C = 8
1 13
4 10 22
t
1
adj( A)
det ( A)
A1=
16 17 7
1
8
1 13
76
4 10 22
58
A1 ( A X )= A1 ( b )
X =A1 ( b )
[ ][ ]
16
76
8
X=
76
4
76
17
76
1
76
10
76
7
192+221+119
76
76
x1
12
7
13
9613+ 221
=
=
=
13
4
x2
76
76
17
6
x3
22
48+130+374
76
76
[]
[][ ]
sern 7, 4 y 6.
El Jacobiano
Es un determinante especial que sirve para testear la dependencia funcional,
tanto lineal como no lineal. Un determinante Jacobiano est compuesto por
todas las primeras derivadas parciales. Por ejemplo, dadas las siguientes
funciones,
y 1=f 1 (x1 , x2 x n)
y 2=f 2 ( x1 , x 2 x n)
y n=f 3 (x 1 , x 2 x n )
El Jacobiano
59
| |
y1
x1
y2
y1 , y2 , , yn
|J|=
= x1
x 1 , x 2 , , x 3
yn
x1
y1
x2
y2
x2
yn
x2
y1
xn
y2
xn
yn
xn
Vemos que los elementos de cada fila son las primeras derivadas parciales de
yi
la funcin
con respecto a cada una de la variables independientes
(x 1 , x 2 , x 3) , mientras que los elementos de cada columna son las primeras
derivadas parciales de cada una de las funciones
de las variables independientes,
xj
. Si
y 1 , y 2 , y3
respecto a una
y 2=25 x 1 +30 x 1 x 2 +9 x 2
|J|=
5
3
50 x1 +30 x 2 30 x 1+18 x 2
( 5 x1 +3 x 2 ) =25 x 1 +30 x 1 x 2 +9 x 2
es decir:
2
( y1 ) = y2
61
][
x 2
1 1
1
0 4
1 2a
1
A=
B=
1 x 3 x 0
2
0 1 1 2
1
Si
1
0
1
0
1 0
1 0
1 1
1 0
S=c21 +c 32 + c 33
A yB
2 x10 2 x2 2 x +4 2
4 a4
2
4 a+ 10 2
2 AB=
14 x2 6 x2 4 x2 6 x
2
2
4
2
]
y luego por el escalar 2.
Entonces
2 x10 4 a4 14 x2 2
2
6 x2 2
( 2 AB ) = 2 x2
2 x+ 4 4 a+10
4 x2 4
2
2
6 x 2
t
62
[]
3
2 a 3 b
2 4 2 6 C= 4
A= 2
b B=
1 b 5 1
6a
5
8
2
Obtenga:
a)
D= A B C
b)
Solucin:
A (3 X 2) y B(2 X 4)
C(4 X 1 )
AB (2 X 4 )
]
][
3
4 a3 b 8 a+3 b 2 4 a15 b 12 a+ 3 b
A B C=D= 4b
4
b28
45 b b12
6a
18
8 b+20
50
38
2
3 b( 4 b+ 5)
D= 4 b2 5 b+68
2(16 b+105)
64
H y H1=D ,
obtenga
3 a 1 a
H= 1
4
1
2 3 1
Solucin: Calculamos la matriz inversa de
sabiendo que
d 22 =1
]
por medio de determinantes,
es decir:
H 1=
1
adj(H )
det ( H )
[ ]
3 a
1
2
detH =
3 a
1
1
4
3
1
4
a
1
1
=(12 a ) + (3 a ) + ( 2 )(8 a ) ( 9 a ) (1 ) =8 a+1
a
1
)(
3 Calculamos la adjunta
1 3 a1 4 a1
t
adj ( H ) ( Cof ( H ) ) = 1
5a
4a
5 9 a+2 12 a+1
)
65
1
8 a+1
1
H =D= 1
8 a+1
5
8 a+1
3 a+1
8 a+1
5a
8 a+1
29 a
8 a+1
4 a+1
8 a+1
4a
8 a+1
112 a
8 a+1
Por condicin:
5a
d 22 =
8 a+1
Entonces
1
a=
3
Ejemplo: Una tienda vende 1000 hamburguesas, 600, y 1200 leches en una
semana. El precio de la hamburguesa es 45 pesos ( p ) , una hamburguesa
con queso
60 p , y la leche
[ ][ ] [ ]
1000
0.45
0.38
Q= 600 P= 0.60 C= 0.42
1200
0.50
0.32
El ingreso total es
P . Slo as es posible la
multiplicacin.
[ ]
1000
t
I =P Q=[ 0.45 0.60 0.50 ] = 600 =1410
1200
66
[ ]
1000
C=Ct Q=[ 0.38 0.420.32 ]= 600 =1016
1200
El beneficio semanal ser:
B=I C=14101016=394
[ ] [] []
1000
45
38
Q= 600 P= 60 C= 42
1200
50
32
El ingreso total es
P . Slo as es posible la
multiplicacin.
[ ]
1000
I =P Q=[ 45 60 50 ] 600 =141000
1200
t
67
[ ]
1000
C=Ct Q=[ 38 4232 ] 600 =101600
1200
El beneficio semanal ser:
B=I C=141000101600=39400
68
1 x 0
A= 0 0 y
0 0 z
)
A 2 At
y del producto
6
2
1
Obtenga
)
x+ y+ z
A 2 At
)(
1 x
1 x 0 1 x 0
A 2= 0 0 y 0 0 y = 0 0
0 0 z 0 0 z
0 0
)(
1 x
2
t
A A= 0 0
0 0
)( ) (
xy 1
yz x
2
0
z
0
0
y
xy
yz
z2
con la matriz
x +1
0
0= 0
z
0
xy xyz
2
2
y z yz
2
3
yz
z
Es decir:
x 2+1
A 2 At = 0
0
xy 2 xyz
2
2
=
y z yz
2
3
yz
z
)(
6
2
1
yz =2
69
z 3=1
z=1, x=3, y=2.
se obtiene que :
finalmente,
x+ y+ z=4
Ejemplo: Hallar
a,b,c y d
(a1
b
4
si se cumple que:
( )(
1
c d 0
9 2 0
0
0
0
1
0
2
1
0
1
0
1 =1 0 6 6
1 9 8 4
0
0
(a1
)(
c 2a+ b+d b
1 0 6 6
=
9
8 4
1 9 8 4
y su determinante en funcin de
y . Hallar:
4 0
5 4
A= 5 3 4 2 y det ( A )=4 (9 y 22 y43)
2 2 2 0
4 y 1 1
t
a) La
det
70
At
sea singular, es
a) Por propiedad
A
At
=det
det
A
At
=det
det
A
=4( 9 y 2 2 y 43)
det
4 ( 9 y 22 y43 ) =0 9 y 22 y43=0
resolvemos esta ecuacin cuadrtica
y=
y 1=2.3
y 2=2.08
23 y+ 42 w21 x 2 z=3
Determinar los valores nicos de
x, y ,z ,w
4 5 23
0
21
31
12 15 69
21 23 2
Ejemplo: Si
| |
11
4 5 23
4
0
21 31
f 33 f 1 f 3
33
0
0
0
21 23 2
42
C=AB y c 33=m ,
11
4
=0
0
42
)(
3 4 q 4
4 3
1 a
A= 2 a e 3 B= 3 2 1 1
3 z m 2
2 1 5 m 0
1 m 1 1
1 0
4 2
28+2 q
17 q
155 mq 3 a12
53 a2 e
6+ 2ae 10a+5 me 3 a6
A B=
162m3 z 9+2 zm 11+5 m 2z 4+3 az
73 m
2+2 m
5+ 4 m
2+ am
)
72
AB
(en funcin de
AB
se extrae el elemento
c 33
myz )
c 33=3 ( 1 )+ z (1 )+ m ( 5 m )+ 2 ( 4 )
c 33=3z +5 m2 +8
2
c 33=5 m +11z
Por condicin
2
c 33=m 5 m +11z=m
5 m 2m+ ( 11z )=0
m=
1 (1)24 5 (11z )
1 120 (11z )
m=
2 5
10
1 120(11z)
=0 z =11
10
73
a x+ dy+ ez=f
hz + gx=i
Qu requisitos debe cumplir
[ ][ ] [ ]
a b 0 x
c
a2 d e y = f o A X=B
i
g 0 h z
Para que el sistema tenga solucin nica, el determinante del sistema debe
ser diferente de cero.
Usando Sarrus
| |
a
a2
g
A=
a
a2
b 0
d e
0 h
=adh+0+ bgh00a2 bh
b 0
d h
det
Obteniendo
det ( A ) a2 bh+adh+bgh .
Haciendo
que:
dh ( dh ) + 4 ( bh ) ( bgh )
a
2bh
2
74
Ejemplo: Obtenga el
det ( A)
si
[ ]
1
A= 2
3
4
1
0
9
6
1
5
2
5
1
0
3
6
| || |
1 1 1
1 1 1
det ( A )=2 9 2 3 5 3 9 3 =2 (6 ) 5 (12 ) =48
6 5 6
4 6 6
Los determinantes de
3 x3
[ ] [ ]
1
9
6
det ( 1 ) =
1
9
1
2
5
1
2
1
3
6
det ( 2 )=
1
3
1
3
4
1
3
1
9
6
1
9
1
3
6
1
3
det ( 1 ) =( 1 2 6 ) + ( 9 5 1 ) + ( 6 1 3 ) [ ( 6 2 1 ) + ( 1 5 3 ) + ( 9 1 6 ) ]=7581
det ( 1 ) =6
det ( 2 ) =( 1 9 6 ) + ( 3 6 1 )+ ( 4 1 3 ) [ ( 4 9 1 ) + ( 1 6 3 ) + ( 3 1 6 ) ] =8472
75
det ( 2 ) =12
76
Magnitudes escalares
Son aquellas en las que las medidas quedan completamente definidas por
medio de un nmero y las unidades utilizadas en su medida. Ejemplos de
magnitudes escalares son la masa, la temperatura, la presin, la densidad, la
energa, el volumen, etc.
Magnitudes vectoriales
Son aquellas que para quedar definidas necesitan adems de un valor
numrico (intensidad), una direccin, un sentido y un punto de aplicacin.
Ejemplos de magnitudes vectoriales son la velocidad, la fuerza, la
aceleracin, la cantidad de movimiento, el campo magntico, el flujo de calor
o de materia, el desplazamiento, el campo elctrico, etc.
Las magnitudes vectoriales no se pueden representar, como los escalares,
por puntos sobre una recta. Hay que tomar segmentos de una longitud dada
(indicadora de su intensidad) a partir de un punto fijo, los cuales tengan la
direccin y sentido correspondientes.
77
2.2 Vectores
Un vector es la expresin que proporciona la medida de cualquier magnitud
vectorial. Se representa por un segmento de recta orientado o flecha, con
una direccin y longitud.
(O) .
Extremo:
mod A=|A|=|
OP|
78
A o bien
OP .
Componentes de un vector
Hay que tener muy en cuenta el sistema de referencia de los vectores, que
estar formado por un origen y tres ejes perpendiculares. Este sistema de
referencia permite fijar la posicin de un punto cualquiera con exactitud. El
sistema de referencia que usaremos es el Sistema de Coordenadas
Cartesianas. En este sistema la posicin de un punto se encuentra
determinada por tres nmeros independientes, que se denominan
componentes o coordenadas del vector y que definen las distancias a los
llamados planos coordenados.
En la Figura se pueden observar los tres planos coordenados que forman
ngulos rectos entre si y cuyas intersecciones son los llamados ejes
coordenados.
los valores
ax , a y , az
Al
|i^ |= 12 +0+0=1
80
Tipos de vectores
Vectores iguales
Dos vectores son iguales cuando tienen el mismo mdulo y la misma
direccin.
Vector libre
Un vector libre queda caracterizado por su mdulo, direccin y sentido. El
vector libre es independiente del lugar en el que se encuentra.
Vectores equivalentes
Si dos o ms vectores tienen la misma direccin, sentido y mdulo se llaman
vectores equivalentes
Vectores opuestos
Dos vectores que tienen la misma direccin y mdulo pero sentido contrario
se llaman vectores opuestos, indicaremos con u al vector opuesto de
u .
81
2.3 Vectores en R2 y R3
La palabra vectores se refiere a los elementos de cualquier
R1=R
Rn .
En
el vector es de la forma
( a , b)
con
un
punto
de
coordenada
la
coordenada
en
en
la
recta
la
recta
horizontal
vertical
el vector es de la forma
(a , b , c )
y sus elementos se
82
Vectores en
R2
Suma de vectores
Sean
a=( a1 , a2 ) y b=( b1 ,b 2 )
vectores en
, entonces:
83
Producto escalar
Sea
a=( a1 , a2 )
un vector en
R2 , entonces
a= ( a1 , a2 )=( a1 , a 2 )
Para el producto escalar a , se puede observar grficamente que si
> 0 se alarga o se acorta el vector a
. Si < 0 se
por un factor
invierte la direccin del vector a .
Vectores en
Suma
Sean
de
R3
vectores
a y b R3 , entonces:
a+b=( a1 , a 2 , a3 ) + ( b1 ,b 2 , b 3 )=( a1+ b1 , a2+ b2 , a3 +b3 )
Producto escalar
84
Sea
un vector en
R3 , entonces:
a= ( a1 , a2 , a3 )=( a1 , a 2 , a3 )
85
Vectores en
Rn
R2 y R3
elementos de la forma
v =( v 1 , v 2 , , v n )
vi
. A
, siendo
vi
Rn
es
un
se le llama
Rn , con
n
elementos de la forma
operaciones:
Suma y resta de vectores
La suma y resta se hace componente a componente.
Sean
v .
v , si
Su sentido es opuesto al de
v , si
es un nmero positivo
es un nmero negativo.
v . (Si
87
R y v R v R
R y v R v =v
Conmutativa:
n
Distributiva mixta:
Suma de vectores
R y u , v Rn ( v +u )= ( v ) + ( u )
Suma de escalares
, R y v R n ( + ) v =( v ) + ( v )
Asociativa:
, R y v R n ( v )= ( ) v
Elemento neutro:
1 R tal que 1 v=v v R n
Vectores
unitarios
en el
plano. A partir del teorema de Pitgoras encontramos que la longitud de A
( a1 , a 2) R2
A= a 12+ a22
88
En
R2 ,
longitud de
A es a12 +a 22
R3 ,
En
longitud de
A es a12 +a 22 +a 32
R3 . Aplicando
A= a 12+ a22 +a 32
Definicin: Sea
A=( a1 , a2 ,a 3 , , a n)
( A A )1 /2 ,
un vector en
Rn .
, la norma (magnitud,
| A| A , se define
mediante la igualdad:
89
Teorema. Si
Rn , y
se cumplen las
siguientes propiedades:
A 0
ii)
A=A
iii)
A=|| A
iv)
AB=B A
v)
A+ B A+B
(Desigualdad triangular)
vi)
| A B| AB
(desigualdad de Cauchy-Schwarz)
A=0
A=0 .
i)
si y solo si
A=B
para algn
Distancia
Definicin: Sean
B=( b 1 , b2 , b3 , , bn )
A yB
vectores en
. La distancia entre
, donde
A yB
A=( a1 , a2 ,a 3 , , a n)
representada por
d ( A , B)
90
i)
d ( A , B ) 0
d ( A , B )=0
B Rn
, y
A=B .
A , B Rn .
ii)
iii)
B .
91
Vectores unitarios
Se denomina vector unitario a todo vector de mdulo 1. Recordemos que el
mdulo es la cifra que coincide con la longitud cuando el vector se
representa en un grfico.
Para calcular un vector unitario a partir de uno dado, se divide este ltimo
mide 3,
entonces:
AB
V AB=
| AB|
Y su mdulo:
V AB|=1
|
|a|= a x 2+ a y 2 + az2
sentido que
a
a^ =
|a|
92
93
O en
R3
los vectores
i, j , k
de componentes
|i|=| j|=|k|=1
94
Cualquier vector
Todo vector
, de componentes cartesianas
a
( x ,a y )
puede
escribirse en la forma:
a =a x i +a y j
De forma anloga todo vector
, de componentes cartesianas
a
( x ,a y , a z ) , puede escribirse de la forma:
a =a x i +a y j+a z k
Que es la forma ms comnmente que empleamos para expresar una
magnitud vectorial.
Donde
vectores
ax , a y , az
a x i , a y j , az k
a .
a.
A= ( 6,2 ) A=6 i2 j
b.
R2
R3
con
A yB
al escalar que se
obtiene como producto de los mdulos de ambos vectores por el coseno del
ngulo que forman. En smbolos:
A B=|A||B|cos
A , B , C Rn
entonces el producto
A B=B A
( k A ) B=k ( A B )
siendo
escalar.
A ( B+C )= A B+ A C
96
Dado que
de
en la direccin
por la proyeccin de
en la
( cos 90 =0 ) .
como en
, cumplen
que:
i i= j j=k k =1
i j= j k =k i=0
B=b x i+b y j+ b z k
cos =
A= (1,1 ) y B=(2,1 )
A B=a x b x + a y b y = (1 ) (2 ) + (1 ) (1 )=3
| A|= a x2 +a y 2= (1 ) + (1 ) = 2
2
|B|= b x 2 +b y 2= (2 ) + (1 ) = 5
2
AB
3
3
3
=
=
=arccos
18,44 18,4
| A||B| 2 5 10
10
cos =
b)
A= (1,1,3 ) y B=(2,1,3 )
| A|= a x2 +a y 2+ aZ 2= (1 ) + (1 ) + (3 ) = 11
2
|B|= b x 2 +b y 2 +b Z 2= (2 ) + (1 ) (3 ) = 14
2
AB
6
6
6
=
=
=arccos
118,9 119
| A||B| 11 14 154
154
cos =
98
99
u , v Rn
distintos de cero:
0 . Es decir:
u||v u= v , R
El vector
u ,
componentes
de componentes
( u1 ,u 2 )
es paralelo al vector
v ,
de
u= v
u1
v1
( u1 ,u 2 )= ( v 1 , v 2 )
u
u 2= v 2 = 2
v2
u 1= v 1 =
u1 u 2
=
v1 v2
100
u y v
/2
. Es decir:
u v u v =|u||v|cos 90 =0
El vector
u ,
de componentes
componentes
( u1 ,u 2 ) es perpendicular al vector v , de
u v =0
( u1 ,u 2 ) ( v1 , v 2 ) =0
u1 v1 +u 2 v 2=0
101
102
NOM
es rectngulo en
M , por lo tanto:
p
p=v cos (1)
v
cos =
es igual
u yv .
103
(1)
vectores, tendremos:
u v=uvcos (2)
Entonces, despejando en
p=vcos =
(2) :
u v
u
Finalmente:
p= proy esc uv =
u v u x v x + u y v y +u z v z
=
u
u x 2 +u y 2 +u z2
Ejemplos:
1. Calcular la proyeccin escalar del vector
v =(1,1,0)
proy esc uv =
(1,1,1) (1,1,0)
1 +1 + 0
1
2
= 2
2
j=(0,1,0)
proy esc aj =
( 0,1,1)(0,1,0) 1
= =1
1
02 +12 +02
k =(0,0,1)
104
proy esc ik =
(1,0,0)(0,0,1) 0
= =0
02 +0 2+12 1
Observemos que:
La proyeccin
La proyeccin
es agudo.
La proyeccin
La proyeccin
es obtuso.
proy esc u=
uv
u
proy esc v =
vu
v
En general:
La proyeccin escalar de un vector sobre la direccin de otro vector, es el
cociente entre el producto escalar de los vectores y la norma del vector
sobre el que proyectamos ortogonalmente.
Vector proyeccin
Sean los vectores:
tal
p ?
106
(3)
al reemplazar en
p=vector proyuv =
obtenemos:
uv 1
u (4)
u u
(4 ) , resulta que:
Operando en la expresin
El vector
del vector
uv
( )
p=vector proyu =
p=vector proyuv =
( 2
u=(1,1,1)
sobre la
v =(2,2,0)
(2,2,0)(1,1,1)
2
sobre la direccin
+2 +0
2 2
( 2,2,0 )=
( 8)
( 2,2,0 )=
( 8,8 , 0 )
=( 1,1,0 )
8
Componente ortogonal
Sean los vectores:
v
Veamos ahora cmo obtener la componente vectorial del vector
ortogonal a la direccin de u . Este corresponde al vector q que se
107
Es decir, el vector
direccin del vector
vector u
Entonces:
q=comp ortog vu=v p
Recordando que:
uv
p=vector proyuv =
u
u2
( )
es:
uv
u
2
u
( )
v =(1,1,1)
u=(2,2,0)
(2,2,0)(1,1,1)
2 2
( 2 +2 +0 )
2
Luego, la componente de
( 2,2,0 )=
sobre la
ser:
4
( 2,2,0 )=( 1,1,0 )
2
( 8)
108
q=v p
es decir:
q=( 1,1,1 )( 1,1,0 )=(0,0,1)
109
ngulos directores
Los ngulos directores son los ngulos que forma el vector
Ax
A
A x =|
A|cos =arccos x
|A|
|A|
cos =
Ay
A
A y =|
A| cos =arccos y
|A|
|
A|
cos =
Az
A
A z =|
A|cos =arccos z
| A|
|A|
110
Para saber el tamao de cada ngulo se utiliza la funcin inversa. Observe que
^ A y ^j+ A z k^
A= A x i+
i^ +|
A|cos ^j+|
A| cos k^
A=|
A|cos
Ejemplo: Mediante los cosenos directores determinar los ngulos de , ,
del vector (4, 5, 3)
Paso 1. Se hace la grfica
Ax
4
4
=
=arccos
=55,6
|A| 7,07
7,07
cos =
Ay
5
5
=
=arccos
=45
|A| 7,07
7,07
cos =
Az
3
3
=
=arccos
=64,9
|
7,07
A| 7,07
111
u=( u1 , u2 , u3 ) R3 y v =( v 1 , v 2 , v3 ) R3 . El producto
como a
(girando de
| |
^j k^
i^
u v = u1 u2 u 3
v1 v 2 v 3
Desarrollando el determinante:
| || || |
u v =
u2 u3 ^ u 1 u3 ^ u1 u 2 ^
i
j+
k
v2 v3
v1 v3
v1 v2
^ ( u1 v 3u3 v 1 ) ^j+ ( u1 v 2u 2 v 1) k^
u v =( u2 v 3u 3 v 2) i
112
^ ( u3 v 1u 1 v 3 ) ^j+ ( u1 v 2u2 v 1 ) k^
u v =( u2 v 3u 3 v 2) i+
Recordemos que
^ ( 0,0,1 )
^ ( 1 ,0,0 ) , ^j=( 0,1,0 ) , k=
i=
, entonces:
u v =(u 2 v3 u3 v 2 ,u3 v1 u1 v 3 , u1 v 2u 2 v 1)
u ( u v )=0
2.
v (u v )=0
3.
u v2=u2v2( u v )2
4.
u x v v x u
5.
v u
u v = )
6.
u ( v +
w )= (u v ) + ( u
w)
7.
( u + v )
w=u
w + v
w
8.
( u v )=( u ) v =u ( v )
9.
u 0 =0 u =0
10.
u , v ,
w R y R , entonces
(igualdad de Lagrange)
u u =0
113
11.
^ i=
^ ^j ^j=k^ k^ =0
i
12.
^ i^
^ ^j= k^ ; i^ k^ = ^j ; ^j k=
i
u v u= v u v =0
considerando
u y v
y recordando el
significado geomtrico del producto escalar. Remplazamos en u v
u v2=u2v2(u2v2 cos 2 )
2
u v =u v ( 1cos 2 )
u v =u v sen 2
es la medida del ngulo formado por los vectores u y v , es
claro que 0 , por lo tanto sen 0 : 0 , en consecuencia
como
u v=uv sen
114
u y v
Pero la altura
h=u sen
115
R3
Ecuaciones de la recta
Una recta en el espacio queda determinada conociendo un punto
vector v llamado vector director o direccional de la recta.
y un
P0=( x 0 , y 0 , z 0 )
v =( v x , v y , v z )
debemos fijar
P0 P= v con R
OP=
O P 0+
P0 P
116
Si identificamos el punto
P0
O P0
(
, obtenemos la ecuacin vectorial de la recta en
R3 :
P P0 + v
donde al variar el parmetro
117
( x , y , z ) =( x 0 , y 0 , z 0 ) + ( v x , v y , v z )
( x , y , z ) =( x 0 , y 0 , z 0 ) + ( v x , v y , v z )
( x , y , z ) = ( x 0+ v x , y 0 + v y , z 0+ v z )
Al separar por componente esta igualdad vectorial obtenemos:
x=x 0 + v x
y= y 0 + v y
z= z0 + v z
Donde el parmetro
vx, vy y vz
xx 0
y y 0
zz 0
=
=
vx
vy
vz
118
Nota: De lo anterior surge que el ngulo entre dos rectas es el ngulo entre
sus vectores directores. En particular, dos rectas son paralelas si sus vectores
direccin lo son, o si uno de ellos puede escribirse como un mltiplo del otro.
Para identificar la perpendicularidad entre dos rectas, podemos emplear sus
vectores directores, comprobando si estos son perpendiculares, es decir, si su
producto escalar es nulo.
( 1,2,1 ) .
Solucin: La ecuacin es
( x , y , z ) =t ( v x , v y , v z ) + ( x 0 , y 0 , z 0 )= (1,1,3 ) + ( 1,2,1 )
x=1+
y=12
z=3
o despejando :
x1 y +1 z3
=
=
1
2
1
z+ D=0
{A A' x+x +BB ' yy +C
+C ' z+ D ' =0
y que se conocen con el nombre de ecuacin implcita o cartesiana de la
recta.
Como se ver ms adelante, corresponde con las ecuaciones de 2 planos que
se cortan en esta recta. Se cumple que el vector director de la recta es
perpendicular de los vectores directores de los dos planos
Ejemplo: Determinar las ecuaciones de la recta
( x , y , z ) =P+
PQ=( 1,2,3 ) + (2,4,6)
En forma paramtrica:
x=12
y=24
z=36
En forma continua:
x1 y2 z3
=
=
2
4
6
En forma implcita:
2 x y=0
3 xz=0
120
en
un
punto,
deben
cumplirse
a+ x 0=td + x 1
b+ y 0=te+ y 1
c + z 0=tf + z1
la ecuacin de
en
M .
Un plano
El plano
u y v
P0=( x 0 , y 0 , z 0 )
P0 P= u + v
con
, R
P P0 + u + v
x =x0 + u x + v x
y= y 0 + u y + v y
z=z 0 + uz + v z
xx 0 u x v x
y y 0 u y v y
zz 0 u z v z
123
Ecuacin normal
Otra forma de determinar la ecuacin de un plano es conociendo un punto
del mismo y un vector normal al plano.
Sea
P 0= ( x 0 , y 0 , z 0 )
n =( a , b , c )
y sea
P0 P=PP0
, el vector
est contenido en el
un vector normal a
n , es decir:
n
P0 P=0
O sea
n ( PP0 )=0
( a , b , c ) ( xx 0 , y y 0 , zz 0 ) =0
y al efectuar el producto escalar, se obtiene:
a ( xx 0 ) +b ( y y 0 ) +c ( zz 0 )=0
que puede reescribirse en la forma:
ax +by +cz ax0 b y 0c z 0=0 .
124
indicaremos con
( ax 0+ b y 0+ c z 0 )
Ejemplo: Determinar las ecuaciones del plano que contiene a los puntos:
Tanto
P0 P1 O P1OP0
como
P0 P2 O P2 OP0
, de manera que:
P=P0 +
P0 P 2+
P 0 P1
es decir:
x=1
y =
z=
Como
( x1, y , z )
(1,1,0)
y de
(1,0,1 )
se ha de tener que:
125
x1 1 1
y
1
0 =0
z
0
1
implcita:
x+ y+ z1=0
N=( 1,3,2 )
que contiene
( 1,2,3 ) .
Solucin: La ecuacin es
1 x +3 y2 z=1 1+3 (2 ) 2 3
x+ 3 y 2 z =11
Interseccin entre una recta y un plano
Para encontrar la interseccin entre una recta
( x , y , z ) =( x 0 , y 0 , z 0 ) + ( v x , v y , v z )
y un plano
de ecuacin paramtrica
de ecuacin
ax +by +cz=q ,
V y N . Que la
recta sea paralela al plano significa que ambos vectores son perpendiculares.
Por lo tanto, calculamos el producto escalar V N . Si resulta nulo, dichos
vectores son perpendiculares.
Que la recta estuviera contenida en el plano: Para ver si es ste el caso,
tomamos un punto cualquiera de la recta y vemos si verifica la ecuacin del
plano. Concluimos que, si la recta y el plano son paralelos y tienen un punto
en comn, entonces tienen todos los puntos de la recta en comn.
126
y el plano
no son paralelos.
x=x 0 + v x
y= y 0 + v y
z= z0 + v z
en la forma:
a v x + b v y + c v z=qa x0 b y 0c z 0 , de donde
=
qa x 0 b y 0c z 0
a v x + b v y +c v z
y el plano
: 2 x y +3 z=1.
Solucin:
Efectuamos el producto escalar entre los vectores
V yN
127
x=t + 1;
y=2 t ;
z=t +3
3 t=129
de donde
o sea
y finalmente
t=4.
RQ .
128
RQ . El valor de esta
ya que
N
PQ=|N||
PQ|cos =|N| proyeccin de
PQ en ladireccin de N
Esta proyeccin resulta negativa si el ngulo toma un valor entre
/2 y y como la distancia d que estamos buscando es una cantidad
positiva, se considera entonces el valor absoluto de dicha proyeccin. Luego,
d=
|N
PQ|
|N|
( 2,1,3 )
y el plano
2 x +3 y4 z=2 .
N=( 2,3,4 ) es :
129
|N|= 4+ 9+16= 29 .
Luego, la distancia es
13
d=
29
130
Ejercicios
1. Hallar las ecuaciones paramtricas y continua de la recta dada por la
interseccin de los dos planos
2 x y+ 2 z3=0
5 x3 y 7 z+8=0
x e y en funcin de
z :
x=1713 z ; y=3124 z
si hacemos
x=1713 1=4
y=3124 1=7
z=1
2. Hallar las ecuaciones vectorial, paramtricas y cartesiana del plano que
pasa por el punto A (2,5,3) y es paralelo a los vectores v ( 1,3,2 ) y t ( 4,2,2 ) .
Solucin: Los vectores
v y t
A . Ahora,
y=5+3 2
z=3+2 +2
Si tomamos
despus tomamos
=0 y =1,
A ,B,C
B=( 3,8,5),
del plano, y
| |
x y z 1
2 5 3 1 =0
3 8 5 1
6 3 5 1
Finalmente, la ecuacin cartesiana del plano que pasa por estos tres puntos
es:
5 x+3 y 7 z 4=0
132
A=(3,2,4)
3(3)+2(2)5(4)+d=0
d=7
3 x+2 y5 z +7=0
x= , y= , en la ecuacin anterior:
Ahora hacemos
3 +2 5 z +7=0
Despejamos
7 3
2
z= + +
5 5 5
x=
y =
7 3 2
z= + +
5 5 5
A=(5, 1,3)
y es perpendicular a la recta:
x1 y +2 z+7
=
=
3
4
2
Solucin: La ecuacin general del plano es:
ax +by +cz=0 {1 }
como este plano pasa por el punto A(5,1,-3), se cumple:
133
5 a+b3 c +d=0 {2 }
n yv
a,b,c y d
4
2
5
ax ay + az a=0
3
3
3
simplificando:
3 x4 y+ 2 z5=0
134
y un conjunto no vaco
1. Conmutatividad:
u+v=v +u u , v V
2. Asociatividad:
( u+ v )+ w=u + ( v +w ) u , v , w V
3. Existe elemento neutro:
0 v V tal que v +0 v =0v + v=v v V
4. Existe elemento opuesto:
v V (v ) V tal que v+ (v )=(v ) +v =0v ( 0 v V )
( u+v ) =( u ) + ( v ) K y u , v V
6. Distributividad respecto de los escalares:
( + ) v=( v )+ ( v ) , K y v V
7. Asociatividad respecto de los escalares:
( v )= ( ) v , K y v V
8. Elemento neutro:
1 K tal que 1 v=v v V
vectores, mientras que a los nmeros por los cuales se multiplican esos
vectores se los denomina escalares.
Cuando el conjunto de escalares es el conjunto de nmeros reales, es decir,
K=R , se dice que V es un espacio vectorial real ( R -espacio vectorial
V
espacio vectorial sobre los complejos). En esta gua trabajaremos slo con
espacios vectoriales reales.
Propiedades
Sea
R , se verifican las
siguientes propiedades:
1.
0 v=0 v , v V ;
2.
0v =0v , R ;
136
3.
4.
Si u 0, v = v = ;
5.
Si 0, u= v u=v ;
6.
( ) v=( v ) , u V R .
Ejemplos:
1. Los siguientes conjuntos son espacios vectoriales:
a.
b.
R = {( a1 , a2 , , an ) /ai R ; i=1, 2, ,n }
donde
c.
i=0
es una variable.
definidas. Dados
p ( x )= ai xi y q ( x )= bi x i :
i=0
i=0
137
p ( x ) +q ( x )= ( ai +b i ) x , k p ( x )= k ai x
i
i=0
i=0
m n ( ejemplo c )
con
A y B , con elementos
j , respectivamente, la matriz
C=A + B
en la fila
se obtiene de la
siguiente manera:
1 n
coincide con
n 1 ( vectores columna )
contiene elementos de la
forma:
a11
a1
a12
a
2
a1 n
an
( )()
2.
R , por ejemplo:
138
Subespacio
Definicin: Sea V
un espacio vectorial y
V ( S V ) . Se dice que
propiedades definidas en
es subespacio vectorial de
V
un subconjunto de
V
si S cumple las
se
un subconjunto de V .
siguientes condiciones:
1.
S ,
2.
u , v S (u +v ) S
3.
v S y K v S
139
es un subespacio vectorial de
V , entonces
0v S
Nota:
Ejemplo:
Sea S={( x , y , z ) R 3 /x + y z=0 } entonces S es subespacio R3
El procedimiento que se realiza para este caso es el siguiente:
1 Anlisis de datos:
u S u=( u 1 , u2 ,u 3 ) R3 u1+ u2u3 =0 ( )
v S v =( v 1 , v 2 , v 3 ) R3 v 1 + v 2v 3=0
2 Seanu , v S y R
a. Por demostrar que
( u+ v ) S
y ( ]
u+ v=( u1 ,u 2 , u3 ) + ( v 1 , v 2 , v 3 )
( )
u+ v=( u1 + v1 , u2 +v 2 ,u 3+ v 3 ) ( sumaen R3 )
( u+ v ) R3 ( )
140
De
( )
, concluimos que
( u+ v )
comprobarlo
ver ( ) y ( )
( u1 + v1 ) + ( u2+ v 2 )( u3 +v 3 ) =0+0
( u1 + v1 ) + ( u2+ v 2 )( u3 +v 3 ) =0
( u+ v ) S
( v1 , v 2 , v 3 )
v =
( v1 , v2 , v3 )
v S
v R3
Por otra parte
v 1+ v 2 v 3= ( v 1 +v 2v 3 )
v 1+ v 2 v 3= 0
v 1+ v 2 v 3=0
vS
Teorema: Sea
{
n
S= { v 1 , v 2 , ... , v n }=
i=1
un espacio vectorial y
{ v1 , v 2 ,... , v n } V entonces
r i v i r i K ( 1 i n ) es subespacio de V
141
Sean
v ,wS y K
entonces
u S v= a i v i /ai K ( 1 i n )
i=1
w S w= bi v i / b i K ( 1 i n )
i=1
es subespacio de
V :
( u+w ) S
n
i =1
i=1
v + w= ai v i + bi v i
v + w= ( ai +bi ) v i
i =1
( u+ w ) S
b. p.d.q.
uS .
u= ai v i
i=1
u= ( ai ) v i
i =1
u S
De a y b S es subespacio de V
142
Ejemplo:
Si
v= ( v 1 , v 2 , v 3 , v 4 ) R v 1=2 v 23 v 35 v 4
v= ( 2 v 23 v 3 5 v 4 , v 2 , v 3 , v 4 ) ( v 2 , v 3 , v 4 ) R3
v=v 2 ( 2,1,0,0 )+ v 3 (3,0,1,0 ) +v 4 (5,0,0,1 )
v { ( 2,1,0,0 ) , (3,0,1,0 ) , (5,0,0,1 ) }
Luego
S= { ( 2,1,0,0 ) , (3,0,1,0 ) , (5,0,0,1 ) }
S es subespacio de R
Interseccin de subespacios
Definicin: Sean
vectorial
W1 yW 2
W 1= { ( x , y / x+ y =0 ) } y W 2={ ( x , y /x y=0 ) }
x y=0
Debemos resolver el sistema de dos ecuaciones con dos incgnitas que tenemos planteado:
x= y
x= y
La nica solucin de este sistema es:
W 1 W 2= {(0, 0) }
Suma de subespacios
Definicin: Sean
vectorial
W1 yW 2
Definicin: Sean
W 1 ,W 2 , , W n
subespacios vectoriales de
V , se define
S +T
y de
T .
Esto nos permite tomar un vector genrico de cada uno de los subespacios y
sumarlos, obtenindose una expresin paramtrica de S +T .
No obstante la forma paramtrica as obtenida puede tener parmetros no
independientes.
S= { ( , + , ) : , R }
T ={ ( 0, 0, ) : R }
Entonces:
Es decir,
S +T =( , + , ) + ( 0, 0, ) =( , + , + )
S +T ={ ( , + , + ) : , , R }
Teorema: Sean
vectorial
W1 yW 2
V . Se verifica lo siguiente:
R4
145
x, y , z,t
W 2= { ( R / x + y + z=0 ; x+ z+t =0 ) }
4
dim ( W 1 ) =rang ( u1 , u2 , u3 )
1 1 1 0
1 1 1 0
1 1 1 0
W 1= 0 1 1 1 2 f 1+ f 3 f 3 0 1 1 1 f 2f 3 f 3 0 1 1 1
2 1 1 1
0 1 1 1
0 0
0 0
W 2 x+ y+ z =0 y=xz
x+ z +t=0 t=xz
x ,xz , z ,xz
W 2= { ( R 4 ) }
W 2= { x ( 1 ,1 , 0 ,1 ) + z ( 0 ,1 ,1 ,1 ) }
W 2= v 1=( 1,1, 0,1 ) , v 2= ( 0,1, 1,1 )
dim ( W 2 ) =2
dim ( W 1 +W 2 ) =rang ( u1 , u2 , v 1 , v 2 )
146
) (
1 1 1 0
W 1 +W 2= 0 1 1 1 f 2 + f 4 f 4
1 1 0 1
0 1 1 1
1 1 1 0
0 1 1 1
1 1 0 1
0 0 0 0
W 1 W 2 comou 2=v 2
, entonces:
W 1 W 2= u2 =( 0,1,1,1 )
dim ( W 1 W 2 )=1
Comprobamos el teorema:
Subespacios ortogonales
Vector ortogonal a un subespacio
Definicin: Sea V
V . Se
un espacio vectorial y S un subespacio de
v S ) si v es
dice que un vector v es ortogonal a S (se denota
ortogonal a todos los vectores de S . (Basta con que v sea ortogonal con
los vectores de una base de
S ).
147
Ejemplo: En
R3
, el vector
( 0, 0,1 )
es ortogonal al plano
XY .
Subespacios ortogonales
Definicin: Sea V
S un subespacio de
V .
un espacio vectorial y
Diremos que el subespacio S es ortogonal a otro subespacio T (se
denota S T ) si todo vector de S es ortogonal a todo vector de T , es
decir:
u v=0 u S , v T
Propiedades
1.
Si S T S T = { 0v }
2. Si existe un
v 0v
en la interseccin
v v 0 con v S , v T
S yT
no son ortogonales.
Ejemplo: En
plano
XY
R3 , el eje
es ortogonal al plano
no es ortogonal al plano
Nota: Sea V
un espacio vectorial y
YZ . Sin embargo, el
YZ .
S
un subespacio de
V . Para este
tal que
148
Complemento ortogonal
Definicin: Sea V
de
y se denota como
es subespacio de
S .
de
S .
Nota: Cualquier subespacio que sea ortogonal a
S , estar contenido en
S .
Observacin: Todo subespacio
S V
(salvo el
0v
y el propio
V )
admite
infinitos
subespacios
suplementarios
(tambin
llamados
complementarios), pero slo uno de ellos es complemento ortogonal.
3
Por ejemplo, en el espacio eucldeo cannico R , cualquier recta pasando
por el origen y no incluida en el
plano XY
es suplementario (o
plano XY
, pero el
Z .
Propiedades
Para cualquier subespacio
de un espacio vectorial
, se verifican las
siguientes propiedades:
149
1. ( S ) =S
2. S S ={ 0 v }
3. S+ S =V
S S =V
(suma directa).
Observemos que la
T :
150
( x , y , z , w ) tales que:
x
( 1, 0,2, 0 ) y =0
z
w
()
x
( 0, 0,0, 1 ) y =0
z
w
()
Es decir:
x
1 0 2 0 y =0
0
0 0 0 1 z
w
()
) ()
x+ 2 z=0 x =2 z
w=0
( x , y , z , w )=(2 z , y , z , 0 )
Es un sistema compatible indeterminado (admite infinitas soluciones). Si
consideramos y= ; z= , su solucin es: { ( 2 , , , 0 ) / , R }
Comprobamos que:
151
Definicin: Sea
v 1 , v 2 ,... , v n V
.
v = i vi = 1 v 1 + 2 v 2+ + n v n
i=1
si y slo si
cualquier vector
S V .
Definicin: Sea
v V
S , es decir,
v = i vi
i=1
Definicin: Sean
un espacio vectorial y
v 1 , v 2 ,... , v n
v 1 , v 2 ,... , v n V
v 1 , v 2 ,... , v n
son linealmente
dependientes
152
Proposicin: Sean
v 1 , v 2 ,... , v n V
.
Los vectores
v 1 , v 2 ,... , v n
1 , 2 , ..., n K
n
Proposicin: Sean
v 1 , v 2 ,... , v n V
.
Los vectores
v 1 , v 2 ,... , v n
existen escalares
1 , 2 , ... , n
i v i= 1 v 1+ 2 v 2 ++ n v n=0v
i=1
Ejemplo1: Dado
es L.I. o L.D.
( , ,0 )+ ( 0,2 ,3 ) + ( ,2 , 3 ) =( 0,0,0 )
( + , + 2 +2 , 3 +3 )=( 0,0,0 )
+ =0
+ 2 +2 =0
3 +3 =0
( |)
( |) (
|)
|)
1 0 10
1 0 10
1 0 1 0
F2 1 0 1 0
F
=F
F
F
=
F
=F
3
F
1 2 20 2
10 2
0 1 1/2 0 3
1 1/2 0
2
1 0 2
3
2 0
2
0 3 30
0 3 30
3
3
3/2
0
0
0 3 /2 0
153
|)
1 0 1 0
2
F3 = F3 0 1 1/2 0
3
0 0 1 0
Ejemplo2: Dado
es L.I. o L.D.
( , ,3 )+ ( 3 , 5 , 5 ) + ( 2 , , 8 )=( 0,0,0 )
( +3 +2 , +5 + , 3 +5 +8 )=( 0,0,0 )
+ 3 +2 =0
+5 + =0
3 +5 +8 =0
( |)
|)
|)
1 3 20
1 3
2 0
1 3 2 0
F 2=F 2F1
1 5 10
0 2 1 0 F 3=F 3 +2 F 2 0 2 1 0
F =F 3 F2
3 5 8 0 3 3
0 4 2 0
0 0 0 0
Ejemplo 3: Dado
A= { 2t 2 +t , t 2+3, t } . Determinar si
es L.I. o L.D.
( 2 t 2+ t ) +( t2 +3 ) +( t ) =( 0,0,0 )
154
( 3 , t + t , 2 t 2+ t 2) =( 0,0,0 )
[ 3 , t ( + ) ,t 2 ( 2 + ) ]=( 0,0,0 )
3 =0
+ =0
2 + =0
( |) ( |)
|)
|)
0 3 00
1 0 1 0 F 3=F 32 F1 1 0 1 0
1 0 1 0
1 0 1 0 F 2=F 1 0 3 0 0
0 1 0 0 F 3=F3 F2 0 1 0 0
1
F 2= F 2
2 1 00
2 1 00
0 1 2 0
0 0 2 0
3
F3 =
( |)
1 0 10
1
F3 0 1 0 0
2
0 0 10
Ejemplo 4: Dado
es L.I. o
L.D.
( 2 t 2+t +1 ) + ( 3 t 2 +t5 ) + ( t+ 13 )=( 0,0,0 )
( 2 t 2+ t + ) + ( 3 t 2+ t5 ) + ( t+ 13 ) =( 0,0,0 )
( 5 + 13 , t + t+ t ,2 t 2 +3 t 2 )=( 0,0,0 )
[ 5 + 13 , t ( + + ) , t 2 ( 2 +3 ) ]=( 0,0,0 )
5 +13 =0
+ + =0
2 + =0
155
|)
|)
|)
1 5 13 0
1 5 13 0
1 5 13 0
F 2=F 2F1
F
=6
F
13
F
1 1
1 0
0 6 12 0 3
6 12 0
3
2 0
2 3
0 0 F 3=F32 F1 0 13 26 0
0 0
0 0
Ejemplo5: Dado
es L.I. o L.D.
( 3 t +3 t 2 t3 ) + ( 2 t + t 2 ) + ( t )=( 0,0,0,0 )
( + + ,3 t2 t t , 3 t 2 + t 2 , t 3 ) =( 0,0,0,0 )
[ + + , t (3 2 ) , t 2 ( 3 + ) , t3 ]=( 0,0,0,0 )
+ + =0
3 2 =0
3 + =0
=0
|)
1
1
1 0
F =F 2 +3 F1
3 2 1 0 2
F =F 33 F 1
3
1
0 0 3
2+ F1
1 0
0 0 F 4 =F
|)
1 1
1 0
0 1
2 0 F3 =F3 +2 F2
0 2 3 0 F 4 =F 4 + F 2
0 1
1 0
( |)
1
0
0
0
1 1 0
1 2 0
0 1 0
0 1 0
( |)
1
0
F 4=F 4 + F 3
0
1
1
0
0
1
2
1
0
0
0
0
0
156
157
un espacio vectorial y
v 1 , v 2 ,... , v n V
Es un sistema generador de
() .
Ejemplos:
1. La base cannica de
es
{e 1 , e 2 ,... , e n } ,con
2. El conjunto
3. El conjunto
{(
)(
)( )(
)}
1 1 , 1 0 , 0 0 , 0 1
1 0
1 0 0 1 1 0
R3 .
conjunto de
158
matrices
2 2 ( M 2 2) .
Dimensin
Definicin: Sea
V ,
V {0 } . Se denomina
se representa por
V.
dim V ,
al
linealmente independientes.
V .
Propiedades de la dimensin
1. Significado fsico de la dimensin: el espacio tiene dimensin 3, los
planos dimensin 2, las rectas dimensin 1, el punto dimensin 0. El
subespacio { 0 } es el nico de dimensin 0.
2. La dimensin de un subespacio en
3. Si
S yT
son subespacios y
est contenido en
T , entonces
dim S dim T
Adems, si se da la igualdad,
dim S=dimT ,
v 1 , v 2 ,... , v n
este conjunto es
r , entonces:
S , y si el rango de
dim S=r
Ejemplos:
1.
( R2 ,+, , R )
{ ( 1,0 ) , ( 0,1 ) }
( R3 ,+, , R )
es
un
( M m n ,+, , R )
espacio
vectorial
de
dimensin
R
3,
.
pues
R3 .
es un espacio vectorial de dimensin
m n . Por
ejemplo:
M 2 2
{( ) ( ) ( ) ( )}
1 0 , 0 1 , 0 0 , 0 0
0 0 0 0 1 0 0 1
son base
al ser
160
4.
M 2 2 .
n+1 , pues
{1, x , x 2 , , x n }
( 1, x , 5 )
( 1, x , 5 )
(1,2,3 ) , ( 1,1,1 )
( 1, x , 5 ) R3
pertenece al subespacio
es combinacin lineal de
Pn .
(1,2,3 ) , ( 1,1,1 )
si y slo si
, R
tales que:
( 1, x , 5 )= (1,2,3 )+ ( 1,1,1 )
Entonces:
+ =1
2 + =x
3 + =5
resolviendo el sistema anterior, obtenemos:
=2, =1 y x=3.
es
1 +2 2 +3 4=0
2 1 + 2 + 3 + 4 4=0
1+ 2 3 + 4=0
3 12 2+ 3 +2 4=0
( 3,4,1,2 )
S. Pero:
1 +2 2 =0
2 1 + 2+ 3=0
1 +2 3=0
3 12 2+ 3 =0
1= 2= 3=0 .
Es decir,
Una base de
es
S es 3 .
, :V V R
que asigna a cada par de vectores
u , v V
(u , v )
u , u 0, u V y u ,u =0 u=0
163
a Sean ( x 1 , x 2 ) y ( y 1 , y 2 ) en R 2
( x 1 , x 2 ) , ( y1 , y 2 ) =2 x 1 y 1 +3 x 2 y 2
( x 1 , x 2 ) , ( y1 , y 2 ) =2 y 1 x 1 +3 y 2 x 2
( x 1 , x 2 ) , ( y1 , y 2 ) = ( y 1 , y 2 ) , ( x 1 , x 2 )
b Sean ( x 1 , x 2 ) , ( x 1 , x 2) y ( z 1 , z 2 ) en R
( x 1 , x 2 ) , ( y1 , y 2 ) + ( z 1 , z 2 ) = ( x 1 , x 2 ) , ( y 1 + z1 , y 2+ z2 )
( x 1 , x 2 ) , ( y1 , y 2 ) +( z 1 , z 2 ) =2 x 1 ( y 1 + z 1 ) +3 x2 ( y 2 + z 2)
( x 1 , x 2 ) , ( y1 , y 2 ) + ( z 1 , z 2 ) =2 x 1 y 1 +2 x 1 z1 +3 x 2 y 2 +3 x 2 z 2
( x 1 , x 2 ) , ( y1 , y 2 ) +( z 1 , z 2 ) =2 x 1 y 1 +3 x2 y 2 +2 x 1 z1 +3 x 2 z 2
( x 1 , x 2 ) , ( y1 , y 2 ) + ( z 1 , z 2 ) = ( x 1 , x 2 ) , ( y 1 , y 2 ) + ( x1 , x2 ) , ( z 1 , z 2 )
c Sean ( x 1 , x 2 ) y ( y 1 , y 2 ) en R2 y R
( x 1 , x 2 ) , ( y 1 , y 2 ) = ( x 1 , x2 ) , ( y 1 , y 2 )
( x 1 , x 2 ) , ( y 1 , y 2 ) =2 x1 y 1+ 3 x 2 y 2
( x 1 , x 2 ) , ( y 1 , y 2 ) = ( 2 x 1 y 1 +3 x2 y 2 )
164
( x 1 , x 2 ) , ( y 1 , y 2 ) = ( x 1 , x 2 ) , ( y 1 , y 2 )
d Sean ( x 1 , x 2 ) R2 entonces:
1 ( x 1 , x 2 ) , ( x1 , x2 ) =2 x 1 x1 +3 x 2 x 2
( x 1 , x 2 ) , ( x 1 , x 2 ) =2 x 12 +3 x22 0
2 ( x 1 , x 2 ) , ( x1 , x2 ) =0 2 x 12+ 3 x 22=0 x 1=x 2=0
u es un vector unitario
165
Vectores ortogonales
Sea
vectores
u , v =0
Recordemos que si
u yv
V , se define el ngulo
u , v
uv
cos =
u , v
0
=
=0
uv uv
cos =
( 0 )=90 = /2
1
=cos
Proposicin: Si
u1 , ,u n
se cumple el
Al aplicar el
u , v =( 0,1,1,2 ) ( 2,1, 1, 0 )
u , v =( 0 )( 2 ) + (1 )( 1 ) + ( 1 ) ( 1 )+ ( 2 )( 0 )
u , v =0+ (1 ) +1+0
u , v =0
son ortogonales
u= 12+ 22= 5
v= 32 + 42= 25=5
no son unitarios
u , v =11
no son ortogonales
u , v
11
11
=
=arccos
10.3
uv 5 5
5 5
cos =
167
de
se dice que es un
u , v =0 u v S .
El conjunto
es ortogonal y adems
valores de
define:
2
p ( x ) , q ( x ) = ai bi
i =0
Si el espacio vectorial es
a=3
Al obtener las respectivas normas de los polinomios se obtiene que
p ( x )= (1 )2+12 + (1 )2= 3
168
q ' ( x )=
1 2 1
1
x+
x
3 3 3
3 2 1
2
x +
x
14
14 14
Demostracin: Sea S
vectorial eucldeo V .
V .
S= {u 1 , u2 , ,u n }
Al establecer la ecuacin de dependencia lineal con los elementos de
se
tiene que:
0 v = 1 u1 + 2 u2 ++ n un
169
Si se toma un elemento
ui
del conjunto
y se aplica a la ecuacin de
S
es ortogonal se obtiene
que:
0,u i = 1 u 1 , ui + 2 u2 ,u i ++ n un ,u i
0= 1 u 1 , ui + 2 u2 ,u i ++ n un ,u i
u j , ui =0 i j ,
la
ecuacin se reduce a:
0= i ui , ui
i=0
Este procedimiento es vlido para cualquier vector, es decir, se cumple si
slo si todos los escalares son nulos.
E l conjunto S= {u 1 , u2 , ,u n }
es linealmente independiente.
u1= 12+12 +0 2= 2
u2= 12+ (1 )
+02= 2
'
u 1=
u1
u2
u3
1 1
1 1
=
,
, 0 ; u 2 '=
=
,
, 0 ; u3 ' =
=(0,0,1)
u1 2 2
u2 2 2
u3
171
{u1 ,u 2 , , un } .
v 2 .u1
u
u1 u1 1
( )
Este proceso puede repetirse el nmero de veces que sea necesario para
convertir cualquier conjunto de vectores en un conjunto ortogonal.
v i +1 u1
v u
u 1 i +1 i ui
u1 u1
ui ui
v1 , v2 , v3
, stos
u1=v 1
u2=v 2 proyu ( v 2 ) v 2
1
v 2 u1
u
u1 u1 1
( )
Para obtener el tercer vector se realiza la resta del tercer vector de la base
original menos la proyeccin sobre el primer vector menos la proyeccin
sobre el segundo vector de la base ortogonal obtenido en el paso anterior:
u3=v 3 proyu ( v 3 ) proyu ( v 3 ) v 3
1
v 3 u1
v 3 u 2
u1
u
u1 u1
u2 u2 2
( ) ( )
ui
El operador proyeccin:
proyu v=
( vu uu )u
proyecta el vector
ortogonalmente en el vector
173
ortogonal obtenido
u 1 u2
un
,
,,
u 1 u2 u n
donde:
e 1=
Ejemplo:
Consideremos
u1
u
u
; e2 = 2 ; ; en= n
u1
u2
u n
el
subespacio
S= {( x , y , z , t ) R 4 / x+ y + z +t=0 }
R4 , determinemos una base
S .
u S u=( x , y , z ,t ) R4 x + y + z+ t =0
u=( x , y , z ,t ) R4 t=x y z
u=( x , y , z ,x y z ) ;(x , y , z ) R
174
Adems
es una base de
S , pues son
linealmente independientes.
Paso 2. Ortogonalizamos, usando el proceso de G. Schmidt.
u1=(1,0,0,1)
u2=( 0,1,0,1 )
1
u2=( 0,1,0,1 ) (1,0,0,1)
2
u2=
u2=(1, 2,0,1 )
u3=( 0,0,1,1 )
( 0,0,1,1 ) , ( 1,0,0,1 )
(1,0,0,1)
( 1,0,0,1 ) , ( 1,0,0,1 )
1
1
u3=( 0,0,1,1 ) (1, 2,0,1 ) (1,0,0,1)
6
2
u3=
( 13 , 13 , 1, 13 ) amplificando por ( 3)
u3=(1,1, 3,1 )
175
e 1=
e 2=
u1 ( 1,0,0,1 )
1
1
=
=
, 0, 0,
u1
2
2
2
u2 (1,2, 0,1 ) 1 2
1
=
=
, , 0,
u2
6
6 6 6
e 3=
{(
u3 (1,1, 3,1 )
1 1
3
1
=
=
,
,
,
2 3
2 3 2 3 2 3 2 3
u3
)}
1
1 1 2
1
1 1
3 1
, 0,0,
,
,
, 0,
,
,
,
,
es una base ortonormal de S
2
2 6 6 6 2 3 2 3 2 3 2 3
)(
)(
Transformacin lineal
Definicin: Sean V y W dos espacios vectoriales sobre el cuerpo
T :V W es una transformacin lineal si:
funcin
1.
2.
K.
Una
transformacin
T : M (n , R) M( n , R)
tal que
Solucin:
1.
Sean
T ( A+ B )=T ( A ) +T ( B )
A , B M (n , R)
entonces:
T ( A+ B )=M ( A + B ) + ( A+ B ) M
T ( A+ B )= ( MA + MB ) + ( AM + BM )
T ( A+ B )= ( MA + AM )+ ( MB + BM )
T ( A+ B )=T ( A ) +T ( B )
2.
Sean
T ( A ) = T ( A )
A M ( n , R ) y K entonces:
T ( A ) =M ( A )+ ( A ) M
T ( A ) =MA+ AM
177
T ( A ) = ( MA+ AM )
T ( A ) = T ( A )
Ejemplo
2:
Verificar
que
la
transformacin
T :R R
tal
que
Sean
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
v 1= ( x , y ) , v 2=( p ,q ) R2 , entonces:
T ( v 1+ v 2 )=T ( x + p , y +q )
T ( v 1+ v 2 )=( ( x + p ) + ( y +q ) , y +q , ( x + p ) ( y+ q ) )
T ( v 1+ v 2 )=( ( x + y ) + ( p+q ) , y +q , ( x y )+ ( pq ) )
T ( v 1+ v 2 )=( x + y , y , x y ) + ( p+q ,q , pq )
T ( v 1+ v 2 )=T ( x , y )+ T ( p , q )
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
2.
Sean
T ( v )=T ( v )
v =( x , y ) R2 y R , entonces:
T ( v )=T ( x , y )
T ( v )=( x+ y , y , x y )
T ( v )= ( x+ y , y , x y )
178
T ( v )= T ( x , y )
T ( v )=T ( v )
T es una transformacin lineal
{( )
V = a b /a , b , c , d R
c d
W = { a/a R }
Ambos sobre el campo de los reales. Verificar si las transformaciones
T :V W y S :W V son transformaciones lineales, donde
( )
T a b =2 ab+ cd
c d
S ( a )= a a
a a+1
Solucin:
1.
Sea
v 1=
) (
a1 b1
a b
y v 2= 2 2 entonces :
c1 d 1
c2 d2
179
T ( v 1+ v 2 )=T
T ( v 1+ v 2 )=T
(( ) ( ))
a1 b1 a2 b2
+
c 1 d1 c 2 d 2
a 1 +a 2 b 1+ b2
c 1+ c 2 d 1 + d 2
T ( v 1+ v 2 )=2 ( a 1+ a2 )( b1 +b 2 ) + ( c 1 +c 2 )( d1 + d2 )
T ( v 1+ v 2 )=T
a1 b1
a b
+T 2 2
c1 d 1
c2 d 2
) (
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
2.
T ( v )= T ( v )
()
Sean v= a y R entonces:
b
( ( ))
T ( v )=T
T ( v )=T
a1 b1
c1 d1
a1 b 1
c1 d 1
)
180
T ( v )=2 a 1 b1 + c 1 d 1
T ( v )= ( 2a 1b1 +c 1d1 )
T ( v )= T
a1 b 1
c1 d1
T ( v )= T ( v )
primero la homogeneidad, es
S ( a )= S ( a )
Sean a R y R entonces:
S ( a )= S ( a )
( aa
a a a
a+1
a a+1
) (
( aa
a a a
a+1 a a+
)(
)
)
( Principio de homogeneidad )
.
181
T : R R
()( )
es
( )
es
definida por
T a = a+b
b
1
definida por
1.
Sea
v 1=
a1
a
y v 2= 2 entonces :
b1
b2
() ()
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
[( ) ( )] ( ) ( )
[( )] ( ) ( )
a1 a 2
a
a
+
=T 1 + T 2
b1 b 2
b1
b2
a1 +a2
a +b
a +b
= 1 1+ 2 2
b1 +b2
1
1
(a + a +1 b +b ) ( a +a +b2 + b )
1
T no es una transformacinlineal
T :R R
x+ y
a
= x y
b
x
()
Solucin:
1.
Sea
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
v 1=
() ()
a1
a
y v 2= 2 entonces :
b1
b2
T ( v 1+ v 2 )=T
[( ) ( )]
T ( v 1+ v 2 )=T
[( )]
a1 a2
+
b1 b2
a1 + a2
b1 +b 2
( a1+ a2 ) + ( b 1+ b2 )
T ( v 1+ v 2 )= ( a 1+ a2 )( b1 +b2 )
a1 +a 2
a1+ a2 +b1 +b 2
T ( v 1+ v 2 )= a1 +a 2b1 b2
a1 +a2
( a1 +b1 ) + ( a2 +b2 )
T ( v 1+ v 2 )= ( a 1b1 ) + ( a2b 2)
a1 + a2
a1 +b1
a2 +b2
T ( v 1+ v 2 )= a1 b1 + a2 b2
a1
a2
( )( )
183
T ( v 1+ v 2 )=T
a1
a
+T 2
b1
b2
() ()
T ( v 1+ v 2 )=T ( v 1 ) +T ( v 2 )
T ( v )= T ( v )
2.
()
Sean v= a y R
b
( )
T ( v )=T a
b
( )
a+ b
T ( v )= a b
a
( )
a+b
T ( v )= ab
a
()
T ( v )= T a
b
T ( v )= T ( v )
T es una transformacin lineal
Propiedades
Sea
1.
T :V W
T ( 0 v )=0 w
184
2.
T (v )=T ( v )
3.
T es lineal T ( v 1 + v 2 )= T ( v 1 ) + T ( v 2 ) v 1 , v 2 V , , K
T :V W
El ncleo de
como:
El recorrido o imagen de
como:
( T )={ w W /T ( v )=w , v V }
Proposicin: Sea
T :V W
El ncleo de
es un subespacio de
Ker ( T )
V
s .e .v .
La imagen de
es un subespacio de
185
( T )
W
s. e. v .
( Ker ( T ) )
de una
T :V W
transformacin
Formular un vector
Calcular la imagen
T (v)
V .
W , es decir:
T ( v )=0W
B={ v 1 , v 2 , v 3 , , v n }
de una
T :V W
transformacin
Proposicin:
( ( T ))
Sea
T :V W
una
transformacin
lineal.
Si
V , entonces el siguiente
conjunto:
CG={T ( v 1 ) ,T ( v 2 ) , T ( v 3 ) , , T ( v n ) }
T (v)
.
186
T :V W
es:
Determinar una base del dominio
cannica), denominada:
B cannica de V = {v 1 , v 2 , v 3 , , v n }
T (v)
T (V )
de la transformacin, se
187
( T )={ w W /T ( v )=w , v V }
Ejemplo
1:
T ( x 1 , x 2 , x 3 )= ( x1 , x2 ) .
T : R3 R 2
Sea
una
transformacin
lineal
definida
por
Entonces:
Se propone un vector:
Sea
Se iguala la imagen de
v =( x 1 , x 2 , x 3 ) R
( 0W ) :
T ( x 1 , x 2 , x 3 )= ( x1 , x2 ) =( 0, 0 )
x 1=0
x 2=0
v =( x 1 , x 2 , x 3 )=(0, 0, x 3)
Finalmente, el ncleo o
Ker ( T )
es:
188
Ker ( T )={ ( 0, 0, x 3 ) / x 3 R }
Como:
( 0, 0, x 3 ) =x3 ( 0,0, 1)
( f )={ y R 3 /f ( x 1 , x 2 , x 3 )= y , ( x 1 , x 2 , x 3 ) R3 }
f ( 1, 0, 0 )=( 1,1, 2 )
f ( 0, 1, 0 )=(1,1,2 )
f ( 0, 0, 1 )=( 0, 0,1 )
189
T (V )
de la transformacin, se determina el
CG
anterior:
1 1 2
1 1 2
1 1 2 f 2 f 1 + f 2 0 0 0
0
0
1
0 0 1
( T )={ (a ,a ,2 a+ b)/a , b R }
190
a)
Se define el ncleo:
Proponemos un vector:
Sea
Se iguala la imagen de
v =( x 1 , x 2 , x 3 , x 4 ) R 4
( 0W ) :
T ( x 1 , x 2 , x 3 , x 4 )=( 0, 0, 0 )
3 x1 +8 x 2 +13 x 33 x 4 =0
Resolvemos matricialmente:
1 2
3 1
1 2
3 1
1 2
3 1
f 1f 2 f 2
f 2 f 2
1 3 5 2
0 1 2 3
0 1 2 3
3 f 1 f 3 f 3
f 2 +f 3 f 3
3 8 13 3
0 2 4 6
0 1 2 3
1 2 3 1
1 0 1 7
f 2+ f 3 f 3 0 1 2 3 2 f 2+ f 1 f 1 0 1 2 3
0 0 0 0
0 0 0 0
x 1x 3 +7 x 4=0 x 1=x 37 x 4
x2 +2 x 33 x 4=0 x 2=2 x 3 +3 x 4
v =( x 1 , x 2 , x 3 , x 4 ) =( x 37 x 4,2 x 3 +3 x 4 , x 3 , x 4 )
Finalmente, el ncleo o
Ker ( T )
es:
( x 37 x 4,2 x 3 +3 x 4 , x 3 , x 4 )=( x 3 ,2 x 3 , x 3 ,0 )+ (7 x 4, 3 x 4 , 0, x 4 )
192
b)
( T )={ y R3 /T ( x ) = y , x R4 }
T ( x 1 , x 2 , x 3 , x 4 )=(x1 +2 x 2+3 x 3 + x 4, x1 +3 x 2+ 5 x 32 x 4 , 3 x 1 +8 x 2+ 13 x 33 x 4 )
193
T (V )
1 1
3
f f 2 +2 f 1
2 3
8 2
f f 3 +3 f 1
3 5 13 3
4+ f 1
1 2 3 f 4 f
1
f 1 f 1f 2 0
0
0
1
0
0
1 1
3
f 2 f 2
0 1 2
f 3 f 3f 2
0 2 4
0 3
6 f 4 f 42 f 2
1 1
3
0 1
2 f 3 f 3+ f 2
0 1 2 f 4 f 4 +f 2
0 1 2
1
0
0
0
1
1
0
0
3
2
0
0
) ( )
1
2
0
0
( )
Determinamos
el
vector
genrico
w ,
escribindolo
como
w=( a , 0, a ) + ( 0, b , 2 b )
194
w=(a , b , a+2 b)
( T )={ ( a ,b , a+ 2b ) /a , b R }
Definicin: Sea
T :V W
Se llama nulidad de
a la dimensin del
Ker ( T )
y se define
como:
( T )=dim ( Ker ( T ) )
Se llama rango de
a la dimensin de la
(T )
y se define como:
(T )=dim ( ( T ) )
Teorema de la dimensin
Sean
V yW
finita, y sea
195
( )
a
T a = a+b
b
b
()
a) Ncleo
Sabemos que:
Ker ( T )={ v V /T ( v ) =0W }
{( )
( )}
0
a
2
a
Ker ( T )=
R /T
=0
b
b
0
()
Proponemos un vector:
Sea
Se iguala la imagen de
()
v = a R4
b
( 0W ) :
( )()
a
0
a+ b = 0
b
0
196
a=0
a+b=0
b=0
() ()
v= a = 0
b
0
Finalmente, el ncleo o
Ker ( T )
es:
{( )}
Ker ( T )= 0
0
{( )
( )( ) }
x
x
( T )= y R3 /T a = y , a R2
b
b
z
z
()
197
{( ) ( )}
B cannica de R2= 1 , 0
0 1
Recordar que
( )
a
T a = a+b
b
b
()
()
1
T 1=1
0
0
()
()
0
0
T =1
1
1
()
{( ) ( )}
1 0
CG= 1 , 1
0 1
( |)
( | )
( | )
1 0x
1 0 x
1 0
x
f
f
f
f
f
f
1 1y 2
1 yx 2
0 yxz
2
1 0
2
3 0
0 1z
0 1 z
0 1
z
198
yxz=0
y=x + z
()( ) ()() () ()
x
x
x 0
1
0
y = x+ z = x + z =x 1 +z 1
z
z
0 z
0
1
{( ) }
x
( T )= x + z /x , z R
z
dim ( ( T ) )=2
v ( T )+ ( T )=dim V
0+2=2
2=2
T : R3 M 2 x 2
definida por:
199
T ( x , y , z )= x 2 y
y+z
donde
M 2x 2
y+z
x y + z
a)
b) Demostrar que:
v ( T )+ ( T )=dim V
Solucin:
a)
( )}
Kert ( T )= ( x , y , z ) R3 /T ( x , y , z )= 0 0
0 0
T ( x , y , z )= x 2 y
y+z
)( )
y+z = 0 0
x y + z
0 0
x2 y=0
y+z =0
x y+ z=0
Resolviendo matricialmente:
|)
|)
|)
1 2 0 0
1 2 0 0
1 2 0 0
f
f
f
f
f
f
0 1 10 3
1 10 3
1 10
3
1 0
3
2 0
1 1 1 0
0 1 10
0 0 00
200
x2 y =0 x =2 z
y + z=0 y=z
0 z=z
z=z
Es decir, el vector
(x, y ,z)
se transforma en:
( x , y , z ) =(2 z ,z , z)
Por lo tanto:
Kert ( T )={ (2 z ,z , z ) / z R } v ( T )=1
Kert ( T )={ (2 z ,z , z ) }
Si
b)
( T )={ w W /T ( v )=w , v V }
T ( x , y , z )= x 2 y
y+z
y+z
x y + z
)
201
( )
T ( 1, 0,0 )= 1 0
0 1
T ( 0, 1,0 )= 2 1
1 1
( )
T ( 0, 0,1 )= 0 1
1 1
{( ) (
) ( )}
CG= 1 0 , 2 1 , 0 1
0 1
1 1 1 1
) (
1 0 0 1
1 0 0 1
1 0 0 1
1 0 0 1
2 1 1 1 f 2 f 3 0 1 1 1 f 3 f 3 +2 f 1 0 1 1 1 f 3 f 3f 2 0 1 1 1
0 1 1 1
2 1 1 1
0 1 1 1
0 0 0 0
{( ) ( )}
B cannica de T ( R 3 )= 1 0 , 0 1
0 1 1 1
( ) ( )
w=a 1 0 + b 0 1
0 1
1 1
202
( )( )
w= a 0 + 0 b
0 a b b
b
w= a
b a+b
{(
b /a , b R
( T )= a
b a+ b
dim ( ( T ) )= ( T )=2
3.3 Isomorfismo
Transformacin lineal inyectiva
Definicin: Sea
T :V W
es
inyectiva si:
v 1 , v 2 V { T ( v 1 ) =T ( v 2) v 1=v 2}
203
Teorema: Sea
T :V W
w W v V /w=T ( v )
Teorema: Sea
T :V W
Isomorfismo
Definicin: Sea
T :V W
un isomorfismo si
es isomorfismo si
es biyectiva.
V yW
204
Teorema: Sea
T :V W
1. Si
es inyectiva
2. Si
es sobreyectiva
V yW
Teorema: Sean
T :V W
es sobreyectiva.
es inyectiva.
1. Si
2. Si
Es decir:
Si
Teorema: Sea
1. Si
T :V W
entonces
independiente en
2. Si
no es un isomorfismo.
es inyectiva y
V ,
en
dim V dim W T
S= { v 1 , v 2 , v 3 , , v n }
es linealmente independiente
'
S ={T ( v 1 ) , T ( v 2) , T ( v 3 ) , ,T ( v n ) }
es
linealmente
es sobreyectiva y
G' ={T ( v 1 ) , T ( v 2 ) , T ( v 3 ) , ,T ( v n ) }
G= { v 1 , v 2 , v 3 , , v n }
genera a
genera a
V , entonces
205
3. Si
es un isomorfismo y
B={ v 1 , v 2 , v 3 , , v n }
'
B ={T ( v 1 ) ,T ( v 2 ) , T ( v 3) , , T ( v n ) }
entonces
es una base de
es una base de
V ,
()(
T : R2 R2 T x = x y
y
2x+ y
Solucin:
{( )
( ) ( )}
Kert ( T )= x R2 /T x = 0
y
y
0
()(
) ()
T x = x y = 0
y
2 x+ y
0
x y =0 x= y =0
2 x + y=0
{( )}
Kert ( T )= 0 T es inyectiva
0
Aplicando teorema de la dimensin
dim(V )=dim ( Ker ( T ) ) + dim ( ( T ))
206
dim ( V )= ( T ) + ( T )
Considerando que:
dim ( Ker ( T ) )= ( T )=0
Entonces:
( T )=dim (V ) ( T )=20=2
2
( T ) =R T es sobreyectiva
es isomorfismo
es inyectiva
es sobreyectiva.
T :V W
sirve
M (T )
de una
T :V W , es el siguiente:
La matriz asociada
obtener la imagen
T :V W .
M (T )
T (v)
con la transformacin
T :V W , permite
con la
expresin:
T ( v )=M ( T )( v )
208
V yW
V yW
y sea
una
transformacin lineal.
A= { v 1 , v 2 , v 3 , , v n } V y B= { w1 , w2 , w3 , , w m } W
son bases
M BA ( T )
T , tal que:
[ T ( v ) ]B=M B ( T )( v )A v V
Donde las n columnas de dicha matriz son los vectores de coordenadas, en
la base B , de las imgenes de los elementos que integran la base A :
[ T ( v 1 ) ]B , [ T ( v 2 ) ] B , , [ T ( v n ) ] B
Considerando que:
M BA ( T ) = Matriz asociada con la transformacin lineal
bases
y referida a las
A yB .
( v ) A = Vector de coordenadas de
[ T ( v ) ]B
= Vector de coordenadas de
recorrido y es la imagen de
en la base
T (v)
A , donde
en la base
B , donde
dominio.
T ( v )
v .
209
T :V W
asociada
M BA ( T )
T ( v 1) , T ( v 2 ) , ,T ( v n )
A= { v 1 , v 2 , v 3 , , v n }
; es
[ T ( v 1 ) ]B = 2 , [ T ( v 2 ) ]B=
m
1
2
,
etc.
m
() ()
Procedimiento
para
determinar
la
regla
de
correspondencia (imagen) de una transformacin lineal
210
M BA ( T )
y las bases
T :V W :
v
Se propone un vector
Se escribe el vector
base
Se realiza la multiplicacin
coordenadas de
T (v)
[ T ( v ) ]B=M BA ( T )( v )A
en la base
B .
(v )A .
[ T ( v ) ]B
, se escribe como
T ( v ) , buscada.
Ejemplo 1:
1. Demostrar que la funcin
T : M 2( R ) M 2 ( R)
definida mediante la
T ( X ) =XA ,
de
A= 3 5
4 7
donde
T
M 2 ( R ) , donde
( ) ( )
B 1= 1 0 B 2= 0 0
0 0
1 0
( ) ( )
B 3= 0 1 B 4 = 0 0
0 0
0 1
T (Y )
T .
Y = 3 8 M 2 ( R )
5 1
Solucin:
1. Demostramos que
T ( X +Y )=T ( X )+T ( Y )
T ( X +Y )=( X +Y ) A
T ( X +Y )=XA+YA
T ( X +Y )=T ( X )+T ( Y )
T ( X )= T ( X )
212
T ( X ) =( X ) A
T ( X )= ( XA )
T ( X )= T ( X )
T es una transformacin lineal
2. Para hallar la matriz asociada calculamos las imgenes de las matrices
B 1 , B2 , B3 , B4
de la base cannica B , aplicadas a la transformacin
T
( )(
)(
( )(
)(
( )(
)( )
( )(
)( )
B :
T ( B1 )= 1 0 3 5 = 3 5 =3 B1 +0 B25 B 3+ 0 B 4
0 0 4 7
0 0
T ( B2 )= 0 0 3 5 = 0 0 =0 B1 +3 B2+ 0 B3 ,5 B 4
1 0 4 7
3 5
T ( B3 )= 0 1 3 5 = 4 7 =4 B1 +0 B2 +7 B 3+ 0 B 4
0 0 4 7
0 0
T ( B4 ) = 0 0 3 5 = 0 0 =0 B1 +4 B2 +0 B3 +7 B4
0 1 4 7
4 7
T ( B1 ) ,T ( B 2 ) ,T ( B3 ) , T ( B 4 )
omitir):
3
0
(T ( B1 ) )B = 5
0
()
213
0
3
( T ( B2 ) ) B = 0
5
()
4
0
(T ( B3 ) )B = 7
0
()
0
4
( T ( B 4 ) ) B= 0
7
()
3
0
0
3
M ( T )=
5 0
0 5
4
0
7
0
0
4
0
7
( T ( Y ) ) B de dos maneras
diferentes:
Recordar que
Y = 3 8 M 2 ( R )
5 1
3
0
0
3
( T ( Y ) ) B=
5 0
0 5
4
0
7
0
T :
)( )
0 3
4 5
0 8
7 1
214
9+032+0
( T ( Y ) ) B= 0+15+0+ 4
15+ 056+ 0
025+ 0+7
()
23
( T ( Y ) ) B= 19
71
18
T .
)(
T :
)(
)(
T ( Y )= 3 8 3 5 = 932 1556 = 23 71
5 1 4 7
15+ 4 25+ 7
19 18
Entonces:
()
23
( T ( Y ) ) B= 19
71
18
T : R R
definida por:
T ( x , y , z )=(x y+ z ,2 x ,3 y2 z , x yz)
215
B={ B1 , B2 , B3 } R 3
siguientes transformaciones:
T ( B1 )=T ( 1,0, 0 ) =( 1,2,0,1 )
T ( B2 )=T ( 0,1, 0 ) =(1, 0,3,1 )
T ( B3 )=T ( 0, 0,1 )= ( 1,0,2,1 )
Acomodamos estas transformaciones en un arreglo matricial, donde cada
vector es una columna de dicha matriz
1 1 1
2 0
0
M ( T )=
0 3 2
1 1 1
Donde
M (T )
T .
T :
216
1 1 1
1
0
T ( 1,2, 4 )= 2 0
2
0 3 2
4
1 1 1
)( )
7
T ( 1,2, 4 )= 2
2
1
()
()(
a
b
T b = ab
b
bc
c
T : R3 M 2 x 2
definida por:
cannicas.
b) Encuentre Kert ( T ) , ( T ) , v ( T ) , ( T )
Para hallar la representacin matricial de
()(
1
T 0 = 1 0 =( 1 ) 1 0 + ( 0 ) 0 1 + ( 0 ) 0 0 + ( 0 ) 0 0
0 0
0 0
0 0
1 0
0 1
0
) ( ) ( ) ( ) ( )
217
1
1
T 0 =0
0
0
0
[ ( )] ( )
()(
0
T 1 = 1 1 =(1 ) 1 0 + ( 1 ) 0 1 + ( 1 ) 0 0 + ( 1 ) 0 0
1 1
0 0
0 0
1 0
0 1
0
( ) ( ) ( ) ( )
[ ( )] ( )
1
0
1
T 1 =
1
0
1
()(
0
0 0
1 0
0 1
0 0
0 0
T 0=
=( 0 )
+( 0 )
+ ( 0)
+ (1 )
0 1
0 0
0 0
1 0
0 1
1
) ( ) ( ) ( )
( )
0
0
0
T 0 =
0
1
1
[ ( )] ( )
1 1 0
0
M ( T )= 0 1
0 1
0
0 1 1
T :
b)
Ncleo
{( ) ( ) ( )}
a
a
Kert ( T )= b R3 /T b = 0 0
0 0
c
c
Se propone un vector:
Sea
()
a
3
v= b R
c
()(
a
ab
b
0 0
T b=
=
b
bc
0 0
c
)( )
ab=0 a=0
b=0
b=0
bc=0 c=0
()
0
v= 0
0
Finalmente, el ncleo o
Ker ( T )
es:
219
{( )}
0
Ker ( T )= 0
0
Imagen:
( T )={ y M 2 x2 / T ( x )= y , x R
b = y , ( a , b , c ) R3
( T )= y M 2 x 2 / ab
b
bc
()(
a
b
T b = ab
b
bc
c
( )
T ( 1, 0,0 )= 1 0
0 0
T ( 0, 1,0 )= 1 1
1 1
220
T ( 0, 0,1 )= 0 0
0 1
{( ) }(
)(
CG= 1 0 , 1 1 , 0 0
0 0
1 1 0 1
Resolviendo matricialmente:
) (
1 1 0
0 1
0
f 3 f 3f 2
0 1
0
0 1 1
1 1 0
0 1
0
0 0
0
0 1 1
Determinamos
el
vector
genrico
w ,
escribindolo
como
w=( a ,a+b+ c ,c )
( T )=3
Ejemplo 4: Sean
P2 y P 3
T .
v =1+ 5 xx 2 .
Solucin:
222
Imgenes de
T , M (T )
P2= { a+bx +c x2 /a , b , c R }
B cannica de P2 ={ 1, x , x2 } :
T ( 1 )=x
T ( x )=x
T ( x 2 )=x 3
v =1+ 5 xx 2
0
T M ( T )= 1
0
0
0
0
1
0
0
0
0
1
( )
T ( v )=M ( T ) v , es decir:
0
1
T ( v )=M ( T ) v =
0
0
0
0
1
0
0
0
1
0
1
5 =
0
5
1
1
1
( )( ) ( )
T ( 1+ 5 x x2 ) =x+5 x 2x 3
223
} ()
1=0
2 x=x 2 =1
[ T ( a1 ) ]B =
2
2
3 x =0 x 3=0
4 x 3=x 3 4=1
0
1
0
1
T ( a 2 )=x +3 x2 +2 x 3= 1 ( 1 ) + 2 ( x ) + 3 ( x 2 ) + 4 ( x 3 )
Igualando trminos:
} ()
1=0
2 x=x 2=1
[ T ( a2 ) ]B=
3 x 2=3 x 2 3 =3
4 x 3=2 x 3 4=2
0
1
3
2
2
3
2
3
T ( a 3 )=5 x+ 4 x +4 x = 1 ( 1 ) + 2 ( x ) + 3 ( x ) + 4 ( x )
224
Igualando trminos:
} ()
1=0
2 x=5 x 2=5
[ T ( a3 ) ]B =
3 x2 =4 x 2 3=4
4 x3 =4 x 3 4=4
0
5
4
4
0
1
3
2
0
5 Matriz asociadacon T y referida a las bases A y B
4
4
( )
v =1+ 5 xx 2
[ T ( v ) ]B=M B ( T ) ( v ) A
Escribiendo el vector
v =1+ 5 xx 2
A= { 1x 2 , 1+3 x+ 2 x 2 ,5+ 4 x +4 x 2 } :
v = ( 1x 2 ) + ( 1+3 x+2 x 2 ) + ( 5+ 4 x +4 x2 )
1+5 x x2 =( x 2 ) + ( +3 x +2 x 2 ) + ( 5 + 4 x+ 4 x 2)
1+5 x x2 =( + +5 ) + ( 3 + 4 ) x+ ( + 2 + 4 ) x 2
Igualando trminos:
225
+ +5 =1
3 + 4 =5
+2 + 4 =1
|)
( |)
( |)
1 1 5 1
1 1 51
1 1 5 1
f
+
f
f
f
f
f
0 3 4 5 1 3
45 3 2
3 4 5
3 0 3
3 0
1 2 4 1
0 3 90
0 0 5 5
( |)
1 1 5 1
1
f f3 0 3 4 5
5 3
0 0 1 1
Llegamos a:
+ +5 =1
3 + 4 =5
=1
3 + 4 =5
54
3
54 (1 )
3
=3
226
+ +5 =1
=15
=135 (1 )
=3
()
3
(v ) A= 3
1
Realizando la multiplicacin:
0
[ T ( v ) ]B=M ( T ) ( v ) A = 1
0
1
0
1
3
2
0
0
3
5
3+35
3 =
4
0+ 94
1
4
3+64
( )( ) ( )
()
A
B
0
A
[ T ( v ) ]B=M B ( T ) ( v ) A = 1 Vector de coordenadas de T ( v ) en la base B
5
1
Escribiendo
T (v)
B={ 1, x , x 2 , x 3 } :
T ( v )= 1+ x + x + x
T ( v )=( 0 ) ( 1 )+ ( 1 )( x ) + ( 5 ) ( x2 ) + (1 ) ( x3 )
Finalmente:
T ( v )=T ( 1+5 xx 2 )=x +5 x 2( x 3 ) Imagen del vector v
227
( )
1 1
M BA= 0 1
1 0
A= { ( 1,1 ) , ( 0,1 ) }
del dominio y
Se propone al vector
Se escribe
v =( x , y ) R2
A :
v = 1 a1 + 2 a2
228
( v ) A =( 1 , 2 ) =
Realizando la multiplicacin
coordenadas de
T ( v ) en la base
M B ( T ) ( v ) A =[ T ( v ) ] B , se obtiene el vector de
B :
( )( ) ( ) ( ) ( )
1
1 1
x + x y
2 x y
x =
0 1
0+ x y = x y = 2 =[ T ( v ) ] B
x y
0 1
x+ 0
x
3
Escribiendo a
T (v)
v :
T ( v )= 1 b1 + 2 b2 + 3 b3
Sustituyendo valores:
T ( v )=( 2 x y )( 1, 0,1 ) + ( x y )( 0, 1,1 ) + x ( 1,1, 0 )
T ( v )=( 2 x y , 0, 2 x y )+ ( 0, x y , x y ) + ( x , x , 0 )
T ( v )=( 2 x y+ x , x y + x ,2 x y + x y )
229
I,
no debe confundirse
Sean A={ v1 , v 2 , v 3 , , v n } y B= { w1 , w2 , w3 , , wn }
bases para
V ,
del dominio y
en las bases A y B
la expresin:
I AB
Recordemos la definicin de matriz asociada con la transformacin lineal
T y referida a las bases A y B , M BA ( T ) :
A
[ T ( v ) ]B=M B ( T ) ( v ) A v V
De lo anterior podemos deducir que:
[ I ( v ) ]B=I BA ( v ) A= ( v )B v V
Luego
A
I AB
a la base
de la base
B .
A yB
IB
Donde las n columnas de dicha matriz son los vectores de coordenadas, en
la base B , de las imgenes de los elementos que integran la base A :
230
[ I ( v 1 ) ] B , [ I ( v 2 ) ]B , , [ I ( v n ) ] B
231
T :V V
respecto a la base
a) Calcular la matriz
IB .
I A I B =I .
b) Comprobar la igualdad
c) Calcular la matriz
I BA :
MB
asociada a
respecto a la base
B .
) ( )
4 1 1
1 1 0
B
M A= 1 2 2 I A = 1 4 1
3 2 2
1 3 1
Solucin:
I BA .
( | )
( |
1 1 01 0 0
1 1 01 0 0
B 1
I
=
f
f
f
[ A ] 1 4 1 0 1 0 2 3 2 0 1 0 0 1 1
1 3 10 0 1
1 3 10 0 1
( |
( |
)
)
1 0 0 1 1 1
1 0 0 1 1 1
f 1f 2 f 1
f
f
f
0 1 0 0 1 1 3 1
1 0 0
1 1
3 0
f 3 3 f 2 f 3 1 0 1 0 3 4
0
0
1
1
2
3
De aqu
232
1 1 1
1
I AB =[ I BA ] = 0
1 1
1 2 3
b) Comprobamos que
I AB I BA=I 3
)( ) (
)( )
1 1 1 1 1 0
11+ 1
14 +3 01+1
1 0 0
0
1 1 1 4 1 = 0+11
0+43 0+ 11 = 0 1 0
1 2 3 1 3 1
12+0 18+ 9 02+3
0 0 1
c) Calculamos la matriz
)(
MB
, sabiendo que
)(
M B=I AB M A I BA
1 1 1 4 1 1
41+3 122 1+2+2
I AB M A = 0
1 1 1 2 2 = 0+ 13
0+2+2
022
1 2 3 3 2 2
42+9 146 1+ 4+6
6 5 5
A
I B M A = 2 4 4
3 9 9
)( )
6 5 5 1 1 0
M B= [ I AB M A ] I BA = 2 4 4 1 4 1
3 9 9 1 3 1
233
65+ 5
620+15 05+5
M B= 2+44 2+1612 0+44
39+ 9
336+27 09+9
6
1 0
M B= 2 2 0
3 6 0
REFERENCIAS
234
Exactas
235