Professional Documents
Culture Documents
al Algebra Lineal
ii
Castaneda
/ Barrios
ii
Castaneda
/ Barrios
Contenido
1 La estructura de espacio vectorial
1.1 Introduccion . . . . . . . . . . . . . . . . . . . . .
1.2 El concepto de estructura algebraica . . . . . . .
1.3 Semigrupos, Monoides y Grupos . . . . . . . . . .
1.4 Anillos, campos y espacios vectoriales . . . . . . .
1.5 Espacios de Matrices sobre un campo . . . . . . .
1.5.1 Transposicion y producto matricial . . . .
1.5.2 El producto escalar . . . . . . . . . . . . .
1.5.3 La matriz identidad. Matrices invertibles.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
4
12
18
34
37
41
45
2 Sistemas lineales
2.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Sistemas lineales m n . . . . . . . . . . . . . . . . . .
2.2.1 La ecuacion lineal en Kn . . . . . . . . . . . . .
2.2.2 Sistemas lineales en Kn . . . . . . . . . . . . . .
2.2.3 Tecnicas de eliminacion . . . . . . . . . . . . .
2.3 Dependencia e independencia lineal, bases, dimension. .
2.4 Matrices Elementales. Rango y nulidad de una matriz.
2.5 Bases ortonormales y proyecciones ortogonales . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
56
56
61
68
83
111
130
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Vectores en R2 y R3 .
3.1 Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Segmentos dirigidos en En . . . . . . . . . . . . . . . . . . . . .
3.3 Aplicaciones geometricas . . . . . . . . . . . . . . . . . . . . .
3.3.1 Colinealidad y ecuaciones vectoriales de rectas. . . . .
3.3.2 Ecuaciones vectoriales de planos. . . . . . . . . . . . .
3.3.3 Proyecciones ortogonales, distancia de un punto a una
recta o a un plano. . . . . . . . . . . . . . . . . . . . .
3.3.4 Otras aplicaciones . . . . . . . . . . . . . . . . . . . . .
1
139
. 139
. 149
. 163
. 163
. 170
. 173
. 175
Castaneda
/ Barrios
Bibliografa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
CONTENIDO
Captulo
.....1
La estructura de espacio
vectorial
1.1
Introducci
on
El Algebra,
hablando en terminos rudimentarios pero modernos, es la disciplina
matematica dedicada al estudio de las denominadas estructuras algebraicas.
Una tal estructura esta formada basicamente por un conjunto no vaco y una
o mas operaciones definidas sobre ese conjunto. El Algebra Lineal, tambien
en terminos muy generales, tiene como objeto de estudio principal cierto tipo
de estructura conocida como espacio lineal o espacio vectorial. En este primer
captulo de la presente obra presentamos las definiciones de operacion (especialmente las denominadas binarias) y de las estructuras algebraicas basicas,
culminando justamente con la de espacio lineal o vectorial; definicion que se
hara desde la perspectiva matematica o algebraica y que en el captulo 3 se
relacionara con la nocion fsica o geometrica de vector con la que seguramente
los lectores, a
un los principiantes, tendran alguna familiaridad. Se presentan
tambien en este captulo los ejemplos mas importantes de los denominados
espacios de dimension finita, incluyendo los espacios de matrices sobre un
campo, importantes en el desarrollo ulterior del texto.
3
Castaneda
/ Barrios
1.2
al Algebra
Introduccion
lineal
Castaneda
/ Barrios
(1.1)
(1.2)
al Algebra
Introduccion
lineal
(1.4)
(1.5)
(1.6)
Castaneda
/ Barrios
Grupos abelianos, como el caso de (Z, +), son tambien (Q, +), (R, +),
(Q {0}, ) y (R {0}, ).
2. Consideremos el conjunto A = {a, b, c}. Una ley de composicion interna
sobre A debe asignar a cada par (x, y) A A, es decir, a cada par
de elementos de A, un elemento u
nico del mismo conjunto. Podemos
elegir arbitariamente tales resultados de la operacion. En este caso, la
operacion puede definirse mediante una tabla como, por ejemplo, las que
se muestran abajo.
a
b
c
1
a
a
c
b
b c
b c
a b
a c
a
b
c
a
a
b
c
b c
b c
c a
a b
De hecho son v
alidas sobre cualquier subconjunto no vaco de A, a
un no siendo cerrado.
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
=
=
=
=
b
a
a
c
Castaneda
/ Barrios
10
0
0
1
2
3
4
5
1
1
2
3
4
5
0
2
2
3
4
5
0
1
3
3
4
5
0
1
2
4
4
5
0
1
2
3
0
1
2
3
4
5
5
5
0
1
2
3
4
0
0
0
0
0
0
0
1
0
1
2
3
4
5
2
0
2
4
0
2
4
3
0
3
0
3
0
3
4
0
4
2
0
4
2
5
0
5
4
3
2
1
al Algebra
Introduccion
lineal
11
Ejercicios 1.2.1.
1. Demuestre que en una estructura modulativa (A, ), siendo una ley de
composicion interna en A, el neutro es u
nico. Demuestre tambien que
en una estructura asociativa y modulativa si un elemento es invertible,
entonces el inverso es u
nico. Concluya, de la demostracion realizada, que
si un elemento x tiene un inverso, y, a mano derecha, y un inverso, Z, a
mano izquierda, entonces y = z.
2. Considere en R la ley de composicion interna definida por
x y = xy + x + y.
1
(a) Calcule 2 3, 3 .
2
(b) Demuestre que (R, ) es una estructura asociativa, modulativa y
conmutativa, pero no es invertiva pues existe un u
nico elemento, z,
no invertible.
1
(c) Calcule los inversos, bajo , de 1, 0 y
.
3
(d) Si A = R {z}, muestre que A es cerrado bajo y que (A, |A )
es una estructura asociativa, modulativa, conmutativa e invertiva
(grupo abeliano).
1.2. EL CONCEPTO DE ESTRUCTURA ALGEBRAICA
Castaneda
/ Barrios
12
a
b
c
c
c
c
a
d
d
d
b
e
e
e
a
1.3
En honor a Abel...
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
13
(1.7)
(1.8)
(1.9)
(1.10)
Castaneda
/ Barrios
14
x1 (xy) = x1 (xz)
(x1 x)y = (x1 x)z
1G y = 1G z
y=z
Las propiedades en 1.7 y 1.8 son denominadas usualmente leyes cancelativas (a izquierda y a derecha, respectivamente) y sus respectivos recprocos son
validos pues estamos considerando una ley de composicion interna, como se
explico en la demostracion de 1.7. Es claro que en Grupos el teorema anterior es
valido. En un grupo (G, ), puede definirse una operaci
on inversa, digamos
, de modo que para elementos x, y G se tiene
x y = xy 1 ,
(1.11)
al Algebra
Introduccion
lineal
15
El grupo aditivo Zn
Dado que Z es un grupo, bajo la adicion, es claro que las propiedades de grupo
se transportan a Zn . Esto es debido a que si dos enteros positivos son iguales,
digamos a = b, entonces los residuos de dividirlos entre n son iguales. Esto es
una consecuencia del denominado algoritmo de Euclides(ver apendice):
Teorema 1.3.2. Dados m, n Z,con n > 0, existen enteros u
nicos c, r tales
que
m = nc + r, 0 r < n
(1.12)
As, por ejemplo, si x, y, z Zn , entonces x, y, z Z y considerando la
suma usual de enteros se tiene
x + (y + z) = (x + y) + z.
Si, para diferenciar, denotamos por la suma modulo n, entonces x (y z)
y (x y) z son, respectivamente, los residuos de dividir entre n, los enteros
x + (y + z) y (x + y) + z, pero como estos son iguales se sigue que lo tambien
los residuos; es decir
x (y z) = (x y) z,
por lo que la adicion modulo n es tambien asociativa. Argumentos similares
se siguen para las otras propiedades de grupo. En definitiva. tenemos que
Teorema 1.3.3. (Zn , +) es un grupo abeliano
Con relacion a la estructura multiplicativa, Zn , por las razones anteriormente expuestas, es entonces un monoide conmutativo. Se ha visto, en ejemplos
anteriores, que algunos elementos no nulos son invertibles. Puede demostrarse4
que un elemento m 6= 0 en Zn es invertible si, y solo si es primo relativo con
n; esto significa que el u
nico divisor com
un positivo de m y n es 1. As, por
ejemplo, en Z10 son invertibles, ademas de 1 y 9, los elementos 3 y 7 (ambos
primos). Por su parte 5, que es primo, no es invertible pues divide a 10 y 6 no
es invertible pues es divisible por 2, como lo es 10. Si n es un n
umero primo,
entonces todo elemento no nulo de Zn sera, en consecuencia, invertible. Se
tiene as que:
4
En los apendices se hace una presentacion mas elaborada de las estructuras modulo n y
puede consultarse para una justificaci
on de las afirmaciones aqu hechas.
Castaneda
/ Barrios
16
El grupo de Euler
Teorema 1.3.5. Si Un es el conjunto de los elementos invertibles en (Zn , ),
entonces (Un , ) es un grupo abeliano.
Ejercicios 1.3.1.
1. En cada caso indique, marcando con una X en la casilla correspondiente,
si la estructura dada es semigrupo, monoide, grupo o grupo abeliano.
Semigrupo
Monoide
Grupo
Grupo abeliano
(N, )
(N, +)
(N0 , )
(N0 , +)
(Z, +)
(Z, )
(Z, )
(Q, +)
(Q, )
(Q, )
(Q {0}, )
(Q {0}, )
(R, +)
(R, )
(R {0}, )
(R, )
(R {0}, )
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
17
Castaneda
/ Barrios
18
1.4
Consideraremos ahora estructuras con dos leyes de composicion interna, usualmente denominadas adicion y multiplicacion, (R, +, ). Una tal estructura
se denomina un anillo si, y solo si satisface:
1. (R, +) es un grupo abeliano.
2. (R, ) es un semigrupo y la multiplicacion es distributiva con relacion a
la adicion.
El neutro aditivo en (R, +) sera notado usualmente 0R y para un elemento
x R su inverso aditivo se escribira como x. Si, adicionalmente, tiene
otras propiedades tales como conmutatividad o existencia de neutro, el que
notaramos 1R , reflejaremos esto en la denominacion hablando de anillo conmutativo o anillo con elemento identidad. Un anillo conmutativo (K, +, ),
con elemento identidad 1K 6= 0K se denominara campo si, y solo si todo
elemento x K, x 6= 0K , es invertible. Notese que esto implica:
1. (K, +) es un grupo abeliano.
2. (K {0K }, ) es un grupo abeliano.
Notese tambien que todo campo tiene al menos dos elementos distintos: los
neutro aditivo y multiplicativo. En particular, por ejemplo, (Z2 , +, ) es un
campo con dos elementos. Tenemos el siguiente resultado basico sobre anillos.
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
19
(1.13)
(1.14)
(1.15)
(1.16)
Demostracion. Las ecuaciones 1.13 y 1.14 son consecuencia del teorema 1.3.1.
Ahora, para un elemento x R se tiene:
x0R = x(0R + 0R )
x0R + 0R = x0R + x0R
luego, por la ley cancelativa a izquierda (1.7), en (R, +), se sigue que 0R = x0R .
De manera similar se demuestra que 0R x = 0R . Por otra parte, si y R,
entonces
x(y) + xy = x(y + y)
= x0R
= 0R
de donde se sigue, sumando (xy) en ambos miembros, que x(y) = (xy).
de manera similar se obtiene que (x)y + xy = 0R y, por tanto (x)y =
(xy).
Si R es un anillo con identidad 1R , el teorema anterior implica que para
todo elemento x R se sigue que x = (1R )x = x(1R ). Por otra parte,
el teorema anterior establece que el producto de un elemento cualquiera de
un anillo por el cero (neutro aditivo) del anillo es cero. Puede suceder, sin
embargo que un producto de dos elementos no nulos de un anillo sea cero.
Considere, por ejemplo, el anillo (Z6 , +, ). En tal estructura se tiene que
2(3) = 3(2) = 0, pero 3 6= 0 y 2 6= 0. As, en el ejemplo considerado no
es valido el familiar resultado en la estructura multiplicativa de los n
umeros
reales (o enteros) que establece que un producto de dos reales (enteros) es cero
si, y solo si al menos uno de ellos es cero. Esta propiedad define a un tipo
especial de anillo conocido como dominio entero, de los cuales los campos
son un ejemplo particular. En efecto, tenemos:
1.4. ANILLOS, CAMPOS Y ESPACIOS VECTORIALES
Castaneda
/ Barrios
20
(1.17)
(1.18)
(1.19)
al Algebra
Introduccion
lineal
21
(1.20)
(1.21)
(1.22)
Castaneda
/ Barrios
22
(1.23)
(1.24)
(1.25)
al Algebra
Introduccion
lineal
23
se encuentra que tal funcion es inyectiva (uno-a-uno) y que para reales cualesquiera
x, y, se verifican7
f (x + y) = f (x) + f (y)
f (xy) = f (x)f (y)
f (1) = (1, 0)
(1.26)
(1.27)
(1.28)
Castaneda
/ Barrios
24
ak x k +
n
X
bk xk = (a0 + a1 x + + an xn ) + (b0 + b1 x + + bn xn )
k=1
n
X
(ak + bk )xk
k=1
k=1
n
X
ak xk
k=1
(1.29)
al Algebra
Introduccion
lineal
25
= 0V
= (0V + 0V )
= 0V + 0V ,
1K v + (1K )v
(1K + (1K ))v
0K v
0V ,
Castaneda
/ Barrios
26
de V .
Demostracion. Sea T =
iI
al Algebra
Introduccion
lineal
27
(1.30)
SSM
n
X
k vk = 1 v1 + 2 v2 + + n vn
(1.31)
k=1
Castaneda
/ Barrios
28
)
n N y (i = 1, 2, . . . , n : i K, vi M )
(1.32)
Demostracion.
1. Trivialmente {0V } es un espacio vectorial que contiene a
y esta contenido en cualquier subespacio de V .
2. Sea
(
H=
n
X
k=1
)
i vi n N y (i = 1, 2, . . . , n : i K, vi M )
al Algebra
Introduccion
lineal
29
{t(1, 0, 2)|t R}
{(t, 0, 2t)|t R}
{t(1, 0, 2) + s(3, 1, 4)|t, s R}
{(t + 3s, s, 2t 4s)|t, s R}
(1.33)
Castaneda
/ Barrios
30
=
=
=
=
0
0
0
0
=
=
=
=
0
0
0
0,
al Algebra
Introduccion
lineal
31
Ejercicios 1.4.1.
1. Demuestre en detalle que los conjuntos considerados en los ejemplos de
la seccion son, efectivamente, espacios vectoriales con las operaciones
indicadas.
2. Sean v = (1, 2, 3), w = 5, 7, 12 , u = 0, 13 , 51 .
(a) Calcule v + w, 13 w, 3v + 2w 14 u.
(b) Resuelva las ecuaciones (incognitas vectoriales x e y):
i. 2x + 3v = w.
ii. 3x + 2v = 5w u.
iii. 2x + y = v w.
3. Dado un complejo z = x + iy definimos
su conjugado por z = x iy
p
y su valor absoluto por |z| = x2 + y 2 . Decimos tambien que x es
la parte real de z y que y es la parte imaginaria. Escribiremos x =
Re(z), y = Im(z). Demuestre:
(a) Si z C, entonces
zz = |z|2
z + z = 2Re(z)
z z = 2iIm(z)
Castaneda
/ Barrios
32
1
z.
|z|2
(c) Si z, w C, entonces:
|zw|
|z + w|
z+w
zw
=
=
|z||w|
|z| + |w|
z+w
zw
4. Calcule:
(a) (2 + 3i)(5 i).
(b) (3 + 5i)(4 2i) + i3 + 7i.
(c) (3 + 4i)1 (2 + 5i).
(d) 2 + i(2 i)(3 + i) 4i(5 3i).
(e) Re((2 + i)(4 i)).
(f) Re(2 + i)(4 i).
(g) Im((5 + 3i)(4 i)1 ).
(h) (2 + 3i)3 .
5. Considere el anillo conmutativo con identidad (Zn , +, ), n 2.
(a) Demuestre que si n no es primo, entonces existen elementos no nulos
x, y Zn tales que xy = 0.
(b) Si a, b Zn , con a =
6 0 Tiene solucion u
nica la ecuacion ax = b?
Si no es as, bajo cuales condiciones, para a, hay solucion u
nica?
(c) Demuestre que la ecuacion ax = b, con a 6= 0, tiene solucion si, y
solo si el maximo com
un divisor 9 de a y n divide a b. Si denotamos
por d a dicho maximo com
un divisor, demuestre que si d divide a b
entonces existen exactamente d soluciones distintas (Sugerencia:
Utilice el hecho de que el maximo com
un divisor de dos enteros se
puede escribir como una suma de m
ultiplos de los enteros; es decir
existen enteros y, z tales que d = ay + nz. Muestre tambien que
toda solucion es de la forma x0 + k nd , para
k = 0, 1, . . . , d 1,
siendo x0 la u
nica solucion de la ecuacion ad x = db en Z nd ).
9
al Algebra
Introduccion
lineal
33
2x = 7, para n = 9.
2x 5 = 6 para n = 11.
3x = 6, para n = 9.
5x 5 = 0 para n = 15.
Castaneda
/ Barrios
34
M
M
M
M
M
M
M
= {(3, 1)} en R2 .
= {(1, 3)} en Z25 .
= {(1, 0), (0, 1)} en Z23 .
= {(1, 1, 3), (0, 0, 1)} en R3 .
= {1, x, x2 } en P3 (R).
= {1 + x, 2x} en P2 (Z3 ).
= {(1, 2), (2, 4)} en R2 .
1.5
(1.34)
(1.36)
al Algebra
Introduccion
lineal
35
.
..
..
..
..
..
..
..
.
.
.
.
.
.
.
.
A=
=
..
..
..
..
..
..
..
...
.
.
.
.
.
.
.
A(m, 1) A(m, 2) . . . A(m, n)
am1 am2 . . . amn
Es decir, para cada i fijo en Jm , las imagenes A(i, j), variando j en Jn se
escriben en la fila i del arreglo. Tal fila se notara Ai y sera considerada como
un vector en Kn
Ai = (ai1 , ai2 , . . . , ain ).
1.5. ESPACIOS DE MATRICES SOBRE UN CAMPO
Castaneda
/ Barrios
36
Para un j fijo en Jn , por su parte, las imagenes A(i, j), con i en Jm forman la
jesima columna de A, notada A(j) :
a1j
a2j
(j)
A = ..
.
amj
Se abreviara escribiendo A = (aij )mn = (A(i, j))mn . Tambien escribiremos
A1
A2
A = .. = A(1) A(2) . . . A(n)
.
Am
A sera, consecuentemente, denominada una matriz de m filas y n columnas
sobre el campo K. Si m = n se dice que A es una matriz cuadrada.
Consideremos, como ejemplo, el campo real R. Si
1 2
2
A=
0 5 6
entonces A es una funcion
A : {1, 2} {1, 2, 3}
(1, 1)
(1, 2)
(1, 3)
(2, 1)
(2, 2)
(2, 3)
R
7 1
7
2
2
7
7 0
7 5
7 6
al Algebra
Introduccion
lineal
37
(1.37)
(1.38)
2 3 5
5 2 4
7 1
+
=
0 4 1
3 7 1
3 11
2 3 5
6 9
3
=
0 4 1
0 12
9
0
15
3
1.5.1
=
=
=
=
Ai + Bi
A(j) + B (j)
Ai
A(j)
(1.39)
(1.40)
(1.41)
(1.42)
Transposici
on y producto matricial
(1.43)
Castaneda
/ Barrios
38
=
=
=
=
=
A
(A(i) )T , i {1, 2, . . . , n}
(Aj )T , j {1, 2, . . . , m}
AT
AT + B T
(1.44)
(1.45)
(1.46)
(1.47)
(1.48)
n
X
(1.49)
k=1
al Algebra
Introduccion
lineal
39
(1.50)
es decir, el elemento i, j de AB es la u
nica componente del producto de la fila
i de A por la columna j de B.
Ejemplo 1.5.1. Consideremos, por ejemplo, las siguientes matrices sobre el
campo real.
1
4
2
3 0
A=
, B = 2 3
1 1 6
8
6
Entonces, tanto AB como BA estan definidas aunque son de tama
nos diferentes, lo cual muestra de paso que la multiplicacion matricial no es conmutativa.
Tenemos entonces
1
4
(2, 3, 0) 2
3
(2,
3,
0)
8
6
AB =
1
4
(1, 1, 6) 2 (1, 1, 6) 3
8
6
8 1
=
47 43
Por su parte (verifquelo):
6 1
24
9 18
BA = 1
22 18
36
Las principales propiedades del producto matricial se presentan en el siguiente
teorema.
Teorema 1.5.2. Sean K un campo, K y m, n, p, s N. Entonces:
11
Vease la definici
on de producto escalar mas adelante.
1.5. ESPACIOS DE MATRICES SOBRE UN CAMPO
Castaneda
/ Barrios
40
=
=
=
=
=
=
Ai B, para i Jm
AB (j) , para j Jp
A(BC)
B T AT
A(B)
(AB)
(1.51)
(1.52)
(1.53)
(1.54)
(1.55)
(1.56)
(1.57)
Demostracion.
1. Demostremos 1.53. Es claro que (AB)C y A(BC) son de
tama
no m s y AB es m p. Supongamos entonces i Jm , j Js ,
entonces
((AB)C)(i, j) =
p
X
(AB)(i, k)C(k, j)
k=1
p
n
X
X
k=1
p
=
=
=
X
k=1
n
X
t=1
n
X
t=1
n
X
t=1
n
X
!
A(i, t)B(t, k) C(k, j)
!
A(i, t)B(t, k)C(k, j)
t=1
p
!
A(i, t)(B(t, k)C(k, j))
k=1
A(i, t)
p
X
!
B(t, k)C(k, j)
k=1
A(i, t)(BC)(t, j)
t=1
= (A(BC))(i, j)
Luego (AB)C = A(BC). Ahora, (AB)T es p m, entonces para i
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
41
Jp , j Jm tenemos
(AB)T (i, j) = (AB)(j, i)
n
X
=
A(j, k)B(k, i)
k=1
n
X
k=1
T
= (B AT )(i, j),
por lo que (AB)T = B T AT . Las demas pruebas del numeral 1 del teorema
se dejan como ejercicio.
2. Demostremos la propiedad 1.56, conocida como propiedad distributiva
a derecha (del producto matricial respecto de la adici
on). Tenemos
que A + B es m n y C es n p. Tomando i Jm , j Jp se tiene
entonces
n
X
(A + B)(i, k)C(k, j)
((A + B)C)(i, j) =
k=1
n
X
=
(A(i, k) + B(i, k))C(k, j)
=
=
k=1
n
X
k=1
n
X
k=1
n
X
B(i, k)C(k, j)
k=1
= (AC)(i, j) + (BC)(i, j)
La demostracion de 1.57 es similar.
1.5.2
El producto escalar
Castaneda
/ Barrios
42
Es decir:
vw =
n
X
vk wk
(1.58)
k=1
(1.59)
(1.60)
(1.61)
(1.62)
(1.63)
vv = (1, 1, 1) 1 = (0)
1
pero v 6= (0, 0, 0).
El producto escalar es, de acuerdo con la definicion dada, una operacion
binaria
: Rn Rn
R
(v, w) 7 v w
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
43
K,
7 hv, wi
vk2
(1.64)
kvk = v v =
k=1
(1.65)
(1.66)
kv + wk kvk + kwk
(1.67)
4. Desigualdad triangular
Demostracion.
y 1.60.
Castaneda
/ Barrios
44
2. Ejercicio.
3. Si v es el vector nulo, el resultado es inmediato. Supongamos que v no
es el vector nulo. Por 1.59 se tiene que para todo escalar se cumple
que
0 (v w) (v w)
= 2 kvk2 2(v w) + kwk2
=
2(v w) 2 kvk2 + kwk2
Tomando =
vw
se tiene entonces
kvk2
2(v w)2
(v w)2 + kvk2 kwk2
kvk2
kvk2
(v w)2 kvk2 kwk2
(v + w) (v + w)
kvk2 + 2(v w) + kwk2
kvk2 + 2kvkkwk + kwk2
(kvk + kwk)2
vw
kvkkwk
(1.68)
al Algebra
Introduccion
lineal
45
y w es (angulo recto). En tal caso decimos que los vectores (no nulos) son
2
perpendiculares. Por supuesto, si un vector es nulo entonces su producto
escalar con cualquier vector es cero, pero no podramos hablar, en tal caso, de
un angulo entre vectores ya que 1.68 no tendra sentido en ese caso, aunque
siga siendo valida la desigualdad de Cauchy schwarz (en este caso se dara la
igualdad). Mas generalmente, dos vectores en Rn cuyo producto escalar sea
cero se denominaran ortogonales. As, dos vectores perpendiculares siempre
son ortogonales. El recproco, sin embargo, como lo muestra el caso del vector
cero, es falso en general. Sin embargo, si v y w son vectores ortogonales
escribiremos vw (o wv).
Un vector v Rn se denomina unitario si, y solo si tiene norma uno. Si
v 6= 0Kn entonces definimos el vector unitario direccional de v por
Uv =
1
v
kvk
(1.69)
(1.70)
1.5.3
Castaneda
/ Barrios
46
1 0 0 ... 0 0
0 1 0 . . . 0 0
0 0 1 . . . 0 0
= .. .. .. . . .. ..
(1.71)
. . .
. . .
0 0 0 ... 0 1
Se acostumbra tambien escribir In = (ij )nn , donde ij (conocido como delta
de Kronecker) es 1 o 0 de acuerdo con las condiciones dadas en 1.71. tenemos
entonces el siguiente teorema cuya demostracion se deja como ejercicio.
Teorema 1.5.5. Sea A Kmn , entonces
AIn = A
Im A = A
(1.72)
(1.73)
al Algebra
Introduccion
lineal
47
(AT )1 = (A1 )T
(1.74)
(1.75)
(1.76)
(1.77)
1
=
(AA1 )
1 1
= (A)
A
1
=
(A1 A)
= 1K In
= In
In = AA1 = A1 A
InT = (AA1 )T = (A1 A)T
In = (A1 )T AT = AT (A1 )T
Ejercicios 1.5.1.
1. Sean
A=
2 5
1 0
3 5
,B =
,C =
,
1 3
4 7
2
4
Castaneda
/ Barrios
48
(a) Determine:
i.
ii.
iii.
iv.
v.
vi.
vii.
viii.
ix.
3A + 2B 5C.
3AT + (B C)T
(2A + B)1
(3A + 4C)(2)
2AB.
3AT C.
(AC)(1, 2).
(3AT + 2B C)(2, 1)
((3A + B C)T )(1) .
2X + 3A = B.
3X + AT = 2B + C.
2X T + 5A = C.
(2X + B)T = 3C.
3X AB = AC.
2X + 3Y A = B.
2. Sean
A=
5
1
1 0
5
2 3 1
1 3
, B = 2 3 , C =
, D = 2 6 3
0
3
4
1 6
4
4
0 4
1
al Algebra
Introduccion
lineal
49
Castaneda
/ Barrios
50
1
=
d
a22 a12
a21 a11
al Algebra
Introduccion
lineal
51
14. Una matriz A = (aij ) Knn se denomina diagonal si, y solo si para
todo i, j Jn se cumple que aij = 0K , si i 6= j. Demuestre que una matriz
diagonal es invertible si, y solo si para todo i Jn , se tiene aii 6= 0K . En
tal caso calcule A1 . .
15. Una matriz A Kmn es triangular superior, si y solo si para todo
(i, j) Jm Jn se tiene que A(i, j) = 0K si i > j. A es triangular
inferior si, y solo si para todo (i, j) Jm Jn se tiene que A(i, j) = 0K
si i < j. Una matriz que sea triangular superior o inferior se denomina
triangular. Demuestre que una matriz n n triangular es invertible si,
y solo si para todo i Jn , A(i, i) 6= 0K y que, en tal caso, la inversa
es tambien triangular. En el caso triangular superior, encuentre una
formula recursiva que permita hallar los elementos en la columna iesima
de A1 , partiendo de A1 (i, i) y expresando A1 (j, i), para j < i, en
terminos de las componentes inferiores de la columna. Haga algo similar
para el caso triangular inferior.
16. Calcule las inversas de las matrices dadas a
1 1 1
1
2
3
0 1 3
A = 0 2 1 , B =
0 0 1
0
0
4
0 0 0
continuacion:
1
2
0
0
4
, C = 1 3 0
5
2 3 4
5
Castaneda
/ Barrios
52
(1.78)
(1.79)
Demuestre, en cada caso, que las funcion dada define un producto interior
sobre el espacio indicado.
(a) El producto escalar definido en 1.58, pagina 42, sobre Rn .
n
P
(b) hv, wi =
vi wi , para v = (v1 , . . . , vn ), w = (w1 , . . . , wn ), sobre Cn .
i=1
(c) hf, gi =
b
a
22. Con relacion al ejercicio anterior, demuestre que dados dos productos
interiores sobre un espacio real o complejo, entonces la suma de los dos
es tambien un producto interno y que la multiplicacion de un producto
interior por un real positivo tambien lo es.
CAPITULO 1. LA ESTRUCTURA DE ESPACIO VECTORIAL
al Algebra
Introduccion
lineal
53
23. En cada caso calcule el producto interior hv, wi para los vectores dados:
(a) v = (1 + i, 2 i), w = (3 i, 5 + 4i) en C2 .
(b) v = (1 + i, 3 + 4i, 5i), w = (3, 2 + 4i, 6) en C3 .
(c) v(x) = 1, w(x) = x en C 0 ([0, 1], R).
(d) v(x) = x, w(x) = Sen(x) en C 0 ([0, 1], R).
24. Demuestre que si V es un espacio con producto interior, entonces para
todo vector v V se tiene que hv, 0V i = 0 = h0V , vi.
25. Si V es un espacio con producto interior h, i, para v V podemos
tambien definir la norma de v por
p
kvk = hv, vi.
Demuestre que la norma satisface las propiedades del teorema 1.5.4,
pagina 43, tal como en el caso de Rn .
54
Castaneda
/ Barrios
Captulo
.....2
Sistemas lineales
2.1
Introducci
on
55
Castaneda
/ Barrios
56
2.2
2.2.1
Sistemas lineales m n
La ecuaci
on lineal en Kn
(2.2)
(1, 2, 3) y = (0).
z
La que en forma escalar sera
x + 2y 3z = 0.
Una solucion de la ecuacion considerada es un vector, en R3 , ortogonal al
vector dado. Por ejemplo, u = (0, 3, 2) es una solucion de la ecuacion. Notese
que en este caso, la ecuacion puede escribirse como
v X = 0.
Debe notarse, sin embargo, que la forma escalar x + 2y 3z = 0 podra
tambien ser considerada como una ecuacion en Rn , para n > 3, considerando
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
57
(2.3)
(2.4)
Castaneda
/ Barrios
58
(2.5)
K
n
K
(x1 , x2 , . . . , xn ) 7 F (x1 , x2 , . . . , xn )
una funcion y K, 6= 0K . Entonces la ecuacion (2.3) v X = b es
equivalente a las ecuaciones:
v X + F (x1 , x2 , . . . , xn ) = b + F (x1 , x2 , . . . , xn )
(v X) = b
(2.6)
(2.7)
al Algebra
Introduccion
lineal
59
Castaneda
/ Barrios
60
al Algebra
Introduccion
lineal
2.2.2
61
Sistemas lineales en Kn
(2.8)
A1 X = b1
A1 X T = b1
A2 X = b2
A2 X T = b2
..
..
..
..
.
.
.
.
(2.9)
T
A i X = bi
Ai X
= bi
..
..
..
..
.
.
.
.
Am X = bm
Am X T = bm
Si para i {1, 2, . . . , m}, tenemos Ai = (ai1 , ai2 , . . . , ain ), entonces 2.8 es:
11 1
..
..
..
...
.
.
.
A1 X
b1
A2 X b2
.. = .. ,
. .
Am X
bm
1
Castaneda
/ Barrios
62
A1
b1
A2
b2
es decir, si escribimos A = .. = (aij )mn Kmn y b = .. Km1 ,
.
.
Am
bm
entonces
AX T = b
(2.11)
o, en forma equivalente,
XAT = bT
(2.12)
xi A(i) = b
(2.13)
i=1
Cualquiera de las formas 2.8 a 2.13 se utilizara para referirse al sistema mencionado. En 2.13, el miembro izquierdo es una combinacion lineal, con las
incognitas escalares xi , de las columnas de A. La matriz A en 2.11 es denominada la matriz del sistema.
De la definicion 2.8 se sigue que si Si es el conjunto solucion de la ecuacion
Ai X = bi , entonces el conjunto solucion de 2.8 es
S=
m
\
Si = S1 S2 Sm .
i=1
(2.14)
al Algebra
Introduccion
lineal
63
(2.15)
Es decir, toda solucion del sistema lineal es la suma de una solucion fija
(particular) cualquiera con una del homogeneo asociado.
Demostracion.
1. Claramente SH 6= , ya que 0Kn es una solucion del
sistema homogeneo. Ahora, si u, v SH y K, entonces se tienen
AuT = 0Km1
Av T = 0Km1
por lo que
A(u + v)T =
=
=
=
A(uT + v T )
AuT + Av T
0Km1 + 0Km1
0Km1
Castaneda
/ Barrios
64
al Algebra
Introduccion
lineal
65
Castaneda
/ Barrios
66
=
=
=
=
Ak , para todo k 6= j
Aj + Ai
bk , para todo k 6= j
bj + bi
al Algebra
Introduccion
lineal
67
Castaneda
/ Barrios
68
se puede usar para representar al sistema dado, conviniendo en que cada fila
contiene a los coeficientes de la ecuacion correspondiente y que cada columna
contiene, ya sea a los coeficientes de una misma variable, o-en el caso de la
u
ltima columna- a los terminos independientes. Mas especficamente, el vector
(1, 2, 5), primera fila de la matriz indicada, representa a la primera ecuacion,
siendo las dos primeras componentes los coeficientes, ordenados, de x e y en
dicha ecuacion. De igual manera, el vector (3, 1, 1) corresponde a la segunda
ecuacion. La matriz
1 2
5
3 1 1
es denominada la matriz ampliada del sistema. Las manipulaciones o transformaciones que se pueden hacer con las ecuaciones de un sistema, sin alterar el
conjunto solucion, se convierten entonces en transformaciones sobre las filas
de la matriz ampliada y suelen denominarse operaciones elementales en las
filas o renglones de la matriz. Tales transformaciones son, por los teoremas
demostrados, de tres tipos: Intercambios de filas, reemplazo de una fila por un
m
ultiplo escalar no nulo, y reemplazo de una fila por el resultado de sumarle
a la misma un m
ultiplo escalar de otra. Podemos esquematizar el proceso
realizado en el ejemplo anterior en la forma que se muestra a continuacion:
1 2 5 3F1 + F2 1 2
5 71 F2 1 2 5
0 1 2
3 1 1
0 7 14
donde 3F1 + F2 simboliza el que se haya reemplazado la fila 2, en la primera
matriz, por el resultado de sumarle la fila 1 multilicada por 3. Por su parte
17 F2 simboliza que la fila 2, en la segunda fila, ha sido reemplazada por el
resultado de multiplicarla por 17 . Una primera formalizacion de lo anterior se
presenta seguidamente. Mas adelante, se vera que las operaciones elementales
en las filas de una matriz son resultado de la accion multiplicativa de ciertas
matrices especiales.
2.2.3
T
ecnicas de eliminaci
on
Definici
on 2.2.2. Consideremos el sistema lineal m n:
AX T = b, ( 2.11)
La matriz ampliada del sistema es la matriz B Km(n+1) definida por
A(i, j),
si j n;
B(i, j) =
(2.16)
bi ,
si j = n + 1.
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
69
A1 b1
a11 a12 . . . a1n b1
A2 b2 a21 a22 . . . a2n b2
B = (A|b) = .. .. = ..
..
.. ..
. . .
.
. .
A m bm
am1 am2 . . . amn bm
Representaremos un sistema lineal por su matriz ampliada. Hablando en
terminos generales, una tecnica de solucion de un sistema lineal consiste en
determinar un sistema equivalente tal que su matriz ampliada tenga una forma
particularmente simple, de forma tal que sea relativamente facil determinar
el conjunto solucion de este sistema equivalente. Por la equivalencia, tal
conjunto solucion sera el mismo del sistema original. En ese sentido, la definicion
siguiente presenta matrices con formas particularmente comodas para el efecto
deseado.
Definici
on 2.2.3. Dada una matriz m n, B sobre el campo K, decimos
que B esta en una forma escalonada si, y solo si satisface las siguientes
condiciones.
1. Ning
un renglon nulo esta por encima de un renglon no nulo. Es decir,
si existe un renglon nulo Bk , entonces para todo i Jm si Bi 6= 0Kn ,
entonces i > k.
2. Si Bk es un renglon no nulo de B, entonces la primera componente no
nula de Bk es 1K .
3. Para dos renglones no nulos consecutivos, digamos Bk y Bk+1 , de B, si
los hay, y si las primeras componente no nulas de dichos renglones son
B(k, j) y B(k + 1, l), respectivamente, entonces j < l.
Si B esta en forma escalonada, entonces las primeras componentes no nulas
en cada renglon no nulo se denominan unos principales. La tercera condicion
de la definicion exige entonces, hablando en lenguaje coloquial, que los unos
principales de dos renglones no nulos consecutivos esten escalonados; esto
significa que el uno principal del renglon inferior debe estar en una columna
mas a la derecha que el uno principal de la columna superior. Esto implica que
2.2. SISTEMAS LINEALES M N
Castaneda
/ Barrios
70
1
A = 0
0
2 1 3
1 2 1 0 0 4
0
1 4 0 , B = 0 0 0 1 0 5 , C = 0
0 1 2
0 0 0 0 1 7
0
real:
1 1 2 3
0 1 1 1 .
0 0 0 1
x + 2y z = 3
0x + y + 4z = 0
0x + 0y + z = 2
Si Si es el conjunto solucion de la ecuacion i, entonces de la tercera
ecuacion se tiene
S3 = {(x, y, 2)|x, y R}.
Una solucion (x, y, 2) S3 estara en S2 S3 si satisface la ecuacion 2, de
la cual se tiene: y = 4(2) = 8, por lo que
S2 S3 = {(x, 8, 2)|x R}.
Finalmente, el conjunto solucion S = S1 S2 S3 estara formado por
los vectores (x, 8, 2) S2 S3 que satisfacen la primera ecuacion. Es
decir, debe tenerse x = 3 + 2 2(8) = 21. Se tiene entonces que el
sistema tiene solucion u
nica y que el conjunto solucion es
S = {(21, 8, 2)}.
El procedimiento empleado ilustra la tecnica conocida como de eliminaci
on
Gaussiana. En general, se trata de llevar la matriz ampliada a la
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
71
1 2 1 0 0 4
0 0 0 1 0 5
0 0 0 0 1 7
Esta es la matriz ampliada de un sistema 3 5, en las variables x1 , x2 , x3 ,
x4 y x5 , cuyos coeficientes estan dados, ordenadamente, por las cinco
primeras columnas. Convendremos, en general, en denominar variables
principales a las variables correspondientes a columnas (distintas a la
u
ltima) que tengan unos principales. En este caso tenemos las variables
x1 , x4 y x5 . Las variables correspondientes a columnas sin unos principales
seran denominadas variables libres y, en sistemas consistentes, podran
tomar valores arbitrarios. En general, cada variable principal tomara un
valor constante o dependera de una o mas variables libres. En el ejemplo
considerado, las variables libres son x2 y x3 . Si hacemos x2 = t y x3 = s,
siendo s y t reales arbitrarios, entonces se tiene, de acuerdo con la matriz
ampliada en cuestion:
x1 =
=
x4 =
x5 =
4 2x2 x3
4 2t s
5
7,
Castaneda
/ Barrios
72
al Algebra
Introduccion
lineal
73
..
..
.. ..
.
.
. .
am1 am2 . . . amn bm
1. Podemos suponer que no todos los elementos de la primera columa son
ceros, pues si as fuera entonces la variable correspondiente (x1 , en este
caso) podra tomar cualquier valor sobre el campo, independiente de
las variables restantes, y entonces podramos eliminar dicha primera
columna y trabajar con el sistema m (n 1) correspondiente a la
matriz resultante. Bajo esa suposicion, procedemos entonces a buscar
el uno principal de la primera fila, utilizando operaciones elementales en
las filas. La matriz resultante tendra entonces la forma
c1
1
b
.
.
.
b
K
12
1n
b21 b22 . . . b2n c2
..
..
.. ..
.
.
. .
bm1 bm2 . . . bmn cm
2. Utilizaremos el uno principal de dicha primera fila para eliminar por
debajo del mismo. Es decir, realizamos, a lo mas, m 1 operaciones
bi1 F1 + Fi
para 2 i m. Obtenemos as una matriz
c1
1
b
.
.
.
b
K
12
1n
0
c
.
.
.
c
2n d2
K 22
0K c32 . . . c3n d3
..
..
.. ..
.
.
. .
0K cm2 . . . cmn dm
3. El procedimiento indicado en el primer paso, se repite ahora para la
submatriz encerrada en el recuadro mostrado en 2.17.
1K b12
0K c22
0K c32
.. ..
. .
0K cm2
b13 . . . b1n c1
c23 . . . c2n d2
c33 . . . c3n d3
..
.. ..
.
. .
cm3 . . . cmn dm
(2.17)
Castaneda
/ Barrios
74
b
b
.
.
.
b
1
c
12
13
1n
K
1
0K 1K d23 . . . d2n h2
0K d32 d33 . . . d3n h3
(2.18)
.. ..
..
.. ..
. .
.
. .
0K dm2 dm3 . . . dmn hm
El proceso siguiente de eliminacion, como en el paso 2, tiene ahora dos
variantes:
(a) Hacia la forma escalonada: Se elimina por debajo del uno principal
(di2 F2 + Fi , para 3 i m).
(b) Hacia la forma escalonada reducida. Se elimina tambien por encima
del uno principal (como antes y, ademas, b12 F2 + F1 ).
Ejemplo 2.2.6. Consideremos el sistema en R4 :
2x1 x2 + x3 + 3x4 = 8
3x
1 + 2x2 5x3 2x4 = 9
x1 + x2 x3 + x4
= 5
5x1 + x2 4x3 + x4 = 17
4x1 + x2 x3 + 5x4 = 18
Con matriz ampliada
2 1
1
3 8
3
2 5 2 9
1
1 1
1 5
5
1 4
1 17
4
1 1
5 18
1
F1 .
2
al Algebra
Introduccion
lineal
75
Elegiremos la u
ltima opcion. Tenemos as:
l
2 1
1
3 8
1
1
3
9 F3 F1 3
2
5
2
2
1 1
1 5 2 1
5
5
1 4
1 17
1
4
1 1
5 18
4
1
1
1 5
5 2 9
1
3 8
4
1 17
1
5 18
2 1
5
1
4
1
1
1 5 3F1 + F2 1l 1 1
1 5
5 2 9
2F1 + F3 0 1 2 5 6
1
3 8
3
1 2
0 3
4
1 17 5F1 + F4 0 4
1 4 8
1
5 18 4F1 + F5 0 3
3
1 2
l
1
1 1
1 5
1
1 1
1 5
0 1 2 5 6 1F2 0
1l 2
5 6
0 3
3
1 2
3
1 2
0 3
0 4
0 4
1 4 8
1 4 8
0 3
3
1 2
0 3
3
1 2
l
l
1 1 1
1 1 1
1 5
3F2 + F3
1F
+
F
3
4
0 1l 2
l 2
6
0
1
5
4F2 + F4
0 0
9 16 16
0 0
1l
1F
+
F
3
5
0 0
9 16 16
0 0
0
3F2 + F5
19 F3
0 0
9 16 16
0 0
0
1
5
16
9
0
0
5
6
16
9
0
0
Castaneda
/ Barrios
76
tenemos
x3 =
=
x2 =
=
=
x1 =
=
=
16 16
x4
9
9
16 16
t
9
9
6 2x3 5x4
16 16
62
t 5t
9
9
22 13
t
9
9
5 x2 + x3 x4
22 13
16 16
5
t +
t t
9
9
9
9
13 4
t,
3
3
2x1 + 3x2 + x3 x4 x5
4x1 2x2 x3 + x4 + x5
4x2 + x3 x4 x5
2x1 x2 x3 + x4 + x5
= 5
= 6
= 8
= 3
1 2 1 4
6
1
1
4
1
0 1 8
1 1 1 2
1 3
al Algebra
Introduccion
lineal
77
x4 x2 x3 x1 x5
1F4 + F1
0
2
0
4 0 2
(1)F4 + F2
0 1
0
2 0 3
0
3
0
2 0 5
1F4 + F3
1 1 1 2 1 3
x4 x2 x3 x1 x5
F1 F4
2
1 3
1 1 1
1
0 2 0 3
0
(1)F2 0
3
0
2
0 5
0
2
0
4
0 2
x4 x2 x3 x1 x5
(3)F2 + F3
2
1 3
1 1 1
3
(2)F2 + F4
0
1
0
2
0
0
0
8
0 4
0
0
0
8
0 4
x4 x2 x3 x1 x5
(1)F3 + F4
2
1 3
1 1 1
(1/8)F3 0
1
0 2 0 3
0
0
1
0 1
2
0
0
0
0
0 0
= 5
x1 + x 2 x3
2x1 x2 + 3x3 = 6
4x1 + x 2 + x3 = 12
Tenemos entonces:
1
1 1 5 2F1 + F2 1
1 1 5
1
1 1 5
F2 + F3
2 1
0 3
3 6
5 4
0 3
5 4
4
1
1 12 4F1 + F3 0 3
5 8
0
0
0 4
La u
ltima fila corresponde a una ecuacion inconsistente, por lo que el sistema
tambien lo es.
2.2. SISTEMAS LINEALES M N
Castaneda
/ Barrios
78
= 5
x1 + x2 + x3
2x1 + x2 + x3 = 4
1 1 1 5 5F1 + F2 1 1 1 5
1 0 6 0
2 1 1 4 0 6 6 1 0 1 2 5
6F2 + F1
3 4 5 6 4F1 + F3 0 1 2 5
0 0 1 6
1F2 + F3
5F3 + F2 1 0 0 6
0 1 0 0
1F3 + F1 0 0 1 6
= 5
x 1 + x2 + x3
2x1 + x2 + x3 = 4
1 1 1 5 5F1 + F2 1 1 1 5
1 0 0 6
2 1 1 4 0 6 6 1 0 1 1 6
1F2 + F1
4 3 3 0 3F1 + F3 0 6 6 1
0 0 0 0
6F2
al Algebra
Introduccion
lineal
79
Mientras que
U = (6, 6, 0)+UH = {(6, 6, 0), (6, 5, 1), (6, 4, 2), (6, 3, 3), (6, 2, 4), (6, 1, 5), (6, 0, 6)}.
Ejercicios 2.2.1.
1. En cada caso indique si las ecuaciones dadas son o no equivalentes.
Justifique sus respuestas.
(a) x + y = 5, 2x + 2y = 10 en R2 .
(b) 2x + y + z = 3, 2cx + cy + cz = 3c, en R3 , siendo c una constante
real.
(c) 2x + y + z = 3, 4x + 2y + 2z = 1, en Z35 .
(d) 3x + y + 4z = 6, 6x + 2y + z = 4, en Z37 .
(e) 2x + y + z = 3, 4x + 2y + 2z = 1, en R3 .
(f) x + 2y + z = 1, (x + 2y + z)2 = 1, en R3 .
(g) x1 + x2 3x3 + x4 = 0, (x1 + x2 3x3 + x4 )2 = 0 en R4 .
(h) x + (2 i)y + 3iz = 4i, ix + (2i + 1)y 3z = 4 en C3 .
(i) x + y = 2, (x + y)(x y) = 2(x y) en R2 .
(j) (x2 + x + 1)(2x 3y) = 5(x2 + x + 1), en R2 .
2. Considere la ecuacion lineal en las variables reales x, y, z :
ax + 3by + 2z = 5, siendo a, b constantes reales.
Determine los valores de a y b para los cuales:
(a) (5, 0, 0) es una solucion.
(b) (5, 0, 0) y (0, 1, 1) son soluciones.
(c) (5, 0, 0) y (5 2t, 0, t), para todo t R, son soluciones .
) es una solucion.
(d) (a, 0, 2a+5
2
(e) (1, 2, 2) y (1, 3, 5) son soluciones.
(f) (1, 1, 0) y (1, 1, 2) son soluciones.
2.2. SISTEMAS LINEALES M N
Castaneda
/ Barrios
80
2x + 3y = 5
3x 4y = 1
2x + 3y = 5
(c) 3x 4y = 1
5x y = 4
2x + 3y = 5
(d) 3x 4y = 1
5x y = 0
2x + y = 5
3x 4y = 2
(e)
7x 2y = 12
10x 6y = 14
3x + y + 2z = 7
5x 4y 4z = 1
(f)
x + 2y 5z = 18
11x 2y 8z = 15
2x + y + 3z = 7
x 4y + 4z = 10
(g)
x + 2y 5z = 18
5x 2y + 10z = 2
x1 + x2 3x3 2x4 =
2
1
4
10
al Algebra
Introduccion
lineal
(i)
(j)
(k)
(l)
(m)
(n)
(o)
(p)
81
x1 x2 + 3x3 2x4
= 3
x1 + x2 x3 + 4x4
= 5
8x
+
x
+
2x
=
1
2
3
4
5
x1 + 4x2 + x3 = 3
2x1 + 4x2 + x3 = 4 en Z35 .
x1 + 4x2 + x3 = 3
2x1 + 4x2 + x3 = 4 en Z37 .
2x1 + 4x2 + x3 = 4
en Z35 .
3x
+
2x
+
4x
=
2
1
2
3
x1 + 4x2 + 3x3 = 4
2x1 + 4x2 + x3 = 4
en Z35 .
3x
+
2x
+
4x
=
0
1
2
3
x1 + 4x2 + 3x3 = 4
11
19
10
25
11
19
10
25
en R6 .
11
19
10
25
Castaneda
/ Barrios
82
al Algebra
Introduccion
lineal
83
(2.19)
2.3
Castaneda
/ Barrios
84
k vk = 1 v1 + 2 v2 + + m vm = 0V
(2.20)
k=1
al Algebra
Introduccion
lineal
85
n
umero de elementos n > 1, existe al menos un vector v S, v 6= v1 y
v1 = 0K v. Si m > 1, entonces alg
un escalar, digamos i es no nulo y podemos
escribir
m
X
k
vk ;
vi =
i
k=1,k6=i
es decir vi es combinacion lineal de elementos del conjunto
{vk |k {1, 2, . . . , m}, k 6= i} S {vi }.
En forma recproca, si existen vectores distintos v, v1 , . . . , vm S tales que
v=
m
X
k vk ,
k=1
k vk + (1K )v = 0V ,
k=1
Castaneda
/ Barrios
86
(2.21)
T 2
v1T v2T . . . vm
(2.22)
.. = 0Kn
.
m
con incognita vectorial = (1 , 2 , . . . , m ) Km . De ese modo, el conjunto
finito de m vectores v1 , v2 , . . . , vm sera linealmente dependiente si, y solo si el
sistema lineal (2.22) tiene soluciones no triviales. Si K es infinito, entonces los
vectores son l.d si, y solo si (2.22) tiene infinitas soluciones.
Ejemplo 2.3.1. Considere en R3 , los vectores v1 = (1, 1, 3), v2 = (1, 0, 2) y
v3 = (1, 2, 8). La ecuacion 2.20 es entonces:
1 v1 + 2 v2 + 3 v3 = (0, 0, 0)
que corresponde al sistema homogeneo
= 0
1 2 + 3
1 + 02 + 23 = 0
31 + 22 + 83 = 0
Es decir, en la forma dada por 2.22:
1 1 1
1
0
1
0 2 2 = 0
3
2 8
3
0
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
87
Notese que las columnas de la matriz del sistema son las transpuestas de los
vectores considerados. Resolviendo el sistema tenemos:
1 1 1 0 1F1 + F2 1 1 1 0
1 1 1 0
5F2 + F3
1
0
0 2 0
1 1 0
0
1 1 0
3
2 8 0 3F1 + F3 0
5 5 0
0
0 0 0
Es claro que este sistema tiene infinitas soluciones, pues 3 es una variable
libre y puede, por tanto, tomar cualquier valor real. As, los vectores dados
son linealmente dependientes. Notese que v3 = 2v1 + v2 lo que, de haberse
notado inicialmente, hubiese permitido afirmar de inmediato que los vectores
son l.d pues uno de ellos es combinacion lineal de los otros dos. De hecho,
cualquiera de ellos es combinacion lineal de los otros dos.
Si consideramos, ahora, los conjuntos formados por dos cualesquiera de los
tres vectores dados, entonces se tiene que cada uno de los tres conjuntos es
linealmente independiente, pues ninguno de los tres vectores es m
ultiplo escalar
de alguno de los otros dos. Por ejemplo, si consideramos v1 y v2 , y si existiera
un escalar tal que v1 = v2 se tendra el sistema inconsistente
= 1
= 0
2
,
=
3
de modo que v1 no es m
ultiplo de v2 . Tampoco lo puede ser v2 de v1 pues si
as fuera, por ser vectores no nulos, entonces v1 sera tambien m
ultiplo de v2 .
Este ejemplo muestra que el que un conjunto de mas de dos vectores sea l.d
no implica que al menos uno de los vectores es m
ultiplo de otro. Por supuesto,
el recproco es verdadero: si un vector es m
ultiplo de otro, cualquier conjunto
de vectores que los contenga, por el teorema 2.3.2, es l.d.
Ejemplo 2.3.2. Si en Z45 consideramos los vectores
v1 = (1, 1, 0, 1), v2 = (3, 1, 1, 4), v3 = (1, 0, 0, 1), v4 = (0, 3, 1, 1),
tenemos:
1. Considerando v1 , v2 , v3 , el sistema 2.22 corresponde al de matriz ampliada
1 3 1 0
1 1 0 0
0 1 0 0
1 4 1 0
Castaneda
/ Barrios
88
Resolviendolo tenemos
1 3 1 0 2F3 + F2
1
4F1 + F2
0 3 4 0 0
0 1 0 0 4F3 + F4 0
4F1 + F4
0 1 0 0 F3 F2 0
3
1
0
0
1 0
1
4F3
0 0
0
0
4 0
0 0
0
3
1
0
0
1 0
0 0
1 0
0 0
1 3 0 0
1
1 1 3 0 4F1 + F2 0
0 1 1 0 0
4F1 + F4
1 4 1 0
0
3
3
1
1
0 0 2F3 + F2
1
3 0 0
1 0 4F3 + F4 0
1 0 F3 F2 0
3
1
0
0
0 0
1 0
0 0
0 0
al Algebra
Introduccion
lineal
89
1 1
3 0
2
0
2 0
1
0
4
1
0
0
1 0
1 1
5 0
3
2
0 0
1 + 32 + 3 = 0
1 23
= 0
1 + 2
= 0
Resolvemos el sistema
1 3
1 0
1
3
1 0 1F1 + F2
1
3
1 0
31 F2
0 1
1
0 3 3 0
1 0
0 2 0
0 0 3 0
1 1
0 0 1F1 + F3
0
4
1 0 4F2 + F3
De la u
ltima ecuacion se obtiene 3 = 0 y, reemplazando en las otras ecuaciones,
obtenemos 2 = 1 = 0; de modo que la u
nica solucion es la trivial. As, los
polinomios dados son linealmente independientes.
Castaneda
/ Barrios
90
m
X
j wj ,
j=1
i vi +
m
X
(j )wj = 0K .
j=1
Ahora, si
{vi |i = 1, . . . , n} {wj |j = 1, . . . , m} =
se tendra que {vi |i = 1, 2, . . . , n} {wj |j = 1, 2, . . . , m} es un conjunto l.i,
de donde i = j = 0 para todo i, j, lo que contradice nuestro supuesto de
no nulidad de los escalares. As entonces, algunos wj estan en el conjunto
{vi |i = 1, 2, . . . , n}. Supongamos ahora que los primeros k (reordenando si
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
91
i=k+1
i=k+1
Si las dos u
ltimas sumas contienen al menos un termino, entonces se tendra
que i = j = 0IK para j = k + 1, . . . , m, i = k + 1, . . . , n, contradiciendo
nuevamente nuestra hipotesis de no nulidad de los escalares. Se sigue entonces
que k = m = n y, por la independencia lineal de los vi , se obtiene i = i para
todo i = 1, . . . , n.
Para espacios finitamente generados, puede probarse que dos bases cualesquiera son finitas y con el mismo n
umero de elementos. Antes, tenemos los
siguientes resultados.
Teorema 2.3.4. Sean V un espacio vectorial sobre K y S un conjunto de
generadores, no vaco, de V . Si existe un vector v 6= 0V , entonces existe un
vector w S tal que (S {w}) {v} genera a V .
Demostracion. Supongamos que se dan las hipotesis del teorema. Si existe
v 6= 0V en V , entonces S no consta solamente del vector cero (por que?) y,
por lo tanto, existen vectores distintos w1 , w2 , . . . , wm S, m 1, tales que
v=
m
X
k wk ,
k=1
t
X
k uk + w
k=1
Castaneda
/ Barrios
92
k
u=
k uk +
v+
wk .
i
i
k=1
k=1,k6=i
lo que muestra que u es combinacion lineal de elementos de (S {w}) {v}.
Es decir, este u
ltimo conjunto genera a V .
Hablando informalmente, el teorema anterior establece que podemos reemplazar un vector del conjunto de generadores S por el vector no nulo v y el
conjunto resultante sigue siendo un conjunto generador del espacio vectorial.
Por supuesto, el vector a remplazar depende del vector v; es decir, no puede ser
elegido arbitrariamente. Este resultado, como lo muestra el teorema siguiente,
puede extenderse para cualquier conjunto finito y no vaco linealmente independiente.
Teorema 2.3.5. Sea V un espacio vectorial sobre K. Supongamos que S es un
conjunto de generadores de V y que existen un n
umero natural n y un conjunto
M = {v1 , v2 , . . . , vn } l.i en V . Entonces existen vectores w1 , . . . , wn S tales
que
(S {wi |i {1, 2, . . . , n}}) M
es un conjunto de generadores de V .
Demostracion. Procedamos por induccion sobre n 1.
1. Si n = 1, el resultado es consecuencia del teorema anterior.
2. Supongamos el teorema valido para un n
umero natural n.
Si M = {v1 , v2 , . . . , vn , vn+1 } es l.i en V , entonces {v1 , v2 , . . . , vn } es
un conjunto l.i con n elementos y, por hipotesis de induccion, existen
w1 , . . . , wn S tales que
(S {wi |i {1, 2, . . . , n}}) (M {vn+1 })
genera a V . Por lo tanto, en particular, vn+1 es combinacion lineal de
elementos de ese conjunto de generadores, digamos
vn+1 =
n
X
k=1
k vk +
s
X
k u k ,
k=1
al Algebra
Introduccion
lineal
93
Castaneda
/ Barrios
94
i ui + vn+1 = 0V .
i=1
al Algebra
Introduccion
lineal
95
ni
X
ij vij .
j=1
m
[
Vi M,
i=1
m
P
ni .
i=1
Por el teorema anterior se concluye que N , y por tanto M , contiene una base
para V .
2
Castaneda
/ Barrios
96
1 1 0 1 a
1
1 1 1 b
0
1 3 1 c
Realizando las operaciones elementales, en su orden,
1F2 + F1 , F 2 F1 , F2 F3 , 1F2 + F1 , 2F3 + F1 , 3F3 + F2
obtenemos la forma escalonada
1 0
0 1
0 0
reducida (verifquelo)
0
4 2a + 3b c
0 5 3a 3b + c
1
2
a+b
=
=
=
=
t
a + b 2t
3a 3b + c + 5t
2a + 3b c 4t
al Algebra
Introduccion
lineal
97
de modo que los tres primeros vectores generan a R3 . Que la combinacion lineal
es u
nica es consecuencia de que la matriz ampliada del sistema resultante al no
considerar el u
ltimo vector, es la misma del sistema inicialmente considerado,
eliminando la cuarta columna, y que las operaciones elementales a realizar en el
nuevo sistema son las mismas de antes y no alteran la columna de los terminos
independientes. As, el nuevo sistema tiene solucion u
nica y, en particular, para
(a, b, c) = (0, 0, 0) la u
nica solucion es la trivial. Es decir, los tres primeros
vectores son l.i y, por lo tanto, forman una base para R3 .
Si tomamos (a, b, c) = (1, 1, 1), el u
ltimo vector, entonces dicho vector se
escribe como
(1, 1, 1) = (2 + 3 1)(1, 1, 0) + (3 3 + 1)(1, 1, 1) + (1 + 1)(0, 1, 3)
= 4(1, 1, 0) + (5)(1, 1, 1) + 2(0, 1, 3)
Puesto que los escalares en la combinacion lineal anterior son todos diferentes
de cero, cualquiera de los tres vectores de la base hallada
B1 = {(1, 1, 0), (1, 1, 1), (0, 1, 3)}
puede ser reemplazado por (1, 1, 1) y el conjunto resultante sigue generando
al espacio. Puesto que todo conjunto de generadores contiene una base, este
u
ltimo conjunto contendra una; pero como dos bases distintas tienen el mismo
n
umero de elementos, se concluye que tal conjunto es tambien una base. As,
tenemos entonces tres bases mas
B2 = {(1, 1, 1), (1, 1, 1), (0, 1, 3)}
B3 = {(1, 1, 1), (1, 1, 0), (0, 1, 3)}
B4 = {(1, 1, 1), (1, 1, 0), (1, 1, 1)}
Es decir, al menos en este caso, tres cualesquiera de los cuatro vectores dados
forman una base. Sin embargo, esto no es siempre as. Si, por ejemplo,
considera el conjunto {(1, 1, 1), (1, 1, 1), (0, 1, 3), (1, 2, 4)}, entonces el subconjunto de tres elementos
{(1, 1, 1), (0, 1, 3), (1, 2, 4)}
no es una base pues es linealmente dependiente, ya que
(1, 2, 4) = (1, 1, 1) + (0, 1, 3).
Castaneda
/ Barrios
98
(2.23)
(2.24)
(2.25)
(2.26)
(2.27)
Demostracion. Para demostrar el teorema verifique que cada uno de los conjuntos dados a continuacion, es una base del espacio vectorial indicado.
1. Para Kn , el conjunto
B1 = {ei |1 {1, 2, . . . , n}},
donde
ei = (0K , 0K , . . . , 0K , 1K , 0K , . . . , 0K ),
i
2. Para Pn (K),
B2 = {1K } {xk |k Jn } = {1K , x, x2 , . . . , xn }.
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
99
1K ,
0K ,
si i = k, j = l ;
en otro caso.
Las bases mostradas anteriormente son las bases usuales o base est
andares
de los espacios vectoriales considerados. Por ejemplo, para el espacio de
matrices R23 la base estandar es
{A11 , A12 , A1,3 , A2,1 , A2,2 , A2,3 },
donde
A11
A21
1 0 0
0 1
=
, A12 =
0 0 0
0 0
0 0 0
0 0
=
, A22 =
1 0 0
0 1
0
0 0
, A13 =
0
0 0
0
0 0
, A23 =
0
0 0
1
,
0
0
1
Castaneda
/ Barrios
100
k uk + m+1 v = 0V
k=1
al Algebra
Introduccion
lineal
101
Castaneda
/ Barrios
102
n
X
i vi = 0.
i=1
n
X
i vi .
i=1
al Algebra
Introduccion
lineal
103
w=
m
X
j wj + m+1 v,
j=1
w=
m
X
j=1
j w j +
n
X
i m+1 vi
i=1
3. Supongamos ahora que B es una base de V . Entonces para todo superconjunto propio B 0 de B, existe v B 0 B tal que v es combinacion lineal
de elementos de B. Por lo tanto el conjunto B {v} es un subconjunto
l.d de B 0 , con lo cual B 0 es l.d. Se tiene as que B es un conjunto l.i
maximal.
Castaneda
/ Barrios
104
M1
M2
M3
M4
M5
M6
M7
M8
M9
M10
M11
M12
M13
M14
ZZ22
=
=
=
=
=
=
=
=
=
=
=
=
=
=
{(0, 0)}
{(0, 1)}
{(1, 0)}
{(1, 1)}
{(0, 1), (1, 0)}
{(0, 1), (1, 1)}
{(1, 0), (1, 1)}
{((0, 0), (0, 1)}
{(0, 0), (1, 0)}
{(0, 0), (1, 1)}
{(0, 0), (0, 1), (1, 0)}
{(0, 0), (0, 1), (1, 1)}
{(0, 0), (1, 0), (1, 1)}
{(0, 1), (1, 0), (1, 1)}
al Algebra
Introduccion
lineal
105
'
ZZ22
generadores
Y
H
H
k
6
Q
]
JQ
HH
J Q
H
J QQ HH
J
Q H
En el diagrama, cada flecha indica que el conjunto de donde parte la misma esta
contenido en aquel hacia donde apunta. Dado que la inclusion es una relacion
transitiva, se tiene que, por ejemplo, el conjunto M2 , que esta contenido en M5 ,
esta tambien contenido o incluido en M11 , ya que este es un superconjunto de
M5 . Notese que hay siete conjuntos l.i (en la familia LI(V )), pero que solo tres
de ellos son maximales: M5 , M6 y M7 . Por su parte, la familia de generadores
de V = Z22 esta integrada por ocho conjuntos, pero solo tres son minimales,
justamente los mismos maximales l.i. As, la interseccion de las dos familias,
generadores y conjuntos linealmente independientes, es la familia de las bases
del espacio vectorial. Por supuesto, la dimension es 2, el n
umero de elementos
de cada base del espacio.
Ejercicios 2.3.1.
1. En cada caso indique si, en el espacio indicado, el subconjunto dado es
l.i o l.d.
(a) En R2 :
i. {(1, 2), (3, 6)}.
ii. {(1, 2), (3, 5).
Castaneda
/ Barrios
106
2
1 1
0 1
,
,
.
3
0
2
2 5
2
1 1
0 1
3 3
,
,
,
.
3
0
2
2 5
0 8
(f) En RR :
i. {f, g}. Con f (x) = 1, f2 (x) = 1 + x2 , para todo x R.
ii. {f, g, h}. Con f (x) = 1, g(x) = Sen2 (x), h(x) = Cos2 (x), para
todo x R.
2. Con relacion al ejercicio anterior, indique si el subconjunto dado genera
o no al espacio correspondiente y, en caso de hacerlo, si es o no una base
de dicho espacio.
3. En cada caso determine una base (contenida en el conjunto de generadores
indicado) del subespacio dado. Halle la dimension del mismo.
(a) h(1, 2, 3), (0, 1, 2), (2, 5, 8)i R3 .
(b) h1, 1 + x, 3 + 2x, x3 i P3 (R).
1 2 3
2 4 0
2 4 6
3 6 3
(c)
,
,
,
R23 .
0 1 2
0 0 1
0 2 4
0 1 3
(d) {(t + r, 2t + s + 3r, 3t + 2s)|t, s, r Z5 } Z35 .
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
107
2x + 3y = 0
(c) 3x 4y = 0
5x y = 0
2x + 3y = 0
(d) 3x 4y = 0
5x y = 0
2x + y = 0
3x 4y = 0
(e)
7x 2y = 0
10x 6y = 0
3x + y + 2z = 0
5x 4y 4z = 0
(f)
x + 2y 5z = 0
11x 2y 8z = 0
x1 + x2 3x3 2x4 =
x1 x2 + 3x3 2x4
=
x1 + x2 x3 + 4x4
=
0
0
0
0
0
0
0
0
0
Castaneda
/ Barrios
108
(i)
(j)
(k)
(l)
(m)
(n)
8x
+
x
+
2x
=
1
2
3
4
5
8x
+
x
+
2x
=
2
3
4
5
x1 + 4x2 + x3 = 0
2x1 + 4x2 + x3 = 0 en Z35 .
x1 + 4x2 + x3 = 0
2x1 + 4x2 + x3 = 0 en Z37 .
2x1 + 4x2 + x3 = 0
en Z35 .
3x
+
2x
+
4x
=
0
1
2
3
x1 + 4x2 + 3x3 = 0
0
0
0
0
0
0
0
0
en R6 .
0
0
0
0
al Algebra
Introduccion
lineal
109
Castaneda
/ Barrios
110
al Algebra
Introduccion
lineal
2.4
111
1K , si (i = k j = l) (i = l j = k) ;
0K , si (i = k j 6= l) (i = l j 6= k);
Ek,l (i, j) =
(2.29)
3 0 0
E1(3) = 0 1 0
0 0 1
1 0 0
E2,3 = 0 0 1
0 1 0
1
0 0
1 0
E2(2),3 = 0
0 2 1
La matriz en 2.29, intercambio de filas, puede obtenerse (ejercicio) de la matriz
identidad utilizando las otras dos operaciones elementales de renglon, por
lo que, en sentido estricto, no es una matriz elemental; sin embargo, por
comodidad, la incluiremos en el conjunto de las mismas. De igual manera,
podra restringirse la forma 2.30 a = 1, de modo que cualquier operacion
2.4. MATRICES ELEMENTALES. RANGO Y NULIDAD DE UNA MATRIZ.
Castaneda
/ Barrios
112
=
=
=
=
=
=
=
(In )k = ek
ei , si i 6= k
el
ek
ei , si i 6= k, i 6= l
ek + el
ei si i 6= l
al Algebra
Introduccion
lineal
113
(2.31)
(2.32)
(2.33)
Castaneda
/ Barrios
114
al Algebra
Introduccion
lineal
115
(2.34)
(2.35)
(2.36)
(2.37)
xi A(i) = b
i=1
Castaneda
/ Barrios
116
n
X
i A(i)
i=1
lo que demuestra que las columnas de A generan a Kn1 y por ser n vectores
forman entonces una base para dicho espacio. Ahora, si A es no singular, lo
es tambien AT y, aplicando lo que se acaba de demostrar, se sigue que las
columnas de AT forman una base de Kn1 . As, para todo b Kn se tiene que
existen escalares u
nicos 1 , . . . , n tales que
n
X
i AT
(i)
= bT
i=1
i Ai = b.
i=1
al Algebra
Introduccion
lineal
117
Definici
on 2.4.2. Sea A Kmn , entonces:
r(A) = dimK hA(1) , A(2) , . . . , A(n) i
n(A) = dimK X Kn |AX T = 0Kn1
= dimK (N (A))
(2.38)
(2.39)
( n
X
)
xi A(i) |xi K
i=1
Si consideramos el n
ucleo de A, N (A), por ser un subespacio de Kn , tiene
dimension menor o igual a n. Sea k tal dimension y supongamos que
B1 = {v1 , v2 , . . . , vk }
es una base de N (A). Si k = n, entonces N (A) = Kn y para todo v Kn , se
tiene que
S = {Av T |v Kn } = {0Km1 }
por lo que dimK (S) = 0 = n dimK (N (A)). Si k < n, entonces B1 esta
contenida en una base
B = {v1 , . . . , vk , vk+1 , . . . , vn },
de Kn . Sea B2 = BB1 = {vk+1 , . . . , vn }. Mostremos que B3 = {AviT |vi B2 }
es una base de S. Supongamos entonces w S, de modo que existe v Kn
con w = Av T . Como B es base de Kn , existen escalares u
nicos i tales que
v=
n
X
i v i ,
i=1
Castaneda
/ Barrios
118
por lo que
n
X
Av T = A
i=1
n
X
= A
!T
i vi
!
i viT
i=1
=
=
n
X
i (AviT )
i=1
n
X
i (AviT )
i=k+1
entonces
n
P
i=k+1
i=k+1
n
X
i vi =
k
X
i vi ,
i=1
i=k+1
pero entonces
k
X
i vi +
i=1
n
X
(i )vi = 0Kn
i=k+1
(2.40)
al Algebra
Introduccion
lineal
119
(2.41)
Demostracion.
1. Claramente 0Kn S 0 y para v, w S 0 , K se tiene
que si y S, entonces
(v + w) y = (v y) + (w y) = 0K .
As S 0 Kn .
2. Supongamos S Kn . Si S = {0Kn } o si S = Kn el resultado pedido es
trivial. Supongamos entonces que S es un subespacio propio no trivial
de Kn , de modo que existe una base
B1 = {v1 , . . . , vk },
de S con k < n. Podemos extender dicha base hasta una base
B = {v1 , . . . , vk , vk+1 , . . . , vn },
de Kn . De esa forma la matriz
V = v1T v2T . . .
4
vnT ,
Castaneda
/ Barrios
120
(2.42)
Ahora, si x S, entonces xT =
i viT =
k
P
i=1
i=1
i = 1, . . . , k. Tenemos entonces
k
X
uj xT = Vj1
!
i V (i)
i=1
k
X
!
i Vj1 V (i)
i=1
= 0K
de donde uj S 0 , para todo j k + 1. Por otra parte , dado que V 1
es tambien una matriz n n, no singular, entonces sus filas forman una
base de Kn . As, si x S o Kn , entonces existen escalares i tales que
x=
n
X
i Vi1
i=1
i=1
n
X
i Vi1 V j
i=1
= j
De modo que x =
n
P
i=k+1
S 0 = huj |j {k + 1, . . . , n}i.
al Algebra
Introduccion
lineal
121
x(AT y T ) =
(xAT )y T =
(AxT )T y T =
y(AxT ) =
y R(A)0
0K
0K
0K
0K
y(AxT ) =
(yA)xT =
x(AT y T ) =
At y T =
y N (AT )
0K
0K
0K
0Kn1
Tenemos as que
(R(A))0 = N (AT )
Se tiene entonces que para una matriz A K
T
mn
(2.43)
:
m = n(A ) + r(A )
= r(A) + dimK (R(A)0 )
= r(A) + n(AT ),
de donde se sigue que:
2.4. MATRICES ELEMENTALES. RANGO Y NULIDAD DE UNA MATRIZ.
Castaneda
/ Barrios
122
(2.44)
As:
El subespacio, de Km1 , generado por las columnas de A tiene la
misma dimensi
on del subespacio, de Kn , generado por las filas de A.
Tenemos tambien los siguientes resultados sobre sistemas lineales.
Teorema 2.4.7. Sean A una matriz m n sobre el campo K y b Km1 .
Consideremos el sistema lineal AX T = b. Entonces:
1. El sistema es consistente si, y solo si r(A) = r(A|b).
2. Si el sistema tiene solucion u
nica, entonces m n. Es decir, el n
umero
de ecuaciones es al menos igual al n
umero de incognitas.
3. Si m < n, el sistema es inconsistente o tiene mas de una solucion. En
particular, el sistema homogeneo asociado tendra soluciones no triviales
si m < n.
4. Si r(A) = n, el sistema tiene a lo mas una solucion.
5. Si m = n, entonces el sistema tiene solucion u
nica si, y solo si A es no
singular.
Demostracion.
por lo que
n
X
i A(i) ,
i=1
al Algebra
Introduccion
lineal
123
1K 0K 0K . . . 0K u1
0K 1K 0K . . . 0K u2
0K 0K 1K . . . 0K u3
.
..
..
.. ..
.
.
.
. .
.
0K 0K 0K . . . 1K un
0K 0K 0K . . . 0K 0K
.
..
..
.. ..
..
.
.
. .
0 0 0 ... 0 0
K
i A(i) = b,
i=1
C
alculo de inversas
El teorema 2.4.3, pagina 114, establecio condiciones suficientes y necesarias
para la no singularidad de una matriz. Sin embargo, no hemos desarrollado una
tecnica de calculo de inversas. Si A Knn , se ha demostrado que la existencia
2.4. MATRICES ELEMENTALES. RANGO Y NULIDAD DE UNA MATRIZ.
Castaneda
/ Barrios
124
(1)
X = ..
X (2) . . .
..
.. = X
.
.
.
xn1 xn2 . . . xnp
(2.45)
X (p) .
al Algebra
Introduccion
lineal
125
Para cada uno de esos sistemas la matriz del sistema es la matriz A y la matriz
ampliada es
A | B (j) .
Si se aplican tecnicas de eliminacion gaussiana a cada uno de los p sistemas,
las operaciones o transformaciones elementales necesarias, en cada caso, son
las mismas. Podemos entonces resolver simultaneamente tales sistemas. As
2.45 tendra soluciones si, y solo si las tienen los p sistemas lineales descritos.
Ejemplo 2.4.1. Consideremos, por ejemplo, las matrices
1
2 3
1 2
3
5
4 , B = 2 3 1 .
A= 2
2 3
5
4 7
5
La ecuacion AX = I3 corresponde a los tres sistemas con matrices ampliadas
1
2 3 1
2
5
4 0 , en x11 , x21 , x31
2 3
5 0
1
2 3 0
2
5
4 1 , en x12 , x22 , x32 .
2 3
5 0
1
2 3 0
2
5
4 0 , en x13 , x23 , x33
2 3
5 1
Los cuales resolvemos simultaneamente:
1
2 3 1|0|0
2F1 + F2
2
5
4 0|1|0
2 3
5 0|0|1
2F1 + F3
2F2 + F1
1F2 + F3
1
F3
11
10F3 + F2
23F3 + F1
1
0
0
1
0
0
1
0
0
1
0
0
2 3 1 | 0 | 0
1 10 2 | 1 | 0
1 1 2 | 0 | 1
0 23 5 |2 | 0
1 10 2 | 1 | 0
0 11 4 |1 | 1
0 23 5 |2| 0
1 10 2 | 1 | 0
4
1
1
| 11
| 11
0 1 11
37
1
23
0 0 11 | 11
| 11
1
1 0 18
| 11
| 10
11
11
4
1
1
0 1 11 | 11 | 11
Castaneda
/ Barrios
126
37 1
11 11 23
11
37 1 23
1
18
1
10
18 1
10
A1 =
=
11
11 11
11
4 1 1
4
1
1
11 11 11
Es B no singular?
Ejemplo 2.4.2. Considere, por ejemplo, las matrices sobre el campo real
1 2 3
1 3
A=
,B =
.
2 3 4
0 5
y la ecuacion matricial AX = B siendo,
x11
X = x21
x31
en este caso,
x12
x22 .
x32
2F2 + F1
1 2 3 1|3 2F1 + F2 1
2
3 1 | 3
1 0 1 3|1
2 3 4 0|5
0 1 2 2|1
0 1
2 2 |1
1F2
3 + t 1 + s
X = 2 2t 1 2s .
t
s
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
127
Ejercicios 2.4.1.
1. En cada caso, para la matriz A dada encuentre su forma escalonada
reducida y escriba la misma como un producto de matrices elementales
por la matriz A.
1 2
(a) A =
en R22 .
3 4
1 2
(b) A =
en R22 .
2 4
1 2 3
(c) A =
en R23 .
0 2 4
1
2i i
(d) A =
en C23 .
2 + i 4 3i
1 2 3
(e) A =
en Z23
5 .
1 2 3
2. En cada determine si las matrices A y B dadas son equivalentes por
renglones. En caso afirmativo, exprese una de ellas como producto de
matrices elementales por la otra.
1 2 3
1 0 3
(a) A = 0 1 3 , B = 2 1 3 .
0 2 6
4 0 12
1 2 3
3 1 6
(b) A = 0 1 3 , B = 2 1 3 .
0 2 6
4 0 12
1 2 3
1 0 3
(c) A = 0 1 3 , B = 2 1 3 .
0 2 6
4 0 12
2.4. MATRICES ELEMENTALES. RANGO Y NULIDAD DE UNA MATRIZ.
Castaneda
/ Barrios
128
1 2 3
2 7 16
(d) A = 0 1 3 , B = 1 1 5 .
0 4 6
2 1 14
3. En cada caso indique si el conjunto de n vectores dados es una base de
Rn , para el valor de n correspondiente:
(a) {(1, 5), (3, 2)}.
(b) {(1, 2), (2, 4)}.
(c) {(1, 1, 0), (0, 1, 2), (0, 0, 3)}.
(d) {(1, 1, 1, 3), (1, 1, 1, 0), (0, 0, 1, 1), (2, 0, 2, 3)}.
4. En cada caso
1
(a) A =
1
(b) A = 0
0
1
0
(c) A =
1
0
(d) A = 0
0
2 3
1 3, en R33 .
2 6
1 3 1
1 2 3
, en R44 .
1 4 5
1 1 1
2 3
1 3 , en Z33
5 .
2 1
5. Para las matrices invertibles del ejemplo anterior expreselas como productos
de matrices elementales.
a11 a22
6. Considere la matriz A =
sobre el campo K. Sea
a21 a22
a11 a12
det(A) = a11 a22 a12 a21 =
a21 a22
(a) Demuestre que A es invertible si, y solo si, det(A) 6= 0K y que en
tal caso
1
a22 a12
1
.
A =
det(A) a21 a11
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
129
1 2 3
2 4
7. Sean A = 0 1 3 , B = 5 2. Resuelva las ecuaciones:
0 2 6
1 3
(a) AX = B.
(b) BX = A.
(c) XA = B T
8. Sean A Kmn y B Kmm , C Knn matrices no singulares sobre K.
Demuestre:
(a) Para todo b Km1 , los sistemas AX T = b y (BA)X T = Bb son
equivalentes.
(b) n(A) = n(BA) y r(A) = r(BA) = r(AC).
(c) Si D Kmn es equivalente por filas a la matriz A, entonces r(D) =
r(A).
(d) Si R es una matriz escalonada reducida equivalente por renglones
a la matriz A, entonces las filas no nulas de R forman una base del
subespacio generado por las filas de A.
9. En cada caso determine el rango y la nulidad de la matriz A dada.
Halle tambien una base para N (A) y para el subespacio generado por
las columnas de A.
2.4. MATRICES ELEMENTALES. RANGO Y NULIDAD DE UNA MATRIZ.
Castaneda
/ Barrios
130
(a)
(b)
(c)
(d)
2.5
A= 0
0
A= 0
2
A= 0
0
1
A=
1
1 1
1 3 R33 .
2 5
2 1
1 3 R33 .
5 5
i 2i
1 i C33 .
i i
1 1
Z23
5 .
1 3
al Algebra
Introduccion
lineal
131
tales que
m
X
i vi = 0V
i=1
i (vi vj ) = 0
i=1
=
=
=
j (vj vj ) = 0
j kvj k2 = 0
j = 0
Por supuesto, para el caso considerado, todo conjunto ortogonal con vectores
no nulos es necesariamente finito y puede normalizarse para construir una
base ortonormal del subespacio generado por dicho conjunto. Demostremos
que todo conjunto linealmente independiente puede utilizarse para obtener
una base ortogonal y, por lo dicho antes, obtener una base ortonormal del
subespacio generado por tal conjunto. El procedimiento a establecer es conocido como el proceso de ortogonalizaci
on de Gram-Schmidt.
Teorema 2.5.1. Sean v1 , . . . , vm vectores l.i en Rn . Entonces existe una base
ortogonal B = {w1 , w2 , . . . , wm } para el subespacio hv1 , v2 , . . . , vm i.
Demostracion. Definimos w1 = v1 .
Supongamos definidos vectores w1 , w2 , . . . , wk , con 1 k < m, tales que para
i 6= j se tiene wi wj = 0. Definamos entonces
wk+1 = vk+1
k
X
vk+1 wj
j=1
wj wj
wj
(2.48)
Castaneda
/ Barrios
132
m
X
v =
(v vi )vi
(2.49)
i=1
v
u n
uX
|v vi |2
kvk = t
(2.50)
i=1
vi =
1
wi ,
kwi k
v vj =
=
m
X
!
i vi
vj
i=1
m
X
i (vi vj )
i=1
= j
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
133
De igual manera
vv
v
!
u m
u X
= t
(v vi )vi
kvk =
i=1
m
X
!
(v vj )vj
j=1
v
u m
uX
(v vi )vi
= t
i=1
m
X
!!
(v vj )vj
j=1
v
!
u m
m
uX X
(v vi )(v vj )(vi vj )
= t
i=1
j=1
v
u m
uX
= t (v vi )(v vi )
i=1
v
u m
uX
= t (v vi )2
i=1
4
(1, 3) (1, 1)
(1, 1) = (1, 3) (1, 1) = (1, 1).
(1, 1) (1, 1)
2
Obtenemos la base ortogonal {(1, 1), (1, 1)}. Por lo tanto obtenemos la
base ortonormal
1
1
B = (1, 1), (1, 1) .
2
2
3. R3 tiene como una base a B0 = {(1, 0, 0), (1, 2, 0), (1, 1, 2)} ya que la
matriz que tiene como columnas a los vectores transpuestos de los vectores
dados es no singular (por que?). Utilizando el proceso de Gram-Schmidt,
sean
v1 = (1, 0, 0), v2 = (1, 2, 0), v3 = (1, 1, 2).
2.5. BASES ORTONORMALES Y PROYECCIONES ORTOGONALES
Castaneda
/ Barrios
134
Tenemos entonces
w1 = v1
= (1, 0, 0)
(1, 2, 0) (1, 0, 0)
w2 = v2
(1, 0, 0)
(1, 0, 0) (1, 0, 0)
= (1, 2, 0) (1, 0, 0)
= (0, 2, 0)
(1, 1, 2) (1, 0, 0)
(1, 1, 2) (0, 2, 0)
w3 = v3
(1, 0, 0)
(0, 2, 0)
(1, 0, 0) (1, 0, 0)
(0, 2, 0) (0, 2, 0)
2
= (1, 1, 2) (1, 0, 0) (0, 2, 0)
4
= (0, 0, 2)
Obtenemos as la base ortogonal {(1, 0, 0), (0, 2, 0), (0, 0, 2)}. La base
ortonormal correspondiente es la base canonica
B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
4. Para la base {(1, 1, 1), (2, 3, 1), (1, 1, 0)} obtenemos la base ortonormal
(verifquelo):
1
1
1
B = {v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (2, 1, 1)}
3
2
6
Para v = ( 3, 6, 6), si
v = 1 v1 + 2 v2 + 3 v3
los escalares i son
1 =
=
2 =
=
3 =
=
v v1
1
v v2
2 3
v v3
al Algebra
Introduccion
lineal
135
(2.51)
es denominado proyecci
on ortogonal de v sobre W . Como en la demostracion
del proceso de ortogonalizacion de Gram-Schmidt, se sigue que
v P royW v W .
As, dado un subespacio W Rn , todo vector v Rn se puede escribir como
una suma de dos vectores u, w tales que w = proyW v W y u = v w W .
Esta escritura es u
nica, como mostraremos enseguida.
Supongamos que existe un vector w W W , entonces w w = 0, de donde
se sigue que w = 0Rn y por lo tanto
W W = {0Rn }.
Por lo tanto, si existen vectores w1 , w2 W, u1 , u2 W tales que
u1 + w1 = u2 + w2 ,
se tendran:
u1 u2 W W
w1 w2 W W
de donde u1 = u2 , w1 = w2 . Decimos que Rn es la suma directa de W y su
complemento ortogonal W y escribiremos
Rn = W W .
Mas en general, si V es un espacio vectorial sobre el campo K, y si U, W son
subespacios de V , el conjunto
U + W = {u + w|u U, w W }
2.5. BASES ORTONORMALES Y PROYECCIONES ORTOGONALES
(2.52)
Castaneda
/ Barrios
136
Ejercicios 2.5.1.
1. En cada caso encuentre una base ortonormal para el subespacio, S, de
Rn dado.
(a) S = {(t, 2t, 3t)|t R}.
(b) S = {(t + s, 2t s, 3t)|t, s R}.
(c) S = {(2t, s 2t, 3t + s, s)|t R}.
2. Determine, en cada caso, P royW v, para el vector v y el subespacio W ,
dados.
(a) v = (1, 2), W = h(3, 5)i.
(b) v = (1, 1, 3), W = {t(1, 2, 3) + s(1, 0, 1)|t, s R}.
(c) v = (0, 1, 5, 1), W = {(t, t + s, t, s)|t, s R}.
3. En cada caso, dado el subespacio U , escriba R3 como suma directa de U
y W , para alg
un subespacio W . Indique si tal subespacio es u
nico.
(a) U = {(0, 0, 0)}.
(b) U = {(t, 2t, 3t)|t R}.
(c) U = {(t + s, 2s t, t s)|t, s R}.
CAPITULO 2. SISTEMAS LINEALES
al Algebra
Introduccion
lineal
137
=
=
=
=
Castaneda
/ Barrios
138
Captulo
.....3
Vectores en R2 y R3.
3.1
Introducci
on
Castaneda
/ Barrios
140
E1 , E2 y E3 , respectivamente. Cada elemento del espacio euclidiano ndimensional, En , es denominado un punto del mismo. Nuestro interes inicial esta en
describir cada punto de dicho espacio mediante un elemento del correspondiente
espacio Rn ; es decir un vector o una nada de n
umeros reales, de modo que
se establezca una correspondencia biunvoca (funcion biyectiva) entre En y
Rn . Tal correspondencia se lograra mediante la introduccion de un sistema
de coordenadas, como se explica seguidamente. Cada punto del espacio
euclidiano quedara determinado por una nada, cuyas componentes seran
denominadas las coordenadas del punto en el sistema coordenado escogido.
Desde un punto de vista geometrico, se trata de asignar a cada punto de En
una nada de n
umeros reales, tal que cada componente de dicha nada es una
distancia dirigida del punto considerado a lo que denominaremos un conjunto
u objeto referencial. Se tomaran n de tales objetos referenciales, denotados
O1 , . . . , On En . Cada objeto referencial divide al espacio euclidiano en
dos partes disyuntas, a cada una de las cuales se les asignara, en principio
arbitrariamente, una direccion distintiva (positiva o negativa). La coordenada
de un punto cualquiera P En , con relacion a Oi , i {1, . . . , n}, sera entonces
la distancia (un n
umero real no negativo), di , de P a Oi , precedida de + o
, dependiendo de sobre cual de las dos partes determinadas por Oi en En se
encuentra P . Si P esta en Oi , entonces di = 0. Precisamos lo anterior en los
casos particulares n = 1, 2, 3.
1. En la recta euclidiana, E1 :
al Algebra
Introduccion
lineal
141
3.1. INTRODUCCION
Castaneda
/ Barrios
142
al Algebra
Introduccion
lineal
143
En el sistema rectangular tridimensional, denotaremos los tres ejes coordenados por X, Y y Z. Cada plano coordenado esta determinado por dos de tales
ejes, por lo que lo denotaremos con las letras correspondientes a tales ejes:
plano XY , plano Y Z y plano XZ. Las coordenadas de un punto P E3 se
escribiran ordenadamente para formar la terna ordenada (x, y, z), donde:
x : Coordenada con relacion al plano YZ
y : Coordenada con relacion al plano XZ
z : Coordenada con relacion al plano XY
3.1. INTRODUCCION
Castaneda
/ Barrios
144
Cada plano coordenado define, como hemos visto, dos direcciones en el espacio.
El plano Y Z, por ejemplo, define lo que podramos denominar las direcciones
adelante-atras (de dicho plano). As, para referirnos a un punto cuya coordenada, x, con relacion a tal plano es positiva, diremos que esta situado x
unidades por delante del plano Y Z. Si la coordenada es negativa diremos que
el punto esta detras del plano de referencia. Si x = 0, entonces el punto esta
justo sobre el plano. De manera similar, los planos XZ y XY los utilizamos
para definir las direcciones derecha-izquierda y arriba-abajo (con relacion
a tales planos), respectivamente. Utilizaremos un sistema de mano derecha
2
.
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
145
3.1. INTRODUCCION
Castaneda
/ Barrios
146
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
147
Figura 3.10: y = x2 en E2 .
3.1. INTRODUCCION
Castaneda
/ Barrios
148
Ejercicios 3.1.1.
1. En cada caso describa geometricamente, es decir como subconjunto de
En (haga una grafica) el subconjunto S Rn dado. Suponga que se
ha establecido un sistema rectangular de coordenadas sobre el espacio
eucldeo correspondiente.
(a) S = {(x, y)|x = 0} R2 .
(b) S = {(x, y)|x > 1} R2 .
(c) S = {(x, y)|x > 1, 3 < y y} R2 .
(d) S = {(x, y)||x| > 1} R2 .
(e) S = {(x, y)||x + y| = 1} R2 .
(f) S = {(x, y)|x + y 1} R2 .
(g) S = {(x, y)|2 x + y < 3} R2 .
(h) S = {(x, y)|x + y 2 2x + 3y 5} R2 .
(i) S = {(x, y, z)|x = 0} R3 .
(j) S = {(x, y, 0)|x + y = 0} R3 .
(k) S = {(x, 0, z)|x = z} R3 .
(l) S = {(x, y, z)|z = y 2 } R3 .
(m) S = {(x, y, z)|x = 0, y 2 + z 2 = 1} R3 .
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
149
3.2
Castaneda
/ Barrios
150
segmento dirigido en el espacio euclidiano En . Suponemos que ya se ha introducido un sistema coordenado en el espacio euclidiano correspondiente e identificaremos, abusando de la escritura, un punto del espacio euclidiano con la
nada, un elemento del espacio vectorial Rn , cuyas componentes son sus
coordenadas con relacion al sistema coordenado introducido.
Definici
on 3.2.1. Sean P, Q En , entonces el par ordenado (P, Q) se denomina
un segmento dirigido en En .
al Algebra
Introduccion
lineal
151
Castaneda
/ Barrios
152
(3.2)
P Q = Q P.
4
Si Q0 = P , tomamos = 0 y =
o= .
2
2
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
153
Castaneda
/ Barrios
154
al Algebra
Introduccion
lineal
155
(3.3)
(3.4)
(3.5)
(3.6)
(3.7)
Castaneda
/ Barrios
156
(3.8)
(3.9)
(3.10)
(3.11)
(3.12)
1
v = (cos(), cos()) = (cos(), sen()).
kvk
y
x
(3.13)
Si x = 0, se tiene
=
=
0,
si y > 0;
si y < 0.
al Algebra
Introduccion
lineal
157
Castaneda
/ Barrios
158
Demostracion.
1. Supongamos v k w. Se tiene que
w = kwkUw
= kwkUv
kwk
(kvkUv )
=
kvk
kwk
=
v
kvk
2. Si w = v, con no nulo, y es el angulo entre v y w, entonces:
cos() =
=
=
=
=
Es decir
=
vw
kvkkwk
v (v)
kvkkvk
vv
||
kvkkvk
||
1,
si > 0;
1, si < 0.
0,
,
si > 0;
si < 0.
al Algebra
Introduccion
lineal
159
Adici
on y multiplicaci
on por escalares con segmentos dirigidos
Dado que cada vector en Rn , n = 2, 3, se ha interpretado como un desplazamiento en el espacio geometrico En y que un desplazamiento puede ser representado por un elemento de una familia de segmentos dirigidos equivalentes,
3.2. SEGMENTOS DIRIGIDOS EN EN .
Castaneda
/ Barrios
160
T P +P Q
T P (Q P )
v+wv
w
S P,
de donde se sigue que (Q, T ) (P, S). De modo similar se obtiene que (P, Q)
(S, T ). Cual es el significado geometrico de este resultado?
al Algebra
Introduccion
lineal
161
Castaneda
/ Barrios
162
=
=
=
=
El u
ltimo resultado, demostrado en base a la interpretacion del angulo entre
v y w, coincide con lo que se definio en el captulo 1.
Ejercicios 3.2.1.
1. En cada caso determine los angulos directores del vector v dado.
(a) v = (2, 2).
(b) v = 1, 3 .
(c) v = (1, 0, 1).
(d) v = (0, 1, 1).
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
163
3.3
Aplicaciones geom
etricas
3.3.1
Castaneda
/ Barrios
164
P R = tP Q.
Se tiene entonces que
R = P + tP Q.
(3.14)
5
O cualquier par de segmentos con punto inicial en uno de los puntos y puntos finales en
los otros dos.
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
165
Castaneda
/ Barrios
166
(3.15)
(3.16)
al Algebra
Introduccion
lineal
167
x1 =
x2 =
..
x =
n
(3.17)
pn + tvn
(2 + 3t, 1 + 5t, 3 + t)
(2, 1, 3) + t(3, 5, 1), t R
(5 + 6s, 1 + 10s, 4 + 2s)
(5, 1, 4) + s(6, 10, 2), s R
Castaneda
/ Barrios
168
al Algebra
Introduccion
lineal
169
i
P Pi = P Q.
n
Se tiene entonces que
Pi = P +
i
PQ
n
(3.18)
As, por ejemplo, si P (1, 2), Q(2, 5), entonces si P1 y P2 dividen al segmento
Castaneda
/ Barrios
170
3.3.2
v = P Q, w = P R.
El plano esta tambien determinado por las rectas (no paralelas en el sentido
geometrico) que pasan por P y tienen a v y w, respectivamente, como
P S = tv + sw, t, s R,
de donde
S = P + tv + sw, t, s R.
(3.19)
La ecuacion 3.19 se denomina la ecuacion vectorial del plano que pasa por P
y tiene como vectores generadores a v y w. La denominacion de generadores
obedece a que v y w generan al subespacio que contiene a todos los vectores
al Algebra
Introduccion
lineal
171
n P S = 0,
de donde se obtiene que
nS =nP
(3.20)
Castaneda
/ Barrios
172
(3.21)
(3.22)
al Algebra
Introduccion
lineal
173
Tomando n = (1, 2, 1) tenemos que una ecuacion cartesiano para el plano es:
(1, 2, 1) (x, y, z) = (1, 2, 1) (1, 1, 3)
x + 2y + z = 6
Debe notarse que si se toma cualquier otra normal, m
ultiplo escalar de n,
la ecuacion cartesiana resultante es simplemente un m
ultiplo de la ecuacion
anterior.
Las dos u
ltimas subsecciones muestran que en para R2 los u
nicos subespacios
propios no triviales son rectas que pasan por el origen (dimension 1). Para el
caso de R3 , los u
nicos subespacios propios no triviales son de dimension 1 o 2;
en el primer caso, se tienen rectas que pasan por el origen, en el segundo son
planos que contienen al origen.
3.3.3
Castaneda
/ Barrios
174
al Algebra
Introduccion
lineal
175
3.3.4
Otras aplicaciones
Dados tres puntos distintos P, Q, R En hemos visto que son colineales si,
Castaneda
/ Barrios
176
(3.25)
(3.26)
Estos resultados se pueden aplicar a puntos del plano, identificando (x, y) con (x, y, 0).
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
177
= ku vkkP royuv wk
(u v) w
(u
v)
= ku vk
ku vk2
= |(u v) w|
Castaneda
/ Barrios
178
Ejercicios 3.3.1.
1. En cada caso indique si los puntos dados son colineales:
(a) P (1, 3), Q(2, 7), R(4, 15).
(b) P (1, 5), Q(2, 6), R(5, 17).
(c) P (1, 2), Q(2, 4), R(3, 6).
(d) P (1, 2), Q(3, 6), R(4, 7).
(e) P (1, 2), Q(3, 5), R(5, 8), S(7, 11).
(f) P (1, 2), Q(3, 5), R(5, 8), S(9, 13).
(g) P (1, 1, 3), Q(1, 2, 5), R(3, 3, 7).
(h) P (1, 1, 3), Q(1, 2, 5), R(15, 9, 19).
(i) P (1, 1, 3), Q(1, 2, 5), R(5, 4, 8).
(j) P (1, 1, 1), Q(2, 1, 0), R(3, 1, 1), S(5, 1, 3).
2. Para los puntos dados en el ejercicio anterior:
(a) Si los puntos son colineales halle la ecuacion de la recta que los
contiene.
(b) Si los puntos P, Q y R no son colineales:
i. Encuentre area, permetro y angulos interiores del triangulo
determinado por dichos puntos.
ii. Halle una ecuacion vectorial y una cartesiana para el plano
u
nico que los contiene.
iii. Determine la distancia de R a la recta que pasa por P y Q.
3. En cada caso determine una ecuacion vectorial de la(s) recta(s) que
satisface(n) las condiciones pedidas:
CAPITULO 3. VECTORES EN R2 Y R3 .
al Algebra
Introduccion
lineal
179
(a) En el plano:
i. Tiene pendiente 3 y pasa por el origen.
ii. Tiene pendiente 3 y es paralela a la recta de ecuacion 2x + 5y =
10.
iii. Tiene pendiente 3 y es perpendicular a la recta de ecuacion
2x + 5y = 10.
iv. Tiene ecuacion cartesiana 5x 4y = 0.
v. Tiene ecuacion cartesiana y = 4.
vi. Tiene ecuacion cartesiana x = b, siendo b una constante real.
vii. Es paralela a la recta de ecuacion (x, y) = (2 + t, 5 3t) y
contiene al punto (2, 7).
viii. Pasa por los puntos P (1, 5) y Q(7, 8).
ix. Intersecta a la recta de ecuacion x + y = 5 en (3, 2) y forma con
ella un angulo de 4 .
x. Intersecta a la recta de ecuacion x + y = 5 en (3, 2) y forma con
ella un angulo de 6 .
(b) En el espacio tridimensional:
i. Pasa por P (1, 2, 3) y Q(0, 4, 5).
ii. Es paralela a la recta de ecuacion (x, y, z) = (2 + t, 3 5t, 4t) y
pasa por P (3, 4, 6).
iii. Es perpendicular a la recta del ejercicio anterior y la intersecta
en (3, 2, 4).
iv. Pasa por P (1, 3, 5) y es perpendicular al plano XY .
v. Pasa por P (1, 3, 5) y es perpendicular al plano XZ.
vi. Pasa por P (1, 3, 5) y es paralela al plano XY .
vii. Pasa por el origen y por la interseccion de las rectas de ecuaciones
(x, y, z) = (2+t, 35t, 98t); (x, y, z) = (6+3s, 17+s, 23+3s).
viii. Esta contenida en los planos de ecuaciones x + y z = 0 y
2x 5y + 4z = 0.
ix. Esta sobre el plano de ecuacion x + 2y z = 6 y contiene al
punto P (1, 3, 1).
x. Esta sobre el plano de ecuacion x + 2y z = 6 e intersecta a
los ejes X e Y .
Castaneda
/ Barrios
180
al Algebra
Introduccion
lineal
181
|ax0 + by0 c|
a2 + b 2
(3.28)
Castaneda
/ Barrios
182
a2 + b 2 + c 2
CAPITULO 3. VECTORES EN R2 Y R3 .
(3.29)
Bibliografa
[1] Apostol, Tom. Calculus. Volumen 1. 2a. ed. Editorial Reverte.
Barcelona.
[2] Apostol, Tom M. Mathematical Analysis. 2a. ed. Addison Wesley.
[3] Casta
neda, S., Barrios A., y R. Martnez. Notas de Algebra Lineal.
Ediciones Uninorte. Segunda edicion. Barranquilla. 2009.
[4] Descamps, S. Xambo. Algebra Lineal y Geometras Lineales. Eunibar.
Barcelona. Vol
umenes 1 y 2.
[5] Greub, W.H.Linear Algebra. Springer-verlag New York Inc 1967.
[6] Herstein, I.N. Algebra Moderna: Grupos, Anillos, Campos. Biblioteca
de Matematica Superior. Editorial Trillas.
[7] Hoffman, K. y R. Kunze.
Hispanoamericana, S. A. Mexico.
Algebra
Lineal.
Prentice-Hall
Lineal.
Textos
183