Algebra Lineal (1ra Ed) - Seymour Lipschutz

ALGEBRA LINEAL SEGUNDA EDICION Seymour Lipschutz Incuye 622 problemas totalmente resueltos Complete cobertura de los funcamentos y concentos cave del dlgebra lineal Contiene 475 problemas suplementarias con solucion indicada Mas de 1.50 ejemplos intercolados elo teoria, pore: relorzar los conceptas aprendidosTABLA DE MATERIAS Pagina Capito IE VECTORES EN R* YC"... ...............2... 1 Introduccién. Vectores en R*®. Adicién de vectores y multiplicacién por escalar. Producto interno. Norma y distancia en R". Numeros comptejos. Vectores en C*. Capitulo 2 ECUACIONES LINEALES......_........_........ 18 Introduccién. Ecuacién lineal. Sistema d de ecuaciones lineales. Solueisn de un sistema.de ecuaciones lineales. Solucién de un sistema homogéneo de ecuaciones lineales. i Capitulo J MATRICES... _.. a 35 Introduccién. Matrices. Suma de matrices y multaplieacion por un escalar. Muitiplicacion dé matrices. Traspuesta. Matrices y sistemas de ecuaciones lineales. Matrices escalonadas., Equivalencia por filas y operaciones elementales entre filas. Matrices cuadradas. Algebra de matrices cuadradas. Matrices inversibles. Matrices por bloques. ee Capituio 4 ESPACIOS VECTORIALES Y SUBESPACIOS ................. 63 Introduccién. Ejemplos de espacios vectoriales. Subespacios. Combinaciones lineales, subespacios generados. Espacio fila de una matriz. Sumas y sumas directas. ee Capitulo & BASE Y DIMENSION... 86 Introduccién. Dependencia lineal. Bases y dimensién. Dimensidn y ; subespacios. Rango de una matriz. Aplicaciones a 1as ecuaciones lineales. Coordenadas. i Capituo 6 APLICACIONES LINEALES bebe vata ::.. 321 Aplicacrones. Aplicaciones lineales. Nucleo e imagen de una aplicacién lineal. Aplicaciones singulares y no singuiares. Aplicaciones lineales y sistemas de ecuaciones lineales. Opera- ciones con aplicaciones lineales. Algebra de operadores lineaies. Operadores inversibles. Capituo 7 MATRICES Y OPERADORES LINEALES brea. .. 150 Introduccién, Representacién matricial de un operador lineal. Cambio de base. ‘Similan. dad. Matrices y aplicaciones lineales. Capitulo 8S DETERMINANTES . . So eee 171 Introduccién. Permutaciones. Determinante. Propiedades de tos determinantes. Menores y cofactores. Adjunto clésico, Aplicaciones a las ecuaciones lineales. Determinante de un operador lineai. Multilinealidad y determinantes. Capitulo 9 VALORES PROPIOS Y VECTORES PROPIOS....... - 197 Intreduccién. Polinomios de matrices y operadores lineales. Valores propios y vectores propios. Diagonalizacién y vectores propios. Polinomuo caracteristico, teorema de Cayley- Hamilton. Polinomio minimo. Polinomios caracteristico y minimo de operadores lineales.TABLA DE MATERIAS Pagina Capituio TQ FORMAS CANONICAS .. eee eee 282 Introduccién. Forma triangular. Invariancia. Descomposicién en suma.directa de in- variantes, Descomposicién primaria. Operadores nilpotentes. Forma canénica de Jordan. Subespacios ciclicos. Forma canonica racional. Espacios cocientes. 3 Capitulo 11 FUNCIONES LINEALES Y ESPACIO DUAL............... 249 Introduccién. Funcionales lineaies y espacio dual. Base dual. Segundo espacio dual. Anu- ladores, Traspuesta de una aplicacién lineal, Capitulo 12 FORMAS BILINEALES CUADRATICA Y HERMITICA -.. 261 Formas bilineales, Formas bilineales y matrices. Formas bilineales alternadas. Formas simétzicas bilineaies. Formas cuadraticas. Formas bilineaies simétricas reales. Ley de inercia. Formas hermiticas. Capitulo 13 ESPACIOS CON PRODUCTO INTERNO ..... Skee .. 279 Introduccién. Espacios con producto interno. Desigualdad de Cauchy-Schwarz. Ortogo- nalidad. Conjuntos ortonormales. Proceso de ortogonalizacién de Gram-Schmidt. Funciona- les lineales y operadores adjuntos. Analogia entre A(V) y C, operadores especiales. Operado- res ortogonales y unitarios. Matrices ortogonales y unitarias. Cambio de bases ortonormales, Operadores positivos. Diagonalizacién y formas canonicas en espacios euclidianos. Diagona- lizacién y formas candnicas en espacios unitarios. Teorema espectral. Apéndice A CONJUNTOS Y RELACIONES ..............-...:...-....815 Conjuntos, elementos. Operaciones entre conjuntos. Producto cartesiano:de conjuntos. Relaciones. Relaciones de equivalencia. Apéndice B ESTRUCTURAS ALGEBRAICAS ..... paar a eee eee s:- 320 Introduccién. Grupos. Anillos, dominios de integridad y cuerpos. Méddulos’. Apéndice C POLINOMIOS SOBRE UN CUERPO : tte 22.2 327 Introduccion. Anillo de polinomios. Notacién. Divisibilidad. Factorizacion. INDICE .............. be beceee . EE: 9Capitulo 1 Vectores en R’ y C INTRODUCCION En varias aplicaciones fisicas aparecen ciertas cantidades tales como temperatura y ra- pidez, que poseen unicamente “magnitud”. Estas cantidades pueden representarse por numeros reales y se llaman escalares. De otra parte, hay también cantidades, tales como fuerza y velocidad que poseen a la vez “magnitud” y “direccién”. Estas cantidades pueden representarse por flechas (que tienen longitudes y direcciones apropiadas y parten desde un punto de referencia O) y se llaman vectores.. En este capitulo estudiaremos con algun detalle las propiedades de tales vectores. Empezaremos considerando las siguientes operaciones con vectores. (i) Adicién: La‘resultante u + v.de dos vectores uy v se obtiene por la llamada ley del paralelogramo, esto es, u + wv es la diagonal del paralelogramo formado por uy v, como se muestra en el dibujo de la derecha. Gi) Muitiplicacién por escalar: El) producto ku de un numero real-k por un vector u se obtiene multi- O bu ~ plicando la--magnitud de u por k y conservando u la misma direccién sik => 0, o la direccién opuesta ~2u sik < 0, como se muestra en el dibujo. Suponemos que el lector est4 familiarizado con la representacién de los puntos en el plano por parejas ordenadas de numeros reales. Si el origen de los ejes se escoge como el pun- to de referencia O, entonces todo vector queda determinado de manera unica por las coordenadas de su puitte final. La relacidn entre las operaciones antes definidas y los puntos finales es como sigue. (i) Adicidn: Si:(a, b) y (c, d) son los puntos finales de los vectores u y v, entonces (a + ¢, b + d) es el punto final de.u + v como se muestra en la figura (a). {fa+e,b+d) ku (ka, kb} u (a, 6) Fig. (a) Fig. (b) (ii) Multiplicacién por.escatar: Si (a, b) es el punto final del vector u, entonces (a, kb) es el punto final del vector ku, como se muestra en la figura (6).2 VECTORES EN Re ¥ CAP. 1 Matematicamente, identificamos un vector con su punto final, esto.es, llamamos al par ordenado (a, 6) de mimeros reales un vector. Generalizando esta nocién, Hamamos a una n-upla ordenada (aq, a2, ..., a,) de nameros reales un vector y mediante una nueva generalizacidn podemos permitir que las coordenadas de la n-upla sean numeros complejos y no tnicamente numeros reales. Ademds, en el capitulo 4 abstraeremos las propiedades de estas n-uplas y definiremos. formalmente el sistema matemético llamado espacio vectorial. Suponemos que el! lector est4 familiarizado con las propiedades elementales del cuerpo de los ntmeros reales que denotaremos por R. VECTORES EN R" El conjunto de todas las n-uplas de nameros reales, denotado por R*, se llama un n-espacio, En particular una n-upla en R®. digamos & = (1, Ue, ..., Un) se llama un punto o un vector; los mimeros reales u, se llaman las componentes (0 coordenadas) del vector u. Ademas, cuando nos referimos al espacio R* usamos el termino escatar para los elementos de R, esto es, para los numeros reales. Ejemplo 1.1: Consideremos los siguientes vectores: 1), (,-8), 0,273.4, 5,40, 7) Los dos primeros vectores tienen dos componentes y son, puntos de'R?; los dltimos dos vectores tienen cuatro componentes y son puntos de Rt. Dos vectores u y v son iguales, y se escribe u = v, s1 tienen el mismo numero de componentes, esto es, si pertenecen al mismo espacio y, ademas, 81 sus componentes correspondientes son iguales. Los vectores (1, 2, 3) y @, 3, 1) no-son iguales porque sus elementos correspondientes no son iguales, Ejempio 1.2: Supongamos que (x —y, x + y,z—1)= {4, 2, 3}. Entonces, por la definicién de igualdad entre vectores, wy or 4 aty = 2 a-l= Resolviendo el sistema de ecuaciones se obtiene x — Sy=—-ly te 4 ADICION DE VECTORES Y MULTIPLICACION POR ESCALAR Sean u y v dos vectores en R*: Ub = (U1, Ue, ..., Un) y Y = (V1, Va, ~~, Un) La suma de uw y v, escrita u + v, es el vector que se obtiene sumando las componentes correspondientes: P UE VY = (Ut, Met Va, 2.1, Un +n) El producto de un numero real k por el vector u, escrito ku, es el vector que'se obtiene multiplicando cada componente de u por k: ku = (kur, hue, ..., kun) Obsérvese que u + v y ku son también vectores en R” Ademas, se define =: w= —-lu yy u-v = «u+(-2) La suma de vectores con diferente numero de componentes no esta definida:CAP. 1] VECTORES EN R' Y CG 3 Ejemplo 1.3: Seanu = (1, —3, 2, 4)y vu = @, 5, —i, —2). Entonces wtov = (1+8,-38+5,2-1,4-2) = (4,2,1,2) Su = (5:1, 5+(-3),5°2,5-4) = (5, —15, 10, 20) 2u— 3u = (2, —6, 4,8) + (—9, ~15, 3,6) = (7, -21, 7, 14) Ejemplo 1.4: El vector (0, 0, ..., 0) en R*®, denotado por 0, se llama el vector cero. Se parece al escalar 0 en que, para cualquier vector u = (U1, U2, .-., Uy), UO = {4 +0, uy +0, 1.0, %, +0) = (uy, Uo, 2.25%) = 4 Las -propiedades basicas de los vectores en R” con las operaciones de adicién de vec- teres y multiplicacién por escalar estén expresadas en e! siguiente teorema: Teorema 1.1: Para todo vector u, v, w © R" y todo escalar k, k' € R: (Gi) (uteyt+w =ut(vtw) (vy) kK(w+v) = ku+kv fii) wt+O0 =u (vi) (kK+k)u = ku + ku (iii) w+ (-u) = 0 (wii) (bk’)u = k(k’u) (iv) uw+vu svt (vili) lu = « Nota: Supongamos que u y v son vectores en R* tales que u = kv para un escalar no nulo k © R. Entonces se dice que u tiene la misma direccidn que v sik > 0, y la direccidn opuesta sik < 0. PRODUCTO INTERNO Sean uw y u-vectores en R"- wu = (ti, Ue, ..., Un) y v = (v1, Va, ..., Un) E] producto interno (o producto punto) de u y v denotado por u-v, es el escalar que se obtiene multiplicando las componentes correspondientes de los vectores y sumando luego los productos resuitantes: UTD = Uv + Usde torte + Unda Los vectores u y-v se llaman ortogonales (o perpendicutares) s1 su producto interno es cero: uvv=0. Ejemplo 1.5: Sean u = (1, —2, 3, —4),v = (6,7, 1. —2) yw = (5, —4, 5, 7). Entonces, wey = 1°96 + (OT + B91 + (4) (-2) = 6-14484+8 = 8 uew = 1:5 + (~2)*(-4) + 8°54 (-4)-7 = 54+ 8 + 15-28 = O Por tanto, u y w son ortogonales. Las propiedades basicas del producto interno en R” son las siguientes: Teorema 1.2: Para todo vector u, v, w © R* y todo escalar k & R: (i) (ute)-w = urwtrow (iii) wv = vee (ii) (ku)>v = kus v) (iv) wu=0, y uru=0 sii u=0 Nota: El espacio R” con las operaciones de adicién de vectores, multiplicacién por escatar y producto interno se conoce como el n-espacio euclidiano. NORMA Y DISTANCIA EN R” Consideremos los vectores.u y v en R":u = (tu, Us, ..., Un) YU = (U1, Vay ..-5 Ug) La distancia entre los puntos u y vu, escrita d(u, v), se define por d(u,v) = Vlur— a)? + (ua — ve)? Foo + (ta = Vn)?4 VECTORES EN R® Y @ : [CAP..1 La norma (0 longitud) del vector u, escrita ||u||, se define como la raiz-cuadrada no negativa de u-u: ——— jel) = Vue = Ye tubt. te Por el teorema 1.2, ue.u = Oy, por tanto, la raiz cuadrada existe. Obsérvese que d(u,v) = lju— || Ejemplo 1.6: Sean u = (1,—-2,4,§) y v= (3, 1,—5, 0). Entonces du,v) = V(E—3)2 + (2-1) + (4452+ 1-02. V8 le] = VBR Hees = 35 En particular, s1 consideramos dos puntos, p= (a,b) y q = (ce, d)’en el plano R?2, tenemos lp] = Vo? + b y d(p.q) = V(a—~eP + b—dp. Esto es, ||p|| corresponde a ta Longitud euclidiana corriente de la flecha que va desde el origen hasta el punto p, y d(p, g) corresponde a la distancia entre los puntos p y qg, como se muestra a continuacién: Un resultado similar se obtiene para ios puntos de la recta Ry para los puntos dei espacio R3 Nota: Un vector e se llama un vector unitario si tiene norma 1: jle|| = 1. Obsérvese que para cualquier vector no nulo u © R”, ei vector e, = u/||u|| es un vector unitario que tiene la misma direccién que u. El siguiente teorema expresa una relacién fundamental conocida como la desigualdad de Cauchy-Schwarz. : Teorema 1.3 (Cauchy-Schwarz): Para vectores cualesquiera u,v € RB’, jus] = |fell jel]. Utilizando ta desigualdad anterior, podemos definir el Angulo @ entre-dos vectores no nulos u, v © R* mediante “ur” leet Hel Obsérvese que s1 u-v = 0, entonces 9 == 90° (0 9 = x/2), lo cual esta de acuerdo con nuestra definicién anterior de ortogonalidad. cosé = NUMEROS COMPLEJOS E] conjunto de los numeros complejos se representa por C,. Formaimente, un ntimero complejo es un par ordenado (a, b) de nimeros reales; ta igualdad, la adicién y ja multipli- cacién de nimeros complejos se definen como sigue: (a,b) = (c,d) sii a=e y b=d (a, b) + (e,d) = (at+e,b+4) (a, b)(e, d) = (ae — bd; ad + be)CAP. 1] VECTORES EN RY © 5 Identificamos elnumero real a con el numero complejo (a, 0): a <— (a, 0) Esto es posible porque la correspondencia anterior conserva las operaciones de adicién y multiplicacién: (a, 0)+(@,0) = (a+b,0) (a, 0)(8, 0) = (ab, 0) Por tanto, R puede considerarse como un subconjunto de C y (a, 6) puede remplazarse por a cuando sea conveniente y posible. EE numero complejo (0, 1), representado por i, tiene la propiedad de que oP? = & = (0.1)(0,1) = (-1,0) = -1 ° ti=y-l Ademas, utilizando la propiedad de que (a,b) = (@, 0)+(0,b) oy (0, 6) = (8, 0)(0, 1) tenemos (a,b) = (a, 0) + (b, 0)(0, 1) = a+ bi La notacién a + bi es mds conveniente que (a, b). Por ejemplo, la suma y el producto de numeros complejos se pueden obtener utilizando las ieyes conmutativa y distributiva y la relacion i? = —1: . . . . . (a+ bi) +(e+ di) =atet+bit+di = (ate) +(b+a)i (a+ bi)(e+di) = ac + bet + adi + bdi? = (ae— bd) + (be + ad)i El conjugado del numero complejo z = (a, b) = a + bi se denota y se define por ZA>=a-bht (Obsérvese que 22 = a? + b?.) Si ademas, z ~ 0, el inverso 2-! de z y la divisién por z estan dados por. ~~. 2. % 4, 7) ; We yeni = ee - SFT ee y Zz donde w € C. También definimos —2 = —1z y wW-# = w+ (-2) Ejemplo 17: Supongamos z = 2+ 3: y w= 5—2i,. Entonces abw = (2-8) 4+ 6-2) = 24+54+3i-21 = 744 aw = (24 3i(5-2) = 10+ 15i- 47-62 = 16+1¢ B= 2+8i = 2-31 y w= 6-2 = 642i w 5-2 (5-22-38) 4-194 4 19. 2 2+81” (2+3(2— 34) 13 1s 18 Asi como los nimeros reales pueden representarse por puntos sobre una-recta, los ndmeros complejos pueden representarse por puntos del plano, Precisamente, utilizando e! punto (a, 6) en el plano para representar el numero complejo z= a-+ 61, esto'es, el nimero complejo cuya parte real es a y cuya parte umaginaria es 6. El valor absoluto de z escrito [z|, se define como la distancia de z al origen: al = Vere Obsérvese que |z| es igual a ja norma del vector (a, 6). También, lel = Vaz. Ejemplo 1.8: Supongamos z= 24 3) y w= 12—5i, Entonces i = ¥4F5 = VIB oy jw] = Y144+25 = 186 VECTORES EN YC [CAP, 1 Nota: En el apéndice B definimos la estructura algebraica llamada cuerpo. Observamos que el conjunto C de los nameros complejos con las operaciones de:adicién y multi- plicacién antes definidas es un cuerpo. VECTORES EN C* El conjunto de todas las n-uplas de nimeros complejos, denotados por C" se llama n-espacio compiejo. Como en el caso real, los elementos de C* se llaman puntos 0 vectores, los elementos de C se llaman escalares, y entonces la adicidn de vectores en C* y la mul- tiplicacidn por escalar sobre C” estan definidas por (21, 22, «5 0) Sn) + (001, Way 2.6, Wa) = (Zr + Wi, e2+ We, .. +) Zn Wn) #(Z1, @2, ...,%n) = (21, 229, ..., Bn) donde z,,w,,zE C. Ejemplo 1.9: (2+ 34,4—1,3) + (8-24, 54,4-61) = (54+7,4444,7 6%) 202 + 34,4—4,3) = (64 41,24 83, 61 Sean u y v vectores arbitrarios en C*: U = (21, By ..., 20), 0 = (Wi, Wr, ..., Wr), i, wi € E El preducto interno (o producto punto) de u y u se define como sigue: UD = 4101+ eet --- + 2ntOn Adviériase que esta definicidn se reduce a la que establecimos antes para el.caso real ya que ux = @: cuando w, es real. La norma de wu ge define como feel] = Verte = Wess + toda + ++ + enka = Veal + ed? + -- E lanl? Se puede ver que u-u y ||u|| son reales positivos cuando u # 0, y 0 cuando uz = 0. Ejemplo 1.10; Sean u = (24 3i,4—1, 2i) y u = (83—2i, 5; 4—6i). Entonces ure (2 + 81)(8 — 22) + (4-9) + 204 61) = (2+ 8i)(8 + 28) + (4— a5) + (2004 + 6d = 18¢+ 20 — 5i-— 124+ 81 = 84 16; usu = (2+ 34)(2+ 3i) + (4—D(4—4 + (21 BH. = (2+ 812 — 84) + (4~- (4+ 4 + (2O(-2 = 18+17+4 = 34 lle] = Varu = Vea El espacio C* con Jas operaciones de adicién de vectores, muiltiplicacién por esealar y producto interno se conoce como el n-espacio euclidiano complejo. Nota: Si se define uu = zw, + +++ + 2,W,, e8 posible que u-u = O.con u #.0; por ejemplo, si u = (1, +, 0). Adn mds, u+u puede no ser un numero real.CAP. 1} VECTORES ENR YC 7 Problemas resueltos VECTORES EN R* 1.1. Efectuar: (i) (3, —4, 5).+ (, 1, —2); (ii) G1, 2, —8) + (4, —5); (iii) —3(4, —5, —6); (iv) —(--6, 7, —8). (i) Sumande componentes correspondientes: (8, —4,5)+ (1, 4,2) = @+ 1,—4+4 1,5—2) = (4,3, 3). (ii) La suma no esta definida porque los vectores tienen diferente nimero de componentes. Gii) Multiplicando cada componente por el escalar; —3(4, —$, —6) = (—12, 15, 18). (iv) Multiplicando cada componente por —i: —(—6, 7, —8) = (6, ~7, 8). 1.2. Sean u = (2, —7,1),v = (—3,0, 4), w = ©, 5, —8). Calcular (i) 8u — 4v, Gi) 2u + 3u Bw. Efectuar primero la multiplicacién por escaiar y luego la adicién de vectores. (i) 8u—4v = 8(2,—-7,1) — 4(—-3, 0,4) = (6, -21, 8) + (12, 0, -16) = (18, —22, —18) (ii) 2u +80 — Bw = 2(2, ~7, 1) + 3(—8, 0, 4) — 500, 5, —8) = (4, ~14, 2) + (—9, 0, 12) + (0, —25, 40) = (4-940, -14+0—25,2+12+40) = (—-5, ~89, 54) 1.3. Hallar xy y si (x, 8) = (2,x-+-y). Puesto que !os dos vectores son iguales, las componentes correspondientes son iguales: x©=2 38 =a+y Sustituyendo x = 2 en la segunda ecuacién se obtiene y = 1. Por tanto,x = 2yye<2L. 1,4, Hallar x.y y si (4, y) = x(2, 3). Multiplicando por el escalar x se obtiene (4, y) = x(2, 3) = (2x, 3x). Igualando las componentes correspondientes: 4 = 2x, y = 3x. Resolviendo las ecuaciones lineales para x y yi x = 2yy = 6. 1.5. Hallar x;y y z s1 (2, —3, 4) = x(1, 1, 1) + y(Q, 1, 0) + 2(4, 0, 0). Multiplicando por los escalares x, y y z y luego sumando (2, -8,4) = af1,1, 1) + (4, 1, 0) + 2(1, 0, 0) (a, 2, 2) + (y, y, 0) + (2, 0, 0) = (wetytzaty, a) ul Iguaiando ‘las componentes correspondientes: ebkyte = 2, wty = 8 # = 4 Para resolver el sistema de ecuaciones, se sustituye x = 4 en la segunda ecuacién y se obtiene 4+ y = —3 oy = —7./En seguida se remplaza en !a primera ecuacién y se encuentra z = 5. Por tanto, x = 4,y = —7, z= 6 1.6. Demostrar el teorema 1.1: Para todo vector u, v, w C R" y escalares cualesquiera k, R'CR, (i) (utv+w = ut+(o+w) (v) k(w+v) = ku t ko Gi) utO0 =u (vi) (k+k\u = ku st k'u (iii) wt(-u) = 0 (vii) (hk’)u = k(k’u) (iv) utvo me vte (viii) lw = « Sean-u,, vu, y w, las componentes ¢-ésimas de u, v y w, respectivamente.1.7, VECTORES EN RP’ Y @ fCAP. 1 (i) Por definicién, u, + v, es 1a componente i-ésima de u + v y por tanto (u, + 0) + w, es la componente 1-ésima de (u + v) + w. De otra parte, v, + w, es la componente :-ésima de uv + wy entonces u, + (u, -- w,) es la componente 1-esima de u + (v + w). Pero Uu,, 0, ¥ Ww, son numeros reales que satisfacen ja ley asociativa, luego se tiene que * (+) + w, = wu + s+ w,) para i=1,...,% En consecuencia, (¢ + v) + w= u4+ (v-+ w) puesto que las componentes correspondientes son iguales. (ii) Aqui, 0 = (0, 0, ..., 0); por tanto UO = (gy Uy -.., thy) + (0,0, ..., 0) = (ty +0, 2 tO, 0.1, %, +0) = (uy, ug, ..., ty) Sou (iii) Puesto que —u = — (ty, tg, ..., Uy) = (ty, “te, ..-, Ug), UH (WA) = yy Uy = oy Ug) + (my, Ay, - 2 Hey) : = (Uy Uy, Ug — hey oo -p U—U,) = (0,0, ..., 0) -= 0 (iv) Por definicién, u, + », es la componente :-ésima de u + v,y v. + u, es la componente 1-ésima de v + u. Pero u, y v, son numeros reales que satisfacen la ley conmutativa, esto! es, wt, = vtuy, a=1,...,% Entonces u + v = v + u puesto que las componentes correspondientes son iguales. {v) Como u, 4+ uy, es Ja componente :-ésima de u + v, Ru, + v,) es la componente j-ésima de k(u +). Puesto que ku, y kv, son las componentes :-ésimas de Ru y Rv respectivamente, ku, + ky, es la componente 1-ésima de ku + ku. Pero &, u, y vy, son numeros reates; en consecuencia ktu;tv) = ku + kv; t= 1,...,” Por tanto, kz + v) = ku + kv, ya que las componentes correspondientes son iguales. (vi) Se ve que ei primer signo mas, se refiere a ta adicién de !os dos escalares & yk’, mientras que el segundo se refiere a la adicién de los dos vectores ku y k'u. Por defimeion, (k + k')u, es la componente r-ésima del vector (e + Ru. Como ku, y ku, son las componentes :-és1mas de ku y k’u respectivamente, entonces ku, + ku, es la componente #-ésima de ku + R'u. Pero z, k' y uw, 80% nimeros reales y, en consecuencia, (K+k yu; = ku; + klu, t=1,...,” Por tanto, (k + Ru = ku + k’u, puesto que las componentes correspondientes son lguaies. (vii) Como &'u, es la componente 1-ésima de k’u, k(k'u,) es la componente i-ésima de.R(k'u). Pero (kR')u, es la componente t-ésima de (kk’)u y, puesto que, k, k' y u, son numeros reales, ; (kk’yu; = k(k'u,), toal,....” Entonces (kk’)u = k(k'u), ya que las componentes correspondientes son iguales . (viii) Leu = Luz, ue, ..., u,) = (ln, Iu, ..., lu.) = (th, we, ..., Ua) = Mostrar que Ou = 0 para cualquier vector u, claro esta que el primer.0 es un escalar y el segundo un vector. Método 1: Ou = Ol, uz, ..., Uy) = Ou, Ou2, ..., Ou,) = (0,0, ..., 0) = 0 Método 2: Por el teorema ii, Ou = (0+ O)u = Ou + Ou. Sumando —Qu a cada lado se obtiene el resultado deseado, PRODUCTO INTERNO 1.8. Caleular uev si: fi) u= 2,—3,6), v= (8, 2,3); Gi) u= Q, —8, 0,5), v = (3, 6, 4); (iii) w= @, —5, 2,1), v = (4, 1, —2, 5). @) Multiplicando componentes correspondientes y sumando: u+v = 2.8 + (—3)+2 4+.6-(—3) = —8. {ii} El producto interno no esta definido entre vectores con diferentes numeros de componentes. (iii) Multiplicando componentes correspondientes y sumando: u+v = 3.4 + (—5)- i 4:2. (2) 4 1.5 = 8.CAP. 1] 1.9. 1.10. VECTORES EN R’ Y Ct 9 Hallar k para que los vectores u y v sean ortogonales si (i) w= (1,2, —3) y v= @, —5, 4) (ii) wu = (2, 3k, —4.1,5) y v = (6,—1,38, 7, 2k) En cada caso se calcula uv, se iguala a 0, y se resuelve para k. (i) wry = 1+2 + ke(-8) + (-8)+4 = 2-5kK-12 = 06, -Sk-10=0, k=~-2 (i) wry) = 266 + Bks(~1) + (4-8 44°7 + Bok = 12-38% -124+7+10k = 0, kat Demostrar el teorema 1.2: Para todo vector u, v, w € R’ y todo escalark € R, (i) (+e) w = U-wtoew (iii) wv = vu (ii) (ku)+v = k(u+v) (iv) wu=0, y uwu=O0 sii w=90 Sean = (ty, Ugy ey Un)s V = (Vy, Vay oe sy Vny W = (Wys Way a vy Wy)e @ Como wt v = (ey +04, uy tg ..., Ug ty), (utvew = (ut vy) + (ue + va)we + oo0+ + (tnt Un)n = UygWy H Vywy H egw, + VgWe Fert H UgQwy + VqWy (uywy + toWe + +++ +.uywy,) + (vytey + vow, + +++ + ¥AWy) = uwtouew (ii) Como kw = (kt, kita, ..., betty), (ku)ev = Rhuyvy + bugug tires + ku,v, = ku, + ugvgtess +u,v,) = kur) (ii) mee = ayy tb uydg bie + ty, = Vile t Vola to + Vall, = VU (iv) Como at es no negativo para todo 2, y como la suma de nimeros reales no negativos es no negativa, uew = Wtukt es + = 0 Ademds, ueu=0 sii u,= 0 para cada‘i, esto es, sii u = 0. DISTANCIA ¥Y NORMA EN -R" 1.11. 1.12. 1.13. Hallar ‘la distancia d(u,v) entre los vectores u y v si: (i) w= (1,7), v= (6, —5); (ii) u = @, —5, 4), uv = (6,2,—1); ii) v= 6, 3, —2, —4,—-1), v= (2, —1, 0, —7, 2). En cada caso se emplea 1a férmula d(u, v} = Vw, — 01)? + +++ + (lg — Oy)? i) da») = V0—62+ (+5 = Vat id = Vieg = 18 Git) d(a;0) (8-6)? + (-5—2)2 + (441% = yo+49+ 95 = V8 (iii) du,o) = ¥(G—22 + 8412+ H2+02 + (4472+ (1-22 = aT i Hallar -k tal que d(u,v)=6 si u= (2,k,1,—4) y v= (8,—1,6,—3). (d(u, v))2 = (2-3)8 + ee 1)? + (1-6) + (4 +3)? = B+ Bk + 28 Resolviendo k? + 2k+ 28= 6 se obtiene k= 2, —4. Hallar la norma |ju || del vector u si (i) u=.(2, 7), (ii) u = (3, —12, —4). En cada caso se usa la formula {||| = Vui+ utes +b. i) all = V2+ (72 = V4a+49 = y58 Gi) [uj = Ve + CRP + Cae = Yor a+ 16 = vied = 1810 1.14. 1.15. 1.16. 1.17. VECTORES EN R* Y @ [CAP. 1 Determinar & tal que |luj| = V39 si uw = (1, &, —2, 5). Yul? = 12+ 24+ (224 52 = He + 80 Resolviendo k? + 30 = 39 se obtiene k = 3, 3. Demostrar que ||z|| 2 0, y |lu|] = 0 sii u = 0. Por el teorema 1.2, usu = 0, y ueu=0 sii u= 0. Como [lull = Vu-u, se concluye el resultado. Demostrar el teorema 1.3 (Cauchy-Schwarz): Para todo vector u = (4, ...,u,) yv = (Wi, ..., vp) en R*, juevl>s |lell |fel|. nm Probaremos la siguiente proposicién mas fuerte: |u+v| = 3S [esdgi = [feel] [lvl]. i=1 Siu 0 0 v= 0, la desigualdad se reduce 0 < 0< 0 y por consiguiente es verdadera. Sélo se necesita entonces considerar el caso de ux 0, y v= 0, esto es, cuando |lu!| «0 y |lu|| <0. Ademas, lero] = fave tres + ttyl = fetray] torre + funtal = BS bred Por tanto, anicamente se necesita probar la segunda desigualdad. Para todo numero real x,y © R, OS (x —y)y? = x2? —Qxy + y? 0, 10 que es equivalente Qxy Sx? + y? (1) Tomando x = |u,|/|lul| y y =|[v,|/|lul] en (2) se obtiene para todo 1, ts] |v; at? vf? ted bed ey ot (2) Ileal! [eth Il?” fell Pero, por ja definicién de norma de un veetor, |u|] = Se? = Zluj? y [lel] = Be = 3 (o,2. Sumando en (2} con respecto a + y usando luv, | = |u,| lv, |, se tiene Sluvl Sul? + > le? ie tele [Teel] Hell |leel[? llel? lel? "lel = eyo, 1 esto es Toll liell ° Ileal] Hell Muiltiplicando ambos Jados por ||u|| j/v||, se obtiene la desigualdad deseada. Demostrar la desigualdad Minkowski: Pata todo vector u= (u,...,u,) y v= (Yy,..., v,) enR*, llu-+ el] S-ilul] + |ledl. Si-|ju + vl] = 0, fa desigualdad es verdadera. Por tanto, solamente se necesita‘considerar el caso lle + oll x 0. Pero |u, + ¥,| © |u,| + fv,| para todo numero real u,v, © R. Entonces e+e? = Seto = 3 fata? = Slat fete] =D fou + eel Claud + lod) = Blut lel + & feet od lo Por la desigualdad de Cauchy-Schwarz (véase el problema anterior), Z lees + vl leg] = leet wf Hell y Stalled = [le +oll [loll Luego Hew off? = feet all [eal] + fee + olf Mel] = [fee + ot] Cleat + Hol Dividiendo por ||u + ul{, se obtiene 1a desigualdad pedida. ,CAP. 1] VECTORES EN RP Y 11 1.18. Demostrar que la norma en R* satisface las siguientes propiedades: [N,|: Para todo vector u, |lu|{| = 0; y |ju|| = 0 sii u= 0. [No |: Para todo vector. u y todo escalar k, ||ku|| = [RF] |lzll- [N3|: Para todo vector u y vu, |lutvi| s fjul| + |lvll. [N, | sé probé en et problema 1.15, y [Ng] en el problema 1.17. Luego solamente se necesita probar [N,}: Supongamos u= (,u2,...,u,) por tanto ku = (kin, ku,,...,Ru,). Entonces [|eee|® = (lene)? + (eteg)® + e+ + CFetg)® = WUE + Rak te + ea = WM ugtugt--++u2) = ke lull? Tomando raiz cuadrada en ambos lados de la igualdad se obtiene e! resultado pedido. NUMEROS COMPLEJOS 1.19, 1,20. 1.21. Simplificar (i) 6 + snes (ii) (4 — 31)2+ (ii) sk (iv) 2 (v) (3) 74, i31; (vi) (1 +203: (vii) (s+5) : G@ (6+392—7) = 10+ 6i—-— 351-212 = 31 — 291 Gi) (4 — 39? = 16— 241+ 9% = 7 — 241 qi) 2. = _@t4) __ 844% _ 344, 3-4 (8—43(3 + 42) 25 ~~ 25 25 Gy 22% — @- W638) _ 1-4 _ _ UN _ A, B+ Bt (4+ 82)(5—3) a4 ~ 84 34 VW) Bao Ris Hi = -h t= PP = 1 B= WTB = 17+) = -i (vi) (1+2)% = 1+6¢412%+88 = 1461-12-81 = -11- 2% iii) 1 ys I _ (—5 + 12%) = rb +1% _ _ bo, 12, va A 2 Bi “6 — 12a ~ (b— 1206 + 129 169 169 * 169 Sean z= 2—3) y w=4+4+-51. Hallar G) 2+wey zw; (ii) 2/w; (ii) Zy w; (iv) |z| y [w|- G@ zgtw as 2-8t+44+54 = 672i zw = (2—8/}(4+5/) = 8—12i+ 101-152 = 23 — 24 w 4+5i (4450(4—5i) a a’ (iii) Usemos a+ bi =a—bi: 2 2—3i= 243i; W445i = 4—5i. (iv) Usemos |a + bi] = Va? + Bb: |z| = |2—3i| = W44+ = Vi8; |wt = [44 5i| = Vib + 25 = val. ii) 2 = 2— 3% (2—3)(4—-5) _~ —-7T-~- 220i = 7 oe. Demostrar: Para todo niimero complejo z,wE€ C, Gi) FFe=2+0, (Gi) w=20, (il) Z=2. Supongamos z= a+ bi y w=e-+di donde a,6,¢,dER. (i) Fw = Gb) + Crd) = Cr+ OTH = (ate) —(b+djyi = ate dbi- di = (a-— bi) + (e—-di) = 24+ (ii) zw = (a+ biet+di) = (ae— od) + (ad + oc)i = (ae — bd) — (ad+ oc)hi = (a—dil(e—di) = 20 (ii) 7 = abhi = o—- 8 = a-(-bh = at bi = 22 VECTORES EN BY oe ICAP. 1 1.22, Demostrar: Para todo nimero complejo z, w C C, |jzw| = {z| |w. Seanz= a+ bi y w=e + di donde a, d,¢,d E R. Entonces Ja? = at + 62% lw = 8 + at, y 2w = (ae- bd) + (ad + be)i Asi, |zw|2 = (ae — bd)? + (aa + be)? = ate? — Qabed + bd? + a®d? + 2abed + b2e2 = ac? + 2) + b2%(e2 + d2) = (a2 + be? +42) = ||? [ow]? Tomando raiz cuadrada en ambos lados se obtiene ef resultado deseado. 1.23. Demostrar: Para todo numero complejo z,wE C, [z+ w| s |z| + wl. Sean z=a+ bi y woe + di donde a, 6,¢,d © R. Se consideran los vectores yu — (a,b) ¥ v= (c,d) en R2. Se tiene que lel = Var e = Jfull, |] = VOTH = |foll yo etul = fete + +a] = VerRT Ora? = ate, 040] = ut ol Por la desigualdad de Minkowski (problema 1.17), llu+-v]] < |lul] + {fell por tanto let wp = fle tel] = jhe + [lel] = fel + hol VECTORES EN Cc 1.24. Sean u= (3— 2i, 4i,1+ 6i) y u= (5 + +,2— 3i, 5). Hallar: (i) u+ov, (ii) 4iu, Gi) G+ Hu, (iv) d—2)u+ B+ do. i) Se suman componentes correspondientes: u+v= 8—~124 1,6 +4 6). (ii) Se muitiplica cada componente de u por el escalar 41: diu = (8 + 124, —16, —24 + 47), (iii) Se multiplica cada componente de vu por el escalar i + i: GA+ae = 6+61+ 2, 2-i1-32,54+5) = (4+ 6¢, 5 — 1, 5 + Bi) (iv) Primero se efecttia la muitiplicacién por et escalar y después se suman Los vectores: (L~ ie + (B+ au = (—1~ 8i, 8+ 4%, 18+ 4) + (144 84, 9 — 74, 15 +58) = (13, 17 — 8%, 28 + 9%) 1.25. Hallar uev y veu si: (i) u= (—2,3+ i), v= (444 2,56); Gi u =. (8 — 23, 4i, 1 +. 6i), v= 6+ 1,2—3i, 74 27). Recordar que el segundo vector aparece conjugado en el producto interne: (21. 0p My) (Wy 0, w,) = ZyWy bee $b 24Ty () wey = (L242 + (3 + (5 — 67 = —-2)(4-2) + 84015 +60 = -1oi+9+4 233 = 9 + 132 vu = (44+ 2)00—8) + 6~6NSTH = 442) +2) + (6-698—9 = 10649-2937 = 9 — 18; (ii) ure = (8-296 4%) + (492-3 + (+ 60 (7 + 22) = (8—2)5 —) + 4924+ 8) + (1+ 6q7- 24) = 20+ 35¢ vee = G+)B-2) + @- 3G) + (74+ 290 F BH = (54+7(8 +22) + (2— 30)(—4i) + (7 + BL — 61) = 20 -— 354 En ambos ejemplos, v+u = %- 9. Esto es verdad en general, como se ve en el problema 1.27.CAP, 1] 1.26. 1.27. VECTORES EN RB’ YC 13 Hallar |ju|| si: G@)u = (84 43,5 — 2, 1—3i); Gi)u= (4—i, 21,34 2i, 1 — 51). Recordar que 2% = a2 + 6b? cuando z = a+ bi. Emplear [felf® = usu = 2424 + ade tors + zy, donde 2 = (21, Zy) ---5 Zn) (8)% + (4)? + (5)? + (—2)? + (12 + (8h = 64, 0 Mull =8 V60 = 2v15 i (3) { feel? (ii) | feel]? =. 42 + (4)? + 22 + 82 + 22+ 1? + (—B)? = 60, 0 |Ix|| Demostrar: Para todo vector u,v GC C” y todo escalar z € C, (i) uev = OU, (ii) (zu)-v = z(uev), (iii) u-(zv) = Zu-v). (Compare con el teorema 1.2.) Sean i= (21,22,...,2,) yu= (wy, we, ...,W,). (i) Usando las propiedades del conjugado demostradas en el problema 1.21, Vb = WR, + Woy bore bt Wyk, = WR + Woke tooo + Wey Le + = Wyey bt Woeg th 8 + Wyk, = XyWy + Ape + +z, = ury ii} Como ize = (2% 1, 2&9, 0. 0p Rn), (zudeu = 22D + aaqy + +++ + 22,0, = a(ay Wy + egigt ++ + aw.) = zlurv) (iii) Método 1. Como zv = (zw, zw, ..., 2Wy)s we (ev) = BFW] + eyQeWy + 2+ + + ey@Wy = BFW, + AoRitig + oe + e_hWy = (2,1, + agg ++ + 2,75,) = Harv) Métedo 2, Usando (i) y Gi), ur(zv) = Goeu = eeu) = Z(vru) = Z(uv) PROBLEMAS VARIOS 1.28. 1.29. Sean uw = (3, —2,1,4) y v= (7,1, —8, 6). Hallar (i) w+ v3 (ii) 4a; (iii) 2a — 80; (iv) u-v; (v) |lull y flo], (vi) dia, x). (i) uto = (47,-24+1,1-3,44+6) = (10, 1, —-2, 10) (ii) 4e = (4°8, 4° (-2),4+1,4+4) = (12, —8, 4, 16) (ii) 24 —80 = (6, —4, 2, 8) + (-21, —38, 9, —18) (-15, —7, 11, —10)} (iv) uev = 21-2-—3+424 = 40 @) lull = VoF4 41416 = ¥30, joll = VFI Fo+ 86 = 05 (vi) diw,o) = VO@—T? + H2—H2 + 14 8)? + 4-6 = V4 = 8V5 Sean u= (7 —~2i,2+ 5) y v= (i+ ¢, -8—6i). Hallar: (i) wto: (ii) Qin; (iii) (8 — Av; (iv) wee; (v) If y- [fol @ ates —2+14¢245i-3-6) = B-2-1-%) (ii) Bin = (14i— 42, 46+ 107) (4+ 147, —10+ 4%) (ii) G—Ov = (84+3i-1-#2, -9— 181+ 81+ 62) = (44+ 2, —-15— 15) Gv) wev = (7-2) +7) + (2 + 5i)(—3 — 62) (7—2)(1—4) + (24 5-84 G2) = 5 ~ 91 — 36— Bi = —31 — 121 VRFCOPTHTE = Ve, jell = VP +ie+ 3? + COR = VaT oH q tv) |ieelh14 1.30. 1.31. 1.32. 1.33. VECTORES ENR YO [CAP.. 1 Todo par de puntos: P= (a,) y @= (b,) en R* define el segmento dirigido de Pa @, escrito PQ. Se identifica PQ ‘con el vector v = Q— P: PO = v = (b1— G1, be— da, ..., bn — an) Hallar el vector v que se identifica con PO si: Gi) P= (2,5), Q= (~8, 4) {ii) P = (1, -2,4), Q = (6, 0, -8) Gi) «© =Q-P= (-8—2,4—5) = (—5, —1) Gi) v = Q@—P = (6-1,04+2,-8-4) = 6,2, —-T) E] conjunto H de elementos en R* que son soluciones de una ecuacién lineal con n incégnitas x, ..., x, de la forma C185 + Cpa + ++ + ent, = D : («) con u= (cy, ...,¢,) 0 en R*, se llama hiperplano de R”", y (%) se Hama una ecuacién de H. (Frecuentemente identificamos H con («).) Mostrar que el segmento => dirigido PQ para todo par de puntos P, Q € H es ortogonal al vector de los coeficientes u; se dice que el vector u es normal al hiperplano H. Sean P= (a:,...,a,) y Q@= (b,...,6,). Entonces los a, y los 6, son solucién de la ecuacién 610; + Ogg +--+ +e,a, = 8, 6,0, + Cobg + +++ + eyb, = b —> Sea vo = PR = Q-—P = (by— ayy by — a, ..., 04 — Gq) Entonces wev = ¢,(6,—-a,) + Co(by — ay) + -++ + 6ylb, — Gy) = yb, — Cry + Cybdy ~ Cgtty + «++ + OnOn — Cnty = (€10, + egbg + +++ + enb,) ~ (cra, + enti + +++ + o,ay) = 67b = 0 => Luego v, esto es, PQ, es ortogonal a u. Hallar una ecuacién del hiperplano H en R4 si: (i) Hpasa através de P= (8, —2,1,—4) y es normal a u= (2,5, —6,—2):. (ii) H pasa 4 través de P= (1, —2,3,5) y es paralelo al hiperplano H' determinado por 4x — By + 22 + w= 11. (i) Una ecuacién de H es de la forma 2x + 5y —6z—2w =k ya que es normal.a u. Sustituyendo P en esta ecuacién se obtiene e = —2. Luego una ecuacién de H es 2x + by —62—-.2w = —2, (ii) Hy H’ son paraleios sii los vectores normales correspendientes tienen La misma direccién o direccién opuesta. Por tanto, una ecuacién de H es de ia forma 4x — By + 22-4 w= k. ‘Sustituyendo P en esta ecuacién, se encuentra k = 25. Luego una ecuacién de H es dx — Sy + 224 w= 25. La recta ¢ en R* que pasa por el punto P= {a,) y en la direccién de u= (u,) #0 esta formada por los puntos X = P+ tu,t © R, esto es, esta formada por los puntos X = (x,) que se obtienen de 1 = a1 + tat Xo. = G2 + wat (*) ®a = An + Unt donde ¢ toma todos los valores reales. La variable ¢ se llama un pardmetro y (+) es una representacion. peramétrica de |.CAP, 1} / VECTORES ENR’ YC 15 (i) Hallar una representacién paramétrica de la recta que pasa por P y en la direc- cién de u si: (a) P= (2,5) yu = (—3, 4); (6) P= (4, 2,3, l) yu = (2,5, —7, 11). (ii) Hallar una representacién paramétrica de la recta que pasa por los puntos Py Q si: (@) P= (7,—2) y Q= (9,3); (6) P= 6,4,—3) y Q = (1, —3, 2). (i) En cada caso se usa la formula (+). es 4+ 2t aw = 2— 38t y = -24+ bt (a) _ 2) y = 5+ 4t z= 8-~ Tt w= 1411 (En R2 generalmente se elimina ¢ de las dos ecuaciones y se representa Ia recta por una sola ecuacién: 4x -+ 8y = 28.) oa . > (ii) Primero se calcula u = PQ = Q— P. Luego, se usa la formula (x). (a) u = Q@-—P = (2,5) {o) uw = Q-P = (-4, —1, 5) e= T+ 2t eo = §-4t {eae y= 4-Tt z= -8+ bt (Obsérvese que en cada caso también se puede escribir u= QP = P— @.} Problemas propuestos VECTORES EN R* ¥ 1.84. Sean u= (i, —2,5), v= @, i, —2). Hallar (i) w+ vu; (ii) —6u; (ii) 2u—5u; (iv) usv; (v) jlull ¥ [leds (vi) du, v): 41.35. Sean u = (2,—1,0,—3), v= (1,—1, —1, 3), w= (1,3,—2,2). Hallar (i) 2u—3v; (ii) 5u—8v —4w; Gii) —u+ 2v— 2w; (iv) u-v,u-w y vew; (v) d(u,v) y dv, w). X 1.36. Sean u= (2, i, —3,0, 4), v= 6, —3,—1, 2,7). Hallar (i) w+ v0; (ii) 8u — 2u; Gili) ue v; (iv) [lull y [ells (v} d&, v): x1.37. Determinar & de modo que los vectores u y.v sean ortogonales, (i) vu = (3, %, —2), v= (6, —4, —3). fii) u = . 68,4, 2), v= (1,—3,2, 2k). (iii) w= (1, 7,4+ 2,—2), v= @,k,—3, 2). y 1.38. Hallar x yy su (i) (wa +y) = (y— 2,6); (ii) (1,2) = —4(y, 3). 1.39. Hallar x yy si: (i) (8,2) = 2(y,—1); (ii) (2,y) = y(1, —2). 41.40. Hallar x,y y z sit @ = @,~1, 2) w(1, 1, 1) + y(4, —1, 0) + 2(1, 0, 0) (ii) (~1, 3,3) = a(1, 1, 0) + y(0, 0, —1) + 2(0, 1, 2) hi 1.41. Sean e, ='(1,0,0), e, = (0,1,0), es = (,0,1).. Demostrar que para todo vector u = (a, b,c) en R?: SRY u = ey + beg + 693 Urey Ha, tees * b, we eg =e.i6 \1-42. 1.43, 1.44, VECTORES ENR YC fCAP, 1 Generalizar el resultado del problema anterior en la siguiente forma: Sean e, C R#’él vector con 1 en Ja coordenada .-ésima y 0 en ias demas: €; > (1,0,0,...,0,0), eg = (0,1,0,...,0,0), ..., @ = (0,0,0,..., 0,1) Mostrar que para todo vector u = (1, a2, .. +1&n), (i) uw = aye, + agtg + +++ + Oyen, (ii) we, = a; parai=1,...,n ? Sea u © R* con la propiedad u-v = 0 para todo v © R*. Mostrar que u = 0. Usando d({u,v}= ||u—vl] y las propiedades de la norma [ Nii, [No} y [Nj] del problema 1.18, mostrar que la funcién distancia satisface las siguientes propiedades para todo vector u,v,w GC Re: Gi) dtu, v) 2 0, y du, v) = 0 sii u= v; (ii) duu) = d(v,u); Gii) du,w) s dtu, uv) + dl, w). NUMEROS COMPLEJOS 4.45. ae 1.47. 1.48. 1.49, 1.50. 9 + 2 5 @) 4-98, Simplificar: (i) (4—7)(9+ 2); (ii) (8 — 522: (ii) 7? (iv) 3-8 + 2 Simpliticar: (i) a i) ae Gil) 95, 25, Gy) ( 7 iL :) Sean z= 2—-5i y w= 7+ 3i. Hallar: (i) z+; (ii) zw; (iii) 2/w; (iv) 2, @; fv) lz|, [wl], Sean 2= 24: y w= 6—8i. Hallar: (i) 2/w; (i) %, @; Gii) |el, [wi]. ” Mostrar que (i) zz~i=1; (ii) |zl = [al; (ili) parte real de z = 42+ 2; (iv) parte imaginaria de z = (¢ —~ 2)/2i. Mostrar que zw = 0 implica z= 0 0 w= 0. VECTORES EN Cc 151. 1.52. 1.53. 1.54, Sean u= (1+ 7i, 2 — 6i) y v= (6—2i, 3—4i). Hallar: (i) u+v; fi) @+ Nu; Ui) Wu+ 4@—TW) v5 (iv) uev y veu; (¥) fell y lel. Sean u= 8—7, 2,—i+D y ve G@—., 11+ 2i, 8—3i). Hallar: (i) u —v; (ii) (84+ do; Git) wv y v-u; (iv) lull y Holl. Probar: Para todo vector u,v,w GC": G@) @ + v)-w=uew+v-w; (i) we &+ vu) = weu+wev. (Compare con et -tecrema 1.2.) Probar que ja norma en C* satisface las siguientes propledades: [Nij Para todo vector u, ||u{] 2 0; y [Jul] = 0 sii u <0. [Noi Para todo vector u y todo namero complejo 2, |jzu||= |z{ |lull. [N31 Para todo vector uy v, fut oll < flu] + I} vf. (Compérese con el problema i.18.) PROBLEMAS VARIOGS Sy.55. \i56. Encontrar una ecuacién del hiperpiano en R®? que: (pasa por (2, —7, 1) y es normal a (3, 1, —11); (ii) contiene a (1, —2, 2), (0, 1, 3) y (0, 2, —1); (iii) contiene a (1, —5, 2) y es paralelo a 3x — Ty + 42 = 5. Determinar el valor de & tal que 2x — ky + 4z—5w = 11 es perpendicular a 7x + 2y-— z+ 2w = 8. (Dos hiperpianos son perpendiculares sii sus vectores normales son ortogonales.)CAP, 1] 1.57. 1.58. 1.34, 1.35. 1.36. VECTORES EN R* Y @ 17 Hallar una Fepresentacién paramétrica de la recta que: G) pasa por (7,—~—1, 8) en la direecién de (1, 3, 5); (ii) pasa por’ (1,9, —4, 5) y (2, —3,0, 4); Gii} pasa por (4,1, 9) y es perpendicular al plano 3x —W+ z= 18. Sean P, Q y R puntos sobre la recta determinada por My FS a, tut, wy = ag t tet, ..., fy = Oy t ugt los cuales corresponden a los valores t,, ty y tg de ¢, respectivamente. Mostrar que si th < tz < &3, entonces d(P, Q) + d(Q, R) = d(P, R). Respuestas a los problemas propuestos (i) uw+ev=(4,-1,38); Gi) —6e = (-6,12,~80); Git) 2u— Bu = {--13, —9, 20); (iv) wey = —9; (v) [ul] = 80, |lol] = V14; (wi) du, o) = Ven (i) 2u—3e = (1,1,8,—15); (i) Bu —8v —4w = (8,—14, 11, -82); ii) —u + 20 — 20 = (-2,-7,2, 5): (iv) wv —6, uw = —7, vw =6; (vy) d(u,v) = V8, div,w) = 8V2 (i) ety =(7,~—2,—-4,2,11); (ii) 34 —-2v = (~4,9, 7, ~4,-2); (ili) w-v = 88; (iv) [fell = 30, iol] = 2V22; Ww) dtu, v) = a2 1.37. 1.38, 1.39. 1.40. 1.43, 1.45. 1.46. 1.47. 1.48. 1.50. 1.51. 1.52. 1.55. 1.56. 1.57. @) k=6; Gi) &=38; ii) k= 9/2 (i) @=2,y=4; i) «= —-6, y = 3/2 @) #=—-l, y=—3/2; fii) @=0,y¥=0; o #=-2,y=-4 GQ) #=2, y=3,2=-2 Gi) e=—-l,y=le=4 Se tiene que w-u= 0 lo cual implica que u = 0 (i) 50 — 558 (ii) —16 — 30%; (li) (4479/65; (iv) (1488/2; (v) -2 - 28 (i) —$4 Gi) (6+270/58; Gil) —2,%,—-1; (iv) (44+ 84)/50 (i) 2ztw =-9— 24 (ii) aw = 29 — 20%; (iii) ef = (1419/58; liv) 2 = 245, B= 7-35 (v) ja] = V29, [eo] = VBE @) cw = (7 +16)/61; (i) 2= 2-1, 8 = 6+ 5% Git) fel = VB, lw] = VOI Si zw = 0,entonces |zw| = |z| |w| = |0| = 0. Por tanto [z}=0 0 |w| = 0; y asiz=0 0 w=0 (i) ute = (6+5i, 5-103) (iv) wev = 21427, v-u = 21 ~ 278 (ii) (3+ du = (4 + 22%, 12-16%) (v) ul] = 3V10, |lvl| = 3v6 Gii) Qiu + (4— Tio = (8 - 414, -4-330 G) w—o = (-1~6i, 1, -9 +43) (ii) woo = 124 2%, vow = 12-21 Gi) (8+a)0'= 18 +i, 314174, 27-4 (iv) [Jul] = 8, [lel] = 208 (i) 8a + yo Ile = —12; (ii) 188 + dy +2 = 7; (iii) 8a ~ Ty + 42 = 46 k=0 fi) fe =74+et Gi) [a = ite (ii) fe = 44 3t cel + 3¢ y = 9-128 y = —1~ 2¢ z= 8 — Be 2s 4+ 4t z= ortCapitulo 2 Ecuaciones lineales INTRODUCCION La teoria de ecuaciones lineales desempefia un importante y motivador papel en el estu- dio de! algebra lineal. En efecto, muchos problemas en dlgebra lineal son similares a estudiar un sistema de ecuaciones lineales como, por ejemplo, encontrar el nucleo de una aplicacién lineal y caracterizar el subespacio generado por un conjunto de vectores. Por tanto, las técnicas que se introducen en este capitulo se aplicardn mas adelante a temas mas abstractos. Ademés, algunos de los resultados de los temas abstractos nos daran una nueva informacién sobre la estructura de los sistemas de ecuaciones lineales “concretos” Para mayor sencillez, suponemos que todas las ecuaciones en este capitulo se toman sobre el cuerpo real R. Observamos que los resultados y técnicas también valen para ecuaciones sobre el cuerpo complejo C o sobre cualquier cuerpo arbitranio K. ECUACION LINEAL Una ecuacién lineal sobre el cuerpo real R, es una expresién de la forma. 101 + ee + +++ + ant, = D (1) donde a,, 6 € Ry los x, son indeterminados (0 lo que es lo mismo, incognitas 0 variables). Los escalares a, son los coeficientes de log x, respectivamente, y 6 es el término constante o simplemente 1a constante de la ecuacién. Un conjunto de valores de ias incégnitas, por ejemplo wi hy, %2= he, ..., n= hen se dice que es una solucién de (2) si la proposicién que se obtiene sustituyendo k, por x,, diky + Gokte t+ +--+ + Onktn = D es verdadera, Se dice entonces que este conjunto de valores sattsface la ecuacién. Si no hay am- bigiiedad acerca de 1a posicién de las incégnitas en la ecuacién, notaremos esta solucién sim- lemente por la n-upla. ; P P P u = (Ku ke... Kn) Ejempio 2.1: Consideremos la ecuacién x + 2y —4z2+ 0 = 3. La 4-upla u = (3, 2, 1, 0) es una solucién de la ecuacién pues. Bt2*2~4°914+0 = 3 6 3=3 €s una proposicién verdadera. Ademas, la 4-upla v = (1, 2, 4, 5) no.es una solucion de la ecuacién, pues L+2-2-4-44+5 = 8 é -—6=3 que es una proposicién falsa. Las soluciones de la ecuacién (1) pueden obtenerse facilmente. Hay tres casos: Caso (i): Uno de los coeficientes en (1) no eg nulo, por ejemplo, a, ~ 0. Podemos entonces escribir la ecuacidn como Oty = 0 AM, — +++ — Gnkn 6 M1 = @,'D — ap Oak, — +++ TO Onn 18CAP, 2} ECUACIONES LINEALES 19 Al asignar valores a las incégnitas x2,..., x,,, obtenemos un valor de x,; estos valores forman una solucién de la ecuacién. Ademas, cualquier solucién de la ecuacién puede obtenerse de esta forma. Obsérvese en particular que la ecuacién lineal con una incognita, ax = 6, cona+~Q tiene como solucién tmica x = av! 6. Ejemplo 2.2; Consideremos la ecuacidn 2x — dy + z = 8. Escribimos la ecuacién como 2x = 8+ 4y—2 ° x=4+ 2y— 32 Para cualquier valor de y y z se obtiene un valor para x, y los tres valores forman una solucidn de la ecuacién. Por ejemplo, siy = 8y z= 2; entonces x = 4-+ 2.8—4.2= 9. En otras palabras, ta 3-uplau = (9, 3, 2) es una solucién de la ecuacién. Caso (ii): Todos los coeficientes en (J) son nulos, y la constante no es nula. Esto es, la ecuacion es de la forma Oa, + Ome + +++ +022 = b, con b«0 En tal caso, la ecuacién no tiene solucién. Caso (iii): Todos los coeficientes en (J) son nulos y la constante también es nula. Esto es, la ecuacién es de la forma Or + Ove +--+ + 0%, = 0 Siendo asi, cualquier n-upla de escalares en R es una solucién de la ecuacién. SISTEMA DE ECUACIONES LINEALES Consideremos un sistema de m ecuaciones lineales con n incognitas x1,..., X,: 1101 + Grete, +--+ + Ginn = bi GayXe2 + Agee +t) + Oona = be («) Gur + Omait, + ++ + Amntn = Om donde los a,;, 6; pertenecen al cuerpo real R. El sistema se dice homogéneo si las constantes b,..., 6, son todas 0, Una n-upla u = (ki,..., &,) de mameros reales es una solucidn (0 también una solucidn particular) si satisface cada una de las ecuaciones; el conjunto de todas las soluciones se lama el conjwnto solucidn o la solucidn general. El sistema de ecuaciones lineates G10, + Get, + +++ + didn = 0 Gait + deete, + +++ + Genta = 0 (*#) Omit + Omette + +++ + Aantn = 0 se llama el sistema homogéneo asociado con el sistema (+). El sistema anterior siempre tiene una solucién, la‘n-upla cero 0 = (0, 0,..., 0) llamada la solucién cero o 1a solucién trivial. Cual- quier otra solucién, si existe, se lama una solucién distinta de cero o no trivial. La relacién fundamental entre los sistemas («) y (x«) es la siguiente:20 ECUACIONES LINEALES 5 ICAP, 2 Teorema 2.1: Supongamos que u es una solucién particular del sistema no homogéneo (+) y ademas, que W es la solucién general del sistema homogéneo asociado (+x). Entonces . ut+W = {utw:wew) es la solucién general del sistema no homogéneo (x). Observamos que el teorema anterior es de interés te6rico y no sirve para obtener explici- tamente las soluciones del sistema (x), lo cual se hace por el método corriente de eliminacién descrito en la seccién siguiente. SOLUCION DE UN SISTEMA DE ECUACIONES LINEALES Consideremos el sistema («).de ecuaciones lineales, ei cual lo reduciremos a un sistema mds simple de la siguiente manera: ‘ Paso 1. Intercambiamos tas ecuaciones de tal manera que la primera incégnita x, tenga un coeficiente no nulo en la primera ecuacién, esto es; tal que a;, ~ 0. Paso 2. Para cada: > 1, aplicamos la operacién Ey, > -dals + ands Es decir, remplazamos la :-ésima ecuaci6n lineal L, por la ecuacién que se obtiene multiplicando la primera ecuacién L, por —a,;; ‘multiplicando la s-ésima ecuacién L, por ai,, y luego sumando. Asi obtenemos el siguiente sistema que (problema 2.13) es equivatente a (x) esto es, tiene el mismo conjunto solucién de (x): ’ yi, + Ghote + Aists + +++ + Aintn = di Gj Big borrrees + Cintn = bs Omigig borers + Gnntin = bm donde a; ¥ 0, y Xj, representa la primera incognita con un coeficiente no nulo en una ecua- cién diferente de la primera; por el paso 2, Xj, * x1. Este proceso que elimina una incdégnita en las ecuaciones siguientes se conoce como el método de eliminacién de Gauss. Ejemplo 2.3: Consideremos el sistema siguiente de ecuaciones lineales: 2at+d4y—zt+2vt+2w = 1 8a + 6ytz2- v+4w = +7 4a+8y+2+5u- w= 8 Eliminamos [a incognita x de ta segunda y tercera ecuaciones aplicando las siguientes operaciones: Ly 2 —8Ly + 2L5 y Ly > —2Ly, + By Cateulando BLy. 6a — 12y + 82 — 6v — bw = 3 2L,: 6a + lay + 22 — 20+ 8w = —14 ~BL, + 2Ly: 5z— Bu + 2w = 17 y —2Ly. —4e — 8y + 2z2-—4u—4uw = -2 Dz. 4a + 8y+ 2+ 50- w = 38 28, + Le: Bet y—bw = 1CAP. 2] ECUACIONES LINEALES 21 Luego el sistema original se reduce al siguiente sistema equivalente: Qe + 4y—z2+20+2w = 1 bz ~ Bu + 2w = —17 382+ v-5w — 1 Observamos que y se ha eliminado de la segunda y tercera ecuaciones y la incognita z desempefia el papel de la incognita anterior Xjg- Vemos pues, que las ecuaciones anteriores, excluyendo la primera, forman un subsistema que tiene menos ecuaciones y menos incognitas que e! sistema original («). Tambiérf se obser- va que: (i) st se encuentra una ecuacién de la forma 0x, + --- + Ox, = 6, 6 # Oentonces el sistema es inconsistente y no tiene solucién; (ii) si se encuentra una ecuacidn de la forma Ox; + --- + Ox, = 0 entonces la ecuacion puede quitarse sin que se afecte la solucién. Continuando:el proceso anterior con cada nuevo subsistema, se obtiene por induccién que el sistema («) es inconsistente o reducible a un sistema equivalente de la forma @i%1 + Grete + distg bocce + Qindn = di Aaj, Bin + Aa,ig¢i@igti bortr ts + Gentin = be («xx) Ori, Uj, + Or,5, 4105, 41 +++ + Genttn = dy donde 1 < jp < *..< j, y donde los coeficientes principales son distintos de cero: 614 #0, Oy, #0, «12, On, HO (Para comodidad:en la notacién usamos ios mismos simbolos a,,, 6, en el sistema («*«) que los usados en el sistema («), pero claro est4 que pueden representar escalares diferentes.) Definiciédn: Se dice que el sistema («*«) esta en la forma escalonada; las incégnitas x, que no aparecen al principio de alguna ecuacién (i ¥ 1, sz,..., j,) se laman va- rrables libres. Para resolver'el sistema anterior, se aplica el siguiente teorema: Teorema 2.2: Hay dos casos para la solucién del sistema (**«) en la forma escalonada: (i) r= n. Esto es, hay tantas ecuaciones como incégnitas. Entonces ei sistema tiene una solucidn Unica. (ii) r < n. Es decir, hay menos ecuaciones que incégnitas. Entonces podemos asignar arbitrariamente valores a las n — r variables libres y obtener una solucién del sistema. Se puede ver én particular que el teorema anterior implica que el sistema (««#«) y cualquier sistema equivalente son consistentes. Por tanto, si el sistema (+) es consistente y se reduce al caso (ii), entonces podemos asignar muchos valores diferentes a las variables libres y obtener asi muchas soluciones del sistema. El diagrama siguiente ilustra esta situacidn.22 Inconsistente ECUACIONES LINEALES ICAP. 2 Sistema de ecuaciones lineates Consistente | Sin solucién Mas de una solucién Solucién unica En virtud del teorema 2.1, la solucién unica solamente puede ocurrir cuando e! sistema homogéneo asociado no tiene mas que ia solucién cero. Ejemplo 2.4: Ejemplo 2.5: Ejemplo 2.6: Reducimos ei siguiente sistema aplicando las operaciones Egos —38L, + 2Le y L3; — —3L, + 22s, y, luego la operacién Lg — —3L. + Ls. Qa ym ket sw = 1 Qety- eet Bw = 1 2a +.y — 224+ 8w = 8a + 2y— 2+2% = 4 yt 4¢—- Bw =. 5 yt4e2—5w = 5 3a + 8y + 32-—3w = 5 Sy + 12z—15w = 7 o= -8 La ecuacién 0 = —8, esto es, Ox + Oy + Oz + Ow = —8, muestra que el sistema ongi- nal es inconsistente y, por tanto, no tiene solucién. Reducimos el siguiente sistema aplicando tas operaciones LI, — —L, 4+ Ip, £3 ~ —2L, + Ls y Lg > —2L, + Ly, y luego las operaciones L3 —> Ly — Lg y Ly — —2L, + Ly. ‘ e+ 2y—Be = 4 w+ 2y—3e = 4 w+2y—8e = 4 et 3yt+o 2= 11 yr4e = T y+d4z2 = 7 2e+ 5y—4¢ = 18 yt2z = 6 22 = 2 20+ Gy + 2z = 22 Qy+ 8c = 14 0o=0 w+ 2y-32 = 4 yt4e = 7 22 = 2 Observamos primero que el sistema es consistente puesto que no!existe una ecuacién de la forma 0 = 6, como 6 # 0. Ademds, como en la forma, escatonada hay tres ecuaciones con tres incdgnitas, el sistema tiene una solucién «nica. Por la tercera ecuacién, z = 1. Al sustituir z = i en ta segunda ecuacién, se obtiene y = 3, Al remplazar z = ly y = 3 en la primera ecuacién, se encuentra x = 1: Luego x = 1, y= 3 y z= I 0, en otras palabras, 1a 3-upia (1, 3, 1), es la solucién Gnica del sistema. Reducimos el siguiente sistema aplicando tas operaciones Lyg°— —2L, + Ly y Ls — —5L, + Ia, y huego la operacién ZL, — —2he + Ls: w+ By-2Q22+ Bw = 2 e+ Qy~ 22+ 8e = 2 a +2y — 22+ aw = 2 2e+ 4y~— 382+ dw 5 z~-2w = 1 : z—-2w = 1 ba + 10y—8e+1le = 12 22~4dw = 2 o=0 a+ 2y—- 22+ 3w = 2 z—2w = 1CAP. 2] Nota: ECUACIONES LINEALES 23 El sistema es consistente, y puesto que hay mas incégnitas que ecuaciones en.la forma escalonada, el sistema tiene un numero infinito de soluciones. En efecto, hay dos variables libres, y y w, luego una solucién particular se puede obtener dando a y y w cualquier valor, por eyemplo, w = Ly y = —2. Sustituyendo w = 1 en la segunda ecuacién, se obtiene z = 3. Haciendo w = 1,2 = 3y y = —2 en ta primera ecuacién, se encuentra x = 9. Asi, x = 9,y = —2,z = 3y w= 1 0, en otras palabras, la 4-upla (9, —2, 3, 1) es una solucién particular del sistema. Se encuentra la solucién general del sistema del ejemplo anterior como sigue: Asigna- mos valores arbitrarios a fas variables libres; por ejemplo, y = ay w = b, Sustituyen- dow = b en la segunda ecuacién, se obtiene z = 1-+ 2b. Haciendoy = a,z = 1+ 2b yw = 6 en fa primera ecuaci6n, se encuentra x = 4 — 2a + 6. Luego la solucién ge- ral del sistema es 2=4-204+b, y=a, 2=14+2b, w= db o, en otra forma, (4 — 2a + b, a, 1+ 2b, 6), donde ay 6 son nimeros arbitrarios. Ordi- nariamente la solucién general se da en términos de las variables libres y y w (en lugar de ay 6) ‘en la siguiente forma: w= 4—-2y+w, 2 = 1+2w o (4—2y+w,y,1+2w, w) Se investigaraé mds ampliamente sobre la representacién de la solucién general de un sistema de ecuaciones lineales en un capitulo posterior. Eje mplo 2.7: Consideremos dos ecuaciones con dos incégnitas: aye + Oyy = Cy age + Dey = Cy De acuerdo con nuestra teoria, debe ocurrir exactamente uno de los tres casos siguientes: (i) El sistema es inconsistente. (ii) E1 sistema es equivalente a dos ecuaciones en ja forma escalonada. (iii) El sistema es equivalente a una ecuacidn en ta forma escalonada. Cuando las ecuaciones lineales con dos incdgnitas y con coeficientes reales se pueden representar como rectas en el plano R?, los casos anteriores se pueden interpretar geométrica- mente como: (i) Las dos rectas son paralelas. (ii) Las dos rectas se intersectan en un punto unico. (iii) Las dos rectas coinciden. SOLUCION DE UN SISTEMA HOMOGENEO DE ECUACIONES LINEALES Si se empieza con un sistema homogéneo de eeuaciones lineales, entonces el sistema claramente es consisténte puesto que, por ejemplo, tiene la solucién cero0 = (0,0,..., 0). Por tan- to, siempre puedé reducirse a un sistema homogéneo equivalente de la forma escalonada: Qi1%y + iets + Gisty Hoe reer + dintn = 0 Origin + Arigti@igtt bst++e+ + Canta = 0 Grj, Xj, + Oyj, 410i bs 1 rnin = 0 Se presentan dos posibilidades: (i) r= on. Entonces el sistema tiene unicamente cero como solucién. (ii) r —8Ly+L, y | Ly > —BL, + Le: —~8Ly; —8e—6y+ 92 = 8 —5L,; —5a~—10y+ 152 = Tig: 8e—-— yt 2 = 7 Dg. bat By- 4z = BL + Ey: —ly + 11z = 10 —BL, + Lg: —Tlytiiz = 7 De esta forma se obtiene el sistema equivalente a+2y— 8 = -1 —Ty+ ite = 10 —Iy+ite = 7 La segunda y tercera ecuaciones muestran que el sistema es inconsistente, puesto que si se restan se obtiene Ox + Oy + 02: 3602 3. 20+ y—2z = 10 Resolver el sistema: 8¢-+2y+2z2 = 1. 5et+4dy+8z2 = 4 Se reduce a la forma escalonada. Se elimina x. de la segunda y tercera ecuaciones por las operaciones Ly > —8[E,4+2Lg y Lg > —5L,4 203, =8Ly: ~62—~ 3y+ 62 = —30 —5i4:; 102 — By +102 = 50 219: 62+ 4y+ 4z¢ = 2 213: 10x + 8y+ 62 = 8 —8L, + 2h: y+i0z = —28 BL, + QL: By + 16z = 42 De esta suerte se obtiene el sistema siguiente del cual se elimina y de la tercera ecuacién por la operacién Ly > ~8L9 t+ Lg: Baty— 22 = 10 Qa +y- 22 = 10 yt+102 = —28 a y+i102 = —28 sy t+ 162 = —42 —l4z = 42 En la forma‘escalonada hay tres ecuaciones con tres imcégnitas; por tanto, el sistema tiene una solucién unica, De la'tercera ecuacién, z = —3. Sustituyendo en la segunda ecuacién, se halla y = 2. Sustituyen- do en la primera ecuacidn, se obtiene x = i. Luego x = 1, y = 2 y z= —3, esto es, la 3-upla (1, 2, —3), es la unica sohicién del sistema.26 2.4, 2.5. ECUACIONES LINEALES [CAP, 2 e+2y-3¢ = 6 Resolver el sistema: 22-— yt+4z= 2. Ay + 38y—22 = 14 Se reduce ei sistema a la forma escalonada. Se elimina x de la segunda y tercera.ecuaciones por las opé- taciones L.2— —2L, + Lp y L3; > —4L, + Ls: 2Ly. Qe — dy + 62 12 4L,. 4a — By + 122 = —24 Lg Qe— yt 42 = 2 Ls: 4da+8y— 22 = 14 ~by + 102 = —10 —by + 10¢.= —10 a Yr 2@= 2 ° Yr B= 2 Por tanto, el sistema es equivalente a 2+ 2y— 382 = 6 a+2y—- 32 = 6 y—2%z = 2 o simplemente y—az = 2 yYn~ 22 = 2 (Puesto que las ecuaciones segunda y tercera son idénticas, se puede suprimir una de ellas.) En Ja forma escalonada hay solamente dos ecuaciones con tres incognitas; de_esta forma, el sistema tiene un numero infinito de soluciones y, en particular, 3 —2 = i, variable libre queé.es z. Para obtener la solucién general sea, por ejemplo, z = a. Sustituyendo en la segunda ecuacién se obtiene y = 24 2a. Sustituyendo en la primera ecuacién se obtiene x + 2(2 + 2a) —3a = Gox = 2—a. De esta suerte, ia solucién general es a=2-a@ y=2+24, zc<=a o (2—a, 2+ 2a; a) donde a es cualquier numero real, Hl valor a = 1dauna solucién particularx = i,y=4,z= i 0 (1,4, 1). a —3y +4z2-2w = Resolver el sistema: 2y+5z+ w = 2 y — 82 = 4 E] sistema no esta en fa forma escalonada puesto que, por ejemplo, y aparece como primera incdgnita en la segunda y tercera ecuaciones. Sin embargo, s1 se escribe el sistema de tal manera que w sea ta segunda incognita, entonces se obtiene el siguiente sistema en la forma escalonada: a —2w—-syt+4z2 = 5 wt 2y + bz 2 y— 82 = € Si una 4-upia (a, 6, c, d) es una solucién dada, no esta claro si b debe sustituirse por w 0 por y; luego por razones teoricas se consideran ios dos sistemas diferentes. Esto no prehibe el uso del nuevo sistema para obtener la solucion del sistema original. Sea z = a. Sustituyendo en Ja tercera ecuacién, se encuentra y = 44 3a. Sustituyendo en la segunda ecuacién, se obtiene w+ 2(4-+4 34) + 5¢ = 2 0 w= —6— lla Sustituyendo en la primera ecuacion aw — 2(-6 ~ 11a) — 8(4+ 38a) +40 = 5 0 a = 5§—1"%a Por tanto, la solucién generai del sistema originat es ¢#= 6-lfa, y= 4+8a, z=a w= ~6—-1le donde a es cualquier numero real.CAP. 2} 2.6. 2.7. ECUACIONES LINEALES 27 Determinar en el siguiente sistema con las incdégnitas x, y y z el valor de a tal que tenga; (i) ninguna solucién, (ii) mas de una solucion, (iii) una solucién Unica: ety- e@=1 2a4+ By + az = 8 atay+3z = 2 Se reduce el sistema a la forma escalonada; se elimina x de la segunda y tercera ecuaciones por medio de las‘operaciones L, > —2L, + Ley L3 > —Li + Ls: ~BEy: Be — 2y + te = —2 -Ly -%- yt 25 —-1 Le: 22+ By + az = 3 Ls: a+ ayt+3z = 2 yt(at2e = 1 fa-lyt4de = 1 E} sistema’ equivalente es a+ ye z=1 yt(at2e = 1 (a~ Vy + 4g = 1 Ahora se elimina y de la tercera ecuacién efectuando la operacion L3 > —(a— I) La + Ls, (a — 1) Lo; {a-—ly + (2-a-a%)z = 1l-a Ds. (a—LDy + 4g = 1 (6-a—a)z = 2-4 ° (3+ a)(2 — az 2-4 Ul se obtiene el sistema equivalente an ea=al yt (at+22= 1 (3+aj(2—a)jz = 2-a el cual tiene una solucién unica si el coeficiente de z en la tercera ecuacién es diferente de cero, esto es, SI axe 2yam —3. Cuandcoa = 2, la tercera ecuacién conduce a 0 = 0 y el sistema tiene mas de una solu- cién. Cuando « = —%8, la tercera ecuacién es 0 = 5 y el sistema no tiene solucién. En resumen se tiene: (i} a = —3, (ii) a = 2, lilil)a # 2 y a ~ —3. 4 Qué condicion deben cumplir a, 6 y ¢ para que el siguiente sistema con las incégnitas x,¥ yz tenga una solucién? e+2y- 82= a4 2a + 6y—llz = e~Qy+ Tza=e Se reduce a fa forma escalonada. Eliminando x de la segunda y tercera ecuaciones efectuando Ly - —2L, + Ly y Ly — —L, + Ly, se obtiene el sistema equivalente a+2y- 82 -= a 2y — be = b—-— 2a —4y +102 = c-—a@ Eliminando y de la terceta ecuacién por medio de la operacién Ls — 2Ly + Ls, finalmente se obtiene sistema equivalente c+ Wy -B-0 2y—~ he = b-— 2a 0 = e+ 2b—- ba 2— ALGEBRA LINEAL28 ECUACIONES LINEALES [ CAP. 2 El] sistema no tendré solucién si la tercera ecuacién es de la forma 0 = k, conk = 0; esto es, sic + 26 — 5a + 0. Por tanto, el sistema tiene al menos una solucién si c+2b—5a = 0 ° ba = 2b+¢ 5e puede notar, en este caso, que el sistema tiene mas de una solucién. En otras palabras, el sistema no puede tener una solucién unica. SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES 2.8. 2.9. Determinar si cada sistema tiene una solucion diferente de cero: a+ay- z= 0 “a—2y+3z-2w = 0 u+ 2y—-3Bz = 0 2x + By +22 = 0 38a—~ Ty —22+4w = 2" + By +22 = 0 a+ 4y+Tz = 0 4e + 3y+52+2w = 0 B3a-—- y-4ze = 0 2+3y4+82 = 0 (i) (ii) {iii) () El sistema tiene una solucién distinta de cero puesto que hay mas incdégnitas que ecuaciones. Gi) Se reduce a la forma escalonada: a+ 2y— 8 = 0 a+ 2y-3z2 = 0 aK 2y - 32 = 0 2e + By + 22 = 0 a y+ 8z = 0 a y+ 8 = 0 3a — y—-4z = 0 —Ty t+ bez = 0 6le = 0 En ia forma escalonada hay exactamente tres ecuaciones con tres incognitas; por tanto, ¢l sistema tiene una solucion unica, la solucién cero. (iii) Se reduce a 1a forma escaionada: at2y- 2 = 0 at2y- 2=0 Qe + by +22 = 0 yt4z2 = 0 a+t2y—- 2= 0 et4y+iz = 0 2y + 82 = 0 yt 42> a+ 38y +32 = 0 yt+4ze = 0 En ja forma escaionada hay solamente dos ecuaciones con tres incdgnitas, de donde el sistema tiene una solucién diferente de cero. Los vectores uj),...,u,, en R® se llaman lineatmente dependientes, o simplemente dependientes, si existen escalares ki, ...,,,, no todos nulos, tales que Riu; + +++ + Ram = 0. En caso contrario se llaman independientes. Determinar si ios vectores u, U y w son dependientes o independientes cuando: (i) w=(1,1,-1), » = (2,-3,1), w= (8, -7, (ii) « = (1, -2, -8), v = 2,8, -1), w = (8, 2, 1) (ili) u = (a1, a2), v = (bi, be), w= (e1, €2) En cada caso; (a) se hace xu + yu + zw = 0 donde x, y y z son incdgnitas escalares; (6) se encuentra el sistema homogéneo equivalente de las ecnaciones; (c) se determina si el sistema tiene una solucién no nula. Si el sistema fa tiene, entonces los veetores son dependientes; si el sistema no Ja tiene, entonces los vectores son independientes. (i) Supengamos xu + yu -+ zu = 0: w(1,1,—1) + 9(2,-3,1) + 28-7, = (0,0) (0, 0, 0) Ul ° (a, a, —x) + (2y, ~By, y) + (82, —T2, 2) ° (@ + 2y + 82,a-8y—Tz, -at+tytz) = (0,0,0)CAP. 2] 2.10, ECUACIONES LINEALES 29 Se igualan las componentes correspondientes y se reduce el! sistema a la forma escalonada: w+ 2y+82 = 0 et2y+ 8 = 0 w+2y+ 8 = 0 “e+ 2y+ 8 = 0 a— By - Tz = 0 —by —-1bz = 0 yt+3e = 0 y+ 8 = 0 ~atiy+ 2=0 By+ 92 = 0 y+3z2 = 0 En la ‘forma éscalonada hay solamente dos ecuaciones con tres incognitas; luego el sistema tiene una solucién distinta de cero, Por tanto, los vectores son dependientes. Nota: No se necesita resolver e! sistema para determinar la dependencia o independencia; basta con saber.si existe una solucién no nula. (ii) w(1, —2,.—8) + y(2, 8, -1) + 2(8,2,1) = (0, 0,0) (w, —2a, —Ba) + (2y, 8y, —y) + (Bz, 2z, z) = (0, 0, 0) (ae + 2y + 82, ~2e + By +22, —Ba-~y+z) = (0,0, 0) ot 2y+32 = 0 a+ Qy+ 8 = 0 wt2y+ a= 0 —20 + 8y +22 = 0 Ty + 8 = 0 Ty + 8 = 0 —84~- yt z= 0 by +102 = 0 302 = 0 En la-forma escalonada hay exactamente tres ecuaciones con tres Incdgnitas; por tal razon el sistema tiene Gnicamente la solucién cero y, por tanto, los vectores son independientes. (iii) (cy, dg) + (By, 09) + z(cs, co) = (0, 0) awa + by + cz = 0 (ax, doa) + (by, boy) + (cy2, 92) = (0, 0) y asi age + boy + Coz = 0 (aya + Oyy + ey2, age + b2y + 22) = (0, 0) El sistéma tiene una solucién no nuia por ei teorema 2.3, esto es, porque hay mas incognitas que ecuaciones, por tanto los vectores son dependientes, En otras palabras, se ha mostrado que tres vectores cualesquiera en R? son dependientes. Se supone que en un sistema homogéneo de ecuaciones lineales los coeficientes de una de las incdgnitas son todos cero. Mostrar que el sistema tiene una solucion diferente de cero, Sean ix, --+:.%, las incdégnitas del sistema y x, la incognita cuyos coeficientes son todos cero. Siendo asi, cada ecuacién del sistema es de la forma yy boo yy + Om + Gyy Hn. + toe, = 0 Entonces, por ejemplo, ©, ..., 0, 1,0, ..., 0) donde i es la componente 1-ésima, es una solucién no nuia de cada ecuacién y, por tanto, del sistema. PROBLEMAS VARIOS 2.11. Demostrar el teorema 2.1: Si u es una solucién particular del sistema no homogéneo (+), y Wola solucién general del sistema homogéneo asociado (««}. Entonces w+ W = {utw: weEW} es la solucién general dei sistema no homogéneo (+), Sea Ula solucién general del sistema no homogéneo (x), Supongamos queu © Uy queu = (uz, . u,). Como‘u es una solucién de {«), tenemos para: = 1,..., m, MU + Ayyttg For +* + Bint = Os Ahora supongamos que w © W y que w = (w, ..., w,). Como w es una solucién det sistema homo- géneo (+«} tenemos para : = 1, ..., m, GiyW, + ApyWeg + +++ + aw, = 02.12. 2.13. ECUACIONES LINEALES [ CAP. 2 Por tanto, para: = 1, ..., m, yy (hy FW) + Giglug + We) + +> + Aint + Wy) Gay tty Fay Wy FH Gigtla + AigWe + >> + dally + dinWn (Opty Faigle + +++ $ Minit) + (ayy, + aygg + +++ + aintty) =b;4+0 = 4 Esto es, u + w es una solucién de (+). Luego u + w © U, por tanto utr+wieeu Supongamos ahora que v ='{v,, ..., v,) es un elemento arbitrario de U, es decir, una solucién de (+). Entonces para i = 1, ..., m, BiyV1 + Aigde + +++ + Bint, = db: Obsérvese que » = u + (v — u). Afirmamos que v —u © W. Para. = 1,...,m, Qialvy — Uy) + aya(Yy ~ Ug) boo + + Oy (Uy — Up) = (Gig + yyy + ott FP digy) — (Any + aygtta + ++ + Biqty) = 6-6 = 0 Luego v — u es una solucién del sistema homogéneo (««), esto es, v — u & W. Entonces v Gu W,y por tanto Ucutw De ambas relaciones de inciusién obtenemos U = u + W; esto es u + Wes ia solucién general del sistema no homogéneo (+). Considerar e] sistema (+) de ecuaciones lineales (pagina 19). Multiplicando la ecuacion :-ésima por c, y sumando, se obtiene la ecuacién (Crd Hees + Omttma)tr toss + (Cidin te + CnOmn)tin = ib ts) + Ombm (1) Una ecuacién de esta forma se llama una combinacién lineal de ias ecuaciones en (*), Mostrar que cualquier solucién de («) es también una solucién de la combinacion lineal (7). Supongamos que u = (k, ..., &,) e8 una solucién de («). Entonces Gyyky + ayoltg tts + Oink, = by 2=1,...,.m : (2) Para mostrar que u es una solucién de (1), debemos verificar la ecuacién (yaar Foo bem Qna ey ove +b (Cydyy hts + etna hy = Cyd, Foret + Cady Pero esta ecuacién puede reordenarse en ey(ay shy oe + tank) tote + elma Foot Ht bpley) = epdy bo ce + Cu Om, 0, por (2), Ody tore + ebm = 640, Fee + Candin que es claramente verdadera. En el sistema («) de ecuaciones lineales, supongamos a3, = 0. Sea (#) el sistema que se obtiene de (+) por medio de la operacién L,— —a,,Li + @iuiL,; +4 1. Mostrar que («) y (#) son sistemas equivalentes, esto es, tienen el mismo conjunto solucién. En virtud de las operaciones anteriores sobre («), cada ecuacién en (¢) es una combinacién lineal de ecuaciones de («); siendo asi, por el problema anterior toda solucién de (+) también es una solucién de (#). . ws 1 . : - Por otra parte, aplicando ia operacién DL, > Pa (—a,,£, + L,) a (#), se obtiene et sistema original Al (+); esto es, cada ecuacién de («) es una combinacién lineal de ecuaciones de (4); por tanto, toda solucién de (#) también es una solucién de («) Ambas condiciones muestran que («} y (#) tienen el mismo conjunto solucién.CAP. 2] 2.14, 2,15, ECUACIONES LINEALES 31 Demostrar el teorema 2.2: Considerar un sistema en ta forma escalonada: Qi1¥1 + Giewe + ists +--+ e eee terete + Minds = bi Azigkin + Aa, it iBigti tb icccte: + Gant, = be Or}, 0j, + Org, t1By 4a bots + enn = by donde.1)< jo < +++ < y y donde a, + 0, Ga, 0, ..., Gy, #0. La solu- cién es la siguiente. Hay dos casos: fi} r= n. Entonces el sistema tiene una solucién Unica. (ii) r < n. Entonces se pueden asignar valores arbitrarios a las n — r variables libres y obtener una solucién del sistema. La demostracién es por induccién sobre el mimero r de ecuaciones del sistema. Sir = i, tenemos una sola ecuacién lineal GyHy + Apt, + agtg t+ +> +a,e, = 0, donde a, #0 Las variables libres son xz, ..., x,. Asignemos valores arbitrarios a las variables libres; por ejemplo, X%2 = Ra, Xa.= Rg, ..., X, = Ry. Sustituyendo en la ecuacién y despeyando x,, 2, = gO- ghz — Agks — ++" — Oykty) Estos valores forman una solucién de la ecuacién; por sustitucién, obtenemos a [2 ~ ata - wes — a | + agky t ++ + dip = B00 b= que es una:éxpresidn verdadera. Ademés, sir = n = 1, entonces tenemos ax = 6, donde a ~ 0. Obsérvese que x = 6/4 @8 una 60- lucién puesto que a(b/a) = 6 es verdadera. Si también x = & es una solucién, esto es, ak = 6, entonces k = 6/a. Por tanto, la ecuacién tiene una solucién unica tal como se afirmé. Ahora: supongamos r > 1 y que el teorema es verdadero para un sistema de r — 1 ecuaciones. Consi- deremos las r — 1 ecuaciones ig, ), + Bp, jn +1 By 41 hortrser serene: ch deat, = bg Oy hE Oe eta bt cb OmBy = Oy como un sistema con las incégnitas x.,...,x,. Puede verse que el sistema estdé en la forma escalonada. Por induccién podemos arbitrariamente asignar valores a las (n —j, 4- 1) — (r — 1) variables libres en el sistema reducido para obtener una solucién (por ejemplo, Xj = Kins sey Oy = K,). Como en el caso r = 1, estos valores y los valores arbitrarios para ias otras jy — 2 variables libres (por ejemplo, #2 = Kg, . Xy-4 = Keyyea)s dan una solucién de la primera ecuacién con tag 1 wy =F (bt — Giake — +++ = Galen) di (Obsérvese que hay (n ~ je + 1) — (7 ~1)+ Us — 2) = n —r variables libres.) Ademds, estos valores bara x1, ..., x, también satisfacen jas otras ecuaciones puesto que, en esas ecuaciones, los coeficientes de x1, ..., %j,-1 80n cera, Ahora'si r = n, entonces y, = 2. Luego por induccién obtenemos una solucidn unica del subsistema y, en consecuencia, una solucién unica del sistema total. Por tanto, el teorema est demostrado. Un sistema (+) de ecuaciones lineales se llama consistente si ninguna combinacién de sus ecuaciones es la ecuacién Ow, + O42 +--- + 0%, = b, donde b+0 (1) Mostrar que el sistema («) es consistente si y sélo si es reducible a la forma escalonada. Supongamos que («) es reducible a la forma escalonada. Entonces tiene una solucién la cual, por el problema 2,12, es una solucién de toda combinacidn lineal de sus ecuaciones. Puesto que (7) no tiene solu- cién,. no puede ser una combinacién lineal de las ecuaciones de (+). Esto es, («) 68 consistente. Por otra parte, supongamos que (+) no es reducible a la forma escalonada, Entonces, en el proceso de reduccion debe darse una ecuacidén de la forma (1). Es decir, (1) es una combinacion lineal de las ecuaciones de (+), Por tanto, (*) no es. consistente, esto es, («) es inconsistente.32 ECUACIONES LINEALES [CAP, 2 Problemas propuestos SOLUCION DE ECUACIONES LINEALES . | 2.16.) 1 rs 2.19. 2.20. 2.21, 2.22, { 2. 7.\ Resolver: Oi Qa t By = 1 _ | Met 4y = 16 So) ae By = 5 Resolver: : (i) (i) 3 Gil) 5a + Ty = 3 Se + By = 15 ce —be + By = 2eo+ y- Be = 5 : ( Qa + 8y— 22 = 5 e@ bey t Bz = 8 (i) | 8e@-2y+22 = 5 (i) | w— ay +82 = 2 Qa + 8y+ 82 = 4 Bu By- 2 = 16 3” dem ytde = 1 8% + 2y +112 = 4 Resolver: 2a + By = § a+ @y—- 82+ 2w = 2 at2y- <+8e = 8 i) a~-2y = 6 |i) 2+ by ~ 82+ 6w = 5 i)| 2x + 4y+ 4e+30 = 9 a“ Ba + Qy = 7 —~ B8e+4y—5et2w = 4 — 32+ 6y— 2+ 8w = 10 a+ 2y+2z¢ = + By t+ 42—18y = 8a —2Qy—~ 2 5 x y z sw 3 Resolver: oy Qn — by +31 = —A (ii) 8a-~ yt az-+ Sw ° 2a + Qy + B2—- dw = 1 i a+dy+62 = 0 Determinar los valores de & tales que ei sistema con las Incognitas x, y y z tenga: (i) una soiucién unica, (ii) ninguna solucién, (iii) mas de una solucién: ketytexn l . at+dy tke = 1 (a) wtkytz2=1 (b) 24+ ky + 82 = 3 etytke = 1 Determinar los valores de & tales que el sistema con las incognitas x, y y 2 tenga: (i) una solucién nica, {ii} ninguna solucién, (iii} mas de una solucién: et ytke = 2 « — 3 = -8 (a) 8a+4y+22 = & (bd) 2et+ky- 2 = -2 2e+3y~ 2= 1 at+Qytke = 1 Determinar [as condiciones de a, 6 y ¢ tales que el sistema con las Incognitas x, y y ztenga una solucién: e+ By —- Be = «a u—Qy+4z = a (i) 384- y+2z2 = 0b (ii) Qe+8y—- 2 = 6 a— by +82 = ¢ Ba+ yt2@z =e SISTEMAS HOMOGENEOS 2.23. Determinar si cada sistema tiene una solucién diferente de cero: a+ 3y—2z = 0 w+ dy-2z = 0 : a+ 2y—-5be+ dw = 0 {i) «—8y+8 = 0 (ii) 22—8y¥+ z= 6 (iii) 2e— 3y4- 22+ 8w = 0 3a —2y+4z = 0 3e—2y +22 = 6 da — fy-+ z—6w = 0CAP, 2} 2.24, 2.25. ECUACIONES LINEALES 33 Determinar si cada sistema tiene una solucién diferente de cero: a—- 2y+ 22 = 2e+ yo 2 = 24 — 4y + Tz2+ 4u—- bw = 9a + 8y+22—-To+ w= be + 2y—8¢+ v+3w = (ii) 8a+ 4y— 62 = ooo 8 oOo fo Oo & 8% — lly +122 = 8a — by + 4z— 8u~-2w = Determinar-si los vectores u, v y w son dependientes o independientes (vease el problema 2.9) donde: (iu (ii) wv = 0,1,-1), v = (21,0), w = (1,1, 2) @, 8,1), o = @,0,1), » = (,—1, 1) (iii) au tl (1, —2, 3,1), v = (8,2,1,—2), w = (1, 6, —-5, ~4) PROBLEMAS VARIOS 2,26, 2.27, 2.28, 2.29. Considerar dos ecuaciones lineales generales con dos incognitas x yy sobre e! cuerpo real R: ax + by = e ex tdy = Ff Mbstrar que: i si %# 2, ost ad — be x 0, ent | sistema tiene la solucié a = oF ye Sl Ee gs esto es, si ad — bc ~ 0, entonces el sistema tiene la solucién anica ad — be’ af ce uy ad — be’ ue Geo 6b e + (li) si: 7 = 5 * &, entonces el sistema no tiene solucién; | ¢ d f . & b é - ‘ te Gil) si ° = a = Fe entonces el sistema tiene mds de una solucién. Considerar el sistema aa + by = 1 cx +dy = 0 Mostrar qué 'si ad — be # 0, entonces el sistema tiene la solucién unica x = d/(ad — be), y = —c/(ad — be). También mostrar que s1 ad—be ~0,¢4%0 0 d# 0, entonces el sistema no tiene solucién. Mostrar que una ecuacién de la forma 0x, -+ Oxy +--+ -+ Ox, = 0 puede agregarse o quitarse de un sistema sin que afecte ei conjunto solucién. Considerar un sistema de ecuaciones lineales con el mismo numero de ecuaciones que incdégnitas: Gye + Ayo Ts + ayyttn = by Agi%, + Gyp%e + +++ + danty = be w GyyXy tb Ange +--+ + dant, = Oy (i) Suporier que e! sistema homogéneo asociado tiene solamente la solucién cero. Mostrar que (/) tiene una solucion unica para toda eleccién de las constantes 6,. (ii} Suponer que el sistema homogéneo asociado tiene una solucién distinta de cero. Mostrar que hay constantes.b, para las cuales (7) no tiene solucién. También mostrar que si {7} tiene una solucién, entonces tiene mas de una.34 ECUACIONES LINEALES [CAP, 2 Respuestas a los problemas propuestos 2.16. (i) x= 2y = —1; (iil) x = 5— 2a, y = a; Gi) minguna solucién Mt % Ll tz 2.17, (i) (1, —3, —2); Gi) ninguna sojucién; (iii) (—i — 7a, 2+ 2a, a) o y = 2+ 22 2.18. @ x=3, y=—i w= a+ dw Gi) (Ca + 2b, i+ 2@— 26,45) o y = 1+ 22—-2w 7/2 — Bwo/2 — By x {iii} (7/2 — 56/2 — 2a, a, 1/2 + 0/2, b) o {' 1/24 w/2 2.19. (i) (2, i, —1); Gi) ninguna solucién 2.20. (a) G)k 4 ty kw —2 (ii) k = —2 tilde = i (6) (i) munca tiene una solucién unica; (ii) k = 4; (iD kw 4 2.21. (a) (i) & # 3; (ii) stempre tiene una solucién; (iii) A = 3 (6) @ ke 2yk ¢ —5; (ii) = —; (ili) k = 2 2.22. G) 2a—6+4¢ = 0, (ii) todo valor de a, 6y c da una solucién 2.23. (i) si; Gi) no; (iii) si, por el teorema 2.3 2.24. G) 81; (ii) 51 por el teorema 2.3 2.25. (i) dependiente; (ii) independiente; (iii) dependienteCapitulo 3 Matrices INTRODUCCION Al trabajar con un sistema de ecuaciones lineales, son importantes solamente los coeficientes y sus respectivas posiciones. También, al reducir el sistema a ja forma escalonada, es esencial conservar las ecuaciones cuidadosamente alineadas. Por tanto, estos coeficientes pueden arreglarse en una ordenacién rectangular llamada una “matriz’”. Ademas, ciertos objetos abstractos que se introducen en capitulos posteriores, tales como “cambio de bases”, “operador lineal” y “forma bilineal”, pueden también representarse por una ordenacién rectangular, esto es, por una matriz. En este capitulo estudiaremos las matrices y ciertas operaciones algebraicas definidas sobre ellas. El material que se introduce es principalmente operacional. Sin embargo, igual que con las ecuaciones lineales, el tratamiento abstracto presentado posteriormente nos dara nuevas ideas sobre la estructura de las matrices. A menog que se diga lo contrario, todas las “componentes” de las matrices pertenecen a algin cuerpo K 21 @a(O1101 + Or2%—0+ ists) + doe(bera1 + begxe + Basis) 22 Hl o, al reordenar los términos, (QiiB11 + Qi2bar)a + (Girbi2 + aizbe2)ae + (@iidis + Giades\as = ey (3) (dorbu1 + Geabsilar + (Gaibig + Geebee\ae + (derdis + GeeDea)ts = 2e Ademés, usando ia ecuacién matricial BX = Y y sustituyendo ¥Y en AY:= Z, obtenemos la expresién ABX = Z Esta representa el sistema (3) si definimos el ‘producto de A y B como: AB Gin Gi\f dir biz Dis _— f Abi tai2ba1 dibs + aid. ‘Gubis + iabos Gar Goo /\ be bea des, ~ Gabi: + Coober Garbio + Ozabe2 Aaibis + Aeebes _ f Ar? Bt Ais B® Ay Be ~ Az? B A.-B? A,+ BS donde A; y A, son las filas de A y B!, y B® son tas columnas de B. Hacemos énfasis en que si estos cdiculos se hacen en general entonces es importante que el numero de y, en (1) y (2) sea el mismo. Esto corresponde a que el numero de’columnas de ia matriz A debe ser igual al nimero de filas de la matriz B.CAP. 3] MATRICES 51 TRASPUESTA 1010 3.13. Hallar la traspuesta A‘ de la matriz A = | 2 84 5 4 4 4 4 124 F . 03 4 Se escriben las filas de A como las columnas de At: At = 144 0 5 4 3.14. Sea A una matriz.cualquiera. {Bajo qué condiciones el producto AA‘ estd definido? Supongamos que A es una matriz m x n; entonces At es n x m. Por tanto ei producto AA! siempre esta definido. Obsérvese que A'A también esta definido. AA’ es una matriz m x m, mientras que A‘A es una matniz n x n. 1 2 0 - . 3.15. Sea A= 8-1 4} Hallar (i) AA‘, (ti) AtA. 1 3 Para obtener Af, se escriben Jas filas de A como columnas: At =|2 —1 |. Por tanto 1 2 of? 8 ° 4 AAt _ (3 4 ‘) 2-1 o 4 _ Le1+2*2+0°0 1¢3+2+(-1)4+0°4 ) = 5 3) ~ (sittebeps ene 8684 (L(+ 4-4 1 26 1 8 AA = [2 aC 2 4) o 4/\8 ot Te14363 1524 8+(-1) 1-04864 10 -1 12! = ZeL+(-1)p+8 2624 (~1e(-1) 2-0 + (1-4 = 1 5b -4 O-1+ 48 0+2+4+(~1) O04 494 12 —4 16, 3.16. Demostrar el teorema 3.3(iv): (AB)! = BtA’. Sean A = (a) y B = (b,). Entonces ef elemento en la :-ésima fila y la j-ésima columna de la matriz AB es O01; + Aigdas + F Gin Om (1) Por tanto (Z) es el elemento que aparece en la j-ésima fila y ia 1-ésima columna de la matriz traspuesta (ABy . » Por otra parte, los elementos de 1a j-ésima fila de B‘ son los elementos de la }-ésima columna de B: (bij ba; -+. On) Ademas, los élementos de Ja 1-ésima columna de At son los elementos de la i-ésima fila de A: (2) ay ag (3) in En consecuencia, el elemento que aparece en la j-ésima fila y Ja t-ésima columna de la matriz BA! es el productode (2) por (8) lo cual da (1). Por tanto, (AB)! = BtAt.§2 MATRICES {CAP, 3 MATRICES ESCALONADAS Y OPERACIONES ELEMENTALES ENTRE FILAS 3.17. Encerrar en un circulo los elementos distinguidos en cada una’ de las matrices escalonadas siguientes. ,Cudles son matrices escalonadas reducidas por filas? 12-8 0 1 0 1 7-5 0 10 5 0 2 0 0 5 2-4}, |0 0 6 O 1], |0 1 2.0 4 0 0 0 7 3} 6 0 0 0 0, 0 0 0 1 7, Los elementos distinguidos son ias primeras componentes no nulas en las filas; por tanto 2-8 0 1 0@ 7-5 0 Qo 0 0 @) 2-4], 00 ¢ @, /9 @ 0: 2 0 4 0 09 09@ 8B 0 0 0 0 0 9 0 0 @ 7 Una matriz escalonada esta reducida por filas st sus elementos distinguidos son todos i y son las unicas componentes distintas de cero en sus columnas respectivas. Por tanto, las matrices segunda y tercera estan reducidas por filas, pero la primera no. ona 1-2 3-1 3.18. Dada A = {2 -1 2 2). (i) Reducir A a la forma esealonada. (ii) Reducir A 8 1 2 8 a la forma canonica por filas, esto es, a la forma escalonada reducida por filas. (i) Aplicando Jas operaciones R, — —2R: + Ry y Ry —~ —3Ri + R3, y luego la operacién R, — TR, + 3s se reduce A a la forma escalonada: 1-2 8 -1 1-2 8 -1 Aa [0 8 -4 4] a {0 38-4 4 0 7? 6, 0 9 7-10 Gi) Método 1. Aplicando la operacién R: — 2R2 + 3Ri, y luego jas operaciones Ri > —Ry -+ TR, y Ry — 4k; + 7R, a la witima matriz en (i) se reduce mas a A: 3 0 1 8 210 0 45 a 0 8-4 4 a 0 2 o—12 0 Oo 7-10 0 oO 7-10 Finalmente, multiplicando R, por 1/21, Re por i/21 y Rs por i/7 se obtiene la forma canénica por filas de A: 1 0 0 15/71 0 1 0 —4/7 0 0 1 10/7 & Método 2, En Ja ultima matnz en (i), se multiplica R. por 1/3 y R; por 1/7 para obtener una matriz escalonada donde todos !os elementos distinguidos son iguaies.a i: 1 -2 3 -1 0 1 —4/3 4/3 0 0 1 ~10/7 Ahora, aplicando la operaci6én Ri — 2R, + Ri, ¥ luego las operaciones Re: (4/3)R; + Re y R, — (—i/3)R3; + R, se obtiene ta forma canénica por filas de A. Nota: Obsérvese que una de las ventajas del primer método es ia de que las fracciones no aparecen hasta el Gltimo paso.CAP. 3] MATRICES 53 Oo 1 8-2 3.19. Hallar ta forma canéniea por filas de A=(2 1-4 3 2 3 2-1 2 1-4 3 2. 1-4 8 2 1-4 3g A a O it 8-2 a 9 1 3-2 a Oo 1 8g -es \2 3 2-4 0 2 6 4 09 0 6 Oo to 2 | “2 or M 0-7/2 5/2 a Oo 1 8 ~2 a 9 1 3 -2 0 0 0 0 2 o ° 2 Obsérvese que la tercera matriz est4 ya en la forma escalonada, 6 8-4 3.20. Reducir A — -4 1-6! ala forma escalonada, y luego a la forma escaionada 1 2-5 reducida por filas, esto es, a su forma candnica por filas, Los calculos son generalmente mas simples si el elemento “guia” es 1, Entonces se intercambian en Primer jugar las filas primera y tercera: 1 2 -5 t 2 -5 1 2 -5 Auda [-4 1-6; a [o 9 ~2¢ a (0 9 ~26 6 3 ~4 0 -9 26 0 0 6 1 2 5 io 4% * {9 1 26/9} a fo 41 ~26/% 0 0 9 0 0 96 Se puede ver que ta tercera matriz estg ya en la forma escalonada, 3.21. Mostrar que cada una de las siguientes operaciones elementales entre filas tiene una Operacién inversa del mismo tipo. [EiJ: Intercambiar la fila :-ésima y Ia fila y-ésima: BR, R;. [£3]: Multiplicar Ja fila ‘-ésima por un escalar k distinto de cero: R, > eR | £31: Remplazar la fila c-ésima bor & veces la fila ;-ésima mas ja fila i-ésima: (i) Intereambiando tas mismas filas dos veces, se obtiene la matriz original; es decir, esta operacién €s su propia inversa. (ti) Multiplicando Ja fila :-ésima bor & y luego por R', 0 por k-' y fuego por &, se obtiene fa matriz original. En otras palabras, las operaciones R, — RR, y Ry > &'R, son inversas. (iii) Aplicando la operacién R, > RR, + Ry luego la operacién R, > —kR, + R,, 0 aplicando la ope- racién R, => RE, + BR. y luego la operacién R,— RR, + R,, se Nega a la matriz original. En otras palabras, las operaciones R, —> RR, + Ry RB, —kR, + R, son inversas, MATRICES CUADRADAS 3.22, Sea 4 = ( 3): Hallar (i) A?, (ii) A®, (ili) f(A), donde F(x) = 2x3 — 4y + 5. Oma G2 _ Lei +2-4 1*2 +4 2+(~8) _ 9 ~4 ~ (rina 4°24 (~8)+(~a) ( )54 MATRICES CAP. 3 (i) AS = AA? = (; aX 9 mn) 4 -3/\-8 47 1°9 + 2+(-8) 1e(+4) + 2°17 _ f-t +30 (aso 4 ay 8) tech heat) ~ (oo a2) (ii) Para hallar f(A), se sustituye primero A por x y 5/ por la constante 5 en ei polinomio f(x) = 2x3 — 4x4 5: . —7 30 1 2 10 = 3 = - fA) 2A3 — 4A + BI 2( si) a( 3) * 8(4 i) Luego, se muitiplica cada matriz por su escalar respectivo: _ —4 =8 (Goo ass) *(Gs 32) *( 5) Por Ultimo, se suman tos elementos correspondientes en-ias matrices: _ (seo a6 te 60-8 +0 ) = (ios i”) 120—-316+0 —1844+ 124+ 5 104 ~117 3.23. Con referencia al problema 3.22, mostrar que A es un cero del polinomio 9(@) = 27+ 2%—-11. Aes un cero de g(x) si la matriz g(A) es la matriz cero, Se calcula g(A), como se hizo con (A), esto es, sustituyendo A por x y 11 por la constante 11 en g(x) = x? 4 2x Lt 9 -4 1 2 1 0 = A? - = -ii pA) = A+ 2A - 1 ( 11) +2 ( -s) G 1) Luego, multiplicando cada matriz por el escalar correspondiente: : 9 —4¢ 2 4 —li 0 (A) = + + “a (-s un) (3 -s) ( 0 -u) Por ultimo, sumando ias componentes correspondientes en las matrices: w = (ote-u reat oy | 70 0 me) = \-g48+0 47-6-11 0 0 Como g(A) = 0, A es un cero del polinomio g (x). 3.24. DadaA= ( i 3) . Hallar un vector columna u = ( ) distinto de cero tal que Au = 3u. Se establece primero la ecuacién matricial Au = 3u: (DG) = 6) Se escribe cada lado como una sola matriz (vector columna): w+ By = (3a ts ay) 8y Iguaiando ias componentes correspondientes se obtiene el sistema de ecuaciones {y se reduce a ia forma escalonada): e+ 3y = 3a 20 —38y = 0 22 —-38y = 0 ° ° ° Qa ~~ By = 0 4e—3y = By 42 —6y = 0 0o.=0 El sistema se reduce a una ecuacién homogénea con dos incégnitas y, por tanto, tiene un numero infinito de soluciones. Para obtener una solucién distinta de cero, sea, por ejemplo, y = 2; entonces x = 3. Esto quie- re decir que x = 3, y = 2 es una solucién del sistema, Por tanto el vector u = ( ) es diferente de cero y tiene la propiedad de que Au = 3u. “CAP. 3} MATRICES 55 3.25, Hallar la: inversa de (3 3) : Método 1.: Buscamos escatares x, y, zy w para los cuales 3 5\f/e yy _ /1 0 8a + 52 By + 5a _ 1 0 2 8/\z w) ~ ho 4 ° Grae 2 + bw) * ( 1) © que cumplan 8e+52 = 1 By + Se = 0 ° te +82 = 0 y 2y + 8w = 4 La solucién del primer sistema es x = —-8, z = 2, y del segundo es-y = 5, w = —3. Por tanto la inversa de : —3 5 la matriz dada es ( 2 _3) . : Método 2.."Hemos deducido la formula general para la versa A-: de fa matriz 2 X2,A= C ‘) : Avtois ai( a “) donde |A| = ad — be —c 4 : 3 5 te 8 -5\ /-8 5 Por tanto si'A = G 3) , entonces |A| = 9—10 = iy A-i = =( 3 s) = ( 2 2) ‘ PROBLEMAS VARIOS 3.26. Calcular AB empleando la multiplicacién por bloques, donde 12/1 12 8 1 | A = {8 410 B= 456 6!1 wore ye = lee? Lo 00/2 000};41 oF R Aqui A.= (5 c) yB= ¢ 5) donde E, F, G, R, Sy T son los bloques dados. Por tanto 9 12 16 8 1\\ 9 12 16 4 ER ES+FT ( ) (7) +(6) ' AB = (4 or ) = 19 26 83/ \7/ \O/) = {19 96 33 7 ,(0 0 0) (2) o 0 60 2 3.27. Supongamos que B = (R,, R2,..., f,,), esto es, que R, es la fila :-ésima de B y que BA esta definido. Mostrar que BA = (R, A, RzA,..., R,,A), 0 lo que es lo mismo, que R.A es la fila :-ésima de BA. Sean A}, A?,..., A™ las columnas de A. Por definicién de multiplicacién de matrices, ta fila i-ésima de BA es (R,-A', Ry-A®,..., R,«A"). Pero por muitiplicacién de matrices R,A = (RAL, Ry A”, ..., R,»A™). Por tanto, ja fila i-ésima de BA es R,A. 3.28. Seae, = (,...,1,..., 0) el vector fila con 1en la posicion :-ésima y 0 en cualquier otra parte. Mostrar que ¢,A = R,, la fila i-ésima de A. Obsérvese que e, es la fila i-ésima.de J, la matriz idéntica. Por el problema anterior, la fila i-ésima de JA es e,A, Peto IA = A. En consecuencia, ¢,A = R,, la fila i-ésima de A. 3.29. Mostrar que (i) Si A tiene una fila nula, entonces AB tiene una fila nula, (ii) Si B tiene una columna nula, entonces AB tiene una columna nula. (iii) Cualquier matriz con una fila nula o una columna nula no se puede invertir. (i) Sean R, Ja fila nula de A, y B!,...,.B* las columnas de B. Entonces la fila 1-ésima de AB es (BR. BY, Ry» Bt, ..., Rs B*) = (0,0, ..., 0)56 MATRICES ICAP, 3 Gi) Sean C, Ja columna nula de B, y A;,..., A,, las filas de A. Entonces la columna ,-ésima de AB es Ay?C; 0 Ag; = 0 Ane Cy ° (ili) Una matriz A es inversible si existe una matriz A~* tal que AA-' = A-'A = [ Pero la matriz idéntica T no tiene ninguna fila 0 columna nula; fuego, por (i) y (ii), A no puede tener una fila nula o una columna nula. En otras palabras, una matriz con una fila nuJa o una columna nula no puede ser inversible. 3.30. Sean A y B dos matrices inversibles (del mismo orden). Mostrar que el producto AB es también inversible y (AB)-! = B-1A-!. Asi por induecién, (AjAg-++ A,)-! = An’+++Azs“Ai' donde las A, son inversibles. (AB)(B-tA~1) y (B-iA~1)(AB) A(BB-‘)A-+ B-'\(A-iA)B AIA~+ AA-i =U B-uB = BUBB = TF Ul Hl ll ul H Por tanto (AB)-i = B-1A-" 3.31. Sean u y v dos vectores diferentes. Mostrar que, para cada escalar k © K, los vectores u+ k(u — v) son diferentes. Es suficiente demostrar que si ky(u—v) = uw + kealu—9) : @ entonces &,; = &2. Supongamos que (J) es verdadero. Entonces kylu—v) = Kelu—v) ° (it, — He)(u-v) = 0 Comou y v son diferentes, u — v = 0. Por tanto, k; — Rp = Oy Ri = Ry. MATRICES Y APLICACIONES ELEMENTALES « 3.32, Una matriz que se obtiene de la matriz idéntica por una sola operacién elemental! entre filas.se llama una matriz elemental. Determinar la 3-matriz cuadrada elemental correspondiente a las operaciones Ri — Ry, Ry — —7Rs y Rp — —3R, + Ro. 100 Aplicando las operaciones a la matriz idéntica , = |0 1 0 | se obtiene 006421 o 10 1 0 P41 oF 0 E,=/1 0 o], B=f{lo1 06 E,;={|-3 1.0 0 0 1 0 —t \, @ O71 3.33. Demostrar: Sea e una operacién elemental entre filas y E la m-matriz cuadrada elemental correspondiente, esto es, E = e (i,,). Entonces, para cualquier matriz A, mx n,e(A) = EA. Esto es, el resultado e (A) de aplicar la operacién e a la matriz A se puede obtener multiplicando A por la matriz elemental correspondiente EF. Sea R, la fila 1-ésima de A; notamos esto escribiendo A = (R,,..., R,,). Por el problema 3.27, si Bes una matriz para 1a cual AB estd definido, entonces AB = (R.B,..., R,,B). Seatambién w~ é; = (0,...,0,1,0,.,., 9}, =4 *Esta seccion es un poco detallada, y se puede omitir en una primera lectura. No es necesaria sino para ciertos resultados del capitulo 9 sobre determinantes.CAP. 3] 3.34, 3.35. 3.36. MATRICES 57 Aqui A = i 'significa que la componente 2-ésima es 1. Por el problema 3.28, ¢,A = R,. Recordamos tam- bién que I = (¢,,..., e,) es la matriz idéntica. (i) Sea e la operacién elemental entre filas R, — R,. Entonces, paran = + y A= 1, wR B= (ey oy Oy oc ON eos Om) a e(A) = (Ry, aR oa By 64, Ry) Por tanto, Aw A n BA = (@A, ..., 04, ...,6A,...,¢,A) = (By, ..., By... By se Rin) = e(A) > (ii) Ahora séa e la operacién elemental entre filas R, — RR,, k x 0. Entonces, para a= 4, NN “\ E = e(l) = (ey, ..., kes, ..., em) y e(A) = (RB, ..., BR, ..., Ry) ws aN Por tanto EA = (¢,A,..,,#@A,...,@mA) = (Ry ..., KR, ..., B,,) = e(A) ' (ii) Por ultimo, sea e ja operacién elemental entre filas R,— RR, + R,. Entonces, paran = 1, —e ii ae Eo= ef) = (1, ..., beste, 02.5 Gm) y eA) = (Ry, ...,kR,+R, ..., BR. ma) Usando (ke, + e)JA = k(e,A) + eA = kR, + R,, tenemos ie ie EA = (eA, ..., (ke; + eA, ...,@mA) = (Ry, ..., kR; +B, ..., Rm) = eA) Por tanto, hemos demostrado el teorema. Mostrar que A es equivalente por filas a B si y sdlo s: existen matrices elementales &,..., E, tales que E,---EF,E,A = B. Por definicién, A es equivalente por filas a B si existen operaciones elementales entre filas €1,...,@, para las cuales e, (+ *(e2 (¢, (A}))+ ++) = B. Pero, por el problema precedente, lo anterior vale siy sélo si E,+++ BE, B.A = B donde E, es la matriz elemental correspondiente a e. Mostrar que las matrices elementales son inversibles y sus inversas también son matrices elementales. Sea E la matriz elementai correspondiente a la operacién elemental entre filas e: eJ} = FE. Sea e' la operacion inversa de ¢ (véase el problema 3.21}, y E’ su matriz elemental! correspondiente, Entonces, por et problema 8.33, I= e(e)) = cH = HE y I= ee’) = eH’ = EE’ Por tanto E’es la inversa de E. Probar que los siguientes enunciados son equivalentes: (i) A es inversible. (ii) A es equivalente por filas a la matriz idéntica L (iii) A es un producto de matrices elementales. Supongamos que A es inversible y que es equivalente por filas a Ja matriz escalonada reducida por filas B. Entonces-existen matrices elementales Ei, Ez,..., E, tales que E,++*E,E,A = B. Como A es inversible y cada-matriz elemental E, es inversible, el producto es inversible. Pero si B = I, entonces B tiene una fila nula (problema 3.47); por tanto B no es inversible (problema 3.29}. Per tanto B = I, o sea que (i) implica (ii). Ahora,’si (ii) es verdadero, entonces existen matrices elementales £,, Ey,..., E, tales que H,+++H,E,A = I, y por tanto A = (K,---E,E\)-! = By ipyt..-By! s Por ej problema anterior, las E;* también son matrices elementales; luego (ii) implica (iii). Ahora bien, s1 (iii) es verdadero, (A = E, BE... E,}, entonces (i) se cumple puesto que el producto de matrices inversibles es inversible.58 MATRICES ICAP. 3 3.37, Sean Ay B matrices cuadradas del mismo orden. Mostrar que 31 AB = J entonces B = A-?. Luego AB = Isiy sdélo s1 BA = Supongamos que A no es inversible. Entonces A noes equivalente por filas a la matriz idéntica fy, por tanto, A es equivalente por filas a una matriz con una fila mula. En otras palabras, existen matrices elementales E,,..., E, tales que E,--+ E, E, A tiene una fila nula, Por consiguiente E,-++ Ey E; AB tiene una fila nula. En consecuencia, AB es equivalente por filas a una matriz con una fila nuja y no es equivalente por filas a Z. Pero esto contradice el hecho de que AB = 4. Por tanto A es inversible. En consecuencia, B= 1B = (A-1A)B = A-YAB) = A-'U = Ant 3.38. Supongamos que A es inversible y, por ejemplo, reducible por filas ala matriz idénti- ca I por la sucesién de operaciones elementales ¢;,..., ¢,. (i) Mostrar que al aplicar a lesta sucesién de operaciones elementales se obtiene A-'. (ii) Usese este resultado 1 0 2 para obtener lainversade A = ;2 -1 38 4 1 8 {i} Sea HE, 1a matriz elemental correspondiente a !a operacién e,. Entonces, por hipétesis y por et problema 3.34, E,**:E,E,A = 1. Asi, (E,'++E,E,DA= Fy entonces A-! = E,---E,E,L En otras palabras, A-' se puede obtener de J aplicando las operaciones elementales entre filas.é,..., e,. (ii) Se forma la matriz por bloques (A, I) y se reduce por filas a la forma canonica por filas: 1 o 2! 1 0 0 1 0 2) 1 6 06 (4,0 = [2 -1 a} 0 1 0} a [0 -L md tm2 1 4 1 8; 060 0 1 0 1 O44 0 1 1 o 2{ 21 0 0 1 0 Of-i1 2 2) a 9 A -1 | ~2 1 Of a {9 -1 O01 4,0 =1 0 0 -1;-6€ 1 1, 0 G -1; -6 1 1 1 0 of-11 2. 2) @ 1 01-4 0 1 0 0 4, 6 -t -41, Obsérvese que la matriz por bloques final esta en la forma (f, B). Por tanto, A es inversible y B es su inversa: fw 2. 2) A-i = —4 0 1 / 6 -1 -1 Nota: En caso de que la matriz por bloques final no sea de la forma (J B), la matriz dada no es equivalente por filas a Jy, por tanto, no es inversible. Problemas propuestos OPERACIONES CON MATRICES En ios problemas 3.39-3.41, sean 2-38 0 1 2! 1-1 4 — a=(5 3 i)! B=( 1 a) C= 5 -1 —-4 2}, D=/-1 -1°0 0 8 3 3.39. Hallar; (i) A+B, (ii) A+, (ili) 34 — 4B. 3.40. Hallar: (i) AB, (ii) AC, (iii) AD, (iv) BC, (v) BD, (vi) CD. 3.41. Hallar: (i) At, (ti) AtC, (iii) DéAt, (iv) BtA, (v) D'D, (vi) DDt.CAP. 3] MATRICES 59 @, dy dy a,\ 3.42. Sean e: = (1,0,0), e2 = @.1,0) y es = (,0,1). Dado A= | 6, by 63 64} , hallar (i) eA, (ii) eA, (iii) e3A. 61 Cy C3 eq 3.43. Seae, = (0,..., 0, 1, 0,..., 0) donde i es la componente i-ésima. Mostrar que: (i) Bet =°C,, la columna j-ésima de B. (Por el problema 3.28, e,A = R,.) (ii) SieA = e,B para cada i, entonces A = B. (iii) Si Aef = Bet para cada, entonces A = B. MATRICES ESCALONADAS Y OPERACIONES ELEMENTALES ENTRE FILAS 3.44. Reducir Aa la forma escalonada y luego a su forma canonica por filas, donde 12-1 21 ‘9 8-2 5 1 @) As {2 4 1-2 8], Gi) A={/8-1 2 0 4 8 6 2-6 5 4-5 6 —5 7 3.45. Reducir Aa la forma escalonada y luego a su forma canonica por filas, donde 1 38-1 2 a 011-5 8 0 4-1 8 . i) Ac “) 4 2-5 8 41? (ii) 0021 4 11 5 0 5-3 4 3.46. Deseribir todas las matrices escalonadas 2 x 2 posibles que estan en la forma escalonada reducida por filas. 3.47, Supongamos qué A es una matriz cuadrada escalonada reducida por filas. Mostrar que siA ~ J la matniz idéntica, entonces A tiene una fila nula. 3.48, Mostrar que toda matriz cuadrada escafonada es una matriz triangular superior, pero lo Inverso no se cumple. 3.49, Mostrar que la equivalencia por filas es una relacién de equivalencia: Qi} Aes equivalente por filas a A; (ii) A equivalente por filas a B, implica que B es equivalente por filas a A; (iii) A equivalente por filas a B y B equivalente por filas a C implican que A es equivalente por filas a C. MATRICES CUADRADAS 2 3.50. Sea A= G i) - (i) Hablar A? y AS. (ii) Si f(x) = x° — 8x2 — 2x + 4, encontrar f(A). (iii) Si g(x) = x? — y — 8, hallar g(A). 1 51, Sea B = (5 3): (i) Si f(x) = 2x2 — 4x + 3, hallar f€B). (ii) Sig (x) = x2 — 4x — 12, encontrar g(B). (ili) Hallar un vector columnau = (G) distinto de cero, tal que Bu = 6u. _ a 3.52, Se dice que ‘dos matrices A y B son conmutables s1 AB = BA. Hallar todas ias matrices (; ‘) conmuta- w, bl 11 es con (5 1) (3.53. seaa=(5 t): Hallar Ar * {Ud 0 4 3— ALGEBRA LINEAL3.54, 3.55. 3.56. 3.58. MATRICES CAP. 3 20 7 0 Sean A = = . cand ( aye (j 1) Hallar: (i) A+ B, (ii) AB, (iii) A? y A?, (iv) A", (v) f(A) para un polinomio f(x). oy dy 2 0 Le Sean D = ( ), a=(% ® Oo p= {% 1] yanar DAy BD. 6 3 Oy by ... bn seeees Cn dn, Supongamos que la matriz cuadrada B de orden 2 conmuta con toda matriz cuadrada A, de orden 2, esto es, ko AB = BA. Mostrar que B = ( b) para algun escalar &, o sea, B es una matriz escalar. Sea D, la matriz cuadrada escalar de orden m con los elementos de la diagonal iguales a &. Mostrar que: G) para toda matriz A, m «x n, D,A = RA; (ii) para toda matriz B, n x m, BD, = kB. Mostrar que la suma, producto y multiplicacién por un escalar de: (i) matrices triangulares superiores es triangular superior; Gi) matrices triangulares inferrores es triangular mferior; Gii) matrices diagonales es diagonal; (iv) matrices escalares es escalar. MATRICES INVERSIBLES 3.59. 3.60. 3.61, 3.62. 3.63. 3.64, 3.65. 3 2 - Hallar ia inversa de cada matnz: (2) ( 2 (ii) ( ) . 7 5/’ 1 8 -1 2-3 2 1 «2k Hallar la inversa de cada matriz: (i) 2 1 of, @ |0 2 1}. 4-2 6 5 2-8 1 38 4 Hallar la inversa de 3-1 6]. -1 6 41 Mostrar que las operaciones de inversa y traspuesta conmutan; esto es, (A‘)-' = (A-"}'. Asi, en particular, Aes inversible si y solamente s1 A‘ es inversible. a O ... 0 {Cuando es una matriz diagonal A = O a inversible, y cual es su iriversa? 0 60 ay, Mostrar que A es equivatente por filas a B s y solamente si existe una matriz inversible P tal que B= PA. Mostrar que A es inversible si y sélo s1 el sistema AX = 0 trene unicamente ia solucién cero. PROBLEMAS VARIOS 3.66. 3.67, 3.68, Demostrar el teorema 3.2: (iii) (B4+ C)A = BA-+- CA; (iv) R(AB) = (RA)B = A(kB), donde & es un escalar. (Las partes (i) y (ii) se probaron en los problemas 3.11 y 3.12.) Demostrar ef teorema 3.3: (i) (A -+ By} = A‘ + Be; Gi) (At)! = A; (iii) (RA)! = BAP, para un escalar x. (La parte (iv) se demostro en el problema 3.16.) Supongamos que A = (A,,) y B = (B,,) son matrices por bloques para las cuales AB esta definido y ei numero de columnas de cada bloque A, es igual ai numero de filas de cada bloque B,,. Mostrar que AB = (C,,) donde Cy = 3-AgBep kCAP. 3] 3.69. 3.70. 3.71, 3.39. 3.40, 3.41. 3.42. 3.44, 3.45. MATRICES 61 Las operaciones siguientes se llaman operaciones elementales entre columnas: { E, {: Intercambiar la cotumna i-ésima y la columna j-ésima. | Ey |: Multiplicar la columna i-ésima-por un esealar zk distanto de cero. (3 |: Remplazar la columna 2-ésima por & veces la columna J-ésima mas la columna i-ésima. Mostrar que cada una de las operaciones tiene una inversa del mismo tipo, Se dice qué una matriz A es equivatente a una matriz B si B se puede obtener de A por medio de un numero finito de operaciones elementates entre filas o entre columnas. Mostrar que la equivalencia de matrices es una relacidn deequivalencia. Mostrar que dos sistemas consistentes de ecuaciones lineales tienen el mismo conjunto solucién s1y sdlosisus matzices aumentadas son equivatentes por filas. (Suponemos que se agregan filas nulas de tal manera que ambas mattices aumentadas tienen el mismo numero de filas.) Respuestas a los problemas propuestos Ay -18 -3 1 a (2 t ) (Gi) No esta definida. (iii) ( ‘ ” 0) . a aan /2 , fri (i) No esta definida. (iti) 9 (y) ( 0) . 5 Me 4 5 , 11-12 0 +5 . 5 oe (ii) Gi 8-19 13) (iv) (45 5 8 .) (vi) No esta definida. 1 90 4-7 4 / 4-2 6) i) [-1 8] (ii) No esta definida.tiit) (9,9) Gv) | 0-6 ~8!} ww) dd wi) |-2 1-8 2 4 ~38 12 6, 6-3 9 (i) (Gy, 2, Gg, @y) (ii) (by, 82, bg, 4) (Hi) (ey, ¢2, 3, 64) 152-1 2 4) ‘12 0 0 4/3' {i) 0 0 3 -6 y 0 0 1 0 9 0-0 089-6 1 6 0 0 1 -1/8, 2 3 2 5 1 1 0 4/11 5/11 13/11 ai 0-11 10 ~—15 5 y 0 1 —10/11 16/11 —-5/11 0 0 0 0 0 0 0 0 0 1 g -1 2 1 0 4711 18/11 (i) 0 ili -5 3 0 1) 5/11 3/1L 0 0 0 0 y 0 0 0 0 0 0 0 0 0 0 0 0 0 I 38 -2 0 1 0 0 (ii) 0 0-13 11 0 o 1 0 0 0 0 35 y 0 0 0 4 0 0 0 0, 0 0 0 062 MATRICES [CAP, 3 lk 3.46. (0 oy (5 0 ¢ ) ° ¢ 9) donde & es cualquier escalar. o1 3,48. ol 0 0 10 2 26 18 —4 8 0 0 i 2 = 8 o= > (ii = 5 (iii = } 250, (i) A C3 a A (or A): (ii) f(A) (2 ie)! (iii) g(4) 0 ) 351. () AB) = (0 9)! tii) 9B) = (5 oi (ii) uw = Gs) ° (sn) hx. ab 11 3.652. Unicamente las matrices de ia forma ( a) son conmutables con (5 1) . 3.53. An = (3 T) 91 . 9 0 os 40 8 0 #2) 0 54, = 25 , AB = AY = 354. (i) ALB (5 1) iti) A ¢ 2) A (5 at) fw) f(A) (‘4 1) os! _fld4 0 3 _ (2 0 (ii) AB =( 0 28) (iv) AR = (3 ss) Be, 3d, . 8a, Qa, ... 8a, +s Bey Bd, 55. = = BD = 3.55. (i) DA ( a 3) BA (ii) wa 802) = ap Be, 8d, 5-2 v3 1/3 3.59, i ii “) e 3) (i (a 29) -5 4-3 [ 8 -1 -3 3.60. (i) [10 -—7 6 ii) |-5B 1 2 8-6 5 10 -1 -4 81/2 —17/2 —11 3.61. 9/2 —6/2 -8 —T 4 5 3.62. Dado AA-' = fF. Entonces [= I = (AA-!)' = (A-1)+At, Esto es, (A-#)! = (At)-T. ay ig 0 . + 0 ast 0 3.63. A es inversible sii cada a, 0. Por tanto Ant = 2Capitulo 4 Espacios vectoriales y subespacios INTRODUCCION En el capitulo 1 estudiamos las estructuras concretas R" y C™ y derivamos varias propiedades. Algunas de estas propiedades desempefian el papel de ax1omas cuando definamos !os “espacios vectoriales” abstractos, llamados también “espacios lineales”. En particular, las con- clusiones desde (i) hasta (viii) del teorema 1.1 son los axiomas | A;|-| Ag|, | Mi}-| Mal. Veremos que, en cierto sentido, no obtenemos nada nuevo. En efecto, probaremos en el capitu- to 5 que todo espacio vectorial sobre R que tenga “dimensién finita” (definido alla) puede identificarse con R" para algun n. La definicién de un espacio vectorial envuelve un cuerpo arbitrario (véase el apéndice B) cuyos elementos se llaman escalares. Adoptaremos las notaciones siguientes (a menos que se establezca lo contrario) Kel cuerpo de tos escalares, a, b,c 0k los elementos de K, Vel espacio vectorial dado, u, v, w los‘elementos de V. Observamos que no se pierde nada esencial si el lector supone que K es el cuerpo real R o el cuerpo complejo C. Por ultimo, mencionaremos que el “producto interno” y las nociones relacionadas tales como la ortogonalidad, no se consideran como parte fundamental de !a estructura de espacio vectorial, sino como estructura adicional que puede o no introducirse. Tales espacios seran in- vestigados en la ultima parte del texto. Definicién: Sean K un cuerpo y V un conjunto no vacio con reglas de adicién y multiplica- cién por escalar que asignan a todo u, v © Vuna sumau+ov€ V ya todo u€@V,k Ee K un producto ku € V. Entonces V se llama un espacio vectorial sobre K (y los elementos de V se llaman vectores) si se cumplen los axiomas siguientes: | A,]: Para todo'vector u,v, w © V, Ut v) +t w=ut (v+ wi). | A, |: Existe un vector en V, denotado por 0 y llamado el vector cero, tal quaeu + 0 = u para todo vectoru © V. [As]: Para todo.vector u © V existe un vector en V, denotado por —u, tal queu + (—u) = 0. | Ag]: Para todo-vectoru, v GC Viutvuavu+u {M,|: Para todo-esealar R C K y todo vector u, »p © V, k(u + v) = RU kv, {Mz |: Para todc’escalar a, b C K y todo vectoru € V, @+ bu = au + bu. [M3 |: Para todo escalar a, 6 € K y todo vector u € V, (ab)u = a(bu). {M,1: Para el esealar unidad 1 C K, lu = u para todo vector u € V. 6364 ESPACIOS VECTORIALES Y SUBESPACIOS [CAP, 4 Los axiomas anteriores se dividen naturalmente en dos clases. Los cuatro primeros se re- lacionan Unicamente con la estructura aditiva de V y pueden resumurse diciendo que Ves un grupo conmutativo (véase el apéndice B) bajo la adicién. En consecuencia, toda suma de vectores de la forma Vit Vater + Um no requiere parentesis ni depende del orden de los sumandos, el vector cero es tinico, el negativo ~—u de u es Unico y se cumple la ley cancelativa: “urw=v+w implica u= v para todo vector u, v, w C V. También, ia sustraccidn esta definida por U-v = uU+(-v) Por otra parte, los cuatro axiomas restantes se refieren a la “accién” del cuerpo K sobre V. Obsérvese que ia notacién de tos axiomas refleja esta divisién. Utilizando estos axiomas adi- cionales probaremos (problema 4.1) las siguientes propiedades simples de un espacio vectorial. Teorema 4.1: Sea V un espacio vectorial sobre un cuerpo K. (i) Para todo escalark © K y 0G V, RO = 0. (ii) Para 0 € K y todo vector u € V, Ou — 0. (iii) Siku = 0, dondek © K y u © V, entoncesk = 0 0 u = 0. (iv) Para todo escalar k © K y todo vectoru © V, (—k)us = k(—u) = —ku. EJEMPLOS DE ESPACIOS VECTORIALES Escribiremos ahora un numero importante de ejemplos de espacios vectoriales. El primer ejemplo es una generalizacidn del espacio R* Ejemplo 4.1: Sea K un cuerpo arbitrario. El conyunto de todas las n-uplas de elementos de K con la adi- cién de vectores y fa multiplicacién por escalar definidos por (4, Ag, -. +, Gn) + (Oy, Og «. 0) On) = (ay + 04, Og + Bg, 65.) Oy + Bq) y Klay, Gg, -..,0,) = (hay, Kg, ..., Kay) donde a,, 6,, k € K, es un espacio vectorial sobre K denotado por K= El vector cero en K" es ja n-upla de ceros, 6 = (0, 0, ..., 0). La demostracién que K* es un espacio vectorial es idéntica a ja del teorema i,i, el cual podemos considerar que afirma que R* con las operaciones definidas es un espacio vectorial sobre R. Ejemplo 4.2: Sea V el conjunto de todas las matrices m X n con componentes en un cuerpo arbitrario K. Entonces Ves un espacio vectorial sobre K con respecto a las operaciones de adicién de matrices y multiplicacién por escalar, por el teorema 3.1. Eje mplo 4.3: Sea Vel conjunto de todos los polinomios ay + art + at? + +++ 4 a,t" con coeficientes a, en un cuerpo K. Entonces Ves un espacio vectorial sobre K con respecto a las operaciones correntes de adicién de polinomios y multaiplicacién por una ‘constante. Ejemplo 4.4: Sea K un cuerpo arbitrario y X un conjunto no vacio. Consideremos el conjunto V de todas las funciones de X en K. La suma de dos funciones cualesquiera f g © Ves la funcion j + g € V definida por (f+ 9)(#) = fle) + g(«) y ei producto de un escalar k © K y una funcidn ¢ © V es Ja funcién kf © V definida por (kf\(x) = & f(x)

Algebra Lineal (1ra Ed) - Seymour Lipschutz

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algebra Lineal (1ra Ed) - Seymour Lipschutz

Transféré par

Droits d'auteur :

Formats disponibles

Vous aimerez peut-être aussi