Escolar Documentos
Profissional Documentos
Cultura Documentos
1 MATRICES 3
1.1 MATRICES DE ENTRADAS REALES . . . . . . . . . . . . . 3
1.2 ALGUNOS TIPOS DE MATRICES . . . . . . . . . . . . . . . 6
1.3 ÁLGEBRA DE MATRICES . . . . . . . . . . . . . . . . . . . . 9
1.3.1 ADICIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.2 MULTIPLICACIÓN DE UN REAL POR UNA MATRIZ 12
1.3.3 MULTIPLICACIÓN DE MATRICES . . . . . . . . . . 14
1.3.4 OTROS RESULTADOS EN ÁLGEBRA DE MATRICES. 20
2
Capı́tulo 1
MATRICES
Ejemplo 1
−5 0 0 4
π 0 −2 1
1
√ 0 1 1 −2
5 3 −1
3
− 75 −9 −0.5 −4
1 −1 1 1 √
3 1 −2 − 92
3
4 CAPÍTULO 1. MATRICES
Definición 2
Cada uno de los arreglos horizontales en una matriz se denomina una fila y se
nombran secuencialmente de arriba hacia abajo comenzando en 1 y cada uno
de los arreglos verticales se denomina una columna y se nombran de izquierda
a derecha de la misma forma.
Ejemplo 2
π 0 −2 1
√
La matriz A =
1
3
5 3 −1
tiene tres filas y cuatro columnas a
1 −1 1 1
saber:
√
Fila 1: π 0 −2 1 , Fila 2: 1
3
5 3 −1 , Fila 3: 1 −1 1 1
π 0 −2
√
Columna 1:
1
3 ;
Columna 2:
5 ;
Columna 3: 3 ;
Columna
1 −1 1
1
4:
−1
1
Definición 3
Si A es una matriz con -m- filas y -n- columnas, decimos que su orden o
tamaño es m por n y escribimos m × n
Definición 4
NOTACION. Notamos aij o (A)ij para representar el número real que aparece
en la entrada −ij−de la matriz A.
1.1. MATRICES DE ENTRADAS REALES 5
..
.
..
.
···
··· aij ··· ···
−→ fila i
..
.
..
.
↓
columna j
Ejemplo 3
π 0 −2 1
√
La matriz A =
1
3
5 3 −1
tiene tamaño 3 × 4 y sus doce entradas
1 −1 1 1
son:
a11 = π a12 = 0 a13 = −2 a14 = 1
√
a21 = 13 a22 = 5 a23 = 3 a24 = −1
a31 = 1 a32 = −1 a33 = 1 a34 = 1
Una matriz tamaño m×n tiene n columnas notadas A(1) , A(2) , ..., A(j) , ..., A(n) ,
donde para cada −j−, 1 ≤ j ≤ n,
a1j
a2j
..
.
A(j) =
aij
..
.
amj
a11 a12 ··· a1j ··· a1n
a21 a22 ··· a2j ··· a2n
.. .. .. ..
. . . .
A=
ai1 ai2 ... aij ··· ain
.. .. .. ..
. . . .
am1 am2 ··· amj ··· amn
Definición 5
Ejemplo 4
√
La matriz A = 1 0 −6 37 2 es una matriz vector fila tamaño 1 × 5
0
π
y la matriz B = −7 es una matriz vector columna tamaño 4 × 1.
2
Definición 6
a11 ∗ ∗ ∗
∗ a22 ∗
A=
..
.
∗ ∗
∗ ∗ ∗ ann
Definición 8
a11 ∗ ∗ ∗
0 a22 ∗
A=
..
.
0 0 ∗
0 0 0 ann
Definición 9
a11 0 0 0
∗ a22 0 0
A=
..
.
∗ ∗
∗ ∗ ∗ ann
Definición 10
a11 0 0 0
0 a22 0 0
A=
..
.
0 0 0
0 0 0 ann
Definición 11
k 0 0 0
0 k 0 0
A=
..
.
0 0 0
0 0 0 k
Para cada tamaño n × n la matriz escalar I(n) tal que para todo i, j tal que
i 6= j; aij = 0 y aii = 1, se denomina la matriz idéntica o matriz identidad de
orden n.
Ejemplo 5
Si
11
5 −7 9 3
0 0 0 0
0 0 0 −1
√ 4 −1 0 0
A=
0 0 2 4
B=
− 17 1 0
5
−2
0 0 0 2
0 8 π 7
0 0 0 0
√
4 0 0 2 0 0
√
C= 0
5 0
D=
0 2 0
√
0 0 −1 0 0 2
1 0 0 0
1 0 0 0 1 0 0
I(3) =
0 1 0
I(4)=
0 0 1 0
0 0 1
0 0 0 1
1.3. ÁLGEBRA DE MATRICES 9
entonces:
1.3.1 ADICIÓN
Definición 12
a11 ··· a1n b11 ··· b1n
.. ..
. .
· · · aij · · · + · · · bij · · · =
.. ..
. .
am1 · · · amn bm1 · · · bmn
a11 + b11 ··· a1n + b1n
..
.
··· aij + bij ···
..
.
am1 + bm1 ··· amn + bmn
Ejemplo 6
1 −2 0 4 −1
3 2 2 −7 4 2
√
4 2 1 7 6 0 5 1 0 −4
+ =
−0.5 0 −3 −1 −5 3 0 π −1 5
1 1 π 1 1 0 −1 π8 0 1
3 0 −7 8 35
4 5 + √2 2 7 2
=
2.5 0 −3 + π −2 0
9π
1 0 8 1 2
Proposición 1
Para cada tamaño, la adición ası́ definida satisface las siguientes propiedades:
A + (B + C) = (A + B) + C
1.3. ÁLGEBRA DE MATRICES 11
2. Propiedad modulativa. Existe 0m×n ∈ M (m, n), tal que para toda A ∈
M (m, n)
A+0m×n =0m×n + A = A
A + B = B + A =0m×n
A+B =B+A
Prueba.
2. Basta observar que 0m×n es la matriz tal que todas sus entradas son
cero y para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n,
Ejemplo 7
Si
!
1 4 −5
A= 13
√
6
3 −0.5
! !
2 8
2
2
(1) 2
3 (4)
2
(−5) 3 3 − 10
3
3A = 2
3 13
2
√ 2
3 = 13
√
2 3
3 . 6 3 . 3 3 . (−0.5) 9 3 − 13
Proposición 2
Para cada tamaño, la multiplicación ası́ definida, satisface las siguientes propiedades:
λ (µA) = (λµ) A
(λ + µ)A = λA + µA
λ(A + B) = λA + λB
4. Si A ∈ M (m, n) y 1 ∈ R,
1A = A
Prueba.−
Sean A una matriz vector fila tamaño 1 × n y B una matriz vector columna
tamaño n × 1
b11
b21
.
A = a11 a12 · · · a1n , B = .. ,
.
.
.
bn1
1.3. ÁLGEBRA DE MATRICES 15
definimos el producto AB, en ese orden, como el número real c que se obtiene
como la suma de los productos de las entradas “correspondientes”; es decir,
primera entrada de A por primera entrada de B, mas segunda entrada de A
por segunda entrada de B, mas tercera por tercera y ası́ sucesivamente hasta
la n-ésima entrada de A por n-ésima entrada de B. De esta forma:
P
Abreviadamente utilizando la notación escribimos:
b11
b21
..
P
k=n
AB = C = = a1k bk1
a11 a12 ··· ... a1n
.
.. k=1
.
bn1
π
4
5
−3 5
4
−3 π 1
2
= −3π + 4 4 + (−3) (2) + 3π + 1 (0) = 1
3
0
Definición 15
b1j
b2j
..
P
k=n
cij = Ai B (j) = = aik bkj
ai1 ai2 ··· ... ain
.
.. k=1
.
bnj
A1 B (1) ··· A1 B (j) ··· A1 B (s)
..
.
.. ..
AB = C =
. Ai B (j) .
..
.
Am B (1) ··· Am B (j) ··· Am B (s)
Ejemplo 8
Si
7 5 !
−4 8 2 1
A= −1
−2 ,
B=
6 −5 −3 −5
0 3
El lector debe observar que la “operación” que acabamos de definir tiene par-
ticularidades especiales y no se comporta de la misma forma que la multi-
plicación de números reales; solo en el caso de matrices cuadradas opera dos
elementos de un mismo conjunto y produce como resultado un elemento del
1.3. ÁLGEBRA DE MATRICES 17
mismo conjunto; en los demás casos es completamente atı́pica ya que tiene una
condición o requisito para su definición, “el número de columnas del primer
factor debe ser igual al número de filas del segundo”, es decir opera elementos
de conjuntos diferentes y además produce como resultado un elemento de otro
conjunto distinto.
Los siguientes ejemplos muestran algunas situaciones donde se evidencia el
comportamiento especial de la multiplicación de matrices.
Ejemplo 9
−1 0 3 0 1 5
1. Si A = 2
−7 11 ,
B= −1
3 0 ,
entonces
1 2 −2 1 2 2
3 5 1 7 3 1
C = AB = 18
3 32
y D = BA = 7
−21 30
−4 3 1 5 −10 21
.
Se observa que A, B, AB y BA son matrices cuadradas 3 × 3, aun cuando
AB 6= BA.
1 0 !
0 1 0 1 0 1
Si L = ,
S= , entonces
1 0 1 0 1 0
0 1
0 1 0 1 !
1 0 1 0 0 2
LS = y SL =
0 1 0 1 2 0
1 0 1 0
!
0 0
AB = BA =
0 0
Proposición 3
5. I(m) y I(n) son tales que para toda matriz A ∈ M (m, n) tenemos
I(m) A = A = AI(n)
Prueba.−
1.3. ÁLGEBRA DE MATRICES 19
k=r t=n
k=r X
! t=n
k=r X
X X X
((AB) C)ij = (AB)ik ckj = ait btk ckj = ait btk ckj
k=1 k=1 t=1 k=1 t=1
k=n
X k=n
X k=n
X
(AB+AC)ij = (AB)ij +(BC)ij = aik bkj + aik ckj = aik bkj +aik ckj
k=1 k=1 k=1
En consecuencia,
A(B + C) = AB + AC
P
k=n P
k=n P
k=n
((λA)B)ij = (λA)ik bkj = λaik bkj = λ aik bkj = (λ(AB))ij
k=1 k=1 k=1
P
k=n P
k=n P
k=n
(A(λB)ij ) = aik (λB)kj = aik (λbkj ) = λ aik bkj = (λ(AB))ij
k=1 k=1 k=1
por tanto ((λA)B) = (A(λB)) = (λ(AB)).
5. Recordamos que I(m) es la matriz cuadrada de orden m tal que I(m) =
kl
0 si k 6= l, y I(m) kk = 1, entonces
I(m) A ij =
k=n
X
= I(m) ik
akj = 0a1j + ... + 1aij + 0ai+1,j + ... + 0anj
k=1
= aij
Ak+1 = Ak A = A · A · ... · A;
Proposición 4
Prueba.−
Ejemplo 10
22 CAPÍTULO 1. MATRICES
! !
1 2 −1 0
Si A = ,B= , entonces
0 3 3 2
! ! !
5 4 3 1 26 3 −1 0
AB = , A = , B =
9 6 0 27 9 8
y ! !
3 3 233 208 3 701 508
A B = y (AB) =
243 216 1143 828
Proposición 5
0A = A0 = 0
2. Si A ∈ M (m, n) y 0 ∈ R, entonces
0.A = 0
(−1) A = −A
4. Si k ∈ R, entonces
k (0mxn ) = 0mxn
Prueba.−
Definición 17
k=n
X
T r(A) = a11 + a22 + · · · + ann = akk
k=1
Proposición 6
2. k · T r(A) = T r(k · A)
3. T r(AB) = T r(BA)
Prueba.−
1.
k=n
X
T r(A + B) = (A + B)kk
k=1
k=n
X
= akk + bkk
k=1
k=n
X k=n
X
= akk + bkk + T r(A) + T r(B)
k=1 k=1
.
24 CAPÍTULO 1. MATRICES
k=n i=n
P
i=n P
i=n P P
k=n P P
k=n
3. T r(AB) = (AB)ii = aik bki = bki aik = (BA)kk =
i=1 i=1 k=1 k=1 i=1 k=1
T r(BA).
Ejemplo 11
1 −2 3 2 −4 0
Si A = 0
−2 5
yB= −2
−1 7 ,
entonces
1 0 1 3 0 5
15 −2 1
AB =
19 2 11
5 −4 5
y además
Definición 18
AT ∈ M (n, m) tal que para todo 1≤ i ≤ n y para todoj, 1≤ j ≤ m, AT ij
=
aji
1.3. ÁLGEBRA DE MATRICES 25
Ejemplo 12
1 0 6
1 2 3 4 5
2 −9 7
T
A= 0
−9 −8 −7 −6 ,
A =
3 −8 8
6 7 8 9 0 4 −7 9
5 −6 0
Proposición 7
T
1. AT =A
2. (A + B)T = AT + B T
3. (kA)T = kAT
Prueba.−
T
1. Es claro que AT ∈ M (m, n) y para todo i, 1≤ i ≤ m y para todo
j, 1≤ j ≤ n tenemos
T
AT = AT ji
= aij .
ij
k=n
X k=n
X k=n
X
T
(AB) ij
= (AB)ji = ajk bki = bki ajk = BT ik
AT kj
k=1 k=1 k=1
Definición 19
Definición 20
Ejemplo 13
1 −2 −3 6
√
−2 0 3 0
A= √
3 2
−3 −1
6 0 −1 7
0 −1 3 2 0
1 0 5 −π −1
B=
−3 −5 0 −8 − 15
−2 π 8 0 0.5
1
0 1 5
−0.5 0
Proposición 8
Prueba.−
Proposición 9
B = A + AT es simétrica, C = A − AT es antisimétrica,
1
yA= 2 (B + C)
Prueba.−
T
B T = (A + AT )T = AT + AT = AT + A = B, es decir B es una matriz
simétrica.
T T
Por otra parte, C T = A − AT = AT − AT = AT − A = − A − AT =
−C, es decir C es una matriz antisimétrica y claramente
1
(B + C) = (A + AT ) + (A − AT ) = 2A es decir A= 2 (B + C) .
28 CAPÍTULO 1. MATRICES
Capı́tulo 2
SISTEMAS DE
ECUACIONES LINEALES
Definición 1
La expresión
a1 x1 +a2 x2 +· · ·+an xn = b (1)
donde n es un entero positivo, a1 , a2 , · · · , an , b son números reales y x1 , x2 , · · · , xn
son incógnitas o indeterminadas, se denomina una ecuación lineal en R con n
incógnitas, a1 , a2 , · · · , an se denominan los coeficientes y b el término inde-
pendiente o término constante.
29
30 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
El adjetivo, lineal, hace referencia a que todas las incógnitas que aparecen en
la ecuación (1) tienen exponente uno.
Los enteros 1, 2, · · · , n ordenan de manera natural las incógnitas, en conse-
cuencia nos referimos a x1 como la primera incógnita, x2 la segunda y ası́
sucesivamente, xn la n-ésima.
Ejemplo 1
2x + 3y − 5z = 4
Definición 2
Usualmente escribimos
x 1 = α1 , x 2 = α2 , · · · , x n = αn
Ejemplo 2
Puesto que 2 (13) + 3 (6) − 5 (8) = 4 y 2 (1) + 3 (1) − 5 51 = 4 decimos
que x = 13, y = 6, z = 8 y x = 1, y = 1, z = 51 son dos soluciones de la
ecuación 2x + 3y − 5z = 4
Además, si reemplazamos y por 0, z por 2 y “despejamos” x, obtenemos
1
x= (4 − 3(0) + 5(2)) = 7
2
y claramente x = 7, y = 0, z = 5 es una solución de 2x + 3y − 5z = 4.
En general, si reemplazamos y por a, z por b,con a, b números reales arbitrar-
ios y despejamos x, obtenemos x = 21 (4 − 3a + 5b) y claramente, para cada
a, b ∈ R, se tiene que:
1
x = (4 − 3a + 5b)
2
y=a
z=b
• Una ecuación lineal con mas de una incógnita y por lo menos dos de
sus coeficientes diferentes de cero tiene muchas soluciones (Infinitas),
basta reemplazar todas las incognitas, menos una, por números reales
arbitrarios y “despejar la restante” para obtener la solución general.
Definición 3
Escribimos:
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
(2)
ai1 x1 + ai2 x2 + · · · + ain xn = bi
..
.
am1 x1 + am2 x2 + · · · + amn xn = bm
Ejemplo 3
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
Ejemplo 4
(
−x + 3y − 5z = 0
y − 3z = −1
es un sistema de 2 ecuaciones con tres incógnitas.
Ejemplo 5
2x − 3y = 0
5x + y = −1
−2x − 2y = 3
2x =8
es un sistema de 4 ecuaciones con dos incógnitas
Ejemplo 6
3x − 2y = 5
6x − 4y = 1
34 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Definición 4
Ejemplo 7
Dado el sistema:
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
Ejemplo 8
3x − 5y = 1
x−y =3
Ejemplo 9
3x − 5y = 1
3x − 5y = 0
Ejemplo 10
3x − 5y = 1
6x − 10y = 2
1
x = (1 + 5a)
3
y=a
Definición 5
La matriz A ∈ M (m, n)
a11 ··· a1j ··· a1n
.. .. ..
. . .
A=
ai1 aij ain = (aij )
.. .. ..
. . .
am1 ··· amj ··· amn
Definición 6
b1
..
.
B=
bi
..
.
bm
Ejemplo 11
En el sistema
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
Ejemplo 12
En el sistema
2x − 3y = 0
5x + y = −1
−2x − 2y = 3
2x =8
2 3 0
5 1 −1
A=
y B=
3
−2 −2
2 0 8
Ejemplo 13
El sistema
2x + 3y = 1
4y − 5z = 2
−z − w = 0
2x + 3y + 0z + 0w = 1
0x + 4y − 5z + 0w = 2
0x + 0y − z − w = 0
Definición 7
Ejemplo 14
En el sistema
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
Ejemplo 15
En el sistema
2x − 3y = 0
5x + y = −1
−2x − 2y = 3
2x = 8
Ejemplo 16
En el sistema
2x + 3y + 0z + 0w = 1
0x + 4y − 5z + 0w = 2
0x + 0y − z − w = 0
Observación.
Es importante observar que una vez escrito el sistema en forma ordenada
y “completa” (En todas las ecuaciones todas las incógnitas incluso las de
coeficiente cero), la matriz aumentada del sistema se obtiene borrando las
incógnitas y reemplazando los sı́mbolos “igual” por la vertical que separa
la matriz de coeficientes de la matriz de términos independientes y en este
contexto cada columna de la matriz de coeficientes corresponde a una incógnita
y cada fila de la matriz aumentada corresponde a una ecuación.
Por otra parte, si consideramos una matriz vector columna cuyas entradas son
las incógnitas:
x1
..
.
X=
xj
..
.
xn
AX = B (3)
2.3. MATRICES ESCALONADAS 41
En lo que sigue y mientras sea posible, utilizaremos esta última escritura para
referirnos a un sistema de ecuaciones lineales donde A ∈ M (m, n) es la matriz
de coeficientes, X ∈ M (n, 1) la matriz vector columna de incógnitas y B ∈
M (m, 1) la matriz vector columna de términos constantes o independientes.
Definición 8
• Si hay una fila de ceros, todas de esa en adelante son filas de ceros.
Ejemplo 17
La matriz
2 −2 0 5 0
A=
0 0 −5 0 1
0 0 0 0 7
Ejemplo 18
La matriz
0 −5 0 −4 8 −1
0 0 3 −2 11 −2
B=
0 0 0 0 6 −7
0 0 0 0 0 −5
0 0 0 0 0 0
Ejemplo 19
La matriz
√
5 −5 0 −4 8 −1
√
0 0 2 −2 11 −2
C=
0 0 0 0 6 −7
0 0 0 0 0 5
0 0 0 0 0 1
Ejemplo 20
La matriz
1 −2 5 7
0 2 4 −1
D=
0 0 1 3
0 0 0 0
0 0 0 5
2.3. MATRICES ESCALONADAS 43
Definición 9
Ejemplo 21
En la matriz escalonada
0 −5 0 −4 8 −1
0 0 3 −2 11 −2
A=
0 0 0 0 6 −7
0 0 0 0 0 −5
0 0 0 0 0 0
Definición 10
• aiki 6= 0 si i<r
44 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Proposición 1
Prueba.−
La desigualdad 1 ≤ k1 < k2 < · · · < kr ≤ n de la definición de matriz
escalonda implica que para todo i , 1 ≤ i ≤ r tenemos que i ≤ ki ,por lo tanto
si j < i, entonces j < i ≤ ki y por lo tanto aij = 0.
Definición 11
Decimos que una matriz escalonada A ∈ M (m, n), A 6= 0 es reducida por filas
si los pivotes son todos uno y son los únicos diferentes de cero en su columna,
es decir; si existen enteros r, k1 , k2 , · · · kr tales que:
Ejemplo 22
2.3. MATRICES ESCALONADAS 45
1 0 0 0 1 0 0 0 −8 0
0 1 0 0
0 1 0 0 11 0
A=
0 0 1 0
B=
0 0 1 0 −6 0
0 0 0 1 0 0 0 1 −5 0
0 0 0 0 0 0 0 0 0 1
Las matrices A y B son matrices escalonadas reducidas por filas, puesto que
cada pivote es 1 y es la única entrada diferente de cero en su columna.
Ejemplo 23
Proposición 2
Prueba.−
La mejor manera de leer esta prueba es tomar papel y lapiz e intentar construir
una matriz que cumpla las condiciones de la hipótesis.
Supongamos A ∈ M (m, n) A 6= 0 una matriz escalonada reducida y tal que
todas sus columnas tienen pivote, entonces para todo i , 1 ≤ i ≤ min {m, n}
tenemos que aii = 1 y es el pivote de la fila i, puesto que si i0 es el primer
subı́ndice tal que ai0 i0 = 0 entonces la columna A(i0 ) no tiene pivote.
Ahora, si m > n entonces n = min{m, n} y A(n+1) es una fila de ceros,
contrario a la hipótesis y si n > m; m = min{m, n} y A(m+1) no tiene
pivote, contrario al supuesto.
46 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
En consecuencia m = n y A = I(n) .
Definición 12
Definición 13
Proposición 3
Prueba.−
Si el sistema tiene una solución a saber (α1 , α2 , · · · , αn ) , ésta es solución si-
multánea de todas las ecuciones, contrario a la hipótesis.
Ejemplo 24
En el sistema
1x + 0y + 0z + 0w = 5
0x + 1y + 0z + 0w = −7
0x + 0y + 1z + 0w = 0
0x + 0y + 0z + 1w = 1
0x + 0y + 0z + 0w = 4
la matriz
1 0 0 0
0 1 0 0
A=
0 0 1 0
0 0 0 1
0 0 0 0
Proposición 4
Prueba.−
48 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Ejemplo 25
En el sistema
1x + 0y + 0z + 0w = 5
0x + 1y + 0z + 0w = −7
0x + 0y + 1z + 0w = 0
0x + 0y + 0z + 1w = 1
x = 5, y = −7, z = 0, w = 1
Definición 14
Proposición 5
Prueba.−
Basta observar que si “despejamos” las incógnitas ligadas en términos de las
libres, por cada asignación arbitraria de valores a las incógnitas libres obten-
emos los correspondientes para las ligadas que nos dan una solución, es decir:
Si renumeramos las incógntas como xk1 , xk2 , · · · , xkr las ligadas y xt1 , xt2 , · · · , xts
las libres; con r + s = n, despejar las incógnitas ligadas significa escribir el
sistema en la forma siguiente:
P
xk1 = b1 − i=si=1 a1ti xti
Pi=s
xk2 = b2 − i=1 a2ti xti
..
.
Pi=s
xkr = br − i=1 arti xti
Ejemplo 26
El sistema
x + 2y − 5v = 3
z + 4v = −1
w − 4v = 3
lo reescribimos
x + 2y + 0z + 0w − 5v = 3
0x + 0y + z + 0w + 4v = −1
0x + 0y + 0z + w − 4v = 3
50 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
y la matriz de coeficientes es
1 2 0 0 −5
A= 0
0 1 0 4
0 0 0 1 −4
que es una matriz escalonada reducida, los pivotes aparecen en las columnas
1,3,4 en consecuencia las incógnitas x, z, w son ligadas y las incógnitas y, v
son libres.
Al despejar las incógnitas ligadas en términos de las libres obtenemos:
x = 3 − 2y + 5v
z = −1 − 4v
w = 3 + 4v
x = 3 − 2a + 5b
3 − 2a + 5b
y=a
a
z = −1 − 4b o X=
−1 − 4b ,
a, b ∈ R
3 + 4b
w = 3 + 4b
b
v=b
x=1
1
y=1
1
z = −1 o X1 =
−1
3
w=3
0
v=0
Si asignamos, por ejemplo, a = 0, b = 1 obtenemos:
x=8
8
y=0
0
z = −5 o X2 =
−5
7
w=7
1
v=1
soluciones que denominamos soluciones particulares.
El lector verificará por cálculo directo que X = aX1 + bX2 , resultado que no
es una casualidad, pero que para el caso general, precisaremos mas adelante.
Definición 15
Decimos que dos sistemas de ecuaciones lineales con las mismas incógnitas son
equivalentes si y solamente si tienen exactamente las mismas soluciones.
Ejemplo 27
Los sistemas
2x + 3y − 2z = 4 1x + 0y + 0z = 7
3x − 2y − 4z = 1 y 0x + 1y + 0z = 0
−x + 4y + z = −2 0x + 0y + 1z = 5
52 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Ejemplo 28
Los sistemas
1
3x − 5y = 1 3x − 5y = 1 x + 0y = (1 + 5a)
y y 3
6x − 10y = 2 0x − 0y = 0 0x + y = a
Proposición 6
Prueba.−
Basta observar que a1 α1 + a2 α2 + · · · + an αn = b, si y solamente si
Proposición 7
Prueba.−
2.5. SISTEMAS EQUIVALENTES 53
Proposición 8
• Reemplazar una ecuación por la suma de ella mas un real por otra.
entonces
Prueba.−
Consecuencia inmediata de las proposiciones 6 y 7 del presente capı́tulo y de
observar que el orden en la escritura de las ecuaciones del sistema no interviene
en las soluciones.
Ejemplo 29
Consideramos el sistema
3x − 5y = 1
x−y =3
x−y =3
3x − 5y = 1
2.- Multiplicamos la ecuación dos por − 13 y obtenemos:
x−y =3
5 −1
−x + y=
3 3
3.-Reemplazamos las ecuación dos por la suma de la dos y la uno.
x−y =3
2 8
0x + y=
3 3
3
4.-Multiplicamos la ecuación dos por 2
x−y =3
0x + 1y = 4
5.-Finalmente, reemplazamos la ecuación uno por la suma de ella y la dos,
para obtener:
x=7
y=4
Después de cinco pasos hemos transformado el sistema
x−y =3
3x − 5y = 1
en el sistema equivalente
x=7
y=4
que evidentemente está “resuelto”.
2.6. OPERACIONES ELEMENTALES ENTRE FILAS 55
OBSERVACIONES.
Al mirar cuidadosamente el procedimiento anterior observamos:
En el tercer paso la segunda ecuación del sistema no contiene la incógnita x (La
eliminamos), y en el paso cinco la primera ecuación no contiene la incógnita
y.(La eliminamos)
En cada uno de los pasos el sistema resultante es equivalente al anterior y por
tanto al inicial.
La matriz de coeficientes del sistema obtenido en el paso cinco es escalonada
reducida por tanto el sistema está resuelto.
El lector puede verificar que aún por diferentes caminos el resultado final
siempre es el mismo.
Por otra parte, el procedimiento usado en el ejemplo no es un procedimiento
al azar, es la aplicación de un proceso estructurado algorı́tmicamente que
garantiza el resultado exitoso, denominado “Algoritmo de eliminación Gauss-
Jordan para solución de sistemas de ecuaciones lineales” , el cual precisaremos
en adelante.
• Reemplazar una fila por la suma de ella mas el producto de un real por
otra.
Usualmente escribimos:
56 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
.. .. .. .. .. ..
. . . . . .
ai1 aij ain Ai → Ai + kAs ai1 + kas1 aij + kasj ain + kasn
−−−−−−−−−−−→
.. .. .. .. .. ..
. . .
. . .
am1 ··· amj ··· amn am1 ··· amj ··· amn
Definición 17
Proposición 9
Toda operación elemental entre filas de matrices posee una operación inversa,
es decir una operación tal que al aplicar las dos, una seguida de la otra obten-
emos nuevamente la matriz inicial
Prueba.−
Ejemplo 30
1 0 1 0 1 0 1 0
1
A = 2 −4 0 6 A2 → A2 1 −2 0 3 = B
2
0 −1 2 −1 −−−−−−−−−−→ 0 −1 2 −1
y
58 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
1 0 1 0 1 0 1 0
B = 1 −2 0 3 B2 → 2B2 2 −4 0 6 = A
−−−−−−−→
0 −1 2 −1 0 −1 2 −1
Ejemplo 31
1 0 1 0 1 0 1 0
A = 2 −4 0 6 A2 → A2 + (−2)A1 0 −4 −2 6 = B
−−−−−−−−−−−−−−→
0 −1 2 −1 0 −1 2 −1
1 0 1 0 1 0 1 0
B = 0 −4 −2 6 B2 → B2 + 2B1 2 −4 0 6 = A
−−−−−−−−−−−→
0 −1 2 −1 0 −1 2 −1
Proposición 10
Prueba.−
Ejemplo 32
Las matrices
1 −4 −1 2 1 0 0 7
A= 2
3 −2 4
y B= 0
1 0 0
3 −2 −4 1 0 0 1 5
Paso 2.
1 −4 −1 2 1 −4 −1 2
0 11 0 0 A3 → A3 + (−3)A1 0 11 0 0
−−−−−−−−−−−−−−→
3 −2 −4 1 0 10 −1 −5
Paso 3.
1 −4 −1 2 1 −4 −1 2
1
0 11 0 0 A2 → 11 A2 0 1 0 0
−−−−−−−−−−→
0 10 −1 −5 0 10 −1 −5
Paso 4.
1 −4 −1 2 1 −4 −1 2
0 1 0 0 A3 → A3 + (−10)A2 0 1 0 0
−−−−−−−−−−−−−−−→
0 10 −1 −5 0 0 −1 −5
Paso 5.
1 −4 −1 2 1 −4 −1 2
0 1 0 0 A3 → (−1) A3 0 1 0 0
−−−−−−−−−−→
0 0 −1 −5 0 0 1 5
60 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Paso 6.
1 −4 −1 2 1 −4 0 7
0 1 0 0 A1 → A1 + A3 0 1 0 0
−−−−−−−−−−→
0 0 1 5 0 0 1 5
Paso 7.
1 −4 0 7 1 0 0 7
0 1 0 0 A1 → A1 + 4A2 0 1 0 0
−−−−−−−−−−−→
0 0 1 5 0 0 1 5
OBSERVACIONES.
Nuevamente, al mirar con detenimento observamos:
Proposición 11
Prueba.−
Puesto que la conclusión afirma la existencia de una matriz B con ciertas
propiedades, la prueba consiste en mostrar un procedimiento que dada cualquier
matriz A ∈ M (m, n) nos permita construir la matriz B que cumpla las condi-
ciones, este proceso es el denominado:
ALGORITMO PARA TRANSFORMAR UNA MATRIZ A FORMA
ESCALONADA.
Sea A ∈ M (m, n), A 6= 0.
Paso 1.-Buscamos la primera columna diferente de cero y en ella la primera
entrada diferente de cero e intercambiamos su fila con la fila uno.
Paso 2.- Identificamos la entrada del pivote de la primera fila, sea a1k1
Paso 3.-Para cada i, i ≥ 2 ; tal que aik1 6= 0; Ai −→ (−a1k1 ) Ai + (aik1 ) A1
Puesto que (−a1k1 ) (aik1 ) + (aik1 ) (a1k1 ) = 0 entonces al terminar el paso tres
en todas las entradas de la columna k1 de la fila dos en adelante aparece un
cero.
0 ··· 0 a1k1 ∗ ··· ∗
.. .. ..
. . 0 .
∗
0 ··· 0 0 ∗ ∗
.. .. .. .. ..
. . . ∗ . .
0 ··· 0 0 ∗ ··· ∗
Paso 4.Repetimos los pasos (1),(2) y (3) para la matriz que se obtiene al “No
tener en cuenta”, la fila uno.
0 ··· 0 a1k1 ∗ ··· ∗
.. .. ..
. . 0 .
a2k2 ∗
0 ··· 0 0 0 ∗ ∗
.. .. .. .. .. ..
. . . . . .
0 ··· 0 0 0 ∗ ∗
2.6. OPERACIONES ELEMENTALES ENTRE FILAS 63
OBSERVACIONES.
“No tener en cuenta”, no significa eliminar, simplemente se escribe pero no
se opera con ella.
La ejecución estricta del algoritmo garantiza el resultado, sinembargo en casos
especı́ficos son posibles algunas simplificaciones.
Ejemplo 33
Consideremos
0 9 13 −8
A=
5 4 3 −3
1 1 1 −1
Ahora tenemos que todas las entradas debajo de la (1, 1) son cero.
Para el siguiente paso no tenemos en cuenta la fila (5 4 3 − 3); el nuevo
pivote aparece en la entrada (2, 1),luego:
64 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Paso 4.
5 4 3 −3 5 4 3 −3
0 9 13 −8 A3 −→ (−9) A3 + (−1) A2 0 9 13 −8
−−−−−−−−−−−−−−−−−−−→
0 −1 −2 2 0 0 5 −10
Proposición 12
Prueba.−
De la misma forma que en la proposición anterior es suficiente presentar el
algoritmo para transformar una matriz escalonada en una escalonada reducida.
ALGORITMO PARA TRANSFORMAR UNA MATRIZ ESCALON-
ADA A FORMA ESCALONADA REDUCIDA.
Sea A ∈ M (m, n),una matriz escalonada con pivotes a1k1 , a2k2 , · · · , arkr
Paso 1.- A1 −→ (−a2k2 ) A1 + (a1k2 ) A2
Al terminar el paso uno a1k2 = 0
0 ··· 0 a1k1 ∗ 0 ··· ∗ ··· ∗ ∗
..
0 0 .
a2k2 ∗ ∗
. .. ..
..
. . 0 0 a3k3 ∗ ∗ ∗
0 0 arkr ∗
0 ··· 0 0 ··· 0 0 0 0 0 0
0 ··· 0 a1k1 ∗ 0 ∗ 0 ∗ ∗ ∗
..
0 0 0 .
a2k2 ∗ ∗ ···
. .. ..
..
. . 0 0 a3k3 ∗ ∗ ∗
0 0 arkr ∗
0 ··· 0 0 ··· 0 0 0 0 0 0
Al terminar el paso 4. todos los pivotes son las únicas entradas diferentes de
cero en sus columnas correspondientes.
1
Paso 5.-Para cada i, 1 ≤ i ≤ r, Ai −→ aik Ai y termino.
i
0 ··· 0 1 ∗ 0 ∗ 0 ∗ 0 ∗
.. ..
0 0 0 1 ∗ 0 . 0 .
.. .. ..
B= ..
. . . . 0 0 1 ∗ 0 ∗
..
0 ··· . 0 0 1 ∗
0 ··· 0 0 ··· 0 0 0 0 0 0
Ejemplo 34
Paso 1.-
5 4 3 −3 −45 0 25 −5
0 9 13 −8 A1 −→ (−9) A1 + (4) A2 0 9 13 −8
−−−−−−−−−−−−−−−−−−→
0 0 5 −10 0 0 5 −10
Paso 1′ .-
−45 0 25 −5 −1
9 0 −5 1
A1 −→ 5 A1
0 9 13 −8 0 9 13 −8
A3 −→ 51 A3
0 0 5 −10 −−−−−−−−−−−−−→ 0 0 1 −2
Paso 3.-
9 0 0 −9 1
1 0 0 −1
A1 −→ 9 A1
0 9 0 18 0 1 0 2
1
A2 −→ 9 A2
0 0 1 −2 −−−−−−−−−−−−→ 0 0 1 −2
TEOREMA 1
Prueba.−
Es evidente la correspondencia entre las operaciones elementales entre filas de
matrices aplicadas a la matriz aumentada y los procedimientos que permiten
cambiar la presentación de los sistemas sin alterar sus soluciones.
En consecuencia para resolver un sistema de ecuaciones AX = B
escribimos su matriz aumentada (A |B ) le aplicamos el algoritmo
para llevar su matriz de coeficientes a forma escalonada reducida
y obtenemos una matriz equivalente por filas (A′ |B ′ ) ; escribimos
el sistema correspondiente en la forma A′ X = B ′ y resolvemos de
acuerdo con los casos del numeral 2.4.
Ejemplo 35
Resolver el sistema
x + 4y − z = 9
2x + 3y + z = 9
5x + 7y + 2z = 20
2x + 3y + 6z = 19
x − 2z = −5
Sol.
68 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
1 4 −1
9
0 −5 3
−9
0 0 1 2
0 0 0
0
0 0 0 0
1 0 0
−1
0 1 0
3
0 0 1 2
0 0 0
0
0 0 0 0
x = −1
y = 3 , cuyo planteo es la solución.
z = 2
2.7. ! EL LOGRO DEL OBJETIVO FINAL ! 69
Ejemplo 36
Resolver el sitema
x + 4y − z = 9
2x + 3y + z = 9
5x + 7y + 2z = 2
2x + 3y + 6z = 9
x − 2z = −5
Sol.
La matriz aumentada del sistema es
1 4 −1
9
2 3 1
9
5 7 2 2
2 3 6
9
1 0 −2 −5
Ejemplo 37
Resolver el sistema
x + 4y − z = 9
2x + 3y + z = 3
−x + y − 2z = 6
3x + 2y + 3z = −3
4x + y + 5z = −9
70 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Sol:
La matriz aumentada del sistema es
1 4 −1
9
2 3 1
3
−1 1 −2 6
3 2 3
−3
4 1 5 −9
x = −3 − 75 a
y = 3 + 53 a , a ∈ R
z=a
2.8. INVERSA DE UNA MATRIZ 71
Definición 18
Una matriz A ∈ M (n, n) que tiene inversa se denomina tambien una matriz
no singular.
Proposición 13
Prueba.−
(a) Si C ∈ M (n, n) es tal que AC = CA = I(n) entonces
Proposición 14
Prueba.−
Puesto que (BA) B = B (AB) = BI(n) = B entonces BA = I(n)
72 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
Proposición 15
Prueba.−
(a) Basta observar que
(AB) B −1 A−1 = A BB −1 A−1 = AI(n) A−1 = AA−1 = I(n)
y por tanto
−1 k+1
AAk = A−1
es decir
−1 k+1
Ak+1 = A−1
Una aplicación inmediata de la solución de sistemas de ecuaciones es responder
la pregunta
Dada una matriz A ∈ M (n, n), es A una matriz inversible?
Es decir, existe X ∈ M (n, n) tal que AX = XA = I(n) .
Supongamos entonces A = (aij ) , X = (xij ), obviamente la respuesta se ob-
tiene al resolver los n sistemas de ecuaciones lineales:
2.8. INVERSA DE UNA MATRIZ 73
x11 1
.
. 0
.
.
A xi1 = .. (1)
. .
. .
. .
x 0
n1
x12 0
.
.. 1
.
A xi2 = .. (2)
. .
. .
. .
xn2 0
..
.
x1n 0
.
.. 0
..
A xin = . (n)
.
. 0
.
xnn 1
Ejemplo 38
Si
1 2 3
A= 1 2 4
−1 2 5
entonces
1 2 3 1 0 0 1 2 3 1 0 0
A2 −→ A2 − A1
1 2 4 0 1 0 0 0 1 −1 1 0
A3 −→ A3 + A1
−1 2 5 0 0 1 −−−−−−−−−−−−−→ 0 4 8 1 0 1
1 2 3 1
0 0 1 2 3 1
0 0
0 0 1 −1 1 0 A2 ←→ A3 0 4 8 1 0 1
−−−−−−−→
0 4 8 1 0 1 0 0 1 −1 1 0
1 2 3 1
0 0 2 0 −2 1
0 −1
0 4 8 1 0 1 A1 −→ 2A1 − A2 0 4 8 1 0 1
−−−−−−−−−−−−→
0 0 1 −1 1 0 0 0 1 −1 1 0
2 0 −2 1 0 −1 2 0 0 −1 2 −1
A1 −→ A1 + 2A3
0 4 8 1 0 1 0 4 0 9 −8 1
A2 −→ A2 − 8A3
0 0 1 −1 1 0 −−−−−−−−−−−−−−→ 0 0 1 −1 1 0
2 0 0 −1 2 −1 1 0 0 −1 1 −1
1 2 2
A1 −→ 2 A1
9 1
0 4 0 9 −8 1 0 1 0 −2
A2 −→ 41 A2
4 4
0 0 1 −1 1 0 −−−−−−−−−−−−→ 0 0 1 −1 1 0
2.8. INVERSA DE UNA MATRIZ 75
en consecuencia
−1 −1
2
1 2
A−1 =
9
4
−2 1
4
−1 1 0
Proposición 16
Prueba.−
(a) Supongamos que B se obtiene de A al multiplicar la fila −l− por λ ∈
R, α 6= 0, entonces
(
aij si i 6= l
bij =
λalj si i = l
1 si i = j, i 6= l
(E)ij = λ si i = j = l
0 de otra forma
k=n
(
X aij si i 6= l
(EA)ij = (E)ik akj =
k=1
λalj si i = l
(b) Supongamos que B se obtiene de A reemplazar la fila −l− por la suma
de ella mas λ ∈ R, por la fila −s− entonces
(
aij si i 6= l
bij =
alj + λasj si i = l
1 si i = j
(E)ij = λ si i = l, j = s
0 de otra forma
76 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
k=n
(
X aij si i 6= l
(EA)ij = (E)ik akj =
k=1
alj + λasj si i=l
(c) Supongamos que B se obtiene de A intercambiar las filas −l− y −s−entonces
aij si i 6= l, i 6= s
bij = asj si i = l
alj si i = s
1 si i = j, i 6= l, i 6= s
(E)ij = 1 si i = l, j = s o i = s, j = l
0 de otra manera
k=n
X
aij si i 6= l, i 6= s
(EA)ij = (E)ik akj = asj si i = l
k=1 alj si i = s
Definición 19
Proposición 17
Prueba.−
Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre filas que
transforma A en B y sean E1 , · · · , Er las correspondientes matrices elemen-
tales; la aplicación reiterada de la proposición 15 del presente capı́tulo para
1 ≤ i ≤ r muestra que Er . (Er−1 .(· · · (E1 .A))) = B basta entonces hacer
P = Er .Er−1 . · · · .E1
2.8. INVERSA DE UNA MATRIZ 77
Proposición 18
Prueba.−
Ya hemos probado que cada operación elemental entre filas,l tiene una inversa,
en consecuencia:
Si E se obtiene de I(n) al multiplicar su fila k por λ ∈ R, λ 6= 0 entonces
0 si i 6= j
(E)ij = 1 si i = j, i 6= k
λ si i=k=j
b la matriz que se obtiene de I(n) al multiplicar su fila k por 1 , entonces
y sea E λ
0 si i 6= j
Eb = 1 si i = j, i 6= k
ij
1
λ si i=k=j
y por tanto
t=n
X
0 si r 6= s
b
EE = b
(E)rt E = 1 si r = s, r 6= k
rs ts
1
t=1 λ =1 si r=s=k
λ
es decir
b = I(n)
EE
lo que significa
b = E −1 .
E
Análogamente si E se obtiene de I(n) al intercambiar las filas k y l, k < l
entonces
1 si i = j, i 6= l, i 6= k
(E)ij = 1 si i = l, j = k o i = k, j = l
0 en los demás casos
78 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
entonces
t=n
(
X 1 si r=s
(EE)rs = (E)rt (E)ts =
t=1
0 si r 6= s
es decir
EE = I(n)
lo que significa
E = E −1 .
y por tanto
(
t=n
X 1 si r=s
b
EE = (E)rt (E)ts =
rs
t=1
0 si r 6= s
es decir
b = I(n)
EE
lo que significa
b = E −1 .
E
2.8. INVERSA DE UNA MATRIZ 79
Ejemplo 39
Consideremos
1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 0
I(5) =
0 0 1 0 0 F3 −→ λF3
−−−−−−−−→ 0 0 λ 0 0 =E
0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 0
I(5) = 0 0 1 0 0 F3 −→ 1 F3 0 0 1 b
=E
λ 0 0
−−−−−−−−λ−−−→
0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 1 0 0 0
b=
EE 0 0 λ 0 0 0 0 1 =
λ 0 0 0 0 1 0 0
0 0 0 1 0 0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
Por otra parte
1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 0
I(5) =
0 0 1 0 0 F3 −→ F3 + λF5
−−−−−−−−−−−−→ 0 0 1 0 λ =E
0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 0
I(5) = F3 −→ F3 + (−λ) F5 0 −λ b
0 0 1 0 0 −−−−−−−−−−−−−−−→ 0 0 1 =E
0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
80 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
0 1 0 0 0 0 1 0 0 0 0 1 0 0 0
b=
EE 0 −λ
0 0 1 0 λ 0 0 1 = 0 0 1 0 0
0 0 0 1 0 0 0 0 1 0 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
Proposición 19
Prueba.−
luego
A = E1−1 · · · Er−1
−1
Er−1 .
(b) ⇒ (c) A resulta ser un producto de matrices invertibles y por la proposición
14 (a) del presente capı́tulo, es invertible.
(c) ⇒ (d) Basta observar que si A tiene inversa
X = (In )X = A−1 A X = A−1 (AX) = A−1 0 = 0
2.8. INVERSA DE UNA MATRIZ 81
Proposición 20
Sea A ∈ M (n, n), invertible entonces A−1 se obtiene al aplicar a I(n) la misma
sucesión de operaciones elementales entre filas que hace A equivalente por filas
a I(n) .
Prueba.−
Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre filas que trans-
forma A en I(n) y sean E1 , · · · , Er las correspondientes matrices elementales;
entonces
Er Er−1 · · · E1 A = I(n)
es decir
Er Er−1 · · · E1 = A−1
DETERMINANTES
Definición 1
Ejemplo 1
Para la matriz:
83
84 CAPÍTULO 3. DETERMINANTES
1 0 5
A = 3 π −1
√
7 9 4
Las submatrices de A son:
! ! !
π −1 3 −1 3 π
A(1|1) = A(1|2) = √ A(1|3) = √
9 4 7 4 7 9
! ! !
0 5 1 5 1 0
A(2|1) = A(2|2) = √ A(2|3) = √
9 4 7 4 7 9
! ! !
0 5 1 5 1 0
A(3|1) = A(3|2) = A(3|3) =
π −1 3 −1 3 π
Definición 2
Ejemplo 2
Si
!
1 0
A=
3 π
entonces,
3.1. DEFINICIÓN Y PROPIEDADES 85
Si tomamos i = 1, tenemos
Proposición 1 !
a b
Si A = entonces Det(A) = ad − bc
c d
Prueba.−
Tomamos i = 1, entonces
Proposición 2
Sean
a11 a12 a13
A = a21 a22 a23
a31 a32 a33
y
a ...
... 11
... a
...
..12
...
.........
a ... ..
... .13 ... a
.........
..
... 11
..
a
... 12
...
....
b ...
...
...
.........
... ......
.........
... ...... .....
...
A= a 21 ....... ...22 a ...
.........
a
... ..23...
.........
a .......
.. 21 ...
...
...
a 22
.
... .. . ... ..... ...
... ... ...... ..... ...
a . ....
...
... 31
. ....
a..
... 32
.
. ....
a .
......33
... .
.
a .. ...
31
...
.....
a ....
32...
.....
...... ...... ...... ....... .... ....
′ ′
Si definimos los productos d1 , d2 , d3 , d′1 , d2 , d3 como en la gráfica, entonces
′ ′
Det(A) = (d1 + d2 + d3 ) − (d′1 + d2 + d3 )
Prueba.−
k=3
X
Det(A) = (−1)2+k a2k Det [A(2|k)]
k=1
= (−1)2+1 a21 Det [A(2|1)] + (−1)2+2 a22 Det [A(2|2)] + (−1)2+3 a23 Det [A(2|3)]
a a a a a a
12 13 11 13 11 12
= (−1)2+1 a21 + (−1)2+2 a22 + (−1)2+3 a23
a32 a33 a31 a33 a31 a32
= (−1)a21 (a12 a33 − a13 a32 ) + a22 (a11 a33 − a13 a31 ) + (−1)a23 (a11 a32 − a12 a31 )
= −a12 a21 a33 + a13 a21 a32 + a11 a22 a33 − a13 a22 a31 − a11 a23 a32 + a12 a23 a31
= −d′3 + d3 + d1 − d′1 − d′2 + d2 = (d1 + d2 + d3 ) − d′1 + d′2 + d′3
El lector verificará que el resultado es válido independientemente de la fila por
la que se desarrolle el determinante.
3.2. PROPIEDADES DEL DETERMINANTE 87
a11 a12 ··· a1j ··· a1n A1
a21 a22 ··· a2j ··· a2n
A2
.. .. .. ..
..
. . . . .
A=
=
ai1 ai2 ... aij ··· ain
Ai
.. .. .. .. ..
. . . . .
an1 an2 ··· anj ··· ann An
TEOREMA 1
Det(B) = −Det(A)
Det(I(n) ) = 1
!Nota Importante!
Aun cuando este resultado es el fundamental del capı́tulo, por la forma como
definimos el determinante, la prueba del Teorema 1 exige usar el Principio
de Inducción Matemática y su escritura resulta demasiado larga y compleja;
por el alcance del presente escrito aceptamos el resultado y continuamos; el
lector interesado puede verificarlo directamente por simple mecánica de la
Aritmética de números reales para n = 1, 2, 3 y consultar la bibliografı́a para
el caso general.
Proposición 3
Prueba.−
Sin perder generalidad podemos probar que el valor obtenido para el determi-
nante si se desarrolla por la fila −i−, es el mismo que el obtenido al desarrol-
larlo por la fila −1−.
P
k=n
Det(A) = (−1)1+k a1k Det [A(1|k)]
k=1
P
k=n
Det(A) = (−1)i−1 Det(B) = (−1)i−1 (−1)1+k b1k Det [B(1|k)]
k=1
P
k=n P
k=n
Det(A) = (−1)i−1 (−1)1+k b1k Det [B(1|k)] = (−1)i+k aik Det [A(i|k)]
k=1 k=1
Proposición 4
Prueba.−
1. Basta aplicar la parte D.1 del teorema 3.1 primero para la fila uno,
luego para la fila dos, luego para la tres y ası́ sucesivamente, luego de n
pasos obtenemos el resultado.
obtenemos B.
Ahora bien, si contamos el número de intercambios de filas consecutivas
tenemos (k − i) para “bajar”Ai desde el lugar i hasta el lugar k y luego
(k − i) − 1 para “subir” Ak desde el lugar (k − 1) hasta el lugar i, en
total hemos realizado 2(k − i) − 1 intercambios consecutivos, la parte
D.3 del teorema 3.1 afirma que el efecto sobre el determinante en cada
paso es multiplicar por (−1), en consecuencia
A1 A1 A1
.. .. ..
. . .
A λA A
i k k
. .
Det = λDet ... = λ(0) = 0
.. = Det ..
Ak Ak Ak
.. .. ..
. . .
An An An
A1 A1 A1
A2 A2 A2
.. .. ..
. . .
Det(B) = Det = Det + Det
Ai + λAk Ai λAk
.. .. ..
. . .
An An An
A1 A1
A2 A2
.. ..
. .
= Det + λDet
Ai Ak ←− f ila − i−
.. ..
. .
An An
= Det(A) + λ(0)
= Det(A)
Proposición 5
Prueba.−
Si suponemos
3.2. PROPIEDADES DEL DETERMINANTE 93
a11 0 ··· 0
..
a .
21 a22
A= . ..
.. . 0
an1 an2 · · · ann
con aij = 0 para i < j, entonces al desarrollar el determinante por la fila −1−
obtenemos:
P
k=n
Det(A) = (−1)i+k aik Det [A(i|k)] = a11 Det [A(1|1)] + 0 + 0 + · · · + 0
k=1
recordemos que:
a22 0 ··· 0
..
a .
32 a33
A(1|1) = . ..
.. . 0
an2 an3 · · · ann
donde
a33 0 ··· 0
..
a .
b 43 a44
A(1|1) = . ..
.. . 0
an3 an4 · · · ann
Proposición 6
Prueba.−
Ejemplo 3
Calcular
1 −1 0 2
0 1 3 1
,
−1 4 0 3
2 1 −1 5
A3 −→ A3 + A1
Paso 1. el numeral (6) de la proposición 4 nos garantiza
A4 −→ A4 + (−2)A1
que el determinante NO cambia, es decir:
1 −1 0 2 1 −1 0 2
0 1 3 1 0 1 3 1
=
−1 4 0 3 0 3 0 5
2 1 −1 5 0 3 −1 1
3.2. PROPIEDADES DEL DETERMINANTE 95
A3 −→ A3 + (−3)A2
Paso 2. y el mismo argumento del paso 1, nos garantiza
A4 −→ A4 + (−3)A2
que:
1 −1 0 2 1 −1 0 2
0 1 3 1 0 1 3 1
=
0 3 0 5 0 0 −9 2
0 3 −1 1 0 0 −10 −2
A3 −→ (10)A3
Paso 3. y por la propiedad D.1 Teorema 3.1.
A4 −→ (−9)A4
1 −1 0 2 1 −1 0 2
0 1 3 1
1 1 0 1 3 1
= 10 − 9
0 0 −9 2 0 0 −90 20
0 0 −10 −2 0 0 90 18
Paso 4. A4 −→ A4 + A3 y en consecuencia
1 −1 0 2 1 −1 0 2
1 1 0 1 3 1 1 0 1 3 1
10 − 9 = 10 − 91
0 0 −90 20 0 0 −90 20
0 0 90 18 0 0 0 38
luego
1 −1 0 2
0 1 3 1
1
= 10 − 91 (1)(1)(−90)(38) = 38
−1 4 0 3
2 1 −1 5
Proposición 7
|A| = 0
96 CAPÍTULO 3. DETERMINANTES
Prueba.−
Proposición 8
Prueba.−
Proposición 9
Prueba.−
3.2. PROPIEDADES DEL DETERMINANTE 97
Proposición 10
Si A, B ∈ M (n, n) entonces
Prueba.−
Proposición 11
Det(A) = Det(AT )
Prueba.−
Proposición 12
Det(A) = Det(AT )
Proposición 13
Det(Am ) = [Det(A)]m
Prueba.−
Definición 4
Definición 5
Sea A ∈ M (n, n), llamamos matriz de cofactores de A a la matriz Cof (A) tal
que
(Cof (A))ij = Cij (A)
Definición 6
Ejemplo 4
Para
1 0 5
A = 3 1 −1 ,
−2 2 4
se tiene que
1 −1 3 −1 3 1
M11 (A) = ; M12 (A) = ; M13 (A) =
2 4 −2 4
−2 2
0 5
1 5 1 0
M21 (A) = ; M22 (A) = ; M23 (A) =
2 4 −2 4 −2 2
0 5 1 5 1 0
M31 (A) = ; M32 (A) = ; M33 (A) =
1 −1 3 −1 3 1
por lo tanto
C11 (A) = (−1)2 (6); C12 (A) = (−1)3 (10); C13 (A) = (−1)4 (8)
C21 (A) = (−1)3 (−10); C22 (A) = (−1)4 (14); C23 (A) = (−1)5 (2)
C31 (A) = (−1)4 (−5); C32 (A) = (−1)5 (−16); C33 (A) = (−1)6 (1)
100 CAPÍTULO 3. DETERMINANTES
en consecuencia
6 −10 8 6 10 −5
Cof (A) = 10 14 −2 y Adj(A) = −10 14 16
−5 16 1 8 −2 1
Proposición 14
Prueba.−
entonces puesto que B tiene dos filas iguales, Det(B) = 0. Ahora desarrol-
lamos Det(B) por la fila −l− y obtenemos
P
k=n P
k=n
0 = Det(B) = (−1)l+k blk Det [B(l|k)] = aik Clk (A)
k=1 k=1
3.3. DETERMINANTE Y MATRIZ INVERSA 101
Proposición 15
Prueba.−
Proposición 16
Prueba.−
Basta probar que A(Adj(A)) = Det(A)I(n) ; ahora bien, por la proposición
3.2.1 y la definición de determinante, tenemos:
P
k=n
(AAdj(A))ij = aik (Adj(A))kj =
k=1
(
P
k=n 0 si i 6= j
aik Cjk (A) =
k=1 |A| si i=j
es decir
|A| 0 ···
0
..
0 |A| 0 .
.. ..
(AAdj(A)) = . 0 . 0 = |A| I(n)
|A| 0
0 · · · 0 |A|
102 CAPÍTULO 3. DETERMINANTES
Proposición 17
1
A−1 = Adj(A)
Det(A)
Prueba.−
en consecuencia Det(A) 6= 0.
Ejemplo 5
Nuevamente tomemos
1 0 5
A = 3 1 −1
−2 2 4
3.4. REGLA DE CRAMER 103
Det(A) = 46 6= 0
en consecuencia
6 10 −5
1 1
A−1 = Adj(A) = −10 14 16
|A| 46
8 −2 1
Es inmediato verificar que
1 0 5 6 10 −5 46 0 0
3 1 −1 −10 14 16 = 0 46 0
−2 2 4 8 −2 1 0 0 46
es decir
1 0 5 6 10 −5 1 0 0
1
3 1 −1 46 −10 14 16 = 0 1 0
−2 2 4 8 −2 1 0 0 1
Prueba.−
Prueba.−
1
X= Adj(A) B
Det(A)
1
X= (Cof (A))T B
Det(A)
es decir
En consecuencia
P
k=n
bk Ckj (A)
1 k=1
xj = (C1j (A)b1 + C2j (A)b2 + · · · + Cnj (A)bn ) = (3.1)
Det(A) Det(A)
a11 a12 · · · a1,j−1 b1 a1,j+1 · · · a1n
a21 a22 · · · a2,j−1 b2 a2,j+1
· · · a2n
.. .. .. .. .. ..
. . . . . .
A [B|j] =
ai1 ai2 . . . ai,j−1 bi ai,j+1 · · · ain
.. .. .. .. .. ..
. . . . . .
an1 an2 · · · an,j−1 bn an,j+1 · · · ann
obtenemos:
P
k=n
Det(A [B|j]) = bk Ckj (A),
k=1
107
108 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Definición 2
−−→
La magnitud de AB es un número real no negativo determinado de manera
unı́voca por los puntos A y B.(Longitud de AB ).
Definición 3
−−→
La dirección del vector AB es la dirección geométrica de la recta determinada
por A y B.
Definición 4
−−→
El sentido del vector AB es el determinado cuando decimos “ punto inicial A
y punto final B ”.
Definición 5
−−→ −−→
Decimos que dos vectores AB y CD son iguales si y solamente si tienen la
misma magnitud, la misma dirección y el mismo sentido.
4.1. VECTORES EN EL ESPACIO USUAL 109
Ejemplo 1
B..... ..
..... ...
... ...
..
.
.... ~z
....
.
....
E
... ..... .........
... ........ .
... ...
....
. ... ...
.... ... ....
.
.
... ..
...
.
.. . ..
... .. ...
... .. ...
... .. ...
.... . .. ...
.
... .. ...
... .. ...
...
...
...
..
..
...
...
... D
.....
A ..........
.
... C ...
...
...
....
.
..
...
...
...
~u ...
......
.
~v
...
...
....
.
.
...
...
...
... .....
... .
• −
→
u y →
−
z tienen sentidos opuestos.
−−→
• AB y →
−
z tienen sentidos opuestos.
−−→ −
→
• CE y v tienen la misma magnitud.
−−→ →
• AB = −
u
Definición 6
Dos vectores −
→
v ,−
→u del espacio usual se denominan paralelos si y solo si tienen
la misma dirección.
110 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Sea S el conjunto de todos los vectores del espacio usual, definimos sobre S
una adición.
Definición 7
Si −
→
v ,→
−u ∈ S, tomados con punto inicial común, la suma −→v +− →
u es el vector
→
−
w ∈ S cuyo punto inicial es el común y cuyo punto final es el vértice opuesto
en el paralelogramo determinado por −→v ,→
−
u.
...
..... ..........
... ........ ..
........ ...
....
. .
...
..........
. .
.. .. ..
... ........
........ ..
~u ...
... ~v + ~u ........
........ ..
..
.
.... ...
...
......... ..
.. ....
... ........ ..
... ........ ..
... ........ ..
........ ..
.
.... ............... .
.
... ...........
... ..
......... ..
......
~v
......
..............
........ .. .
........ .....
.
.....
......... ..
.
.. .
........ ...
w =v+u ........
........
........
........
....
...
...
....... ..
... .
........ ...
........
........
........ ...
...
... u
............... ..
.
... ...
........
...........................................................................................................................
v
Proposición 1
1. Para todo →
−
v ,−
→
u ∈ S la suma −
→
w =−
→
v +−
→
u ∈ S.
2. Para todo →
−
v ,−
→
u,−
→
z ∈ S; (−
→
v +−
→
u)+−
→
z =−
→
v + (−
→
u +−
→
z ).
→
− −
→ − → −
3. Existe 0 ∈ S, tal que para todo −
→
v ∈ S; −
→
v + 0 = 0 +→
v = v.
→
− −
4. Para todo −
→
v ∈ S existe −→
w ∈ S tal que −
→
v +−→w =−
→
w +−
→
v = 0. →
w se
−
→ −
→ −
→
denomina el opuesto de v y se nota w = − v .
5. Para todo →
−
v ,−
→
u ∈ S; −
→
v +−
→
u =−
→
u +−
→
v
Prueba.−
1. Evidente
~z
...
...
...
.
... ...
... ...
~v .....
.....
.....
....
..
..
.
... ... ... ..... ..
... .. ...
. ...
...... .
... ... ...
.
..... ..
...
... ........ ..........
..... u + ~v
~ ..
..
... .... ...... ..
... ...... ...... .
.............. ..
........... ..
.......... ..
..........
.......... . ..
~u .............
..
.....
.......... ........
.. ... .. ....
....
.. .... .. .
.
.. ..... ...
. ...........
~v + ~z ... ... . ...
.. .
u + (~v + ~z)
~
.. ... . .. .. ...
.
.
.. ... .. .
... ... .
.. ...
..
... ..
.. ...
..
.. ... ..
... ... . ... ..
. ... .. .. ..
.. ... .. ... ..
.. ... ..... ..
. .. ... ...
. ..
. ... .....
. .
......... ... . .. ...
.
... . .
.
... ... .
.. .. ..
... ... . .. .
... ... .. ..... ...
... .
... ... ... .
... ... .. .. ...
... . .. ....
.
. ..
... ... . ...
... .
... .
. ..
... .. .. ..
... ... ... .... ..
... ...
.
... .. .. .
.
.
. ..
.~v ..
~z ...
...
... .... .... ....
. . . ..
..
... ... .. .. ..
... ... ... ... ..
... .. ... .. ..
... .. ... . .
... ........ ..
.......... ..
....... ..
..........
..........~
u..........
..
.......... .....
...........
→
−
3. El vector 0 es el vector cuyos puntos inicial y final coinciden.
−−→ −−→ →
−
4. Si →
−
v = AB entonces −
→
w = BA es tal que −
→
v +−
→
w =−
→
w +→
−
v = 0.
5. Evidente
Escribimos −
→
v −−→w , que leemos “−
→
v menos −
→
w ” y significa −
→
v + (−→−
w).
→
− −−→ −
→ −→ −
→ −
→ −−→
Geométricamente si v = AB y w = AC entonces v − w = CB
........
...........
........ .....
C
........
...
...
......... .....
... .
........ ...
........ ...
........ ...
...
...
.. w
~
........
........
. .
.....
........
........
........
........
...
...
...
.
~v − w
~
.
...
......... ....
.
.. .
........ ....
A ........ ......... B
~v
Definición 8
−
→
• Si λ > 0, −
→
w = λv es un vector de la misma dirección y sentido que →
−
v
−
→
y de magnitud λ por la magnitud de v .
−
→
• Si λ < 0, −→
w = λv es un vector de la misma dirección que →
−
v , sentido
→
− →
−
opuesto al de v y de magnitud (−λ) por la magnitud de v .
Ejemplo 2
......
.........
.......
.......
.............
......
.......
....•
.......
.......
.....
........
~ ...
4v .......
.......
.......•
.... .....
......... .......
~v ....... ....... .......
.
......... .......... .......
.
.......
. ..
.
..
.. .
.......
5 ............
...
.......
. .
......•.......
......
− ~v 2............• .......
......
....... .
....... .......
...
.. .......
. ..
...........
....... .......
....
.......
....... •
....... √ .......
....... .......
........... .......
− 2~v ....
........
.......
.....
.......•
.......
.......
...........
Proposición 2
−
→
1. Para todo λ ∈ R y para todo −
→
v ∈ S, −
→
w = λv ∈ S.
5. 1 ∈ R, −
→
v ∈V; 1−
→
v =−
→
v
Ejemplo 3
2(−3−
→
v ) = −6−
→
v
~v ..
......
~
−3v
........ p p p
~
2(−3v)
........ p p
~
−6v
........ p p p p p p
Ejemplo 4
2−
→
v + 3−
→
v = (2 + 3)−
→
v = 5−
→
v
~v ......
..
~
2v
p ......
..
~
p 3v p ..
......
~ + 3v
2v ~
p ......
..
~
5v
p p p p ......
..
Ejemplo 5
3(−
→
v +−
→
w ) = 3−
→
v + 3−
→
w
.
.......... .. .. .........
..... .. .. ..........
..... .. .. ....... ..
.....
. . .. ... .............. ...
.. . . .. .
.... .. .. ........ ..
..... .. ........... ..
..... .. ....... ..
..... .. ........ ..
~ ..... .. ................ ..
3v ....
....
.
..
. .
.. ...... ..
.. ........ ...
~ + 3v
3u ~ ..
..
.
..... ........... . ..
..... ........ .. ..
.............. .. ...
.......... . .. . ..
. .
~v .... ....... .. .. ..
..... ........ .. .. ..
..... ........ .... .. ..
..... ........ .. ..
..
.
................. .. ....
.
. . . ..
. . ....
.. ...... . ......
~
u ~
3u
4.2 R 2 y R3
........ .....
• ....
0 1 x
El punto x o el número x.
Definición 9
Definición 10
(a1 , b1 ) = (a2 , b2 )
si y solo si
a 1 = b1 , a 2 = b2 .
Coloquialmente afirmamos que dos parejas ordenadas son iguales si tienen
iguales sus correspondientes coordenadas es decir primera igual a primera y
segunda igual a segunda.
R2 = {(x, y)| x ∈ R, y ∈ R}
4.2. R2 Y R3 117
........
y
b P
•
........ .....
....
0 a x
Definición 11
Definición 12
(a1 , b1 , c1 ) = (a2 , b2 , c2 )
si y solo si
a 1 = b1 , a 2 = b2 , a 3 = b3 .
R3 = {(x, y, z)| x ∈ R, y ∈ R, z ∈ R}
.
..... z
..........
c
.... ....
..........
.......... ..........
.......... ..........
.......... ..........
..
..........
.
...
...
..
P• ..
..........
.
...
...
..
........
....
....
. .........
..........
.....
... y
a .......
....
...
...
...
..........
.......... b
....
.. .......
........ ..........
..........
..........
x . ........
...............
.
...
...
............
.....
Definición 13
Proposición 3
Prueba.−
1. Evidente.
2. De un lado,
3. Evidente.
5. Se tiene que
Definición 14
La multiplicación de un real por una tripla, ası́ definida, goza de las siguientes
propiedades:
Proposición 4
Prueba.−
1. Evidente.
122 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
5. Evidente.
.
.... z
..........
c
... ....
..........
.......... ..........
.......... ..........
..........
.
......
...
............
. P....•...................................
..
...
...
~v.........
O ..
...
.
... y
...
........ .... ....... .....
.... ..........
a ....
....
....
..
...
............
.
..........
.......... b x
.... ...
...
...
.. .........
.......
..........
x ..........
..........
. ..........
..............
.....
.
Proposición 5
Si −
→
v = (x1 , y1 , z1 ) y −
→
u = (x2 , y2 , z2 ) entonces
→
− →
−
v + u = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
Prueba.−
Basta observar la gráfica.
Adicionalmente, la identificación V ector ←→ T ripla, nos provee de un pro-
cedimiento sencillo para encontrar la magnitud de un vector.
Definición 15
Sea −
→
v = (x, y, z) ∈ R3 , definimos la magnitud o norma de −
→
v , notada k→
−
v k;
como
p
k−
→
v k = x2 + y 2 + z 2
Proposición 6
→
−
1. Para todo →
−
v ∈ R3 , k−
→v k ≥ 0 y k−→
v k = 0 si y solo si −
→
v = 0.
−
→
2. Para todo →
−
v ∈ R3 y para todo λ ∈ R,
λv
= |λ| k−→v k.
3. Para todo →
−
v ,−
→
w ∈ R3 , k−
→
v +−
→
w k ≤ k−
→
v k + k−
→
w k (Desigualdad triangu-
lar ).
Prueba.−
124 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
p
1. Es claro que k−→
vk = x2 + y 2 + z 2 ≥ 0 por la definición de raı́z
cuadrada.
p
Además, si x2 + y 2 + z 2 = 0 entonces x2 + y 2 + z 2 = 0 y en conse-
cuencia x = y = z = 0.
√
Recı́procamente, si −
→
v = (0, 0, 0) entonces k−
→
v k = 02 + 02 + 02 = 0.
−
→
2. Suponemos →
−
v = (x, y, z) por tanto λv = (λx, λy, λz) y
−
q
→
2 2 2
λv
= (λx) + (λy) + (λz)
p
= λ2 (x2 + y 2 + z 2 )
√ p
= λ2 x 2 + y 2 + z 2
= |λ| k−
→
vk
−
→
3. (a) Si los vectores son paralelos es decir −
→
w = λv entonces
→
→ −
k−
→ w k =
−
v +−
→ v + λv
= k(1 + λ)−
→
v k = |1 + λ| k−
→
v k,
y
|1 + λ| k−
→
v k ≤ (1 + |λ|) k−
→
v k = k−
→
v k + |λ| k−
→
v k = k−
→
v k + k→
−
wk
.........
........
.......
..................
......... ... . . ......
........ ........
..........
........
........ .................
...... ..........
.........
. ..........
.....
...... .....
~v .
.
.
.
.
...
......
w
~
........
.........
... ......
....... ... ......
.. ..... ... ......
... ...
. ... .....
.... ... ... .....
.....
.... ... ... .....
... ...
. ... ......
.. ... ... .........
... ...
~v + w
~
4.2. R2 Y R3 125
Proposición 7
Si λ ∈ R, −
→
v = (a, b, c) entonces λ.−
→
v = (λa, λb, λc)
Prueba.−
z...
......
λc......
...
...
...
...
...
...
...
c ... ............
... λ~ v .........
...
... ...
.........
.
..................
v ..................
~
... λb
O................. b .....
.
...
..... ...
. .... .... .....
. ....
a .
......
...
........
. .
...
...
.. .
....... ...
.. ...
. ...... . . . . .. . . . .
............... y
.......... ... ....
.......... ... ....
.......... ... ....
λa .......... ... ........
.. . ...
...
............
. ...
..........
x
Definición 16
Un vector →
−
v ∈ R3 , tal que k−
→
v k = 1, se denomina un vector unitario.
Ejemplo 6
→
− −
→ −
→
Los vectores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) son vectores unitarios.
Ejemplo 7
→
−
v = √314 , √−1 , √2 es un vector unitario, puesto que
14 14
126 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
s 2 2 2
3 −1 2
√ + √ + √ =1
14 14 14
Ejemplo 8
−
→
Dado cualquier vector −→v ∈ R3 , −
→v 6= 0 , el vector −
→
w = − 1 −→
v , es un vector
k→
vk
unitario en la misma dirección y sentido que −
→
v y el vector −
→
u = −→ −
w = −1 →
−
v
k−→
vk
es un vector unitario en la misma dirección de −→
v y sentido opuesto.
Observación.-
−
→ −
→ −
→
1. Si −→v = (a, b, c) ∈ R3 , entonces −
→
v = a i + b j + c k y decimos que a
−
→
es la componente de − →v en la dirección de i ; b es la componente de
→
− −
→
v en la dirección de j y c es la componente de − →
v en la dirección de
→
−
k.
−
→
v ·−
→
w = a 1 b1 + a 2 b2 + a 3 b3 .
4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 127
Proposición 8
1. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ·−
→
w ∈R
2. Para todo →
−
v ∈ R3 , −
→
v ·−
→
v = k−
→ 2
vk
3. Para todo →
−
v ∈ R3 , −
→
v ·−
→
v ≥0 y −
→
v ·−
→
v = 0 si y solo si →
−
v =0
4. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 ,para todo λ ∈ R,
(λ−
→
v)·−
→
w = λ(−
→
v ·−
→
w) = −
→
v · (λ−
→
w)
5. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ·−
→
w =−
→
w ·−
→
v
6. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , →
−
z ∈ R3 , −
→
v · (−
→
w +−
→
z)=−
→
v ·→
−
w +→
−
v ·→
−
z
Prueba.−
1. Evidente.
2. Evidente.
128 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
→
− −
→ −
→
3. Sea →
−
v = a i + b j + c k entonces
−
→
v ·−
→
v = a 2 + b2 + c 2 ≥ 0
Además
−
→
v ·−
→
v = a2 + b2 + c2 = 0 si y solo si a2 = b2 = c2 = 0
es decir
a=b=c=0
→
− −
→ −
→ → −
→ −
→ −
→
4. Sean →
−
v =a i +bj +ck , −
w = r i + s j + t k ,λ ∈ R entonces
−
→ →
λv · −
w = (λa)r + (λb)s + (λc)t
= λar + λbs + λct
−→
= λ(ar + bs + ct)−
→
v · λw
= a(λr) + b(λs) + c(λt)
= aλr + bλs + cλt
= λ(ar + bs + ct)λ(−
→
v ·−
→
w)
= λ(ar + bs + ct)
y el resultado es obvio.
→
− →
− −
→ → −
→ −
→ −
→
5. −
→
v =a i +bj +ck , − w = r i + s j + t k , entonces
−
→
v ·−
→
w = ar + bs + ct
= ra + sb + tc
= −
→
w ·−→
v
→
− −
→ −
→ → −
→ → −
− → → −
→ −
→ →
−
6. Sean −→v = a i +b j +c k , −
w = r i +s j +t k y − z = x i +y j +z k
entonces
→
− −
→ −
→ −
→ −
→ −
→ →
−
v · (−
→
w +−→z ) = (a i + b j + c k ) + ((r + x) i + (s + y) j + (t + z) k )
= a(r + x) + b(s + y) + c(t + z)
= (ar + bs + ct) + (ax + by + cz)
= −
→v ·−
→
w +− →v ·−
→z
4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 129
Proposición 9
Desigualdad de Cauchy-Schwarz-Bunyakovski.
Para todo −
→
v ∈ R3 , −
→
w ∈ R3 ,
|−
→
v ·−
→
w | ≤ k−
→
v k k−
→
wk.
Prueba.−
Definición 18
−→ → −−→
Sean →
−
v ,−
→
w ∈ R3 , →
−
v = OA, − w = OB definimos el ángulo θ entre los vectores
→
− →
−
v y w , como el ángulo entre los segmentos OA, OB.
Proposición 10
Prueba.−
B
.........
.... .....
... .........
.
.... .....
. .....
... .....
... .....
... .....
w
~ ......
.
..
. .....
.....
.....
.....
~v − w
~
...
. .....
.
... .....
....
. .....
.. .....
... ......
. .....
..
. ... .....
...
.
.
...
θ
...
.
... ~v .....
......
.........
O A
−→ − −−→
Suponemos −→v = OA, →w = OB, aplicamos al triángulo ∆AOB el Teorema del
Coseno de la trigonometrı́a elemental, entonces:
130 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
es decir,
k−
→
v −−
→
w k = k−
→
v k + k−
→
w k − 2 k−
→
v k k−
→
2 2 2
w k cos θ
es decir,
(−
→
v −−
→
w ) · (−
→
v −−
→
w ) = k−
→
v k + k−
→
w k − 2 k−
→
v k k−
→
2 2
w k cos θ
k−
→
vk −2 →
−
v ·−
→
w + k−
→
w k = k−
→
v k + k−
→
w k − 2 k−
→
v k k−
→
2 2 2 2
w k cos θ
en consecuencia
−
→
v ·−
→
w = k−
→
v k k−
→
w k cos θ
es decir
−
→
v ·− →
w
cos θ = −
k v k k−
→ →
wk
Proposición 11
Sean −→
v ,→−
w ∈ R3 , vectores no nulos entonces −
→
v y −
→
w son perpendiculares si
→
− →
−
y solo si v · w = 0
Prueba.−
Suponemos que →
−
v y −
→
w son perpendiculares es decir θ = π
2 entonces
cos θ = 0
y por lo tanto
−
→
v ·−
→
w =0
4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 131
Recı́procamente si →
−
v ·−
→
w = 0 entonces
−
→v ·−→
w
cos θ =
k v k k−
−
→ →
wk
= 0
y en consecuencia
θ = arccos (0)
π
=
2
Observación.- Auncuando en la visión geométrica que estamos haciendo de
los vectores de R3 , el término perpendicular es claro y preciso también usamos
”ortogonal”, término mas general (no solo de la geometrı́a euclı́dea) pero con
el mismo significado en este momento.
Proposición 12
Sean →
−
v ,−
→
w ∈ R3 , vectores no nulos entonces −→
v y −
→
w son paralelos si y solo
si
|−
→
v ·−
→
w | = k−
→v k k−
→
wk
Prueba.−
Suponemos que →
−
v y −
→
w son paralelos, entonces −→w = λ−
→
v , λ 6= 0, entonces
−
→ −
→
v ·−→
w −
→v · λv
=
→
k−
→
v k k−
→
wk k−→
−
v k
λv
λ k−
→ 2
vk
=
|λ| k−
→v k k−
→vk
λ
=
|λ|
es decir − →
→ −
v ·w =1
k−
→
v k k−
→
w k
132 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
o sea
|−
→
v ·−
→
w | = k−
→
v k k−
→
wk
Recı́procamente si
|−
→
v ·−
→
w | = k−
→
v k k−
→
wk
entonces −
→ →
−
v ·w =1
k−
→
v k k−
→
w k
es decir
|cos θ| = 1
y en consecuencia
θ=0 o θ=π
es decir →
−
v y →
−
w son paralelos.
Definición 19
−→ → −−→
Sean →
−
v = OA, − w = OB vectores no nulos del espacio usual, C el pie de la
←→ −−→
perpendicular desde A a la recta OB. El vector − →u = OC se denomina la
componente de −→
v a lo largo de −
→
w o la proyección de −
→
v a lo largo de −
→
w.
A
........
...... .
......
......
.
..
.......
.
.
......
~v ......
......
......
.
..
.......
.
.
......
......
......
......
......
.
......
..
..
.
~u .....
...
w
~ .....
...
O C B
4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 133
Proposición 13
−→ → −−→ −−→
Sean −
→
v = OA, −w = OB vectores no nulos del espacio usual, →
−
u = OC la
componente de −
→
v a lo largo de −
→
w entonces
−
→v ·−
→
w−
−
→ → −
→ − → − →
u = −→ 2 w y (v − u)· w =0
kwk
Prueba.−
Claramente →
−
u = λ−
→
w entonces −
→
u ·−
→
w = λ k−
→ 2
w k es decir
−
→
u ·−
→
w
λ= −
→ 2
kwk
Por otra parte
!
−
→
v ·−
→
w−
(→
−
v −−
→
u)·−
→
w = −
→
v − −→
→
2 w ·−
→
w
kwk
= (−
→
v ·−
→
w −−→
v ·−→
w)
= 0
−
→ −
→ −
→ →
−
v ×−
→
w = (a2 b3 − a3 b2 ) i + (a3 b1 − a1 b3 ) j + (a1 b2 − a2 b1 ) k
h → i
− → −
→ −
formal de tamaño tres por tres cuya primera fila es i j k , su segunda
las componentes de − →
v y su tercera las componentes de −→w (desarrollado por
la primera fila),
− −
→ → −→
i j k
→ a a − −
→
− →
− a2 a3 − 1 3 → a1 a2 →
v ×w = a1 a2 a3 = i − j + k
b2 b3 b1 b3 b1 b2
b1 b2 b3
Ejemplo 9
− −
→ →
→ − − →
→ −
→ −
i j k i j k
→
− −→ −
→ −
→ −→ −→
i × j = 1 0 0 = k, j × i = 0 1 0 = −k
0 1 0 1 0 0
Ejemplo 10
− −
→ →
→ − − →
→ −
→ −
i j k i j k
− −
→ → → −
− → −→ →
−
j × k = 0 1 0 = i, k × j = 0 0 1 =−i
0 0 1 0 1 0
Ejemplo 11
− −
→ →
→ − − →
→ −
→ −
i j k i j k
→ −
− → −
→ −→ −→ →
−
k × i = 0 0 1 = j, i × k = 1 0 0 =−j
1 0 0 0 0 1
4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 135
Ejemplo 12
−
→ −→ − → −→ − → −→ − →
i × i = j × j = k × k = 0
Proposición 14
1. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ×−
→
w ∈ R3
−
→
2. Para todo →
−
v ∈ R3 , −
→
v ×−
→
v = 0
−
→ − → → − →
3. Para todo →
−
v ∈ R3 , −
→
v × 0 = 0 ×−
v = 0
4. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 ,para todo λ ∈ R,
(λ−
→
v)×− →
w = λ(−
→
v ×− →
w) = −
→ v × (λ−
→w)
5. Para todo −→
v ∈ R3 , −
→
w ∈ R3 ,
−
→ −
→
(−
→
v ×− →
w) · −
→
v = 0 y (−
→ v ×−
→
w) · −
→
w = 0
6. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
v ×−
→
w = − (−
→
w ×−
→
v)
7. Para todo →
−
v ∈ R3 , −
→ u ∈ R3 −
w ∈ R3 , →
− →
v × (−
→
w +−
→
u) = −
→
v ×→
−
w +→
−
v ×→
−
u
8. Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , −
→
u ∈ R3 , (−
→
v +−
→
u )×−
→
w =−
→
v ×−
→
w +−
→
u ×−
→
w
9. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , →
−
u ∈ R3 ,
−
→
v × (−→
u ×−→
w ) = (−
→
v ·−→
w)−→
u − (−→v ·−
→u)−
→
w
Prueba.−
136 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
i j k
→
− →
− →
−
v × (w + u ) = a b c
r+x s+y t+z
b − c −→ a b →−
c → a
= i − j + k
s+y t+z r+x t+z r+x s+y
−
→ →
− →
−
= [b(t + z) − c(s + y)] i − [a(t + z) − c(r + x)] j + [a(s + y) − b(r + x)] k
−
→ →
−
= [(bt − cs) + (bz − cy)] i − [(at − cr) + (az − cx)] j +
−
→
+ [(as − br) + (ay − bx)] k
h −
→ −
→ −i
→
= (bt − cs) i − (at − cr) j + +(as − br) k +
h −
→ −
→ →i
−
+ (bz − cy) i − (az − cx) j (ay − bx) k
= −
→v ×− →
w +− →v ×− →u
→
− −
→ −
→ → −
→ −
→ −
→ → −
→ →
− →
−
9. Sean −
→
v = a i +b j +c k , −
u = x i +y j +z k y −
w = r i +s j +t k
entonces
−
→ −
→ −
→
i j k
→
−
v × (−
→
u ×−
→
w) = a b c
yt − sz rz − xt xs − ry
−
→ →
−
= [b(xs − ry) − c (rz − xt)] i − [a (xs − ry) − c (yt − sz)] j +
−
→
+ [a (rz − xt) − b (yt − sz)] k
Ahora
4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 137
−
→ −
→ →
− − −
(−
→
v ·−
→
w )−
→
u = (ar + bs + ct) x i + (ar + bs + ct) y j + (ar + bs + ct) z k (→
v ·→
u )→
−
w
−
→ −
→
= (ax + by + cz) r i + (ax + by + cz) s j +
−
→→ −
+ (ax + by + cz) t k (−v ·→w )−
→
u − (−→v ·−
→u )−
→
w
−
→ →
−
= [b (sx − yr) + c (xt − zr)] i + [a (ry − sx) + c (ty − sz)] j +
−
→
+ [a (rz − tx) + b (sz − yt)] k
−
→
v × (−
→
u ×−
→
w ) = (−
→
v ·−
→
w )−
→
u − (−
→
v ·−
→
u )−
→
w
Observación.-
Graf ico 15
Graf ico 16
Proposición 15
→
− →
− −
→ → −
→ −
→ −
→
Si −
→
v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k entonces
−
→ − → −
→ − → → −
− →
→
−
v ×−→w = a1 b1 i × i + a1 b2 i × j + a1 b3 i × k +
−
→ − → −→ − → −→ − →
+a2 b1 j × i + a2 b2 j × j + a2 b3 j × k +
−
→ − → −→ − → −→ − →
+a3 b1 k × i + a3 b2 i × i + a3 b3 k × k
Prueba.−
→ − −
→ → −
− → −
→ →
−
−
→
v ×−
→
w = a 1 i + a 2 j + a 3 k × b1 i + b2 j + b3 k
− → − → −
→ → −
− → − → →
− −
→
= a 1 i × b1 i + b2 j + b 3 k + a 2 i × b1 i + b2 j + b 3 k +
−→ − → −
→ →
−
+ a 3 i × b1 i + b 2 j + b 3 k
−→ − → −
→ − → −→ − →
= a 1 b1 i × i + a 1 b2 i × j + a 1 b3 i × k +
−
→ − → −
→ − → −→ −→
+a2 b1 j × i + a2 b2 j × j + a2 b3 j × k +
−
→ − → −
→ − → −→ −→
+a3 b1 k × i + a3 b2 k × j + a3 b3 k × k
Proposición 16
Para todo →−
v ∈ R3 , −
→
w ∈ R3 ,
k−
→
v ×→ −
w k = k−
→v k k−
2 → 2
w k − (− →
v .−
→
2 2
w)
Prueba.−
→
− →
− −
→ → −
→ −
→ −
→
Sean →
−v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k entonces
k−
→
v ×→
− 2
w k = (a2 b3 − a3 b2 )2 + (a3 b1 − a1 b3 )2 + (a1 b2 − a2 b1 )2
= a22 b23 − 2a2 b3 a3 b2 + a23 b22 + a23 b21 − 2a3 b1 a1 b3 + a21 b23 + a21 b22 − 2a1 b2 a2 b1 + a22 b21
k−
→
v k k−
2 → 2
w k − (−
→
v .−
→ 2
w ) = a21 + a22 + a23 b21 + b22 + b23 − (a1 b1 + a2 b2 + a3 b3 )2
= a21 b21 + a21 b22 + a21 b23 + a22 b21 + a22 b22 + a22 b23 + a23 b21 + a23 b22 + a23 b23
− (a21 b21 + a22 b22 + a23 b23 + 2a1 b1 a2 b2 + 2a1 b1 a3 b3 + 2a2 b2 a3 b3 )
= a21 b22 + a21 b23 + a22 b21 + a22 b23 + a23 b21 + a23 b22 − 2a1 b1 a2 b2 − 2a1 b1 a3 b3 − 2a2 b2 a3 b3
Claramente las dos expresiones finales a la derecha del igual son idénticas.
Proposición 17
Para todo − →v ∈ R3 , −
→
w ∈ R3 ,
Si θ el ángulo entre −
→v y−
→w entonces k−
→
v ×−
→
w k = k−
→
v k k−
→
w k |sen θ|
Prueba.−
Basta recordar que − →
v ·−→
w = k−
→
v k k−
→
w k cos θ y reemplazar en la conclusión de
la proposición anterior
k−
→
v ×−
→
w k = k−→
v k k−
2 → 2
w k − (−
→
v .−
→
w ) = k−
→
v k k−
2 → 2
w k − (k−
→
v k k−
→
2 2 2
w k cos θ)
= k−
→
v k k−
2 → 2
w k 1 − cos2 θ
= k−
→
v k k−
2 → 2
w k sen2 θ
en consecuencia
k−
→
v ×−
→
w k = k−
→
v k k−
→
w k |sen θ|
Proposición 18
Para todo − →v ∈ R3 , −
→
w ∈ R3 ,
Si θ , 0 < θ < π es el ángulo entre −
→
v y−→
w entonces k−
→
v ×−
→
w k es el área del
paralelogramo construı́do sobre los vectores −
→
v y−
→
w .
Prueba.−
140 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
B ..................................................................................................................................................................................................... P
...............................................................................................................
.................................................................................................................................................................
..............................................................................................................................................................
. . ........................................................................................................................................................................................................................................................................
w
~ .. ..
................................................................................................................................................................
...............................................................................................................................................................
...............................................................................................................................................................
..............................................................................................................
. .. . ........................................................................................................................................................................................................................................................................
.................................................. .
..............................................................................................................
...............................................................................................................................................................
...............................................................................................................................................................
..............................................................................................................
......................................................................................................................................................................................................................................................................
.... .
θ
.................................................. . ~v
..........................................................................................................................................................................................................
O R
A = OA RB = (k−
→
v k) (k−
→
w k sen θ) = k−
→
v ×−
→
wk
Definición 21
Dados →−v ,−
→
w,→−u ∈ R3 el producto −
→
v ·−
→
w ×−
→
u ,se denomina el producto triple
escalar de los vectores −
→
v ,→
−
w,→
−u.
Proposición 19
→
− →
− −
→ → −
→ −
→ −
→ → −
→ →
− →
−
Si −
→v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k , −
u = c1 i + c2 j + c3 k
entonces
a a a
1 2 3
−
→
v ·− →
w ×−→
u = b1 b2 b3
c1 c2 c3
Prueba.−
De un lado:
4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 141
→
−
v · (−
→
w ×−
→
u ) = (a1 , a2 , a3 ) · [b2 c3 − b3 c2 , b3 c1 − b1 c3 , b1 c2 − b2 c1 ]
= a1 (b2 c3 − b3 c2 ) + a2 (b3 c1 − b1 c3 ) + a3 (b1 c2 − b2 c1 )
a a a
1 2 3 b b b b b b
2 3 1 3 1 2
b1 b2 b3 = a1 − a2 + a3
c2 c3 c1 c3 c1 c2
c1 c2 c3
Claramente las dos expresiones finales a la derecha del igual son idénticas.
Proposición 20
Si →
−
v ,−
→
w,−
→
u ∈ R3 , entonces −
→
v ·−
→
w ×−
→
u =−
→
v ×−
→
w ·−
→
u
Prueba.−
→
− →
− −
→ → −
→ −
→ −
→ → −
→ →
− →
−
Si −
→
v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k , −
u = c1 i + c2 j + c3 k
entonces
a a a
1 2 3
−
→
v ·−
→
w ×−
→
u = b1 b2 b3 .
c1 c2 c3
142 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
c c c3
1 2
→
− →
− →
− −
→ −
→ −
→
v × w · u = u · v × w = a1 a2 a3
b1 b2 b3
a a2 a3
1
= (−1) c1 c2 c3
b1 b2 b3
a a a
1 2 3
= (1−)(−1) b1 b2 b3
c1 c2 c3
a a a
1 2 3
= b1 b2 b3
c1 c2 c3
Proposición 21
Si →
−v ,−
→
w,−→
u ∈ R3 , vectores no paralelos y no coplanares entonces → −
v ·→
−
w ×→−u
−
→ →
− →
−
es el volumen del paralelepı́pedo construı́do sobre los vectores v , w y u .
Prueba.−
4.5. RECTAS EN EL PLANO 143
..... .....
.......... .. .......... ..
.......... .. .......... ....
.......... ..........
. . . . .. .. . .......... ... ... .
...
............ .
...
Q C ..........
..........
..........
.....
..
..
.
..........
..........
..........
...
...
...
• ........... .. .... ..
.. . .
... ....
... .. ... ...
... .. ... ...
... .. ... ...
..
. . .. ... ...
... ..
. ... ...
... .. ... ...
... .. ..
.. ..
..
β .
..
..
B ..
.
. ..
....................................................................................................................
.
.
..
.............
...
~u w
~ ................................................................................................................................
........................................................................................................... P
........................................................................................................................................................................................................................................................
... . .. .. . . .. .
... .......................................................................................................................................................
........................................................................................................
... .....................................................................................................................................................................................................................................................................
........
.................................................................................................................................................................................................................
..
O ~v A
V = (Area de la base)(Altura)
= (Area de OAP B)(OQ)
= k−
→
v ×−→w k k−
→
u k cos β
=−→
v ×−→
w ·−
→
u
−
→ −
→
= v ·w× u−
→
Auncuando los conceptos de punto, recta y plano son conceptos primitivos
(No definidos) de la geometria euclı́dea, la identificación punto ↔ tripla in-
duce de manera natural descripciones analı́ticas de la recta en el plano y en
el espacio y del plano en el espacio que presentamos en las secciones siguientes.
Definición 22
−
→
Dados P0 un punto en el plano y V ∈ R2 , la recta l que pasa por P0 y tiene
→
−
como dirección la de V es el conjunto de puntos P tales que el vector de punto
−
→
inicial P0 y punto final P es paralelo a V .
n −−→ −
→ o
l = P ∈ R2 P0 P = t V , t ∈ R
Proposición 22
−
→
Dados P0 un punto en el plano y V ∈ R2 , P 6= P0 pertenece a la recta que
→
− −
→ − → →
−
pasa por P0 y tiene a V como vector dirección si y solo si P = P0 + t V , con
t ∈ R.
Prueba.−
→
−
Suponemos que P 6= P0 pertenece a la recta que pasa por P0 y tiene a V como
−−→ −
→ −
→ − → →
−
vector dirección entonces P0 P es paralelo a V es decir P − P0 = t V , con
→ −
− → −
→
t ∈ R es decir P = P0 + t V , con t ∈ R.
→
− −
→ −
→ −
→ − → →
−
Recı́procamente si P = P0 + t V , con t ∈ R entonces P − P0 = t V , con
−
→
t ∈ R es decir P pertenece a la recta que pasa por P0 y tiene a V como vector
dirección.
Definición 23
→ −
− → −
→
La ecuación P = P0 + t V , con t ∈ R se denomina la ecuación vectorial de
−
→
la recta que pasa por P0 y tiene a V como vector dirección.
−
→ −
→
Evidentemente la dirección de V y la de cualquier vector W paralelo, es la
misma, en consecuencia la recta que pasa por P0 y tiene como dirección la de
→
− −
→
V , o la de W , es la misma.
4.5. RECTAS EN EL PLANO 145
Proposición 23
−
→ →
−
Si W = λ V , λ 6= 0 y t, k ∈ R entonces
n −−→ →o n
− −−→ →o
−
P ∈ R2 P0 P = t V = P ∈ R2 P0 P = k W
Prueba.−
n −−→ →o
−
A ∈ P ∈ R2 |P0 P = t V si y solo si
−
→ − → −
→
A = P0 + t V
es decir
−
→ − → 1 −→
A = P0 + t W
λ
es decir n −−→ 2 →o
−
A ∈ P ∈ R |P0 P = k W .
−
→ −
→ −
→
Además, si suponemos P0 = (x0 , y0 ) , V = a i + b j y P = (x, y) la
→
− −
→ −
→
ecuación P = P0 + t V se transforma en (x, y) = (x0 , y0 ) + t(a, b) y al
comparar coordenadas se obtienen las ecuaciones
(
x = x0 + ta
t∈R
y = y0 + tb
Definición 24
Las ecuaciones
(
x = x0 + ta
t∈R
y = y0 + tb
se denominan las ecuaciones paramétricas, con parámetro t, de la recta, que
−
→ −
→ −
→
pasa por P0 = (x0 , y0 ) y tiene a V = a i + b j como vector dirección.
Adicionalmente, si suponemos ab 6= 0, despejamos el parámetro t de las ecua-
ciones paramétricas e igualamos, obtenemos:
x − x0 y − y0
t= =
a b
146 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
o lo que es lo mismo
Ax + By + C = 0
Ejemplo 13
y−3
y al eliminar el parámetro t obtenemos x − 2 = −5 es decir 5x + y − 13 = 0
Proposición 24
n−→ −
→ − → →o
− → −
n− → − → →o
−
Dos rectas: l1 = P P = P0 + t V y l2 = P P = Q0 + k W se cortan
si y solo si existen números reales t0 y k0 , no necesariamente iguales y tales
−
→ → −
− → −
→
que P0 + t0 V = Q0 + k0 W
Prueba.−
Suponemos C = l1 ∩ l2 entonces C ∈ l1 por tanto existe t0 tal que
→ −
− → →
− −
→ − → −
→
C = P0 + t0 V , igualmente C ∈ l2 por tanto existe k0 tal que C = Q0 + k0 W
−
→ −
→ − → − → −
→
y en consecuencia P0 + t0 V = C = Q0 + k0 W
4.5. RECTAS EN EL PLANO 147
Ejemplo 14
−
→
Consideremos las rectas l1 de ecuación P = (1, 3) + t(−1, 1) y l2 de ecuación
→
−
P = (−2, 5) + k(3, −2), t y k en R, entonces l1 y l2 se cortan si y solo si
y también
(1, 3) = (−2, 5) + (1)(3, −2) ∈ l2
Ejemplo 15
−
→
Consideremos las rectas l1 de ecuación P = (1, 2) + t(2, −1) y l2 de ecuación
→
−
P = (4, 0) + k(−4.2) entonces l1 y l2 se cortan si y solo si
Definición 25
Definición 26
Proposición 25
n−→ −
→ − → →o
− → −
n− → − → →o
−
Dos rectas: l1 = P P = P0 + t V y l2 = P P = Q0 + k W son
→
− −
→
paralelas si y solo si V = λW
Prueba.−
→
− −
→
Suponemos V = λW y Z ∈ l1 ∩ l2 es decir existen t1 , k1 ∈ R tales que
−→ −
→ − → − → −
→
P0 + t1 V = Z = Q0 + k1 W
en consecuencia
−
→ −
→ −
→ −
→
P0 = Q0 − t1 V + k1 W
−
→ −
→ −
→
= Q0 − t1 λW + k 1 W
−
→ −
→
= Q0 + (k1 − t1 λ) W
4.5. RECTAS EN EL PLANO 149
−
→
es decir P0 ∈ l2 .
Análogamente:
−
→ −
→ −
→ −
→
Q0 = P0 + t1 V − k1 W
−
→ 1 −
→
= P0 + t1 − k1 V
λ
−
→
es decir Q0 ∈ l1 , en consecuencia l1 y l2 coinciden.
Sean
−
→ −
→ → −
− → −
→ −
→
P0 = (x0 , y0 ), Q0 = (x′0 , y0′ ), V = a i + b j , W = c i + d j .
Decir l1 ∩ l2 = φ significa que no existen t1 , k1 ∈ R tales que
−
→ −
→ − → − → −
→
P0 + t1 V = Z = Q0 + k1 W
es decir el sistema
′
ax − cy = x0 − x0
bx − dy = y0′ − y0
−
→ −
→
lo que significa ad = bc es decir a = λc y b = λd es decir V = λW
Proposición 26
n − →o
→ − → −
Sean l = P P = P0 + t V una recta y P1 un punto tal que P1 ∈/ l. entonces
−
→ −
→ −
→
−
→
la distancia d de P1 a l es
P 1 − P 0 − U
donde U es la componente de
→
− →
− −
→
P 1 − P 0 a lo largo de V .
Prueba.−
150 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
l
P1........................... ........
........
. ... ......
..... ... d
. .
..
......
.. ... ..
... ... ......
... ... .....
... ... ...........
....
. ...
........
..
..
...
.. ........
... .....
... ......
......
.... ..
......
...
...
...
.....
......
.
...... ~
U
... ......
..... ..
.......
...
.. .....
.....
... ......
... ......
..... ..........
.. ....
.........
.........
......
.
......
..
......
. P 0
......
.....
. .......
..........
−
→ → −
− →
−
P − P · V −
→ →
− −
→
− → −
→ 1 0 →
d=
P1− P0 − U
=
P1− P0 −
−
V
→
2
V
Ejemplo 16
−
→
Consideremos la recta del ejemplo 12 de ecuación vectorial P = (2, 3) +
4.5. RECTAS EN EL PLANO 151
Proposición 27
n − →o
→ − → −
Sean l = P P = P0 + t V una recta con ecuación cartesiana
Ax + By + C = 0
152 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
entonces la distancia d de P1 a l es
|Ax1 + By1 + C|
d= √
A2 + B 2
Prueba.−
Si suponemos
−
→ −
→ −
→
P = (x, y), P0 = (x0 , y0 ), P1 = (x1 , y1 ) y V = a i + b j
Entonces
→ → − →
− −
d=
P1− P0 − U
(x1 − x0 ) a + (y1 − y0 ) b
=
(x1 − x0 , y1 − y0 ) − (a, b)
2
a +b 2
1
= 2
(x1 − x0 ) a2 + b2 − ((x1 − x0 ) a + (y1 − y0 ) b) a, (y1 − y0 ) a2 + b2 − ((x1 − x0 ) a + (y1
(a + b )2
1
= 2
(x1 − x0 ) b2 − (y1 − y0 ) ba, (y1 − y0 ) a2 − (x1 − x0 ) ab
(a + b )2
1
= 2 k((x1 − x0 ) b − (y1 − y0 ) a) b, ((y1 − y0 ) a − (x1 − x0 ) b) ak
(a + b2 )
rh i
1 2 2 2 2 2 2
= 2 (x 1 − x 0 ) b + (y 1 − y 0 ) a − 2ab (x 1 − x 0 ) (y 1 − y 0 (a + b )
)
(a + b2 )
√ q
a 2 + b2
= 2 [b(x1 − x0 ) − a (y1 − y0 )]2
(a + b2 )
1
=√ |b(x1 − x0 ) − a (y1 − y0 )|
a + b2
2
1
=√ |bx1 + (−a)y1 + (ay0 − bx0 )|
a + b2
2
n −−→ −
→ o
l = P P0 P = t V , t ∈ R
Proposición 28
−
→
Dados P0 un punto del espacio y V ∈ R3 , P 6= P0 pertenece a la recta que
−
→ −
→ − → →
−
pasa por P0 y tiene a V como vector dirección si y solo si P = P0 + t V , con
t ∈ R.
Prueba.−
→
−
Suponemos que P 6= P0 pertenece a la recta que pasa por P0 y tiene a V como
−−→ −
→ −
→ − → →
−
vector dirección entonces P0 P es paralelo a V es decir P − P0 = t V , con
→ −
− → −
→
t ∈ R es decir P = P0 + t V , con t ∈ R.
→
− −
→ −
→ −
→ − → →
−
Recı́procamente si P = P0 + t V , con t ∈ R entonces P − P0 = t V , con
−
→
t ∈ R es decir P pertenece a la recta que pasa por P0 y tiene a V como vector
dirección.
Definición 28
→ −
− → −
→
La ecuación P = P0 + t V , con t ∈ R se denomina la ecuación vectorial de
−
→
la recta que pasa por P0 y tiene a V como vector dirección.
−
→ −
→
Evidentemente la dirección de V y la de cualquier vector W paralelo, es la
misma, en consecuencia la recta que pasa por P0 y tiene como dirección la de
→
− −
→
V , o la de W , es la misma.
154 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Proposición 29
−
→ →
−
Si W = λ V y t, k ∈ R, entonces
n −−→ → o n −−→
− →o
−
P P0 P = t V = P P0 P = k W
Prueba.−
Ejercicio para el lector.
−
→ −
→ −
→ −
→
Si suponemos P0 = (x0 , y0 , z0 ) , V = a i + b j + c k y P = (x, y, z) la
→ −
− → →
−
ecuación P = P0 + t V se transforma en (x, y, z) = (x0 , y0 , z0 ) + t(a, b, c) y
al comparar coordenadas se obtienen las ecuaciones
x = x0 + ta
y = y0 + tb t∈R
z = z0 + tc
Definición 29
Las ecuaciones
x = x0 + ta
y = y0 + tb t∈R
z = z0 + tc
Ejemplo 17
La ecuación vectorial de la recta que pasa por P0 = (2, 3, −1) y que tiene a
→ −
− → →
− →
−
V = i − 2 j + 7 k como vector dirección es:
−
→
P = (2, 3, −1) + t(1, −2, 7) con t ∈ R
4.6. RECTAS EN EL ESPACIO 155
−
→ −
→ −
→ −
→
Finalmente si suponemos que V = a i + b j + c k es tal que abc 6= 0, al
despejar el parámetro t, de las ecuaciones paramétricas, obtenemos
Definición 30
Ejemplo 18
Proposición 30
n−→ −
→ − → →o
− n−→ −
→ − → −→o
Dos rectas: l1 = P P = P0 + t V y l 2 = P P = Q0 + k W se cortan
si y solo si existen números reales t0 y k0 , no necesariamente iguales y tales
−
→ → −
− → −
→
que P0 + t0 V = Q0 + k0 W
156 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Prueba.−
Suponemos C = l1 ∩ l2 entonces C ∈ l1 por tanto existe t0 tal que
−
→ − → −
→
C = P0 + t0 V ,
y en consecuencia
−
→ −
→ − → − → −
→
P0 + t0 V = C = Q0 + k0 W
entonces C ∈ l1 y C ∈ l2 .
Ejemplo 19
−
→
Consideremos las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de
→
−
ecuación P = (−2, 8, 6) + k(−1, 2, 1) entonces l1 y l2 se cortan si y solo si
1 + 2t = −2 − k
2 − t = 8 + 2k
3+t=6+k
Ejemplo 20
−
→
Consideremos las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de
→
−
ecuación P = (4, 0, 2)+k(1, 1, 2) entonces l1 y l2 se cortan si y solo si (1, 2, 3)+
t(2, −1, 1) = (4, 0, 2) + k(1, 1, 2) para un par de reales t y k, es decir si y solo
si
1 + 2t = 4 + k
2−t=k
3 + t = 2 + 2k
Definición 31
Ejemplo 21
−
→
Sabemos que las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de
→
−
ecuación P = (−2, 8, 6) + k(−1, 2, 1) se cortan en (1, 2, 3) entonces el ángulo
α entre ellas es tal que
Ejemplo 22
−
→
Las rectas l1 de ecuación P = t(2, −1, 1) y l2 de ecuación
→
−
P = (1, 1, 1) + k(1, 4, 2) se cortan en ( 23 , − 31 , 13 )
y puesto que (2, −1, 1) · (1, 4, 2) = 0 las rectas son perpendiculares.
Definición 32
−
→ − →
Sean l1 y l2 rectas que se no cortan, con vectores dirección V y W respecti-
vamente entonces
→ −
− →
• Si V y W son paralelos decimos que las rectas son paralelas.
→ −
− →
• Si V y W no son paralelos decimos que las rectas se cruzan.
Ejemplo 23
−
→
Las rectas l1 de ecuación P = t(2, −1, 1) y l2 de ecuación
→
−
P = (1, 1, 1) + k(4, −2, 2) son paralelas
−
→ →
−
Las rectas l1 de ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 de ecuación P =
(4, 0, 2) + k(1, 1, 2) no se cortan y no son paralelas es decir se cruzan.
Proposición 31
n − →o
→ − → −
Sean l = P P = P0 + t V una recta y P1 un punto tal que P1 ∈/ l. entonces
− → − →
→ −
−
→
la distancia d de P1 a l es
P 1 − P 0 − U
donde U es la componente de
→
− →
− −
→
P 1 − P 0 a lo largo de V .
Prueba.−
Graf ico 19
−
→ → →
− −
−
P − P · V −
→ →
− −
→
− → −
→ 1 0 →
d =
P1− P0 − U
=
P1− P0 −
−
V
→
2
V
Proposición 32
Prueba.−
−−−→
Basta observar que el vector P0 P1 es un vector dirección de la recta, en
consecuencia la ecuación vectorial es
→ −
− → →
− →
−
P = P0 + t P 1 − P 0 es decir
→
− →
− →
−
P = (1 − t) P 0 + t P 1 , t ∈ R.
−
→ −
→ −
→
Observación.- La ecuación P = (1 − t) P 0 + t P 1 con t ∈ [0, 1] , describe los
puntos del segmento P0 P1 .
x − x0 y − y0 z − z0
t= = =
x1 − x0 y1 − y0 z1 − z0
que son las ecuaciones simétricas o cartesianas de la recta.
160 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Definición 33
−
→
Dados P0 un punto del espacio y N ∈ R3 , el plano P que pasa por P0 y tiene
→
−
a N como vector normal es el conjunto de puntos P tales que el vector de
−
→
punto inicial P0 y punto final P es perpendicular a N .
n −−→ →o
−
P = P P0 P es perpendicular a N
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..
. . . .. .. . . . . .. . . . .. . .. ... .. . .. . . . .. . .. . . . .......................................................................................................................................................
.... ............................................................................................................................................................................................................................................................................................................................................................
.
. . . . . . . . . . . . . . . .
.... ...................................................................................................................................................................................................................................................................................................
.
.....................................................................................................................................................
.............................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
...............................................................................................................................................................................................................................
.........................................................................................0
... . P
..................................................................................................................................................................................................................................................................................................................................................................................
...........................................................
.................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
. .. ...
P
..............................................................................................................................................................................................................................
...................................................................................................................................................................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
.................................................................................................................................................................................................................................................................................................................................................
...
...
...
...
...
...
..
4.7. PLANOS EN EL ESPACIO 161
~
N ....
.........
...
...
...
...
..
.. . .. . . . . . . .. .. . . . .. . . . . .. .. . . . . .................................................................................................................
... .............................................................................................................................................................................................................................................................................................................................................
.
. . . . . . . .
. ... .
.
..............................................................................................................................................................................................................................
...............................................................................................................................................................................................................................
P
........................................................................................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
..............................................................................................................................................................
.. ..................................................................................................................................................................................................................................................................................................................................................................................
.
P
.............................................................................................................................................................................................................................
..................................................................................................................................................................................................................................................................................................
.....................................................................................................................0 ..................................
.............................................................................................................................................................................................................................
. ..............................................................................................................................................................................................................................................................................................................................................................................
..........................................................................
......................................................................................................................................................
.................................................................................................................................................................................................................................................................................................................................................
...
...
...
...
...
...
..
Proposición 33
−
→
Dados P0 un punto del espacio y N ∈ R3 , P pertenece al plano que pasa por
→
− −
→ − → − → − →
P0 y tiene a N como vector normal si y solo si P · N = P 0 · N
Prueba.−
−−→
Suponemos P un punto del plano entonces el vector P0 P es perpendicular a
→
−
N en consecuencia
−−→ → − −
→ − → − → −
→ → − →
− → −
P0 P · N = 0 es decir P − P 0 · N = 0 o lo que es lo mismo P · N = P 0 · N .
−
→ − → −
→ → −
Recı́procamente
suponemos P un punto tal que P · N = P 0 · N entonces
→ −
− → →
− −−→ −
→
P − P 0 · N = 0 es decir P0 P es perpendicular a N .
Definición 34
→ −
− → − → − →
La ecuación P · N = P 0 · N se denomina la ecuación vectorial del plano P
162 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Ejemplo 24
La ecuación vectorial del plano −xy− es la ecuación del plano que pasa por
→−
− → − → −→
(0, 0, 0) y es perpendicular al eje z es decir P . k = 0 · k = 0
La ecuación vectorial del plano −xz− es la ecuación del plano que pasa por
−
→− → − → −→
(0, 0, 0) y es perpendicular al eje y es decir P . j = 0 · j = 0
La ecuación vectorial del plano −yz− es la ecuación del plano que pasa por
−
→− → − → −→
(0, 0, 0) y es perpendicular al eje x es decir P . i = 0 · i = 0
−
→ −
→
Evidentemente si M es un vector paralelo a N , cualquier vector perpendicular
→
− −
→
a N también es perpendicular a M , en consecuencia el plano que pasa por P0
→
− −
→
y tiene a N como vector normal y el que pasa por P0 y tiene a M como vector
normal , es el mismo.
Proposición 34
−
→ →
− n −−→ →o n
− −−→ →o
−
Si M = λ N entonces P P
0 P es perpendicular a N = P P
0 P es perpendicular a M
Prueba.−
−
→ −
→ − → − →
Ademas, si suponemos P0 = (x0 , y0 , z0 ), N = a i + b j + c k y P = (x, y, z)
→ −
− → − → − →
la ecuación P · N = P 0 · N se transforma en (x, y, z) · (a, b, c) = (x0 , y0 , z0 ) ·
(a, b, c) es decir ax + by + cz = ax0 + by0 + cz0 o también
ax + by + cz = D
Definición 35
→
− →
−
cartesiana del plano P que pasa por P0 = (x0 , y0 , z0 ) y tiene a N = a i +
→
− →
−
b j + c k como vector normal.
P = {(x, y, z) |ax + by + cz = D }
Ejemplo 25
Ejemplo 26
Ejemplo 27
z.......
.... .........................
.... ..........................................
.... .............................................................................
. ..
.. ... ..........................................................................................................................................................................................................
.
..........................................................................................................................................
.......................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
O
....................................................................................................................................................................................
...........................................................................................................................................................................................
.......................................................................................................................................................
....
......
...............................................................................................
.................. y
..............
.
.
... .
.........
...
.. .
.......
. ..
...
...
ax + by = 0
.
.......
..
...................
x
Definición 36
n → →o n − →o
− −→ − → − ′ → −
→ −
→ −
Dos planos P = P P · N = P 0 · N y P = P P · M = P 1 · M tales
−
→ −
→
que P ∩ P ′ = φ y M = λ N se dicen paralelos.
Definición 37
n − →o n − →o
→ − → − → − → − → → − −
Dados dos planos P = P P · N = P 0 · N y P′ = P P · M = P 1 · M
tales que P ∩ P ′ =
6 φ el ángulo α entre P y P ′ es el ángulo α entre sus vectores
normales.
Proposición 35
Prueba.−
−−−→ −−−→
Puesto que P0 , P1 , P2 son puntos no colineales P0 P1 y P0 P2 no son paralelos
−−−→ −−−→ −
→
en consecuencia P0 P1 × P0 P2 6= 0 y resulta un vector normal al plano de
ecuación −
→ − → −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = 0
Ahora bien, tres puntos no colineales determinan un único plano, en conse-
cuencia basta probar que P0 , P1 y P2 satisfacen la ecuación.
En efecto:
Claramente P0 satisface la ecuación, además
→
− → −−−→ −−−→ −−−→ −−−→ −−−→
−
( P 1 − P 0 ) · P0 P1 × P0 P2 = P0 P1 · P0 P1 × P0 P2 = 0 es decir P1 satisface
la ecuación,
→
− →
− −−−→ −−−→ −−−→ −−−→ −−−→
( P 2 − P 0 ) · P0 P1 × P0 P2 = P0 P2 · P0 P1 × P0 P2 = 0 es decir P2 satisface
la ecuación.
Ejemplo 28
−
→ −
→ −
→
Consideremos los puntos P 0 = (1, 2, 3), P 1 = (−2, 1, 0), P 2 = (4, 2, −1)
−−−→ −−−→
entonces P0 P1 = (−3, −1, −3), P0 P2 = (3, 0, −4) en consecuencia
−
→ −→ −→
i j k
−−−→ −−−→
−
→ −
→ −
→
P0 P1 × P0 P2 = −3 −1 −3 = 4 i − 21 j + 3 k
3 0 −4
−
→ − → −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = (x − 1, y − 2, z − 3) · (4, −21, 3)
= 4x − 21y + 3z + 29
4x − 21y + 3z + 29 = 0
x y z x0 y0 z0
x 1 − x 0 y1 − y 0 z 1 − z 0 = x 1 − x 0 y1 − y 0 z 1 − z 0
x 2 − x 0 y2 − y 0 z 2 − z 0 x 2 − x 0 y2 − y 0 z 2 − z 0
Otra caracterización geométrica de un plano dice que “un plano está unı́vocamente
determinado por dos rectas que se cortan”, analı́ticamente podemos entonces
afirmar:
Proposición 36
→ −
n− → − → →o
− n−→ →
− −
→ →o
−
Dadas dos rectas que se cortan l1 = P P = P0 + t V , l2 = P P = P0 + k W ,
−
→ − → −
→ −
→
una ecuación del plano determinado por l1 y l2 es P = P 0 + t V + k W ,
t, k ∈ R
Prueba.−
Graf ico 20
−
→ −
→ →
− →
−
Ahora, si suponemos P = (x, y, z), P0 = (x0 , y0 , z0 ), V = a1 i + b1 j + c1 k ,
−
→ →
− →
− →
−
W = a2 i + b2 j + c2 k y comparamos coordenadas obtenemos
x = x0 + a1 t + a2 k
y = y0 + b1 t + b2 k t, k ∈ R
z = z0 + c 1 t + c 2 k
que denominamos ecuaciones paramétricas del plano, t, k se denominan los
parámetros.
Ahora bien, si miramos las ecuaciones paramétricas
x − x0 = a1 t + a2 k
y − y0 = b1 t + b2 k (∗)
z − z0 = c 1 t + c 2 k
4.7. PLANOS EN EL ESPACIO 167
x − x0
a1 a2 −b1 (x − x0 ) + a1 (y − y0 )
0 −b1 a2 + a1 b2
−c1 b2 (x − x0 ) + c1 a2 (y − y0 ) + b1 c2 (x − x0 ) − b1 a2 (z − z0 )
0 0
−a1 c2 (y − y0 ) + a1 b2 (z − z0 )
es decir el sistema tiene solución si y solo si
o lo que es lo mismo
Proposición 37
n − →o
→ −→ − → −
Sea P = P P · N = P 0 · N un plano que no contiene al origen, la dis-
−
→ − →
P ·N
tancia d del origen al plano es d =
−
→
N
168 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Prueba.−
..
.....
z
...
......................
..................................
.........................................
..........
.................................................................................
. .......................
................ . . . . . . . . . . . . . . . . . . . . . . . ......
............... .............................................................
..........................................................................................
................................................................................................................................................................................................
................................................................................................
...........................................................................................................................................
................................................................................................
.................................................................................................
................................................................................................
.................................................................................................
................................................................................................
...............................................................................................
................................................................................................
...........................................................................................................................................
.................................................................................................
.................................................................................................
................................................................................................
...........................................................................................................................................
.................................................................................................
.......................................................................................................
....................................................................................................
.............................................................................................................................................
...................................................................................................
..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
P~ ..
.. ....
.1 .
....................................................................................................
..... ..............................................................................................................................................................................................
................................................................................................
.....................................................................................................
...
..... ................................................................................................
..... ......................................................................................
..
...... .................................................................................................
...........................................................
....... .................................................
..
..... .......................................
...............................
......... ......
. ............. ......
. .... .... ...... ....
. . ........
.
. .. .
...
...
.. .
.........
...
........
. .. . . . .
x
................
.....
..
−
→
−
→ −
→
Si observamos la gráfica d =
P 1
donde P1 ∈ P y P 1 = λ N , por tanto
→ −
− → → −
− → −
→ − →
1·N
P 1 · N = λ N · N es consecuencia λ =
P−→
2
por lo tanto
N
−
−→ −
→ → − →
−
P · N
→
− →
−→
P 1 · N
− →
0
−
d =
P 1
=
λ N
= |λ|
N
=
2
N
=
→
−→
N
N
Proposición 38
n − →o n − →o
→ − → − → − → − → −→ −
Sean P = P P · N = P 0 · N y P ′ = P P · N = P 1 · N planos par-
alelos entonces la distancia d entre P y P ′ está dada por
− →
→ − → −
→ −
P 0 · N − P 1 · N
d=
−
→
N
Prueba.−
4.7. PLANOS EN EL ESPACIO 169
......
.
x−x0
a = y−yb
0
es decir b(x − x0 ) − a(y − y0 ) = 0 ecuación de un plano paralelo
al eje z.
z−z0 x−x0
c = a es decir a(z − z0 ) − c(x − x0 ) = 0 ecuación de un plano paralelo
al eje y.
y−y0
b = z−zc
0
es decir c(y − y0 ) − b(z − z0 ) = 0 ecuación de un plano paralelo
al eje x.
Gráf ico
170 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3
Capı́tulo 5
ESPACIOS VECTORIALES
REALES
1. Para todo −
→
v ,−
→
u ∈ V , la suma −
→
w =−
→
v +−
→
u ∈ V. (P ropiedad Clausurativa)
2. Para todo −
→
v ,−
→
u,−
→
z ∈ V , (−
→
v +−
→
u )+−
→
z =−
→
v +(−
→
u +−
→
z ). (P ropiedad Asociativa)
→
− −
→ →
−
3. Existe 0 ∈ V, tal que para todo −
→
v ∈ V, −
→
v + 0 = 0 +→
−
v =
v. (P ropiedad M odulativa)
4. Para todo − →
v ∈ V existe − →
w ∈ V tal que −
→
v +−
→
w = →
−
w +→
−
v =
−
→
0 . (P ropiedad Invertiva)
5. Para todo →
−
v ,−
→
u ∈V, −
→
v +−
→
u =−
→
u +−
→
v . (P ropiedad Conmutativa)
Sea además, (·) una multiplicación de un número real por un elemento
de V , tal que:
171
172 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
→
−
Notación. 0 ∈ V, se denomina el módulo o elemento idéntico de V y para
−
→
cada −
→v ∈ V el vector − →
w ∈ V tal que − →
v +− →
w =− →
w +− →
v = 0 se denomina
el opuesto de −→v y se nota −−→v , (−→
w = −−→v ) en consecuencia reescribimos la
−
→
ecuación de la propiedad 4, ası́. v + (− v ) = (−−
−
→ −
→ →v)+− →
v = 0
Ejemplo 1
Ejemplo 2
Ejemplo 3
Otros ejemplos:
Ejemplo 4
n−
→ − → o
V = Rn = X | X = (x1 , x2 , ..., xn ) , xi ∈ R, n ∈ Z+
→
− −
→
Si X = (x1 , x2 , ..., xn ) ∈ Rn y Y = (y1 , y2 , ..., yn ) ∈ Rn , entonces
− −
→ →
X + Y = (x1 + y1 , x2 + y2 , ..., xn + yn ) ,
→
−
y si X = (x1 , x2 , ..., xn ) ∈ Rn y λ ∈ R
−
→
λ X = (λx1 , λx2 , ..., λxn )
Ejemplo 5
V = P2 [x] = p(x) p(x) = a0 + a1 x + a2 x2 , a0 , a1 , a2 ∈ R
y si λ ∈ R y p(x) = a0 + a1 x + a2 x2 entonces
Ejemplo 6
V = P [x] = p(x) | p(x) = a0 + a1 x + a2 x2 + · · · + an xn , a0 , a1 , · · · , an ∈ R, n ∈ Z+
Ejemplo 7
Si f, g ∈ F (x) entonces
y si λ ∈ R y f ∈ F (x) entonces
λ · (f (x)) = λf (x).
Ejemplo 8
Verificación.-
y como
entonces
(x1 + x2 , y1 + y2 ) ∈ V
Ax1 + By1 = 0
y en consecuencia
.
176 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Proposición 1
2. Para cada →
−
v ∈ V su opuesto (−−
→
v ) es único.
Prueba.−
→
− −
→ − → − → → −
1. Si suponemos 0′ ∈ V otro módulo entonces 0 = 0 + 0′ = 0′ .
→
−
2. Si suponemos −
→w1 y −→w 2 opuestos de −
→
v entonces −
→
w1 = →
−
w1 + 0 =
→
− −
→ →
w 1 + (−
→
v +−
→
w 2 ) = (−
→
w1 + −→v)+− →
w2 = 0 + −
w2 = −→
w2
Proposición 2
−
→
Sea V un espacio vectorial, 0 ∈ R, 0 ∈ V, entonces
−
→
1. Para todo →
−
v ∈ V, 0−
→
v = 0.
−
→ − →
2. Para todo λ ∈ R, λ 0 = 0 .
3. Para todo →
−
v ∈ V, (−1)−
→
v = −−
→
v.
→
− −
→
4. Si λ→
−
v = 0 entonces λ = 0 o −
→
v = 0.
Prueba.−
5.2. SUBESPACIOS 177
1. Como
0−
→
v + 0−
→
v = (0 + 0)−
→
v = 0−
→
v
entonces por la proposición 1.1
−
→
0−
→
v = 0
2. Como −
−
→ → −→ −
→ −
→
λ0 =λ 0 + 0 =λ0 +λ0
entonces por la proposición 1
−
→ − →
λ0 = 0
3. Como
−
→
0 =0−
→
v = (1 + (−1))−
→
v =−
→
v + (−1)−
→
v
entonces por la proposición 1.2
(−1)−
→
v = −−
→
v
→
−
4. Si λ→
−
v = 0 y λ 6= 0 entonces
→
− −
→ 1 −
→ 1 −
→ 1 −→ → −
v =1v = λ v = (λ v ) = 0 = 0.
λ λ λ
5.2 SUBESPACIOS
Definición 2
Ejemplo 9
→o
n−
Sea V un espacio vectorial, entonces V y V−→ =
0
0 , claramente son sube-
spacios, los denominamos subespacios triviales.
178 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Ejemplo 10
Verificación.-
es decir
A (x1 + x2 )+B (y1 + y2 )+C(z1 +z2 ) = (Ax1 + By1 + Cz1 )+(Ax2 + By2 + Cz2 ) = 0
es decir
(x1 + x2 , y1 + y2 , z1 + z2 ) ∈ W
Propiedad 3- Puesto que
entonces
(0, 0, 0) ∈ W
y obviamente para todo (x, y, z) ∈ W,
y en consecuencia
es decir
(λx1 , λy1 , λz1 ) = λ (x1 , y1 , z1 ) ∈ W.
Ejemplo 11
Verificación.-
y claramente
A + (−A) = (−A) + A = 0.
Propiedad 6. Si λ ∈ R y A es una matriz simétrica n × n, (λ A)T = λ AT =
λ A es decir λ A es una matriz simétrica n × n.
Ejemplo 12
entonces W es un subespacio de Rm .
Verificación.-
Ejemplo 13
Ejemplo 14
Sea W = (x, y) ∈ R2 : xy ≥ 0 ,puesto que (−1, −4) ∈ W, (4, 5) ∈ W y sin
embargo (−1, −4)+(4, 2) = (3, −2) y 3(−2) = −6 < 0 es decir [(−1, −4) + (4, 2)] ∈
/
2
W, en consecuencia W no es un subespacio de R .
5.2. SUBESPACIOS 181
Si observamos cada una de las verificaciones en los ejemplos, vemos que para
verificar que un cierto subconjunto de un espacio vectorial, con las mismas
operaciones, tiene estructura de espacio vectorial y por lo tanto es subespacio
basta verificar las propiedades (1),(3),(4) y (6) de la definición 1. en conse-
cuencia enunciamos y probamos el siguiente criterio.
Proposición 3
1. W 6= φ
2. Para todo →
−
w 1 ∈ W, −
→
w2 ∈ W −
→
w1 + −
→
w2 ∈ W
−→
3. Para todo λ ∈ R y para todo −
→
w ∈ W; λw ∈ W.
Prueba.−
−
→
Propiedad 3. Por la condición (1), sea −
→
w ∈ W entonces 0 ∈ V se puede
→
−
expresar como 0 = 0−→
w ∈ W.
Obviamente en lo que sigue, cada vez que necesitemos probar que un subcon-
junto W de un espacio vectorial V tiene calidad de subespacio, solo utilizare-
mos el criterio probado en la proposición anterior, además por costumbre, para
−
→
verificar la condición (1) probamos que 0 ∈ W.
Ejemplo 15
Ejemplo 16
Ejemplo 17
Ejemplo 18
Una función f ∈ F (x) , se dice una función polinómica si está definida por
una ecuación de la forma:
f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
a0 , a1 , · · · , an ∈ R, n ∈ Z+ .
f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
a0 , a1 , · · · an ∈ R, n ∈ Z+ y
g(x) = b0 + b1 x + b2 x2 + · · · + bn xn ,
b0 , b1 , · · · , bn ∈ R, n ∈ Z+ entonces
f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,
a0 , a1 , · · · , an ∈ R, n ∈ Z+ y
λf (x) = λ a0 + a1 x + a2 x2 + · · · + an xn = λa0 +λa1 x+λa2 x2 +· · ·+λan xn
Ejemplo 19
Sea W = {(x, y, z) | x ≥ 0, y ≥ 0, z ≥ 0} ⊂ R3
→
−
1. Obviamente 0 ∈ W .
(x1 , y1 , z1 ) + (x2 , y2 , z2 ) ∈ W,
en consecuencia W no es un subespacio de R3 .
5.2. SUBESPACIOS 185
Ejemplo 20
1. Claramente 0n×1 ∈ S.
A(B + C) = 0.
A (λB) = λ(AB) = 0
En consecuencia S es un subespacio.
Proposición 4
Prueba.−
→
− −
→ −
→
1. Claramente 0 ∈ W1 y 0 ∈ W2 en consecuencia 0 ∈ W1 ∩ W2 .
2. Suponemos − →
w 1 ∈ W1 ∩ W2 , −
→
w 2 ∈ W1 ∩ W2 entonces − →
w 1 ∈ W1 , → −
w2 ∈
−
→ −
→
W1 y puesto que W1 es subespacio entonces w 1 + w 2 ∈ W1 ; de la misma
forma −
→w 1 ∈ W2 , −→
w 2 ∈ W2 y puesto que W2 es subespacio entonces
−
→
w 1 + w 2 ∈ W2 en consecuencia −
→
− →
w1 + −→
w 2 ∈ W1 ∩ W2 .
3. Suponemos λ ∈ R, −
→
w ∈ W1 ∩ W2 entonces puesto que W1 es subespacio
→
−
entonces λ w ∈ W1 ; de la misma forma puesto que W2 es subespacio
entonces λ−
→
w ∈ W2 y en consecuencia λ−→
w ∈ W1 ∩ W2 .
186 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Proposición 5
W1 ⊕ W2 = {−
→
v ∈V :v=−
→
w1 + −
→
w 2 para −
→
w 1 ∈ W1 , →
−
w 2 ∈ W2 }
entonces W1 ⊕ W2 es un subespacio de V .
Prueba.−
→
− −
→ −
→ − → −→
1. Claramente 0 ∈ W1 y 0 ∈ W2 en consecuencia 0 = 0 + 0 ∈ W1 ⊕W2 .
2. Suponemos −→v 1 ∈ W1 ⊕ W2 , −
→
v 2 ∈ W1 ⊕ W2 entonces − →
v1=→ −
w1 + →−
w2
con w 1 ∈ W1 , −
→
− →
w 2 ∈ W2 y −
→ −
→ ′ −
→ ′ −
→ ′ →
− ′
v 2 = w 1 + w 2 con w 1 ∈ W1 , w 2 ∈ W2
en consecuencia,
→
(−
→
v1+−
→
v 2 ) = (−
→ w 2 )+ −
w1 + −
→ →
w ′1 + −
→
w ′2 = −
→
w1 + −
→
w ′1 + −
w2 + →
−
w ′2 ∈ W1 ⊕W2 .
Definición 3
k=n
X
−
→
w = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn= λk −
→
vk
k=1
decimos que →
−
w es una combinación lineal de {−
→
v 1, →
−
v 2, · · · , −
→
v n }.
5.2. SUBESPACIOS 187
Ejemplo 21
−
→
0 = 0−
→
v 1 + 0−
→
v 2 + · · · + 0−
→
vn
→
−
afirmamos que 0 es combinación lineal de {−
→
v 1, −
→
v 2, · · · , →
−
v n }.
Ejemplo 22
afirmamos que (0, 0) es combinación lineal de los vectores {(3, 4), (6, 8)}
Ejemplo 23
Ejemplo 24
Ejemplo 25
! ! ! !
1 3 −2 1 0 0 0 0 1 0 1 0
= (1) + (−2) + (3) ,
0 1 2 0 1 0 0 0 −1 0 0 0
Ejemplo 26
y que
y que además,
5 9
(3, 2, 1) = ( )(1, 2, 3) + (−6)(0, −1, 2) + (− )(1, 2, −1) + (1)(5, 0, 1)
2 2
5.2. SUBESPACIOS 189
Proposición 6
Prueba.−
−
→
1. Sea →
−
w ∈ W entonces 0 = 0−
→
w ∈ L(W ).
y
k=n
X
−
→
v ′ = µ1 −
→
w 1 + µ2 −
→
w 2 + · · · + µn −
→
wn = µk −
→
wk
k=1
−
→
v +−
→
v ′ = (λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n ) + (µ1 −
→
w 1 + µ2 −
→
w 2 + · · · + µn →
−
w n)
= (λ + µ ) −
1
→
w + (λ + µ ) −
1 1 2
→w + · · · + (λ + µ ) →
2 2 n
−
w n n
k=n
X
= (λk + µk ) −
→
w k ∈ L(W )
k=1
3. Suponemos λ ∈ R, −
→
v ∈ L(W ) entonces existen −
→
w 1, −
→
w 2, · · · , →
−
wn ∈ W
tales que
190 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
k=n
X
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = λk −
→
wk
k=1
y en consecuencia
λ−
→
v = λ (λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n)
k=n
X
= λ (λk −
→
w k)
k=1
k=n
X
= (λλk ) −
→
w k ∈ L(W )
k=1
Definición 4
Definición 5
Ejemplo 27
Ejemplo 28
Ejemplo 29
Ejemplo 30
Sea
n →
− −
→ −
→ → −
→ −
→ →o
−
W = →−
w 1 = a 1 i + b1 j + c 1 k , −
w 2 = a2 i + b2 j + c2 k ⊂ R3 ,
−
→ → −
→ → →
con a1 , a2 , b1 , b2 , c1 , c2 ∈ R y −
→
w 1 6= 0 , −
w 2 6= 0 y −
w 1, −
w 2 no paralelos en-
tonces,
L(W ) = {−
→v : −
→
v = λ−→
w 1 + µ−
→
w 2 , λ, µ ∈ R}
n −
→ −
→ −o
→
= − →
v : →
−v = (λa1 + µa2 ) i + (λb1 + µb2 ) j + (λc1 + µc2 ) k
→
− −
→ −
→
L(W ) = {−
→
v = x i + y j + z k : (b1 c2 − c1 b2 ) x+
(c1 a2 − a1 c2 ) y + (a1 b2 − b1 a2 ) z = 0}
es decir, L (W ) es el plano que pasa por el origen y tiene como vector normal
→ −
−
a N =→ w1 × −→
w 2.
Ejemplo 31
Sean V = R3 y W = {(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)} entonces
L(W ) = R3
5.2. SUBESPACIOS 193
Verificación.-
1 0 0 − 72 1
− 43 a + 14 c
2b
0 1 0 10 2a − b
0 0 1 17 7 1 1
2 4a − 2b − 4c
Proposición 7
Prueba.−
194 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
→o
n−
Si W = φ entonces L (W ) = L (φ) = 0 . Por otro lado, si W 6= φ, es
evidente que L(W ) es un subespacio de V que contiene a W .
con →
−
w k ∈ W, para todo 1 ≤ k ≤ n y en consecuencia −
→
v ∈ U es decir
L(W ) ⊂ U.
Ejemplo 32
El ejemplo 31 prueba que W = {(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)} es un
sistema de generadores de R3 .
Ejemplo 33 ( ! ! ! !)
1 0 0 1 0 0 0 0
Sean V = M2×2 (R) y W = , , ,
0 0 0 0 1 0 0 1
entonces W es un sistema de generadores de V
Verificación.-
Basta observar que, para todo valor de a, b, c, d ∈ R,
5.3. SISTEMAS DE GENERADORES 195
! ! ! ! !
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
Ejemplo 34
Puesto que ya mostramos que L ({(1, 2, 3), (4, 5, 6)}) = {(x, y, z)| x − 2y + z = 0} =
6
3
R ,afirmamos que W = {(1, 2, 3), (4, 5, 6)} no es un sistema de generadores de
R3 .
Ejemplo 35
Sean V = P3 [x] y W = p0 (x) = 1, p1 (x) = x, p2 (x) = x2 . Es inmediato
verificar que q(x) = x3 ∈
/ L(W ) en consecuencia podemos afirmar que W no
es un sistema de generadores de V.
Ejemplo 36
Pregunta equivalente a
1 2 1 5 1 1 4 1 2
λ = b − a + c, µ = a − b − c, γ = a+ b− c
3 3 3 3 3 3 3 3 3
Afirmamos entonces que W = {(1, 2, 3) , (1, 0, 2) , (0, 1, −1)} es un sistema de
generadores de R3 .
Ejemplo 37
Sean
( ! ! !)
1 2 0 1 −2 0
V = M2×2 (R) y W = , ,
−1 0 1 1 1 −1
Es suficiente responder
! la pregunta:
a b
¿Para todo ∈ M2×2 (R) existen escalares λ1 , λ2 , λ3 , tales que
c d
! ! ! !
a b 1 2 0 1 −2 0
= λ1 + λ2 + λ3 ?
c d −1 0 1 1 1 −1
Pregunta equivalente a:
5.3. SISTEMAS DE GENERADORES 197
no tiene solución.
En consecuencia afirmamos que
( ! ! !)
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
Ejemplo 38
reescrito como
x + 2y + 0z + 0w − 5v = 0
0x + 0y + z + 0w + 4v = 0
0x + 0y + 0z + w − 4v = 0
cuya matriz de coeficientes es
1 2 0 0 −5 −5
A = 0 0 1 0 4 4 ,
0 0 0 1 −4 −4
que
es una matriz escalonada reducida, los pivotes aparecen en las columnas 1,3,4
en consecuencia las incógnitas x, z, w son ligadas y las incógnitas y, v son libres.
x = −2a + 5b
y
=a
z = −4b .
w = 4b
v =b
o
2a + 5b
a
X=
−4b ,
4b
b
a, b ∈ R
es decir
2a + 5b
a
W = −4b , a, b ∈ R
4b
b
2a + 5b 2 5
a 1 0
−4b = a 0 + b −4
4b 0 4
b 0 1
2 5
1
0
B= 0 ,
−4
0 4
0 1
Proposición 8
Prueba.−
y por la hipótesis →
−
w 1, · · · , →
−
w n ∈ S es decir
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n ∈ L(S)
Proposición 9
Si W = {−
→
w 1, −
→
w 2 } ⊂ R3 , entonces W no es un sistema de generadores de R3
Prueba.−
5.3. SISTEMAS DE GENERADORES 201
Suponemos −
→
w 1 = (a11 , a21 , a31 ), −
→
w 2 = (a12 , a22 , a32 ) ∈ R3 , un vector arbi-
trario
−
→v = (A, B, C) ∈ R3
−
→
v = λ−
→
w 1 + µ−
→
w 2 = λ(a11 , a21 , a31 ) + µ(a12 , a22 , a32 )
Proposición 10
Prueba.−
Suponemos − →
w 1 = (a11 , · · · , a1n ), · · · , −
→
w k = (ak1 , · · · , akn ) ∈ Rn , un vector
arbitrario −→
v = (A1 , · · · , An ) ∈ Rn es una combinación lineal de {→ −
w 1, · · · , →
−
w k}
si y solo si existen escalares λ1 , · · · , λk ∈ R tales que
−
→
v = λ1 −
→
w 1 + · · · + λk −
→
w k = λ1 (a11 , · · · , an1 ) + · · · + λk (a1k , · · · , ank )
202 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Proposición 11
Prueba.−
q(x) = a0 + a1 x + a2 x2 + · · · + an xn
entonces
P [x] = L(W ).
5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 203
Proposición 12
El espacio vectorial
Prueba.−
es claro que el polinomio q(x) = xm+1 ∈/ L(W ), es decir hay por lo menos
un vector de q(x) ∈ V que no puede ser escrito como combinación lineal de
vectores de W. Puesto que W es cualquier subconjunto finito de V , se tiene la
conclusión.
Definición 8
decir, si existen −
→
w 1, −
→
w 2, · · · , →
−
w n ∈ W y escalares λ1 , λ2 , · · · , λn no todos cero
y tales que
−
→
λ1 −
→w 1 + λ2 − →w 2 + · · · + λn −
→
wn = 0
Ejemplo 39
Puesto que
(2)(3, 4) + (−1)(6, 8) = (0, 0)
Ejemplo 40
Puesto que
el conjunto
W = {(1, 0, 3), (2, −1, 0), (0, 0, 1), (1, 1, 1)}
Ejemplo 41
1 0 3 1 0 3
2 1 4 0 1 −2
−→
−1 1 −5 0 0 0
0 1 −2 0 0 0
! ! ! !
1 2 0 1 3 4 0 0
(−3) + (2) + (1) =
−1 0 1 1 −5 −2 0 0
Ejemplo 42
Para saber si
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
Observación.
Si miramos los ejemplos (41) y (42) observamos que los vectores
1 2 0 1
y
−1 0 1 1
Proposición 13
−
→
Sean V un espacio vectorial, W ⊂ V . Si 0 ∈ W entonces W es un conjunto
de vectores L.D.
Prueba.−
−
→ − →
Basta observar que la combinación lineal 1. 0 = 0 es una combinación lineal
nula y claramente 1 6= 0.
Proposición 14
Prueba.−
Proposición 15
Prueba.−
tal que por lo menos uno de los λ′ s es diferente de cero, sin perder generalidad,
podemos asumir que λ1 6= 0 y en consecuencia
→
− λ2 − → λ3 − → λn − →
w1 = − w2 + − w2 + ··· + − w n,
λ1 λ1 λ1
es decir →
−
w 1 ha sido escrito como combinación lineal de {−
→
w 2, · · · , →
−
w n} .
Definición 9
Proposición 16
con →
−
w 1, −
→
w 2, · · · , −
→
w n ∈ W, necesariamente
λ1 = λ2 = · · · = λn = 0
5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 209
Prueba.−
−
→
Sea λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n = 0 una combinación lineal nula de vectores
de W, si λk 6= 0 para algún valor o valores de k, W es un conjunto de vectores
linealmente dependientes en consecuencia λ1 = λ2 = · · · = λn = 0.
Ejemplo 43
Sea V = R4 ,
Verificación.-
Suponemos
entonces
(λ1 , λ2 , λ3 , λ4 ) = (0, 0, 0, 0)
por tanto λ1 = 0, λ2 = 0, λ3 = 0, λ4 = 0.
Ejemplo 44
V = R3 , W = {(1, 2, 3), (4, 5, 6), (1, 0, 1)} ¿Cómo decidir si W es o nó un con-
junto de vectores linealmente independientes?
Basta tomar una combinación lineal nula de los vectores de W y probar que
los escalares que en ella aparecen como coeficientes, deben ser cero.
Es decir, suponemos
que es equivalente a:
210 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Ejemplo 45
Sea V = P [x].
n o
W = qk (x) | qk (x) = xk , k = 0, 1, 2, · · · , n; n ∈ N
Verificación.-
Ejemplo 46
Ejemplo 47
Consideremos V = R3 y
Solución.-
1 0 0 1 0 0
1 0 1 −→ 0 1 a
0 1 a 0 0 1
la única solución del sistema es la trivial, independientemente del valor de a;
es decir, para todo a ∈ R, Wa es un conjunto de vectores linealmente indepen-
dientes.
Ejemplo 48
Consideremos V = R3 y
Wa = {(1, 1, 0), (0, 1, 1), (1, 0, 1), (2, −1, a), a ∈ R fijo}
Solución.-
Ejemplo 49
Solución.-
y el sistema tiene una variable libre; es decir tiene muchas soluciones, en par-
ticular una no trivial.
Ejemplo 50
Notación.-
Proposición 17
Prueba.−
Sea
λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λm −
→
um = 0
λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λm −
→
um =0
λ1 = λ2 = · · · = λm = 0
Proposición 18
Prueba.−
Si λ 6= 0 entonces:
→
− λ1 −→ λ2 −→ λn −→
v = − w1 + − w2 + ··· + − w n,
λ λ λ
216 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
es decir →
−
v ∈ L(W ); contrario a la hipótesis, luego λ = 0, por lo tanto:
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + λ−
→
v = 0 = λ1 −→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + 0→
−
v
Proposición 19
Sea W = {→
−
w 1, −
→
w 2, −
→
w 3, →
−
w 4 } ⊂ R3 entonces W es un conjunto de vectores
L.D.
Prueba.−
Sean
−
→
w 1 = (a11 , a21 , a31 ), −
→
w 2 = (a12 , a22 , a32 ), −
→
w 3 = (a13 , a23 , a33 ),
−
→
w 4 = (a14 , a24 , a34 ) ∈ R3
Si
λ1 −
→
w 1 + λ2 −
→
w 2 + λ3 −
→
w 3 + λ4 −
→
w4 = 0
que en forma equivalente es:
λ1 (a11 , a21 , a31 )+λ2 (a12 , a22 , a32 )+λ3 (a13 , a23 , a33 )+λ4 (a14 , a24 , a34 ) = (0, 0, 0),
Proposición 20
Sea W = {− →
w 1, −
→
w 2, · · · , −
→
w m } ⊂ Rn con m > n entonces W es un conjunto
de vectores L.D.
Prueba.−
Sean
−
→
w 1 = (a11 , a21 , · · · , an1 ) , −
→
w 2 = (a12 , a22 , · · · , an2 ), · · · ,
−
→w m = (a1m , a2m , · · · , anm ) ∈ Rn ,
λ1 a11 + λ2 a12 + · · · + λm a1m =0
λ1 a21 + λ2 a22 + · · · + λm a2m =0
..
.
,
λ1 ai1 + λ2 ai2 + · · · + λm aim =0
..
.
λ1 an1 + λ2 an2 + · · · + λm anm =0
que es un sistema homogéneo de n ecuaciones con m incógnitas, siendo m > n
y el cual tiene infinitas soluciones, en particular una diferente de la trivial, en
consecuencia W es un conjunto de vectores L.D.
Proposición 21
Sea W = {− →
w 1, −
→
w 2, · · · , −
→
w n } ⊂ Rn entonces W es un conjunto de vectores
L.I. si y solamente si W es un sistema de generadores de Rn .
218 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Prueba.−
Consideremos
−
→
w 1 = (a11 , a21 , · · · , an1 ) , −
→
w 2 = (a12 , a22 , · · · , an2 ), · · · ,
−
→ −
→
w n = (a1n , a2n , · · · , ann ), B = (b1 , · · · , bn ) ∈ Rn ,
Pi=n → − →
−
entonces al igualar coordenadas en la combinación lineal i=1 λi w i = B
obtenemos el sistema de ecuaciones lineales AX = B donde A = (aij ) es
una matriz n × n y
λ1 b1
λ2 b2
X= .. , B= .. .
. .
λn bn
→
− −
→
Ahora si suponemos B = 0 y W un conjunto de vectores L.I. entonces
AX = 0 tiene como única solución la solución trivial y por la proposición 18
del capı́tulo 2, A es inversible y en consecuencia para todo B ∈ Rn el sistema
AX = B tiene como única solución X = A−1 B es decir W es un sistema de
generadores de Rn .
Proposición 22
(c) A es invertible.
Prueba.−
Ejemplo 51
n−
→ −→o
Consideramos V = R2 el conjunto B = i , j es una base de V.
Ejemplo 52
n−
→ −→ − →o
Consideramos V = R3 , el conjuto B = i , j , k es una base de V.
220 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Ejemplo 53
Consideramos V = Rn , el conjunto
n−
→ o
B = E k |1 ≤ k ≤ n
donde
−
→
E k = (0, ..., 0, 1, 0, ...0), 1
en la k-ésima componente, 0 en las demás, es una base de V.
Ejemplo 54
B = {Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m }
Ejemplo 55
Consideramos V = Pn [x] , el conjunto B = qk (x) qk (x) = xk , 0 ≤ k ≤ n
es una base de V.
Ejemplo 56
Ejemplo 57
Ejemplo 58
El conjunto
( ! ! ! !)
1 0 1 1 1 1 1 1
B= , , ,
0 0 0 0 1 0 1 1
Verificación.-
! ! ! ! !
1 0 1 1 1 1 1 1 a b
α +β +γ +δ =
0 0 0 0 1 0 1 1 c d
Ejemplo 59
Definición 11
Proposición 23
W = {−
→
w 1, −
→
w 2, · · · , −
→
w m}
Prueba.−
Consideramos U = {−→
u 1, →
−
u 2, · · · , −
→
u k } ⊂ V un conjunto de vectores con k > m
y consideramos una combinación lineal nula de ellos
µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µk −
→
u k = 0,
i=m
! i=m
! i=m
!
X X X
µ1 λi1 →
−
wi + µ2 λi2 −
→
wi + · · · + µk λik −
→
wi =0
i=1 i=1 i=1
es decir
j=k i=m
!
X X
µj λij −
→
wi =0
j=1 i=1
224 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
por tanto
i=m
X Xj=k
λij µj −
→
wi = 0
i=1 j=1
y en consecuencia
u 2 + · · · + αk −
u 1 + α2 −
α1 −
→ → →
uk = 0
es decir W = {−
→
w 1, −
→
w 2, · · · , −
→
w m } es un conjunto de vectores L.D.
Proposición 24
Prueba.−
W(1) = {−
→
v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 }
es L.I.
5.5. BASES, DIMENSIÓN, COORDENADAS 225
W(2) = {−
→
v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 , −
→
v k+2 }
es L.I.
B = {−
→
v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 , −
→
v k+2 , · · · , −
→
v m}
es una base de V.
Proposición 25
Prueba.−
W (2) = {−
→
v 1, −
→
v 2, · · · , −
→
v m−2 }
y repetimos. Puesto que W es finito y todos sus vectores son diferentes del
vector cero el proceso termina y obtenemos un conjunto U ⊆ W tal que U es
una base de V.
TEOREMA 1
→o
n−
Todo espacio vectorial V 6= 0 , finitamente generado tiene una base.
226 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Prueba.−
Proposición 26
Prueba.−
Definición 12
Definición 13
→
−
Sea V un espacio vectorial, el subespacio N = { 0 } se considera un espacio vectorial
de dimensión finita, en este caso afirmamos que Dim(N ) = 0.
Observación.-
Ejemplo 60
n−
→ −→o
Puesto que el conjuto B = i , j es una base de R2 , entonces Dim(R2 ) = 2.
n−
→ −→ − →o
Puesto que el conjunto B = i , j , k es una base de R3 , entonces Dim(R3 ) = 3.
n−→ o →
−
Puesto que el conjunto B = E k |1 ≤ k ≤ n donde E k = (0, ..., 0, 1, 0, ...0) con 1
en la k-ésma componente y 0 en las demás, es una base de Rn entonces Dim(Rn ) = n.
tal que:
(
1 si i = k, y j = l
(Ek,l )ij =
0 si i 6= k o j 6= l
1 en la entrada ij y 0 en las demás, es una base de V = Mn×m (R) entonces
Dim (Mn×m (R)) = nm
Puesto que el conjunto B = qk (x) qk (x) = xk , 0 ≤ k ≤ n es una base de V =
Pn [x] decimos que Dim (Pn [x]) = n + 1.
Puesto que el sistema de ecuaciones homogéneo y una base para el conjunto de solu-
ciones del sistema son respectivamente:
2 5
x + 2y − 5v = 0
1
0
z + 4v =0 y B= 0 , −4
w − 4v
0
4
=0
0 1
entonces Dim(S) = 2
Proposición 27
Prueba.−
→
− →
−
Si W = { 0 } el resultado es inmediato, si W 6= { 0 }, sea U = {−
→
v 1, −
→
v 2, · · · , −
→
v k}
una base de W entonces U es un conjunto de vectores L.I. de V y por la proposición
24 existe B una base de V tal que U ⊆ B es decir Dim(W ) ≤ Dim(V ).
Proposición 28
Prueba.−
k=n
X
−
→
v = µ1 −
→
v 1 + µ2 −
→
v 2 + · · · + µn −
→
vn= µk −
→
vk
k=1
en consecuencia
k=n
X
−
→
0 =−
→
v −−
→
v = (λk − µk ) −
→
vk
k=1
y puesto que B es un conjunto L.I. concluimos que para todo k, 1 ≤ k ≤ n, λk = µk
y la escritura es única.
Definición 14
Proposición 29
Definición 15
λ1
..
.
→
−
[ v ]B = λk .
..
.
λn
Ejemplo 61
Ejemplo 62
Si para cada n, aceptamos el orden natural en la base canónica B = qk (x) qk (x) = xk , 0 ≤ k ≤ n
de Pn [x] ,es inmediato verificar que:
a0
.
[a0 + a1 x + · · · + an xn ]B =
.. ∈ M(n+1)×1 (R)
an
Ejemplo 63
" !# a
a b b
=
c d c
B
d
Ejemplo 64
Considere la base ordenada B = q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = 1 + x + x2 de
P2 [x] para encontrar 3 + 2x + 5x2 B
Solución.-
sistema no homogéneo de tres ecuaciones con tres incógnitas cuya única solución es
λ = 1, µ = −3, γ = 5 en consecuencia:
1
3 + 2x + 5x2 B = −3
5
5.5. BASES, DIMENSIÓN, COORDENADAS 231
Ejemplo 65
Ejemplo 66
x = 2a + 5b
y=a
X= z = −4b
w = 4b
v=b
!
a
se tiene que [X]B =
b
Ejemplo 67
U = {−
→
u 1 = (1, 2, 3), −
→
u 2 = (4, 5, 6), −
→
u 3 = (1, 0, 1)}
Solución
5 1 5 1 1 1 1 1
λ= c − b − a, µ = a + b − c, γ = a − b + c
6 3 6 3 3 3 2 2
en consecuencia:
5 1 5
6c − 3b − 6a
[(a, b, c)]U. = 31 a + 31 b − 13 c
1 1
2a − b + 2c
En particular:
5.5. BASES, DIMENSIÓN, COORDENADAS 233
− 65 − 31 5
6
1 1
[(1, 0, 0)]U = 3 , [(0, 1, 0)]U = 3 , [(0, 0, 1)]U = − 13
1 1
2 −1 2
Claramente se observa que dadas dos bases ordenadas de un espacio vectorial las
matrices de coordenadas de un vector respecto de cada una de las bases puede ser
diferente, es entonces interesante y útil encontrar procedimientos generales que nos
permitan pasar de una a la otra.
Proposición 30
B = {−
→
v 1, −
→
v 2, · · · , −
→ b = {−
v n} y B →
w 1, −
→
w 2, · · · , −
→
w n}
bases ordenadas de V, existe una matriz A ∈ Mn×n (R) tal que para todo →
−
v ∈ V, se
→
− →
−
tiene que [ v ]Bb = A [ v ]B
Prueba.−
λ1
.
Si suponemos que −
→
v ∈ V y [−
→
v ]B =
.. entonces se puede afirmar que,
λn
k=n
X
−
→
v = λk −
→
v k,
k=1
i=n
X
−
→
vk= aik −
→
wi
i=1
234 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
al reemplazar obtenemos:
k=n i=n
!
X X
−
→
v = λk aik −
→
wi
k=1 i=1
i=n k=n
!
X X
aik λk −
→
wi
i=1 k=1
es decir:
P
k=n
a1k λk
k=1
..
[−
→
v ]Bb = .
P
k=n
ank λk
k=1
Por otra parte si llamamos A = (a1j ) encontramos que:
P
k=n
k=1 a1k λk
..
A [−
→
v ]B = .
k=n
P
ank λk
k=1
y con esto queda terminada la prueba.
Definición 16
Ejemplo 68
la matriz
− 56 − 13 5
6
1 1
A= 3 3 − 31
1 1
2 −1 2
Proposición 31
Sea A ∈ Mm×n (R) y sea A b su forma escalonada reducida por filas entonces los sube-
spacios S y Sb de R de las soluciones de los sistemas AX = 0 y AX
n b = 0 respectiva-
mente, son iguales.
Prueba.−
236 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
La proposición anterior nos permite, en lo que tiene que ver con sistemas homogéneos,
estudiar solo matrices escalonadas reducidas.
Proposición 32
Sea A ∈ Mm×n (R) una matriz escalonada reducida por filas con columnas sin pivote
a saber A(k1 ) , · · · , A(kr ) y sea S el subespacio de Rn de soluciones del sistema AX = 0
entonces
Dim(S) = r
Prueba.−
Basta encontrar una base de S que posea exactamente r elementos, por lo tanto
construimos el conjunto B = {− →v 1, −
→
v 2, · · · , −
→
v r } de la siguiente manera:
→
−v 1 es la solución del sistema, obtenida por la siguiente asignación de valores a las
variables libres: xk1 = 1 y todas las demás cero.
−
→v 2 es la solución del sistema obtenida por la siguiente asignación de valores a las
variables libres: xk2 = 1 y todas las demás cero y ası́ sucesivamente hasta − →
v r la
solución del sistema obtenida por la siguiente asignación de valores a las variables
libres: xkr = 1 y todas las demás cero.
Puesto que toda solución se obtiene por una asignación arbitraria de valores a las
variables libres, es claro que B es un sistema de generadores de S.
Observación-.
Si A es una matriz escalonada reducida por filas donde todas las columnas tienen
pivote el sistema AX = 0 equivale a un sistema I(n) X = 0 cuya única solución es la
trivial.
Definición 17
Sea A ∈ Mm×n (R), sea S el subespacio de Rn de las soluciones del sistema homogéneo
AX = 0 decimos entonces que S es el espacio nulo de A y su dimensión se denomina
la nulidad de A, notada η(A).
Ejemplo 69
y el sistema
1 0 2 0
x
0 1 1 0
y =
−1 0 −3 0
z
−2 2 5 0
que equivale a
1 0 0 x 0
0 1 0 y = 0
0 0 1 z 0
238 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
y su nulidad η(A) = 0
Ejemplo 70
y su nulidad η(A) = 1.
Ejemplo 71
entonces el sistema AXb = 0 tiene tres variables libres y por tanto todas las soluciones
son de la forma x = a− 34 b− 31 c, y = a− 23 b+ 34 c, para cualquier asignación arbitraria
de valores a, b, c ∈ R, es decir el espacio nulo de A es
5.6. RANGO Y NULIDAD DE UNA MATRIZ 239
1 − 43
− 31
4
1 − 23 3
L 1 , 0 , 0
0 1 0
0 0 1
y su nulidad η(A) = 3.
Proposición 33
Prueba.−
Puesto que cada fila de A b se obtiene por una sucesión finita de operaciones elementales
entre filas y cada una de estas tiene una operación inversa del mismo tipo es claro que
cada fila de A es una combinación lineal de las filas diferentes de cero de A b es decir
éstas últimas son un sitema de generadores de T.
Basta probar que son un conjunto de vectores L.I.
Consideremos entonces
Ab = (1, ∗, 0, ∗, 0, ∗, · · · , 0, ∗) , A
b = (0, ∗, 1, ∗, 0, ∗, · · · , 0, ∗) , · · · ,
1 2
Ab = (0, ∗, 0, ∗, 0, ∗, · · · , 1, ∗)
r
b (En esta descripción los unos y ceros aparecen en las
las filas diferentes de cero de A.
columnas donde hay pivote, vale decir las columnas
k 1 , k 2 , · · · , kr ,
y la (*) significa sucesiones de una o mas columnas sin pivote)
Observación.-
Definición 18
Ejemplo 72
Ejemplo 73
Ejemplo 74
su espacio fila es
4 1 2 4
T =L 1, 0, −1, , , 0, 1, −1, , −
3 3 3 3
y su rango fila ρF (A) = 2.
Observación.
Definición 19
Ejemplo 75
Consideremos
1 0 2
0 1 1
A=
−1 0 −3
−2 2 5
el espacio columna de A no es otro que el subespacio de R4 , L ({(1, 0, −1, −2), ((0, 1, 0, 2), (2, 1, −3, 5)})
y por la observación posterior a la proposición 34, si B y su respectiva reducción por
filas son respectivamente
1 0 −1 2 1 0 0 3
b =
B= 0 1 0 2 →B 0 1 0 2
2 1 −3 5 0 0 1 1
entonces
Ejemplo 76
Sea
1 −2 1 0 3
−1 −1 2 −2 1
A= ,
0 −3 3 −2 4
−2 −5 7 −6 6
el espacio columna de A no es otro que el subespacio de R4 ,
L ({(1, −1, 0, 2), (−2, −1, −3, −5), (1, 2, 3, 7), (0, −2, −2, −6), (3, 1, 4, 6)})
y por la observación posterior a la proposición 34, sea
1 −1 0 −2
−2 −1 −3 −5
B= 1 2 3 7 ,
0 −2 −2 −6
3 1 4 6
5.6. RANGO Y NULIDAD DE UNA MATRIZ 243
1 0 1 1
0 1 1 3
b=
B 0 0 0 0
0 0 0 0
0 0 0 0
entonces
Proposición 34
Prueba.−
Proposición 35
Sea A ∈ Mm×n (R) entonces su rango fila y su rango columna son iguales.(ρF (A) = ρC (A))
Prueba.−
Sean U el subespacio de Rm generado por las columnas de A y B = A(k1 ) , A(k2 ) , · · · , A(ks )
una base de U, por tanto cada j, 1 ≤ j ≤ n la columna A(j) de A se escribe de una
única forma como combinación lineal los elementos de B es decir existen escalares
λrj ∈ R
244 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
P
r=s
tales que A(j) = λrj A(kr ) , es decir
r=1
a1j a1k1 a1k2 a1ks
.. .. .. ..
. . . .
aij = λ1j aik1 + λ2j aik2 + · · · + λsj aiks ,
.. .. .. ..
. . . .
amj amk1 amk2 amks
al igualar entradas tenemos:
P
r=s
a1j = a1k1 λ1j + a1k2 λ2j + · · · + a1ks λsj = a1kr λrj
r=1
..
.
P
r=s
aij = aik1 λ1j + aik2 λ2j + · · · + aiks λsj = aikr λrj
r=1
..
.
P
r=s
amj = amk1 λ1j + amk2 λ2j + · · · + amks λsj = amkr λrj
r=1
escritura que claramente dice que para cada i, 1 ≤ i ≤ m la fila Ai de A está escrita
como una combinación lineal de las filas de L y esta última afirmación implica que
ρF (A) ≤ s = ρC (A).
Definición 20
Sea A ∈ Mm×n (R), llamamos rango de A, notado ρ(A) al valor común del rango fila
y el rango columna de A
Ejemplo 77
Sea
1 0 −1 −2
A= 0 1 0 2 ,
2 1 −3 5
su forma escalonada reducida es
1 0 0 −9
b=
A 0 1 0 2
0 0 1 −7
Proposición 36
Prueba.−
Proposición 37
Prueba.−
Sean
x1 b1
.. ..
. .
X= xi y B= bk
.. ..
. .
xn bm
Definición 21
Sea V un espacio vectorial real, decimos que V es un espacio con producto interno
(Producto escalar) si para cada par −
→u,−
→
v de vectores de V, existe un único número
real, notado h−
→
u,−
→v i ,tal que:
→
−
(1) Para todo →
−
u ∈ V, h−
→
u,−
→
u i ≥ 0 y h−
→
u,−
→
u i = 0 si y solo si →
−
u = 0.
h−
→
u,−
→
v i se denomina el producto interno o producto escalar de →
−
u y→
−
v.
Ejemplo 78
Sean −
→u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn , el producto punto de vectores
n
de R definido por:
k=n
X
h→
−
u,−
→
vi=−
→
u ·−
→
v = x 1 y1 + x 2 y2 + · · · + x n yn = x k yk
k=1
es un producto interno.
Verificación.-
Propiedad 1.
Si →
−
u = (x1 , x2 , · · · , xn ) ∈ Rn entonces
k=n
X k=n
X
−
→
u ·−
→
u = xk xk =
2
(xk ) ≥ 0,
k=1 k=1
además si
−
→ →
−
u = 0 = (0, · · · , 0)
248 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
entonces
− −
→ →
0 · 0 =0
y recı́procamente si
k=n
X
−
→
u ·−
→
u =
2
(xk ) = 0
k=1
para todo k, 1 ≤ k ≤ n, se tiene que
xk = 0
Propiedad 2.
Si →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ), −
→
w = (z1 , z2 , · · · , zn ) ∈ Rn entonces
(−
→
u +−
→
v)·−
→
w = (x1 + y1 , x2 + y2 , · · · , xn + yn ) · (z1 , z2 , · · · , zn )
k=n
X
= (xk + yk ) zk
k=1
k=n
X
= (xk zk + yk zk )
k=1
Si →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn y λ ∈ R entonces
k=n k=n
→ → X
− X
λu · −
v = λxk yk = λ x k yk = λ ( −
→
u ·−
→
v)
k=1 k=1
y
k=n k=n k=n
−
→ → X
− X X
u · λv = xk (λyk ) = λxk yk = λ x k yk = λ ( −
→
u ·−
→
v)
k=1 k=1 k=1
5.7. PRODUCTO INTERNO ORTOGONALIDAD 249
Propiedad 4.
Si →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn entonces
k=n
X k=n
X
−
→
u ·−
→
v = x k yk = yk x k = −
→
v ·−
→
u
k=1 k=1
Ejemplo 79
Sea V = Mn×n (R) , si A; B ∈ Mn×n (R) definimos hA, Bi = T r AB T entonces
hA, Bi es un producto interno.
Verificación.-
Propiedad 1.
Si A ∈ Mn×n (R) entonces
i=n
X
hA, Ai = T r AAT = AAT ii
i=1
i=n k=n
! i=n k=n
!
X X X X
= aik AT ki = aik aik
i=1 k=1 i=1 k=1
i=n k=n
!
X X 2
= (aik ) ≥0
i=1 k=1
Además si A, AT = 0 entonces
i=n k=n
!
X X 2
(aik ) =0
i=1 k=1
A = 0.
Recı́procamente si A = 0 entonces
=n k=n
! i=n k=n
!
X X X X
T
hA, Ai = aik A ki
= 0 = 0.
i=1 k=1 i=1 k=1
250 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Propiedad 2.
Si A, B, C ∈ Mn×n (R) entonces
hA + B, Ci = T r (A + B) C T = T r AC T + BC T
= T r AC T + T r BC T = hA, Ci + hB, Ci .
Propiedad 3.
= λ hA, Bi
y
hA, λBi = T r A λB T = T r λ AB T = λT r AB T = λ hA, Bi
Propiedad 4.
Si A, B ∈ Mn×n (R) entonces
i=n
X
hA, Bi = T r AB T = AB T ii
i=1
i=n k=n
!
X X
T
= aik B ki
i=1 k=1
i=n k=n
!
X X
= aik bik
i=1 k=1
y
5.7. PRODUCTO INTERNO ORTOGONALIDAD 251
hB, Ai = T r BAT
i=n
X
= BAT ii
i=1
i=n k=n
!
X X
T
= bik A ki
i=1 k=1
i=n k=n
!
X X
= bik aik
i=1 k=1
i=n k=n
!
X X
= aik bik
i=1 k=1
Proposición 38
Prueba.−
Sean −
→
u,−
→
v ∈ V entonces →
−
u,−
→
v se escriben de una única forma como
−
→
u = λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn un ,
→
− →
− →
−
v = µ u + µ u + ··· + µ u
1 1 2 2 n n
entonces
h−
→
u,−
→
v i = hλ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn −
→u n , µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µn −
→
u ni
i=n
X j=n
X
= λi µj h −
→
u i, −
→
u j i .
i=1 j=1
252 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Proposición 39
Prueba.−
Si
−
→
u = λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn u n , −
→
v = µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µn un
entonces
µ1
µ2
([−
→
u ]B ) = (λ1 , λ2 , · · · , λn ) y [→
−
T
v ]B =
..
.
µn
en consecuencia
j=n i=n
! j=n i=n
!
X X X X
([−
→
u ]B ) A [ −
→ λi h→
−
u i, −
→ λi µj h →
−
u i, −
→
T
v ]B = u j i µj = u ji
j=1 i=1 j=1 i=1
Usualmente denominamos la matriz A como “la matriz del producto interno asociada
a la base ordenada B”
Observación.-
Asociada a cada producto interno podemos definir una “magnitud” (Longitud o norma)
de la siguiente manera:
Definición 22
Proposición 40
→
−
(1) Para todo →
−
u ∈ V, k−
→
u k ≥ 0 y k→
−
u k = 0 si y solo si −
→
u = 0
−
→
(2) Para todo −
→
u ∈ V y para todo λ ∈ R,
λu
= |λ| k− →
uk
Prueba.−
→
−
(3) Sean →
−
u,−
→
v ∈ V, si se supone que −
→
u = 0 se tiene que
D
−→ →E
−
→
→
0 ,−v = 0 =
0
k−
vk
k−
→
u k k−
2 → 2
v k − h−
→
u,−
→ 2
vi ≥0
254 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
luego
h−
→
u,−
→
v i ≤ k−
→
u k k−
2 2 → 2
vk
y en consecuencia
|h−
→
u,−
→
v i| ≤ k−
→
u k k−
→
vk
(4) Sean − →
u,−
→
v ∈ V, entonces k−→u +− →
v k = h−→u +−→v ,−
→
u +−
→v i = k−
→
u k + 2 h−
→
u,−
→
2 2
vi+
→
− 2
k v k entonces si utilizamos la desigualdad de Cauchy-Schwarz tenemos
k−
→
u +−
→
v k = k−
→
u k +2 h−
→
u,−
→
v i+k−
→
v k ≤ k−
→
u k +2 k−
→
v k k−
→
u k+k−
→
v k = (k−
→
v k + k−
→
2 2 2 2 2 2
u k)
y por lo tanto
k−
→
u +−
→
v k ≤ k−
→
u k + k−
→
vk
Definición 23
Definición 24
Observación.
5.7. PRODUCTO INTERNO ORTOGONALIDAD 255
Definición 25
Ejemplo 80
Sea R2 con el producto punto, S = {(3, 4), (−4, 3)} es ortogonal, puesto que (3, 4) ·
(−4, 3) = (3)(−4) + (4)(3) = 0
Ejemplo 81
Sea R3 con el producto punto, S = {(3, 4, 0), (−4, 3, 5)} es ortogonal ya que (3, 4, 0) ·
(−4, 3, 5) = (3)(−4) + (4)(3) + (0)(5) = 0
Ejemplo 82
n−
→ o
Sea Rn con el producto punto, la base canónica B = E k , 1 ≤ k ≤ n es ortogonal,
→ −
− →
ya que si i 6= j entonces E i · E j = 0
Ejemplo 83
Sea M2×2 (R) con el producto interno definido en el ejemplo 78, se afirma que:
( ! ! !)
2 3 2 1 − 12 1
S= , ,
5 1 0 −7 − 25 0
ya que
" ! !# !
2 3 2 0 7 −21
Tr = Tr =0
5 1 1 −7 11 −7
" ! !# !
2 3 − 21 − 25 2 − 54
Tr = Tr =0
5 1 1 0 − 32 −2
256 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
" ! !# !
2 1 − 12 − 52 0 − 54
Tr = Tr =0
0 −7 1 0 −7 0
Proposición 41
Prueba.−
P
k=n →
−
Consideramos una combinación lineal nula de vectores de S, λk −
→
w k = 0 , entonces
k=1
para cada i, con 1 ≤ i ≤ n
* +
k=n
X D →E
−
−
→
w i, λk →
−
wk = →−
w i , 0 = 0,
k=1
pero
* k=n
+ k=n
X X
−
→
w i, λk →
−
wk = λk h −
→
w i, −
→
w k i = λi k−
→ 2
w ik ,
k=1 k=1
es decir, λi k→
− 2
w i k = 0 y por tanto λi = 0 y en consecuencia S es L.I.
Proposición 42
h−
→
v ,−
→
k=n
X
−
→ w ki −
→
v = →
− 2 w k.
k=1 kw kk
Prueba.−
P −
k=n
Si →
−
v ∈ L(S) entonces →
−
v = λk →
w k luego para todo i, 1 ≤ i ≤ n,
k=1
5.7. PRODUCTO INTERNO ORTOGONALIDAD 257
*k=n + k=n
X X
h→
−
v ,−
→ λk →
−
w k, −
→ λ k h−
→
w k, −
→
w i i = λi k−
→ 2
w ii = wi = w ik
k=1 k=1
h→
−
v ,→
−
w ii P h→
k=n −v ,→
−
w ki −
por lo tanto λi = →− 2 es decir −
→
v = →
−
→
2 w k
k w i k k=1 k w k k
Definición 26
Proposición 43
Prueba.−
→
− h→
−u ,→
−
v i−
→ −
→ h→
−u ,→
−
vi −
u − →− 2 v , v = h−
→
u,−
→
vi− →−
→ − → → −
− → → −
− →
2 h v , v i = h u , v i − h u , v i = 0
k k
v k k
v
Proposición 44
Prueba.−
258 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Paso 2.
h→
−
u 2 ,−
→
1i −
Si −→
w2 = −
→ → − −
→ →
w
u2− → − 2 w 1 , claramente, por la proposición 40 REVISAR { w 1 , w 2 }
k w 1k
es ortogonal.
Paso 3.
Suponemos construı́do {− →
w 1, −→w 2, · · · , −
→
w k } ortogonal.
Si:
i=k −
−
→
X h→
u k+1 , −
→
w ii −
w k+1 = −
→
u k+1 − →
− 2
→
wi
i=1 kw k i
entonces
{−
→
w 1, −
→
w 2, · · · , −
→
w k, −
→
w k+1 }
* i=k −
+
X h →
u , −
→
w i
h−
→ w ji = −
w k+1 , −
→ → →
−
w i, −
→
k+1 i
u k+1 − →
− 2 wj
i=1 k w i k
* i=k +
X h− →u k+1 , −→
w ii −
→
− −
→
= h u k+1 , w j i − → −
→
w i, w j
k−→ 2
i=1 w ik
i=k −
X h→
u k+1 , −
→
w ii −
= h−
→
u k+1 , −
→
w ji − h→
w i, −
→
w ji
k−→ 2
i=1 w k i
= h→
−
u k+1 , −
→
w j i − h−
→
u k+1 , −
→
w ji
=0
b = {→
Después de n pasos el proceso termina y obtenemos B −
w 1, −
→
w 2, · · · , −
→
w n } base
ortogonal de V.
Ejemplo 84
B = {−
→
u 1 = (1, 2, 3), −
→
u 2 = (3, 4, 5), −
→
u 3 = (1, 0, 1)}
el proceso Gram-Schmidt.
Paso 1.
Sea
−
→
w1 = −
→
u 1 = (1, 2, 3)
Paso 2.
Sea
−
→ h−
→u 2, −
→
w 1i −
w2 = −
→u2− → −
→
2 w1
k w 1k
(3, 4, 5) · (1, 2, 3)
= (3, 4, 5) − 2 (1, 2, 3)
k(1, 2, 3)k
26
= (3, 4, 5) − (1, 2, 3)
14
8 2 −4
= , ,
7 7 7
Paso 3.
Sea
−
→ h−
→
u 3, −
→
w 1i − h→
−
u 3, −
→
w 2i −
w3 = −
→
u3− →− 2
→
w 1 − →
−
→
2 w2
k w 1k k w 2k
(1, 0, 1) · (1, 2, 3) (1, 0, 1) · 78 , 72 , −4 8 2 −4
= (1, 0, 1) − 2 (1, 2, 3) −
8 2 −4
27 , ,
k(1, 2, 3)k
, ,
7 7 7
7 7 7
es decir
4
−
→ 2 7 8 2 −4
w 3 = (1, 0, 1) − (1, 2, 3) − 12 , ,
7 7
7 7 7
1 2 1
= ,− ,
3 3 3
b = (1, 2, 3), 8 2 −4 1 2 1
Es inmediato verificar que B 7, 7, 7 , 3, −3, 3 es una base ortogo-
nal de R3
260 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Ejemplo 85
el proceso Gram-Schmidt.
Paso 1.
Sea !
−
→ 1 1
w1 = −
→
u1 =
1 1
Paso 2.
Sea
−
→ h−
→u 2, −
→
w 1i −
w2 = −
→
u2− → −
→
2 w1
k w 1k
* ! !+
1 1 1 1
! !
1 1 1 0 1 1 1 1
= −
! !
2
1 0
1 1 1 1
1 1
1 1 1 1
! !!
1 1 1 1
! Tr !
1 1 1 0 1 1 1 1
= − ! !!
1 0 1 1 1 1 1 1
Tr
1 1 1 1
! !
1 1 3 1 1
= −
1 0 4 1 1
!
1 1
= 4 4
1
4 − 43
Paso 3.
Sea
5.7. PRODUCTO INTERNO ORTOGONALIDAD 261
−
→ h−
→
u 3, −
→
w 1i − h→
−
u 3, −
→
w 2i −
w3 = −
→
u3− →− 2
→
w 1 − →
−
→
2 w2
k w 1k k w 2k
entonces
! !!
1 1 1 1
! Tr !
−
→ 1 1 0 0 1 1 1 1
w3 = − ! !!
0 0 1 1 1 1 1 1
Tr
1 1 1 1
! !!
1 1
1 1 4 4
Tr 1
!
0 0 4 − 43 1 1
− ! !! 4 4
1
1 1 1 1
4 − 43
Tr 4 4 4 4
1
4 − 43 1
4 − 43
! ! !
1 1 1
1 1 2 1 1 2 4 4
= − − 1
0 0 4 1 1 3
4 4 − 34
!
1 1
= 3 3
− 32 0
Paso 4.
Sea
−
→ h−
→
u 4, −
→
w 1i − h→
−
u 4, −
→
w 2i − h→
−
u 4, −
→
w 3i −
w4 = −
→
u4− →− 2
→
w 1 − →
− 2
→
w 2 − →
−
→
2 w3
k w 1k k w 2k k w 3k
entonces
262 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
! !!
1 0 1 1
! Tr !
−
→ 1 0 0 0 1 1 1 1
w4 = − ! !!
0 0 1 1 1 1 1 1
Tr
1 1 1 1
! !!
1 1
1 0 4 4
Tr 1
!
0 0 4 − 34 1 1
− ! !! 4 4
1
1 1 1 1
4 − 34
Tr 4 4 4 4
1
4 − 34 1
4 − 43
! !!
1
1 0 3 − 23
Tr 1
!
0 0 3 0 1 1
− ! !! 3 3
1 1 1
− 32 − 23 0
Tr 3 3 3
− 32 0 1
3 0
! ! ! !
1 1 1 1 1 1
1 0 1 1 1 4 4 4 3 3 3
= − − 1 −
0 0 4 1 1 3
4 4 − 34 2
3
− 32 0
!
1
2 − 12
=
0 0
es ortogonal.
Definición 27
Obviamente cada vez que obtenemos una base ortogonal de un espacio vectorial con
producto interno, inmediatamente tenemos una base ortonormal, basta multiplicar
5.7. PRODUCTO INTERNO ORTOGONALIDAD 263
cada vector →
−
w i por el escalar 1
y claramente el vector ası́ obtenido tiene norma
k→
−
w ik
1.
Ejemplo 86
Ejemplo 87
y ya que
!
!
r
!
r
!
r
1 1
1 1
3
1 1
2
1
− 21
1
4 4
3 3
2
= 2;
1
= ,
= ,
= ,
1 1
4 − 34
4
− 23 0
3
0 0
2
entonces
( ! √ √ ! √ √ ! √ √ !)
1 1 3 3 6 6 2 2
e= 2 2 √6 6√ 6√ 6 2 − 2
B 1 1 , 3
, ,
2 2 6 − 23 − 36 0 0 0
es una base ortonormal.
264 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
Capı́tulo 6
TRANSFORMACIONES
LINEALES
i. Para todo →
−
v 1, −
→
v2∈V T (−
→
v1+−
→
v 2 ) = T (−
→
v 1 ) + T (−
→
v 2)
Ejemplo 1
265
266 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Ejemplo 2
Ejemplo 3
−→
La aplicación L : S −→ R3 , definida por L(OA) = (a, b, c) donde A = (a, b, c) es una
aplicación lineal(S es el espacio usual).
Ejemplo 4
Si V es un espacio vectorial y B = {−
→
v 1, −
→
v 2, · · · , −
→
v n } una base deV , la aplicación
definida por
T (−
→
v ) = [−
→
v ]B
es lineal.
P −
k=n P
k=n
En efecto, si →
−
v = λk →
vk y →
−
u = µk −
→
u k α, β ∈ R
k=1 k=1
tenemos
k=n
X
α−
→
v + β−
→
u = (αλk + βµk ) −
→
vk
k=1
en consecuencia
T (α−
→
v + β−
→
u ) = α [−
→
v ]B + β [−
→
u ]B = αT (→
−
v ) + βT (→
−
u)
6.1. DEFINICION Y PROPIEDADES 267
Ejemplo 5
L(a0 + a1 x + a2 x2 + · · · + an xn ) = (a0 , a1 , · · · , an )
es lineal por que
L [(a0 + a1 x + · · · + an xn ) + (b0 + b1 x + · · · + bn xn )]
= L (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn
= (a0 + b0 , a1 + b1 , a2 + b2 , · · · , an + bn ) (1)
De otro lado:
L(a0 + a1 x + · · · + an xn ) + L(b0 + b1 x + · · · + bn xn )
= (a0 , a1 , · · · , an ) + (b0 , b1 , · · · , bn )
= (a0 + b0 , a1 + b1 , a2 + b2 , · · · , an + bn ) (2)
Ejemplo 6
Proposición 1
Si T : V → W es lineal entonces
268 CAPÍTULO 6. TRANSFORMACIONES LINEALES
→
− →
−
1. T ( 0 ) = 0
2. Para todo →
−
v ∈ V, T (−−
→
v ) = −T (−
→
v)
k=n
! k=n
X X
T λk →
−
vk = λk T (−
→
v k)
k=1 k=1
Prueba.−
→
− → −
− → →
− →
− →
− →
−
1. Basta ver que T ( 0 ) = T ( 0 + 0 ) = T ( 0 ) + T ( 0 ) y por lo tanto T ( 0 ) = 0 .
→
− →
−
2. Basta observar que T (−
→
v ) + T (−−
→
v ) = T (v + (−−
→
v )) = T ( 0 ) = 0 .
Observación.-
−
→ −
→
Note que T aplica el 0 del espacio V en el 0 del espacio W , los cuales no necesari-
amente son iguales.
Proposición 2
Prueba.−
P −
k=n P −
k=n
Si →
−
v ∈ V, entonces →
−
v = λk →
v k definimos T (−
→
v)= λk →
w k , entonces:
k=1 k=1
i Para todo i, 1 ≤ i ≤ n T (−
→
v i) = −
→
w i.
ii T es lineal
6.1. DEFINICION Y PROPIEDADES 269
P −
k=n P
k=n
Si →
−
v1= λk →
vk y −
→
v2= µk −
→
v k entonces
k=1 k=1
k=n k=n
!
X X
T (→
−
v1+−
→
v 2) = T λk →
−
vk+ µk →
−
vk
k=1 k=1
k=n
!
X
=T (λk + µk )−
→
vk
k=1
k=n
X k=n
X k=n
X
= (λk + µk )−
→
wk = λk −
→
wk + µk −
→
wk
k=1 k=1 k=1
k=n
! k=n
!
X X
=T λk −
→
vk +T µk −
→
vk
k=1 k=1
= T (→
−
v 1 ) + T (−
→
v 2)
P −
k=n
Si λn ∈ R, →
−
v = λk →
v k entonces
k=1
k=n
!
X
T (λ−
→
v)=T λ λk →
−
vk
k=1
k=n
!
X
=T λλk →
−
vk
k=1
k=n
X
= λλk −
→
wk
k=1
k=n
!
X
=λ λk −
→
vk
k=1
= λT (−
→
v)
Proposición 3
Si T : V → W es lineal, U un subespacio de V,
entonces T (U ) = {→
−
w ∈ W | existe −
→
u ∈ U tal que T (−
→
u) = →
−
w } es un subespacio de
W.
Prueba.−
→
− →
− −
→
i Puesto que T ( 0 ) = 0 , 0 ∈ T (U )
ii Si →
−
w 1, −
→
w 2 ∈ T (U ) entonces existen →
−
u 1, −
→
u 2 ∈ U tales que
T (−
→
u 1) = −
→
w 1 y T (−
→
u 2) = −
→
w2
en consecuencia
−
→
w1 + −
→
w2 = T (−
→
u 1 ) + T (−
→
u 2)
= →
−
T( u + u )→
−
1 2
por lo tanto (→
−
w1 + −
→
w 2 ) ∈ T (U )
iii Si λ ∈ R, −
→
w ∈ T (U ), entonces existe −
→
u ∈ U tal que T (−
→
u)=−
→
w y en consecuencia
λ−
→
w = λT (−
→u)
= →
−
T (λ u ) ∈ T (U )
Definición 2
i (L + T ) : V −→ W, por (L + T ) (−
→
v ) = L(−
→
v ) + T (−
→
v ) para todo →
−
v ∈ V.
Proposición 4
Prueba.−
Sean L, T ∈ £(V, W ),
1. Si →
−
v 1, −
→
v2 ∈V;
(L + T ) (−
→
v1+−
→
v 2) = L(−
→v1+− →v 2 ) + T (−
→
v1+− →v 2)
= [L( v 1 ) + L( v 2 )] + [T ( v 1 ) + T (−
→
− →
− →
− →
v 2 )]
→
− →
− →
−
= [L( v ) + T ( v )] + [L( v ) + T ( v )] →
−
1 1 2 2
= (L + T ) (→
−
v 1 ) + (L + T ) (−
→
v 2)
2. µ ∈ R, →
−
v ∈ V,
(L + T ) (µ−
→
v) = L(µ−
→v ) + T (µ−
→v)
= →
− →
−
µL( v ) + µT ( v )
= µ [L(−
→
v ) + T (−→v )]
= →
−
µ (L + T ) ( v )
3. Si →
−
v 1, −
→
v2 ∈V;
(λL) (−
→
v1+−
→
v 2) = λ.L(−
→v1+− →v 2)
= λ (L( v 1 ) + L(−
→
− →v 2 ))
→
−
= λL( v ) + λL( v )→
−
1 2
= (λL) (→
−
v 1 ) + (λL) (−
→
v 2)
272 CAPÍTULO 6. TRANSFORMACIONES LINEALES
4. Si µ ∈ R, →
−
v ∈ V,
(λL) (µ−
→
v) = λ (L(µ−
→v ))
= →
−
λ (µL( v ))
= (λµ) L(−
→v)
= →
−
µ (λL( v ))
= µ [(λL) (−
→
v )]
→
−
La aplicación O : V −→ W, definida por O(−→v ) = 0 para todo −
→
v ∈ V se comporta
como identidad (módulo) de la adición.
Para cada L : V −→ W, la aplicación (−L) : V −→ W definida por (−L)(− →
v) =
→
− →
−
− (L( v )) para todo v ∈ V es el opuesto de L.
Las demás propiedades se deducen inmediatamente de las correspondientes en W .
Proposición 5
Prueba.−
Proposición 6
Prueba.−
Consideremos B = {− →
v 1, −
→
v 2, · · · , −
→
v n } y B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m } bases ordenadas
fijas de V y W respectivamente.
Para cada (r, s) ∈ [1, m] × [1, n] sea Lr,s : V → W , definida por
(
→
−
w r si s = k
Lr,s (−→v k) = →
−
0 si s 6= k
6.2. ALGEBRA DE APLICACIONES LINEALES 273
Basta probar que B = {Lr,s |(r, s) ∈ [1, m] × [1, n]} es una base de £(V, W ). Sea en-
tonces L : V → W tal que
L(−
→ w 1 + α21 −
v 1 ) = α11 −
→ w 2 + · · · + αm1 −
→ →
wm
..
.
L( v k ) = α1k w 1 + α2k −
→
− →
− →
w 2 + · · · + αmk −
→
wm
..
.
L(−
→v n ) = α1n −
→
w 1 + α2n −→
w 2 + · · · + αmn −
→
wm
s=n
P
r=m P
Probaremos que L = αrs Lr,s , sea entonces k, 1 ≤ k ≤ n
r=1 s=1
r=m s=n
!! r=m
X X X
αrs Lr,s (→
−
v k) = αrk Lr,k (−
→
v k)
r=1 s=1 r=1
r=m
X
= αrk −
→
w r = L (−
→
v k)
r=1
s=n
P
r=m P
es decir las aplicaciones lineales αrs Lr,s y L coinciden en cada uno de
r=1 s=1
los elementos de la base B en consecuencia
r=m s=n
!
X X
L= αrs Lr,s
r=1 s=1
r=m s=n
!!
X X →
−
λrs Lr,s (−
→
v k) = 0
r=1 s=1
P
r=m →
−
es decir λrk −
→
w r = 0 y como B ′ es base de W entonces para todo r, 1 ≤ r ≤ n
r=1
se tiene que λrk = 0 y por tanto B es un conjunto L.I.
Obviamente B tiene mn elementos y la prueba termina.
274 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Sea T : V → W lineal,
→
−
ker(T ) = {−
→
v ∈ V | T (−
→
v ) = 0 } ⊂ V se denomina el Nucleo de T.
Definición 4
Sea T : V → W lineal,
Im(T ) = {−
→
w ∈ W | existe →
−
v ∈ V tal que T (−
→
v)=→
−
w } ⊂ W se denomina la Imagen
de T.
Proposición 7
Prueba.−
→
− →
− −
→
i Puesto que T ( 0 ) = 0 , 0 ∈ ker(T )
→
− →
−
ii Si −
→
v 1, −
→
v 2 ∈ ker(T ) entonces T (−
→
v 1 ) = 0 , T (−
→
v 2 ) = 0 en consecuencia
T (−
→
v1+−
→
v 2) = T (−
→
v 1 ) + T (−
→
v 2)
→ −
− →
= 0 + 0
→
−
= 0
es decir (→
−
v1+−
→
v 2 ) ∈ ker(T )
→
−
iii Si λ ∈ R, −
→
v ∈ ker(T ) entonces T (−
→
v ) = 0 y por tanto
T (λ−
→
v) = λT (−
→
v)
→
−
= λ0
→
−
= 0
es decir λ→
−
v ∈ ker(T )
6.3. NUCLEO E IMAGEN 275
Proposición 8
Prueba.−
Proposición 9
→
−
Sea T : V → W lineal, T es inyectiva si y solo si ker(T ) = { 0 }
Prueba.−
T (−
→
v 1 ) = T (−
→
v 2)
entonces
→
−
T (−
→
v1−−
→
v 2) = 0
y en consecuencia
−
→ →
−
v1−−
→
v2= 0
es decir
−
→
v1=−
→
v2
y por tanto T es inyectiva.
Proposición 10
→
−
Sea T : V → W lineal, tal que ker(T ) = { 0 } , B = {→
−
u 1, −
→
u 2, · · · , −
→
u s } ⊂ V, un
conjunto L.I. entonces
e = {T (−
B →
u 1 ), T (−
→
u 2 ), · · · , T (−
→
u s )} ⊂ W
es un conjunto L.I.
276 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Prueba.−
→
−
Suponemos λ1 T (−
→
u 1 ) + λ 2 T (−
→
u 2 ) + · · · + λs T (−
→
u s ) = 0 , entonces
→
−
T (λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λs −
→
u s) = 0
es decir
→
−
(λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λs −
→
u s ) ∈ ker(T ) = { 0 },
por tanto
→
−
u 2 + · · · + λs −
u 1 + λ2 −
λ1 −
→ → →
us = 0,
λ1 = λ2 = · · · = λs = 0
es decir
{T (−
→
u 1 ), T (−
→
u 2 ), · · · , T (−
→
u s )} ⊂ W es un conjunto L.I.
Definición 5
Definición 6
Proposición 11
Prueba.−
Suponemos T es epiyectiva entonces Im(T ) = W y en consecuencia Dim(W ) =
Dim(Im(T )) = ρ(T )
Recı́procamente, suponemos ρ(T ) = Dim(W ) entonces Im(T ) es un subespacio de
W talque Dim(W ) = Dim(Im(T ) por lo tanto Im(T ) = W.
6.3. NUCLEO E IMAGEN 277
Proposición 12
Prueba.−
Consecuencia directa de la proposición 11.
TEOREMA 1
Prueba.−
→
−
Supongamos ker(T ) 6= { 0 }, ker(T ) 6= V, consideremos U = {−
→
v 1, −
→
v 2, · · · , −
→
v r } con
1 ≤ r < Dim(V ) = n, una base de ker(T ) y construimos
B = {−
→
v 1, −
→
v 2, · · · , −
→
v r, −
→
v r+1 , −
→
v r+2 , · · · , −
→
v n}
−
→
w = T (−
→
v)
k=n
!
X
=T λk →
−
vk
k=1
= λ 1 T (−
→
v 1 ) + · · · + λ r T (−
→
v r ) + λr+1 T (−
→
v r+1 ) + λr+2 T (−
→
v r+2 ) + · · · + λn T (−
→
v n)
→
− →
− →
− →
− →
−
= λ 0 + ··· + λ 0 + λ T( v
1 r r+1 r+1 ) + λ T( v
r+2 ) + ··· + λ T( v )
r+2 n n
= λr+1 T (→
−
v r+1 ) + λr+2 T (−
→
v r+2 ) + · · · + λn T (−
→
v n)
En consecuencia {T (−
→
v r+1 ), T (−
→
v r+2 ), · · · , T (−
→
v n )} es un sitema de generadores de
Im(T )
→
−
Por otra parte, si µ1 T (−
→
v r+1 ) + µ2 T (−
→
v r+2 ) + · · · + µn−r T (−
→
v n ) = 0 entonces
−
→
T (µ1 −
→ v r+2 + · · · + µn−r −
v r+1 + µ2 −
→ →
v n) = 0
es decir
278 CAPÍTULO 6. TRANSFORMACIONES LINEALES
(µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n ) ∈ ker(T )
µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n = λ1 −
→
v 1 + · · · + λr −
→
vr
es decir
→
−
v 1 + · · · + λr −
λ1 −
→ →
v r + (−µ1 )−
→
v r+1 + (−µ2 )−
→
v r+2 + · · · + (−µn−r )−
→
vn= 0
{T (−
→
v r+1 ), T (−
→
v r+2 ), · · · , T (−
→
v n )}
es un conjunto L.I.
→
−
Si ker(T ) = { 0 }, y B = {−
→v 1, −
→
v 2, · · · , −
→
v n } es una base de V entonces {T (−
→
v 1 ), T (−
→
v 2 ), · · · , T (−
→
v n )}
es L.I. y por lo tanto una base de Im(T ) en consecuencia Dim(V ) = 0+Dim(Im(T ))
→
−
Finalmente si ker(T ) = V entonces Im(T ) = { 0 } y por tanto
Dim(V ) = n + 0
Proposición 13
Prueba.−
Proposición 14
Prueba.−
T −1 (−
→
w) = −
→
v
(−→
v es el único elemento de V tal que T (− →v)=− →
w ).
Sean entonces w 1 , w 2 ∈ W , existen v 1 , v 2 ∈ V únicos y tales que T (−
→
− −
→ →
− −
→ →
v 1) = −
→
w1
→
− →
− →
− −
→ →
− →
− →
− →
−
y T ( v 2 ) = w 2 puesto que T es lineal T ( v 1 ) = w 1 y T ( v 1 + v 2 ) = w 1 + w 2 y
en consecuencia
T −1 (−
→
w1 + −
→
w 2) = −
→
v1+−
→
v 2 = T −1 (−
→
w 1 ) + T −1 (−
→
w 2)
Definición 7
Ejemplo 7
Ejemplo 8
Ejemplo 9
Ejemplo 10
TEOREMA 2
Prueba.−
Definición 8
Proposición 15
a Para todo →
−
v 1, −
→
v 2 ∈ V se tiene hT (−
→
v 1 ), T (−
→
v 2 )i = h−
→
v 1, −
→
v 2i
b Para todo →
−
v ∈ V se tiene kT (−
→
v )k = k−
→
vk
c Para todo →
−
v 1, −
→
v 2 ∈ V se tiene kT (−
→
v 1 ) − T (−
→
v 2 )k = k−
→
v1−−
→
v 2k
Prueba.−
(a)=⇒(b)
6.3. NUCLEO E IMAGEN 281
p
Sea →
−
v ∈ V entonces kT (−
→
v )k = hT (−
→
v ), T (−
→
v )i
(b)=⇒(c)
Sean −
→
v 1, −
→
v 2 ∈ V entonces kT (−
→
v 1 ) − T (−
→
v 2 )k = kT (−
→
v1−−
→
v 2 )k
kT (−
→
v1−−
→
v 2 )k = k−
→
v1−−
→
v 2k
(c)=⇒(a)
Sean →
−
v 1, −
→
v 2 ∈ V entonces
kT (−
→
v 1 ) − T (−
→
v 2 )k = hT (−→
v 1 ) − T (−
→
v 2 ), T (−
→
v 1 ) − T (−
→
2
v 2 )i
= kT (−
→
v 1 )k + kT (− →v 2 )k − 2 hT (−→v 1 ), T (−
→
2 2
v 2 )i
y
k−
→
v1−−
→
v 2 k = k−
→
v 1 k + k−
→
v 2 k − 2 h−
→
v 1, −
→
2 2 2
v 2i ,
−2 hT (−
→
v 1 ), T (−
→
v 2 )i = −2 h−
→
v 1, −
→
v 2i
es decir hT (−
→
v 1 ), T (−
→
v 2 )i = h−
→
v 1, −
→
v 2i
→
−
Sea →
−
v ∈ V basta aplicar (c) con →
−
v =−
→
v1 y →
−
v2 = 0.
Definición 9
Proposición 16
Prueba.−
h−
→v 1, −
→
v 2i hT (−
→v 1 ), T (−
→
v 2 )i
→
− →
− =
k v 1k k v 2k kT ( v 1 )k kT (−
→
− →v 2 )k
en consecuencia α = β
Proposición 17
Sea T : Rn −→ Rm lineal, entonces existe una matriz A tamaño mxn tal que
6.4. TRANSFORMACIONES LINEALES Y MATRICES 283
x1
x2
Si X =
.. ;
LA [X] = AX
.
xn
Prueba.−
x1
x2
X=
.. significa
.
xn
1 0 0
0 1 0
X = x1
.. + x2
0
+ · · · + xn
..
. .
..
0 . 1
→
− →
− →
−
= x1 E 1 + x2 E 2 + · · · + xn E n ,
entonces si
→
− −
→ →
− →
−
T ( E 1 ) = α11 E 1 + α21 E 2 + · · · + αm1 E m
..
.
→
− −
→ →
− →
−
T ( E j ) = α1j E 1 + α2j E 2 + · · · + αmj E m
..
.
→
− →
− →
− →
−
T ( E n ) = α1n E 1 + α2n E 2 + · · · + αmn E m
basta definir A como la matriz tamaño mxn, cuya columna j es la matriz vector
→
−
columna T ( E j ) ∈ Rm
α11 α12 ··· α1j ··· α1n
α21 α22 ··· α2j ··· α2n
.. .. .. ..
h → i
− h → i
− h − → i . . . .
A= T ( E 1) T ( E 2) · · · T ( E n) =
αi1 αi2 ... αij ··· αin
.. .. .. ..
. . . .
αm1 αm2 ··· αmj ··· αmn
284 CAPÍTULO 6. TRANSFORMACIONES LINEALES
y en consecuencia
→
− →
− →
−
T (X) = T (x1 E 1 + x2 E 2 + · · · + xn E n )
→
− →
− →
−
= x1 T ( E 1 ) + x2 T ( E 2 ) + · · · + xn T ( E n )
j=n
X →
−
= xj T ( E j )
j=1
j=n
X →
− →
− →
−
= xj (α1j E 1 + α2j E 2 + · · · + αmj E m )
j=1
j=n k=m
!
X X −
→
= xj αkj E k
j=1 k=1
k=m
X j=n
X
→
−
= αkj xj E k
k=1 j=1
= AX
Ejemplo 11
Proposición 18
v )]B ′ = A [−
[T (−
→ →
v ]B
Prueba.−
Basta construir A y verificar la igualdad, para tal efecto definimos A como la matriz
cuya columna j, 1 ≤ j ≤ n es la matriz de coordenadas de la imagen de − →
v j respecto
de B ′ , es decir:
6.4. TRANSFORMACIONES LINEALES Y MATRICES 285
Si
T (−
→ w 1 + α21 −
v 1 ) = α11 −
→ w 2 + · · · + αm1 −
→ →
wm
..
.
T ( v j ) = α1j w 1 + α2j −
→
− →
− →
w 2 + · · · + αmj −
→
wm
..
.
v n ) = α1n −
T (−
→ w 1 + α2n −
→ w 2 + · · · + αmn −
→ →
wm
entonces
α11 α12 ··· α1j ··· α1n
α21 α22 ··· α2j ··· α2n
.. .. .. ..
. . . .
A = ([T (−
→
v 1 )]B ′ [T (−
→
v 2 )]B ′ →
−
· · · [T ( v n )]B ′ ) =
αi1 αi2 ... αij ··· αin
.. .. .. ..
. . . .
αm1 αm2 ··· αmj ··· αmn
Ahora, si −
→
v ∈ V,
k=n
−
→ P −
k=n P P
k=n
v = λk →
v k y T (−
→
v)=T λk →
−
vk = λk T (−
→
v k)
k=1 k=1 k=1
es decir
k=n
X
T (−
→
v)= λk T (−
→
v k)
k=1
k=n
X
= w 2 + · · · + αmk −
w 1 + α2k −
λk (α1k −
→ → →
w m)
k=1
k=n
X i=m
X
= λk αik −
→
wi
k=1 i=1
i=m k=n
!
X X
= αik λk −
→
wi
i=1 k=1
i=m
X →
= v ]B −
A(i) [−
→ wi
i=1
luego
[T (−
→
v )]B ′ = A [−
→
v ]B (*)
286 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Definición 10
v )]B ′ = [T ]B [−
[T (−
→ B′ →
v ]B
Ejemplo 12
Proposición 19
B ′′ B ′′ B′
[T ◦ L]B = [T ]B ′ [L]B
Prueba.−
B′ B ′′ B ′′
Suponemos A = [L]B , C = [T ]B ′ y D = [T ◦ L]B
consideramos − →
v ∈ V, entonces
[L( v )]B ′ = [L]B [−
→
− B′ →
v ]B = A [ −
→
v ]B , y
→
− B ′′ →
−
[T (L( v ))] = [T ] [L( v )]
B ′′ B′ B′
por lo tanto
v ))]B ′′ = [T ]B ′ [L]B [−
[T (L(−
→ B′ →
v ]B = C (A [−
→
v ]B ) = (CA) [−
→
B ′′
v ]B
en consecuencia
(CA) = D
6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 287
TEOREMA 3
Prueba.−
Ejemplo 13
y = 5 − (x − 3)2 = −x2 + 6x − 4.
AB = {(x, y)| 1 ≤ x ≤ 5, y = 1}
su imagen es
A′ B ′ = {(x, y)| 1 ≤ x ≤ 5, y = −1} ;
y puesto que
! ! !
1 0 x x
2
= 2
0 −1 −x + 6x − 4 x − 6x + 4
y = x2 − 6x + 4
.
..... .
.....
..........
..... ........
... ...
... ...
..
. ..
.. ...
...
. ...
...
..
.
. ..
... ..
..
... ..
A. B
......
. Rx ......
.
−
→
A’..... .
..B’
.. ..
...
...
.
...
... ...
.. ...
.. ..
...
... .
...
.... ..
.....................
Ry (x, y) = (−x, y)
Ejemplo 14
su imagen es
...... ......
.......................................................... ..........................................................
.......... ...... .......... ......
....... ..... ...... .....
..
..... .... ....... ....
. ... . ...
... ... ... ...
.... ....
....
....
. ...
....
Ry ....
...
...
. ......
...
...
....
...
.
.
... −
→ ...
...
.... ...
....
.....
....... ..... ..... .
.....
.......... ...... ...... .....
.................... ............................. ..........
..........................................................
...........
Ejemplo 15
su imagen es
((−x) − 4)2 + 4((−y) − 3)2 = 4
es decir
(x + 4)2 + 4(y + 3) = 4
290 CAPÍTULO 6. TRANSFORMACIONES LINEALES
..... .....
... .
.... ..... ....
.. .... ....
.... .... .......... .... .... .....
.... .... .... .....
....
.
.
............................................................ .......... .
..... ........ .......... ........
.
.
... .. . .. .. .
..
... ....... .... .... ..... ...... .......
........... ....... ......... .............. .... .... ...... .......
........ ..... ..... ............ .... ..... ..... .......
..
..... ................................................................ ..
..... .............................
.. .. ... .... . . .
.. .. ... ... . .
.... ................. .... .................
...................... ......................
...................... ......................
.
.................. ...... R0 .
..................
.
.... .
.... ......
........... −
→ ...........
.................. ..................
...
............................... .................................
.
. .
........... .... ... ........... .... ...
........... .... .... ........... .... ....
...... ..... ..... ... .......................................... ...
...... ..... .... .... ........ ...... ..... ........... ....
.
................... ....... ...... ..
...................... ....... ...........
. .
. .
...... ..... ..... .... . .
...... ... ..... ..... .............
.
...... ..... .... ....... ...... ......... .... . ..
...... ......... ....... ... ...... ......... .............................................
. . . .
...
. ..... ....... ..
..... ...
. ..... . ...... .
......
... ... .. ... ... ..
Ri (x, y) = (y, x)
Ejemplo 16
x(t) = 1
y(t) = 2 + 2t
t ∈ [0, 1] .
Calculamos ! ! !
0 1 1 2t + 2
=
1 0 2 + 2t 1
x(t) = 2t + 2
y(t) = 1
6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 291
t ∈ [0, 1] .
Ahora, encontremos la imagen del segmento BC, B = (1, 4), C = (3, 4) descrito
por las ecuaciones paramétricas
x(t) = 1 + 2t
y(t) = 4
t ∈ [0, 1] .
Calculamos ! ! !
0 1 1 + 2t 4
=
1 0 4 2t + 1
x(t) = 4
y(t) = 2t + 1
t ∈ [0, 1] .
x(t) = 1 + 2t
y(t) = 2 + 2t
t ∈ [0, 1] .
Calculamos ! ! !
0 1 1 + 2t 2t + 2
=
1 0 2 + 2t 2t + 1
x(t) = 2 + 2t
y(t) = 2t + 1
t ∈ [0, 1] .
292 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Geométricamente tenemos:
.... ....
5 ...
.. 5 ...
..
... ...
... ...
4 B ..... C .... 4
..
..
. .. . .
..
...... . ...
..... ... ...
...... .. ′
3 .
....
.......
. ...
... 3 . . ...
. C
......
.
..
. . . ...
. ......
.
..
..... ... . . .
..
......
2 A..... ........ 2 ...
...
..
.....
......
.
......
.. ... ......
. ..... ′
1 ........ 1 ...
.... ′.
..
.
A B
.. ...
...
... ..... Ri ...
...
.....
−2 −1 ...
...
1 2 3 4 5 6 −
→ −2 −1 ...
... 1 2 3 4 5 6
...
−1 ...
−1
entonces !
B cos α − sin α
[Sα ]B =
sin α cos α
Ejemplo 17
π
Encontremos la imagen por la rotación un ángulo 3, de la curva descrita en
forma paramétrica por las ecuaciones
x(t) = 4 cos t,
y(t) = 2 sin t
1
√ ! ! √ !
− 12 3 4 cos t 2 cos t − 3 sin t
1
√
2
1 = √
2 3 2 2 sin t sin t + 2 3 cos t
! √ !
B cos π3 − sin π3 1
− 21 3
S π3 = = √
2
B sin π3 cos π3 1
2 3 1
2
1
√ ! ! √ !
− 21 3 4 cos t 2 cos t − 3 sin t
1
√
2
1 = √
2 3 2 2 sin t sin t + 2 3 cos t
gráficamente tenemos:
.... .... ..
...
..............................
..
............. ... ...
...... ... .....
.
.....
..... ... ...
..... ... ..
...................
..................................
........... ..... .. ...
........... ......... ..
.
..
.
...
........ . .
....... .......
... ... ..
. .....
.
.....
.... ... ... .
.
..
...
. ... ... ... ...
.....
...
...
.
... ...... s π3 ...
...
...
...
...
... ......
...
....
..... ... ..
...... −
→ ...
...
...
...
...
. ..
.......
......... ... ..
...
..
.. ... ...
........... ......... ... ... ...
..
............................................................ .... ... ...
... ... ....
... .. .....
.. .....
...
... .... .....
..... . ....
........
....
.............................
...
...
d(A; B) = kA − Bk
p
= (A − B) · (A − B)
p
= (a − c)2 + (b − d)2
Proposición 20
Prueba.−
En todos los casos basta probar que, para todo A ∈ R2 , B ∈ R2 ,
T (A) · T (B) = AB
294 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Ejemplo 18
!
B 2 0
L2x B =
0 1
Ahora, encontremos la imagen del segmento AB, A = (1, 1), B = (1, 4) descrito
por las ecuaciones paramétricas
x(t) = 1,
y(t) = 3t + 1
t ∈ [0, 1] ,
calculamos ! ! !
2 0 1 2
=
0 1 3t + 1 3t + 1
x(t) = 2,
y(t) = 3t + 1
t ∈ [0, 1] .
6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 297
Para encontrar la imagen del segmento BC, B = (1, 4), C = (5, 4) descrito por
las ecuaciones paramétricas
x(t) = 1 + 4t,
y(t) = 4
t ∈ [0, 1] .
calculamos ! ! !
2 0 1 + 4t 8t + 2
=
0 1 4 4
x(t) = 8t + 2,
y(t) = 4
t ∈ [0, 1]
.
Para encontrar la imagen del segmento CD, C = (5, 4), D = (5, 1) descrito por
las ecuaciones paramétricas
x(t) = 5,
y(t) = 4 − 3t
t ∈ [0, 1] .
Calculamos ! ! !
2 0 5 10
=
0 1 4 − 3t 4 − 3t
x(t) = 10,
y(t) = 4 − 3t
t ∈ [0, 1] .
298 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Finalmente, para encontrar la imagen del segmento AD, A = (1, 1), D = (5, 1),
descrito por las ecuaciones paramétricas
x(t) = 4t + 1,
y(t) = 1
t ∈ [0, 1] .
Calculamos ! ! !
2 0 4t + 1 8t + 2
=
0 1 1 1
x(t) = 2 + 8t,
y(t) = 1
t ∈ [0, 1] .
Geométricamente tenemos:
.... ....
B C B’ C’
A D A’ D’
...... L2x ......
−
→
Ejemplo 19
x(t) = 2 + cos t,
y(t) = 2 + sin t,
t ∈ [0, 2π]
1
y la aplicación definida por Ly (x, y) = (x, 21 y), en consecuencia 2
!
h 1 iB 1 0
Lx2 =
B 0 12
x(t) = 2 + cos t,
1
y(t) = 1 + sin t,
2
t ∈ [0, 2π]
que corresponde a una elipse con centro en C ′ = (2, 1) y de semiejes de longitud
a = 2 y b = 12 respectivamente.
Geométricamente
.
tenemos:
.. ..
.... ....
...................................
....... ......
.....
..... .....
...
.... ...
..
. ...
.... ...
...
.... .
... • ..
... ...
... ..
.
... ..
.
... ... .......................................
.... .... ............. ........
..... ..... ........ .....
...... ...... ....
.........
.......................... ... ...
..
.... • .
.... ...
......
.......... .
...
.....
...................................................
1/2
.......
.. Ly .......
..
−−→
300 CAPÍTULO 6. TRANSFORMACIONES LINEALES
•................... ..
........
...... .....
•
....... ......
.......
....... ..
........
.
...
...
....... ...... ...
.......
....... .
.......... ...
....... ..
..
..... ...
....... .... ...
.
......
...... • .
....
.
..
.
.
....
.
..
.
.........
............. •
...... .
.. .. .
....
.
.........
. ...
.
.
...
. .
..
. ....
........
. ..
• ......• • ...... .......... •
........
.......
Ry ........
.......
−
→
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 301
B
Puesto que Eyk (1, 0) = (1, k) y Eyk (0, 1) = (0, 1) entonces Eyk =
! B
1 0
k 1
...... ...
... .. ... ...
• ...................
...................
................... • .....
.....
................... .....
................... .....
.........
...............
•
............... .....
.....
.....
• • ...............
• ...... .....
.......
.
........
Eyk ......
......
......
.....
.....
.....
.....
.......
........
−→ ......
......
......
.....
.....
.....
...... .....
...... .....
...... .
...... .........
...... ..
...... .........
• ...... ......
....... ....
....... ......
....... .....
....... .....
............
..........
•.....
Obviamente el lector habrá notado que todos los procesos geométricos descritos
por los operadores presentados anteriormente son suceptibles de construir el
procedimiento inverso, en consecuencia no se sorprenderá al observar que sus
matrices asociadas son invertibles (no singulares) y mas aún que excepto la aso-
ciada a la rotación, son matrices elementales, si además, recordamos el resultado
que afirma que toda matriz inversible es un producto de matrices elementales,
podemos de una manera natural afirmar que todo proceso geométrico en el
plano representado por un operador lineal inversible es una sucesión finita de
procesos representados por operadores cuya matriz asociada es elemental como
los presentados en esta sección.
Observaciones.-
→
− →
− →
−
1. Evidentemente para todo λ ∈ R, y toda T : V −→ V lineal T ( 0 ) = 0 = λ 0
→
−
por esta razón excluı́mos 0 en la definición.
2. Los valores caracterı́sticos y vectores caracterı́sticos son también denominados
valor propio y vector propio asociado resectivamente, incluso hay textos donde
encontramos los nombres eigenvalor y eigenvector.
3. Evidentemente los vectores − →v y λ−→v son paralelos en consecuencia una apli-
cación lineal tiene vectores propios cuando envı́a un vector no nulo en uno
paralelo y el valor propio es el correspondiente coeficiente.
Ejemplo 20
Ejemplo 21
Ejemplo 22
T (x, y) = (x + y, x + y) = (2)(x, y)
es decir (
x + y = 2x
x + y = 2y
cuya solución es {(t, t)|t ∈ R} es decir , −
→
w es un vector propio de T, asociado al
−
→
valor propio λ = 2 si y solo si w ∈ L ({(1, 1)})
Ejemplo 23
si y solo si
x = λx
−y = λy
z = λz
es decir
(1 − λ)x = 0
(1 + λ)y = 0
(1 − λ)z = 0
304 CAPÍTULO 6. TRANSFORMACIONES LINEALES
es decir , −
→
w = (x, y, z) es un vector propio de T, asociado al valor propio λ = −1 si
y solo si x = z = 0 es decir −→
w ∈ L ({(0, 1, 0)}) .
Ejemplo 24
λ2 − 2λ cos θ + 1 = 0.
√
Ahora, las raı́ces del polinomio λ2 − 2λ cos θ + 1 = 0 son λ = cos θ ± cos2 θ − 1
por tanto λ será real si y solo si cos2 θ − 1 = 0 es decir θ = nπ.
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 305
Geométricamente es claro afirmar entonces que las únicas rotaciones que envı́an vec-
tores en vectores paralelos son la rotación un ángulo θ = (2n + 1)π caso en el cual
envı́a todo vector en su opuesto y la “rotación” un ángulo θ = 2nπ que en la práctica
es la identidad.
Definición 12
Proposición 21
Prueba.−
→
− →
−
Decir que un número real α es un valor propio de A significa que A X = α X para algún
→
− →
− →
− →
− →
−
X ∈ Rn , X 6= 0 ; es decir (αI − A) X = 0 , sistema homogéneo de ecuaciones
lineales que tiene solución diferente de la trivial si y solo si |(αI) − A| = 0
observación.- Como consecuencia inmediata de la proposición 19 podemos afirmar
que una matriz A ∈ Mn×n (R) tiene a lo mas n valores propios diferentes.
Definición 13
terı́stico de A.
Proposición 22
es un subespacio de Rn .
Prueba.−
Es suficiente con observar que V (α) es el espacio de soluciones del sistema homogeneo
→ −
− →
de ecuaciones lineales (λI − A) X = 0
Definición 14
Ejemplo 25
Sea
!
1 0
A=
0 −1
entonces
λ−1 0
p(λ) = |λI − A| = = (λ − 1)(λ + 1)
0 λ+1
y en consecuencia sus valores propios son 1 y −1.
Los vectores propios de A, asociados a 1 son entonces los vectores del espacio solución
del sistema ! ! !
0 0 x 0
=
0 2 y 0
es decir L ({(1, 0)}) , y los vectores propios de A, asociados a −1 son entonces los
vectores del espacio solución del sistema
! ! !
−2 0 x 0
=
0 0 y 0
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 307
Ejemplo 26
Sea
!
1 1
A=
1 1
entonces
λ−1 −1
p(λ) = |λI − A| = = λ2 − 2λ
−1 λ−1
y en consecuencia sus valores propios son 0 y 2.
Los vectores propios de A, asociados a 0 son entonces los vectores del espacio solución
del sistema ! ! !
−1 −1 x 0
=
−1 −1 y 0
es decir L ({(−1, 1)}) , y los vectores propios de A, asociados a 2 son entonces los
vectores del espacio solución del sistema
! ! !
1 −1 x 0
=
−1 1 y 0
Ejemplo 27
Sea
1 0 0
A = 0 −1 0
0 0 1
entonces
p(λ) = |λI − A|
λ−1 0 0
= 0 λ+1 0
0 0 λ−1
= λ3 − λ2 − λ + 1
2
= (λ + 1) (λ − 1)
308 CAPÍTULO 6. TRANSFORMACIONES LINEALES
es decir L ({(0, 1, 0)}) , y los vectores propios de A, asociados a 1 son entonces los
vectores del espacio solución del sistema
0 0 0 x 0
0 2 0 y = 0
0 0 0 z 0
Ejemplo 28
Sea
!
cos θ sen θ
A=
−sen θ cos θ
entonces
p(λ) = |λI − A|
λ − cos θ −sen θ
=
sen θ λ − cos θ
= λ2 − 2λ cos θ + 1
√
las raı́ces del polinomio λ2 − 2λ cos θ + 1 = 0 son λ = cos θ ± cos2 θ − 1 por tanto
λ será real si y solo si cos2 θ − 1 = 0 es decir θ = nπ.
Ahora, si θ = 2nπ entonces
!
1 0
A=
0 1
en consecuencia
2
p(λ) = (λ − 1)
si θ = (2n + 1) π entonces
!
−1 0
A=
0 −1
en consecuencia
2
p(λ) = (λ + 1)
Ejemplo 29
Sea
5 4 2
A= 4 5 2
2 2 2
Entonces
λ−5 −4 −2
p(λ) = −4 λ−5 −2
−2 −2 λ−2
= λ3 − 12λ2 + 21λ − 10
2
= (λ − 10) (λ − 1)
y
x −4 −4 −2 x 0
3
V (1) = y ∈ R tales que −4 −4 −2 y = 0
z
−2 −2 −1 z 0
−1 −1
2
= L 1 , 0
0 1
Ejemplo 30
Sea
4 6 6
A= 1 3 2
−1 −5 −2
Entonces
λ−4 −6 −6
p(λ) = −1 λ−3 −2
1 5 λ+2
= λ3 − 5λ2 + 8λ − 4
2
= (λ − 1) (λ − 2)
y
x −2 −6 −6 x 0
V (2) = y ∈ R3 tales que −1 −1 −2 y = 0
z
1 5 4 z 0
3
−
21
= L −2
1
Proposición 23
Prueba.
−
→ v 1 + · · · + λk−1 −
v k = λ1 −
→ →
v k−1 (*)
A−
→
v k = A (λ1 −
→
v 1 + · · · + λk−1 −
→
v k−1 ) = λ1 A−
→
v 1 + · · · + λk−1 A−
→
v k−1
y puesto que →
−
v 1, · · · , −
→
v k son vectores propios asociados a α1 , · · · , αk tenemos,
v k = λ1 α1 −
αk −
→ →
v 1 + · · · + λk−1 αk−1 −
→
v k−1 (**)
−
→
0 = λ1 (αk − α1 )−
→
v 1 + · · · + λk−1 (αk − αk−1 )−
→
v k−1
312 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Definición 15
Sea A ∈ Mn×n (R), α un valor propio de A, la dimensión del espacio V (α) se denomina
la multiplicidad geométrica de a.
Proposición 24
Prueba.
T T
Basta ver que λI − AT = (λI) − AT = (λI − A) en consecuencia si llamamos
p(λ) el polinomio caracterı́stico de A y q(λ) el polinomio caracterı́stico de AT , ten-
emos
p(λ) = |λI − A|
T
= (λI − A)
T
= (λI) − AT
= λI − AT
= q(λ)
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 313
Proposición 25
Prueba.
→
− −
→ −
→ →
− −
→
Sabemos que α ∈ R, es tal que existe X ∈ Rn , X 6= 0 tal que A X = α X en
−
→ →
−
consecuencia si k ∈ R, kA X = kα X
Proposición 26
Sea A ∈ Mn×n (R), α un valor propio de A entonces para todo entero positivo n, αn
es un valor propiode An
Prueba.
→
− → −
− → →
− →
−
Sabemos que α ∈ R, es tal que existe X ∈ Rn , X 6= 0 tal que A X = α X , es
decir la proposición es verdadera para n = 1.
→
− → −
− → →
− →
−
Suponemos que existe X ∈ Rn , X 6= 0 tal que An X = αn X y multiplicamos a
izquierda por A, en consecuencia
− → −
→
A An X = A αn X
es decir
→
− − →
An+1 X = αn A X
− →
= αn α X
→
−
= αn+1 X
→
− −
→ →
− →
− →
−
en consecuencia existe X ∈ Rn , X 6= 0 tal que para todo n ∈ Z+ , An X = αn X
Proposición 27
Prueba.
314 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Proposición 28
1
Sea A ∈ Mn×n (R), no singular y sea α un valor propio de A entonces α es un valor
propio de A−1 .
Prueba.
→
− −
→ →
− →
− →
−
Puesto que A es no singular, α 6= 0 y existe X ∈ Rn , X =
6 0 tal que A X = α X ,
multiplicamos a izquierda por A−1 y obtenemos
−→ −
→
A−1 A X = A−1 α X
es decir
−
→ →
−
A−1 A X = α A−1 X
o lo que es lo mismo
−1 −
→ 1 −→
A X = X
α
Ejemplo 31
Sea
!
1 2
A=
5 10
entonces
p(λ) = |λI − A|
λ−1 −2
=
−5 λ − 10
= λ2 − 11λ
= λ (λ − 11)
( ! ! ! !)
x 2 −1 −2 x 0
V (0) = ∈ R tales que =
y −5 −10 y 0
( !)!
−2
=L
1
y
( ! ! ! !)
x 2 10 −2 x 0
V (0) = ∈ R tales que =
y −5 1 y 0
( !)!
1
=L 5
1
El lector observará que A es singular.
Ejemplo 32
Sea
2 −1 −2
A = −2 −3 −8
1 3 7
entonces
p(λ) = |λI − A|
λ−2 1 2
= 2 λ+3 8
−1 −3 λ−7
= λ3 − 6λ2 + 11λ − 6
= (λ − 1) (λ − 2) (λ − 3)
en consecuencia sus valores propios son 1, 2 y 3, además
x −1 1 2 x 0
V (1) = y ∈ R3 tales que 2 4 8 y = 0
z
−1 −3 −6 z 0
0
= L −2
1
316 CAPÍTULO 6. TRANSFORMACIONES LINEALES
x 0 1 2 x 0
V (2) = y ∈ R3 tales que 2 5 8 y = 0
z
−1 −3 −5 z 0
1
= L −2
1
x 1 1 2 x 0
3
V (3) = y ∈ R tales que 2 6 8 y = 0
z
−1 −3 −4 z 0
−1
= L −1
1
Ejemplo 33
Sea
4 6 6
A= 1 3 2
−1 −5 −2
en el ejemplo 22 encontramos que sus valores propios son 1 y 2.
Ahora
1 − 29 − 32
−1
A = 0 − 21 − 12
− 21 7
2
3
2
y su polinomio caracterı́stico
λ−1 9 3
2 2
p(λ) = 0 λ + 21 1
2
1
− 72 λ− 3
2 2
5 1
= λ3 − 2λ2 + λ −
4 4
1 2
= (λ − 1) (2λ − 1)
4
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 317
λ − 16 −12 −24
p(λ) = −5 λ−5 −8
7 11 λ + 12
= λ3 − 9λ2 + 24λ − 16
2
= (λ − 1) (λ − 4)
y su polinomio caracterı́stico
λ − 52 −12 −72
p(λ) = −17 λ−5 −24
27 15 λ + 40
= λ3 − 17λ2 + 80λ − 64
2
= (λ − 1) (λ − 8)
Definición 16
Decimos que una matriz B ∈ Mn×n (R) es semejante o similar a una matriz A ∈
Mn×n (R) si existe P ∈ Mn×n (R) no singular y tal que B = P −1 AP.
318 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Ejemplo 34
Sean
1 1 −1 26 39 −18 1 0 −1
A = 0 −1 1 , B = −7 −9 5 y P = 3 4 −2
−1 −2 0 25 40 −17 3 5 −2
entonces
−2 5 −4
P −1 = 0 −1 1
−3 5 −4
y
−2 5 −4 1 1 −1 1 0 −1
P −1 AP = 0 −1 1 0 −1 1 3 4 −2
−3 5 −4 −1 −2 0 3 5 −2
26 39 −18
= −7 −9 5
25 40 −17
=B
es decir B es similar a A.
Ejemplo 35
Sean
7 3
4 6 6 4 4 − 34 −4 −3 0
A= 1 3 2 , B = −3 3 −1 y P = −1 −2 1
−1 −5 −2 − 13
4
7
4
1
4 4 2 0
entonces
1 3
2 0 4
P −1 = −1 0 −1
− 32 1 − 45
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 319
y
1 3
2 0 4 4 6 6 −4 −3 0
P −1 AP = −1 0 −1 1 3 2 −1 −2 1
− 23 1 − 45 −1 −5 −2 4 2 0
7 3
− 34
4 4
= −3 3 −1
− 13
4
7
4
1
4
=B
es decir B es similar a A.
Ejemplo 36
Sean
2 −1 −2 1 0 0 0 1 −1
A = −2 −3 −8 , B = 0 2 0 y P = 2 −2 −1
1 3 7 0 0 3 −1 1 1
entonces
1 2 3
P −1 = 1 1 2
0 1 2
y
1 2 3 2 −1 −2 0 1 −1
−1
P AP = 1 1 2 −2 −3 −8 2 −2 −1
0 1 2 1 3 7 −1 1 1
1 0 0
= 0 2 0
0 0 3
=B
es decir B es similar a A.
320 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Ejemplo 37
Sean
5 4 2 10 0 0 2 −1 − 12
A= 4 5 2 , B = 0 1 0 y P = 2 1 0
2 2 2 0 0 1 1 0 1
entonces
2 2 1
9 9 9
P −1 = − 49 5
9 − 29
− 29 − 92 8
9
y
2 2 1
9 9 9 5 4 2 2 −1 − 21
P −1 AP = − 49 5
9 − 29 4 5 2 2 1 0
− 29 − 29 8
9 2 2 2 1 0 1
10 0 0
= 0 1 0
0 0 1
=B
es decir B es similar a A.
Proposición 29
Prueba.
P −1 AP = B;
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 321
en consecuencia
P BP −1 = A
es decir existe Q = P −1 tal que
Q−1 BQ = A
es decir A es similar a B.
iii Transitiva. Suponemos A similar a B y B es similar a C es decir existen P, Q
inversibles y tales que
P −1 BP = A y Q−1 CQ = B
en consecuencia
P −1 Q−1 CQ P = A
es decir
P −1 Q−1 C (QP ) = A
lo que significa que existe (QP ) inversible tal que
−1
(QP ) C (QP ) = A
es decir A es similar a C.
Proposición 30
Prueba.
322 CAPÍTULO 6. TRANSFORMACIONES LINEALES
Proposición 31
Prueba.
Q−1 AT Q = B T
Proposición 32
Prueba.
Proposición 33
Prueba.
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 323
Proposición 34
Prueba.
Proposición 35
Prueba.
Ejercicio para el lector.
Definición 17
Una matriz A ∈ Mn×n (R) se dice diagonalizable si y solo si existe una matriz
diagonal D tal que A es similar a D.
Proposición 36
Ejemplo 38
Sea
1 2 3 4
1 2 3 4
A=
1 2 3 4
1 2 3 4
entonces
p (λ) = |λI − A|
λ−1 −2 −3 −4
−1 λ−2 −3 −4
=
−1 −2 λ−3 −4
−1 −2 −3 λ−4
= λ4 − 10λ3
= λ3 (λ − 10)
6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACION 325
x 10 − 1 −2 −3 −4 x 0
y −1
10 − 2 −3 −4
y
0
V (10) = =
z −1 −2 10 − 3 −4 z 0
w −1 −2 −3 10 − 4 w 0
x 9 −2 −3 −4 x 0
y −1 8 −3 −4 y 0
= =
z −1 −2 7 −4 z 0
w −1 −2 −3 6 w 0
x 9 −2 −3 −4 x 0
y −1 8 −3 −4 y 0
= =
z −1 −2 7 −4 z 0
w −1 −2 −3 6 w 0
x 1 0 0 −1 x 0
y 0 1 0 −1 y 0
= =
z 0 0 1 −1 z 0
w 0 0 0 0 w 0
1
1
= L
1
1
x 0 − 1 −2 −3 −4 x 0
y −1 0 − 2 −3
−4
y 0
V (0) = =
z −1 −2 0 − 3 −4 z 0
w −1 −2 −3 0 − 4 w 0
x −1 −2 −3 −4
x 0
y −1 −2 −3 −4 y 0
= =
z −1 −2 −3 −4 z 0
w −1 −2 −3 −4 w 0
x 1 2 3 4 x 0
y 0 0 0 0 y 0
= =
z 0 0 0 0 z 0
w 0 0 0 0 w 0
−2 −3 −4
1
0 0
= L , ,
0 1 0
0 0 1
en consecuencia
1 1 3 2
1 −2 −3 −4 10 5 10 5
1 1 0 0 1
− 10 4 3
− 10 − 52
P = , P −1 = 1
5
1 0 1 0 − 10 − 51 7
10 − 52
1
1 0 0 1 − 10 − 51 3
− 10 3
5
y
1 1 3 2
10 5 10 5 1 2 3 4 1 −2 −3 −4
1
− 10 4 3
− 10 − 52 1 2 3 4 1 1 0 0
P −1 AP = 1
5
− 10 − 51 7
10 − 52 1 2 3 4 1 0 1 0
1
− 10 − 51 3
− 10 3
5 1 2 3 4 1 0 0 1
10 0 0 0
0 0 0 0
=
0 0 0 0
0 0 0 0
El lector verificará que los ejemplos 30 y 31 se usó el proceso descrito en la proposición
para obtener los resultados.