Introducción Al Álgebra Lineal, Roland E. Larson

Introducción
al Álgebra
Lineal
Roland E. Larson
UniversidadEstalül de Pcnsilvania
Bruce H. Edwards
Universidad de Florida
0 LIMUSA
N O R IE G A ED IT O R fiS
MÉXICO • E s p añ a « V e n e z u e l a • C o l o m b i a
V e r s ió n a u t o r iz a d a e n e s p a ñ o l d e l a o b r a
P U B L IC A D A E N IN G L É S C O N E L T IT U L O :
E L E M E N T A R Y L IN E A R A L G E B R A
© D .C . H e a t h a n d C o m p a n y .
C o l a b o r a d o r e n l a t r a d u c c ió n :
H U G O V IL L A G Ó M E Z V E L Á Z Q U E Z
L a. p r e s e n t a c i ó n y d i s p o s i c i ó n e n c o n j u n t o d e
IN T R O D U C C IÓ N A L Á L G E B R A L IN E A L
SO N P R O P IE D A D D E L E D IT O R . N lN G U N A PARTE DE ESTA O B R A
P U E D E SER R E P R O D U C ID A O T R A N S M IT ID A , M EO IA N TE N IN G Ú N
S IS T E M A O M É T O D O , E LEC T R Ó N IC O O M E C A N IC O (INCLUYENDO
EL FO T O C O P IA D O , L A G R A B A C IO N O C U A LQ U IE R S IS T E M A DE
R E C U P E R A C IÓ N Y A L M A C E N A M IE N T O D E IN F O R M A C IÓ N ), SIN
C O N S E N T IM IE N T O PO R E S C R IT O D a E D IT O R .
D erechos reservados:
© 2 0 0 4 . E D ITO R IA L LIM U SA, S.A. d e C.V.

G R U P O N O R IE G A E D IT O R E S
B a l d é r a s 95 . M é x i c o , D.F.
C.P. 0 6 0 4 0
m 8503 8050
0 1 (8 0 0 ) 7 0 6 9 1 0 0
5512 2903
... limusa@noriega.com.mx
www.noriega.com.mx
C A N IE M N um . 121
H e c h o e n M é x ic o
IS B N 9 6 8 -1 8 -4 8 8 6 -1
Prólogo
E s te lib ro e s tá d is e ñ a d o p a r a u s a rlo en un c u r s o in tro d u c to rio d e á lg e b r a lineal.

L o s e s tu d ia n te s típ ic o s de tal c u r s o se e s p e c ia liz a rá n e n in g e n ie ría , c o m p u ta c ió n ,
m a te m á tic a s , e c o n o m ía o c ie n c ia s. A u n q u e el te x to e s u n a in tro d u c c ió n al á lg e b ra
lineal a nivel de s e g u n d o o te rc e r a ñ o d e e s tu d io s s u p e rio re s , e s s u f ic ie n te m e n te
fle x ib le p a ra a ju sta rs e a o tra s s itu a c io n e s . H a y s u fic ie n te s a p lic a c io n e s p a r a u sar
el te x to e n un c u r s o o r ie n ta d o a éstas. El m ateria l s o b re c o m p u ta c ió n d e los c a
p ítu lo s 8 y 10 d e b e r e m a rc a r s e en un c u r s o d e a p lic a c io n e s n u m é r ic a s . El te x to es
s u f ic ie n te m e n te rig u ro s o p a ra a q u e llo s in s tru c to re s q u e p r e fie ra n un c u r s o co n
d e m o s tr a c io n e s . P a ra un c u r s o o r ie n ta d o a la c o m p u ta c ió n , en el c a p í t u l o 6 se p r e
s e n ta n g rá fic a s p o r c o m p u ta d o r a y e s tá d is p o n ib le el m a te ria l c o m p le m e n ta r io
C o m p u te r A p p lic a tio n s y el s o ftw a r e M a trix P a d p a r a m ic ro c o m p u la d o r a s .
P a ra m u c h o s e s tu d ia n te s e s te c u rs o re p re s e n ta el p r im e r e n c u e n tr o c o n el f o r
m a l i s m o m a te m á tic o . P o r ello, la teo ría se h a e q u ilib r a d o c u i d a d o s a m e n t e c o n
e je m p lo s , a p l i c a c i o n e s e in tu ic ió n g e o m é tr ic a . L o s c o n ju n to s d e e je r c ic io s c o n d e
nen p r o b le m a s ru tin a rio s d e c o m p u ta c ió n y o tro s m á s te ó ric o s y q u e n e c e s ita n
m u c h o in g e n io .
A l e s c r ib i r e l texto, el p rin c ip a l o b je tiv o fue p r e s e n ta r las id eas m á s im p o rta n te s
del á lg e b r a lineal de m a n e r a cla ra y c o n c is a . El o rd e n y a m p litu d d e los te m a s
fu ero n e le g id o s c o n la in ten ció n de lo g ra r el m á x im o de r e n d im ie n to y e q u ilib rio .
E n las a p lic a c io n e s q u e se e n c u e n tr a n al final de los p r im e r o s o c h o c a p ítu lo s se
p r e s e n ta u n a a m p lia v a rie d a d d e m ateria l in te re s a n te y d e m o tiv a c ió n . In c lu siv e ,
si a lg ú n in s tr u c to r d e c id e n o c u b r ir las a p lic a c io n e s , los e s tu d ia n te s v e rá n esta s
s e c c io n e s y se d a r á n c u e n ta q u e el te m a es d e b a s ta n te u tilid ad .
L a p a r te m e d u la r del lib ro es el c a p ítu lo 4. A h í s e p r e s e n ta n las id e a s p ri
m o rd ia le s d e los e s p a c io s y b a s e s v e cto riales. El c a p ítu lo e m p i e z a c o n u n b re v e
e s tu d io d e R 2 y d e R s, lo c u a l c o n d u c e al c o n c e p t o de e s p a c io v e c to ria l c o m o u n a
e x te n s ió n n a tu ra l de e s to s e je m p lo s c o n o c id o s . A m e n u d o , e s te m a te ria l e s el q u e
m á s se d ific u lta a los e s tu d ia n te s ; el e n f o q u e a p lic a d o a los c o n c e p t o s d e in d e
p e n d e n c ia lineal, g e n e r a c ió n , b a s e y d i m e n s ió n se e x p lic a c u i d a d o s a m e n te y co n
a b u n d a n te s e j e m p lo s ilu strativ o s.
5
6 Prólogo
C aracterísticas del Texto

C a m b io s en la s e g u n d a ed ició n en inglés, p rim e ra ed ició n en e sp a ñ o l. A p e
tició n de v a rio s u s u a rio s d e la p r im e r a e d ic ió n , se a g r e g a ro n d o s c a p ítu lo s n u ev o s:
el c a p ítu lo 9, s o b re e s p a c io s v e c to ria le s c o m p le jo s y el c a p ítu lo 10 d e p r o g r a m a
c ió n lineal.
T e o re m a s y d e m o s tr a c io n e s : Se h iz o el m á x im o e s f u e r z o p a ra p la n te a r los te o
r e m a s en le n g u a je c o m p r e n s ib le , casi s ie m p r e p r e c e d id o s p o r e x p lic a c io n e s y
s e g u id o s d e e je m p lo s .
L a s d e m o s t r a c i o n e s d e los t e o r e m a s se a b o r d a r o n d e v a r ia s f o rm a s . C u a n d o
se c o n s id e ra p e d a g ó g ic a m e n t e im p o rta n te , las d e m o s tr a c io n e s se p r e s e n ta n co n
to d o s los d e ta lle s n e c e s a rio s . O tra s v e c e s , s ó lo se b o s q u e ja n las d e m o s tr a c io n e s ,
o m i t i e n d o los c á lc u lo s e n g o r r o s o s . P a ra q u e los e s tu d ia n te s a d q u ie r a n p rá c tic a en
el d e s a r r o llo d e las d e m o s tr a c io n e s , las d e v a rio s te o r e m a s (o de p a rte s de t e o
r e m a s ) s e d e ja n c o m o e je rc ic io s. En el a p é n d ic e se d a n a lg u n a s d e las d e m o s t r a c i o
n es m á s c o m p lic a d a s . S e h a n o m itid o p o r c o m p le to a q u e lla s e x c e p c i o n e s q u e
re b a s a n el nivel d e e s te te x to in tro d u cto rio .
A p lic a c io n e s: L a ú ltim a s e c c ió n d e c a d a u n o de los o c h o p r im e r o s c a p ítu lo s está

d e d ic a d a a a p lic a c io n e s del á lg e b ra lineal. L a c o b e r tu ra d e este m a te ria l s e d e ja
al c r ite rio d el in s tr u c to r y n o e s n e c e s a ria en c a p ítu lo s u lte rio re s . S e ha d a d o una
a m p lia g a m a d e a p lic a c io n e s in te re s a n te s y s u s ta n tiv a s q u e c u b r e n g rá fic a s p o r
c o m p u ta d o r a , c rip to g ra fía , e c u a c io n e s d ife re n c ia le s , c r e c im ie n to p o b la c io n a l,
a p r o x im a c io n e s p o r m ín im o s c u a d r a d o s y a p r o x im a c io n e s de F ó u rie r. En el c a p í
tu lo 10 s e d e c id ió in te g ra r las a p lic a c io n e s co n la p r e s e n ta c ió n d e la p r o g r a m a
c ió n lineal.
E je m p lo s: El n ú c le o de la p r e s e n ta c ió n e s tá in te g ra d o p o r m á s d e 4 5 0 e je m p lo s
c u i d a d o s a m e n t e e le g id o s. L o s c o n c e p to s n u e v o s se ilu stran de in m e d ia to co n
e je m p lo s re le v a n te s.
E jercicio s: El te x to c o n tie n e m ás de 2 7 5 0 e je rc ic io s. C a d a c o n j u n t o d e e je rc ic io s
e m p i e z a co n e je rc ic io s d is e ñ a d o s para a d q u ir ir la h a b ilid a d q u e p r o p o r c io n a la
p rá c tic a e n las té c n ic a s de c á lc u lo p r e s e n ta d a s en la s e c c ió n c o rre s p o n d ie n te . A
c o n tin u a c ió n , h a c ia el final d e la m a y o r p a rte de c o n ju n to s d e e je rc ic io s, se han
in c lu id o v a rio s e je r c ic io s d e n a tu ra le z a teó ric a. Al final d e casi lo d o s los c a p ítu lo s
se h an in c lu id o o tro s d o s c o n ju n to s de e je rc ic io s. L o s eje rc ic io s d e rep a so c o n s
titu y e n u n a m p lio c o n ju n to de p r o b le m a s q u e r e s u m e n las i m p o rta n te s h a b ilid a
d e s lo g ra d a s en el c a p ítu lo . L os ejercicio s c o m p lem en ta rio s tie n e n v ario s p r o b le
m a s en los q u e se n e c e s ita u s a r el in g en io , a s í c o m o p r o b le m a s de re p a so p a ra las-
s e c c i o n e s d e a p l i c a c i o n e s o p ta tiv a s . L o s e j e r c ic io s p a r a los c u a le s s e ría útil u n a
Prólogo 7
com putadora están indicados con el sím bolo de disquete usado en co m p u

tación, H .
Respuestas a los ejercicios impares: Se hizo el m áx im o esfuerzo por presentar las

respuestas correctas a los ejercicios. Por razones de exactitud, cad a respuesta se
com probó tres veces.
G ráficas : El texto contiene casi 350 figuras. Se tuvo especial cuidado en producir
gráficas exactas con auxilio de técnicas d e elaboración de gráficas por c o m p u
tadora.
A n teced en tes : A s í co m o para la m ay o r parte de los cursos introductorios de

m atem áticas a nivel universitario, para este texto el antecedente m ás im portante
'o constituye el álgebra. T am bién se supone que ya se tienen conocim ientos de
geom etría analítica y trigonom etría. Para este curso no se requiere Cálculo; au n
que se presentan varios ejem plos y ejercicios cuya solución lo requiere, se han
identificado claram ente y es posible omitirlos sin pérdida de continuidad.
Notas históricas : C ada capítulo em pieza con un bosquejo biográfico de algún

m atem ático que contribuyó al avance del álgebra lineal.
M aterial com plem entario: El texto se com plem enta con material impreso. La
Student Solutions Cuide, de T im othy R. Larson, contiene las soluciones de casi
la m itad de los ejercicios impares. Para los instructores, las A nsw ers to Even-
N um bered E xercisesy la Complete Solutions Cuide están a la venta e n e l m ercado.
Para aquellos instructores interesados en otras aplicaciones del álgebra lineal a la
com putación, se ha preparado un capítulo com plem entario titulado Computer
Applications. Este com plem en to contiene una introducción a las coordenadas
hom ogéneas en dos y tres dim ensiones, así com o una introducción a varillas
cúbicas flexibles.
Softw are de m icrocom putadora: M orris Orzech, de la Universidad Q ueen de

Ontario, Canadá, ha revisado para la segunda edición en inglés del libro, el
disquete denom inado M atrixPad. Este disquete opera en una IBM-PC®* y se
incluye en el U ser’s M anual. El uso del disquete es optativo, aunque es posible
que al utilizarlo instructores y estudiantes obtengan grandes beneficios.
Softw are de prueba: HealhTest para la edición en inglés de este libro, es un banco
de preguntas de opción múltiple y para com pletar que perm ite a los instructores
elaborar exám enes para sus grupos. Tam bién existe en el m ercado un archivo
impreso (Test Item File)** con m ás de cuatrocientos reactivos.
* IB M es una marca registrada de International Business Machines Corporation.

* * Disponible sólo en idioma inglés.
8 Prólogo
G uide fo r th e In stru c to r* (Guía p a ra el In stru cto r)

E l te x to e s tá d is e ñ a d o p a ra un c u r s o d e un trim e s tre o un s e m e s tre . L a p arle m e
d u l a r d e l m a t e r i a l la c o n s t i t u y e n lo s c i n c o p r i m e r o s c a p í t u l o s .
E l c a p ítu lo 1 a b a r c a t é c n i c a s e l e m e n t a l e s p a r a r e s o l v e r s i s t e m a s d e e c u a c i o n e s
l i n e a l e s y e l c a p ítu lo 2 c u b r e la s p r o p i e d a d e s f u n d a m e n t a l e s d e l a s m a t r i c e s . E n
e l c a p í t u l o 3 s e p r e s e n t a n lo s d e t e r m i n a n t e s m e d i a n t e el d e s a r r o l l o p o r c o f a c t o r e s .
S e d e c i d i ó n o a b o r d a r la s p e r m u t a c i o n e s e n e s t e n i v e l e l e m e n t a l .
E n el c a p ítu lo 4 s e i n t r o d u c e n lo s e s p a c i o s v e c t o r i a l e s e n su f o r m a p u r a . T o d o s
lo s c o n c e p t o s r e l a c i o n a d o s c o n p r o d u c t o s i n t e r i o r e s ( l o n g i t u d d e u n v e c t o r , d i s
t a n c i a y á n g u l o f o r m a d o p o r u n v e c t o r ) s e p o s p o n e n h a s t a el c a p í t u l o 5 .
E l c a p ítu lo 5 e m p i e z a c o n el c o n o c i d o p r o d u c t o p u n t o e n A’", lo c u a l c o n d u
c e a l o s e s p a c i o s g e n e r a l e s d e p r o d u c t o i n t e r i o r . S e e n c o n t r ó q u e lo s e s t u d i a n t e s
a p r e n d e n m e j o r e s t o s c o n c e p t o s c u a n d o s e p r e s e n t a n p o r s e p a r a d o d e las i d e a s d e
e s p a c i o s v e c t o r i a l e s p u r o s d e l c a p í t u l o 4.
E l c a p ítu lo 6 a b a r c a la s i d e a s b á s i c a s d e las t r a n s f o r m a c i o n e s l i n e a l e s e n R" y
e x t i e n d e la s i d e a s a e s p a c i o s v e c t o r i a l e s g e n e r a l e s .
E s t e m a t e r i a l n o e s e s e n c i a l p a r a el e s t u d i o d e l o s v a l o r e s c a r a c t e r í s t i c o s e n el
c a p ítu lo 7, q u e p u e d e n a b o r d a r s e i n m e d i a t a m e n t e d e s p u é s d e l c a p í t u l o 4 . E n
p a r t i c u l a r , lo s v a l o r e s c a r a c t e r í s t i c o s se p r e s e n t a n s i g u i e n d o u n p l a n t e a m i e n t o
p u r a m e n t e m a t r i c i a l ; e s t á n r e l a c i o n a d o s c o n t r a n s f o r m a c i o n e s s ó l o al f in a l d e
c a d a se c c ió n .
E n el c a p ítu lo 8 s e p r e s e n t a n a l g u n o s m é t o d o s n u m é r i c o s d e l á l g e b r a l i n e a l .
E l a n á l i s i s a b a r c a la e l i m i n a c i ó n g a u s s i a n a c o n p i v o t e o p a r c i a l , m é t o d o s i t e r a t i
v o s p u r a s i s t e m a s l i n e a l e s y el m é t o d o d e la s p o t e n c i a s p a r a v a l o r e s c a r a c t e r í s t i
c o s . E s t o s t e m a s p u e d e n a b o r d a r s e c u a n d o s e j u z g u e n e c e s a r i o , o b ie n , p u e d e n
o m itirse.
E l c a p ítu lo 9, E s p a c i o s V e c t o r i a l e s C o m p l e j o s , e s n u e v o e n la s e g u n d a e d i c i ó n
e n i n g l é s . E m p i e z a c o n la i n t r o d u c c i ó n d e lo s n ú m e r o s c o m p l e j o s y , a c o n t i n u a
c i ó n , s e c o m p a r a e l p a p e l d e la s m a t r i c e s s i m é t r i c a s s o b r e lo s n ú m e r o s r e a l e s y el
d e la s m a t r i c e s h e r m i t i a n a s s o b r e l o s n ú m e r o s c o m p l e j o s . E l c a p í t u l o 9 p u e d e
e s t u d i a r s e d e s p u é s d e l c a p í t u l o 7 ( n o d e p e n d e d e l c a p í t u l o 8 ).
E l c a p ítu lo 10, P r o g r a m a c i ó n L i n e a l , t a m b i é n e s n u e v o e n la s e g u n d a e d i c i ó n
e n i n g l é s . I n i c i a c o n u n e n f o q u e g e o m é t r i c o d e la p r o g r a m a c i ó n l i n e a l y , l u e g o ,
s e p r e s e n t a n e n f o q u e s n u m é r i c o s e n l o s q u e s e a p l i c a el m é t o d o s i m p l e x . El
c a p í t u l o 10 p u e d e a b o r d a r s e c u a n d o s e j u z g u e c o n v e n i e n t e d e s p u é s d e h a b e r
e s t u d i a d o el c a p í t u l o 2 .
Prólogo 9
A gradecim ientos
N o s g u s ta ría a g r a d e c e r a to d a s las p e rs o n a s q u e n o s a y u d a r o n d u r a n te la p r e p a r a
c ió n d e e s te libro. N u e s tro a g r a d e c im ie n to e s p e c ia l a los r e v is o r e s sig u ie n te s :
R ic h a rd C. B o llin g e r, U n iv e rs id a d E statal d e P e n n s y lv a n ia
J o se p h C. F errar, U n iv e r s id a d E statal d e O h io
M a rjo rie A. F iltin g , U n iv e r s id a d E statal S an J o sé
D a v id A. H o r o w itz , G o ld e n W e s t C o lle g e
R o g e r H. M a rty , U n iv e r s id a d E statal d e C le v e la n d
D a v id A. W e in b e r g , U n iv e r s id a d T e c n o ló g ic a de T e x a s
T a m b i é n q u e r e m o s e x p r e s a r n u e stra g ra titu d a to d o el p e rso n a l de D. C. H e a th

an d C o m p a n y q u e tra b a jó c o n n o s o tro s e n la e la b o r a c ió n d e este te x to , e s p e c i a l
m en te a A n n M a rie J o n e s , J e fa d e a d q u is ic io n e s m a te m á tic a s ; C a th y C a n tin , Je fa
d e d e s a rro llo ; R o n H a m p to n , Je fe d e p r o d u c c ió n ; C a r o ly n J o h n s o n , A s o c ia d a
e d ito ria l; C o r n e lia B o y n to n , D is e ñ a d o ra ; y L isa A rc e s e , C o o r d i n a d o r a d e p r o d u c
ción.
En el p ro y e c to tra b a ja ro n m u c h a s o tra s p e rs o n a s ; a p r e c ia m o s su a y u d a . T i-
m o th y R. L a rs o n p r e p a ró la p arte artística, r e s o lv ió los e je rc ic io s, le y ó el m a
n u sc rito y e s c rib ió la S tu d en l S o lu tio n s C uide. L in d a L. K ife r c o r rig ió g a le ra s;
L in d a M . B o llin g e r m e c a n o g r a f ió el m a n u s c rito y la S tu d en t S o lu tio n s C u id e ,
a d e m á s d e c o r re g ir las g a le ra s. R a n d a ll H a m m o n d y P a u la S ib e to tr a b a ja ro n los
e je rc ic io s. R ic h a rd B a m b a u e r a y u d ó en la p re p a ra c ió n del tra b a jo artístic o . D ee
C r e n s h a w - C r o u c h e la b o r ó los d ib u jo s d e los m a te m á tic o s .
A nivel p e rso n a l, a g r a d e c e m o s a n u e s tra s e s p o s a s , D e a n n a G ilb e rt L a rs o n y
C o n s u e lo E d w a r d s , p o r su a m o r, p a c ie n c ia y a p o y o . T a m b i é n , q u e r e m o s a g r a d e
cer d e m a n e r a e s p e c ia l a R. S co tt O ’N eil.
Si el lecto r tie n e s u g e re n c ia s p a ra m e jo ra r este lib ro , le p e d im o s q u e n o s las
h a g a llegar.
R o la n d E. L a rs o n
B ru c e H. E d w a rd s
Contenido
Capítulo1 Sistemas de Ecuaciones Lineales

B o sq u ejo B io g rá fic o de C ari F ried rich G auss
1.1 In tr o d u c c ió n a los S is te m a s d e E c u a c io n e s L in e a le s 16
1.2 E lim in a c ió n G a u s s ia n a y E lim in a c ió n d e G a u s s - J o r d a n
1.3 A p lic a c io n e s d e los S is te m a s de E c u a c io n e s L in e a le s 42
E je rc ic io s d e R e p a s o 56
E je rc ic io s C o m p le m e n ta r io s 58
Capítulo 2 Matrices
B o sq u ejo B io g rá fico de A rth u r C ay ley
2.1 O p e r a c io n e s c o n M a tr ic e s 62
2 .2 P r o p ie d a d e s de las O p e r a c io n e s co n M a tr ic e s 74
2 .3 L a I n v e rs a d e u n a M a tr iz 88
2 .4 M a tric e s E le m e n ta le s 102
2 .5 A p lic a c io n e s d e las O p e r a c io n e s c o n M a tr ic e s 111
E je rc ic io s d e R e p a so 130
Capítulo 3 Determinantes
B o sq u ejo B io g rá fico d e A u g u stin -L o u is C au ch y
3.1 El D e te r m in a n te de u n a M a triz 138

3 .2 E v a lu a c ió n d e un D e te r m in a n te p o r M e d io
d e O p e r a c io n e s E le m e n ta le s 148
12 C ontenido
3 .3 P r o p ie d a d e s d e lo s D e te r m in a n te s 157
3 .4 A p l i c a c i o n e s d e lo s D e t e r m i n a n t e s 166
E je rc ic io s C o m p le m e n ta rio s 184
Capítulo 4 Espacios Vectoriales 187

B o s q u e jo B io g r á fic o d e W illicim R o w a n H c im ilto n
4 .1 V e c to re s e n R" 188
4 .2 E sp a c io s V ecto riales 199
4 .3 S u b e sp a c io s d e E sp acio s V e c to ria le s 207
4 .4 C o n ju n to s G e n e ra d o re s e In d e p e n d e n c ia L in e a l 217
4 .5 B ase y D im e n sió n 231
4 .6 R a n g o de u n a M a triz y S iste m a s d e E c u a c io n e s L in e a le s 243
4 .7 C o o rd e n a d a s y C a m b io de B ase 258
4 .8 A p l i c a c i o n e s d e lo s E s p a c i o s V e c t o r i a l e s 268
Capítulo 5 Espacios con Producto Interior 285

B o s q u e jo B io g r á fic o d e J e a n - B a p fis le J o s e p h F o u r ie r
5 .1 L o n g itu d y P ro d u c to P u n to en R " 286

5 .2 E s p a c io s co n P ro d u c to In te rio r 300
5 .3 B ases O rlo n o rm ales: P ro c e d im ie n to d e G ra m -S c h m id t 314
5 .4 A p l i c a c i o n e s d e lo s E s p a c i o s c o n P r o d u c t o I n t e r i o r 3 3 0
Capítulo 6 Transformaciones Lineales 353

Contenido 13
6-2 El N ú c le o y el C o n tr a d o m in io d e u n a T r a n s f o r m a c i ó n L in e a l 3 6 8
63 M a tr ic e s de T r a n s f o r m a c io n e s L in e a le s 383
6 .4 M a tr ic e s d e T r a n s ic ió n y S e m e ja n z a 396
6 .5 A p lic a c io n e s d e las T r a n s f o r m a c io n e s L in e a le s 404
E je rc ic io s C o m p le m e n ta r io s 4 20
capsulo7 Valores Característicos y

Vectores Característicos 423
B o sq u e jo B io g rá fic o de J a m e s J o sep h S y lv este r
7.1 V a lo re s C a r a c te r ís tic o s y V e c to r e s C a r a c te r ís tic o s 424

7 .2 D ia g o n a liz a c ió n 438
7.3 M a tric e s S im é tric a s y D ia g o n a liz a c ió n O r to g o n a l 450
7.4 A p lic a c io n e s de lo s V a lo r e s C a r a c te r ís tic o s y de
los V e c to re s C a r a c te r ís tic o s 463
■capítulo8 Métodos Numéricos 487

B o sq u ejo B io g rá fico d e C ari G u sta v J a c o b J a c o b i
8.1 E lim in a c ió n G a u s s ia n a c o n P iv o te o P a rc ia l 488

8.2 M é to d o s Ite ra tiv o s p a ra R e s o lv e r S is te m a s L in e a le s 4 9 6
8.3 M é to d o d e P o te n c ia s p a r a A p r o x im a r
V a lo r e s C a r a c te r ís tic o s 505
8 .4 A p lic a c ió n de los M é to d o s N u m é r i c o s 515
Capítulo 9 Espacios Vectoriales Complejos 533

B o sq u ejo B io g rá fic o d e C h a rles H erm ite
9.1 N ú m e r o s C o m p le jo s 534
9 .2 C o n ju g a d o s y D iv isió n d e N ú m e r o s C o m p le jo s 543
14 C ontenido
9 .3 F o rm a P o lar y T e o re m a de D e M o iv re 550
9 .4 E sp a c io s V e c to ria le s C o m p le jo s y P ro d u c to s In te rio re s 561
9 .5 M a tric e s U n ita ria s y H e rm itia n a s 570
Capítulo 10 Programación Lineal 587

B o s q u e jo B io g r á fic o d e J o h n vori N e u m a n n
10.1 S is te m a s d e D e s ig u a ld a d e s L in e a le s 588
1 0 .2 P r o g ra m a c ió n L in ea l c o n D o s V a ria b le s 597
1 0 .3 El M é to d o S im p le x : M a x im iz a c ió n 608
1 0 .4 El M é to d o S im p le x : M in im iz a c ió n 627
1 0 .5 El M é to d o S im p le x : R e s tric c io n e s M ix ta s 642
E je rc ic io s d e R ep a so 655
Apéndice Dem ostraciones de Teoremas Selectos A 1
R espuestas a los Ejercicios Impares A9

índice ,1 79
Capítulo 1
Sistemas de Ecuaciones Lineales

i 1 Introducción a los Sistemas de Ecuaciones Lineales
1 2 Eliminación Gaussiana y Eliminación de Gauss-Jordan
1.3 Aplicaciones de los Sistemas de Ecuaciones Lintales
Cari Friedrich Gauss

1777-1855
Cari Friedrieb Gauss a menudees consi

derado, con Arquímedes y Newton, uno de
los más grandes matemáticos de ia historia.
Gauss ganó desde muy joven su repu
tación como “príncipe de las matemáticas”.
A la edad de 18 años inventó el método de
mínimos cuadrados y a los 19 demostró que
un polígono de 17 lados se puede construir
con solamente regla y compás. En su tesis
doctoral, Gauss demostró el Teorema Fundamental del Álgebra.
El hito del trabajo de Gauss en geometría diferencial surgió de su interés en
topografía y cartografía. También hizo muchas otras contribuciones al álgebra, fun
ciones complejas y teorías de potencial.
Gauss escribió mucho más de lo que publicó. Guardó archivos de muchos artículos
no publicados que consideraba incompletos, poco elegantes, no rigurosos o inconcisos.
Quienes más tarde leyeron estos documentos opinan en general que Gauss era
demasiado exigente con su propio trabajo. Sus artículos inéditos cubrieron el trabajo
de dos campos principales: teoríade las funcioneselípticasy geometría no euclideana.
Además de las matemáticas. Gauss tenía un profundo interés en las ciencias
físicas, especialmente en astronomía; mantuvo su nombramiento como profesor de
astronomía en la Universidad de Gotinga por cas» 50 años. Una de sus publicaciones
más conocidas en esta área es la Teoría del movimiento de ios cuerpos celestes, de
1809. Gauss también obtuvo gran renombre por su investigación en magnetismo
teórico y experimental. Ayudó a mejorar las técnicas existentes en telegrafía y creó
un nuevo modelo para manejar problemas de óptica.
15
16 Capítulo I Sistemas de Ecuaciones Lineales
1.1 ▲ In troducción a los S iste m a s de E cuaciones L ineales

El álgebra lineal es una rama de la matemática abundante en teoría y aplicaciones. Este
texto hace un balance entre la teoría y la práctica. Debido a que el álgebra lineal surgió del
estudio de los sistemas de ecuaciones lineales, se empezará con éstas. A unque el lector esté
familiarizado con algo de material de este capítulo, se sugiere estudiar cuidadosamente
los métodos aquí presentados. Así, se cultivará y aclarará la intuición para el estudio del
material más abstracto que se presentará después.
El estudio del álgebra lineal necesita conocimientos de álgebra, geometría analítica y
trigonometría. Algunas veces se encontrarán ejemplos y ejercicios que requieren conoci
mientos de cálculo; éstos se marcan con claridad en el texto.
Al em pezar el estudio del álgebra lineal se descubrirá que muchos de los métodos de
solución implican docenas de pasos aritméticos; por tanto, es esencial esforzarse para
evitar errores por descuido.
Ecuaciones Lineales en n V ariables

Recuerde, de la geometría analítica, que la ecuación de una recta en el plano es de la forma
í7,.t + a2y = b, a y a2 y b son constantes.
Esta ecuación se denomina ecuación lineal en dos v a ria b le s x y y. De manera semejante,

la ecuación de un plano en el espacio tridimensional es de la forma
a¡x + a2y + a3z = b, a y a2, a3 y b son constantes.

Esta ecuación se denomina ecu ació n lineal en tr e s v ariables, x, y y z- En general, una
ecuación lineal en n variables se define como se muestra a continuación.
------------------------------------------------------------------------
Definición de una Ecuación lineal en n Variables

Una ecu ació n lin eal e n n v a r ia b le s x ., x v x y . .>,* es de la forma
■
a tx l + fljXj + a¡x3 + . . . + ajcH= b.
Los co eficien tes a v a2, a y . . an son núm eros reales y el té r m in o c o n s ta n te b es
un núm ero real. El núm ero a , e s el coeficiente p rin c ip a l y x y es la v a r ia b le
p rin c ip a l.
Observación: Para representar constantes se usan las primeras letras del alfabeto y para
representar variables se usan las últimas letras del alfabeto.
Las ecuaciones lineales no tienen productos o raíces de variables; tam poco variables
que aparezcan en funciones trigonométricas, exponenciales o logarítmicas. Las varia»
Sección 1.1 Introducción u los Sixtemos de Ecuaciones Lineales 17
lili i «parecen solamente elevadas a la primera potencia. El ejemplo 1 lista algunas ecua-
• lunes lineales y otras que no lo son.
► h/rtuplo I Ejemplos de Ecuaciones Lineales y de Ecuaciones no Lineales

I n siguientes ecuaciones son lineales.
a) U+2.v = 7 b) ^ x + y - 7tz = '/2
i ) t, - 2 j 2 + lOx, + x4 = 0 d) ^sen ^ ^ .r , - 4x2 = e2
I e. siguientes ecuaciones no son lineales.
NI x y + 1 e 2 b) e x - 7y = 4
» ) non x. + Z t , - 3.t, = 0 d) 1 + 1 = 4 ^
x y
Ulta solución de una ecuación lineal en n variables es una sucesión de n números reales
i ,, v j, s v ...,s n ordenados de modo que la ecuación se cumple cuando en ésta se sustituyen
lol valores
A’l = .V|, X2 = .V2> *3 = .V3, ..., X" = Sn
Por ejemplo, la ecuación
x t + Zr2 = 4
nc cum ple cuando a , = 2 y x2 = 1. Otras soluciones son a , = - 4 y x2 = 4, a , = 0 y a 2 = 2,
V *, « - 2 y *2 = 3.
Hl conjunto de todas las soluciones de una ecuación lineal se denom ina su c o n ju n to
•mlución y cuando éste se determina, se dice que se ha resu elto la ecuación. Para describir
todo el conjunto solución de una ecuación lineal, a m enudo se utiliza una re p re s e n ta c ió n
p n ra n ic tríc a , com o se ilustra en los ejemplos 2 y 3.
► Ejemplo 2 Representación Rara m étrica de un Conjunto Solución

Resolver la ecuación lineal a, + Zr2 = 4.
Solución: Para determinar el conjunto solución de una ecuación en dos variables, una de
ellas se expresa en términos de la otra. Por ejemplo, si a , se expresa en términos de a 2, se
obtiene
Xj = 4 - 2 a 2 .
I)c esta forma, la variable x 2 es libre, lo cual significa que puede asumir cualquier valor
real, en tanto que a , no es libre, ya que su valor depende del valor asignado a a , . Para
representar la infinidad de soluciones de esta ecuación, es conveniente introducir una
tercera variable t, denom inada p a r á m e tro . Así, con .r2 = / se puede representar el conjunto
solución como
a, = 4 - 2/, x2 = /, t es cualquier núm ero real.
Las soluciones particulares se pueden obtener al asignar valores al parámetro/. Porejerr

/ = ¡ da la solución a, = 2 y x 2 = 1 y / = 4 da la solución a , = - 4 y a , = 4.
El conjunto solución de una ecuación lineal puede representarse paramétricamenu

más de una forma. Así, en el ejemplo 2 pudo haberse elegido a a , com o la variable li
La representación paramélrica del conjunto solución habría entonces tom ado la forr
a , = s, x 2 = 2 - 1 s, s es cualquier número real.
Por conveniencia, se seguirá el acuerdo de elegir com o variables libres aquellas (

aparezcan al último en una ecuación dada.
► Ejemplo 3 Representación Pnrmnélrica de un Conjunto Solución

Resuelva la ecuación lineal 3a + 2y - z = 3.
Solución: Al elegir y y z com o variables libres, se empieza por despejar a para obten<
3a = 3 - 2 y + £
A = 1 — — V + 1 £.
3‘ 3
Con y = s y z = /, se obtiene la representación paramélrica
A = 1 “ \ S + } l' y = S' z =t
donde j- y / son números reales cualesquiera. Dos soluciones particulares son
A = l,y = 0 ,2 = 0 y a = 1, y = 1,2 = 2.
S istem as de Ecuaciones Lineales

Un.sistema de m ecu acio n es lineales en n v a ria b le s es un conjunto de m ecuaciones, ca
una de las cuales es lineal en las mismas n variables:
f
a , ,a , + a \2xi + " 13*3 + • • • + u Uíxn = b {
Ul \ X \ + a 22X 2 + a 23x i + • • • + a 2riXn = ^ 2
« 3 ,A , + « 3 2 A2 + « 3 ^ 3 + •• • + «3 A * = b}
« .A , + ü n¡yX-, + « ,.V, + • • • + « x = b .
mi 1 mZ 2 m3 3 m tí n m
Observación: La notación con doble subíndice indica que « es el coeficienie de t en

í-ésima ecuación.
Sección 1.1 Introducción a los Sistemas de Ecuaciones Lineales 19
Una solución de un sistema de ecuaciones lineales es una sucesión de números s ,, ¿'2>

i sn que es solución de cada una de las ecuaciones lineales del sistema. Por ejemplo,
■I sistema
3-íj + 2*2 = 3
- X ¡ + .* 2 = 4
lim e a *, = -1 y .v2 = 3 como una solución porque ambas ecuaciones se cumplen cuando
\ ( -1 y x2 = 3. Por otra parte, .*, = 1 y x, = 0 no es una solución del sistema porque estos
valores satisfacen sólo la primera ecuación del sistema.
Puede suceder que un sistema de ecuaciones lineales tenga exactam ente una solución.
Infinidad de soluciones o ninguna solución. Un sistema de ecuaciones lineales se de-
ttoiuina co nsisten te si tiene por lo menos una solución, e in co n sisten te si no tiene
mlución.
► Ejemplo 4 Tres sistem a s de Dos Ecuaciones en Dos Variables

! tuelva los siguientes sistemas de ecuaciones lineales y grafique cada sistema com o un
pin Ue rectas.
») x + y - 3 b) x + y=3 fe) x + y = 3
v - y = -1 2 v + 2y = 6 x +y = 1
Solución:
n) liste sistema tiene exactam ente una solución, x = 1 y y = 2. Esta solución puede
obtenerse al sumar las dos ecuaciones para obtener 2x = 2 , lo cual implica que x = 1
y, por tanto, y = 2. La gráfica de este sistema se representa mediante dos rectas que se
intersecan , com o se muestra en la figura 1. 1 a).
lo I vslc sistema cuenta con infinidad de soluciones, ya que la segunda ecuación esel resultado
(le multiplicar por 2 ambos lados de la primera ecuación. Una representación paramétri-
cu del conjunto solución esta dada por i
X m 3 - /, y = /, t es cualquier número real.

I ii gráfica de este sistema se representa como dos rectas coincidentes, com o se muestra
en la figura 1. 1 b,
e i I nte sistema no tiene solución porque es imposible que la sum a de dos número sea 3
y I a la vez. i ,a grú f ca de este sistema se representa como dos rectas paralelas , según
ni* muestra en la figura 1.1 c).
I I ejemplo 4 ilustra los tres tipos básicos de conjuntos solución que son posibles para
un nviomu de e< tuiciones lineales. Este resultado se enuncia aquí sin demostración. (Ésta
Mit ilii t I. i rtl I... lli1lint I S I
20 C apítulo 1 Sistem as de E cuaciones Lineales
FIGURA 1.1
a) Dos rectas que se cortan: b) Dos recias coincidentes: c) Dos rectas paralelas:
x +y = 3 x + y =3 x + y =3
x - y = -I 2r + 2y = 6 x +y = 1
e n n v ariab les, s ó lo se c u m p le u n a d e las

:
iste m a co n sisten te),

es (sistem a co n sisten te).
R esolución d e un S istem a d e E cu acio n es L ineales

¿ C u á l de los sig u ien tes s iste m a s es m ás fácil de reso lv er?
x - 2 y + 3z = 9 x - 2y + 3z = 9
- x + 3y = - 4 y + 3z = 5
2 x - 5 y + 5 z = 17 2 = 2
E s e v id e n te q u e el sistem a m ás fácil d e r e s o lv e r e s el d e la d e re c h a . S e d ic e q u e este s iste m a

está e n fo rm a e s c a l o n a d a p o r r e n g lo n e s , lo cual sig nifica q u e s ig u e un p atró n e s c a lo n a d o
y q u e tiene c o e fic ie n te s p rin c ip a le s iguales a 1. P ara re so lv e r este s is te m a se ap lica un
p ro c e d im ie n to d e n o m in a d o s u s t i tu c i ó n h a c i a a t r á s .
► E jem plo 5 A plicación d e la S u stitu c ió n Hacia A Irá s p a ra R e so lv e r un S iste m a

q u e Tiene F orm a E scalonada p o r R englones
A pliq ue su stitu ció n hacia atrás p ara re so lv e r el sistem a
v - 2y - 5 E c u a c ió n 1
V■ - 2 . E c u a c ió n 2
Solución. ( loo b u s c ó n la e c u a c ió n 2 se sube q u e y = - 2 . Al su stitu ir este v a lo r e n la ecu ació n

I. w ob tiene
.r - 2 (-2 ) = 5 Sustitución de y = -2 .
x = 1. Se resuelve para x.
Ahí, el sistema tiene exactamente una solución: x = 1 y y = - 2 . 4
I I término sustitución hacia atrás implica que se trabaja retrospectivamente. Así, en

11• (omplo 5 la segunda ecuación dio el valor de y. A continuación, se sustituyó ese valor
MU I» primera ecuación para encontrar el valor de x. El ejemplo 6 es una ilustración
mil- ionnl de este procedimiento.
► Ejemplo 6 Uso de la sustitución H ada A Irás para Resolver un Sistem a de

Forma Escalonada \>or Renglones
I'. .olvef el siguiente sistema.
x - 2y + 3z = 9 Ecuación 1
y + 3z = 5 Ecuación 2
z=2 Ecuación 3
IHilarión Con base en la ecuación 3 ya se conoce el valor de z. Para determ inar el valor
•I* * .e sustituye z = 2 en la ecuación 2 con lo que se obtiene
y + 3(2) = 5 Sustitución de z = 2.
y = -1 . Se resuelve para y.
I'"i til timo, se sustituye y = -1 y z = 2 en la ecuación Ipara obtener
x - 2 ( - l ) + 3(2) = 9 Sustitución de y = - 1 , z = 2.
.v = 1. Se resuelve para .t.
I'im lo tanto, la solución es x = 1, y = -1 y z = 2. 4
Se dice que dos sistemas de ecuaciones son e q u iv alen tes si tienen el m ismo conjunto
«i >|u> ión. Para resolver un sistema que no esté en forma escalonada por renglones, primero
*i> transforma a un sistema equivalente que esté en la forma escalonada por renglones
fllfMliitnlc las siguientes operaciones.
(^ r o c io n e s que Conducen a S istem as d e Ec

t.‘mía una de las operaciones siguientes, cuando se aplican a un sistema de ecua-
i ion*" lineales, produce un sistema equivalente. $
1 Inicrc nnibio de dos ecuaciones.

2 Multiplicación <Je una ecuación por una constante no nula,
t Suma de un múltiplo de una ecuación a otra.
22 C apítulo I Sistem as de E cuaciones Lineales
R e e sc rib ir un s iste m a d e e c u a c io n e s lineales en fo rm a e sc a lo n a d a p o r re n g lo n e s suele

im p lic a r u n a cadena de s iste m a s e q u iv alen tes, Cada u n o de los cu ales se o b tie n e m ed ian te
la ap licació n d e una d e las tres o p e ra c io n e s básicas. Este p ro c e so se d e n o m in a e l i m i n a c i ó n
g a u s s i a n a , en h o n o r del m a te m á tic o ale m á n C ari F ried rich G a u ss ( 1 7 7 7 -1 8 5 5 ) .
► E jem plo 7 Uso d e la E lim inación p a r a R eescrib ir un S iste m a en F orm a

E scalonada p o r R englones
R e s u e lv a el sig u ien te sistem a.
.v - 2 v + 3z = 9
- x + 3y =- 4
2 x - 5 y + 5z = 17
Solución: A u n q u e h ay v arias m an eras d e em p e z a r, se d e s e a u tilizar un p ro c e d im ie n to

siste m á tic o q u e p u e d a ap lic a rse fácilm e n te a sistem as g ran d es. S e trabaja a p artir d e la
esq u in a su p e rio r izq u ierd a del sistem a, p re se rv a n d o la .ven la p o sició n su p e rio r izquierda
y e lim in a n d o las d e m á s x de la p rim era co lu m na.
v ,■ ,
x - 2 y + 3z= 9 Al sumar la primera ecuación a la
y + 3z= 5 se obtiene una
2 x - 5 y + 5 z = 17
x - 2 y + 3z = 9 Ai sumar - 2 veces la primera

y + 3z= 5 ecuación a la tercera ecuación
se obtiene una nueva tercera ecuación.
-y - z = -i
<H
A h o r a q u e to d o se ha e lim in a d o d e la p rim e ra co lu m n a, e x c e p to la p rim e ra x , se p ro ced e
co n la segunda.
x - 2 y + 3z = 9
y + 3z= 5
2z=4
x - 2 y + 3z = 9 Al
y + 3 z= 5
z =2 tercera ecuación.
É ste es el m is m o s is te m a q u e se re so lv ió en el e je m p lo 6 y, c o m o en ese caso, se co n clu y e

q u e la so lu c ió n es
x = 1, y = - 1, z-2 . ' '>" '''■ ' - <
D a d o q u e p a ra re so lv e r u n siste m a de ec u a c io n e s lineales se req u ieren m u c h o s pasos,

es m u y fácil c o m e te r errores d e aritm ética; es p o r ello q ue se sugiere fo m entar el háb ito de
com probar la solución sustituyéndola en cada una de las ecuaciones d e l sistem a original.
A sí, e n el e je m p lo 7 se pu ed e co m p ro b ar la solu ció n x = 1, y = -1 y z. = 2 c o m o sigue.
Ecuación 1: (1) - 2 ( - l ) + 3(2) = 9 Comprobar la solución en

Ecuación 2: - ( l ) + 3 ( - l ) = -4 cada ecuación del siste
Ecuación 3: 2 (1) - 5(-1 ) + 5(2) = 17 ma original.
[ Cada uno de los sistemas en los ejemplos 5,6 y 7 tiene exactamente una solución. Ahora
se considerará un sistema inconsistente; uno que no tiene solución. La clave para identifi
car un sistema inconsistente es llegar a una expresión absurda como 0 = 7 en alguna etapa
aei proceso de eliminación. Esto se demuestra en el ejemplo 8.
► Ejemplo 8 Un Sistem a Inconsistente:

Resuelva el siguiente sistema.
.v, - 3.r2 + * 3 = 1
2.x, - x, - 2*3 = 2
.Xj + Zr2 - 3.r3 = -1
Solución:
.v, - 3 .r 2 + *3 = 1 A! sumar -2 veces la primera

5 x 2 - 4 .r 3 = 0 Se
x , + 2 x , - 3 .r 3 = - 1 obtiene una nueva s
.x, - 3.r2 + r3 = 1 Al sumar-1 veces la primera

5.r2 - 4x3 = 0 ecuación a la tercera ecuación se
5.x, - 4.r3 = - 2 obtiene una nueva tercera ecuación.
ÍOtra manera de describir esta operación es decir que de la tercera ecuación se restó la
primera para obtener una nueva tercera ecuación). Ahora, continuando con el proceso de
eliminación, la segunda ecuación se suma -1 veces a la tercera ecuación para obtener una
nueva tercera ecuación.
.x, - 3*2 + .r3 = 1 Al sumar - ! veces la segunda

5 x ,-4 .r3 = 0 ecuación a lá tercera ecuación se
0 = -2 obtiene una nueva tercera ecuación.
Dado que la tercera “ecuación” es absurda, se concluye que este sistema no tiene solución.
Además, debido a que este sistema es equivalente al sistema original, también se concluye
que el sistema original tampoco tiene solución. ' ¡r- ‘ 't .< ^
Esta sección termina con el análisis de un sistema de ecuaciones lineales que tiene
infinidad de soluciones. El conjunto solución de estos sistemas se representa en forma pa-
ramétrica, como se hizo en los ejemplos 2 y 3.
► Ejemplo 9 Un Sistem a con Infinidad de Soluciones

Resuelva el siguiente sistema.
*2- *3= 0
- 3*3 = - 1
- x i + 3x2 = I
Solución: S e e m p ie z a p o r reescrib ir el s is te m a en fo rm a e s c a lo n a d a p o r re n g lo n e s c o m o
se m u e stra a c o n tin u ació n .
-3 * 3= -l S e intercambiaron fas dos

x2 ~ -v3 = 0 ^ primeras ecuaciones.
+ 3jt7 = 1
- 3 *3 = - l Ai sum ar la primera ecuación a la

x 2 - .V, = 0 tercera ecuación se obtiene una
3.r2 - 3x3 = 0 nueva tercera ecuación.
- 3.r3 = -1 Al sumar - 3 veces Ja segunda

*2 - *3 = 0 ecuación a la tercera ecuación se
0= o
—i
D a d o q u e la te rc e ra e c u a c ió n es innecesaria, se e lim in a p ara o b te n e r el sig u ien te sistem a,
-t, - 3j :3 = -1
*2 - *3 = 0
P a ra re p re s e n ta r las s o lu cio n es, se elige x 3 c o m o la variable libre y se re p re se n ta p o r el
p a rá m e tro /. D a d o q u e x 2 = x 3 y x { = 3*3 - 1 , el c o n ju n to so lu ció n p u e d e d e s c rib irse c o m o
x { = 3/ - 1, x , = t, x , = t, t e s c u a lq u ie r n ú m e ro real.
Sección 1.1 A Ejercicios
E n los ejercicios del 1 al 6 , determ ine si la ecuación dada es lineal en las variables x y y.
1. 2 x - 3y = 4 T. . 2. 3 * - 4 x y = 0
3 2 - V '
3. - + - - 1 = 0 . 4. x 2 + y2 = 4
y x
. J Í' > v ; •í ' *
5. 2 sen y = 14 6. (sen 2 ) x - y = 14
IV1
ai !
En los ejercicios del.1? al 12/.¿neuentre una representación param étrica de la ecuación
lineal dada. Ir / ' s * 1. ■’
Sección 1.1 Ejercicios 25
13*, - 26*2 + 39*3 = 13 12. * , - * 2 + 2*3 - * 4 = 14
ejercicios del 13 al 18. use la sustitución hacia atrás para resolver el sistema de
lo s
Kiones lineales dado.
1 * *, —*2 = 2 14. 2 *,-4*2 = 6

*2 = 3 3*2 = 9
11 5 . - * + y - 1 = 0 16. * - y =4
2y + z = 3 2y + z = 6
3z = 6
■ i« -o
17. 5* + 2y = 0 18. * , + * 2 + *3 = 0
-2 y= 0 *2 =0
m los ejercicios del 19 al 52, resuelva el sistema de ecuaciones lineales que se da.
231 2*, + * 2 = 4 20. * + 3y = 2

* ,-* 2 = 2 - * + 2y = 3
21. * - >•= 1 2 2 . \ x - \ y = 1
-2* + 2y = 5
-2* + \ y = - 4
23. * , - *2 = 0 24. 3* + 2y = 2
3 * , - 2*2 = -1 6* + 4y = 14
25. 9 * - 3v= -1 26. *, - 1 *2 = 0
l 1 6*, + 1 *2= 0
5-v+ j y = - -
27. 2u+ v = 120 28.
m+ 2v = 120
29. 2 . 5 * , - 3*2 =1.5 30.
10* , - 12*2 = 6
3L ^ + ^ =4 32.
*-2v = 5
33. 0.02*,- 0.05*2 = “0-19 34. 0.05*
0.03*, + 0.04*, = 0.52 0.07*
35. *+y + z = 6 36. *+
2* - y + z = 3 -* +
3* - z = 0 4*+ y
37. 4* + y - 3z = 11 38. 2*
2* - 3y + 2z = 9 5* + 3y =
* + y + z = -3 3yl- 4 z = - 4 0 í t t ,,
• * £- j u t , i Woiun
26 Capítulo 1 Sistemas de Ecuaciones Lineales
39. 3a - 2*2 + 4a3 = 1 40. 5a, - 3x 2 + 2 *3 = 3

A + * 2 “ 2*3 = 3 2a, + 4x2 - * 3 = 7
2 * - 3a2 + 6*3 = 8 a, - i l.v 2 + 4.v 3 = 3
41. A + 2 * 2 - 7*3 = - 4 42. 2 r, + x2 - 3 .r 3 = 4

2 * + A? + *3== 13 4jc, + 2*3= 10
fOJ? 1
1
3a + 36a3 = -33 - 2 x , + 3 x 2 - 13a:3 = - 8
43. A + 4*3 = 13 44. x, - 2* 2 + 5* 3 = 2

4a - 2 a 2 + *3 = 7 3 a , + 2*2 - X) = - 2
i IIe*'.
«5
2 a - 2*2 - -1 9
45. X 3y + 2 z = 18 46. x = 1
5 x - l 5 y + 10c = 18 A + y = 10
2* - y = -5
47. x + y + z+ w =6 48. A-, + 3 a4 = 4

2x + 3y - w=0 2 *2 - a3- a4= ü
- 3a + 4 y + z + 2w = 4 3a2 - 2a4 = 1
x + 2y - z + w = 0 2*i - x2 + 4*3 =5
49. 4x + 3y + 17z = 0 50. 2* + 3 y = 0

5x + 4y + 22z = 0 4x + 3y - z = O
4x + 2y + 19z = 0 8 .* + 3 y + 3 z = O
51. 5x+ 5y - z = 0 52. 12* + 5 y + z= O

10a + 5y + 2 z = 0 12* + 4y - z = O
5x + 15>’ - 9z = 0
En los ejercicios 53 y 54, resuelva el sistema de ecuaciones dado con X = l/.v, Y = \/y y Z = 1/z.
ca 1 2 12 - 2 1 3 ,
53. =7 54. - + ----------= 4
x y x y z
3 + ^=0 « +2 = |0
x y r 'r f . X z
..**■ * -- 8
a: y z
En los ejercicios 55 y 56, resuelva para .* y y el sistema de ecuaciones lineales dado.

■i V -4* O
55. (eos 6 X* + (sen 0 )y = 1
(-sen 0 Íx +-(úos 6 )y'= 0-j^
56. (eos 6 X* + (sen 0 )y = 1 •
(-Sen 9 )a + (eos 6 )y = I ~
En los ejeiîcios dpi 57 al 62, determine el (los) valor(es) de k de modo que el sistema de
ecuaciones lineales dado tenga el número de soluciones indicado.
S" iexactamente una solución 58. Infinidad de soluciones
4x + ky = 7 kx + y = 4
y=0 2x - 3)' = -1 2
5* ¿exactamente una solución 60. Ninguna solución
x + k)' = 0 x + ky= 2
kx+ y = 0 kx + y = 4
•1 Ninguna solución 62. Exactamente una solución
x+ 2y + k z~ 6 kx + 2ky + 3 kz = 4A:
3x + 6y + 8z = 4 x+ y+ z= 0
2 x — y+ z= 1
ié Determine los valores de k tales que el siguiente sistema de ecuaciones lineales no tenga
solución única.
x + y + kz = 3
x + ky + z = 2
kx + y + z = 1
Encuentre valores dea, b y e tales que el siguiente sistema de ecuaciones lineales tenga
a) exactamente una solución, b) infinidad de soluciones y c) ninguna solución.
.r + 5 y + z = 0
x + 6y - z = 0
2 v + ay + bz = c
65 Considere el siguiente sistema de ecuaciones lineales en x y y.
a,x + b xy = c,
a,x + b2y = c2
a 3x + ¿jy = c3
Describa la gráfica de estas tres ecuaciones en el plano .ry cuando el sistema tiene a)
exactamente una solución, b) infinidad de soluciones y c) ninguna solución.
66 . Demuestre que el sistema de ecuaciones lineales en el ejercicio 65 deben de ser

consistentes si los términos de constantes C,, C7, y C3 son todos cero.
67. Demuestre que si a x 2 + b x + c = 0 para toda x entonces a = b = c = 0. (Sugerencia: Elija

tres valores diferentes para x y resuelva el sistema de ecuaciones lineales resultante en las
variables a, h y c.]
68. Considere el siguiente sistema de ecuaciones lineales en x y y.
ax + by = e
ex + dy = /
¿En qué condiciones el sistema tendrá exactamente una solución?
1.2 ▲ Eliminación Gaussiana y Eliminación de Gauss-Jordan

En la sección 1.1 se introdujo la eliminación gaussianna como un procedimiento para
resolver un sistema de ecuaciones lineales. En esta sección se estudiará con mayor
profundidad este procedimiento. Para empezar, se presentan algunas definiciones. La
primera es la definición de m atriz.
Definición d e M atriz
Si m y n son enteros positivos, entonces una m a t r iz m X n (que se lee com o “m
por n") es un a r r e g l o rectangular
*11 *12 *13 - ««* .

•k ■ :
«V *22 *23 •• *2«
Ii '.'■&}& i ii
*32 «33 - «3n
•
*
• i f ■
aml *m3 ••• «mn
....22 |¡ p É ■ . ■
en el cual coda
m re n g lo n e s (líneas lio
Observación: El plural de m atrizes matrices. Si cada elemento de una matriz es un número

real, entonces la matriz se denomina m atriz real. A menos que se indique otra cosa, se
supone que todas las matrices de este texto son reales. (Las matrices cuyos elementos son
núm eros complejos se analizan en el capítulo 9.)
El elem ento cr está ubicado en el i-é simo renglón y en lay-ésima columna. / se deno
mina subíndice del renglón porque da la posición en las líneas horizontales y y se
denom ina subíndice de la colum na porque da la posición en las líneas verticales.
Se dice que una matriz m X n es de orden m X n. Si m = n, entonces la matriz es
cuadrada de orden n. Para una matriz cuadrada, los elementos a n , «22, a 33,... se
denominan elementos de la diagonal principal.
► Ejemplo I Ejemplos d e Matrices

Las siguientes matrices tiene los órdenes indicados.
a) Orden: 1 x 1 b) Orden: 2 x 2
[2] ü 0
0 0
Sección 1.2 Eliminación Gaussiana y Eliminación de Gauss-Jordan 29
c Orden: 1 X 4 d) Orden: 3 x 2
[1 -3 0 i] e n
2 V2
-7 4
Un uso muy común de las matrices es para representar un sistema de ecuaciones

meales. La matriz obtenida de los coeficientes y términos constantes de un sistema de
e d i c i o n e s lineales se denomina m atriz aum entada del sistema. La matriz que sólo
: suene los coeficientes del sistema se denomina m atriz de coeficientes del sistema. A
cccíinuación se presenta un ejemplo.
Sistema Matriz Aumentada M atriz de Coeficientes
X - 4v + 3z = 5 1 -4 3 5' 1 - 4 3
- x + 3y - z = - 3 -1 3 -1 -3 -1 3 -1
Ir - 4z = 6 2 0 - 4 6 2 0 - 4
s e n ación: Note el uso de 0 para la variable faltante y, así com o la cuarta colum na de
■¿■minos constantes en la matriz aumentada.
Al formar la matriz de coeficientes o la matriz aumentada de un sistema, se debe

empezar por alinear verticalmente las variables de las ecuaciones.
Sistema dado Alinear las Variables Formar la M atriz Aumentada
.v, + 3x1 = 9 x, + 3.r, 9 1 3 0 9

- x 2 + 4x 3 = - 2 -2 0 -1 4 -2
x , - 5 .r 3 = 0 x. -5*3= 0 .1 0 -5 0
O peraciones Elem entales en los Renglones

E n la sección precedente se estudiaron tres operaciones que se pueden u tilizaren un sis
tema de ecuaciones lineales para producir sistemas equivalentes.
1. Intercambio de dos ecuaciones.

2- Multiplicación de una ecuación por una constante no nula.
3. Suma de un múltiplo de una ecuación a otra.
En terminología matricial, estas tres operaciones corresponden a o p eracio n es elem en

tales en los renglones. Una operación elemental en un renglón ejecutada en una matriz
¿-m entada correspondiente a un sistema de ecuaciones lineales dado produce una nueva
matriz aumentada correspondiente a un nuevo (pero equivalente) sistema de ecuaciones
lineales. Se dice que dos matrices son eq u iv alen tes p o r reng lon es si se puede obtener una
¿ partir de otra mediante uña sucesión de operaciones elementales en los renglones.
Aunque es fácil efectuar las operaciones elementales en los renglones, implican bastan
tes operaciones aritméticas. En virtud de que es fácil cometer errores, se sugiere adquirir la
costumbre de anotar la operación elemental efectuada en cada paso, de m odo que se pueda
regresar para com probar el trabajo realizado.
► Ejemplo 2 Operaciones Elementales en los Renglones
a) Intercambio de los renglones primero y segundo.
M atriz Original Nueva M atriz Equivalente p o r Renglones
0 1 3 4 -1 2 0 3
-1 2 0 3 0 1 3 4
2 -3 4 1 2 -3 4 1
b) Multiplicación por ^ del primer renglón.
M atriz Original Nueva Matriz Equivalente por Renglones
'2 -4 6 - 2' 1 -2 3 - 1
1 3 -3 0 1 3 -3 0
5 _ 2 1 2 5 -2 1 2,
c) Sum a de - 2 veces el primer renglón al tercero.
M atriz Original Nueva Matriz Equivalente por Renglones
1 2 -4 3* 1 2 -4 3'
0 3 -2 - 1 0 3 -2 - 1
2 1 5 -2 0 -3 13 -8
En el ejemplo 7 de la sección anterior se aplicó la eliminación gaussiana con sustitución

hacia atrás para resolver un sistema de ecuaciones lineales. A continuación se mostrará la
versión matricial de la eliminación gaussiana. Los dos métodos que se aplican en el si
guiente ejemplo son esencialmente iguales. La diferencia fundamental es que con el m é
todo matricial no es necesario escribir las variables.
f e Ser-D io 3 Uso de las Operaciones Elem entales en los Renglones para Resolver
un Sistem a
Sistema Lineal Matriz Aumentada Asociada
.r - 2y + 3c = 9 1 -2 3 9
-4
+
n
-1 3 0 -4
2 x - 5 y + 5c = 17 2 -5 5 17
j primera ecuación a la segunda. Sumar el primer renglón al segundo.
x - 2y + 3 c = 9 1 -2 3 9
y + 3c = 5 0 1 3 5
2x - 5y + 5z = 17 2 -5 5 17
- 2 veces la primera ecuación a la Sum ar - 2 veces el prim er renglón al

tercero.
x - 2 y + 3z= 9 1 - 2 3 9
y + 3z = 5 0 1 3 5
- y - z= -l 0 - 1 - 1 - 1
te segunda ecuación a la tercera. Sumar el segundo renglón al tercero.
x - 2y + 3c = 9 1 -2 3
v + 3c = 5 0 1 3
2c = 4 0 0 2
¡M t r ic a rp o r ^ la tercera ecuación. i
Multiplicar por ^ el tercer renglón.
x - 2v + 3c = 9 1 - 2 3 9
y + 3c = 5 0 1 3 5
z =2 0 0 1 2
csie momento se puede utilizar la sustitución hacia atrás para encontrar la solución,
se hizo en el ejemplo 6 de la sección anterior. A
5e dice que la última matriz en el ejem plo 3 está en form a escalon ad a por
r « g l o n e s . El término escalonada se refiere al patrón de escalera form ado por los
t r e n t o s no nulos de la matriz. Para que una matriz tenga esta forma, debe tener las
r r : ¡edades siguientes.
Sección 1.2 Eliminación Gaussiana v Eliminación de Gauss-Jordan 33
Gaussiana con Retrosustítucíón

Escriba la matriz aumentada del sistema de ecuaciones lineales.
Aplique las operaciones elementales en los renglones para reescribir la matriz
. E s m b a en
para encontrar la solución.
_ r minación gaussiana con retrosustitución funciona satisfactoriamente como

íc algorítmico para resolver con computadora sistemas de ecuaciones lineales. Para
ígoritmo, es importante el orden en que deben efectuarse las operaciones elementales
renglones. Se va de izquierda a derecha por columnas, cambiando a cero todos los
uüos directamente abajo de los unos principales.
i^m p lo 5 Eliminación Gaussiana con Sustitución Hacia Atrás

'l*er el siguiente sistema.
x 2+ X j - 2 x 4 = - 3
jrI + Zr2- xi = 2
+ 4.v2+ x} - 3x4 = - 2
- 4 x 2 - 7*3 - x a = - \ 9
jft La matriz aumentada de este sistema es
1 1 -2 - 3'
i 2 - 1 0 2
2 4 1 -3 -2
1 -4 -7 - 1 - 19
[Se empieza por obtener un 1 principal en la esquina superior izquierda y ceros en los de-
elementos de la primera columna.
'1 2 - 1 0 2 Se intercambian los dos primeros

0 1 1 -2 -3 renglones.
2
-4
4 1 -3 -2 K
1 -7 - 1 -19
Al sumar —2 veces el primer
'1 2 - 1 0
\ 2 renglón al tercer renglón se
0 1 1 -2 r- 3 obtiene un nuevo tercer renglón.
0 0 3 - 3 1-6
1 -4 —7 r - í - 19
)
34 Capítulo i Sistemas de Ecuaciones Lineales
m 2 - 1 0 2
0 1 1 - 2 - 3 Al sumar - 1 veces el primer
0 0 3 - 3 - 6 renglón al cuarto renglón se
Lo -6 -6 - 1 -21
• J: ' ' ■ ...............
Ahora que la primera colum na está en la forma deseada, la segunda colum na se modifica
com o sigue.
Para escribir en forma adecuada la tercera columna, basta multiplicar por ^ el tercer
renglón.
Í I 2 0
2' Al multiplicar por ~ d tercer
m m M 1 -2 -3 renglón se obtiene un nuevo
0 0 1 - 1 -2 tercer renglón,
< $ 2 _■ ____!■— ------- -----
-39
De manera semejante, para escribir en forma adecuada la cuarta columna, el cuarto
renglón se multiplica p o r - 5 .
f! ; 2 - 1 0 2]
0 mm I -2 -3 Al multiplicar por - ¿ e l cuarto
0 0 í - 1 -2 renglón se obtiene un nuevo
[0 0^ Ó m m 3 cuarto renglón,
< =
Ahora, la matriz ya está en forma escalonada por renglones y el sistema de ecuaciones

lineales correspondiente es
*, + 2*2 - *3 = 2
*2 + a -3 -2 v 4 = - 3
* 3 " -r 4 = - 2
*4 = 3.
Con la sustitución hacia atrás se puede determinar que la solución es ^
*, = - 1 , *2 = 2, *3 = 1, *4 = 3.
Al resolver un sistema de ecuaciones lineales, recuerde que es posible que el sistema

no tenga solución. Si en el proceso de eliminación se obtiene un renglón con ceros excep
to en el último elemento, es innecesario continuar el proceso de eliminación :.c puede
concluir simplemente que el sistema es inconsistente.
► Ejemplo 6 Un Sistem a Sin Solución

i-isuelva el siguiente sistema.
x ¡ - x 2+ 2x3 = 4
x, x3 = 6
2.v, - 3.r, + 5x3 = 4
3a , + 2a 0 - * 3 = 1
> iCiÓn: La matriz aum entada de este sistema es
1 -1 2 4
1 0 1 6
2 -3 5 4
3 2 - 1 1
ica la eliminación gaussiana
Se aplica ga a la matriz aumentada com o se muestra a continuación.
1 - 1 2 4"
A ! s u m a r - i veces el prim er
0 1 - 1 2
renglón ai se gundo renglón se
2 -3 5 4
obtiene un nuevo se gundo renglón.
3 2 - 1 1
1 - 1 2 4' Al sumar -2 veces el pnmer

0 1 - 1 2 renglón al tercer renglón se
0 - 1 1 -4 un nuevo
3 2 - 1 1 ....— — — — _
- 1 2 4'
0 1 - 1 2 A1 sumar -3 veces el primer
0 - 1 1 -4 renglón al cuarto renglón se
obtiene un nuevo cuarto renglón.
0 5 - 7 -1 1
'1 - 1 2 4' Al sumar el segundo renglón

0 1 - 1 2 al tercer renglón se obtiene
•íp:
0 0 0 2 un nuevo tercer renglón.
0 5 - 7 -11
Obsérvese que el tercer renglón de esta matriz consiste en ceros, salvo en el último
elemento. Lo cual significa que el sistema original de ecuaciones lineales es inconsisten-
-v. Esto se puede verificar al volver de nuevo a un sistema de ecuaciones lineales.
a, - a2 + 2a 3= 4
x2 ~ *3= 2
0 = -2
5 a2 - 7a3 = -11
En virtud de que la tercera “ecuación” es absurda, se concluye que el sistema no tiene

solución. 4
sustitución hacia atrás, ya que implica menos pasos. Sin embargo, se encontrarán otras
aplicaciones en las que es mejor la eliminación de Gauss-Jordan. Es por ello que se
requiere conocer ambos métodos.
Sistem as I lom ogcncos de Ecuaciones Lineales

Com o último tem a de esta sección se estudiarán sistemas de ecuaciones lineales en los
que todos los térm inos constantes son iguales a cero. Estos sistem as se denominan
hom ogéneos. Por ejemplo, un sistema homogéneo de m ecuaciones en n variables es de
la forma
2* 2 + ° I 3 * 3 + - * - + f l ) A = °
a 2,.t, + a 22x2 + a ¿ c 3 + • • • + a2 xn = O
a 3i*i + a32x2 + a33x 3 + • • • + a3itxn = O
«mi*! + + am3*3 + *** + amri*n = ° ‘

Es fácil observar que un sistema homogéneo debe tener por lo menos una solución.
Específicamente, si todas las variables de un sistema homogéneo son iguales acero,
entonces debe cumplirse cada una de las ecuaciones. La solución se denomina trivial (o
bien, obvia). Por ejemplo, un sistema homogéneo de tres ecuaciones en tres variables x r
x2, x3 debe tener com o solución trivial a .v, = O, x2 = O y x3 = 0 .
► Ejemplo 9 Resolución de un Sistem o Homogéneo de Ecuaciones Lineales

Resuelva el siguiente sistema de ecuaciones lineales
* , - * 2 + 3 * 3 = O
Zv, + x2+ 3*3 = O
Solución: Al aplicar la eliminación de Gauss-Jordan a la matriz aumentada
1 - 1 3 O 1 V .r h i
2 1 - 3 O - .V -
se obtiene lo siguiente.
1 -1 3 0
6 3 3 0
m - i 3 0
0 1 - 1 0
i 0 2 0
. Al sumar el segundo renglón al primer
Ó ó: 1 - 1 0 | renglón se obtiene un nuevo primer renglón.
1sistema de ecuaciones correspondiente a esta matriz es

x.i + 2*3 = 0
*2 - *3 = 0.
el parámetro t = *3, se concluye que el conjunto solución está dado por
* , = - 2 1, x2 = t, *3 = f, t es cualquier número real.
consiguiente, este sistema de ecuaciones tiene infinidad de soluciones, una de las
1=*s es la trivial (dada por t = 0). -4
El ejemplo 9 ilustra una cuestión importante respecto a los sistemas homogéneos de

dones lineales. Se empezó con dos ecuaciones en tres variables y se encontró que el
ema tiene infinidad de soluciones. En general, un sistema homogéneo con menos
dones que variables tiene infinidad de soluciones.
m
I P R É t f ÍIÍP :
Todo sistema homogéneo de ecuaciones lineales
tema tiene menos ecuaciones que variables,
soluciones.
Sección 1.2 a Ejercicios
los ejercicios del 1 al 6, determine el orden de la matriz dada.
'1 2
2 - 1 -1 1
3 -4 2.
-6 2 0 1
0 1
[1 2 3 4 -10) 4. [-1 1
r 8 6 4 1 3'
2 2 1 -7 4 1
6.
- 1 1 1 - 1 2 1
-2 1 - 1 2 0 0
a los ejercicios del 7 al 14, determine si la matriz dada está en forma escalonada por renglones,
caso afirmativo, determine si también está en forma escalonada reducida.
'1 0 0 0‘
0 1 0 0
0 1 1 2 8.
1 0 2 1
.0 0 0 0
'2 0 1 3' 1 0 2 I
9. 0 -1 I 4 10 0 1 3 4
0 0 0 1 0 0 1 0
1 0 0 0 0 0 1 0 0'
11. 0 0 0 1 12. 0 0 0 1 0
0 0 0 0 0 0 0 2 0
0 0 0 1 3 0 0
13. 0 0 0 14 0 0 1 0
0 0 0 0 0 0 0
En los ejercicios del 15 al 20, encuentre el conjunto solución del sistema de ecuaciones lineales
representado por la matriz aumentada que se proporciona.
1 0 0 1 0 - 1 2
1 £
1 0 .
0 1 2 0 1 1 3
1 - 1 0 3' 1 2 1 0 '
0 1 - 2 1 18. 0 0 1 - 1
0 0 1 - 1 0 0 0 0
1 2 0 1 4 1 2 0 1 3
-
0 1 1 3 0 1 3 0 1
2 0 .
0 0 2 1 0 0 1 2 0
0 0 0 1 4 0 0 0 0 2
En los ejercicios del 21 al 44 resuelva el sistema dado de ecuaciones lineales ya sea con la
eliminación gaussiana con sustitución hacia atrás o con la eliminación de Gauss-Jordan. El
símbolo de disquete usado en computación,B, indica que para resolver el problema es útil una
computadora.
2 1 . x + 2y = 1 2 2 . 2x + ó y = 16
2x + y = 8 -2 x - 6 y = -1 6
23. x - 3y = 5 24. 2x - y ,.= - 0 .1
-2 x + 6 y = - 1 0 3 x + 2y = 1. 6
■i*
—1
ex
II
25. 26.
V
- x + 2 y = 1 .5
•'í
I.
r*~,
5 x + 2y = 1
II
1
27. - 3 .v + 5 y = - 2 2 28. x + 2y = 0
3 x + 4y = 4 x + y = 6
4 .v -8 y = 32 3 x - 2y = 8
29. x, - 3.Í-, = - 2 30. 2x, - x 2 + 3.v 3 = 2 4

3a j + x 2 - 2x, = 5 lr 2 - .r 3 = 14
2 x , + 2 x ,+ x3 = 4 7x, - 5x2 = 6
31. .v, + V2 - 5.*-, = 3 32. I r , -f 3 .v , =

.t, - 2 r, = 1 4 .r , - 3.v? + 7 .v ( =
lx t - x 2- x, = 0 K.v, - 9.V, + 15 x s =
M, * + 2y + z= 8 34. 4* + 12y - 7¿ - 20w = 22

-3sr - 6 v - 3z = -21 3 * + 9y— 5z - 28v»’ = 30
)S, 3 * + 3 y + 12z = 6 36. 2* + y - z + 2w = -6
.r + y + 4z = 2 3 x + 4y + w = 1
2* + 5 y + 2 0 z = 10 * + 5y + 2z + 6u- = - 3
-* + 2y + 8 z = 4 5* + 2y - z - vi’ = 3
17. *, + 2x2= 0 38. *j + 2*, = 0

"*1 ” * 2 = 0 2* , + 4* 2 = 0
x - y +Z = 0 40. *+ y+ z=0
x+ y =0 - 2* - 2y - 2z = 0
* + 2y - z = 0 3* + iy + 3 z = 0
41. *+ y + z = 0 42. * + 2y + z + 3 w = 0
2 * + 3.v + z = 0 *- y + w=0
3 * + 5>- + z = 0 y - z + 2vv = 0
>! 11. * . “ *2
+ 2*3 +
2*4 + 6*5 = 6 0 44. * +
*2 - 2 * 3
3 * , - 2 * 2 + 4*3 + 4 * 4 + 12*5 = 14 3* + 3 * ,
- *3
+ J 4 + *5 = 5
-2
- - 3 - *4 - 3*5 = - 3 2x + 2*2 - *3 + *4-2*3= !
'
“ 2*2 + 4*3 + -S *4 + 10 4 * + 4*2 + * 3 - 3*5 = 4

II
Jr
- 2*2 + 4*3 + 4 *4 + 13*5 = 13 8* + 5*2 “ 2*3 *4 + 2*5= 3
l'ii los ejercicios 45 y 46, encuentre valores para a , b y c (si es posible) de modo que el sistema
<li fi liaciones lineales proporcionado a) tenga solución única, b) no tenga solución y c) tenga
liilinidnd de soluciones.
- o 46. * + y =0
y + z =2 y +z = 0
* + z=2 * + z= 0
fix + by +cz = 0 ax + by + cz= 0
'I /. I-I siguiente sistema de ecuaciones lineales tiene la solución única * = 1,y = -1 y z = 2.
4* - 2y + 5z = 16 Ecuación 1
x+ y = 0 Ecuación 2
- * - 3y + 2z = 6 Ecuación 3
Resuelva los sistemas dados por a) las ecuaciones 1 y 2, b) las ecuaciones 1 y 3 y c) las
ecuaciones 2 y 3. d) ¿Cuántas soluciones tiene cada uno de estos sistemas?
4M Suponga que el siguiente sistema de ecuaciones lineales tiene solución única.
Ecuación 1
«21*1 + « 22*2 + a 2 3 * 3 = b 2 Ecuación 2
ílji*i + (l\2l 2 + ayxxy = by Ecuación 3
El sistema compuesto por las ecuaciones 1 y 2, ¿a) tiene solución única, b) no tiene
solución o c) tiene infinidad de soluciones?
En los ejercicios 49 y 50, encuentre la única matriz en forma reducida escalonada por ren
glones equivalente a la matriz dada.
1 2 1 2 3'
-1 2 50. 4 5 6
7 8 9
51. Describa todas las matrices posibles 2 x 2 en forma escalonada reducida.
52. Describa todas las matrices posibles 3 x 3 en forma escalonada reducida.
En los ejercicios 53 y 54, determine condiciones sobre a, h, c y el tales que la matriz
a b
c d
sea equivalente por renglones a la matriz dada.
1 0 1 0
53. 54.
0 1 0 0
En los ejercicios 55 y 56, encuentre todos los valores de X (letra griega lambda) tales que el
sistema homogéneo dado, de ecuaciones lineales, tenga soluciones no triviales.
55. (X-2U+ y =0 56. (X - 1).v + 2y = 0
.v + (X - 2)y = 0 .v + Xy = 0
57. ¿Es posible que un sistema de ecuaciones lineales con menos ecuaciones que variables
no tenga solución? En caso afirmativo, dé un ejemplo.
1.3 A Aplicaciones de los Sistem as de Ecuaciones Lineales

Los sistemas de ecuaciones lineales se presentan en una amplia gama de aplicaciones. En
esta sección se describen dos de éstas.
A juste Polinomio! de Curvas

Suponga que una colección de datos será representada por // puntos.
(jr2, y2)........(.t„, >„)
en el plano x y , y que se pide encontrar una función polinomial
pix) = (¡{) + a |.v + a2x2 + • • • + rt.i-v"-1

Sección 1.3 A plicación de los S istem as de E cuaciones Lineales 43
•le grullo n - 1 c u y a g ráfica p asa p o r los p u n to s d ad o s. Este p ro c e d im ie n to se d e n o m in a

x de lo s p u n to s
i\ | iiNti* p n lin om iu l d e cu r v a s. S e p u e d e d e m o s tra r q ue si to d as las a b sc isa s
>ti distintas, en to n ces h ay p re c isa m e n te u na fun ción p o lin o m ia l de g ra d o n - 1 (o m en o s)
1'jm* nc ajusta a los n pu n to s, c o m o se m u estra e n la fig u ra 1.2 .
FIGURA 1.2
y
Puní d e te rm in a r los n co eficien tes de p (x), c a d a uno d e los n p u n to s se su stitu y e e n el

|h til ni u n ió y se o b tien en n e c u a c io n e s lineales en las variab les a ()1 <?,, c¡2, . .., y a n
« j + a |* ) + o 2*12 + - . - + a „ . ]j |" - | = y |
«0 + ¥ ! + a * ! + " + a . - * ’ " ' = >2
I « u + “ i-1» + ¥ , ¡ + ■• ■ + v . V = y,-
I Ir p ro c e d im ie n to se m u e stra con un p o lin o m io d e s e g u n d o g ra d o en el e je m p lo 1.
► fítjmnplo I Ajuste Polinomial de Curvas

I to te im in e el p o lin o m io p (x) = aQ+ a yx + a xx2 c u y a g r á fic a p a sa p o r los p u n to s ( 1 , 4 ) ,
( 2 , 0 ) y (3, 12).
!lollii'lóil: Al s u stitu ir x = 1, 2 y 3 en p (x ) e ig u a la r lo s resu ltad o s con lo s v alo res re sp e c tiv o s

d» y, se o b tie n e el sig u ien te s iste m a de e c u a c io n e s lin eales en las v ariab les a(), y a2.
/>(l) = tf0 + r t , ( l) + a 2( l ) 2 = tí0 + a , + a 2 = 4

/;(2 ) = a 0 + « , ( 2 ) + « 2(2 ) 2 = a Q+ 2a , + 4 a2 = 0
p (3 ) = a () + « ,( 3 ) + a 2( 3 ) 2 = « 0 + 3 a¡ + 9 a 2 = 12
I u so lu ció n de este s iste m a es a0 - 24, a [ = - 2 8 y a 2 = 8 , lo cu al s ig n ific a q u e el p o lin o

m io os
/>(.v) = 2 4 - 28.* + 8.v2.
I ' m la figura 1.3 se m u e stra la g ráfica de /;(.v).

FIGURA 1.3
<
► E jem plo 2 A ju s te P olinom ial d e C urvas
E n c u e n tre un p o lin o m io q u e se aju ste a los p u n to s ( - 2 , 3), ( - 1 , 5), (0, 1), (1, 4 ) y (2, 10).
Solución: C o m o se tien en cinco p u n to s, se elige un p o lin o m io d e c u a rto grado.
p (x) = aQ + OyX + ayV2 + ü y t3 + a4x!*.
Al s u stitu ir en p (x ) los p u n to s d a d o s se o b tie n e el sig u ien te s iste m a d e e c u a c io n e s lineales.
16^4 =
ex
2a, 4a2 3
1
+
C;
+
ao ~
5
sS
ii
% - fl> + fl2 ~ °3 +
~~ 1
ü0
a0 + fli
+
«2 + *3
+
«4 =
4
r—
£
2a , + 4 a 2 + 8r/^ + 10
II
'
« o -
L a so lu c ió n d e esta s e c u a c io n e s es
30 101 _ 18 _ 17
«0 “ *• a I _ “ 24 • a 2 ~ 24 * a 3 “ 24 » ° a ~~7A
lo c u a l sig n ifica q u e el p o lin o m io es
p { x )= I - S ' + t S Í ^ + S *3 - * * 4
= ¿ ( 2 4 - 3 0 * + 1 0 1 ^ + 1 8 x , - 1 7 . i 4 ).
E n la figura 1 .4 se m u e stra la gráfica d e p(x).
FIGURA 1.4 y
Sección 1.3 A plicación J e los S istem as de E cuaciones Lineales 45
El sistem a de e c u a c io n e s lineales del e je m p lo 2 es re la tiv a m e n te fácil de re so lv e r

deb id o a q u e los v alo res de x son p eq u eñ o s. D a d o un c o n ju n to d e p u n to s c o n valores
grandes de x, su e le ser m e jo r tra slad ar los v alo res antes d e p ro c e d e r co n el ajuste de la
curva. E ste m é to d o se ilustra e n el sig uien te ejem plo.
► E jem plo 3 Traslación d e Valores G randes d e x a n te s d e l a ju s te d e la Curva.

E nco ntrar un p o lin o m io q ue se ajuste a lo s pu ntos
Uj.y,) (x2, y2) y3) (*4’Xi) (*5. y5)

(1986, 3), ( 1 9 8 7 ,5 ) , (1988, I), (1989, 4), (1990, 10).
Solución: D eb id o a q u e los valores de x son g ra n d e s, se usa la traslación z = x - 1988 p ara

o b ten er
(z,,y,) (z2’>'2) (-3- >3) (¿4'Xj) (z5*>5)

(-2 ,3 ), (-1 .5 ). (0 ,1 ), (1 .4 ), ( 2 ,1 0 ) .
Ibltc e s el m ism o c o n ju n to de pu ntos d a d o en el e je m p lo 2. P o r c o n s ig u ie n te , el p o lin o m io

que se a ju sta a estos p u n to s es
p ( z ) = ¿ ( 2 4 - 3 0 z + 101 z2 + I 8z3 - 17z4)

= 1_ 5 + J£ 1 z2 + 3 3 _ _ i l 24
4 24 ^ 4 24
( ’o n z = x - 1988, se o b tien e
p (x ) = 1 - | (x - 1988) + - ^ ( . t - 1988)2 + | ( . r - 19 88 )3 - ^ (x - 1988)4 «
► E jem plo 4 Una A plicación d e l A ju s te d e C urvas

lin cu cn tre un p o lin o m io q u e relacio n e el p e rio d o de los tres p rim e ro s p lan etas con su
d istan cia m e d ia al S ol, c o m o se m u e stra e n la tabla 1.1. L u eg o, p ro b a r la ex a c titu d del
«Juste por m ed io del p o lin o m io p ara c a lc u la r el p e rio d o de M arte. (L a d ista n c ia se m ide
en u n id ad es a s tro n ó m ic a s y el p e rio d o en años).
TA B LA 1.1
P laneta M ercu rio V enus T ie rra M arte

D istancia M ed ia 0.387 0.72 3 1.0 1.523
P erio d o 0.241 0.615 LO 1.881
KOUlClóll: Se e m p ie z a p o r a ju star un p o lin o m io cu ad rático
p (x) = + «,-V + ciyX2
« los p u n to s (0.387. 0.241), (0.723, 0.615) y (1, 1). El s iste m a de e c u a c io n e s lineales

o b te n id o al su stituir estos puntos en p(x) es
a0 + 0 .3 8 7 a , + ( 0 .3 8 7 )2a 2 = 0.241
a Q + 0 .7 2 3 a , + ( 0 .7 2 3 )2a “ = 0 .61 5
a0 + a, + a 2 = 1.
L a so lu c ió n de este siste m a es
a Q= - 0 .0 6 3 4 , a , = 0 .6 1 1 9 , a 2 = 0 .4 5 1 5
lo cu al sig n ifica q u e el p o lin o m io es
p (x ) = - 0 . 0 6 3 4 + 0 . 6 1 19.x + 0 .4 5 1 5 a 2.
C o n p ( x ) p ara e v a lu a r el p erio d o de M arte se ob tien e
/?(1.523) = 1.916 años.
En la figura 1.5 se c o m p a r a g rá fic a m e n te esta e s tim a c ió n co n el p e rio d o real de M arte.

O b s e rv e q u e el p e rio d o real (a partir de tabla 1.1) es 1.881 años.
FIGURA 1.5
y
A partir d e la ap licació n m o strad a en el e je m p lo se p u ed e a p re n d e r u n a le c c ió n im p o r

tante: El p o lin o m io q u e se a ju sta a los d ato s no n e c e sa ria m e n te d a un m o d e lo e x a c to de
la relació n en tre x y y para los valo res d e .v q ue no sean los q u e c o rre s p o n d e n a los p u n to s
d ados. En g en eral, m ien tras m ás lejanos estén los p u n to s a d ic io n a le s de los p u n to s d ad o s,
p e o r es el ajuste. A sí, en el e je m p lo 4 la d ista n c ia m ed ia d e Jú p ite r es 5.2 0 3. La a p ro x i
m a c ió n p o lin o m ia l c o rre s p o n d ie n te para el perio do es 15.343 años: u n a e s tim a c ió n
d e fic ie n te del p e rio d o real de J ú p ite r, q ue es de 11.861 años.
El p ro b le m a del aju ste d e c u rv a s p u ed e ser difícil. A m e n u d o , o tro s tip o s d e fu n cio nes
p ro p o rc io n a n m ejo re s aju stes q u e los p o lin o m io s. P ara v e re sto . se c o n s id e ra rá n u e v a m e n
te el p ro b le m a de a ju ste d e c u rv a s del e je m p lo 4. Al to m a r el lo g aritm o natural de cad a una
de las d istan cias y p erio d o s d e los p rim e ro s p lan etas se ob tien en los resu ltad o s m o stra d o s
en la tabla 1.2 y e n la figura 1.6 .
Sección 1.3 A plicación de lo s sistem as de ecuaciones lineales 47
C a u l a 1.2
Planeta M e rc u rio V en u s T ierra M arte | J ú p ite r S atu rn o

D istancia M e d ia (.r) 0.387 0 .7 23 1.0 1.523 5.203 9.541
1 o g a ritm o natural
di la m edia - 0 .9 49 - 0 .3 24 0. 0 0.421 1.649 2 .2 56
1Vi nulo (y) 0.241 0 .6 15 1.0 1.881 11.861 29 .457
1 o g aritm o natural
del perio do - 1.423 - 0.48 6 0. 0 0.632 2.473 3.383
FIGURA 1.6.
1ny
A h o ra, al aju star un p o lin o m io a los lo g aritm o s de las d istan cias y p erio d o s se o b tien e
lo sig uien te relación lineal en tre In x y ln y.
I11 y = ^ ln x
A partir d e esta e c u a c ió n se c o n c lu y e q u e y = x 3/2, o bien , q u e
I n o tra s palabras, el c u a d ra d o del p erio d o (en añ os) de c a d a p la n e ta es igual al c u b o de

<111 d istan cia m e d ia (en u n id ad es a s tro n ó m ic a s ) al Sol. El p rim e ro en d e s c u b rir esta rela-
1 ton íne J o h a n n e s K e p l e r e n 1619.
I lis redes c o m p u e s ta s de ra m ific a c io n e s y u n io n es se usan c o m o m o d e lo s en c a m p o s tan

variados c o m o ec o n o m ía , análisis de trán sito v eh icu lar e ing eniería eléctrica.
En e s to s m o d e lo s se a s u m e q u e el flujo total h acia u na unión es igual al flu jo q u e sale

de ella. P o r e je m p lo c o m o la un ió n m o stra d a en la figura 1.7 tiene 25 u n id a d e s q u e llegan
a ella, d e b e h a b e r 25 u n id a d e s q u e salen. E sto se re p re se n ta p o r la e c u a c ió n lineal
x ] + x 2 = 25.
FIGURA 1.7
25
D a d o q u e cad a u n ió n en una red o rig in a una e c u a c ió n lineal, el flujo se p u ed e a n alizar

a tra v és d e u n a red c o m p u e s ta p o r varias u n io n es al reso lv er un siste m a de e c u a c io n e s
lineales. Este p ro c e d im ie n to se ilustra en el e je m p lo 5.
► E jem p lo 5 A n á lisis d e una R ed

E sta b le z c a un s iste m a de e c u a c io n e s lin eales p ara re p re s e n ta r la red m o stra d a en la figura
1.8 y resuélvalo.
FIGURA 1.8
Solución: C a d a u n a de las c in c o u n io n es de la red o rig in a u na e c u a c ió n lineal, c o m o se

m u e stra a c o n tin u ació n .
..v, + X-, = 20 U nión 1

Xy + 2 0 = V, U n ió n 2
.v, + * 3 = 20 U nión 3
.v, + 10 = ,vs U nión 4
,vs + 10 = x . U nión 5
Sección 1.3 A plicación de los Sistem as de E cuaciones Lineales 49
I ii m otriz a u m e n ta d a d e este s iste m a es
■I I 0 0 0 20'
0 0 1 - 1 0 -2 0
0 1 1 0 0 20
1 0 0 0 - 1-10
.0 0 0 -1 1 - 10 .
I ii elim in ació n de G a u s s-Jo rd a n p ro d u ce la m atriz
‘ I 0 0 0 -1 -1 0 "
0 1 0 0 1 30
0 0 10 - 1 - 10
0 0 0 1 - 1 10
.0 0 00 0 0.
t ’mii / *v se ob tien e
A, = / - 10, x 2 = —I + 30, * 3 = / - 10,

a4 = l + 10, a5 = i
■luíale / es u n n ú m e ro real. P o r tanto, este sistem a tiene infinid ad de s o lu c io n e s
I 'n ol e jem p lo 5, s u p o n g a q u e se p u e d e c o n tro la r la c a n tid a d de flujo a lo la r g o d e la ram a

tf|k|tiotndu c o m o A j. U san d o la so lu ció n d a d a en el e je m p lo 5, e n to n c e s se p u ed e c o n tro la r
o) llujo re p resen tad o p o r c a d a una d e las d e m á s v ariables. P o r e je m p lo , c o n t = lO el flujo
de i , y a , se red u ciría a cero, c o m o se m u estra en la figura 1.9. D e m a n e ra se m e ja n te , con
l 10 se o b ten d ría la red m o strad a en la figura 1. 10.
I K J U R A 1.9
I K . U K A 1.10
Es posible observar cóm o el tipo de análisis de redes presentado en el ejem plo 5 puede
usarse en problemas relacionados con el flujo de vehículos por las calles de una ciudad o
con el flujo de agua a través de un sistema de irrigación.
Otro tipo de red al cual suele aplicarse el análisis de redes es la red eléctrica. En un
análisis de este sistema se usan dos propiedades de las redes eléctricas conocidas como
L eyes de K irchhoff.
1. Toda la c o m en te que fluye hacia una unión o nodo debe fluir hacia fuera de él.
2. La suma de los productos IR (/ es la corriente y R es la resistencia) alrededor de una
trayectoria cerrada es igual a la tensión total en la trayectoria.
Observación: Una trayectoria cerrada es una sucesión de ramas tal cjuc el punto inicial de
la primera rama coincide con el punto terminal de la última rama.
En una red eléctrica, la corriente se mide en unidades ampers, la resistencia en ohms

y el producto de la corriente y la resistencia en unidades volt. Las baterías se representan
por el sím b olo— |i— , donde la corriente fluye hacia fuera de la terminal denotada por la
línea vertical más larga. La resistencia se denota por el símbolo - A / W - .
► Ejemplo 6 A uní¡sis de una Red Eléctrica

Determine las corrientes /,, / , e / 3 de la red eléctrica mostrada en la figura 1.11.
FIGURA 1.11
* 3=4
Solución: Al aplicar la primera ley de Kirchhoff a cualquier nodo se obtiene
/, + / 3 = E Nodo 1 o nodo 2
y al aplicar la segunda ley a las dos trayectorias se obtiene
R | / | + R 2I1 = 3/, + 2/ 2 = 7 Trayectoria 1

R 2I2 + /?3/ 3 = 2 /2 + 4 /3 = 8 Trayectoria 2
Por tanto, se tiene e! siguiente sistema de tres ecuaciones lineales en las variables /,, /, c
^y
/ , - /2 + /3 = 0
3/, + 2 12 =7
2 12 + 4 /3 = 8
*
P o r tanto, se tiene el sig u ien te siste m a de siete e c u a c io n e s lin eales en las v ariab les / ,,
h' l4' e V
= 0
+ /, = 0
- V *6 = 0
'4 - '5 + ¡6 = 0
2 / | + 412 = 10
4 12 + / 3 + 21A + 2 /5 = 17
2 / 5 + 4 / 6 = 14
Al ap lic a r e lim in a c ió n de G a u ss-Jo rd a n a la m atriz a u m e n ta d a
■ 1 -1 1 0 0 0 0 '
1 -1 0 1 0 0 0
0 0 1 0 -1 1 0
0 0 0 1 -1 1 0
2 4 0 0 0 0 10
0 4 1 2 2 0 17
. 0 0 0 0 2 4 14.
se o b tien e la fo rm a e s c a lo n a d a reducida
'1 0 0 0 0 0 1'
0 1 0 00 0 2
0 0 1 0 0 0 1
0 0 0 1 0 0 1
0 0 0 01 0 3
0 0 0 0 0 12
.0 0 0 00 0 0 .
lo cual sig n ifica q u e /, = I am p, l 2 = 2 am p s, / , = I a m p , / , = 1 a m p , / s - 3 a m p s e / (>= 2
am p s. -4

A ju ste P o lin o m ia l d e C u rv a s
En los ejercicios del 1 al 6 , a) determ ine el polinom io cuya gráfica pasa por los puntos dados
y b) bosqueje la gráfica del polinomio, m ostrando los puntos dados.
1. (2. 5), (3, 2), (4, 5)
2. (2, 4). (3, 4). (4, 4)
3. (2. 4), (3, 6), (5, 10)
4. ( - 1 . 3 ) . (0 ,0 ), (1, 1), (4. 58)
5. (1 9 8 6 ,5 ), (1 9 8 7 ,7 ), (1988, 12) (Sea z = „y - 1987 .)
6. (1986, 150), (1987. 180), (1988. 240). (1989, 360) (sea z - .v I9K7.)
Sección 1.3 E jercicios 53
t hílente ajustar la gráfica üc una función polinomial a los valores dados. ¿Q ué sucede y
(Hir qué?
X i 2 3 3 4
y i 1 2 3 4
» I a gráfica de una función / pasa por los puntos ( 0 , 1), (2 ,^) y (4, 5). Encuentre una función
i umlrálica que pase por estos puntos.
« Encuentre una función polinomial p(x) de grado m enor o igual que 2 q ue pase por los
puntos (0, 1), (2, 3) y (4, 5). Luego, bosqueje la gráfica de >• = \lp(x) y com párela con la
giálica del polinom io que se encontró en el ejercicio 8 .
10 I<’álculo) La gráfica de una parábola pasa por los puntos (0 ,1 ) y ( ¿) y tiene una tangente
horizontal en ( i , j ) . Encuentre la ecuación de la parábola y bosqueje su gráfica.
11 << ;iic u lo )U n p o l¡ n o m io c ú b ic o tic n e la n g e n te s h o r Í7 .o n ta lc s e n (l,-2 ) y (- l,2 ) . Encuentre

la licuación de la cúbica y bosqueje su gráfica.
• l I (ncuentre la ecuación de la circunferencia que pasa por los puntos (1 ,3 ), ( -2 . 6) y (4 ,2 ).
I \ Nojjún los datos del censo en un país, en 1950 había 179.3 millones de habitantes, en 1960
había 203.3 millones y en 1980 había 226.5 millones. Ajuste un polinom io de segundo
grado a estos tres puntos y use el resultado para predecir la población para 1985 y 1990.
M I n la tabla mostrada a continuación se observa la población de un país en los años 1920,

1930, 1940 y 1950.
Año 1920 1930 1940 1950
Población
(en millones) 106 123 132 151
ii) Encuentre un p o lin om iod e tercer grado que se ajuste a estos datos y aplique el resultado
pura calcular la población de 1960.
h) ¿C óm o se com para su estim ación con la población real de 1 7 9 m illones en 1960?
11no sen 0 = 0, sen {izJ2) - 1, y sen n = 0 para calcular sen (71/3).
la I lne logj I = 0, lo g 2 2 = I y log2 4 = 2 para calcular log, 3.
1 7 I muestre que si una función p o lin o m ial p(x) = a0 + </,* + a2x 2 es cero para x = - 1,
I m 0 y x * I , entonces an = tí, = a2 = 0 .
|N I a afirm ación del ejercicio 1 7 puede generalizarse co m o sigue: Si una función polinomial
/M Q h «() ♦ a yx + • • • + <in |V " 1 es cero para más de n - I valores de .t, entonces «() = a ]
m . • • m í/>( | = 0 . Use este resultado para dem ostrar que hay a lo sum o una función poli-
Itomlul de grado n I (o m enos) cuya gráfica pasa por n puntos del plano con distancias
ahuclsas x. (Sugerencias: Sean
p ,(x ) = a 0 + a , x + at r 2 + • • • + an _ 1
y
P 2(x) = bfí ■+ b tx + fc-j-r2 + • • • + bn_ xxT ~ 1
dos funciones polinomiales diferentes que pasan por los puntos dados y con sidere/?,(*) - p 2(x)
en x = x ,, x 2,..., xn.]
A n á lisis d e R ed es
H 19. Por un acueducto fluye agua (en miles de metros cúbicos por hora) c o m o se muestra en
la figura 1.13.
a) Resuelva este sistema para el caudal de agua representado por x¿, i = 1 , 2 ........7.
b) Encuentre el patrón de flujo de la red cuando x6 = x7 = 0.
c) Encuentre el patrón de flujo de la red cuando x5 = 1000 y x6 = 0.
FIGURA 1.13 FIGURA 1.14
t í 20. El flujo de tráfico (en vehículo por hora) que circula por una red de calles se muestra en
la figura 1.14.
a) Resuelva este sistem a para x¡, i = 1 , 2 ......5.
b) Encuentre el flujo vehicular cuando x 2= 200 y .v3= 50.
c) Encuentre el flujo vehicular cuando x-,= 150 y x-, = 0.
ü 21. En la figura 1.15 se m uestra el flujo de tráfico (en vehículos por hora) que circula por una
red de calles.
a) Resuelva el sistema para xr i = 1, 2, 3. 4.
b) Encuentre el flujo vehicular cuando x4= 0.
c) Encuentre el flujo vehicular cu an do x , = 100.
FIGURA 1.15 200

u n . Kn la figura 1.16 se m uestra el flujo de tráfico (en vehículos por hora) que circula por una
red de calles.
o) Resuelva el sistem a para x p i = 1 , 2 ........5.
h) Encuentre el flujo vehicular cuando r 3 = O y r ? = 100.
C) Encuentre el flujo vehicular cuando ,r3 = x $ = 100.
FIGURA 1.16
) V I tatcrinine las corrientes /,, ¡2 e / 3 de la red eléctrica m ostrada en la figura 1.17
| | | 1 1 Determ ine las corrientes e / 3 de la red eléctrica mostrada en la figura 1.18.
a) D eterm ine las corrientes / , , / 2 e / 3 de la red eléctrica mostrada en la figura 1.19.

b) ¿C ó m o es el resultado cuando A cam bia a 2 V y B cam bia a 6 V?
FIGURA 1.19
y 26. Determine las corrientes /,, I2, ¡y /4, ¡y e /6 de la red eléctrica mostrada en la figura 1.20.
FIGURA 1.20
Capítulo I ▲ ejercicios de Repaso

En los ejercicios 1 y 2. encuentre una representación paramétrica del conjunto solución de la
ecuación lineal dada.
1. - 4a + 2y - 6z = 1 2. 3a, + 2a 2 - 4a 3 = 0
En los ejercicios del 3 al 6, determine si la matriz dada está en la forma escalonada. Si es así.
determine si también está en la forma escalonada reducida.
10 11 1 2 - 3 0
3. 0 1 2 1 4. 0 0 0 1
0 0 0 1 0 0 0 0
-1 2 1 0 10 0
5. 0 1 0 6. 0 0 12
0 0 1 0 0 0 0
En los ejercicios 7 y 8. encuentre el conjunto solución del sistema de ecuaciones lineales

representado por la matriz aumentada dada.
1 2 0 o' 1 2 3 o'
7. 0 0 1 0 8. 0 0 0 l
0 0 0 0 0 0 0 0
Capítulo 1 Ejercidos de Repaso 57
I it Ion ejercicios del 9 al 30, resuelva el sistema de ecuaciones lineales dado.
—o
1». t + y = 2 10.
+
K
>.
ii
i
en
C1
« -y = 0
+
H
>N
ii
II. y c i* 12. * = y + 3
v• * + 4 *=y+ 1
13. y +*= 0 14. y = - 4*

2.» + y = 0 y- *
!«. *- y= 9 16. 40*, + 30*2 = 24
*+y= 1 20*, + I5*2 = -1 4
17. 0.2 í , + 0.3*2 = 0.14 18. 0.2* - 0 .1 y = 0.07

0.4*, + 0.5*2 = 0.4* - 0.5y = - 0.01
IV, } * - J y = 0 20. 3** + 47y — -5

3
Vt + 2(y + 5) = 10 2* + 3y = 15
11, ■*+ y + 2z = 1 22. 2* + 3y + z = 10

2* + 3y + z = -2 2* - 3y - 3z = 22
5* + 4y + 2z = 4 4* - 2y + 3z = -2
2* + 3y + 3z = 3 24. 2* + 6z = - 9
6* + 6y + 12z= 13 3* - 2y + 1 lz = -1 6
12* + 9 y - z= 2 3 * - y + 7z = —11
1 IH * - 2 y + z = -6 26. * + 2y + 6z = 1
2*~3y = -7 2* + 5y + 15z = 4
* + 3y - 3z = 11 3* + .y + 3z = - 6
J7 2* + y + 2z = 4 28. 2*, + 5*2 - 19*, = 34

2* + 2y =5 3*, + 8*2 - 3 1*3 = 54
2* - y + 6z = 2
w i». 2 » ,+ *2 + *3 + 2*4 = - l 030. *, + 5*2 + 3 * 3

3*, - 2*2 + *3 - 3*4 = 0 4*2 + 2*3 + 5*4
3*3 + 8*4
o-
-*, + 3*2 + 2*3 + 2*4 = 1

3*, + 2*2 + 3*3 - 5*4 = 12 2*, + 4*,
o
Ir, - * 3
o
n, *, *• 2*2- 8*3 = 0 32. 2*, + 4x2 - 7*3= 0

3*, + 2*2 =0 *, - 3 a -, + 9 *3 = 0
-A, + *2 + 7*3 = 0 6 * ( + 9 * 3 = 0
|¿ . 2 *| - 8 *2 + 4 * 3 = 0 34. *, + 3*2 + 5*3 = 0

3.v, - 10* 2 r 7*3 = 0 * , + 4 * 2 + 5 * 3 = 0
58 Capítulo I Sistemas de Eeiuiciones Lineales
35. Determine el valor de k tal que el siguiente sistema de ecuaciones lineales sea inconsis
tente.
Jet + y = 0
x + ky = 1
36. Determine el valor de k de modo que el siguiente sistema de ecuaciones lineales tenga
exactamente una solución.
x - y + 2z = 0
-x + y - 2 = 0
x + ky-y z = 0
Capítulo I A ejercicios Complementarios

1. Demuestre que las dos matrices siguientes son equivalentes por renglones
1 1 2 i 2 3
0 -1 2 y 4 3 6
3 1 2 5 5 10
2. Encuentre condiciones sobre a y b de modo que el siguiente sistema de ecuaciones lineales

a) no tenga solución, b) tenga exactamenteuna solución y c) tenga infinidad de soluciones.
jc +- 2y = 3
ax + by = -9
3. Encuentre (de ser posible) condiciones sobre a, b y c de modo que el siguiente sistema de
ecuaciones lineales a) no tenga solución, b) tenga exactamente una solución y c) tenga
infinidad de soluciones.
2x - y + z = a
x + y + 2z = b
3 y + 3z = c
4. Describa todas la matrices posibles 2 x 3 escalonadas reducidas.
5. Sean i i ^ 3 . Encuentre la forma escalonada reducidu de la matriz n x n
2 3 n
n+ 1 n +2 /i + 3 2n
2n + 1 2/« + 2 2/i + 3 3/j
n2 - n + 1 n1 - n + 2 n2 - n + 3
Capítulo / Ejercicios Complementarios 59
r< Encuentre un sistema consistente de ecuaciones lineales que tenga más ecuaciones que
vuriubles.
7. Encuentre un sistema inconsistente de ecuaciones lineales que tenga más variables que
ecuaciones.
N (Encuentre todos los valores de A para los cuales el siguiente sistema homogéneo de
ecuaciones lineales tenga soluciones no triviales.
(A + 2) a:, - 2 x 2 + 3x3 = 0
-2v, + (A - 1) x 2 + 6.t3 = 0
x¡ + 2x 2 + A.v3 = 0
\ Jiudr P o lin o m ia l d e C u r v a s
ejercicios 9 y 10, a) determine el polinomio cuya gráfica pasa por los puntos dados y
| p l I ii I o n
1*1 Im•.queje la gráfica del polinomio, mostrando los puntos dados.
V ( 2 , 5). (3,0), (4, 20)
11». < I, 1 ),(0 ,0 ).(1 , 1), (2, 4)
'*! 11 I lita empresa tiene ventas (medidas en millones) de 50, 60 y 75 dólares durante tresaños
consecutivos. Encuentre una función cuadrática que se ajuste a estos datos yuse el
i c u ita d o para predecir las ventas durante el cuarto año.
i .* III polinomio p{x) = a0 + a ,.v + a¿x2 + es cero cuando x = 1, 2, 3 y 4. ¿Cuáles son los
valores de aQ, a{, aY y a 3?
A n álisis d e R e d e s
1' I u la figura 1.21 se muestra el flujo a través de una red.

a) Resuelva el sistema para x r i = 1,2, ..., 6.
Id Encuentre el flujo cuando x3 = 100, x 5 = 50 y xb = 50.
RC1URA 1.21
2CX)
O 14. D eterm ine las corrientes / , , / 2 e / 3 de la red eléctrica m ostrada en la figura ) .22.
FIGURA 1.22
Capítulo L
Matrices
2.1 O p e ra c io n e s co n M atrices
2.2 P ro p ie d a d e s d e las O p e ra c io n e s con M atrices
2.3 L a Inv ersa d e u na M atriz
2 .4 M atrices E lem en tales
2.5 A p lic a c io n e s de las O p e ra c io n e s con M atrices
Aithur Cayley
A rtbur Cay ley fue el segundo hijo de un

com erciante inglés. C ó m o G a m s , Cayley
m ostró genio m atem ático desde muy joven.
Asistió al Trinity College, C am bridge, don
de pronto aventajó a sus condiscípulos. O b
tuvo una serie de distinciones que culm in a
ron con su elección com o asociado de Trinify
y tutor asistente, ptiesto en el que hubiera
sido reelecto de n o haberse o rdenado com o
m inistro d e la iglesia d e Inglaterra. Después de graduarse en C am bridge. Cayley
inició una prolífica carrera co m o escritor, habiendo publicado 25 artículos e n tres
años. El trabajo q u e in ició c o n estos artículos rigió su interés m atem ático durante casi
50 años.
Cayley no logró encontrar trabajo com o matem ático, por lo q u e a la edad de 25
artos decidió estudiar Leyes. Durante 14 años, Cayley tu vo una carrera legal exitosa
pero m odesta, aunque dedicaba bastante tiem po a las matemáticas. Publicó casi 200
artículos.
En 1863, Cayley fue nom brado profesor de matem áticas en C am bridge, puesto
q ue conservó hasta sú muerte e n 1895. Durante su perm anencia en C am bridge,
Cayley trató d e persuadir a la Junta Administrativa para que perm itiese el ingreso de
mujeres c o m o alumnas.
Los escritos y creaciones matem áticas de Cayley implican m uchas ram as de las
matemáticas, incluyendo la geom etría analítica. Sin em bargo, se le recuerda m ás por
su trabajo en álgebra lineal. Introdujo la teoría de matrices en u n artículo titulado A
M cm oir on ihe Theory o f M otrices (1858) y creó la teoría de las invariantes.
01
62 Capitulo 2 Matrices
2.1 ▲ Operaciones con M atrices

En la sección 1.2 se usaron matrices para resolver sistemas de ecuaciones lineales. Sin
embargo, las matrices pueden hacer mucho más que eso. Hay una abundante teoría
matemática de matrices cuyas aplicaciones son numerosas. En ésta y en la siguiente
sección se introducen algunos conceptos fundamentales de la teoría de matrices.
Es un acuerdo matemático común representar las matrices en alguna de las tres formas
siguientes.
1. Una matriz puede denotarse por una letra mayúscula com o A, B , C,...
2. Una matriz puede denotarse por un elemento representativo escrito entre corchetes,
com o [tfJJ, fb0], [c,y],...
3. Una matriz puede denotarse mediante un arreglo rectangular de números
’ «ii «12 «13 ' '• «.„
«21 «22 «23 ' •• «2/i
«31 «32 «33 ‘ •' «3n
. «mi «m2 ««3 • «mn
Com o se mencionó en el capítulo 1, las matrices en este texto son esencialmente matrices
reales. Es decir, sus elementos son números reales. (Las matrices cuyos elementos son
números complejos se analizarán en el capítulo 9.)
Se dice que dos matrices son iguales si sus elem entos correspondientes lo son.
i A X ".
Definición d e la Igualdad de M atrices

Dos matrices A ~ [a,.] y B = [b ] son ig u ales si tienen el m ism o orden (ni x n)
•- - y, y *' • ' 'S ' •//' ^ * .y'''<■ * . ' ' %v '■ • - ’v
X X’ i X* ' ? r - ' - c V' /

f x b -;'V .. i
°i, ~ b,¡
para I i .£ rn
► Ejemplo I Igualdad de Matrices

Encuentre los valores de « n , « |2, «2| y u.n en la siguiente ecuación matricial.
«12 ] = 2 -1
21
ti
22
-3 0
Sección 2 .1 Operaciones can Matrices 63
jMtli H»ir Dado que dos nial rices son iguales sólo si sus elementos correspondientes son
Id» ili i, se concluye que
<t|| n 2, «12 = —!, ^21= ^22 = ^
Hiiüui de M atrices
I m l ui nu de dos matrices (del m ismo orden) se lleva a cabo sumando sus elementos
|}t>M<'>| tundientes.
Ni A « ( « , ) y B « {btj} son matrices de orden m x n , entonces su s u m a es la matriz

jh x n de/m ida com o
A ♦ H - \a ¡¿ + -
a ■í-'í
I a suma de dos matrices
_________________ ..... ...
► I templo 2 Suma de Matrices
■I 2' 1 3 - 1+1 2 + 3 0 5
+ —
0 1 -1 2 0 - 1 1+2 -1 3
0 1 -2 0 0 0 0 1 -2
1*) +
1 2 3 0 0 0 1 2 3
1 -1 0
i) -3 + 3 = 0
-2 2 0
d) 1.a suma de
'2 1 0' 0 1
A- 4 0 -1 y b = -i 3
.3 -2 2. 2 4 .
no está definida.
Multiplicación por un t e l a r
Al trabajar con matrices, los números suelen denominarse escalares. A m enos que se
Uipccifique lo contrario, los escalares serán números reales. Se multiplica una matriz A por
un escalar c al multiplicar por c cada elemento de A.
64 Capítulo 2 Matrices
. —
Definición de Mult iplicación t a l a r

Si A - f ír ) es una matriz m x n y c es un escalar, entonces el m ú ltip lo e s c a la r de
A p or c es la matriz m x n definida por
cA = l r a ¿ .
Para representar el producto escalar (-1)/! se usa -A . S\ A y B son del mismo orden,
en to n ces/! - B representa la suma de A y ( - l) f i. Es decir,
A - B = A + (-\)B. Resta de matrices
► Ejemplo 3 Multiplicación p o r un Escalar y Resta de Matrices

Para las matrices
1 2 4 ' 1 0 0
A= b =
O
y 1 -4 3
i
. 2 1 2. -1 3 2.
encontrar
a) 3A
b) -B
c) 3A - B.
Solución:
1 2 4 [3(1) 3(2) 3(4) ' 3 6 12

a) 3A = 3 -3 0 -1 = 3 (-3) 3(0) 3(—1) = - 9 0 -3
. 2 1 2 .3 (2 ) 3(1) 3(2) . 6 3 6 .
2 0 0 -2 0 0
b) - B = ( - 1) I -4 3 -1 4 -3
-I 3 2 1 -3 -2
3 6 12 ' 2 0 0 1 6 12
c) 3.4 - B = -9 0 -3 - 1 -4 3 =
-10 4 -6
6 3 6 -1 3 2 . 7 0 4 .
Observación: A menudo es conveniente reescribir la multiplicación escalarrA factorizando

t en todos los elementos de la matriz. Por ejemplo, a continuación se observa que el escalar
5 se ha factorizado.
Sección 2 .1 Operaciones con Matrices 65
1 31
1 - 3 1 1 -3
1 1 ” 2 5 1
2.
m iill !|il!r,i( ion de Matrices

|_i* in ri m ijperación básica es la m ultiplicación de m atrices. A primera vista, la siguiente
il< lililí lón puede parecer inusual. Sin embargo, com o se verá después, esta definición del
■ M lirlO de dos matrices tiene muchas aplicaciones prácticas.
I W lnlción (Je M ultiplicación de M atrices

Rl i - (<iy) es una m a trizm x n y B = [ b j es una matriz n x p , entonces el producto
tu una matriz ni x p
A B = [ c j
iKuulc
•, I «,kbkJ ~ a¿>H + ai2b v + a ^ b y + •■• + a j ^ .

* U I
I ■Indefinición significa que el elemento en el /-ésimo renglón y en lay-ésima colum na

ili I pimluclo AH se obtiene al multiplicar los elementos del /-ésimo renglón de A por los
11- un 'tilos correspondientes de la y-ésima columna de B y luego sumar los resultados. Este
|i»»».. o ilustra con el siguiente ejemplo.
b Itymplo I Determinación del Produelo de Dos Motrices

■ l i l mutile el producto AH, donde
- I 3
-3 2
4 -2 B=
-4 1
5 0
fllllili lúii l ’i imero, observe que el producto AB está definido porque el orden de A es 3 x 2
y vi di H es 2 x 2 . Además, el producto AB es de orden 3 x 2 y es de la forma
I 3 C
n 12
-3
4 -2 '2 1 '2 2
-4
5 0 '3 . 32j
f w m iloiorminar <•,, (el e l e m e n t o en el p r im e r r e n gl ó n y en ia p r i m e r a c o l u m n a del

inidui lo), se m u lt ip l ic an los e l e m e n t o s c o r r e s p o n d i e n t e s e n el p r i m e r r e n g l ó n de A y en
rlilicui c o l u m n a de I I lis decir,
c ,, = (-1 )(-3) + (3)(-4) = -9

\
m 31 [ 1s- _y9 ; C I2
-.3 2
4 -2 —
C 2. C 22
1
5 0 C 3. C32 J
De manera semejante, para determinar c |2 se multiplican los elementos correspondientes

en el primer renglón de A y en la segunda columna de B para obtener
c12 = (-l)(2) + (3 )(l)= l
\
m 3 -9
'.y
4 -2 -3 Ü
-4 I C 2. C 22
5 0, C 3I C 32
Al continuar con el patrón anterior se obtienen los siguientes resultados.
c2i = (4)(—3) + (—2)(—4 ) = - 4

c22 = ( 4)(2) + (-2 X 1 ) = 6
C31 = (5)(—3) + (0)(—4 ) = - 1 5
c32 = (5)(2) + (0 )(1 ) = 10
Por tanto, el producto es
-1 3 9 1
-3 2
AB = 4 -2 -4 6
5 0J
-4 1
-1 5 10.
Para estar seguros de que se entiende que para que el producto de dos matrices esl
definido, el núm ero de columnas de la primera matriz debe ser igual al número d
renglones de la segunda matriz. Es decir,
A B AB.
m x n n x p m x p
1igual1
-orden de AB-
Así, en el ejemplo 4 no está definido el producto BA para las matrices A y B.

El patrón general de la multiplicación de matrices es el sig u ien te. Para o b te n er <
elem ento del í-ésimo renglón y lay'-ésima columna del producto/ttf, use el i-ó simo rengle
de A y lay-ésima colum na de B.
Sección 2 .1 Operaciones con Motrices 67
■I,, M,, ’ln A l C12

a 2/1 C2> C22 r 2/
m "" ... b t¡ ■
K i *12 - *',1 •
*2. *22 ■ ** ■ K
... i,„ •
*3. *32 ■ K
• ■ • ' • ■.
• ea C,2 • A
r • *
A . Ki - i ••• v
A l 4,ml 4lm) « m/i c ,„i í'm2 • m/>
m
a H b M + a a b 2 ¡ + a* + - • • + a
tn
b - nj
Éi / /, tupio ü Mtilllpllcaclón de Matrices
-2 4 2
1 0 3 -5 7 -1
rfl 1 0 0 __
; i -2 -3 6 6
-1 1 -1 .
}x 3 3x3 2x3
» 4 1 0 3 4
2 3 0 1 -2 5
2 - .* 2x2 2x2
1 2 -1 2' 1 0
II) 1 -1 0 1
1 1
í *2 2x2 2x2
«I» I 2 -3| = di
i - .1 3x1 lx l
2 2 -4 -6
*) i |l -2 -3] = - 1 2 3
i l 1 -2 -3
4p 1 1x3 3x3
(H n i'Vhi'IÓII: Nótese la diferencia entre los dos productos en los incisos d) y e) del ejemplo
\ l'n u<literal. la multiplicación de matrices no es conmutativa. Es decir, casi nunca es
■»m|n (jim* el producto AH es igual al producto HA. (Véase la sección 2.2 para un análisis
piol'mtdo de la no conmutatividad de la multiplicación de matrices.)
Sistem as de Ecuaciones Lineales

Una aplicación práctica de la multiplicación de matrices es la de representar un sistema
de ecuaciones lineales. Observe cóm o el sistema
2* 2 + a i3*3 =
a2\X\ + **22*2 + “ 23*3 = ^2

a3lx i + a i2x2 + fl3yt3 = fc3
puede escribirse com o la ecuación matricial A X = B , donde A es la matriz de coeficientes

del sistema. Es decir, se puede escribir
n "l2 “ l3 V
21 fl 22 f l 23 *2 h2
31 «32 “ 33J *3 > 3

—
/t X 11
Las matrices A' y B se denom inan m atrices colum na porque cada una consiste en una sola
columna. De manera semejante, las matrices que consisten en un solo renglón se
denominan m atrices renglón.
► Ejemplo 6 Resolución de un Sistem o de Ecuaciones Lineales

Resolver la ecuación matricial AX = O, donde
-2 1
A =
3 -2
Solución: Com o sistema de ecuaciones, A X = O se representa como
. í, - 2x 2 + .v3 = 0
I r , + 3 .v , - 2 .r 3 = 0 .
Al usar la eliminación de Gauss-Jordan sobre la matriz aum entada de este sistema, se

obtiene
i 2
1 0 0
7
_ 4
0 1
7 o
Por tanto, el sistema tiene inf inidad de soluciones. En este caso, una elección conveniente
del parámetro es .v3 = 7/, y entonces se puede escribir el conjunto solución como
x { = r, ,v2 = 4 /, x3 = 7 r, t es cualquier número real.
En términos de matrices, se ha encontrado que la ecuación matricial

Sección 2 .1 Ejercicios 69
■ t i * luímiil.«I «le soluciones representadas por
I I >- ,( b í <||
' =t 4 , ( es cualquier escalar.
■ *J
|i IitIi, cualquier múltiplo escalar de la matriz colum na de la derecha es solución. 4
P I b m/ilti 7 Resolución de un Sistem a de Ecuaciones Lineales

■tmiimlvn la ecuación matricial AX = O, donde
I 0 -I 2
-1 1 1 -3
A-
1 1 - 1 I
3 2 - 3 4
jM lirlóll! Bl sistema de ecuaciones lineales representado por AX = O es
- *3 + = 0
-x , + x 2 + *3 - 3 * 4 = 0
X, + X2 - *3 + *4 = 0
.Vi, + 2*2 - 3*3 + 4*4 = 0.
Al Mtiur la eliminación de Gauss-Jordan sobre la matriz aum entada de este sistema se

ulillcnc
I 0 -1 2 ()'
0 1 0 -1 0
0 0 0 0 0
0 0 0 0 0
l'i H tanto, el sistema tiene infinidad de soluciones. Al hacer que las variables no principales
*, y *4 representen los parámetros s y t, se tiene Xj = * 3- 2*4 = s - 2/ y *2 = * , = /, y el conjunto
Milin ión del sistema de ecuaciones lineales está dado por
‘V ■s - 2t' r -2 ‘
*2 t 0 1
X= —
=s + ( s y t son escalares cualesquiera.
•r 3
s i 0
.-*4- i .0 . 1.
Sección 2.1 ▲ Ejercicios

lin los ejercicios del I al 6. encuentre a )A + B. b ) A - B , c) 2A, y d) 2A - B
70 C apítulo 2 M atrices
1 -1 2 -1
1. 4 = . B=
2 -1 -1 8
1 2 -3 -2
2. A = B=
2 1 4 9
6 -1 1 4
3. ,4 = 2 4 t B = -1 5
-3 5 1 10.
2 1 1 2 -3 4
4. 4 = * B=
-1 -1 4. -3 1 -2
2 2 -1 0 1 1 1 - 1 1 0
5. A = , B
' ' -2 0 -1 -3 4 9 - 6 - 7
3' -4
6. A = 2 . B= 6
-1. . 2J
7. Encuentre a) c21 y b) c, v donde C = 24 - 3fí y
5 4 4 1 2 -7
-4 = yy B=
-3 1 2 0 -5 1
8. Encuentre a) c23 y b) c32, donde C = 5A + 2B y
'4 11 -9 * 1 0 5
A = 0 3 2 y B = -4 6 11
-3 1 1 -6 4 9.
9. Despeje y y z en la ecuación matricial
.v y y z 4 .v
4 = 2 f +2
z -1 -x 1 5 -r
10. Despeje x, y, z y w en la ecuación matricial
M- .V = -4 3 y h-
+2
y 1 2 -1 Z x \
En los ejercicios del 11 al 16, encuentre a) AB y b) BA.
1 2 2 -1 2 -1 0 0
A = . B= 12. A = , B=
4 2 -1 8 1 4 3 -3
3 -1 1 -3 1 -1 1 3
II A y, B = 14. A = . B =
1 3 3 1 1 1 -3 1
1 -1 7 l 1 2 '
II. 4 - 2 - 1 8 . B = 2 1 1
,3 1 -1 . 1 -3 2 .
l«, 4 - |3 2 1], 11 =
|»n Ion e je rc ic io s d e l 17 al 2 4 , e n c u e n tr e a ) A ll y b ) BA (si e s q u e e s tá n d e fin id o s ).
2 1 0 -1 0 0 -1 0 2
U A* -3 4 , B = 4 0 2 18. 4 = 4 0 2 . B = -3
1 6. .8 -1 7. 8 -1 7 . 1.
3 1 2
|M l - 5 i, B =
0 7
2
3 0 0
|l l A B = 0 1 0
ü 0 -2 0 0 5
i
5 0 0 5 0 0
tí = i
II, A 0 - 8 0 0 '5
0 0 7 0 0
0 0 5 6 II 4
U, A 0 0 - 3 B= 8 16 4
0 0 4 0 0 0
6
■2
41, i fí = [IO 12J
I
6.
1 0 3 -2 4 1 6
Hi A tí =
6 13 8 -17 20 4 2
l ü t Ion e je rc ic io s del 25 al 3 0 . e s c rib a el s is te m a d e e c u a c io n e s lin e a le s d a d o e n la fo rm a A X

a I I y d e s p e je x d e e s ta e c u a c ió n m a tric ia l.
26. 2.V, + l v 2 = 7
- 6 .v , - 6 x 2 = - 2 1
72 Cup(lulo 2 M atrices
27. H.v, - 8.v2 = O 28. 6lV2 + 4 a 3 = 12

-3 * ! + 2 r 2 = O 3.x, + 3.x, = 9
2x - 3*3 = 10
29. .v, + 2 r3= 5 30. + 2r3= 4

3.t, - 2v, + xi = 8 2 x ( - 4x, -6
-2.x l + 2 x 2 - r3 = - 3 3x, + 2.v2 + 5x3 = 10
En los ejercicios 31 y 32, despeje A de la ecuación matricial.
1 2 1 0 2 - f 1 0
A = 0 32. A =
3 5 1 3 -2 0 1
En los ejercicios 33 y 34, despeje a, b, c y d de la ecuación matricial dada.
a- b 2b + c -1 3 a + b b +c 2 -1
34.
c —2 d u +d 5 -2 . c +d a +d 1 4
35. Encuentre condiciones sobre w, x, y y z de m odo que AB = BA para las siguientes matrices.
w X 1 1
¿ = y B=
y z. -1 1.
36. C om pruebe que AB = BA para las siguientes matrices.
eos a - sen a eos (5 - sen /3

/I = B=
sen a eos a sen (i eos /3
En los ejercicios 37 y 38, encuentre el producto AA para la matriz diagonal dada. Una matriz
cuadrada
«i« ?. 0 0
0 a 22 0
0 ó"-!
,4 =
0 0 0 nn
se denom ina m a t r i z d ia g o n a l si todos los elem entos fuera de la diagonal principal son nulos.
-\ 0 0 2 0 0*
37. A = 0 2 0 38. A = 0 -3 0
0 0 3 . .0 0 0.
Sección 2. V E jercicios 73
H k | tomín i«Uc que si A y li son matrices diagonales (del m ism o orden), entonces A B = BA.
n I ' rltm el producto A B si A es una m atriz diagonal de orden 3 x 3 y B e s una m atriz de

Miden 3 H 3. Si en la matriz diagonal A se tiene que a , , = a22 = a 33, ¿có m o cam bian los
MtNllllmloN?
I b I.. »*|i*• i Icii *s 11 y 42, encuentre la traza de la matriz proporcionada. La t r a z a de una matriz
j n <i n i>*. ln .urna de los elem entos de la diagonal principal. Es decir, T r (A) = + « „ + ••
i i»
1 2 3 1 0 0'
41 0 7 4 42. 0 1 0
1 1 3 0 0 1
I »i muestre ijuc las expresiones siguientes son verdaderas si A y B son m atrices cuadradas
d> orden n y c es un escalar.
n) IV (A + B) = T r (j4) + T r (fi)
h) l’r M ) = c T r 04)
it I >i muestre que si A y B son matrices cuadradas de orden n, entonces T r (AB) = T r (BA).
j|| IV m uestre que la siguiente ecuación matricial no tiene solución.
1 1 1 0
A =
1 1 0 1
Ni'iui A y B dos matrices 2 x 2 . D em uestre que la siguiente ecuación no tiene solución.
1 0
A B - BA =
0 1
I' I >rmuestre q u e si el producto A B es una matriz cuadrada, entonces el producto BA está

definido.
illl. Demuestre que si am bos productos AB y BA están definidos, entonces A B y BA son
m atrices cuadradas.
r» Sutin A y B dos matrices tales que el producto AB está definido. Dem uestre que si A tiene
«los renglones idénticos, entonces los dos renglones correspondientes de A B tam bién son
Idénticos.
MI Sean A y B matrices n x n. D em uestre que si todos los elem entos del i-é sim o renglón de
A son nulos entonces lodos los elem entos del i'-ésimo renglón de A B son nulos. Dé un
ejem plo usando matrices 2 x 2 para dem ostrar que la conversa no es cierta.
s I , Cierta empresa cuenta con cuatro fábricas. Cada una produce dos productos. El número de
unidades de producto i producido en la fábrica j en un día se representa por a¡- en la matriz
100 90 70 30
-4 =
40 20 60 60
C o n la m ultiplicació n p o r un e sc a la r (m u ltip liq u e p o r 1.10) determ in e los n iveles de p ro

ducción q ue hab ría si ésta se in crem en tase en 10%.
52. U n fru ticu lto r levanta dos co sech as, las cuales se em b arcan a tres m ercad o s. El núm ero
d e un id ad es del pro d u cto i que se em b arca al m ercado j se representa p o r a i j en la m atriz.
100 75 75
A =
125 150 100
L a gan an cia en una unidad del pro d u cto i se rep resen ta p o r b u en la m atriz
B = ($3.75 $7.00],
E ncuentre el p ro d u cto m atricial BA y ex plique qué rep resen ta cad a elem en to de este
producto.
53. U na co m p añ ía elab o ra m esas y sillas en dos sitios. L a m atriz C p ro p o rc io n a el co sto total

d e m an u factu ra d e cad a p ro d u cto en cad a lugar.
Sitio 1 Sitio 2
Mesa 627 681
C =
Silla 135 150
a) D ado q ue la m ano d e o b ra co rresp o n d e a casi j del co sto to tal, d eterm in e la m atriz L

q ue p roporcion a los co sto s p o r m ano de obra para cada p ro d u cto en cad a sitio. ¿Q ué
op eració n m atricial utilizó?
b ) E n cu en tre la m atriz M q u e da los co sto s de m aterial para cada pro d u cto en cad a sitio.
(S u p o n g a que so lam en te hay co sto s d e m ano de o b ra y de m aterial.)
54. L a m atriz
Para R Para D Para I

De R 0.75 0.15 0.10
P = De D 0 .2 0 0 .6 0 0.20
D el . 0.30 0.40 0.30
rep resen ta la pro p o rció n d e una p o b lació n de electo res que cam b ia del p artid o i al partido
j en u na elección dada. Es d ecir. P y (/' * j ) representa la pro p o rció n d e la p o b lació n de
electro n es q u e cam b ia del p artid o i al p artido j y p (i rep resen ta la pro p o rció n que
p erm an ece leal al p artid o j de una elecció n a otra. E n cuentre el pro d u cto de P co n sí misma.
¿Qué representa este producto?
2 .2 a Propiedades de las Operaciones con M atrices

En la sección 2.1 se centró la atención en la mecánica de las tres operaciones básicas con
matrices: suma de matrices, multiplicación por un escalar y multiplicación de matrices.
En esta sección se inicia el desarrollo de un á l g e b r a de m atrices. Se observará que esta
álgebra com parte muchas (pero no todas) de las propiedades del álgebra de los números
Sección 2.2 Propiedades de las Operaciones con Matrices 75
ifiili u. Se empieza con la enumeración de varias propiedades de la suma de matrices y de

Itt multiplicación por un escalar.
Tti u rin a 2,1 Propiedades de ía Sum a d e las M atrices y d e la M ultiplicación p o r

un Escalar
f i A, 11 y C son matrices m x n y c y d son escalaras, entonces se cum plen las
•ipu irn tcsp rop ted^fes. | ^ * ‘4 Ví
i \+ B ^B + A ■ m i
Propiedad - 1utativa
i conm ■
A *• (B + C ) « ( i4 + 0)4- C íhroptedad asociativa de ia suma
* ti d)A -- cidA )
I*. HA + B) ^ i A + c B Propiedad divlrihutivu

fi „ + < l)A * c A + M
{l'iiMtul radón; Las demostraciones de estas seis propiedades se concluyen directamente

H | i i m I I i d c las definiciones de suma de matrices y multiplicación por un escalar, así como
tfr l . |impiedades correspondientes de los números reales. Por ejemplo, para demostrar
fa itmpn-dnd conmutativa de la suma de matrices, sean A = [a{.) y B = [b.]. Entonces,
MAIIi nudo la propiedad conm utativa de la suma de números reales, se escribe
■ A » B = [a.j + btj\ = \btj + a¡j\ = B + A.

I » itnmcut semejante, para demostrar la propiedad 5, se aplica la propiedad distributiva
n número reales) de la multiplicación sobre la adición para escribir
*(A * B) = \c{atj + b.j)] = [cat] + cb.¡\ = cA + cB.
I \ ah (lúimwtraciones de las cuatro propiedades restantes se dejan com o ejercicios. {Véanse

rio» ubrclcios del 43 al 46.) 4
Mil ti» sección anterior la suma de matrices se definió com o una operación binaria. Es
i r definió solamente la suma de dos matrices. La propiedad asociativa de la sum a
|+ mutni permite ahora escribir expresiones com o A + B + C sin am bigüedad debido
| - f l|H> he obtiene el m ismo resultado sin importar cóm o se agrupen las operaciones. En otras
PíIjiIm u , «e obtiene la m ism a sum a si A + B + C se agrupa com o (A + B) + C o com o
V ' t t/í + O . Este m ismo razonam iento se aplica a sumas de cuatro o más matrices.
P l h m illo / Sum a de Más de Dos Motrices

PjntMildi* elementos correspondientes se puede obtener la siguiente suma de cuatro
•Iw lpe*
1 - r 0 ' 2 2
2 + -i + 1 + -3 —
-1
-3. . 2. 4 . -2 1.
Una propiedad importante de la suma de números reales es que el número 0 sirve como
la identidad aditiva. Es decir, c + 0 = c para cualquier núm ero real c. Para las matrices se
cum ple una propiedad semejante. Específicamente, si A es una matriz de m x n y Omi es
la matriz de m x n que consiste en ceros, entonces A + Omn = A . Omn se denom ina m a triz
cero y funciona com o la id e n tid a d ad itiv a para el conjunto de todas las matrices m x n.
Por ejemplo, la siguiente matriz funciona como el neutro aditivo para el conjunto de todas
las matrices 2 x 3 .
Cuando se sobreentiende el orden de la matriz, las matrices cero pueden denotarse

simplem ente por O.
Es fácil dem ostrar las siguientes propiedades de las matrices cero, por lo que las
demostraciones se dejan com o ejercicios. (Véase el ejercicio 47.)
Teorem a 2 .2 P ropiedades de las M atrices Cero ;

Si A es una matriz m x / i y c e s un escalar, entonces
propiedades.
: ; í s ■ . < ,.. . - | &■
1. A 0 ^ 4 A
2. A + i r A m Q ^
3. Si cA « Omt, entonces c = 0 o A - Omn. ,
- - — - — — ---------
Observación: La propiedad 2 puede describirse diciendo que la matriz - A es el inverso

ad itiv o de A.
El álgebra de los números reales y el álgebra de matrices tienen varias semejanzas. Por
ejemplo, com pare las siguientes soluciones.
Números reales Matrices m x n

(Despeja rx. ) í Despeja rX. )
x + a=b X + A =B
x + a + (-íi) = b + (-a) X + A + (-A) = B + (-,4)
x+0= b- a X +O =B- A
x =b -a X =B- A
ii oí ejemplo 2 se muestra el proceso de resolución de una ecuación matricial.
► Eletupio 2 Resolución de una Ecuación Matricial

I »» .peje X en la ecuación 3 X + A = B, donde
1 -2 -3 4
A= B=
0 3 2 1
finita lótl: Se empieza por despejar X de la ecuación dada, para obtener
i
3X = B - A L / X = \(B -A ).
Aliiun, con las matrices dadas A y B , se obtiene
i -3 4 I -2 i -4 6
5 2 1 0 3 5 2 -2
h n p lc d a d c sd c la M ultiplicación de M atrices
$ltl el siguiente teorema se extiende el álgebra de matrices para incluir algunas propiedades
til lie* «le la multiplicación de matrices. Las demostraciones de las dos primeras propieda-
•li -a dan en el apéndice A; las demostraciones de las dos propiedades restantes se dejan
n ) |l|o ejercicios. (Véase el ejercicio 48.)
V.r
irías 2 .3 P ropiedades de la M ultiplicación de M atrices
SI A , B y C so n matrices (conórdenes tales que I
definidos) y c es un escalar, entonces se ci
I A (B C ) * (AB)C í .wjjivwx»
2. A(B ♦ O - Á B + A C Propiedad distributiva i
5. lA + B ) C ~ A C + BC Propiedad distributiva
I. <iAB)~
I o propiedad asociativa de la multiplicación de matrices permite escribir estos

i», mínelos matricialcs com o ABC sin ambigüedad, com o se muestra en el ejemplo 3.
Ifr E fm p lo 3 1*7 Multiplicación de M atrices es Asociativa

Itin in iilre el producto matricial A B C agrupando primero los factores com o (AB)Cy luego
k p in iM (£ C ) y dem uestre que se obtiene el m ismo resultado.
-1 O'
1 -2 1 O
A= B= C= 3 1
2 -1 3 -2
2 4
Solución: Agrupando los factores com o (A B )C , se obtiene
-1 01
1 -2 1 0
(.AB)C = 3 1
2 -1 3 -2
2 4
-5 4 0
r-i o
3 i
-1 2 3
2 4
17 4
13 14
A grupando los factores com o A(BC) se obtiene el misino resultado.
1 -2 0 2
r-i o
A(BC) = 3 1
2 -1 -2 1
2 4
1 -2 1 3 8
2 -1 -7 2
17 4
13 14
Observe que no se enumeró una propiedad conmutativa para la multiplicación de

m atrices. A m enu do sucede que, aunque el producto A B esté definido, A y B no sean
de los órdenes idóneos para definir el producto BA. Por ejemplo, si A es de orden 2 x 3 y
B es de orden 3 x 3 , entonces el producto AB está definido, pero el producto BA no lo está.
En el siguiente ejemplo se muestra que inclusive si ambos productos, AB y BA, están
definidos, no necesariamente son iguales.
► Ejemplo 4 A'o C onm ulatlvldad de la Multiplicación de Matrices

Demuestre que AB y BA no son iguales para las matrices
1 3 2 -1
A=
2 -1 y B=
0 2
Solución:
1 3 2 -1 2 5
AB =
2 -1 0 2 4 -4
2 -1 1 3 0 7
BA =
0 2 2 -1 4 -2
Observe que AB & BA

A partir del ejemplo 4 no se concluye que los productos matricialesAfl y BA nunca son
iMliulcx. Algunas veces son iguales. Por ejemplo, intente multiplicar las siguientes
tttilii ices, primero en el orden AB y luego en el orden BA.
1 2 -2 4
y B=
1 1 2 -2
• M" crvurá que ambos productos son iguales. La cuestión es: Aunque algunas veces AB y
U \ ••>» iguales, casi nunca lo son.
» Mía cualidad importante del álgebra de matrices es que no tiene una propiedad de
i iiui d ació n general para la multiplicación de matrices. Es decir, si A C = BC, no
im 11 iii iumentc es cierto que A = B. Este hecho se demuestra en el ejem plo 5. (En la
nllpllunte sección se verá que para algunos tipos de matrices especiales la cancelación es
Vitlidii )
► h'lrmplo 5 Un Rfcmplo en el que No es Válida la Cancelación

I Mumicstrc que A C = BC para las siguientes matrices.
1 3 2 4 1 -2
B= C=
0 1 2 3 -1 2
1 3’ 1 -2 -2 4
0 1 -1 2 -1 2
2 4 1 -2 -2 4
BC =
2 3 -1 2 -1 2
l • lanío, A C = BC y, sin embargo, A * B.
A continuación se considerará un tipo especial de matriz cuadrada que tiene unos en

11 diagonal principal y ceros fuera de ella.
’ 1 0 0 • • 0 •
0 1 0 • • 0
0 0 1 • • 0
. 0 0 0 • • 1 .
Pul ejem plo, si n = 1.2 o 3, se tiene
1 o o
O
O 1 o
O
o 0 o
3 X 3
Cuando se sobreentiende que el orden de la matriz es n, entonces ¡n puede denotarse

sim plem ente por /.
C om o se establece en el teorema 2.4, la matriz ¡n sirve como la identidad para la
m ultiplicación de matrices; se denomina m atriz identidad de orden n. La demostración
de este teorema se deja como ejercicio. (Véase el ejercicio 49.)
------------------
Teorem a 2 .4 P ropiedades d é la M atriz Identidad

Si A es una matriz d e orden m x n , entonces se cum plen tas siguientes propiedades.
1. A!n ~ A
2. I J t - A
C om o caso especial de este teorema, observe que si A es una matriz cuadrada de orden
n , entonces se tiene que
A /n = InA = A .
► Ejemplo 6 Multiplicación por una M atriz Identidad

'
ro
1---
3 -2
1
1 0
a) 4 0 = 4 0
0 1
-I i -I 1.
1 0 0 -2 -2
b) 0 1 0
0 0 1
Para la multiplicación repetida de matrices cuadradas se usa la m ism a notación

exponencial utilizada con los números reales. Es decir, A 1= A. A 2 = AA, y para un entero
positivo k, Ak se define como
s. j
A 1 = AA - A.
También es conveniente definir 4 ° = ¡n (donde A es una matriz cuadrada de orden n). Estas
definiciones permiten establecer las siguientes propiedades
I. A hY = 4>+* 2. (A')k = /V*
d o n d e / v k son enteros 110 negativos.

)¡ I li mpio 7 Multiplicación Repelida de una M atriz Cuadrada

■h* niiiA ' para la matriz
A^ h| 2 - 11
1ñ 3 0
onllirlOll
/ 2 -1 2 -1 \ 2 -1 1 -2 2 -1 1 —4 -1
( 3 0 3 0 ) 3 0 6 -3 3 o] 3 -ó
I ln Nección 1.1 se señaló que un sistema ele ecuaciones lineales debe tener
ii
k m M í n e n t e una solución, infinidad de soluciones o no tener solución. A plicando el
1)1(11 Mu (nutricia] presentada hasta el momento, ahora se puede dem ostrar este resultado.
W - î- ■ íP í ■ í 5
TH u rin a 2 5 N úm ero d e Soluciones d e ur Sistem a tíe Ecuaciones Lineales
■: • \ ‘l ■ ■■ '■ . ■. .' ■ : :. ' ■ ■ \
#»*m un sistema d e ecuaciones en n variables, se cum ple una y sólo una de las
~m mu .,ie» afirmaciones.
P
| I 1 MiMcma tiene exactam ente una solución,
i Id mstcnia tiene infinidad de soluciones.
V l'l astenia no tiene solución.
M ) i |i i'lt'tlClón: El sistema se representa por la ecuación matricial A X = B. Si el sistema

KhM moictumcnte una solución o no tiene solución, entonces no hay nada que demostrar.
i iiiiülltUicntc, se supone que el sistema tiene dos soluciones distintas X, y A',. La
H|fliM<lilinón será completa si se puede demostrar que esta hipótesis implica que el
B t o i u i i tiene infinidad de soluciones. Com o A", y X , son soluciones, se tiene AX, = AX,
* B Í AlXj X,) = O. Esto implica que la matriz (no nula) Xh = X2 - X, es una solución
■ Khli mu homogéneo AX = O. Además, para cualquier escalar <, se concluye que
Al V, i rXh) = AX, + A(cXh) = B + c(AXh) = B + cO = B.
■ N Idilio, X, + cXh es una solución de AX = B para cualquier escalar c. Debido a que el

■Umm llene infinidad de valores posibles para c y cada valor produce una solución
H n i ' n l r , He concluye que el sistema tiene infinidad de soluciones. A
l 1 114iti t))|j(!Stu de uiui M alri/

i i ItHMipili'NtH de una matriz se forma al escribir sus colum nas com o renglones. Por
■||npli> ftt A es la matriz m x n dclimda por
’ « ti Ü «13 *** m l
«21 «22 «23 •••' «2/i
«3. «32 «33 «3/i

A = Orden: m x n
. «m i «m2 «m3 ••• Clmn ■
entonces la transpuesta denotada por A', es la matriz n x m definida por
" « II «21 «31 «mi “

«12 «22 «32 ••• «m2
*Í3 «23 «33 • • «m3

A' = Orden: n x m
V
«2/i «3/i ümn -
► Ejemplo tí
La Transpuesto de una M atriz
Encuentre la transpuesta de cada una de las matrices.
7 1 2 0 0 1
a) A = b) tí = 2 1 0 c) C= 2 4
8
.0 0 1. .1 -1
Solución.
1 2 0
0 2 1
a) A‘= [ 2 8] b) IV = 2 1 0 c) C' =
1 4 -1
O 0 1
Observación:
Nótese que la matriz cuadrada del inciso b) del ejemplo 8 es igual a su
transpuesta. Esta matriz se denom ina sim é tric a . Es decir, una matriz A es simétrica si
A =A'. Con base en esta definición resulta evidente que una matriz simétrica debe ser
cuadrada.
Las siguientes propiedades de las matrices transpuestas son de utilidad. En el ejercicio

50 se pide al lector demostrar el teorema 2.6.
TtoHwna 2 .6 Propiedades de las tra n sp u e sta s . mMmm
hi \ y II son matrices
luí eKlándefinidas) y c es un escalar, entonces se c ú m p le lo siguiente
f IA')'-,a
I p\ I Transpuesta de una suma
m iüAY **( ( #) Transpuesta de un m últiplo escalar
•1 t M i y . B ’A ’ Transpuesta d e u n producto
||l 11 uiioii: Recuerde cjue cuando se forma la transpuesta de un producto se invierte el

n f r M lie la multiplicación. Es decir, la transpuesta de AB está dada por 04#)' = B'A1y. por
IH |n-icial, no es igual a A'B'.
I <u. propiedades 2 y 4 pueden generalizarse para abarcar sumas o productos de

Étyfilijiiln número finito de matrices. Por ejemplo, la transpuesta de la suma de tres
K i l t n . • está dada por
{A » B + C y = A ' + B ' + C ,
■ iii h .uspuesta del producto de tres matrices está dada por
\ Allí y = C'B'A'.
fifpnif)lu 9 Determinación (le la Transpuesta de un Producto

luto *.m» <|uc (AB)1 y B'A' son iguales para las matrices siguientes.
2 1 -2 3 1
A -1 0 3 y B= 2 -1
0 - 2 1 3 0.
M i
2 1 -2 ' 3 r 2 1
AH -1 0 3 2 -1 = 6 -1
0 - 2 1 . 3 0 . -1 2.
6 -1
(W
-1 2
3 2 3 2 -1 0 2 6 -1
NA' 1 0 -2 —
1 -1 0 1 -1 2
.-2 3 I
«m vi ipie {AB)' = B'A'.

► Ejemplo 10 Producto de una Mat riz y su Transpuesta

Para la matriz
1 3
/t = O -2
-2 -1
encuentre el producto AA' y demuestre que es simétrica.
Solución: Dado que
1 31 10 -6 -5
1 0 -2
AA' = 0 -2 -6 4 2
3 -2 -1
-2 -1 -5 2 5
se concluye que AA' es simétrica.
Observación: La propiedad demostrada en el ejemplo 10 es cierta en general. Es decir, para

cualquier matriz A , la matriz dada por B = AA' es simétrica. En el ejercicio 51 se pide al
lector demostrar este resultado!
Sección 2 .2 A Ejercicios
En los ejercicios del 1 al 6, efectúe las operaciones indicadas, dado que a = 3 , b = - 4 y
1 2 tí = 0 I 0 0
0 =
3 4 -1 2 0 0
1. aA + bfí 2. (A + B)
3. ab (B) 4. (ia + b) B
5. (a - b) (A - B) 6. (ab) O
-4 0 1 2
A= 1 -5 y B = -2 1
. -3 2. 4 4.
7. 3X + 2 A = B 8. 1 A - 5 B = 3X
9. X - 3 A +2B = 0 10. 6X - 4 A - 3tí = O

lila ejercicios del 11 al 16, realice las operaciones indicadas, dado que c = -2 y
1 3
A 1 2 3 B= C= 0 1 o = 0 0
0 1 -1 -l 2 -1 0 0 0
II « (O I ) 12. C(fíC)
M lHi(')A 14. f l( C + 0 )
|« , 1.71) ( C f C ) 16. 0 ( c 4 )
| l i Ni AC HC, entonces/I no necesariamente es igual a /i. (Vcase el ejemplo 5.) Demuestre

lo nntriior con las matrices
1 2 3' 4 - 6 3' 0 ü 0
A* 0 5 4 /; = 5 4 4 C= 0 0 0
3 -2 1 .-1 0 1 .4 -2 3.
IN H\ Alt 0. entonces no necesariamente es cierto que A = O o B = O. Demuestre lo anterior

i mi las matrices
1 -1
A > 3 3
y B=
4 4 -1 1
H ) im ejercicios del 19 al 22. efectúe las operaciones indicadas, dado que
1 2 1 0
A ■ y i =
0 -1 0 i
I* A* 20. 4 4
M A H * A) 22. A + I A
ll.i ll.a ejercicios del 23 al 26, encuentre a) A 1, h) A'A y c) s\A' para las matrices dadas.
-7 II 12
2 -1 3
24. 4 = 4 -3 I
4 3
6 - 1 3
6 0
i*. A- 0 -4 26. .4 =
7 5 -3
Wt Ion ejercicios 27 y 28, explique por qué la fórmula dada no es válida para matrices.
M + ID (A - ID = A 2- ll2 28. (A + II) (.4 + B) = A 2 + 2AB f B2

29. Compruebe que (Afíy = B'A' para las matrices siguientes.
-3 o'
-1 1 -2 B= 1 2
A= y
2 0 1 1 -1
30. Compruebe que (AB)' = B'A1 para las siguientes matrices.
A= 1 2 y
•*
B = -3 -1
.0 -2. 2 1
En los ejercicios del 31 al 34. use las siguientes matrices.
1 ' 1 1 o1 0
X= 2 Y= 0 Z= 4 w= 0 0 = 0
.3 . .2 . 4. 1. 0
31. Encuentre escalares a y b tales que Z - a X y bY.
32. Demuestre que no existen escalares a y b tales que IV = aX + bY.
33. Demuestre que si aX + bY + cW = O , entonces a = b = c = 0.
34. Encuentre escalares no nulos a, b y c tales que aX + bY + cZ = O.
En los ejercicios 35 y 36, calcule la potencia indicada de A para la matriz
1 0 0
A= 0 - 1 0
0 0 1
35. 4 ' 9 36. A 20
En los ejercicios 37 y 38. encuentre una matriz. A que satisfaga la ecuación dada.
8 0 0
9 0
37. A2 = 38. A? = 0 - 1 0
0 4
0 0 27
En los ejercicios del 39 al 42, aplique la siguiente definición para detcrminar/(A): S i / e s la

función polinomial definida por
/ (.v) = a{) + axx + dyX2 + • • • + a^x"
entonces para una matriz A n x n , f (A) se define como
f (A ) = a0l n + a xA + a / 2 + • • • + a jC .
2 0 5 4
39. f (x) = x 2 - 5.r + 2, A = 40. f ( x ) = .v* - 7.v 4 6. A =
4 5 I 2
3 1 4
i\i I U) * J 3 - 10-r2 + 3 lx - 30, A = 0 2 6
0 0 5
8 -4
2 2
4' Demuestre la propiedad asociativa de la suma de matrices: A + (B + C) = (A + B) + C.
lH Demuestre la propiedad asociativa de la multiplicación por un escalar: (cd) A = c(dA).
f | ktmucslrc que el escalar 1 es la identidad para la multiplicación por un escalar: M = A.
»•' I>umuestre la siguiente propiedad distributiva: (c + d)A =cA + (LA.
él I >cmuestre el teorema 2.2.
W|. ( omplele la demostración del teorema 2.3.

n) Demuestre la siguiente propiedad distributiva: {A + B)C = AC + BC.
I» Demuestre la siguiente propiedad: c(AB) = ( cA)fí = A(cB).
4U Demuestre el teorema 2.4.
fin IVmuestre el teorema 2.6.

■ I. I Vmuestrc que si A es una matriz n x m, entonces AA' y A'A son matrices simétricas.
Í J . IM un ejemplo de dos matrices A y B 2 x 2 tales que (AB)' & A'B'.
jttf* luí ejercimos del 53 al 56, determine si la matriz dada es simétrica, simétrica sesgada o
Bill jimia de las dos. Una matriz cuadrada se denomina sim étrica sesgada si A' = -A.
0 2 54. 4 = 2 1
A*
-2 0 1 3
0 2 1 0 ’ -1
A- 2 0 3 56. /1 = - 2 0 -3
i 3 0. 1 1 0
I »imuestre que la diagonal principal de una matriz simétrica sesgada consiste exclusiva
mente en ceros.
Demuestre que si A y B son matrices simétricas sesgadas, entonces A + B es simétrica

migada.
SI A un una matriz cuadrada de orden n, entonces hay una matriz simétrica B y una matriz
llntétricn sesgada C tales que A = B + C. Ilustre esta propiedad para
2 5 3
A. -3 6 0
4 I 1
jf». Demuestre que si A es una matriz n x n, entonces A - A' es simétrica sesgada.
2.3 ▲ La Inversa de una Matriz

En la sección 2.2 se estudiaron algunas de las semejanzas entre el álgebra de los números
reales y el álgebra de matrices. En esta sección se desarrolla con m ayor profundidad el
álgebra de matrices para incluir la solución de ecuaciones matricialcs que implican
multiplicación de matrices. Para empezar, se considerará la ecuación de números reales
ax = b. Para despejar a de esta ecuación, am bos lados se multiplican p o r a -1 (suponiendo
que a 0).
ax = b
(a~]a) x = a~lb
( \ ) x = a~lb
x = cr'b
El número a -1 se denom ina inverso multiplicativo de a porque a~la es igual a 1 (el
elem ento identidad de la multiplicación). La definición del inverso multiplicativo de una
matriz es semejante.
■" ■
Una matriz A n x n es invertí ble (o no singular) si hay una matriz B n x n tal que
AB~BA~ l
• _ ; ; y •. •. > •• , • V. ' . :
donde ín e s la matriz identidad de orden n. La matriz B se denomina inversa

(multiplicativa) de A¿ Una matriz que no tiene inversa se denomina n o Snvertlble
(o singular)
- -
Las matrices no cuadradas no tienen inversas. Para ver esto observe que si A es de orden
m x n y B es de orden n x m (donde m & n), entonces los productos AB y BA son de órdenes
diferentes y, por consiguiente, no pueden ser iguales entre sí. De hecho, no todas las
matrices cuadradas tienen inversa. (Véase el ejemplo 4.) Sin embargo, el siguiente
teorema establece que si una matriz tiene inversa, entonces ésta es única.
------------------------------------------------------------------------------------------
f? !fT eorem a 2 .7 Unicidad de ia M atriz Inversa v ..; ... .

S i A es una matriz iovertible, entonces su inversa e s única. Lá inversa de ¿ s e denota
Demostración: Dado que A es invertible, se sabe que tiene por lo menos una inversa B tal
que A B = I = BA. Suponga que A tiene otra inversa C tai que A C = / = CA Entonces, se
puede demostrar que B y C s o n iguales com o sigue
Sección 2.3 La Inversa de una Matriz 89
AH - I
C{AB) = C1
í< 'A)B = C
!B = C
n=c
n i( i nie.iguicnte, B = C, y se concluye que la inversa de una matriz es única.
|> l im p io I La Inversa de una Matriz

Jpnuii' tic que B es la inversa de A, donde
-I 2 1 -2
y B=
-1 1 1 -1
Pili* Ion Con la definición de matriz inversa, se puede demostrar que B es la inversa de
,4 ni piulan que AB = I = BA com o sigue.
-1 2 1 -2 - 1 + 2 2 - 2 I 0
Al¡
-1 1 -I + 1 2 - 1 0 1
1 _1
1 -2 -1 2 - 1 + 2 2 - 2 1 0
HA
1 -1 -1 1 -1 + 1 2 - 1 0 I
BlmivitcMli: Recuerde que no siempre es cierto que AB = BA, inclusive si ambos

| M " , los están definidos. Sin embargo, si A y B son matrices cuadradas y AB = / (,
H itiii se puede demostrar que B A = l . Por tanto, en el ejem plo 1. basta com probar que
m i,
bu H niguicnte ejemplo se muestra cóm o aplicar un sistema de ecuaciones para

M hmuuii la inversa de una matriz.
■ fifriuplo 2 Determinación de la In versa de una Matriz

p i» hiiik» la inversa de la matriz
1 4
-I -3
■ ta lló n Para encontrar la inversa de A, se intenta resolver la ecuación matricial AX = I

\m v
1 4 xu *12 1 0
-1 -3 *21 *22 0 1
*11 * 4v.ti v 2 + 4.r„ 1 0

»il 3*21 - x\¡ 0 1
Ahora, al igualar los elementos correspondientes, se obtienen los dos sistemas de

ecuaciones lineales siguientes.
*11 + 4*2I = 1 *12 + 4 *22 = 0

- * ,1 - 3 * 2 1 = 0 -*)2 3*22
- - 1
Resolviendo el primer sistema se encuentra que la primera columna d eX e s * M= - 3 y *2|
= 1. De manera semejante, al resolver el segundo sistema, se encuentra que la segunda
colum na de X es * 12 = - 4 y *22 = 1. Por consiguiente, la inversa de A es
-3 - 4
X = A -' =
1 1
Intente aplicar la multiplicación de matrices para com probar este resultado.
La generalización del método aplicado para resolver el ejemplo 2 proporciona un

m étodo conveniente para determinar matrices inversas. Primero, observe que los d o s
sistemas de ecuaciones lineales
*11 + 4 *2i = 1 *12 + 4 *22 = 0

- * , , - 3*2, = 0 - * , 2 - 3*22 = 1
tiene la misma matriz de coeficientes. En vez de resolver por separado los dos sistemas
representados por
1 4 i 1 1 4 i 0
y
-i -3 ; o -1 -3 ! 1
es posible resolverlos simultáneamente. Lo anterior se lleva a cabo al u n i r la matriz,
identidad con la matriz de coeficientes para obtener
1 4 1
-1 -3 0
Al aplicar la eliminación de Gauss-Jordan a esta matriz se pueden resol ver ambos sistemas
con un solo proceso de eliminación, como se muestra enseguida.
I 4 0 Al sumar o! primer renglón a! segundo ren

0 1 1 gtón se obtiene un nuevo segundo renglón.
1 0 -3 -4
s e o b tie n e u n n u e v o p r in v i
0 1 1 1 renglón.
Por tanto, al aplicar la eliminación de Gauss-Jordan a la matriz "doblem ente aumentada"
[A • í], se obtuvo la matriz [/ i A"1].
1 4 1 0 1 0 -3 -4
-1 -3 0 0 I 1 1
A / A -'
l' «i. procedimiento (o algoritmo) es válido para cualquier matriz arbitraria n x n . Si A no

ÉitnU reducirse por renglones a L, entonces A es singular. Este procedimiento se
lliMific ará formalmente en la siguiente sección después de presentar el concepto de matriz
i Inimntal Por el momento, el algoritmo se resume com o sigue:
r-tr
tM
i >i irm iin ad ó n d e la Inversa de una Mat riz con la Eliminación d e Gauss- Jordán
Hen A una matriz cuadrada de orden n .
I I*-.criba la matriz n X 2n que consiste en la matriz dada A a la izquierda y la matriz

Identidad / de « x n a la derecha para obtener [ M í]. Observe que ambas matrices
fr.iuin separadas por una línea discontinua. Este proceso se denom ina u n ió n de
las matrices A e l .
: l)e serposibl»
en los renglones a toda la m atnz [A • /). El resultado es la matriz {/ ¡ A~5j. Si no
nc puede llevar a cabo lo anterior, entonces A no es invertible,
1 ( ompruebe el proceso con ia multiplicación para ver que AA~ 1 .» / « A~XA.
••• . ••
l ¡cinglo 3 Determinación de la In versa de una Matriz.

U n* ntre la inversa de la siguiente matriz.
1 -1 0
1 0 -1
- 6 2 3
¡ílftll: Se empieza por juntar A con la matriz identidad para formar la matriz
1 -1 0 : 1 0 0
\A 1 Al = 1 0 -1 : 0 1 0
. - 6 2 3 i o 0 1 .
i'M, aplicando operaciones elementales en los renglones, se intenta reescribir esta

f 1/ en lu forma (/ • A-1] como sigue:
1 -I 0 : 1 0 0 j Al sumar -d veces el primer renglón

0 1 - ] : -1 1 0 al segundo renglón se obtiene un
6 •' 2 3 : 0 0 1 nuevo segundo renglón.
! - fv • •<•• A...' ... . " .<• ■

1 1 0 : 1 0 0 A l s u m a r 6 veces el p rim e r renglón
0 1 -1 i 1 0 i a l terc er renglón se obtiene un .
0 -4 3 : 6 0 1 ’ n u e v o te r c e r r e - ,e"
1 -1 0 i 1 0 0 A i su m ar 4 veces el se g a n d o renglón
0 1 -1 : -1 1 0 al terc er re n g ló n s e o b tie n e un
Ó 0 -1 í 2 4 1 nuevo tercer renglón.
1 -1 0 1 0 0 Al multiplicar por - J el tercer

0 1 -1 -1 1 0 renglón se obtiene un nuevo
0 0 1 -2 - 4 -1 . segando renglón.
1 -1 0 1 0 0 Al sumar el tercer renglón al

0 1 0 -3 -3 -1 segundo renglón se obtiene un
0 0 1 -2 - 4 -1 coevo segundo renglón.
1 0 0 -2 -3 -1 1 Al sumar el segundo renglón al

0 1 0 -3 -3 -1 H ¡ | primer renglón se obtiene un
0 0 1 -2 -4 -1 . nuevo primer renglón.
P or consiguiente, la matriz A es invertible y su inversa es
-2 -3 -1
A~' = -3 -3 -1
-2 -4 -1
Trate de confirmar lo anterior al multiplicar A por A-1 para obtener I.
El proceso mostrado en el ejemplo 3 es válido para cualquier matriz n x n. Si la matriz

A tiene inversa, ésta se encuentra con dicho proceso. Por otra parte, si la matriz A no tiene
inversa, entonces el proceso indicará este hecho. En el siguiente ejemplo se aplica el
proceso a una matriz singular (una que no tiene inversa).
► Ejemplo 4 Uno M atriz Singular

Dem uestre que la siguiente matriz no tiene inversa.
1 2 0
A= 3 - 1 2
-2 3 -2
Solución: Se junta A con la matriz identidad para formar
1 2 0 1 0 0
[A : /] = 3 -1 2 0 1 0
-2 3 -2 0 0 1 .
y se aplica la eliminación de Gauss-Jordan como se muestra a continuación.
1 2 0 1 0 0
0 -7 2 -3 1 0
2 3 -2 0 0 1
1 2 0 1 0 0 Al sumar 2 veces el primer renglón

0 -7 2 -3 1 0 ai tercer renglón se obtiene un
0 7 ~2 2 0 1 nuevo tercer renglón.
/Mtxi o observe que al sum ar el segundo renglón al tercer renglón se obtiene un renglón
|k ñ u i en el lado izquierdo de la matriz.
1 2 0 ; i 0 0 Al sumar
(1 - 7 2 : -3 i 0 tercer se obtiene un
0 0 0 i -1 1 1 nueyo tercer renglón.
|VMi|o ii que la “porción /V’ de la matriz contiene un renglón de ceros, se concluye que
■ I t'n pi noble. reescribir la matriz [A \ /] en la forma (/ • A"1]. Esto significa que A no tiene
Mvviih ^
I ii uplicución de la eliminación de Gauss-Jordan para determ inar la inversa de una

funciona satisfactoriamente (aun com o técnica de computación) para matrices de
■RIim mayor o igual a 3 x 3. Para matrices 2 x 2 , sin embargo, muchas personas prefieren
|hli> ti una fórmula para la inversa, en vez de encontrarla mediante la elim inación de
lindan. A continuación se explica esta fórmula simple. Si A es una matriz 2 x 2
fjtdiiildii por
o b
A
r d
P«h a d - b c A 0. A dem ás,si a d - b c 0, entonces la inversa
|M ií duda por
I d -b
ad - be -c a
com probar esta inversa mediante la multiplicación.
ptMTt ui'IOii: El denom inador ad - be se llama d e te r m in a n te de A. En el capítulo 3 se

Mpidi ioi en detalle los determinantes.
|l I b mitin ,rt Determinación de la Inventa de una M atriz 2 x 2

■ llii'i posible, encuentre las inversas de las siguientes matrices.
3 -1 3 -1
.o A- b) n =
1-2 2 -6 2
M w ion
ffi P in matriz A. se aplica la fórmula para la inversa de una matriz 2 x 2 para obtener
ii la
tid be - (3)(2) - (—1)(—2) = 4 . Como esta cantidad no escoro, la inversa se lorm aal
I n im ambiar los elementos de la diagonal principal y cam biar el signo de los otros dos
alómenlos com o se muestra a continuación:
b) Para la matriz 5, se tiene ad - be = (3)(2) - (-1 ) ( - 6 ) = O, lo cual significa que B no

es invertible. ^
Propiedades de las Inversas

A continuación se considerarán algunas propiedades importantes de las matrices inversas
1. =A
2. ( A k y 1 * A -'A -' - • • A "\
k tat'torcs
3. = C * 0 ;
*
. • ..
4. ( ¿ r * = <A-ly
-— - ...............
Demostración: La propiedad 1 se concluye directamente de la definición de inversa

porque AA~l = / y A~] A = 1. Para demostrar la propiedad 3 se aplican las propiedades til
la multiplicación escalar definida en los teoremas 2.1 y 2.3. Debido a que
( c A ) \ -] A ~ ' ) = ( c ~ ) AA-1 = ( ! ) / = /
i A - [) ( c A ) = \ ^ - c ) a ~'A = ( ! ) / = /
se concluye que (1 /c)A~] es la inversa de cA. Se deja com o ejercicio que el lector demuestre
las propiedades 2 y 4. (Véanse los ejercicios 43 y 44).
Para matrices no singulares, la notación exponencial usada para la multiplicación

repetida de matrices cuadradas puede extenderse a fin de incluir exponentes enteros
negativos. Esto puede llevarse a cabo al definir A-* como
A-4 = A - 'A - 1 - • • A - 1.
k factores
Con esta convención se puede demostrar que las propiedades A 1A ; = A ’*k y (A ’ )k = A4 se
cum plen para enteros cualesquiera j y k.
► Ejemplo 6 La Inversa de una Malviz Cuadrada

Calcule A~2 en dos formas distintas y demuestre que el resultado es el mismo.
A= 1 I
2 4
Solución: Una forma de calcu lar-4“2 es determinar (.42) 1 al elevar al cuadrado la matriz
A para obtener
3 5
A2 =
10 18
y usar la fórmula para la inversa de una matriz 2 x 2 , para obtener

9 _5
18 -5 2 4
M 2)-' = J 5 3
-10 3
'2 4
<)tra forma de calcular A 2 es determinar (A-1)2 por medio de
4 -1 2 “ i'
-2 1
- 1 V
y después elevar al cuadrado esta matriz para obtener
9 5
2 4
(/H )2 = 5 3
2 4
Observe que cada m étodo produce el m ismo resultado.
El siguiente teorema da una fórmula para calcular la inversa de un producto de dos

matrices.
T eorem a 2 % \ja Inversa de un Producto

! . . U , ; .. ' . r' K-M ■■ , • í‘4
Si A y B son matrices invcrtiblcs de orden n. entonces AB es- invertibie y
(A B)-' =
|)cmostmcíón: Para dem ostrar que B ~ lA~] es la inversa de AB. basta demostrar que se
ajusta a la definición de matriz inversa. Es decir,
( AB) ( B- ' A- 1) = A ( f í B - ' ) A = A(í)A~l = (,Af)A~] = AA~] = I.

|)c manera semejante es posible demostrar que (¿C'/C* )(AB) = I y concluir que AB es
Invertible y que tiene la inversa indicada. ^
El teorema 2.9 establece que la inversa de un producto de dos matrices invertibles es

el producto de sus inversas tomado en orden inverso. Esto puede generalizarse para
abarcar el producto de varias matrices invertibles:
( V A - A ) - , = 'V 1- - - V W -
► Ejemplo 7 Determinación de la Inversa de un Producto de Matrices

Encontrar (AB)~] para las matrices
1 3 3 1 2 3
A= 1 4 3 y B= 1 3 3
.1 3 4. 2 4 3.
aplicando el hecho de que A ~1 y B~l están definidas por
' 7 -3 -3 1 -2 1
A '1 = -1 1 0 y B~x = -1 1 0
. -I 0 1 2 0 -i
3 u 3
Solución: Al aplicar el teorema 2.9 se obtiene el resultado siguiente.

fi-' A-'
1 -2 I ■ 7 -3 -3 '8 -5 -2 '
(AZ?)-' = -1 1 0 -1 1 0 -8 4 3
■3 0 " i
-1 0 1. [ 5 -2 - j J
Observación: Nótese que se invirtió el orden de la multiplicación para encontrar la inversa

de AB. Es decir, (Afí)-1 = B ~lA ~ \ y la inversa de AB, por lo general, no es igual a A~lB~'
Una propiedad importante en el álgebra de los números reales es la propiedad de

cancelación. Es decir, si ae = be (c ^ 0), entonces a - b. Las matrices invertibles tienen
propiedades de cancelación semejantes.
T eorem a 2.10 P ropiedades de Cancelación

Si C es una matriz in vertible, entonces se cumplen las siguientes propiedades.
í , Si A C * BC, entonces A = B. Propiedad de cancelación por la derecha.

2. Si CA « CB, entonces A = B. Propiedad de cancelación por la izquierda.
Demostración: Para dem ostrar la propiedad 1. se aplica el hecho de que C es invertible y

se escribe
A C = BC
(A C)C~i = (BC)C~l
A{CC~') = B(CC~])
A I = Bf
A = B.
K ni finida propiedad puede demostrarse de manera semejante; la demostración se deja

M u u| lector. (Véase el ejercicio 45.) 4
Un nenie siempre que el teorema 2.10 puede aplicarse sólo si C es una matriz
Mt-HU/'/r Si C n o e s invertible, entonces la cancelación, por lo general, no es válida. Así,
W) 11• inplo 5 de la sección 2.2 se da un ejemplo de una ecuación matricial A C = B C en
¡fc i mil A / B.
pimíos de licuaciones
i t o i i< i m ina 2.5 se pudo demostrar que un sistema de ecuaciones puede tener cxactam en-
■ tiin dilución, infinidad de soluciones o no tener solución. Para sistemas cuadrados
Bullidlos que tienen el mismo núm ero de ecuaciones que variables) se puede usar el
■ ■ l■«mi siguiente para determinar si el sistema tiene solución única.
■ ta u rin o 2.11 S istem as de Ecuaciones con Soluciones Unicas

’ ' ■ r'.- v.' •- " . •> : ■: ......
mmi% ■ ‘ ; '■ • • • ’
I Ni A oí una matriz invertible, entonces el sistema de ecuaciones representado por
i\ II llene solución única dada por
••• • ■ :• ■■ • •• ::: .
X*A~'B. -
v --------------- — ------------------------------------------------------------------------------------------
n tm h <n mu Com o A es invertible, entonces son válidos los pasos siguientes.
AX = B
f A*AX~A~'B
I XmA' B
X*A-'B
' 1 fcnliinón es la única porque si A', y X2 fuesen dos soluciones, se podría aplicar la
ityli <1Ilición « la ecuación AX¡ = B = A X 2 para concluir que X, = X v 4
Dî<.di' un punto de vista teórico el teorema 2.1 1 es importante, pero no es muy práctico
^ H f t r n o l v n un sistema de ecuaciones lineales. Es decir, representa más trabajo intentar
«•in.iilnm A 1 y luego multiplicar por B que simplemente resolver el sistema por medio
4)|} >limlnm ión gaussiana con sustitución hacia atrás. Una situación en la que podría
i u n e la aplicación del te o re m a 2 .11 com o técnica de cóm puto sería cuando hubiera
Hítenlas de ecuaciones lineales, todos con la misma matriz de coeficientes. En
m0. podría determinarse una sola vez la matriz inversa y resolver luego cada sistema
l | f "I tullir el producto A 1/»* Esto se demuestra en el ejem plo 8
■
► Ejemplo 8 Resolución de un Sistem o de Ecuaciones Usando una In versa

Utilice una matriz inversa para resolver los siguientes sistemas.
a) 2x + 3y + z = -1 h) 2.x + 3y + z = 4 c) Zx + 3y + z = 0
3x + 3 y + z = 1 3* + 3 y + z = 8 3x+3y + z = 0
2.v + 4 y + z = - 2 2 r + 4y + z = 5 2x + 4y + z = 0
Solución: Primero se observa que la matriz de coeficientes de cada sistema es
2 3 11
A = 3 3 1
2 4 1
Por m edio de la eliminación de Gauss-Jordan, se encuentra que 4 _l es
-1 1 0'
-1 0 I
6 -2 -3
Para resolver cada sistema se usa la multiplicación matricial com o se muestra enseguida.
-1 1 0' -1 2
a) X = A~'B = -1 0 1 I -1
6 -2 -3 . -2 . -2.
La solución es x = 2, y = -1 y z = -2 .
-1 1 0 4 4
b) X = A ~ 'B = -1 0 1 8 1
6 -2 -3 . .5 . -7.
La solución es x = 4, y = 1 y z = -7 .
-1 1 0' 0 0
c) X ~ A~]B = -1 0 1 0 = 0
6 -2 -3 J 0, 0 .
La solución es la trivial: x = 0, y = 0 y z = 0.
En los ejercicios de 1 al 6, demuestre que ¡i es la inversa de A.
2 -2 1
1. A = B= 3 1
4 2 “ 2
3 1
1 -I 5 5
2. A = B=
2 3 2 1
5 5
-2 2 3 ■ -5 3
3. A = 1 -1 0 * tí = 3 - 4 - 8 3
0 1 4 1 2 0
2 -17 11 1 1 2
4. A = -1 11 -7 . « = 2 4
0 3 —
-2. .3 6 -5.
2 0 0 0 o'
= i
5. A = 0 -3 0 i 0 ~3 0
11
.0 0 4 0 0 •í.
'1 2 0 o" '-7 6 4 -8

2 1 2 0 _ i 6 -3 -2 4
6. A = , b 5 4
0 2 1 2 -2 -3 6
.0 0 2 1. -8 4 6 -7
lili los ejercicios del 7 al 30, determine la inversa de la matriz dada (en caso de existir).
I 2 1 -2
7. 1 8.
3 7 2 -3
-7 33 -i
9. 10.
4 -19 3 -3
2 4 1
II. 12.
4 8 0
2 3 2 7
13. 14.
1 4 -3 -9
I 1 1 1 2 2
15. 3 5 4 16. 3 7 9
3 6 5 -I -4 -7
I 2 -1 10 5 -7
17. 3 7 -1 0 18. -5 1 4
7 16 -21. 3 2 -2
1 -2 -1 -2 4 8 -7 14
3 -5 -2 -3 2 5 -4 6
19. y 20.
2 -5 -2 -5 0 2 1 -7
I 4 4 11 3 6 -5 10
I 1 2 3 2 5'
21. 3 I 0 22. 2 2 4
-2 0 3 -4 4 0
51. ¿En qué condiciones la matriz diagonal
an 0 0 o
0 a 22 0 o
A=
o o o (l.
es invertiblc? Si A es invcrtible, encuentre su inversa.
52. Aplique el resultado del ejercicio 51 para encontrar la inversa de la matriz dada.
■i 0 0'
-1 0 o' 2
1
a) A= 0 3 0 b) .4 = 0 3
0
0 0 2. 1
0 0 4 .
2.4 ▲ M atrices Elementales

En la sección 1.2 se introdujeron las tres siguientes operaciones elementales en los
renglones para matrices.
1. Intercambio de dos renglones.

2. Multiplicación de un renglón por una constante no nula.
3. Sum a de un múltiplo de un renglón a otro.
En esta sección se verá cómo se puede usar la multiplicación de matrices para efectuai
estas operaciones.
— — — —
Definición de M atriz Elem entales

:: ' n &i |W t ^ r í ^ ^ \ .*
Una matriz n x n se denom ina m a t r i z ele m e n ta l si se puede obtener a partir de !n
efectuando una sola operación elem ental en los renglones.
Observación: La matriz identidad ¡n es elemental por definición porque puede obtenerse

a partir de sí misma al multiplicar por 1 cualquiera de sus renglones.
► Ejemplo I M atrices Elementales y M atrices l\o Elementales

¿Cuáles de las matrices siguientes son elementales? Para aquéllas que lo sean, describa la
operación elemental en los renglones correspondientes.
Sección 2.4 Matrices Elementales 103
M r 0 0 1 0 0
0 3 0 b) 1 0 0 c) 0 1 0
•)
.0 0 1. 0 1 0 0 0 0.
1 0 0 1 0 0
0 0 i e) 1 0 f) 0 2 0
ti)
.0 1 0. 2 1 0 0 -1
Solución:
ii) Esta matriz es elemental. Puede obtenerse al multiplicar por 3 el segundo renglón de
h-
!>) Esta matriz no es elemental porque no es cuadrada.
c) Esta matriz no es elemental porque se obtuvo al multiplicar por 0 el tercer renglón de
/ , (la multiplicación debe ser por una constante no nula).
<J) Esta matriz es elemental. Puede obtenerse al intercambiar los renglones segundo y
tercero de l y
c) Esta matriz es elemental. Puede obtenerse al multiplicar por 2 el prim er renglón de
/-, y sum ar el resultado al tercer renglón.
I) Esta matriz no es elemental porque para obtenerla a partir de / , se requieren dos
operaciones elementales en los renglones. ^
I .as matrices elementales son de utilidad porque permiten aplicar la multiplicación de

matrices para efectuar operaciones elementales en los renglones, com o se muestra en el
ejemplo 2.
► Ejemplo 2 M atrices Elementales y Operaciones Elem entales en los Renglones

a) En el siguiente producto de matrices, E es la matriz elemental en la que se han
intercambiado los dos primeros renglones de Iy
E A
0 10 0 2 r 1 -3 6
1 0 0 1 -3 6 = 0 2 1
0 0 1. 3 2 -1. .3 2 -1.
Observe que los dos primeros renglones de A se intercambiaron al multiplicar u la
izquierda por E.
En el siguiente producto de matrices, E es la matriz elemental en la cual el segundo

renglón de /, se multiplicó por 1 .
E A
1 0 0 1 0 - 4 1 1 0 - 4 1
0 j 0 0 2 6 -4 = 0 1 3 -2
0 0 1. 0 1 3 1 0 1 3 1
Aquí, el orden de A es 3 x 4. Sin embargo, A podría ser cualquier matriz 3 x /? y l.i

multiplicación por la izquierda por E aún se obtendría al multiplicar por el segundo
renglón de A.
c) En el siguiente producto, E es la matriz elemental en la que al segundo renglón se ln

sum ado 2 veces el primer renglón de /,.
E A
1 0 0 1 0 -1 1 0 -1
2 I 0 -2 -2 3 = 0 -2 1
0 0 1. .0 4 5. .0 4 5.
Observe que en el producto EA, el primer renglón de A se sumó 2 veces al segundo

renglón. ^
En cada uno de los tres productos del ejemplo 2 se pudo efectuar las operaciones
elementales en los renglones al multiplicar a la izquierda por una matriz elemental. Esta
propiedad de las matrices elementales se generaliza en el siguiente teorema, que se plantea
sin demostración.
Observación: Asegúrese de recordar que en el teorema 2.12 A se multiplique a la izquierda

por la matriz elemental E. La multiplicación a la derecha por matrices elementales, que
implica operaciones con las columnas, no se considerará en este texto.
La mayoría de las aplicaciones de las operaciones elementales en los renglones

requiere de una serie de operaciones. Por ejemplo, la eliminación gaussiana, por lo
general, requiere de varias operaciones elementales en los renglones para reducir poi
renglones una matriz A. Para las matrices elementales, esta serie se traduce en la
multiplicación (a la izquierda) por varias matrices elementales. El orden de la multiplica
ción es importante; la matriz elemental inmediatamente a la izquierda de .4 corresponde
a la operación en los renglones que se efectuó en primer lugar. El proceso se muestra en
el ejemplo 3.
► Ejemplo 3 Aplicación de las Matrices Elementales

Encuentre una serie de matrices elementales que puedan usarse para escribir la siguiente
matriz en forma escalonada por renglones.
0 1 3 5'
A= 1 -3 0 2
.2 -6 2 0.
Solución
Matriz Operación elemental en los renglones M atriz elemental
1 -3 0 2 0 1 01
0 1 3 5 > C~ 1 primeros renglones. 1 0 0
2 -6 2 0. 0 0 1
1 -3 0 2 Al sumar ~2 veces el primer renglón 1 o o
0 1 3 5 al tercer renglón se obtiene un £\ = 0 1 o
0 0 2 nuevo tercer renglón.
-4 . -2 0 1
1 -3 0 2" tercer 1 0 0
0 1 3 5 renglón se obtiene un nuevo tercer 0 10
0 0 1 -2 . wógfón- o o i
l as tres matrices elementales,

eliminación, com o se muestra enseguida
1 0 0‘ 1 0 0 1 0' 0 1 3 5
E3 E2 £’, A = 0 1 0 0 1 I o o 1 -3 0 2
0 0 1 .-2
2 0 0 0 1 .2 -6 2 0
1 0 01 1 0 1 -3 0 2
= 0 1 0 0 1 0 1 3 5
.0 0 1 -2 0 2 -6 2
2 0
1 0 0 1 -3 0 2
— 0 1 0 0 1 3 5
.0 0 1 0 0 2 -4
V
1 -3 0 2'
= 0 l 3 5
.0 0 2
Observación: Debe mencionarse que el procedimiento mostrado en el ejem plo 3 es

principalmente de interés teórico. En otras palabras, no se sugiere este procedimiento
com o método práctico para llevar a cabo la eliminación gaussiana.
Con base en la sección 2.3 se sabe que no todas las matrices cuadradas son invertibles.
Sin embargo, toda matriz elemental es invertible. Además, la inversa de una matriz
elemental es en sí una matriz elemental.
Por (anto, A puede escribirse como producto de matrices elementales, con lo que se ha
terminado la demostración del teorema. -4
En el ejemplo 4 se ilustra la segunda parte de la demostración anterior.
► Ejemplo 4 Representación de una Matriz como Producto de Matrices Elementales

Encuentre una serie de matrices elementales cuyo producto sea
-1 -2
3 8
Solución: Se empieza por encontrar una serie de operaciones elementales en los renglones
que pueda usarse para escribir nuevamente A en forma escalonada reducida.
M otriz Operación elemental en los renglones M atriz elemental
1 2 <. , Al multiplicar por - i el primer -1 0

3 8 1 se o b tie n e un nuevo 0 1
primer renglón.
1 2 Al sumar -3 veces el pi' 0

1
£2=
0 2 -3 1
1 2 Al multiplicar por ~ el segundo -1 0

renglón se obtiene un nuevo £3 = !
0 1 0 2
segundo renglón.
1 0 ' Al sumar -2 veces el segundo 1 -2

0 1 renglón al primer renglón se obtiene Ü 1
un nuevo primer renglón. ■m .
Ahora, a partir del producto de matrices
E4EÊ2E {a = i
se despeja A para obtener
A = E f'E f'E f'E f',

Lo cual implica que
V f-r1 F
c 3-1 E
_i-1 m
0 1 0 1 0 1 2
A=
0 1 3 1 0 2 0 1
-I -2
3 8
En la sección anterior se describió un proceso para determinar la inversa de una matriz

no singular A. Ahí se utilizó la eliminación de ( ¿auss Jordán para reducir la matriz au-
mentada [A • /] a [/ • A-1]. Ahora se puede usar el teorema 2.14 para justificar este pi<>
cedimicnto. Específicamente, ,1a demostración del teorema 2.14 permite escribir el
producto.
/ = Ek - ■■£ 3£ , £ , A.
Al m ultiplicaría la derecha) ambos lados de la ecuación anterior por A-1, se puede escribn
A-1 = £ * • • • £ 3£ 2£ t /.
En otras palabras, una serie de matrices elementales que reduce A a la identidad también
puede usarse para reducir la identidad / a A-1. Al aplicar la serie correspondiente de
operaciones elementales en los renglones a las matrices A e l simultáneamente se obtiene
£ * •■ • £ 3£ 2£ , [A : / ] = [ / : A -1].
Por supuesto, si A es singular, no se puede encontrar la serie.

Esta sección termina con un teorema que vincula algunas relaciones importantes emu
las matrices n x n y los sistemas de ecuaciones lineales. Las partes esenciales de eslr
teorema ya se han dem ostrado (véanse los teoremas 2.11 y 2.14); se deja com o ejercicio
para el lector com pletar las otras partes de la demostración.
- _•' - '• ;V '''-'i'’ ■' ■

Teorem a 2.15 Condiciones Equivalentes
■ " . . .
Si A es una matriz n x n, entonces las siguientes proposiciones son equivalentes
i-, V 5 1 “ ' ' ' ;;' >v ■* - ■
1. A es i nvertible.
2. A X « B tiene solqeión única para toda matriz B n x i .
3. A X = 0 tiene solamente la solución trivial.
4. A es equivalente por renglones a ¡n.
5. A puede escribirse com o un producto de matrices elementales.
Sección 2 .4 ▲ Ejercicios
En los ejercicios del 1 al 10. determine si la matriz dada es elemental. En caso afirmativo,
escriba la operación elemental en los renglones que se uso para obtenerla.
1 0 1 0 0
1. 2.
0 2 0 0 1
0 0
3. 4.
0
2 0 0 1 o o
5. 0 0 I 6. 0 Io
0 1 o 2 0 I
1 0 0 0 1 0
0 1 0 8. 1 0 0
0 0 0. .0 0 1.
1 0 0 o' 1 0 0 o'
0 1 0 0 2 1 0 0
10.
0 -5 1 0 0 0 1 0
0 0 0 1. 0 0 -3 1 .
Bn los ejercicios del 11 al 14. sean A. B y C tres matrices definidas por
1 2 - 3 ' -1 2 0' 0 4 - 3
4 = 0 1 2 B= 0 1 2 C= 0 1 2
.-1 2 0. 1 2 -3 -1 2 0.
11. Encuentre unamatriz elemental E tal que EA = B.
12. Encuentre unamatriz elemental E tal que EA = C.
13. Encuentre una matriz elemental E tal que EB =A
14. Encuentre unamatriz elemental E tal que EC = A.
Bn los ejercicios del 15 al 24. encuentre la inversa de la matriz elemental dada.
0 1 5 0
15. 16.
1 0 0 I
1 o' 1 -2
17. 18.
4 1 0 1
0 0 1 I 0 0
19. 0 1 0 20. 0 1 0
1 0 0. 0 -3 1
A 0 0 1 0 0
21. 0 1 0 .A 22. 0 0 I
0 0 1 0 1o
1 0 0 0 1 0 0 o
0 1 A 0 0 I o o
23. 24. .A* 0
0 0 1 0 0 0 l/A' 0
0 0 0 1 0 0 0 I
Bn los ejercicios del 25 al 32. factorice la matriz A en un producto de matrices elementales
1 2 0 1
26. 4 =
1 0 1 0
4 -1
27. A = 28. /l =
3 -1 2 1
1 -2 1 2 3'
29. 4 = -1 3 30. <4 = 2 5 6
O O 1 3 4
2 O -8 -1 2 0
31. A = 2 2 2 32. 4 = 0 2 0
O 2 7 1 0 1
33. £ es la matriz elemental que se obtiene al intercambiar dos renglones de ln. A es una matriz
n x n.
a) ¿Cómo se compara EA con A l
b) Encuentre £ 2.
34. E es la matriz elemental que se obtiene al multiplicar por una constante c diferente de
cero un renglón de ¡n. A es una matriz n x n.
a) ¿Cómo se compara EA con A l
b) Encuentre E2.
35. Use matrices elementales para determinar la inversa de
1 a Ol 10 0 ' [ 1 0 0 '
< 4 = 0 1 0 b1 0 0 1 0 . c * 0.
0 0 1J L 0 0 1 J L0 0 c .
36. Use matrices elementales para determinar la inversa de
1 0 0
<4 = 0 1 0 , c ^ 0.
a b c
37. Dé un ejemplo de dos matrices elementales cuyo producto no sea una matriz elemental
38. Dé un ejemplo de dos matrices elementales cuyo producto sea elemental.
En los ejercicios del 39 al 44. determine si la matriz dada es idempotente. Una matriz cuadrada
A es idem potente si A 2 = A.
1 0 0 1
39. 40.
0 0 1 0
2 3 2 3
41. 42.
-I -2 I 2
0 0 f 0 1 0
43. 0 1 0 44. 1 0 0
1 0 0 0 0 1
Sección 2.5 Aplicaciones de las Operaciones con Matrices 111
45. Determine a y b tales que A sea idempotente.
1 0
,4 =
a b
46. Determine condiciones sobre a, b y c de modo que A sea idempotente.
a 0
A=
b c
47. Demuestre que si A es idempotente e invertible (de orden n), entonces A = ¡n.
48. Demuestre que A es idempotente sí y sólo si A' es idempotente.
4‘>. Demuestre que si A y B son ¡dcmpotcntcs y AB = BA, entonces AB es idempotente
2.5 ▲ Aplicaciones de las Operaciones con M atrices
Matrices Estocásticas
Muchos tipos de aplicaciones implican un conjunto finito de estados {5,, S2, ..., Sn) de
una población dada. Por ejemplo, los residentes de una ciudad pueden habitar en el centro
o en los suburbios. Los electrones pueden votar (en Estados Unidos) por el Partido
Demócrata, por el Partido Republicano o por un tercer partido. Los consumidores de
refrescos pueden beber Coca-Cola, Pepsi-Cola u otra marca.
La probabilidad de que un miembro de una población cambie del estado y-ésimo al
estado i-é simo se representa por un número p tj, donde
Una probabilidad p¡j = 0 significa que el miem bro de la población no cambiará del estado
J'é simo al estado /-¿simo, en tanto que una probabilidad p tj = I significa que el miembro
cambiará del estadoy-ésim o al estado /-ésimo.
La colección de todas las probabilidades se representa por una matriz n x n com o sigue.
De
*2
p II Pn Pin '
P 21 Pn Pin 52
p = Para
. Pn I P,a Pnrt . Sn .
/ 's e denom ina m a tr iz de p ro b a b ilid a d e s de transición , porque da las probabilidades de

cada posible tipo de transición (o cambio) en esta población.
En cada transición, cada miembro de un estado dado debe permanecer en él o cambial

a otro. En términos de probabilidades, lo anterior significa que la suma de los elementos
de cualquier colum na P es igual a 1. Por ejemplo, en la primera colum na se tiene
p i l +/?21 + - - - + /5(ll = l.
En general, tal matriz se denomina estocástica (el término “estocástico” significa "con
jc tu ra c o n respecto a"). Es decir, una matriz P n x n se denom ina estocástica si cada uno
de sus elementos es un número entre 0 y 1 y la suma de cada colum na de P es igual a I
► Ejemplo I Ejemplos de Motrices E slocáslicas y de M otrices No E slocáslicas

Las matrices de los incisos a) y b) son estocásticas, pero la del inciso c) no lo es.
■i i i '
1 0 0 2 3 4 0.1 0.2 0.3
a) 0 1 0 b) 14 0 l
4
c) 0.2 0.3 0. 4
©
d
©
i/i
0 0 1 . i l 0
.4 3
En el ejemplo 2 se describe la utilización de una matriz estocástica para calcular la

preferencia del consumidor.
► Ejemplo 2 Un Modelo de Preferencia del Consumidor

Dos compañías ofrecen servicio de televisión por cable a una ciudad de 100 000 casas. Id
cambio en la suscripción de este servicio cada año está dado por el diagrama de la figura 2 . 1.
Actualmente, la compañía A cuenta con 15 000 suscriptores y la com pañía B con 20 000.
¿Cuántos suscriptores tendrá cada com pañía dentro de un año?
FIGURA 2.1
Solución: La matriz que representa las probabilidades de transición dadas es
De
r~~ "A
A B Ninguno
0.70 0.15 0.15 A
P= 0.20 0.80 0.15 B • Para
0.10 0.05 0.70 NingunoJ
y la m a tr iz de esta d o s que representa la población actual en cada uno de los tres estados
es
15.000 A
X = 20.000 B
.6 5 ,0 0 0 , Ninguno
Para encontrar la matriz de estados que representa la población en cada uno de los tres
estados en un año, P se multiplica por X para obtener
' 0.70 0.15 0.15 15,000 23,250

PX = 0.20 0.80 0.15 20,000 = 28,750
0.10 0.05 0.70 , .65,000. 48,000.
Al cabo de un año la compañía A tendrá 23 250 suscriptores y la compañía B tendrá 28

750 suscriptores. ^
Uno de los atractivos de la solución matricial dada en el ejemplo 2 es que ya creado el

modelo, se facilita la determinación de las matrices de estado que representan años futuros
al multiplicar repetidamente por la matriz P. Este proceso se muestra en el ejem plo 3.
► Ejemplo 3 Un Modelo de los Preferencias de las Consumidores
Suponiendo que la matriz de probabilidades de transición dada en el ejem plo 2 es la misma

año con año, determine el número de suscriptores que tendrá cada compañía de televisión
por cable al cabo de a) dos años, b) cinco años y c) diez años.
Solución:
a) Con base en el ejem plo 2 se sabe que el número de suscriptores al cabo de un año es
23,2501 A
PX = 28,750 B Al cabo de un año
48,000 Ninguno
C om o la m atrizde probabilidades de transiciones la misma del prim er añ o el segundo

año, el número de suscriptores al cabo de dos años debe ser P(PX), con lo que se
obtiene
27,788 A
P2X = 34,850 B Al cabo de un año
37,363 Ninguno
b) El número de suscriptores al término de cinco años es
3 2 ,4 1 I A
P'X = 43,812 B Al cabo de un año
23,777 Ninguno
c) El núm ero de suscriptores al cabo de 10 años es
33,287 A
P WX = 47.147 B Al cabo de diez años
19.566 Ninguno
En el ejemplo 3, observe que existe poca diferencia entre el número de suscriptores il

cabo de cinco años y al término de 10 años. Si se continúa el proceso mostrado en el
ejemplo, el número de suscriptores llegará a un esta d o esta b le (o estacio n ario ^ E s decii,
a medida que no cambie la matriz P, el producto matricial P"X tiende al límite A'. En este
ejemplo específico, el límite está dado por la matriz de estados.
33,333 A
X = 47.619 B Estado estacionario
19,048] Ninguno
Es posible com probar que PX = X.
C riptografía
Un c r ip to g r a m a es un mensaje escrito según un código secreto (la palabra griega
“Kriptos” Significa “oculto” )- En esta sección se describe un método que usa la mullipli
cación de matrices para c if r a r y d e s c ifr a r mensajes.
Se empieza por asignar un núm ero a cada letra del alfabeto inglés (con 0 asignado a un
espacio en blanco) com o se muestra a continuación.
0= _ 14 = N
1= A 15 = 0
2 =B 16 = P
3=C 17 = 0
4=D 18 = R
5=E 19 = S
6= F 20 = T
7=G 21 = U
8 = 11 22 = V
9= 1 23 = W
10 = J 24 = X
11 = K 25 = Y
12 = L 26 = Z
13 = M
Luego, el mensaje se convierte a números y se divide en m a tric e s ren gló n no cifradas,

cada una con n elementos, com o se muestra en el ejemplo 4.
► Ejemplo 4 Formación de Matrices Renglón no Cifradas

Escriba las matrices renglón no cifradas de orden I x 3 para el mensaje M E E T MI
M O N D A Y.
Solución: AI dividir el mensaje (incluyendo los espacios en blanco, pero ignorando los
demás signos de puntuación) en grupos de tres se obtienen las siguientes matrices renglón
no cifradas.
[13 5 5] [20 0 13] [5 0 13] [15 14 4] [1 25 0]

M E E T _ M E _ M O N D AY
Observe que para com pletar la última matriz renglón no cifrada se utilizó un espacio en
blanco. <
Para c i f r a r un mensaje se elige una matriz rnvertible A n x n y las matrices renglón

lio cifradas se multiplican (a la derecha) por A para obtener m a tric e s ren g ló n cifradas.
Este proceso se muestra en el ejemplo 5.
► Ejemplo 5 airamiento ele un Mensaje

Use la matriz
1 -2 2
A= -1 1 3
-4
para cifrar el mensaje M EET ME M ONDA Y.
Solución: Las matrices renglón cifradas se obtienen al multiplicar por la matriz A cada una
de- las matrices renglón no cifradas del ejemplo 4 com o se muestra a continuación.
M atriz renglón Matriz de Matriz renglón

sin cifra codificación A cifrada
1 -2 2
[13 5 5] -1 1 3 = [13 - 2 6 2IJ
. 1 -1
1 -2 2
[20 0 13] -1 1 3 = [33 - 5 3 12)
1 -1 -4.
1 -2 2
[5 0 13] -1 1 3 = [18 - 2 3 -4 2 ]
1 -1 - 4 .
1 -2 2
[15 14 4J -1 I 3 = |5 - 2 0 56]
1 -1 -4 .
1 -2 2
[1 25 0] -1 1 3 = [-2 4 23 77]
1 -1 4
Por (anto, la serie de matrices renglón cifradas es
[13 - 2 6 21] [33 - 5 3 -1 2 ] [18 - 2 3 -4 2 ] [5 - 2 0 56] [-2 4 23 77]
Por último, al eliminar la notación matricial se obtiene el siguiente criptograma.
13 - 2 6 21 33 - 5 3 -12 18 - 2 3 -42 5 -20 56 - 2 4 23 77. <
Para quienes desconozcan la matriz A , es difícil descifrar el criptograma obtenido en

el ejemplo 5. Sin embargo, para un receptor autorizado que conozca la matriz A el
desciframiento es simple. 131 receptor simplemente debe multiplicar por A-1 las matrices
renglón cifradas para recuperar las matrices renglón no cifradas. En otras palabras, si
X = [*j - V -vj
es una matriz no cifrada n x 1, entonces Y = XA es la matriz cifrada correspondiente I I
receptor de la matriz cifrada puede descifrar Y al multiplicar a la derecha por A 1 para
obtener
YA - 1 = (XA)A~l = X.
Este procedim iento se muestra en el ejemplo 6.
► Ejemplo 6 Desciframiento de un mensaje

Use la inversa de la matriz
1 -2 2
A= -1 1 3
I -1 -4
para descifrar el criptograma
13 - 2 6 21 33 - 5 3 -12 18 - 2 3 -42 5 -20 56 - 2 4 23 77.
Solución: Se empieza por aplicar la eliminación de Gauss-Jordan para encontrar ,4 ':
[ A\f] [/ ;*-•]
1 - 2 2 : i 0 0 i 0 o ; -i -10 -8
-1 I 3 : 0 1 0 m f p 0 1 0 : -1 -6 -5
1 -1 4 i 0 0 1 . 0 0 i i o -1 -1
Ahora, para descifrar el mensaje, éste se divide en grupos de tres para formar las m alncci
renglón cifradas
[13 - 2 6 21] [33 - 5 3 -1 2 ] 118 - 2 3 42] [5 - 2 0 56] |- 2 4 23 771
Luego cada una de las matrices renglón cifradas se multiplica por A-1 (a la derecha) pam
obtener las matrices renglón descifradas.
Sección 2.5 Aplicaciones de las operaciones con matrices 117
M atriz renglón Matriz de Matriz de

cifrada descifrado A~' descifrada
-1 -1 0 -8
[13 - 2 6 21] -1 -6 -5 = [13 5 5]
0 -1 -1 .
-1 -1 0 -8
[33 - -53 -1 2 ] -1 -6 -5 = [20 0 13]
0 -1 -1
-1 -10 -8
[18 -•23 -421 -1 -6 -5 = 15 0 13]
0 -1 -1
-1 -1 0 -8 '
[5 - 2 0 56] -1 -6 -5 = 115 14 4]
0 -1 -1
-1 -1 0 -8 '
[-24 23 77] -1 -6 -5 = [1 25 0]
0 -1 -1
l*OP tanto, la serie de matrices renglón descifradas es
[13 5 5] |2() 0 13] [5 0 13] [15 14 4] U 25 01
y el mensaje es
13 5 5 20 0 13 5 0 13 15 14 4 1 25 0
M E E T _ M E _ M O N D A Y
Modelos de Leontief de E ntrada- Salida

El álgebra matricial ha dem ostrado su efectividad en el análisis de problemas relacionados
con la entrada y salida de un sistema económico. El modelo que se analizará aquí, creado
por el economista estadounidense Wassily W. Leontief, fue publicado por primera vez en
1936. En 1973, L e o n tie f fue g a la rd o n a d o con el P rem io N obel d e b id o a su trabajo
en Econom ía.
Suponga que un sistema económ ico tiene n industrias distintas (/,, /-,, cada una
ile las cuales tiene necesidades de e n t r a d a (materia prima, instalaciones) y una salida
(productos terminados). El coeficiente de e n tr a d a cA mide la cantidad de entrada que la
industriay-ésima requiere de la industria /-¿sima para producir una unidad: La colección
de coeficientes de entrada está dada por la siguiente matriz n x n. Las unidades se miden en
"cantidades de dólar".
U suario
'i ¡2 - K
¿n ¿12 - ¿,„
¿21 ¿22 - ¿2/i h
D= P roveedor
. ¿„. ¿«2 - dm . ln -
Esta matriz se denom ina m a tr iz de en tra d a -sa lid a .
Para com prender cóm o utilizar esta matriz, imagine que los elementos D están dados
en dólares. Por ejemplo, si d ]2 = 0.41, entonces debe utilizarse 0 .4 1 dólares del valor del
producto de la industria 1 para producir un valor de un dólar del producto de la industria
2. La cantidad total gastada por la j-é sima industria para producir un valor de un dólar de
salida está dada por la suma de los elementos de la j-é sima columna. Por tanto, para que
funcione este modelo, los valores de d^ deben ser tales que 0 < d - < 1 y la suma de los
elementos de cualquier columna debe ser menor que 1.
► Ejemplo 7 Formación de una M atriz de Entrada-Salida

Un sistema está constituido por tres industrias con las siguientes entradas.
1. Para producir un valor de un dólar de salida, la industria A requiere 0.10 dolares de

su propio producto, 0.15 dólares del producto de la industria B y 0.23 dólares del
producto de la industria C.
2. Para producir un valor de un dólar de salida, la industria B no requiere nada de su
propio producto, y requiere 0.43 dólares del producto de la industria A y 0.03 dólares
del producto de la industria C.
3. Para producir un valor de un dólar de salida, la industria C requiere 0.02 dólares de
su propio producto, no requiere nada del producto de la industria A y requiere 0.37
dólares del producto de la industria B.
La matriz de entrada-salida de este sistema es
Usuario
r ... s
A B C
0.10 0.43 0.00 ' A
D= 0.15 0.00 0.37 B Proveedor
0.23 0.03 0.02 C
Para desarrollar aún más el modelo de Leonticf de entrada-salida, la salida total (en
unidades producidas) de la /-ésima industria se denota por t . Si el sistema económico es
c e r r a d o (lo que significa que vende sus productos solamente a industrias del sistema),
entonces la salida total de la /-ésima industria está dada por la ecuación lineal
Sección 2.5 Aplicaciones de las Operaciones con Matrices J19
Por tanto, para satisfacer la demanda de su producto, la /'-ésima industria debe producir
í/jX, unidades para la primera industria, d ¡2x2 unidades para la segunda industria, etc.
Por otra parte, si las industrias en el sistema venden productos a grupos no productivos
(como gobiernos u organizaciones caritativas), que no pertenecen al sistema, entonces
éste se denomina a b ie r to y la salida total de la /-ésima industria está dada por
x i = d i l x i + d 7x 2 + - - + d ¡nx n + e i
donde e¡ representa la demanda externa para el producto de la /-ésima industria. La

colección de salidas totales de un sistema abierto está representada entonces por el
siguiente sistema de n ecuaciones lineales.
x l = d u x l + d l2x 2 + - - + d ¡ rix n + e \
X2 ~ ^ 2 l Xl + ^22*2 + ' ' ' + ^2/ix n + e2
x n = d n i,x.1 + d tiZ 2
+ • • • + dnn x n + e n
La forma matricial de este sistema es
X = DX + E
donde X se denom ina m a tr iz de salida y E s c denom ina m a triz de la d e m a n d a ex tern a.
► Ejemplo 8 Resolución de I.i Motel/, de Solido de un Sistem o Económico Abierto

Use la matriz de entrada-salida D dada en el ejemplo 7 para despejar la matriz de salida
X de la ecuación X = DX -f E, donde la dem anda externa está dada por
20,000
E= 30.000
25.000
Solución: Con / com o matriz identidad, se puede escribir la ecuación X = D X + E como

IX = D X + E, lo cual significa que
(.I - D ) X = E .
Por medio de la matriz D determinada en el ejemplo 7 se obtiene
0.90 -0 .4 3 0.00
/- D = -0 .1 5 1.00 -0.37
-0 .2 3 -0 .0 3 0.98
Por último, al aplicar la eliminación de Gauss-Jordán al sistema de ecuaciones lineales

representado por (/ - D )X = E se obtiene
' 0.90 -0.43 0.00 20,000 ' ____

. ■i 0 0 46,616
-0 .1 5 1.00 -0 .37 30,000 0 1 0 51,058
-0 .2 3 -0.03 0.98 25,000 . .0 0 1 38,014.
Por consiguiente, la matriz de salida es
46,616 A
X= 51,058 B
3 8,0 1 4 . C
y se concluye que la salida total para las tres industrias es com o se muestra a continuación.
Salida de la industria A: 46 616 unidades

Salida de la industria B: 51 058 unidades
Salida de la industria C: 38 014 unidades 4
Por supuesto, el sistema económico descrito en los ejemplos 7 y 8 es simple. En el

m undo real, un sistema económico tendría muchas industrias o grupos industriales. Por
ejemplo, en un análisis económ ico de los grupos productivos más importantes en Estados
Unidos incluiría la siguiente lista (tomada de Statistical Abstract o f the United States).
1. Productos agropecuarios (granos, ganado, aves de corral, leche de granel)

2. Alimentos procesados (bebidas, lácteos)
3. Productos textiles y ropa (hilados de algodón, fibras, prendas de vestir)
4. Cueros y pieles (calzado, tapicería)
5. Com bustibles y energía (carbón, gasolina, electricidad)
6. Productos quím icos y sus derivados (medicamentos, resinas plásticas)
7. Productos de hule y de plástico (neumáticos, contenedores de plástico)
8. M adera y productos de madera (madera conglomerada, lápices)
9. Pulpa, papel y sus derivados (cartón, impresión de periódicos)
10. Metales y productos metálicos (aditamentos para plomería, latas)
11. M aquinaria y equipo (tractores, brocas, computadoras)
12. Mobiliario y electrodomésticos durables (alfombras, aparatos domésticos)
13. Productos minerales no metálicos (vidrio, concreto, ladrillos)
14. Equipo de transporte (automóviles, camiones, aviones)
15. Productos diversos (juguetes, cámaras fotográficas, textos de álgebra lineal)
Para representar inclusive estos amplios agrupamientos industriales se necesita una matriz
de orden 15 x 15 utilizando el modelo del Lcontief de entrada-salida. Un análisis más
detallado fácilmente podría requerir una matriz de entrada-salida de un orden mayor que
100 x 100. Resulta evidente que este tipo de análisis solamente puede llevarse a cabo con
auxilio de una computadora.
Análisis (le Regresión por Mínimos C uadrados

En esta sección se considerará un procedimiento que se usa en estadística para elaborar
modelos matemático. Se empieza con un ejemplo visual.
► Ejemplo 9 Una Aproximación Visual p o r Rectas

Determine visualmente la recta que mejor se ajusta a los puntos (1. 1), (2, 2). (3. 4). (4. 4)
y (5, 6).
Solución: Se grafican los puntos, como se muestra en la figura 2.2. Parece que una opción
aceptable sería la recta cuya pendiente es 1 y cuya ordenada al origen es 0.5. La ecuación
de esta recta es y = 0.5 + x.
FIGURA 2.2
y
Un análisis de la recta mostrada en la figura 2.2 revela que se puede mejorar el ajuste
al girar ligeramente la recta en sentido contrario al de las manecillas del reloj, com o se
observa en la figura 2.3. Parece evidente que esta nueva recta, cuya ecuación es >• = 1.2x,
NC ajusta mejor a los puntos que la recta original.
FIGURA 2.3
Una manera de m edir cuán bien una función y =f ( x ) se ajusta a un conjunto de puntos
(.v,, y,), (.r2, y2) .........(.r„, y j
m calcular las diferencias que hay entre los valores dados por la f u n c i ó n / ^ , ) y los valores
(cales y,, com o se muestra en la figura 2.4. Al elevar al cuadrado las diferencias y sumar
los resultados se obtiene una medida del error denom inada error de la sum a de
cuadrados. El error de la suma de cuadrados de los dos modelos lineales se muestran en
|ii tabla 2.1.
FIGURA 2.4
y y
TABLA 2.1
M odelo #1: f ( x ) = 0.5 + jc Modelo #2: f (x) = 1.2x
*í -v, /(* ,) Lv, - / ( * , ) ] 2 *t yt /(* ,) Lv, - / (*,.)]2

1 1 1.5 (—0.5)2 1 1 1.2 (-0.2)2
2 2 2.5 (-0 .5 )2 2 2 2.4 (-0.4)2
3 4 3.5 (+0.5)2 3 4 3.6 (+0.4)2
4 4 4.5 (-0 .5 )2 4 4 4.8 (-0 .8 )2
5 6 5.5 (+0.5)2 5 6 6.0 (+0.0)2
Total 1.5 Total 1.00
El error de la sum a de cuadrados confirma que el segundo m odelo se ajusta a los puntos
dados m ejor que el primero.
De todos los modelos lineales posibles para un conjunto dado de puntos, el que presenta
el m ejor ajuste se define com o el que minimiza el error de la suma de cuadrados. Este
modelo se denom ina recta de regresión por m ínim os cuadrados y el procedim iento para
determinarlo se denomina m étodo de m ínim os cuadrados.
v ? ■.........>. > >:

■
Para un conjunto de puntos y,), (jr2, y 2) , .... 1*1fttí tic í t-SIOn p o r

m ín im o s c u a d r a d o s está definida por la función lineal
i, . > - i
/ » r v v M:
que m inim iza el erro r de la sum a d e cuadrados
L v , + {y, - / < * £ ? ♦ • • • • ♦ - / M :-
Para encontrar la recta de regresión por mínimos cuadrados para un conjunto de puntos,
se empieza por formar el sistema de ecuaciones lineales
y i = /(•* ,) + l>i -/(•* ,)]

y 2 = f ( x 2) + [ y 2 - f ( x 2))
yn = / ( * „ ) + fv„ - / M
donde el término del lado derecho, [y. - /(.v()], de cada ecuación se considera co m o el error
en la aproximación de y. p o r f (*.). Así, este error se escribe como
e¡ = y¡ - / ( * , )
de m odo que el sistema de ecuaciones asume la forma
?i = (fl0 + « ,* ,) + *,
y2 = (aQ+ fl,.x2) + e2
y . = (flo + flix¿ + en-

Ahora, si Y, X, A y E se definen como
'V ■ 1 jr, - V
-V2 1 .v2 *2
x = A
A ~- fl°
íí, ’ E=
en
entonces las n ecuaciones lineales pueden sustituirse por la ecuación matricial

Y = XA + E.
Observe que la matriz X tiene dos columnas, una colum na de unos (correspondiente a a())
y una colum na que contiene las xr Esta ecuación matricial puede usarse para determinar
los coeficientes de la recta de regresión por mínimos cuadrados com o se muestra a
continuación.
Form a M atricial d e la Regresión Lineal

Para el m odelo deregresión Y *XA+ E> los coeficientes de la recta de regresión por
mínimos cuadrados están definidos por la ecuación matricial
A ^ Í X ’X r W Y
y el error de la suma de cuadrados es É'E.
Observación: La demostración de este resultado puede encontrarse en cualquier texto de

estadística elemental.
En el ejemplo 10 se muestra la aplicación de este procedimiento para determ inar la red»

de regresión por mínimos cuadrados para el conjunto de puntos dado en el ejemplo 9.
► Ejemplo 10 Determinación de la Recta de Regresión por Mínimos Cuadrados

Encuentre la recta de regresión por mínimos cuadrados para los puntos (1, 1), (2,2), (3.4).
(4, 4) y (5, 6). Luego, determine el error de la suma de cuadrados para esta recta de
regresión.
Solución: Con los cinco puntos dados se encuentra que las matrices X y Y son
' 1 1 ' ' 1 '
1 2 2
X= 1 3 y y= 4
1 4 4
1 5 6
Lo anterior significa que

1 1
1 2
1 1 1 1 1 5 15
X' X = 1 3
1 2 3 4 5 15 55
1 4
1 5
' 1 '
2
1 1 1 1 17
X ‘ Y= 4
2 3 4 5 63
4
6
Ahora, con (X'X)~l para determinar la matriz de coeficientes A, se tiene
55 -15 17
A = (X'X)-]X ' Y -
-15 5 63
- 0.2
1.2
Entonces, la recta de regresión por mínimos cuadrados es
v = - 0 .2 + 1.2*.
Véase la figura 2.5. Se puede dem ostrarque el error de la suma de cuadrados para esta recta
es 0.8, lo cual significa que esta recta se ajusta m ejo ra los datos que cualquiera de los dos
modelos experimentales determinados antes.
FIGURA 2.5
Recta de regresión por mínimos cuadrados
M atrices Estocásticas
l n los ejercicios del I al 6, determine si la matriz dada es cstocástica.
s/2 V2 I
2 2
V2 V2
2 2 .
0 1 ol ' 0.3 0.1 0.8 ‘
3. 0 0 1 4. 0.5 0.2 0.1

1 0 0. 0.2 0.7 0 .1 .
i i i 1 0 0 0
3 6 4
* 1 2 1 0 10 0
3 3 4 0 0 I o
1 I I
.3 6 2
0 0 0 I.
7. El departamento de mercadotecnia de una planta de manufactura determina que el 20 %

de las personas que adquieren su producto durante cualquier mes no lo comprarán el mes
siguiente Por otra parte, el 30 c/c de las personas que no compran el producto durante
cualquier mes dado lo adquirirán el mes siguiente. En una población de 1000 personas,
HX) personas compraron el producto este mes. ¿Cuántas lo comprarán el mes siguiente?
¿Y dentro de dos meses0
tí 8. Un médico investiga acerca de la dispersión de un virus en una población de 1000 ratas

de laboratorio. Durante cualquier semana dada existe una probabilidad del 80 % de que
una rata infectada venza al virus, y durante la misma semana hay el 10 % de probabilidad
de que una rata no infectada se infecte. Actualmente hay 100 ratas infectadas con el
virus. ¿Cuántas estarán infectadas la próxima semana? ¿Y dentro de dos semanas?
frl 9. Una población de 10 000 personas se agrupa como sigue: 5 000 no fumadores, 2 500
fumadores de una cajetilla o menos al día y 2 500 fumadores de más de una cajetilla diaria.
Durante cualquier mes dado hay el 5 % de probabilidad de que un no fumador comien
ce a fumar una cajetilla o menos al día y 2 % de probabilidad de que un no fumador
comience a fumar más de una cajetilla diaria. Para los fumadores que fuman una cajetilla
o menos al día, existe un 10 % de probabilidad de dejar de fumar y un 10 % de probabilidad
de aumentar a más de una cajetilla diaria. Para los fumadores que fuman más de una
cajetilla diaria, existe un 5 % de probabilidad de dejar de fumar y un 10 % de probabilidad
de disminuir a una cajetilla o menos al día. ¿Cuántas personas estarán en cada uno de estos
tres grupos dentro de un mes? ¿Y en dos meses?
r-¡ 10. Una población de 100 (XX) consumidores se agrupa como sigue: 20 000 usuario de la marca
A, 30 000 usuarios de la marca B y 50 000 que no usan ninguna de las dos marcas. Durante
cualquier mes dado, un usuario de la marca A tiene un 20 % de probabilidad de cambiar
a la marca B y un 5 % de probabilidad de no usar ninguna marca. Un usuario de la marca
B tiene un 15 % de probabilidad de cambiar a la marca A y un 10 % de probabilidad de
no usar ninguna de las marcas. Un no usuario tiene 10 % de probabilidad de comprar la
marca A y 15 % de probabilidad de comprar la marca B. ¿Cuántas personas estarán en cada
grupo dentro de un mes? ¿ Y dentro de dos meses? ¿Y dentro de tres meses?
0 11. El dormitorio de una universidad alberga 200estudiantes. Quienes ven televisión una hora
o más cualquier día dado siempre ven televisión menos de una hora al día siguiente. La
cuarta parte de quienes ven televisión menos de una hora un día dado ven una hora o más
la televisión al día siguiente. Hoy, la mitad de los estudiantes vieron televisión durante
una hora o más. ¿Cuántos verán mañana televisión durante una hora o más? ¿Y en dos
días? ¿Y en 30 días?
3 12. Una matriz de probabilidades de transición está definida por
0.6 0.1 0.1

p = 0.2 0.7 0.1
.0.2 0.2 0.8
Encuentre P2X y P*X para la matriz de estados
100
100
800
Y luego encuentre la matriz de estado estacionario para P.
13. Demuestre que el producto de dos matrices estocásticas 2 x 2 es estocástica.
14. Sea P una matriz estocástica 2 x 2 . Demuestre que existe una matriz de estados X 2 x I
con elementos no negativos tal que PX = X.
C rip to g ra fía
En los ejercicios del 15 al 18, encuentre las matrices renglón no cifradas del orden indicado para
los mensajes dados. Luego, cifre el mensaje utilizando la matriz A.
Mensaje Orden de la nuilriz Matriz de cifrado
1 —1 o‘
SELL CONSOLIDATED 1x 3 A= 1 0 -1
-6 2 3
4 2 1
PLEASE SEND MONEY Ix3 A= -3 -3 -1
3 2 1.
1 2
COME HOME SOON 1x 2 A=
3 5
'- 2 3 -1 -1
1x 4 -1 1 1 1
HELP 1S COMING A=
-1 - 1 1 2
3 1 -2 -4
En los ejercicios del 19 al 22. encuentre A ~1 para descifrar el criptograma dado.
1 2
19. A = , 11. 21. 64, 112. 25, 50, 29. 53, 23. 46. 40, 75. 55. 92
3 5
2 3
20. 4 = . 85. 120. 6. 8. 10. 15, 84. 117. 42, 56, 90, 125, 60. 80, 30. 45. 19. 26
3 4
4 2 i
21. A = -3 - 3 -1 . 33. 9. 9. 55, 28. 14, 95. 50. 25. 99. 53. 29. -22. -32, -9
3 2 1
0
22. A = 1 0 -1
-6 2 3
9 . - 1 . - 9 . 3 8 ,- 1 9 .- 1 9 . 2 8 . - 9 . - 1 9 . - 8 0 , 25.41. -64. 21. 31. -7 . -4 . 7
23. El siguiente criptograma fue cifrado con una matriz 2 x 2.
8. 2 1 , - 1 5 , - 1 0 , - 1 3 , - 1 3 , 5 . 1 0 . 5 ,2 5 , 5 , 1 9 , - 1 . 6 . 2 0 . 4 0 . - 1 8 . - 1 8 . 1. 16
La última palabra del mensaje e s RON. ¿Cuál es el mensaje?
24. El siguiente criptograma fue cifrado con una matriz 2 x 2 .
5. 2, 25. 1 1 . - 2 . - 7 . -15, -1 5 , 32. 14. -8 . - 1 3 . 38, 1 9 . - 1 9 , - 1 9 , 37. 16
La última palabra d '1 mensaje e s SUE. ¿Cuál es el mensaje1’

M odelos de L eo n tief de Entrada-Salida
25. Un sistema compuesto por dos industrias, de carbón y acero, tiene las siguientes entradas
a) Para producir el valor de un dólar de salida, la industria carbonífera requiere 0.10
dólares de su propio producto y 0.80 dólares de acero.
b) Para producir el valor de un dólar de salida, la industria del acero requiere 0.10 dólares
de su propio producto y 0.20 dólares de carbón.
Encuentre ü , la matriz, de entrada-salida del sistema. Luego despeje la matriz de salida A

en la ecuación X = DX + E, donde la demanda externa está dada por
E _ 10,000
20,000 '
26. Un sistema industrial tiene dos industrias con las siguientes entradas.
a) Para produciré! valor de un dólar de salida, la industria A requiere 0.30 dólares de su
propio producto y 0.40 dólares del producto de la industria B.
b) Para producir el valor de un dólar de salida, la industria B requiere 0.20 dólares de su
propio producto y 0.40 dólares del producto de la industria A.
Encuentre D, la matriz de entrada-salida de este sistema. Luego, despeje la matriz de salida

X en la ecuación X = l)X + E, donde la demanda externa está dada por
£ _ 50,0(30
30,000 ‘
H 27. En una pequeña comunidad hay un campesino, un panadero y un tendero con la siguiente
matriz de entrada-salida D y matriz de demanda E.
Campesino Panadero Tendero

0.40 0.50 0.50 Campesino 1000
D= 0.30 0.00 0.30 Panadero y E= 1000
0.20 0.20 0.00 Tendero 1000.
Despeje la matriz de salida X de la ecuación X = DX + E.
O 28. Un sistema industrial consta de tres industrias con la siguiente matriz de entrada-salida D
y matriz de demanda externa E.
0.2 0.4 0.4 5000'

D= 0.4 0.2 0.2 y E= 2000
0.0 0.2 0.2. 8000.
Despeje la matriz de salida X en la ecuación A" = DX + E.
A nálisis de R egresión por M ínim os C uadrados
ix- En los ejercicios del 29 al 32, a) bosqueje la recta que parece ajustarse mejor a los puntos dados,
b) use el método de mínimos cuadrados para determinar la recta de regresión por mínimos
cuadrados y c) calcule el error de la suma de cuadrados.
29.
3
(2*3)
2H
1 ^ 00. 1)
(-2. 0)
a i 1
i
1» m
>
-2 -I 1 2
30.
2 -
(3.2)
(-1. I) ( 1. I)
(-3. 0)
— ♦------h
-3 -2 -I
31.
4 (0. 4)
3 (1.3)
2
(1. I)
I
# ( 2. 0)
3----- ♦—►.«
1
32.
(4. 2) (5. 2) (6. 2)

2--
(3. 1) (4. I)
I • •
(1.0) (2.0) (3.0)
— ♦------ ♦ ♦ 1----
i
frl En los ejercicios del 33 al 42, encuentre la recta de regresión por mínimos cuadrados para los
punios dados.
33. (-2. 0). (-1. I). (0. I), (1.2) 34. (—4. - 1). (-2. 0), (2. 4). (4. 5)
35. (-3. 0). 0 . 4 ) . (2. ó) 36. (-5, !>.(!. 3). (2. 3). (2. 5)
37. (-3. 4), (-1. 2), (1, 1), (3. 0) 38. (-5. 10). (-1 .8 ). (3. 6). (7. 4). (5. 5)
39. (0, 0), (1. 1). (2, 4) 40. (1. 0). (3. 3). (5. 6)
41. (0.6). (4. 3). (5.0). (8 .-4 ), (1 0 ,-5 ) 42. (5, 2). (0. 0). (2. 1), (7. 4), (10, 6). (12,6)
43. El administrador de un almacén desea conocer la demanda de cierto producto como fun
cióndesu precio. Las ventas diarias para tres precios diferentes sedan en la tabla siguiente.
Precio (x) $1.00 $1.25 $1.50
Demanda (y) 450 375 330
a) Encuentre la recta de regresión por mínimos cuadrados para estos datos.

b) Estime la demanda cuando el precio es 1.40 dólares.
44. Un vendedor de ferretería desea conocer la demanda de cierta herramienta como función
de su precio. En la tabla siguiente se presentan las ventas mensuales para cuatro precios
diferentes de la herramienta.
Precio (x) $25 $30 $35 $40
Demanda (y) 82 75 67 55

b) Calcule la demanda cuando el precio es 32.95 dólares.
C apítulo 2 a Ejercicios de Reposo
En los ejercicios del I al 6, efectúe las operaciones matricialcs indicadas.
1 2 7 1
2 1 0 5 3 -6
1. -3 2. - 2 5 -4 + 8 1 2
0 5 -4 0 -2 5
.6 0. 1 4 .
2
6 - 2 8 5 6 - 2 8
3. -4 4.
4 0 0 -4 4 0 0
0
1 3 2 4 -3 2 2 1 4 2 -2 4
5. 0 2 -4 0 3 -1 6. 6 0 -3 1
+
0 4
0 0 3 0 0 2
En los ejercicios 7 y 8, escriba el sistema de ecuaciones lineales representado por la ecuación

matricial dada.
Capítulo 2 Ejercicios de Repaso 131
O 1 -2 -1 '
V
7.
5
-1
4
1
x 2
-22
8. -1 3 1 *2 = 0
y 2 -2 4 2
. *3
En los ejercicios 9 y 10, escriba en forma mairicial el sistema de ecuaciones lineales dado.
9. 2jc, + 3.r2 + Xy = 10 10. -3.v, - x 2 + x3 = 0

2x } - 3x2 - 3xy = 22 2* , + 4.*2 - 5jc3 = -3
4.r, - 2x¿ + 3xy = - 2 jt, - l x 2 + 3x3 = 1
lin los ejercicios 11 y 12, determine A', A'A y AA' para la matriz dada.
1 ‘
1 2 -3
12. 3
0 1 2
-1
En los ejercicios del 13 al 16, encuentre la inversa de la matriz dada (en caso de que exista).
3 -1 4 1
14.
2 -1 -8 -2
1 1 1 1
2 3 1
0 1 1 1
15. 2 -3 -3 16.
0 0 11
4 0 3.
0 0 0 1
lin los ejercicios 17 y 18, escriba el sistema de ecuaciones lineales dado en la forma AX = B.
I.ucgo encuentre -4-1 y úsela para despejar X.
17. 5x, + 4.í 2 = 2 18. - x ]+ .t2 + 2 i 3 = 1

~ x \ + X2 =
2a, + 3*2 + Xy = -2
5jc, + 4 x2 + 2*3 = 4
19. Encuentre A , dado que
(3A )-1 = 2 ~3 '
20. Encuentre x tal que la matriz A sea no singular.
En los ejercicios 21 y 22 encuentre la inversa de la matriz elemental dada
1 0 4 1 0 0
21. 0 1 0 22. 0 6 0
0 o 1 0 0 1
En los ejercicios del 23 al 26, factorice A en un producto de matrices elementales.
2 3 -3 13
23. 4 = 24. 4 =
0 1 1 -4
1 0 1' 3 0 6
25. 4 = 0 1 -2 26. 4 = 0 2 0
.0 0 4. .1 0 3
Capítulo 2 ▲ ejercicios Com plem entarios
1. Encuentre dos matrices A 2 x 2 tales que A2 = I.
2. Encuentre dos matrices 4 2 x 2 tales que A 2 = O.

3. Encuentre tres matrices A 2 x 2 tales que A 2 = A.
4. Encuentre matrices A y B 2 x 2 tales que A/i = O pero BA ^ ü.
En los ejercicios 5 y 6, sean las matrices X , Y,Z y W definidas por
1' '-1 ' 3 ' 3

2 0 4 2
X= Y= z = IV =
0 3 -1 -4
1. . 2 . 2
5. a) Encuentre escalares a, b y c tales que W = aX + 1>Y + cZ.
b) Demuestre que no existen escalares a y b tales que Z = aX + hY.
6. Demuestre que si aX + bY + cZ = O, entonces a = b = c = 0.
En los ejercicios del 7 al 10 se aplica el concepto de matriz nilpotcntc. Una matriz cuadrada
A es nilpotente de índice k si A ■-£ O. A 2 ^ O 4*~' O. pero 4* = O.
7. Demuestre que la siguiente matriz es nilpotente. ¿Cuál es su índice?
0 a b
4 = 0 0 c a ñfc 0, c * 0.
0 0 0
8. Determine a y b tales que 4 sea nilpotente de índice 2.
a 0
4 =
b 0
9, Demuestre que si 4 es nilpotente, entonces 4 es singular (no mvertible)
10. Demuestre que si 4 es nilpotente, entonces A' es nilpotente con el mismo utilice.
Capítulo 2 Ejercicios Complementarios 133
11. Sea A, B y A + B tres matrices no singulares. Demuestre que A"1 + B ~1 es no singular al

demostrar
(A"1 + / H ) - 1 = A (A + B)~]B.
12. Sean A, B y C tres matrices n x n y C no singular. Si AC = C.B. ¿se concluye que A = B2
En caso afirmativo, demuéstrelo. En caso negativo, encuentre un ejemplo para el que sea
falsa la ecuación.
M atrices E stocásticas
Hn los ejercicios 13 y 14, determine si la matriz dada es estocástica.
1 0 0 0.3 0.4 0.1

13. 0 0.5 0.1 14. 0.2 0.4 0.5
0 0.1 0.5. 0.5 0.2 0.4 .
En los ejercicios 15 y 16, use la matriz, de probabilidades de transición P dada y la matriz de

estados X para encontrar las matrices de estado PX, P2X y P^X.
i 1 0.6 0.2 0.0 1000

2 4 128
15. P =
3 ,* =
016. P - 0.2 0.7 0.1 . * = 1000
J 64
.2 4. 0.2 0.1 0.9 . . 1000 .
i, 117. Un país está dividido en tres regiones. Cada año. el 10 % de los residentes de la región 1
se desplaza a la región 2 y el 5 % se desplaza a la región 3; el 15 % de los residentes de
la región 2 van a la región 1 y el 5 % va a la región 3; el 10 % de los residentes déla región
3 se desplaza a la región 1 y el 10 % lo hace a la región 2. Este año, cada región cuenta
con una población de 100 000 personas. Encuentre la población de cada región a) dentro
de un año y b) dentro de tres años.
M 18. Encuentre la matriz, de estado estacionario para la población descrita en el ejercicio 17.
C rip to g ra fía
En los ejercicios 19 y 20, encuentre las matrices renglón no cifradas del orden indicado para
los mensajes dados.
Mensaje Orden de la matriz renglón Matriz de cifrado
5 2
19. ONE 1F BY LAND 1x 2 A=
2 1
2 1 4
20. BEAM ME UF SCOTTY 1x 3 A= 3 1 3
-2 - 1 -3 .
En los ejercicios 21 y 22, encuentre A-1 para descifrar el criptograma dado.
21. A = 3 , -45, 34. 36, -24. -43. 37. -23. 22. -3 7 , 29, 57, -38, -39, 31
2 -1 -1
22. A = -5 2 2
5 -1 -2
5 8 ,- 3 ,- 2 5 . -48. 28. 19, -4 0 , 13. 1 3 .-9 8 ,3 9 , 39. 1 1 8 ,-2 5 ,-4 8 , 2 8 ,- 1 4 ,- 1 4
M odelos de L eontief de Entrada-Salida
23. Un sistema industrial consta de dos industrias con las siguientes entradas.
a) Para producir el valor de un dólar de salida, la industria A requiere 0.20 dólares de su
propio producto y 0.30 dólares del producto de la industria B.
b) Para producir el valor de un dólar de salida, la industria B requiere 0.10 dólares de su
propio producto y 0.50 dólares del producto de la industria A.
Encuentre O, la mariz de entrada-salida para este sistema. Luego despeje la matriz de
salida X en la ecuación X = DX + E. donde la demanda externa está dada por
_ 40,000
80,000 '
0 24. Un sistema industrial cuenta con tres industrias con la siguiente matriz de entrada-salida
D y matriz de demanda externa E.
0.1 0.3 0.2 ‘ 3000 '
D = 0.0 0.2 0.3 y E= 3500
.0.4 0.1 0.1. 8500 .
Despeje la matriz de salida X en la ecuación X = DX + E.
A nálisis de R egresión Por M ínim os C uadrados
frl En los ejercicios del 25 al 28, encuentre la recta de regresión por mínimos cuadrados para los
puntos dados.
25. (1 .5 ), (2, 4), (3, 2) 26. (2, 1). (3. 3). (4. 2), (5. 4), (6, 4)
27. (-2 , 4), (-1 , 2), (0, 1), (1, -2 ), (2. -3 ) 28. (I, I), (1, 3), (I. 2), (I, 4), (2, 5)
B 29. Un campesino utilizó cuatro parcelas experimentales para determinar la relación entre la
producción de trigo en bushels por acre y la cantidad de fertilizantes en cientos de libras
por acre. Los resultados se muestran en la tabla siguiente.
Fertilizante (x ) 1.0 1.5 2.0 2.5

Producción (y) 32 41 48 53

b) C a lc u le la p ro d u cció n para una aplicació n de fertilizante de 160 libras por acre
Capitulo 2 Ejercicios Complementarios 135
30. El índice de precios al consumidor de todos los productos durante cinco años se da en la
tabla siguiente.
Año (x) 1980 1981 1982 1983 1984
1PC (y) 247.0 272.3 288.6 297.4 310.7
a) Encuentre la recta de regresión por mínimos cuadrados para estos datos. (Haga que
x = 0 represente 1980.)
b) Calcule el índice de precios al consumidor para el año de 1990.
Capítulo ó
Determinantes
3.1 El Determinante de una Matriz
3.2 Evaluación de un Determinante por Medio de Operaciones Elementales
3.3 Propiedades de los Determinantes
3.4 Aplicaciones de los Determinantes
Augustin-Louis Cauchy
1789-1857
Auguswin Louis-Cauchy fue el primogé

nito de los seis hijos de un abogado parla
mentario francés. Nació en París seis sema
nas después de la-toma de la Bastilla. Para
escapar de la guillotina, el padre de Cauchy
decidió trasladarse a su tierra natal» fronteri
za con la de uno de los matemáticos france
ses más importantes: Pierre-Simon Laplace.
Laplace fue el primero en reconocer e! don
del Joven Cauchy para las matemáticas y lo alentó para cultivar su talento.
En 18QG la familia Cauchy volvió a París, donde Cauchy inició sus estudios
formales. Ganó varios premios, y su habilidad matemática comenzó a llamar la
atención. En 1810Cauchy se graduó como ingeniero civil y recibió un nombramien
to militar que conservó a disgusto durante tres años. Más tarde, disturbios políticos
llevaron a Cauchy a través de una serie de puestos académicos que culminaron con
su nombramiento como profesor de astronomía matemática en la Sorbona. Aproxi
madamente a los 27 años de edad fue reconocido como uno-de los grandes mate
máticos de su época.
Cauchy fue un escritor projffico. yaque publicó casi 800 artículos. Sus contribu
ciones ai estudio de las matemáticas fueron revolucionarias y, a menudo, se le
atribuye el crédito de hacer rigurosas la matemáticas modernas. Por ejemplo. Cauchy
fue el primero en definir rigurosamente los conceptos de límites y continuidad, así
como el de convergenciade una serie infinita. Además de fundarla teoría de números
complejos, contribuyó ala teoría de determinantes y de ecuaciones diferenciales. Es
interesante observar que el trabajo de Cauchy sobre determinantes precedió el de
Cayley sobre matrices.
137
138 Capítulo 3 Determinantes
3.1 a El D eterm inante de una Matriz

T oda m atriz cuadrada puede asociarse con un núm ero real denom inado su determ inante.
Los determ inantes tienen m uchos usos, formas varios de ellos se encontrarán en este
capítulo. Las dos prim eras secciones de este capítulo están dedicadas a procedim ientos
para evaluar el determ inante de una matriz.
H istóricam ente, el uso de los determ inantes surgió de la identificación de patrones
especiales que ocurren en la solución de sistem as de ecuaciones lineales. Por ejem plo, se
puede dem ostrar que la solución general del sistema
a u x i + ( i \T X2 = b \
Ü 2\X \ + a 22X 2 = b 2
es
b \Cl2 2 - b2a \2
•vi =
a \\a22~ al \ a \2
a Ilfl22- f l 21a 12
siem pre que a u a Z2 - « 21^12 ^ O bserve quc am bas fracciones tienen el m ism o den o
m inador, a n a22- a 2\a \T Esta cantidad se denom ina el d eterm inante de la m atriz de
coeficientes A.
Definición del D eterm inante de una M atriz 2 x 2

El determ inante de la m atriz
está dado por
det(A) = IAI = a \ic¡22~ a2\a\2
Observación: En este texto se usan indistintam ente det(A) y \A I para representar el tic-
term inante de A. A unque las barras verticales tam bién se utilizan para denotar el valor
absoluto de un núm ero real, el contexto m ostrará de cuál uso se trata.
Un m étodo conveniente para recordar la fórm ula del determ inante de una m atriz 2 x 2
se m u e stra en el sig uiente d iag ram a.
\A\ = ~ a \\<¡22 a 2 l ü \2
Sección 3. / El determinante de una Matriz 139
O bserve que el determ inante está dado por la diferencia de los productos de las dos
diagonales de la m atriz.
► Ejemplo I El Determinóme de una Matriz de Segundo Orden

Encuentre el determ inante de las m atrices siguientes.
2 -3 2 1 0 3
a) A = b) B= c) C = 2 4
1 2 4 2
Solución:
2 = 2 ( 2 ) - 1(-3 ) = 4 + 3 =7
a) | A
1
2 1
b) \B = 2 (2 )- 4 ( 1 ) = 4 - 4 =0
4 2
0 3 = 0(4) - 2(3) = 0 - 6 = - 6
c) C
2 4
Observación: N ótese que el determ inante de una m atriz puede ser positivo, negativo o
cero.
El determ inante de una m atriz de prim er orden se define sim plem ente com o el elem en
to de la m atriz. Por ejem plo, si A = [ - 2 ] , entonces det(/l) = - 2 . Para definir el determ inan
te de una m atriz de orden superior a 2, es conveniente usar los conceptos de m e n o re s y
cofacto res.
Definición óc los M enores y C ofactores de una M atriz
por
| p ;|
■................................................. — ..................... — ...........................................................i ,.________________________ ______ ________________________________________
Por ejem plo, si A es una m atriz 3 x 3 , entonces los m enores de a2¡ y ¿r22 se muestran
en el diagram a siguiente.
M enor de a 21 M enor de a 22
Hl l ü\2 «13 «II «ib «13
«12 «13 « II «13
' « 2 1 «23 ' a/ 2,= «71 1 22/t—«73~ M 22
«32 «33 «31 «33
^31 « 32 «33 «31 « Í2 «33
[■¿im
imiñw imîtVn l y ColuniM Jj rcwg»6t»Tyg¿tow¿M2l
Los m enores y cofactores de una m atriz difieren a lo sum o en el signo. Para obtener los
cofactores de una m atriz, prim ero se determ inan los m enores y luego se aplica el siguiente
patrón de tablero de ajedrez de signos “ +" y
Patrón de Signos para Cofactores

+ - + + - + - '
+ -+ - + ••
- +- + - ••
- + - + 1 + -+ - + ••
+ 1
! +
1 +
- +- + - ••
. + - + + -+ - +
matriz 3 x 3
ma t r iz 4 x 4
matriz n x n
O bserve que las posiciones impares (donde i + j es impar) tienen signos negativos y que
las posiciones pares (donde i + j es par) tienen signos positivos.
► Rjcmplo 2 Determinación de los Monotes y Cofactores de una M alriz

Encuentre todos los m enores y cofactores de
0 2 11
A = 3 - 1 2
L 4 0 1
Solución: Para encontrar el m enor A /,,, se elim inan el prim er renglón y la prim era colum na
de A y se evalúa el determ inante de la m atriz resultante.
—
(O;—2—K -1 2 = - 1( 1) -
í -1 2 0 1 0( 2) = -1
i 0 1
De m anera sem ejante, para encontrar M [2, se elim inan el prim er renglón y la segunda
colum na.
—0—\2;—
12 = 3 2
m = 3 (1 )-4 (2 ) = -5
4 1
43 i 0 21
Al continuar con este patrón se obtienen los siguientes menores.

M „ = -1 A/,2 - 5 M \3= 4
A i* - 2 A/22 = - 4 A/2 3 = — 8
A/3, = 5 Aí32 - - 3 M 3> - 6
Luego, para encontrar los cofactores, se com bina el patrón cuadrado de tablero de ajedrez
de signos con estos m enores para obtener
C „ = -l C |2 = 5 ^ ,3 = 4
C 2I = - 2 C22 = - 4 C2.3= 8
^32 = 3 C „ = - 6.
Sección 3. i El determinante de una Matriz 141
Una vez que se han definido los m enores y los cofactores de una m atriz, se está
preparado para una definición general del determ inante de una m atriz. La definición dada
a continuación se denom ina in d u c tiv a porque usa determ inantes de m atrices de orden
n - 1 para definir el determ inante de una m atriz de orden n.
Observación: In ten te co m p ro b ar que para m atrices 2 x 2 esta d efin ició n pro d u ce l/\ I
= a n a 22 - o {1a 2V co m o se d e fin ió p re v ia m e n te .
Cuando esta definición se usa para evaluar un determ inante, se dice que se efectúa un
d e sa rro llo p o r co facto res. Este procedim iento se ilustra en el ejem plo 3.
► Ejemplo 3 El determinonle de uno Motriz de Orden 3

Encuentre el determ inante de
0 2 1
3 - 1 2
4 0 1
Solución: O bserve que esta m atriz es la m ism a del ejem plo 2. A hí se encontró que los
cofactores de los elem entos en el prim er renglón son
C ,, = —1, C i;, = 5, C (í = 4.
Por consiguiente, por la definición de determ inante, se tiene lo siguiente.
\A\ = a, |C , , + # ,2C ,2 + ^ 13^,3 D esarrollo del prim er renglón

= 0(—1) + 2(5) + 1(4) ‘
= 14 «
A unque el determ inante se definió com o un desarrollo por los cofactores en el prim er
renglón, se puede dem ostrar que el determ inante puede evaluarse utilizando cualquier ren
glón ocolum na. Por ejem plo, la m atriz 3 x 3 del ejem plo 3 puede desarrollarse por el segun
do renglón para obtener
\A\ = a ,,C 7| + « 22^22 + a 23^23 D esarrollo del segenndo renglón

= 3 (-2 ) + (—1)(—4) + 2(8) = 14
D esarrollo del segundo renglón o por la prim era colum na para o b te n e c r
1/41 = a n C u + a 21C2! + a 31C31 D esarrollo de l a p rrim e ra colum na

= 0 ( - l ) + 3(—2) + 4(5) = 14.
Intente otras posibilidades para ver que el determ inante d e /l puede e v a li u a rse a ld e s a n olbi
cualquier renglón o colum na. Este resultado se plantea fo rm a lm c m te en el siguiem.
teorem a, denom inado desarrollo laplaciano de un determ inante e n h o o n o r al matemático
francés Pierre-Sim on Laplace (1749-1827).
Teorem a 3.1 D esarrollo po r (M a d o re s

Sea A una m atriz cuadrada de orden n. Entonces, el d eterm in an te d e A está dado
por
IAI = £ a-C-j - a.jC ;, + a aCa + ■■•■¥ amCui D esarrolB lo del /-ésim o

O 7=1 renglón
I A I- £ a C t-- aijC l .+ a2jCZJ + • • - -f Qnf ny D e s a r r o lllo de lay-ésim a

7=1 ' c o lu m n a ¿
C uando se desarrolla por cofactores no es necesario ev alu ar lo ;.s cofactores de lo»

elem entos iguales a cero, ya que el producto de un elem ento cero p o r su cofactor es igual
a cero.
a íjC¡j ~ (0)^,7 = 0
Así, el renglón (o colum na) con m ayor cantidad de ceros por lo g ^ e n e ra l, es la mejoi
elección para efectuar un desarrollo por cofactores. Esto se i l u s t r r a con el siguicniii
ejem plo.
► Ejemplo 4 El D eterm inante de una M atriz de Orden 4

2 3 0
1 0 2
2 0 3
4 0 - 2
Solución: Al analizar la m atriz dada se observa que tres de los e le m n e n to s de la ten n a

colum na son iguales a cero. Por tanto, puede elim inar algo del traf>¿ijjjo en el desarrollo til
usar la tercera colum na.
1.41 a 3(C:m) + 0 ( C j3) + 0 ( C „ ) + 0 ( C n )

Sección 3 .1 r'l determinante de una Matriz. 143
( 'orno C ,v y C43 tienen cocficiernes cero, b;ista encontrar el cofactor C, 3. Para efectuar
esto, se elim ina el prim er renglón y la tercera colum na de A y se evalúa el determ inante
de la m atriz resultante.
-1 1 2 -1 1 2
H ) l+3 0 2 3 = 0 2 3
3 4 -2 3 4 _2
Al desarrollar por cofactores en el segundo renglón se obtiene lo siguiente.
1 2 -i 2 -1 1
C j3 = (())(-1)3 + (2) ( - i ) 4 + (3) (—1)5
4 -2 3 -2 3 4
= 0 + 2 ( l ) ( - 4 ) + 3 ( —1 ) ( —7 )
= 13
Por tanto, se obtiene
l/ll = 3(13) = 39. <
Hay un m étodo alternativo que suele aplicarse para evaluar el determ inante de una
m atriz 3 x 3. Para aplicar tal m étodo, se copian la prim era y segunda colum nas de A para
form ar las colum nas cuarta y quinta. Luego, el determ inante de A se obtiene al sum ar (o
testar) los producto de las seis diagonales, com o se m uestra en el siguiente diagram a.
Restar estos tres productos.

.■ » * "Z,
«ti «1 2 «13- a\ \ ' Í2
«21 «22 «23' 112\ «22
«i, <hlx «32
Sumar estos tres productos.
Se deja para el lector confirm ar que el determ inante de A está dado com o
IA I = (111^ 22^33 ^ 12 « 2 3 « 3 I ^ 1 3 « 2 I« 3 2 — « 3 I « 2 2 « 13 — « 3 2 « 2 3 « 11 — « 3 3 « 2 I« t 2
► Ejemplo 5 El D eterm inante de tmn Motriz de Orden '!
I ncuenlre el determ inante de

0 2 1
A = 3 - 1 2
4 - 4 1
Solllfiól): Se em pieza por copiar de nuevo las dos prim eras colum nas y luego calcular los
neis productos diagonales com o sigue.
t Reatar estos productos.
4 -A
^ ‘sum ar estos productos.
Luego, al sum ar los tres productos inferiores y restar los tres productos superiores, se
encuentra que el determ inante de A es
L4I = 0 + 1 6 - 1 2 - ( - 4 ) - 0 - 6 = 2. <
Observación: El proceso diagonal ilustrado en el ejem plo 5 es válido sólo para matrices
de orden 3. Para m atrices de órdenes superiores se debe usar otro método.
M atrices Triangulares
La evaluación de determ inantes de m atrices de orden m ayor o igual que 4 puede ser
tediosa. Sin em bargo, hay una excepción im portante: el determ inante de una m atriz tr ia n
g u lar. Una m atriz cuadrada se denom ina tria n g u la r s u p e rio r si todos sus elem entos por
debajo de la diagonal principal son cero, y tr ia n g u la r in fe rio r si todos sus elem entos
p o r en cim a de la d iag o n al principal son cero. U na m atriz que es trian g u lar su p erio r e
in fe rio r se denom ina d iag o n al. Es decir, una matriz diagonal es aquélla en la cual todos
los elem entos arriba y abajo de la diagonal principal son cero.
Matriz Triangular Superior Matriz Triangular Inferior
'« 1 . «12 0,3 ... « l / 0 0 0 ’

«II
0 «22 0 2 3 . . . « 2* 0 ... 0
«21 «2 2
0 0 0
« 3 3 • • ’ « 3n «31 «3 2 ^33
*: ■ ■• . ■• ■:"f-í • • . \¡í
*■ ,, •
/ • .. • . . .
0 0 0 ...
*•
«„* _ «ni « »2 «n3 • • • V
Para encontrar el determ inante de una m atriz triangular sim plem ente se form a el pro
ducto de los elem entos de la diagonal principal. Es fácil observar que este procedim iento
es válido para m atrices triangulares de orden 2 o 3. Por ejem plo, el determ inante de
2 3 -1
0-1 2
0 0 3
puede encontrarse al desarrollar por el tercer renglón para obtener
3 -1 2 -1 2 3
=0 -0 +3 = 3(2) (-1 ),
-1 2 0 2 0 -1
uuc es el producto de los elemento* en la diagonal principal.

Sección 3 .1 El Determinante de una Matriz 145
Si A es una m atriz triangular de orden n, entonces su determ inante es el producto

de tos elem entos en ia diagonal principal. Es decir.
Demostración: Para dem ostrar este teorem a cuando A es una m atriz triangular superior se
usa la inducción matemática. Si A es triangular inferior se puede dem ostrar de m anera
«anejante. Si A es de orden 1, entonces A = [ « ,,] y el determ inante está dado por
\A \= a u .
Si se supone que el teorem a es válido para cualquier matriz triangular superior de orden
k I, ahora se considera una m atriz triangular superior A de orden k. Al desarrollar el k-
• simo renglón, se obtiene
lAI = 0C -, + ()Ck2 + • • • + 0Ckk_i + (¡kkCkk = akkCkk.
I .uego, se observa que Ckk = (~ \)2kMkk = M kk, donde Mkk es el determ inante de la matriz
triangular superior form ado al elim inar el k-c sim o renglón y la ¿-ésim a colum na de A.
Dudo que esta m atriz es de orden k - 1, se puede aplicar la hipótesis de inducción para
escribir lo siguiente.
1/11 = ° A = «**(“ ! I« 2 2 f l 33 • • • "*-l *-|)

= t f , l « 22«33
listo com pleta la dem ostración. -4
► Kjemplo 6 & Determinante de lina Matriz Triangular

Encuentre los determ inantes de las siguientes matrices.
-1 0 0 0 0
2 0 0 0 '
4 -2 0 0 3 0 0 0
0
-5 6 1 0 b) /¿ = 0 0 2 0 0
0 0 0 4 0
1 5 3 3
0 0 0 0 -2
Solución:
ii) El determ inante de esta m atriz triangular está dado por
1/41 = (2 )(- 2 )(l)(3 ) = - 12.
b) Esta m atriz diagonal es triangular superior e inferior. Por consiguiente, su determ i

nante está d a d o por
l/i! = ( - I ) ( .3 ) ( 2 ) ( 4 ) ( - 2 ) = 48.
En los ejercicios del 1 al 12, encuentre el determinante de la matriz dada.
1. [1] f -3 ]
2 1 -3 1
3. 4.
3 4 5 2
5 2 2 -2
5. 6.
-6 3 4 3
-7 6 4 -3
7. 1 3 8.
0 0
2
2 6 2 -3
9. 10.
0 3 . -6 9
A--3 2 A- 2 0
11. 1 12.
A- 1 4 A- 4
En los ejercicios del 13 al 16, encuentre a) los menores y b) los cofactores de la matriz dada.
1 2 -1 0
13. 14.
3 4 2 1
-3 2 1 r-3 4 2
15. 4 5 6 16. 6 3 1
2 -3 1 4 -7 -8
17. Encuentre el determinante de la matriz del ejercicio 15 con el método de desarrollo por
cofactores. Use a) el segundo renglón y b) la segunda columna.
18. Encuentre el determinante de la matriz del ejercicio 16 con el método de desarrollo por
cofactores. Use a) el tercer renglón y b) la primera columna.
En los ejercicios del 19 al 36. use el desarrollo por cofactores para encontrar el determinante
de la matriz dada.
1 4 -2 2 -1 3 '
19. 3 2 0 20. 1 4 4
-1 4 3 1 0 2 .
2 4 6 -3 0 0
21. 0 3 1 22. 7 II 0
0 0 -5 . 1 2 2
6 3 -7 2 3 1
23. 0 0 0 24. 0 5 -2
4 -6 3 0 0 -2
Sección 3.] Ejercicios 147
0.1 0.2 0.3 - 0.4 0.4 0.3

25. - 0.3 0.2 0.2 26. 0.2 0.2 0.2
0.5 0.4 0.4 0.3 0.2 0.2
A y 1 X y I
27. 2 3 1 28. -2 -2 1
0 -1 1 1 5 1
‘ 3 6 -5 4 ' 2 6 6 2 '
_2 0 6 0 2 7 3 6
29. 30.
1 1 2 2 1 5 0 1
0 3 -1 -1 3 7 0 7
5 3 0 6' 1 4 3 2 '
4 6 4 12 -5 6 2 1
31. 32.
0 2 -3 4 0 0 0 0
0 1 _2 2 3 -2 1 5
3 0 7 ' 3 2 4 -1 5 "
0 '
-2 0 1 3 2
2 6 11 12
33. 4 34. 1 0 0 4 0
1 -1 2
1 2 10 6 0 2 -1 0
5
3 0 5 1 0
5 2 0 0 -2 " ' 4 3 -2 1 2 '

0 1 4 3 2 0 0 0 0 0
35. 0 0 2 6 3 36. 1 2 -7 13 12
0 í) 3 4 1 6 -2 5 6 7
0 0 0 0 2 1 4 2 0 9
Bn los ejercicios del 37 al 42, encuentre el determinante de la matriz triangular dada.
_2 0 0 5 0 0
37. 4 6 0 38. 0 6 0
-3 7 2 0 0 -3
5 8 -4 2' 4 0 0 0 '
0 1
0 6 0 -1 2 0 0
39. 40.
0 0 2 2 3 5 3 0
0 0 0 -1 -8 7 0 _2
•1 4 2 1 -3 " ’ 7 0 0 0 0
5 2 i
0 3 -4 -8 4 0 0 0
•11. 0 0 2 7 0 42. 4 2 0 0
0 0 0 5 1 3 -3 5 -1 0
0 0 0 0 1 1 13 4 1 2
En los ejercicios 43 y 44, encuentre los valores de A para los cuales el determinante dado es
igual a cero.
A- 1 -4
43.
-2 A +1
A+ 1 0 0
44. 4 A 3
2 8 A+5
45. El determinante de una matriz 2 x 2 implica dos productos. El determinante de una matriz
3 x 3 implica seis productos. Demuestre que el determinante de una matriz 4 x 4 implica
24 productos cuádruples. (En general, el determinante de una matriz n x n implica //!
productos de //-tupies).
46. Demuestre que el sistema de ecuaciones lineales
ax + by = e
ex + dy - f
tiene solución única sí y sólo si el determinante de la matriz de coeficientes es diferente de cero
47. Compruebe la siguiente ecuación.
I I 1
a b e = ( a - b)(b - c)(c - a)
a2 b2 c2
1 1 1
a b e = (a - b)(b - c)(e - a)(a + b + c)
a 3 ¿ ,3 c 3
x 0 c
-1 x b = ax2 + bx + c
0 *1 a
50. Use como modelo la ecuación dada en el ejercicio 49 para encontrar un determinante que
sea igual a
ax3 + bx2 + ex + d.
3.2 A Avaluación de un D eterm inante por Medio de Operaciones

Elementales
¿Cuál de los siguientes determ inantes es más fácil evaluar?
Sección 3.2 Evaluación de un Determinante por Operaciones Elementales 149
1 -2 3 1 1 -2 3 1
4 -6 3 9 0 2 -9 -2
MI =
-2 4 -9 -3 o bien \B\ = 0 0 -3 -1
3 -6 9 2 0 0 0 -1
Dado lo que se conoce acerca del determ inante de una m atriz triangular, es claro que es
mucho más fácil evaluar el segundo determ inante. El determ inante de una m atriz trian
g u lares sim plem ente el producto de los elem entos de la diagonal principal. Es decir,
l£l = (1 )(2) ( - 3 )(- I) = 6.
Por o tra parte, el uso del d esarrollo p o r cofactores (la única técnica analizada hasta aho-
iti) para ev alu ar el prim er determ inante es confusa. Por ejem plo, si se desarrolla por
cofactores con respecto al prim er renglón, se obtiene lo siguiente.
-6 3 2 4 3 2 4 -6 2 4 -6 3
MI = 1 4 - 9 - 3 +2 - 2 -9 - 3 + 3 -2 4 -3 - 1 -2 4 -9
-6 9 2 3 9 2 3 -6 2 3 -6 9
Al evaluar los determ inantes de estas m atrices 3 x 3 se obtiene
MI = (1 ) (- 6 0 ) + (2)(39) + (3 )(—10) - (1)(—18) = 6.
No es coincidencia que estos dos determ inantes tengan el m ism o valor. De hecho, la
motriz fí se obtuvo al realizar operaciones elem entales en los renglones de la m atriz A.
(Intente com probar lo anterior.) En esta sección se considera el efecto de las operaciones
elem entales en los renglones (y colum nas) sobre el valor de un determ inante. A continua
ción se da un ejem plo.
► Ejemplo I Efecto de las Operaciones Elementales sobre un Determinante
a) La m atriz B se obtuvo a partir de A al intercam biar los renglones A.
2 -3 1 4
MI = = 11 Jv 1B\ = = -) I
1 4 2 -3
b) La m atriz B se obtuvo a a partir de A al sum ar - 2 veces el prim er renglón de A al

segundo renglón de A.
L -3 1 -3
MI = = 2 \B\ = =2
y 0 2
2 -4
c) La m atriz B se obtuvo a partir de A al m ultiplicar por ? el prim er renglón de A.
2 -8 2 1 -4
-
y \B\ =
-2 9 -2 9
En el ejem plo I se observa que al intercam biar dos renglones de la m atriz cam bia el
signo ile su determ inante. Sumar un múltiplo de un renglón a otro renglón no modifica el de
150 Capítulo J Determinantes
term inante. Por últim o, al m ultiplicar un renglón por una constante no nula se m ultiplica
el determ inante por la m ism a constante. Estas observaciones se generalizan en el siguiente
teorem a. La dem ostración del inciso 1 se proporciona en el apéndice A, y las demostra
ciones de los otros dos incisos se dejan com o ejercicios. (V éanse los ejercicios 39 y 40. >
Teorem a 3 3 O peraciones Elem entales en los Renglones y D eterm inantes

Sean A y B m atrices cuadradas.
1. Si B se obtiene a partir de A intercam biando dos renglones de A , entonces
12?l ~ ~ Í A I .
2. Si B se o btiene d e A al sum ar un m últiplo de un renglón de A a otro renglón de

A, entonces
161 = 1/41.
3. Si B se obtiene d e A al m ultiplicar un renglón de A por una constante c diferente

de cero, entonces
\B\
■W
Á-S
Observación: N ótese que la tercera propiedad perm ite obtener un factor com ún en un
renglón. Por ejem plo,
2 4 1 2
=2 Se factoriza el 2 del prim er renglón
1 3 1 3
El teorem a 3.3 proporciona un m étodo práctico para evaluar determ inantes. (Este
m étodo funciona particularm ente bien con com putadoras.) Para encontrar el determ inante
de una m atriz A se aplican operaciones elem entales para obtener una m atriz triangular B
equivalente por renglones a A. En cada paso del proceso de elim inación se aplica el
teorem a 3.3 para determ inar el efecto sobre el determ inante de la operación elem ental en
el renglón. Por últim o, el determ inante de B se encuentra al form ar el producto de los
elem entos de su diagonal principal. Este proceso se m uestra en el siguiente ejemplo.
► Ejemplo 2 Evaluación de un Determ ínam e p o r Medio de Operaciones

Elem entales en los Renglones
Encontrar el determ inante de
2 -3 10
1 2 -2
0 1 -3
Solución. Al aplicar operaciones elem entales en los renglones, la matriz A se vuelve a
escribir en forma triangular com o sigue.
Sección 3.2 Evaluación de un Determinante por Operaciones Elementales 151
2 -3 10 1 2 -2
-2 — — 2 -3 10
1 2
0 1 -3 0 1 -3
1 2 -2 AI sumar -2 veces el primer renglón

— —
0 -7 14 al segundo renglón se obtiene un
0 1 -3 nuevo segundo renglón.
1 2 -2 Pactortear -7 en el segundo
= 7 0 1 -2 renglón.
0 1 -3
Ai sumar -1 veces el segundo
1 2 -2 renglón al tercer renglón se obtiene
= 7 0 1 -2 un nuevo tercer renglón.
0 0 -1
Ahora, dado que la m atriz final es triangular, se concluye que su determ inante es
IAI = 7(1 ) ( ! ) ( - ! ) = - 7 . <
Determina ules y O peraciones Elem entales en las Columnas

Aunque el teorem a 3.3 se planteó en térm inos de las operaciones elem entales en los ren
glones, es válido si la palabra “renglón" se sustituye por “colum na". Las operaciones
efectuadas en las colum nas de una m atriz (es vez de en los renglones) se denom inan
o p e rac io n es e le m en tales en las c o lu m n as y dos m atrices se denom inan eq u iv alen tes
p o r c o lu m n a s si una se obtiene de la otra m ediante la aplicación de operaciones ele
mentales en las colum nas. La versión en colum nas del teorem a 3.3 se ilustra com o sigue.
2 1 -3 I 2 -3 2 3 -5 1 3 -5
4 0 1
~~~ —
0 4 1 4 1 0 = 2 2 1 0
0 0 2 o 0 2 -2 4 -3 -1 4 -3
Intercambiarlas <k>n
primeros columnas.
Al evaluar m anualm ente un determ inante, algunas veces es conveniente usar o p eracio
nes elem entales en las colum nas, com o se m uestra en el ejem plo 3.
► Ejemplo 3 Evaluación de un Determinante Aplicando Operaciones Elementales

en las Columnas
Kitcuentre el determ inante de
- 1 2 2
A= 3 - 6 4
5 - 10 -3
Solución: Dudo que las dos prim eras colum nas de A son m últiplos entre sí, se puede o b
tener una colum na de ceros al sum ar 2 veces la prim era colum na a la segunda com o se
m uestra a continuación.
-1 2 2 -1 0 2
3 -6 4 — 3 0 4
5 -1 0 -3 5 0 -3
En este punto ya no es necesario reescribir la m atriz en form a triangular. C om o ya hay una

colum na de ceros, sim plem ente se concluye queel determ inante es igual a cero. La validez
de esta conclusión es una consecuencia del teorem a 3.3. Específicam ente, al desarrollar
por cofactores a lo largo de la segunda colum na se obtiene
l/AI = (0 )C |2 + (0)C 22 + (0)C32 = 0 <
El ejem plo 3 m uestra que si una colum na de una m atriz es un m últiplo escalar de otra
colum na, puede concluirse de inm ediato que el determ inante de la m atriz es cero. Esta es
una de las tres condiciones, enum eradas a continuación, que dan un determ inante igual a
cero.
íS/iíí sí V '■ .
Teorem a 3.4 Condiciones que D an un D eterm inante Cero

'4 v * ' r é : : ^ ..........
Si A es una m atriz cuadrada y se cum ple cualquiera de las condiciones siguientes,
entonces 1/41 —0.
i 1. T odo un renglón (o toda una colum na) consiste en ceros.

2. Dos rengjones (o colum nas) son iguales.
3. Un renglón (o colum na) es un m últiplo de otro renglón (o colum na).
Demost ración: C ada parte de este teorem a se com prueba fácilm ente por m edio de las ope
raciones elem entales en los renglones y desarrollo por cofactores. Por ejem plo, si un ren
glón o una colum na es cero, entonces cada cofactor en el desarrollo se m ultiplica por cero
Y si la condición 2 o 3 es cierta, entonces se pueden usar las operaciones elem entales en
los renglones o en las colum nas para crear un renglón o colum na de ceros. 4
R econocer las condiciones enum eradas en el teorem a 3.4 puede hacer m ucho más fácil
la evaluación de un determ inante. Por ejemplo,
0 0 0 1 -2 4 m . 2
2 4 -5 0 1 2 = 0, 0 : -1 -6 = 0.
= 0,
3 -5 2 1 ~2 4 m 0 6
3 T t
El primer rcngtZn Los renglones primero La t m e r a c o l u m n a e s mfflti
cofiîa <Je coros. y tercer o «>n »j p í o d o t a p r ime ra col u triné.
No concluya que el teorem a 3 4 da las únicas condiciones que producen un determi

Mimio iiniiil 11r<*ró El leorem n Huele aplicarse indirectam ente Es decir, p irdf: em pezarse
Sección 3.2 Evaluación de un Detenniruinte por Operaciones Elementales 153
ion una m atriz que no cum pla ninguna de las condiciones del teorem a 3.4 y, m ediante
operaciones elem entales en los renglones o en las colum nas, obtener una m atriz que sa
tisfaga una de las condiciones. Sólo así se puede concluir que el determ inante de la m atriz
•trigina! es igual a cero. Este proceso se ilustra en el ejem plo 4.
► Ejemplo 4 Una Matriz con un Determinante Cero

1 4 1
A= 2 -1 0
0 18 4
Solución: Al sum ar - 2 veces el prim er renglón al segundo renglón se obtiene
1 4 1 1 4 1
—
1AI = 2 -1 0 0 - 9 -2
0 18 4 0 18 4
Ahora, dado que los renglones segundo y tercero son m últiplos entre sí, se concluye que
el determ inante es cero. 4
En el ejem plo 4 pudo haberse obtenido una m atriz con un renglón de ceros al efectuar
Una operación elem ental adicional en los renglones (sum ar 2 veces el segundo renglón al
tercer renglón). Esto es válido en general. Es decir, una m atriz cuadrada tiene un de
terminante igual a cero sí y sólo si es equivalente por renglones (o por colum nas) a una
matriz que tenga por lo m enos un renglón (o una colum na) integrado exclusivam ente de
ceros. Este resultado se dem ostrará en la siguiente sección.
Ahora ya se han analizado varios m étodos para evaluar determ inantes. D e ellos, el m ás
adecuado para aplicaciones en com putadora es en el que se aplican operaciones elem en
tales en los renglones para escribir la m atriz en form a triangular. Sin em bargo, cuando un
determ inante se evalúa manualmente . algunas veces se puede ahorrar pasos al usar ope
raciones elem entales en los renglones (o en las colum nas) para obtener un renglón o una
colum na integrada por ceros, excepto en una posición, y luego aplicar el desarrollo por
eofactores para reducir el orden de la m atriz en una unidad. Por ejem plo, si se pide evaluar
el determ inante 4 x 4
-h 3 'r—0
lAi = -1 1 Í 2
0 2
3
3 4 -2
entonces el prim er paso debe ser desarrollar por eofactores con respecto a la tercera
colum na para obtener el determ inante 3 x 3
-1 1 2
L4I = 3 (-l)4 0 2 3
3 4 -2
Esta idea se ilustra más con los dos ejem plos siguientes.
► Ejemplo 5 Evaluación de un D eterm inante

-3 5 21
A= 2 -4 -1
L- 3 0 6
Solución: O bserve que la m atriz A ya tiene un cero en el tercer renglón. Se puede crear otro
cero en el tercer renglón al sum ar 2 veces la prim era colum na a la tercera colum na com o
sigue.
-3 5 2 3 5 -4
\A\ = 2 -4 -1 = 2 -4 3
/
-3 0 6 t—
V ! > - & - —0
Al desarrollar por cofactores a lo largo del tercer renglón se obtiene
L4I = - 3 ( - l )4 5 -4
-4 3
= —3(—1) = 3.
► Ejemplo 6 Evaluación de un Determinante

Evalúe el determ inante de
‘ 2 0 1 3 2 "
-2 1 3 2 -1
A = 1 0 -1 2 3
3 -1 2 4 -3
1 1 3 2 0
Solución: D ado que la segunda colum na de esta m atriz ya tiene dos ceros, se elige para el
desarrollo por cofactores. Se puede crear dos ceros adicionales en la segunda colum na al
sum ar el segundo renglón al cuarto renglón y luego sum ar -1 veces el segundo renglón
al quinto renglón.
2 0 1 3 -2 2 3 -2
1> 1
-2 1 3 2 -1 O V -3 -- 2 - -= i
IAI = 1 0 -1 2 3 = 1 Í -i 2 3
3 -1 2 4 -3 1 I 5 6 -4
1 1 3 2 0 3 (Í) 0 0 1
2 1 3 -2
1 -1 2 3
1 5 6 -4
3 0 0 1
«Observe que ahora se ha reducido el problem a de encontrar el determ inante de una m atriz
5 X 5 a encontrar el determ inante de una m atriz 4 x 4.) D ebido a que ya se tienen dos ceros
en el cuarto renglón, se elige éste para el siguiente desarrollo por cofactores. Al sum ar -3
veces la cuarta colum na a la primera colum na se obtiene lo siguiente.
2 1 3 -2 8 í
3 i
1 -1 2 3 -8 - i 2 I
L41 =
1 5 6 -4 13 5 6 4
3 0 0 1 —8 - ~ e — O ;
8 i 3
-8 -1 2
= (O H )8 13 5 6
Por últim o, al sum ar el segundo renglón al prim er renglón y luego desarrollar por co
factores a lo largo del prim er renglón se obtiene
8 1 3 - e - —e — •.5,'!
T
-8 -1 2 -8
1/11 =
13 5 6 13
- 1
5 6
í
-8 1
= 5 ( - l ) ‘’
13 5
= 5 (-4 0 ) + 13) = -135

En los ejercicios del 1 al 14, ¿qué propiedad de los determinantes ilustra la ecuación dada?
2 -6 -4 5
1. 2. 0
1 -3 12 -1 5
1 4 2 -4 3 2
3. 0 0 0 =0 4. 8 0 0 =0
5 6 --7 -4 3 2
1 3 1 4 3 1 3 1 6 2
5. -7 2 -7 -5 2 6. -2 2 0 = _ -2 2 0
6 1 6 2 1 1 6 2 1 3 4
1 8 -3 1 2 -1
5 10 1 2
7. 8. 3 -1 2 6 = 12 3 -3 2
2 -7 2 -7
7 4 9 7 1 3
6 0 0 0 1 0 0 0
5 0 10 1 0 2
0 6 0 0 ¿•i 0 1 0 0
9. 25 -3 0 40 5 8 10. = 6
= 53 -6
0 0 6 0 0 0 : 0
-1 5 1 20 3 1 4
0 0 0 6 0 0 0 1
1 -3 6 1 -3 2
2 -3 2 -3
12. 5 2 -1 = 0 17 -11
8 7 0 19
-1 0 6 -1 0 6
3 2 4 3 2 -6 5 4 2 5 4 2
13. -2 1 5 = -2 1 0 14. 4 -3 4 = _ -4 3 -4
5 - 7 -2 0 5 -7 15 7 6 3 7 6 3
En los ejercicios del 15 al 28, use operaciones elementales en los renglones o en las columnas
para evaluar el determinante.
1 7 -3 1 1 1
15. 1 3 1 16. 2 -1 -2
4 8 1 1 - 2 -1
2 -1 -1 3 -1 -3
17. 1 3 2 18. -1 -4 -2
1 1 3 3 -1 -1
4 3 - 2 3 8 - '7
19. 5 4 20. 0 -5 4
-2 3 4 6 1 5
5 -8 0 4 -8 5
21. 9 7 4 22. 8 -5 4
-8 7 - 8 5 2
4 -7 9 1 9 -4 2 5
6 2 7 0 2 7 6 -5
23. 24.
3 6 -3 3 4 1 -2 0
0 7 4 -1 7 3 4 10
1 -2 7 9 0 -3 8 2
3 -4 5 5 8 1 -1 6
25. 26.
3 6 1 -1 -4 6 0 9
4 5 3 2 0 14
o
i
1 -1 8 4 2 3 -2 4 3 1
2 6 0 -4 3 -1 0 2 1 0
27. 2 0 2 6 2 28. 5 -1 0 3 2
0 2 8 0 0 4 7 -8 0 0
0 I 1 2 2 1 2 3 0 2
que k # 0).
' 1 0 o' ' 1 0 0

29. 0 k 0 30. 0 1 0
.0 0 1 .0 0 k
1 -2 2 2 0 1
\A\ = 0 3 2 = -7 y \B\ = 0 -1 -2 = 11
1 0 1 3 1 -2
El producto m atricial AB está dado por
■1 -2 2 2 0 1 8 4 1
AB = 0 3 2 0 -1 -2 -
6 -1 -1 0
1 0 1 3 1 - 2 . 5 1 - 1
Por consiguiente, el determ inante de AB es
8 4 1
\A B \ = 6 -1 -10 = -7 7 .
5 1 -1
En el ejem plo 1, observe que el determ inante del producto m atricial está dado por el
producto de ios determ inantes. Es decir,
\AB\= IAII0I
- 7 7 = (-7 )(1 1 ).
Lo anterior es cierto en general, com o se indica en el siguiente teorem a. En el apéndice

A se da una dem ostración del teorem a 3.5.
Teorem a 3.5 D eterm inante de un Producto de M atrices

Si A y B son m atrices cuadradas de orden rt, entonces
U B I « íAflfi!
Observación: El teorem a 3.5 puede extenderse para abarcar el producto de cualquier mí

m ero finito de m atrices. Es decir,
\A\ ' V V ’ •■'V = b \,i!/M A j • • • w*i-

En el siguiente teorem a se da la relación entre \A\ y \cA\.
Teorem a 3.6 D eterm inante de un M últiplo E scalar de una M atriz

Si A es una m atriz n X n y c es un escalar, entonces el determ inante de cA está dado
por
\cA\ = ¿"MI.
Sección 3.3 Propiedades de los Determinantes 159
r
h mostración: Esta igualdad puede dem ostrarse m ediante la aplicación repetida de la
(tuno 3 del teorem a 3.3. Es decir, en cad a uno de los n renglones de Ir/ll se factoriza el
IjM* nlur c para obtener
\cA\ = c"L4l. <
► Idem pío 2 El Determinante de un Múltiplo te c a lar de una Matriz

Mu. iienlrc el determ inante de la siguiente m atriz.
10 -2 0 40
A= 30 0 50
L-2 0 -3 0 10
Mlli'lólfc D ebido a que
-- 1
to
1
1 -2 4
u
o
c
3 0 5 y 3 0 5 = 5,
11
-2 -3 1 -2 -3 1
Mr puede aplicar el teorem a 3.6 para co n clu ir que
1 -2 4
\A\ = 10^ 3 0 5 = 1000(5) = 5000.
-2 -3 1
I ' l.o# teorem as 3.5 y 3.6 proporcionan fórm ulas para evaluar el determ inante del
■M iuluctode dos m atrices y un m últiplo esc a la r de una m atriz. Sin em bargo, estos teorem as
|IR ) listan una expresión para calcular e l determ inante de la suma de dos m atrices. Es
pintante observar que la sum a de los determ inantes de dos m atrices, por lo general no
h
r Ittiiul al determ inante de la suma de é sta s. Es decir, en general se tiene que
l/tl + \B\ * 14 + B\.
I |*i*i ejem plo, si

6 2 3 7
B=
■7 1 0 -I
palonees l/tl = 2 y \B\ = - 3 , pero \A + B\ = -1 8 .
brlrrm iiiiintes y la Inversa de una M atriz

I n el capítulo 2 se vio que algunas m atrices cuadradas no son invertibles. Sin em bargo,
piunli' ser difícil afirm ar por sim ple in spección si una m atriz posee inversa. Por ejem plo,
j puede usted decir cuál de las dos m atrices siguientes es invertible?
0 2 - 1 0 2 - 1
/\ = 3 -2 1 o # = 3 -2 1
3 2 -1 3 2 1
El siguiente teorem a m uestra que los determ inantes son útiles para clasificar las matrices
cuadradas com o invertibles o no invertibles.
Teorem a 3.7 D eterm inante de una M atriz Invertidle

Una m atriz cuadrada A es invcrtiblc (no singular) s í y sólo si
Demostración: Para dem ostrar este teorem a en una dirección se supone que/1 es invcrtiblc
Entonces, AA~¡ = 1 y por el teorem a 3.5 se puede escribir
\A\\A~'\ = l/l.
A hora, debido a que 1/1 = 1, se sabe que ninguno de los determ inantes de la izquierda es
cero. Específicam ente, entonces, \A\ =£0.
Para dem ostrar el teorem a en la otra dirección se supone que el determ inante de A es
no nulo. Luego, por m edio de la elim inación de G auss-Jordan se encuentra una matriz H
en fo rm a e sca lo n a d a re d u cid a que es eq u iv a le n te p o r ren g lo n es a A. D eb id o a que
B está en fo rm a e sc a lo n a d a por ren g lo n es red u cid a, e n to n c e s debe ser la m atriz ¡den
tidad / o debe tener por lo m enos un renglón de ceros. Pero si B tiene un renglón de ceros,
entonces por el teorem a 3.4 se sabe que \B\ = 0, lo cual im plicaría que l/VI = 0. C om o se
supuso que l/VI es diferente de cero, entonces se puede concluir que B = /. Por consiguien
te, A es equivalente por renglones a la m atriz identidad y, por el teorem a 2.15, se sabe que
A es invertible. ^
► Ejemplo 3 Clasificación de Mal rices Cuadradas como Singulares o

No Singulares
¿Cuál de las siguientes m atrices tienen inversa?
0 2 -1 0 2 -1
a) 3 -2 1 b) 3 -2 1
3 2 -1 3 2 1.
Solución:
a) D ebido a que
0 2 -1
3 -2 1 = 0,
3 2 -I
se concluye que esta m atriz no tiene inversa (es singular).

Sección Propiedades de los Determinantes 161
I») Dado que
0 2 - 1
3 -2 1 = - 1 2 * 0,
3 2 1
se concluye que esta m atriz tiene inversa (es no singular). ^
El siguiente teorem a da un m étodo conveniente para encontrar el determ inante de la
inversa de una matriz.
’ v " v.' ■ ; :r■

,' ../ XX ■
' •■ ■
' . . - - ' V:
T ( w m a 3 ,8 Det erm in a n te d e u n a M atriz In v ersa

P ;.Vy...•
•. . . . . ... ...
Sí A es invertiblc, entonces
•• •
Y-:.: ::
YV•
>. . ó y : ' / / / ' •
u _ , } I
'M 'J/.‘.; i: ; '• M >. ■•
1a \ '
_::: i - o Y; Y :: Y*:-;*:í- : y y/ Y;Y: y
Dcmosl ración: Debido a que A es invertiblc, se tiene que A A ~1 = / y se puede aplicar el

teorem a 3.5 para concluir que L-\ ll/\~11= 1/1=1. Además, dado que A es invertiblc, tam bién
se sabe que l/A1 * 0, y se puede dividir entre l/AI para obtener
IA_,I = — .
I/AI
► l'ijemplt) I /•;/ Determinante de la Iii i ersn de una Matriz

líncuentre l/A 11 para la m atriz
1 0 3
A= 0 - 1 2
2 I 0
Solución: Una form a de resolver este problem a es hallar A“' y luego evaluar su determ i
nante. Sin em bargo, es más sim ple aplicar el teorem a 3.8 com o sigue. Se encuentra el
determ ínam e de A,
1 0 3
I AI = 0 - 1 2 =4,
2 1 0
y luego se aplica la fórm ula l/A 11 = I/l/AI para concluir que
l A-' l = i .
-i
Observación. En el ejem plo 4. la inversa de A es
2 l l
A 1=
1 -! '
i i i
Intente evaluar directam ente el determ inante de esta m atriz. Luego, com pare su respuesta
con la obtenida en el ejem plo 4.
O bserve que el teorem a 3.7 (una m atriz es invertible sí y sólo si su determ inante es
diferente de cero) da otra condición equivalente que puede agregarse a la lista dada en el
teorem a 2.15. A continuación se resum en las seis condiciones.
Condiciones equivalentes
Si A es una m atriz n x n, entonces las siguientes proposiciones son equivalentes.
J. A es invertible.
2. A X = B tiene soluctón única para toda m atriz B n x 1.
3 AX - O tiene sólo la solución trivial.
4. A es equivalente por renglones a /ft.
5. A puede expresarse com o el producto de m atrices elem entales.
6. Wl * 0. m :
i ........ i
Observación: En la sección 3.2 se m encionó que una m atriz cuadrada A tiene un deler
m inante igual a cero sí y sólo si A es equivalente por renglones a una m atriz que tenga por
lo m enos un renglón de ceros. La validez de esta afirm ación se concluye a partir de la
equivalencia de las propiedades 4 y 6.
► Ejemplo 5 Sistem as de E m ociones Lineóles

¿Cuál de los siguientes sistem as tiene solución única?
a) 2*, - .*3 = -1 b) 2v, - .v, = -1

3.x, - 2.V, + x3 = 4 3.*, - 2v2 + .*3 = 4
3.x, + 2*2 - .r3 = - 4 3.*, + 2*, + .*3 = - 4
Solución: Con base en el ejem plo 3, se sabe que los determ inantes de las m atrices de
coeficientes de los sistem as dados son los siguientes.
0 2 -1 0 2 -1
a) = 3 -2 1 =0 b) = 3 -2 1 = -1 2
3 2 -1 3 2 1
P or consiguiente, usando la lista precedente de condiciones equivalentes, se concluye que
sólo el segundo sistem a tiene solución única. ^
D eterm inantes y la T ranspuesta de una M atriz

El siguiente teorem a establece que el determ inante de la transpuesta de una m atriz cu ad ra
da es igual al determ inante de la matriz. Este teorem a puede dem ostrarse con inducción
m atem ática y el teorem a 3.1, el cual establece que un determ inante puede evaluarse por
medio del desarrollo por cofactores a lo largo de un renglón o de una colum na. Los detai les
de la dem ostración se dejan para el lector. (V éase el ejercicio 40.)
Teorem a 3.9 D eterm inante de una T ranspuesta

Si A es una m atriz cuadrada, entonces es cierto que
MI = i/vi.
► Ejemplo 6 El determinante de una Transpuesta

Demuestre que l/\l = l/VI para la siguiente matriz.
3 1 -2
A= 2 0 0
-4 -1 5 .
Solución: Para encontrar el determ inante de A se desarrolla por cofactores a lo largo del
segundo renglón para obtener
MI = 2 ( - l ) 3 1 -2
= -2 (3 ) = -6 .
-1 5
Pora encontrar el determ inante de
3 2 - 4
A' = I 0 -I
-2 0 5
ir desarrolla por cofactores a lo largo de la segunda columna para obtener
1 -I
l/VI = 2 ( - l ) 3 = -2 (3 ) = - 6 .
-2 5
A .(, se tiene que MI = l/VI.
Un los ejercicios del 1 al 6, encuentre a) MI, b) Ifll. c )AB y d) M Ii\. Luego, compruebe que M ll/íl
• M/il.
-1 2 1 -1 0 0
a*
1 0 1 .B = 0 2 0
ti
0 1 0 . 0 0 3.
2 0 r 2 -1 4
6. A = 1 -1 2 ,B = 0 1 3
3 1 0 3 -2 1
En los ejercicios del 7 al 10, use el hecho de que IcAI = c"IAI pura evaluar el determíname de
la matriz n x n dada.
4 2 5 15
7. 4 = 8. 4 =
6 -8 10 -2 0
-3 6 9 4 16 0
9. 4 = 6 9 12 10. 4 = 12 -8 8
9 12 15 16 20 -4
En los ejercicios 11 y 12, encuentre a) L4I. b) I//I y c) 14 + B\. Luego, compruebe que 141 + l/*l
* 14 + B\.
1 -1 1 -2 3 _2
12. 4 = .B =
2 0 1 0 0 0
En los ejercicios del 13 al 16. encuentre a) l/VI, b) 1.4-1. c) l/\/VI. d) 12,41 y c) 1,4 ’l.
6 -11 10
13. 4 = 14.
4 5 6
i í) 5' I 5 4
15. 4 = 4 -1 6 16. 0 -6 2
3 2 1. 0 0 -3
17. Sean A y H matrices cuadrarlas de orden 4 tales que L4I = -5 y 1/71 = 3. Encuentre a ) 14/»l.
b) 144. c) I3/?I, d) \(AB)'\ y c) L-Hl.
18. Sean 4 y II matrices cuadradas de orden 3 tales que 141 = 10 y l/il = 12. E.nconlrar a) 14/4
b 144I, c) 12/71, d) l(4/7),l y lA"1!.
En los ejercicios del 19 al 26. use determinantes para decidir si la matriz dada es singular o no
2 2 2 - 1 6
23. -3 - 5 0 24. 1 -3 14
.4 -2 12.
1 1 1
1 0 -8 2 ' ' 0.8 0.2 - 0.6 0.1

0 8 - 1 10 - 1.2 0.6 0.6 0
25. 26.
0 0 0 1 0 .7 -0 .3 0.1 0
0 0 0 2 _ . 0 .2 -0 .3 0.6 0
En los ejercicios del 27 al 30, use el determinante de la matriz de coeficientes para determinar
si el sistema de ecuaciones lineales dado tiene solución única.
27. .v,- .v, + Xy = 4 28. a,+ a, - a3= 4

2a , - a ., + a3 = 6 2a , - a2+ a3 = 6
3.r, - 2 a , + 2 .r j = 0 3a, - 2 a 2 + 2 a , = 0
W 29. 2 a , + a2 + 5a3 + a4 = 5 0 30. a , - a , - a 3- a4 =0

a, + a 2 - 3 a 3 - 4 a 4 = -1 A, + A 2 - A 3 - A4 = 0
2 a, + l v , + 2a3 - 3a4 = 2 A, + A 2 + A , - A 4 = 0
a, + 5a2 - 6a3 A, + A 2 + a 3 + a 4 = 6
En los ejercicios 31 y 32 , encuentre el (los) valor (es) de k de modo que <4 sea singular.
yt - I 3 1 0 3
4 = 32. A = 2 -1 0
2 k- 2
4 2 k.
33. Sean A y B matrices n x n tales que AB = I. Demuestre que 141 * 0 y \B\ ¿ 0.
34. Sean A y B matrices n x n tales que AB es singular. Demuestre que cualquiera de las dos,
A o B. es singular.
35. Encuentre dos matrices 2 x 2 tales que 141 + \B\ = L4 + B\.
a+b a a
a a +b u = ¿r(3 a + b)
a a a +b
37. Sea A una matriz n x n tal que la suma de cada uno de sus renglones es igual a cero.
Encuentre 1-41.
38. Ilustre el resultado del ejercicio 3 7 con la matriz
2 -1 -1
A= -3 1 2
0 -2 2
39. Sea .4 una matriz invertible tal que todos los elementos de ,4 y de A~‘ son enteros. De
muestre que 1.41= ±1
Sección 3.4 Aplicaciones de los Determinantes 167
L.a transpuesta de esta m atriz se denom ina a d ju n ta de A y se denota por adj(/\). Es decir,
C |, C 2| ••• Cnl
i f r t . : C22 Cn2
adj04) =
íiStrt C2jx Cn,i
► Ejemplo / Determinación de la Adjunta de una M atriz Cuadrada

Encuentre la adjunta de
-1 3 2 1
0 -2 1
1 0 -2
Solución: El cofactor C ,, está dado por

/ '“ N
1-1 V -3 -
v / -2 1
C„ = H ) 2 = 4.
1
0 -2
íi " 02 - 2 .
Continuando este proceso se obtiene la siguiente m atriz de cofactores de A.
-2 1 0 1 0 -2
0 -2 1 -2 1 0
Í4 1 2
3 2 -1 2 -1 3
6 0 3
0 -2 1 _2 1 0
7 1 2
3 2 -1 2 -1 3
-2 1 0 1 0 -2
La transpuesta de esta m atriz es la adjunta de A. Es decir,

4 ,6 7
adj(A) = 1 0 1
2 3 2
La adjunta de una m atriz A puede utilizarse pura determ inar la inversa de A, com o se
indica en el siguiente teorema.
SKSiS
T(i>rema3.iO
Si A es una m atriz invertidle de n X n, entonces es cierto que
Demostración: Se em pieza por considerar el producto de A con su adjunta.
11 12 1/1
21 22 2
II '21 'n\
C , 2 C22 'n i
■n
: :
A adj(/\) =
% % ífi
C 2/.
L a ;i2 OIUI mJ
El elem ento en el i-é sim o renglón y en lay-ésima colum na de este producto está dado poi
° i\Cj\ + Üi2Cj7 + • - • + a,„Cjn

Si i =y, entonces esta suma es sim plem ente el desarrollo por cofactores de A a lo largo de
su /-ésim o renglón, lo cual significa que la sum a es el determ inante de A. Por otra parte,
si / * y, entonces la sum a es cero. Para ver esto, considere la siguiente m atriz B en que el
y-ésim o renglón de A se ha sustituido por el /-ésim o renglón de A.
a, | a i«
a 2. a 22 a,
•• al\ ai2 ' “ a¡n

B=
<*n a >7 ■■' % ino renglón
“ni ün2 a_
El desarrollo por cofactores a lo largo del y-ésim o renglón de B produce
I//I = « ,|C .| + a¡2Cj7 + • • • + a.nCJn,

y dado que B tiene dos renglones idénticos, por el teorem a 3.4 se sabe que \B\ = 0. Así, el
producto A adjM ) es de la form a
MI 0 ••• 0
0 MI • •• 0
A adjM ) = = \A\Í.
0 0 MI
Por últim o, se tiene
A = = 1,
lo cual im plica que
/!-' = - i - adjM ).
\A\
Si A es una m atriz 2 x 2
a b
A=
c. d
entonces la adjunta de A es sim plem ente
d -b
adjM ) =
-c a
Además, si A es invertible, entonces por el teorem a 3.10 se tiene que
d -b
A~l = -L adjM ) = 1
IAI a d -b c -c a
lo cual concuerda con el resultado obtenido en la sección 2.3.
► Ejemplo 2 Uso de la A djunta de una M atriz para Determinar su In versa

Use la adjunta de
-1 3 2
A = 0 -2 1
I 0 -2
pura d eterm in ar/!i-i
Solución: El determ inante de esta m atriz es l/\l = 3. Con la adjunta de A (determ inada er
i.'l ejem plo 1), se encuentra que la inversa de A es
4 6 7
/*-' = _L adjM ) = \ 1 0 1
lAI J 3
2 3 2
-4 7'
2
3 3
1 0 1
3 3
2 1 2
L3 3-
Se puede com probar que esta m atriz es la inversa de A al m ultiplicar para obtener
-1 3 2 r5 ^ r 1 0 0
A A '] = 0 -2 1 0 1 0
5 (> j =
1 0 -2 . 2 | 2 0 0 1
•3 3■
ObscrvaciGli: El teorem a 3.10 no es particularm ente efectivo para el cálculo de inversas

Es m ucho m ejor el m étodo de elim inación de G auss-Jordan analizado en la sección 2.3
Sin em bargo, este teorem a es útil teóricam ente porque da una expresión concisa para
encontrar la inversa de una matriz.
Reala de Gramo
La regla de Cram er, así denom inada en honor de G abriel C ram er (1704—1752), es una
fórm ula que usa determ inantes para resolver un sistem a de n ecuaciones lineales en n
variables. Esta regla puede aplicarse sólo a sistem as de ecuaciones lineales que tienen
soluciones únicas.
Para ver cóm o surge la regla de Cram er, se considerará la solución de un sistema
general que im plica dos ecuaciones lineales en dos incógnitas.
« , | Y| + «12*2 = ¡)\
«21*1 + «22*2 = h2
Al m ultiplicar por la prim era ecuación y por í/,, la segunda y luego sum ar los re
sultados se obtiene
~ í , 2 \ a \T x 2 = : ~ cl2 i h i
a n £/2rV| + « n an x^= a u b2
(fí| |^22 —«2I«I2^*2 = «I 1^2 —«21^1'
Al despejar .v, (suponiendo que o u a22 ~ « 2i« i2 ^ ^ sc ° ^ ,lcne
a u b2 - a 2lb l
' 2 ~ « 1 i« 2 2 — «21 «12
D e m anera sem ejante, se puede despejar .v, para obtener
°22b \ ~ a \2l}2
*1 =
a \\a2 2 ~ a2\(,l2
Por últim o, observando que el num erador y el denom inador tanto para .v, y com o para i
pueden representarse com o determ inantes, sc tiene
h\ «12 « .. b\
b2 «22 «21 b2
»- —
*1 = 2” • ^ 1 Jt í 2 2 ~ í h \ a i-> *
«11 «12 «I. «12
«21 «22 «21 «22
El denom inador tanto para com o para .v, es sim plem ente el determ inante de la man 1.
de coeficientes A. El determ inante que constituye el num erador \ ¡ puede obtenerse a pai
(ir de A al sustituir la prim era colum na de esta por la colum na integrada por las constante
del sistem a. El determ inante que constituye el num erador de x2 puede obtenerse de m anera
sem ejante. Estos dos determ inantes se denotan por 1/4,1 y l/U com o sigue.
U ,l = b\ an w 2i = ° \\ fl
b2 ü 22 a2\ 2
Por tanto, se tiene
l/U l/U
V —__
A', = 1
l/ll 2 \A I
Esta form a de expresar la solución com o determ inantes se denom ina R egla de C ra m e r.
► Ejemplo 3 Uso de lo Reglo de Crumer

Use la regla de C ram er para resolver el siguiente sistem a de ecuaciones lineales
4 .t, - 2 x 2 = 10
3 a :, - 5 . t 2 = 1 1
Solución: Prim ero se encuentra el determ inante de la m atriz de coeficientes
4 -2
1/11 = = -1 4
3 -5
Dado que 1/11 # 0, se sabe que el sistem a tiene solución única, y al aplicar la regla de
C ram er se obtiene
10 -2
11 -5
ÜL -
x, = —i-
l/l I -14
-2 8
= 2
^ Í4
4 10
l/U 3 11
14
14
= -1
-1 4
•vi = 2 y a
La regla de C ram er se generaliza fácilm ente a sistem as de n ecuaciones lineales en n

variables. El valor de cada variable está dado com o el cociente de dos determ inantes. El
denom inador es el determ inante de la m atriz de coeficientes; el num erador es el deter
minante de la m atriz form ado al sustituir la colum na correspondiente a la variable cuyo
Valor se está calculando por la colum na integrada por las constantes del sistem a. Por
L ejem plo, el valor de r , en el sistem a
a n * ,+ tf ,2 * 2 + a i : * = | J
°2 \ X \ + « 2 2 * 2 + « 2 3 * 3 = %
« 3 1* 1 + f l 3 Z * 2 + « 3 3 * 3 = K
está dado por /

«12 i
«21 «22 bz
«31 «32
b3
* - ** -
3 L4I «I. «12 «13
«21 «22 «23
«31 «32 «33
1
T eorem a 3.11 Regla de Cram cr
É S li
S i un sistem a de n ecuaciones lineales en n variables tiene una m atriz de coeficientes
con un determ inante 141 diferente de cero, entonces la solución del sistem a está dada
por
feU bu • je rn»
MJ
' X2~~ÍA\ ' * IÁI ’
donde la /-ésim a colum na de At es la colum na de constantes en el sistem a de

ecuaciones.
......... i..... . ........................... —
...
Demostración: Sea el sistem a representado por AX = B. Com o 1/41 es diferente de cero, se

puede escribir
^ X,i
Xf
x = A ~]/i = W adi { A ) B =
- *„-•
Si los elem entos de B son b v b2, • • • , bn, entonces x. está dada por
1
x = (b]C u + b2C2¡ + • • • + b C n¡).
\A\
Pero la sum a (entre paréntesis) es precisam ente el desarrollo por eofactores de A r lo cual
significa que x, = \A\I\A\, y la dem ostración está com pleta. ^
► Ejemplo f Aplicación de la Regia de Cramcr

R esuelva pura x el siguiente sistem a de ecuaciones lineales con la regla de Cramcr.
-* + 2 y -3 z = 1
lx + z= 0
3* - 4y + 4z = 2
Solución: El determ inante de la m atriz de coeficientes es
-1 2 -3
l/ll = 2 0 1 = 10 .
3 -4 4
Dado que 1/11 4=- 0, se sabe que la solución es única y es posible aplicar la regla de Cram cr
para despejar x com o sigue.
1 2 -3
0 0 1 1 2
2 -4 4 H )5
2 -4 (—1)(—8) 4
x= 10 10
10
Observación: Intente aplicar la regla de C ram er en el ejem plo 4 para despejar y y z- Verá
3 8
que la solución es y = - ; y z = - 5 .
Área, Volumen y Ecuaciones de Rectas y Planos

Los determ inantes tienen m uchas ap licaciones en geom etría analítica. A continuación
se presentan varias. La prim era aplicación es encontrar el área de un triángulo en el plano
xy.
El área de un triángulo cuyos vértices son (xv y2), y (a ,, y3) está dada por
*. >•.
Á re a = ± 7 *2 y2
y?
cuando el signo ( ± ) se elige para obtener un área positiva.
Demostración: Se dem ostrará para el caso en que y. > 0. Suponga que a , < ,v3 ¿ a , y que
(,vv v3) está arriba del segm ento de recta que une (.v,, y,) con ( a 2, y ,), com o se muestra en
la 3.1. Considere los tres trapezoides cuyos vértices son los siguientes.
T rapezoide «1: ( a , . 0). ( a ,, y,), (.v,, y ,), (.v,, 0)

T rapezoide 112: ( a ,. 0). ( v,. y ,), ( a , , y ,), ( a , . 0)
Trapezoide #3. (v.. 01, ( v,. y.), ( v y , ) , ( a,. 0)
FIGURA 3.1
y U3. y 3)
El área del triángulo dado es igual a la sum a de las úreas de los dos prim eros trapezoides
m enos el área del tercero. Por consiguiente.
Á rea = |( y , + y3)(x, - .* ,) + j ( y 3 + y2)(.v2 - .v3) - R y , + y 2) (.v2 - * ,)
= y(-v,y2 + x2y 3 + x iy l - x ,y 3 - -V2v, - x y 2)
-v.
X> 1
Si los vértices no aparecen en el orden .v, < x , ^ x2 o si el vértice ú 3, y3) no está arriba
del segm ento de recta que une los otros dos vértices, entonces es posible obtener un área
negativa. ^
► Ejemplo 5 Determinación del Area de 1111 Triángulo

Encuentre el área del triángulo cuyos vértices son los puntos (1, 0), (2, 2) y (4, 3). com o
se m uestra en la figura 3.2.
FIGURA 3.2
Solución: No es necesario conocer la posición relativa de los tres vértices, Sim plem ente
se evalúa el determ inante
1 O 1
2 2 1
4 3 1
y se concluye que el área del triángulo es ^
Suponga que los tres puntos en el ejem plo 5 fuesen colincales. ¿Q ué hubiese sucedido
en caso de aplicar la fórm ula a esos puntos? La respuesta es que el determ inante hubiera
sido igual a cero. Considere, por ejem plo, los puntos colincales (0, 1), (2, 2) y (4, 3) que
se m uestra en la figura 3.3.
FIGURA 3.3
lil determ inante con el cual se obtiene el área del “triángulo" cuyos vértices son los puntos
dados es
0 1 1
2 2 1 = 0.
4 3 1
liste resultado se generaliza com o se m uestra a continuación.
fres puntos <*2, y 2) y (xv y3) son colineales sf y sólo si
x.•t V 1
= 0.
*2 >2 1
X
3 > 3 1
La siguiente form a en determ inante de la ecuación de la recta que pasa por dos puntos
el plano iv es un corolario de la prueba para determ inar la colinealidad de puntos.
La ecuación de la recta que pasa por los puntos distintos ( a ,, . y ,) y (x2, y2) está dada
por
x y
x\ y* =o.
*2 y2 ■ É § ¡ M ’M „ _
► Ejemplo ü Determinación de la Ecuación de la Recta (pie l ’asa por Dos Dantos

Dados
Encuentre la ecuación de la recta que pasa por los puntos (2, 4) y (-1 . 3).
Solución: Al aplicar la fórm ula del determ inante para la ecuación de la recta que pasa p«»i
los puntos dados se obtiene
x y 1
2 4 1 = 0.
-1 3 1
Para evaluar este determ inante se desarrolla por cofactores a lo largo del renglón superita,
para obtener
4 I 2 1 2 4
x ~.v + 1 = .v - 3y + 10 = 0.
3 I -1 3
Por consiguiente, la ecuación de la recta es
x - 3y = -1 0 .
La fórm ula para encontrar el área de un triángulo en el plano tiene una generalización
directa al espacio tridim ensional, que se presenta sin dem ostración com o sigue:
Volumen de un T etraedro
El volum en del tetraedro cuyos vértices son (*,, y,. £,). (x2,y 2, z2), (xp yy z3), y (xy
y y z4) está dada por
*1 -V. ^ 1
Volum en = —¿
x2 ^2 Z2 *
6 y3 z3 i
*4 y4 «4 1
donde el signo ( ± ) se elige para obtener un volum en positivo.

► Ejemplo 7 Determinación del Volumen de un Tetraedro

Determ ine el volum en del tetraedro cuyos vértices son (0. 4, 1), (4, 0, 0), (3, 5, 2), y (2,
2. 5), com o se m uestra en la figura 3.4.
FIGURA 3.4
Solución: Al aplicar la fórm ula del determ inante para el volum en se obtiene
0 4 1 1
4 0 0 1
= 7. (-7 2 ) = -1 2 .
3 5 2 1
2 2 5 1
Por consiguiente, el volum en del tetraedro es 12.
.Si sucede que cuatro puntos en el espacio tridim ensional están en el m ism o plano,
entonces el determ inante en la fórm ula para calcular el volum en es cero. P o rta n to .se tiene
la siguiente prueba.
C uatro puntos ( . t , , (x2,y ?, z2), (x%,y v z3). y (jc4, y4, z4) son coplanares sí y sólo
si
1
*1 «1
1
*2 >2 *“2 = 0.
1
>3 ^3
1
*4 >4 ?4
Esta prueba proporciona ahora la siguiente form a en determ inante para la ecuación de
un plano que pasa por tres puntos en el espacio.
• ..•.• •, , ■ ' - . : ‘ • •
L a ecuación del plano que pasa por los puntos (*P yr 2|), {x2,y 2, *a>y es{á
;;; d a d a por
X . ■y -
*1 m t : =0
m y*
► Ejemplo H Determinación de la Ecuación del Plano que Pasa por Tres

Puntos Dados
D eterm ine la ecuación del plano que pasa por los puntos (0, 1 ,0 ), (-1 , 3, 2) y (-2 . 0. 11
Solución: Con la form a en determ inante de la ecuación del plano que pasa por tres punios
se obtiene
X y z 1
0 1 0 1
= 0.
-1 3 2 1
-2 ü 1 1
Para evaluar este determ inante, la cuarta colum na se resta de la segunda colum na para
obtener
x y - 1 Z I
0 1 0 1
= 0.
- 1 2 2 1
- 2 - 1 I I
Ahora, al desarrollar por cofactores a lo largo del segundo renglón se obtiene
4.v - 3y + 5z = -3 .
Sección 3.4 ▲ Ejercicios 1

La Adjunta de una M atriz
En los ejercicios del 1 al 8, encuentre la adjunta de la matriz A. Luego, use la adjunta para
determinar la inversa de A. en caso de ser posible.
! 0 0 3
3. A = 0 2 6 4. A = O 1 -I
0 -4 -12 2 2 2
-3 - 5 -7 ' 0 1
5. A = 2 4 3 6. A = 1 i 3
0 1 -1
-1 2 0 ü
3 -1 4 I O
7. /t = 8. A =
0 ü 1 2 O 1
-1 1 1 O
9. Demuestre que si L4I = 1 y todos los elementos de A son enteros, entonces todos los
elementos de -4-1 también deben ser enteros.
10. Demuestre que si una matriz/I n x n no es ¡nvertiblc, entonces A |adj(/l)| es la matriz cero.
En los ejercicios I I y 12, demuestre la fórmula dada para una matriz no singular A n x n
•Suponga que n > 3.
II. Iadj(/4)l = MI"”1 12. adj(adjM )) = \A\n~2A
13. Ilustre la fórmula dada en el ejercicio I I para la matriz
1 0
I -2
14. Ilustre la fórmula dada en el ejercicio 12 para la matriz
-I 3
A=
1 2
15. Demuestre que si A es una matriz invcrtible n x n, entonces se cumple que a d jí/H ) =
ladjM )]-'.
16. Ilustre la fórmula dada en el ejercicio 15 para la matriz
I 3
A=
I 2
Kcgla de C ram er
Bn los ejercicios del 17 al 32. aplique la regla de Cramer para resolver el sistema de ecuaciones
lineales dado, en caso de ser posible.
17, *, + 2*, = 5 18. 2a-, — *2 = -10

-.v, + x 2 = I 3.v, + 2*, = -1
19. 3 .i, + 4 .i; = - 2 20. 18a, + 12*2 = 13
5 a , + 3.v, = 4 30*. + 2 4 * , = 23
21. 20*, + 8*2 = 11 22. 1 3 * ,- 6*2= 17

12jc, - 24.r2 = 21 26*, - 12*2 = 8
23. -0 .4 * , + 0.8*2 = 1 6 24. -0.4*, + 0.8*2 = 1.6

2 x , - 4*2 = 5.0 0.2*, + 0.3*2 = 0 6
25. 3* + 6*2 = 5 26. 3*, + 2*2 == 1

6* + 12*2 = 10 2*, + 10*2 =--6
27. 4* — *2 - *3 = 1 28. 4*, - 2 * ,+ 3*3 = -2

2* + 2*2 + 3*3 = 10 2*, + 2*3 + 5*3 = 16
5* - 2*2 - 2*3 = -1 8*, - 5*2 - l r 3 = 4
29. 3* + 4*2 + 4*3 = 11 30. 14*, -21*2 - 7*3 = -21

4* - 4*2 + 6*3 = 11 - 4 * ,+ 2*3 - 2*3 = 2
6* - 6*2 = 3 56*, - 2 1*2 + 7 * 3 = 7
31. 3 * + 3*2 + 5*3 = 1 32. 2*, + 3*2 + 5 * 3 = 4

3 * + 5*2 + 9 * 3 = 2 3*, + 5*2+ 9* 3 = 7
5 * + 9*2 + 17*3 = 4 5*, + 9 * 2 + 1 7 * 3 = 1 3
H En los ejercicios del 33 al 36, use la regla de Cramer para despejar *,.
33. 7*i - 3*2 + 2 * ,= 41 34. 2*, + 5*2 + *4=H

- 2 * ,+ *2 - a, = -13 *, + 4*2 + 2*3 - 2*4 = -7
4*, + *3 - 2 * ,= 12 2*, + 2*2 + 5*3 + *4 = 3
- * ,+ - *4 = -8 - 3-v, =
35. 5*, - 3*2 + *3 = 2 36. 3*, + 2*, + 5*3 = 4
2*, + l x 1 - 3*3 = 4 4*, - 3 *2 4 * 3 = 1
*, - 7*2 + 8*3 = - 6 - 8*, + 2*2 + 3*, = 0
37. Use la regla de Cram er para despejar* y y en el siguiente sistema de ecuaciones linéale.
** + ( I - k)y = 1
( I - k)x + ky= 3
¿Para qué valor(es) de k el sistema es inconsistente?
38. Compruebe el siguiente sistema de ecuaciones lineales en eos A, eos D y eos C para <•
triángulo mostrado en la figura 3.5.
c eos B + b eos C = a
c eos A + a eos C = b
b eos A + a eos B =c
Luego, aplique la regla de Cram er para despejar eos C y use el resultado para comprolvi
la ley de los cosenos,
r 2 = a2 + b2 - 2ab eos C
FIGURA 3.5
A rea, V o lu m en y E c u acio n es de R ec ta s y P lanos
lln los ejercicios del 39 al 42. encuentre el área del triángulo que tiene los vértices dados.
39. (0. 0). (2. 0). (0. 3) 40. (1 .1 ), (2, 4), (4, 2)
41. (-1 .2 ). (2. 2). (-2 . 4) 42. (I. 1), (-1. 1). ( 0 .- 2 )
IJn los ejercicios del 43 al 46. determine si los puntos dados son colineales.
43. (1 .2 ), (3. 4), (5. 6) 44. (-1, 0). (I, 1). (3, 3)
45. (-2, 5), (0 ,-1 ). (3. - 9 ) 46. (-1. -3 ). ( - 4. 7), (2. -13)
lítl los ejercicios del 47 al 50. encuentre una ecuación de la recta que pasa por los puntos dados.
47. (0 .0 ). (3, 4) 48. (- 4, 7), (2, 4)
49. (-2. 3), (-2. - 4 ) 50. (1,4), (3. 4)
lío los ejercicios del 51 al 54, encuentre el volumen del tetraedro que tiene los vértices dados.
51. (I.O .O ).(O . 1,0). (0 .0 . I). (1. 1. 1)
52. (1, I, l).(0 , 0 ,0 ). (2. 1 .-1 ). (-1. 1.2)
53. ( 3 .-1 . 1), (4, - 4, 4), (1, 1. 1 ),(0 .0 , 1)

54. (0, 0, 0), (0, 2, 0), (3, 0. 0), (1, 1.4)
El> los ejercicios del 55 al 58, determine si los puntos dados son coplanarcs.
55. ( - 4 . 1.0). (0. 1,2), (4, 3 ,-1 ), (0 .0 , 1)

56. (1 .2 . 3). (-1 .0 , 1).(0, -2 . -5 ). (2. 6. 11)
57. ( 0 , 0 . - l ) , ( 0 . - l . 0 ) . ( l . 1.0). (2. 1,2)

5K. (1. 2. 7). (-3. 6. 6), (4. 4, 2). (3, 3, 4)
59. ( 1 ,- 2 , 1), ( - 1 ,- 1 , 7), ( 2 ,- 1 ,3 )
60. (0, - 1 ,0 ) , (1, 1,0), (2, 1,2)
61. (0 ,0 , 0), ( 1 ,- 1 ,0 ) , (0. 1 ,-1 )

62. (1 ,2 , 7), (4, 4, 2), (3, 3, 4)
C apítulo 3 ▲ Ejercicios de Reposo
En los ejercicios del 1 al 18, encuentre el determinante de la matriz dada
4 -1 0 -3
1. 2.
2 2 1 2
-3 I -2 0
3. 4.
6 -2 0 3
1 4 -2 5 0 2
5. 0 -3 1 6. 0 -1 3
1 1 -1 0 0 I
-2 0 0 -15 0 4
7. 0 -3 0 8. 3 0 -5
0 0 -1 12 0 6
-3 6 9 -15 0 3
9. 9 12 -3 10. 3 y -6
0 15 -6 . 12 -3 9 .
2 0 -1 4 ' ' 2 0 0 0 '

-1 2 0 3 -3 i 0 0
11. 0 1 2 .
3 0 1 2 4 -i 3 0
.-2 0 3 1. . 5 2 1 -1 „
'- 4 1 2 3' ' 3 -1 2 1'

1 -2 1 2 -2 0 1 -3
13. 0 1 4 .
•> -1 3 4 -1 2 -3 4
1 2 2 -1 . _o*• 1 _2 1.
'- 1 1 -1 0 ()' ’ 1 7 1 3 4
0 1 -1 0 1 2 3 - 1 2
15. 1 0 1 -1 0 0 16. ! i 0 -1
0 -1 0 1 -1 1 0 2 - 0
_ 0 1 i -1 1. .0 - 1 ! 0 2
r-i 0 0 0 ()' '0 0 0 0 2'

0 -1 0 0 0 0 0 0 2 0
0 0 -1 0 0 18. 0 0 2 0 0
0 0 0 -I 0 0 2 0 0 0
Lo 0 0 0 -1 . _2 0 0 0 0.
F.n los ejercicios 19 y 20, encuentre a) L4I, b) Ifll, c )AB y d) \Afí\. Luego, compruebe que l/tllfil
= 14/11.
1 2 3' ' 1 2 1
-1 2 3 4
4 = . ¡i = 2(1. 4 = 4 5 6 . H= 0 -1 1
0 1 2 1
U)
7
ro
.
X 0 0
i -
lin los ejercicios 21 y 22, encuentre a) l/VI, b) L43l, c) \A'A\ y d) 1541.
i—
o
-2 6
22. 4 = -1 0 0
1 3
2 1 2
lin los ejercicios 23 y 24, encuentre a) 141 y b) I4_ll.
1 0 - 4 '2 -1 4
4 = 0 3 2 24. 4 = 5 0 3
-2 7 6 1 -2 0
lin los ejercicios del 25 al 30. use el determinante de la matriz de coeficientes para determinar
m el sistema de ecuaciones lineales dado tiene solución única.
25. 5x + 4y = 2 26. 2.v - 5y = 2

-x + v = -22 3.r - 7 v = I
27. - r + y + 2z = I 28. 2x + 3y + z - 10
2.1 + 3y + z = -2 2x - 3.y - 3 z = 22
5.v + 4 v - 2 : = 4 8.v + 6 y = -2
29. ,v,+ 2.v, + 6.V, = I H 30. .r, + 5x: + 3v, = 14
2v( + 5.v, + I5.v, = 4 4.V, + 2x 2 + 5.v, = 3
3 v, + v, + 3.v, = - 6 3.v, + H.r, + 6.v5 = 16
2v. + 4.v, ~2vs = 0
= 0
31. Si A es una matriz 3 x 3 tal que 1.41 = 2, ¿cuál es el valor ele 14.41?
Si 4 es una mnlri/ 4 v 1 i.il <nw 1.41 . i. , n a i *

33. Demuestre la siguiente propiedad.
«11 «12 «13 «1. «12 «13 «11 «12 «13

+
«2 1 «22 «23 «2. «22 «23 «21 «22 «23
« 3 1 + C 31 « 3 2 + C32 « 3 3 + C33 «31 «32 «33 C31 C32 C 33
34. Ilustre la propiedad dada en el ejercicio 33 para lo siguiente.

1 0 2
A= 1 -1 2 C3 2 " Í* 3 3 = I
2 1 -1
Capítulo 3 A Ejercicios Complementarios

I. Encuentre el determinante de la siguiente matriz n x n.
1- n 1 1 1
1 ] —n 1 1
• • •
■ i
1 1 1
=:
1
2. Demuestre que
a I I I
I a I 1 = ( a + 3 ) ( a - 1 )3.
1 1 a 1
1 1 I A
3. Una matriz cuadrada A se denomina ¡dem potente si /42 = /4. Si A es idempotente, ¿cuálcn
son los valores posibles de MI?
4. Una matriz cuadrada A se denomina nilpotcnte si existe un entero positivo k tal que A1
= O. Demuestre que si A es nilpotcnte, entonces MI = 0.
(Cálculo) En los ejercicios 5 al 8, encuentre el jacobiano de las funciones dadas. Si x, y y z s o n

funciones continuas de u, vy w con derivadas parciales continuas, entonces los jacubiunos7(u.
v) y J(u, v', w) están definidos como
dx dx dx
dx dx du dv dw
du de dy dy dy
J(u, v) = y J(u, v, w) =
h du d i’ dw
du dv dz dz dz
du d i’ dw
= j( v - u) . y = Í(v + m) 6. X = AA+ hv, y =cu

El polinomio característico de una matriz cuadrada A está definido por el determinante IAi -
di. El teorema de Hamilton-Cayley establece que toda matriz cuadrada satisface su polinomio
característico. En los ejercicios 9 y 10. a) encuentre el polinomio característico de la matriz
dada, b) encuentre las raíces de este polinomio y c) compruebe el teorema de Hamilton-Cayley
para la matriz dada.
6 0 4'
2 -2
10. A = -2 1 3
-2 A- -1 I
2 0 4.
11. Demuestre que si \A \ = 151 * 0. entonces hay una matriz C tal que ICI = I y A = CB.
12. Demuestre que si la suma de los elementos de cada renglón de A es cero, entonces 1/11= 0.
I.a Adjunta de una M atriz
Bn l o s ejercicios 13 y 14, determine la adjunta de la matriz dada.
1 0 0
1 2
2 1 0 14.
-2 0
.2 -1 1 .
.
Regla de C r a m e r
En los ejercicios del 15 al 18, use el determinante de la matriz de coeficientes para decidir si
ni sistema de ecuaciones lineales dado tiene solución única, en caso afirmativo, aplique la regla
de Cramer para encontrar la solución.
15. 0.2.x - 0. l y = 0 . 0 7 16. 2x + y = 0 .3

0 .4 .x - 0 .5 y = - 0 . 0 1 3 .x - y = -1 .3
17. 2.x, + 3 jx2 + 3. x 3 = 3 18. 4.x, + 4.x2 + 4.x3 = 5

6.x, + 6.x2 + = 13
1 2. x3 4.x, - 2.x, - 8Lt3 = 1
12.x, + 9.x, - ,v3 = 2 8.v, + 2.x, - 4.x3 = 6
Area, V olum en y E cuaciones de Rectas y Planos
En los ejercicios 19 y 20, use un determinante para encontrar el área del triángulo con los
vértices que se dan a continuación.
19. (1 .0 ), (5,0), (5. 8) 20. ( - 4 . 0 ) , (4 .0 ), (0.6)
ttn los ejercicios 21 y 22. use un determinante para encontrar la ecuación de la recta que pasa
poi los puntos dados.
21. ( - 4 . 0 ) . (4 ,4 ) 22. (2, 5). (6 ,-1 )
I*ii los ejercicios 23 y 24. encuentre una ecuación del plano que pasa por los puntos dados.
Capítulo 4-
Espacios Vectoriales
4.1 V ectores en R"
4.2 Espacios V ectoriales
4.3 Subespacios de Espacios V ectoriales
4.4 C onjuntos G eneradores e Independencia Lineal
4.5 Base y D im ensión
4.6 R ango de una M atriz y Sistem as de Ecuaciones Lineales
4.7 C oordenadas y C am bio de Base
4.8 A plicaciones de los Espacios Vectoriales
Wifflam Rowan Hamilton

1805-1865
W illiam Rowan Hamilton suele ser con

siderado com o el matemático irlandés más
importante. Su expediente académico es sor
prendente. A la edad de cinco años podía leer
y traducir latín, griego y hebreo. A los 10
hablaba normalmente francés e italiano y
comenzaba a estudiar lenguas orientales. A
los 17 ya tenía nocionesde Cálculo y Astro
nomía.
La educación formal de Hamilton empezó con su ingreso al Trirnty College de
Dublín, a los 18 años de edad. Impresionó tanto a sus maestros que al cabo de cuatro
años en la escuela profesional fue elegido para ocupar el puesto de profesor de
astronomía. Durante su prim er año en la facultad publicó un trabajo impresionante
sobre óptica titulado A Theory o f Systems o f Rays, 1828. Este documento estableció
firmemente la reputación de Hamilton y ha llegado a ser uno de los clásicos de la
ciencia occidental. En él Hamilton incluyó algunos de sus propios métodos para
trabajar con sistemas de ecuaciones lineales. También introdujo el concepto de la
ecuación caraeterística de una matriz.
Durante los últimos 20 años de su vida, Hamilton dedicó la mayor parte de su
creatividad matemática para desarrollar la teoría de un tipo especial de números que
él denom inó cuatemios. Este trabajo preparó el terreno para perfeccionar la noción
moderna de vector, y todavía está en uso la notación i. j, k de Hamilton para
representar los vectores unitarios ordinarios en el espacio tridimensional.
187
188 Capítulo 4 Espacios Vectoriales
4.1 a Vectores en Rn
Q uizá el lector está fam iliarizado con los vectores bidim cnsionales y tridim ensionales til
la m anera en que se utilizan en física e ingeniería. En estas disciplinas, un vector se ca
racteriza por dos cantidades (m agnitud y dirección) y es representado por un segm ento de
recta dirigido. En este capítulo se verá que éstos son sólo dos tipos especiales de vectores
Sin em bargo, son im portantes aquí porque poseen representaciones geom étricas precisas
que ayudan a com prender la definición m ás general de vector.
Se em pieza con un breve repaso de los vectores en el plano, que es la m anera en que
evolucionaron los vectores.
V ectores en el Plano
Un vector* en el plano se representa geom étricam ente por un segm ento de recta dirigido
cuyo punto inicial es el origen y cuyo punto term inal es el punto (*,, .v,), com o se muestra
en la figura 4.1. Este vector se representa por el m ism o par ordenado usado para representar
su punto terminal. Es decir,
x = (x v x 2).
Las coordenadas x , y.r 2 se denom inan com ponentes del vector x. Dos vectores enel plano
u = (//,, u2) y v = (v,. v2) son iguales sí y sólo si «, = v, y //, = v,.
FIGURA 4.1
y
Observación: Para representar vectores se utilizan negritas m inúsculas (com o u. v, \v y x)
► Ejemplo I Vectores en el Plano

Use segm entos de recta dirigidos para representar los siguientes vectores en el plano
a) u = (2. 3) b) v = (-1 , 2)
* til térm ino ve c to r proviene de la palabra latina vectus, que significa "llevar". L a idea es que si se va a llev.u
algo del origen al punto (» ,. .v,). entonces el recorrido puede representarse por el segmento de recta d iiig n lo de
(0, 0) a x})
Sección 4 .1 Vectores en R" 189
'Polución: Para representar estos vectores se traza un segm ento de recta dirigido del origen
til punto term inal indicado, com o se m uestra en la figura 4.2.
FIGURA 4.2 >' >’
La prim era operación vectorial básica es la su m a v ecto rial. Para sum ar dos vectores
en el plano se sum an sus com ponentes correspondientes. Es decir, la s u m a de u y v es el
vector definido por
u + v = ( u ,, u 2) + (v |t v2)
= (//, + v,, u2 + v2).
G eom étricam ente, la suma de dos vectores en el plano puede representarse com o la diagonal
ile un paralelogram o que tiene a u y v com o sus lados adyacentes, com o se observa en la
tigura 4.3.
FIGURA 4.3
► Ejemplo 2 Su inn de Dos Vectores en el Ida no

Encuentre la sum a de los siguientes vectores.
i) u = (1 .4 ), v = ( 2 ,- 2 )
i) u = (3, - 2 ). v = (-3 . 2 )
;:) ii = (2. I). v = (0. 0)
Solución:
a) u + v = ( 1, 4) + (2, - 2 ) = (3, 2)
b) u + v = ( 3 ,- 2 ) + (-3 , 2) = (0, 0)
c) u + v = (2, 1) + (0, 0) = (2, 1) 4
Observación: En el ejem plo 2, el vector (0 ,0 ) se denom ina v ecto r c e ro y se denota por 0
La segunda operación vectorial fundam ental se denom ina m u ltip lica ció n esc a la r
Para m ultiplicar un vector v por un e sca lare, cada una de las com ponentes de v se m ulti
plica por c. Es decir,
cv = c(v,, v2) = (t-v,, cv,).
R ecuerde, por el capítulo 2, que el térm ino escalar se utiliza para denotar un núm ero real
H istóricam ente, este uso surgió del hecho de que al m ultiplicar un vector por un número
real se m odifica la "escala” del vector. Por ejem plo, si el vector v se multiplica por 2. en
tonces el vector resultante 2v es un vector que tiene la m ism a dirección que v y dos veces
su longitud. En general, para un escalar c, el vector cv es c veces m ás grande que v.
A dem ás, si c es positivo, entonces cv tiene la m ism a dirección que v y si c es negativo,
entonces cv y v tienen direcciones opuestas. Lo anterior se muestra en la figura 4.4
FIGURA 44
y
cv
X .X
El producto de un vector v por el escalar - I se denota por
- v = ( - l) v .
- v se denom ina n eg ativ o de v. La d ife re n c ia de u y v se define com o
U - V = u + (~v),
y se dice que v se ha re sta d o de u.
► Rlctnplo 3 Operaciones ron lectores en el Plano

Dados v = (-2 , 5) y u = (3. 4). encuentre los siguientes vectores
a) 3v b) u - v cj \ -+ 2u
Solución.
a) C om o v = (-2 , 5), se tiene
, v = ( i ( - 2 ) , p 5 ) ) = ( - l , | ).
H) Por la definición de resta vectorial, se tiene
u - v = (3 - (-2 ), 4 - 5) = (5, -1 ).
c) D ado que 2u = (6. 8). sc concluye que
v + 2u = (-2 , 5) + (6, 8)
= ( - 2 + 6, 5 + 8)
= (4. 13).
La sum a vectorial y la m ultiplicación escalar com parten m uchas propiedades con la

M im a de m atrices y la m ultiplicación por un escalar. Las 10 propiedades listadas en el si
guiente teorem a desem peñan un papel fundam ental en álgebra lineal. De hecho, en la
Hlguicnte sección sc verá cpie son precisam ente estas 10 propiedades las elegidas para
abstraerse de los vectores en el plano para definir el concepto general de espacio vectorial.
Teorem a 4,1 Propiedades de la Suma Vectorial y d e la Multiplicación

K sealar
Sean u , V y w vectores en el plano, y sean c y d escalares.
C erradura bajo la adición
1. u + v e s un vector en el plano.
2. u + v - v + u Propiedad conm utativa de la adición
Propiedad asociativa de la adición
3 (ti + v) + w = u + (v + w)
4. u +0 =u
9. u + (-u )-0
C erradura bajo la m ultiplicación escalar
6. cu es un vector en el plano.
7. c(u + v ) = cu + cv Propiedad distributiva
8. (c + d) u = cu + du Propiedad distributiva
c (d a ) ~ { c d ) u
10. l ( u ) ~ u
iH'IIIOSlradón: La dem ostración de cada propiedad es una aplicación directa d e la defini-

t l ó n d e suma vectorial y m ultiplicación escalar com binada con las propiedades correspon
dientes de la suma y multiplicación tic números reales. Por ejem plo, para dem ostrar la
propiedad asociativa J e la suma sectorial sc puede escribir
192 Capitulo 4 Espacios Vectoriales
(u + v) + w = [(« ,, u2) + (v v v2)J + (w ,, H',)

= (m, + vr u2, + v2) + (h’,. w2)
= ((«, + V,) + W|.(M2 + v,) + VV2)
= (//, + (v, + ve,), U2 + (V2 + W2))
= ( u , , « , ) + (»-, + W p V2 + >V2 )
= (l/p U2) + [(Vp 1'2) + (n-p w2)]
= u + (v + w).
De m anera sem ejante, para dem ostrar la propiedad distributiva de la multiplicación

escalar sobre la adición se puede escribir
(c + d )u = (c + d)(ur t*2)
= ((c + d)u | , (c + d)it2)
= (cui + d u ,, cu, + du2)
= ( t« p cu2) + ((/«,, </»,)
= t ( « p u,) + d (u r u,) = c’u + du.
Las dem ostraciones de las otras ocho propiedades se dejan al lector. (V éase el ejercicio
39.; 4
Observación- Nótese que la propiedad asociativa de la sum a vectorial perm ite escribii mu
am bigüedad expresiones com o u + v + w porque se obtiene el m ism o resultado mu
im portar cuál suma se efectúe primero.
V ectores en K"
U sando com o m odelo los vectores en el plano, a continuación se extiende el análisis .i
vectores en el espacio «-dim ensional. La notación que se utiliza cam bia del par ordenado
(jTj, a_2) a una n - a d a o r d e n a d a . Por ejem plo, una tercia ordenada es de la forma ( v,, x „ » , ).
una cuádrupla ordenada tiene la form a (.Vp x 2, x v .v4) y una n-ada ordenada general es d.
la form a (v r x2, x¿ xn). El conjunto de todas las /i-adus se denom ina espacio //
d im en sio n al y se denota por R".
R l = espacio unidim ensional = conjunto de todos los núm eros reales

R2 = espacio bidim crisional = conjuntó de todos los pares ordenados de números
reales
= espacio tridim ensional = conjunto de todas las tercias ordenadas de número:.
reales
R4 = espacio tctradim cnsional = conjuntode todas las cuadruplas ordenadas tic mim.
ros reales
A"1 = e s p a c io /i-d in te n sio n a l =: c o n j u n to d e to d a s las » - a d a s o r d e n a d a s J e m im e n

leales
Sección 4 .1 Vectores en Rr 193
núa en R". Es decir, una /i-ada (.v,. .v2, x y . . . , xn) puede considerarse com o un p u n to en
R", donde sus coordenadas son las x¡, o com o u vector.
x = (a ,, a 2, .vv . . . , xn) V ector en Rn
donde sus com ponentes son las v . C om o de costum bre, dos vectores en R" son ig u ales si
y sólo si sus com ponentes correspondientes son iguales. [En el caso de n = 2 o n = 3,
algunas veces se utiliza la notación fam iliar (.v, y) o (x, y, z)].
A continuación se definen la sum a de dos vectores en Rn y el m últiplo escalar de un
vector en R". Estas operaciones se denom inan o p eracio n es n o rm a le s en R".
- 1 - — — — — -— - ■■■■
. f . ■ ■- '■. ■■ :
Sean u = (u¡, Uj, uy , . . , u j y v & (v ,, v2, v v . . . , vn) vectores en R" y sea c un núm ero
real. Entonces la s u m a de u y v se define com o el vector
u + V* ( « , + V j , U 2 + Vv U3 + vy . . . . U n + Vw) .
y el m ú ltip lo e s c a la r d e u por c se define com o el vector
cu - ( rn ,, cuv cuy . . . cun).
A sí com o en el espacio bidim ensional, el negativo de un vector en R'1se define com o
- u = ( - « ,, - n 2. - u v -u n)
y la d ife re n c ia de dos vectores en R" se define com o
U " V = («, - V , , M2 - V2 , M3 - V3 , . . . , U n - Vn ) .
El v e c to r c e ro en R" c stá dado por 0 = (0, 0 ...........0).
► Ejemplo -/ Operaciones Vectoriales en R]
Dados u = (0. - 4. 3) y v = ( 1, 3, - 2 ) en R \ encuentre los siguientes vectores
a) u + v b) 3u c) v - 3u
U) Para sum ar dos vectores, se suman sus com ponentes correspondientes com o se muestra
a continuación.
ii + v = (0, - 4, 3) + (1. 3, -2>

= ( 1 . I . I )
b) Para m ultiplicar un vector por un escalar, cada una de sus com ponentes se multiplic a
por el escalar, com o sigue.
3u = 3(0, - 4, 3)
= ( 0 ,- 1 2 , 9)
c) Con el resultado del inciso b), se obtiene
v - 3u = (1, 3, - 2 ) - (0, -1 2 , 9)
= ( 1 ,1 5 ,- 1 1 ) . <
Las siguientes propiedades de la suma vectorial y la m ultiplicación escalar, p a r a

vectores R", son las m ism as que las listadas en el teorem a 4.1 para vectores en c! plano
Sus dem ostraciones, basadas en las definiciones de sum a vectorial y multiplicación
escalar en R", se dejan com o ejercicio. (V éase el ejercicio 40).
T ftnrm m 'i A *) P rn n lw l'iH /'u d i ' la Sum a Vectorial y do la M ultiplicación

g JLrl
S ean u . v y w vectores en R“, y
1. u -f V es un vector en R”. 2. u + v = v + u
3. (u + v ) + w = u + (v + w ) 4. u + 0 = ti
5. u + (-ti) = 0 6. c u es un vector en ,
7. c íu v ) = c u + c v 8. (c + </)u = t u + du
9. c(du) = (c</)u 10. l(u ) = u
Con las 10 propiedades dadas en el teorem a 4.2 se pueden realizar manipulación. ',
algebraicas con vectores en R" casi de la m ism a m anera en que se hace con núm eros reales
Por ejem plo, intente usar el teorem a 4.2 para justificar cada paso de la siguiente solución
de una ecuación vectorial.
2x - 3v = 4(x - 2v)
2x - 3v = 4x - 8v
2x-4x = - 8 v + 3v
-2 x = - 5v
x =
En el siguiente ejem plo se ilustra más el álgebra de vectores en R"
► Ejemplo 5 Operaciones Vectoriales en AH

Sean u = (2 , -1 , 5 ,0 ), v = (4 ,3 , I ,- 1 ) y w = ( - 6 , 2 ,0 . 3) vectores en A”1. Encuenire el s til*-i
de x en cada una de las expresiones siguientes.
u) x = 2u - (v + 3w) b) 3(x + w) = 2u - v + x
Solución:
II) Con las propiedades listadas en el teorem a 4.2 se obtiene
x= 2u - (v + 3w)
= 2u - v - 3w
= (4, - 2 , 10, 0) - (4, 3, 1 , - 1 ) - ( - 1 8 , 6. 0 ,9 )
= ( 4 - 4 + 1 8 ,- 2 - 3 - 6 , 10- 1- 0 ,0 + 1 -9 )
= ( 1 8 ,- 1 1 ,9 , -8 ).
I») Se em pieza por despejar x com o se m uestra a continuación.
3(x + w ) = 2u - v +x
3x + 3w = 2u - v+x
3x - x = 2u - v - 3w
2x = 2u - v - 3w
x = j (2u —v —3w)
Luego, el resultado del inciso a) produce

i
x = j ( 1 8 ,- 1 1 ,9 , -8 )
= (9, - yH2 ,. 9 - 4).
2
El vector cero 0 en R" se denom ina n e u tro ad itiv o en R". De m anera sem ejante, el
V*'i lor - v se denom ina in v erso a d itiv o de v. En el siguiente teorem a se resum en varias
Iimpiedades im portantes del neutro aditivo y del inverso aditivo en R".
Teorem a 4.3 P ropiedades del N eutro Aditivo y los Inversos Aditivos

Sen v un vector en Rn y sea t un escalar. Entonces se cum plen las siguientes
{piedades.
- J , El neutro aditivo e s único. Es decir, si v + u = v, entonces u = 0.
I[ } El inverso aditivo de v es único. Es decir, si v + u = 0, entonces u = - v

t 0v » 0
B, e0«©
5 S i r v = 0, entonces c ~ 0 o v = 0,
■ , -(-V ) ss V
m — - -
radon l'ara probar la prim era propiedad se supone que v + u = v Entonces los
H l siguientes se justifican poi el teorem a 4 2.
22. u = ( 6 ,- 5 . 4 .3 ) ,v = ( - 2 , f
En los ejercicios 23 y 24. encuentre el valor de w dado que u = (1, -1, 0, I ) y v = (0. 2. y I i
23. 2w = u - 3v 24. w + u = - v
En los ejercicios del 25 al 28, en caso de ser posible escriba v como una combinación lmtf|
de u y w , donde u = (1, 2) y w = (1, -1).
25. v = (2. 1) 26. v = (0, 3)
21. v = (3, 0) 28. v = (1, —1)
En los ejercicios 29 y 30. determinar w tal que 2u + v - 3w = 0.
29. u = (0. 2 ,7 ,5 ), v = ( - 3 . 1 .4 .- 8 )
30. u = (0, 0. - 8,I ). v = ( I . - 8. 0. 7)
En los ejercicios del 3 1 al 34, en caso de ser posible escribir v como una combinación lm
de u ,, u 2 y u v
31. u, = (2. 3. 5). u 2 = ( I, 2. 4). u3 = (-2. 2. 3), v = (10, 1, 4)
32. u, = (1, 3, 5). u , = (2. -1 . 3). u3 = (-3 , 2. -4), v = (-1 , 7. 2)
33. u, = (1, 1, 2, 2), u 2 = (2. 3. 5. 6). u 3 = (-3, 1 ,-4 , 2), v = (0, 5.3, 0)
34. u , = (1, 3, 2, 1). u2 = (2, -2 . -5 . 4), u 3 = (2. - I . 3, 6). v = (2, 5. -4 . 0)
En los ejercicios 35 y 36. el vector cero 0 = (0. 0. 0) puede expresarse como una combinat I
lineal de los vectores v,, v,. y v , como 0 - 0v, + 0 v, + 0v3. Lo anterior se denomina soltií
trivial. ¿Puede encontrar una manera no trivial de expresar 0 como una combinación Imoni
los tres vectores dados?
35. v, = (1 ,0 , l ) , v 2 = ( - l , 1, 2), v3 = (0, 1,4)
36. v, = (1 ,0 , l ) .v 2 = ( - l . l , 2 ) , v 3 = (0, 1.3)
37. Ilustre las propiedades del 1 al 10 del teorema 4.2 para u = (2. -1. 3. 6). v = ( 1. 1.1), I
w = (3, 0, 2, 0), c = 5 y d = -2 .
38. Ilústrelas 10 propiedades del teorema 4.2 para u = (2 ,-1 . 3), v = (3 ,4 ,0 ), w = (7, 8, I
c = 2 y d = - 1.
39. Complete la demostración del teorema 4 1
40. Demuestre el teorema 4.2.
41. Complete la demostración del teorema 4.3

Sección 4.2 Espacios Vectoriales 199
4.2 ▲ Espacios Vectoriales

En el teorem a 4.2 se listan 10 propiedades especiales de la sum a vectorial y de la m ul
tiplicación escalar en R" . D efiniciones idóneas de la sum a vectorial y la m ultiplicación
escalar revelan que m uchas otras cantidades m atem áticas (com o las m atrices, los polino
mios y las funciones) tam bién com parten estas 10 propiedades. Cualquier conjunto que
satisface estas propiedades (o ax io m as) se denom ina esp acio v ecto rial, y los elem entos
del conjunto se denom inan vectores.
Es im portante com prender que la siguiente definición de espacio vectorial es precisa
mente eso: una definición. No es necesario dem ostrar nada, ya que sim plem ente se listan
los axiom as necesarios de los espacios vectoriales. Este tipo de definición se denom ina
a b stra c c ió n debido a que se abstrae una colección de propiedades de un espacio n-
dim ensional /?"específico para form ar los axiom as necesarios de un espacio vectorial más
general.
S ea V un conjunto sobre el que están definidas dos operaciones (la s u m a v e c to ria l

y la m u ltip lic a ció n e sc alar). S i los siguientes axiom as se cum plen para todo u, v
y w en V' y todo escalar (núm ero real) c y d, entonces V se denom ina espacio
v e cto rial. '
Suma:
1. a -f v e s tá en K C erradura bajo la adición
2. y + v =s v + ai Propiedad conm utativa
3. » + (v + w ) « ( u + v ) + w Propiedad asociativa
4. V contiene un v e c to r c e r o 0 N eutro aditivo
tal que para to d o « en V, u + 0 « u.
5. Para todo u e n V, hay u n vector en V Inverso aditivo
denotado p o r ~ u tal que u + <-u> » 0.
Multiplicación Escalar:
6. raí esrá por V. C erradura b ajo la m ultiplicación
escalar
7. c(u + v ) —ral + c v Propiedad distributiva ;
8. (c 4- d )a « c u + rfu Propiedad distributiva
9) c{da) = (ccf)u Propiedad asociativa
10; l(u)-u Identidad escalar
Es im portante observar que un espacio vectorial consta de cuatro entes: un conjunto de

vectores, un conjunto de escalares y dos operaciones. C uando se refiera a un espacio vec
torial V, asegúrese de que los cuatro entes estén claram ente expresados o entendidos. A
m enos de que se afirm e otra cosa, se supone que el conjunto de escalares es el conjunto
de núm eros reales. (En el capítulo 9 se abordarán los espacios vectoriales com plejos, en
tus que el conjunto de escalares es el conjunto de núm eros com plejos.)
L os dos prim eros ejem plos de espacios vectoriales no son sorprendentes. Son, de hcch* >.
los m odelos usados para form ar los 10 axiom as de los espacios vectoriales.
► Ejemplo I A'2 con las Operaciones Normales es un Pispado Vectorial

El conjunto de todos los pares ordenados de núm eros reales en K2 con las operaciones
norm ales es un espacio vectorial. Para com probar lo anterior, considere de nuevo el teo
rema 4.1. Los vectores en este espacio son de la form a
v = (v,. v2). <
► Ejemplo 2 Rn con las Operaciones Normales es un Espacio Vectorial

El conjunto de todas las /i-adas ordenadas de núm eros reales en A’" con las operaciones
norm ales es un espacio vectorial. Esto se com prueba por el teorem a 4.2. Los vectores en
este espacio son de la form a
v = (v,, v2, v3, -------v„). 4
Con base en el ejem plo 2 se puede concluir que /? ',e l conjunto de númei os
reales (con las operaciones norm ales de sum a y m ultiplicación) es un espacio vectorial
Los tres ejem plos siguientes describen espacios vectoriales en los que el conjunto
básico V no consta de n-adas ordenadas. En cada ejem plo se describe el conjunto V7 v se
definen las dos operaciones vectoriales. Luego, para dem ostrar que el conjunto es un espacu >
vectorial, es necesario com probar todos los axiomas.
► Ejemplo 3 PII Pispado Vectorial de todas las Matrices 2 x 3

D em uestre que el conjunto de todas las m atrices 2 x 3 con las operaciones de suma de
m atrices y m ultiplicación e sc a la re s un espacio vectorial.
Solución: Si A y B son m atrices 2 x 3 y r e s un escalar, entonces A + B y cA tam bién son

m atrices 2 x 3 . Por consiguiente, el conjunto es cerrado bajo la sum a de m atrices y la
m ultiplicación escalar. A dem ás, los otros ocho axiom as de los espacios vectoriales se
concluyen directam ente a partir de los teorem as 2.1 y 2.2 (véase la sección 2.2). Por tanto,
se puede concluir que el conjunto es un espacio vectorial. Los vectores en este espacio si >u
de la forma
a i, a l2 a |3
A=
«21 «22 «23
Observación: De la m ism a form a en que se puede dem ostrar que el conjunto de todas la ■
m atrices 2 x 3 es un espacio vectorial, tam bién se puede dem ostrar que el conjunto de toda-,
las m atrices m x n, denotado por Mmn, es un espacio vectorial.
► Ejemplo 4 El Espacio Vectorial de Todos los Polinomios de Grado Menor o Igual

que 2
Sea P , el conjunto de todos los polinom ios de la forma
p(x) = a 2a"2 + a\x + a o>

donde í/(), a , y « 2 son núm eros reales. La suma de dos polinom ios p(x) = a^x2 + a {x + aQ
y q{x) = byX2 + b¡x + b0 se define de la form a acostum brada com o
p(x) + q(x) = (fl2 + b2)x2 + (a, + b¡)x + (cíq + bQ),
y el múltiplo escalar de p(x) por el escalar c se define com o
cp(x) = ca-yX1 + ca ¡x + ca().
D em uestre que P , es un espacio vectorial.
Solución: La com probación de cada uno de los 10 axiom as que definen a un espacio
vectorial es una aplicación directa de las propiedades de los núm eros reales. Por ejem plo,
dado que el conjunto de núm eros reales es cerrado bajo la sum a, se concluye que a2 + b2,
o, + b x y aQ+ b{) son núm eros reales, y que
P (x) + q(x) = (a 2 + b2)x2 + («, + b }\x + (a 0 + b0)
pertenece al conjunto P2 porque sc trata de un polinom io de grado m enor o igual que 2.

Por tanto, P , es cerrado bajo la suma. De m anera sem ejante se puede usar el hecho de que
el conjunto de núm eros reales es cerrado bajo la m ultiplicación para dem ostrar que P , es
cerrado bajo la m ultiplicación escalar. Para com probar el axiom a conm utativo de la suma
sc escribe
p{.x) + q(x) = («jV2 + <7,a + a0) + (byX2 + b yx + b0)

= (a2 + b2).\2 + («, + b x)x + (u0 + b0)
= (b2 + a j x 2 + (/? ,+ a p x + (/>„ + a ())
= ( b ^ 2 + b ,jc + /;„) + (íi^v2 + fl,.v + a())
= q(x) + p(x).
¿Puede ver dónde se aplicó la propiedad conm utativa de la sum a de núm eros reales? El
vector cero en este espacio es el polinom io cero definido com o 0(.v) = 0 para toda.v. Intente
com probar los dem ás axiom as de los espacios vectoriales. Entonces será posible concluir
que P 2 es un espacio vectorial. M
Observación: A unque el polinom io cero O(.v) = 0 carece de grado, a m enudo P , se describe

com o el conjunto de lodos los polinom ios de grado menor o igual que 2.
Pn se define com o el conjunto de todos los polinom ios de grado m enor o igual que ti
(junto con el polinom io cero). El procedim iento usado para com probar que P 2, es un
espacio vectorial puede extenderse para dem ostrar que P n , con las operaciones normales
(le sum a polinom ial y m ultiplicación escalar, es un espacio vectorial
► Ejemplo 4 El Espacio Vectorial de Todos los Polinomios de Grado Menor o Igual

que 2
5ea P , el conjunto de todos los polinomios de la forma
p ( x ) = a ^ x r + a , A + « 0,
>nde «0. a, y son números reales. La s u m a de dos p o lino m io s p ( x ) = a T x2 + a,A + «0

y q(x) = b-x2 + b yx + b Q se define de la form a acostumbrada com o
I p (x) + q(x) = {a2 + b jx 2 + (a ] + b l)x + (aQ+ b 0 ),
y el m ú ltip lo e s c a la r de p(x) por el escalar c se define como
c p ( x ) = c ü y X 2 + c a , a + c a 0.
¡muestre que P2 es un espacio vectorial.
Ilición: La comprobación de cada uno de los 10 axiomas que definen a un espacio

ectorial es una aplicación directa de las propiedades de los números reales. Por ejemplo,
dado que el conjunto de números reales es cerrado bajo la suma, se concluye que a 2 + b 2,
«! + b x y a Q + b {) son números reales, y que
P (x) + q(x) = ( a 2 + b 2 ) x r + ( a , + />,).* + ( a 0 + b 0 )
pertenece al conjunto Pn porque se trata de un polinomio de grado m enor o igual que 2.

Por tanto, P , es cerrado bajo la suma. De manera semejante se puede usar el hecho de que
el conjunto de núm eros reales es cerrado bajo la multiplicación para dem ostrar que P-, es
cerrado bajo la multiplicación escalar. Para com probar el axiom a conm utativo de la suma
se escribe
p(x) + q(x) = ( a 7 x 2 + a , a + a ()) + ( b y X 2 + b {x + b Q)

= ( a 2 + b 2 ).r 2 + ( a , + b { ) x + ( a Q + b {))
= ( b 2 + a 2 ) x 2 + ( / ; , + a x) x + ( b 0 + a 0 )
= ( b 2 x 2 + b yx + />„) + ( a 2x 2 + a xx + « 0)
= q (x) + p (x).
¿Puede ver dónde se aplicó la propiedad conmutativa de la suma de núm eros reales? El
vector cero en este espacio es el polinomio cero definido com o 0(.v) = 0 para toda a. Intente
comprobar los dem ás axiomas de los espacios vectoriales. Entonces será posible concluir
que es un espacio vectorial. 4
Observación: Aunque el polinomio cero 0 ( a ) = 0 carece de grado, a m enudo se describe

Como el conjunto de todos los polinomios de grado m e n o r o igual que 2.
P se define como el conjunto de todos los polinomios de grado m enor o igual que n
( j u n t o con el polinomio cero). El procedimiento usado para com probar que P „ es un
espacio vectorial puede extenderse para demostrar que Pn , con las operaciones normales
de suma polinomial y multiplicación escalar, es un espacio vectorial.
► Ejemplo 5 El Espacio Vectorial de Funciones Continuas (Cálculo)

Sea C (-°°, el conjunto de todas las funciones continuas de valuación real definida sobre
todas la recta numérica. Este conjunto consta de todas las funciones polinómicas y de todas
las demás funciones que son continuas sobre toda la recta numérica. Por ejemplo,/(.v)
sen x y g(x) = e x pertenecen a este conjunto. La suma se define por
( f + g)(x) = t(x) + g (.t),
com o se muestra en la figura 4.5. La multiplicación escalar se define por
(cf)(*) =
Dem uestre que «>) es un espacio vectorial.
FIGURA 4.5
y
Solución: Para com probar que el conjunto C(-°°, °°) es cerrado bajo la suma y la
multiplicación escalar, se aplica un resultado de cálculo, que la suma de dos funciones
continuas es una función continua y que el producto de un escalar por una función continua
es una función continua. Para com probar que el conjunto C(-°°, « ) posee neutro aditivo
se considera la función f0 que tiene un valor cero para toda x. Es decir,
f0(jc) = 0, x es cualquier número real.
Esta función es continua sobre toda la recta numérica (su gráfica es sim plemente la recta
y —0). Por tanto, pertenece al conjunto C ( - « \ °°). Además, si f es otra función cualesquiera
que es continua sobre toda la recta numérica, entonces
(f + r0)(jt) = fCv) + f0(.t) = f(.v) + 0 = f(.v),
Por tanto, f0 esel neutro aditivo en C(-°°, °°). La verificación de los dem ás axiom as se deja
al lector. 4
Por conveniencia, se proporciona un resumen de algunos espacios vectoriales impoi

tantcs a los que a menudo se hará referencia en el resto del libro. En cada caso las opcraciimes
son las normales.
' ' - : ... ' . :■ • i ' ■ .. ■ n A ;:;Sk*kÍkS*Í

H ~ conjunto de todos tos números reates
R 2 = conjunto de todos los pares ordenados
R* » conjunto de todas tas tercias ordenadas
Rn x conjunto de todas tas n-adas ordenadas
«>) = conjunto de todas Jas funciones continuas definidas sobre la recta nu-
mérica
Cfo, b \ « conjunto de todas las funciones continuas definidas sobre un intervalo
cerrado [o, b ) P x conjunto de todos los polinomios
P n ~ conjunto de todos los polinomios de grado ss n
« conjunto de todas las matrices m x n
M x conjunto de todas Jas matrices cuadradas n x n
Se ha visto cuán versátil es el concepto de espacio vectorial. Por ejemplo, un vector

puede ser un número real, una n-ada, una matriz, un polinomio, una función continua, etc.
Sin embargo, ¿cuál es el objetivo? ¿Por qué molestarse en definir esta abstracción? Hay
muchas razones, pero la más importante es que la abstracción resulta ser matemáticamente
efectiva en el sentido de que ahora ya se pueden deducir resultados generales válidos para
lodos los espacios vectoriales. Una vez que se ha demostrado un teorema para un espacio
vectorial abstracto, no es necesario dar demostraciones por separado para las n-adas, las
matrices y los polinomios. Basta señalar que el teorema es verdadero para cualquier espacio
vectorial, sin importar la forma específica que tengan los vectores. Este proceso se ilustra
en el teorema 4.4.
Sea v cualquier elem entó de un espacio vectorial V y sea c cualquier escalar.

Entonces son ciertas las própiedades siguientes.
1 Ov = 0
2. c d —0
3. Si ev ~ 0, entonces c = 0 o v = 0,
4. (-1 )v = - v
I^m ostración: Para demostrar estas propiedades, la restricción es aplicar solam ente los 10
axiomas que definen un espacio vectorial. Por ejemplo, para demostrar la segunda pro
piedad, con base en el axioma 4 se observa que 0 = 0 + 0. Esto permite escribir los pasos
siguientes.
204 Capitulo 4 Espacios Vectoriales
cO = c(0 + 0) Identidad aditiva

cO = cO + cO Propiedad distributiva por la izquierda
cO + ( - c)0 = (cO + cO) + ( - c)0 Sum a de - cO a ambos lados
c O + ( - c)0 = cO + [cO + ( - c)0] Propiedad asociativa
O = £o + o Inverso aditivo
O = cO Neutro aditivo
Para demostrar la tercera propiedad, se supone que cv = 0. Para mostrar que esto implica
ya sea c = 0 o v = 0, se supone que c ¿ 0. (Si c = 0 , no hay nada que demostrar). Ahora,
dado que c ^ 0, se usa el recíproco 1/c para demostrar que v = 0 com o sigue
v = lv = i (C)v = I (cv) = I (0) = 0

c/ c c
Observe que en el último paso se utiliza la propiedad 2 (justamente la que se acaba de
demostrar). Las demostraciones de las propiedades primera y cuarta se dejan com o ejercicio
para el lector. (Vcanse los ejercicios 33 y 34.) ^
En los ejemplos restantes de esta sección se describen algunos conjuntos (con

operaciones) que no forman espacios vectoriales. Para demostrar que un conjunto no es
un espacio vectorial basta encontrar algo erróneo. Por ejemplo, si se pueden encontrar dos
elementos de V que no conm uten (u + v t v + u), entonces, sin im portar cuántos e le
mentos de V sí conm utan y cuántos de los dem ás 10 axiomas se cumplen, aún es posible
concluir que V no es un espacio vectorial.
► Ejemplo 6 El Conjunto de los Enteros No es un Espacio Vectorial

El conjunto de todos los enteros (con las operaciones normales) no constituye un espacio
vectorial porque no es cerrado bajo la multiplicación escalar. Por ejemplo.
i(D = í-
Escalar Entero Fracción ^
Observación: En el ejem plo 6. nótese que basta que no se cumpla uno de los 10 axiomas
para dem ostrar que un conjunto no es un espacio vectorial.
En el ejemplo 4 se dem ostró que el conjunto de todos los polinomios de grado menor
o igual que 2 forma un espacio vectorial. A continuación se verá que el conjunto de todos
los polinomios cuyo grado es exactamente 2 no es un espacio vectorial.
► Ejemplo 7 El Conjunto de los I ’olinomios de Segunde (Irado No es un Espacio

Vectorial
El conjunto de todos los polinomios de segundo grado no es un espacio vectorial porque

no es cerrado bajo la suma. Para ver lo anterior, considere los polinomios de segundo grado
/>( r) = ,v2 y </( -v) = - v2 + v + I .

cuya suma es el polinomio de primer grado
p(x) + q(x) = x + 1. <
Los conjuntos en los ejemplos 6 y 7 no son espacios vectoriales porque no satisfacen

uno o ambos axiomas de cerradura. En el ejemplo que sigue se considera un conjunto que
cumple am bas pruebas de cerradura y que a pesar de ello no es un espacio vectorial.
► Ejemplo 8 Un Conjunto (¡ue No es Espacio Vectorial

Sea V = K2, el conjunto de todos los pares ordenados de números reales, con la operación
normal de suma y la siguiente definición no normal de multiplicación escalar:
c(.v,, .v2) = ( e x ,, 0).
Demuestre que V no es un espacio vectorial.
Solución: Este conjunto es interesante porque en realidad satisface ios nueve primeros
axiomas. Sólo cuando se llega al décimo axioma com ienzan los problemas. Al verificar
este axioma se observa que con la definición no normal de multiplicación escalar se
obtiene
1(1, 1) = ( 1 .0 ) * (1. I).
Por consiguiente, el conjunto no es un espacio vectorial. M
No se confunda p o r la notación usada para la multiplicación escalar del ejemplo X. Al

escribir
c(a ,, a ,) = (r-Vp 0) Definición no normal
se define el múltiplo escalar de (a,, a ,) por c. Com o resulta ser. esta definición no normal
no cum ple los axiomas del espacio vectorial para la multiplicación escalar.
Sección 4.2 A E jercicios

En los ejercicios del I al 6. describa el vector cero (el neutro aditivo) del espacio vectorial dado.
1. /?! 2. <*>) 3. A/, ,
4. A /,, 5. Pi 6. A/,,
En los ejercicios del 7 al 12. describa el inverso adilivodc un vector'en el espacio vectorial dado.
7. /C 8. C ( - o o . - ) 9 M2}
10. A/|4 II P, 12 A/,_,

En los ejercicios del 13 al 24, determine si el conjunto dado, junto con las operaciones indicadas,
es un espacio vectorial. En caso negativo, identifique por lo menos uno de los 10 axiomas de
espacios vectoriales que no se cumpla.
13. M a 6 con las operaciones normales.
14. M ] , con las operaciones normales.
15. El conjunto de todos los polinomios de quinto grado con las operaciones normales.
16. P, el conjunto de todos los polinomios, con las operaciones normales.
17. El conjunto {(x, x): x es un número real) con las operaciones normales.
18. El conjunto {(.r, y): .v ^ 0, y es un número real) con las operaciones normales en A’2.
19. El conjunto de todas las matrices 2 x 2 de la forma
a b
c 0
con las operaciones normales.
20. El conjunto de todas las matrices de la forma

a b
c 1
con las operaciones normales.
21. El conjunto de todas las matrices singulares 2 x 2 con las operaciones normales.
22. El conjunto de todas las matrices no singulares 2 x 2 con las operaciones normales.
23. El conjunto de todas las matrices diagonales 2 x 2 con las operaciones normales.
24. CjO, 1], el conjunto de todas las funciones continuas definidas sobre el intervalo | 0 , 1|,con
las operaciones normales.
25. En vez de aplicar las definiciones normales de suma y multiplicación escalar en A2,
suponga que estas dos operaciones se definen como sigue.
a) y,) + (.v2, y2) = (.v, + x 2, y, + y,)

c(x, y) = (ex, y)
b) (*,, y,) + (x2. y2) = 0)
c(*. y) = (ex. cy)
C) (V,. y,) + (X2. y2) = (x , + x2. y, + y2)
c(x, y) = (sfcx, sfcy )
Con estas nuevas definiciones. ¿A2 es un espacio vectorial? Justifique su respuesta.

26. En vez de aplicar las definiciones normales de suma y multiplicación escalar en A \
suponga que estas dos operaciones se definen com o sigue.
a) (*,. y,, ’ ,) + (a,. y,. z,) = ( v, + x 2. y, + v2. 2 , + z2)
f ( x , y. z ) - (ex. cy. í)>
Sección 4.3 Subespacios de Espacios Vectoriales 207
b) (•*,. .V,, Z,) + (*2. y2' Z2) = (0, 0. 0)

c(.r, y, z) = (ex, cy, cz)
c) (*,, y,, z,) + (xv y2, z2) = (x, + -t, + 1, y, + y2 + 1. z, + z2 + I)
c(.v, y, z) = (e x cy, cz)
Con estas nuevas definiciones, ¿K 1 es un espacio vectorial? Justifique su respuesta.
27. Demuestre con todo detalle que M, 2, con las operaciones normales, es un espacio vecto
rial.
28. Demuestre con todo detalle que el conjunto {(.v, 2.v): .v es un número real), con las ope
raciones normales en R2, es un espacio vectorial.
29. Determine si el conjunto R 2, con las operaciones

y,) + (*,, y,) = (.t, xy y, y2)
y
c(-v,,y,) = (c.v,, cy,),
es un espacio vectorial. En caso afirmativo, compruebe cada uno de los axiomas de los
espacios vectoriales; en caso negativo, escriba todos los axiomas de los espacios vectoriales
que no sc cumplen.
30. Dado un espacio vectorial V demuestre que el vector cero esúnico.
31. Dailo un espacio vectorial V demuestre que el inverso aditivo deun vector es único.
32. Demuestre la propiedad de cancelación de la suma vectorial. Es decir, si u, v y w son vec

tores en un espacio vectorial V tales que u + w = v + w, entonces u = v.
33. Demuestre la propiedad I del teorema 4.4.

34. Demuestre la propiedad 4 del teorema 4.4.
4.3 a Subespacios de Espacios Vectoriales

En muchas de las aplicaciones importantes del álgebra lineal los espacios vectoriales
ocurren com o su besp acio s de espacios más grandes. Por ejemplo, se verá que el conjunto
solución de un sistema homogéneo de ecuaciones lineales en n variables es un subespacio
de R". (Véase el teorema 4.16.)
Se dice que un subconjunto de un espacio vectorial es un subespacio si en sí mismo es
un espacio vectorial (con las mismas operaciones), com o se establece en la siguiente
definición.
Definición d é Subespacio cié un E spado Vectorial

Un subconjunto W de un espacio vectorial se denomina su b esp acio de Vsi W es en
sí un espacio vectorial bajo las operaciones de suma y multiplicación escalar definidas
en V.
► Ejemplo 1 Un Suhespacio de K3
Demuestre que el conjunto
W = { ( . y ,, 0 , a 3): .v, y x y son números reales
es un suhespacio de /?' con las operaciones normales.
Solución: Gráficamente, el conjunto VVpuede interpretarse com o simplemente el plano \ .

com o se muestra en la figura 4.6. El conjunto IV es cerrado bajo la suma porque la sum í
de dos vectores cualesquiera en el plano xz también debe esta ren el plano xz. Es decir, m
(.y,, 0, Xj) y 0, y 3) pertenecen a VV, entonces su suma (.v, 0 , * 3 + y 3) también esia
en VV(dado que la segunda com ponente es cero). De manera similar, para ver que IVes ce
n a d o bajo la multiplicación escalar, sea (.y,, 0, .y 3) que está en VV y sea c un escalai
Entonces c(.v,, 0, ,y 3) = (c v r 0, cv3) tiene al cero com o segunda com ponente y, por tanin,
debe pertenecerá IV. Es fácil demostrar que VVlambién cumple los otros ocho axiomas que
definen a los espacios vectoriales; se deja que el lector lleve a cabo lo anterior.
FIGURA 4.6 z
Para establecer que un conjunto Wes un espacio vectorial es necesario verificar las lo
propiedades de los espacios vectoriales, Sin embargo, si VVes un subconjunio de espacio
vectorial V más grande (y las operaciones definidas sobre VV son las mismas definida ,
sobre V), entonces casi todas las 10 propiedades son heredadas del espacio más grande,
por loque no es necesario verificarlas. El siguiente teorema establece que basiacomprnh.il
la cerradura para establecer que un subconjunto de un espacio vectorial es un subespacm
Teorema 45 Prueba para un Subespado

Si VV es un subconjunto no vacío de un espacio vectorial V, entonces VV es un
suhespacio de V sí y sólo si se cum plen las siguientes condiciones de cerradura
1. SÍ u y v están en VV, entonces u + v está en VV,

2. Si u está en VV y c es cualquier escalar, entonces r u está en VV.
Demostración: La demostración del teorema en una dirección es directa. Es decir, si Wcs

un subespacio de V, entonces W es un espacio vectorial y deber ser cerrado bajo la suma
y la multiplicación escalar.
Para dem ostrar el teorema en la otra dirección, se supone que IVes cen ado bajo la suma
y la multiplicación escalar. Observe que si u, v y w están en IV, entonces automáticamente
también están en V. Por consiguiente, los axiom as 2, 3, 7, 8, 9 y 10 que definen a los
espacios vectoriales se cumplen automáticamente. Además, debido a que W es cerrado
bajo la adición y la multiplicación escalar, se concluye que para cualquier v en W y un
escalar c = 0,
cv = 0
y
(-l)v = - v .
A m bos están en IV, por tanto, satisfacen los axiomas restantes 4 y 5. 4
Observación: Nótese que si W es un subespacio de un espacio vectorial V, entonces tanto

W como V deben tener el mismo vector cero 0. (Véase el ejercicio 26.)
Dado que un subespacio de un espacio vectorial es en sí un espacio vectorial, entonces

debe contener el vector cero. De hecho, el subespacio más simple de un espacio vectorial
es aquél que consta solamente del vector cero,
VV= {0}.
Este subespacio se denom ina su b esp acio cero. Otro subespacio obvio de V es V mismo.
Todo espacio vectorial posee estos dos subespacios triviales, y los subespacios diferentes
a éstos se denom inan subespacios p ro p io s (o no triviales).
► Ejemplo 2 Un Subespacio de M¿2

Sea IV el conjunto de todas las matrices simétricas 2 x 2 . Demuestre que W es un
subespacio del espacio vectorial A7, ?, con las operaciones normales de sum a vectorial y
multiplicación escalar.
Solución: Recuerde que una matriz es simétrica si es igual a su propia transpuesta. Como
\12 2 es un espacio vectorial, basta demostrar que IV (un subeonjunto de M , satisface las
condiciones del teorema 4.5. Se empieza por observar que W no es vacío. Wes cerrado bajo
la suma porque A, = A ,' y / \ , = A,' implican que
(A, + A P' = A ^ + A = A | + A ,.
Por tanto, si A, y A, son matrices simétricas de orden 2, entonces también lo es A, + A v

De manera semejante, W es cerrado bajo la multiplicación escalar porque A = A' implica
que
(cAY = cA' = cA.
Por tanto, si A es una matriz simétrica de orden 2, entonces también lo es cA. 4
Es posible generalizar el resultado del ejemplo 2. Es decir, para cualquier cntem

positivo /?, el conjunto de las matrices simétricas de orden n es un subespacio del espacio
vectorial A/ (;jcon las operaciones normales. El siguiente ejemplo describe unsubconjunio
de Mn n que no es un subespacio.
► Ejemplo 3 El Conjunto de los Motrices Sinpulores No es un Subespacio de Mnn

Sea Wel conjunto de matrices singulares de orden 2. Demuestre que VVno es un s u b e s p a c m
de A/, -y con las operaciones normales.
Solución: Por el teorema 4.5 se puede demostrar que el subconjunto W no es subespacm

si se concluye que VVes vacío, que VV7 no es cerrado bajo la suma o que VV'no es cerrado ha
jo la multiplicación escalar. Para este conjunto específico, VVno es vacío y es cerrado bajo
la multiplicación escalar, pero no es cerrado bajo la suma. Para ver lo anterior, sean \ \
B matrices definidas por
1 0 0 0
A= B=
0 0 0 1
Entonces tanto A como B son singulares (no invcrtibles), pero su suma
1 0
A +B=
0 0
es no singular (in vertible. Por consiguiente, VVno es cerrado bajo la su m a,y porel teorema
4.5 se puede concluir que no es un subespacio de A / ,, 4
► Ejemplo 4 El Conjunto de Vectores que están en el Primer Cuodronte No es un

Subespacio de P¿
Demuestre que VV= { ( a , , .y,): .y, 2 * 0 y ,v7 S 0 ] , con las operaciones normales, no e s un
subespacio de R2.
Solución: Este conjunto no es vacío y es cerrado bajo la suma. Sin embargo, no es cerrado
bajo la multiplicación escalar. Para ver lo anterior, observe que ( 1, 1) está en VV'. pero el
múltiplo escalar
( - ! ) ( ! , 1) = ( - 1. - 1)
no pertenece a VV. Por consiguiente, VV no es un subespacio de R2. <
A menudo se encuentran series de subespacios anidados entre sí Por ejemplo,

considere los espacios vectoriales P0, /J ,, I \ , P¡ y Pf¡. donde P. es el conjunto de todo-.
Sección 4.3 Subespacios tle Espacios Vectoriales 211
los polinomios de grado m enor o igual q u e k , con las operaciones norm ales. Es fácil
demostrar que si j < k, entonces P. es un subespacio de Pk. Así, se puede escribir
P 0 c />, c / ', c c . . . , c l\.
En el ejemplo 5 se describe otro anidam iento de subespacios.
► Ejemplo 5 Subespacios de Funciones (Cálculo)

Sea VV5 el espacio vectorial de todas las funciones definidas sobre |0, I ], y s e a n W,, IV,,
Wj, y W4 definidas com o sigue
IV, = conjunto de todas las funciones polinómicas

VV, = conjunto de todas las funciones diferenciales en |0 ,1 1
VV, = conjunto de todas las funciones continuas en |(), IJ
W4 = conjunto de todas las funciones integrables en 10,1)
Demostrar que VV, c VV, cz VV3 c VV4 c VV5 y que VV. es un subespacio de VV pitra i < j.
Solución: Del cálculo se sabe que toda función polinomial es diferente en |(), 1 ]. Por
consiguiente. VV, c VV,. Además, VV, c VV, porque toda función diferencial es continua,
W3 c VV4 porque toda función continua es integrable y VV4 c VVS porque lodu función
integrable es, por supuesto, una función. P or tanto, se tiene que
VV, cz VV, c VV, c IV, cz W5,
como se observa en la figura 4.7. Se deja que el lector com pruebe que VVes un su bespacio
de VV para i S j.
FIGURA 4.7
<
En el ejem plo 5, observe que si U%V y VV son espacios vectoriales tales que IV es un
subespacio de V y V es un subespacio de U, entonces IV también es un su b esp acio de U.
Este caso especial del siguiente teorema establece que la intersección de dos subespacios
es un subespacio. com o se muestra en la figura 4.K
FIGURA 4.8
La intersección de dos
subespacios es un subespacio.
Si V y IV son subespacios de un espacio vectorial U, entonces la intersección de l

y IV (denotada por V n IV) también es un subespacio de U.
■I I ■■—
Demostración: C o m o V y W son subespacios (Je U , se sabe que ambos contienen el v e c n <i

cero. Así, V n W n o e s vacía. Para demostrar que V n IV es cerrada bajo la suma, sean \ ,
y v , dos vectores cualesquiera en V n IV. Entonces, com o V y IV son subespacios de /
se sabe que ambos son cerrados bajo la suma. Por consiguiente, com o v, y v, están en \
su suma v, + v , debe esta ren V. De manera similar, v, + v2est;i en W porque v, y v, están
en IV. Pero esto implica que v, + v , están en V n W, y se concluye que V n W es cerrado
bajo la suma. Se deja que el lector demuestre (con un argumento semejante) que V n U
es cerrado bajo la multiplicación escalar. ^
Observación: El teorema 4.6 establece que la intersección de dos subespacios es en si un

subespacio. En el ejercicio 22 se pide que el lector dem uestre que la unión de dos subes
pacios no es (en general) un subespacio.
Subespacios de Rn
Rn es una fuente conveniente para ejemplos de espacios vectoriales, y el resto de cst.i
sección se dedica a analizar subespacios de R".
► Ejemplo tí Determinación de Subespacios de R-

¿Cuál de estos dos subconjuotos es un subespacio de R 2?
a) El conjunto de puntos de la recta dado por .v + 2y = 0

b) El conjunto de puntos en la recta dado p or.r + 2y = I
Solución:
a) Al despejar x se observa que un punió en R2 está en la recta x + 2y = 0 sí y sólo si es

de la forma
(-2/, /), / es cualquier número
Para dem ostrar que este conjunto es cerrado bajo la suma, sean v, = ( - 2 / ,, /,) y v.,
= ( - 2 ly /.,) dos puntos cualesquiera de la recta. Entonces, se tiene
v , + v 2 = ( - 2 / , , / , ) + ( - 2 t v t 2)
' = ( - 2 ( t , + t2), t, + t2)
= ( - 2 /3, r3),
d o n d e /, = /, + /,. Por consiguiente, v, + v2estáen la recta, y el conjunto es cerrado bajo

la suma. De manera semejante se puede demostrar que el conjunto es cerrado bajo la
multiplicación escalar. Por tanto, este conjunto es un subespacio de R2.
b) Este su b co n ju n to de R 2 no es un subespacio de R2. Una form a sencilla de c o n s ta

tar lo anterior es observar que el vector cero (0, 0) no pertenece a a la recta. Dado
que todo subespacio debe contener el vector cero, este subconjunto no es un sub
espacio. 4
De las dos rectas del ejem plo 6, la que es un subespacio de R2es la que pasa por el origen.
Se puede demostrar que este hecho es característico de los subespacios R2. Es decir, si \V
es un subconjunto de R 2, entonces es un subespacio sí y sólo si se cumple una de las
siguientes proposiciones.
1. \V consta sólo del punto (0, 0).

2. W consta de todos los puntos sobre una recta que pasa por el origen.
3. W consta de todo R 2.
En la figura 4.9 se muestran estas tres posibilidades.
Recta que pasa por W = R 2

W = {(0,0)|
el origen.
C om o ejemplo de un subconjunto de R 2 que no es un subespacio, considere los punios

sobre la circunferencia unitaria x2 + y2 = 1. Los puntos (1, 0 ) y ( 0 , 1) pertenecen a l
subconjunto, pero su suma (1 ,1 ) no (véase la figura 4.10). Por tanto, este subconjunto n o
es cerrado bajo la suma.
FIGURA 4.10
circunferencia unitaria
(0 . - 1)
no es un subespacio de H 2.
Observación: Otra forma de decir que el subconjunto mostrado en la figura 4.10 no es un

subespacio de R2 es hacer notar que éste no contiene el vector cero (el origen).
► Ejemplo 7 Determinación de Subespacios de

¿Cuál de los siguientes subconjuntos es un subespacio de R}r!
a) W = {(.v,, x2, I): .v, y x 2 son números reales}

b) W = {(,r,, .v, + .r,, * 3): .v, y .v, son números reales)
Solución:
a) Com o 0 = (0, 0, 0) no está en VV, se sabe que IV no es un subespacio de R \

b) Sean v = (v,, v, + vy v3) y u = (//,, u ¡ + uy m3) dos vectores en IV. y sea c cualquiei
número real. F.l hecho de que VVes cerrado bajo la suma se demuestra com o sigue
V + U = ( Vj + M , , V, + V3 + U . + U y V3 + « , )
= (v, + Uy (v, + «,) + (v3 + M3), Vj + Mj)

— ( X] , .V, + X y -V-j)
donde x { - v, + u] y x y = v3 + uy Por tanto, v + ii está en W (porque es de la forma

apropiada). De manera semejante, VVes cerrado bajo la multiplicación escalar porque
cv = (cv,, c(v, + V3). CVj)

= (cv,, C V, + C V y C V j )
= (.V ,, .V, + X y . t 3 ) ,
donde v, = r v , y v, = cvv Por tanto, cv está en VV.Por último, ciado que VVes cerrad» •
bajo la suma y la multiplicación escalar, se concluye que es un '.ubcspacío de R 1 -<1
Sección 4..i Ejercicios 215
En el e je m p lo 7, observe que la ..gráfica de cada subconjunto es un plano en A3. Sin

e m b a rg o , el ú n ico que es un subesptíich íes el representado por el plano que pasa por el
origen (v éase l a figura 4.11).
FIGURA 4.11
En general, s e puede demostrar qi_ie un subconjunto VV de A*3 es un subespacio de A3

(con las op eracio n es normales) sí y siólosies de alguna de las formas siguientes.
|. VV’ co n sta só lo del punto (0, 0, 0 > .

2. VVco n sta de todos los puntos sofore una recta que pasa por el origen.
X VVco n sta de todos los puntos en un ¡'Icio que pasa por el origen.
«}. VVco n sta de todo R \
x ió n 4.3 A E jercicios
Un los ejercicios del 1 al 6, compruebe cjuc'V os un subespacio de V. En cada caso, suponga
ijiic V tiene las operaciones normales.
1. W = {(x|t *3. 0): Xp x2 y x3 son núneios reales cualesquiera)
V=R4
2. VV= {(,v. y, 2x - 3y): x y y son nún»erosreales cualesquiera}
V = R3
3. VVes el conjunto de todas las matri ces V<~ de la forma
0 a
b 0 ‘
v = a/ 22
4. VVes el conjunto de todas las m atrice s)* - de la turma

a b
a +b 0
0 r .
V*Mt,
5. (Cálculo) IVes el conjunto de todas las funciones continuas sobre |0, 1J. Ves el conjunto
de todas las funciones integrales en [0, 1].
6. (Cálculo) Wes el conjunto de todas las funciones diferenciales en [0. I). Ves el conjunto
de todas las funciones continuas en [0. 11.
En los ejercicios del 7 al 12, IV no es un subespacio del espacio vectorial dado. Compruebe l<>
anterior por medio de un ejemplo específico que viole la prueba para verificar si un conjunto
es un espacio vectorial (teorema 4.5).
7. W es el conjunto de todos los vectores en R} cuya tercera componente es - i .
8. W es el conjunto de todos los vectores en R1cuyas componentes son números racionales.
9. VVes el conjunto de todas las funciones no negativas en C ( - <». »).
10. W es el conjunto de todos los vectores en R 3 cuyas componentes sonno negativa
11. VVes el conjunto de todas las matrices en Mn n con determinantes cero.
12. VVes el conjunto de todas las matrices en Mnn tales que A 2 = A.
13. ¿Cuál(es) de los siguientes subconjuntos de C (-°°, «•) es (son) s u b c s p a c i o ( s ) de <

(_ oo, oo)?
a) El conjunto de todas las funciones no negativas:/ ( x) ^ 0
b) El conjunto de todas las funciones pares: f ( - x ) = f( x )
c) El conjunto de todas las funciones impar: / (-x) = - / ( v)
d) El conjunto de todas las funciones constantes:/(.v) = c
e) El conjunto de todas las funciones tales que:/(O ) = 0
0 El conjunto de todas las funciones tales que : / (0) = I
14. ¿Cuáles de los siguientes subconjuntos de Mn n son subespacios de Mnn con las operad: >
nes normales?
a) El conjunto de todas las matrices triangulares superiores nx n
b) El conjunto de todas las matrices n x n con elementos enteros
c) El conjunto de todas las matrices A n x n que conmutan con unamatriz B n x n dada
d) El conjunto de todas las matrices singulares n x n
e) El conjunto de todas las matrices invcrtibles n x n
f) El conjunto de todas las matrices n x n tales que la suma de sus elementos es igual a
cero.
En los ejercicios del 15 al 20. determine si el conjunto W es un subespacio de R 3 con las

operaciones normales. Justifique su respuesta.
15. W = ((*,, 0. x3): .t, y x3 son números reales}

16. VV= ((.v,. xv 4): .r, y x2 son números reales)
17. VV= {(a, b , a +2b ): a y b son números reales}

18. VV= ((.y, .v - /. t): s y i son números reales)
Sección 4.4 Conjunto Generadores e Independencia Lineal 217
19. W = {(.v ,. a , , x vx2)\ a , y x, son números reales }
20. W = {(a,. I / a ,, a 3): a , y a3 son números reales, a , ^ 0}
21. Demostrar que un conjunto W no vacío es un subespacio de un espacio vectorial Vsí y só
lo si ax + by es un elemento de W, donde a y b son escalares cualesquiera y x y y están
en W .
22. Dé un ejemplo que demuestre que la unión de dos subespacios de un espacio vectorial V
no necesariamente es un subespacio de V'.
23. Sean x, y y z vectores en un espacio vectorial V. Demuestre que el conjunto de todas las
combinaciones lineales de x. y y z
W = {«x + by + cz: a, b y c son escalares)
es un subespacio de V. Este subespacio se denomina expansión (o conjunto generador)

de (x, y. z).
24. Sea ,4 una matriz fija 2 x 3. Demuestre que el conjunto
W = {X: AX = O]
es un subespacio de M y ,.
25. Sea A una matriz fija 2 x 2 . Demuestre que el conjunto
W= [X:XA =AX)
es un subespacio de M2 r
26. Sea W un subespacio del espacio vectorial V. Demuestre que el vector cero en V también
es el vector cero en W.
27. Complete la demostración del teorema 4.6 al mostrar que la intersección de dos sub
espacios de un espacio vectorial es cerrada bajo la multiplicación escalar.
4.4 a Conjuntos Generadores e Independencia Lineal

Un esta sección se comienzan a desarrollar los procedimientos para representar cada vec
tor en un espacio vectorial com o una co m b in ació n lineal de un núm ero selecto de vectores
en el espacio.
: I B 111 1 m | m y '■i m' ^ m "i '" ■:i M 1 ' • 'M— W

M p ll /
Definición de €oíoi)ifiación lin e a l de V e c to ra
Un vector v en un espacio vectorial V se denom ina co m b in a c ió n lineal de Jos
vectores u ,, u 2. . . . , u t en V si v puede expresarse como
I *= + ¿ 2U? + 1
donde < ,. <,, . . . . c, son escalares
A menudo, uno o más vectores en un conjunto dado puede expresarse com o com bina
ciones lineales de otros vectores en el conjunto. Esta posibilidad se ilustra con los
siguientes ejemplos.
► Ejemplo I Ejemplos (le Combinaciones Lineales

a) Para el siguiente conjunto de vectores en iC,
Vl V2 V3
5 = {(1,3. 1), (0, 1,2). ( l . o , -5)} ,
v, es una combinación lineal de v% y v, porque
Y, = 3v, + v^ = 3(0, 1, 2) + (1, 0, - 5 )

= ( 1 , 3 , I).
b) Para el siguiente conjunto de vectores en A7,2,

v. v7 v, v.
0 8 0 2 -1 3 0 2
' i
2 1 1 0 1 2 1 3
v, es una combinación lineal de v,. v ? y v , porque
v t = v 2 + 2 v 3 - Va
0 2 -1 3 -2 0
+2
1 0 1 2 1 3
0 8
2 1
En el ejemplo 1 fue fácil verificar que uno de los vectores en el conjunto S es una eom
binación lineal de los otros vectores, porque se contaba con los coeficientes adecuados
para formar la combinación lineal. En el siguiente ejemplo se muestra un procedí míen
lo para determinar los coeficientes.
► Ejemplo 2 Determinación de una Combinación Lineal

Escriba el vector w = (1, I, I) com o una combinación lineal de vectores en el conjunto
m ostrado a continuación.
V, V3
S = {(1 ,2 , 3), (0, 1,2), ( - 1 . 0 . 1)}
Solución: Es necesario encontrar escalares c,, c2 y c3 tales que
(I, I. 1) = c , ( l , 2, 3) + í’2(0, 1 ,2 ) + r 3( - l , 0. I)
= (r, - cv 2c, + cy 3 c, + 2c2 + r 3).
Al igualar las com ponentes correspondientes se llega al siguiente sistema de ecuaciones

lineales.
Sección 4.4 Conjuntos Generadores e Independencia Lineal 219
c, - c 3= 1
2c, + c2 =1
3c, + 2c , + c3 = I
Por medio de la eliminación de Gauss-Jordan se encuentra que este sistema tiene infinidad
de soluciones, cada una de la forma
c, = 1 + t, c2 - - \ - 2L c, = /.
Por ejemplo, para obtener una solución, podría hacerse que / = 1. Entonces, c , = - 3 y
c, = 2, y se tiene que
w = 2v, - 3v, + v3.
Otras elecciones para / producen otras maneras de expresar w com o una combinación
lineal de v,, v., y v v M
► Ejemplo 3 Determinación de una Combinación Lineal

En caso de ser posible, exprese el vector w = (1, - 2 . 2) com o una combinación lineal de
vectores en el conjunto S dado en el ejemplo 2.
Solución: Siguiendo el procedimiento dado en el ejemplo 2, se obtiene el sistema
c, - c 3= 1
2 c i + C2 =~ 2
3 c, + 2c, + c3 = 2.
I.a matriz aumentada de este sistema se reduce a

1 0 - 1 1'
0 1 2 - 4
0 0 0 7
Con base en el tercer renglón se concluye que el sistema de ecuaciones es inconsistente
y, por tanto, no hay solución. Así, w no puede expresarse com o una com binación lineal
lle v ,, v2 y v j . <
Conjuntos G eneradores
Si todo vector en un espacio vectorial dado puede expresarse com o unacom binación lineal
de vectores en un conjunto S dado, entonces se dice que S es un c o n ju n to g e n e r a d o r del
espacio vectorial.
' un E sp ad o Vectorial
Sea S ts {v f, v2, . . , v¿} un subeonjunto del espacio vectorial V. El conjuntó S d e
denomina c o n ju n to g e n e r a d o r de Y si todo vector en V puede expresarse com o una
combinación lineal de vectores en S En estos casos se dice que S g e n e ra a V.
► Ejemplo 4 Ejemplos de Conjim ios Genero dores
a) El conjunto S = {(1, 0, 0), (0. 1, 0), (0, 0, 1)) genera a R 3, ya que cualquier vector
u = («,, m,, m3) en R3 puede escribirse como
u = k ,(1, 0, 0) + m2(0, 1,0) + w3(0, 0. 1)

= (w,, U2, z<3).
b) El conjunto S = {1, x, x2 } genera a P „ ya que cualquier polinom io p{x) = a + bx + ex2

en P2 puede expresarse como
p(x) = a{ 1) + b(x) + cix2) = a + bx+ ex2. <
Los conjuntos generadores dados en el ejemplo 4 se denominan c o n ju n to s g e n e r a d o

res n o rm a le s de R 3 y P2 respectivamente. (En la siguiente sección se ahondará más en
estos conjuntos generadores.) En el siguiente ejemplo se considera un conjunto generado
no normal de R3.
► Ejemplo 5 Un Conjunto Generador de R 3

Demuestre que el conjunto 5 = {(I, 2, 3), (0, 1, 2), (-2, 0, 1)) genera a R \
Solución: Sea u = («,, u2, //,) cualquier vector en R*. Se buscan escalares c,, c , y c3 tales
que
( m,, w2, u3) = c 1( l , 2, 3) + c2(0, 1,2) + c3(-2 , 0, I)

= (c, - 2 c3, 2 c , + c2, 3c, + 2 c2 + c3).
Esta ecuación vectorial produce el sistema
c, - 2 c 3 = M,
2c, + c2 = u2
3c, + 2 r , + c3 = Uy
La matriz de coeficientes de este sistema tiene un determinante diferente de cero y, de la

lista de condiciones equivalentes dada en la sección 3.3 se concluye que el sistema tiene
solución única. Por consiguiente, cualquier vector de R3 puede expresarse com o una
com binación lineal de los vectores en S, y se concluye que S genera a R3. A
► Ejemplo 6 Un Conjunto que No Genero o R 3

Con base en el ejem plo 3 se sabe que el conjunto
S = {(1,2, 3), (0, I, 2), (-1 0, I)}
no genera a R ' porque w = (I, -2 , 2) está en R3 y no puede expresarse com o una

combinación lineal de los vectores en S. M
Al com parar los conjuntos de vectores en los ejemplos 5 y 6, se observa que los conjuntos
son los misinos excepto por una diferencia aparentemente en el tercer vector.
S, = {(1, 2, 3), (0, 1, 2), (-2 , 0. 1)} Ejemplo 5

5 , = { ( 1 ,2 ,3 ) , (0, 1,2), ( - 1 . 0 , 1)) Ejemplo 6
Sin embargo, la diferencia mencionada es importante porque el conjunto S , genera a /? \

en tanto que el conjunto S, no. En la figura 4.12 es posible observar el porqué de esta
diferencia. Los vectores en S 1 son copianares; los vectores en S, no lo son.
FIGURA 4.12
S i= {(1. 2, 3), (0, 1. 2). (-2 . 0. 1)1 S 2= {(1. 2. 3). (0, 1. 2). ( - 1 .0 . 1))
Los vectores en S i no son coplamircs. Los vectores en S 2 son copianares.
Aunque el conjunto S2 no genera a todo R}, sí genera un subespacio de R el plano en

que están los tres vectores de S2. Este subespacio se denomina espacio lineal g e n e ra d o
p o r S 2 y, en general, el conjunto de todas las combinaciones lineales de los vectores de
un conjunto S se denom ina espacio g e n e r a d o p o r S y se denota por lin(S). El siguiente
teorema establece que la expansión de cualquier subconjunto de un espacio vectorial Ves
un subespacio de V'.
Teorem a 4.7 lin(S) es un Subespacio d e V

Si 5 - {v , , v2, . . . , \ ki es un conjunto de vectores en un espacio vectorial V, entonces
lin (S) es un subespacio de V. Adem ás, lin(5) es el m enor subespacio de V que
contiene a S, en el sentido de que cualquier otro subespacio de V que contenga a S
debe contener a Nn(5).
Demostración: Para demostrar que lint5). el conjunto de todas las com binaciones lineales
de v,. v , \ r es un subespacio de V, se dem uestra que es cerrado bajo la suma y la
multiplicación escalai Considere dos vectores cualesquiera u y v en lin(S).
u = c |v 1 + c 2v2 + - - - + c iv,
V = í / , V , + í / 2 V 2 + • • ■ + í/^V A.,
donde c,, c ,, . . . , ct y í/p í/ „ . . . , dk son escalares. Entonces
u + v = (c j + d , ) v i + (c 2 + í/2) v 2 + • • • + ( c ; + dk)vk
y
cu = (cCj)v, + (ec2)v, + • • • + (cck) \ k,
lo cual significa que u + v y cu también pertenecen a lin(5’) porque es posible expresarlos

com o una combinación lineal de vectores en S. Por consiguiente, linOS') es un subespacio
de V. Se deja que el lector demuestre que lin(S) es el menor subespacio de V que contiene
a S. (Véase el ejercicio 40.) 4
D ependencia Lineal e Independencia Lineal

Para un conjunto dado de vectores S= {v,. v2, . . . , \ k}en un espacio vectorial V, laecuaei. >n
vectorial
(j v ! + C2V2 + • • • + (\y k = o
siem pre tiene la solución trivial c ( = 0 , c , = 0 , . . . , ck = 0. Sin embargo, a m enudo también
hay soluciones no triviales. Así. en el ejemplo 1 a) se vio que en el conjunto
VI v2 V,
5 = {(1.3, 1). (0, 1, 2), (1, 0 ,- 5 ) }
el vector v ( puede expresarse como una combinación lineal de los otros dos com o se
muestra a continuación
V| = 3 v 2 + v 3
Por tanto, la ecuación vectorial
c,V| + c ,v , + C3v3 = 0
tiene una solución no trivial en la cual no tocios los coeficientes son ¡únales a cero:
<i = l, c2 = - 3 , c3 = - l .
Esta característica se describe al decir q u e el conjunto S es linealm ente d ep e n d ie n te Si

la tínica solución hubiese sido la trivial (c¡ = c1 = c, = 0). entonces el conjunto S seri a
linealm ente independ iente. Este concepto es esencial en álgebra lineal, por lo que se
plantea formalmente en la siguiente definición.
;S¡
► Ejemplo 7 Ejemplos de Conjuntos Unen luiente Dependientes

n) El conjunto S = {(1, 2), (2, 4)} en R 2 es linealmente dependiente porque
- 2 ( 1 , 2 ) + (2, 4) = ( 0 .0 ) .
b) El conjunto S = {(1,0), (0, 1), (-2, 5)} en R 2 es linealmente dependiente porque
2 (1 ,0 ) - 5 ( 0 , 1) + ( - 2 , 5) = (0 .0 ).
En el siguiente ejem plo se muestra un procedimiento para verificar si un conjunto de

vectores es linealmente dependiente o independiente.
► Ejemplo tí Comprobación de Independencia Lineal

Determine si el siguiente conjunto de vectores en Ry es linealmente dependiente o
Independiente.
Solución: Para verificar la independencia o la dependencia lineal, sc forma la ecuación

vectorial
c ,v , + c\v, + c3v , = 0.
Si la única solución de esta ecuación es r , = c2 = r , = 0, entonces el conjunto S es

linealmente independiente. En caso contrario, S es linealmente dependiente. Al desarro
llar esta ecuación se obtiene
r ,( 1. 2. 3) + r 2(0, 1.2) + r 3(-2 . 0. I ) = (0, 0. 0)

(f, - 2 r v 2 r, + cy 3cj + 2c2 + c,) = (0, 0, 0),
t|lic produce el siguiente sistema homogéneo de ecuaciones lineales en r , , r , y c v
2c, + r , ' =0
3c | + 2c, + c ( = ü
i
La matriz aumentada de este sistema se reduce por eliminación de Gauss-Jordán coiuuB

muestra a continuación.
1 0 -2 O1 1 0 0 0
2
3
1
2
0
1
0 ES> 0 1 0 0
oj 0 0 1 0
Lo anterior implica que la única solución es la trivial,
Por tanto, S es linealmente independiente. *
Los pasos mostrados en el ejemplo 8 se resumen a continuación.
Com probación p a ra la independencia y D ependencia Lineal

S ea S ~ {v,, v2, . . . , v4) un conjunto de vectores en un espacio vectorial V. I’am
determ inar si S es linealmente independíente o dependiente, se efectúan los pao**
siguientes.
1. A partir de la ecuación vectorial c, v, + c2v2 + • • • + ctvA= 0, escriba un sistema

homogéneo de ecuaciones lineales en las variables c,, cv . . . . y ck.
2. Úse la eliminación de Gauss-Jordan para resolver el sistema para c , , c2, .. . c1(¡
3. Si el sistema tiene solamente la solución trivial, c, = 0, c2 - 0 .........ck = 0 , entorn o*
el conjunto S es linealmente independiente. Si el sistema también tiene solucio
nes no triviales, entonces S es Imealmcnte dependiente,
Observe que todo conjunto de vectores en un espacio vectorial es linealmcnte indep#

diente o linealmente dependiente. Por tanto, basta una sola verificación.
► Ejemplo 0 Comprobación de Independencia Lineal

Determine si el siguiente conjunto de vectores en P , es linealmcnte indepcmlicnlfl
dependiente.
V, V, v,
S={ I + .v-2.r\ 2 + 5.v-.v2..v + .r)
Solución: Al desaiT ollar la ecuación CjV, + c,v, + c.,v4 = 0 se obtiene
c,( I + x - l v 2) + í -,(2 + 5,v - .v2) + c,(.v + .v2) = 0 + 0.x + O.v2

(C| + 2c,) + (Cj + 5c, + c,).v + (—2('| —c, + cp.v“ = 0 + O.v + O.v~.
Al igualar los coeficientes que corresponden a potencias iguales de v se llega al signn ir

sistema homogéneo de ecuaciones lineales en e.. c,. > <K
c, + 2 c2 = 0
c , + 5 c , + c3 = 0
- 2 c , - c2 + c3 = 0
l,a matriz aum entada de este sistema se reduce por eliminación de Gauss-Jordan com o se
muestra a continuación.
1 2 0 0 I 2 0 0
1 5 1 0 0 I i 0
- 2 - 1 i 0 0 0 0 0
Lo anterior implica qucel sistema tiene infinidad de soluciones. Por consiguiente, el sistema
debe tener soluciones no triviales, por lo que se concluye que el conjunto S es lincalmente
dependiente. <4
► Ejemplo 10 Compmbíición de Independencia Lineal

Determine si el siguiente conjunto de vectores en M4 , es linealmente independiente o
dependiente
v l V2 V3 V4
1 1 0 0
0 1 3 1
5 =
-1 0 1 -1
0 2 _2 2
,Solución: A partir de la ecuación c,v, + e2v2 + c 3v3 + c4v4 = 0 se obtiene
1 1 0 0 0
0 i 3 1
= 0
+ c2 + C3 + C4
-1 0 i -1 0
0 2 -2 2 0
lista ecuación produce el siguiente sistema de ecuaciones lineales.
c ,+ C2 =0
C2 + 3c, + C4 = 0
-Ct +c3 - C4 = 0
2 c , - 2 c3 + 2 c 4 = 0
Aplicando eliminación de Gauss-Jordan se puede expresar la matriz aum entada de este

sistema com o se muestra a continuación.
1 I 0 0 0‘ i 0 0 0 '
0 1 3 1 0 0 3 1 0
1 0 1 -1 0 O 0 1 i 0
0 2 -2 2 0 0 0 ! 0
Por tanto, el sistema tiene solamente la solución trivial y se concluye que el conjunto S es
linealmente independiente. <
Si un conjunto de vectores es linealmente dependiente, entonces, por definición, la

ecuación
C1VI + C2V2 + • • • + C*V* = 0

tiene una solución no trivial (una solución para la cual no todos los c son iguales a ceno
Por ejemplo, si c, + 0, entonces se puede despejarv , de esta ecuación y escribirlo como
una combinación lineal de los dem ás vectores v2, v v ... y v¿. En otras palabras, el vectoi
v, depende de los demás vectores del conjunto. Esta propiedad es característica de un
conjunto linealmente dependiente.
Una Propiedad d e los Conjuntos U neaim ente D ependientes

{v , , v2, . . . , v k}, k fe 2, es Uneaimente dependiente sí y sólo si por
*: puede expresarse com o una com binación lineal de
Demostración: Para demostrar el teorema en una dirección, se supone que S c s un conjunto

linealmente dependiente. Entonces, existen escalares c,, c 2, ......... ck (no todos igualen
a cero) tales que
c ,v , + c2v2 + c3v 3 + • • • + ckvk = 0.
Debido a que uno de los coeficientes debe ser diferente de cero, ninguna generalidad mi
pierde al suponer c, ^ 0. Entonces, al despejar v, com o una combinación lineal de Ion
dem ás vectores se obtiene
C |V i = - C 2V2 - f 3V3 ---------- CkVk

c2 c,
v..
V' = " C
C, V2 " ~C,T V?
A la inversa, suponga que el vector v, en S es una combinación lineal de los dem¡i
vectores. Es decir,
V| = c2v 2 + C3V3 + • • • + Ckyk .
Entonces la ecuación - v , + c2v2 + + • ■• + ck\ k = 0 tiene por lo menos un coelicienlw

- 1 . diferente de cero, y se concluye que S es linealmente dependiente. %
► Ejemplo II Representación de un l eelor como uno (Jomhinocion Lineo; '<• t >n;11

Vectores
Fin el ejemplo 9 se determinó que el conjunto

S = {1 + .t - 2x2, 2 + 5.t - x 2, x + x2)
es linealmente dependiente. Demuestre que uno de los vectores de este conjunto puede
escribirse com o una combinación lineal de los otros dos.
Solución: En el ejemplo 9 se determinó que la ecuación CjV, + c2\ 2 + c3v 3 = 0 produce el

sistema
c, + 2 c-2 = 0
c, + 5 c 2 + c 3 = 0
-2c, - c2 + c3 = 0.
Fistc sistema tiene infinidad de soluciones, dada por c 3 - 3/, c 2 = - i y c, = 2/. Al hacer
l s. | se obtiene la ecuación 2v, - v, + 3v3 = ü. Por consiguiente, v2 puede escribirse com o
una combinación lineal de v, y v3 com o se muestra a continuación.
v, = 2vj + 3 v3
Al com probar se obtiene
2 + 5 x - x 2 = 2(\ + x - I x 2) + 3( jc + .v2)
= 2 + 2x - 4x2 + 3.v + 3*2
= 2 + 5 x - x 2. <
El teorema 4.8 tiene un corolario práctico que proporciona una prueba sim ple para
determinar si dos vectores son lincalmcntc dependientes. En el ejercicio 48 se pide que el
lector demuestre dicho corolario.
.. . íw ■' ' '_ ■ ' ' ■ ' ' .i: f ' S

Corolario tícl Teorem a 4,8
■ ■. V - V.. : " ■ ■
Dos vectores u y veri un espacio vectorial V son linealmente dependientes sí y sólo
si uno de ellos es un múltiplo escalar del otro.
► Ejemplo 12 Comprobación de lo Dependencia Lineal de Dos Vcclores

ti) El conjunto
Vl V2
S = ((1 .2 , 0). (-2 . 2, 1))
es linealmente independiente porque v | y v, no son múltiplos escalares entre sí, como

se observa en la ligura 4 I 3 al
b) El conjunto
V> V2
5 = {(4. - 4 , - 2 ) , (-2 , 2, 1))
es linealmente dependiente porque v, = - 2 v ,, com o se muestra en la figura 4.13 b)
FIGURA 4.13
a)
z
{(1.2,0). (-2. 2. 1)} £ = ( ( 4 . - 4 . -2 ). (-2 , 2. I)}

E l conjunto S es lineaimente El conjunto S es lineaimente
independiente. dependiente de V| = -2v2-

En los ejercicios del 1 al 4. determine cuáles vectores u. v y w pueden expresarse como
combinaciones lineales de los vectores en S.
1. 5 = { 2 .-1 .3 ) , ( 5 .0 .4 ) ) 2. 5 = ( ( 1 .2 ,- 2 ) . ( 2 . - I . 1)1
a) u = ( 0 ,- 5 , 7) a) u = (l. 17 -17)
b) v = (16, - i ? ) b) v = ( 3 . - * .2 )
c) >v = (3, 6. -2) c) w = (8. - 4 , 3)
3. S = {(2. 0 .7 ). (2. 4. 5). (2. -12, 13)) 4. ( ( 6 .- 7 , 8. 6). ( 4 ,6 .-4 .1 )}
a) u = (4 .-2 0 , 24) a) u = ( 0 , 2 , - 1 , 0 )
b) v = ( - 1 , 0 , 0 ) b) v = (32, - 1 12. 108,53)
C) w = (6, 24. 9) c) w = (25. - 4 , 13)
En los ejercicios del 5 al 10. determine si el conjunto S dado genera a R: En caso negali \ o.
proporcionar una descripción geométrica del subespacio generado por S.
5. S = {(2. 1), (-1. 2)) 6. 5 = {(5.0). (5. - 4 ) )
7. 5 = ((-3, 5)) 8. ó = | ( l . 3). ( - 2 .- 6 ) . (4. 12))
9. S= ((-1 ,2 ). ( 2 . - 4 ) ) 10. 5 = K -1 .4 ), (4 .-M . (I. D)

En los ejercicios del 11 al 16, determine si el conjunto S dado genera a R 3. En caso negativo,
dé una descripción geométrica del subespacio generado por S.
11. 5 = {(4. 7, 3), (-1 ,2 , 6), ( 2 ,- 3 . 5))
12. 5 = {(6. 7, 6), (3, 2 , - 4 ) , ( 1 ,- 3 . 2))
13. 5 = {(-2, 5.0). (4. 6, 3))
14. 5 = {(1,0, l ) , ( l , 1,0), (0, 1, 1))
15. 5 = { (1 ,-2 .0 ), (0,0, 1), ( - 1 ,2 .0 ) )
16. S = {(1,0. 3), (2, 0. -1), (4. 0, 5). (2. 0. 6))
En los ejercicios del 17 al 28, determine si el conjunto S es Encálmente dependiente o

independiente.
17. 5 = {(-2, 2), (3, 5)} 18. S = {(-2, 4), (1, -2))
19. S = {(0, 0), (1, -1)) 20. S = {(1. 0), (1, I), (2, -1))
21. 5 = { ( 1 ,- 4 , 1), (6, 3, 2)) 22. 5 = {(6,2, 1), ( - 1 , 3 , 2))
23. 5 = {(1, 1, 1). (2, 2, 2), (3, 3. 3))
24. 5 = { ( | . | . § ) . ( 3 . 4 . 2 ) , ( - | 16 .2 ))
25. 5 = { ( - 4 , -3 , 4). ( 1 ,- 2 , 3). (6, 0 , 0 »
26. S = {(1,0, 0), (0, 4. 0). (0, 0, - 6), (1. 5, -3))
27. 5 = {(4.-3, 6, 2), (1.8. 3. 1). ( 3 ,- 2 ,- 1 .0 ) )
28. 5 = {(0 .0 .0 , I ).( 0 ,0 , 1, l),(0, I. 1, ! ) , ( ! , 1, I, 1)}
En los ejercicios del 29 al 32, demuestre que el conjunto dado es linealmcnte dependiente al
hallar una combinación lineal no trivial (de vectores en el conjunto) cuya suma sea el vector
cero. Luego, exprese uno de los vectores del conjunto como una combinación lineal de los
demás.
29. 5 = ((3, 4), (-1, 1), (2, 0))
.10. 5 = {(2, 4), ( - 1 .- 2 ) . (0.6))
31. S= {(1. 1, 1). (1. 1.0). (0. 1. 1).(0.0, 1))
.12. S= {(1.2, 3. 4). (1.0. 1.2), (1.4. 5. 6))
.13. ¿Para qué valores de i los siguientes conjuntos son linealmcnte independientes?
a) S = { ( / , I. 1 ),(1 ,/. ] ) .( ] , 1./))
b) 5 = {(/. 1. 1). (1, 0. I ) , ( l , 1 .3 /»
34. ¿Para qué valores de / los siguientes conjuntos son linealmente independientes?
a) .V= {(/.().()), (0. 1.0). (0.0. 1))
b) S= { (/././).(/. 1.0). (/.0. I)|
35. Dadas las matrices
2 -3 0 5
y
J
B=
4 1 1 -2
en M 2 ,. determine cuáles de las siguientes son combinaciones lineales de A y B.
6 -19 6 2 -2 28 0 0
b) c) d)
10 7 9 11 1 -11 0 0
36. Determine si las siguientes matrices de M -,, forman un conjunto linealmente independuu
te.
1 -1 4 3 1 -8
B= C=
4 5 -2 3 22 23
37. D eterm ine cuáles de los siguientes con juntos en P , son linealm ente independientes
a) S = {2 - x, 2 x - x2 , 6 - 5x + x2 }
b) S = {a2 - 1, 2x + 5}
c) S = {a2 + 3.t + 1, 2v2 + a - 1, 4,v)
38. D eterm in e si el c o n ju n to S = (t2 - 2t, /3 + 8, f3 - t2, t2 - 4 1genera a Py
39. P o r inspección, determ ine p o r qu é c ad a uno d e los siguientes con juntos es linealmente
dependiente.
a) S = {(1, - 2 ) , (2. 3), (-2, 4)}
b) 5 = { ( 1 , - 6 , 2). ( 2 , - 1 2 , 4)}
c) 5 = { ( 0 ,0 ), (1 ,0 )}
40. C o m p lete la dem ostración del teorem a 4.7.
41. D em uestre qu e un subconjunto no vacío de un c o n ju n to finito de vectores linealmente

independientes es linealm ente independiente.
42. D em uestre que si 5, es un su bconjunto de S-, y 5", es linealm ente dependiente, eniuin o*
tam b ién 5 , es linealm ente dependiente.
43. D em uestre qu e cu a lq u ie r con jun to d e vectores qu e co ntenga al vector cero es linealnuntn

dependiente.
44. D ad o que ( i i ,, u , u j es un con jun to de vectores linealm ente independientes, pero

el conjunto j u , , . . . , u i)t v ) es linealm ente dependiente, dem u estre qu e v es untt
com b inació n lineal de los u ;.
45. El con jun to {(I, 2, 3). ( 1 ,0 , -2 ) , ( ~ 1 , 0, 2)) es linealm ente dependiente, pero ( 1 .2 . 3 1 nn
p u ede expresarse c o m o una com binación lineal d e (1, 0, - 2 ) y (- 1 . ü. 2). ¿P or que lo
anterior no co ntradice el teorem a 4.8?
46. ¿En q u é co nd icion es un conjunto q ue con sta d e un sólo v e c to re s linealm ente independien
te?
47. Sea S = {u, v) un conjunto linealmente independiente. D em uestre que el conjunto | ii i v,

u - v} es lineal m ente independiente.
Sección 4.5 fíase y Dimensión 231
48. Demuestre el corolario del teorema 4.8: Dos vectores u y v son linealmente dependientes
sí y sólo si uno es un múltiplo escalar del otro.
4.5 a Base y Dimensión

En esta sección se continúa el estudio de los conjuntos generadores. En particular, se con
siderarán conjuntos generadores (en un espacio vectorial) que sean linealmente inde
pendientes y que generen todo el espacio. Este tipo de conjuntos forma una base del
espacio vectorial.
conjunto de vectores S * {v , , v 2, . . . , v t } en t
base de V si se cum plen las siguientes condiciones.
1. S genera a V.
1: ;
2. S e s lin e a lm c
■■ ■■■■■■ .............
Observación: Esta definición establece que una base posee dos características. Una base
S debe tener suficientes vectores para generar a V, pero no tantos de m odo que uno de ellos
pueda escribirse com o una combinación lineal de los demás vectores en 5.
La definición anterior no implica que lodo espacio vectorial tiene una base que consta
de un núm ero finito de vectores. Sin embargo, en este texto, el análisis de bases está res
tringido a aquéllas que constan de un núm ero finito de vectores. Además, si un espacio
vectorial tiene una base que consta de un número finito de vectores, entonces V es de
d im en sió n finita. En caso contrario, V'cs de d im en sió n infinita. (El espacio vectorial P
de todos los polinomios es de dimensión infinita, así com o el espacio vectorial C (- ©o)
de todas las funciones continuas definidas sobre la recta real.)
► Ejemplo I L i liase Normal de k‘ :i

Demuestre que el siguiente conjunto es una base de /?3.
S = ((1 .0 . 0). (0, 1,0), ( 0 .0 . I)}

Solución: En el ejem plo 4 a) de la sección 4.4 se dem ostró que S genera a K \ Además, S
es linealmente independiente porque la ecuación vectorial
f , ( l , 0, 0) + <-,((), 1,0) + r,(0 . 0. 1) = (0, 0. 0)
tiene por solución solamente la trivial, c, = r , = = 0. (Intente com probar esto) Por
consiguiente. Ves una base de K' ^
La b a s e S = { (1, 0 , 0), ( 0 , 1,0), (O, O, 1)) se denomina base n o r m a l de R 3. Este resultado

puede generalizarse al espacio «-dimensional. Es decir, los vectores
e, = ( 1 , 0 , . . . , 0 )
e2 = (0, 1........... 0)
en = (0, 0 , . . . , 1)
forman una base de R" denominada b ase n o r m a l de A>n.

En los dos ejemplos siguientes se describen bases no normales de R 2 y / ? \
► Ejemplo 2 Una liase No Normal de R2

Demuestre que el conjunto
Vl V2
5 = { ( 1 , 1), ( 1 , - 1 ) }
es una base de R2.
Solución: De acuerdo con la definición de base de un espacio vectorial, se debe dcmostrai

que S genera a R2 y que S es linealmente independiente.
Para com probar que S genera a A’2, sea x = (a,, x 2) un vector arbitrario de R2. Para
mostrar que x puede expresarse com o una combinación lineal de v, y v,, se considera la
ecuación
C.v 1+ í-2v2 = x
c , ( l . 1) + C2(1, - l ) = ( x p X 2)
i r , + c 2, c , - c 2) = (a , , a 2).
Al igualar las com ponentes correspondientes se obtiene el siguiente sistema de ecuaciones

lineales.
c l +c2 = X\
t ' l — 1.'2 = A2
Dado que la matriz de coeficientes de este sistem a tiene un determ inante diferente de
cero, se sabe que el sistema tiene solución única. Por consiguiente, se concluye que V
genera a R2.
Para demostrar que S es linealmente independiente, se considera la siguiente combi
nación lineal.
c ,v , + t*2v2 = 0
0 , ( 1, I) + c2( 1, - 1 ) = (0, 0)
( c , + f 2 , c , - C2) = ( 0 , 0 )
Al igualar las com ponentes correspondientes se obtiene el siguiente sistema homogéneo.

Sección 4,5 Base y Dimensión 233
Como la matriz de coeficientes de este sistema tiene un determinante diferente de cero,

ÍP sabe que la única solución del sistema es la trivial, c ( = c2 = 0. Por lotanto, S es
linealmente independiente.
Así, S es un conjunto linealmente independiente que genera a R 2, y se concluye que es
iinu base R2. ^
► Ejemplo 3 Una Base No Normal de R

t 'on base en los ejemplos 5 y 8 de la sección anterior se sabe que
5 = {(1,2, 3). (0, 1,2), ( - 2 , 0 , 1))
Uniera a R2 y que es linealmente independiente. Por tanto, es una base de R*. 4
► Ejemplo 4 Una Base de los Polinomios

I )«niuestre que el espacio vectorial P y tiene la base siguiente.
S = {1, x , x 2, x3}
fjOllIClÓn: Es evidente que S genera a P x porque el espacio generado por S consta de todos
los polinomios de la forma
ciQ+ a ,a + «2r2 + üjX3, aQ, <¡r a2 y « 3 son reales,
iiuc es precisamente la forma de todos los polinomios en Py

Para verificar la independencia lineal de S, recuerde que el vector cero 0 en /J3 es el
polinomio 0(.v) = 0 para toda v. Por tanto, la prueba de independencia lineal produce la
Unción
aQ+ a |.v + a-yX2 + ciy\3 = 0(.v) = 0, para toda x.

|fíi’ dice que este polinomio de tercer grado es idénticamente igual a cero. Del álgebra se
be que para que un polinomio sea idénticamente igual a cero todos sus coeficientes
lien ser nulos; es decir, aQ= «, = a 2 = a3 = 0. Por tanto, S es linealmente independiente
, en consecuencia, es una base de Py ^
OllRCrvaciÓH: La base S = (1. .v, x 2, .r1) se denom ina b ase n o r m a l de P v De manera

■(nejante, la b ase n o r m a l de Pn es
S = {1, -v, .v2........... x").
► Ejemplo 5 Una Base de \l¿2

Mr puede verificar que el conjunto
1 0 0 1 0 o o o
ó'
0 0 o o 1 o o 1
una base M , Ese conjunto se denomina base n o r m a l de M 1 ,

Un uso importante de una base de un espacio vectorial es que sirve para representar todo
vector del espacio. A continuación se presenta un bello teorema que establece que para una
base dada esta representación es única.
Teorem a 4.9 Unicidad de la R epresentación d e la Base

. - ' , ■
Si S ~ {>,, v . , . . . , >n) es una base de un espacio vectorial V, entonces rodo vec

to r en V puede escribirse de una y sólo una forma com o com binación lineal de
vectores en S.
Demostración: La parte de existencia de la demostración es directa. Es decir, debido a que

S genera a Vy se sabe que un vector u arbitrario en V puede exp resarse com o u = r ,v ,
+ c-2v 2 + • • ■+ c,,v„.
Para demostrar la unicidad (que un vector dado puede representarse sólo de una
manera), se supone que u tiene otra representación u = ¿?,v, + b 2\ 2 + • • • + b \ n. Al restai
la segunda representación de la primera se obtiene
u - u = (c, - b l) \ ] + (c2 - b2)v , + • • • + (c;i - bn) \ n = 0.
Sin embargo, com o S es lineaimente independiente, entonces la única solución de esta

ecuación es la trivial,
c, -/■>, = (), c2 - b 2 = 0 .................. cn - bn = 0,

lo cual significa que c. = bj para toda / = 1 ,2 n. Por tanto, u solamente tiene una
representación para la base dada S. 4
► Ejemplo 6 Unicidad de la Representación de la liase

Sea u = («., /<->, f/3) cualquier vector en R \ Demuestre que la ecuación u = c ,v , + c 2v, i
c3v3 tiene solución única para la base S = {v (, v 2, v3) = {(1,2, 3), (0, 1, 2), (-2 , 0, I )).
Solución: Con base cn la ecuación
(«,, «2. u3) = c,( 1, 2 , 3) + c2(0, 1,2) + r 3(-2 , 0, 1)

= (c, - 2c3, 2 c , + c2, 3c, + 2c2 + c3),
se obtiene el siguiente sistema de ecuaciones.
- 2cit = “ 1 0 -2 c\ u\
2c, 4 c2 C2 = U2
1 0
3 c . + 2c-, + c , = w3 2 11V
C
Sección 4.5 Base y Dimensión 235
Com o la matriz A es invertible, se sabe que este sistema tiene una solución única dada por
C = A~]U. Al despejar A~] se obtiene
-1 4 -2
A~l = 2 - 7 4
-I 2 -1
lo cual implica que
c, = —m, + 4//2 - 2 m3
c2 = 2 u, - 7 m, + 4 m3
c3 = - M j + 2 m2 - «3.
Por ejemplo, el vector u = (1, 0, 0) puede representarse de manera única com o una com
binación lineal de v,, v , y v 3 en la forma siguiente.
(1. 0, 0) = - v , + 2v, - v 3
Ahora, se presentarán dos resultados primordiales concernientes a las bases.
Si 5 « {v,, v2, ..., vw} es una base de un espacio vectorial V, entonces todo conjunto
que contiene m ás d e « vectores en V es linealmcnte dependiente.
----- IM
Demostración: S eaó’, = { u , , u , U m } cualqu ier conjunto de m vectores en V, donde
m > n. Para dem ostrar que 5. es lineal mente dependiente, es necesario encontrar escalares
k v k2 km (no todos cero) tales que
* .u , + * ,u , + • • • + k u = 0. Ecuación 1
Dado que S es una base de V, se concluye que cada u, es una combinación lineal de vectores
en S, y se escribe
U | = C „ V | + C 2 1V2 + - - - + C 1| V ,
U2 = í:l2Vl + C22V2 + ' ' ■+ <’„2V,,
U
rn = C , ImV I. + C ,
2niV 2, + '- ’ + Cnn\ V n.
Al sustituir cada una de estas representaciones d e n en la ecuación 1 y reagrupando términos

se obtiene
i / . v | + í/2v , t c °
donde dj = c + c¡2k2 + ■• ■+ cjmkm. Sin em bargo los v¿ forman un conjunto linealmente

independiente, se concluye que cada d¡ = 0. Así, se obtiene el siguiente sistema de
ecuaciones.
c llk l + c l2k2 + - - - + c lmkm = 0

C2 1 ^ l + C 2 2 ^ 2 + ‘ ' + c 2 i» K i = 0
CJ \ + Cn 2 k 2 + • ’ ' + Cn J m = 0
Pero este sistema hom ogéneo tiene menos ecuaciones que variables k r k2 km y. poi
el teorema 1.1, se sabe que debe tener soluciones no triviales. Por consiguiente, 5, os
linealmente dependiente. ^
► Ejemplo 7 Conjuntos Linealm ente Dependientes en R y P3

a) Dado que R 3 tiene una base que consta de tres vectores, entonces el conjunto
S = { ( 1 ,2 , - 1 ) , (1, 1.0), (2. 3 .0 ), (5, 9 , - 1 ) )

debe ser linealmente dependiente.
b) Com o P3 tiene una base que consta de cuatro vectores, entonces el conjunto
S = { 1, 1 + x, I - x, 1 + x + x 2, 1 - x + x 2)
debe ser linealmente dependiente. <1
C om o la base de R" consta de n vectores, por el teorema 4.10 se concluye que lodo
conjunto de vectores en R" que contiene más de n vectores debe ser linealmente
dependiente. Otra consecuencia importante del teorema 4.10 se da en el siguiente teorema
T eorem a 4.1! Núm ero de V ectores en una Base

Si un espacio vectorial Atiene una base con «vectores, entonces toda base de Atiene
Demostración: Sea
5r ( v , v 2 vj
la base dada de V, y sea
cualquier otra base de V. Dado que 5! es una base y S2 es linealmente independiente,

entonces el teorema 4.10 implica que m ^ n. De manera similar, n < m porque 5, es
linealmente independiente y S2 es una base. Por tanto, n = m. 4
► Ejemplo 8 Conjuntos Generadores y liases

Aplique el teorema 4.11 para explicar por qué cada uno de los enunciados siguientes es
verdadero.
a) El conjunto 5, = {(3, 2, 1), ( 7 , - 1 , 4)} no es una base de /? \
b) El conjunto
S2 = {.v + 2, .v2, .v3 - 1, 3.v + 1, x2 - 2x + 3)
no es una base de Py
Solución:
o) La base normal de R? tiene tres vectores y tiene sólo dos. Por tanto, por teorema
4.11, Sj no puede ser una base de R}.
b) La base normal de Py S = { I , x, .r2, .r3}, tiene cuatro elementos. Así, por el teorema
4.11, el conjunto dado S-, tiene demasiados elementos para ser una base de Py 4
El análisis de conjuntos generadores, independencia lineal y bases lia conducido a un sitio

importante en el estudio de los espacios vectoriales. El teorema 4.11 establece que si un es-
pucio vectorial V tiene una base que consta de n vectores, entonces toda otra base del
espacio también consta de n vectores, til número n se denomina d im en sió n de V.
Definición de Dimensión d e un Espacio V ccioilal

Si un espacio vectorial V tiene una base que consta de n vectores, entonces el número
n se denom ina d im ensió n de P y se denota po r dim(V) = n. Si V consta solamente
del vector cero, entonces ía dim ensión de V se define com o cero.
La definición anterior permite observar lo siguiente acerca de las dimensiones de al

gunos espacios vectoriales conocidos. En cada caso la dimensión se determinó contando
simplemente el núm ero de vectores que hay en la base normal.
1, La dimensión de R" con las operaciones normales es //.

2. La dimensión de Pn con las operaciones normales es n + 1.
3 La dimensión de M m.ii con las operaciones
■ normales es mn.
Si IV es un subespacio de un espacio vectorial n dimensional, entonces se puede

demostrar que la dimensión de VVes finita y que la dimensión de VVes menoi o igual que n
En los tres ejemplos siguientes se considera una técnica para determinar la dimensión de
un subespacio. Básicamente, la dimensión se determina al hallar un conjunto de vectores
linealmente independientes que genere el subespacio. Este conjunto es una base del
subespacio; la dimensión del subespacio es el número de vectores que hay en la base.
► Ejemplo 9 Determinación de lo Dimensión de un Subespacio

Determ ine las dimensiones de los siguientes subespacios de /? \
a) VV= {(d, c, - d, c): c y d son números reales}

b) VV= [(2b, b, 0): b es un número real}
Solución; El objetivo en cada ejemplo es encontrar un conjunto de vectores linealmente

independientes que genere el subespacio.
a) Al escribir el vector representativo ( d, c, - d, c) com o
(d, c - d , c ) = (0, c, t \ ) + (d , - d, 0 )
= c(0, 1, 1) + r/(l, - 1 , 0),
se observa que VVes generado por el conjunto
S= {(0, 1, I), (1, - I , 0)}.

Con las técnicas descritas en la sección anterior se puede demostrar que este conjunto
es Encálmente independiente. Por tanto, es una base de VVy se concluye que VVcs un
subespacio bidimensional de
b) Al escribir el vector representativo (2b, b, 0) com o
(2b, b, 0) = b(2, 1,0),
se observa que VV' es generado por el conjunto S = [(2, 1,0)}. Así, VVes un espacio
unidimensional de /ó\ 4
► Ejemplo 10 Determinación de lo Dimensión de un Subespocio
Encuentre la dimensión del subespacio W dc R4 generado por
.S = { ( - 1 ,2 , 5 ,0 ) , (3, 0, 1 ,-2 ), ( - 5 , 4 . 9 , 2)}.
Solución: Aunque VVes generado por el conjunto 5, éste no es una base de VV'porque es un
conjunto Encálmente dependiente. En particular, v , puede expresarse com o una eomhi
nación lineal de v, y v , en la forma siguiente.
Esto significa que VVes generado por el conjunto 5, = ( v |( v , } Además, ó', es Encalme un
independiente, ya que ningún v ecto res un múltiplo escalar de otro, así se concluye ijtu
la dimensión de VVes 2. 4
► Ejemplo II Determinación de la Dimensión de un Subespacio

Sea Wel subespacio de todas las matrices simétricas en M2 r ¿Cuál es la dimensión de VV?
Solución: Toda matriz simétrica 2 x 2 es de la forma
a b _ a 0 0 b 0 0
+ +
b c 0 0 b 0 0 c
0 I + c 0 0
= a 1 0 + b
0 0 1 0 0 1
Por consiguiente, el conjunto

1 0 0 1 0 0
t
0 0 1 0 0 1
genera a VV. Además, puede demostrarse que S es linealmente independiente, y se concluye

que la dimensión de VVes 3. ^
Por lo general, para concluir que un conjunto S = {v (, v 2, . . . , v;i} es una base de un

espacio vectorial V es necesario saber que S satisface dos condiciones: que S genera V y
es linealmente independiente. Sin embargo, si se sabe que V/ tiene una dimensión de n.
entonces el siguiente teorema establece que no es necesario verificar ambas condiciones.
Hasta com probar una de las dos. La demostración se deja com o ejercicio para el lector.
(Véase el ejercicio 60.)
Teorem a 4.12 Com probación de Base en un Espacio ^D im ensional

Sea V un espacio vectorial de dimensión n
j.Si § - {Vj, v , v (} es un conjunto de vectores linealmente independientes

p en V, entonces S es una base de V*.
2. Si S w ( v t, v2, . . . , v () genera a V, entonces S e s una base de V.
► Ejemplo 12 Verificación de liase en un Espacio ii-Dimensional

D e m u e s tr e cine el s ig u ie n te c o n j u n to d e v e c to re s es u n a b a s e A/,
v. vd v. v s
v l
1 0 0 0 0
2 1 0 0 0
S = -I 3 , 0 0
t *)
-1 0
4 3 s
Solución: C om o S consta de cinco vectores y la dimensión de , es cinco, se puede aplicai

el teorema 4.12 para verificar que S es linealmente independiente o que S genera a t
Para demostrar lo primero, se forma la ecuación vectorial
c ,v , + c ,v 2 + c3v3 + c4v4 + c5v 5 = 0,
que produce al siguiente sistema homogéneo de ecuaciones lineales
=0
2c + c2 =0
—c + 3c2 + 2c3 = 0
3c - 2 c2 - c3 + 2 c4 =0
4c - 3 c0 + 5 c 3 - 3 c4 - 2 c 5 = 0
C om o la única solución de este sistema es la trivial, S debe ser linealmente independienu

Así, por el teorema 4.12, S es una base de jV/5
Sección 4.5 ▲ E jercicios
En los ejercicios del 1 al 4, escriba la base normal para el espacio vectorial dado.
1. R*' 2. M,
' 4,1
3. M ja 4. P.
En los ejercicios del 5 al 8, explique por qué S no es una base de H2.
5. 5 = {(1. 2). (1, <)).((), I)}
6. S = {(- 4, 5), (0, 0)}
7. ó '= {(6.-5), (12.-10)}
8. S= {(-3.2)}
En los ejercicios del 9 al 12, explique por qué S no es una base de P2.
9. ,V= {(1.3. 0), (4. 1.2). (-2, 5.-2)}
10. S = {(7.0. 3). ( 8 . - 4 , I)J
11. S= {(0.0.0). ( 1 .0 ,0 ), (0. 1.0)}
12. S= {(6.4. I ). (3. -5. I ), (8, 13.6). (0.6.9)}
En los ejercicios 13 y 14, explique por qué S no es una base de / \
13. .S= {1.2r..»: -4. 5v)

14. 5 = (1 - -V. 1 - V2. 3 .V2 - 2» - I }
En los ejercicios 15 y 16, explique por qué S no es una base de A/,

i1 0
ni n0 11
1
15. S = t
0 1 1
16. 5 =
1 0 0 1 1 0 8 -4
|o 0 1 °. 0 1 -4 3
En los ejercicios del 17 al 20. determine si el conjunto {v , . v,) es una base de Kz.
17. y 18. y
Ii
V|
-1 V2
19. y
En los ejercicios del 21 al 26, determine si S es una base del espacio vectorial indicado.
21. S= {(3,-2), (4, 5)1 para R2
22. S= {(1.5, 3), (0, 1,2), (0.0. 6)) para K'
23. S= { (0 ,3 .-2 ). (4. 0 .3 ). (-8 . 15,-16)) p a ra /í'

24. .9= {(0.0.0). ( 1 .5 ,6 ). (6, 2. I)) para A’3
25. 5= {(-1.2. 0. 0). (2. 0, - 1 .0 ) . (3. 0. 0, 4). (0, 0.5.0)) para K'
26. S= {(1 .0 ,0 , 1). (0,2, 0.2). (1.0, I, 0). (0. 2, 2.0)) para ft'
En los ejercicios 27 y 28, determine si S es una base de M ,

2 0 0 I 0 I
27. .V=
0 3 0 3 2 2 0
1 2 2 -7 4 -9 12 -16
28. 5 =
-5 4 6 2 11 12 17 42
En los ejercicios 29 y 30. determine si S es una base de Py
29. 5 = {/3 - 2 í 2 + l , / 2 - 4 . t3 + 2t,5t)
30. S = {4r - r2. 5 + r \ 3/ + 5. 2r3 - 3r2}
En los ejercicios del 31 al 34, determine si S es una base de Ri. Si es así escriba u = (8, 3, 8)
como una combinación lineal de los vectores en S.
31. 5 = { (4 . 3. 2). (0 .3 , 2). (0 .0 . 2)}
32. 5 = {(0 .0,0 ). (1.3. 4). (6. 1,-2))
33. S = { ( § ,§ , 1), ( 1 , | , 0), (2, 12,6))
34. 5 = {(1,4, 7), (3,0, i), (2. 1.2))
En los ejercicios del 35 al 38, determine la dimensión del espacio vectorial dado.
35. R6 36. R
37. P , 38. M 2.3
39. Determine una base de Z>3 3 (el espacio vectorial de todas las matrices diagonales 3 x 3 1
¿Cuál es la dimensión de este espacio vectorial.
40. Encuentre una base del espacio vectorial de todas las matrices simétrica 3 x 3. ¿Cuál es
la dimensión de este espacio?
41 Determine lodos los subconjuntos del siguiente conjunto que forma una base de R2.
S = {(1,0), (0, 1),(1, 1)}

42. Determine todos los subconjuntos del siguiente conjunto que constituye una base de R '
5 = { ( 1 ,3 , - 2 ) , ( - 4 . 1. 1). (-2, 7 , - 3 ) , (2. I, 1))
43. Encuentre una base de R2 que contenga al vector (1,1).
44. Determine una base de R3 que contenga al conjunto S = {(1, 0, 2), (0, 1. 1)).
En los ejercicios 45 y 46, a) dé una descripción geométrica, b) encuentre una base y c) de

termine la dimensión del subespacio VVde R2.
45. VV= {(2/, t): t es un número real)
46. W = {(0, /). t es un número real)
En los ejercicios 47 y 48, a) dé una descripción geométrica, b) encuentre una base y c) dr

termine la dimensión del subespacio IV y R \
47. VV = { ( 2 r. /. - / ) : t e s un n ú m e ro r e a l )
Sección 4.6 Rango de una Matriz y Sistemas de Ecuaciones Lineales 243
48. W = {(2s - t, s, t ): s y t son un números reales}
En los ejercicios del 49 al 52 encuentre a) una base y b) la dimensión del subespacio W de R*.
49. W= {(2s - t, s, t. s): x y / son un números reales)
50. W= {(5/ - 3 1, /, /): t es un número real}
51. W= {(0. 6/, r. -/): t es un número real J

52. W= {(.s + 4t, t, s, 2s - r): s y t son un números reales)
En los ejercicios del 53 al 56. determine si la proposición dada es falsa o verdadera. Justifique
su respuesta.
53. Si dim(V) = n, entonces hay un conjunto de n - 1 vectores en V que generan a V.
54. Si dim(V) = n, entonces hay un conjunto de n + I vectores en V que generan a V.
55. Si dim(V) = n, entonces cualquier conjunto de n + 1 vectores en V debe ser dependiente.
56. Si dim(V) = n, entonces cualquier conjunto de n - 1 vectores en V debe ser independiente.
57. Demuestre que si S = {v,, v2 v<() es una base de un espacio vectorial V y c e s un esca
lar no nulo, entonces el conjunto ó’, = |c v |t cv2 c v j también es una base de V.
58. Demuestre que el espacio vectorial F de todos los polinomios es de dimensión infinita.
[Sugerencia: Suponga que es de dimensión n y luego demuestre que n polinomios no pue
den generar a F.\
59. Demuestre que si W es un subespacio de un espacio vectorial V de dimensión finita,
entonces la dimensión de W es menor o igual que la dimensión de V.
60. Demuestre el teorema 4.12.
4.6 ▲ Rango de una Matriz y Sistem as de Ecuaciones l ineales

En esta sección se estudia el espacio vectorial generado por los v ecto res re n g ló n (o por
los v ecto res c o lu m n a ) de una matriz. Luego se demuestra cóm o se relacionan estos
espacios con las soluciones de sistemas de ecuaciones lineales.
Se empieza con algo de terminología. Para una matriz A m x n, las n-adas correspon
dientes a los renglones de A se denominan v ectores reng lón de A.
R e n g lo n e s ve cto res d e A
Mí 12 ■ni 2. • • • . “ !„>
a 21 a 23 a 2« ((¡21. ‘ i rtj,,)
A=
ani 1 am i a la
' >n I ' m i' '
a m u )'
De manera similar, las m-adas correspondientes a las colum nas de A se denominan

vectores colum na de A.
Columna vectores de A
*»> *12 (*11' *21’ ’ *»i I)

*21 *22 (*12’ *22' ’ *m2^
lllfl
üm% 2
a.mn í*ln* *2/i’ " ' ’ *»nJ
► Ejemplo I Vectores Renglón y Vectores Columna

Para la matriz
0 1 -1
A=
-2 3 4
los vectores renglón son (0, 1, - 1 ) y (-2, 3 ,4 ). y los vectores colum na son (0, -2 ), ( .o
y (-1 .4 ). 4
En el ejemplo 1, observe que para una matriz A m x n los vectores renglón son vectores
en Rn y los vectores colum na son vectores en R"'. Esto conduce, a la siguiente definición
de espacio renglón y espacio colum na de una matriz.
Definid
Sea A una matriz m x n
1. El espacio renglón de A es el subespacio de R? generado por los vectores
renglón de
2. El espacio colum na de A es el subespacio de / T generado por los vectores co
lum na de A.
C om o resulta ser, los espacios renglón y colum na de A comparten muchas propiedades

Sin embargo, debido al conocimiento que se tiene sobre las operaciones elementales en
los renglones, se em pezará por considerar el espacio renglón de una matriz Recuerde qur
dos matrices son equivalentes por renglones si una puede obtenerse a partir de la otra il
aplicar operaciones elementales en los renglones. El siguiente teorema establece que l.u
matrices equivalentes por renglones tienen el mismo espacio renglón.
Si una matriz A m X n es equivalente por renglones a una matriz B m x n , entonces

el espacio renglón de A es igual al espacio renglón de B
— - — - ......
Demostración: C om o los renglones de B pueden obtenerse a partir de los renglones de A

mediante operaciones elementales en los renglones (multiplicación por un escalar y
suma), se concluye que los vectores renglón de B pueden expresarse com o una com bina
ción lineal de los vectores renglón de A. Por tanto, los vectores renglón de B pertenecen
al espacio renglón dé .4 y el suhespacio generado por los vectores renglón de B está
contenido en el espacio renglón d e ,4. Pero también es cierto que los renglones d c /t pueden
obtenerse a partir de los renglones de B mediante la aplicación de operaciones elementales
en los renglones. Por tanto, se puede concluir que los dos espacios renglón son subespacios
entre sí y, por consiguiente, son iguales. ^
Observación: Nótese que este teorema establece que el espacio renglón de una matriz no
se modifica por la aplicación de operaciones elementales en los renglones. Sin embargo,
éstas pueden modificar el espacio columna.
Si la matriz B está en forma escalonada, entonces sus vectores renglón diferentes de

cero constituyen un conjunto linealmente independiente. (Intente com probar lo anterior).
En consecuencia, forman una base del espacio renglón de B y por el teorema 4 . 13, también
forman una base del espacio renglón de A. Este resultado importante se plantea en el
siguiente teorema.
. ----------------------------------------------------------------------------------------------------
Teorem a 4.14 Base p ara el Espacio Renglón d e una M atriz

Si una matriz A es equivalente por renglones a una matriz R que está en forma
escalonada, entonces los vectores renglón de ¡i diferentes de cero forman una base
del espacio renglón de A.
-----------— ------- £__ i_____
► Ejemplo 2 Determinación de una liase para ttn Espacio Renglón

Encuentre una base para el espacio renglón de
1 3 1 3
0 1 2 0
3 0 7 -1
3 4 1 1
2 0 _2 _2
Solución: Mediante las operaciones elementales en los renglones, A vuelve a escribirse en

form a escalonada com o se muestra a continuación
1 3 1 3 ' wi
0 1 2 0 ",
0 0 1 -1 W3
0 0 0 0
0 0 0 0
P o r el teo rem a 4 .1 4 se co n clu y e que los vectores reng lón de II d ife ren tes de cero,
w , = ( 1 , 3 , 1.3), w , = ( 0 ,1 ,2 .0 ) . y w 3 = (0 ,0 , 1 ,-1 ), form an una base del espacio rcngli>n
de A. -i
La técnica usada en el ejemplo 2 para determinar el espacio renglón de una matriz puede
usarse para resolver el siguiente tipo de problema. Suponga que se pide determinar un.»
base del subespacio generado por el conjunto S= {v , , v 2 .} en R". Al usar los vcctoro
en S para formar los renglones de una matriz A se puede aplicar las operaciones
elementales en los renglones para volver a escribir A en forma escalonada. Los renglones
diferentes de cero de esta matriz constituirán entonces una base del subespacio generado
por S. Esto se demuestra en el ejemplo 3.
► Ejemplo 3 Delcrin i unción de una liase de un Subespacio

Encuentre una base del subespacio de R ' generado por
5 = { ( - 1 ,2 , 5), ( 3 ,0 , 3), (5, 1,8)}.
Solución: Se empieza por usar v ,, v, y v3 para formar los renglones de una matriz A Luegi»,
A se escribe en forma escalonada com o sigue.
-1 2 5 V, 1 -2 - 5 ■ wl1
A= 3 0 - 3 0 1 3 M2
5 1 8 vi 0 0 0
Por consiguiente, los vectores renglón de B diferentes de cero, w, = (1, - 2 , -5 )y w , = (0,

1,3). forman una base del espacio renglón de A. Es decir, forman una base del subespacio
generado por S = {v , , v2, v3). ^
Para encontrar una base del espacio columna de una matriz A se usa el hecho tic qucl
el espacio colum na de A es igual al espacio renglón de A'. Esto se dem uestra en i*|
ejem plo 4.
► Ejemplo 4 Determinación de una liase del Espacio Columna de una Matriz

Determine una base del espacio columna de la matriz A dada en el ejem plo 2
1 3 1 3
0 1 2 0
A = -3 0 7 -1
3 4 1 1
2 0 -2 -2
Solución: Se empieza por considerar la transpuesta de A y, luego, aplicar las operaciones
elementales en los renglones para volver a escribir A 1en forma escalonada.
1 0 -3 3 2 1 0 -3 3 2 vv,
3 i 0 4 0 0 1 9 - 5 _ -ó w.
A' =
1 2 7 1 -2 0 0 1 -1 -1
3 0 -1 1 -2 0 0 0 0 0
Así, w , = ( 1 , 0 , - 3 , 3, 2), w , = (0, 1, 9, - 5 , -ó ), y w 3 = (0, 0, 1, - I , - 1 ) forman una base
del espacio renglón de A', lo que equivale a afirm ar que forman una base del espacio
colum na de A. -4
En los ejemplos 2 y 4, observe que tanto el espacio renglón com o el espacio colum na
de A tienen dimensión igual a 3 (ya que en am bas bases hay tres vectores). El siguiente
teorema establece que el espacio renglón y el espacio columna de una matriz siempre
tienen la misma dimensión.
T « n ia 4 f) I& p a e ío s d e ÍR cm glO fw ísy la s I g u a t e rH rn é n s io ii^

SÍ A u a a matrte m y « , entonces e l espació d e l renglón y el espacio d e la columna
de'A tienen la m isma dimensión.
• . ' ■' . ■ ..
■¿— I................. ..... ....... ......
Dcmoslraciófl: Sean v, y v2, . . . y \ m los vectores renglón y u ,, u 2, . . . y u ;i los vectores

columna de la matriz
12 Wi
22 2/i
A =
a .. a
Suponga que el espacio renglón de A es de dimensión r y que tiene una base S = ( b ,, l>2,
— I>r ) donde b. = (bt biV — hln). Con esta base, se pueden escribir los vectores renglón
tic A como
v l = c l i b l + c l2b 2 + ' - - + c l r b r
V 2 = C2 l b l + C22b 2 + - - + C 2rb r
v m = c mi, b I, + c tu,l b ,2 + • • • + cnir b r.
Luego, si se hace c ( = ( c , , c 2¡, . . . . cm¡), entonces se puede dem ostrar que este sistema de
ecuaciones vectoriales es equivalente al siguiente sistema
Ul = l C l + ^ 2 l C2 + ‘ + b r \ Cr
U 2 = ^ | 2 C 1 + h 22C 2 + • ' ' + b r2Cr
u /i = b l/i
, c ,1 + b~c^
2» 2
+--+ b rn
e r.
Com o cada vector colum na de A es una combinación lineal de r vectores, se sabe que la
dimensión del espacio colum na de A es m enor o igual que r (la dimensión del espacio
renglón de A). Es decir.
dim( espacio colum na de A) < dim(espacio renglón de A).
Al repetir este procedimiento para A' se puede concluir que la dimensión del espacio
colum na de A' es menor o igual que la dimensión del espacio renglón de A'. Pero esto
implica que la dimensión del espacio renglón de A es menor o igual que la dimensión del
espacio colum na de A. Es decir,
dim( espacio renglón de A) ^ dim(espacio colum na de A).
Por consiguiente, ambas dimensiones deben ser iguales. 4
La dimensión del espacio renglón (o columna) de una matriz tiene el siguiente nombn
especial.
—
M I
. Y '■ ■■
l a dimensión del espacio renglón (o colum na) de una matriz A se llama r a n g o de

■/.'> •:% \ v - . ‘. v : . : ; . »••• *>• . :•*
| A y se denota por rango (A). :V ■ >>#!
mm
Observación: En algunos textos se distingue entre el rango renglón y el rango columna <le
una matriz. .Sin embargo, debido a que estos rangos son iguales (teorema 4.15). en este
texto no se establece ninguna distinción entre ambos.
) Him plo 5 Determinación del Rango de una Matriz

p tiiim lrc el rango de la matriz
1 -2 0 1
A= 2 1 5 -3
0 1 3 5
itllliióll: La matriz dada se convierte a la forma escalonada com o sigue:
1 -2 0 1 1 -2 0 1
A= 2 1 5 -3 c > B= 0 1 1 -1
0 1 3 5 0 0 1 3
Ijunio // tiene tres renglones diferentes de cero, entonces el rango de A es 3. <
itilliüloncs de Sistem as de Ecuaciones Lineales

■|N i oitccptos de espacios, renglón, colum na y rango algunas veces tienen aplicaciones
■jlt'iQKitntes a sistemas de ecuaciones lineales, por lo que el resto de la sección se dedica
■llft aplicaciones.
I IInsta el m om ento en este texto, la notación matricial AX = B se ha utilizado para
H f o s c n tn r al sistema de ecuaciones lineales
’«ll «12 «1,, ' ' *1 ' ' b \ '
«21 «22 " ' «2/. *2 b2
«mi «m2 ••• «™,

• « . b"' .
Btbltnfoargo, a partir de este momento a menudo será conveniente representar este sistema
¿i'F
A x = b,
■- ■.b ). Además, cuando sea importante recalcar

d u n d o x » (.v,,.r0, • • • ,.v(i) y b = (¿>,, ¿>2,
ultiplicación matricial implicada por la ecuación A x = b, x y I» se representarán com o
BbtlticeK n x I y m x 1, respectivamente
| I .a notación Ax = b permite concebir el conjunto solución del sistema com o un
Hphcoiijunto de R" Las soluciones de estos sistemas se escriben com o u-adas y se
^ n i u m i i m n vecto res solución.
I I il plguicntc teorema importante establece cpie para una matriz A ni x n el conjunto de
las soluciones del sistema h o m o g é n e o Ax = 0 es un subespacio de R"
T eorem a 4.16 Soluciones de un Sistem a Homogéneo

Si A es una matriz d e m x / i . entonces el conjunto de todas las soluciones del sistema
Demostración: Dado que A es una matriz m x n, se sabe que el orden de x es n x 1. Asi.

el conjunto de todas las soluciones del sistema es un subconjunto de R". Es claro que este
conjunto es diferente del vacío, ya que A0 = 0. La comprobación de que es un subespacio
se lleva a cabo al demostrar que es cerrado bajo las operaciones de suma y multiplicación
escalar. Sean x, y x2 dos vectores solución del sistema Ax = 0 y sea c un escalar. Conu»
Ax, = 0 y Ax0 = 0, se sabe que
A(x. + x7) = Ax. + Ax, = 0 + 0 = 0 Suma
A (ex,) = c(Ax,) = c(0) = 0. Multiplicación escalar
Así, tanto (x, + x2) como c.x, son soluciones de Ax = 0, y se concluye que el conjunto di
soluciones forma un subespacio de R". ^
Observación: El espacio solución de Ax = 0 también se denomina esp acio nulo de la matriz

A. Además, la dimensión del espacio solución de Ax = 0 se denom ina n u lid a d de A.
► Ejemplo 6 Determinación del Espacio Solución de un Sistem a I lomogeneo

Determine el espacio solución del sistema Ax = 0 para la siguiente matriz.
1 0 - 2 1
A= 3 1 - 5 0
1 2 0 - 5
Solución: Se em pieza por hacer transformaciones elementales en los renglones para e s a i

bir la matriz aumentada (A : 0 | en forma escalonada reducida com o se muestra a
continuación
i 0 -2 1 0 ' i 0 -2 1 0
[ A ; 0] = 3 1 -5 0 0 0 1 1 -3 0
1 2 0 -5 0 0 0 0 0 0
El sistema de ecuaciones correspondiente a la forma escalonada reducida es

Con .t3 y x A com o variables libres, se pueden representar las soluciones en la siguiente
forma paramétrica
x, I=—2 s - t , x, —
-»2 = - -s +• -•>
3/, X,3 = s.
-v x4 = t
Esto significa que el espacio solución de A x = 0 consta de todos los vectores solución x
de la forma
’ V1 ’ ‘ 2s- t ' ‘ 2‘ - r
x= X2 = - s + 3 1 = s -1 + / 3
= .VU, + tu r
s + Ot 1 0
*3
O
0 1
+
- ' V4 -
J
Por tanto u , = (2, - 1 , 1.0) y u , = (-1, 3,0, 1) forman una base y se concluye que el espacio
solución de Ax = 0 es un subespacio bidimcnsional de R4. (Com pruebe lo anterior para ver
que, en efecto ti, y u , son vectores solución del sistema dado). <
En el ejemplo 6 el rango de la matriz y la dimensión del espacio solución están rela

cionados como se muestra a continuación.
Dimensión def Número de

espacio solución variables
2 = 4 - 2 ^
Esta relación se generaliza en el siguiente teorema.
Si A es una matriz m x n con rango r, entonces la dimensión del espacio solución de

Ax O es n - r.
k í — — — — .............— —
Demostración: Com o el rango de A es r, se sabe que es equivalente por renglones a una

matriz fí escalonada reducida que tiene r renglones diferentes de cero. Sin pérdida de
generalidad, se supone que la parte superior izquierda de B es de la forma de la matriz
identidad ¡r r x r. Además, debido a que los renglones cero de B no contribuyen en
absoluto a la solución, se pueden descartar para obtener la matriz B' r x n, donde B' = \lr
: CJ. La matriz C tiene n - r columnas que corresponden a las variables xr + x, x r +l .........
xn. Así, el espacio solución de Ax = 0 puede representarse por el sistema
x, + C’ l l ' r + I + ¿‘ i r Cr + 2 +
C2lXM I + C2TXr+2 • + c 2, . l i - r X ii = 0
*2 +
X + c ,.v
l '.l I+ AM ■f C II
Al despejar las r primeras variables en términos de las n - r últimas variables, se obtienen

n - r vectores en la base del espacio solución. En consecuencia, la dimensión del espacio
solución es n - r. <
Observación: El teorema 4.17 a menudo se expresa com o rango + nulidad = n.
El siguiente ejem plo ilustra el planteamiento y la demostración del teorema 4.17.
► Ejemplo 7 La Dimensión del Espacio Solución

Determ ine la dimensión del espacio solución del siguiente sistema hom ogéneo de
ecuaciones lineales.
.*, - .*, + 2*3 + 3.*4 + ,*5 = 0

2*j - -*, + -*3 + 2x4 + x 5 = 0
3.*, - 2*3 + a 4 + 2 *5 = 0
—.*1 - 2.x2 + 6*3 + 5.*4 =0
Solución: La matriz de coeficientes de este sistema tiene la siguiente forma escalonada

reducida.
1 0 0 3 2
0 1 0 8 5
0 0 1 4 2
0 0 0 Ü 0
Por tanto, la matriz de coeficientes A tiene un rango igual a 3 y, por el teorema 4.17. se
sabe que la dimensión del espacio solución es 5 - 3 = 2. 4
Ahora se sabe que el conjunto de todos los vectores solución del sistema homogéneo
Ax = 0 es un subespacio. ¿También es cierto lo anterior para el conjunto de todos los
vectores solución del sistema no homogéneo Ax = l>, donde b ^ 0? La respuesta es “no"
porque el vector cero nunca es solución de un sistema no homogéneo. Sin embargo, hay
una relación entre el conjunto de soluciones de los sistemas Ax = 0yA x = b. Específicamente,
si xês una solución particular del sistema no homogéneo Ax = b, entonces toda solución
de este sistema puede expresarse como
x = xp + xh,
¡ É ih 1 ÍÉ olucíón
Solución
donde xh es una solución del sistema hom ogéneo correspondiente Ax = 0 Este residí.id<
importante se establece en el siguiente teorema.
T eorem a 4.1 8 Soluciones d e un S istem a Lineal No Homogéneo

: ■' : ' :>■ . v ••• ■ • ‘ '• ' ' ' ' •• ■ ■
Si xp e s u n a solución particular del sistema no homogéneo Ax = b,enton ces toda so

lución de este sistema puede escribirse en la forma x - x p + xh, donde xAes una sol u
ción del sistema hom ogéneo Ax ~ 0 correspondiente.
- .I ................ . »■ ■ ■ .« ..<< I— . . ■■■■■■■. ■. .■ ■ .V J . . .........
Demostración: Sea x cualquier solución de A x = b. Entonces (x - xp) es una solución del

sistema hom ogéneo A x = 0. ya que
A(x - xp) = A x - A xp = b - b = 0.
Al hacer x/( = x - xp, se tiene x = xp + x/(. A
► Ejemplo 8 Determinación del Conjunio Solución de un Sistem o No Homogéneo

Determ ine el conjunto de todos los vectores solución del siguiente sistema de ecuaciones
lineales.
.v, - 2xj + *4 = 5
3.v, + x 2 - 5.v3 + = 8
.v, + Zv2 - 5x4 = - 9
Solución: La matriz aum entada del sistema Ax = b se reduce com o sigue.
1 0 -2 1 5' 1 0 -2 1 5'
3 1 -5 0 8 0 1 1 -3 -7
c >
1 2 0 -5 -9 0 0 0 U 0
El sistema de ecuaciones lineales correspondiente a la matriz escalonada reducida es
.v, -2.v3+ *4 = 5
x 2 + x 3 - 3.v4 = -7 .
Si x y = s y xA = t. se puede escribir un vector solución representativo de Ax = b com o se

muestra enseguida.
' vi ‘ ' 2s - t + 5 ' r ■>! ’- r ' 5'

x= V2 _ -5 + 3/ - 7 = V -1 + 1 3
+
-7
•V3 s + 0t + 0 1 0 0
0 1
0
0
+
+
- r4-
i
•
Al com parar esta respuesta con la del ejemplo 6 se observa que x.r es un vector solución
particular tle Ax = b; \ /t - .\u( + /ti, representa un vector arbitrario en el espacio so lu
ción de Ax = (> A
El último teorema de esta sección describe cóm o se puede usar el rango de una m a t r i z
para determ inar el número de soluciones de un sistema de ecuaciones lineales. La
demostración de este teorema se deja com o ejercicio para el lector. (Véase el ejercicio 4 5 .1
Sea A x = b un sistema de ecuaciones lineales en n variables.
1. Si rango (A) « rango ((4 t b]) « n, entonces el sistema tiene solución única.
2. Si rang o (A) * rango ((A : b}> < n> entonces el sistem a tiene infinidad de
soluciones.
3. Si rango (A) < rango ([A : bj), entonces el sistema no tiene solución.
Observación: Este teorema establece que el sistema Ax = b es consistente sí y sólo si el

rango de A es igual al rango de [A • bj. Esto equivale a decir que el sistema Ax = b es
consistente (tiene por lo menos una solución) sí y sólo si 1) pertenece al espacio colum
na de A.
► Ejemplo 9 Comparación de Tres Sistem as Distintos

Determine cuántas soluciones tiene cada uno de los siguientes sistemas de ecuaciones
lineales.
a) x, + a 2 - jc3 = - 1 b) r, + x 2- x3 = - 1 c) .t, + x2- x3= - 1

a:, + .v3 = 3 a-, + a3 = 3 Aj + x ^ = 3
a , + 2a2 = I 3a , + 2 a 2 - a 3 = 1 2a , + a , = 1
Solución:
a) Este sistema es consistente, ya que el rango de la matriz de coeficientes es igual A

rango de su matriz aumentada.
1 0 0'
A= 1 0 1 0 I 0
1 2 0 0 0 I
1 1 -1 -f 1 0 0 f
[A i b] = 1 0 1 3 0 1 0 0
c >
1 2 0 1 0 0 1 2
Además, este sistem a tiene solución única porque el rango de A es igual al ruimem
de variables.
b) Este sistema también es consistente, ya que el rango de su ivatri/ de coeficientes ■

igual al rango de su matriz aumentada.
1 1 - 1 1 0 1
A= 1 0 1 0 1 _2
3 2 0 0 0
'1 1 - 1 -1 1 0 1 3
[-4 b] = 1 0 1 3 0 1 _2 -4
3 2 -1 1 0 0 0 0
Además, este sistema tiene infinidad de soluciones porque el rango de A es m enor que
el número de variables.
c) Este sistema es inconsistente (no tiene soluciones) porque el rango de su matriz de

coeficientes es m enor que el rango de su matriz aumentada.
1 1 -1' 1 0 f
A= 1 0 1 0 1 -2
2 1 0 0 0 0
1 1 -I -1 1 0 1 0
b] = 1 0 1 3 0 1 -2 0
2 1 0 1 0 0 0 1
Sistem as de Ecuaciones Lineales con M atrices de Coeficientes C uadradas

El último resultado de esta sección resume varios resultados importantes que implican sis
temas de ecuaciones lineales, matrices, determinantes y espacios vectoriales.
W ': '‘ . • . - -
Resum en d e Condiciones Equivalentes p ara M atrices C uadradas

Si A es una matriz n x n, entonces las siguientes condiciones son equivalentes,
í. A es invertible.
2. Ax » b tiene solución única para cualquier matriz b n x l .
3. A x * 0 tiene sóio la solución trivial,
4. A es equivalente por renglones a in.
5 MI * 0.
6. Rango (A)
7. L o s n vectores renglón de A son linealmente independientes.
8. Los n vectores colum na de A son lineaimente independientes.
IL y . m , I i M it ií M , , I I , m n n l ■■■■, ~ Í..Í..M ' n Mi . I ....... >.. .................
Sección 4.6 a Ejercicios *

En los ejercicios del I al S. determine (a) el rango de la matriz, b) una base del espacio renglón
y c) una base del espacio columna.
I 0
2 4 1 -3 2
3. 4.
1 6 4 2 1
4 20 31' 2 -3 1
5. 6 -5 -6 6. 5 10 6
2 - 11 -1 6 8 -7 5
’ 2 4 -3 -6
-2 -4 4 5' 7 14 -6 -3
7. 3 6 -6 -4 0 8. -2 -4 1 -2
-2 -4 4 9 2 4 -2 -2
En los ejercicios del 9 al 12, determine una base del subespacio de K4 generados por S.
9. S= {(2, 9. -2. 53). (-3, 2, 3, -2), (8, -3. -8. 17). (0, -3 , 0, 15))
10. S= {(6. -3, 6. 34). (3. -2. 3, 19). (8. 3. -9, 6). (-2. 0. 6. -5)}
11. 5= {(-3. 2. 5, 28). (-6. 1 . - 8 . - 1 ) . (14 ,-1 0. 12.-10), (0, 5, 12.50))
12. 5= {(2, 5, -3, -2). (-2. -3 , 2. -5 ), (1.3. -2 . 2), ( - 1 . - 5 , 3. 5))
En los ejercicios del 13 al 18, encuentre una base y la dimensión del espacio solución de
A x = 0.
2 -1 2
13. 4 = 14. 4 =
1 3 -6 3
2 3
15. 4 = [1 2 3] 16. A =
0 1 0
1 2 - 3 ' 1 2 - 3
17. 4 = 2 - 1 4 18. 4 = 2 6-11
4 3 -2 j 1 -2 7
sistema homogéneo de ecuaciones lineales dado.
19. - * + y + 2 = 0 20. 4.r - y + 2z = 0

3* - y =0 2 .v + 3 y - 2 = 0
2x - 4y - 5c = 0 3jt + y + 2 = 0
21. x - 2y + 3z = 0 22. 3.r, + 3 x2 +1 5 ^ + I Ijt4= 0

- 3 1 - 6v - 9 z = 0 .t, - 3*3 + .v, + .i, = 0
2.t, + 3.v2 + 1 U j + 8 a 4 = 0
23. 9 v, - 4.v - 2v, - 20.v4 = 0 24. + 3.t, + I r , + 2 2 .v4 + 13vs = 0

12v, -6 .i - 4.v, - 29.i 4 = 0 + xl - 2 xa +
3r, - 2, 7 14 = 0 3.v, + 6 i , + 5 v , + 42 v, + 27.i\ = 0
3jt. - i t r, 8 i, = 0
En los ejercicios del 25 al 30, a) determine si el sistema no homogéneo Ax = I) es consistente

y b) si el sistema es consistente, escriba la solución en la forma x = xh + xp, donde xh es una
solución de Ax = 0 y xp es una solución particular de Ax = b.
25. x + 3y + 10 z = 18 26. 3.v - 8y + 4z =19
- 2 a + 7r + 32z = 29 - 6y + 2z + 4w' = 5
- x + 3.y+ 14z= 12 5.v + 22’ + w = 29
x+ y + 2z = 8 x - 2y + 2z = 8
27. 3n’ - 2v + 16y - 2z = -7 28. 2 x - 4y + 5- = 8
-M + 5 .V - 14 y + 18’ = 29 -7.v+ 14 y + 4z = -2 8
3vv - x + 14v + 2z= I 3 a - 6 y + z = 12
29. -v, + 2.1-, + a, + v.| + 5 a s = 0

—5-Vj - lO .i, + 3a-, + 3a , + 5 5 .\j = -8
.r, + 2v, + 2.v3 - 3 a 4 - 5as = 14
- * l - 1V2 + Aj + ,v4 + 15a5 = -2
30. 5a, - 4 a , + 12 - 3 3 a 4 + l4 .r s = - 4
-2 a , + a ,- 6v,
6 v, +
+ II2. i4—
2 a., - 8as = 1
2a . A , 4- 6-Vj - I 2 a 4 + 8a s =
En los ejercicios del 3 1 al 34, determine si l>pertenece al espacio columna de.4. Si es así, escriba
b como una combinación lineal de los vectores columna de A.
-1 2i 3 -1 2 2
A = I) = . 32. A = .b=
4 ()| 4 2 -4 4
1 3 ()' 1 ’ 1 3 2' 1
33. A = -1 1 0 .b= 2 34. A = -1 1 2 .b= 1
2 0 1 -3 0 1 1 0
35. Explique porqué los vectores renglón de una matriz 4 x 3 forman un conjunto linealmente
dependiente. (Suponga que todos los elementos de la matriz son diferentes entre sí).
36. Explique porqué los vccto/es columna de una matriz. 3 x 4 forman un conjunto lineal mente
dependiente. (Suponga que todos los elementos de la matriz, son diferentes entres sí).
37. Demuestre que si A no es cuadrada, entonces los vectores renglón de A o los vectores
columna de A forman un conjunto linealmente dependiente.
38. Dé un ejemplo donde so demuestre que el rango del producto de dos matrices puede ser
menor que el rango de cualquiera de las dos matrices.
39. Dé un ejemplo de matrices A y H del mismo orden tales que

a) Rango i A + Ii) < rango { A )y rango (A + B) < rango ( B )
b) Rango t.44 Ii) =rango (A) yrango (A 4 B) = rango ( fí)
c) Rango M 4 B) >rango (A) \ rango (A + B) > rango ( B ).
40. Demuestre que los vectores renglón diferentes de cero de una matriz, en forma escalonada
son linealmente independientes
41. Sea A una matriz m x n (donde m < n) cuyo rango es r.

a) ¿Cuál es el mayor valor que puede asumir rl
b) ¿Cuántos vectores hay en una base del espacio renglón de A l
c) ¿Cuántos vectores hay en una base del espacio columna de Al
d) ¿Cuál espacio vectorial Rk tiene como suhespacio al espacio renglón?
e) ¿Cuál espacio vectorial Rk tiene como suhespacio al espacio columna?
42. Demuestre que los tres puntos (jr,, y,) (,t2, y2) y ( v,. y3) en un plano son colincalcs sí y sóli
si la matriz
r, v. 1
tiene un rango menor que 3.
43. Dadas las matrices A y B. demuestre que los vectores renglón de AH están en elespa
ció generado por los renglones de B y que los vectores columna de AB están e nel espacio
generado por las columnas de A.
44. Encuentre al rango de la matriz

1 2 3 ii
n+ 1 /i + 2 /i + 3 2 /i
2n + I 2u + 2 2/i + 3 3/i
/r - n + 1 ir - /» + 2 / r - /» + 3 • • • ir
para n = 2, 3 y 4. ¿Puede encontrar algún patrón en estos rangos?
45. Demuestre el teorema 4 . 19.
4.7 a Coordenadas y Cambio de Base

En la sección 4.5 se vio que si B es una base de un espacio vectorial V'. entonces todo v e c
tor x en V puede expresarse en una y sólo una forma com o una combinación lineal de
vectores en B. Los coeficientes de la combinación lineal son las c o o rd e n a d a s de \ con
resp ecto a B.
_ - - . . . . ""
rdenadas con R especto a u na Base
,, v2, . . . . v j Voa base, de un espacio vectorial V y %un vector en Viales que
; : ' ' :
.........
Entonces los escalares c ,, <:2, . . . , cn se denominan coordenadas de x con respecto
a la base B. El vector de coordenadas de x con respecto a B es el vector cn R ”
denotado por
(x)fi - (fj, c 2, ■■■. (',)■
I
Sección 4.7 Coordenadas y Cambio de Base 259
Observación: El orden de los vectores en la base es importante. En el contexto de la repre

sentación de coordenadas, B= {v,, v2, . . vn} algunas veces se denomina base o r d e n a d a
Representación de C oordenadas en R"

En R'\ la notación de los vectores de coordenadas se conforma con la notación usual para
las componentes. En otras palabras, cuando un vector en R" se escribe como x = (*,,
xn) significa que las x¡ son las coordenadas de x con respecto a la base normal S de R".
Así, se tiene
* = (x l’ x 2 X¿ = X\e \ + X2t:2 + - +Xn*«’

donde S = {e , , e2 e (}es la base normal de R". En el resto de este libroel uso del término
componente se reserva para significar “coordenada respecto a la base normal de R"".
► Ejemplo I Coordenadas y Componentes en R"

Determine al vector de coordenadas de x = (-2, 1, 3) en /?3 con respecto a la base normal
¡ S ~ { (1 ,0 , 0), (0, 1,0), ( 0 ,0 , 1)).
Solución: C om o x puede expresarse como
x = (-2 , 1, 3)
= -2 (1 , 0 , 0 ) + 1(0, 1 , 0 ) + 3 (0 .0 , I),
•*e observa que el vector de coordenadas de x con respecto a la base normal es simplemente
I ( x )5 = ( - 2 , 1,3).
Así, las componentes de x son las mismas que sus coordenadas con respecto a la base
normal. 4
► Ejemplo 2 Determinación de un Vector de Coordenadas con Respecto a una

liase Normal
líl vector de coordenadas de x en R2 con respecto a la base (no normal)
B = (v,. v2)
= { ( 1, 0) , ( 1, 2) )
cu (x)fí = (3. 2). Determine las coordenadas de x con respecto a la base (normal)
B '= | u , . u 2)
= { ( l . 0 ) , ( 0 , 1)}.
pilticióll Dado que ( x)/( = (3, 2), se puede escribir
x = 3v, + 2v2 = 3( I. 0) + 2t 1.2) - (5, 4).

Además, com o (5,4) = 5 (1 ,0) + 4(0, 1), se concluye que las coordenadas de x con rcspecU >
a B' están dadas por
(x)fl. = (5 ,4 ).
En la figura 4.14 se comparan estas dos representaciones de coordenadas.
FIGURA 4.14
/
x = 3 ( 1, 0 ) + 2 ( 1. 2 ) 0 ) + 4 (0 . 1)
\ / \
(x)fl = ( 3 . 2 ) 4)
Base no normal: B ase normal:

B = { ( 1, 0 ). (I. 2 )| f f = {(l.O).(O. 1)}
III ejemplo 2 muestra que el procedimiento para determinar el vector de coordenadas

con respecto a una base normal c s razonablemente directo. Sin embargo, el problema se
dificulta un poco cuando es necesario determinar el vector de coordenadas con respecto
a una base no normal. A continuación se presenta un ejemplo.
► Hfcmplo 3 Determinación fie un Vector tic Coordenadas con Kesfiectu a una

Base No l\ormal
Encuentre el vector de coordenadas de x = ( I. 2, - 1 ) en R* con respecto a la base (m
normal)
B ' = {u U2, u , ) = {(1, 0, 1), (0. - 1. 2). (2, 3. -5)}
Solución: Se empieza por escribir x com o una combinación lineal de u ,, u , y u v
X = í',11, + c , u 2 + c ^ u ,
(I. 2, - I) = c',( 1, 0, í) + c2(0, -1 . 2) + c3(2. 3, - 5 )
Al igualar las com ponentes correspondientes se obtiene el siguiente sistema de ecuacionc

lineales.
1 0 2 r
*'i
0 -1 3 <> =
-c2 +
+ f3c,' =
“ 21 i— %
1 2 -5 -i l '.«.
r ! + 2c2 - 5 r , = -1
La solución de este sistema es c, = 5, c2 = - 8 , y c3 = -2 . Por tanto, x = 5( 1,0, i ) + (-8)(0,

- 1 , 2 ) + (-2)(2, 3, - 5 ) , y el vector de coordenadas de x con respecto a B' es
(x)fí' = (5, - 8 , -2 ). <
Observación: Nótese que la solución en el ejemplo 3 se escribió com o (x)^, = (5, - 8 , -2 ).

No hubiese sido correcto escribir la solución com o x = (5, - 8 , - 2 ), ya que esto implicaría
que (5, - 8 , - 2 ) era el vector de coordenadas de x con respecto a la base normal.
Cambio de Base en R“
El procedimiento m ostrado en los ejemplos 2 y 3 sc denomina cam bio de base. Es decir,
se tenían las coordenadas de un vector con respecto a una base B y se solicitó encontrar
las coordenadas con respecto a otra base B'.
Así, si en el ejemplo 3 la base normal es B, entonces el problema de determ inar el vector
de coordenadas de x = ( l , 2 , - 1 ) con respecto a la base B 's e transforma en el problema de
resolver para c,, c , y c 3 en la ecuación matricial
1 0 2' í c'i" 1
0 - 1 3 *2 = 2
1 2 - 5 C3. -1
B lx]„. [x]w
P se denomina m a t r i z de transición de B ' a B , |x]fl.es la m atriz de coordenadas de x
con respecto a B ' y [xl,, es la m atriz de coordenadas de x con respecto a B. Al
multiplicar por la matriz de transición P sc cambia una matriz de coordenadas con respecto
a B ‘ en una matriz de coordenadas con respecto a B. Es decir,
P [ \ \¡f. = [xj/r Cam bio de base de B ' a B
Para efectuar un cam bio de base de B a B' sc usa la matriz P ~ l (la m atriz de transición
de B a B ') y se escribe
[x|r = Cam bio de base de B a B'
Lo anterior significa que el problema de cam bio de base del ejemplo 3 puede representarse
por la ecuación matricial
c\ -1 4 r 1 5'
C2
= 3 -7 -3 2 = -8
1 _2 -1, -1 -2
C3.
P -1 [x]fl [x]r
Este análisis se generaliza com o se muestra a continuación. Suponga que
#={v,,v2 vj y B' — {ti,. u 2........... u j

son dos bases de R". Si x es un vector en Rn y
(x)^ = (Cp Cj , . . . . cn) y (* )# '— ^ 2' • • • » ^ n)

son los vectores de coordenadas de x con respecto a B y B \ entonces las m a tric e s de
c o o r d e n a d a s de x con respecto a D y tí' están definidas como
■
1
T
-
P
k
• ■
•
r - í
y
II
II
«í
X
•
I
L a m a t r i z de tra n sic ió n P de B ' a B es la matriz tal que
[x]/i = P W p .
El siguiente teorema establece que la matriz de transición P es invertiblc y que su inversa

es la m a tr i z de tra n sic ió n de B a B '. Es decir,
[*]„.= P - ' W j .
llp f riz d e
& iV!a;r;<v<5e:tran
%M ato/ de eoonfc*
coordenadas de x sición de nadas de %con
con respecto a B ‘ B u 8' respecto*» B ;
' . T >. . - .i...C.'.' ... ••jv/i ,:v„ v . í • - • • ' v; ¿ .. ..

Teorem a 4 2 0 L a Inversa de una M atriz d e Transición
.• . •' . • " .. •
Si P es la matriz de transición de una base B' a una base B en R”, entonces P es
invertíbiey la matriz de transición de B a B r está dada por P~K
... . •í?' ' í. : i-*»*». . " : : • 1 -: v. . . 'ir."' j' . ■
Hay una manera refinada de aplicar la eliminación de Gauss-Jordan para determinai

Ja matriz de transición P~l. Primero se definen dos matrices B y B’ cuyas columnas
corresponden a los vectores en B y en B '. Es decir,
V12 • ' ^ ' “n M, 2 • ln

V2I V22 • V2n ui \ W22 • U2n
B= •
y B' =
. V'"' Vn2 • • V nn U n\ M*2 ■ ■ U,u,
v. V; V
•i u ,
u. un
L u e g o , al re d u c ir la m a tr iz [ B ' • Z?) n x 2 n p a ra q u e en v c z d e B ' a p a re z c a la m a t r i z id e n tid a d

/J s e o b tie n e la m a tr iz [ / <• • P -1]. E s te p r o c e d im ie n to s e p la n te a f o r m a l m e n t e en el si-
g u íe n te te o re m a . ( P a ra u n a d e m o s tr a c ió n d e los t e o r e m a s 4 .2 0 y 4 .2 1 , c o n s ú lte s e el
a p é n d ic e A .)
W
Teorem a 421 M atriz d e Transición d e B a B '
{VJ, v2>. . . . v J y B ' x {O j.«2, , . . , ua} dos bases de R n. Entonces, la matriz
de transición P~\ de B a B ' puede determinarse mediante la elim inación de Gauss-
Jordan en la matriz [B' ■ B } n x 2 n com o se muestra a continuación.
, fs. . . , 4■
[ff \ B\ { Z > & i^ í
Bl ü — — ^ ;• J
E n el s ig u ie n te e j e m p lo se ap lic a e s te p ro c e d im ie n to al p r o b le m a d e c a m b i o d e base
d a d o e n el e j e m p lo 3.
► E je m p lo -/ D e te r m in a c ió n d e u n a M a t r iz d e T ra n s ic ió n
H alle la m a triz d e tra n s ic ió n d e B a B ' p a ra las s ig u ie n te s b a s e s de / ? \
B = { (1. 0 , 0 ), (0 , 1 , 0), ( 0 , 0 , I))
y
B ' = { ( 1 ,0 , 1), ( 0 , - 1 , 2), (2. 3 , - 5 ) }
Solución: P r im e r o se u san los v e c to r e s en las d o s b a s e s p a ra f o r m a r las m a tr ic e s B y B '.
1 0 0' ' 1 0 2'

B = 0 1 0 y B' = 0 -1 3
0> 0 1 1 2 -5
L u e g o , se j u n t a B c o n B ' p ara f o r m a r la m a triz | B ' ■ P ] y se usa la e l im i n a c ió n d e G a u s s -

J o rd a n p a ra v o lv e r a e s c rib ir | B ' • B ] c o m o \L i P - 1 ].
I 0 2 - 1 0 0 1 0 0 :-l 4 2
0 - 1 3 - 0 1 0 0 1 0 ¡ 3 -7 -3
1 2 -5 i 0 0 1 0 0 i : l -2 -l
A p a rtir d e lo a n te rio r se c o n c l u y e q u e la m a triz d e tra n s ic ió n d e B a B ' e s
- 1 4 2
p -' = 3 _7 _3
1 -2 -1
In ten te m u ltip lic a r P 1 p o r la m a triz d e c o o r d e n a d a s d e x = (1, 2. - I ) p a r a ver q u e el

r e s u lta d o es el m i s m o q u e se o b tu v o en el e j e m p lo 3. •*!
O b s e r v e q u e c u a n d o B es la b a s e n o rm a l, c o m o en el e j e m p lo 4, el p r o c e s o d e cum bi.
d e [ B ' • B ] a [ I n \ P _ l ] se tra n s f o r m a en
[& \ l\ E É > I',, C i

p e r o e s te e s el m i s m o p ro c e d im ie n to u s a d o para d e te r m in a r m a tric e s in versas. En oti.r,
p a la b ra s , si B es la b a s e n o rm a l en K ", e n to n c e s la m a triz d e tra n s ic ió n d e B a IT c s u
d e fin id a por
p - ]= B a se n o rm a l a b a s e no n o rm al
El p ro c e s o e s a u n m á s s e n c illo si B ' es la b a s e n o rm a l, p o r q u e la m a tr iz [ B ' • B ] y a csi.i

e n la f o r m a \ ¡ n I B ] = [ l n • P " 1]. En e s te caso , la m a triz d e tra n s ic ió n es s im p le m e n te
P ~ l = B. B a s e n o n o rm a l a b a s e n o rm a l
A sí, la m a tr iz d e tra n s ic ió n en el e j e m p lo d e B = {(1, 0 ), ( 1, 2 )) a B ‘ = { ( 1, 0 ) . (0. 1) | r .
P~] = B =
I 1
0 2
► E je m p lo 5 D e te r m in a c ió n d e n n n M a t r iz d e T ra n s ic ió n
E n c u e n tr e la m a triz d e tra n s ic ió n d e B a IT p a ra las s ig u ie n te s b a s e s d e R 2
* = { ( - 3 . 2 ) . (4, - 2 ) )
B ' = { ( - 1 , 2 ), ( 2 , - 2 ) }
Solución: S e e m p ie z a p o r f o rm a r la m atriz
-1 2 i -3 4
\B ' B) =
2 -2 : 2 -2
y se usa la e lim in a c ió n d e G a u s s - J o r c a n p ara o b te n e r
-1 0 i -1
[/, P - 'l =
0 -1 : -2
A sí, se tiene
-I 2
P~' =
-2 3
E n el e j e m p lo 5, si se h u b ie se d e te r m in a d o la m a triz d e tra n s ic ió n d e íT a B (en v e /

B a I T ), s e h u b ie ra o b te n id o
-3 4 • -1 2
IB lT \ =
2 -2 : 2 -2
Sección 4 . 7 Coordenadas y Cambio de liase 265
q u e se re d u c e a
1 0 : 3 -2
U2 P] =
O 1 : 2 - 1
P o r c o n s ig u ie n te , la m a triz d e tra n s ic ió n d e B ' a B es
3 -2
P =
2 -1
S e p u e d e c o m p r o b a r q u e esta es la in v e rs a d e la m a tr iz d e tra n s ic ió n d e t e r m i n a d a e n el
e j e m p l o 5 al e f e c tu a r la m u ltip lic a c ió n
3 -2 -1 2 1 0
PP~l = = /r
2 -1 -2 3 0 1
R epresenlación de C oordenadas en Espacios n Dimensionales G enerales

U n b e n e f ic io d e la r e p re s e n ta c ió n d e c o o r d e n a d a s es q u e p e rm ite r e p r e s e n ta r v e c to r e s en
u n e s p a c i o n - d im e n s io n a l a r b itr a rio c o n la m is m a n o ta c ió n u s a d a e n A’". A sí, e n el e j e m p lo
6 , o b s e rv e q u e el v e c to r d e c o o r d e n a d a s d e un v e c to r en P 3 e s un v e c to r e n A4.
► E je m p lo tí R e p re s e n ta c ió n d e C o o rd e n a d o s e n P3
D e t e r m i n e el v e c to r d e c o o r d e n a d a s d e p = 3,t 3 - 2 x 2 + 4 c o n r e s p e c t o a la b a s e n o rm a l
de Py
S = { l , x , x 2, x 3 }.
Solución: P r im e r o se e s c r ib e p c o m o u n a c o m b in a c i ó n lineal d e los v e c to r e s d e la b a s e (en

e l o rd e n d a d o ).
p = 4 (1 ) + 0(.v) + (-2)(,v2) + 3(.v3)
L o a n te rio r irtdica q u e el v e c to r d e c o o r d e n a d a s d e p c o n r e s p e c to a S es
( p ) s = (4, 0, - 2 , 3). 4
E n la s e c c ió n a n te r io r se v io q u e a lg u n a s v e c e s e s c o n v e n i e n te r e p r e s e n ta r las m a tric e s
n x 1 c o m o n -a d a s . E n el s ig u ie n te e j e m p lo sc a g re g a cie rta ju s tif ic a c ió n a e s te hecho.
► E je m p lo 7 R e p re s e n ta c ió n d e C o o rd e n a d a s en ,
E n c u e n tr e el v e c to r d e c o o r d e n a d a s d e
,Y = 4
3
266 C apítulo 4 Espacios Vectoriales
c o n re s p e c to a la b a s e n o rm a l d e ,.
1 0 0
5 = 0 y 1 » 0
[ 0 0 1
Solución: D a d o q u e X p u e d e e x p re s a r s e c o m o
-1
X =
' f ' 0
= ( - 1) 0 +4 1 +3 0
0 1
e n t o n c e s el v e c to r d e c o o r d e n a d a s d e X c o n r e s p e c to a S es
= ( - 1 , 4 , 3).
O b servació n: L a s e c c i ó n 6 .2 a m p l í a el u s o d e R " p a r a r e p r e s e n t a r un e s p a c i o v e c to ria l

//- d im e n s io n a l arbitrario.
S e p u e d e n g e n e r a liz a r los te o re m as <4.20 y 4 . 2 1 para a b a rc a r los e s p a c io s//-d im e n s io n a le s

a rb itra rio s . S in e m b a r g o , en este te x to n o se e fe c tu a r á lo an terio r.

En los ejercicios del 1 al 6 se da el vector de coordenad as de x co n respecto a una base (no
norm al) de B. D eterm ine el vector de co o rd en ad as de x co n respecto a la base norm al de A"
1. B = ((2, - I ) , (0. 1)), (x)fi = (4, I)
2. B = { ( - 1 ,4 ) , (4, - 1 ) } , (x)fl = ( - 2 , 3)
3. B = { ( 1 ,0 , 1), (1, 1 .0 ), (0. 1, 1)}, (x)fi = (2, 3, 1)
4. (3. 4 , \ ) , (- \ , 6 . 2)}. ( x )B = (2. 0. 4)
5. / ? = { ( 0 , 0 . 0 , I ), (0. 0. 1. I), (0. I. I. l ) , ( l , 1. I. I )). (x)rt = ( I, - 2 , 3. - 1 )
6. B = { ( 4 , 0 . 7 , 3 ) , ( 0 . 5 . - l . - l ) . ( - 3 . 4 . 2 . I ) .( 0 . 1. 5. 0 ) j . (x)fl = ( - 2 . 3. 4. 1)
En los ejercicios del 7 al 12. determ ine el vector de coordenadas de x en R" con respecto a la
base B.
7. B = {(4. 0). (0. 3)}, x = (12, 6)
8. B = { (- 6 . 7). (4. - 3 ) ) . x = ( - 2 6 . 32)

9. B ={( 8, 1 1 , 0 ) , ( 7 , O, 10), ( 1 , 4 , 6)}, x = (3, 19 ,2 )
10. * = { ( § , 4, 1). ( 4*2 *0)» O » ! * 2 )K x = (3. “ 2 » 8)
11. B = {(4, 3, 3), ( - 1 1 , 0 , 11), (O, 9, 2)}, x = (11, 1 8 , - 7 )
12. B = {(9, - 3 . 15, 4). (3. 0. O, 1), (O, - 5 . 6, 8), (3. - 4 , 2. - 3 ) } . x = (0, - 2 0 , 7, 15)
En los ejercicios del 13 al 26, determ ine la m atriz d e transición de B a B '.
13. 5= { ( 1 ,0 ) , (O, 1)), B ' - { ( 2 ,4 ) , ( I , 3))
14. f l = { ( l , 0 ) , ( 0 , 1)}, * ' = { ( ! . O, (5, 6))
15. B = {(2, 4), (—1, 3)}, /?' = {(1. 0), (O, 1))
16. f l = { ( l , 1 ), ( 1 , 0) ) , / ? ' = { ( 1 , 0), (O, 1 )}
17. B = {(1, 3). ( - 2 . - 2 ) } . B ' = { (-1 2 . 0). ( - 4 . 4))
18. B = [{2 , - 2 ) , ( 6 , 3)J, ^ = {(1, 1), (32, 31)}
19. B = { (1 ,0 , 0), (O, 1, 0), (O, O, 1) ) , / ? ' = {(I, O, 0), (O, 2, 8), (6, O, 12)}
20. B = { ( 1 , 0 , 0 ) , (O, 1 ,0 ), (O, O, 1)}, B* = { ( 1 , 3 , - 1 ) , (2, 7, - 4 ) , (2, 9, -7 )}
21. B = { ( 1 , 3 , 3), ( 1 , 5 , 6 ), ( 1 . 4 , 5)}. B ' = { ( 1 ,0 , 0 ) , (0. 1,0 ), ( 0 . 0 , I)}
22. B = { ( 2 , - 1 , 4), (O, 2, 1), (- 3 , 2, 1)}, B ' = { ( 1 ,0, 0). (0. 1 ,0 ). ( 0 , 0 . 1))
23. B = {(1, 0 , 2), (O, 1 ,3 ). (1, 1, 1 ) ) , / / = {(2, 1,1),(1, O, 0), (O,2, 1)}
24. B = { { 1, I, 1). ( 1 , - 1 . 1 ) , ( 0 , 0 , I ) } ,/ ? ' = {(2, 2, 0), (0. 1,1). ( 1 . 0 , i)}
25. B = { ( 1 . 0 , 0 . 0 ) , (O, 1 , 0 . 0 ) , (O, O, 1,0 ), (O, 0 . 0 , 1)),

B ' = {(1, 3. 2. - 1 ) , (- 2 , - 5 , - 5 , 4), (- 1 , - 2 , - 2 , 4), (-2 , - 3 , - 5 , 11)}
26. B = {(1. 1, 1. 1 ),(0 , i, 1, l ) . ( 0 , 0 . 1. 1 ) , ( 0 , 0 , 0 . I)},

B '= { (1 ,0 , 0 , 0 ) , (O, 1 , 0 , 0 ) , ( 0 . 0 , 1.0 ), (0. 0 . 0 , 1)}
27. D eterm ine la m atriz d e transición de B ' a B p ara las bases d ad as en el ejercicio 17 y
d em u estre que ésta es la inversa de la m atriz de transición d e B a B'.
28. E n cu e n tre la m atriz d e transición de B ' a B para las bases dadas cn el ejercicio 18 y d e
m uestre q ue aquélla es la inversa de la m atriz d e transición d e B a B '.
29. D eterm ine la matriz de transición de B ' a B para las bases dadas en el ejercicio 23 y d e
m u estre qu e aquélla es la inversa de la m atriz d e transición de B a B '.
30. Halle la m atriz d e transición de B ' a B para las bases d ad as cn el ejercicio 24 y d em u estre
que aquélla es la inversa de la m atriz d e transición de B a B '
31. En el ejercicio 17, determ ine (x)/; d a d o ( \ ) ¡r = ( - 1 . 3 ). (V éase el ejercicios 27.)
32. En el ejercicio 18. determ ine (x)w d a d o ( x ) ¡r = ( 2 . - 1 ) . (V éase el ejercicio 28.)

33. En el ejercicio 23, d eterm in e (x)fl dado ( x )B■ = (1, 2, - I ) . (V éase ei ejercicio 29.)
34. En el ejercicio 24, determ in e (x)B dado ( x ) ^ = (2, 3, 1). (V éase el ejercicio 30.)
En los ejercicio s 35 y 36, h alle el v ector d e c o o rd e n a d a s de p co n respecto a la b ase normal

d e P 2.
35. p = x 2 + 11 x + 4 36. p = 3 a 2 + 1 1 4 * + 13
En los ejercicio s 37 y 38. h alle el v ector de c o o rd e n a d a s de X con resp ecto a la b ase normal
en Af,
o' 2
37. X = 3
r*'.
00
X -1
2 n 4
39. Sea P la m atriz d e transición de B " a B \ y sea Q la m atriz de transición de B ' a B. ¿Cuál
es la m atriz de transición de B " a #"?
40. Sea P la m atriz de transición de B " a B \ y sea Q la m atriz de transición de f í ' a fí. ¿Cuál
es la m atriz de transición de B a B " ‘l
4.8 ▲ Aplicaciones de los Espacios Vectoriales
Secciones Cónicas y Rotación
T o d a s e c c ió n c ó n i c a e n el p la n o Ay tiene u n a e c u a c ió n d e la form a
ax2 + b xy + cy2 + d x + ey + / = 0.
L a id e n tific a c ió n d e la g r á f ic a d e e s ta e c u a c ió n es b a s ta n te fácil en ta n to q u e />, el

c o e f i c ie n t e del té r m in o x y t s e a c e ro . En e s to s c a s o s los ejes d e las c ó n ic a s so n paralelo»
a los e je s d e c o o r d e n a d a s y la id e n tific a c ió n s e llev a a c a b o al e s c r ib ir la e c u a c ió n en fm mu
n o r m a l (c o m p l e ta d a al c u a d r a d o ). L a s fo rm a s n o r m a le s d e las e c u a c io n e s d e las cuatro
c ó n ic a s f u n d a m e n ta l e s se d a n en el s ig u ie n te re s u m e n . P ara c irc u n f e r e n c ia s , elip ses o
h ip é rb o la s , el p u n to (h . k ) es el cen tro . P a ra las p a rá b o la s , el p u n to (/;, k ) es el vértice
Sección 4.8 Aplicaciones de los Espacios Vectoriales 269
Form as N orm ales de las Ecuaciones de las Cónicas

C ircu n feren cia ( r —radio):
( r - / i ) 2 4-( > - ~ ¿ ) 2 = r 2 :
E lip se ( 2 a * longitud del e je mayor, 2/i = longitud del eje menor):
H ipérbola ( 2 a - longitud del eje transversal, 2fi - longitud del eje conjugado)
P aráb o la (p ~ distancia dirigida del vértice al foco):
p >° Vértice
(kk)
Vértice
(h. k)
► Ejemplo 1 identificación de Secciones Cónicos

a) L a f o r m a n o rm a l d e x 2 - 2 x + 4y - 3 = 0 es
( x - l )2 = 4(—1)(>• - 1).
P o r tanto, la g ráfic a d e e s ta e c u a c ió n es una p arábo la co n vértices en (//, k ) = ( I , I ). I I

e je d e la p a r á b o la e s v ertical. C o m o p = - l , e l fo c o e s tá en el p u n to ( 1 , 0 ) . P o r último,
y a q u e el fo c o e s tá p o r d e b a jo d el vértice, la p a r á b o la se a b re h a c ia a rr ib a c o m o se
o b s e r v a en la fig u ra 4 .1 5 a).
b) L a fo r m a n o rm a l d e x 2 + 4V2 + f u - 8y + 9 = 0 es
( x + 3 )2 , (y - l )2 _ ,
22 l2 ”
P o r ta n to , la g rá fic a d e e s ta e c u a c ió n e s u n a e lip s e c o n c e n tr o en (/;, k ) = ( - 3 ,1 ) . El eje

m a y o r e s h o r iz o n ta l y s u lo n g itu d e s 2 a = 4. L a lo n g itu d del eje m e n o r e s 2JÍ = 2. Los
v é r tic e s d e e s ta e lip s e e s tá n en ( - 5 , 1) y ( - 1 , 1), y los e x t r e m o s d el e je m e n o r están
en ( - 3 , 2 ) y ( - 3 , 0), c o m o s e m u e stra en la fig u ra 4 .1 5 b).
FIGURA 4.15
L a s e c u a c io n e s d e las c ó n ic a s del e je m p lo 1 n o tien en t é r m i n o x y . En c o n s e c u e n c ia , los

ejes d e las c ó n ic a s c o r r e s p o n d ie n te s s o n p a ra le lo s a los ejes d e c o o r d e n a d a s . Para
e c u a c io n e s p o lin o m ia lc s d e s e g u n d o g r a d o q u e te n g a n té rm in o x y , los e je s d e las cónicas
c o r r e s p o n d ie n te s n o son p a ra le lo s a los ejes d e c o o rd e n a d a s . E n e s to s c a s o s es útil ro itn
los e je s n o r m a le s p ara f o r m a r n u e v o s e je s a ' y y'. El á n g u lo d e ro ta c ió n n e c e s a rio 0 ( m e d id o
e n s e n tid o c o n tra rio a las m a n e c illa s del relo j) e s tá d a d o p o r c o i 2 0 = (n - c )/b . C o n esta
ro ta c ió n , la b ase n o rm a l en el p la n o
« = { ( 1 , 0 ). ( 0, I))
e s ro ta d a para f o rm a r la n u e v a base
l i ' = { ( e o s U, s e n 0 ) . ( - s e n 0. t os 0) |
Sección 4.8 Aplicaciones de los Espacios Vectoriales 271
c o m o se m u e s tr a en la fig ura 4.16.
FIGURA 4.16
P a r a h a lla r las c o o r d e n a d a s d e un p u n to (.v, y) c o n r e s p e c to a e s ta n u e v a b a s e .s e p u e d e

u tiliz a r u n a m a triz d e tra n sic ió n , c o m o se d e m u e s tr a en el e j e m p lo 2 .
► Ejemplo 2 Una Matriz de Transición para unaRelación en el Ulano

D e te rm in e las c o o r d e n a d a s d e un p u n to (.v, y) en R 2 c o n re s p e c to a la b a s e
IT = { (eo s 0 . s e n 0 ). ( - s e n 0. e o s 0 ) \ .
Solución: P o r el te o re m a 4.21 se tien e q u e
cos 0 -sen 0
[B ' ■ B ) = cos ° -SCn ° 1 1 °
sen 0 cos 0 0
q u e se re d u c e a la form a
0 i cos e sen 0
0 1 i-s e n 0 cos 0
Si (.v', y ') so n las c o o r d e n a d a s d e (.v, y ) c o n re s p e c to a / / . se p u e d e u s a r la m a tr iz d e

tra n s ic ió n P -1 c o m o se m u e s tr a a c o n tin u a c ió n
cos 0 se n 0 X x'
/
-sen 6 cos 0 y y
P o r tanto, las c o o r d e n a d a s x ' y y ' e s tá n d a d a s p o r
x' = x c o s 0 + y sen 0
v = - x sen 6 + v c o s 6.
L as d o s ú ltim a s e c u a c io n e s d el e j e m p l o 2 d an las c o o r d e n a d a s x 'y ' en té rm in o s d e las

c o o r d e n a d a s .vv. P ara e f e c tu a r u na ro ta c ió n d e e je s para un a e c u a c ió n p o lin o m ia l de
s e g u n d o g ra d o , es d e u tilid a d e x p re s a r las c o o r d e n a d a s vv en té rm in o s d e las c o o r d e n a d a s
x 'y '. P a ra lo g ra r lo an terio r, en las d o s ú ltim a s e c u a c io n e s d el e je m p lo 2 se d e s p e ja n <

y p a ra o b te n e r
x = x ' eos 0 - y ' sen 0 y y = x ' se n 0 + y" e o s 0.
Al s u s titu ir e s ta s e x p r e s io n e s p o r .v y y en la e c u a c ió n d a d a d e s e g u n d o g r a d o se chin i
u n a e c u a c ió n p o lin o m ia l d e s e g u n d o g r a d o en .v' y >•' q u e no tien e té rm in o x 'y '.
Rotación c i€ E je s
L a e c u a e í ó m d e s e g u n d ó g r a d o a x * + b x y + c y ¿ + d x + e y + / » 0 p u e d e e s c rib irs e en
la fo rm a :
a \ x 'ií + c '( y 'f * d 'S + é > y '* f '^ 9
al r o t a r e n s e n ti d o c o n t r a r io a las m a n e c illa s d e l;r e lo j lo s e je s c o o r d e n a d o s d e un

á n g u l o 9, d o n d e é s e d e f in e c o m o c o t 20*= (a - c )/b . L o s c o e f ic ie n te s d e e s ta n u eva
e c u a c ió n se o b tie n e n a p a r tir d e las s u s titu c io n e s
,v e o s Ú - y ' sen 9
y * .x ' se n 0 * / eos $.
Observación: C u a n d o se d e s p e ja n sen 0 y e o s 0. a m e n u d o e s útil la id e n tid a d i n g

n o m é tr ic a c o t 2 0 = (c o t 2 0 - 1 )/(2 c o l 0).
En el e j e m p lo 3 se d e m u e s tr a c ó m o id e n tific a r la g rá fic a d e un p o lin o m io d e segum

g r a d o m e d ia n te la ro ta c ió n d e los e je s c o o rd e n a d o s .
► E je m p lo S R otación d e una Sección Cónico

E f e c tú e u n a ro ta c ió n d e e je s p ara e lim in a r el té rm in o x y en
5.V2 - 6 vv + 5y 2 + 14 V l v - 2 V 2 y + 1 8 = 0,
y trac e en el p la n o x 'y ' la g rá f ic a d e la e c u a c ió n re su ltan te.
Solución: El á n g u lo d e ro ta c ió n está d a d o p o r
cot 2 0 = = 0.
b
L o a n t e r io r im p lic a q u e 0 - n¡4. P o r lanío,
sen oo — ——
1 \ e o s oó = —r=
1
Sección 4.S Aplicaciones de los Espacios Vectoriales 273
Con la sustitución de
x - x e o s 0 - y se n 0 = 4 = ( x - y )
v 2
V = x ' sen 0 - y e o s 0 = 4 = ( x - y )
v 2
en la e c u a c ió n o rig in a l y s im p lif ic a n d o se o b tie n e
( x ) 2 + 4 ( y ')2 + 6 x ' - 8/ + 9 = 0.
F o r últim o, al c o m p le ta r el c u a d ra d o se en c u e n tra q u e la fo rm a n o rm a l d e esta e c u a c ió n es
( x ' + 3 )2 _ ( / + I )2 _ .
22 " i2 - ■’
q u e e s la e c u a c ió n d e u n a elip se , c o m o se m u e s tra en la fig u ra 4.17.
FIGURA 4.17
E n el e j e m p lo 3, la n u e v a b a s e (ro ta d a ) d e l<2 es
I 1
II' = -M
1V 2 ’ V 2 / ’ V 2 ’ >/2
y las c o o r d e n a d a s de los v é rtic e s d e la e lip s e c o n re s p e c to a I I ' s o n ( - 5 , I )H. y ( - 1 , I )/ r Para
e n c o n t r a r las c o o r d e n a d a s d e los v é rtic e s c o n r e s p e c to a la b a s e n o rm a l 11= ( ( 1 , 0 ), ( 0 , I )),
se usan las e c u a c io n e s
v= ~ í v' - y'* v = 4 = í.v' + y )

\Í2 v 2
p a ra o b te n e r
( - 3 V 2 , - 2 V 2 ) y ( - V 2 , 0),
c o m o se o b s e r v a c n la fig u ra 4.17.
Ecuaciones Diferenciales Lineales (Cálculo)

U n a e c u a c i ó n d i f e r e n c i a l lin e a l d e o r d e n n e s d e la fo rm a
+ • • ■+ « | (•<).>' + *„(v)y = / ( . , ) ,
d o n d e g {, g 2, . . . , g n y / s o n f u n c io n e s d e .r c o n un d o m i n io c o m ú n .
Si f { x ) = 0 , e n t o n c e s la e c u a c ió n e s h o m o g é n e a . E n c a s o c o n tra r io e s n o h o m o g é n e a . I ‘tu
f u n c ió n y se d e n o m in a s o lu c ió n d e la e c u a c ió n diferen cial lineal si la e c u a c ió n se saiisla
c e c u a n d o y y s u s n p rim e ra s d e r iv a d a s se s u s titu y e n en la ecu a ció n .
► Ejemplo 4 Van Ecuación Diferencial Lineal de Segundo Orden

D e m u e s tr e q u e ta n to y , = ex c o m o y , = e~x s o n s o lu c io n e s d e la e c u a c ió n d ife re n c ia l lineal
de s e g u n d o o rd e n y " - y = 0 .
Solución: P a ra la fu n c ió n y, = e \ se tien e y ,' = e ' y y " = e \ P o r c o n s ig u ie n te .
y " ~ > 'i = e% - e ' =
y y, = ex e s una s o lu c ió n d e la e c u a c ió n d ife re n c ia l lin eal d a d a . D e m a n e r a s e m e ja n te , p.mi

y 2 = e~x, se tien e y / = ~e~x y y " = e~x. E s to im p lic a qu e
y " - y 2 = e ~x - e ~x = ()-
P o r ta n to , v 2 = e~x ta m b ié n e s u na s o lu c ió n d e la e c u a c ió n d ife re n c ia l lineal d a d a 4
H ay d o s o b s e r v a c io n e s im p o rta n te s q u e p u e d e n h a c e rse c o n re s p e c to al e j e m p lo 1 I it
p r im e r a e s q u e e n el e s p a c io vecto rial *») d e todas las fu n cio n e s dos v a o
d ife re n c ia b le s d efin id as so b re tod a la recta real. las d o s s o lu c io n e s y , = e x y y , = c ' sm»
lin e a lm e n te in d e p e n d ie n te s . E s to s ig n if ic a q u e la ú n ic a s o lu c ió n d e
C ,y , + C 2y 2 = 0
v á lid a para to d a x e s C , = C 2 = 0. La s e g u n d a o b s e r v a c ió n e s q u e to d a c o m b in a c ió n lineal

d e >j y >2 ta m b ié n es u n a s o lu c ió n d e la e c u a c ió n d ife re n c ia l d a d a . P ara a c la r a r esto, smi |
y = (Tjy j + C 2y 2. E n to n c e s ,
y = C {e x + C > - v
y = C \e x + C 2e~x
y " = C \e x + C 2e ~ \
Sección 4.8 Aplicaciones d e los Espacios Vectoriales 275
AI s u stitu ir e n la e c u a c ió n d ife re n c ia l y" - y = O se o b tie n e
y " - y = ( C , í '' + C 2e~J) - ( C , e v + C 2e %) = 0.
P o r tanto, y = C , c ' + C 2e~x es u n a so lu ció n .

E sta s o b s e r v a c io n e s se g e n e ra liz a n e n el s ig u ie n te te o re m a , q u e se p la n te a sin
d e m o stra c ió n .
T o d a e c u a c ió n d if e re n c ia l linea! h o m o g é n e a d e o r d e n n
'
y"}+ + • • ■ + £ ,(* )> •' + g0(x jy ~ 0
tien e n s o lu c io n e s lin e a lm e n te in d e p e n d ie n te s . A d e m á s , si {y ,, y v , y w) e s un
(
c o n j u n to d e s o lu c io n e s lin e a lm e n te in d e p e n d ie n te s , e n t o n c e s to d a s o l u c i ó n e s d e la
forma
r : > ' " C J>^ + C 2> 2 + -

donde , y C n s o n n ú m e ro s reales.
Observación: y = c , y , + C , y 2 + • • • + C ny n s e d e n o m in a s o l u c i ó n g e n e r a l d e la e c u a c ió n
diferencial dad a.
A la lu z d e este te o re m a , se p u e d e ver la im p o r ta n c ia d e p o d e r d e t e r m i n a r si un c o n
junto d e s o lu c io n e s es lin e a lm e n te in d e p e n d ie n te . A n te s d e d e s c rib ir un p r o c e d im ie n to
(lora c o m p r o b a r la in d e p e n d e n c ia lineal se d a un a d e fin ic ió n p re lim in a r.
S ea | y r, y v . , . , y n ) u n c o n ju n to d e fu ncion es, c a d a u n a d e las c u a le s p o s e e n - 1

d eriv a d as en un in terv alo /. E l d e te r m in a n te
>2
• >• y n'
y { y7
w = Cy,. >2............y„) «
y in . 1, ... y « - »>
y y - ])
se d e n o m in a W r o n s k i a n o d el c o n j u n to d e fu n c io n e s dado.
Observación: El w r o n s k i a n o d e un c o n j u n to d e f u n c io n e s se d e n o m in a a s í en ho m u .UI
m a te m á tic o p o la c o J o s e f M a r ia W r o n s k i (1 7 78-18.53).
► E je m p lo 5 D e te r m in a c ió n d e l H r o n s k ia n o tle u n C on ju n io d e F u n c io n e a?
a) El w r o n s k i a n o d el c o n j u n to {1 - x , 1 + x . 2 - x ) es
1 —x 1+ y 2 - x
W = -1 1 -1
0 0 0
= 0.
b) El w r o n s k i a n o del c o n j u n to {.y, .y2, .y1} es
X .Y2 x3
w= 1 2.Y 3.Y2
0 2 6.Y
= I r 3.
S e d ic e q u e el w r o n s k i a n o del in c is o a) del e j e m p l o 5 e s i d é n t i c a m e n t e ig u a l a . <i

p o r q u e e s c e r o p a ra c u a lq u ie r v a lo r d e a . El w r o n s k ia n o d el in c iso b) n o e s idéntic.uiu u
ig u a l a c e r o p o r q u e e x is te n v a lo re s d e .y p ara los c u a le s el w r o n s k ia n o e s d ife re n te di' e n
E n el s ig u ie n te t e o re m a se m u e stra c ó m o se p u e d e u s a r el w r o n s k i a n o d e un cou|ini(
d e f u n c io n e s p a ra c o m p r o b a r la in d e p e n d e n c ia lineal.
Prueba del W ronskiano p ara la Independencia Lineal

Sea . . . , y n \ u » .c o n ju n to d e n s o lu c io n e s d e u n a e c u a c ió n d ife re n c ia l lineal
h o m o g é n e a d e o r d e n n. E s te c o n ju n to e s lin e a lm e n te in d e p e n d ie n te s í y s ó lo si el
w r o n s k i a n o n o e s id é n tic a m e n te cero .
Observación: E s ta p r u e b a n o e s v álid a p a ra un c o n j u n to a rb itra rio de fu n c io n e s. C ada m

d e las fu n c io n e s y , , y 2 y y n d e b e s e r u n a s o lu c ió n d e la m is m a e c u a c ió n d ilciciu i
lineal h o m o g é n e a d e o r d e n n.
► E je m p lo 6 C o m p ro lk ic ió n de la lu d e /te n d e n c ia L in e a l d e u n C o n ju n to d e S o lth tot
D e te r m in e si { 1, e o s x , s e n .y) e s un c o n j u n to d e s o lu c io n e s lin e a lm e n te independien!

d e la e c u a c ió n d ife re n c ia l lineal h o m o g é n e a
v " + y ' = 0.
Sección 4.S Ejercicios 277
Solución: .Se e m p ie z a p o r o b s e r v a r q u e c a d a una d e las f u n c io n e s d a d a s es u na s o lu c ió n

d e / " + > • ' = 0. (In te n te v e rific a r e s te h ech o ). L u e g o , al c o m p r o b a r la i n d e p e n d e n c i a lineal
se o b tie n e el w r o n s k ia n o d e las tre s fu n c io n e s c o m o se m u e s tr a e n s e g u id a .
I eosa sen x
W = 0 - s e n .v eos a = s e n 2 .v + e o s 2 x
0 -co sa: -sen a
C o m o W n o es id é n tic a m e n te igual a c e ro , se c o n c l u y e q u e el c o n j u n to 1 1, e o s x , se n .v)

es lin e a lm e n te in d e p e n d ie n te . A d e m á s , d a d o q u e e s te c o n j u n to c o n s ta d e tres s o lu c io n e s
lin e a lm e n te in d e p e n d ie n te s d e un a e c u a c ió n d ife re n c ia l h o m o g é n e a lin eal d e te r c e r o rd e n ,
se c o n c l u y e q u e la s o lu c ió n g e n e ra l es
y = C j + C2 eos x + C \ sen x . ^
► E je m p lo 7 C o m p m lx ic ió n (le l;i In d c /x m ile n c ia L in e a l d e u n C o n ju n to d e S o lu c io n e s
D e te rm in e si { e \ .v e\ ( a + l)e*) es un c o n j u n to d e s o lu c io n e s lin e a im e n te in d e p e n d ie n te s
d e la e c u a c ió n d ife re n c ia l lineal h o m o g é n e a
y " - 3y " + 3 / - y = 0.
Solución: C o m o en el e j e m p lo 6 , se e m p ie z a p o r v e rific a r q u e c a d a u n a d e las f u n c io n e s
d a d a s es en re a lid a d u n a s o lu c ió n de y'" - 3y" + 3v' - y = 0. (E s ta v e rif ic a c ió n se d e ja para
el le c to r.) A l c o m p r o b a r la in d e p e n d e n c ia lin eal se o b tie n e el w r o n s k i a n o d e las tres
fu n c io n e s m o s tr a d o a c o n tin u a c ió n .
ex xe' (a + I )e y
ex (.v + l ) í '‘ (a + 2 )C = 0
(a t- 2 )e ' (a + 3)e‘
P o r tan to, el c o n ju n to { e \ .ve', (a t- 1 )e y) es lin e a lm e n te d e p e n d ie n te . ^1
E n el e j e m p lo 7 se u s ó el w r o n s k i a n o p a ra d e te r m in a r q u e e l c o n j u n to { e \ . v e , ,(.v+ I ) e ‘ )
e s lin e a lm e n te d e p e n d ie n te . O tra fo r m a d e d e te r m in a r la d e p e n d e n c ia lineal d e este
c o n j u n to h u b ie ra s id o o b s e r v a r q u e la te rc era fu n c ió n es u n a c o m b in a c i ó n lineal d e las
o tras dos. E s d ecir, q u e (a + 1) e ' = e x + x e x. In ten te d e m o s t r a r q u e el c o n j u n to d ife re n te
[ e x, ac '. aV }
e s un c o n j u n t o li n e a lm e n te i n d e p e n d ie n t e d e s o l u c i o n e s d e la e c u a c i ó n d i f e r e n c i a l y "
I - 3 y " + 3 y ' - y = 0.
Sección IS a Ejcm cios

S eccio n es C ó n ic a s y R o ta c ió n
En los ejercicios del I al 10. identifique y trace la gráfica d e la ecuación riada.
I. v2 + r = 0 2. 5 *2 + 3 v2 - 15 = 0
4. .v2 - 2 x + 8y + 17 = 0
5 . 9.x2 + 2 5 y 2 - 3 6 a - 5 0 y + 6 1 = 0 6. 9.x2 - y2 + 5 4 a + 1Oy + 55 = 0

7 . a 2 + 4 y 2 + 4 a + 3 2 y + 64 = 0 8. 2 a 2 - y 2 + 4 a + lO y - 22 = 0
9. a 2 + 4 a + 6 v - 2 = 0 10. y 2 + 8a + 6 y + 25 = 0
En los ejercicios del II al 18, efectúe una rotación d e ejes para elim inar el térm ino av y ti.m
la gráfica de la cónica.
11 . x y + 1 = 0 12. 4.x2 + Iv y + 4y 2 - 1 5 = 0
13. 5.x2 - 2 x y + 5 y 2 - 24 = 0 14. a 2 + 2xy + y2 - 8 a + 8y = 0

15. 13.x~ + 6 ^ 3 ,v>' + l y 2 - 1 6 = 0
16. 3.x-2 - 2 V 3 av + y 2 + 2 x + 2 V 3 y = 0
17. a 2 + 2 V 3 av + 3y 2 - 2 > / 3 a + 2y + 16 = 0
18. 1.x2 - 2 \TS x y + 5 y2 = 16
En los ejercicios 19 y 20. efectúe una rotación de ejes para elim inar el térm ino av y trace lii
gráfica de la có n ica “d eg en e rad a” .
19. a 2 - 2xy + y 2 = 0 20. 5.x2 - 2 xy + 5 / = 0
21. D em uestre que una rotación 0 = n /4 elim inará el térm ino ry de la ecuación
a x 2 + b x y + a y 2 + < l.x + e y + / = 0.
22. D em u estre qu e una rotación 0, donde B = cot 2 0 = (a - c ) / b , se elim inará el térm ino w di
se intersecan.
24. En el ejercicio 23. sea L4I = 0 y describa la gráfica de ax2 + b.xy + cy2 = 0.
Ecuaciones D iferenciales Lineales (Cálculo)
En los ejercicios del 25 al 28. determ ine qué funciones son s o lu c ió n de la e c u a c ió n diferencial
dada.
25. y " + y = 0
a) e* b)sen a c) COSA d) se n a eos »
Sección 4. S E je rcicio s
26. y '" + 3y" + 3 / + y = 0

a) x b) e x c) e~ ' d) x r *
27. y " + 4 / + 4 y = 0
a) í,-2r b) xe~lx c) a2c-2x d) (.v + 2)e~2x
28. y '" - 2 y '" = y " = 0

a) 1 b) x c) X 2 d)ír>
En los ejercicios del 29 al 32. determ ine el w ron skian o del c o n ju n to de funciones dado.
29. [e x, e~x ) 30. (.t, sen x , eos .v)
31. {é T \ x e ~ \ (.v + 3)<rx) 32. 11. r r, elT )
En los ejercicios del 33 al 40, verifique la independencia lineal del con jun to d e so luciones d
E c u a c ió n D ife re n c ia l S o lu cio n e s
33. y " + y = 0 {sen x, eos ,v|
34. y " + 4 y ' + 4 y = 0 (e -1(,xe ~ l x )
35. y'" + 4 y " + 4 / = 0 {e~z*. xe~2x, (2 jc + 1 )e~lx )
36. y " + / = o {1. sen x, eos x }

37. y w+ y = o {2 , - 1 + 2 sen .v, 1 + sen .>
38. y '" + 3 y " + 3 / + y = 0 { e ~ \ xe~', x 2<rx )

39. y ”' + 3y" + 3 / + y = 0 {e ~ \ x e ~ \ e~x + xe r * }
40. y " " - 2y '" + y" = 0 { \ . x . e '. x e '}
41. D eterm ine la solución general de la ecuación diferencial dada en el ejercicio 33.
42. D eterm ine la solución general d e la ecuación diferencial d ad a en el ejercicio 34.
43. D eterm ine la solución general de la ecu ació n diferencial del ejercicio 36.
44. D eterm ine la solución g eneral de la ecuación diferencial del ejercicio 40.
45. D em u estre que y = Cj eos a x + C 2 sen ax es la solución general d e y" + a 2y = 0. a 0.
46. D em uestre que {e"*, ebx) es linealm ente independiente sí y sólo si a ^ b.
47. D em uestre q ue el c o n ju n to xeax) es linealm ente independiente.
48. D em u estre que el co nju nto [e “ * eos bx, e“ -x sen b x }, d o n d e b ? 0, es linealm ente
independiente.
49. ¿ L a sum a d e dos soluciones de una ecuación diferencial lineal no h o m ogénea es tam bién
una so lución d e ésta? E xplique su respuesta.
50. ¿El m últiplo escalar de un a solución de una ecu ació n diferencial lineal h o m o g é n ea es
tam bién una solución de ésta? Explique su respuesta.
Capítulo 4 ▲ Ejercicios de Repaso

En los ejercicios de! 1 al 4, determ in e a) u + v, b) 2v, c) u - v y d ) 3u - 2v.
1. u = (-1 , 2, 3), v = (1. 0. 2) 2. u = ( - 1 , 2, 1), v = (0, 1, 1)
3. u = ( 3 , - 1 , 2, 3), v = (0, 2 , 2 . I) 4. u = (0, I . - I . 2), v = ( 1. 0, 0, 2)
En los ejercicios 5 y 6, despeje x dado qu e u = (1, - 1 , 2), v = (0, 2, 3) y w = (0. 1. I ).
5. 2 x - u + 3v + w = 0 6. 3x + 2u - v + 2\v = 0
En los ejercicios 7 y 8. ex p rese v co m o una com binación lineal de u ,, u , y u 3. en caso de s u

posible.
7. v = ( l , 2 , 3 , 5 ) . u, = ( 1 . 2 . 3 , 4 ) . u , = ( - 1 , - 2 , - 3 , 4 ) , u ;t = ( 0 .0 . 1,1)
8. v = (4. 4. 5), u , = ( 1. 2, 3), u , = (- 2 , 0, I ), u , = (1, 0, 0)
En los ejercicios 9 y 10, describa el vector cero y el inverso aditivo de un vector en el espacio
vectorial dado.
9. M ,4 10. P 8
En los ejercicios del 1 1 al 16, determ in e si W e s un suhespacio del espacio vectorial dado.
II. IV = {(.v, y): x = 2 y }. V = K 2 12. VV= {(.v, y): .v - y = I ). V = R2
13. VV= ( (x, 2a, 3a): a es un núm ero r e a l),V = R}
14. W = ((a, y, z ) : a > 0 ) . V = Ri
15. W = | / : / ( 0 ) = - l } , V = C [ - \ , 1] 16. VV= ( / : / ( - 1 ) = 0 ] , V = C | - 1 , 1 ]
17. ¿C uál d e los siguientes subco njun to s de fí? es un suh espacio de ft3?
a) VV= {(a ,, a2, a3): a , 2 + a 22 + a32 = 0}
b) VV = {(a ,, a2, a3): a ,2 + a22 + a32 = 1 )
18. ¿C uál d e los siguientes subconjuntos de /C es un su h espacio de /C?

a) VV= {(a ,, a2. a3): a , + a 2 + a3 = 0}
b) VV= {(a ,, a2. a3): a , + a 2 + a3 = 1}
En los ejercicios del 19 al 24. determ in e si S a) genera a R \ b) es lineaim entc independióme

y c) es una base de Ri .
19. 5 = { ( 1 , - 2 , 7). (- 5 , 6. 4 ) . (3. 6, - 9 ) , (5, 1 .2 ))
20. S = { ( 4 . - 5 . 6), (1. 3 .9 ) 1
21. S = {( I. - 5 . 4 ) . ( 1 1 , 6 , - i). (2. 3. 5))

Capítulo 4 Ejercidos de Repaso 281
22. 5 = ( ( 4 .0 . I). ( 0 . - 3 . 2). (5. 1 0 ,0 ))
23. S = { ( - [ . | . - 1 ) . (5. 2. 3). M . 6. - 8)}
24. S = { (l.O .O ).(O , 1.0 ). ( 0 ,0 , 1). ( - 1 . 2, - 3 ) )
25. D eterm ine si S = {1 - 1, 2/ + 3 12, t 2 - 2/3. 2 + r3] es una base d e P y
26. D eterm ine si el siguiente co nju nto es una base de M 2 ,.
1 0 -2 3 4 -3 -3
2 3 2 3 I 3
0 E n los ejercicios 27 y 28. determ ine a) una base y b) la dim en sió n del espacio solución del
sistem a h o m o g é n eo de ecuaciones.
27. 2.x, + 4.x, + 3.v3 - 6.í4 = 0 28. 3.x, + 8.x, + 2x 3 + 3.x, = 0

.x, + 2x, + 2x 3 - 5 x 4 = 0 4.x, + 6 a , + 2x 3 - ,x4 = 0
3.x, + 6.x, + 5.x-, - 11.x, = 0 3.x, + 4.x, + .x3 - 3.x4 = 0
En los ejercicios del 2 9 al 32, determ ine una base del espacio solución d e A x = 0. Luego,
co m p ru e b e que rango (A ) + nu lidad(4) = n.
5 -8 1 4
29. A = 30. /\ =
10 16 3 2
2 -3 -6 -4 1 3 2 '
4 -1 -18
4= 1 5 - 3 1 1 32. A =
2 7 - 6 1 6 -1 3 10
1 2 0
En los ejercicios del 33 al 36, determ ine a) el rango y b) un a base del espacio g en era d o p o r los
renglones de la m atriz dada.
1 2' 2 -1 4
33. -4 3 34. 1 5 6
6 1 1 16 14
7 0 2
35. 4 I 6 36. (1 -4 0 4|
16 14
En los ejercicios del 37 al 40. determ ine el vector de co o rd en ad as de x con respecto a la base
normal.
37. / ? = {(1. ! ) , ( - ! , 1)1. (x)w = (3. 5)
38. / ) = {(2. 0). (3. 3 ) ). ( x ) B = (1, I)
39. B = { ( 1 .0 , 0 ) , (1, 1 .0 ). (0. 1. I ) ) . ( x ) „ = ( 2 . 0 , - l )
40. / / = ( ( | . | ) . ( l . 0 ) | . ( x ) tí = ( - . J )
En los ejercicios del 41 al 44. determ ine el vector de coord en adas de x con respecto a la base
(no norm al) d ad a de Rn.
41. B ’ = { (5 .0 ) . ( 0 , - 8 ) ) , x = (2, 2)
42. B ' = { ( 1, 2, 3). (1, 2. 0). (0, - 6. 2) J, x = (3, - 3 . 0)
43. B ' = {(9. - 3 , 15, 4), ( - 3 , 0, 0, - 1 ) , (0, - 5 , 6, 8). ( - 3 , 4, - 2 . 3 )), x = ( 2 1 , - 5 , 43. 14)
44. { ( 1 , 0 . 0 ) , (0. 1 ,0 ), (1, I, I )), x = (4, - 2 , 9)
En los ejercicios 45 y 46, determ in e el vector de coordenad as de x con respecto a la b ase II'
45. £ = { ( ! , I ) , ( - I , 1 )} .Z T = {(0. ! ) , ( ! , 2 ) ) , (x )B = ( 3 ,- 3 )
46. B = { ( 1 , 0 , 0 ) , (1, 1 ,0 ), ( I , I, ! ) } , £ ? ' = { ( 0 , 0 , !),((), I, ! ) , ( ! , I, I ) ), ( x j g = (-1 , 2, -3 )
En los ejercicios del 47 al 50, determ ine la m atriz de transición de B a B '.
47. B = {(1. - 1 ) , (3. l ) ) , Z f ' = { ( l , 0 ) , ( 0 , I))
48. B = { ( 1 , 0 , 0 ) , (0, 1 .0 ); ( 0 . 0 . 1)), B‘ ={((), 0. 1 ),(0, I, 0), ( I , 0, ()))
49. / ? = { ( ! , - ! ) , (3, I )) , B ' = { (1 ,2 ), ( - 1 , 0 ) )
50. B = {(1, I, 1), (1, I, 0). ( 1 , 0 . 0 ) , B ' = { ( 1 , 2 , 3 ) , (0, 1 ,0 ), ( 1 . 0 , 1)}
Capítulo A A ejercicios Complementónos

1. Sea VVel su b espacio de de todos los po lino m ios tales quc/H 0) = 0, y sea í / e l subespacio
de todos los po lino m ios tales quc/>( 1) = 0. D eterm in e una base de VV, una base de U y una
base de su intersección W n U.
2. (C álculo) Sea V = °°) el espacio vectorial de todas las funciones continuam ente
difcrcnciables sobre la recta real.
a) D em uestre qu e VV = { / : / ' = 3/} es un su bespacio d e V.
b) D em uestre q ue U = { / : / ' = / + 1) no es un su bespacio de V.
3. S ea V el co n ju n to d e nú m eros reales p o s itiv o s , con la su m a vectorial definida com o la

m ultiplicación norm al y la m ultiplicación escalar definida c o m o r v = v*. D em uestre que
V'cs un esp acio vectorial.
4. Sean A y B m atrices ti x n con A í O y B í O. D em uestre qu e si /( es sim étrica y B cu

sim étrica sesgada (B ' = - B ), ento nces {<4. B ) es un co nju nto linealm ente independiente
5. Sea V = y con sidere el co nju nto VVde todos los polinom ios de la form a (.v1 + v)/>(»i,
d o n d e p ( x ) está en P r ¡ W es un sub espacio tic V? D em uestre su respuesta.
6. S ean U y VV subespacios del esp acio vectorial V''. La s u m a de ( ' y VVse d efin e com o
U + VV= (u i w . ii está en í / y w está en W).

Capítulo 4 Ejercicios Comptemetarios 283
Demuestre que U + W es un subespacio de V. Luego, con V = R3 sean

U = {(x, y, x - y): x y y son n úm eros r e a le s }
VV' = {.x, 0, x): x es un nú m ero r e a l }
Z = {(.v, x, .v): x es un núm ero r e a l }.
E ncuen tre U + VV y U + Z.
7. Sean v ,, v 2 y v 3 tres vectores linealm ente independientes de un espacio vectorial V. ¿El

co njunto {v, - v2. v , - \ y v 3 - v , ) es linealm ente depend iente o independiente?
8. S ea A una m atriz cuadrada n x n. D em uestre que los vectores renglón d e / \ son linealm ente
d ependientes sí y sólo si los vectores co lu m n a de A son linealm cnte d ependientes.
9. Sea A una m atriz cu ad rad a n x n y sea X un escalar. D em uestre q ue el conjunto.
S = {x: A x = Xx)
es un su b esp acio d e R". D eterm ine la dim en sión de A si X = 3
3 1 0
/V = 0 3 0
0 0 1
10. S ean f ( x ) = x y g (x ) = Lvl.

a) D em uestre qu e f y g son linealm ente independientes en C | - l , 11.
b) D em uestre que f y g son linealm cnte dep en dientes en CfO, 11.
Secciones C ónicas y R otación
En los ejercicios del 11 al 14, identifique y trace la gráfica tic la ecuación dada.
11. x 2 + y 2 - 4.x + 2y - 4 = 0 12. .r2 - y 2 + 2 r - 3 = 0
13. 2x2 - 2 0 x - y + 4 6 = 0 14. 4.x-2 + y 2 + 32v + 4y + 63 = 0
En los ejercicios 15 y 16. efectúe una rotación d e ejes para elim inar el té rm in o xy y trace la
gráfica de la cónica.
15. x y = 3 16. 9 . r + 4xy + 9y 2 - 2 0 = 0
E cuaciones D iferenciales L ineales (C álculo)
En los ejercicios 17 y 18, determ ine cuáles funciones son solución de la ecuación diferencial
lineal dada.
17. y" - y ' - 6y = 0

a ) e 3' b) elx c) e~h d) e~2’
18. y"" - y = 0
a) r l b) v~x c) e o s ,v d) sen x
En los ejercicios 19 y 20, determ ine el w ron sk iano del con jun to d e funciones dado.
19. { 1 , .v, c*} 20. { !,* , 2 + .v )
En los ejercicios del 21 al 24, verifique la independencia lineal del conjunto de soluciones dadi
E c u a c ió n D ife re n c ia l S olucio n es
21. y" + 6/ + 9y = 0 {e ~ \ xe~3* )
22. y" + 6/ + 9y = 0 l e ~ \ 3e~3x)
23. y'" - 6/ + 11 / - 6y = 0 {e \ e 2*. C - e 1' )
24. v" + 4v = 0 ( sen 2x, e o s 2 x )

C a p ít u lo 5
Espacios con Producto Interior
5.1 L o n g itu d y P r o d u c to P u n to e n R”
5.2 E s p a c io s c o n P r o d u c to In terio r
5.3 B a s e s O r to n o m i a le s : P r o c e d im ie n to d e G r a m - S c h m i d t
5 .4 A p lic a c io n e s d e los E s p a c io s
c o n P r o d u c to In terio r
Jean Baptiste Joseph Fourier
Jean-B ap tiste Josep h F o u rier nació en

A uxcrre. Francia. H u érfan o a los o c h o años,
in g resó a un co leg io militar local dirigido
p o r m o njes benedictinos. D e s p u é s d e la re-
x e rre c o m o p ro feso r d e m atem áticas. Pou^

rier adqui rió p ro n to repu tación c o m o e x c e
dente., m aestro y matemático..
C u a n d o N ap o leó n c re ó la E s c u e la N o r
m al e n 1794, d e s ig n ó a F ourier para la cátedra d e m atem áticas, E l m é to d o in n o v a d o r
d e F o u rier para la enseñanza trajo éxito inm ediato y m u y p ronto e n el C o le g io (ac
tualm en te e l Politécnico) se g ra d u a ro n científicos, ingenieros y m atem áticos ta
lentosos.
E n 1798, F o u rier a c o m p a ñ ó a N a p o le ó n d u rante la invasión a E gipto, d o n d e
p erm a n eció , fundó e scu elas y e n s e ñ ó hasta que, en 1801, volv ió a F rancia para
acep tar un p u esto g u b ern am en tal en C renob le. Ahí, ad e m á s d e e fec tu ar su trabajo
adm inistrativo, F o u rie r d irig ió trabajos d e inv estig ación en física m a te m á tic a y es
c rib ió uno d e su s trabajos m á s im portantes, I m te o ría m a te m á tic a d e l c a lo r, 1811, por
e l que fue galard o n ad o c o n el O ran P rem io por la A ca d e m ia d e C iencias d e París.
En 1822, F ourier publicó u n te x to clásico con el m is m o título q u e su trabajo
an terio r sobre calor. E ste trabajo contiene m u c h o s resultados im portantes relacio na
d o s con ecuaciones diferenciales, valores característicos o eigenv alores y rep resen
taciones d é fu n cio n es m edian te series trigonom étricas (den o m in ad as m á s tarde
seríes d e Fourier). Su trabajo relacionado c o n las series d e F o u rier o b lig ó a los
m atem áticos a reconsiderar la entonces aceptada, au n q u e estrecha, d efin ición d e
función.
F u 1824 F o u rier fue no m b rad o secretario de la A cad em ia d e C iencias, p u esto q ue
tuv o h asta s u fallecim iento en 1830.
285
286 Capitulo 5 Espacios con Producto Interno
5.1 A L o n g itu d y P r o d u c to P u n t o e n Kn
E n la s e c c ió n 4.1 s e m e n c io n ó q u e los v e c to re s en el p la n o p u e d e n c a ra c te r iz a rs e c o m o
s e g m e n to s d e recta d ir ig id o s c o n cierta lo n g itu d y d ire c c ió n . En e s ta s e c c ió n se usa R :
c o m o m o d e lo p a ra d e fin ir e stas y o tras p ro p ie d a d e s g e o m é tr ic a s ( c o m o d is ta n c ia y á n g u lo )
d e v e c to re s en R ". L u e g o , en la s ig u ie n te s e c c ió n , e s to s c o n c e p to s se e x tie n d e n a es p a c io s
v e c to ria le s en g eneral.
S e e m p ie z a p o r r e v is a r la d e fin ic ió n d e la lo n g itu d d e un v e c to r en R 2. Si v = (v ,, v,}
e s un v e c to r en el p la n o , e n to n c e s la l o n g i t u d d e v, d e n o t a d a p o r llvll, se d e f in e c o m o
llvll = V v ,2 + V22 .
E s ta d e fin ic ió n c o r r e s p o n d e al c o n c e p to u su al d e lo n g itu d en g e o m e tr ía e u c lid ia n a . Es

d e c ir, el v e c to r v se c o n s id e ra la h ip o te n u s a d e un tr i á n g u lo r e c tá n g u lo c u y o s la d o s tienen
lo n g itu d e s lv,l y lv2l, c o m o se m u e s tr a e n la fig u ra 5.1. L a a p lic a c ió n d el te o re m a de
P itá g o r a s d a
llvll2 = IV , |2 + lv2l2 = V , 2 + v 22.
FIGURA 5.1.
U s a n d o c o m o m o d e lo a R 2, la lo n g itu d d e un v e c to r en R“ s e d e f in e c o m o sigue.
Definición de Longitud de un V ector en K"

L a l o n g i t u d d e u n v e c to r v = (v,, vv . . . . v | en Rn e s tá d a d a p o r
llvll a-s fv 2+ V ,2 + • • • + V J .
Observación: La lo n g itu d d e un v e c to r ta m b ié n se lla m a n o r m a . Si llvll = 1 , e n to n c e s el

v e c to r v se llam a v e c t o r u n i t a r i o .
Sección 5.1 Longitud y Producto Punto en Kn 287
E sta d e fin ic ió n m u e s tr a q u e la lo n g itu d d e un v e c to r n o p u e d e s e r n e g a tiv a . E s decir,

llvll > 0. A d e m á s , llvll = 0 s í y s ó lo si es el v e c to r c e r o 0.
► Ejemplo I Loriga ud de un Vector en A*

a) E n A5, la lo n g itu d d e v = (0, - 2 , 1, 4, - 2 ) e s tá d a d a p o r
llvll = V 0 2 + ( - 2 ) 2 + 12 + 4 2 + ( - 2 ) 2 = V 2 5 = 5.
b) E n A3, la lo n g itu d d e v = ( 2 / V l 7 , - 2 / V 17, 3 /V T 7 ) e s tá d a d a p o r
D a d o q u e su lo n g itu d e s I , v e s un v e c to r u n ita rio , c o m o se o b s e r v a en la f ig u ra 5.2.
FIGURA 5.2
Cada v e c to r e n la b a s e n o rm a l d e A" e s d e lo n g itu d 1 y se lla m a vector unitario norm al

en A". E n física e in g e n ie ría e s c o m ú n d e n o ta r los v e c to re s u n ita rio s n o r m a le s en A 2 y A 3
com o sigue.
{¡,j) = 1(1,0). (0.1)}

y
| i , j , k ) = { (1 .0 , 0). (0. 1 .0 ). (0. 0. I)}
D o s v e c to re s u y v en A" d ife re n te s de c e r o s o n paralelos si u n o es un m ú ltip lo e s c a la r

del o tro ; e s d e c ir, u = c \ . A d e m á s , si c > 0, e n t o n c e s u y v tie n e n la m ism a dirección;
ní c < 0, ii y v tien en direcciones o p u e s t a s . El s ig u ie n te te o re m a d a u n a fó rm u la p ara
d e te r m in a r la lo n g itu d d e un m ú ltip lo e s c a la r d e un vector.

Sección 5.1 Longitud y Producto Punto en R" 287
E sta d e fin ic ió n m u e s tr a q u e la lo n g itu d d e un v e c to r no p u e d e s e r n e g a tiv a . Es d e c ir,

llvll 0. A d e m á s , llvll = 0 s í y s ó lo si es el v e c to r c e ro 0.
► Ejemplo I LongUud de un Vector en R"

a) E n R 5, la lo n g itu d d e v = (0, - 2 , 1, 4, - 2 ) e s tá d a d a p o r
llvll = n /0 2 + ( - 2 )2 + 12 + 4 2 + ( - 2 )2 = y ¡2 5 = 5.
b) E n R 3, la lo n g itu d d e v = ( 2 / ^ 1 7 , - 2 / V f 7 , 3 /V 7 7 ) está d a d a p o r
D a d o q u e su lo n g itu d e s I , v es un v e c to r u n itario , c o m o se o b s e rv a en la fig u ra 5.2.
FIGURA 5.2
C a d a v e c to r en la b a s e n o rm a l d e R " es d e lo n g itu d I y se lla m a v e c t o r u n i t a r i o n o r m a l

en R ". E n física e in g e n ie ría es c o m ú n d e n o ta r los v e c to r e s u n ita rio s n o r m a le s e n R 2 y R '
c o m o sigue.
( i , j ) = { ( 1 , 0 ), ( 0 . 1 ))
y
{ ¡ , j , k } = { ( 1 . 0 , 0 ), (0 . 1 . 0 ). (0 , 0 . I)}
D os v e c to r e s u y v en R " d ife re n te s d e c e r o so n p a r a l e l o s si u n o es un m ú l tip lo e s c a la r

del o tr o ; e s d e c ir , u = cv. A d e m á s , si c > 0, e n t o n c e s u y v tie n e n la m i s m a d i r e c c i ó n ;
ni c < 0, u y v tienen d i r e c c i o n e s o p u e s t a s . El s ig u ie n te te o re m a d a u n a f ó r m u la p a ra
d e te r m in a r la lo n g itu d d e un m ú ltip lo e s c a la r d e un vector.
288 Capítulo 5 Espacios con Producto Interno
Teorem a 5.1 Longitud d e un Múltiplo E scalar

S e a v u n v e c t o r e n Rn y s e a c u n esc a la r. E n to n c e s
Bcvil — leI llvll,
d o n d e lcl e s e l v a l o r a b s o lu to d e c.
D emostración: D e b id o a q u e c v = ( c v , , c v 2, . . . . c v j , s e c o n c lu y e q u e
llcvll = ll(cv,, CV2, . . . . CVn)ll
= V ( c v ,)2 + (CV2)2 + • • • + ( c v j 2
= y / ( r ( v 2 + v, 2 + • • • + v#i2)
= lc l V v 2 + V, 2 + • ■ • + v 2 = I r l llv ll.
1 2 n
<
U n u s o im p o r ta n te del te o re m a 5.1 e s h a lla r un v e c to r u n ita rio q u e te n g a la m ism a

d ir e c c ió n q u e un v e c to r d ad o . El s ig u ie n te te o re m a p ro p o r c io n a un p r o c e d im ie n to paia
lle v a r a c a b o lo an terio r.
Teorem a 5.2 V ector Unitario en la Dirección de v

Si v e s u n v e c to r e n R* d if e re n te d e c e ro , e n t o n c e s el v e c to r
_ v
“ “ llvll
es d e lo n g itu d 1 y tie n e la m i s m a d ir e c c ió n q u e v. u s e lla m a v e c t o r u n i t a r i o e n la
d i r e c c i ó n d e v.
Demostración: C o m o v es d ife re n te d e c e ro , se s a b e q u e llvll =¡é 0. P o r ta n to , l/llvll es posi

tiv o y u p u e d e e s c r ib irs e c o m o un m ú ltip lo e s c a la r p o s itiv o d e v.
u = m v
Vllvll /
P o r c o n s ig u ie n te , se c o n c l u y e q u e u tiene la m is m a d ir e c c ió n q u e v. La d e m o s tra c ió n di
q u e la longitud d e u es 1 se d eja c o m o ejercicio para el lector. (V éase el e je rc ic io 82. i <
Observación: El p r o c e s o d e e n c o n tr a r al v e c to r u n ita rio en la d ire c c ió n de v se llama

n o r m a l i z a c i ó n del v e c to r v.
Sección 5 .1 UmgUud y Producto ¡‘unto en Rn 289
► Ejemplo 2 Determinación de un Vector Unitario

E n c u e n tr e ei v e c to r u n ita r io e n la d ir e c c ió n d e v = (3, - 1 , 2) y c o m p r u e b e q u e la lo n g itu d
d e e s te v e c to r e s 1 .
Solución: El v e c to r u n ita rio en la d ire c c ió n d e v es

_v_ = (3 ,-1 ,2 ) _ 1 (3 , 2) / 3 -1 2 \
Hvll \ / 3 2 + ( - I )2 + 2 2 V Í4 ’ w ¡4 ’V ¡ 4 ’ V ¡ 4 '
q u e e s un v e c to r un itario, ya q u e
Distancia en tre Dos V ectores en R"

P a ra d e f in ir la d i s t a n c i a e n t r e d o s v e c t o r e s en R " se c o n s id e ra rá u n a v e z m á s el m o d e lo
R 2. L a F ó r m u la d e la D is ta n c ia en g e o m e tr ía a n a lític a e s ta b le c e q u e la d is ta n c ia ¿ /en tre d o s
p u n to s e n el p la n o , ( « ,, n , ) y (v,, v2), está d a d a p o r
, / = % / ( „ , - v y + (u 2 - ^ J .
E n te rm in o lo g ía v ec to ria l, esta d is ta n c ia p u e d e c o n s id e r a r s e c o m o la lo n g itu d d e u - v.

d o n d e u = ( « ,, u 2) y v = (v ,, v,), c o m o s e o b s e r v a en la f ig u ra 5.3. E s decir,
llu - vil =V(m, - V,)2 + (u 2 - V2)2,
lo cual c o n d u c e a la s ig u ie n te d e fin ició n .
FIGURA 5.3
Definición d e ja D istancia en irc Dos V ectores

L a d i s t a n c i a e n t r e d o s v e c t o r e s u y v en A'" es
E s fácil c o m p r o b a r las s ig u ie n te s p r o p ie d a d e s d e la d is ta n c ia .
1. d (u, v) > 0
2 . d ( u , v ) = 0 s í y s ó lo si u = v.
3. d ( u , v) = d ( \ , u )
► Ejemplo 3 Determinación de lo Distancio Entic Dos Vectores

La d is ta n c ia e n tre u = (0, 2, 2) y v = (2, 0, 1) es
d ( u , v ) = II u - v II = 11(0 - 2 , 2 - 0 , 2 - 1 )ll
= V(_ 2)2 + 2 2 + l 2 = 3.
Producto Punto y el Ángulo E ntre Dos Vectores

P a ra e n c o n t r a r el á n g u l o 0 (0 < 9 ^ n ) e n tre d o s v e c to re s d ife r e n te s d e c e r o u = ( m ( , i / , )
y v = (v ,, v ,) en R 2, se p u e d e a p lic a r la ley d e los c o s e n o s al tr iá n g u lo m o s tra d o en la figura
5.4 p a ra o b te n e r
llv - ull 2 = llull2 + llvll2 - 2 llull llvll e o s 0.
A l d e s a r r o lla r y d e s p e ja r e o s 0 s e o b tie n e
M,V | + U2V2
cos 0 = — n .i
llull llvll
El n u m e r a d o r en el c o c ie n te d e la d e r e c h a se d e fin e c o m o el p r o d u c t o p u n t o d e u y v y
se d e n o ta p o r
FIGURA 5.4.
Ángulo entre dos vectores
E s ta d e f in ic ió n se g e n e r a liz a a R " c o m o sigue.
Definición del P roducto Punto cn Rn

El p r o d u c t o p u n t o ile u jy v = (v,t v2. . . . . v j e s la can tid ad e s c a la r
Sección 5 .1 Longitud y Producto Punto en R" 291
Observación: Asegúrese de entender que el prc Jucto p u n to de dos vectores se define como
u n escalar, no como otro vector.
► Ejemplo 4 Determinación del Producto Punto de Dos Vectores

El p r o d u c to p u n to d e u = (1, 2, 0, - 3 ) y v = (3, - 2 , 4, 2) es
u . v = ( 1)(3) + (2 )( —2 ) + (0 )(4 ) + (—3 )(2 )

= -7. -4
iu / » c i i k i u .o H \ j p i t U d U W > UCI r t tX J U t- tU I U l l l ü
S i u, v y w s o n v e c to re s e n Rn y c e s u n e s c a la r, e n t o n c e s s e c u m p le n las p ro p ie d a d e s
sig u ie n tes.
1. t i * V = V * u
2. u * (v + w ) = i* . v + u •w
3. c ( u * V ) =S ( c u ) . v = u * (c v )
}■ ...
. V • V s s llv ll2
5. v ♦ v > 0, y v • v ss 0 s í y s ó lo si v = 0.
Dem ostración: Las d e m o s tr a c io n e s d e las p r o p ie d a d e s se c o n c lu y e n f á c ilm e n te d e la d e

fin ició n del p r o d u c to p u n to . P o r e je m p lo , p a ra d e m o s t r a r la p r im e ra p r o p ie d a d se p u e d e
e scrib ir
u • v = u .v
» * + u 2, v 2, + • • • + u nvn
= VjM, + v 2w2 + • • • + Vnun= V • II. A
En la s e c c ió n 4 .1 , A*" se d e f in ió c o m o el c o n ju n to d e to d a s las n - a d a s o r d e n a d a s d e
n ú m e ro s reales. C u a n d o A" se c o m b in a c o n las o p e r a c io n e s n o rm a le s d e s u m a v e c to ria l,
m u ltip lic a c ió n e s c a la r, lo n g itu d v ecto rial y el p r o d u c to p u n to , el e s p a c i o re s u lta n te se
lla m a e sp a c io e u c lid e a n o n d im e n s io n a l. En el resto d e este libro, a m e n o s q u e se e s p e
c ifiq u e lo c o n tra rio , se s u p o n d r á q u e R " tien e las o p e r a c io n e s e u c lid ia n a s n o r m a le s .
► Ejemplo 5 Determinación del Producto Punto

D a d o s u = (2, - 2 ) , v = (5, 8 ), y vv = ( - 4 , 3), e n c u e n tr e lo sig u ie n te .
a) u •v b) ( u • V ) w c ) u • (2v ) d) llwll 2 e ) u • (v - 2 w)
Solución:
a) P o r d e f in ic ió n , se tiene
i i . v = 2 (5 ) + ( - 2 )( 8) = - 6 .
b) C o n el r e s u lta d o d el in c iso a), se tiene
( I I . v)vv = - 6 w = - 6 M , 3) = (24, - 1 8 ) .
c) P o r la p r o p ie d a d 3 del te o r e m a 5.3 , se tiene
u • ( 2 v ) = 2 (u • v ) = 2 ( - 6 ) = - 12 .
d) P o r la p ro p ie d a d 4 d el te o r e m a 5.3, se tiene
llwll2 = w • w (—4 ) ( —4 ) + (3 )(3 ) = 25.
c) D a d o q u e 2w = ( - 8, 6), e n to n c e s
v - 2 w = (5 - ( - 8 ), 8 - 6 ) = (13, 2).
P o r c o n s ig u ie n te ,
u • (v - 2\v) = 2 (1 3 ) + (—2 )(2 ) = 2 6 - 4 = 22. «
► E je m p lo G A p lic a c ió n d e la s P ro p ie d a d e s d e l P ro d u c to P u n to
D a d o s d o s v e c to r e s u y v e n R " tales q u e u • u = 3 9 , u • v = - 3 , v • v = 79, e v a l ú e ( u + 2v )

• ( 3 u + v).
Solución: P o r m e d io d el te o re m a 5.3 se p u e d e v o lv e r a e s c r ib ir el p r o d u c to p u n to dado

com o
( u + 2 v ) • ( 3 u + v ) = u • (3 u + v) + (2v) ■ ( 3 u + v)
= u • ( 3 u ) + u • v + ( 2 v ) • ( 3 u ) + (2v) • v
= 3 ( u • u ) + u • v + 6(v • u ) + 2 ( v • v)
= 3 (u • u ) + 7 ( u • v ) + 2 ( v • v)
= 3 ( 3 9 ) + 7 ( - 3 ) + 2 (7 9 ) = 2 5 4 . «
P a ra d e fin ir el á n g u l o O q u e hay e n tre d o s v e c to r e s u y v e n R ", s e ría c o n v e n ie n te iism

la fó rm u la d e R 2
n u • v
eos 0 =
IIuII llvll
P a ra q u e tal d e fin ic ió n te n g a s e n tid o , s in e m b a r g o , es n e c e s a rio s a b e r q u e el v a lo r d el lado

d e r e c h o d e la fó rm u la a n t e r io r n o p u e d e s e r m a y o r q u e I en v a lo r a b s o lu to . E ste hecho
p ro v ie n e d e un f a m o s o te o re m a q u e d e b e s u n o m b r e al m a te m á tic o f ra n c é s A u g u s lin I.o m i ^
C a u c h y ( 1 7 8 9 - 1 8 5 7 ) y al m a te m á tic o a le m á n H e r m a n n S c h w a r z ( 1 8 4 3 - 1 9 2 1 ) .
Teorem a 5.4 i g u a l d a d de Cauchy-Sehwarz

S i u y v s o n v e c to re s e n /?", e n to n c e s
f e - v i * llull llvll.
d ó n d e hi • vi d e n o t a el v a lo r a b s o lu to d e u * v.
Sección 5.1 Longitud y Producto Punto en Rn 293
Demostración: C a s o I . Si 11 = 0, e n to n c e s se c o n c lu y e q u e lu • vi = 10 • vi = 0 y llull llvll =

Ollvll = 0. P o r ta n to , el te o re m a es v e r d a d e r o si u = ü.
C a s o 2. Si u ^ 0, sea t c u a lq u ie r n ú m e ro real y c o n s id é r e s e el v e c to r /u + v. C o m o (ni +
v) • (n i + v) > ü, se c o n c l u y e q ue
(ni + v) • ( m + v) = t2! u • u ) + 2 /( u •v) + v • v > 0 .
A hora, con a = u • u , b = 2 ( u • v), y c = v • v, se o b tie n e la d e s ig u a ld a d c u a d r á tic a a l 1 + b t

+ c ^ 0. C o m o é s ta n u n c a es n eg a tiv a , o b ie n , no tiene r a íc e s re a le s o tien e u n a s o la raíz
real re p e tid a . S in e m b a r g o , p o r la fó r m u la c u a d rá tic a , lo a n te rio r im p lic a q u e el d is c r im i
n ante, b 2 - 4 a c , e s m e n o r o igual q u e cero. P o r tanto,
b2 - 4ac < 0
b 2 < 4ac
4 (u • v )2 < 4 ( u • u ) ( v • v)
( u • v )2 < ( u • u )(v • v).
A l s a c a r ra íz c u a d r a d a en a m b o s la d o s se o b tie n e
lu • vi < V u • u V v • v = llull llvll. 4
► E je m p lo 7 Un E je m p lo d e la D e s ig u a ld a d d e C a u c h y -S c h w a rz
V e rifiq u e la d e s ig u a ld a d d e C a u c h y - S c h w a r z para u = (1, - 1 , 3) y v = (2, 0, - 1 ) .
Solución: C o m o u • v = - 1 , u • u = II y v • v = 5, s e tiene
l u - v i = 1- 1 1 = 1
y
llull llvll = V u • u V v • v = V T l \ / 5 = V ~ 5 5 .
P o r tanto, la d e s ig u a ld a d se c u m p le y se tien e lu • vi < llull llvll. 4
A h o ra , la d e s ig u a ld a d d e C a u c h y - S c h w a r z p e r m ite d e fin ir el á n g u lo en tre d o s v e c to re s

e n Rn.
i dcJ Ángulo E n tre Dos V ectores en R"

En án gu lo ©entre dos vectores diferentes de cero en R" está definido por
ti * v" :" ' ¿ i ü ü l

eos 0 = , 0 ü f B ^ n. . • • . .. . . • ;
llull «vil
__
Observación: N o s e d e f in e el á n g u lo e n tr e el v e c to r c e ro y o tr o v ector.
► Ejemplo 8 Determinación del Ángulo Entre Dos Vectores

El á n g u lo e n tre u = ( - 4 , 0, 2, - 2 ) v = (2, 0, - 1 , 1) e s tá d a d o p o r
u •v
eos 0 =
llull llvll
-1 2
V 2 4 ^6
12
V I44
= - 1.
P o r c o n s ig u ie n te , 0 = n. Es ló g ic o q u e u y v te n g a n d ire c c io n e s o p u e s ta , p o r q u e u = - 2 v
O b s e r v e q u e c o m o llull y llvll s ie m p r e so n p o s itiv o s, e n to n c e s u • v c o n 0 s ie m p r e tendía

el m i s m o sign o. A d e m á s , d a d o q u e el c o s e n o es p o s itiv o en el p r im e r c u a d r a n te y negati v. 1
en el s e g u n d o c u a d ra n te , e n to n c e s el s ig n o del p r o d u c to p u n to d e d o s v e c to re s puede
u s a r s e p a ra d e t e r m in a r si el á n g u lo e n tre e llo s e s a g u d o y o b tu s o , c o m o se o b s e rv a en la
fig u ra 5.5.
FIGURA 5.5
Dirección M ism a
u•v<0 11 •v = 0 u •v > 0 dirección
opuesta
0
,0 11
v
0 = n o - f o < 0<y 0 =U
eos 0 = - 1 eos 0 < 0 eos 0 = 0 eos 0 > 0 eos 0 = I
E n la f ig u ra 5.5 se m u e stra q u e d o s v e c to re s d ife re n te s d e c e r o fo rm an un á n g u lo recto

sí y s ó lo si su p r o d u c to p u n to es c e ro . S e d ic e q u e los v e c to re s so n o r t o g o n a l e s (o
p e r p e n d ic u la r e s ) , s e g ú n se e s ta b le c e en la s ig u ie n te d e fin ic ió n .
— -----------
Definición d e V ectores O rtogonales

D o s v e c to r e s u y \ e n R " s o n o r t o g o n a l e s si
. ,£ V . .
u • v « 0. ’
Observación: A u n q u e el á n g u lo e n tr e el v e c to r c e ro y o tr o v e c to r n o e s tá d e fin id o , es con

v e n ie n te e x te n d e r la d e fin ic ió n a n te r io r p a ra in c lu ir el v e c to r cero. E n o tra s palab ras, so
d ic e q u e el v e c to r c e r o e s o rto g o n a l u c u a lq u ie r vector.
Sección 5 .1 Longitud y Producto Punto en R" 295
► E je m p lo 9 V e c to re s O rto g o n a le s en R "
a) L o s v e c to r e s u = (1, 0, 0) y v = (0, 1 , 0 ) so n o r to g o n a le s , y a qu e
u • v = ( 1 )( 0 ) + ( 0)( 1 ) + (0 )( 0 ) = 0 .
b; los v e c to re s u = (3 , 2, - 1 , 4) y v = (1, - 1 , 1 , 0 ) so n o r to g o n a le s , y a q u e
u • v = ( 3 ) ( 1 ) + ( 2 ) ( —1) + ( - 1 ) ( 1 ) + ( 4 ) ( 0 ) = 0 . <
► E je m p lo 10 D e te r m in a c ió n d e V e c to re s O rto g o n a le s
D e te r m in e to d o s los v e c to r e s en R 2 q u e s o n o rto g o n a le s a u = (4 , 2).
Solución: S e a v = ( v , , v2) o rto g o n a l a u . E n to n c e s
u • v = (4, 2 ) • (v ,, v2)
= 4 v , + 2 v2 = 0 ,
lo cu al im p lic a q u e 2 v2 = - 4 v , y v2 = - 2 v , . P o r co n sig u ie n te , to d o v e c to r o rto g o n a l a (4, 2)

es d e la fo rm a
v = (r, - 2 /) = r( 1 , - 2 ),
d o n d e t e s un n ú m e r o real. ( V é a s e la fig u ra 5.6.)
FIGURA 5.6.
L a d e s ig u a ld a d d e C a u c h y - S c h w a r z se p u e d e u s a r p ara d e m o s t r a r o tra d e s ig u a ld a d
b asta n te c o n o c id a d e n o m in a d a d e s i g u a l d a d d e l t r i á n g u l o . Este n o m b r e se d e r iv a d e la
I n terp re tació n del te o re m a en R 2, ilu stra d a p a ra los v e c to re s ii y v en la fig u ra 5.7. Si se
co n s id e ra q u e llull y llvll so n las lo n g itu d e s d e d o s la d o s d e un triá n g u lo , sc o b s e r v a q u e la
lo n g itu d del o tro lado es llu + vil. A d e m á s , d a d o q u e la lo n g itu d d e c u a l q u ie r la d o d e un
trián g u lo no p u e d e s e r m a y o r q u e la s u m a d e las lo n g itu d e s d e lo s o tro s la d o s, se tiene
15. u = (-5 , 12) 16. u = (1 ,-1 )
17. u = (3, 2, - 5 ) 18. u = ( 8, O, 0)
19. u=(l,0,2.2) 20. u = ( 1 , - 3 , O, 2)
21. ¿P ara qu é valores de c se cum ple lie (1, 2, 3)11 = 1?
22. ¿Para qu é valores de c es cierto qu e lie (2, 2, -1)11 = 3?
En los ejercicios del 23 al 26, halle el vector v co n la longitud dada que tenga la m ism a dirección
qu e el vector u.
23. llvll = 4, u = (1. I) 24. llvll = 4, u = ( - l , 1)
25. llvll = 2, u = (n/3, 3, 0) 26. llvll = 3, u = (0, 2 , 1, - 1 )
27. D ad o el vector v = ( 8, 8, 6), encuentre u tal que

a) u tenga la m ism a dirección de v y la m itad d e la longitud que éste.
b) u tenga d irección opuesta a la de v y mida la cuarta parte de la longitud de v.
28. D ado el vector v = (-1 , 3, 0, 4), encuentre u tal qu e

a) u tenga la m ism a dirección que v y m ida la mitad que éste.
b) u tenga dirección o p u esta a la de v y m ida la cuarta parte d e la longitud d e v.
En los ejercicios del 29 al 32, determ ine la distancia entre u y v.
29. u = ( 1 . - I ) , v = ( - l , I) 30. u = (3, 4), v = (7, I)
31. u = ( l . 1 .2 ), v = ( - 1 , 3 , 0 ) 32. u = (0, 1 , 2 , 3 ) , v = ( 1 . 0 . 4 . - 1 )
En los ejercicios del 33 al 42, en cu entre a) u • v, b) u ■ u . c) llu ll2, d) (u • v)v, y c) u • (2v).
33. u = (3, 4), v = (2. - 3 ) 34. u = (5, 12), v = (- 3 , 2)
35. u = (1, 0). v = (0, 1) 36. u = (2, - 3 . 4). v = (0, 6, 5)
37. u = (2, - 1 , 1), v = ( l , 0 , - 1 ) 38. u = ( - l , 1 , - 2 ) , v = ( 1 . - 3 . - 2 )
39. u = (4, 0, - 3 , 5), v = (0. 2. 5,4)
40. u = ( | , 0, l j ) . v = ( - l , 0 , - ¿ - . I)
41. u = (0, 4, 3. 4, 4). v = ( 6 . 8. - 3 , 3. - 5 )
42. ii = (- 7 . 0, 0. 0, 9), v = (2, - 3 . - 2 , 3, 3)
43. E ncuen tre ( u + v) • ( 2 u - v), d a d o que u • u = 4. u • v = - 5 , y v • v = 10.
44. E ncuen tre (3u - v) • (u - 3v), d a d o que u • u = 8, u • v = 7, y v • v = 6 .
En los ejercicios 45 y 46, verifique la desigualdad d e C au ch y -S ch w arz para los vectores dad»
45. u = (3, 4). v = (2. - 3 ) 46. u = ( I . I . - 2 ) . v = ( I . - 3 . - 2 )

En los ejercicios del 47 al 56, halle al áng ulo G entre los vectores dados.
47. u= ( l , 1), v = (2, - 2 )
48. u = (3, 1), v = (2, - 1 )
49. u= (3. 1), v = ( - 2 . 4)
50. u = (eos -f, sen v = (eo s M . sen ^
51. u= ( ! , 1. 1). v = (2, 1 ,-1 ) 52. u = (2, 3. l ) . v = (-3 , 2 . 0 )
53. u = (3, 4, 0), v = (1. - 2 . 3) 54. u = (2, - 3 , I ). v = ( - 3 , 2, 0)
55. u= (0, 1, 0, l ) , v = (3, 3 . 3 . 3)
56. u= ( I . 3. - 1 , 2, 0), v = ( - 1 . 4 , 5. - 3 . 2)
'2n los ejercicios del 57 al 64, determ ine los vectores v y ortog onales al vector u dado.
57. u= (0, 5) 58. u = (2, 7)
59. u = (- 3 , 2) 60. u = (0. 0)
6 1 .u = (4, - 1 , 0 ) 62. u = ( - 1 , 1, 2)
6 3 .u = (0. 0. 0, 0) 64. u = (0. i . 0. 0. 0)
En los ejercicios del 65 al 74, determ in e si u y v son ortogonales, paralelos o ninguna d e las
anteriores.
6 5 .u = (4, 0), v = (1, 1) 66. u = (2, 18), v » ( j , - g)
6 7 .u = (4. 3), v = ( j - 5) 68. u = ( - ] , 5 ). v = (2, 4)
6 9 .u = (0, 1 .6 ). v = ( l , -2 ,-1 ) 70. u = ( - 2 . 3. - 1 ) . v = (2. 1 . - I )
71. u= (2, - 3 , 1), v = ( - 1 . - 1 . - 1 )
72. u- (eos 0, sen 6, - 1 ) , v = (sen 0, - e o s 0, 0)
73. u = ( 4 , | , - l , | ) , v = * ( - 2 J . - t )
74. u= (4, 3, 0 . - 2 , 1), v = (1. 1. 1. I, 1)
En los ejercicios 75 y 76, verifique la dcsiguuldad del triángulo para los vectores dados.
75. u = (4, 0), v = (1, 1) 76. u = ( l , 1. l ) . v = ( 0 , - l , 2 )
En los ejercicios 77 y 78, co m prueb e el teorem a de Pitágoras para los vectores dados.
77. u = ( 1 , - 1 ) . v = ( l , 1)
78. u = (3. 4 . - 2 ) . v = ( 4 . - 3 . 0)
79. ¿ Q u é se s a b e a ce rca d e 0, el á n g u lo e n tre u y v, si a) u • v = 0, b) u • v > 0, y e) u

v < 0?
80 . El vector u = (3240, 14 5 0 ,2 2 3 5 da el núm ero bushels de m aíz, avena y trigo recolectado',

p o r un agricultor cierto año. El vector v = (2.22, 1.85, 3.25) da el p recio en dólares poi
bushel de cada cultivo. D eterm ine el producto punto, u • v y explique la in form ación qm
da.
81. D em uestre qu e si u y v son vectores en R ", entonces
(u + v) • W = U •W + V •w.
82. Com plete la dem ostración del teorema 5.2 al m ostrar qu e la longitud de v/ilvll es igual a I
8 3 . D em uestre q ue si u es ortogonal a v y w, entonces u es ortogonal a cv + dw para escalare.

c y d cualesquiera.
8 4 . D em uestre que si u y v son vectores en A’", entonces
llu + vil2 + IIu - vil 2 = 2 llull2 + 2 llvll2.
85. D em u estre q ue los vectores u = (cos 0)i - (sen 0)j y v = (sen 0)i + (eos 0)j son vectores
unitarios ortogonales para cualquier valo r de 0. G rafique u y v para 0 = n i 3.
86. D em uestre q ue llu + vi = llull + llvll s í y sólo si u y v tienen la m ism a dirección.
5.2 ▲ Espacios con Producto Interior

E n la s e c c i ó n 5.1 se a m p l i a r o n d e R 2 a R n lo s c o n c e p t o s d e lo n g itu d , d is ta n c ia y áng u
lo. E n e s ta s e c c ió n se e x tie n d e n los c o n c e p to s m e n c io n a d o s en un p a s o m ás: a esp acios
v e c to ria le s en g e n e ra l. E s to se lleva a c a b o p o r m e d io d el c o n c e p to d e p r o d u c t o i n t e r i o r
d e d o s vectores.
Y a se tiene un e j e m p l o d e un p r o d u c to in terno : el p r o d u c to p u n to en R ". E ste producto,
lla m a d o p r o d u c t o i n t e r i o r e u c l i d e a n o , es s ó lo u n o d e m u c h o s p ro d u c to s in te rn o s q u e es
p o s ib le d e f in i r en R ". P a ra d is tin g u ir e n tre el p r o d u c to in te rn o n o r m a l y o tro s posibles
p r o d u c to s in te rn o s se u s a la s ig u ie n te n o ta ció n .
u • v = p r o d u c to p u n to (p ro d u c to in te rio r e u c l id e a n o p a r a R” )
(u , v) = p r o d u c to in te r n o g e n e ra l p a ra el e s p a c io v e c to ria l V
P a ra d e f in ir u n p r o d u c to in tern o se p r o c e d e casi d e la m is m a m a n e r a c o m o se definió

un e s p a c io v ecto rial g e n e ra l. Es d e c ir, se e n u m e r a u n a s e rie d e a x i o m a s q u e d e b e n sa
tis fa c e rs e p a ra q u e u n a fu n c ió n p u e d a c a lific a r s e c o m o un p r o d u c to p u n to . Los ax io m as
s o n p a r a le lo s a las c u a t r o p ro p ie d a d e s del p r o d u c to p u n to d a d a s en el te o re m a 5.3.
Sección 5.2 Espacios con Producto Interior 301
Definición de Producto interior

Sean 11, v y w vectores en un espacio vectorial V y sea e cualquier escalar. Un pro-
2. ( u ,v + w ) = { u , v H ( u . w )
3. d u , v) = <ou, v)
•I. <v, v i a 0 , V <v, v i = 0 s í y sfilo si V — 0 . . ■■■■■ ; ;
Observación: U n espacio vectorial V'con un producto interior se llama espacio p r o d u c to interior.
► E je m p lo I E l P r o d u c to In te r n o E u c lid e a n o p o r a Rn
D e m u e s tr e q u e el p r o d u c to p u n to en K " sa tisfa c e los c u a tr o a x io m a s d e u n p r o d u c to

interior.
Solución: E n R n, el p r o d u c t o p u n to d e d o s v e c t o r e s u = ( « ,, u 2, . . . , u n) y v = ( v , , v 2,
. . . , vn) e s ta d a d o p o r
U ■ V = M.V. 4 U , l ’ • • • + U V .
II ¿ ¿+ n n
P o r el te o re m a 5.3 sc s a b e q u e este p r o d u c to p u n to sa tisfa c e los c u a tr o a x i o m a s re q u e r id o s

y, ta n to , e s u n p r o d u c to in te rio r en Rn. ^
El p r o d u c to in te rio r e u c lid e a n o no e s el ú n ic o p r o d u c to in te rio r q u e p u e d e d e f in ir s e en

R ". E n el e j e m p lo 2 s e ilustra un p r o d u c to in te rio r d is tin to al e u c lid e a n o . O b s e r v e q u e p a
ra d e m o s t r a r q u e u n a fu n c ió n e s un p r o d u c to in te rio r es n e c e s a ri o d e m o s t r a r q u e s e s a
tisfa c e n los c u a tr o a x io m a s del p r o d u c to interior.
► E je m p lo 2 Un P r o d u c to I n t e r io r D ife r e n te e n K 2
D e m u e s tr e q u e la s ig u ie n te fu n c ió n d e fin e u n p r o d u c to in te rio r en R 2.
( u , v ) = // 1 v’ , 4 2 u 2v 2,
d o n d e u = (ti,, w2) y v = (v,, v2).
Solución:
1. C o m o el p r o d u c to d e n ú m e r o s re a le s e s c o n m u ta tiv o , se tiene
( u . v) = UjV, + 2 « 2V2 = v,m, + 2 v 2u 2 = (v, u).
2. Sea w = (ve,, vc2). E n to n c e s
(u . v + w) = 11, 0 ', + w ,) + 2 /i,(v , + vi-,)

= m,v, + u p e , + 2 ii,v , + 2 M,1V,
= (m, v, + 2m ,v,) 4 ( i/ ,»»•, 4 2/i,2vr,)
= (u. v) + (u. w).
3. Si c e s c u a l q u ie r e s c a la r, e n to n c e s
c ( u , v> = c(w ,v, + 2 u2v 2) = (c w ,)v , + 2 ( cu 2) v2 = ( c u , v>.
4. C o m o el c u a d r a d o d e un n ú m e r o real e s n o n e g a tiv o , se tiene
(v, v> = v ,2 + 2 v22 > 0 .
A d e m á s , e s t a e x p r e s ió n es ig u a l a c e r o sí y s ó lo si v = 0 (es d e c ir , s í y s ó l o si »■,
v2 = 0 ). <
S e p u e d e g e n e r a liz a r e l e j e m p lo 2 p a ra d e m o s t r a r q u e
( u , v ) = C.W.V, + c 2« 2v 2 + • • • + c u v n, c. > 0
en u n p r o d u c to in te rio r s o b r e R ". Si c ¡ e s n e g a tiv o o c e ro , e n to n c e s la f u n c ió n an te rio r no

d e f in e un p r o d u c to interior.
► Ejemplo 3 Un Producto Interior sobre Pn

S e a n p = « 0 + a {x + ■• • + y q = b Q+ b yx + - • • + b nx n p o lin o m io s e n el e s p a c i o vectorial
P n. L a f u n c ió n d a d a p o r
(p , q ) = a0b Q + a i b i + - - + a nb n
e s u n p r o d u c to in te r io r s o b re P n. L a v e rific a c ió n d e los c u a tr o a x io m a s s e d eja c o m o

e je r c ic io p a ra el lector. ^
► Ejemplo 4 Un Producto Interior sobre

Sean
A=
21
m a tric e s en el e s p a c io v ecto rial M 2 2. L a fu n c ió n d a d a por
(/\, Bj —C/iiîi + ¿*21^21 ^12^12 a22^22

e s un p r o d u c to in te rio r s o b r e A / , ,. D e n u e v o , la c o m p ro b a c ió n se d e ja c o m o e je r c ic io pai a
el le cto r. ^
L o s p r o d u c to s in te rio re s d e s c r ito s en los e j e m p lo s 3 y 4 se d eriv a n del p r o d u c to intern >i

e u c lid e a n o en R ". D e h e c h o , si V es un e s p a c i o v ecto rial « - d im e n s io n a l con b ase II,
e n t o n c e s un p r o d u c to in te rio r s o b r e V p u e d e d e fin irs e m e d ia n te la fu n ció n
(u , v ) = ( u ) fl • (v )a
d o n d e ( u ) w y (v )/f son los v e c to re s d e c o o rd e n a d a s de u y v c o n r e s p e c to a la b a se B

A p a r tir d e C á lc u lo se o b tie n e el p r o d u c to in te rio r q u e se d e s c r ib e en e l s ig u ie n te e j e m

plo. L a c o m p r o b a c ió n d e las p r o p ie d a d e s d el p r o d u c to in te rio r d e p e n d e d e las p r o p ie d a d e s
de la in teg ral d efin id a.
► E je m p lo 5 U n P r o d u c to I n t e r io r D e fin id o p o r u n a In t e g r a l D e fin id a (C á lc u lo )
S e a n f y g f u n c io n e s c o n tin u a s d e v a lo re s re a le s en el e s p a c io v e c to ria l C [ ü , £>]. D e m u e s tr e

que
< r. ,g>=í
d e fin e un p r o d u c to in te rio r s o b r e C [ a , b].
Solución:
I (f, g> = í A x ) g ( x ) d x = J g U V U ) d x = <g, f>

Ja Ja
2 . <f, g + h> = j o
f ( x ) [ g ( x ) + /»(.r)] d x
= j a
lf l x ) t i ( x ) + f ( x ) l i ( . x ) } d x
= j
Ju
\ x ) g ( x ) dx + j
Ja
f ix M x ) dx
= <f, g> + (f. h )
3. c(f. g) = c j f [ x ) g ( x ) d x = { c f{x )g (.x ) d x = <rf, g)

" a Ja
4. D a d o q u e (/(.v )]2 ^ 0 p a ra to d a x , se tiene
<r. r) = J* l/U>]2 d x * o
co n
<f.f)=j [/(.v)]2 d x - 0
II
sí y s ó lo si f es la fu n c ió n c e r o e n C [a , b \.
En el s ig u ie n te te o re m a se e n u m e r a n a lg u n a s p r o p ie d a d e s fáciles d e c o m p r o b a r d e los
p r o d u c to s interio res.
1 •" 1 .1 •
y>- ? . | : 11 - 11 : ' | • - ' -
Teorem a 5.7 P ropiedades
_ -V'i.-v ' 'f -i
des<ios
'?
Producios Interiores
" . ' - f ' v í ■v- /. ■ ■>. ;•:>
- - : /ó •- '■ • • • . • - ■ ? ■■ .. ¿ o ¿ . "<>'•' ■.> '■
Sean u. v y w vectores en un espacio vectorial V con producto interior y sea c

eualqníer núm ero real.
í> <0, v> = ( v , 0} *= 0

2. <U + V , W) c: W) + <V»
3. ( u , c v ) S= c{u, v)
DeniOSlraclÓn: S e d e m o s tr a r á la p rim e ra p ro p ie d a d y la d e m o s tr a c ió n d e las o tras d o s se

d e j a c o m o e je r c ic io p a r a el lector. ( V é a n s e lo s e je rc ic io s 57 y 58). A p a r tir d e l a d e lin i c ió n
d e p r o d u c to in te rio r se s a b e q u e ( 0 , v) = (v, 0), d e m o d o q ue b a s ta d e m o s t r a r q u e u n o de
los d o s es c e ro . U s a n d o el h e c h o d e q u e 0 (v ) = 0, se tiene
( 0 , v ) = ( 0( v ) , v ) = 0 ( v , v ) = 0 . *
L a s d e f in ic io n e s d e n o r m a (o lo n g itu d ), d is ta n c ia y á n g u lo p a ra e s p a c io s g e n e ra le s coi
p r o d u c to s p u n t o so n b a s ta n te s e m e ja n te s a las c o r re s p o n d ie n te s para el e s p a c io cuclidean»
« - d im e n s io n a l. O b s e r v e q u e la d e fin ic ió n del á n g u lo Ce n t r e u y v p r e s u p o n e que
- i • - > v>. == i
_ llull llvll
p a ra u n p r o d u c to in te rio r g e n e ra l, lo cu al s e c o n c l u y e a p a rtir d e la d e s ig u a ld a d d e C a u c l n
S c h w a r z q u e se d a rá d e s p u é s en el te o re m a 5.8.
Definición úo Norma Distancia y Ángulo

Sean u y v vectores en un espacio V con producto interior.
1 La norm a (o longitud) de u es llull« V(u, u>.

2. I-a distancia entre u y v es d(u, v) = llu - vil,
3. El ángulo entre dos vectores u y v diferentes de cero está dada por
eos Q » ||„,[ |( 4 . 0 s 0 ts tí.
4. u y v son ortogonales si <u, v) = 0.
Observación: Si llvll = I . e n t o n c e s v se lla m a v e c t o r u n i t a r i o . A d e m á s , si v es c u alq m ct

v e c t o r d if e r e n t e d e c e r o e n u n e s p a c io V7 c o n p r o d u c t o in terio r, e n t o n c e s el v e c to r o
v/llvll e s u n ita rio y se d e n o m in a v e c t o r u n i t a r i o e n la d i r e c c i ó n de \.
► Ejemplo 6 Determinación de Productos Interiores

S e a n p ( x ) = 1 - 2 x 2 y q { x ) = 4 - 2 x + .r2 p o lin o m io s en P 2. U se el p r o d u c to in te rio r d e s c rito
e n el e j e m p lo 3 p a ra d e te r m in a r lo sig uiente.
a) (p, q ) b ) llqll c) í/(p , q)
Solución:
a) El p r o d u c to in te rio r d e p y q está d a d o c o m o
<P, q) = «(A>+ a \b \ + a2h2

= (1 ) (4) + (0 )(—2 ) + (—2)( 1) = 2.
b) L a n o r m a de q e s tá d a d a p o r
llqll = V<q, q ) = V 4 2 + ( - 2 )2 + l 2 = V 2 Í .
c) L a d is ta n c ia e n tre p y q e s tá d a d a p o r
d { p , q ) = llp - qll = 11(1 - 2 a 2) - (4 - 2 x + a 2)II

= II - 3 + 2 a - 3 a-2!!
= V ( - 3 )2 + 2 2 + ( - 3 )2 = V 2 2 . <
► E je m p lo 7 D e te rm in a c ió n d e la O rlo g o n a lid a d en un E s p a c io c o n P ro d u c to
I n t e r io r
S ean
p ( x ) = 1 - 2.v2, q ( x ) = 4 - 2 x + a 2, r(x) = x + l x 2
p o lin o m io s en P T ¿ Q u é p a re s d e é s to s so n o rto g o n a le s s e g ú n el p ro d u c to in te rio r d e f in id o

e n el e j e m p l o 3 ?
Solución: El ú n ic o p a r d e v e c to re s o r to g o n a le s s o n q y r, y a q u e
<p, q ) = (1 )(4) + (0 )(—2) + ( - 2 ) ( 1) = 2 * 0

( p , r ) = (1 )(0) + (0)( 1) + ( - 2 ) ( 2 ) = - 4 * 0
<q? r ) = (4 )(0 ) + (—2)( 1) + (1 )(2 ) = 0. <
L a o r to g o n a lid a d d e p e n d e del p r o d u c to in te rio r e s p e c íf ic o q u e se use. E s d e c ir, d o s

v e c to r e s p u e d e n s e r o r to g o n a le s c o n re s p e c to a un p r o d u c to in te rio r p e r o n o c o n re s p e c to
a otro. In te n te v o lv e r a t r a b a j a r e n el e j e m p lo 7 c o n el p r o d u c to in te rio r ( p , q ) = a ()b () + u l b ¡
+ 2 o 2b 2 . C o n e s te p r o d u c to el ú n ic o p a r d e v e c to re s o r to g o n a le s es p y q.
► E je m p lo 8 A p lic a c ió n d e l P r o d u e lo I n t e r io r e n C \0 , l\ (C á lc u lo )
A p liq u e el p r o d u c to in te rio r d e f in id o en el e je m p lo 5 y las fu n c io n e s f i x ) = x y ¿»(a ) = x2

cn C [0, 11 p a ra d e te r m in a r lo s ig u ie n te.
a) llfll b) d ( l g)
Solución:
a) C o m o / ( a ) = x , se tiene
u n í 2 = (f,
( f , ff)) = jI (X
a-)) ( a
x) d x = í A2 d x
X_
3 3
P o r lo tan to, llfll = 1/V3.
b) P a ra d e te r m in a r d ( f. g) se e s c rib e
W , g )]2 = <f - g, f - g) = i l/tv ) - g ( x ) ] 2 d x

Jo
= ' [ . v - a - 2] 2 ¿ c
•'o
= 1[jv2 - 2 a 3 + .r4] d x
Jo
_[*L +
3 2 5
o
30
P o r c o n s ig u ie n te , d ( f, g) = 1/V3Ó.
E n el e j e m p lo 8 s e e n c o n t r ó q u e la d is ta n c ia e n tre las f u n c io n e s f ( x ) = x y g ( x ) = v- en
CIO, 1] es 1/V50 ~ 0 .1 8 3 . E n la p ráctica, la d is ta n c ia r e a l e n tre un p a r d e v e c to r e s no es
d e ta n ta u tilid a d c o m o la d is ta n c ia r e l a t i v a e n tr e v a rio s p u n to s. P o r e je m p lo , la d i s t a n c i a
e n tr e # ( a ) = x 1 y h ( x ) = a 2 + 1 en CIO, 11 e s I. C o n b a se en la fig u ra 5 .9 , e s to p a r e c e
r a z o n a b le . Es decir, n o im p o rta q u é n o rm a se d e f in a en C [0 , 1], p a re c e ra z o n a b le q u e so
q u ie re d e c ir q u e f y g e s tá n m á s c e r c a n a s e n tre sí q u e g y h .
FIGURA 5.9
L a s p r o p ie d a d e s d e la lo n g itu d y la d is ta n c ia listad as p a ra R" en la s e c c ió n p re c e d e n te

ta m b ié n se c u m p le n p ara e s p a c io s c o n p r o d u c to in t e r i o r e n g en e ra l. P o r e je m p lo , si u y v
so n v e c to r e s e n un e s p a c io con p ro d u c to interior, e n to n c e s las p r o p ie d a d e s s ig u ie n te s son
v e rd a d e ra s.
P ro p ie d a d e s d e la N o rm a P ro p ie d a d e s de la D is ta n c ia
1. Iltill > 0 1. ¿(u,v) > 0

2 . Ilull = 0 sí y s ó lo si u = 0 . 2. d ( u , v) = 0 s í y s ó lo si u = v.
3. Henil = Icl Ilull 3. d ( u , v) = d ( v , u)
El s ig u ie n te te o re m a lista las v e rs io n e s p ara e s p a c io s e n g e n e ra l c o n p r o d u c to in te rio r

d e la d e s ig u a ld a d d e C a u c h y - S c h w a r z , la d e s ig u a ld a d del tr iá n g u lo y el t e o re m a d e Pi-
tá g o ra s en g eneral.
Teorem a 5.8
i M !*$
S e a n u y v v e c to re s e n un e s p a c i o V c o n p r o d u c to in terio r
:V?:v.
&>:;•
| 1,
.XV.- D e s ig u a ld a d d e C a u c h y - S c h w a r z : l ( u , v )l ¿S Ilull llvll
2. D e s ig u a ld a d d el triá n g u lo : llu + vtl áS Ilull + llvll
| 3. T e o r e m a d e P itá g o ra s : u y v s o n o r to g o n a le s s í y s ó lo sí 'mm I
llu + vil 2 w Ilull2 + llvll2.
— w - -
L a s d e m o s tr a c io n e s d e e s to s re s u lta d o s so n s e m e ja n te s a las d e los te o re m a s 5.4 , 5.5

y 5.6. S im p le m e n te se s u s titu y e ( u , v) p o r el p ro d u c to in te rio r c u c l id e a n o u • v.
► Ejemplo 9 Un Ejemplo de lo Desigualdad de Gmcliy-Sclmnr/ (Cálculo)

S e a n / ( x ) = 1 y g(.r) = x fu n c io n e s en el e s p a c io v ecto rial C[(), 1J, c o n el p r o d u c to in te rio r
d e fin id o en el e j e m p lo 5. C o m p r u e b e que
i<f,g )i < n n iiig ii.

Solución: P ara el la d o iz q u ie rd o d e esta d e s ig u a ld a d se tiene
<f, g>= JJ o f G ) g ( x ) d x =■ JJJ .o .V

x d x —~ —
2
Para el lado d e r e c h o d e la d e s ig u a ld a d se tiene
uní 2 = í f(x)f(x) dx = í dx = x = 1
Jo Jo
llgll2 = J fdx)y(x) d x = J x2 dx = ~
"o J <1 5
P o r c o n s ig u ie n te
lim llgll = 0 .5 7 7 .
y se c o n c l u y e q u e l(f, g)l ^ llfll llgll.
Proyecciones O rtogonales en Espacios con Producto Interior

S e a n u y v v e c to r e s e n el plano . Si v es d ife re n te d e c e ro , e n to n c e s se p u e d e proyect il
o r to g o n a l m e n t e u s o b r e v, c o m o s e m u e s tr a e n la f ig u ra 5 .10 . E sta p r o y e c c ió n s e dcnoi.i
p o r p r o y vu. D a d o q u e p ro y vu e s u n m ú ltip lo e s c a la r d e v, se p u e d e e s c rib ir
p ro y vu = c¡\.
Si a > 0 , c o m o s e o b s e r v a e n la f ig u ra 5 . 10(a), e n to n c e s , c o s 0 > O y la lo n g itu d d e p ro y vti

es
.. Ili.il IIvil c o s 0 u •v
llavll = llull COS 0 = ----------r r - j . = ,
llvll llvll
lo c u a l im p lic a q u e a = ( u ■v)/llvll 2 = ( u • v)/( v • v). P o r lo tanto,
U • V
proyu = V.
V • V
Si a < 0, c o m o s e m u e s tr a e n la figu ra 5 .1 0 (b), e n t o n c e s se p u e d e d e m o s tr a r q u e la pío

y e c c ió n o r to g o n a l d e u s o b re v e s tá d a d a p o r la m is m a fó rm u la .
FIGURA 5.10
a) b)
► Ejemplo 10 Determinación d e In Proyección Ortogonal de u s o b r e v

En R 2, la p r o y e c c ió n o r to g o n a l d e u = (4, 2) s o b re v = (3, 4) está d a d a p o r
c o m o se m u e s tr a e n la fig u ra 5 . 1 1
F IG U R A 5 .il.
El c o n c e p to d e p r o y e c c ió n o r to g o n a l se e x tie n d e d e m a n e r a n atu ra l a un e s p a c i o c o n
p r o d u c to in te rio r e n g e n e ra l c o m o se m u e s tr a a c o n tin u a c ió n .
Definición de Proyección O rtogonal /

Sean u y v vectores en un espacio V con producto interior, de modo que v * 0.
| Entonces, la proyección ortogonal de « sobre v está dada por
/fi y \
SZL .JL v
•g
W s í . i .;____ __ „____ — _______.___— _____j__
Observación: Si V e s un v e c to r u n ita rio , e n t o n c e s (v, v ) = llvll2 = 1 y la f ó r m u l a p a ra la

p r o y e c c ió n o rto g o n a l d e u s o b re v a s u m e la s ig u ie n te f o r m a m á s sim p le.
p r o y vu = ( u , v )v
► Ejemplo // Determinación de la Proyección Ortogonal de u sobre »

E n R 3, c o n el p ro d u c to in te r io r e u c lid e a n o , e n c u e n tr e la p r o y e c c ió n o rto g o n a l d e u so b re
v, d o n d e
u = (3, 1 , 2 ) y v = (7, 1 , - 2 ) .
Solución: C o m o u • v = 18 y llvll2 = 54. e n t o n c e s la p ro y e c c ió n o rto g o n a l d e u s o b re v es
P ^v" = T 7 T v = ^ <7 '
= 4 ~ < 7 - • • 21
(M 4).
E n el s ig u ie n te te o re m a se d a u n a p ro p ie d a d im p ortante d e las p ro y e c c io n e s o rto g o n ales

E s te e s ta b le c e q u e d e to d o s los p o s ib le s m últip los e s c a la r e s d e un v e c to r v, la p ro y ecc ió n
o r to g o n a l d e u s o b re v e s la m á s p ró x im a a u, c o m o se o b s e r v a en la fig u ra 5 .1 2 . E ste re
s u lta d o es d e u tilid a d cn p r o b le m a s d e ap ro x im a c ió n . ( V é a s e la s e c c ió n 5.4.)
FIGURA 5.12
proy v ii
Demostración: S ea b = (u , v)/<v, v). E n to n c e s se p u e d e e s c rib ir
llu - cvll 2 = ll(u - bv) + ( b - c)vll2,
d o n d e ( u - b v ) y ( b - c)v so n o rto g o n a le s . Este h e c h o p u e d e c o m p r o b a r s e al a p lic a r los

a x i o m a s d el p r o d u c to in te rio r p ara d e m o s tr a r que
((u - bv), {b - c)v) = 0.

L u e g o , p o r el te o re m a d e P itá g o ra s , se p u e d e escribir
ll(u - bv) + (b - c)vll 2 = llu - b v II2 + ll(/> - c)vll2,
lo cu al im p lic a qu e
llu - cvll 2 = llu - /;vll 2 + ( b - c )2llvll2.
C o m o b ñt c y v ñfc 0. se s a b e q u e (Z> - c ) 2llvll2 > 0. P o r lo tanto,
llu - ¿>vll2 < llu - cvll2,
y se c o n c lu y e q u e
</(u, bv) < d in , c v ) . <
E n el s ig u ie n te e j e m p lo se a n a liz a un tip o bien c o n o c id o de p r o y e c c ió n o rto g o n a l en

el e s p a c io C [a, bj c o n p r o d u c to interior.
► E je m p lo 12 D e te r m in a c ió n d e u n o P ro y e c c ió n O r to g o n a l e n C \n . b\ (C á lc u lo )
S e a n f ( x ) = 1 y g(;c) = x f u n c io n e s en C[(), 1]. A p liq u e el p r o d u c to in te rio r d e f in id o en el

e j e m p lo 5 p ara d e t e r m in a r la p ro y e c c ió n o rto g o n a l d e f s o b re g.
Solución: P o r el e j e m p lo 9 se s a b e que
Sección 5.2 a fíje m e lo s

En los ejercicios del 1 al 10, determ ine a) (u, v), b) llull y c) cl(u , v) para el prod ucto interior
definido en R".
1. u = (3, 4), v = ( 5 , - 1 2 ) , ( u , v) = u • v
2. u = ( 1 , 1), v = ( 7 , 9 ) , ( u , v> = u • v
3. u = (-4 , 3), v = (0, 5 ) . < u , v) = 3 m , v , + u 2 v 2
4. u = ( 0 . - 6 ) . v = (- 1 , 1), < u , v) = i/jv, + 2 //2v2
5. u = (0, 9 . 4 ) , v = ( 9 . - 2 . - 4 ) , < u , v) = u • v
6. u = (1. - 5 , 9), v = ( - 8. 5, 5), (u, v) = u • v

7. u = ( 8 , 0 , - 8 ) , v = ( 8 , 3 , 1 6 ) , ( u , v) = 2/1,1', + 3m2v 2 + i/3v 3
8. u = ( 1 , 1, 1), v = ( 2 , 5 . 2 ) , ( u , v) = / / , v , + 2 n 2v', + //3v 3
9. u = ( 8 . - 3 , - 1 ) , v = ( - 5 , 4 , 9 ) , ( u , v) = t i , v , + 2 » , v 2 + u 3 v 3
10. u = ( 2 , 0 , 1, - 1 ), v = ( 2 , 2 . 0 . 1 ), < u , v) = u • v
(C álculo) En los ejercicios del 11 al 14, use las funciones f y g d adas en C ( - 1 . 1] para e n c o n
trar a) (f, g), b) llfll. y c) <7(f, g) para el prod ucto interior d a d o por
II. f(x )= x \y íx ) = x2+ l 12 . J \ x ) = -.v. g ( x ) = x 2 - x + 2

13. f { x ) = v. tf(.v) = r ’ 14. f ( x ) = I . g( x ) = 3-V2 - I
En ios ejercicios 15 y 16, use ei pro ducto interior
(A, B) = 2 a u b u + a ]2b ]2 + a 2lb 2l + 2a 22b 22
para determ inar a) <A , B ). b) IL4II y c) d (A , B ) para las m atrices dadas en M 2 2.
-1 3 0 -2
15. A = ,B =
4 -2 1 1
1 0 0 1
16. A = ,B =
0 1 1 0
En los ejercicios 17 y 18, use el producto interior
(p, q ) = + a {b ] + a 2b 2
para determ inar a) <p, q). b) llpll y c) <7(p, q) para los polinom ios d ad o s en P2.
17. p(x) = I- x + 3.x2, q ( x ) - x - x2
18. p(x) = 1+ x 2, q ( x ) = I - x 2
En los ejercicios del 19 al 22, dem u estre que la función indicada es un produ cto interior.
19. (u , v) d ad a en el ejercicio 3 20. ( u , v) d ad a en el ejercicio 7
21. (A , B ) dada en los ejercicios 15 y 16 22. (p, q) d ad a en el ejercicio 17 y 18
En los ejercicios del 23 al 26, establezca por qué (u, v) no es un prod ucto interior para u = («,.
u 2) y v = (v,, v2) en K 2.
23. ( u , v ) = u ,v , 24. <u, v> = m, v, - w2v2
25. (u , v ) = m ,2 v ,2 + m22 v 22 26. <u, v) = 3 m , v 2 + ul v l
En los ejercicios del 27 al 32 encuentre el án gulo entre los vectores dados.
27. u = (3. 4). v = (5, - 1 2 ) , <u, v) = u •v
28. u = ( - 4 , 3). v = (0, 5). (u, v) = 3//, v, + u 2v 2
29. u = (1, 1, 1), v = (2. - 2 . 2 ), <u, v) = « , v, + 2m2v2 + « 3v 3
30. p(x) b | - x + .r2. q( x) = 1 + x + x2, (p , q ) = u{p {) + <i,6 , + a 2b 2
31. (C álculo)/(.v) = x , ff (x) = x 2, (f, íi) = J ( A x ) b ( x ) dx
32. (C á lc u lo )/(.r) = 1. g ( x ) = .r2, (f, g) = í JXx)g(x) dx

En los ejercicios del 33 al 38, verifique a) la desigualdad d e C au ch y -S ch w arz y b) la

desigualdad del triángulo.
33. u = (5, 12), v = (3, 4), (u, v) = u • v
34. u = (1. 0, 4), v = ( - 5 , 4, 1), (u , v) = u • v
35. p ( x ) = 2 x, q (x ) = 3.*2 + I . <p, q) = + a , 6, + « , ¿ 2
36. .4 = 2 j <B= ^ ^ ^ = flll^ll + fll2^l2 + ü2l^2l + a 22^22
37. (C á \ c u \ o ) f ix ) = s e n x , g ( x ) = cos *, <f, g) = [ f ( x ) g ( x ) dx

*' -ir
38. (C álculo) J [ x ) = 1, g ( x ) = cos nx. ( f . g ) = J 2 f ( x ) g ( x ) c ix

“0
(C álcu lo ) En los ejercicio s del 39 al 42, d em u estre qu e f y g son o rto g o n ales en el e s p a c io

co n p ro d u cto in terio r C [a, b ] co n el p ro d u cto interior d a d o por
<f g> = J f(x)g(x) dx.

•a
39. C [-/r, n \ , f ( x ) = cos x, g(x) = sen x
40. C [- 1,1J, / ( v) = g(x) = }(3a-2 - 1)
41. C [ - l . \ ] , JXx) = x , g(x) = ±(5x3 - 3 x )
42. C[0, n ] , f ( x ) = 1, g (x ) = cos (2 n x ), n = 1,2, 3 ,...
En los ejercicios 43 y 44, a) determ ine proyvu, b) encuentre proyuv y c) trace la gráfica de am bos
resultados.
43. u = (1, 2), v = (2, I) 44. u = ( - 1 , 3), v = (4, 4)
En los ejercicios 45 y 4 6 halle a) proyvu y b) proyuv.
45. u = (1, 3, - 2 ) , v = (0, -1 , 1) 46. u = (0. 1.3, - 6 ). v = ( - 1 . 1. 2, 2)
(C álculo ) En los ejercicios tlcl 47 al 52, d eterm in e la p ro y ecc ió n o rto g o n al d e f so b re g.

A p liq u e el p ro d u c to interior en C la . b ] d e fin id o por
(f- S> = I J l x ) g ( x ) dx.

Ja
47. C’| - l , 1 l . / U ) = .v. £(.r) =1 48. q - 1, I ] ,/ ( * ) = a 3 - x, g ( x ) = 2v - 1
49. q O , 11, _/T.v) = x, g ( x ) = c* 50. C \ - n . n ) , f ( x ) = sen x. g( x) = c o s .v
51. q - n. /r|. / ( v) = 1, g ( x ) = sen 3.v 52. C \ -n , rc\%f{ x ) = sen 2.r, g ( x ) = sen 3.v
53. Sean u = (4, 2) y v = (2. - 2 ) vectores en R 2 con el pro ducto interior (u, v) = «, Vj + 2 u , v ,
a) D em u estre que u y v son ortogonales.
b) T race los vectores u y v. ¿S on ortogonales en el sentido euclideano?
54. D em u estre que llu + vil2 + llu - vil2 = 2 llull2 + 2 llvll2 para dos vectores u y v cualesquicia
en un espacio V con producto interior.
55. D em uestre qu e la siguiente función es un produ cto interior cn R".
(u. v) = c y i.v , + c y / 2v2 + • ■ • + W n , c, > 0
56. Sean u y v dos vectores diferentes de cero en un espacio V co n prod ucto interior
D em uestre q ue u - proyvu es ortogonal a v.
57. D em uestre la propiedad 2 del teorem a 5.7. Es decir, d em uestre que si u, v y w son vectores
en un espacio con prod ucto interior entonces (u + v, w ) = (u, w ) + (v, w).
58. D em uestre la propiedad 3 del teorem a 5.7. Es decir, dem uestre que si u y v son vectores
cn un espacio con prod ucto interior y c es un escalar, en ton ces (u. cv) = c(u. w).
5.3 ▲ Bases Ortonormalcs: Procedimiento de Gram-Schmidt

En la s e c c ió n 4 .7 se v io q u e u n e s p a c io vectorial p u e d e te n e r m u c h a s b a s e s distintas.
C u a n d o se e s tu d ió e s a s e c c ió n , q u i z i h a y a o b s e r v a d o q u e c ie rta s b a s e s so n m á s c o n venicn
les q u e o tras. P o r e je m p lo , R * « e n e la b a s e n o rm a l ( o e s tá n d a r) , c o n v e n ie n te
B = {(1, 0 , 0 ), ( 0 , 1 , 0 ), (0 , 0 , 1 )).
E ste c o n j u n to es la b a s e n o r m a l d e R? p o r q u e tien e c a ra c te r ís tic a s e s p e c ia le s p a rtic u la r

m e n te útiles. U n a c a ra c te r ís tic a im p o r ta n te e s q u e los tres v e c to re s d e la b a s e so n mu
tu a m e n te o rto g o n a le s . Es decir,
o
( 1 , 0 , 0) • ( 0 , 1 , 0 ) =
( 1, 0, 0) - ( 0, 0* 1) = o
( 0, 1 , 0 ) -(O. 0 , 1 ) = 0 .
U n a s e g u n d a c a ra c te r ís tic a im p o r ta n te e s q u e c a d a v e c to r d e la b a s e e s un v e c to r u n ita rio .

E n e s ta s e c c ió n se d e fin e n a lg u n a s v e n ta ja s q u e p o s e e n las b a s e s q u e c o n s ta n d e v e c
to re s u n ita rio s m u t u a m e n t e o r to g o n a le s y se d e s a rro lla un p r o c e d im ie n to , d e n o m in a d o
p r o c e d i m i e n t o d e o r t o n o r m a l i z a c í ó n d e G r a i n - S c h m i d t . p a ra c o n s tr u ir e s ta s b ases
U n c o n j u n to 5 d e .vectores e n u n e s p a c io P c o n p r o d u c to in te rio r s e lla m a o r t o g o n a l

s i to d o p a r d e V ecto re s e n S e s o r to g o n a l. S i, a d e m á s , c a d a v e c to r e n e s te c o n j u n to
„es u n itario , e n t o n c e s 5 s e d e n o m in a o r t o n o r m a i .
Sección 5.3 Bases Ortonormales: Procedimiento de Gram-Schmidt 315
P ara S = {v , t v 2, . . . , v /(}, la d e fin ic ió n a n te r io r e s d e la fo r m a
O r to g o n a l O r to n o r m a l
I. (v(, v.) = 0 , i ± j 1. (v-, v.) = 0, / * j

2 llvll = 1 , / = 1,2 n
Si S e s u n a base, e n to n c e s se d e n o m in a base ortogonal o base ortonorm al, r e s p e c tiv a

mente.
La b a s e e s tá n d a r d e R n es o rto n o r m a l, a u n q u e n o e s la ú n ic a b a s e o r to n o r m a l d e R n. P o r
r je m p lo , u n a b a s e o r to n o r m a l n o e s tá n d a r d e R 3 p u e d e f o r m a rs e e f e c tu a n d o u n a ro ta c ió n
«ti los e je s a lre d e d o r d el eje z p a ra o b te n e r
B = {(eos 6, sen 0 , 0 ), ( - s e n 0, e o s 6, 0), (0, 0, I )},
i orno se m u e s tr a en la fig u ra 5.13. In ten te c o m p r o b a r q u e el p r o d u c to p u n to d e d o s v ec-

tm es c u a le s q u ie r a d ife re n te s e n tre s í en B es igual a c e r o y q u e to d o v e c to r en B e s un itario.
FIGURA 5.13.
lín el e j e m p lo 1 se d e s c r ib e o tra b a s e o r to n o r m a l n o e s tá n d a r d e R \
► E fe rn p lo l U n a B a se O r t o n o r m a l N o E s tá n d a r d e R3
D e m u e s tre q u e el c o n j u n to q u e se m u e stra e n s e g u id a e s u n a b a s e o r to n o r m a l d e R \
S ' 1 L o 'i Í - — — 2 ^~2

'v y ’ H " 6 * 6 • v r
ÉMltirlóll: P rim e ro , se d e m u e s tr a q u e los tres v ecto res so n m u tu a m e n te o rto g o n a le s .

v r v2 = ~ 5 + g + 0 - 0
v, • v3 = - 2- - - - 1 — + 0= 0
3^2 3V 2
V2 'f l 2V2
V2 -V 3 = ~ - - 5- + — =0
A d e m á s , c a d a v e c to r e s d e lo n g itu d I, y a q u e
IIVjll = V v , • v , = V j + 0= 1
llv 2ll - V v 2 • v 2 - V 36 + 36 + 9 - 1
llv3l l = V v 3 - v 3 = V ^ + \ ¿ = 1.
P o r c o n s ig u ie n te , S es un c o n ju n to o rto n o rm a l. D a d o q u e los tres v e c to r e s n o s o n co

p la n a r e s (v é a s e la figu ra 5 .1 4 ), se s a b e q u e g e n e ra n a R 3. E n to n c e s , p o r el te o re m a 4.1
f o rm a n u n a b a s e o r to n o r m a l (n o e s tá n d a r) d e R \
FIGURA 5.14
► Ejemplo 2 Una Base Ortonormal de P3

En Pv c o n el p r o d u c to in terio r
(P- q> = 0 (A )+ a\b\ + (t2b2 + fl3bv

la b a s e e s tá n d a r B = { l,.r , x2, a'1) e s o rto n o rm a l. La c o m p ro b a c ió n d e este h e c h o se deja
c o m o e je r c ic io p a ra el lector. ( V é a s e el e je rc ic io 11.) ^
El c o n ju n to o rto g o n a l en el s ig u ie n te e j e m p lo s e usa p a ra c o n s tr u ir a p r o x im a c io n e s de
F o u r i c r d e f u n c io n e s c o n tin u a s . (V é a s e la s e c c ió n 5.4.)
Sección 5.3 Bases Ortonormales: Procedimiento de Gram-Schrnidi 317
► E je m p lo 3 U n C on ju n io O r to g o n a l e n C \ 0 . 2 n \ (C á lc u lo )
Mil C’[0 , 27c], c o n el p r o d u c to in terio r
< f . g > = J ' V )g (x ) d x ,
de m o s tra r q u e el c o n ju n to
S = 11, s e n a-, e o s x , se n 2 x , e o s 2a, . . . , se n n x , e o s n x )
I o rto g o n a l.
NOlllClón: P a ra d e m o s t r a r q u e el c o n j u n to d a d o e s o rto g o n a l, e s n e c e s a rio v e rific a r lo

lig u icn te.
f 2*
( 1 , sen n x) = I sen n x d x = 0
o
( 1 , eos n x) = I
f lK e o s nx dx = 0, n ^ 0
(sen m x , e o s n x ) = I í n m x eos nx dx = 0
se
•'o
r 2*
( s e n m x, s e n n xr )) = I sse n m x n x d x = 0 , m & n
Jn
2n
(eos m x , eos n x) = I e o s m x e o s n x d x = 0, m n
Jr
v erificará u n a d e las e x p r e s io n e s a n te r io r e s y d e las d e m á s se d e ja n c o m o e je r c ic io para

1 1 lector. Si m =¡é n . e n to n c e s
2n | f 2ff
í o
sen m x eos n x d x = - I
2 •'o
[sen (m + n ) x + se n (m - /i).r] d x
Zn
J_ e o s (w + n )x + e o s (m - n )x
2 m + n m - n
= 0
t Jhscrve q u e en el e je m p lo 3 se d e m o s t r ó s o la m e n te q u e e l c o n ju n to S es o rto g o n a l. Este

uaitlJuiUo e s p a rtic u la r n o e s o rto n o rm a l. S in e m b a r g o , es p o s ib le f o r m a r un c o n ju n to
tM lnnomial al n o r m a liz a r c a d a u n o d e los v e c to re s en S. E s d e c ir, d a d o q u e
1II2 = Í dx = 2n
•'o
sen m i l 2 = I
Use
f 2ff s e n - m dx = n
•'o
f 2/r
lieros m i l 2 = I eos* m d x = k,
• n
se c o n c lu y e q u e el c o n ju n to
1 1
s e n x , - -_L_ • e o s x , , J_ sen n x , —-i z r- e o s / u J
\Í2 n y fjT V7r v ;r v ;r J
es o r to n o rm a l.
C a d a c o n j u n to e n los e je m p lo s I, 2 y 3 es lin e a lm e n te in d e p e n d ie n te . R e s u lta q u e la
in d e p e n d e n c ia lineal es un a c a ra c te rístic a d e c u a lq u ie r c o n j u n to o rto g o n a l d e v e c to r e s d i
f e re n te s d e c e ro , c o m o se e s ta b le c e en el s ig u ie n te te o re m a .
Teorem a 5.10 Los Conjuntos O rtogonales son U ncalm ente Independientes

S i S « {v , , v 2, . , . , \ n } e s u n c o n j u n to o rto g o n a l d e v e c to r e s d ife re n te s d e c e r o cn
u n e s p a c i o V c o n p r o d u c t o in terio r, e n to n c e s S e s lin e a lm e n te in d e p e n d ie n te .
—— ......
Demostración: E s n e c e s a rio d e m o s t r a r q u e la e c u a c ió n v ecto rial
c , v , + c2v 2 + • ■■+ c„v„ = 0
im p lic a q u e c , = c 2 = • • • = c ;| = 0. P a ra llev ar a c a b o lo an terio r, se f o r m a el p r o d u c to interioi

del la d o iz q u ie rd o d e la e c u a c ió n c o n c a d a u n o d e los v e c to re s en S. E s d e c ir , p a ra toda /.
< ( c , v , + c:2v 2 + • • • + c . v + • • • + c v j , v .) = (0 , v.)
c í < V p v . ) + c 2 ( v 2 , v . ) + • • • + c f y . , V . ) + • ■ • + c „ < V (, V . ) = 0 .
A h o ra , c o m o S e s o r to g o n a l, e n t o n c e s (v., v.) = 0 p a ra j ^ / y, p o r tan to, la e c u a c ió n se

reduce a
c¡(y¡, v.) = 0.
P e r o c o m o c a d a u n o d e los v e c to re s en S e s d if e re n te d e c e ro , s e s a b e q u e
<V |, V (.) = llv ll2 * 0.
A sí, to d a c ¡ d e b e s e r igual a c e r o y el c o n j u n to es lin e a lm e n te in d e p e n d ie n te . 4
C o m o una c o n s e c u e n c ia d e los te o re m a s 4 .1 2 y 5 .1 0 s e o b tie n e el s ig u ie n te re s u lta d o
Corolario del T eorem a 5.10

S i V e s un e s p a c i o d e d im e n s ió n n c o n p r o d u c to interior, e n t o n c e s c u a l q u ie r c o n j u n
to d e n v e c to r e s o r to g o n a le s e s u n a b a s e d e V.
Sección 5.3 Bases Ortonorniales: Procedimiento de Gram-Schmidt 319
► Ejemplo 4 Uso de la Ortogonalidad para Verificar na Base

D e m u e s tr e q u e el s ig u ie n te c o n ju n to e s u n a b a s e d e R 4.
S = {(2, 3, 2, - 2 ) , (1 , 0, 0, 1), ( - 1 , 0, 2, I), ( - 1 2, - 1 , 1)}
Solución: S e e m p ie z a p o r o b s e r v a r q u e el c o n j u n to S c o n s ta d e c u a tr o v e c to r e s d ife re n te s
d e cero. A sí, p o r el c o r o la r io d el te o re m a 5 .10 , se p u e d e d e m o s t r a r q u e e s u n a b a s e para
R x al c o n s ta t a r q u e e s un c o n j u n to o rto g o n a l. U n a v e rific a c ió n d e o rto g o n a lid a d c o n d u c e
a qu e
v,*v2= 2 + 0 + 0- 2 = 0
v, • v , = - 2 + 0 + 4 - 2 = 0
v , * v 4 = - 2 + 6 - 2 - 2 = 0
v , • v , = —1 + 0 + 0 + 1 = 0
v , • v 4 = —1 + 0 + 0 + 1 = 0
v ‘ • v4 = 1 + 0 - 2 + 1 = 0.
P o r ta n to , S es o r to g o n a l y, p o r el c o ro la r io d el te o r e m a 5 .1 0 , s e c o n c l u y e q u e e s u n a b a s e
d e R '. M
E n la s e c c ió n 4 .7 se a n a liz ó una té c n ic a p a ra d e te r m in a r la re p r e s e n ta c ió n de
c o o r d e n a d a s c o n r e s p e c to a u n a b a s e n o e s tá n d a r. A c o n tin u a c ió n s e v e rá q u e si la b a s e
e s o r t o n o r m a l , e n t o n c e s tal p r o c e d im ie n to p u e d e m o d e rn iz a rs e .
A n te s d e p re s e n ta r este re s u lta d o se c o n s id e r a r á u n e j e m p lo e n R 2. En la fig u ra 5 .1 5 se
observa qu e i=
(1, 0) y j = (0, 1) f o r m a n u n a b a s e o r to n o r m a l d e R 2. C u a l q u i e r v e c to r \v
en R 2 p u e d e re p r e s e n ta rs e c o m o + w „ cn d o n d e w , = p ro y p v y w , = p ro y ^ v . D a d o
q u e i y j so n v e c to r e s u n ita rio s, se c o n c l u y e q u e w , = (w • i)¡ y w , = (>v • j ) j . P o r
c o n s e c u e n c ia ,
W = w , + W2 = ( w . i)¡ + (w • j ) j = c , i + c 2j ,
lo q u e d e m u e s t r a q u e los c o e f ic ie n te s c , y c 2 so n s im p le m e n te los p r o d u c to s p u n to d e \v
c o n los v e c to re s b á s ic o s r e s p e c tiv o s . E s te r e s u lta d o se g e n e r a liz a en el s ig u ie n te te o re m a .
FIGURA 5.15
* = W, -f w, - f,i + r j
C oordenadas con R especto a una B ase O rtonorm a!

S iB = s{v ,,v 2, . . . .vJesunabaseortononnaldeunespacioV conprodiictointerno.
entonces la representación de coordenadas de un vector w con respecto a f i e s
W * <WVVj)Vj + (w , V2)v 2 + • • • + <w, v ^ v ^ .

■('■■■■ ■■■ ..:.v..::: — • - -
Demostración: C o m o fi e s u n a b a s e d e V, e n to n c e s d e b e n e x is tir e s c a la re s ú n ic o s c,, < „

. . . , c n ta les q u e -
w = c 1v 1 + c 2v 2 + - - - + c nv i.
A l e f e c tu a r el p r o d u c to in tern o (c o n v (.) d e a m b o s la d o s d e esta e c u a c ió n se ob tien e
<w, v.) = <(c,v, + c2v2 + • • • + cn\ n), v,)

= c ](v i , v () + c 2( v 2, v j) + - - + c | ( v íi, v ) ,
y p o r la o r to g o n a l id a d d e fi la e c u a c ió n a n te rio r se re d u c e a
( w , v (.) = c .(v (, v.).
P o r úl t i mo, d a d o q u e fi e s o rto n o rm a l, se tiene q u e (v., v.) = llvjl 2 = 1, y se c o n c lu y e qu»»

(vv, v.) = c r *
E n el te o re m a 5 . 1 1 las c o o r d e n a d a s d e w c o n re s p e c to a la b a s e o r to n o r m a l H
d e n o m in a n c o e f i c ie n t e s d e F o u r i e r d e w c o n r e s p e c t o a fi, en h o n o r del m atem áticil
f ra n c é s J e a n -B a p lis tc J o s e p h F o u rie r ( 1 7 6 8 - 1 8 3 0 ) . El v e c to r d e c o o r d e n a d a s correspo n
d ie n te d e w c o n r e s p e c t o a fi es
(w )w = ( c ,, c 2 c n)
= ( ( w , V , ) , < w , V2) ( w , V(1» .
► E je m p lo 5 R e p re s e n ta c ió n d e V e c to re s c o n R e s p e c to n u n o R o se O r lo n o r tn o l
E n c o n tr a r las c o o r d e n a d a s d e w = (5, - 5 , 2) c o n re s p e c to a la s ig u ie n te b a s e ortonoriilltl

de R \
v» V2 v :> j
* = { ( 5 . * . 0 ), ¡ , 0 ) , ( 0, 0, 1 )}
Solución: D a d o q u e fi e s o rto n o rm a l, es p o sib le a p l ic a r el te o re m a 5 . 1 1 para d e t e r m in a

las c o o r d e n a d a s req u erid as.
w - v , = ( 5 , - 5 . 2) • ( 5 , 5 . 0 ) = - !
>v • v 2 = ( 5 . - 5 , 2) • ( - ^ , ¡ , 0 ) = - 7
XV • v 3 = (5, - 5 , 2) • (0, 0, 1) = 2
A sí, el v e c to r d e c o o r d e n a d a s c o n re s p e c to a fi es (\v)/; = ( - 1. - 7 . 2) 4
Sección 5.3 Bases Orlonorntales: Procedimiento de Grum-Schmidt 321
Proceso de O rtonorm alización de Cram -Sehm idt

U n a v e z q u e se h a n v is to las v e n ta ja s d e las b a s e s o r to n o r m a le s (lo d ir e c to q u e e s la re
p r e s e n ta c ió n d e c o o rd e n a d a s ) , a c o n tin u a c ió n se c o n s id e ra r á un p r o c e d i m ie n to p a ra e n
c o n t r a r ta les b a s e s . E ste p r o c e d im ie n to se d e n o m in a p r o c e s o d e o r t o n o r m a l i z a c i ó n d e
G r a m - S c h m i d t . e n h o n o r del m a te m á tic o d a n é s J o r g e n P e d e r s o n G r a m ( 1 8 5 0 - 1 9 1 6 ) y
d el m a te m á tic o a le m á n E rh a rd t S c h m id t ( 1 8 7 6 - 1 9 5 9 ) . C o n s ta d e tres paso s.
1. E m p e z a r con u n a b a s e d el e s p a c io c o n p ro d u c to in tern o . N o se re q u ie re q u e sea u n a

b a s e o r to g o n a l ni q u e c o n s te d e v e c to re s un itarios.
2. C o n v e r t ir la b a s e d a d a a u n a b a s e o rto g o n a l.
3. N o r m a li z a r c a d a u n o d e los v e c to r e s d e la b a se o rto g o n a l a fin d e o b te n e r una b ase
o rto n o rm a l.
Teorem a 5.12 Proceso de O rtonorinalizaclón d e G ranvSdm iidt

1. S e a B ~ (Vj, v 2, u n a b a s e d e un e s p a c io V c o n p r o d u c to in tern o .
2. S e a & ^ { W j , w 2. . . . , w w} d o n d e w . e s tá d a d o p o r
.
<V2, w , )
1 <Wt, w ,>
Wy W ,> ( V 3, W )
Wj = v , - - ^ w , - 7 - -— r w 2
wm.
<W2, W 2)
(V„.W,> (vM
, w 2> )
K * V„ ~ 1 — V W, - w , ----------- ................ - " d - r
" <w,,w) ( w 2, w 7) 2 ,)
E n to n c e s ÜP e s u n a b a s e o r to g o n a l d e V.
3. S e a u. = w / l l w j i . E n t o n c e s e l c o n j u n t o B " - (u ,, u „ . . . . u f} e s u n a b a s e
o r t o n o r m a l d e V.
En v e z d e d a r una d e m o s tr a c ió n g e n e ra l d e este te o re m a , p a re c e m á s in s tr u c tiv o a n a

lizar un c a s o e s p e c ia l e n el q u e se p u e d a u sar un m o d e lo g e o m é tric o . S e a | v ,, v 2) u n a b a s e
d e R2, c o m o se m u e s tr a en la fig ura 5 .16. P a ra d e te r m in a r u n a b a s e o r to g o n a l d e VV. p rim e r o
se elig e u n o d e los v e c to re s o rig in a le s, p o r e je m p lo v ,. L u e g o , se q u ie re e n c o n t r a r un s e
g u n d o v e c to r q u e sea o r to g o n a l a v r E n la figu ra 5. 17 se o b s e r v a q u e v , - p r o y v,v 2 t i ene
e s ta p ro p ie d a d . A sí, c o n
W| = v,
,— ,------------------------------------------------------
Demostración: C o m o B es u n a b a s e d e V , e n to n c e s d e b e n e x is tir e s c a la r e s ú n ic o s c ,, <

. . . , c n ta les q u e ^—
w = C ,v , + C2v 2 + • • ■+ cnvn.
A l e f e c tu a r el p r o d u c to in te rn o (c o n v() d e a m b o s la d o s d e e s ta e c u a c ió n se o b tie n e
<w, v .) = <(c,v, + c 2v 2 + • • • + c ; v/(), v ¿>

= c 1( v 1, v. > + c 2( v 2, v ).) + -- + c n<víl, v,),
y p o r la o r to g o n a lid a d d e B la e c u a c ió n a n te rio r se r e d u c e a
<w, v.) = c ( v . , v.),
P o r ú ltim o , d a d o q u e B e s o r to n o r m a l, se tiene q u e <v(, v () = llv.ll2 = I , y sc c o n c lu y e q u e

(w , v.) = c r <
E n el t e o re m a 5. 11 las c o o r d e n a d a s d e >v c o n re s p e c to a la b a s e o r to n o r m a l B sc
d e n o m in a n c o e f i c ie n t e s d e F o u r i e r d e w c o n r e s p e c to a B , en h o n o r d el m atem á tic o
f ra n c é s J c a n - B a p tis te J o s c p h F o u r ie r ( 1 7 6 8 - 1 8 3 0 ) . El v e c t o r d e c o o r d e n a d a s c o rresp o n
d ie n te d e w c o n re s p e c to a B es
( w ) a = ( c ,, c 2 c n)
= (('v, v ,), (w . v,>............ (w , v/(» .
► Ejemplo 5 Representación de Vectores con Respecto a una Base Ortonormal

E n c o n t r a r las c o o r d e n a d a s d e w = (5, - 5 , 2) c o n re s p e c to a la s ig u ie n te b a s e orto norm al
de R\
V, V2 V3
f l= « 5. 5 , ü). ( 0, 0 , 1 ))
Solución: D a d o q u e B e s o r to n o r m a l, e s p o s ib le a p lic a r el te o re m a 5 . 11 p a r a determ ina)

las c o o r d e n a d a s re q u e rid a s .
w - v , = ( 5 , - 5 , 2 ) . ( 5 . 3 , 0) = - !
w • v 2 = (5, - 5 , 2) - (—5 . | , 0 ) = - 7
w • v , = (5, - 5 , 2) • (0. 0. 1) = 2
A sí, el v e c to r d e c o o r d e n a d a s c o n re s p e c to a B e s i \ \ ) H = ( - ! . 7.2). 4
Sección 5.3 Bases Ortonomiales: Procedimiento de Gratn-Schmidt 321
Proceso de O rtonorm alización de Gram-Schmidt

U n a v e z q u e se han v isto las v en ta ja s d e las b a s e s o r to n o n n a l e s ( lo d ir e c to q u e e s la r e
p r e s e n ta c ió n d e c o o r d e n a d a s ) , a c o n tin u a c ió n se c o n s id e ra r á un p r o c e d i m ie n to p a ra e n
c o n t r a r ta les b a s e s . E ste p r o c e d im ie n to se d e n o m in a p r o c e s o d e o r t o n o r m a l i z a c i ó n d e
G r a m - S c h m i d t , e n h o n o r del m a te m á tic o d a n é s J o r g c n P c d e r s o n G r a m ( 1 8 5 0 - 1 9 1 6 ) y
d el m a te m á tic o a l e m á n E rh a r d t S c h m id t ( 1 8 7 6 - 1 9 5 9 ) . C o n s ta d e tres paso s.
1. E m p e z a r c o n un a b a s e del e s p a c io c o n p r o d u c to interno . N o s e r e q u ie r e q u e sea u na

b a s e o r to g o n a l ni q u e c o n s te d e v e c to r e s unitarios.
2. C o n v e r tir la b a s e d a d a a u n a b ase o rto g o n a l.
3. N o r m a li z a r c a d a u n o d e los v e c to re s d e la b a s e o rto g o n a l a fin d e o b te n e r u na base
o rto n o rm a l.
Teorem a 5.12 Procesa do O rtonorm alización de Gram -Schm idt

£»,•' ‘ v ‘ • • • ' ■ • , v : ’ • {’• ' . • ' . ...y . .•*” •- '•.* \ x í ■ >>'.t «*''. A -' v ‘ ;
1. S e a B rn {V,, v2, . . . , v j u n a b a s e d é un e s p a c i o V c o n p r o d u c to intern o.

2. S e a W » {w, , w 2 w j d o n d e w , e s tá d a d o p o r
w ,**,
<Vj, W.)
w , = v , - - r i — L .W .
(v,,w) <VV W )
W3 = V3 ~ - ’W, - y ~ - 1 *L
<w p W , 1 ( w 2, w 2) ?
* * v w w - _______ W
* n <Wpw,> 1 (w2,w 2) 2
E n to n c e s B ' es u n a b a s e o r to g o n a l d e V.
3. S e a i i . « w /llw.|{. E n t o n c e s e l c o n j u n to B " M u , , u 2. . . . , i r ) e s u n a b a s e
o r t o n o r m a l d e V.
En v ez d e d a r una d e m o s tr a c ió n g e n e ra l d e e s te te o re m a , p a r e c e m á s in s tru c tiv o a n a

lizar un c a s o e s p e c ia l en el q u e se p u e d a u s a r un m o d e lo g e o m é tr ic o . S e a {v ,, v , ) u n a b a s e
d e R 2, c o m o se m u e stra en la fig ura 5 . 16. P a ra d e te r m in a r u na b a s e o r to g o n a l d e VV, p r im e r o
se elig e u n o d e los v e c to re s o rig in a le s, p o r e je m p lo v ,. L u e g o , se q u ie re e n c o n t r a r un s e
g u n d o v e c to r q u e sea o r to g o n a l a v ,. E n la fig u ra 5 .1 7 se o b s e r v a q u e v , - p r o y v)v , t i ene
e s ta p ro p ie d a d . A sí, c o n
w, = v ,
322 C a p ítu lo 5 E sp a c io s co n P ro d u cto In tern o
w 2 = v 2 - p r o y vlv 2 = v 2 - V w i
W|.W,
s e p u e d e c o n c l u i r q u e e l c o n j u n t o {w , , w 2 } e s o r t o g o n a l . A s í , p o r e l c o r o l a r i o d e l te o ic
m a 5 . 1 0 , s e t r a t a d e u n a b a s e d e R 2. P o r ú l t i m o al n o r m a l i z a r w , y w 2 s e o b t i e n e la s ig u ie n te
b a s e o r t o n o r m a l d e R 2.
w w
{ U-’ U^ = l í í ^ ¡ ’ llw2ll
FIG U R A 5.16 FIG U R A 5.17
w2 = v 2- p m y v,v 2 _
es ortogonal a w ( = v J
► Ejem plo 6 A plicación del Proceso de O rtonorm allzaclón de G m m -Schm idl

A p l i q u e e l p r o c e s o d e o r t o n o r m a l i z a c i ó n d e G r a m - S c h m i d l a la s i g u i e n t e b a s e d e A'
Vl V2
B - {(1 , 1), (0, 1))
S olución: A l a p l i c a r e l p r o c e s o m e n c i o n a d o s e o b t i e n e
w , = v , = ( 1 , 1)
V * . \v
W2 = v 2
w ,.w ,
=(0,1)- i(l. 1)=c-i. i).

E l c o n j u n t o I I ' = {w , , w , J e s u n a b a s e o r t o g o n a l d e R 2. A l n o r m a l i z a r c a d a v e c t o r d e /»'
se o b tie n e
,> - r í- ■ 'i)
vv
u., = ' í l
2 H" ';11 l/V F
S e cció n 5 .3 Bases O rto n o rn ia le s : P ro c e d im ie n to de G ra m -S c h m id t 323
Por tanto 13" = {u ,. u 2} es una base ortonormal de R 2. V éase la figura 5.18.
FIG U RA 5.18
Observación: Un conjunto ortonorm al obtenido por el proceso de ortonormal ización de

G ram -Schm idt depende del orden de los vectores en la base. Por ejem plo, intente volver a
trabajaren el ejem plo 6 con la base original ordenada com o {v2, Vj} en vez de co m o { v , , v 2}.
► E je m p lo 7 A p lic a c ió n d e l P ro ceso d e O rL o n o rm n liza ció n d e G ra m -S c lim id l

A plicar el proceso de ortonorm alización de G ram -Schm idt a la sigu ien te base de /?-\
Vl V2 V1
B = {(1, 1 .0 ) , ( 1 , 2 , 0 ) , (0 , 1 , 2 »
Solución: Al aplicar el proceso m en cionad o se obtiene
w , = v , = ( 1 , 1 ,0 )
V2 * W l
w = v -----------------------W
VV, • W , 1
= ( 1, 2 , 0) - 5 ( 1 , 1 , 0 ) = ( —i , 1 , 0 )
v3 • w v • w,
w .i = v 3 - ...
W| - w ,
w .- .. ..
W2 • w 2
w2
= (0, l , 2 ) - - i - ( l , 1 . 0) = - 1 ^ |
( - i i " )
= ( 0 , 0 , 2 ).
Ll conjunto B ' { w (, vv,, w j e s una base ortogonal de Al norm alizar cada uno de los
vectores de 13' se obtiene
324 C a p ítu lo 5 E sp a cio s co n P ro d u cto In tern o
w
U| IIW |II y ¡Y
w2
“2 " HwJI
_ W3
(O, O, 2) = (O, O, I)
U3 IIW3II
A sí, B " = { u ,, u 2, u 3) e s lina base ortonormal de R s. ^
En lo s ejem p los 6y 7 se aplicó el proceso de ortonorm al ¡/.ación de G ram -Schm idt a

bases de R 2 y R 3. Este p roceso funciona de manera adecuada para un su b esp acio de un
esp a c io con producto interior. El procedim iento se ilustra con el siguiente ejem plo.
► Ejemplo B Aplicación del Proceso de Ononormnli/dJción de Grnm-Sclunidl

L os vectores v , = (0, 1, 0 ) y v , = (1 , I, 1) generan un plano en /?3. D eterm ine una base
ortonorm al para este subespacio.
Solución: Al aplicar el p roceso d e ortonorm alización de G ram -Schm idt se obtiene

w, = v, = (0, 1,0)
V2 .W |
w 2 = v 2-----------------w
Wj • w ,
= (1, 1, ! ) - - j - ( 0 , 1 ,0 )
= 0 . 0, 1) .
A l norm alizar w , y w , se ob tien e el conjunto ortonormal
. w.
= (0 . 1, 0)
IIw ,II
w2 = 1
U2 = llw-ll V 2
V éa se la figura 5.19.
FIGURA 5.19
S ecció n 5 .3 B a ses O rto n o rm a les: P ro ced im ien to d e G ra m -S ch m id t 325
► E je m p lo 9 A p lic a c ió n d e l P ro ceso d e O rto n o rm a líza c ló n d e G r a m -S c m id t

(Cálculo).
A plique el proceso de ortonorm alización de G ram -Schm idt a la base f l s { l,jt, j r } en P 2,

usando el producto interior
<P> *!> = P (x)q(x) dx.
Solución: S ea B = { I, x, jt2} = {v , , v 2, v ,} . E ntonces se tiene
w, = v , = l
w 2= v - 1 1 L w = x _ 0 ( i ) = A-
<v 3 , W,> <V3 , W2>

( W j . w , )\ w i - 1(w2 , w T2) w 2-
w 3 = ----------7—------
2 2/3 3
(En los ejercicios del 33 al 36 se pide que el lector com pruebe estos cá lcu lo s). L uego, al
norm alizar B ' = { w ,t \v ,, \v }}, se obtiene
Wl _ 1 1
«w¡ii V T ~ nA T
w
ii = — 2 - = - L ( t ) = > £ T V
2 llw II V 2/3 V 2"
“3 llwJI (** ' ) 2V 5 (3 x 2 ~ ' )
Observación: L os p olin om ios u , , u , y u , en el ejem p lo 9 se denom inan lo s tres prim eros

p o lin o m io s n o r m a liz a d o s de L eg e n d re , en honor al m atem ático francés Adrien Maric
L egendre (1 7 5 2 -1 8 3 3 ).
L os cálcu los en el proceso de ortonorm alización de G ram -Schm idt algunas v eces son
m ás sim p les cuando cada vector w . se norm aliza a n te s de ser usado para calcular el
sigu ien te vector. Esta fo rm a a lte r n a tiv a d el p r o c e so d e o r to n o r m a liz a c ió n d e G ra m -
S ch m id t con sta de los p asos siguientes.
W, V,
U| llw.ll llv.ll
wO
ut = íttt-» • donde w , = v2 - ( v , , u ,)u
llw2ll
w,
“3 ' don d cW j = V3" <v’’ Ul>u‘ ■ <Vv “ 2>U2
w
(v , u II -
n'
,)u
1' II-
u" = ÍÍw=M’ d o n d e w „ = v„ - < ' V , , i>u i '
► Ejemplo 10 Forma A l lerna (iva del Proceso de Orlonormalizaclón de Grnm-

Schm ldl
D eterm ine una base ortonorm al del espacio solución del siguiente sistem a hom ogéneo de
x, + x 2 + 7x 4 = 0
Z t, + x 0 + 2x3 + 6x4 = 0
Solución: La m atriz aum entada de este sistem a se reduce com o sigue.
1 1 0 7 0 1 0 2 - 1 0
2 1 2 6 0 0 1 - 2 8 0
Si se hace que x3 = s y x4 = t, entonces cada solución del sistem a es de la forma
' x\ ‘ -25 + t’
X2 —
2 5 -8 /
5
*3
*4- /
-2 ' r
2 -8
=s + /
1 0
. o. 1 .
Por consiguiente, una base del espacio solución es
B — I v,, v2) = {(-2, 2. 1,0), (1,-8,0,1)}.

Para hallar una base ortonorm al B ' = {u,, u ,}, se usa la forma alternativa del p ro c e s o de
ortonorm alización de G ram -Schm idt com o sigue.
= (_ ?3 * l3 ’ í3 1
0)'
W 2 = V 2 - ( v 2, u , ) u ,
= (1, - 8 , 0, 1) - [(1, - 8 , 0, 1) • { - ] , \ , i , 0)1 ( - § , \ , 1 ,0 )
= ( 1 ,- 8 , 0, 1 ) - ( 4 , - 4 , - 2 , 0 )
= ( - 3 , - 4 , 2 ,1 )
VV i
«2 = ¡ T I = ~~zr ( - 3 , - 4 , 2 , 1)
' Ilw2ll V 30
' V 30 V 30 V 30 V 30 '

En los ejercicios del I al 10, determine si el conjunto de vectores en R"c s ortogonal, ortonormal
o ninguna de las dos.
1. {(-4, 6), (5 ,0 )) 2. { (II, 4), (8 ,-3 ))
3- «3. 3» 4- 10. 2)*("I. i»

5. {(4 ,-1 , |) (-1 ,0 , 4). ( - 4 .- 1 7 ,- 1 ) )
8. { (-6 ,3 ,2 , 1). ( 2 . 0 .6 ,0 ) )
, 1( ^ . 0. . . ^ ) . ( .4 4 ..) . ( - 1 - L - J - 4 ) )
10. { o, 0. ) , (0, 0, 1, 0). (0, 1, o, 0). ( - 0. o, )}
11. Complete el ejemplo 2 al verificar que {1.x, .v2, x3) es una base ortonormal de con el
producto interior <p, q) = «060 + a]b l + a2by + u3by
12. Compruebe que {(sen 0, eos 0). (eos 0, - sen (?)) es una base ortonormal de R2.
En los ejercicios del 13 al 18, determine las coordenadas de x con respecto a la base ortonormal
B de R".
3 V T 3 2 \/T 3 , x = (1, 2)
13 ’ 13
is. , . (( « .1. ). (0. » , (- t í £ . 0, - f . ) ) . , - , 1, - 1
16. « =((1 ,0 .0 ), (0, 1.0), (0 .0 , I)}, x = (3, -5 . II)
17. B= {(§ , 5 .O). ( - 5, 5 , 0 ), (0.0, 1)},x = (5, 10, 15)
18. B = { (-¿ -, 0, - j f , 0), (0. 1,0, 0). ( - 0, 0), (0, 0, 0, 1)).x =(2. -1 , 4, 3)
En los ejercicios del 19 al 26, use el proceso de ortonormalización de Gram-Schmidt p.u.i

transformar la base dada de R" en una base ortonormal. Use el producto interioreuclideano de
Rn y use los vectores en el orden en que se dan.
19. B= {(3, 4), (1 .0 )) 20. /? = { (0 ,1 ), (2, 5)}
21. B = ((1, -1 ), (1. 1)) 22. « = { ( 1 ,0 ,0 ) .( 1 . 1. 1),(1, 1 ,-1 ))

23. B= ( ( 4 ,- 3 ,0 ) , (1 ,2 .0 ), (0 .0 , 4))
24. ü = { ( 0 , I, 2), (2, 0, 0), (1, 1, 1))
25. B= {(0. 1, l)t ( l, 1.0), (1 .0 , 1)}
26. B= { ( 3 ,4 ,0 ,0 ) .( - l . 1 .0 ,0 ),(2 , 1 ,0 ,- 1 ),(0 , 1, 1.0))
En los ejercicios del 27 al 32, use el proceso de ortonormalización de Gram-Schmidtpara

transformar la base dada de Rn en una base ortonormal del subespacio. Aplique elproducto
interno euclideano de R" y use los vectores en el orden dado.
27. « = ( ( - 8 . 3 , 5 ) ) 28. « = { ( 4 .- 7 , 6))
29. B = ((3. 4 .0 ), (1 ,0 ,0 )) 30. B = {(1, 2, 0). (2, 0, -2 ))
31. / / = ((1 .2 . - 1 .0 ). (2. 2 ,0 , 1))

32. B= ((7. 24, 0 .0 ). (0 .0 . I. 1 ),(0 .0 . 1 ,-2 ))
(Cálculo) En los ejercicios del 33 al 36, sea B= ( l . r . r ) una base de P2 con el producto inte IIIO
<P- 9 ) = J pC v)r/U ) d x .
Complete el ejemplo 9 verificando los productos interiores indicados.

33. <*. 1> = 0 34. <1. 1) = 2
35. (x2, \ ) = l 36. (x2, *) = 0
En los ejercicios del 37 al 40, determine una base ortonormal para el espacio solución de!
sistema homogéneo de ecuaciones lineales dado.
37. 2*, + *, - 6.*3 + 2*4 = 0 38. *, + *2 - 3*3 - 2*44 = 0

*, + 2v2 - 3;c3 -f 4.v4 = 0 2*, - * 2 - - r 4= 0
*, + *2 - 3.r, + 2*4= 0 3*, + *2 - 5*3 - 4*4 = 0
39. *, + *2 - *3 - *4 = 0 40. * + 3y - 3¿ = 0
2 r, + *2 - 2*3 - 2*4 = 0
En los ejercicios del 41 al 46, sean p(x) = aQ+ í/,.í + ciyX2 y q{x) - bQ+ b¡x + b-pr vectores en
P2 con <p. i|) = a0b() + a ib ] + a2br Detennine si los polinomios de segundo grado dados for
man un conjunto ortonormal y, en caso negativo, aplique el proceso de ortonormuüzación de
Gram-Schmidt para formar un conjunto ortonormal.
42. {•'/2( j 4 - 1). \Z2Ct2 + * + 2)}
43. (.v2, x 2 + 2 * . x2 + 2 * + 1)
44. { I ,* ,* 2}
45. [x2 - 1 , * - I j
_ I 3-r2 + 4* -4.v2 + 3x . )
46. j — — j ,.J
47. Use el producto interior ( u . v) = 2«,v, + u2\>2 en A’2 y el proceso de ortonormalización de

Gram-Schmidt para transformar {(2, - I ) . (-2 . 10)} en una base ortonormal.
48. Demuestre que el resultado del ejercicio 47 no es una base ortonormal cuando se usa el
producto interno cuclideano en R 2.
49. Demuestre que si w es ortogonal a cada uno de los vectores en 5 = {v ,, v2.......vn), entonces
w es ortogonal a Unía combinación lineal de vectores en S.
50. Sea ( u , . U j u j una base ortonormal de Rn. Demuestre que
llvll-’ = iv • u,l2 + Iv • u 2l2 + • • • + Iv • U()l*
pura cualquier vector v en R". Esta ecuación se denomina igualdad de Parseval.

51. Sea P cualquier matriz n x n. Demuestre que las condiciones siguientes son equivalentes
a) P~l = P' (Una matriz así se denomina ortogonal).
b) Los vectores renglón de P constituyen una base ortonormal de Rn.
c) Los vectores columna de P forman una base ortonormal de R".
52. Use las matrices dadas para ilustrar el resultado del ejercicio 51.
-1 0 0 1/V2 1/V 2 0
a) P = 0 0 1 b) p = 1/V 2 -I/V 2 0
. 0 - 1 0. . 0 1 1.
53. Encuentre una base ortonormal de R 4 que contenga a los vectores
V| = ( v T ' " ' ^ ’ 0 ) y v- = (°’ ~ 7 T ~ ° ' v T ) ■
54. Sea W un subespacio de Rn. Demuestre que el siguiente conjunto es un subespacio de R"
W1 = {v: vv • v = 0 por cada w en VV)
Luego, demuestre que la intersección de W y W1 es (0).
5.4 a Aplicaciones de los Espacios con Producto Interior

MI Producto Cruz de Dos Vectores en el Espacio
M uchos problem as del álgebra lineal im plican la determ inación de un vector que sea or
togonal a cada uno de los vectores de un conjunto dado. A quí sc considerará un producto
vectorial con el que sc puede obtener un vector en /í1 ortogonal a otros dos vectores dados.
Este vector se denom ina p ro d u c to c ru z y, por conveniencia, se define y calcula con vec
tores expresados en form a de vector unitario estándar com o sigue.
v = (v,, V2, v}) = v,í + V2j + V3k
Sean u * w,i + + ¡w3k y v * v,í 4- vj¡ -f vectores en 0 . El p ro d u c to d e c ru z

de u y v es el vector
u x v x («2V3 - « 3v2)t - (u ,v 3 - «3v ,)j + («,V2 - U2v,)k.
Observación: El producto cruz se define solam ente para vectores en /?3. No se define el
producto cruz de dos vectores en R2 o de vectores en R'\ n > .3.
Sección 5.4 Aplicaciones Je los Espacios con Producto Interno 331
Un m étodo conveniente para recordar la fórm ula del producto cruz u x v es u sar la
siguiente form a de determ inante.
i j k C om ponentes de u
U X V = «1 U2 «3
C om ponentes de v
V. V2 V3
Técnicam ente, lo anterior no es un determ inante porque no todos los elem entos son
núm eros reales. A pesar de ello, es de utilidad porque proporciona una m anera fácil para
recordar la fórm ula del producto cruz. Al desarrollar por cofactores el prim er renglón se
obtiene
u x v = (w2v3 - a 3v2)¡ - (« ,v 3 - u3v,)j + (« ,v 2 - w,v,)k
«2 «3 M1 M3
U, U2
W U-
i - k,
II
j +
V2 V3 Vl V3 Vl V2
que produce la fórm ula dada en la definición. A segúrese de observar que la com ponente
j esté precedida por un signo menos.
► Ejem plo I D eterm inación del P roducto Cruz d e Dos Vectores

D ados u = i - 2j + k y v = 3¡ + j - 2k, determ ine lo siguiente
a) u x v b) vx u c) vx v
Solución:
i j k
-2 1 1 1 1 -2
U X V = 1 -2 1 = i - j +
1 -2 3 -2 3 1
3 1 -2
= 3¡ + 5j + 7k
i j k
b) vx u= 3 I -2 = - 3 i - 5j - 7k
-2 1
O bserve que este resultado es el negativo del resultado en el inciso a).
¡ j k
1 -2 3 -2 3 1
c) vx v= 3 1 -2 i- j +
1 -2 3 -2 3 I
3 1 -2
= Oi + Oj + Ok = 0
Los resultados del ejem plo 1 sugieren algunas propiedades algebraicas interesantes
del producto cruz. Por ejem plo,
u x v = —(v x u ) y v x v = 0.
Estas propiedades, ju n to con otras, se dan en el siguiente teorem a.

i —. . . . . ■ i ■ i ii —— i •
.
r a•? * V/ ' <i5 » » ; w V..'Vv “ * - ?- A ** 1.?• •- .v : < - •. <,. , i ¿■
Teorema 5.13 Propiedades Algebraicas del Producto Cruz

'
Si ii. v y w son vectores en R* y c es un escalar, entonces Jas siguientes propiedades
son verdaderas.
I. uxv»~(vxu) 2. u x ( v + w ) s ( u x v ) + ( u x w )
X d a x y ) SCO + v = u x cv 4. u x 0 = 0 x u = 0
5. uxu = 0 6. « • ( v x w ) = ( u x v ) - w
— — — —
Demostración: Se dem ostrará sólo la prim era propiedad, dejando la dem ostración de las
otras com o ejercicio para el lector. (V éanse los ejercicios del 17 al 21.) Sean u y v lo*,
vectores dados por
u = «j i + / / J + w, k y v = Vji + v2j + v3k.
Entonces, u x v es
i j k
U X V = «! U2 «3
Vl V2 V3
= (w2v3 - U3v2)i - (m,v3 - U3v ,) j + ( u ,v 2 - « 2v ,) k ,
y v x u es
¡ j k
vx u = Vi V2 V3
a, «2 u3
= (v2« 3 - v3u2)i - (VjM3 - V3U ,)j + (v,W2 - v2M,)k

= - (tt2v3 - M3v2)i + (m,v3 - w3Vj)j - (tt,v 2 - « 2v ,) k
= - ( u x v). 4
La propiedad 1 del teorem a 5.13 establece que los v c c to re su x v y v x u tienen la mismu

longitud pero dirección opuesta. La im plicación geom étrica de este resultado se analizará
después de establecer algunas propiedades geométricas dc\ producto cruz de dos vectores.
■ • .. .
Teorema 5.14 Propiedades lucio i
J l p i ' '
Si u y v son vectores diferentes de cero en R i , entonces se cumplen las siguientes
propiedades. "
1. u x V es ortogonal tanto a u com o a v.
2. El ángulo 0 entre a y v está dado por
liu x vil a Hall llvll sen 6.
■ . ' . ■ •' . ■■ •
3. u y v son paralelos sí y sólo si u x v = 0.

son u y v tiene un área igual a üu x vil.
Sección 5.4 Aplicaciones de los Espacios con Producto Interno 333
Demostración: Se dem uestra la propiedad 4, dejando com o ejercicio para el lector la de
m ostración de las dem ás. (V éanse los ejercicios del 22 al 24.) Para dem ostrar la propiedad
4, sean u y v dos lados adyacentes de un paralelogram o, com o se observa en la figura 5.20.
Por la propiedad 2, el área de este paralelogram o está dada por
Base A ltura
Á rea = llull llvll sen 9

= llu X vil.
La propiedad 1 establece que el vector u x v es ortogonal tanto a u com o a v. Esto

im plica que u x v (y v x u ) es ortogonal al plano determ inado por u y v. Una form a de
recordar la orientación de los vectores u. v y ti x v es com parar éstos con los vectores i,
j y k. com o se m uestra en la figura 5 .2 1 . Los tres vectores u. v y u x v form an un sistema
dextrógiro, m ientras que los vectores u. v y v x u forman un sistema levógiro.
FIGURA 5.21
► Ejemplo 2 Determinación de un l cclor Ortogonal o Dos Vectores Dados

Encuentre un vector unitario que sea ortogonal tanto a
u = i - 4j + k com o a v = 2¡ + 3j.
Solución: Por la propiedad 1 del teorem a 5.14 se sabe que el producto cruz
‘ J
UX V= 1 -4
2 3
= -3 ¡ + 2j + l l k
es ortogonal tanto a u com o a v, com o se observa en la figura 5.22. Luego, al dividir em u

la longitud de u x v,
llu x vil = V (-3 )2 + 22 + l l 2
= V"Í34,
se obtiene el vector unitario
UXV
3 i + ^ j + 4 L k ,
llull x llvll Vi 34 V Í34 \/Í3 4
que es ortogonal tanto a u com o a v.
FIGURA 5.22
► Ejemplo ,7 Determinación del Aren de un h in ilelo g n im o

Encuentre el área del paralelogram o que tiene a
ii = - 3 i + 4j + k y v = - 2 j + 6k
com o lados adyacentes, com o se observa en la figura 5.23.

Sección 5.4 Aplicaciones de los Espacios con Produelo Interno 335
FIGURA 5.23
+k
E l área de este paralelogram o está dada por

II u x v || = V 7 0 3 6
Solución: Por la propiedad 4 del teorem a 5.14 se sabe que el área de este paralelogram o
está dada por llu x vil. Así, en virtud de que
* J k
UXV= -3 4 1 = 261 + 18j + 6 k,
O -2 6
el área del paralelogram o es
llu x vil = V 262 + 182 + 62 = >/1036 32.19.
Aproximaciones por Mínimos Cuadrados (Cálculo)

M uchos problem as de ciencias físicas e ingeniería im plican una aproxim ación de una
función f m ediante otra función g. Si f está en C [a, b] (el espacio con producto interno de
todas las funciones definidas sobre [a, /?]), entonces g suele elegirse de un subespacio W
dado de C\a, b]. Por ejem plo para aproxim ar la función
f[x) = e \ 0 < * < 1
podría elegirse una de las form as siguientes para g.
1. #(.v) = íí() + a vx, 0 < .t < 1 Lineal

2. #(*) = a0 + O s* s i Cuadrática
3. g(jr) = a0 + a , eos x + a y sen .r, 0 ^ x s 1 T rigonom étrica
A ntes de analizar m étodos para determ inar la función g es necesario definir cóm o una
función puede aproxim ar “m ejor" otra función. U na form a natural sería requerir que el
área acolada por las gráficas de f y g sobre el intervalo (<;, h\.
336 Capítulo 5 Espacios con Producto Intento
Área = J \f(x) - gU )l dx,
sea m ínim a con respecto a otras funciones en el subespacio VV, com o se observa en la fi
gura 5.24. Sin em bargo, com o los integrandos que im plican valores absolutos a m enudo
son difíciles de evaluar, es más com ún elevar al cuadrado el integrando para obtener
‘h
í [f(x) - 8(x)}2 dx.
Con este criterio, la función g se denom ina a p ro x im a c ió n p o r m ín im o s c u a d ra d o s de

f con respecto al espacio VVcon producto interno.
FIGURA 5.24
----- T------ --------- .------ — --------------- ------ ----- ---- ------ ---
: í ? ? y v '•': ............ ....... .........

Sea f continua sobre (¿t, ¿>] y sea VVtm-subespacio éc Q a , bj. Una función g en W
se denom ina a p ro x im a c ió n p o r m ín im o s c u a d ra d o s de f con respecto a W si el
S.ív vaJor de
p
/= l m -g a tfd *
*a
i::.'
e s m ínim o con respecto a todas las dem ás funciones en VV.
Observación: Si el subespacio VV de la definición anterior es todo el espacio 0|r/, b

entonces ¿j(.v) = f(x ), lo cual im plica que / = 0.
► Ejemplo 4 Determinación de una Aproxim ación p o r Mínimos Cuadrados

Encuentre la aproxim ación por m ínim os cuadrados g(x) = aQ + a ,* para
f( x ) = e \ 0 < * < 1.
Solución: Para esta aproxim ación es necesario determ inar las constantes aQ y a , que
m inim izan el valor de
= j ( / W - s M ) 2 * = j (e’ - a a - a , x ) 2tlx.
•'o 0
Al evaluar esta integral, se tiene
/= {ex - a0 - a lx )2 dx
= J (e2* - 2 a0e' - 2a jjee* + a 2 + 2 aQa lx + a 2x 2) dx
= I 1 e2* - 2 a0e x - 2a{e x(x - 1) + a 2 + « ,/q * 2 + a 2 y
= - («f2 - 1) - 2o0(e - 1) - 2 a , + u02 + ^ ü ,2.
A hora, considerando que / es una función de las variables «0 y por m edio del cálculo
se determ inan los valores de «u y a ] que m inim izan a /. Específicam ente, igualando a cero
las derivadas parciales
= 2a0 - 2 e + 2 + a
da0
d i _ 2 0
a * ,” "0 3 fl>
se obtienen las dos ecuaciones lineales siguientes en aQy a r
2aQ+ «, = 2(e - 1)
3 a0 + 2 a, = 6
La solución de este sistem a es
a{) = 4e - 10 « 0.873 y a , = 18 - be « 1.690.
Por consiguiente, la m ejor aproximación lineal para/(.v) = ex sobre el intervalo [0, 11está
dada por
g(x) = 4e - 10 + (18 - 6e)x

- 0 . 8 7 3 + 1.690*.
En la figura 5.25 se com paran las gráficas de f y g sobre [0, 1).

FIGURA 5.25
f ( x ) = ex
0 .8 7 + I.69.Í
M
Por supuesto, la aproxim ación obtenida cn el ejem plo 4 depende de la definición de

m ejor aproxim ación. Por ejem plo, si la definición de "m ejor” hubiera sido el polinomio
de Taylorde grado uno centrado en 0.5, entonces la función de aproxim ación g habría sidi •
g(x) = /(0 .5 ) + /'( 0 .5 ) ( * - 0.5)

= e0 5 + e° \ x - 0.5)
= 0 .8 2 4 + 1.649*.
A dem ás, la función g obtenida en el ejem plo 4 es sólo la m ejor aproxim ación lineal de I
(según el criterio de m ínim os cuadrados). En el ejem plo 5 se encuentra la m ejor apio
xim ación cuadrática.
► Ejemplo ñ Determinación de una Aproxim ación po r Mínimos Cuadrados

D eterm ine la aproxim ación por m ínim os cuadrados g(x) = a 0 + a ,* + aT\2 para
f( x ) = ex, 0 < * < l.
Solución: Para esta aproxim ación es necesario encontrar los valores de a (), a , y a2 que
m inim izan el valor de
/= [ m - 8(*))2 dx
Jo
(e' - aQ- a ix - a Tt1)2 dx.
Al in teg rare igualar a cero las derivadas parciales de / (con respecto a a0, a , y a 2) se obtiene
el siguiente sistem a de ecuaciones lineales.
6aQ + 3a, + 2a 2 = b (e - 1)
6 a0 + 4 a , + 3 a , = 12
20ao + 15a, +12a‘ = 6 ()(í--2 )
La solución de este sistem a es
aQ= - 1 0 5 + 39* ~ 1.013

a ,= 5 8 8 - 2 1 6 * = 0.851
a 2 = - 5 7 0 + 210e = 0.839.
Por tanto, la función de aproxim ación g es
g(x) = 1.013 + 0 .8 5 \x + 0.839a2.

En la figura 5.26 se com paran las gráficas de f y g.
FIGURA 5.26
Ax) = eí
1 f
3- Y*
/ ¡
2- / ¡
'j r " i
U
1
1
i
1
| ---------- ►
1
g(-r) ~ 1 . 0 1 3 + 0 .8 5 1* + 0.839 a 2
<
La integral / (dada en la definición de la aproxim ación por m ínim os cuadrados) puede

expresarse en form a vectorial. Para efectuar lo anterior se aplica el producto interior de
finido en el ejem plo 5 de la sección 5.2:
<r g> = J f(x)g(x) dx.

n
Con este producto interior se tiene
/= J i/U )-s (* )]2 d t = < r - g ,r - g >

a
= nr-gii2
Esto significa que la función de aproxim ación por m ínim os cuadrados g es la función que
m inim iza llf - gil' o. de m anera equivalente, que m inim iza llf- gil. En otras palabras, la
340 C a p ítu lo 5 E sp a c io s con P ro d u cto In tern o
a p ro x im a c ió n p o r m ín im o s c u a d ra d o s de u n a fu n ció n f es la fu n c ió n g (en el su b esp acio

W) m ás p ró x im a a f en té rm in o s d el p ro d u c to in te rio r (f, g). El sig u ien te te o re m a da un
m é to d o p ara d e te rm in a r la fu n ció n g.
Teorema 5.15 Aproximación por Mínimos Cuadrados

S e a ( continua sobre \ a f b \ y sea W m su b esp acio de dim en sión finita d e C ía, b l La
fu nción d e ap roxim ación por m ín im os cuadrados d e f c o o respecto a W está dada por
g« <t w,)w, + <f, w2)wí § • • • + <f, w„)wfl,

donde B- ( w ,, w 2, . . . . w j e s una b ase ortonorm al d e W.
Dem ostración: P ara d e m o stra r q u e g es la fu n ció n de a p ro x im a c ió n p o r m ín im o s cuadra

d o s d e f es n e c e sa rio p ro b a r q u e la d esig u a ld a d
llf- g ll < llf-w ll

e s v e rd a d era p a ra c u a lq u ie r v e c to r w en VV. A l e x p re sa r f - g c o m o
f - g = f - <f, w ,) w , - (f, w 2)w 2 -----------<f, w w)w (i,
se p u e d e o b se rv a r q u e f - g e s o rto g o n a l a cad a v r, lo cu al im p lica q u e es o rto g o n a l a cada

v e c to r en VV. E n p a rtic u la r, f - g es o rto g o n al a g - w . E s to p erm ite a p lic a r el teo rem a de
P itá g o ra s a la su m a v ecto rial
f-w = (f-g) + (g-w)

p ara c o n c lu ir q u e
l l f - w l l 2 = l l f - g l l 2 + l l g - w l l 2.
P o r ta n to , se c o n c lu y e q u e llf - gil2 ^ llf - wll2, lo c u a l e n to n c e s im p lic a q u e l l f - gil *

llf-w ll. «
A h o ra se v erá c ó m o se p u ed e u sa r el teo rem a 5.15 p ara p ro d u c ir la a p ro x im a c ió n poi

m ín im o s c u a d ra d o s o b te n id a en el e je m p lo 4. P rim ero se a p lic a el p ro c e so de ortonoi
m a liz a c ió n d e G ra m -S c h m id t a la b a se e s tá n d a r (1 , x ) p ara o b te n e r la b a s e o rto n o rm al
B = {1, V 3 (2 x - 1 )). L u e g o , p o r el te o rem a 5.1 5 , la a p ro x im a c ió n po r m ín im o s cuadrad»
p ara e* e n e l su b e sp a c io de to d a s las fu n cio n es lin eales e s tá d a d a por
g(x) = ( e \ 1>( 1) + < e \ > /3 (2 r -1 )> V 3 (2 t - 1)
= e*dx + V 3 (2 r - 1 ) W ( 2 * - 1 ) dx
Jo Jo
= i e x d x + 3 (2 r - 1 ) [ e * ( 2 r - l) dx
Jo ■'o
= - 1 ) + 3 ( 2 r - 1 ) (3 - e)
= 4 c - 1 0 + (18 - 6c).r,
lo c u a l c o n c u e rd a c o n el re su lta d o o b te n id o en el e je m p lo 4.
► Ejemplo 6 Determinación de una Aproxim ación ¡x)r Mínimos Cuadrados

Encuentre la aproxim ación por m ínim os cuadrados p a ra / ( a ) = sen a, 0 < * < 7r, con
respecto al subespacio VVde funciones cuadráticas.
Solución: Para usar el teorem a 5.15 se aplica el proceso de ortonorm alización de Gram -
Schm idl a la base estándar de VV, {1, a , a 2 }, para obtener la base ortonorm al
B = (w ,, w 2. w 3)
= ( (2 a - ( 6 a2 - 670: + F ) .
IV K K\/7T 7 T \J n
La función de aproxim ación por m ínim os cuadrados g está dada por

g ( x ) = (f, w ^ w , + <f, w 2)w 2 + (f, w 3>w3,
y se tiene
(C w ,) = —Lr J sen x d x = - ^ r
Vn J o Vn
<f, w ?> = ■ i sen a (Zt - tí) dx = 0

n 'J T j o
(f, w .) = - i sen a (6a2 - 6tcy + F ) dx

rr-J n J o
=_2^Z - 12).
FV F
Por consiguiente, g está dada por
g (x) = — + ( 6 a 2 - 6/rv + n 2 )
n 7r
« -0 .4 1 7 7 a2 + 1.3122 a -0 .0 5 0 5 .
En la figura 5.27 se m uestran las gráficas de f y g.
FIGURA 5.27
y
342 C apítulo 5 E spacios con P roducto Interno
Aproximaciones de Fourier (Cálculo)

A c o n tin u a c ió n se c o n sid e ra rá u n tip o esp ecial d e a p ro x im a c ió n p o r m ín im o s cu ad rad o s
d e n o m in a d a a p r o x im a c ió n d e F o u r ie r . P o r e sta a p ro x im a c ió n se c o n sid e ra n fu n cio n es
d e la fo rm a
g (x) = - y - + a , eo s x + • • • + a n e o s n x + Z?, sen .r + • • • + bn sen nx
e n el su h e sp a c io VPde [0, 2/r] g e n e ra d o p o r la b ase

S = {1, e o s .t, e o s Z x , . . . , e o s nx, sen *, sen 2 x , . . . , sen /ix ) .
E sto s 2n + 1 v ecto res son ortogonales e n el e sp a c io C [0, 2 jt\ co n p ro d u c to in te rio r porque
<f. g ) = j
Jo
A x )g (x ) d x - 0, f * g,
c o m o se d e m o stró en el e je m p lo 3 de la se c c ió n 5.3. A d em ás, al n o rm a liz a r c a d a función

de e sta b a se se o b tie n e la b ase o rto n o rm al
f l a l w» w WJ
^ eos e o s nx, — s en x , . . . , —— sen nx

[n / E t V F V F V F sJ T
C o n e sta b a se o rto n o rm a l se p u ed e a p lic a r el teo rem a 5.15 p ara e sc rib ir
g (.t) = <f, w 0>w0 + <f, w ,) w , + • • • + (f, w 2;|)w i,,.
L os c o e fic ie n te s a0, a v . . . . an, b v . . . , bn d e g (x) en la ec u a c ió n
g(x) = + a , e o s * + • • • + an eo s n x + b ] sen .v + ■ • • + b¡t sen n x
e stá n d ad o s p o r las sig u ie n te s in teg rales.
ao = w o> 7== = 7= \ /(* ) 7=^ dx = -^ ~ J M dx

v2 k v2 k ■’ o v2^ n J o
tí, = (f, W ,) j L = jL - f / ( . r) - L r e o s X d x = — I f ( x ) e o s .v d x
V 71 v n J ü v TI 7T 0
a n = (f, w n) ~ = - = -=Lr í f(x ) - i - eo s n x d x = —— í f{ x ) e o s n x dx

v ^ v / r ^ n v ir k Jo
b¡ = (f. w n +J> = yzL- [ /(* ) — sen x dx = — [ j \ x ) sen x dx

v JZ V 7T J o v ^ 7T •'O
i i r i ir
hn = ' v b ) 7= - = 7= / ( • ') 7= ^ scn n x dx = ------ / ( * ) sen nx dx
V 7T V /r 0 v 7T /T J 0
Sección 5.4 A plicaciones de los E spacios con Producto Interno 343
g(.r) se lla m a a p r o x im a c ió n d e F o u r ie r d e o rd en n -ésim o d e f s o b re el in te rv a lo [0, 2 jt],

q u e , c o m o los c o e fic ie n te s de F o u rier, sc llam a a sí e n h o n o r d el m atem ático fran cés Jean -
B ap tiste Jo se p h F o u rie r (1 7 6 8 -1 8 3 0 ). L o a n te rio r c o n d u c e al te o re m a 5.16.
► Ejemplo 7 D eterm inación de una A p ro x im a ció n de Fourier

E n c u e n tre la a p ro x im a c ió n d e F o u rie r de te rc e r o rd en de
f(x ) = X, 0<Jt<27T
Solución: A l a p lic a r el te o re m a 5 .1 6 se tiene
a.)
g (x) = - jj- + a l e o s x + eo s 2 x + a 3 eo s 3.t + b¡ sen x + b^ sen 2x + b3 sen 3.v,
donde
• C 2 n 1
a o = iK Jj r dx = - 2 / r 2 = 2 n
n
'o
2n
ai-
J
I r eos jx dx = —t t e o s j x + sen jx = 0
71 J 0 n j2 nj ü
2n
i Jr sen j x dx = — r sen j x e o s jx
j 71 * 0 n j1 nj
L o a n te rio r im p lica q u e />, = - 2 , ó , = - ¿ = - \ , y b3 = . P or tan to , se tien e q u e
i’(x) = — - 2 sen x - sen 2.t - — sen 3.v

2 3
=» K - 2 sen x - sen 2 i - sen 3.v.

En la figura 5.28 se m uestra una com paración de las gráficas de f y g.
FIGURA 5.28
Aproxim ación de Fourier de tercer orden ^
En el ejem plo 7, el patrón general de los coeficientes de Fourier parece ser aQ= 2n, u,
=ai =■■■ =a„ = 0.y
h - 1 h - 2 h - 2
b ' ~ 1 2 2 .........
Así, la aproxim ación de Fourier de orden «-ésim o de f{x ) = x es
g(x) = n - 2 |s e n t + ^ sen 2x + ^ sen 3* + • • • + - sen nx

2 ' 3 n y
A m edida que n crece, m ejora la aproxim ación de Fourier. Por ejem plo, en la figura 5.29
se m uestran las aproxim aciones de Fourier de cuarto y quinto orden de f( x ) = x, 0 < x ^
2n .
FIGURA 5.29
r
En cursos avanzados se dem uestra q u e cuando n el error de aproxim ación llf - gil
tiende a cero para toda x en el intervalo ( 0 , 2n). La serie infinita de g(x) se llam a se rie de
F o u rie r.
► Ejemplo 8 Determinación de una Aproxim ación de Fourier

Encuentre la aproxim ación de Fourier d e cuarto orden de
f( x ) = \x-7Ú , 0 < x < 2n.

Solución: Con el teorem a 5.16, los co eficien tes de Fourier se encuentran com o sigue.
( 7 i- x ) eos j x dx
(1 - eos jn )
TI]2
A sí, a , = 4/tt, al = 0, «3 = 4/97T, y «4 = O, lo cual significa que la aproxim ación de Fourier

de cuarto orden de f es
ti 4 4
g(x) = — + — eos x + — e o s 3*.
En la figura 5.30 se com paran las g rá ficas de f y g.
FIGURA 5.30

El producto C ruz de D os V ectores en el Espacio
En los ejercicios del 1 al 6. encuentre u x v y demuestre que es ortogonal tanto a u como a v

1. u = ( 1, 0, 0), v = ( 0, 1, 0) 2. u = (0, 1, 0), v = ( 1, 0, 0)
3. u = j , v = k 4. u = k, v = j
5. u = i + j + k, v = 2i + j - k 5. u = ( 2 .-3 , 1), v = ( 1 ,-2 , I)
En los ejercicios del 7 al 10, encuentre el área del paralelogramo que tiene como lados ad
yacentes los vectores dados.
7. u = j , v = j + k 8. u = i + j + k. v = j + k
9. u = ( 3 ,2, -1 ), v = (1, 2, 3) 10. u = (2, - 1 ,0 ) , v = (-1 , 2, 0)
En los ejercicios del 11 al 13, halle u ■(v x w). Esta cantidad se llama trip le producto escalar
de u, v y w.
11. u = i, v = j, w = k
12. u = ( 1, 1. I), v = ( 2, 1, 0), w = (0, 0, 1)
13. u = (2, 0, 1), v = (0, 3. 0), w = (0. 0, 1)

14. Demuestre que el volumen de un paralelepípedo cuyos lados adyacentes son u . v y w está
dado por lu • (v x w)l.
15. Aplique el resultado del ejercicio 14 para encontrar el volumen del paralelepípedo con
u = i + j, v = j + k, y w = i + 2k como aristas adyacentes. (Véase la figura 5.31.)
(0, I, 1)
16. Encuentre el volumen del paralelepípedo mostrado en la figura 5.32, con u = (1. 1. 0).
v = (0. 1, 1) y w = (1. 0, 1) como lados adyacentes.
17. Demuestre que cu x v = c(u x v) = u x cv.
18. Demuestre que u x (v + w) = (u x v) + (u x w).

19. Demuestre que u x 0 = 0 x u = 0.
20. Demuestre que u x u = 0.
21. Demuestre que u • (v x w) = (u x v) • w.
22. Demuestre que u x v c s ortogonal tanto a u como a v.
23. Demuestre que el ángulo 9 entre u y v está dado por llu x vil = llullllvll sen 6.
24. Demuestre que u x v = 0 sí y sólo si u y v son paralelos.
25. Demuestre la identidad de L agrange: llu x vil2 = llull2 llvll2 - (u • v)2.
26. a) Demuestre que u x (v x w) = (u • w) v - (u • v) w.

h) Encuentre un ejemplo para el que u x ( v x w ) * (u x v) x w.
A p ro x im a cio n es p o r M ín im o s C u a d ra d o s (C álculo)
En los ejercicios del 27 al 32, a) encuentre la función de aproximación por mínimos cuadrados
lineal g para la función dada y b) trace las gráficas de f y g.
27. f ( x ) = x 2, 0 < x :£ 1 28. f(x ) =sTx, 1 < * < 4
29. /(* ) = e2\ 0 < x < 1 30. f(x ) = e o s r , 0 s r S ) t
31. f(x ) = s e n t e / 2 32. /(.t) = sen x, -n/2 ^ a- < nJ2
En los ejercicios del 33 al 36, a) encuentre la función de aproximación por mínimos cuadrados
cuadrática g para la función dada y b) trace las gráficas de f y g.
33. f(x ) = x \ 0 < .v < 1 34. f{x) = n/x, 1 < a < 4
35. f(x ) - sen x, 0 ^ x ^ JC 36. /(. x) = sen x, -nJ2 ^ x ¡s rt2
A p ro x im a c io n es de F o u rie r (C álculo)
En los ejercicios del 37 al 46, encuentre la aproximación de Fourier del orden especificado para
la función dada sobre el intervalo |0. 2/r).
37. f(x ) = n - x , tercer orden 38. f(x ) = n - x , cuarto orden
39. J'(x) = (.v - n)2, tercer orden 40. f(x ) = (a - n)2, cuarto orden
41. f(x ) = e~*, primer orden 42. f(x ) = e~*, segundo orden
43. f(x ) = 1 + x, tercer orden 44. f[x ) = 1 + x, cuarto orden
45. f(x ) = 2 sen x, eos x . cuarto orden 46. f(x ) = sen2 x, cuarto orden
47. Use los resultados de los ejercicios 37 y 38 para encontrar la aproximación de Fourier de
orden n-ésim o de J\x) = n - x sobre el intervalo [0, 2tt|.
48. Use los resultados de los ejercicios 39 y 40 para encontrar la aproximación de Fourier de
orden n-ésimo de f(x ) = (.» - n)2 sobre el intervalo [0. 2n\.
Capítulo 5 ▲ Ejercicios de Repaso

En los ejercicios del 1 al 6, encuentre Ilull, b) llvll, c) u • v, y d) <7(u, v ) .
1. u = (1, 2), v = (4, 1) 2. u = (0, 3), v = (2, 0)
3. u = (1, -1 , 2), v = (2. 3, 1) 4. u = (-1 , 0, 1), v = (0, 3, 4)
5. u = (1, -2 , 2, 0), v = (2, -1 , 0, 2)
6. u = (1, -1 , 0, 1, 1), v = (0.1 ,-2 , 2, 1)
En los ejercicios 7 y 8, encuentre llvll y un vector unitario en la dirección de v.
7. v = (5, 3, -2 ) 8. v = ( 1 ,- 2 , I)
En los ejercicios del 9 al 14, encuentre el ángulo entre u y v .
9. u = (1 ,5 ), v= (3 ,6 ) 10. u = (2, 2), v = (-3, 3)
11. u = (4, -1 , 5), v = (3,2, -2 )
12. u = ^cos sen v = |c o s sen j
13. u = (10, -5 . 15). v = (-2 , 1 ,-3 ) 14. u = (1, 0,-3 , 0), v = (2, -2 , 1. 1)
En los ejercicios del 15 al 18, encuentre proyvu.
15. u = (2, 4), v = ( 1 ,- 5 ) 16. u = (2, 3). v = (0, 4)

17. u = (0, -1 , 2), v = (3. 2, 4) 18. u = (1, 2 .-1 ), v = (0, 2, 3)
19. Para u = ( 2 , - ^ , l ) y v = ( 2 ,-1 ) a) encuentre el producto interior definido por (u, v)

= n,v, + 2 u2v2 + 3/<3v3, y b) use este producto para determinar la distancia entre u y v.
1 4
20. Para u = (0, 3, 3) y v = ( 3, 1, -3 ), a) encuentre el producto interior definido por (u. v)
= 2m,v', + u2v2 + 2«3v3, y b) use este producto para determinar la distancia entre u y v.
21. Verifique la desigualdad del triángulo y la desigualdad de Cauchy-Schwarz para los

vectores u y v dados en el ejercicio 19. (Use el producto interior definido en elejercicio
19.)
22. Compruebe la desigualdad del triángulo y la desigualdad de Cauchy-Schwarz para los

vectores u y v dados en el ejercicio 20. (Use el producto interior definido en el ejercicio
2 0 .)
En los ejercicios 23 y 24, determine todos los vectores ortogonales al vector dado u.
23. u = (0, - 4 , 3) 24. u = (1, —2, 2, I)

Sección 5.4 Ejercicios de Repaso 349
En los ejercicios del 25 al 28, aplique el proceso de ortonormalización de Gram-Schmidt para

transformar la base dada en una base ortonormal. (Use el producto interior euclideano.)
25. B= {(1.1). (0,1)} 26. B - {(3, 4), (1, 2)}
27. B= {(0.3. 4), (1 ,0 ,0 ). (1, 1.0)} 28. B = {(0, 0, 2), (0, 1, 1), (1, 1. 1)}
29. Sea B = {(0, 2, -2 ), (1 ,0 , -2 )) una base de un subespacio de Ri y sea x = (-1 , 4, -2 ) un

vector en el subespacio.
a) Exprese x como una combinación lineal de los vectores en B. Es decir, encuentre las
coordenadas de x con respecto a B.
b) Aplique el proceso de ortonormalización de Gram-Schmidt para transformar B en un
conjunto ortonormal B'.
c) Exprese x como una combinación lineal de los vectores en B'. Es decir, encuentre las
coordenadas de x con respecto a B'.
30. Repita el ejercicio 29 para B = {(-1, 2, 2), (1, 0, 0)} y x = (-3 , 4. 4).
(Cálculo) En los ejercicios del 31 al 34, sean f y g funciones cn el espacio vectorial C[a. b] con
el producto interior.
<f. g) = j" a J(x)g(x) dx.
31. Sean f(x ) = .v y g(x) = x 2 dos vectores cn C|0, 1].

a) Encuentre (f, g). b) Encuentre llgli.
c) Encuentre d(t, g). d) Ortonormalice el conjunto B = {f. g}.
32. Sean f{x) = x + 2 y g(x) = 15x - 8 dos vectores en C[0, I ].

a) Halle (f. g>. b) Halle (-4 Í. g).
c) Halle llfll. d) Ortonormalice el conjunto B = if. g).
33. Demuestre que f(x ) = V 1- x 2 y tf(.r)=2x Vi - x 2son ortogonales en C [ - l ,11.
34. Aplique el proceso de ortonorm alización de G ram -Schm idt alsiguiente conjunto en
Cf-/r. tt].
S = ( I, eos x. sen .r, eos 2.t, sen 2 i eos nx, sen n x )
35. Determine una base ortonormal del siguiente subespacio del espacio euclideano tri
dimensional.
VV= | (r, . xv .v3): .v, + .r, + x , = 0)
36. Encuentre una base ortonormal del espacio solución del siguiente sistema homogéneo de
.v + y - z + vv = 0
2x - y + z + 2w = 0
(Cálculo) En los ejercicios 37 y 38. a) halle el producto interior, h) determine si los vectores
son ortogonales y c) compruebe la desigualdad de Cauchy-Schwarz para los vectores dados.
i
37. f ( x ) = *, g(x) = - , (f, g> = f(x)g(x) dx
+ 1
38. f(x ) = x, g(x) = 4x2, (f, g) = J ( f W g W dx
Capítulo 5 A e je rcicio s Com plem entarios

1. Demuestre que si u y v son vectores en un espacio con producto interior tal que llull ^ I
y llvll < 1, entonces l(u. v)l < I.
2. Demuestre que si u y v son vectores en un espacio V con producto interior, entonces
llluil - llvlll < IIu ± vil.
3. Sea V un subespacio «/-dimensional de Rn tal que m < n. Demuestre que cualquier vector
u en R" puede expresarse de manera única en la forma u = v + w, donde v está en V y w
es ortogonal a todo vector en V.
4. Sea V el subespacio bidimensional de R 1 generado por (0, 1,0, 1) y (0, 2, 0, 0). Exprese
el vector u = (1, 1, 1, 1) en la forma u = v + w, donde v está en V y w es ortogonal a todo
vector de V.
5. Sea (u,, u ? um) un subconjunto ortonormal de K" y sea v cualquier vector en R".
Demuestre que
ni
llvll2 > X (V • Mj)2-
ÍC I
(Esta expresión se llama desigualdad de Bessel.)
6. Sea v j un conjunto de números reales. Use la desigualdad de Cauchy-Schwarz

para dem ostrar que
(A-, + X 2 + . . . + ,\„ ) 2 < n ( x ¡ 2 + X 22 + . . . + X n2 ).
7. Sean u y v vectores en un espacio V con producto interior. Demuestre que llu + vil = llu - vil
sí y sólo si u y v son ortogonales.
8. Sea {Uj, u2 u(i) un conjunto dependiente de vectores en un espacio V con producto

interior. Describa el resultado de aplicar el proceso de ortonormalización de Gram-
Schmidt a este conjunto.
En los ejercicios 9 y 10, sea W un subespacio de V' y defínase
W l = {v: (w, v) = 0 por cada w en W j.

9. Sean V= R? y w = {(*, y, z ) : x + y - z = OJ. Determine ajW1 y b) ( VV-1)1, donde (w, v)

= w • v.
10. (Cálculo) Sea V el espacio vectorial de todas las funciones poiinómicas definidas sobre
el intervalo [-1, 1] y sea VV el subespacio de V que consta de todas las funciones
poiinómicas impares. Encuentre IV1, donde (p. q) = JJ., p(x)q(x) dx.
El Producto C ruz de D os V ectores en el Espacio
En los ejercicios 11 y 12, determine u x v y demuestre que es ortogonal tanto a u como a v.
11. u = ( l, 1, 1), v = ( l , 0, 0) 12. u = j + 6k, v = ¡ - 2j + k
13. Encuentre el área del paralelogramo que tiene a u= (1, 3, 0) y v = (-1 , 0, 2) como lados
adyacentes.
14. Demuestre que Mu x vil = llull llvll sí y sólo si u y v son ortogonales.
En los ejercicios 15 y 16, el volumen del paralelepípedo que tiene u . v y w como aristas
adyacentes está dado por el triple producto escalar lu • (v x w)l. Determine el volumen del
paralelepípedo que tiene como aristas adyacentes los vectores dados.
15. u =( 1, 0, 0), v = (0, 0, 1), w = (0, 1.0)
16. u =(1, 2, 1). v = (-1 , -1 , 0). w = (3, 4, -1 )
A proxim aciones por M ínim os C uadrados (Cálculo)
En los ejercicios del 17 al 20, determine la función de aproximación por mínimos lineal g para
la función f dada. Luego, trace las gráficas de f y g.
17. /(.*) = x3. -1 ^ x ss 1 18. f(x ) = x3, 0 < x < 2
19. f(x ) = sen I r , 0 :< x < /r/2 20. /(.v) = sen x eos x, 0 < * < n
En los ejercicios 21 y 22, encuentre la función de aproximación por mínimos cuadrados

cuadrática g para la función f dada.Luego, trace las gráficas de f y g.
21. f[x) = Vx. 0 < .v < 1 22. , I< x < 2
A proxim aciones de Fourier (Cálculo)
En los ejercicios 23 y 24, determine la aproximación de Fourier de /i-ésimo grado de la función

dada.
23. /(.r) = v2, - n < x ^ n. primer orden
24. f(x ) = x. -ir ^ x ^ n. segundo orden.

Sección 9.1 N ú m ero s C om plejos
Observación: N ó tese en el inciso a) dél ejem plo 1 q u e la sum a d e dos núm eros com |
puede ser un n ú m ero real.
C on la representación vectorial de núm eros com plejos se p u ed e su m ar o
geom étricam ente dos núm eros com plejos p o r m edio d e la regla del paralelogram c
sum a vectorial co m o se o b serv a en la figura 9.3.
FIGURA 9.3
Eje
im aginario
Z - w = - 2 - 4/
Sum a de números com plejos Resta de números com plejos
M u ch as d e las propiedades d e la sum a d e núm eros reales son válidas tam bién
núm eros co m p lejo s. P or ejem plo, la sum a d e núm eros com plejos es asociativa y
tativa. A dem ás, para en co n trar la sum a de tres o m ás núm eros com plejos, la defin
sum a se ex tien d e d e form a natural. P o r ejem plo,
(2 + /) + ( 3 - 2 0 + ( - 2 + 4 0 = ( 2 + 3 - 2 ) + ( 1 - 2 + 4 ) /
= 3 + 3/.
P ara m u ltip licar un núm ero com plejo p o r un escalar real se usa la siguiente de
Definición de Multiplicación Escalar «

Si c e s un n ú m ero real y o + b i e s u n n ú m ero c o m p lejo ,en to n ce s el m ú ltip lo es
d e c y a + b i s e define co m o
c (a + bí) =* ca + cbi.
G eo m étricam ente, la m ultiplicación de un núm ero co m p lejo por un cs<

co rresp on d e a la m ultiplicación d e un v ecto r por un escalar, co m o se m uestra cr
9.4.
Transformaciones Lineales
6.1 Introducción a las Transformaciones Lineales
6.2 El Núcleo y el Contradominio de una Transformación Lineal
6.3 Matrices de Transformaciones Lineales
6.4 Matrices de Transición y Semejanza
6.5 Aplicaciones de las Transformaciones Lineales
Emmy Noether
1882-1935
Emmy Noether, reconocida en general

como la matemática más sobresaliente de la
historia moderna, nació en Erlaogen, Alema
nia, donde su padre erapfpfesorde matemá
ticas.
A principios del sigloXX todavfasecon
sideraba inapropiado que una mujer se inte
resara en la matemática. Sin embargo, el ta
lento de Emmy Noether para el razonamiento abstracto era tan fuera de lo común que
pudo vencer los obstáculos en su camino. En 1907 se convirtió en la primera mujer
que obtuvo un doctorado en una universidad alemana.
Después de recibir un doctorado, Noether permaneció en la universidad de
Gottingen trabajando con Félix KJeiny David Hilbert sobre la teoría general de la re
latividad. A pesar de la considerable oposición a Otorgar una cátedra a una mujer, en
1922, Noether se hizo finalmente profesora de la universidad.
Durante Ja década de 1920, Noether publicó varios artículos sobre sistemas
axiomáticos, operadores diferenciales y la representación de álgebras no conmutad vas
como transformaciones lineales. Albert Einstein comentó que ‘'ella descubrió mé
todos de enorme importancia en el campo del álgebra del que se han ocupado
casi todos los matemáticos más sobresalientes0.
La creación del Partido Nacional Socialista la obligó a abandonar Alemania en
1933. Emigró a Estados Unidos, donde aceptó un puesto como profesora de mate
mática en la universidad Bryn Mawr en Filadelfia. Durante año y medio que perma
neció cn Bryn Mawr, Noether viajó frecuentemente a la universidad de Princeton,
donde dio conferencias en el instituto de estudios avanzados.
353
354 C apítulo 6 T ransform aciones Lineales
6.1 ▲ Introducción a las Transform aciones Lineales

E n este capítulo se analizan funciones que tran sform an (o m ap ean ) un esp acio vectorial
V en un esp acio vectorial W. E ste tip o de función se denota por
T : V-+ W.
P ara estas funciones se utiliza la notación estándar d e ellas. P or ejem plo, V se llam a d o m i
n io d e T. Si v está en V y w está en W d e m odo que
T(y) = w ,
entonces w se llam a im agen d e v b ajo T. El conjunto de todas las im ágenes de los vectores
en V se llam a con trad om in io de T y el conjunto de todos los v en V tales que T(v)= \v se
llam a p reim agen d e w . (V éase la figura 6.1.)
FIGURA 6.1
V: Dom inio
Observación: P ara un vector v = (v p v2, . . . , v;|) en /?", sería técnicam ente co rrecto u sar un
d oble paréntesis para den o tar T ( \) co m o T(v)= 7 ((v p v2, . . . , v;j)). P or conveniencia, sin
em bargo, se elim ina un conjunto de paréntesis, quedando
7(v) = T (v j, v2 vn).
► Ejemplo 1 Una Función de K2 a R2

P ara cu alq u ier v ecto r v = (v,, v2) en R2, sea T: R2-* R2 definida por
T \v v v2) = (v , - v2, v, + 2v 2).
a) D eterm ine la im agen de v = (-1 , 2).

b) E ncuentre la preim agen d e w = (-1 , 11).
Solución:
a) Para v = ( - 1 , 2 ) se tiene
T ( - l , 2 ) = ( - 1 - 2 , - 1 + 2 (2 ))
= ( - 3 , 3).
Sección 6 .1 Introducción ti lux Transform aciones Lineales 355
b) Si T(v) = (v , - v2, v, + 2 v2) = (-1 , 11), entonces
V i- V2 = -1
v, + 2 v2 = 11.
Este sistem a de ecuaciones tiene la solución única v, = 3 y v2 = 4 . P or tanto, la preim agen

d e (-1 , 11) e s el co n ju n to en R2 que co n sta solam ente del v ecto r (3, 4). A
En este cap ítulo, la atención se centra en funciones (de un espacio vectorial a otro) que
conservan las operaciones de sum a vectorial y m ultiplicación escalar. Estas funciones se
llam an tra n s fo rm a c io n e s lineales.
Definición deTransformación Lineal

Sean V y W espacios vectoriales. La función T: V-+ W se llama tra n s f o rm a c ió n
lin e a l de V e n W sí las d os propiedades siguientes son verdaderas para todo u y v
en V y para cualquier escalar c.
1. n u + v ) = r ( u ) + T(v)
2 . r (c u ) = c7X«)
Se dice que una transform ación lineal c o n s e r v a o p e r a c i o n e s porque se obtiene el

m ism o resu ltad o si las o p eraciones d e sum a y m ultiplicación escalar se efectúen an tes o
después de q u e se aplique la transform ación lineal, aunque se utilizan los m ism os sím bolos
para d enotar las o p eraciones vectoriales tanto en V com o en VV, debe observarse que las
o peraciones pueden ser d iferentes, com o se indica en el siguiente diagram a.
Multiplicación Multiplicación
Suma Suma escolar escalar
enV en W en V en W
<> TO r O
T{u + v) T(u) + T(v) T(cu) — cT(u)
► Ejemplo 2 Comprobación de una Transformación Lineal de R2 en R2

D em uestre que la función dada en el ejem plo 1 es una transform ación lineal de R 2 en R:.
T (v p v2) = (vj - v2, v, + 2 v2)
Solución: P ara dem o strar que la función T es una transform ación lineal es necesario d e
m o strar q u e co n serv a la su m a y la m ultip licació n escalar. Para esto , sean v = (v ,, v2) >
u = (m, , m->) d o s vectores en R2 y sea c c u alq u icr núm ero real. E ntonces, con las propiedade*
d e sum a vectorial y de m ultiplicación escalar, se tiene lo siguiente.
356 C apítulo 6 T ransfonnaciones Lineales
1. D ado que u + v = ( m,, m2) + (v |f v2) = (m , + v,, «2+ v2), se tie n e
7 (u + v ) = 7(w, + v ,, u 2 + v2)
= ((w, + v ,) - (« 2 + v2), ( u ] + v ,) + 2 (m2 + v2))
= ((w, - w2) + (v , - v2), (m, + 2 w2) + (v , + 2 v2))
= (m, - u v w, + 2w2) + (v , - v2, v, + 2v2)
= 7 ( u ) + 7 (v ).
2. D a d o q u e c u = c(w p u 2) = (cw ,, cw2), se tie n e
7 (c u ) = 7XCM,, cw2) = (cw, - cw2, c u + 2c//2) j
= c ( w, - w„ w, + 2 w2)
= cT(u).
P o r c o n sig u ie n te , T es u n a tra n sfo rm a c ió n lineal. A
O bservación: P a ra u n a tra n sfo rm a c ió n lineal T : V P d e un e s p a c io v ecto rial e n s í m i s m o

(c o m o en el e je m p lo 2 ) se lla m a op era d o r lineal.
L a m a y o ría de las fu n c io n e s c o m u n e s e stu d ia d a s en C á lc u lo no so n tra n sfo rm a c io n es

lin eales.
► Ejem plo 3 A lgunas F undones que A'o son Transform aciones Lineales
z ) f t x ) = s c n x n o c s u n a tra n sfo rm a c ió n lineal d e R e n R , p o rq u e en g en eral
sen ( a :, + x 2) =£ s e n a:, + sen x r
P o r e je m p lo , sen [ (7 t/2 ) + ( ti/ 3 )] =£ sen ( n / 2 ) + sen ( ti! 3).
b ) y W = x 2 n o es u n a tra n sfo rm a c ió n lineal de R e n R , p o rq u e e n general
(*, +X2)2 ± X 2 + X 2.
Por ejem plo, (1 + 2 )2 * l 2 + 22.
c ) J [ x ) = a: + 1 n o es u n a tra n sfo rm a c ió n lineal d e R en R po rq u e
y U , + a:2) = aTj + x 2 + 1
en tanto que
A x \) + A x 2> = (*\ + 1) + (*2 + O = x i + *2 + 2 -

Así,yíA:, + a:¿) * y u , ) + y U 2). ^
Observación: La función del ejem plo 3c) indica dos usos del término no lineal. línCitlt'
f( x ) = x + 1 se llama función lineal porque su gráfica cs una recta. S in embargo, no i»n M1
transformación lineal del espacio vectorial R en R porque no conserva ni la Milita Mi
m ultiplicación escalares.
Sección 6.1 Introducción a las Transform aciones L ineales 357
D os transform aciones lineales sim ples son la tra n s f o rm a c ió n c e ro y la tr a n s f o r m a

ció n id e n tid a d , que se definen co m o sigue.
1. 7(v) = 0 para todo v T ransform ación cero (T: V -* W)

2. 7*(v) = v para todo v T ransform ación identidad ( T: V -* V)
Las com probaciones d e la lin ealid ad de estas dos transform aciones se dejan com o ejer
cicios. (V éanse los ejercicio s 5 6 y 57.)
O bserve que la transform ación lineal del ejem plo 2 tiene la propiedad de que el vector
cero se transform a en sí m ism o. Es decir, 7*(0) = 0. (Intente co m p ro b ar este hecho.) Esta
propiedad es verdadera para to d as las transform aciones lineales, com o se plantea en el
siguiente teorem a.
Teorema 6.1 Propiedades de las Transformaciones Lineales

Sea T u n a transform ación lin eal d e V en W , donde u y v están en V. E n to n ces, las
propiedades siguientes so n verdaderas.
1. 7T0) = 0
2. 7 (~ v ) = - n v )
3. 7'(u - v ) = T (u) - T(v)
4 . S i v = CjVj + c 2v 2 + • • • + cnv (1, entonces
7\v) = 7Tc,v, + c2v 2 + • • • + c„vfl)

= c,r(v,) + c27Tv2) + • • ■+c„TX\).
D em ostración: Para d e m o strar la prim era propiedad, o b serv e q u e Ov = 0. E ntonces, se

con clu y e que
7X0) = T(0v) = 07-(v) = 0.
La segunda propiedad se co n clu y e d e - v = ( - l ) v , que im plica que

7T-v) = 7 T (-l)v ] = ( - l ) r ( v ) = -T (v ).
La tercera propiedad se c o n c lu y e d e que u - v = u + ( -v ) , que im plica que

7Xu - v ) = 71u + ( - l ) v ] = 7'(u) + (—l)7Xv) = 71 u) - T (\).
I.u d em ostración de la cu arta p ro p ie d a d se deja com o ejercicio para el lector. 4
La p ropiedad 4 del teo rem a 6.1 estab lece que una transform ación lineal T \ V - * W es
lorminadu completamente por su efecto so b re una base de V. En otras palabras, si 7'(v,),
358 Capítulo 6 Transformaciones Lineales
T( v2\ . . . , y T(vn) están d efin id o s para una base {v ,, v2, . . . , v j , entonces 7(v) está definí
d a para cu a lq u ier v cn V. El uso de esta propiedad se m uestra cn el ejem plo 4.
(v jfl
► E jem p lo 4 T ra n sfo rm a cio n es Lineales y B a ses
S ea 7: R 3 -> R 3 u n a transform ación lineal tal que
7(1, 0 , 0) = (2, - 1 , 4 )
7(0, 1 ,0 ) = ( 1 ,5 , - 2 )
7(0, 0 , 1) = (0, 3 ,1 ).
D eterm ine 7 (2 , 3, -2 ). -j
Solución: D ad o que (2, 3, - 2 ) puede escribirse com o
(2, 3 , - 2 ) = 2 (1 ,0 , 0) + 3(0, 1 , 0 ) - 2 ( 0 , 0 , 1),
entonces la pro p ied ad 4 del teorem a 6.1 sc puede usar para escribir
7(2, 3 , - 2 ) = 2 7 (1 , 0 , 0) + 37(0, 1 , 0 ) - 2 7 (0 , 0, 1)
= 2 ( 2 , - 1 , 4 ) + 3(1, 5 , - 2 ) - 2 ( 0 , 3,1)
= (7, 7, 0)
O tra v en taja del teorem a 6.1 e s que proporciona un m étodo rápido para idcntlfl
funciones q u e no son transform aciones lineales. Es decir, com o una transform ación II
debe c u m p lir las cuatro co n d icio n es del teo rem a, se concluye q u e si una función T VI#
satisface cu alq u iera de las propiedades, entonces la función no es una tra n sfo rm u fl^ j
lineal. P o r ejem p lo , la función dada por
T (x j, A2) = C*| + 1, x^)
no es una transform ación lineal porque 7 (0 ,0) 4= (0, 0).

En el sig u ien te ejem p lo sc usa una m atriz para definir una transform ación lineal di*
cn R 3. El v ecto r v = (v p v2) se escribe en form a m atricial com o
de m odo que e s posible m u ltip licarlo a la izquierda por una m atriz de orden 3 A 2
► R jem plo 5 Una T ransform ación Lineal D efinida p o r u n a M a triz

L a función 7: R2 -> R3 se d efin e com o
Sección 6 .1 Introducción a las Transformaciones Lineales 359
a) D eterm ine 7(v), donde v = (2, -1 ).

b) D em uestre que T es una transform ación lineal de R 2 en R 3.
Solución:
a) D ad o q u e v = (2, - 1 ) , se tiene
3 0' o 6
7 (v ) = A v = 2 1 = 3
-1
-1 -2 0
Y Uíl
en*2 en R 1
P or co nsiguiente, se tiene que 7(2, - 1 ) = (6, 3, 0).
b) Se em p ieza p or o bservar que T no transform a un vector d e R2 en un v ecto r de /?3. Para

dem o strar q u e T es u n a transform ación lineal, se usan las propiedades de la multipli
cación d e m atrices según se estab leció en el teorem a 2.3. La propiedad distributiva de
la m ultiplicación m atricial sobre la adición produce
7 (u + v) = A (u + v ) = A u + A \ = 7 (u ) + 7(v).
D e m an era sem ejante, la propiedad conm utativa d e la m ultiplicación escalar con la

m ultiplicación de m atrices produce
7 (c u ) = A (cu) = c( A u ) = c 7 (u ). 4
El ejem p lo 5 ilustra un resu ltad o im portante relacionado con la representación de las

transform aciones lineales d e Rn en Rm. E ste resultado se presenta en dos etapas. El teore
m a 6.2 estab lece que toda m atriz m x n representa una transform ación lineal d e R n en Rm.
Luego, en la sección 6.3 se dem ostrará la conversa: que toda transform ación lineal d e Rn
cn R,n puede representarse com o una m atriz m x n.
O bserve que en el inciso b) del ejem p lo 5 no se hace ninguna referencia a la m atriz espe-
j cífica A. P o r consiguiente, e sta com probación sirve co m o d em ostración general del hecho
deque la función d efin id a p o r cualquier m atriz m x n es una transform ación lineal d e Rn
cn Rm.
; Teorema 6.2 La Transformación

S ea A u n a m atriz m x n . L a función T d efinida por
T (v )* A v
es una transformación lineal de en R”. Pará conformarla

con una matriz m x n, los vectores cn R” se representan po
vectores en Rm se representan por matrices m x I .
Observación: L a m atriz cero m x n corresponde a la transform ación cero d e R n en R”' y la

m atriz identidad l n n x n corresponde a la transform ación identidad de R n en R m.
A segúrese d e co m p ren d er que una m atriz A m x n define una transform ación lineal do
R n en R m.
a 12 l/i flllVj + f l 12v2 + - - - + a I/|v |
a 22 2/i a 21Vl + Ü22V2 + ' - ' + a2n',n
A\ =
Qm\ a m2
a mn V a //,.Vl + «/,,2V2 + * • • + V / i
pi&i
Vector V w tor
en R* en k*
► Ejem plo 6 Transform aciones Lineales Dadas p o r M atrices
L a transform ación lineal T: Rn -* R m está d efin ida por T (y ) = A \. D eterm ine la dim cnildl
d e Rn y d e Rm para la transform ación lineal d ad a por las siguientes m atrices
0 1 - r 2 -3 '
a) A = 2 1 0 -1 2
3 0 b) A = - 5 0 c) A =
4 2 3 1 0 0
i_ 0 -2
Solución:
a) D ado q u e el orden d e esta m atriz es 3 x 3, define una transform ación lineal d e R} cn H
o i -r V
Ay = 2 3 0 V2 = u2
4 2 1, V3 M3
Vector Vector
tn R } en«J
b ) C om o e l o rd en d e esta m atriz es 3 x 2, d efin e una transform ación de R2 cn /?*. ,

c ) D ado que el orden d e esta m atriz es 2 x 4 , define una transform ación de R 4 cn f t \ 4
E n el sig u ien te ejem p lo se define un tipo com ún de transform ación lineal d e R } ctl N
► Ejem plo 7 Rotación en el Plano
D em uestre que la transform ación lineal T: R2 -* R2 dada p o r la m atriz

Sección 6.1 Introducción a las Transformaciones Lineales 361
tiene la pro p ied ad d e ro tar todo vector en R 2 en sentido contrario a las m anecillas del reloj
con resp ecto al origen un ángulo 9.
Solución: P or el teorem a 6.2 se sabe q u e T es una transform ación lineal. P ara dem ostrar
que ro ta todo v ecto r en R 2 cn sentido contrario a las m anecillas del reloj un án g u lo 0 , se
considera v = (x, y) que e s un vector en R2. U sando coordenadas polares, se puede ex p resar
v com o
v = (x , y) = ( r c o s a , r sen a),
donde r e s la longitud d e v y a es el ángulo descrito cn sentido contrario a las m anecillas

del reloj del eje x p o sitiv o al vector v. Luego, al aplicar la transform ación lineal T a v se
obtiene
cos 9 -s e n 9
T(y) = A \ =
sen 9 cos 9
cos 9 -s e n 9 r cos a
sen 9 cos 9 r sen a
r cos 9 cos a - r sen 9 sen a

r sen 9 cos a + r cos 9 sen a
r c o s ( 0 + a)
r s e n (0 + a)
r co n sig u ien te, el v ecto r 7 (v ) tiene la m ism a longitud que v. A dem ás, d a d o que el ángulo
del eje x positivo a T(y) es 9 + a , entonces T (\) es el vector que se obtiene al rotar el vector
V cn se n tid o c o n tra rio a la s m a n ec illas d el relo j un á n g u l o 0, co m o se o b se rv a en la
u ra 6.2.
FIGURA 6.2
Observación: L a transform ación lineal del ejem p lo 7 se llam a ro ta c ió n en R2. Las rolft
cioncs en R 2 conservan tan to la longitud vectorial com o el ángulo entre dos vectores,
d ecir, el án g u lo en tre u y v es igual al á n g u lo entre T (u) y 7(v).
► E jem plo 8 Uno Proyección en R 3

L a transform ación lineal T\ R 3 R 3 dada por
1 0 0
A = 0 1 0
0 0 0
se llam a p ro y e c c ió n en R?. Si v = (.xt y, z) e s un vector en /?■*, entonces 7(v) = (x , y, 0). lili

otras palabras, T tran sfo rm a to d o vector en R 3 en su proyección ortogonal en el plano i v,
com o se m uestra en la figura 6.3.
FIGURA 6.3
Proyección sobre el plano xy
H asta el m om ento só lo se han analizado transform aciones lineales Rn en Rm, líu t*|
resto d e esta sección se considerarán algunas transform aciones lineales que im plican olio*
espacios v ectoriales diferen tes a Rn.
► Ejem plo 9 Una Transform ación Lineal d e Mmn en Mnm
S ea T: M m n ~* Mnm la función que transform a una m atriz A ni x n en su transpuesta l(*

decir,
T{A) = A1.
D em uestre q u e T es una transform ación lineal.
Solución: Sean A y B m atrices m x n. P or el teorem a 2.6 se tiene
T(A + B) = (A + B Y = A ' + B‘ = T(A) + T(B)
y
TírA) = (cAY • c(A') m cTXA).
Sección 6 .I Introducción a las Transformaciones Lineales 363
P o r co n sig u ien te, T es una transform ación lineal d e Mmn en M nm.
► Ejemplo 10 El Operador Diferencial (Cálculo)

S ea b] el co n ju n to d e todas las funciones cuyas derivadas son continuas en [a, b).
D em u estre que el o p erad o r diferencial Dx define una transform ación lineal d e C '(a , b) cn
C[q , b].
Solución: U sando notación de o peradores, sc escribe
Dx( f í = - f - m ,
* dx
donde f está en C \ a y b). P ara d em o strar que D x es una transform ación lineal, se recurre
al C álculo. E specíficam ente, debido a que la derivada d e la sum a de dos funciones es igual
a la su m a d e las deriv ad as d e éstas y dado que la sum a d e dos funciones continuas es
con tin u a, se tiene
D JS + g ) = - f [f ■+ g] = - f [f l + 4 l8l
* dx dx dx
= D JJ) + D J g ) .
D e m an era sem ejante, debido a que la derivada de un m últiplo escalar d e una función es
igual al m ú ltiplo escalar de la derivada y dado que el m últiplo escalar d e una función
co n tin u a es con tin u a, se tiene
d r „ Id
= cD ,(f).
* dx \d x
P or co n sig u ien te, D es una transform ación lineal d e C ' [a,b] en C[ay b).
La transform ación lineal D x del ejem plo 10 se llam a op erad or diferen cial. Para
polinom ios, el o p erad o r diferencial es una transform ación lineal de PR en Pn V porque la
derivada de una función polinóm ica de g rado n es una función polinom ial de g rad o m enor
o igual que n - 1. E s decir,
D J a j P + • • • + a xx + a 0 ) = naltx" ~ l + • • • + a v
El sig u ien te ejem p lo describ e una transform ación lineal d e Pn en el espacio vectorial de
los núm eros reales R.
► Ejemplo II La Integral Definida es una Transformación Lineal (Cálculo)

Sea T\ P -* R definida por
7\p) m l>(x) ,lx.

i :
364 C apítulo 6 T ransform aciones L ineales
D em uestre que T es una transform ación lineal d e P , el espacio vectorial d e funciones poli-
nóm icas, en P , el espacio vectorial d e núm eros reales R.
Solución: P o r m ed io de las propiedades d e las integrales definidas, se puede escribir
Up + q) = J b W + <?M1 dx
a
= J
Ja
í
i* x ) d x +
a
q(x) dx
= 7(p) + 7(q)
7(cp) = í c\p(x) dx] = c f p ( x ) d x = cT( p).

a Ja
P o r consig u ien te, T es una tran sfo n n ació n lineal.
S e c c ió n 6.1 Ejercicios
En los ejercicios del 1 al 6 use la función dada para encontrar a) la im agen de v y b) la prc imagen
de w.
1. r (v ,. V2) = (v, + V2, V , - v2), v = (3, - 4 ) , w = (3, 19)
2. 7Xv,, v2) = (2 v2 - v,, v,, v2), v = (0, 6), w = (3, 1, 2)
3. T(vt,v2, v3) = (v2 - v,, v, + v2, 2V|), v = (2, 3, 0), w = (-1 1 , - 1 , 10)
4. r (v ,, v2, v3) = (2v, + v2, 2v2 - 3v,. v, - v3), v = ( - 4 , 5, 1), w = (4, 1 ,-1 )
5. 7Xv,,v2, v3) = (4 v2 - v,, 4vj + 5v2), v = (2, - 3 , - I ) , w = (3, 9)
6. 7Xv,,v2) = v, - ^ v2, v, + v2, 2v, - v2), v = (1, 1), w = (-5 V 2 , - 2 , -1 6 )
En los ejercicios del 7 al 16, determ ine si la función dada es una transform ación lineal.
7. T:R 2 -* R2, T(x, y) = (.x, 1)

8. T:R3 -* R3, T(x. y, z) = (x + y, x - y . z)
9. T :R2 - R2. T(x, y) = (x + 3, y) 10. T: R2 - R \ T(x. y) = (V ?, xy.y/y)
0 0 I
11. T: M2 2 -* R, T(A) = |A| 12. T : M 3 3 - M , 3, T(A) 0 I ()
1 0 0
13. T-. M: 2 - M 1A. ¡\A ) = AH. H es en M2 A

14. T :M 22-* M 22,T (A )= A '

15. 7: P2 -* Py T(a0 + a xx + a ^ x 2) = (a0 + a ] + a 2) + (a, + tf2)* +
16. 7: P 2 -♦ P 2, T(a0 + a {x + a¿x2) = a { + 2¿/r r
En los ejercicios del 17 al 22, la transformación lineal 7: Rn -* Rn' está definida por 7(v) = A \.
Encuentre la dimensión de R" y Rm.
0 1 -2 1 1 0 0 -1 0
17. A = -1 4 5 0 18. A = 0 1 0 2 0
0 1 3 -1 0 0 1 0 1
1 2
-1 2 1 3 4
19. A = -2 4 20. /! =
0 0 2 -1 0
.- 2 2.
-1 0 0 0'
0 -1
21. A = 0 1 0 0 22. A =
-1 0
0 0 2 0
0 0 0 1
23. Para la transform ación lineal dada cn el ejercicio 17, encuentre a) 7(1, 0, 2, 3) y b) la
preim agen de (0, 0, 0).
24. P ara la transform ación lineal dada en el ejercicio 18, encuentre a) 7(1, - 1 , - 2 , 0, 2) y
b) la preimagen de (0, 0, 0).
25. Para la transform ación lineal dada en el ejercicio 19, halle a) 7 (2 ,4 ) y b) la preimagen de
( - 1 ,2 , 2). Luego explique p o rq u é el vector (1, 1, 1) no tiene preimagen bajo esta trans
formación.
26. Para la transform ación lineal dada en el ejercicio 20, determine a) 7'( 1, 0, - 1 , 3 ,0 ) y b) la
preim agen de (-1 , 8).
27. Para la transform ación lineal dada cn el ejercicio 21, encuentre a) 7(1, 1, 1, 1) y b) la
preim agen de (1, 1, 1, 1).
28. Para la transform ación lineal dada en el ejercicio 22, halle a) 7(1, 1), b) la preimagen de
(1, 1) y c) la preimagen de (0, 0).
29. Sea 7 la transform ación lineal de R2 cn R2 definida por
7 ( * , y) = {x cos 0 - y sen 6 , .t sen 9 + y cos 9).
D eterm ine a) 7(4, 4 ) para 9= 45°, b) 7 (4 ,4 ) para 9 = 30° y c) 7(5, 0) para 0 = 120°.
30. Para la transform ación lineal del ejercicio 29, sea 9= 45° y determ ine la preim agen de
v = (1. I).
31. (Cálculo) Sea Dx la transform ación lineal de C '\a %b] en C[a, b | dada en el ejem plo 10.
¿Cuál de las siguientes expresiones es verdadera?
«) n y ¡ * 2v) - n y 2) + 2/),(.»■)
b) Dx(x2 - \ n x ) = D ^ x 2) - Dx(ln x)
c) D x(sen 2x) = 2Dx(sen x).
32. (Cálculo) Para la transform ación lineal del ejemplo 10, determ ine la preimagen de la*
siguientes funciones.
a )/W = 2 * + l b )A x) = e*
33. (Cálculo) Sea T la transform ación lineal de P en R definida por
7Xp) = í p M dx.
Determ ine a) 7\3x2 - 2), b) T(x* - x 5) y c) 7\4x - 6).
34. (Cálculo) Sea 7*la transform ación lineal de P 2 en definida por la integral en el ejercicio
33. Determ ine la preimagen de 1. Es decir, encuentre la(s) función(es) polinómica(s) du
grado m enor o igual que dos tal(es) que 7*(p) = 1.
35. Sea T una transform ación lineal de R2en R2 tal que T{ 1,1) = ( 1,0 ) y T( 1, - 1 ) = (0,1). H aití
7X1,0) y 7(0,2).
36. Sea T una transform ación lineal de R2 en R2 tal que 7'( 1, 0) = ( I , I) y 7(0, 1) = (—I . I),
Encuentre 7(1, 4) y 7’(-2 , 1).
37. Sea T una transform ación lineal de P2 en P 2 tal que 7(1) = x y T(x) = 1 + x y T(x2) = I m
+ x 2. Determine 7(2 - 6x + xr).
38. Sea T una transform ación lineal de M -,, en A7,. tal que
^ /! 1 0 1 -1 0 1 0 2
T
0 0 0 2 0 0 r 1 1
0 0 1 2 0 0 = 3 -1
T 1= • r í
1 0 1 0 1 l 0 1 1 0
1 3
Encuentre T
-1 4
39. Suponga T: R2 - R2 tal que 7'( 1, 0) = (1, 0) y 7'(0, 1) = (0, 0).
a) Determ ine 7\xt y) en R2.
b) De una interpretación geom étrica de T.
40. Suponga 7 : R2 - R2 tal que T( 1, 0) = (0, 1) y 7(0, 1) = (1, 0).
a) Determ ine 7'(.r, y) para (x, y) en R2.

b) Dé una descripción geom étrica de T. «I.
En los e je rc ic io s del 41 al 46, sea la f unci ón de R2 en R2 tal que 7'(u) = p ro y vii, donde
v = (1, 1).
41. Determ ine 7'(.v, y). 42. Determine 7(5. 0).
43. D em uestre que 7'(u + w) = T( u) + 7(w ) para todo u y w c n R2.

44. D em uestre que 7(cu) = c7(u) para todo u en R 2. Este resultado y el del ejercicio 43
dem uestran que T es una transform ación lineal de R2 en R2.
45. Determ ine 7(3, 4) y 7(7(3, 4)) y dé una interpretación geom étrica del resultado.
46. D em uestre que T está definida por la matriz
En los ejercicios del 47 al 50 se utiliza el concepto de punto fijo de una transformación

lineal 7: V -* V. Un vector u es un p u n to fijo si 7(u) = u.
47. Dem uestre que 0 es un punto fijo de cualquier transformación lineal T: V -* V.
48. Dem uestre que el conjunto de puntos fijos de una transformación lineal 7: V -* V es un
subespacio de V.
49. Determine todos los puntos fijos de la transformación lineal 7: R2 -* R2 dada por
I 7 U ,y ) = (*, 2y).
50. Determ inar todos los puntos fijos de la transform ación lineal T. R2 -+ R 2 dada por
T(x, y) = (y, x).
Los ejercicios del 51 al 53 tratan sobre traslaciones en el plano. Una tra sla c ió n es una fun
ción de la forma T(x,y) = ( x - h , y - k), donde por lo menos una de las constantes h o k e s diferen
te de cero.
51. D em uestre que una traslación en el plano no es una transform ación lineal.
52. Para la traslación 7(.r, y) = (x - 2, y + 1), determine las imágenes de (0. 0), (2, - 1 ) y (5.4).
53. Demuestre que una traslación en el plano no tiene puntos fijos.
54. Sea S = (v ,, v2 , . . . , v n} un conjunto de vectores linealm ente dependientes en V y sea T

una transform ación lineal de Ven V. Demuestre que el conjunto {7(v,), 7'(v2)..........Av,,))
es lincalmcntc dependiente.
55. Sea S = ( v,, v 2, v 3), un conjunto de vectores linealmente independientes en R 3. Determine

una transform ación lineal 7 de /?3 en /?3 tal que el conjunto (7(v ,), 7(v2), 7(v3)) sea
lincalmcntc dependiente.
56. D em uestre que la transform ación cero 7: V - » IV es una transform ación lineal.
57. D em uestre que la transform ación identidad T : V - * V es una transform ación lineal.
58. Sea V un espacio con producto interior. Para un vector fijo v() en V, se define T.V-> R por
h 7(v) ^ (v, v,). Demuestre que 7 es una transform ación lineal.
370 C apítulo 6 Transform aciones U n ta le s
► Ejemplo 4 Determinación del Núcleo de una Transformación Lineal
E ncuentre el núcleo de una transform ación lineal T: R2 - » R 3 definida por
T \x v x2) = (rj —2x2, 0 , —-X|).

Solución: P ara en co n trar el núcleo (7 j e s necesario determ inar todos los x = (x ,, .r2) en W*
tales que
T ( x v x 2) = (x, - l x r 0 , - x ,) = (0, 0, 0).
L o an terio r co n d u ce al sig u ien te sistem a hom ogéneo.
x, - 2 r 2 = 0 I
0= 0
-x = 0.
cuya única solución es la trivial (x,, x2) = (0, 0). P or tanto, se tiene
kcr(T ) = {(0, 0 )) = {0}.
► Ejemplo 5 Determinación del Núcleo de Transformación LincaI
E ncuentre el núcleo de la transform ación lineal T: R 3 -♦ R2 definida p o r T(x) = A x, donde
1 -1 -2
A=
-1
Solución: El núcleo d e T es el co n ju n to de todos los x = (x ,, x2, x 3) en R J tales que
T ( x v x2, x3) = (0 ,0 ).
A p artir d e esta ecuación se o b tien e el siguiente sistem a hom ogéneo.
1 -1 -2 0
| \ * 2 - 2x í = °
- 1 2 3 0 - x .1 +^ 22x , + 3x,3 = 0
Al escrib ir la m atriz aum en tad a d e este sistem a en form a escalo n ad a reducida se obtiene
0 - 1 0 x ,= x3
1 1 0 x . = - x 3.
C on el parám etro / = x 3 se o b tien e la fam ilia d e soluciones
t 1
= ~t = í - 1
x?
*3 t 1
P o r tanto, el núcleo de T está defin id o por
k er(7 ) = { / ( ! , - ! , 1): / es un n ú m ero real)

= L {(1, - 1 ,1 ) } .
Sección 6.2 E l N úcleo y el C ontradom inio d e uno Transform ación L in ea l 371
O bserv e q u e cn el ejem p lo 5 el núcleo d e T co n tien e infinidad d e vectores. P or supuesto,

el v ecto r cero está c n k c r(7 ), aunque el núcleo tam bién contiene vectores diferentes de cero
co m o ( 1 , - 1 , 1) y (2, - 2 , 2), com o se observa en la figura 6.5. E n esta figura se m uestra
que este núcleo en particu lar es una recta que pasa por el origen, lo cual im plica q u e es un
subespacio de R 3. En el siguiente teorem a se dem uestra q u e el núcleo d e toda tran sfo rm a
ción lineal T: V -* W es un su hespacio de V.
FIGURA 6.5
El núcleo de la transform ación lineal T: W es un subesp acio d el dom inio V.
Demostración: D el teo rem a 6.1 se sabe que ker(7) es un subconjunto no vacío de V. Por
co nsiguiente, p or el teorem a 4.5 se puede d em o strar que kcr(7) es un su b esp acio de V al
dem o strar que es cerrad o bajo la sum a y la m ultiplicación escalar. P ara efectu ar lo ante
rior, sean u y v v ectores en el núcleo de T. Entonces,
7Tu + v) = T( u ) + T ( \) = 0 + 0 = 0,
L o cu al im plica que u + v está en el núcleo. A dem ás, si c es cu alq u ier escalar, entonces
r ( c u ) = c 7 (u ) = cO = 0,
lo cual im p lica que c u está en el núcleo. A
Observación: C om o un resu ltad o del teorem a 6.3, el núcleo d e T algunas veces se deno
m in a esp a c io n u lo de T.
El siguiente ejem p lo m uestra cóm o enco n trar una base para el núcleo d e una transfor
m ación d efin id a p o r una m atriz.
► E jem plo fí D eterm inación de una lia s e d e l Núcleo
Sea T : R 5 -* R4 definida p o r T(x) = /t(x ), donde x está cn R 5 y
1 2 0 1 -1
A = 2 1 3 1 0
-1 0 -2 0 1
0 0 0 2 8
D eterm in e una base del ker(íD com o subespacio de R5.
Solución: S ig u ie n d o el p ro c e d im ie n to m o strad o cn el e je m p lo 5, la m atriz, ¿mmrnltu

[A : 0] se red u ce a la form a escalonada com o se m uestra a continuación.
1 0 2 0 -1 0
0 1 -1 0 -2 0 *1 = ~2xi + *5
*2 = *3 + 2*5
0 0 0 1 4 0
xA= -4 x<
0 0 0 0 0 0
s y x 5 = t, se tiene
V ’- 2 s + / '-2" 1 '
X2 s + 2/ 1 2
x = xi
—
s + 0/ = 5 1 + / 0
XA - 4/ 0 -4
X5 05 + t 0 1
P o r tanto, una )ase para el núcleo de T está ada
£ = { ( - 2 , 1 ,1 , 0 ,0 ) , ( 1 , 2 , 0, - 4 , 1 ) ) .
En la solución dada cn el ejem plo 6 se encontró una base para el núcleo de T al resol
el sistem a hom o g én eo d ad o p or A x = 0. Este procedim iento es conocido: se trata del misi
procedim iento aplicado para h allar el e s p a c i o s o l u c i ó n d c M x = 0. Este hecho conduce ni
siguiente co ro lario del teorem a 6.3.
Corolario dei Teorema 63

S ea T: /í" **'♦/?” la transformación linea! definida por T ( x ) ~ A x . Entonces e l núcleo
d é T e s igual al espacio solución de A x = 0.
El Contradominio de una Transformación Lineal

El n ú cleo es uno d e los dos su b espacios crítico s asociados co n una tran sfo rm ació n li
neal. El segundo es el con trad om in io (o alcan ce) de 7*, denotado p o r contr(7"). R ecuerde
Sección 0.2 /*./ Núcleo y el Contradominio de ana Transformación Lineal 373
de la sección 6.1 que el co n trad o m inio d e T: V -* W es el co njunto d e vectores w en W que

•on im ágenes d e vectores en V. Es decir, co n tr(7 ) = {T(\): v está en V).
Teorema 6.4 El Contradomino de fes un Subespacio de W

El co n trad o m in io d e una transform ación lineal T: V W e s un su b esp acio de VV.
{mostración: El contradom inio de T es no vacío porque contiene al cero. Para dem ostrar
que e s cerrad o bajo la sum a, sean 7 (u ) y T {\) vectores en el contradom inio de T. Entonces,
T\u) + 7 (v ) = 7*(u + v). P ero co m o u y v están en V, se concluye que tam bién u + v está
cn V, lo cu al a su vez im plica que T (u + v ) está en el contradom inio. L a com probación de
que el co n trad o m in io es cerrad o bajo la m ultiplicación escalar se deja com o ejercicio para
el lector. A
O b serv e que el núcleo y el contradom inio de una transform ación lineal T: V W son
| subespacios de V y W , respectivam ente, com o se ilustra en la figura 6.6.
FIGURA 6.6
Dominio N úcleo
P ara h allar una b ase para el contradom inio de una transform ación lineal d efinida por
T (\) = Ax, se o bserva que el contradom inio co n sta de todos los vectores b tales q u e el
sistem a A x = b es consistente. Al escrib ir el sistem a
en la forma
a ll' V
°2\ a 22
Ax = x, • + X2 ■ + ■■■+ X n •
a mn
ü m\ an,2
m m • «
=b
se observa que b pertenece al contradominio de 7 si y sólo si bes una combinación lint

de los vectores columna de A. Por tanto, el espacio generado por las columnas de A es el
mismo que el contradominio de T.
Corolariodel teorema6.4
SezT;R*~> R * la transformación lineal definida porT(x) = 4 x . Entonces, el espado
generado por las columnas d e ¿4 es igual al contradominio de T.
En el ejemplo de la sección 4.6 se mostró un procedimiento para determinar una baso

para el espacio generado por las columnas de una matriz. En el siguiente ejemplo se aplica
dicho procedimiento para encontrar una base para el contradominio de una transformación
lineal definida por una matriz.
► Ejemplo 7 Determinación de una Base para el Contradominio de una Transfor

mación Lineal
Sea T : R5 -* R 4 la transformación lineal dada en el ejemplo 6. Encuentre una base para el
contradominio de T.
Solución: Como se mostró en la sección 4.6 se empieza por considerar la transpuesta de

A y luego se aplica el procedimiento de eliminación de Gauss-Jordan para escribir A1en
forma escalonada reducida.
1 2 -1 o -1 1 0 0 -2
2 1 0 0 0 1 0 4
A' = 0 3 -2 0 0 0 1 6
O
1 1 0 2 0 0 0 0
-1 0 1 8 0 0 0 0
Sección 6 .2 E l N úcleo y e l C ontraiiom inio d e una Transform ación L in ea l 375
P or co nsiguiente, una b ase para el contradom inio d e T está definida p o r los renglones
diferentes d e ce ro d e la form a escalo n ad a reducida de A 1.
W vv VV
D = { (1 ,0 , Ó, - 2 ) , (0, 1 , 0 , 4), (0, 0 , í , 6)}. 4
A continuación se dan los n o m b res para las dim ensiones del núcleo y contradom inio
de una transform ación lineal.
L _ _ ------------------------------------------------------------------------------------
Definición del Rangoy la Nulidad de una Transformación Lineal

Si T: V -* VVes u n a transform ación lineal, entonces la d im ensión del n ú cleo d e 7 s e
den o m in a n u lid a d d e T y la dim ensión del contradom inio d e T se denom ina r a n g o
d e T.
Observación: Si T está definida p o r la m atriz A, entonces el rango de T es igual al rango

d e A y co m o se definió en la sección 4.6.
En lo s ejem p lo s 6 y 7 se relacionan la nulidad y el ran g o de T con la dim ensión del

d o m in io com o se m uestra a continuación.
rango + nulidad = 3 + 2 = 5 = dim ensión del dom inio
L a relación es verdadera para cu alq u ier transform ación lineal de un espacio vectorial de
dim ensión finita, co m o se establece en el siguiente teorem a.
Teorema 65 Suma del Rango y la Nulidad

SeaT : W u n a transform ación lineal d e un esp acio vectorial K n-dim ensional en
u n esp acio vectorial W E n to n ces, la sum a de las d im en sio n es d el co n trad o m in io y
e l n ú cleo es ig u al a la d im en sió n del dom inio. E s decir,
ra n g o + n u lidad = n
o bien,
d im (co n trad o m in io ) + d im (núcleo) = dim (dom m io).
Demostración: P or el m om ento se d a una dem ostración para el caso en que T estó repre
sen tad a p or una m atriz A m x n . E n la sección 6.3 se dem ostró que cu alq u ier transform ación
lineal d e un esp acio /i-dim ensional en un espacio w -dim ensional puede representarse por
376 C apítulo 6 T ransform aciones L ineales
una m atriz. P ara dem o strar este teorem a se su p o n e que el ran g o de la m n lri/ A en
E ntonces, se tiene
ran g o (7 ) = dim (contradom inio d e T) = d im (espacio g en erad o por las culumnun)

= ran g o (A) = r.
Sin em bargo, p or el teo rem a 4 .1 7 se sabe que
n ulid ad (7 ) = dim (núcleo de T) = d im (espacio solución) = n - r .
P o r tanto, se co n clu y e que
rango(T ) + nulidad(T) = r + (n - r) = n. 4
► Ejemplo 8 D eterm inación del Rango y la Nulidad d e una Transform ación Lineal
S ea T : R 3 -* R? una transform ación lineal d efinida por la m atriz
1 0 -2
A = 0 1 1
0 0 0
E ncuentre el ran g o y la nulidad d e T.
Solución: D ad o q u e A está en form a escalonada y contiene dos renglones d iferen te! do

cero, su ran g o es igual a 2. A sí, el ran g o d e T es 2 y la nulidad d e T está d ad a por
nulidad = dim (dom inio) - rango = 3 - 2 = 1 4
► Ejem plo 9 D eterm inación d el Rango y la N ulidad d e una Transform ación Lineal
S ea T: R5 R1 una transform ación lineal.
a ) E ncuentre la dim ensión del núcleo de T si la dim ensión del contradom inio es 2.
b ) E ncuentre el ran g o d e T si la nulidad de T es 4.
c) E ncuentre el rango d e T si ker(7) = ( 0) .
Solución:
a) P or el teo rem a 6.5, con n = 5, se tiene
d im (n ú cleo ) = n - dim (contradom inio) = 5 - 2 = 3.
b) D e nuevo p o r el teorem a 6.5, se tiene
rang o = n - nulidad = 5 - 4 = 1.
c) E n este caso, la nulidad d e T es 0. P or tanto,
rang o = n - nulidad = 5 - 0 = 5. 4
Sección 6.2 E l N úcleo y e l C o n traJom inio J e una t ransform ación L in ea l 377
Transformaciones Lineales Uno a Uno y Sobre
E sta sección em p ieza con una pregunta: ¿C uántos vectores en el domi ni o de una trans
form ación lineal so n m ap cad o sal v ecto r cero ? El teorem a 6.6 m u estra que si el v ecto r cero
es el ú n ico vector v y tal q u e T(y) = 0, entonces T es uno a uno. U na función T : V -+ W se
d en o m in a uno a uno si la prcim agcn d e todo w en el contradom inio co n sta d e un solo
vector, co m o se o b serv a en la figura 6.7. E sto es equivalente a d ecir que T es uno a uno
sí y só lo si para todo u y v en V, T(u) = 7 (v ) im plica que u = v.
FIGURA 6.7
Teorema 6.6 Transformaciones Lineales Unoa Uno

S ea T: V ~ * W una transform ación lineal. E ntonces T e s u n o a uno s í y s ó lo si
k e r (T )= ( 0).
Demostración: S uponga que T es uno a uno. E ntonces T(v) = 0 puede tener só lo una
solución: v = 0. E n este caso, k cr(7 ) = ( 0) . A la inversa, suponga que kcr(7} = ( 0 ) y que
7 (u ) = T(v). C o m o T es una transform ación lineal, se concluye que
7 (u - v) = T( u) - T(y) = 0.
E sto im p lica que el vector u - v está en el núcleo de T y q u e, por consiguiente, d eb e ser

igual a 0. A sí, u - v = 0 y u = v, p or lo que se concluye que T es uno a uno. 4
► Ejemplo 10 Transformaciones Lineales Uno a Uno y No Uno a Uno
a) L a transform ación lineal T : Mm n Mn m, definida por T(A) = A \ es uno a uno, y a que

su núcleo co n sta solam ente de la m atriz cero m x n.
b) L a transform ación cero T: R3 -* /?3 no es uno a uno, y a que su núcleo co n sta de todo
R\ 4
Se d ic e que una función T : V W es s o b re si todo elem ento cn VVtiene una prolivm

gen en V. E n o tras palabras, T es sobre VVcu ando W es igual al co n trad o m in io d e Puf
tanto, se tien e el siguiente teorem a.
*9
Teorema 6.7 Transformaciones Lineales Sobre

S ea T: V r* VVu n a transform ación lineal, d o n d e VVes de dim ensión finita. Entonce»
f e s so b re sí y só lo si el ra n g o d e T e s ig u al a la d im ensión d e VV.
P ara espacios vectoriales de dim ensiones iguales se pueden co m b in ar los resultados do

los teorem as 6 .5 ,6 .6 y 6.7 para o btener el siguiente teorem a que relaciona los concepto»
uno a uno y sobre.
Teorema 6.8 Transformaciones Uno a Uno y Sobre

S ea T: V~* VVuna transform ación lineal en la q u e tanto el esp a c io vectorial V com o
W so n d e d im en sió n « . E n tonces T e s u n o a u n o si y só lo si es sobre.
....................... ■■■ — ............. - ...............—á
Demostración: Si T es uno a uno, entonces p or el teorem a 6 .6 se tiene que kcr(7^) = {0) y

d im (k cr(7 )) = 0. En este caso , p or el teorem a 6.5 se obtiene
dim (co n trad o m in io d e T) = n - d im (k er(7 ))

= n
= dim(VV).
En consecu en cia, por el teo rem a 6.7, T e s sobre. De m anera sem ejante, si T es sobre,
entonces
dim (co n trad o m in io d e T) = dim(VV)
lo cual por el teorem a 6.5 im plica que d im (k cr(7 )) = 0. P or tan to , en virtud del teorem a
6.6, T es u n o a uno. 4
El sigu ien te ejem p lo reúne varias ideas relacionadas con el núcleo y el contradom inio
de una transform ación lineal.
► Ejem plo 11 R esum en d e Varios R esultados

L a transform ación lineal T: R" R"‘ está d efinida por T ( \) = A \. Encuentre la nulidad y
el rango d e T y determ ine si T e s uno a uno, sobre o ninguna de las dos.
Sección 6 .2 E l N ú cleo y el C ontradom inio de ana Transform ación L in ea l 379
1 2 0 1 2
a) A = 0 1 1 b) -4 = 0 1
0 0 1 0 0.
1 2 0‘
1 2 0
c) A = d ) /! = 0 1 1
0 1 -1 0 0 0
Solución: O bserv e que cad a m atriz ya está en form a escalonada, d e m odo q u e el rango
p u ed e d eterm inarse por inspección.
Dim(contradom inio) Dim(núcleo)

T: Rn -* Rm D im (dom inio) Rango(T) Nulidad(T) Uno-a-uno Sobre
a) T: R 3 - R3 3 3 0 Sí Sí
b) T: R 2 - R2 2 2 0 Sí No
c) T: R3 - R2 3 2 1 No Sí
d) T: R 3 - R3 3 2 1 No No
Isomorfismos de Espacios Vectoriales

E sta sección term ina con un resultado m uy im portante, de m ucha utilidad para com pren
d er m ejo r los espacios vectoriales. El resultado describe una m anera de co n ceb ir d ife ren
tes espacios vectoriales com o si fueran “esencialm ente iguales” , por lo m enos con respecto
a las o p eraciones d e sum a vectorial y m ultiplicación escalar. P or ejem plo, lo s espacios
vectoriales R3 y A/3 , son esen cialm ente lo m ism o con respecto a sus operaciones no rm a
les. D ichos espacios se denom inan ¡so m o rfo s entre sí. (L a p alabra griega isos significa
“ igu al” .)
Definición de Isomorfisrao
U n a transform ación lin eal T: V - * W u m a uiio y so b re se d en o m in a iso m o rfism o .
A dem ás, sí V y W son esp acio s vectoriales tales q u e ex iste un iso m o rfism o d e V a
Wy en to n ces se d ic e q u e V y W son ¡so m o rfo s en tre sí.
U na m anera cn la que los espacios isom orfos sean “esencialm ente iguales” es que
ten g an la m ism a dim ensión, com o se plantea en el siguiente teorem a. De hecho, el teore
m a v a m ás allá al esta b lecer q u e si dos espacios vectoriales tienen la m ism a dim ensión
finita en to n ces deben ser isom orfos.
Teorema 6.9 Espacios Isomorfos y Dimensión

D o s esp acio s v ectoriales d e dim ensión finita, V y W . son isom orfos sí y sólo si tío
la m ism a dim ensión.
Demostración: S uponga q u e V es isom orfo a VV, donde la dim ensión d e V es ft, IHlf
d efin ició n de espacios isom orfos, se sabe que existe una transform ación lineal /': V •« M
uno a u n o y sobre. D ad o q u e T es uno a uno, se concluye que d im (núcleo) = 0 , lo
tam b ién im p lica que
dim (contradom inio) = dim (dom inio) = n.
A dem ás, debido a que T es sobre se puede concluir que
dim (contradom inio) = dim(VV) = n.
P ara d em o strar el teo rem a en la o tra dirección se su p o n e q u e tanto V co m o VVtienen

dim ensión n. Sean B = {v,, v 2, . . . , v;j) una base de V y B ' = {w ,, w 2, . . . , w /f) una huno
d e VV. E n to n ces, un v ecto r arbitrario d e V puede representarse com o
v = c 1v I + c 2v 2 + . . . + c/|v„, ■
y se p u ed e d efin ir una transform ación lineal T: V -* W com o sigue
7 (v ) = CjW, + c 2w 2 + • • • + cnw n
S e puede d em ostrar que e sta transform ación lineal es uno a uno y sobre. P o r tanto, V y W
son isom orfos. ^
En el estu d io d e esp acio s vectoriales se h a dado m ucho m ayor cobertura a /?" que a
cu alq u ier o tro esp acio vectorial. E sta preferencia por/?" resulta d e su conveniencia nota-
cional y d e los m odelos geom étricos disponibles para R2 y / ? \ El teorem a 6.9 establece que
Rn es un m od elo p erfecto para cualquier esp acio vectorial /i-dim ensional. En el ejem plo
12 se en u m eran algunos esp acio s vectoriales isom orfos a RA.
► Ejem plo 12 Espacios Vectoriales Isom orfos
L os siguientes espacios vectoriales son isom orfos entre sí.
a ) R* = esp acio tetradim ensional o /^-cuatro.

b) M 4 ] = esp acio d e todas las m atrices 4 x l
c) M 2 2 = esp acio d e todas las m atrices 2 x 2
d ) P 3 = esp acio de todos los polinom ios de g rado m enor o igual que 3
e ) V = {(aTj, x 2, X y x 4y 0): x¡ e s un núm ero re a l) (S ubespacio d e R5) A
El ejem p lo 12 esta b le ce que los elem en to s de los espacios enum erados se com portan
de la m ism a form a com o vectores , aun cuando son entidades m atem áticas distintas. Así,
está ju stificad o el conv en cio n alism o d e usar de m anera intercam biable la notación para
unu fi-ada y para una m atriz n x 1.

En los ejercicios del 1 al 6, determine el núcleo de la transform ación lineal dada.
1. 7 : / ? 3 - / ? 3, 7 T * , y , z , ) = ( 0 , 0 , 0 )
2. T: R* -* K4, 7’U , >\ z, w) = (y, x , w, z)

3. T: P3 ~+R,T(a0 + + (¡¿x2 + (¡yX*) = aQ
4. T: P2 -> Pv T(a0 + a {x + a^x1) = + 2a¿x
5. T: R2 - R \ 7U . y) = (x + 2y, y - x )
6. T :R 2 ~ * R \ T (x,y) = ( x - y , y - x )
En los ejercicios del 7 al 12, la transform ación lineal T está definida por T (\) = Av. Encucntn
una base para a) el núcleo de T y b) el contradom inio de T.
1 2 1 2
7. A = 8. A =
3 4 -2 -4
-1 10. A =
9. A =
1 4
-1 3 2 1 4
3 -1
11. A = 12. A = 2 3 5 0 0
-4 -3 2 1 2 1 0
-1 1
En los ejercicios del 13 al 24, la transform ación lineal T está definida por T (\) = A x. Dctermin
a) kcr(T), b) nulidad(7), c) contradom inio(T) y d) rango(f).
1 3 2
13. A = 14. A =
-1 -9 -6
-3 4 1
15. A = 1 16. A = 0 0
-1 2 -3
-2 3 18. A =
1 1 0 0
17. A =
0 11 0 0 11
382 C apítulo 6 Transform aciones Lineales
9_ 2_ 1 £
19. A = 10 10
20. A = 26 ” 26
2_ _i _ 5_ 25
10 10 26 26
2 -3 13
3 -2 6 -1 15
1 1 -1
21. A = 22. A = 4 3 8 10 -14
3 -5 14
2 -3 4 -4 20
6 -2 16
_4 2
9 9
1 0 0
4 _2
23. A = 24. A = 0 0 0
9 ~9
_2 \_ 0 0 1
9 9
En los ejercicios del 25 al 32, sea T: R* Ry una transform ación lineal. Use la información
proporcionada para hallar la nulidad de 7 y dé una descripción geom étrica del núcleo y el con
tradom inio de T.
2 5 . rango(T ) = 2 26. rango(7} = 1

2 7 . ran g o (7 ) = 0 28. rango (T) = 3
29. T es la rotación de 45° en sentido contrario a las manecillas del reloj con respecto al cjo
T(xt y, z ) = 52,
2 2 2 2
30. T es la reflexión con respecto al plano de coordenadas yz:
T(x, y , z) = (rx yy , z)
31. T e s la proyección sobre el vector v = (1, 2, 2):
T{x,y, z) = - ^ 2y + 2z (1 ,2 . 2)
32. T es la proyección sobre el plano de coordenadas xy:
T(x, y, z ) = (.x, y , 0)
En los ejercicios del 33 al 36, determ ine la nulidad de T.
33. T: R4 - K2, rango(7) = 1 34. T: R5 - R \ rango(7) = 1
35. T: R 5 -> R5t rango(7) = 0 36. T: P3 -* 7 ,, rango(7) = 2
37. Identifique el elem ento cero y una base estándar para cada uno de los espacios isomorfos
del ejem plo 12.
38. ¿Cuáles de los siguientes espacios vectoriales son isomorfos a R **?
a) A/ 2_3 b) Pb
Sección 6 .J M atrices de Transform aciones Lineales 383
c) q o . 6] d) m61
c) P 5
O {(*i* *2»**3» O, xy x 69 x 7): X. es un núm ero re a l}
39. (Cálculo) Sea T : P4 P 3 definida por 7Xp) = p '. ¿Cuál es el núcleo de 77
40. (Cálculo) Sea T: P2~* R definida por
7Tp)= I 'p (x )d x.
Jo
¿C uál es el núcleo d e 77
41. Sea T : R? -+ R 3 la transform ación lineal que proyecta u sobre v = (2, - 1 , 1).
a) D eterm ine el ran g o y la nulidad de T.

b ) D eterm ine una b ase para el núcleo de T.
42. Repita el ejercicio 41 para v = (3, 0, 4).
En los ejercicios del 43 al 46, com pruebe que la matriz dada define una función lineal T uno
a uno.
-1 0 44. A =
1 0
43. A =
0 1 0 -1
1 0 0 1 2 3'
45. A = 0 0 1 46. A = -1 2 4
0 1 0 0 4 1
47. Para la transform ación T : Rn Rn definida por 7(v) = A v, ¿qué puede decirse acerca del
rango de T si a) dct(A) # 0 y b) det(A) = 0?
48. Sea T : M nn ~*Mnn definida por 7 \ A ) = A - A 1. Demuestre que el núcleo de T es el conjunto

de las matrices simétricas n x n .
49. Determ ine una relación entre m %n j y k de m odo que Mm n sea isom orfo a Mj k.
50. Sea B una m atriz invertible n x n. Dem uestre que la transformación lineal T: Mn n -* Mn n
definida por T(A) = A B es un isom orfism o.
6.3 ▲ M atrices de T ransform aciones Lineales
¿C uál de las siguientes representaciones d e T : /?3 /?3 es m ejor?
7X-t:|, x v x 3) = ( 2 r , + x 2 - X y - x l + 3x2 - 2xy 3x2 + 4.v3)
o
2 i -r *1
T ( x ) = A x = -1 3 -2 ^2
0 3 4 X3
384 C apítulo 6 T ransform aciones Lineales
L a segun d a representación es m ejor que la p rim era al m enos p o r tres razones: es indi* la
d e escribir, m ás fácil de leer y sc ad ap ta con m ayor facilidad para ser utilizada en com pil
tadora. M ás tard e se verá q u e la representación m atricial d e una transform ación lino
tam bién presen ta algunas ven tajas teóricas. En esta sección se verá que para tranM ói.
ciones lineales q u e im plican espacios vectoriales d e dim ensión finita, la rep resen tad
m atricial siem pre es posible.
La clave para rep resen tar una transform ación lineal T. V W por una matriz, Pn
d eterm in ar có m o actúa T sobre una base de V. U na vez que se co n o ce la im agen d e UmIii
vector de la b ase es posible ap licar las propiedades d e las transform aciones lineales puta
determ inar T ( \) para todo v cn V.
P or co nveniencia, los tres prim eros teo rem as de esta sección sc plantean en término*
de transform aciones lineales de R” cn R"‘ co n respecto a las bases están d ar en R" y R"1
D espués, al final d e la secció n se generalizarán los resultados para incluir bases no están
dar y espacios vectoriales generales.
R ecuerde q u e la base e stán d ar de R" está definida por
*. *2
/*={( 1,0 0), (0, 1 0) (0, 0 1)}.
Teorema6.10 Matriz Estándarde una Transformación Lineal

Sea T: /?” - » R m una transformación lineal tal que
•
a \2 "
«22
7Xe,) = ♦ n « 2>= « TU',) =
° n,. ««.2 a,m

• n m
E ntonces la m atriz m X n cu y a s n colum nas corresponden a T(e¡),
an an tn
a 2l a22 a2ii
A =
a ml a,.,2 ■■■ a„m
es tal q u e T (\) = / t v para to d o v en R". A se denom ina m a tr iz e s tá n d a r d e T.

Sección 6 .3 M atrices de T ransform aciones Lineales 385
Demostración: P ara d em o strar que T \\) = A y para todo v cn Rny se escribe
v = Vi e i + V2 e 2 + + v„e„-
nn
D ado que T e s una transform ación lingal, se tiene
7(v) = T(vle l + v2e2 + - • - + v j t J

= TÍVje,) + T(v 2e 2) + • • • + T(v en)
= v ^ e , ) + v27 (e2) + • • • + vnT(en).
P o r o tra parte, e l producto m atricial A \ está dado com o
«11 «12 •** a l n ' " V1 r a ¡ |V, + a )2v-2 + • • • + fl)nvn -

a 2l a 21 •• • a^ V2 a 2,v, + a 22v2 + ■■■+ a2nvn
A\ =
am\ am2 ' *‘ anm Vn a nliv 1+ a m2v2 + - ' - + a „„,vn
an r « . 2_ a \n
a2i “ 22 a2n
= vi + v2 + • ■+ Vn
am> °n,2 a nui
= v17Xe,) + v27 (e 2) + • • • + v T ( e n).

P o r co nsiguiente, 7 (v) = A \ para todo v en Rn.
► Ejem plo / Determ inación d e la M atriz E stá n d a r d e una Transform ación Lineal
D eterm ine la m atriz e stán d ar d e la transform ación lineal T\ /?3 -+ R2 definida por
T(xt y , zó = ( x - 2 y t 2 x + y).
Solución: Se em pieza p or en co n trar las im ágenes d e e ,, e 2 y e3.
Notación Vectorial Notación M atricial
r '
7Ke,) = 7 ( 1 ,0 , 0) = (1, 2) 7Xe.) = r o
o
386 C apítulo 6 T ransform aciones IJneales
0'
7 ( e ,) = 7
-2
7Te,) = 7 T 0 .1 ,0 ) = ( - 2 .1 ) 1
.0
0'
0
7Tc 3) = 7(0, 0, 1) = (0, 0) 7 (e 3) = 7 0
0
1
P o r el teo rem a 6 .10, las co lu m n as de A constan d e 7 ( e |), 7 (e2), 7 (e3) por lo q u e so
1 -2
A = [7XC,) • 7Xe2) i 7Xe3)] =
2 1
C om o verificación, se o bserva que
1 -2 *-2y
A
2 1 2* + y
lo cual es equivalente a T(x , y , z) = (x - 2y, 2x + y).
C on alg o de práctica se puede determ inar por inspección la m atriz estándar d e una trun»-
form ación lineal com o la del ejem plo 1. A sí, la m atriz estándar d e la transform ación lineal
d efinida p or
7X*,, x v x 3) = (*, - 2x2 + 5*3, 2xj + 3*3, 4 x { + x 2 - 2^3)
se encuentra usando los coeficientes de jr,, x 2 y x 3 para form ar los renglones d e A com o |to
m uestra enseguida.
1 - 2 5' C J Ijc, - 2x2 + 5x3

A = 2 0 3 2 x x + 0x2 + 3x3
4 1 -2 « E 4 :, + \ x 2 - 2x3
a
► E jem plo 2 Determ inación d e la M atriz E stándar d e una Transform ación Lineal
L a transform ación lineal T :R 2-* R 2 se ob tiene al pro y ectar cad a punto de R2 sobre el eje
x y com o se m uestra en la figura 6.8. E ncuentre la m atriz están d ar de T.
Solución: E sta transform ación lineal está definida por
7 \x t y ) = (xt 0).
A sí, la m atriz estándar d e T es
A = [7X 1,0) • 7 ( 0 ,1 ) ] =
Sección 6.3 M atrices de T ransform aciones L ineales 387
FIGURA 6.8
T(x. y ) = (x. 0)
(x .y )
(x. 0)
A
L a m atriz estándar d e la transform ación cero d e Rn en R m es la m atriz cero m x n y la

m atriz está n d ar d e la transform ación identidad d e R n en Rn es / n .
Composición de Transformaciones Lineales
L a c o m p o sició n 7 , d e T }: R n -* R,n con 7 2: Rm -* Rp se define com o
7 (v ) = T2(T x( v ))9
donde v es un v ecto r en Rn. E sta com posición se denota por T = T2 ° 7 ,. El d o m in io d e T

se d efin e c o m o el d o m in io d e T v A dem ás, la co m p o sició n n o e stá d efin id a a m en o s de
q u e el co n trad o m in io d e 7 , esté c o n ten id o en el d o m in io d e 7 2, com o se o b se rv a en la
fig u ra 6.9.
FIGURA 6.9
Com posición de transformaciones
El siguiente teorem a recalca la utilidad d e las m atrices para rep resen tar transform acio
nes lineales. El teorem a no só lo establece que la com posición d e dos transform aciones
lineales e s una transform ación lineal, sino tam bién que la m atriz están d ar d e la co m p o si
ción es el p ro d u cto d e las m atrices estándar d e las dos transform aciones lineales originales.
" — . /
Teorema 6.11 Composición deTransformaciones Lineales

Sean T t; Rn ~+Rmy T 2:R m ~*fíp transformaciones lineales con matrices estándar A , y
A r La co m p o sició n 7: R " -* R P definida por 7 (v ) = 7 2(7 ,(v )), es una transformación
lineal. A dem ás, Ja matriz estándar A de 7 está definida com o el producto matricial
* “ 'M i-
Demostración: Para demostrar que 7 es una transformación lineal, sean u y v vcctorcn Ult
R" y sea c cualquier escalar. Entonces, com o 7 , y 7 2 son transformaciones linculoN. MI
puede escribir
7(u + v ) = 7 2(7 ,(u + v))

= 7 2(7 ,(u ) + 7 ,(v ))
= 7 2(7 ,(u )) + 7'2(7 ,(v )) = 7(u ) + 7(v)
7 (cv ) = 7 2( 7 ,( cv))
= 7 2(c 7 ,(v ))
= c 7 2(7 ,(v )) = c7(v).
Luego, para demostrar que A 2A¡ es la matriz estándar de 7, se aplica la propiedad asocia
tiva de la m ultiplicación de matrices para escribir
7 (v ) = TJLTfir)) = T2( A lv ) = A 2(A ]v ) = ( / \ ^ , ) v . 4
Observación: El teorema 6.11 puede generalizarse para abarcar la com posición de n trans
formaciones lineales. Es decir, si las matrices estándar de T v 7~2, . . . , Tn son A ,, A 2>. . . , A .
entonces la matriz estándar de la com posición 7*está definida por
A = A nA n - r - A 2A I ’
Dado que la multiplicación de matrices no es conmutativa, el orden es importante al

formar la com posición de transformaciones lineales. En general, la com posición de ¡ 2 ° V,
no es igual a 7 , ©Tv com o se demuestra en el siguiente ejemplo.
► Ejemplo 3 Ia M atriz Estándar de una Composición
Sean 7 , y T2 transformaciones lineales de R? en R* tales que
T t(x, y , z) = (2x + y, 0,.x + z)
y
T2(x9y , z) = ( * - y , z, y).
Determine las matrices estándar de las com posiciones T = T2 <>T x y T ' = T ] ° Tr

Sección 6..1 M atrices d e Transformaciones Lineales 389
Solución: Las m atrices estándar de T . y Tr son
2 1 01 i -i 0
0 0 0 y ^ 2= 0 0 1
1 0 1. 0 1 0
A sí, por el teorema 6 .11, la matriz estándar de T está definida por
1 -1 2 1 0
A = A ¿ t = 0 0 0 0 1
0 1 1 0 0
y la matriz estándar de T ' está definida por
2 1 0 1 -1 0 -2 1
a , = a ¡a 2 = 0 0 0 0 0 1 0 0
1 0 1 0 1 0 0 0
Otra ventaja de la representación matricial es que puede representar la inversa de una

transformación lineal. A ntes de mostrar lo anterior se da la siguiente definición.
Si T y R" y T2; 8? R* son transform aciones lineales tales que para todo y
en R"
^ V yh { j¡J ¡B *%
entonces T 2 se denom ina inversa de T x y s e escribe T2 » T f K
A sí com o la inversa de una función de una variable real puede concebirse com o si
deshiciera lo que hizo la función, la inversa de una transformación lineal T puede
concebirse com o si deshiciera la transformación efectuada por T. Por ejem plo, si T es una
transformación lineal de tf 3sobre R 3 tal que
7 ( 1 ,4 , - 5 ) = (2, 3 , 1 )
y si existe 7 " 1, entonces T ~ l envía a (2, 3, 1) de regreso a su preimagen bajo T. Es decir,
T - \ 2 , 3. !) = ( ! , 4 - 5 ) .
N o toda transformación lineal es invertib le (tiene inversa). De hecho, el siguiente teo

rema establece que una transformación lineal es invertible s í y sólo si es un isom orfism o
(uno a uno y sobre). Este teorema se plantea sin demostración.
S e a T: *+ R* una transform ación lineal con m atriz están d ar A . E n to n c e s , Ii

condiciones siguientes son equivalentes,
. T e s invertí ble.
2. f e s un isom orfísm o.
3. A e s invertible.
Adem ás» s i f e s in v c rú b le co n m atriz e stá n d a r A, co to n ees la m atriz está n d ar de

r 1 e s A”1.
Observación: M uchas o tras co ndiciones son equivalentes a las tres m encionadas en e s t e

teorem a; con su lte el resum en de condiciones equivalentes dado en la sección 4.6.
► E jem p lo 4 D eterm in a ció n d e la In v e rsa d e una T ransform ación Lineal

L a transform ación lineal T : R 3 R 3 está definida por
7X*p x 2y *3) = (2*, + 3*2 + *3, 3*, + 3*2 + *3, 2*, + 4*2 + * 3).
D em uestre q u e T es invertible y encuentre su inversa.
Solución: L a m atriz están d ar d e T es
A=
P or m edio d e las técnicas para in v ertir m atrices (véase la sección 2.3), se encuentra que
A es invertible y q u e su inversa está d efin ida por
-1 1 0'
A"1 = -1 0 1
6 -2 -3
P o r consiguiente, T es invertible y su m atriz están d ar es A-1.
Bases no Estándar y Espacios Vectoriales en General

A continuación se considerará el problem a m ás general de h allar una m atriz para una trans
form ación lineal T : V - * W y donde B y t í ' son bases de V y W t respectivam ente. R ecuerde
que la m atriz d e coordenadas de v con respecto a tí se denota por [v]fi. Para representar
la transform ación lineal f , A d eb e m ultiplicarse por una m a t r iz d e c o o r d e n a d a s co n
re s p e c to a tí. El resultado de la m ultiplicación es u n a m a tr iz d e c o o r d e n a d a s c o n re s p e c to
a t í '. Es decir.
f ( v ) = A [v]fi = [7(.v)]^.
Sección 6.3 Matrices (le Transformaciones Lineales 391
A sc den o m in a m a triz d e T con resp ecto a las bases B y B \

P ara d eterm inar la m atriz A se aplica un procedim iento sim ilar al usado para hallar la
m a triz estándar d e T . Es decir, las im ágenes d e los vectores en B sc escriben com o m atrices
d e coordenadas con resp ecto a la base B ' . Estas m atrices de coordenadas form an las co
lum nas á c A .
Matriz de Transformación para Basesno Estándar I¡

S ean V y W e sp a cio s vectoriales d e d im ensión fin ita co n bases B y B \ resp ectiv a
m ente, d o n d e
Si T: V W es una transform ación lineal ta l que
'« « r !¡¡
*21 a 22 au
tfT v p V = ■V.'.V .m v ,) i„ ,- ir **’ “*

*
«mi a„a a ,n„

•< -•»
en to n ces la m atriz m x n cu y as n colum nas corresponden a [7Xv()]ff
Q \\ °12
•* a ln
a 21 % a 2n
a
Üm\ a m2 tan
es tal q u e r ( v ) = A {vL para todo v cn V.
► E jem p lo 5 D eterm in a ció n d e unn M a triz con R e sp e c to n B a se s no Est,'indar
S ea T : R 2 - » R 2 una transform ación lineal d efinida por
T(xr x2) = (x, + x 2, 2.v, - x ,).
E ncuentre la m atriz de T con resp ecto a las bases

w .
B = { (1 . 2 ), ( - 1 , 1 » « ' = { ( 1 , 0 ), ( 0 , 1 )}.
Solución: P o r d e fin ic ió n d e T , s e tie n e
7Tv1) = 7 X l,2 ) = (3. 0 ) = 3 w , + 0 w 2

7Tv2) = 7X-1, 1) = (0 , - 3 ) = 0 w , - 3w2.
P o r c o n s ig u ie n te , la s m a tr ic e s d e c o o r d e n a d a s d e r ( v , ) y 7"(v2) c o n r e s p e c to a I I ' xn»
0
[7-(v2)]b .=
-3
L a m a triz d e T c o n r e s p e c to a B y I ? s e fo rm a al u s a r e s ta s m a tr ic e s d e c o o r d e n a d a s com o
c o lu m n a s p a r a o b te n e r
3 0
A =
0 -3
► Ejemplo 6 Aplicación de una M atriz para Representar una Transformación IM ieill
P a r a la tr a n s fo rm a c ió n lin e a l T : R 2- , R 2 d a d a e n el e je m p lo 5 , u s e la m atriz<4 p a r a e n c o n tra r

1 \ \ ) , d o n d e v = ( 2 , 1 ).
Solución: C o n la b a s e B = { ( 1, 2 ), ( - 1 , 1 ) ) , s e e n c u e n tr a q u e
v = ( 2, 1) = 1( 1, 2) - 1( - 1, 1), 1
lo c u a l im p lic a q u e
1
M fl =
-1
P o r c o n s ig u ie n te , 7(v) e s tá d a d a p o r
3 0 1 3
0 -3 -1 3
P o r ú ltim o , c o m o B ' = { (1 , 0 ) , (0 , 1)} s e c o n c lu y e q u e
7Tv) = 3 (1 ,0 ) + 3 (0 ,1 ) = (3, 3).
In te n te c o m p ro b a r e s te r e s u lta d o p o r m e d io d e la d e f in ic ió n d e T d a d a e n e l e je m p lo 5:
T \ x v x 2) = ( x t + x v 2 x l - x 2) . 4
E n e l c a s o e s p e c ia l d o n d e V = W y B = B \ la m a tr iz A s e d e n o m in a m atriz d e T c o n
respecto a l a base B . E n e s to s c a s o s la m a tr iz d e la tr a n s f o r m a c ió n id e n tid a d es
s im p le m e n te /;j. P a ra v e r lo a n te r io r , s e a B = { v ,, v 2, . . . , v j . D a d o q u e la tra n s fo rm a c ió n
id e n tid a d m a p e a to d o v . c n s í m is m o , s e tie n e
1 0' ' 0'

0 1 0
W'
II
. [7Xv ,) ] b = ........... [TXv,,)]* =

<
5
• • •
0 0_ 1
y s e c o n c lu y e q u e A = In.
E n e l s ig u ie n te e je m p lo s e c o n s tr u y e u n a m a tr iz q u e r e p r e s e n ta e l o p e r a d o r d if e r e n c ia l
a n a liz a d o e n e l e je m p lo 10 d e la s e c c ió n 6 . 1 .
► E je m p lo 7 U n a M a t r i z p a r a e l O p e r a d o r D if e r e n c ia l (C á lc u lo )
S e a D x: P 2 -+ P , e l o p e ra d o r d ife re n c ia l q u e tr a n s f o r m a u n p o lin o m io c u a d rá tic o p s o b re su

d e r iv a d a p '. D e te rm in e la m a triz d e D x p o r m e d io d e la s b a s e s B = [ ] , x , x 2) y B ' = { 1 ,* } .
Solución: L a s d e r iv a d a s d e lo s v e c to r e s b á s ic o s s o n
D ,( l) = 0 = 0( 1 ) + 0 (*)
D x( x ) = 1 = 1(1 ) + O t o
D x Cx2) = 2 * = 0 ( l ) + 2 t o .
A s í, la s m a tr ic e s d e c o o r d e n a d a s c o n r e s p e c to a B ' s o n
[ D x (x )]b . = [ D xt f ) ) g . =
y la m a tr iz p a r a D x e s
A =
0 1 0
0 0 2
O b s e r v e q u e e s ta m a tr iz p r o d u c e la d e r iv a d a d e u n p o li n o m io c u a d r á t i c o p ( x ) = a +
b x + ex2 .
a~
-4p =
0 1 0 b
b = b + 2 e x = D J a + b x + ex2]
0 0 2 2c
c
Sección 6.3 A E je rcicio s

E n los e je rc ic io s d el 1 al 12, d e te rm in e m a triz e s tá n d a r de la tra n sfo rm a c ió n lin eal T.
1. T\x,y) = (x + y , x - y ) 2. T (x , y ) = (3 x + 2 y , 2 y - x )
3 . T\x, y) = (5x -3y, x + y , y - 4 x ) 4. T (x , y ) = (4 x + y , 0 , 2 x - 3 y)
5. 7XA:,y, z) = (x + y , x - y , z) 6. T (x , y , z ) = (5 x - 3y + z, 2z + 4 y , 5 x + 3 y )
7. T(x, y, z) = (3z - 2y, 4x + 1 lz) 8 . T \x,y, z) = (13.r + 4 z - 9 y , 6x + 5 y - 3 z )
9. 1\x, y) = (x +y, x - y, 2x, 2y)
10. T(xv x2, x y x4) = (at, +x 2, x 3 +x4)

1 1 . 7 1 (X |, X y X y r 4) = ( 2 x j X y 3.^2 4 x 4% 3 - x , , x 2 + x4)
12. T\Xy X y X y X¿) = (0, 0, 0, 0)

E n lo s e je rc ic io s d el 13 al 2 4 , a ) en c u e n tre la m a triz e stá n d a r A d e la tra n sfo rm a c ió n lineal /',

b) u se A p a ra e n c o n tra r la im ag en d el v ecto r v y c ) tra c e la g rá fic a de v y su im ag en .
13. T es la re fle x ió n a trav é s d el o rig en c n R 2: T (x , y ) = ( - * , - y ) , v = (3 , 4).
14. T e s la re fle x ió n e n la re c ta y = x en R 2: T \x , y ) = (y , x ), v = (3 , 4 ).
15. T e s la ro ta c ió n d e 1 3 5 ° e n s e n tid o c o n tra rio a la s m a n e c illa s d el relo j e n R 2, v = (4 , 4).
16. T es la rotación de 60° ( 0 es negativo) en el sentido de las m anecillas del reloj cn R2y v = ( 1,2 ).
17. T e s la reflexión a trav és del p lan o d e coordenadas x y cn R3: T \x yy, z) = (x yy, - z \ v = (3 ,2 .2 ) .
1 8. T e s la re fle x ió n a tra v é s d el p la n o d e c o o rd e n a d a s yz e n R 3: T \x y y , z ) = ( - x , y, z), v «

( 2 , 3 , 4 ).
19. T e s la ro ta c ió n de 180° c n s e n tid o c o n tra rio a la s m a n ecillas d el relo j c n R 2y v = (1 , 2).
2 0 . T es la ro ta c ió n d e 4 5 ° c n s e n tid o c o n tra rio a la s m a n ecillas d el relo j c n R 2, v = (2 , 2).
2 1 . r e s la p ro y e c c ió n so b re el v e c to r w = (3 , 1) cn R 2: T ( \ ) = p ro y wv , v = (1 , 4).
2 2 . T e s la p ro y e c c ió n so b re el v e c to r w = ( - 1 , 5 ) en R 2: 7 (v ) = p ro y wv , v = ( 2 , - 3 ) .
2 3 . T e s la re fle x ió n c o n re sp e c to al v e c to r w = ( 3 ,1 ) e n R2y v = (1 ,4 ) . (L a re fle x ió n d e un vecto r

v a tra v é s d e w e stá d e fin id a p o r T \ \ ) = 2 p ro y wv - v .)
2 4 . R ep etir el e je rc ic io 2 3 p a ra w = (4 , - 2 ) y v = ( 5 , 0).
E n los e je rc ic io s del 2 5 al 3 0, e n c u e n tre la s m a tric e s e stá n d a r d e T = T 2 ° 7 , y T r = T x T 2.
2 5 . T x: R 2 -> R \ T x( x y y ) = ( x - 2 y , 2 x + 3y)
T2: R 2 ^ R 2y T 2( x yy ) = (2 x yx - y )
26. r , : K 2 - R 2, T t(x . y) = ( x - 2 y , 2 x + 3y )
T2: R 2 - » R 2, T2(x , y) = (y, 0 )
2 7 . T ,: R 3 -> R 3, T ,(x , y , z ) = (x, y , z)

T2: R * - R \ T 2( x , y , z) = ( 0 ,x , 0)
2 8 . T ,: R 3 -* R 3, T ,(x , y , z) = (x + 2 y , y - z , - 2 x + y + 2 z)
T2: R 3 - * R 3, T 2(x , y , z ) = ( y + z , x + z , 2 y - 2z)
2 9 . T ¡: R 2 - * R 3. T t (x , y ) = ( - x + 2 y , x + y. x - y)
T2: R 3 - » R 2, T 2(x , y , z ) = ( x ~ 3 y , z + 3a:)
3 0 . T v R 2 - + R 3, T t ( x . y ) = (x , y . y )
T2. R 3 - R 2. T2(x, y . z ) = <y,z)
E n lo s e je rc ic io s d el 31 al 3 6 , d e te rm in e si la tra n sfo rm a c ió n lin eal d a d a es in v c rtib le. E n caso

a firm a tiv o , e n c u e n tre su inversa.
3 1 . T (x yy ) = ( x + y yx - y )
3 2 . re * ,, X 2y * 3) = (* ,, X x + X v X x + X2 + x f )
3 3 . T (x y y ) = (2 x , 0)
34. l \ x , y ) * (* + y, 3a + 3y)
35. 1 X x , y ) = ( 5 x , 5 y )
36. 7X-V|, *2' Xy X^) = (A| 2Aj, X2, Xj + ,Xj, I j )
E n lo s e je rc ic io s d e l 37 al 4 4, e n c u e n tre 7'(v) u sa n d o a) la m a triz e stá n d a r y b ) la m a triz con

re sp e c to a f l y B ' .
37. T: R2 - R \ T (x, y ) = ( a + y , x , y ), v = (5 . 4 ).
B = { ( 1 ,- 1 ) , (0 , 1)), B ’ = { (I, 1, 0 ), (0 , 1, 1), (1 , 0 , 1))
38. T. R2 - R \ T (x , y ) = ( x - y , 0 , * + y ), v = ( - 3 , 2 ),
B = { ( 1 ,2 ) , (1 , 1)), B ’ = {(1, 1, 1 ) ,( 1 , 1 ,0 ), (0 , 1, 1))
39. T : R3 - y. y - z). v = (1 , 2, - 3 ) ,
R 2, T (x, y , z) = ( x -
b = {(i , i, i ) , ( i , i,o), (o, i, i ) ) , / r = {( 1 , 2 ), (i , d i
40. T : R3 - R 2, T (x, y, z) = (2 a - z, y - 2 x ), v = (0 , - 5 , 7),

f l = { ( 2 . 0. 1 ), ( 0 , 2 , 1 ) . ( 1 . 2 . l ) ) , e ' = { ( 1 , 1 ). ( 2 , 0 ))
41. T: R3 — R *, T (x, y , z) = (2 x , x + y , y + z, x + z), v = (1 , - 5 , 2),

B = { ( 2 , 0 . 1 ) . ( 0 ,2 , 1 ) ,( 1 . 2 , 1 ) ) .
B ' = { ( 1 ,0 , 0 , 1), (0 , 1 ,0 , 1), ( 1 ,0 , 1 .0 ). (1 , 1 , 0 ,0 ) )
42. T : R * ~ * R 2, T (x v x 2, x y x4) = (x , + x 2 + x 3 + a:4, *4 - a:,),

= (4 , -3 , 1, 1),
v
B = { ( 1 ,0 , 0 , 1), (0 , 1 ,0 , 1), ( 1 ,0 , 1 ,0 ) , (1 , 1, 0 , 0 ) ) , B ' = {(1, 1),(2 . 0 ))
43. T : R 3 -* R 3, T (x, y , z) = ( x + y + z, 2z - x , 2 y - z), v = (4 , - 5 , 10),

B = {(2, 0 , 1), ( 0 ,2 , 1 ) .( 1 . 2 . l ) ) , / r = { ( l . 1. 0 . ( 1 . 1 .0 ). (0 , 1, 1))
4 4 . T : R 2 - R 2, T (x , y ) = (2a: - 12y, a - 5y). v = (1 0 , 5).

B = B '= { ( 4 , 1), ( 3 ,1 ) )
45. S ea T : P 2 -* P 2 d e fin id a p o r 7 ( p ) =A p . E n cu e n tre la m atriz d e T c o n re sp e c to a las

b a se s ( I . a . a 2) y B ' = { 1 ,a , x 2, a 3).
46. S e a T : P 2 - *
P 4 d e fin id a p o r 7(p) = A2p. E n cu e n tre la m atriz d e T co n re sp e c to a las
b a se s B = {1, a , a 2 ) y B '= {1, a , a 2 , a 3, a 4 ).
4 7 . (C á lc u lo ) S ea B = {1, a , e*, x e * ) u n a b ase d e un su b e sp a c io W d el e sp a c io de

fu n c io n e s co n tin u a s y sea D x el o p e ra d o r d ife re n c ia l so b re VV'. E n c u e n tre la m atriz
p a ra D x c o n re sp e c to a la b ase B.
48. (C á lc u lo ) R e p ita el e je rc ic io 4 7 p a ra B = {c11, x e 2\ x 2e2x).
4 9 . (C á lc u lo ) A p liq u e la m a triz d el e je rc ic io 4 7 p a ra e v a lu a r D x[ i x - 2 x e '¡.
50. (C á lc u lo ) U se la m atriz d el e je rc ic io 4 8 p a ra e v a lu a r D x [Se 11 - 3xe2x + x 2e 2x].
51. (C á lc u lo ) S ea 6 = {1, a , a 2, a 3 ) u n a base d e P i y sea T. P ¡ ~ * PA la tran sfo rm a ció n

lin eal d e fin id a p o r
T ( x k) = [ tk dt.
Jo
a) Encuentre la matriz A para T con respecto a tí y la base estándar para P 4.

b) Use A para integrar p ( x ) = 6 - 2 x + 3x*.
■
52. Sea 7*una transformación lineal tal que r(v ) = k \ para v en R n. Encuentre la matriz estándar
para T.
53. Sea T: M 2 3 M 32 definida por T\A )= A '. Determine la matriz de T con respecto a las hitwi
estándar de M 2 3-► A732.
54. Demuestre que la transformación lineal T del ejercicio 53 es un isomorfismo y determino

la matriz para la inversa de T.
6.4 ▲ M atrices de Transición y Semejanza

E n la s e c c ió n 6 .3 s e v io q u e la m a tr iz d e la tr a n s f o r m a c ió n lin e a l
T : V -> V
d e p e n d e d e la b a s e d e V . E n o tr a s p a la b ra s , la m a tr iz d e T c o n r e s p e c to a u n a b a s e I I es
d if e r e n te d e la m a tr iz d e T c o n r e s p e c to a o tra b a s e B ' .
U n o d e lo s p ro b le m a s c lá s ic o s d e l á lg e b r a lin e a l e s e l s ig u ie n te : ¿ E s p o s ib le h a lla r m ui
b a s e B ta l q u e la m a tr iz d e T c o n r e s p e c to a B s e a d ia g o n a l? L a s o lu c ió n d e e s te p ro b le m a
s e a n a liz a c n e l c a p ítu lo 7 . E n e s ta s e c c ió n s e p r e s e n ta n lo s fu n d a m e n to s p a r a r e s o lv e r el
p r o b le m a . S e v e r á c ó m o e s tá n r e la c io n a d a s la s m a tric e s d e u n a tr a n s f o r m a c ió n lin e a l c o n
re s p e c to a d o s b a s e s d if e r e n te s . E n e s ta s e c c ió n , A , A ', P y P “ ! r e p r e s e n ta n la s c u a tro
m a tric e s c u a d r a d a s s ig u ie n te s .
1. M a triz d e T c o n r e s p e c to a B : A
2 . M a tr iz d e T c o n r e s p e c to a B f : A f
3 . M a tr iz d e tra n s ic ió n d e B ' a B : P
4 . M a triz d e tra n s ic ió n d e B a B ’ : P -1
E n e l d ia g r a m a d e la fig u ra 6 .1 0 s e o b s e r v a n la s re la c io n e s q u e h a y e n tr e A y A \ P y P _l.
FIGURA 6.10
(B ase B)
Sección 6.4 M atrices de Transición y Semejanza 397
O b s e r v e e n la f ig u r a 6 .1 0 q u e h a y d o s fo rm a s d e lle g a r d e la m a tr iz d e c o o r d e n a d a s [ v ] ^
a la m a tr iz d e c o o r d e n a d a s [7*(v )]f i U n a fo rm a e s d ir e c ta , p o r m e d io d e la m a tr iz d e A ' p a ra
o b te n e r
A9 [ v V = [ 7 » V
L a o tr a f o r m a e s in d ire c ta , p o r m e d io d e la s m a tr ic e s P> A y P _l p a r a o b te n e r
P - ' A P [ y ] B. = [ T ( v ) ) B.
P e r o p o r la d e f in ic ió n d e m a tr iz d e u n a tr a n s f o r m a c ió n lin e a l c o n r e s p e c to a u n a b a s e , lo
a n te r io r im p lic a q u e
A ' = P ~ lA P .
E s ta r e la c ió n s e d e m u e s tr a e n e l e je m p lo 1.
► E jem p lo 1 D eterm in a ció n d e una M a triz d e una T ransform ación Lineal

E n c u e n tr e la m a tr iz A ' p a r a T : R 2 - * R 2,
T ( x v x 2) = ( 2 x x - 2 x v - x x + 3*2),
c o n r e s p e c to a la b a s e B ' = { ( 1 , 0 ), ( 1 , 1 )}.
Solución: L a m a tr iz e s tá n d a r p a ra T e s
2 -2
A =
-1 3
A d e m á s , la m a tr iz d e tr a n s ic ió n d e B ' a la b a s e e s tá n d a r B = { (1 , 0 ) , ( 0 , 1)} e s
1 1
P =
0 1
y s u in v e rs a es
1 -1
P~] =
0 1
P o r c o n s ig u ie n te , la m a tr iz d e T c o n r e s p e c to a B ’ e s
1 -1 2 -2 1 1 3 -2
A ' = P ~ ] AP =
0 I -1 3 0 1 -1 2
E n el e je m p lo 1 la b a s e B e s la b a s e e s tá n d a r p a ra R 2. E n el s ig u ie n te e je m p lo ta n to B
c o m o B ' s o n b a s e s n o e s tá n d a r.
► E jem p lo 2 D eterm in a ció n d e u n a M a triz p a ra una T ransform ación Lineal
S e a n B = { ( - 3 , 2 ), (4 , - 2 ) } y B ' = { ( - 1 , 2 ) , (2 , - 2 ) } b a s e s d e /?2, y sea

398 C a p ítu lo 6 T ra n sfo rm acion e s Lineales
-2 7
A =
-3 7
la m a tr iz d e T : f i 2 -♦ tf 2 c o n r e s p e c to a E n c u e n tre / ! ' , la m a tr iz d e T c o n r e s p e c to a I I V
Solución: E n e l e je m p lo 5 d e la s e c c ió n 4 .7 s e e n c o n tr ó q u e
3 -2 -1 2
“ti
P =
ii
<
2 -1 -2 3
P o r c o n s ig u ie n te , la m a tr iz d e T c o n re s p e c to a B ' e s tá d e f in id a p o r
-1 2 -2 7 3 -2 2 1
A' = P ~ ] AP =
-2 3 -3 7 2 -1 -1 3
E l d ia g ra m a d e la fig u ra 6 .1 0 d e b e a y u d a r a r e c o r d a r e l c o m e tid o d e la s m a tric e s A . A *,

P y P ~ l.
► E je m p lo 3 A p lic a c ió n d e u n a M a t r iz d e u n a T r a n s fo r m a c ió n L in e a l
P a ra la tra n s f o r m a c ió n lin e a l T: R 2 R 2 d a d a e n el e je m p lo 2 , e n c u e n tr e [7 '(v )]w y

I T í v ) ] ^ p a ra la m a tr iz d e c o o rd e n a d a s
-3
-1
Solución: P a r a h a lla r [ \ ] B s e a p lic a la m a tr iz d e tra n s ic ió n P d e B ' a B.
3 -2 -3 -7
[v ]B = P ( v ] B . =
2 -1 -1 -5
P a ra e n c o n tr a r i r ( v ) ] ^ [v ]tí s e m u ltip lic a p o r la m a tr iz A p a r a o b te n e r
I T ( v ) ) b = A [ v )b =
-2 7 -7 -21
-3 7 -5 -1 4
P a ra h a lla r [ T ( \ ) ] B ,, a h o r a p u e d e m u ltip lic a rs e [ T ( v ) ] B p o r P p a ra o b te n e r
-1 2 -21 -7
-2 3 -1 4 0
o m u ltip lic a r [v ]/ r p o r A ' p a ra o b te n e r
2 1 -3 -7
[T (v ) ] b . = A '[ v ] b . =
-1 3 -1 0
V e a n u e v a m e n te el d ia g ra m a d e la fig u ra 6 .1 0 p a ra v e r if ic a r c a d a u n o d e lo s c u a tr o p r o
d u c to s d e m a tric e s d a d o s e n e s te e je m p lo . 4
Sección 6.4 M atrices de Transición y Semejanza 399
Matrices Semejantes
D o s m a tr ic e s c u a d r a d a s A y A ' r e la c io n a d a s p o r la e c u a c ió n A ' = P ~l A P s e d e n o m in a n
m a tric e s s e m e j a n t e s , c o m o s e in d ic a e n la s ig u ie n te d e fin ic ió n .
Definición de Matrices Semejantes

P a ra m a tr ic e s c u a d r a d a s A y A ' ú t o rd e n n , s e d ic e q u e A ' e s s e m e j a n t e a A si e x is te
a n a m a tr iz in v e r tib le P ta i q u e
A ’x P ^ A P .
S i A ! e s s e m e ja n te a A , e n to n c e s ta m b ié n e s c ie rto q u e A e s s e m e ja n te a A \ c o m o se
p la n te a e n e l s ig u ie n te te o re m a . P o r ta n to , tie n e s e n tid o d e c ir s im p le m e n te q u e A y A ' so n
s e m e j a n te s .
... ....... ••. - v - ;■- - ■

■• ;•
: ;•\ •
:•:•:: :::: :
! ' ' ’ ' . ¡
Teorema 6.13 ; Propiedadeselelas MatricesSemejantes a n

S e a n 4 , B y C m a tr ic e s c u a d r a d a s d e o r d e n n . E n to n c e s , 1a s s ig u ie n te s p r o p ie d a d e s
s o n v e rd a d e ra s* | ¡ | i | ¡ ¡ ¡ 1 ¡ ¡g | i ¡ ¡ | ¡ j ¡ ¡I § J l i l i l í ¡|
l l l i i S i K I K I l l l ! i - Ü S l i l l ¡¡¡¡1 ¡É l ¡ S | ¡11 | |
2 ..S i A e s ¡sem ejante a B, e n to n c e s B e s s e n t a n t e l | | | | ¡ j j | ¡ ¡ j ¡ § ■ ¡ J ||
¡ e s s e m e j a n t e a B y B e s $ e m e ja n íe % í? , e n to n c e s 4 e s s e m e ja n te a ¡j¡¡
D em ostració n : L a p r im e r a p r o p ie d a d s e c o n c lu y e d el h e c h o d e q u e A = ¡ , A / n. P ara
d e m o s tr a r la s e g u n d a p r o p ie d a d , s e e s c rib e
A = P ~] B P
P A P “*= P (P -lB P )P -'
PAP _1 =B
Q ~ ]A Q = B , donde Q = P ~ ].
L a d e m o s tr a c ió n d e la te rc e r a p r o p ie d a d s e d e ja c o m o e je r c ic io p a r a e l le c to r ( v é a s e el
e je r c ic io 2 1 ). A
A p a r tir d e la d e fin ic ió n d e s e m e ja n z a s e c o n c lu y e q u e d o s m a tric e s c u a le s q u ie r a q u e

re p re s e n te n la m is m a tra n s fo rm a c ió n lin e a l T : V ~ * V c o n r e s p e c to a b a s e s d if e r e n te s d e b e n
s e r s e m e ja n te s .
400 C apítulo 6 Transfornuiciones Lineales
► Ejemplo 4 M atrices Semejantes

a ) P o r e l e je m p lo 1, la s m a tric e s
2 -2 3 -2
A = Jy -4 ' =
3 - l 2
s o n s e m e ja n te s p o rq u e A ' = P ~ ]A P , d o n d e
P =
1 1
0 1
b ) P o r e l e je m p lo 2 , la s m a tric e s
-2 7
A = A' =
-3 7
s o n s e m e ja n te s p o rq u e A ' = P ~ ]A P , d o n d e
3 -21
P =
2 -1
S e h a v is to q u e la m a tr iz d e u n a tr a n s f o r m a c ió n lin e a l T : V V d e p e n d e d e la b ase
u tiliz a d a p a ra V . E s ta o b s e r v a c ió n c o n d u c e d e m a n e ra n a tu ra l a la p re g u n ta : ¿ Q u ó e le c c ió n
d e b a s e h a r á lo m á s s e n c illa p o s ib le la m a tr iz d e T I ¿ S ie m p r e e s la b a s e e s tá n d a r ? N o
n e c e s a r ia m e n te , c o m o s e d e m u e s tr a e n e l s ig u ie n te e je m p lo .
► Ejemplo 5 Una Comparación de Dos M atrices de una Transformación Lineal
Suponga que
1 3 0
A = 3 1 0
0 0 -2
e s la m a tr iz d e T : R * - * R 3 c o n r e s p e c to a la b a s e e s tá n d a r. E n c u e n tr e la m a tr iz d e T c o n
r e s p e c to a la b a s e
B ' = { (1, 1 , 0 ), ( 1 , - 1 , 0 ), ( 0 , 0 , 1 ) ) .
Solución: L a m a tr iz d e tr a n s ic ió n d e B ' a la m a tr iz e s tá n d a r tie n e c o lu m n a s q u e c o n s ta n d e

lo s v e c to r e s e n B '.
1 1 0
P = 1 -1 0
0 0 - 1
Sección 6.4 ejercicios 401
y s e c o n c lu y e q u e
1 1
2 2
P -' = 1 2
2 2
0 0
P o r c o n s ig u ie n te , la m a tr iz d e T c o n r e s p e c to a B ' es
l i 0
2 2 1 3 0 1 1 0
A ' = P ~ lA P = 1 0 3 1 0 1 -1 0
2 2
0 0 -2 0 0 1
0 0 1
4 0 0
0 -2 0
0 0 -2
O b s e r v e q u e la m a tr iz A ' e s d ia g o n a l.
L a s m a tric e s d ia g o n a le s p r e s e n ta n v a ria s v e n ta ja s c o m p u ta c io n a le s s o b r e la s n o d ia
g o n a le s . P o r e je m p lo , la ¿ - é s im a p o te n c ia d e u n a m a tr iz d ia g o n a l s e d e f in e c o m o
0 •• 0 0 ••• 0 ■
[- /
0 •• 0 0 d2 •• 0
D = • • • D* = • * •
0 0 - d .,_ 0 0 ••• dn \
U n a m a triz d ia g o n a l e s s u p r o p ia tra n s p u e s ta . A d e m á s , si to d o s lo s e le m e n to s d e la d ia
g o n a l so n d if e r e n te s d e c e r o , e n to n c e s la in v e rs a d e u n a m a tr iz d ia g o n a l e s la m a tr iz c u y o s
e le m e n to s d e la d ia g o n a l p r in c ip a l s o n lo s ic c íp r o c o s d e lo s e le m e n to s c o r r e s p o n d ie n te s
e n la m a tr iz o r ig in a l. E n v irtu d d e ta le s v e n ta ja s c o m p u ta c io n a le s , e s im p o r ta n te h a lla r
fo rm a s (e n c a s o d e s e r p o s ib le ) d e e le g ir u n a b a s e d e V p a ra q u e la m a tr iz d e tr a n s f o r m a c ió n
s e a d ia g o n a l, c o m o e n el e je m p lo 5. E s te p r o b le m a s e a b o r d a r á e n el c a p ítu lo s ig u ie n te .
Sección 6.4 a E je rcicio s
E n los e je rc ic io s d el 1 al 8 , a) en c u e n tre la m a triz A ' p ara T co n re sp e c to a la b ase B ' y b) d e m u e s

tre q u e A ' e s se m e ja n te a A , la m a triz e stá n d a r d e T.
1. T : R 2 - * R 2, T ( x , y ) = ( 2 x - y , y - x ) , 1. T: R 2 - R2, T(x, y ) = (x + >•, 4y),

/i'= { (1 ,-2 ), (0,3)| 0.(1.-1))
3 . T : R 2 - + R \ T ( x , y ) = ( y t x ),
B ' = [ ( 1 . - 1 ) . ( 1 .1 ) )
4 . T : R 2 - + R 2, T ( x , y ) = ( x + y t x - y ) ,
B ' = {(0, 1), (1 , 0)}
5 . T : R 3 -> fl3, 7 \x t y , z) = (*, y , z),

I T » { ( 1 , 1 , 0 ), ( 1 . 0 , 1 ), ( 0 , 1 , 1 ))
6. 7 : / ? 3 -+ /? 3, r ( ; c , y , z ) = ( 0 , 0 , 0 ) ,
z r = { ( 1 , 1 , 0), ( 1 , 0, 1 ), ( 0, 1 , 1 ))
7 . T : R * - > R 3, 7Xx, y , z) = (* - y + 2z. 2 x + y - z. * + 2 y + z),

/ T = { ( 1 , 0 , 1 ), ( 0 , 2 , 2 ), ( 1 , 2 , 0))
8. T : R 3 -* tf3, 7T(*, y , z) = ( * ,* + 2 y , a: + y + 3z),

* ' = { ( 1 , - I , 0), ( 0 , 0 , 1 ), ( 0 , 1 , - 1 ))
9 . S ean B = {(1, 3 ), ( - 2 , - 2 ) ) y B ' = { (-1 2 , 0 ), ( - 4 , 4 ) ) b a se s d e R \ y sea
3 2
A =
0 4
la m a triz d e T: R 2 - * R2 c o n re sp e c to a B.
a) D e te rm in e la m a triz d e tra n sic ió n P de B ' a B .
b ) A p liq u e las m a tric e s A y P p a ra e n c o n tra r [v]fl y [ r ( v ) ] fl, d o n d e
-1
M /r = 2
c) D e te rm in e A ' (la m a triz d e T co n re sp e c to a B ') y P ~ x.
d ) E n c u e n tre [7 (v )]fl, d e d o s fo rm as: p rim e ro c o m o P _ l[T’Cv))^ y lu e g o c o m o A 'I v ] u,
10. R ep ita el e jercicio 9 p a ra B = {(1, 1), ( - 2 , 3 ) ) , B ' = {(1, - 1 ) , (0 , 1)) y
1
M * ' = -3
11. S e a n B = {(1, 1 ,0 ). (1 , 0 . 1), (0 , 1. 1)) y B ' = { ( 1 ,0 , 0 ). (0 , 1 ,0 ), (0 , 0 , 1)) b a s e s d e R \

y sea
-1
1
la m a triz de T : R 3 R 3 c o n re sp e c to a B.
a) E n c u e n tre la m a triz d e tra n sic ió n P d e B ' a B.
b) U se la s m a tric e s A y P p a ra e n c o n tra r [v]fl y [ r ( v ) ] fl, d o n d e
r
o
-i
c ) E n c u e n tr e A ! (la m a tr iz d e T c o n re s p e c to a B ' ) y P -1 .
d) E n c u e n tre [ r ( v ) ] fl, d e d o s fo rm as: p rim ero c o m o P _ ,[7Xv)]fl y lu e g o c o m o A '[ v ] fl.
12. R e p ita e l e je rc ic io 11 p a ra B = {(1, 0 , 0 ), (0 , 1, 0 ), (0 , 0 , 1)}, B ' = {(1, 1 ,- 1 ) , (1 , - 1 ,

1), ( - 1 . 1 , 1 ) } y
13. D e m u e stre q u e s i A y B so n sem ejan te s, e n to n c e s |A | = | B|.
14. Ilu stre e l re su lta d o del e je rc ic io 13 p o r m e d io d e las m atrices
1 0 0 11 7 10
A = 0 -2 0 B: 10 8 10
0 0 3. -1 8 -12 -1 7
-1 1 0‘ 1 -1 2
P = 2 1 2 » P -' = 0 -1 2 V
1 1 1. 1 2 -3
d o n d e B = P ~ ]A P .
15. D e m u e stre q u e si A y B so n se m e ja n te s, e n to n c e s e x iste u n a m a triz P tal q u e Bk = P ~xA kP.
16. U se el re su lta d o d el e je rc ic io 15 p a ra d e te rm in a r B A, d o n d e B = P ~XA P p a ra la s m a tric e s
A =
1 0 -4 -1 5 P =
2 5
P "1 = 3 -5
$ B = t
0 2 2 7 1 3 -1 2
17. D e te rm in e to d a s las m a tric e s n x n se m e ja n te s a I n.
18. D e m u e stre q u e si A e s id e m p o te n te y B es se m e ja n te a A , e n to n ces B e s id e m p o ten te. (U n a

m a triz A n x n c s id e m p o te n te si A = A 2.)
19. S e a A u n a m a triz n x n tal q u e A 2 = O . D e m u e s tre q u e si B e s s e m e ja n te a A y e n to n c e s

B2 = O.
2 0 . S e a B = P ~XA P . D e m u e stre q u e si A x = x, e n to n c e s P B P ~xx = x.
2 1 . C o m p le te la d e m o stra c ió n d el te o re m a 6 .1 3 al d e m o stra r q u e si A e s s e m e ja n te a B y B es
se m e ja n te a C , e n to n ces A e s sem ejan te a C.
2 2 . D e m u e stre q u e si A y B so n sem ejan te s, e n to n c e s tien en el m ism o ran g o .
2 3 . D e m u e stre q u e si A y B so n se m e ja n te s, e n to n c e s A 2 es s e m e ja n te a B 2.
2 4 . D e m u e stre q u e si A y B so n sem ejan te s, e n to n ces A k e s se m e ja n te a B k p a ra c u a lq u ie r e n te ro

p o sitiv o k.
2 5 . S ea A = C D , d o n d e C es u n a m a triz in v e rtib le n x n. D e m u e s tre q u e la m a triz D C es

sem e ja n te a A .
26. S e a B = P ~ l A P , d o n d e B e s u n a m a triz d iag o n al c o n e le m e n to s en la d iag o n al p rincipal

*.P *2 2 ............* » • D em u estre q u e
’ flll «12 a \n 'P u Pu

ü 2\ ü 22 " ' ü 2n P* Pv
• • • •
= b..II
------- 1
O*
cf
P n im Pm
i
•:j11,'.>(!' J
p a ra i = 1 , 2 , . . . , n.
6.5 ▲ Aplicaciones de las Transform aciones Lineales
Geometría de las Transformaciones Lineales en el Plano

E n e s ta s e c c ió n s e d a n in te r p r e ta c io n e s g e o m é tr ic a s d e tr a n s f o r m a c io n e s lin e a le s r e p r e
s e n ta d a s p o r m a tric e s e le m e n ta le s 2 x 2 . A c o n tin u a c ió n , d e un r e s u m e n d e lo s d iv e rs o s
tip o s d e m a tric e s e le m e n ta le s 2 x 2 s e p re s e n ta n e je m p lo s e n lo s q u e c a d a tip o s e a n a liz a
c o n m a y o r d e ta lle .
R eflexión en \
la recta y = x
......
E x p a n s ió n h o r iz o n t a l ( k > I ) E x p a n s ió n v e r t ic a l ( k > 1)
o C o n tr a c c ió n ( 0 < k < 1) o C o n tr a c c ió n ( 0 < k < 1)
A * 1 0
0 k
D e s p la z a m ie n to v e r t ic a l
:
■ l i l i : ¡1 1 1 1 1 1 1
Sección 6. .5 Aplicaciones de las Transformaciones Lineales 405
► E je m p lo I R e fle x io n e s e n e l P ln n o
L a s tr a n s f o r m a c io n e s d e f in id a s p o r la s s ig u ie n te s m a tric e s s e d e n o m in a n r e f le x io n e s . L as
r e f le x io n e s tie n e n el e f e c to d e m a p e a r u n p u n to d el p la n o x y c o n su im a g e n “ e s p e c u la r "
c o n r e s p e c to a u n o d e lo s e je s d e c o o r d e n a d a s o a la r e c ta d e f in id a p o r y = x t c o m o se
m u e s tra c n la fig u ra 6 . 1 1 .
a ) R e fle x ió n e n el e je y :
T ( x yy ) = ( - * , y )
-1 0 X -X
0 1 y y
b ) R e fle x ió n c n el e j e * :
T (x t y ) = (x t -y )
1 0 X X
0 -1 y -y
c ) R e fle x ió n e n la re c ta y = x :
T ( x y y ) = (y , x )
0 1 X y
1 0 y X
FIGURA 6.11
► E je m p lo 2 D ila ta c io n e s y C o n tr a c c io n e s e n e l P la n o
L a s tra n s fo r m a c io n e s d e f in id a s p o r la s s ig u ie n te s m a tric e s s e d e n o m in a n d i l a t a c i o n e s o
c o n t r a c c i o n e s , d e p e n d ie n d o d el v a lo r d e l e s c a la r p o s itiv o k.
a) C o n tra c c io n e s y d ila ta c io n e s h o riz o n ta le s :

4
T (x , y ) = (k x yy )
l
k 0 X kx
0 1 y y
FIGU RA 6.12
y
b ) C o n tr a c c io n e s y d ila ta c io n e s v e rtic a le s
T ( x , y ) = (x , k y )
1 0 X X
0 k y ky
FIGU RA 6.13
y y
O b s e r v e q u e e n la s F iguras 6 .1 2 y 6 .1 3 la d is ta n c ia q u e s e d e s p la z a el p u n to (* , y ) d e b id o
a u n a c o n tra c c ió n o u n a d ila ta c ió n e s p ro p o rc io n a l a su c o o r d e n a d a x o y . P o r e je m p lo , b a jo
l a tr a n s fo rm a c ió n d e f in id a p o r
T \ x y y ) = ( 2 x y y ),
Sección 6.5 Aplicaciones de las Transformaciones Lineales 407
e l p u n to ( 1 , 3 ) s e m o v e ría 1 u n id a d a la d e r e c h a , p e r o el p u n to ( 4 , 3 ) s e m o v e ría 4 u n id a d e s
a la d e re c h a . A
E l te r c e r tip o d e tr a n s f o r m a c ió n lin e a l e n el p la n o q u e c o r r e s p o n d e a u n a m a tr iz e le
m e n ta l s e lla m a d e s li z a m i e n to , c o m o s e d e s c r ib e c n el s ig u ie n te e je m p lo .
► Ejemplo 3 Deslizamientos cn el Plano

L a s tr a n s f o r m a c io n e s d e f in id a s p o r la s s ig u ie n te s m a tric e s s o n d e s liz a m ie n to s .
T \x , y ) = (x + k y , y ) T ( x , y ) = (* , y + k x )
1 k X x + ky 1 0 X
0 1 y y k i y = [1kx +
*
y
a) E l d e s li z a m i e n to h o r iz o n ta l d e f in i d o p o r T ( x , y ) = (x + 2 y , y ) s e m u e s tr a e n la
f ig u r a 6 .1 4 . B a jo e s ta tr a n s f o r m a c ió n , lo s p u n to s d el s c m ip la n o s u p e r io r s e “ d e s li
zan'* a la d e r e c h a u n a c a n tid a d p ro p o r c io n a l a s u c o o r d e n a d a y . L o s p u n to s e n el
s e m ip la n o in f e r io r s e “ d e s liz a n ” a la iz q u ie rd a u n a c a n tid a d p ro p o r c io n a l al v a lo r
a b s o lu to d e s u c o o r d e n a d a y . B a jo e s ta tr a n s f o r m a c ió n , lo s p u n to s s o b r e el e je x
p e rm a n e c e n c n su s itio .
FIGURA 6.14
b) E n la fig u ra 6 .1 5 se o b s e rv a el d e s liz a m ie n to vertical d e fin id o p o r T (x , y ) = ( x , y + Z x ) . En

e s te c a s o , lo s p u n to s d e l s e m ip la n o d e r e c h o s e " d e s liz a n " h a c ia a r r ib a u n a c a n tid a d
p ro p o r c io n a l a su c o o r d e n a d a x . L o s p u n to s d e l s e m ip la n o iz q u ie r d o s e " d e s liz a n ”
h a c ia a b a jo u n a c a n tid a d p ro p o rc io n a l al v a lo r a b s o lu to d e s u c o o r d e n a d a x . L o s
p u n to s s o b r e el e je y p e rm a n e c e n in m ó v ile s .
FIGURA 6.15
Gráficas por Computadora

L a s tr a n s f o r m a c io n e s lin e a le s s o n ú tile s e n la s g r á f ic a s p o r c o m p u ta d o ra . E n e l e je m p lo
7 d e la s e c c ió n 6.1 s e v io c ó m o s e p u e d e u tiliz a r u n a tr a n s f o r m a c ió n lin e a l p a r a ro ta r
fig u r a s e n el p la n o . A q u í s e v e r á c ó m o s e p u e d e n u s a r la s tr a n s f o r m a c io n e s lin e a le s p a ra
r o ta r fig u ra s e n e l e s p a c io trid im e n s io n a l.
S u p o n g a q u e s e d e s e a r o ta r e l p u n to (x> y , z) u n á n g u lo 0 c n s e n tid o c o n tr a r io a la s m a n e
c illa s d e l re lo j a lre d e d o r d e l e je z, c o m o s e o b s e r v a e n la fig u ra 6 .1 6 . A l d e s ig n a r la s c o o r
d e n a d a s d e l p u n to ro ta d o c o m o ( / , / , z')» s e tie n e
X
'1 eos 6 -sen 0 0 X
/
x e o s G - y sen 0
— ~
y sen 6 eos 9 0 y x sen 6 + y eos 0
z' 0 0 1 z' z
FIGURA 6.16
Sección 6.5 Aplicaciones de las Transformaciones Lineales 409
E l e je m p lo 4 d e s c r ib e c ó m o u tiliz a r e s ta m a tr iz p a ra r o ta r u n a fig u ra c o m p le ta c n el
e s p a c io trid im e n s io n a l.
► E je m p lo 4 R o ta c ió n A lr e d e d o r d e l E je z
L o s o c h o v é rtic e s s ig u ie n te s so n d e u n a c a ja r e c ta n g u la r c u y a s a r is ta s m id e n 1, 2 y 3
u n id a d e s.
E n c u e n tre la s c o o r d e n a d a s d e la c a ja c u a n d o s e h a c e g ir a r e n s e n tid o a la s m a n e c illa s d el

re lo j a lr e d e d o r d e l e je z lo s á n g u lo s s ig u ie n te s .
a) 6 = 60° b) Q = 90° c) 0 = 1 2 0 °
Solución: E n la f ig u r a 6 .1 7 s e m u e s tra la c a ja o rig in a l.
FIGURA 6.17
y
x
a) L a m a tr iz q u e p r o d u c e u n a ro ta c ió n d e 6 0 ° e s
eos 60° -sen 60° 0

A = sen 6 0 ° eos 60° 0
0 0 0 1
i o
2 2
TL I o
2 2
0 0 1
Capítulo 6 Transformaciones Lineales
A l m u ltip lic a r e s ta m a tr iz p o r lo s o c h o v é rtic e s d e la c a ja s e o b tie n e n lo s s ig u ie n te s

v é rtic e s d e la c a ja ro ta d a .
V é rtic e o r ig in a l V é rtic e ro ta d o
V x = (0 , 0, 0) ( 0 . 00 , 0 . 00 , 0 )
V2 = ( 1 , 0, 0) ( 0 .5 0 , 0 .8 7 , 0)
Vj = ( 1, 2 , 0) ( - 1 .2 3 , 1.87, 0)
V4 = (0 , 2 . 0) ( - 1 .7 3 , 1.00, 0 )
V5 = (0, 0, 3) ( 0 .0 0 , 0 .0 0 , 3)
^ = (1 ,0 , 3) ( 0 .5 0 , 0 .8 7 , 3)
V? = (1 ,2 , 3) ( - 1 .2 3 , 1 .8 7 ,3 )
v8 = (0, 2, 3) ( - 1 .7 3 , 1 .0 0 ,3 )
E n la fig u r a 6 . 18 (a) s e m u e s tr a u n a g r á fic a g e n e r a d a p o r c o m p u ta d o r a d e la c a ja r o

ta d a . O b s e r v e q u e , e n e s ta g r á f ic a , e n tr e la s im á g e n e s d e p a re s d e v é rtic e s c o n e c ta d o s
e n la c a ja o rig in a l s e h a n tra z a d o s e g m e n to s d e r e c ta q u e re p r e s e n ta n lo s la d o s d e la
c a ja . P o r e je m p lo , d a d o q u e V { y V 2 e s tá n c o n e c ta d o s e n la c a ja o r ig in a l, s e in s tru y e
a la c o m p u ta d o r a p a ra q u e c o n e c te la s im á g e n e s d e V, y V2 e n la c a ja ro ta d a .
b) L a m a tr iz q u e p r o d u c e u n a ro ta c ió n d e 9 0 ° es
eos 90° -s e n 90° o' 0 -1 0

A = se n 9 0 ° eo s 90° 0 = 1 0 0
0 0 1_ 0 0 1
y e n la fig u ra 6 . 1 8 (b ) s e m u e s tr a la g r á f ic a d e la c a ja ro ta d a ,
c) L a m a triz q u e p r o d u c e u n a ro ta c ió n d e 1 2 0 ° e s
_1 VT
e o s 120 ° - s e n 120 ° o’
2 2
?en 120 ° e o s 120 ° 0 = VT I
1
in
0 0 1 2
0 0
y e n la fig u ra 6 .1 8 (c ) s e m u e s tra la g r á f ic a d e la c a ja ro ta d a .
FIGURA 6.18
S u r Ión 6.5 Aplicaciones d e las Transformaciones Lineales i
E n el e je m p lo 4 s e u s ó u n a m a tr iz p a r a e f e c tu a r u n a ro ta c ió n a lr e d e d o r d e l e je i .
m a n e r a s e m e ja n te , e s p o s ib le u s a r m a tric e s p a ra r o ta r fig u ra s a lr e d e d o r d e l e je x o d el
y . A c o n tin u a c ió n s e re s u m e n lo s tr e s tip o s d e ro ta c ió n .
R o ta c ió n a lr e d e d o r R o ta c ió n a lr e d e d o r R o ta c ió n a l re d e d o
d e l e je x d e l e je y d e l e je z
1 0 0 eos 0 0 sen 9 eos 9 -sen 0

0 eos 9 -sen 0 0 1 0 sen 9 eos 0
0 sen 0 eos 0 -sen 9 0 eos 9 0 0
E n c a d a c a s o , la ro ta c ió n e s tá o r ie n ta d a e n c o n tra d el s e n tid o d e l m o v im ie n to d e la s m a
c illa s d e l re lo j c o n re s p e c to a u n a p e r s o n a q u e o b s e r v a d e fre n te h a c ia la d ir e c c ió n n e g a t
d e l e je in d ic a d o , c o m o s e m u e s tr a e n la fig u ra 6 .1 9 .
FIGURA 6.19
Rotación alrededor Rotación alrededor

del eje x del eje y del eje z
► E je m p lo 5 R o ta c io n e s A lr e d e d o r d e lo s E je s x y y
a) L a m a tr iz q u e ro ta u n p u n to 9 0 ° a lre d e d o r d e l e je x es
0 0
A = 0 -1
1 0
b) L a m a tr iz q u e ro ta u n p u n to 9 0 ° a lre d e d o r d e l e je y es
0 0 1
A = 0 1 0
-1 0 0
E n la fig u ra 6 .2 0 s e o b s e r v a el r e s u lta d o d e m u ltip lic a r e s ta s d o s m a tric e s p o r lo s v é rtie
d e la c a ja d e l e je m p lo 4.
FIGURA 6.20
L a s ro ta c io n e s a lr e d e d o r d e lo s e je s d e c o o r d e n a d a s p u e d e n c o m b in a r s e a Fin d e p r o d u
c i r c u a lq u ie r v is ta d e u n o b je to . P o r e je m p lo , e n la F igura 6.21 s e o b s e r v a la ro ta c ió n q u e
s e o b tie n e al ro ta r p rim e r o la c a ja (d e l e je m p lo 4 ) 9 0 ° a lre d e d o r d e l e je y y lu e g o ro tá n d o la
120 ° a lre d e d o r d e l e je z.
FIGURA 6.21
E l u s o d e g rá fic a s p o r c o m p u ta d o r a y a e s c o m ú n e n tr e lo s d is e ñ a d o r e s e n m u c h o s c a m
p o s . S im p le m e n te p r o g r a m a n d o c n u n a c o m p u ta d o r a la s c o o r d e n a d a s q u e d e f in e n e l p e rfil
d e u n o b je to , u n d is e ñ a d o r p u e d e o b s e r v a r el o b je to a n te s d e c re a rlo . C o m o un e je m p lo
s e n c illo , la im a g e n d e l b a r c o d e ju g u e te q u e s e m u e s tra c n la fig u ra 6.22 fu e c r e a d a u s a n d o
s o la m e n te 2 7 p u n to s e n el e s p a c io . U n a v e z q u e lo s p u n to s s e a lm a c e n a n e n u n a c o m p u
ta d o ra , e l b a r c o p u e d e o b s e r v a r s e d e s d e c u a lq u ie r p e rs p e c tiv a .
FIGURA 6.22
S e c c ió n 6 .5 a E je r c ic io s
La G eo m etría de las T ra n sfo rm acion es L in eales en el Plano
1. S e a T. K 2 -* R 2 u n a re fle x ió n en el eje.v. E n c o n tra r las im á g e n e s d e los s ig u ie n te s v ecto res
a ) ( 3 .5 ) b) ( 2 , - 1 )
c ) (<i.O) d) ( 0 . 6)
2. S ea T : R 2 - * R 2 u n a refle x ió n e n la recta y = x. D e te rm in a r las im á g e n e s d e lo s sig u ie n tes

v ecto res.
a) (0 , 1 ) b) ( - 1 , 3 )
c) (£i, 0 ) d ) ( 0 , b)
3. S ean 7 X 1,0) = ( 0 ,1 ) y 7 ( 0 ,1 ) = ( 1 ,0 ) .
a) D e te rm in a r 7X*, y ) p a ra c u a lq u ie r ( x , y ).
b) P ro p o rc io n a r u n a d e scrip c ió n g e o m é tric a de T.
4. S ean 7X1, 0 ) = (2 , 0 ) y 7*(0, 1) = (0 , I).

a ) D e te rm in a r T {x , y ) p a ra c u a lq u ie r (*, y ).
b) P ro p o rc io n a r u n a d e scrip c ió n g eo m étric a de T.
E n los eje rc ic io s d el 5 al 8 , a) id e n tific a r la tran sfo rm a ció n y b) re p re se n ta r g rá fic a m e n te la

tra n sfo rm a c ió n para un v e c to r a rb itra rio e n el plano.
5. T (x , y ) = (x , y 12) 6. T ( x , y ) = (4 x ,y )
7. T (x , y ) = ( x + 3y , y ) 8. T(.r, >■) = (x, 2 x + >’)
E n lo s eje rc ic io s d el 9 al 12, e n c o n tra r to d o s los p u n to s fijo s de la tra n sfo rm a c ió n lineal d ada.

E l v e c to r v e s un p u n to fijo de T si 7 (v ) = v.
9. U na refle x ió n e n el e je y . 10. U na refle x ió n en la recta y = x.
11. U na c o n tra c c ió n v ertical. 12. U na d efo rm a ció n p o r e s fu e rz o c o rta n te h o

rizontal.
E n los e je rc ic io s d el 13 al 18, tra z a r la im ag en d el c u a d ra d o u n ita rio c u y o s v értices so n los

p u n to s ( 0 , 0), ( 1 , 0), ( 1 , 1) y ( 0 , 1 ) b ajo la tra n sfo rm a c ió n d ad a.
13. T e s u n a refle x ió n en el e je .r.
14. T e s u n a refle x ió n en la recta y = x.
15. T e s la c o n tra c c ió n d e fin id a p o r T (x y y ) = (*/2, y ).
16. T e s la d ila ta c ió n d e fin id a p o r 7'(.r, y ) = ( x , 3y).
17. Tes la d efo rm a c ió n p o r e s fu e rz o co rta n te d efin id a p o r 7 \x y y ) = ( x + 2 y, y).
18. Tes la d efo rm a c ió n p o r e sfu e rz o c o rta n te d e fin id a p o r T (x, y) = (x , y + 3x).
E n lo s e je rc ic io s d el 19 al 2 4 , tra z a r la im ag en d el re c tá n g u lo c u y o s v é rtic e s so n los p u n to s

( 0 , 0 ), ( 0 , 2 ), ( 1 , 2 ) y ( 1 , 0 ) b a jo la tran sfo rm a ció n d ada.
19. T es u n a refle x ió n en el e je y.
20. T es u n a refle x ió n e n la recta y = x.

21. 7’es la contracción d e fin id a por T \x %y ) = (*, y/2 ).
22. 7’es la d ila ta c ió n d e fin id a p o r T (x , y) = (2*, >0-
23. T es la d efo rm a c ió n p o r e sfu e rz o c o rta n te d e fin id a p o r T (x , y) = ( x + y, >*).
24. T es la d efo rm a c ió n p o r e sfu e rz o c o rta n te d efin id a p o r T (x y y) = (x, y + 2x).
25. L a tra n sfo rm a c ió n lin eal d e fin id a p o r u n a m a triz d iag o n al c u y o s e le m e n to s e n la d iag o n al

p rin cip al so n p o sitiv o s se d en o m in an am plificación. E n c o n tra r las im á g e n e s de (1 ,0 ), (0.
1 ) y ( 2 , 2 ) b ajo la tra n sfo rm a c ió n d e fin id a p o r
A =
2 0
0 3
c in te rp re ta r g rá fic a m e n te los resu ltad o s.
26. R e p e tir el e je rc ic io 2 5 p a ra la tra n sfo rm a c ió n lineal d e fin id a p o r
3 0
A =
0 3
E n lo s eje rc ic io s del 27 al 3 0 , p ro p o rcio n a r u n a d e scrip c ió n g e o m é tric a d e la tran sfo rm a ció n

lin eal d e fin id a p o r la m a triz elem en tal dada.
2 0 1 0
27. A = 28 . /t =
0 1 2 1
29. A =
0 1 1 3
30. A =
1 0 0 1
E n los e je rc ic io s 31 y 3 2, p ro p o rcio n a r u n a in terp reta ció n g e o m é tric a de la tran sfo rm a ció n

lineal d e fin id a p o r el p ro d u c to m atricial d ad o .
31. A =
2 0 2 0 1 0
2 1 0 1 2 1
3 2. A =
0 3 0 1 1 0
1 0 1 0 0 3
G ráficas p or C om p u tad ora
E n lo s e je rc ic io s del 33 al 3 6 , d e te rm in a r la m a triz q u e p ro d u c e la ro tació n in d icad a.
33. 3 0° a lre d e d o r d el e je c. 34. 6 0 ° a lre d e d o r d el e je .v.
35. 6 0 ° a lre d e d o r d el e je y . 36. 120° a lre d e d o r del e je .v.
E n lo s eje rc ic io s d el 37 al 4 0 , d eterm in a r la im ag en d el v ecto r ( 1. 1 . 1) p ara la ro tació n indicada.
37. 3 0 ° a lre d e d o r d el e je z. 38. 6 0 ° a lre d e d o r del e je x.
39. 6 0 ° a lre d e d o r d el e je y . 40. 120° a lre d e d o r del e je .r.

E n lo s e je r c ic io s d e l 41 al 4 6 , d e te r m in a r qué sim ple rotación cn sentido contrario al

m o v im ie n to d e la s m a n e c illa s d el re lo j a lre d e d o r d e l e je x , y o z p r o d u c e el tetraedro
in d ic a d o . E l te tr a e d ro o r ig in a l s e m u e s tr a e n la f ig u r a 6 .2 3 .
FIGURA 6.23
Capítulo 6 Ejercicios Je Repaso 417
E n los e je rc ic io s d el 47 al 5 0 , d e te rm in a r la m a triz q u e p ro d u ce el p a r de ro tac io n es in d icad as.

L u eg o , e n c o n tra r la im ag en d el se g m e n to d e recta de ( 0 ,0 ,0 ) a (1 , 1, I ) b ajo esta c o m p o sic ió n .
47. 9 0 ° a lre d e d o r del e je x se g u id a de 9 0 ° a lre d e d o r d el e je y.
48. 4 5 ° a lre d e d o r del e je y se g u id a de 9 0 ° a lre d e d o r del e je z.
49. 3 0° a lre d e d o r del e je z seg u id a d e 6 0 ° a lre d e d o r d el e je y.
50. 4 5 ° a lre d e d o r del e je z seg u id a d e 135° a lre d e d o r del e je x.
C a p ítu lo 6 A e je rc ic io s de Repaso
En lo s eje rc ic io s del 1 al 4 , e n c o n tra r a) la im ag en d e v y b ) la p rc im a g c n de w p a ra la tra n s

fo rm ac ió n lin eal d ad a.
1. 7: R 2 - R 2, 1 \ v v v2) = ( v ,, w, + 2 » 2). v = (2 . - 3 ) , w = (4 , 12)
2. T : R2 - R 2, 7Xw,, v2) = (v , - 2v2. 2v-, + v = ( 6 , 4 ). w = ( - 7 , 0 )
3. 7: R 2 - R \ 7XvV v2, v3) = (v 2, i-, + x,. v ,), v = (0 . 1. 1). w = (4. 4 . 4)
4. T. R 3 -* R 3. 7Xv,, v2, v ,) = (0, v, + v2, v 2 + v ,). v = ( - 3 . 2 , 5 ). w = (0 , 2, 5)
E n los e je rc ic io s del 5 al 12, d ete rm in a r si la fu n ció n d a d a e s u n a tra n sfo rm a c ió n lin eal. E n caso
a firm a tiv o , d e te rm in a r su m a triz e stá n d a r A .
5. T: R 2 - * R 2, T \x v x 2) = (* , + 2xv - x y - x 2)
6. T : R2 - K2, T0cv x 2) = (jc, + 3, x 2)
7. T. R 2 -+ R 2, T (x , y ) = ( x + //, y + k ) %lt í 0 o k 0 ^traslación e n el plan o ).
8. r * 2 ^ * 2. 7 U . y ) = (M .|y l>
9. T : R 2 - * R \ T ( x r x 2) = ( x 2%x v x l )
10. T : R 3 -* R 2t 7 \x , y t z ) = (y. y )
11. T:R 3 - * R 3, T {x v x v * 3) = (x , - x v x 2 - x y x i - * ,)
12. T. R 3 -* R 3y T {x y y y z) = (z, y, x )
13. S e a T u n a tra n sfo rm a c ió n lineal de R 2 en R 2 tal q u e 7 (2 , 0 ) = ( I , I ) v 7 (0 , 3 ) = (3 , 3).

D e te rm in a r 7*(1, 1) y 7 (0 , 1).
14. S ea T u n a transform ación lineal de R 3 en R tal que 7(1, 1, 1) = 1, 7( 1, 1. 0 ) = 2 y 7 \ 1 ,0 ,0 )

= 3. D eterm in ar 7^0, 1 ,1 ).
E n los e je rc ic io s d el 15 al 18, e n c o n tra r la p o te n c ia in d icad a d e A , la m a triz e s tá n d a r de T.
15. 7': R 3 - * R 3, reflex ió n e n el p la n o x y . E n c o n tra r i42.

16. T: P 3 -♦ P 3, p ro y e c c ió n so b re el p la n o xy. E n c o n tra r A 2.
17. T :R 2 - * R 2t ro tació n d e un án g u lo 0 c n c o n tra d el sen tid o d el m o v im ie n to d e las m an ecillas

d el reloj. E n c o n tra r A 3.
18. (C á lc u lo ) T : P3-* Py o p e ra d o r d ife re n c ia l. E n c o n tra r A2.
E n los e je rc ic io s del 19 al 2 2, la tra n sfo rm a c ió n lineal T: R " Rm e stá d e fin id a p o r 7’(v ) = A \.

P ara cad a m a triz A y a) d e te rm in a r la d im e n sió n d e P " y la d im en sió n d e R "1, b ) e n c o n tra r la
im a g e n 7"(v) d el v ecto r v d a d o y c) e n c o n tra r la p reim ag en del v ecto r w d ado.
19. A =
0 1 2 , v = ( 6 , 1, 1), w = (3 , 5)
-2 0 0
20 . /\ = H . l ] . v =
1 1 1
21. A = 0 1 1 , v = (2 , 1 ,- 5 ) , >v = ( 6 , 4 , 2)
0 0 1
4 0'
22 . A = 0 5 *.Vv = (2 , 2 ), w = (4 , - 5 . 0 )
1 1
E r lo s eje rc ic io s 23 y 2 4, d e te rm in a r u n a b ase p ara a ) kcr(73 y b) co n trad o m in io (7 ').
23. T: R*-> P3, T (w y x , y , z) = (2 vv + 4* + 6y + 5 z , ->v - 2 x + 2y, 8y + 4 z)

24. T : P 3 -♦ P3, T (x t y , z) = (x + 2y, y + 2z, z + 2a)
E n lo s eje rc ic io s 25 y 2 6 , la tra n sfo rm a c ió n lineal e stá d e fin id a p o r 7'(v) = A y . D e te rm in a r u n a

b ase p a ra a) el n ú cleo d e 7"y b) el c o n tra d o m in io de T. ¿ C u á le s so n el ra n g o y la n u lid ad d e 7 ?
1 2 2 1 3
25. 4 = - 1 0 26. /\ = 1 1 0
1 1 0 1 -3
27. D a d o s T: P 5 -> P 3 y n u lid ad (73 = 2, e n c o n tra r ra n g o (73.
28. D a d o s T : P 5 - * P 3 y n u lid ad (73 = 3 , e n c o n tra r ra n g o (73.
29. D a d o s T : P 4 -> P 5 y ra n g o (73 = 4 , e n c o n tra r n u lid a d (73-
30. D a d o s T: M 2 2 ~* M 2 2 y ra n g o (73 = 3, e n c o n tra r n u lid ad (73.
E n lo s e je rc ic io s d el 31 al 3 6, d e te rm in a r si la tra n sfo rm a c ió n T tie n e in v ersa. E n caso

a firm a tiv o , d e te r m in a r á y A~K
31. T: R2 - * R2, 1 \ x , y) = (y, x)

32. T: R 2 - R2, T(x, y ) = (2_c, y )
33. T : R 2 - R 2, 7*(*, y) = (* , y + kx)
34. 7: fl 2 -> /?2, 7 (* , y) = ( x e o s 0 - y sen 0, a: sen 0 + y eo s 0)
3 5 . 7: tf 3 -> R \ 7(*, y . z) = (*, y. 0)
3 6 . 7 : t f 3 - / ? 2, 7 ( * , y , z ) = (* + y , y - z )
E n lo s ejc re ic io s 37 y 3 8, e n c o n tra r las m a tric e s está n d a r p a ra 7 = 7 , ° 7 2 y T ' = 7 2 ° 7 ,.
3 7 . 7 ,: R 2 ~ > R 3y T }( xy y ) = (x, x + y ,y )
T2: R * - > R \ T 20 c, y, z) = ( 0 ,y )
3 8 . T }: R - > R \ 7 ( a ) = (*, 3 a )
7 2: tf2 ^ / ? , 7 ( * , y ) = (y + 2A:)
3 9 . U se la m a triz e stá n d a r d e la ro tació n cn R2 cn c o n tra del sen tid o d el m o v im ie n to d e las m a
n e c illa s del reloj p a ra ro ta r 9 0 ° a lre d e d o r d el o rig en el triá n g u lo c u y o s v értices so n (3 ,5 ) ,
(5 , 3) y (3 , 0 ). G rafiq u e los trián g u lo s.
40. R o te 9 0 ° a lre d e d o r del p u n to (5 ,3 ) en c o n tra d el sen tid o del m o v im ie n to d e las m a n ecillas

d el reloj el triá n g u lo d el e jercicio 3 9 . G ra fic a r los triá n g u lo s. [S u g eren cias: T ra s la d e los
e je s de m o d o q u e el v é rtic e (5 ,3 ) esté c n el o rig en del n u ev o s iste m a d e c o o rd e n a d a s. U se
la m a triz p a ra ro ta r el trián g u lo y d e sp u é s tra slá d e lo d e v u elta al s iste m a o rig in al de
c o o rd en a d as.]
E n los e je rc ic io s d el 41 al 4 4 , d e te rm in a r si la tra n sfo rm a c ió n lin eal rep re se n ta d a p o r la m atriz

A es a) u n o a u n o , b) so b re y c) invertible.
2 0 1 1 1
41. 4 = 42. A =
o 3 0 1 1
l ‘4 0 7
1 44. A =
43. A = 4 5 5 1
0 1 0 0 2
E n los eje rc ic io s 4 5 y 4 6 , d e te rm in a r 7 (v ) a p lic a n d o a) la m a triz e stá n d a r y b) la m a triz con

re sp e c to a B y B<¿.
4 5 . 7: R 2 - R \ 7 ( a , y ) = ( - x , y, a: + y ), v = (0 , 1),
* = { ( ! , 0 , ( 1 , - 1 ) ) , B ' = {(0 , 1 , 0), ( 0, 0, l ) , ( l , 0, 0 ))
4 6 . T : R2 R 2, T (x , y ) = (2 y , 0 ). v = ( - 1 . 3),
B = ((2 , 1). ( - 1 , 0 ) } , / i ' = { ( - 1 , 0 ) , (2 . 2 ))
E n lo s e je rc ic io s 4 7 y 4 8 , d e te rm in a r la m a triz A ' d e T c o n re sp e c to a la b ase B ' y d e m o s

tra r q u e A ' e s s e m e ja n te a A , la m a triz e s tá n d a r d e T.
4 7 . T : R 2 - R \ T (x , y ) = ( x - 3y, y - x ),
B ' = { ( I , - 1 ) , (1 , D )
4 8 . T: R 2 - R \ T (x , y , z) = (x + 3y, 3* + y , -2 z ),
B ’ = { (I, l , 0 ) , ( l , - l , 0 ) , (0 , 0, l ) j
424 Capítulo 7 Valores Característicos y Vectores Característicos
7.1 ▲ V alores C a ra c te rístic o s y V ectores C a ra c te rístic o s

E n e s ta s e c c ió n s e in tro d u c e u n o d e lo s p r o b le m a s m á s im p o rta n te s d e l á lg e b r a lin e a l. S e
lla m a p r o b l e m a d e l v a l o r c a r a c t e r í s t i c o y p u e d e p la n te a r s e c o m o s ig u e . S i A e s u n a
m a tr iz n x n , ¿ h a y v e c to r e s x d if e r e n te s d e c e r o e n R n ta le s q u e A x s e a u n m ú ltip lo e s c a la r
d e x ? E l e s c a la r , d e n o ta d o p o r X ( la le tr a g r ie g a la m b d a ), s e lla m a v a l o r c a r a c t e r í s t i c o d e
la m a tr iz A , y e l v e c to r x d if e r e n te d e c e r o s e lla m a v e c t o r c a r a c t e r í s t i c o d e A
c o r r e s p o n d ie n te a X. P o r ta n to , s e tie n e
L o s té rm in o s v a lo r c a r a c te r ís tic o y v e c to r c a r a c te r ís tic o c o r r e s p o n d e n a lo s té rm in o s
e ig e n v a lo r y e ig e n v e c to r , d e r iv a d o s d e l té rm in o a le m á n E ig e n w e r t c u y o s ig n if ic a d o e s
“ v a lo r p ro p io ” .
L o s v a lo re s c a ra c te r ís tic o s y lo s v e c to re s c a r a c te r ís tic o s tie n e n m u c h a s a p lic a c io n e s
im p o rta n te s , a lg u n a s d e la s c u a le s s e e s tu d ia rá n e n la s e c c ió n 7 .4 . P o r e l m o m e n to s e d a rá
u n a in te r p re ta c ió n g e o m é tr ic a d e l p r o b le m a e n R 2. S i X e s u n v a lo r c a r a c te r ís tic o d e u n a
m a tr iz A y x e s u n v e c to r c a r a c te r ís tic o d e A c o r r e s p o n d ie n te a X t e n to n c e s la m u ltip lic a
c ió n d e x p o r l a m a tr iz A p r o d u c e u n v e c to r X x p a r a le lo a x , c o m o s e m u e s tr a e n la fig u ra
7 .1 .
FIGURA 7.1
H é B u í^ ^ V I^ G ira c te t^ é fty tíe V e c io rC a ra c ie i^ tt J lS lf
„ S e a A u n a m a tr iz n x n . E l e s c a l a r X s e d e n o m in a v a l o r c a r a c t e r í s t i c o d e A si e x is te
m v e c to r x d if e r e n t e d e c e r o ta l q u e
Ax « Xt.
E l v e c to r x s e lla m a v e c t o r c a r a c t e r í s t i c o d e A c o r r e s p o n d ie n te a X.
Sección 7.1 Valores Característicos y Vectores Característicos 425
E n e s te c a p ítu lo s o la m e n te s e c o n s id e r a n v a lo re s c a r a c te r ís tic o s re a le s . E n el c a p ítu lo

9 s e a n a liz a rá n v a lo re s c a r a c te r ís tic o s c o m p le jo s .
O bservación: N ó te s e q u e u n v e c to r c a r a c te r ís tic o n o p u e d e s e r c e ro . S i fu e s e x e l v e c to r
c e r o , e n to n c e s la d e f in ic ió n c a r e c e r ía d e s e n tid o , p o r q u e >40 = X 0 s e c u m p le p a r a to d o s los
v a lo re s re a le s d e X . S in e m b a r g o , s í e s p o s ib le u n v a lo r c a r a c te r í s t ic o d e X = 0 . ( V é a s e el
e je m p lo 2 .)
U n a m a tr iz p u e d e te n e r m á s d e u n v a lo r c a r a c te r ís tic o , c o m o s e m u e s tr a e n lo s e je m p lo s
i y 2.
► Ejemplo / Comprobación de Valores Característicos y Vectores Característicos

P a ra la m a tr iz
2 0
A =
0 -1
c o m p r o b a r q u e x , = (1 , 0 ) e s u n v e c to r c a ra c te rís tic o d e A c o rre s p o n d ie n te al v a lo r c a
ra c te rís tic o X ] = 2 , y q u e x 2 = ( 0 ,1 ) e s u n v e c to r c a r a c te r ís tic o d e A c o r r e s p o n d ie n te al v a lo r
c a r a c te r ís tic o X^ = - 1 .
Solución: A l m u ltip lic a r x . p o r A s e o b tie n e .
2 0 1
A \] =
0 -1 0
= 2
l i i l i
característico característico
A s í, x , = (1 , 0 ) e s u n v e c to r c a r a c te r ís tic o d e A c o r r e s p o n d ie n te al v a lo r c a r a c te r ís tic o
X ] = 2 . D e m a n e ra s e m e ja n te , al m u ltip lic a r x 2 p o r A s e o b tie n e
2 0 0
0 - 1 1
0
-1
P o r ta n to , X2 = ( 0 ,1 ) e s u n v e c to r c a r a c te r ís tic o d e A c o r r e s p o n d ie n te a l v a lo r c a r a c te rís tic o

^ = - i. «
► Ejemplo 2 Verificación de Valores Característicos y de Vectores Característicos

P a r a la m a tr iz
1 -2 1
A = 0 0 0
.0 1 1.
v e r if iq u e q u e Xj = ( - 3 , - 1 , 1 ) y x 2 = ( 1 , 0 , 0 ) s o n v e c to r e s c a r a c te r ís tic o s d e A y e n c u e n tr e
s u s v a lo re s c a r a c te r ís tic o s c o rre s p o n d ie n te s .
Solución: A l m u ltip lic a r x , p o r A s e o b tie n e
1 -2 1 -3' 0 -3'
AXj = 0 0 0 -1 = 0 = 0 -1
t .0 1 1 1. .0. 1.
P o r ta n to , = ( - 3 , - 1 , 1 ) e s u n v e c to r c a ra c te rís tic o d e A c o rre s p o n d ie n te al v a lo r c a r a c
te rís tic o X ¡ = 0 . D e m a n e ra s e m e ja n te , a l m u ltip lic a r x 2 p o r A s e o b tie n e
1 -2 1 1 1 1
0 0 0 0 —
0 = 1 0
0 1 1 .0 . 0. LO.
A s í, x 2 = ( 1 , 0 , 0 ) e s u n v e c to r c a r a c te r ís tic o d e A c o r r e s p o n d ie n te a l v a lo r c a r a c te r ís tic o
Espacios Característicos
A u n q u e e n lo s e je m p lo s 1 y 2 s e p r e s e n ta s o la m e n te el v e c to r c a r a c te r ís tic o d e c a d a v a lo r
c a r a c te r ís tic o , c a d a u n o d e lo s c u a tr o v a lo re s c a r a c te r ís tic o s d e lo s e je m p lo s 1 y 2 tie n e
in f in id a d d e v e c to r e s c a r a c te r ís tic o s . A sí, e n el e je m p lo 1, lo s v e c to re s ( 2 , 0 ) y ( - 3 , 0 ) so n
v e c to r e s c a r a c te r ís tic o s d e A c o r r e s p o n d ie n te s a l v a lo r c a r a c te r ís tic o 2 . D e h e c h o , si A es
u n a m a tr iz n x n c o n u n v a lo r c a r a c te r ís tic o A, y u n v e c to r c a r a c te r ís tic o c o r r e s p o n d ie n te
x , e n to n c e s to d o m ú ltip lo e s c a la r d e x d if e r e n te d e c e r o ta m b ié n e s u n v e c to r c a r a c te r ís tic o
d e A . L o a n te r io r p u e d e o b s e r v a r s e al c o n s id e r a r u n e s c a la r c d if e r e n te d e c e r o , c o n l o q u e
s e o b tie n e
A (c x ) = c (A x ) = c ( X x ) = X (c x ).
T a m b ié n e s c ie r to q u e si Xj y x 2 so n v e c to re s c a r a c te r ís tic o s c o r r e s p o n d ie n te s al m is m o
v a lo r c a r a c te r ís tic o X , e n to n c e s s u s u m a ta m b ié n e s u n v e c to r c a r a c te r ís tic o c o r r e s p o n
d ie n te a p o rq u e
A(Xj + x 2) = AXj + A x 2 = X x l + A,x2 = A.(Xj + x 2).
E n o tr a s p a la b ra s , e l c o n ju n to d e to d o s lo s v e c to re s c a r a c te r ís tic o s d e u n v a lo r c a r a c te r ís
tic o X d a d o , j u n t o c o n e l v e c to r c e r o , e s u n s u b e s p a c io d e R n. E s te s u b e s p a c io e s p e c ia l d e
R n s e lla m a e s p a c i o c a r a c t e r í s t i c o d e X.
Sección 7,I Valores Característicos y Vectores Característicos
Teorema 7.1 Los Vectores Característicos l de Forman un Subespacio

Si A e s una matriz n x n con un valor característico X, entonces e l conjunto de todos
los vectores característicos de X, junto con el vector cero,
{ 0 ) u { x: x e s un vector característico d e X]
e s un subespacio d e R n. Este subespacio se llama esp a cio ca ra cterístico de X.
L a d e te r m in a c ió n d e lo s v a lo re s c a r a c te r ís tic o s y lo s e s p a c io s c a r a c te r ís tic o s corre

p o n d ie n te s d e u n a m a tr iz p u e d e s e r d ifíc il. S in e m b a r g o , a lg u n a s v e c e s s e p u e d e dctc
m in a r v a lo re s c a r a c te r ís tic o s y e s p a c io s c a r a c te r ís tic o s p o r s im p le in s p e c c ió n , c o m o
m u e s tr a e n e l e je m p lo 3.
► Ejemplo 3 Un Ejemplo de Espacios Característicos en el Plano

D e te r m in e lo s v a lo re s c a r a c te r ís tic o s y lo s e s p a c io s c a r a c te r ís tic o s c o r r e s p o n d ie n te s d
A =
-1
0
Solución: G e o m é tr ic a m e n te , a l m u ltip lic a r u n v e c to r (x , y ) e n R 2 p o r la m a triz /4 c o r re s p o n

d e a u n a r e f le x ió n e n e l e je y . E s d e c ir , si v = (*, y ) , e n to n c e s
-1 0 X -X
A y =
o i y y
E n la f ig u r a 7 .2 s e ilu s tr a el h e c h o d e q u e lo s ú n ic o s v e c to r e s re f le ja d o s s o b r e m ú ltip lo s
e s c a la r e s d e e llo s m is m o s s o n a q u e llo s q u e e s tá n s o b r e e l e je x o s o b r e e l e je y .
P a r a u n V e c to r s o b r e e l E je x P a r a u n V e c to r s o b r e e l E je y
- i o| X -X
= -1 X -1 0 0 0 0
0 =i
0 1j 0 0 0 1 y. y.
Valor característico es Valor característico esX2= -I
P o r ta n to , lo s v e c to re s c a r a c te r ís tic o s c o r r e s p o n d ie n te s a X , = - 1 so n lo s v e c to r e s d if e
re n te s d e c e ro q u e e s tá n s o b re el e je x \ los v e c to re s c a ra c te rístic o s c o rre s p o n d ie n te s a ^ = 1
so n lo s v e c to re s d if e r e n te s d e c e r o q u e e s tá n s o b r e e l e je y . L o a n te r io r im p lic a q u e el
e s p a c io c a r a c te r ís tic o c o r r e s p o n d ie n te a X, = - 1 e s e l e je x y q u e e l e s p a c io c o r r e s p o n d ie n te
a X2 = 1 e s e l e je y .
FIGURA 7.2
y
T refleja vectores
en e l e je y. M
Determinación de Valores Característicos y Vectores Característicos

L a s o lu c ió n g e o m é tric a d a d a e n el e je m p lo 3 n o e s típ ic a d e l p r o b le m a g e n e ra l d e l v a lo r
c a r a c te r ís tic o . A c o n tin u a c ió n s e d e s c r ib e u n m é to d o g e n e ra l.
P a ra d e te r m in a r lo s v a lo re s y lo s v e c to re s c a r a c te r ís tic o s d e u n a m a tr iz A , n x n , s e a /
la m a tr iz id e n tid a d n x n . A l e s c r ib ir la e c u a c ió n A x = X x e n la fo rm a X /x = A x s e o b tie n e
( X l - A ) x = 0.
E s te s is te m a h o m o g é n e o d e e c u a c io n e s tie n e s o lu c io n e s d if e r e n te s d e c e r o s í y s ó lo si la
m a tr iz d e c o e f ic ie n te s ( X I - A ) n o e s in v e r tib le ; e s d e c ir , s í y s ó lo si e l d e t e r m in a n te d e
( X I - A ) e s c e ro . P o r ta n to , s e p u e d e e s ta b le c e r e l s ig u ie n te te o re m a .
ii r * O í tP | a <
Teorem a 7 2 V a lo r a (M a r i p r v ‘
S ea A una matriz n x n .
1. Un valor característico de A e s un esc alar X tal que det ( X I - A ) - 0 .

2 . L o s vectores característicos de A correspondientes a X son las soluciones dife
rentes de cero de ( \ l - A ) \ = 0.
L a e c u a c ió n d e t(X / - A ) = 0 s e lla m a e c u a c ió n c a r a c t e r í s t i c a d e A . A d e m á s , c u a n d o
s e d e s a r r o lla e n f o rm a d e p o lin o m io , é ste
IX/ —Al = Xn + c ^ X * - 1 + • • • + c xX + c 0
s e lla m a p olinom io c a ra c te rístic o d e A . E s ta d e f in ic ió n e s ta b le c e q u e lo s v a lo re s c a r a c

te r ís tic o s d e u n a m a tr iz A n x n c o r r e s p o n d e n a la s r a íc e s d e l p o lin o m io c a r a c te r ís tic o d e
Sección 7.1 Valores Característicos y Vectores Característicos c
A . D e b id o a q u e e l g r a d o d el p o lin o m io c a r a c te r ís tic o d e A e s ig u a l a n y e n to n c e s A p
d e te n e r c u a n d o m u c h o n v a lo r e s c a r a c te r ís tic o s d is tin to s .*
► Ejemplo 4 Determinación de Valores Característicos y Vectores Característk

E n c u e n tr e lo s v a lo re s c a r a c te r ís tic o s y lo s v e c to re s c a r a c te r ís tic o s c o r r e s p o n d ie n te s
2 -12
1 -5
Solución: L a e c u a c ió n c a r a c te r ís tic a d e A es
A -2 12
\X I-A\ =
-1 A+ 5
= (A -2 )(A + 5 ) - ( - 1 2 )
= A2 + 3 A - 1 0 + 1 2
= A2 + 3A + 2
= ( A + l) ( A + 2 ) = 0,
c o n lo q u e s e o b tie n e n X , = - 1 y A ^=■- 2 c o m o v a lo re s c a r a c te r ís tic o s d e A . P a r a d e te rm i

lo s v e c to re s c a r a c te r ís tic o s c o r r e s p o n d ie n te s s e a p lic a el m é to d o d e e lim in a c ió n d e G a i
J o r d á n p a r a r e s o lv e r d o s v e c e s e l s is te m a lin e a l h o m o g é n e o d a d o p o r (A./ - A ) x = 0:
m e r o p a r a X = X l = - 1 y lu e g o p a r a X = X 2 = - 2 . P a r a A, = - 1 , la m a tr iz d e c o e fic ie n te
- 1 -2 12 -3 12
( - 1 ) 7 =
-1 -1 + 5 -1 4
q u e s e re d u c e p o r r e n g lo n e s a
1 -4
0 0
P o r c o n s ig u ie n te , -c, - 4 x 2 = 0 . C o n x 2 = t , se c o n c lu y e q u e to d o v e c to r c a ra c te rís tic o

A, e s d e la fo rm a
4/ 4
x = = 1 , t 0.
*2 I 1
P a ra X2 = - 2 , s e tie n e
-2 -2 12 -4 12 p l i k 1 -3
(- 2 ) 7 - A =
-1 -2 + 5 - 1 3 0 0
* El teorema fundamental del álgebra establece que un polinomio de grado n tiene exactamente n raíces
embargo, estas n raíces incluyen raíces repetidas y raíces complejas. En este capítulo sólo interesan las ri
reales de polinomios característicos; es decir, valores característicos reales. (En el capítulo 9 sc anali/atá
valores característicos complejos.)
C o n x 2 = t , se co n clu ye que to d o v e c to r ca racterístico de X j es de la fo rm a
V 3/
t
—
— 1t
3
1
- 2.
In te n te v e r if ic a r q u e A x = X¿x p a ra lo s v a lo re s c a r a c te r ís tic o s y v e c to r e s c a r a c te r ís tic o s

d e te r m in a d o s c n e s te e je m p lo . A
A c o n tin u a c ió n s e r e s u m e n lo s p a s o s s e g u id o s e n e l e je m p lo 4.
Determinación de Valores Característicos y VectoresCaracterísticos

S I H t t B l V i i p II 11 ' l l l i i l l i i 1 |¡ ¡ - -
; :-L F o r m e l a e c u a c ió n c a r a c te r ís tic o 0* S e r á u n a e c u a c ió n p o ítn o m ia l d e

||¡ § ¡ ¡ ¡ ¡ i | ! ! l! |l|! |l||||¡ |¡ |¡ |i¡ ! ! ii! lli¡ ¡ i! ! l¡ ¡ ¡ ! ¡ j¡ :li|! |li|l||ll! ¡ ¡ l 1 1 1 ! |
t e * r a f e e s t e a le s d e l a e c u a c ió n e a f^ c fe tís tic a . É s ta s s o n l o s v a lo re s
c a r a c te r ís tic o s d e ¡É ¡ ■ 1 S 1 I # ¡ ^ ¡ l i l i 1 i ¡ I I 1 ¡ I i í | | | l l l l i l l l w S :
X P a ra t o ó o v a l o
;X£X£X<*X;X;Xv!;>:vX>;Xv:vX;í¡X£;.>;::jx:jx:jX£^
r c a ra c te rís tic o 'X v ífe te tm in e lo s v e c to r e s c a ra c te rís tic o s c o r r e s -
p o n d ie n íe s a A., a) re s o l v e r el si M em a h o m o g é n e o : ( X j - A ) x - 0 . P a r a lle v a r a c a
b o lo a n te r io r s e r e q u ie r e r e d u c ir p o r r e n g lo n e s u n a m a tr iz n x « , L a f o r m a re
s u lta n te e s c a lo n a d a r e d u c id a d e b e c o n te n e r p o r lo m e n o s u n r e n g ló n d e c e ro s .
E l p r o b le m a d e e n c o n tr a r lo s v a lo re s c a r a c te r ís tic o s d e u n a m a tr iz n x n p u e d e s e r d if í
c il p o rq u e im p lic a la fa c to riz a c ió n d e u n p o lin o m io d e g r a d o n. S in e m b a r g o , u n a v e z q u e
s e h a d e te r m in a d o u n v a lo r c a r a c te r ís tic o , h a lla r lo s v e c to r e s c a r a c te r ís tic o s c o r r e s p o n
d ie n te s e s u n a a p lic a c ió n d ir e c ta d e l p r o c e d im ie n to d e G a u s s -J o rd a n .
► Ejemplo 5 Determinación de Valores Característicos y Vectores Característicos

E n c u e n tre lo s v a lo re s c a r a c te r ís tic o s y lo s v e c to re s c a r a c te r ís tic o s c o r r e s p o n d ie n te s d e
2 0
A = 0 0
.0 2 .
¿ C u á l e s la d im e n s ió n d e l e s p a c io c a r a c te r ís tic o d e c a d a v a lo r c a r a c te r ís tic o ?
Solución: L a e c u a c ió n c a r a c te r ís tic a d e A es
X -2 -1 0
0 X -2 0 = (X-2)3= 0
0 0 X -2
P o r ta n to , el ú n ic o v a lo r c a r a c te r ís tic o e s A. = 2. P a ra e n c o n tr a r lo s v e c to re s c a r a c te r ís tic o s
a s o c ia d o s c o n A. = 2 , s e r e s u e lv e e l s is te m a lin e a l h o m o g é n e o r e p r e s e n ta d o p o r ( 2 / - A )
x = 0.
0 -1 0
21- A = 0 0 0
0 0 0 .
L o a n te r io r im p lic a q u e x 2 = 0 . C o n lo s p a rá m e tro s s = x , y t - x y s e e n c u e n tr a q u e lo s
v e c to re s c a r a c te r ís tic o s d e X = 2 so n d e la fo rm a
s r 0
p o r lo m e n o s u n o d e s y t e s d if e r e n te
X=
*2 = 0 = s 0 + 1 0
d e c e ro .
/ .0. 1
■ *3.
D a d o q u e X = 2 tie n e d o s v e c to re s c a r a c te r ís tic o s lin e a lm e n te in d e p e n d ie n te s , e n to n c e s

la d im e n s ió n d e s u e s p a c io c a r a c te r ís tic o e s 2 . A
S i u n v a lo r c a r a c te r ís tic o A., o c u r r e c o m o u n a r a íz m ú lt ip le ( k v e c e s ) d e l p o lin o m io

c a r a c te r ís tic o , e n to n c e s s e d ic e q u e X { tie n e m u l t i p l i c i d a d k . E s to im p lic a q u e ( X - A.,)*
e s u n f a c to r d e l p o lin o m io c a r a c te r ís tic o y q u e (A. - A.j)*+I n o e s un f a c to r d e l p o lin o m io
c a ra c te rís tic o . A s í, e n e l e je m p lo 5 el v a lo r c a r a c te r ís tic o A. = 2 tie n e m u ltip lic id a d 3.
T a m b ié n o b s e r v e e n e l e je m p lo 5 q u e la d im e n s ió n d e l e s p a c io c a r a c te r ís tic o d e A. = 2
e s ig u a l a 2 . E n g e n e ra l, la m u ltip lic id a d d e u n v a lo r c a r a c te r ís tic o e s m a y o r o ig u a l q u e
la d im e n s ió n d e s u e s p a c io c a ra c te rís tic o .
► E je m p lo f í D e te r m in a c ió n d e V a lo r e s C a r a c te r ís tic o s y V e c to re s C a r a c te r ís tic o s
D e te rm in e lo s v a lo re s c a r a c te r ís tic o s de
1 0 0 o-
0 1 5 -10
1 0 2 0
1 0 0 3
y e n c u e n tr e u n a b a s e p a r a c a d a u n o d e lo s e s p a c io s c a r a c te r ís tic o s c o r r e s p o n d ie n te s .
Solución: L a e c u a c ió n c a r a c te r ís tic a d e A e s
>>
0 0
O
1
0 X .-1 -5 10
IXJ-/1I =
-1 0 X.-2 0
1 0 0 X. - 3
» ( X - l) :( X .- 2 ) ( X .- 3 ) = 0.
A sí, los valoro» característicos son X., ■ I, X,2 = 2 y A,, = 3. (Observe que X., = 1 tiene
imiltiplieiílml 2 .) l i n a b u so nurucIcspueiocurueterístieodeX..» I sccncuentracom asioue.
0 0 0 0- i 0 0 2‘
0 0 -5 10 0 0 1 -2
(1 ) / - A =
-1 0 -1 0 0 0 0 0
-1 0 0 -2 .0 0 0 0
C o n s = x ? y / = x . s e o b tie n e
V 0s - 2 / 1
s + 0/
x =
*3
Os +2 1
-4 - 0.? + /.
0* -2 "
1 0
= s
0
+1 2
■
.0. . 1 .
P o r c o n s ig u ie n te , u n a b a s e d e l e s p a c io c a r a c te r ís tic o c o r r e s p o n d ie n te a X., = 1 e s
B ] = { (0 , 1 , 0 , 0 ) , ( - 2 , 0 , 2 , 1 )}. B a s e p a r a fc, = 1
P a ra X 2 = 2 y ^ = 3 s e s ig u e e l m is m o p a tró n p a r a d e te r m in a r la s b a s e s d e l e s p a c io
c a ra c te rís tic o .
B 2 = { ( 0 , 5 , 1 ,0 )} B ase p ara = 2
* 3 = { ( 0 , - 5 , 0 , 1)}. B ase p ara ^ = 3
L a d e te r m in a c ió n d e v a lo re s c a r a c te r ís tic o s y d e v e c to re s c a r a c te r ís tic o s p a r a m a tric e s

d e o r d e n n > 4 p u e d e s e r te d io s a . A d e m á s , p o r lo g e n e r a l el p r o c e d im ie n to s e g u id o e n el
e je m p lo 6 e s in e fic ie n te c u a n d o s e u s a e n u n a c o m p u ta d o r a p o r q u e la d e te r m in a c ió n d e
ra íc e s e n u n a c o m p u ta d o r a e s ta rd a d a y e s tá s u je ta a e r r o r p o r r e d o n d e o . E n c o n s e c u e n c ia ,
e n e l c a p ítu lo 8 se p re s e n ta n a lg u n o s m é to d o s n u m é ric o s p a r a a p r o x im a r lo s v a lo re s c a r a c
te r ís tic o s d e m a tric e s g ra n d e s .
H a y a lg u n o s tip o s d e m a tric e s p a r a lo s c u a le s e s fá c il e n c o n tr a r lo s v a lo re s c a r a c te r ís
tic o s ; e l s ig u ie n te te o re m a d a u n o .
Teorema 73 Valores Característicos para MatricesTriangulares

S i A e s u n a m a tr iz tr ia n g u la r n x n, e n to n c e s s u s v a lo r e s c a r a c te r ís tic o s s o n s u s e le
m e n to s e n la d ia g o n a l p rin c ip a l.
► Ejemplo 7 Determinación de Valores Característicos para M atrices Diagonales

y Triangulares
D e te r m in e lo s v a lo re s c a r a c te r ís tic o s d e la s s ig u ie n te s m a tric e s .
(b )A =
Solución:
u) S in u s a r el te o r e m a 7 .3 s e e n c u e n tr a q u e
X -2 0 0
\X I-A \ = 1 X - 1 0
-5 -3 X+ 3
= (X - 2 )(X - 1)(X + 3 ).
P o r ta n to , lo s v a lo r e s c a r a c te r ís tic o s s o n X , = 2 , X¿ = 1 y X3= - 3 , q u e s o n s im p le m c n ti
lo s e le m e n to s d e la d ia g o n a l p r in c ip a l d e A .
b) E n e s te c a s o s e a p lic a el te o re m a 7 .3 p a ra c o n c lu ir q u e lo s v a lo re s c a r a c te r ís tic o s so i
lo s e le m e n to s d e la d ia g o n a l p r in c ip a l X, = - 1 , X2 = 2 , X3 = 0 , X4 = - 4 y X5 = 3 . 4
Valores Característicos y Vectores Característicos de Transformaciones Lineales

E s ta s e c c ió n e m p e z ó c o n la d e f in ic ió n d e v a lo re s c a r a c te r ís tic o s y v e c to re s c a r a c te rís
tic o s e n té rm in o s d e m a tric e s . S in e m b a r g o , h u b ie r a s id o p o s ib le d e f in ir lo s e n té rm in o
d e tra n s fo r m a c io n e s lin e a le s . U n n ú m e ro X s e d e n o m in a v a l o r c a r a c t e r í s t i c o d e un:
tr a n s f o r m a c ió n lin e a l T: V V si h a y u n v e c to r x d if e r e n te d e c e r o ta l q u e T ( x ) = Xx. E
v e c to r x s e d e n o m in a v e c t o r c a r a c t e r í s t i c o d e T c o r r e s p o n d ie n te a X y e l c o n ju n to d e to d o
lo s v e c to re s c a r a c te r ís tic o s d e X (c o n e l v e c to r c e r o ) s e d e n o m in a e s p a c i o c a r a c t e r í s t í
c o d e X.
C o n s id e r e la tr a n s f o r m a c ió n lin e a l T: R 3 -+ R 3t c u y a m a tr iz c o n r e s p e c to a la b a s e es
tá n d a r es
1 3 0
B a s e e s tá n d a r:
A = 3 1 0
i? = { ( 1 . 0 , 0 ), ( 0 , 1 , 0 ). ( 0 , 0 , 1 ))
0 0 -2
E n e l e je m p lo 5 d e la s e c c ió n 6 .4 s e e n c o n tr ó q u e la m a tr iz d e T c o n r e s p e c to a la b a s e b
e s la m a tr iz d ia g o n a l
4 0 0
B a s e n o e s tá n d a r:
A' = 0-2 0
* = { ( 1 , 1 , 0 ) , ( 1 , - 1 , 0 ), ( 0 , 0 , 1 )}
0 0 -2 J
A h o ra , la p r e g u n ta e s: “ P a r a u n a tr a n s f o r m a c ió n T d a d a , ¿ c ó m o s e p u e d e d e te r m in a r un
b a s e B ' c u y a m a tr iz c o r r e s p o n d ie n te s e a d ia g o n a l? ” E n e l s ig u ie n te e je m p lo s e d a u n a in
d ic a c ió n d e la re s p u e s ta .
-1 -1 1 a) x = (2 , - 4 , 6 )
2
-2 0 -2 b) x = ( 2 , O, 6)
II
3 - 3 1 c) x = (2 , 2 , 0 )
d) x = ( - 1 , 0, 1 )
1 0 5 a) x = ( 1, 1, 0)
0 - 2 4 b ) x = ( - 5 , 2, 1)
ii
. 1 - 2 9. c ) x = (0 , 0, 0 )
d ) x = ( 2 V 6 - 3 , - 2 V 6 + 6, 3)
E n lo s e je rc ic io s d el 15 al 3 0 , d e te rm in e a) la e cu a ció n c a ra c te rístic a y b ) lo s v a lo re s c a ra c
te rístic o s (y los v e c to re s c a ra c te rístic o s c o rre sp o n d ie n te s) d e la m a triz d ad a.
2 1 1 -4
15. 16.
0 3 -2 8
6 3 1 3
17. 18.
-2 1 2 0
2 3 4 0
19. 20 .
1 4 3 -4
'2 0 1 -5 0 0
21. 0 3 4 22 . 3 7 0
.0 0 1 4 -2 3
1 2 3 2 -3
23. -2 5 2 4. -3 -4 9
-6 6 -1 -2 5
1 -2 1 2 1 -1
25. 0 1 4 2 6. 0 - 1 2
0 0 2 0 0 - 1
3 5
0 - 3 5
‘2 2
27. -4 4 -1 0 13
2 8. T -1 0
0 0 4
9
8
‘ 2
1 0 -1 1 1 -3 3 3
0 1 0 1 -1 4 -3 -3
29. 3 0.
-2 0 2 -2 -2 0 1 1
0 2 0 2. 1 0 0 0
E n lo s e je rc ic io s d e l 31 al 3 4 , d e m u e stre el te o re m a d e C a y le y -H a m ilto n p a ra la m a triz. El

t e o r e m a d e C a y le y - H a m ilto n e s ta b le c e q u e u n a m a triz s a tisfa c e su e c u a c ió n c a ra cterística.
P o r e je m p lo , la e cu a ció n c a ra c te rístic a de
1 -3
2 5
X* • 6X + 11 = O y, p o r c o n sig u ie n te , en v irtu d d el te o re m a , se tie n e A 2 - 6 A + 1 1 /, = O .
4 0 6 -1
31. 32.
-3 2 1 5
1 0 -4 -3 1 0
33. 0 3 1 34. -1 3 2
2 0 1 0 4 3
33. U se las sig u ie n tes v erific a c io n e s c o m p u ta c io n a lc s so b re lo s v alo re s c a ra c te rístic o s d e te r

m in a d o s e n lo s e je rc ic io s d el 15 a l 30.
a ) L a s u m a d e lo s n v alo res c a ra c te rístic o s e s ig u al a la s u m a d e lo s e le m e n to s e n la
d ia g o n al d e la m a triz. (E sta s u m a se llam a t r a z a d e A .)
b ) E l p ro d u c to d e lo s n v alo re s c a ra c te rístic o s e s ig u al a 141.
(S i X es un v a lo r c a ra c te rístic o d e m u ltip licid ad k , re c u e rd e in tro d u c irlo k v e c e s e n la
su m a o e n el p ro d u c to d e la s c o m p ro b a c io n e s an terio res.)
36. D em u estre q u e X = 0 e s un v a lo r c a ra c te rístic o d e A s í y só lo si A e s sin g u la r.
3 7 . P ara u n a m a triz in v e rtib le A , d e m u e stre q u e A y A ~ l tie n e n los m ism o s v e c to re s c a ra c

te rístico s. ¿ C ó m o s e rela cio n an lo s v alo re s c a ra c te rístic o s d e A c o n lo s v alo re s c a ra c
te rístic o s d e A~] 7
3 8 . D em u estre q u e A y A ' tien en lo s m ism o s v alo res cara cterístico s.
3 9 . D em u estre q u e el té rm in o c o n sta n te d e l p o lin o m io c a ra c te rístic o es ± 141.
4 0 . S ea T: R 2 -* R 2 d e fin id a p o r 7*(v) = p ro y uv, d o n d e u e s u n v e c to r fijo e n R 2. D e m u e stre q u e

lo s v alo re s c a ra c te rístic o s de A (la m a triz e stá n d a r de T ) so n 0 y 1.
4 1 . D em u estre q u e u n a m a triz tria n g u la r e s sin g u la r s í y só lo si su s v alo re s cara c te rístic o s

so n reales y d ife re n te s de cero .
4 2 . D em u estre q u e si A 2 = O , e n to n c e s el ú n ic o v a lo r c a ra c te rístic o de A es cero .
4 3 . Si lo s v alo re s c a ra c te rístic o s de
A =
so n A., = 0 y X2 = 1, ¿ c u á le s so n lo s v alo re s p o sib le s d e a y d i
44. D em u estre q u e
0 1
-I 0
n o tien e v alo re s cara cterístico s.

En los ejercicios del 45 al 48, determine la dimensión del espacio característico correspon
diente al valor característico 3.
3 0 o' 3 1 0
45. A = 0 3 0 46. A = 0 3 0
0 0 3 0 0 3.
3 1 o' 3 1 1
47. A = 0 3 1 48. A = 0 3 1
.0 0 3. .0 0 3.
49. (Cálculo) Sea T : C'IO, 1] -> CIO, 1] definida por T( f) = f . Dem uestre que X = 1 es un valor
característico d c j { x ) = ex.
50. (Cálculo) Para la transform ación lineal dada en el ejercicio 49, determ ine el valor
característico correspondiente al vector característico d e flx ) = e"2*.
51 . Sea T: P2 -♦ P2 definida por
T(a0 + a {x + a^c2) = ( - 3 a x + 5a 2) + (-4tf 0 + 4 a x - 10«2)x + 4 a ^ .
Determ ine los valores característicos y los vectores característicos de T con respecto a la
base estándar { 1 , x, x 2}.
52. Sea T : P2 - * P2 definida por
T\a0 + a xx + a 2x 2) = ( 2a0 + a , - a2) + ( - a , + 2a 2)x - a ^ 2.
Determ ine los valores característicos y los vectores característicos de T con respecto a la
base estándar { 1 , x, x 2 ).
53. Sea T : M 2 2 M 2 2 definida por
a- c +d b+ d
(: i) - - 2a + 2 c - 7 d 2b + 2d
D eterm ine los valores característicos y los vectores característicos de T con respecto a la
base estándar
1 0 0 1 0 0 0 0 1
B = í t
i 0 0 0 0 1 0 » 0 1 i
7.2 ▲ Diagonaüzación
E n la sección an terio r se analizó el pro b lem a d el v a lo r c a ra c te rís tic o . En esta sección se
abordará o tro pro b lem a clásico del álgebra lineal, llam ado p r o b le m a d e d ia g o n a ü z a c ió n .
E n térm inos d e m atrices*, el pro b lem a se p lan tea com o sigue: p ara una m atriz cuadrada
i4, ¿ex iste u n a m atriz in vertiblc P tal que P ~{A P sea diagonal?
• A l final de esta sección se considera el problema de diagonalización expresado en términos de transforma

ciones lineales.
Sección 7.2 Diagonalización
Recuerde d e la s e c c ió n 6 .4 q u e dos m a tric e s c u a d r a d a s A y B s o n sem ejan tes si ex

unn matriz in v e rtib le P ta l q u e
B = P ~ 'A P .
U a matrices s e m e ja n te s a la s m a tr ic e s d ia g o n a le s s e lla m a n d iagonalizables.
D c fin ic ^
U n a m a tr iz A - n x n e s d i a g o n a l i z a b l e si A e s s e m e ja n te a u n a m a tr iz d ia g o n a l. E:
d e c ir, A e s d ia g o n a liz a b le si e x is te u n a m a triz in v e r tib le P ta l q u e
D a d a e s ta d e f in ic ió n , e l p r o b le m a d e d ia g o n a liz a c ió n p u e d e p la n te a r s e c o m o s i|
¿Qué m a tric e s c u a d r a d a s s o n d ia g o n a liz a b le s ? R e s u lta e v id e n te q u e to d a m a tr iz d iag e
D e s d ia g o n a liz a b le , y a q u e la m a tr iz id e n tid a d I p u e d e f u n c io n a r c o m o P p a r a obte
D = t xD l . E n e l e je m p lo 1 s e m u e s tr a o tro e je m p lo d e u n a m a tr iz d ia g o n a liz a b le .
► E je m p lo í U n a M a t r i z D ia g o n a liz a b le
L a m a triz d e l e je m p lo 5 d e la s e c c ió n 6 .4 ,
1 3 0
A = 3 1 0
0 0 -2
e s d ia g o n a liz a b le , y a q u e
1 1 0
P= 1 - 1 0
0 0 1
tie n e la p ro p ie d a d d e q u e
4 0 0
P -lA P = 0 -2 0
.0 0 -2 .
C o m o s e in d ic ó e n e l e je m p lo 8 d e la s e c c ió n a n te r io r , e l p r o b le m a d e l v a lo r ca:
te rís tic o e s tá e s tr e c h a m e n te r e la c io n a d o c o n e l p r o b le m a d e d ia g o n a liz a c ió n . L o s
te o re m a s s ig u ie n te s ilu s tra n m á s e s ta re la c ió n . E l p r im e r te o re m a e s ta b le c e q u e m a t r
s e m e ja n te s d e b e n te n e r lo s m is m o s v a lo re s c a r a c te r ís tic o s .
Siv% y 8 son matrices semejantes n x n , entonces tienen los m ism os valores carac-
jM ftó fcb s» .....
D em ostración: D a d o q u e A y B s o n s e m e ja n te s , e n to n c e s e x is te u n a m a tr iz in v e rtib le P
ta l q u e B = P ~ XA P . E n v irtu d d e la s p r o p ie d a d e s d e lo s d e te r m in a n te s , s e c o n c lu y e q u e
\ X I - B \ = \ X I - P ~XA P \ = IP ~ xX lP - P - 'A P I
= \P -\\I-A )ñ
= \ F - ]\ \ X I - A \ \ ñ
= \ P - '\ \ ñ \ X I - A \
= \P -l f t \ X l - A \
= \XI-A\.
P e r o lo a n te r io r s ig n if ic a q u e A y B tie n e n e l m is m o p o lin o m io c a r a c te r ís tic o . P o r ta n to ,

d e b e n te n e r lo s m is m o s v a lo re s c a r a c te r ís tic o s . A
► E je m p lo 2 D e t e r m in a c ió n d e lo s V a lo r e s C a r a c t e r í s t ic o s d e M a t r ic e s S e m e ja n te s
L a s s ig u ie n te s m a tric e s s o n s e m e ja n te s
1 0 0
A = -1 1 1
-1 -2 4
y
1 0 0
D = 0 2 0
0 0 3 .
U s e e l te o re m a 7 .4 p a r a h a lla r lo s v a lo re s c a r a c te r ís tic o s d e A y D .
Solución: C o m o D e s u n a m a triz d ia g o n a l, e n to n c e s s u s v a lo re s c a ra c te rís tic o s so n s im p le

m e n te lo s e le m e n to s q u e e s tá n e n s u d ia g o n a l p rin c ip a l; e s d e c ir,
X, = l , ^ = 2, *3 = 3 .
A d e m á s , d a d o q u e A e s s e m e ja n te a D , p o r e l te o r e m a 7 .4 s e s a b e q u e A tie n e lo s m is m o s
v a lo re s c a r a c te r ís tic o s q u e D . L o a n te r io r p u e d e v e r if ic a r s e a l d e m o s tr a r q u e e l p o lin o m io
c a r a c te r ís tic o d e A e s
\ X I - A \ = ( X - 1 )(A ,- 2 ) ( X - 3 ). <
O b servación: E l e je m p lo 2 s im p le m e n te e s ta b le c e q u e la s m a tric e s A y D so n s e m e ja n te s .
In te n te c o m p r o b a r q u e D = P ~ XA P p o r m e d io d e la s m a tric e s
S e cc ió n 7 .2 D ia g o n u liza c ió n 441
1 O O
1 1 O
I 1 2
1 O O
P-' = -1 2 -1
. 0 - 1 1
L a s d o s m atrices d ia g o n a liz a b le s d ad as e n lo s e je m p lo s 1 y 2 p rop orcion an una p ista

para r e s o l v e r e l p ro b lem a d e la d ia g o n a liz a c ió n . A m b a s m a trices p o se e n un c o n ju n to d e
tres v e c t o r e s c a ra c ter ístico s lin ea lm en te in d ep en d ien tes. (V é a s e e l e je m p lo 3 .) E ste h e
c h o e s ca ra cterístico d e la s m a trices d ia g o n a liz a b le s, c o m o s e e s ta b le c e en e l sig u ie n te
t e o r e m a im portante.
U n a m a triz A d e n x n e s d ia g o n a líz a b le s í y s ó lo si tie n e n n v e c to re s c a ra c te rís tic o s

lin e a lm e n te in d e p e n d ie n te s .
Demostración: Prim ero s e su p on e q u e A e s diagon alizab lc. E ntonces e x iste una matriz
invertible P tal que P ~ lA P = D e s diagon al. A l hacer que lo s elem en to s en la d iagonal principal
d e D sea n X ,, X j , . . . , Xn y que lo s v ecto res co lu m n a d e P sean p p p 2, . . . , p „ s e o b tien e
’ X, 0 • •• 0 '
0 ^ 0
P D = [ p , : P 2 i . . . i p„]
. 0 o X j
= f t . j P , : X jP 2 : . . . : X „ p J .
P e ro c o m o A P = [ A p x • A p 2 • . . . : A p j y D , s e tie n e q u e l o cu a l im p lica
[ A p , i A p 2 : . . . • A p J = [X lP ] i X ^ : . . . : X „ p n].
E n otras palabras, A p ¡ = X ..p/ para to d o v ecto r c o lu m n a p .. L o anterior s ig n ific a q u e lo s

v e c to r e s c o lu m n a d e P so n v e c to r e s ca ra cterístico s d e A . A d e m á s, d a d o q u e P e s
in v ertib le, e n to n c e s s u s v e c to r e s c o lu m n a so n lin e a lm e n te in d ep en d ien tes. A s í, A tie n e n
v e c to r e s ca ra cterístico s lin ea lm en te in d ep en d ien tes.
A la in versa, su p o n g a q u e A tie n e n v e c to r e s ca ra cterístico s lin e a lm e n te in d ep en d ien tes
P¡» P2» • • • >P„ c o n v a lo r es c a ra cterístico s co rresp o n d ie n tes X v \ v . . . , X n. S e a P la m atriz
c u y a s c o lu m n a s so n e s to s n v e c to r e s ca ra cterístico s. E s d ecir, / >= [ p , i p 2 i . . . i p J .C o m o
to d o p 4. e s u n v e c to r ca ra cterístico d e A , e n to n c e s s e tie n e A p . = A..p. y
A P = A [ p , : p 2 : . . . i p j = [ X ,P | : X j P j I . . . i X np J .
L a m a tr iz d e l la d o d e r e c h o d e e s ta e c u a c ió n p u e d e e s c r ib ir s e c o m o e l s ig u ie n te p r o d u c to
d e m a tric e s .
Xx 0
0 X,
AD = [p. • p , • Pj = PD
0 o
P o r ú ltim o , d a d o q u e lo s v e c to re s p ,, p2, . . . , pn s o n lin e a lm e n te in d e p e n d ie n te s , e n to n c e s

P e s in v e rtib le y s e p u e d e e s c r ib ir la e c u a c ió n A P = P D c o m o P ~ ]A P = D y lo c u a l s ig n ific a
q u e A e s d ia g o n a liz a b le . A
O bservación: U n re s u lta d o im p o r ta n te d e la d e m o s tr a c ió n a n te r io r e s q u e la s c o lu m n a s d e
P c o n s ta n d e lo s n v e c to re s c a r a c te r ís tic o s lin e a lm e n te in d e p e n d ie n te s .
R e c u e rd e q u e u n c o n ju n to d e n v e c to re s e n R n e s lin e a lm e n te in d e p e n d ie n te s í y s ó lo si
la m a triz c u y a s c o lu m n a s c o r r e s p o n d e n a lo s n v e c to r e s e s e q u iv a le n te p o r r e n g lo n e s a la
m a tr iz id e n tid a d ¡ n. E s te h e c h o s e u s a e n el s ig u ie n te e je m p lo .
► Ejemplo 3 M atrices Diagonalizables

a) L a m a tr iz d e l e je m p lo 1 tie n e lo s s ig u ie n te s v e c to re s c a r a c te r ís tic o s ,
p, = ( 1 , 1 , 0 ) , p2 = ( l , - l , 0 ) , p3 = (0,0,1)
L a m a tr iz P c u y a s c o lu m n a s c o r r e s p o n d e n a e s to s v e c to r e s c a r a c te r ís tic o s e s
1 1
P = 1 -1
0 0
A d e m á s , c o m o P e s e q u iv a le n te p o r r e n g lo n e s a /3, e n to n c e s lo s v e c to re s c a r a c te r ís
tic o s p p p2 y p3 s o n lin e a lm e n te in d e p e n d ie n te s .
b) L a m a tr iz d e l e je m p lo 2 tie n e lo s s ig u ie n te s v e c to re s c a r a c te r ís tic o s .
Pl = ( 1 , 1 , 1 ) , p2 = ( 0 , 1 , 1 ) , p3 = ( 0 , 1 , 2 )
L a m a tr iz P c u y a s c o lu m n a s c o r r e s p o n d e n a e s to s v e c to r e s c a r a c te r ís tic o s es
1 0 0
p = 1 1 1
1 1 2 .
C o m o P e s e q u iv a le n te p o r r e n g lo n e s a / 3, e n to n c e s lo s v e c to re s c a r a c te r ís tic o s p,, p2
y p 3 s o n lin e a lm e n te in d e p e n d ie n te s . 41
Sección 7.2 Diagonalización 443
I* i s e g u n d a p a rte d e l te o re m a 7 .5 s u g ie r e lo s p a s o s s ig u ie n te s p a r a d ia g o n a liz a r u n a
m a triz .
Pasos para Diagonalizar una Matriz Cuadrada ax n

S e a A u n a m a tr iz n x n.
1. D e te r m in e n v e c to r e s c a r a c te r ís tic o s lin c a lm e n te in d e p e n d ie n te s p , , p 2, . . . , p n
d e A f c o n v a lo r e s c a r a c te r ís tic o s c o r r e s p o n d ie n te s X ,, . . . , X n. S i n o e x is te n
n v e c to re s c a r a c te r ís tic o s lin e a lm e n te in d e p e n d ie n te s , e n to n c e s A n o e s d ia -
g o n a liz a b le .
2. S i A tie n e n v e c to r e s c a r a c te r ís tic o s lin e a lm c n tc in d e p e n d ie n te s , e n to n c e s s e a P
l a m a tr iz n x n c u y a s c o lu m n a s s o n ta le s v e c to r e s c a r a c te r ís tic o s . E s d e c ir,
P - f p , i p 2 •:
3. L a m a tr iz d ia g o n a l D ~ P ~ ¡A P te n d r á lo s v a lo re s c a r a c te r ís tic o s X ,. ...,
e n s u d ia g o n a l p r in c ip a l (y c e r o s e n e l re s to ). O b s e rv e q u e e l o rd e n d é l o s v e c to re s
c a ra c te rís tic o s u s a d o s p a ra f o r m a r P d e te r m in a e l o r d e n e n q u e a p a re c e n lo s
v a lo re s c a ra c te rís tic o s s o b re l a d ia g o n a l p r in c ip a l d e £>.
► E je m p lo 4 U n a M a t r iz n o D ia g o n a liz a b le
D e m u e s tr e q u e la s ig u ie n te m a tr iz n o e s d ia g o n a liz a b le .
1 2
A =
0 1
Solución: C o m o A e s tr ia n g u la r , e n to n c e s lo s v a lo re s c a r a c te r ís tic o s s o n s im p le m e n te los
e le m e n to s d e la d ia g o n a l p rin c ip a l. A s í, e l ú n ic o v a lo r c a r a c te r ís tic o e s X = 1. L a m a triz
( l - A ) tie n e la s ig u ie n te fo rm a e s c a lo n a d a re d u c id a .
0 -2 0 1
I - A =
0 0 != > o o
E s to im p lic a q u e x 2 = 0 , y al h a c e r * , = t se e n c u e n tr a q u e to d o v e c to r c a r a c te r ís tic o d e
A e s d e la fo rm a
x = = t
P o r ta n to , A n o c o n tie n e d o s v e c to re s c a r a c te r ís tic o s lin c a lm e n te in d e p e n d ie n te s y , e n

to n c e s , s e c o n c lu y e q u e A n o e s d ia g o n a liz a b le . ^
► E je m p lo 5 D ia g o n a liz a c ió n d e u n a M a t r iz
D e m u e s tr e q u e la s ig u ie n te m a tr iz e s d ia g o n a liz a b le ,
e s ortogonal porque
P "1 = / * =
0 -1
1 0
Recuerde que dos vectores p , y p 2 en R n son o r to g o n a le s si p , • p 2 = 0 y o r to n o r m a le s

si, además, llp.ll = 1. En el ejem plo 4 las colum nas de P constituyen un conjunto ortonor
mal de vectores { p p p 2}. Es decir,
P | * P2 = 0 Vectores mutuamente ortogonales

2. Ilpjll = llp 2ll = 1 Vectores unitarios
Este resultado sugiere el siguiente teorema.
Una m a tr iz P n x n e s ortogonal si y só lo si sus vectores c o lu m n a forman u n conjunto

ortonormal.
Demostración: Suponga que los vectores columna de P forman un conjunto ortonormal:
P = [ p , : p, : . . . ! p j
’ P ii P 12 Pin'
P l\ P22 * * * Pljx
. P n\ P r2 **‘ Pmi .
Entonces el producto P lP es de la forma
p 11 P21 ■• • P in ' P 11 P i2 ■• • Pin'

P 12 P22 ' •• P2n P21 P22 ' P2n
Pni Pn2 ■■■ Pnn. . P ni Pn2 ■ Pnn .
P. P| P2 • P| Pn '
P. P2 P2 ‘ • P 2 P„
P. P„ P 2 • P„ P„.
Sección 7 J M otrices Simétricas y DiágonaUzución Ortogonal 45f
D m lo q u e e l c o n ju n to {p )t p 2. • • • . p ;j) e s o r to n o r m a l, s e tie n e
p , p y = 0, i ± j y p . - p . = llp.n2 = 1 .
P o r ta n to , la m a tr iz c o m p u e s ta d e p r o d u c to s p u n to e s d e la fo rm a
P*P = = / n.
. 0 0 1
I.o a n te rio r im p lic a q u e P = P ~] y s e c o n c lu y e q u e P e s o r to g o n a l. L a d e m o s tr a c ió n d e
te o r e m a e n la o tr a d ir e c c ió n s e d e ja p a r a e l le c to r. <
► Ejemplo 5 Una M atriz Ortogonal

D cm ues que
1 2 2
3 3 3
P =
-2 _L
0
v y ^ y
-2 5
3v r 3v y 3v y
e s o rto g o n a l al p r o b a r q u e P P * = /. L u e g o , d e m u e s tr e q u e lo s v e c to r e s c o lu m n a d e /
c o n s titu y e n un c o n ju n to o rto n o rm a l.
Solución: C o m o
1 2 -2 -2
3 3 v y 3v y 1 0 0
-2 1 =
PP‘ = O j_ -4 0 1 0
v y v y 3v r 0 0 1
/y .
-2 -4 5
o
3v r 3v y 3v r 3v y .
s e c o n c lu y e q u e P l - P ~ \ p o r lo q u e P e s o r to g o n a l. A d e m á s , a l h a c e r
n - / i z k
- M
l _ U ’v y ’ 3v y '
P2=( ^ ’^ y ’ w y )
456 Capítulo 7 Valores ( 'aráeteríslicos y Vectores Característicos
se o btiene
p, p2 = p, p3= p2 • p3 = 0
y
IIP,» = iip2n = iip3n = 1 .
' *P orconsiguiente, ( p P p 2, p 3} e s un conjunto ortonorm al, co m o lo garan tiza e l teorem a 7.8.
A ntes d e presen tar el resultado principal de esta sección, se d a el sig u ien te resultado
prelim inar, el cual estab lece que para m atrices sim étricas los vectores característicos
co rresp o n d ien tes a valores característicos diferentes son ortogonales.
1
S ea A una m atriz sim étrica n x n. Si X l y so n valores característico s d istin to s d e

A en to n ces su s vecto res característico s co rresp o n d ien tes x , y %2 so n ortogonales.
Demostración: Sean A., y X2 valores característicos distintos de A con vectores caracterís

tico s co rresp o n d ien tes x , y x2. A sí, Ax, = A,,x, y A x 2 = A^x2. Para d em o strar el teorem a,
e s útil em p ezar con la siguiente form a m atricial del p ro d u cto punto.
■21
"22
XJ = X .'X 2
l2z,
A hora se puede escribir
^ l^ Xl ’ X2^ ^ ^ 1X|) * x2
= (A x ,) • Xj
=
= ( x ,'A')x 2 Y a que A e s sim étrica, A = A 1.
= (X,'A)X 2
= x,'(A x 2)
= x /Í^ X j)
= x, ( T ^ x j = A ^ x , • x2).
E sto im plica que (A,, - A^Kx, • x2) = 0 y, co m o A., * A.2, se co n clu y e q u e x, x 2 = 0. Por
co n sig u ien te, x, y Xj son ortogonales.
Kfrm plo (> Vectores Q irnctcrfstlcos de uno M o triz Sim étrico
IIHlONtrc Mu c d o s v e c to r e s c a r a c te r ís tic o s c u a le s q u ie r a d e
3 1
1 3
»|W>ndicntcs a v a lo re s c a r a c te r ís tic o s d is tin to s s o n o rto g o n a le s .
X, = (s , - s ), s * 0.
y to d o v e c to r c a r a c te r ís tic o c o r r e s p o n d ie n te a X 2 = 4 e s d e la fo rm a
I x 2 = (í, 0 , t * 0.
P o r c o n s ig u ie n te ,
j x , • ^ = ( j , - s ) • (/, t ) = s t - s t = 0 ,
y s e c o n c lu y e q u e Xj y x 2 s o n o rto g o n a le s .
f Diagonalización Ortogonal
U n a m a tr iz e s d i a g o n a l i z a b l e o r t o g o n a l m e n t e si e x is te u n a m a tr iz o r to g o n a l P ta l q
P -'A P = D e s d ia g o n a l. E l s ig u ie n te te o re m a im p o r ta n te e s ta b le c e q u e el c o n ju n to d e rr
tric c s d ia g o n a liz a b le s o rto g o n a lm c n te e s p r e c is a m e n te el c o n ju n to d e m a tr ic e s s im é tric
D em ostració n : L a d e m o s tr a c ió n d e l te o r e m a e n u n a d ir e c c ió n e s b a s ta n te d ire c ta ,
d e c ir , s i s e s u p o n e q u e A e s d ia g o n a liz a b le o r to g o n a lm c n te , e n to n c e s e x i s t e u n a m a
o r to g o n a l P ta l q u e D = P ~ l A P e s d ia g o n a l. A d e m á s , c o m o P "1 = P ', s e tie n e
A = P D P - 1 = P D P *,
a 1= (P D P iy = ( p y r y p 1= p d p 1= a .
P o r c o n s ig u ie n te , A c s s im é tric a .
L a d e m o s tra c ió n d e l te o re m a e n la o tra d ire c c ió n e s m á s c o m p lic a d a , p e r o e s im p o rta n te

p o rq u e e s c o n s tru c tiv a . S u p o n g a q u e A e s sim é tric a . S i A tie n e u n v a lo r c a ra c te rís tic o X de
m u ltip lic id a d *, e n to n c e s p o r el te o re m a 7 .7 , X tie n e k v e c to re s c a ra c te rís tic o s lin c a lm c n tc
in d e p e n d ie n te s . M e d ia n te el p ro c e s o d e o rto n o rm a liz a c ió n d e G ra m -S c h m id t, e s te c o n ju n to
d e k v e c to re s p u e d e u s a rs e p a ra fo rm a r u n a b a s e o rto n o rm a l d e v e c to re s c a ra c te rís tic o s d el
e s p a c io c a ra c te rís tic o c o rre s p o n d ie n te a X. E ste p ro c e d im ie n to se re p ite p a r a c a d a v a lo r
c a ra c te rís tic o d e A . L a c o le c c ió n d e to d o s lo s v e c to re s c a ra c te rís tic o s e s o r to g o n a l d e b id o
a l te o r e m a 7 .9 y , p o r e l p r o c e s o d e o r to n o r m a liz a c ió n , s e s a b e q u e la c o le c c ió n ta m b ié n
e s o r to n o r m a l. L u e g o , s e a P la m a tr iz c u y a s c o lu m n a s c o n s ta n d e e s to s n v e c to re s
c a r a c te r ís tic o s o r to n o r m a lc s . P o r el te o r e m a 7 .8 , P e s u n a m a tr iz o r to g o n a l. F in a lm e n te ,
p o r e l te o r e m a 7 .5 , e s p o s ib le c o n c l u ir q u e P ~ l A P e s d ia g o n a l. A s í, A e s d ia g o n a liz a b le
o r to g o n a lm e n te . ^
► E je m p lo 7 D e te r m in a c ió n d e s i u n a M a t r iz es D ia g o n a liz a b le O r to g o n a lm e n te
¿ C u á l e s d e la s s ig u ie n te s m a tric e s e s d ia g o n a liz a b le o r to g o n a lm e n te ?
1 1 1 5 2 1
A .= 1 0 1 a 2= 2 1 8
1 1 1 -1 8 0
3 2 0 0 0
^3 = A 4. =
2 0 1 0 -2
Solución: P o r el te o r e m a 7 .1 0 , la s ú n ic a s m a tric e s d ia g o n a liz a b le s o rto g o n a l m e n te s o n la s

s im é tr ic a s : A , y A 4. M
S e m e n c io n ó q u e la s e g u n d a p a rte d e la d e m o s tr a c ió n d e l te o re m a 7 .1 0 e s c o n s tru c tiv a .

E s d e c ir , d a lo s p a s o s a s e g u ir p a ra d ia g o n a liz a r o rto g o n a lm e n te u n a m a tr iz s im é tric a .
E s to s p a s o s s e r e s u m e n a c o n tin u a c ió n .
S ea A una matriz sim étrica n x n.
L Determine todos los valores característicos de A y la multiplicidad d e cada uno.

2 . Para ca d a valor característico de m ultiplicidad 1, elija un vector característico
unitario. (Elija cualquier vector característico y después norm alícelo.)
3 . Para cada valor característico d e m ultiplicidad * & 2 , encuentre un conjunto de
k vectores característicos linealm ente independientes. (Pór e l teorema 7.7 se
sabe que esto e s p osible.) S i este conjunto no e s ortonormal, apliqué e l método
d e ortonormalización de Gram-Schmidt.
4 . La com posición d e los pasos 2 y 3 da un conjunto ortonormal d e n vectores
característicos. U se estos vectóm s característicos para formar las colum nas de
P , L a matriz M A P = P*AP * D será d ia g o n a l (L os elem entos en la diagonal
principal de D son los valores característicos de A .)
¿Ve'<lón /. .# M atrices Simétricas y Diagonalización O rtogonal 4
^ N f r m p lo 8 D ia g o n a liz a c ió n O r t o g o n a l
D i te rm in e u n a m a tr iz o rto g o n a l P q u e d ia g o n a lic e o r to g o n a lm c n te a
-2 2
A
2 1
íollK irin
|, líl p o lin o m io c a r a c te r ís tic o d e A es
A. + 2 -2
= (X + 3)(X - 2),
-2 X -l
•p f P o r ta n to , lo s v a lo re s c a r a c te r ís tic o s s o n A,, = - 3 y X2 = 2.
a. P u ra c a d a v a lo r c a r a c te r ís tic o s e e n c u e n tr a u n v e c to r c a r a c te r ís tic o al c o n v e rtí
m a triz X I - A a la f o r m a e s c a lo n a d a re d u c id a .
V e c to r c a r a c te r ís tic o
-3 1 -A =
-2 i ] O
1
0
2 ]
0 | o -2
1
21- A =
4 1 ]O '
0
- i
0
o
L o s v e c to re s c a r a c te r ís tic o s ( - 2 , 1) y (1 , 2 ) c o n s titu y e n u n a b a s e o r t o g o n a l de
C a d a u n o d e e s to s v e c to r e s s e n o r m a liz a p a r a o b te n e r u n a b a s e o r t o n o r m a l.
p , = (" 2 ’ 1} -
IK-2.1)11 v y ( - 2 ’ ( v y ’v y )
_ 0 . 2) _
p2=
11( 1 . 2)11 =v T (1'2)=( v f v f )
3. D e b id o a q u e la m u ltip lic id a d d e c a d a v a lo r c a r a c te r ís tic o e s 1, s e p a s a d irectam e
al p a s o 4.
4. U s a n d o p , y p 2 c o m o v e c to re s c o lu m n a , s e c o n s titu y e la m a tr iz P .
zL _L
vy vy
P =
J _ _2_
.vy v y .
P a r a c o m p ro b a r q u e P e s c o r r e c ta s e c a lc u la P ~ lA P = P ‘A P .
zL _L
vy vy -2 2 vy vy -3 0
P 'A P =
J_ _2_ 2 1 1 2 0 2
.vy v y . .vy v y .
La Serie de Fibonacci
L a s e r i e d e F ib o n a c c i d e b e su n o m b re a l m a te m á tic o ita lia n o L e o n a rd o “ F ib o n ac ci* ’ de
p is a ( 1 1 7 0 - 1 2 5 0 ). L a fo rm a m á s s im p le d e e s ta s u c e s ió n e s d e f in ir lo s d o s p rim e ro s
té rm in o s c o m o x { = 1 y x 2 = 1 y , lu e g o , d e f in ir e l n - é s im o té rm in o c o m o la s u m a d e su s
d o s p r e d e c e s o r e s in m e d ia to s . E s d e c ir.
Xn = Xn - l + Xn - V
A s í, e l te r c e r té rm in o e s 2 = 1 + 1, e l c u a r to e s 3 = 2 + 1, e l q u in to e s 5 = 3 + 2 , e tc ., si se
c o n tin ú a c o n e s te p a tró n s e o b tie n e
■î» *2 * X¿f
■'M X y •^‘7* *10» - 'i p
i i 1 i i I 1 i i i i
1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 8 9,
L a f ó r m u la x n
n= xn n —.I +. x n_ 2 s e d e n o m in a f ó r m u la r e c u r s iv a p o rq u e lo s n - 1 p rim e ro s
té rm in o s d e b e n c a lc u la rs e a n te s d e q u e s e a p o s ib le c a lc u la r e l /i- é s im o té rm in o .
A c o n tin u a c ió n s e m o s tr a rá c ó m o e s p o s ib le u s a r v a lo r e s c a r a c te r ís tic o s y v e c to re s
c a r a c te r ís tic o s p a ra d e te r m in a r u n a f ó r m u la e x p líc ita p a ra d e te r m in a r e l w -ésim o té rm in o
d e la s u c e s ió n d e F ib o n a c c i. P a r a e m p e z a r , s e fo rm a la m a tric ia l d e la f ó r m u la rc c u rs iv a
p a ra e l /i- é s im o té rm in o d e la s u c e sió n .
1 1 Vi - 1 * „ - l + *„-2
1 0 n -2 Xn —\
k/ i - l
A sí,
1 I 1 2 *3
1 0 1 1 *2
2
1 1 2 1 1 1 3 *4
1 0 1 1 0 1 2
V3
3
1 1 3 1 I 1 5 •V5
1 0 2 1 0 1 3 *4
y e n g e n e r a l s e p u e d e e s c r ib ir
A"~2
1 —
, donde A = 1 I
I ^ -i 1 0
E s ta f ó r m u la m a tric ia l p a r a e n c o n tr a r e l n - é s im o té rm in o d e la s u c e s ió n F ib o n a c c i p u e d e
s im p lific a r s e a l h a lla r u n a m a tr iz P ta l q u e D = P ~ [A P s e a d ia g o n a l. C o m o
A = P D P -1
StnchUi 7.4 Aplicaciones de los Valores y (le los Vectores Característicos 467
luye que A k = P IJ kP ' \ lo cual s ig n ific a q u e la f ó r m u la m a tr ic ia l p a r a d e te r m in a r

lo término puede escribirse com o
1 = p D » - 2p -1 1 m
mm x„
A *"
1 1 Xn - 1
!f/j/rj 3 D lagonalización d e una M atriz

lll lr o lina m a tr iz P q u e d ia g o n a lic c a
1 1
1 O
k A p a r tir de! p o lin o m io c a r a c te r ís tic o d e A , A.2- X - 1, s e e n c u e n tr a q u e lo s v a lo re s

lliticos d e A s o n
1 +V 5~
i-vr
el e je rc ic io 1 1 .) A l e le g ir q u e d o s v e c to re s c a r a c te r ís tic o s fo r m e n la s c o lu m n a s d e
oblicnc
2 2
/' =
-I+V T" - 1 V5~~
ic el e je rc ic io 1 2 .)
Con el re s u lta d o d e l e je m p lo 3 s e p u e d e d e s p e j a r * , d e la fó rm u la m a tric ia l
p i y t - l p -1 _ 1
1
i 1 +yJ~5 2
4V 5 -1 + V T -2
i +VF o
o . i
o 1 - V 5-
puro o b te n e r
V T |( 2 ) l
(
2 JVIj
► E je m p lo 4 D e te rm in a c ió n d e lo s T é rm in o s d e ln S e rie d e F lb o n a c c l
E ncu en tre el sexto térm in o de la su cesión d e F ibonacci p o r m edio d e la fórm ula
_ 1 f / 1 + -/T \" / 1 -V 5 ~ V
xn = r -
V5 m - (
Solución: Se em p ieza p o r calcu lar varias potencias d e (1 ± V 37/2.
i ± V T 'l 2 - 3 ±VT
2 , ) 2
i ± V T 'l 3 - 4 ± 2 \Í5 ~
2 ,1 2
i ±V T ' 7 ± 3 -J T
2 .) 2
i ± vy- 11 ± S V T
2 ) 2
i ± V T -i 6 - 18 ± 8V 5-
2 2
P o r co n sig u ien te, se tiene
1 18 + 8V~5~_ 18 - % \f5~ = 8.
*6 =
2 2
Sistemas deEcuaciones Diferenciales Lineales(Cálculo)

U n s is te m a d e e c u a c io n e s d ife r e n c ia le s lin e a les d e p r im e r o r d e n es de la form a
y l, = a u y l + a l2y 2 + - - - + a iny n
y2, = a 21y i + a 22y2 + . . . + a 2J f „
y ñ = an\>1 + a n ^ 2 + • • • +
d o n d e cad a y . e s u n a fu n ció n de t y y ' = d y jd t. Si se hace
' yr r*'i
y2 yi
y= • y / = •
. y„. . yñ .
en to n ces el sistem a puede expresarse en form a m atricial com o
/ = A y.
Sección 7.4 Aplicaciones de los Valores y d e los Vectores Característicos 46!
\¡do 5 Resolución de un Sistemo de Ecuaciones Diferenciales Lineales

Ivu ol s ig u ie n te s is te m a d e e c u a c io n e s d if e r e n c ia le s lin e a le s.
>\ ■ 4 y.
K ■
II: D el c á lc u lo s e s a b e q u e la s o lu c ió n d e la e c u a c ió n d if e r e n c ia l
/ • k y
ymCe
s ig u ie n te , la s o lu c ió n d e l s is te m a d a d o es
y, - c / '
>2 ■ C 2e"
>2 = C 3«2'-
Ltt f o rm a m a tr ic ia l d e l s is te m a d e e c u a c io n e s d if e r e n c ia le s lin e a le s d e l e je m p lo 5 e
A y, o b ie n
yp 4 0 0 ' >V
= 0 - 1 0
y2 y2
0 0 2 . . y2.
¡tinto, lo s c o e f ic ie n te s d e t e n la s s o lu c io n e s y ¿ = e s tá n d a d o s p o r lo s v a lo r e
C te rís tic o s d e la m a triz A .
Si A e s u n a m a tr iz d ia g o n a l , e n to n c e s la s o lu c ió n d e
f¿ Y * Ay
J e o b te n e rs e d e in m e d ia to , c o m o e n el e je m p lo 5. S i A n o e s d ia g o n a l, e n to n c e s 1
UCión r e q u ie r e u n p o c o m á s d e tra b a jo . P r im e r o s e in te n ta e n c o n tr a r u n a m a tr iz P q u
|O n a li c e a A . L u e g o , e l c a m b io d e v a r ia b le s d a d o p o r y = P w y y ' = / V ' p ro d u c e
r—
■ pw ’ = apv / m m w ’ = p -'a p w ,
n i
lio n d e P - 'A P e s u n a m a tr iz d ia g o n a l. E s te p r o c e d im ie n to s e m u e s tr a e n e l e je m p lo 6 .
i m # i
► Elampio 6 Resolución de un Sistema de Ecuaciones Diferenciales Lineales

l u c lv a e l s ig u ie n te s is te m a d e e c u a c io n e s d if e r e n c ia le s lin e a le s.
y { = 3 y, + 2 y2
y2’ = (>y{ - y2
Solución: P rim ero se encuentra una m atriz P que diagonalicc a
3 2
A =
6 -1
L o s valores característico s d e A son A,, = - 3 y X2 = 5, con vectores característicos

corresp o n d ien tes v , = (1, - 3 ) y v 2 = (1 ,1 ). C om o los valores característico s son distintos,
se sabe que A se p u ed e diagonalizar usando la m atriz P cuyas co lu m n as constan d e los
vecto res característicos Vj y v 2. Es decir.
1 1 -3 0
P = y P~lA P =
-3 1 0 5
El sistem a rep resen tad o p o r w '= P~xA P w es d e la form a siguiente
< 1 -3
0
0
5 tV2 o w ,' = —3vv,
w2' = 5w 2
L a so lu ció n d e este sistem a d e ecu acio n es es
w, = C xe -3/
W2 ~ ^ 2 e5i'
P ara volver a las variables originales y , y y2, se em plea la sustitución y = P w y se escribe
y¡ 1 1 wt
>2 -3 1 w2
lo cu al im p lica q u e la solución es
y| = w , + w2 = C ,e"3/ + C2e5t
y 2 = -3>v, + w 2 = - 3 C,e~3/ + C2e51.
P ara lo s sistem as d e ecu acio n es diferenciales lineales d e los ejem p lo s 5 y 6, se en co n

tró que cada y i p u ed e escrib irse com o una com binación lineal de
e^ ..........
d o n d e X ¡9XV . . . t Xn son valores característico s re a les d is tin to s d e la m atriz A n x n. Si

A tien e valores característico s con m ultiplicidad m ay o r q u e 1 o si A tiene valores carac
terístico s com plejos, en to n ces cs n ecesario m o d ificar la técnica para reso lv er el sistem a.
A m b o s caso s se cu b ren en cu alq u ier cu rso d e ecuaciones d iferenciales. P or el m om ento,
se pu ed e ten er una id ea del tipo de m odificaciones n ecesarias a p artir d e los dos siguientes
sistem as d e ecuaciones diferenciales lin eales m ostrados a continuación.
1. V a lo r c a ra c te rís tic o con m u ltip lic id a d m a y o r que 1: L a m atriz de co eficien tes del
sistem a
y í = -*y i + 4>2
AV. r ló n 7.4 Aplicaciones de los Valores y de los Vectores Característicos 471
O
-4
Ú nico v u lo r c a r a c te r ís tic o d e A e s X = 2 y la s o lu c ió n d e l s is te m a d e e c u a c io n e s
r é n d a l e s lin e a le s es
C .e » + C 2ie 2'
yi"
■ (2 C , + C 2)e2' + 2 C 2/e 2'.
| V u lo r r x c a r a c te r ís tic o s c o m p le jo s : L a m a tr iz d e c o e f ic ie n te s d e l s is te m a
. >* ■
•»
0 -i
1 o
L oü v a lo re s c a r a c te r ís tic o s d e A s o n A,, = / y = - i la s o lu c ió n d e l s is te m a d e
| c o lla c io n e s d if e r e n c ia le s lin e a le s es
y i C , eo s t + C 2 sen t
- C 2 e o s f + C j s e n /.
Vi
Uto c o m p ro b a r e s ta s s o lu c io n e s al o b te n e r la s d e r iv a d a s y s u s titu ir e n e l s is te m a
final d e e c u a c io n e s .
sCuadráticas
v a lo re s c a r a c te r ís tic o s y lo s v e c to re s c a r a c te r ís tic o s p u e d e n u s a r s e p a r a r e s o lv e r el
le m a d e r o ta c ió n d e e je s p r e s e n ta d o e n la s e c c ió n 4 .8 . (E s p o s ib le q u e s e d e s e e r e v is a r
a n á lis is a h í p r e s e n ta d o .) R e c u e rd e q u e la c la s if ic a c ió n d e la e c u a c ió n c u a d rá tic a
a x2 + b xy + cy2 + d x + e y + / = 0 E c u a c ió n c u a d rá tic a
w b U N ta n te d ir e c ta e n la m e d id a e n q u e la e c u a c ió n n o c o n te n g a té rm in o x y (e s d e c ir,
» 0 ) . S in e m b a r g o , si la e c u a c ió n c o n tie n e té rm in o x y , e n to n c e s la c la s if ic a c ió n s e lo g ra
fá c ilm e n te a l e f e c tu a r p r im e r o u n a ro ta c ió n d e e je s q u e e lim in e e l té rm in o xy.
La e c u a c ió n r e s u lta n te ( c o n r e s p e c to a lo s n u e v o s e je s x 'y ') s e r á e n to n c e s d e la fo rm a
m a W + c ( y ' ) 2 + d Y + e 'y ' + / ' = 0 .
lo v e rá q u e lo s c o e f ic ie n te s a' y c so n lo s v a lo re s c a r a c te r ís tic o s d e la m a tr iz
a b /2
A =
b /2
L a e x p re s ió n
ax2 + bxy + cy2 F o rm a c u a d r á tic a
00 d e n o m in a f o r m a c u a d r á t i c a a s o c ia d a c o n la e c u a c ió n c u a d r á tic a ax2 + bxy + cy2+ dx

♦ e y + / = 0 ; la m a tr iz A s e d e n o m in a m a t r i z d e la f o r m a c u a d r á t i c a . O b s e r v e q u e la
matrizA e s s/>n¿/r/cfl por definición. A dem ás, la matrizA será diagonal s í y só lo si su forma
cuadrática correspondiente no tiene término xy, com o se ilustra en el ejem plo 7.
► E jem p lo 7 D eterm inación d e la M a triz d e una F orm a C uadrática

Encuentre la matriz de la forma cuadrática asociada con cada una de las siguientes ecua
cio n es cuadráticas.
a) 4x 2 + 9y2 - 3 6 = 0
b) 13X2 - 10xy + 13y2 - 72 = 0
Solución:
a) C om o a = 4, b = 0 y c = 9 , entonces la matriz es
4 0
/\ = Matriz diagonal (sin término xy)
0 9
b) C om o a = 13, b = - 1 0 y c = 13, la matriz es
13 -5
A = Matriz diagonal (con término xy)
-5 13
En forma estándar, la ecuación 4x 2 + 9y 2 - 36 = 0 es
32 + 22 " ’ ’
que corresponde a la ecuación de la elipse mostrada en la figura 7.3. Aunque no es evidente

por sim ple inspección, la gráfica de la ecuación 13X2 - 10-xy + 13y2 - 72 = 0 es semejante.
D e hecho, si los ejes x y y se rotan 4 5 ° en sentido contrario a las m anecillas del reloj para
formar un nuevo sistem a de coordenadas x'y', entonces esta ecuación asume la forma
(X)2 (y’)2
32 + 2 2 ’
que corresponde a la ecuación de la elipse mostrada en la figura 7.4.

iInrliU i 7.4 Aplicaciónes ile los Valores y de los Vectores Característicos
V«r cóm o nc puede usar la m atriz d e una forma cuadrática para efectuar una ro
da ajos, sea
la expresión cuadrática a x 2 + b x y + c y 2 + d x + e y + f puede escribirse en forma

ll com o sigue.
a b /2 X X
m + |d e )X + f= [ x y] + ld e]
b /2 c y y
_ . = a x 2 + bxy + cy2 + d x + e y + /
■ 0 , entonces no e s necesaria ninguna rotación. Pero si b 0, entonces c o m o d es

!B se puede aplicar el teorema 7.10 para concluir que existe una matriz ortogonal
que
PAP = D
il. Por tanto, si se hace
P X = X’ =
¡luye que X = PX ’, y se tiene

X A X = (P X ’yA (P X ’)
= (X y P 'A P X '
= (X’)'D X'.
¿U elección de la matriz P debe hacerse con cuidado, ya que si P es ortogonal, entonces
únante e s ± I. Se puede demostrar (véase el ejercicio 59) que si P se elige de modo
1/ 1 = 1, entonces P será de la forma
6 -se n 0
0 eos 6
le Oda el ángulo de rotación de la cónica m edido del eje x positivo al eje x positivo,
anterior conduce al siguiente teorema, el T eorem a d e los E jes Principales.
f - O, la rotación definida
X = P X ’ elim ina e l término x y s i e s u n am atriz ortogonal, c o n !PI <= 1, que
iliza a A . Es decir.
donde * .,y X json valores característicos d e A. La ecuación de

d a d a por
X,(*')2 + X ^ ') 2 + fd ewr + / = 0.

Observación: N ótese que el producto matricial [d e]PX" es de la forma

[d e]P X ' = (d e o s 0 + e sen 0 )x + ( - d sen 0 + e eos Q)y.
► E jem p lo 8 R o ta c ió n d e una Cónica

Efectúe una rotación de ejes para eliminar el término x y en la ecuación cuadrática 13x2 -
1 0 x y + 1 3 ^ - 7 2 = 0.
Solución: La matriz de la forma cuadrática asociada con esta ecuación es

13 -5
A =
-5 13
C om o el polinom io característico de A es
X - 13 5
= (X. — 13)2 —25 = (X - 8)(X - 18),
5 X - 13
se concluye que los valores característicos de A son X, = 8y X2 = 18. Por tanto, la ecuación
de la cónica rotada es
8 ( - 0 2 + 1 8 ( / ) 2 - 7 2 = 0,
la cual, cuando se escribe cn la forma estándar
cof oo*
32 + 22 ’
se identifica com o la ecuación de una elipse. (V éase la figura 7.4.) A
En el ejem plo 8 la matriz A tiene los vectores característicos Xj = (1, 1) y x 2 = ( - 1 , 1).

A l normalizar estos vectores para formar las columnas de P y se obtiene
y y V a cos 0 -s e n 0
P =
sen 0 eos 9
-V 7 V T -
Primero, observe que IPI = 1, lo cual im plica que P es una rotación. Adem ás, dado que eos
4 5 ° = l V T = sen 4 5 °, se concluye que 9 = 45 °, com o se muestra cn la figura 7.4.
La matriz ortogonal P especificada en el teorema de los ejes principales no es única.
Sus elem entos dependen del orden de los valores característicos X, y y de la elección
posterior de los vectores característicos x , y x2. A sí, en la solución del ejem plo 8 hubiera
funcionado cualquiera de las siguientes elecciones de P.
X, Xj X, Xj X, *2
J_ _1_" j ______ i _ ' ' j_ _ i_ ‘
vy VT vy yy yy yy
_ _L _ J_ i i _ _L J_
.VT VT - .vy yyJ . yy yy -
X¡ = S , X 2 = 18 Xt = 1 8 , ^ = 8 X¡ = 18, X2 = 8
9 = 225° 9 = 135° 0=315°
¡ b n ¡ón 7.4 Aplicaciones Je los Volares y J e los Vectores Característicos 475
PtdOKA 7.5.
A continuación se resum en los pasos usados en la aplicación del teorem a de los ejes
principales.
F o rm e la m atriz A y determ ine sus valores característicos A., y A^.

Encuentre los vectores característicos correspondientes a A., y A,2. N orm alice estos
[ vectores característicos para form ar las colum nas de P.
SI \P\ = - 1 , entonces m ultiplique por -1 una de las colum nas de P para obtener una
matriz de la form a
p _ eos 9 -se n 6
sen 9 eos 0
K El ángulo 0 representa el ángulo de rotación de la cónica.
■i L a ecuación de la cónica rotada es
I A./*')2 + h jíy ') 2 + Id e ) P X + / = 0.
En el ejem plo 9 se muestra cóm o aplicar el teorem a de los ejes principales para rota
Unu cónica cuyo centro se ha trasladado lejos del origen.
► H im p lo 9 Rotación d e una Cónica

E fe c tú e una rotación de ejes para elim inar el térm ino x y de la ecuación cuadrática
3x? - 1Oxy + 3 y 2 + 1 6 V 2 r - 3 2 = 0.
Solución: La m atriz de la form a cuadrática asociada con esta ecuación es

L os valores característico s de A son A., = 8 y X2 = - 2 , co n vecto res característicos

co rresp o n d ien tes x , = ( -1 , 1) y x 2 = ( - 1 , - 1 ). E sto im plica que la m atriz P es
_1_ _ J _ '
v y v y eo s 9 -se n 9
P = , d onde IPI = 1 .
sen 9 co s 9
. v y v y .
C o m o co s 135° = - 1 V 2 y sen 1 3 5 °= l V ^ s e co n clu y e que el áng u lo d e rotación e s 135°.

P o r últim o, a p artir del producto m atricial
'_ _ L _ J _ '
v y v y
[d e]P )C = [ ! 6 ' / y 0]
j j_
. v y v y _
= -1 6 x - 16/
se co n clu y e q u e la ecuación d e la cónica rotada es
8 ( j0 2 - 2 ( / ) 2 - 16a:' - 1 6 / - 3 2 = 0.
En form a estándar, la ecuación
( / - l )2 ( y ' - 4 )2
l2 22
se id en tifica co m o la ecuación d e una h ipérbola, cu y a gráfica se o b serv a en la figura 7.6.
FIGURA 7.6
(A'- 1)2 ( / + 4)2 ,

— ¡r- - =•
3 ^ 2 - 1 0 ry + 3 y 2 + | 6 V Z t - 3 2 = 0
S u d ó n 7.4 Aplicación** de lox Valores y de los Vedares Característicos
fo rm a s cuadráticas también pueden usarse para analizar ecuaciones de supei

tic a s c n e l espacio. Fura esto, )u forma cuadrática de la ecuación
OV* ♦ b y 2 + cz* + d x y -f e x z + f y z + g x + h y + iz + j = 0
¿ • f in o c o m o ux2 + b y 2 +cz2+ dxy +e xz + f y z ■ L a m a tr iz c o r r e s p o n d ie n te es
« -
d e
-
2 2
i b f
2
* í c
2 2
IU v e rs ió n trid im e n s io n a l, el te o re m a d e lo s e je s p r in c ip a le s r e la c io n a lo s v a lo
« tico s y lo s v e c to r e s c a r a c te r ís tic o s d e A c o n la e c u a c ió n d e la s u p e rfic ie
0. P o r e je m p lo , la m a tr iz A a s o c ia d a c o n la e c u a c ió n c u a d r á tic a
3x* + 4y2 + 5z2 + 8 x z - 3 6 = 0
5 0 4
0 4 0
4 0 5
ON valores c a r a c te r ís tic o s s o n X, = 1, Xj = 4 y X3 = 9 . A s í, c n e l s is te m a ro tad i

a c ió n c u a d r á tic a e s
( / ) 2 + 4 ( y ')2 + 9 ( z ') 2 - 3 6 = 0,
ya forma e s tá n d a r es
(x ’ f (y ’ ) 2 (z 1) 2
= 1.
62 + 32 22
L a g rá f ic a de e s ta e c u a c ió n e s u n e lip s o id e . C o m o s e m u e s tr a e n la fig u ra 7 .7 , lo s ej
ssen tan u n a ro ta c ió n d e 4 5 ° e n s e n tid o c o n tr a r io a la s m a n e c illa s d e l re lo j al
l l c j e y . A d e m á s , la m a tr iz o rto g o n a l
■ 1 o -L "
vy yy
P =
0 1 0
1 0 J_
Vt vy_
llé n e la p ro p ie d a d d e q u e P ‘ A P e s d ia g o n a l.
FIGURA 7.7

C re c im ie n to d e u n a P o b lac ió n
E n los ejercicios d e l 1 al 4, use la m atriz A d e transición d e edades y el vector x, de distribución

d e ed ad es para en co n trar los vectores d e distribución d e edades x2 y x3.
0 2 10 0 4 160
1. A = * x “ 2. A =
10 xi = 160
1 0 ir 0
0 2 2 0 “ 100'
0 3 4' \\2 i
A 0 0 0 100
3. A = 1 0 0 , x 1 = 12 4. A = 4
, X ,=
100
0 1 0 0
0. .12
0 i 0 0
i
0 - .100.
5. E ncuentre una distribución de edades estab le para la m atriz de transición d e ed ad es del

ejercicio 1.
6. E ncuentre una distribución d e edades estable para la m atriz de transición d e ed ad es del

ejercicio 2.
7. E ncuentre u na distribución d e edades estable para la m atriz d e transición d e edades del

ejercicio 3.
8. E ncuentre u na distribución de edades estable para la m atriz d e distribución d e edades del

ejercicio 4.
9. U na p oblación presenta las siguientes características.
a) Un total del 75% d e la población sobrevive el prim er año. D e este 75% , el 25% s o
brevive el seg u n d o año. La duración m áxim a d e vida es tres años.
Sección 7.4 ¡ijerciciox <
lll rutinero medio de descendencia de cada miembro de la población es 2 el pn

M M el segundo y 2 el tercero.
Actualmente, la población consta de 120 elementos en cada una de las tres clase
flllltl ¿Cuántos habrá en cada clase de edad en un año? ¿Y en dos años?
Inc el lím ite (en c a s o d e e x istir) d e A nx . cu a n d o n tie n d e a in fin ito p a ra la siguí*
1 a
1* y xi =
I? ¡I- 1 a
d e F ib o n a c c i
u eb e q u e la m a triz
1 1
1 0
• n el e je m p lo 3 tien e v alo re s cara c te rístic o s
1 + V5
*2 =
V 2
lo res c a ra c te rístic o s
*,.(2.-i+V5) y x 2 = ( 2 , - 1 - V5).
Ule lu in v e rsa de la m a triz P d a d a en el e je m p lo 3.
las m atrices
2 2 i \+ > /5 2
/• - p -x =
-í+ v r - í- v r 4 \Í 5 -1 +V 5~ -2
- i + ' / r o
" -2 0 - 1 - V5~
M m despejar e n la e c u a c ió n m atricial
i H r - 7F - '
n- 1
xn el /i-ésim o té rm in o de la se rie de F ib o n ac ci. D eterm in e el lím ite d e x j x n_x c
ft tiende a infinito.
[ A plique la fó rm u la
I m i [/ i +vr y i \ - yf s\ n
p ir a e n c o n tra r el d é c im o té rm in o d e la serie d e F ib o n acci.
16. U se la fórm ula
v r \n
para d eterm in ar el d o ccav o térm in o d e la serie d e Fibonacci.
17. D eterm ine una fórm ula explícita para la sucesión definida por
1. 3. 4, 7, 11............
d onde xn = x n_t + x n_2.
18. O btenga u na fórm ula explícita para la sucesión definida por
0, 3. 3, 6, 9............ í
donde xn = xn_¡ + x ^ .
19. O btenga el lím ite d e x j x n_x cuando n tiende a infinito para la sucesión defin id a en el
ejercicio 17.
20. O btenga el lím ite d e x j x n i cuando n tiende a infinito para la sucesión defin id a en el
ejercicio 18.
S is te m a s d e E c u a c io n e s D ife re n c ia le s L in e a le s (C álcu lo )
E n los ejercicio s d e l 21 al 24, resu elv a el sistem a d a d o d e ecuaciones diferenciales lineales de

p rim er orden.
21. V = 2 y x 22. y / — 3y,

y í= y2 >2 = ^ 2
23 . v = - y , 24. y / = 5y,
> 2 " 6>’2 yí= - 2>2
> 3= y3 yí = 3
En los ejercicios del 25 al 32, resuelva el sistema dado de ecuaciones dife
prim er orden.
25. V = y , - 4 y 2 26. y , = - 4y 2
>2 = 2>2 y 2 - “ 2>’i + 8>’2
27. y¡= y, + 2y2 28. y { = y2
y 2= 2>’i + >2 y 2 = 2 yt + 4y2
29. y / = - 3y2 + 5>3 30. y , '= - 2 y t + >3

>2'= ^ > 'i + 4>’i - 10>'3 V2 = 3y 2 + 4 >-3
>3= 4y3 >3 = >3
31- y{= >’ | - 2 y2+ }’i 32. >’, = 2y, + y 2 + y3

y2 - 2> 2 + 4>3 y í m >'i+ >2
> 3= 3y 3 >•3 - > 1 + >3
En los ejercicios del 33 al 36, escrib a el sistem a d e ecuaciones diferenciales lineales d e prim er
-den representado por la ecuación m atricial y/= A y. L uego, com pruebe la solución general
'ada.
Sección 7.4 ejercicios 4K
I l y , » C le ' + C 2/#'
0 I c y
1 -1 y , = C xe* eos / + C 2e* sen /

A» I 1 y 2 = - C 2é eos / + C xe' sen /
> i= c i c 2 e o s 2/ + C 3 sen 2 /
2 C 3 e o s 2/ - 2 C 2 sen 2 /
i O -4
>2 =
>3 =
- 4 C 2 e o s 2 / - 4 C 3 sen 2 /
O 1 y x= C / + C 2/ ^ + C 3/ V
A - 0 O y2 = (C , + C 2)et + (C 2 + 2 C ^ t é + C 3/ V
1 -3 y 3 = (C , + 2 C 2 + 2 C 3y + (C 2 + 4 C 3) / ^ + C f e *
C u ad ráticas
icios del 37 al 4 2 , o b te n g a la m a triz d e la fo rm a c u a d rá tica a s o c ia d a c o n la ecu ac
* i* y 2- 4 =o 3 8. x 2 - 4 x y + y 2 - 4 = 0
»*»+ 1 0 ^ - 4 / - 3 6 = 0 4 0. 12X2 - 5 x y - x + 2 y - 2 0 = 0
|O r y - 1 0 y + 4 x - 4 8 = 0 4 2 . \6 x 2 - 4 x y + 2 0 y2 - 1 2 = 0
| 0 l ejercicios d el 4 3 al 4 8 , o b te n g a la m a triz A d e la fo rm a c u a d rá tic a a so cia d a co

lón dada. E n c a d a c aso , en c u e n tre lo s v alo re s c a ra c te rístic o s d e A y u n a m a triz ortog*
que PtA P sea d iag o n al.
\ 2x2 ~ 3 x y - 2 y 2 + ¡ 0 = 0 4 4 . 5.x2 - 2* y + óy 2 + 1 0 * - 17 = 0
IJ x 2 + ó V J x y + 7y2 - 16 = 0 46. 3 ^ - 2 \ f ix y + y 2 + 2x + 2 \Í3 y = 0
16*2 - 2 4 x y + V - 6 0 * - 8 0 y + 100 = 0
¡7 x * + 3 2 x y - l y 2 - 7 5 = 0
Ion ejercicios d e l 4 9 al 5 6 , u se el te o re m a d e lo s e je s p rin c ip a le s p a ra e fe c tu a r u n a rotj

«jen que e lim in e el té rm in o xy e n la e cu a ció n c u a d rá tic a d ada. Id e n tifiq u e la c ó n ic a n
fiante y d é s u e cu a ció n e n el n u ev o sistem a d e c o o rd en a d as.
l3 * 2 -& x y + 7y2 - 4 5 = 0 5 0 . x 2 + 4*y + y 2 - 9 = 0
||, Ix 1 + 32xy - 17y2 - 5 0 = 0 5 2 . 2 ^ - 4* y + 5>¿ - 3 6 = 0
2x 2 + 4 x y + 2 y 2 + 6 y ¡2 x + 2 V 2 y + 4 = 0
Hr2 + 8-xy + 8y 2 + 10 V 2 x + 2 6 V 2 y + 3 1 = 0
*y + x - 2 y + 3 = 0 56. - 2xy + - 10V 2 * = 0

C recim ien to d e una P oblación
E n lo s eje rc ic io s d el 11 al 14, use la m a triz A de tran sició n de ed ad es y el v ecto r x , d e distribuci

d e ed ad es p a ra h a lla r lo s v ecto res d e d istrib u ció n de ed ad es x 2 y x v L u eg o , o b te n g a uim
d istrib u c ió n e s ta b le d e e d a d e s p a ra la p o b lació n .
100
12. A =
0 1 v -— 32
11. A = x.= 3 ’ XI
100 0 32
0 3 12 300 0 2 2 240 ‘
1
1 0 0 • x i = 300 14. A = 0 0 , x ,=
n
24 0
•
i
2
.0 6 0. . 300_ .0 0 0. 240.
L a S erie d e F ibonacci
15. U se la fó rm u la
1 i i + vs r
*n y¡5 V 2 ) l 2 /
p a ra o b te n e r el 14-avo té rm in o d e la serie F ib o n acci.
16. O b te n g a u n a fó rm u la e x p lícita p a ra la su cesió n d e fin id a p o r
1. 4 , 5, 9 , 14..........
donde x n = + x n_2.
S istem as d e E cu a cio n es D iferen ciales L ineales (C álculo)
E n lo s e je rc ic io s d el 17 al 2 0, re su e lv a el sistem a d a d o d e e c u a c io n e s d ife re n c ia le s lin eale s de

p rim e r orden.
17. y l ' = y i + 2y2 18. y x'= 3 y,

y 2' = 0 y2 - y .-y 2
19. y ¡ = y 2 20 . y t'= 6 y t - y2 + 2 y}
> 2 = y, y í= 3y 2 - y 3
>3- y3
F o rm a s C u ad ráticas
E n lo s e je rc ic io s d el 21 al 2 4, o b te n g a la m a triz A de la fo rm a c u a d rá tic a a s o c ia d a c o n la
e c u a c ió n dad a. E n c a d a caso , o b te n g a u n a m a triz o rto g o n a l P tal q u e P’A P s e a d ia g o n al. T race
la g rá fic a de c a d a ecu ació n .
2 1 . x 2 + 3x y + y2 - 3 = 0 22 . x 1 - \¡ 3 x y + 2 y2 - 10 = 0
2 3 . Ary - 2 = 0 2 4. 9JC2 - 2 4 x y + 16 y 2 - 4 0 0 * - 300>- = 0
iiiui<>8
dos Numéricos
Rllmlnación G a u s s ia n a c o n P iv o te o P a rc ia l
M étodos Ite r a tiv o s p a r a R e s o lv e r S is te m a s L in e a le s
M étodo de P o te n c ia s p a r a A p r o x im a r V a lo r e s C a r a c te r ís tic o s
Aplicación d e lo s M é to d o s N u m é ric o s
•ustav Jacob Jacobi

1-1851 ,
I G u sta v J a c o b Ja c o b i fu e e l se g u n d o
n p ró sp e ro b a n q u e ro q u e v iv ía en
A lem an ia. D e s p u é s d e te rm in a r la
la e n P o s td a m 1, in g re s ó a
frsid a d d e B e r lín , E n 1 8 2 5 , lu e g o
ic r su d o c to ra d o m a te m é f e a s ,
tra b a jó c o m o c a te d rá tic o e n la u ru - |
d e B erlín . L u e g o a c e p tó u n p u esto
M r m a te m á tic a s en la u n iv ersid ad
Igsberg,
lescrito s m a te m á tic o s d e Ja c o b i ab arc an d iv e rs o s te m as, in c lu y e n d o fu n cio n es
l, fu n c io n e s d e v a ria b le c o m p le ja , d e te rm in a n te s fu n c io n a le s (d e n o m in a d o s
;), ec u a c io n e s d ife re n c ia le s y fu n c io n e s a b e lia n a s. J a c o b i fu e el p ri m e ro en
l u i c i o n e s e líp tic a s a la te o ría d e lo s n ú m e ro s y p u d o d e m o stra r u n a a n tig u a
d e Fferm at d e q u e to d o e n te ro p o s itiv o p u e d e e s c rib irs e « a n o l a s u m a d e
Irad o s p erfecto s. (P o r ejem p lo , 1 0 = I 2 + l 2 + 2 2 + 2 2). T am b ién c o n trib u y ó
las ra m a s d e la físic a -m a te m á tic a , in c lu y e n d o d in á m ic a , m e c á n ic a c e le s te y
: a # e flu id o s. -' j 'i ; ¡ ¡
¡¡pesar d e su s c o n trib u c io n e s a la s m a te m á tic a s a p lic a d a s, J a c o b i n o c re ía q u i l a
igación m a te m á tic a d e b ía e s ta r ju s tific a d a p o r su a p lje a b ilid a d . A firm a b a q u e
O b jetivo d e la c ie n c ia y las m a te m á tic a s e s “e l h o n o r d el in te le c to h u m a n o ”
“ u n a p re g u n ta so b re n ú m e ro s e s ta n im p o rta n te c o m o u n a s o b re e l sistem a
r ;
>i, q u ie n e ra u n tra b a ja d o r in c a n sa b le , q u e e n 1842 c a y ó e n fe rm o y s e retiró
lín. E n la é p o ca d e s u fa lle c im ie n to , e n i 8 5 1 , y a e ra u n o d e lo s m a te m á tic o s m á s
lies e n E u ro p a.
488 Capítulo 8 M étodos Numéricos
8.1 A Eliminación G aussiana con Pivoteo Parcial

E n e l c a p ítu lo 1 s e a n a liz a ro n d o s m é to d o s p a ra r e s o lv e r u n s is te m a d e n e c u a c io n e s li
n e a le s e n n v a ria b le s . C u a n d o s e u s a c u a lq u ie ra d e e s to s m é to d o s (la e lim in a c ió n g a u ssia n a
y la e lim in a c ió n d e G a u s s -J o rd a n ) e n u n a c o m p u ta d o ra d ig ita l, é s ta in tro d u c e u n p ro b le m a
q u e a ú n n o s e a b o rd a : e l e r r o r p o r r e d o n d e o .
L a s c o m p u ta d o r a s d ig ita le s a lm a c e n a n n ú m e ro s r e a le s e n f o r m a d e p u n t o f lo ta n te ,
± M x 10*,
d o n d e k e s u n e n te r o y la m a n t i s a M s a tis fa c e la d e s ig u a ld a d 0 .1 ^ M < 1. P o r e je m p lo ,
la s fo rm a s d e p u n to flo ta n te d e a lg u n o s n ú m e ro s r e a le s s o n la s s ig u ie n te s .
N ú m e ro R e a l F o r m a d e P u n to F lo ta n te
527 0 .5 2 7 x 10 3
- 3 .8 1 6 2 3 - 0 .3 8 1 6 2 3 x 1 0 1
0 .0 0 0 4 5 0 .4 5 x 10 ~3
E l n ú m e ro d e c if r a s d e c im a le s q u e s e p u e d e a lm a c e n a r e n la m a n tis a d e p e n d e d e la c o m
p u ta d o r a . S i s e a lm a c e n a n n c if r a s , e n to n c e s s e d ic e q u e la c o m p u ta d o r a a lm a c e n a n
c i f r a s s i g n i f i c a t i v a s . L o s d íg i to s a d ic io n a le s s e tr u n c a n o r e d o n d e a n . C u a n d o u n n ú m e
r o s e t r u n c a a n c if r a s s ig n if ic a tiv a s , la s c if r a s d e s p u é s d e la s n p r im e r a s c if r a s s ig n i
f ic a tiv a s s im p le m e n te s e o m ite n . P o r e je m p lo , tr u n c a d o a d o s d íg ito s o c if r a s s ig n if ic a
t i v a s , e l n ú m e ro 0 .1 2 5 1 e s 0 . 12 .
C u a n d o un n ú m e ro s e r e d o n d e a ( o a p ro x im a ) a n c if r a s s ig n if ic a tiv a s , e l ú ltim o d íg ito
re te n id o a u m e n ta e n u n o si la p o rc ió n d e s c a rta d a e s m a y o r q u e m e d io d íg ito y n o c a m b ia el
ú ltim o d íg ito re te n id o si la p o rc ió n d e s c a rta d a e s m e n o r q u e m e d io d íg ito . P o r ejem p lo ,
re d o n d e a n d o a d o s c ifra s sig n ificativ as, 0 .1 2 5 1 e s 0 .1 3 y 0 .1 2 4 9 e s 0 .1 2 . P a ra el c a s o es-p ccial
e n q u e la p o rció n d e s c a rta d a e s p re c isa m e n te m e d io d íg ito , s e re d o n d e a p a ra q u e el ú ltim o
d íg ito re te n id o sea p a r. A sí, re d o n d e a d o a d o s c ifra s sig n i ficati v as, 0 .1 2 5 e s 0 .1 2 y 0 .1 3 5 e s 0.14.
S ie m p r e q u e la c o m p u ta d o r a tr u n c a o r e d o n d e a , s e in tro d u c e u n e r r o r p o r r e d o n d e o quo
p u e d e a f e c ta r c á lc u lo s p o s te rio re s . E l r e s u lta d o d e s p u é s d e r e d o n d e a r o tr u n c a r s e lla m a
v a lo r a lm a c e n a d o .
► Ejemplo / Determinación del Valor Almacenado de un Número

O b te n g a e l v a lo r a lm a c e n a d o d e c a d a u n o d e lo s s ig u ie n te s n ú m e ro s r e a le s e n u n a c o m
p u ta d o r a q u e a p r o x im e h a s ta tr e s c if r a s s ig n ific a tiv a s .
a) 5 4 .7 b ) 0 .1 1 3 4 c) - 8 .2 2 5 6
d) 0 .0 8 3 3 5 e ) 0 .0 8 3 4 5
Solución:
N ú m e ro F o r in a d e P u n to F lo ta n te V a lo r A lm a c e n a ,
a) 5 4 .7 0 .5 4 7 x 10 2 0 .5 4 7 X 10 2
b) 0 .1 1 3 4 0 .1 1 3 4 X 10° 0 .1 1 3 X 10°
c) - 8 .2 2 5 6 - 0 .8 2 2 5 6 X 1 0 1 - 0 .8 2 3 X 10'
d) 0 .0 8 3 3 5 0 .8 3 3 5 x 1 0 -' 0 .8 3 4 x 1 0 -'
e) 0 .0 8 3 4 5 0 .8 3 4 5 x 1 0 -' 0 .8 3 4 x 1 0 -'
Sección 8.1 Eliminación Gaussiana con Pivoteo Parcial 489
en lo s in c is o s d ) y e ) q u e c u a n d o la p o rc ió n d e s c a r ta d a d e u n d e c im a l e s p re -
te la m ita d d e u n d íg ito , e l n ú m e ro s e r e d o n d e a p a r a q u e e l v a lo r a lm a c e n a d o
f n un d íg ito p a r. A
OClóll: L a m a y o r ía d e la s c o m p u ta d o r a s a lm a c e n a n lo s n ú m e ro s e n f o r m a b in a ria
dos) en v e z d e u n a f o r m a d e c im a l (b a s e d ie z ). S in e m b a r g o , d e b id o a q u e e l e r r o r
n d e o o c u r r e e n a m b o s s is te m a s , e l a n á lis is s e r e s tr in g ir á a la m á s c o n o c id a b a s e
flTor p o r r e d o n d e o tie n d e a p r o p a g a r s e a m e d id a q u e a u m e n ta e l n ú m e ro d e o p e -
I a ritm é tic a s . E s te fe n ó m e n o s e ilu s tr a e n el s ig u ie n te e je m p lo .
~p!o2 Propagación del E rro r p o r Redondeo

el d e te r m in a n te d e la m a triz
0 .1 2 0 .2 3
0.12 0.12
n d o c a d a c á lc u lo in te r m e d io a d o s c if r a s s ig n if ic a tiv a s . L u e g o , o b te n g a la so
OXncta y c o m p a r e lo s d o s re s u lta d o s .
|k A l r e d o n d e a r c a d a c á lc u lo in te r m e d io a d o s c if r a s s ig n if ic a tiv a s s e o b tie n e lo
M I - ( 0 .1 2 ) ( 0 .1 2 ) - ( 0 .1 2 ) ( 0 .2 3 )
■ 0 .0 1 4 4 -0 .0 2 7 6
m 0 .0 1 4 - 0 .0 2 8 R e d o n d e o a d o s c if r a s s ig n if ic a tiv a s
- - 0 .0 1 4
Indo, la s o lu c ió n e x a c ta e s
H l - 0 .0 1 4 4 -0 .0 2 7 6
■ - 0 .0 1 3 2 .
m ada a d o s d íg ito s s ig n if ic a tiv o s , la s o lu c ió n c o r r e c ta e s - 0 .0 1 3 . O b s e r v e q u e

Idn redondeada no e s c o r r e c ta a d o s c ifra s s ig n if ic a tiv a s , a u n c u a n d o c a d a o p e -
tmética s e e f e c tu ó c o n d o s c ifra s s ig n if ic a tiv a s d e e x a c titu d . E s to e s lo q u e q u ie re
nder cuando s e d ic e q u e la s o p e r a c io n e s a r itm é tic a s tie n d e n a p r o p a g a r e l e rro r
dco. A
•I ejem plo 2 , a l r e d o n d e a r e n lo s p a s o s in te r m e d io s s e in tro d u jo u n e r r o r p o r
«0.0132 - ( - 0 .0 1 4 ) = 0 .0 0 0 8 . E rro r p o r re d o n d e o
ente error parece pequeño, r e p r e s e n ta u n e r r o r p o rc e n tu a l de
B t
,5 5 ~ 0.061 ■ 6.1 %. Error porcentual
E n la m a y o ría d e la s a p lic a c io n e s p r á c tic a s , u n e r r o r p o r c e n tu a l d e e s ta m a g n itu d se rla

in to le r a b le . N o o lv id e q u e e s te e r r o r p o rc e n tu a l e s p e c íf ic o s u r g ió c o n s ó lo u n o s paso*
a ritm é tic o s . C u a n d o a u m e n ta el n ú m e ro d e p a s o s a r itm é tic o s ta m b ié n a u m e n ta la p ro
b a b ilid a d d e u n g r a n e r r o r p o rc e n tu a l.
Eliminación Gaussiana con Pivoteo Parcial

P a r a g r a n d e s s is te m a s d e e c u a c io n e s , la e lim in a c ió n g a u s s ia n a p u e d e im p lic a r c ie n to s de
c á lc u lo s a r itm é tic o s , c a d a u n o d e lo s c u a le s p u e d e p r o d u c ir u n e r r o r p o r re d o n d e o . E l s i
g u ie n te e je m p lo d ir e c to ilu s tr a la m a g n itu d p o te n c ia l d e l p ro b le m a .
► E je m p lo 3 E lim inación G aussiana y E rror p o r R edondeo

P o r m e d io d e la e lim in a c ió n g a u s s ia n a re s u e lv a e l s ig u ie n te s is te m a .
0 .1 4 3 * , + 0 .3 5 7 *2 + 2 .0 1 * 3 = - 5 .1 7 3
- 1 .3 1 * , + 0 .9 1 1 * 2 + 1.99*3 = - 5 .4 5 8
1 1 .2 * ,- 4 .3 0 * 2 - 0 . 6 0 5 * 3 = 4 .4 1 5
D e s p u é s d e c a d a c á lc u lo in te rm e d io , r e d o n d e e el r e s u lta d o h a s ta tr e s c if r a s s ig n ific a tiv a s .
Solución: A l a p lic a r la e lim in a c ió n g a u s s ia n a a la m a tr iz a u m e n ta d a d e e s te s is te m a se

o b tie n e lo s ig u ie n te .
0 .1 4 3 0 .3 5 7 2.01 - 5 .1 7
- 1 .3 1 0 .9 1 1 1.99 - 5 .4 6
11.2 - 4 .3 0 - 0 .6 0 5 4 .4 2
1.00 2 .5 0 14.1 - 3 6 .2 Al d iv id írc n lrc 0 .143 el

p rim e r renglón s e obtiene
- 1 .3 1 0 .9 1 1 1.99 -5 .4 6
u n n u evo p rim e r ren g ló n *
11.2 - 4 .3 0 - 0 .6 0 5 4 .4 2
1.00 2 .5 0 14.1 - 3 6 .2 Al sum ar 1.31 veces e l primer

0.00 4 .1 9 2 0 .5 -5 2 .9 renglón al segundo renglón se -
obtiene un nuevo segundo renglón
1 1.2 - 4 .3 0 - 0 .6 0 5 4 .4 2
1.00 2 .5 0 14.1 - 3 6 .2 Al sum ar - ! 1.2 veces e l prim er

0.00 4 .1 9 2 0 .5 -5 2 .6 renglón al tercer renglón se ob-
0.00 tienfc un n u evo tercer renglón.
- 3 2 .3 -1 5 9 . 409.
1.00 2 .5 0 14.1 - 3 6 .2 A! d iv id ir entre 4 J 9 e l segundo

0.00 1.00 4 .8 9 - 12.6 renglón se ob ticn cu rt nuevo
segundo renglón
. 0.00 - 3 2 .3 -1 5 9 . 409.
1.00 2 .5 0 14.1 - 3 6 .2 A! sum ar 32.3 veces e l segundo

0.00 1.00 4 .8 9 - 12.6 ren g ló n a l te rc e r renglón se o b
tien e tui n u evo tercer renglón.
0.00 0.00 - 1.00 2.00
Sección H. I Eliminación Gaussiana con Pivoteo Parcial
A l m u ltip licar p o r —t « líe r c t t

renglón s e obtiene un n u ev o
te rc e r renglón .
■ - 2 . 0 0 y c o n la re tro s u s titu c ió n s e o b tie n e x 2 = - 2 . 8 2 y x x = - 0 . 9 5 0 . I n te n te

'e s ta “ s o lu c ió n ” e n e l s is te m a d e e c u a c io n e s o r ig in a l p a r a v e r q u e n o e s c o rre c to .
| 0 n c o r r e c ta e s x x = 1 , x 2 = 2 y x , = - 3 . ) M
e s tu v o m a l e n e l p r o c e d im ie n to d e e lim in a c ió n g a u s s ia n a u s a d o e n e l e je m p lo 3 ?
e v id e n te q u e e l e r r o r p o r r e d o n d e o s e p r o p a g ó a ta l g r a d o q u e la s o lu c ió n fin a l se
In e x a c ta s in q u e s e p u d ie ra h a c e r a lg o .
idel p r o b le m a e s q u e la m a tr iz a u m e n ta d a o r ig in a l c o n tie n e e le m e n to s q u e d ifie re n
in d e m a g n itu d . P o r e je m p lo , la p r im e r a c o lu m n a d e la m a tr iz
0 .3 5 7 2.01 - 5 .1 7
0 .9 1 1 1.99 - 5 .4 6
- 4 .3 0 - 0 .6 0 5 4 .4 2
e le m e n to s q u e a u m e n ta n a p r o x im a d a m e n te p o r p o te n c ia s d e 10 a m e d id a q u e la
s e re c o r r e h a c ia a b a jo . E n o p e r a c io n e s e le m e n ta le s e n lo s r e n g lo n e s e f e c tu a d a s
h l c o n s e c u tiv a , e l p r im e r re n g ló n s e m u ltip lic ó p o r 1.31 y - 1 1 . 2 ; e l s e g u n d o
ge m u ltip lic ó p o r 3 2 .3 . C u a n d o s e u tiliz a a r itm é tic a d e p u n to f lo ta n te , ta le s
ta n g ra n d e s tie n d e n a p r o p a g a r el e r r o r p o r r e d o n d e o . E s te tip o d e p r o p a g a c ió n d el
e d is m in u ir a l r e a liz a r in te r c a m b io s a d e c u a d o s d e lo s r e n g lo n e s q u e p ro d u z c a n
m á s p e q u e ñ o s . U n m é to d o p a r a r e s tr in g ir el ta m a ñ o d e lo s fa c to r e s s e lla m a
Ió n g a u s s i a n a c o n p iv o t e o p a r c i a l .
«Gaussiana con Pivoteo Parcial

l a c o lu m n a iz q u ie r d a , o b te n g a e l e le m e n to c o n e l m a y o r v a lo r a b s o lu to . E s te
o s e lla m a p iv o te .
Se u n in te r c a m b io d e r e n g lo n e s , e n c a s o d e s e r n e c e s a r io , p a r a q u e e l p iv o -
e s té e n e l p r im e r re n g ló n .
D iv id a e l p r im e r r e n g ló n e n tre e l p iv o te . (S i e l p iv o te e s 1, e s te p a s o e s in -
r io .)
U s e la s o p e r a c io n e s e le m e n ta le s e n lo s r e n g lo n e s p a r a r e d u c ir a c e r o l o s d e m á s
le m e n to s d e l a p r im e r a c o lu m n a .
r e a liz a c ió n d e e s to s c u a tr o p u n to s s e ll a m a p a s o . D e s p u é s d e e f e c t u a r e l p r im e r
ig n o r e e l p r im e r r e n g ló n y la p r im e r a c o l u m n a y r e p ita io s c u a tr o p a s o s e n la
riz r e s ta n te . C ontiroSe e s te p r o c e s o h a s ta q u e la m a tr iz e s té e n fo rm a
ad a.
492 Capítulo ti Métodos Numéricos
E n el ejem p lo 4 se m uestra lo q u e sucede cu an d o esta técnica co n piv o teo p arcial no

ap lica al sistem a d e ecu acio n es d ad o en el ejem plo 3.
► E je m p lo 4 E lim in a c ió n G au ssia n a con P iv o te o P a rc ia l
P o r m edio d e la elim in ació n gaussiana con pivoteo parcial resu elv a el sistem a d e ecua
cio n es lin eales d ad o en el ejem p lo 3. D espués de ca d a cálcu lo interm edio, ap ro x im e el
resu ltad o a tres cifras significativas.
Solución: C om o en el ejem p lo 3, la m atriz au m en tad a del sistem a es
0.143 0.357 2.01 -5 .1 7

-1 .3 1 0.911 1.99 -5 .4 6
11.2 - 4 .3 0 -0 .6 0 5 4.42
Pivote
E n la colum na d e la izquierda, el pivote e s 11.2 p orque es el elem en to con m ay o r valor

absoluto. P o r co n sig u ien te, se intercam bian los renglones p rim ero y tercero y se aplican
o p eracio n es elem en tales cn los renglones co m o sigue.
11.2 -4 .3 0 -0 .6 0 5 4.42 1 Intercambiar ¡1

-1 .3 1 0.911 1.99 -5 .4 6 renglones primero
0.143 0.357 2.01 -5 .1 7 J al te rm o .
1.00 -0 .3 8 4 -0 .0 5 4 0 0.395 ' Al dividir entre 112 el primer

-1 .3 1 0.911 1.99 -5 .4 6 renglón se obtiene un nuevo
0.143 0.357 2.01 -5 .1 7 . primer renglón.
1.00 -0 .3 8 4 -0 .0 5 4 0 0.395 I sumar 1.31 veces el prim er

0.00 0.408 1.92 -4 .9 4 renglón al segundo renglón se
0.143 0.357 2.01 -5 .1 7 . ibticnc un nuevo segundo renglón
1.00 -0 .3 8 4 -0 .0 5 4 0 0.395 Al sumar -0,143 veces el primer

0.00 0.408 1.92 -4 .9 4 renglón al tercer renglón se ob
0.00 0.412 2.02 -5 .2 3 . tiene un nuevo tercer renglón.
E sto co m p leta el p rim er paso. P ara el seg u n d o paso se co n sid era la su b m atriz fo rm ada al
elim in ar el p rim er ren g ló n y la prim era colum na. En esta m atriz el p iv o te e s 0 .4 1 2 , lo cual
sig n ifica que es n ecesario in tercam b iar los renglones seg u n d o y tercero. L uego, se procede
a a p lic a r elim in ació n gaussiana com o se m uestra a continuación.
Pivote
1.00 -0 .3 8 4 ./ -0 .0 5 4 0 0.395 1
✓ i__1 Intercambiar los renglones
0.00 0 .4 1 2 ' 2.02 -5 .2 3
> c n segundo y to rtero ,
0.00 0.408 1.92 - 4 .9 4 .
Sección H. I Eliminación Gaussiana con Pivoteo Parcial 493
- 0 .3 8 4 - 0 .0 5 4 0 0 .3 9 5 iJ A l dividir entre 0 .4 1 2 e l segundo

1.00 4 .9 0 - 1 2 .7 < ren g ló n sc o b tien e u n nuevo
0 .4 0 8 1.92 - 4 .9 4 j seg u n d o renglón .
- 0 .3 8 4 - 0 .0 5 4 0 0 .3 9 5 A l s u m a r -0 .4 0 8 v eces ei segundo
1.00 4 .9 0 - 1 2 .7 [ ren g ló n al tercer ren g ló n se ob-
0.00 - 0 .0 8 0 0 0 .2 4 0 tien e u n nu ev o tercer ren g ló n .
plcta el s e g u n d o p a s o y s e p u e d e c o m p le ta r to d o e l p r o c e d im ie n to a l d iv id ir el
re n g ló n e n tr e - 0 .0 8 0 0 c o m o s ig u e .
1.00 - 0 .3 8 4 - 0 .0 5 4 0 0 .3 9 5 A l dividir entre -0 .0 8 0 0 el

0.00 1.00 4 .9 0 - 1 2 .7 v i
tercer renglón s e o b tien e un
0.00 0.00 1.00 - 3 .0 0 . n u ev o tercer ren g ló n .
< =
■ - 3 .0 0 y c o n l a r e l r o s u s t i t u c i ó n s e o b t i e n e q u e ^2 = 2 .0 0 y A :I = 1 .0 0 , l o c u a l c o in c id e
l í solución e x a c ta d e x , = 1, x 2 = 2 y x 2 = - 3 c u a n d o s c a p r o x im a a tr e s c ifra s
gcotivas. A
ÜClÓn: N ó te s e q u e lo s fa c to re s u s a d o s p a r a m u ltip lic a r lo s r e n g lo n e s c n el e je m p lo

1 . 3 1 ,- 0 .1 4 3 y - 0 .4 0 8 , e n c o n tra s te c o n lo s fa c to re s 1 .3 1 , 11.2 y 3 2 .3 e n c o n tr a d o s
I I e je m p lo 3.
Bl té rm in o p a r c ia l e n la e x p r e s ió n p iv o te o p a rc ia l s e r e f ie r e al h e c h o d e q u e e n la
peda de c a d a p iv o te s ó lo s e c o n s id e r a n e le m e n to s d e la c o lu m n a iz q u ie r d a d e la m a -
0 s u b m a tr iz e n c u e s tió n . E s ta b ú s q u e d a p u e d e e x te n d e r s e p a r a in c lu ir c u a lq u ie r c ie
lo de la m a tr iz o s u b m a tr iz d e c o e f ic ie n te s ; la té c n ic a r e s u lta n te s e d e n o m in a elim i-
ló n g a u ssia n a con p iv o teo co m p leto. D e s a f o r tu n a d a m e n te , n i e l p iv o t e o p a r c ia l ni
pivoteo c o m p le to r e s u e lv e n to d o s lo s p r o b le m a s d e l e r r o r p o r re d o n d e o . A lg u n o s sis -
j a s de e c u a c io n e s lin e a le s, d e n o m in a d o s s is te m a s inestables, so n e x tre m a d a m e n te se n
das a e rro re s n u m é rico s. P a ra e sto s sis te m a s, e l p iv o te o n o e s m u y útil. U n tip o c o m ú n de
lemas de e c u a c io n e s lin e a le s q u e tie n d e a s e r in e sta b le , e s a q u é l e n q u e e l d e te rm in a n te
la matriz d e c o e fic ie n te s e s c a s i c e ro . E s te p ro b le m a s e ilu s tra e n el s ig u ie n te e je m p lo .
► Ejemplo 5 Un Sistema Inestable de Ecuaciones Lineales

P o r m e d io d e la e lim in a c ió n g a u s s ia n a re s u e lv a el s ig u ie n te s is te m a d e e c u a c io n e s li
les.
x + y = 0
p ro x im e c a d a c á lc u lo in te r m e d io a c u a tr o c ifra s s ig n ific a tiv a s .

494 Capítulo S M étodos Numéricos
Solución; P o r m e d io d e la e lim in a c ió n g a u ssia n a c o n a ritm é tic a racio n al se e n c u e n tra quo

la so lu c ió n e x a c ta e s y = 8 0 0 0 y x = - 8 0 0 0 . P ero al re d o n d e a r 4 0 1 /4 0 0 = 1.0025 a cu a tro
c ifra s sig n ific a tiv a s se in tro d u c e un g ran e rro r p o r re d o n d e o , c o m o se m u estra enseguida.
1 1 o
1 1.002 20
1 1 0
0 0.002 20
1 1 0
0 1.00 10,000
P o r ta n to , c o n y = 1 0 ,0 0 0 y la re tro su stitu c ió n se o b tie n e
* = -y
= - 10 ,000.
E s ta “so lu c ió n ” re p re s e n ta un e rro r p o rc e n tu a l d e l 2 5 % ta n to p a ra e l v a lo r x c o m o p a ra el
v a lo r y. O b se rv e q u e e s te e rro r fu e p ro v o c a d o p o r un e rro r d e re d o n d e o d e s ó lo 0 .0 0 0 5
(c u a n d o se a p ro x im ó 1.0025 a 1.002). 4
Sección 8.1 A E je rc ic io s
En los ejercicios d e l 1 al 8, exprese el núm ero real d a d o en form a de punto flotante.
1. 4281 2. 321.61
3. - 2 .6 2 4. -21.001
5. -0.00121 6. 0.00026
7- g 8. 16 \
E n los ejercicios del 9 al 16, determ ine el valor alm acen ad o del núm ero real d a d o en una
com putadora q ue aproxim e a a) tres cifras significativas y b) cuatro cifras significativas.
9. 331 10. 21.4
11. -9 2 .6 4 6 12. 216.964
13. f6 14. 32
16. 1
“ ■i
En los ejercicios 17 y 18, evalúe el determ inante d e la m atriz dada, redondeando a tres cifras
significativas cad a cálcu lo interm edio. L uego, com pare el valor aproxim ado con la solución
exacta.
1.24 56.00 ] 2.12 4.22

17. 18.
66.00 1.02 I 1.07 2.12
Sección 8.1 Ejercicios
:lelos 19 y 20, u se la eliminación g a u s s ia n a p a ra re s o lv e r el s iste m a d e e c u a c io n e s

iliulo. D e sp u é s d e c a d a c á lc u lo in te rm e d io , a p ro x im e e l resu ltad o a tre s c ifra s sig-
l. L u eg o , c o m p a re e sta so lu c ió n c o n la so lu ció n ex ac ta.
2 0. 1 4 .4 * - 1 7 .1 y = 31.5
8 1 . 6 * - 9 7 .4 y = 179.0
ileios d el 21 al 2 4 , u se la e lim in a c ió n g a u ssia n a s in p iv o te o p arcial p a ra re s o lv e r el

id e e c u a c io n e s lin eale s, re d o n d e a n d o a tre s c ifra s sig n ific a tiv a s d e sp u é s d e c a d a cálcu -
lio. L u eg o , u s e el p iv o teo p arcial p a ra re s o lv e r el m ism o sistem a, re d o n d e a n d o
inte a tres c ifra s sig n ificativ as d e s p u é s d e c a d a c á lc u lo in term ed io . P o r ú ltim o , co m -
ihuN s o lu c io n e s co n la so lu c ió n ex ac ta.
* ♦ l.04y = 2 .0 4 22. 0 .5 1 * + 9 2 .6 y = 9 7 .7
♦ 6 .20 y = 12.20 9 9 .0 0 * - 4 4 9 . 0 y = 5 4 1 .0
lacta: * = l , y = 1 (E x acta: * = 10, y = 1)
* + 4 .0 1 y + 0 .0 0 4 4 5 z = 0 .0 0 24. 0 .0 0 7 * + 6 1.2 0 y + 0 .0 9 3 z = 6 1 .3
- 4 .0 0 y + 0 .0 0 6 0 0 z = 0.21 4 . 8 1 0 * - 5 .9 2 y + 1 . 1 lOz = 0 .0
- 4 .0 5 y + 0 .0 5 0 0 0 z = - 0 .3 8 5 8 1 .4 0 0 * + I.1 2 y + 1.18 0 z = 83.7
:t a :* = - 0 .4 9 , y = 0 .1 ,z = 2 0 ) (E x acta: * = l , y = 1, z = 1)
:icios 2 5 y 2 6 , u s e la e lim in a c ió n g a u ssia n a p a ra re s o lv e r el s iste m a in e sta b le de

íes lin eales, a p ro x im a n d o a tre s c ifra s sig n ific a tiv a s c a d a c á lcu lo in te rm e d io . L u eg o,
esta so lu ció n c o n la so lu ció n e x a c ta dada.
26. x - « “ y = 10
801
-* + y = 50
acta: * = 10,820, y = -1 0 ,8 1 8 ) (E x acta: * = 4 8 ,0 1 0 , y = 4 8 ,0 6 0 )
m sidere lo s siste m a s in estab les
*+ y = 2 y *+ y = 2
* + l.OOOly = 2 * + 1.000 ly = 2 .0 0 0 1 .
C u lc u le la so lu c ió n d e cad a sistem a. O b se rv e q u e a u n q u e los siste m a s so n c a si ig u a le s, su*

| so lu cio n es d ifie re n bastan te.
R ep ita el e je rc ic io 27 p a ra los siste m a s
* - y = 0 y *- y= 0
- l.O O lr + y = - 0.001 - 1 .001* + y = 0 .
La m a tr jv d e H i l b e r t d e o rd e n n x n es la m a triz s im é tric a H n = [a ¡j] n x n , d o n d e a Vj =

l / ( i + y - 1). A m e d id a q u e n crece, la m a triz d e H ilb e rt e s m ás in e stab le. U se la elim ina
c ió n g a u ssia n a p a ra re so lv e r el sig u ie n te sistem a d e e c u a c io n e s lin eale s, a p ro x im an d o
dos c ifra s sig n ific a tiv a s d e sp u é s d e c a d a c á lc u lo in term ed io . C o m p a re e s ta so lu c ió n c o
la so lu ció n e x a c ta ( r , = 3 , *2 = - 2 4 y *3 = 30).
x \ + \ x2 + 5 x3= 1
j X , + 5 * 2 + 5 X3 = 1
3 x \ + 4 X2 + 5 *3 = *
3 0 . R e p ita el e je rc ic io 2 9 p a ra H 4\ = b , d o n d e b = (1 , 1, 1, 1)', a p ro x im a n d o a c u a tro cifran

sig n ificativ as. C o m p a re e sta so lu c ió n c o n la so lu c ió n e x a c ta (x, = - 4 , x 2 = 6 0 , x 3 = - 1 8 0
y * 4 = 140).
8 .2 A M étodos Iterativ o s p ara R esolver Sistem as Lineales

C o m o té c n ic a n u m é ric a , la e lim in a c ió n g a u s s ia n a e s m á s in u s u a l p o r q u e e s d ir e c ta , fin
d e c ir , s e o b tie n e u n a s o lu c ió n d e s p u é s d e u n a s o la a p lic a c ió n d e la e lim in a c ió n g a u s s ia n a .
U n a v e z q u e s e o b tie n e u n a “ s o lu c ió n ” , la e lim in a c ió n g a u s s ia n a n o o f r e c e n in g ú n m é to d o
d e re f in a m ie n to . L a fa lta d e re fin a m ie n to s p u e d e s e r u n p r o b le m a p o r q u e , c o m o s e m o s tró
e n la s e c c ió n a n te r io r , la e lim in a c ió n g a u s s ia n a e s s e n s ib le a e r r o r p o r r e d o n d e o .
L a s té c n ic a s n u m é ric a s m á s c o m u n e s im p lic a n un m é to d o ite ra tiv o . P o r e je m p lo , q u iz á
e l le c to r e s tu d ió e n c á lc u lo e l m é to d o ite ra tiv o d e N e w to n p a r a a p r o x im a r lo s c e r o s d e u n a
f u n c ió n d if c r e n c ia b le . E n e s ta s e c c ió n s e c o n s id e r a n d o s m é to d o s ite r a tiv o s p a ra a p r o x i
m a r la s o lu c ió n d e u n s is te m a d e n e c u a c io n e s lin e a le s c o n n v a ria b le s .
El Método de Jacobi
L a p r im e r a té c n ic a ite r a tiv a s e d e n o m in a m étod o d e Jacob i, e n h o n o r d e C a ri G u s ta v
J a c o b J a c o b i ( 1 8 0 4 - 1 8 5 1 ). E n e s te m é to d o s e e s ta b le c e n d o s h ip ó te s is : 1) q u e el s is te m a
d e f in id o p o r
a \ \ X \ + a ¡2X2 + • - • + ° l A = b\
a 2¡X \ + a 22x 2 + - - - + a 2ilx n = b 2
QnlX ¡ + a «2*2 + ‘ ' + a nnXn = bn
tie n e s o lu c ió n ú n ic a y 2 ) q u e la m a tr iz d e c o e f ic ie n te s A n o c o n tie n e n in g ú n c e r o e n su
d ia g o n a l p r in c ip a l. S i c u a lq u ie r a d e lo s e le m e n to s a x v a 2V . . . , a nn e s c e r o , e n to n c e s es
n e c e s a r io in te r c a m b ia r lo s re n g lo n e s o la s c o lu m n a s p a r a o b te n e r u n a m a tr iz d e c o e f ic ie n
te s q u e n o te n g a n in g ú n e le m e n to ig u a l a c e r o e n su d ia g o n a l p rin c ip a l.
P a r a in ic ia r el m é to d o d e J a c o b i, d e la p rim e ra e c u a c ió n se d e s p e ja x , , d e la s e g u n d a
e c u a c ió n s e d e s p e ja x 2, e tc ., c o m o se m u e s tra a c o n tin u a c ió n .
Sección S.2 M t todos Iterativos para Resolver Sistemas Lineales 497
| " “ ^ I “ a \2X2 ” °I3 * 3 ~ ‘

"II
% • (fr2 " " 21*1 - " 23*3-----------a 2,?n)

. 22
C <l
V
•
— V>„ - - «,, 2*2 -----------1* - 1)
10 e fe c tú a u n a p r im e r a a p r o x im a c ió n ,
t » i #jr2, x 3 , . . . , xw). A p r o x im a c ió n in ic ia l
valores d e x { s e s u s titu y e n e n e l la d o d e r e c h o d e la s e c u a c io n e s r e e s c r ita s a fin d e
lu p r im e r a a p r o x im a c ió n . U n a v e z q u e s e ha c o m p le ta d o e s te p r o c e d im ie n to , se
(ID nc ha e f e c tu a d o u n a iteración . D e la m is m a f o r m a , la s e g u n d a a p r o x im a c ió n
al s u s titu ir lo s v a lo r e s d e x d e la p r im e r a a p r o x im a c ió n e n e l la d o d e r e c h o de
!ioncs re e s c rita s . P o r ite r a c io n e s r e p e tid a s se fo rm a u n a s u c e s ió n d e a p r o x im a c io -
A menudo con verge a la s o lu c ió n re a l. E s te p r o c e d im ie n to s e ilu s tr a e n e l s ig u ie n te
I
pío 1 Aplicación del Método Jacobi

odo d e J a c o b i p a r a a p r o x im a r la s o lu c ió n d el s ig u ie n te s is te m a d e e c u a c io n e s
5-Kj - 2 r 2 + 3 *3 = - 1
- 3 * , + 9*2 + *3 = 2
|v ^ l *2 ~ ^'*3 —
úe la s ite ra c io n e s h a s ta q u e d o s a p r o x im a c io n e s c o n s e c u tiv a s se a n id é n tic a s al re -
h a s ta tre s c if r a s s ig n ific a tiv a s .
fl: P a ra e m p e z a r, el s is te m a s e e s c r ib e e n la fo rm a
+ ¡ x2 - ¡ xi
*2 = 9 + 9 X\ ~ 9 *3
ftH * 1 X \ ~ 1 X2'
0 n o se tie n e id e a d e la s o lu c ió n re a l, s e e lig e
•*, = 0, x 2 = 0, *3 = 0 A p r o x im a c ió n in ic ia l
Una a p ro x im a c ió n in ic ia l c o n v e n ie n te . E s to s ig n if ic a q u e la p r im e r a a p ro x im a c ió n
* l ” - 1 + | ( ° ) - 5 ( 0 = -0 2 0 0
x 2 = 9I +1 91 ( 0 ) - ¿ ( 0 ) 0.222
l + ? (0 ) - 1 ( 0 ) - 0 .4 2 9 .
L a c o n tin u a c ió n d e e s te p r o c e d im ie n to d e la s u c e s ió n d e a p r o x im a c io n e s m o s tr a d a e n lit
ta b la 8 . 1 .
T A B L A 8.1
n 0 1
0.000 - 0.200 0 .1 4 6 0 .1 9 2 0 .1 8 1 0 .1 8 5 0 .1 8 6 0 .1 8 6
0.000 0.222 0 .2 0 3 0 .3 2 8 0 .3 3 2 0 .3 2 9 0 .3 3 1 0.331
0.000 - 0 .4 2 9 - 0 .5 1 7 - 0 .4 1 6 - 0 .4 2 1 - 0 .4 2 4 - 0 .4 2 3 - 0 .4 2 3
D a d o q u e la s d o s ú ltim a s c o lu m n a s d e la ta b la 8 .1 so n id é n tic a s , s e c o n lu y e q u e h a s ta tren

c if r a s s ig n if ic a tiv a s la s o lu c ió n es
x ¡ = 0 .1 8 6 , x 2 = 0 .3 3 1 , -c3 = - 0 .4 2 3 .
P a ra e l s is te m a d e e c u a c io n e s lin e a le s d e l e je m p lo 1, s e d ic e q u e e l m é to d o d e Ja c o b !
co n v erg e. E s d e c ir , al a p lic a r ite ra c io n e s c o n s e c u tiv a s s e lo g ra p r o d u c ir u n a a p ro x im a c ió n
c o r r e c ta h a s ta tr e s c ifra s s ig n if ic a tiv a s . C o m o c a s i s ie m p r e s u c e d e , u n a m a y o r e x a c titu d
r e q u e r ir ía m á s ite ra c io n e s .
El Método de Gauss-Seidel
A h o r a s e c o n s id e r a r á u n a m o d if ic a c ió n d el m é to d o d e J a c o b i, d e n o m in a d a m é to d o de
G a u s s - S e i d e l, e n h o n o r d e C a r i F r ie d r ic h G a u s s ( 1 7 7 7 - 1 8 5 5 ) y F h i l i p p L . S e id e l
(1 8 2 1 - 1 8 9 6 ). E s ta m o d if ic a c ió n n o e s m á s d if í c il q u e la d e l m é to d o d e J a c o b i y , a
m e n u d o , r e q u ie r e m e n o s ite r a c io n e s p a r a o b te n e r e l m is m o g r a d o d e e x a c titu d .
C o n e l m é to d o d e J a c o b i lo s v a lo re s d e x ¡ o b te n id o s e n la n -é s im a a p r o x im a c ió n p e r
m a n e c e n sin c a m b io h a s ta q u e s e h a c a lc u la d o la (n + l) - é s im a a p r o x im a c ió n . P o r o tro
la d o , c o n e l m é to d o d e G a u s s - S e id e l, lo s n u e v o s v a lo re s d e x ¡ s e u tiliz a n ta n p r o n to c o m o
s o n c o n o c id o s . E s d e c ir , u n a v e z q u e s e h a d e te r m in a d o a:, d e la p rim e ra e c u a c ió n , su v a lo r
s e u s a e n la s e g u n d a e c u a c ió n p a r a o b te n e r e l n u e v o x 2. D e m a n e r a s e m e ja n te , lo s n u e v o s
x { y x 2 s e e m p le a n e n la te rc e r a e c u a c ió n p a ra o b te n e r e l n u e v o x y e tc . E s te p r o c e d im ie n
to s e m u e s tr a e n e l e je m p lo 2 .
► Ejemplo 2 Aplicación del Método de Gauss-Seidel

U s e e l m é to d o d e ite r a c ió n d e G a u s s - S e id e l p a r a a p r o x im a r e l s is te m a d e e c u a c io n e s
d a d o e n e l e je m p lo 1 .
Solución: E l p rim e r c á lc u lo e s id é n tic o al d el e je m p lo 1. E s d e c ir, c o n (x ,, x 2> x 3) = ( 0 , 0 , 0 )

c o m o a p ro x im a c ió n in ic ia l, s e o b tie n e e l n u e v o v a lo r d e x {.
= - 1 + 1 ( 0 ) - 1 < °) = - ° - 200
A h o r a , e s te n u e v o v a lo r d e s e u s a p a r a c a lc u la r u n n u e v o v a lo r d e x r E s d e c ir,
^ = | + | ( - 0 .2 0 0 ) - 1 ( 0 ) « 0 .1 5 6 .
S e a ió n H. 2 todos Ite r a ti vos p a ra Resol v e r Sistem as L in e a le s 499
« e n te ja n te , s e usan x , = - 0 .2 0 0 y a :2 = 0 .1 5 6 p a r a c a lc u la r u n n u e v o v a lo r d e
i - } + * (0 .2 0 0 ) - | ( 0 . 15 6 ) « - 0 .5 0 8 .
Iii primera a p r o x im a c ió n e s x , = - 0 . 2 0 0 , x 2 = 0 .1 5 6 y x 3 = - 0 .5 0 8 . Ite ra c io n e s

l« producen la s u c e s ió n d e a p r o x im a c io n e s m o s tra d a e n la ta b la 8. 2 .
M AU LA 8 2
0 1 2
r
| n 3 4 5
0.000 - 0.200 0 .1 6 7 0 .1 9 1 0 .1 8 6 0 .1 8 6
0.000 0 .1 5 6 ' 0 .3 3 4 0 .3 3 3 0 .3 3 1 0 .3 3 1
**
0.000 - 0 .5 0 8 - 0 .4 2 9 - 0 .4 2 2 - 0 .4 2 3 - 0 .4 2 3
írve que lu e g o d e s ó lo c in c o ite r a c io n e s d e l m é to d o d e G a u s s - S e id c l s e o b tie n e

Ift e x a c titu d o b te n id a c o n ite r a c io n e s d e l m é to d o d e J a c o b i e n e l e j e m p lo 1. A
tuno de lo s m é to d o s ite ra tiv o s p re s e n ta d o s e n e s ta s e c c ió n c o n v e r g e s ie m p re . E s

posible a p lic a r e l m é to d o d e J a c o b i o el d e G a u s s - S e id c l a u n s is te m a d e e c u a -
icalcs y o b te n e r u n a s u c e s ió n d e a p r o x im a c io n e s d iv e rg e n te . C u a n d o e s to s u c e -
llcc que e l m é to d o diverge.
m ío 3 Un E jem p lo d e D ivergencia
e l m é to d o d e J a c o b i a l s is te m a
X, - 5*2 = - 4
I * , - x2 = 6,
la a p ro x im a c ió n in ic ia l ( x ,, x 2) = ( 0 , 0 ) y d e m u e s tre q u e el m é to d o d iv e rg e .
ln: C o m o d e c o s tu m b r e , s e e m p ie z a p o r v o lv e r a e s c r ib ir el s is te m a d a d o c o m o
í X, « -4 + 5x2
1 ^ — 6 + 7*,.
Jes, la a p r o x im a c ió n in ic ia l ( 0 , 0 ) p r o d u c e
X, = - 4 + 5 (0 ) = - 4
X2 = - 6 + 7 ( 0 ) = - 6
¡p rim era a p ro x im a c ió n . I te r a c io n e s r e p e tid a s p ro d u c e n la s u c e s ió n d e a p r o x im a c io -

itra d a e n la ta b la 8 .3 .
[LA 8.3
0 1 2 3 4 5 6 7
0 -4 -3 4 -1 7 4 - 1 ,2 2 4 - 6 ,1 2 4 - 4 2 ,8 7 4 - 2 1 4 ' '1
0 -6 -3 4 -2 4 4 - 1 ,2 2 4 - 8 ,5 7 4 - 4 2 ,8 7 4 - 3 0 0 , ,2 4
P a r a e s te s is te m a p a r tic u la r d e e c u a c io n e s lin e a le s , s e p u e d e d e te r m in a r q u e la s o lu c ú
re a l c s jc , = 1 y x2= 1. P o r ta n to , c o n b a s e c n la ta b la 8 .3 s e o b s e r v a q u e la s ap ro x im ació n *
d a d a s p o r e l m é to d o d e J a c o b i empeoran c a d a v e z m á s c n lu g a r d e m e jo r a r y s e c o n c lu y t
q u e e l m é to d o d iv e rg e .
i
E l p r o b le m a d e d iv e rg e n c ia d e l e je m p lo 3 n o s e r e s u e lv e c o n e l m é to d o d e G a u s s-S c id o l
c n v e z d e l d e J a c o b i. D e h e c h o , p a ra e s te s is te m a e s p e c íf ic o e l m é to d o d e G a u s s S e id c l di
v e r g e m á s r á p id o , c o m o s e m u e s tr a e n la ta b la 8.4 .
T A B L A 8.4
n 0 1 2 3 4 5
x\
0 -4 -1 7 4 - 6 ,1 2 4 - 2 1 4 ,3 7 4 - 7 ,5 0 3 ,1 2 4
X2 0 -3 4 - 1 ,2 2 4 - 4 2 ,8 7 4 - 1 ,5 0 0 ,6 2 4 - 5 2 ,5 2 1 ,8 7 4
C o n u n a a p ro x im a c ió n in ic ia l d e ( x v x 2) = ( 0 ,0 ) , n i e l m é to d o d e J a c o b i n i e l d e G auss
S e id e l c o n v e r g e n a la s o lu c ió n d e l s is te m a d e e c u a c io n e s lin e a le s d a d o e n e l e je m p lo 3j.
A c o n tin u a c ió n s e c o n s id e r a r á u n tip o e s p e c ia l d e m a tr iz d e c o e f ic ie n te s A , d e n o m in a d !
m a triz estrictam en te d om in an te en la diagonal, q u e g a r a n tiz a la c o n v e r g e n c ia d e an
b o s m é to d o s d e a p ro x im a c ió n .
Definición de Matriz Estrictamente Dominante en la Diagonal

Una m a tri z A n X t t s e denom ina e stric ta m e n te d o m in a n te e n la d ia g o n a l si e l valor
absoluto d e cada elem ento sobre la diagonal principal e s m ayor q u e la sum a d e los
valores absolutos d e lo s dem ás elem ente» en el m ism o renglón. Es decir,
!a „ l > lo,jl + la13l + • • - + l a j -

I ttg l > la j,! + t o j j l + • • • + lOj^l
ÍÍ'ÍéíéÍíÍÍmiíÍ’éÍ
► E je m p lo 4 M o t r ic e s E s ir ic U n n e n í e D o m in a n te s e n la D ia g o n a l
¿ C u á l d e lo s s ig u ie n te s s is te m a s d e e c u a c io n e s lin e a le s tie n e u n a m a tr iz d e co c fic ic n U

e s tr ic ta m e n te d o m in a n te e n la d ia g o n a l?
S ección 8.2 M étodos Iterativos p a ra R esolver S istem as L ineales 501
■f 2*2 - *3 = - 1
«, + 2*3 = - 4
- 5*2 + *3 = 3
matriz d e c o e f ic ie n te s
t r i d a m e n t e d o m in a n te e n la d ia g o n a l p o r q u e 131 > 1 - 1 1 y 151 > 121.

mutriz d e c o e f ic ie n te s
4 2 - 1
A ■ 1 0 2
3 - 5 1
ON estrictamente d o m in a n te e n la d ia g o n a l p o rq u e lo s e le m e n to s d e lo s r e n g lo n e s
lindo y te rc e r o n o s e a ju s ta n a la d e fin ic ió n . P o r e je m p lo , e n e l s e g u n d o re n g ló n
kl “ a 22 = a 23 = 2 y n o e s c i e r to q u e Ia 22\ > \a2 ]\ + la 23l. S i s e in t e r c a m b ia n
f c n g lo n e s s e g u n d o y te r c e r o e n e l s is te m a o r ig i n a l d e e c u a c io n e s lin e a le s ,
nccs la m a tr iz d e c o e f ic ie n te s cs
•Mu matriz e s e s tr ic ta m e n te d o m in a n te e n la d ia g o n a l.
llguicntc te o re m a , q u e s e p la n te a sin d e m o s tr a c ió n , e s ta b le c e q u e la d o m in a n c ia
I estricta e s s u f ic ie n te p a r a la c o n v e r g e n c ia d el m é to d o d e J a c o b i o d e l m é to d o de
cldcl.
8.1 Convergencia de ios Métodos de Jacobi y de Gauss-Seidel

una matriz estrictamente dominante en la diagonal, entonces ei sistem a de
íe s definido por A x - b tiene solución única a la que para cualquier aproxi-
inicial converge el m étodo d e Jacobi y e l m étodo de G auss-Seidel.
1 ejem plo 3 se consideró un sistema de ecuaciones lineales para el cual divergen

>de Jacobi y el m étodo de G nuss-Scidcl. Rn el siguiente ejem plo se verá que id
in te r c a m b ia r lo s r e n g lo n e s d e l e je m p lo 3 , s e p u e d e o b te n e r u n a m a tr iz d e c o c fic ic n
e s tr ic ta m e n te d o m in a n te e n la d ia g o n a l. D e s p u é s d e l in te r c a m b io , s e a s e g u r a la eo
v e r g e n c ia m e n c io n a d a .
► Ejemplo 5 Intercambio de Renglones para Obtener la Convergencia

In te r c a m b ie lo s r e n g lo n e s d e l s is te m a
x { - 5x 2 = - 4
lX\ ~ X2 = ^
p a r a o b te n e r u n o c o n u n a m a tr iz d e c o e f ic ie n te s e s tr ic ta m e n te d o m in a n te e n la d ia g o n u
L u e g o , a p liq u e e l m é to d o d e G a u s s - S e id e l p a ra a p r o x im a r la s o lu c ió n h a s ta c u a tr o c ifr
s ig n if ic a tiv a s .
Solución: S e e m p ie z a p o r in te r c a m b ia r lo s d o s r e n g lo n e s d e l s is te m a d a d o p a r a o b te n
7*i “ *2 = **
*1 “ 7 * 2 = “ 4 .
O b s e r v e q u e l a m a tr iz d e c o e f ic ie n te s d e e s te s is te m a e s e s tr ic ta m e n te d o m in a n te e n ln
d ia g o n a l. L u e g o , s e d e s p e ja n y x 2 c o m o s e m u e s tr a a c o n tin u a c ió n .
_ 6 1
*1 “ 7 + 7 X2
_ 4 1
* 2 “ 5 + 5*1
C o n l a a p r o x im a c ió n in ic ia l ( * ,, x 2) = (0 , 0 ) s e o b tie n e la s u c e s ió n d e a p ro x im a c io n c
m o s tr a d a e n la ta b la 8.5 .
T A B L A 8.5
n 0 1 2 3 4 5
0.0000 0 .8 5 7 1 0 .9 9 5 9 0 .9 9 9 9 1.000 1.000

x2 0.0000 0 .9 7 1 4 0 .9 9 9 2 1.000 1.000 1.000
P o r ta n to , s e c o n c lu y e q u e la s o lu c ió n e s x { = 1 y x 2 = 1. 4
D e l te o re m a 8 .1 n o d e b e c o n c lu ir s e q u e la d o m in a n c ia d ia g o n a l e s tr ic ta e s u n a c o n
d ic ió n n e c e s a ria p a r a la c o n v e r g e n c ia d e l m é to d o d e J a c o b i o d e l d e G a u s s - S e id e l. P o r
e je m p lo , la m a tr iz d e c o e f ic ie n te s d e l s is te m a
- 4 x { + 5 *2 =1
x x + 2x2 = 3
n o e s u n a m a tr iz e s tr ic ta m e n te d o m in a n te e n la d ia g o n a l y , a p e s a r d e e llo , a m b o s m é to
d o s c o n v e r g e n a la s o lu c ió n = .1 y x 2 = 1 c u a n d o s e e m p le a u n a a p r o x im a c ió n in ic ia l de
(jcp x 2) = (0 , 0 ). ( V é a s e e l e je r c ic io 2 1 .)
Sección fi.2 M étodos Iterativos para Resolver Sistemas Lineales 503
til» d e la s a p lic a c io n e s d e lo s m é to d o s d e J a c o b i y d e G a u s s - S e id e l im p lic a n m a-

tfe c o e f ic ie n te s q u e “ casi** so n e s tr ic ta m e n te d o m in a n te s e n la d ia g o n a l. P o r e je m p lo ,
t d e c o e f ic ie n te s d e l s is te m a d e e c u a c io n e s lin e a le s d a d o e n e l e je m p lo 3 d e la
K.4 e s
4 -1 -1 0 0 0 0 0 0 0
-1 5 -1 -1 -1 0 0 0 0 0
-1 -1 5 0 -1 -1 0 0 0 0
0 -1 0 5 -1 0 -1 -1 0 0
0 -1 -1 -1 6 -1 0 -1 -1 0
0 0 -I 0 -1 5 0 0 -1 -1
0 0 0 -1 0 0 4 -1 0 0
0 0 0 -1 -1 0 -1 5 -1 0
0 0 0 0 -1 -1 0 -1 5 -1
0 0 0 0 0 -1 0 0 -1 4
por lo s e le m e n to s d e l q u in to re n g ló n , e s ta m a tr iz p a s ala p r u e b a d e d o m in a n c ia d ia -
Ofltricta. A d e m á s , el q u in to re n g ló n c a s i p a s a la p ru e b a p o r q u e e l v a lo r a b s o lu to d el
¡U) e n la d ia g o n a l p rin c ip a l es ig u a l a ( e n v e z d e m a y o r q u e ) la s u m a d e lo s v a lo re s
to s d e lo s d e m á s e le m e n to s d e l re n g ló n .
ló n 8.2 A E je r c ic io s
ríc io s d el 1 al 4 , a p liq u e el m é to d o d e Jaco b i al s iste m a de e c u a c io n e s lin e a le s dado,
la ap ro x im a c ió n inicial (jc, , * 2, . . . , x n = ( 0 , 0 , . . . , 0 ). C o n tin ú e c o n las ite ra c io n e s hasta
a p ro x im acio n es c o n se c u tiv a s sean ig u a le s c u a n d o se re d o n d e e n h asta tre s c ifra s sig-
vos.
1 " x2“ ^ 2 . - 4 * , + 2 *2 = - ó
I *1 + 4*2 = 5 3 *, - 5*2 = 1
1 * , - *2 = 2 4 . 4 *, + x 2 + x 3 = 7
*1 ~ 3*2 + *3 = - 2 x , - 7*2 + 2*3 = - 2
p » , + X 2 - 3*3 = -6 3*, + 4*3 = 11
p liq u e el m é to d o d e G au ss-S cid el al e je rc ic io 1.
liq u e el m é to d o d e G au ss-S eid el al e je rc ic io 2.
p liq u e el m é to d o d e G au ss-S eid el al e je rc ic io 3.
p liq u e el m é to d o d e G au ss-S eid el al e je rc ic io 4.
Roa eje rc ic io s del 9 al 12, d e m u e stre q u e el m é to d o d e G a u ss-S e id e l d iv e rg e p a ra el sistem a

Jo co n la ap ro x im a c ió n in icial (* ,, * 2, . . . , x n) = ( 0 , 0 , . . . , 0).
J
504 Capítulo 8 M étodos Num éricos
11. 2*, - 3*2 = -7 12. * , + 3*2 - *3 = 5

* , + 3*2 - 10*3 = 9 3*, - *2 =5
3*, + *3=13 *2 + 2 * 3 = 1
E n los ejercicio s del 13 al 16, determ ine si la m atriz d ad a e s estrictam ente do m in an te en Itt
diagonal.
2 1 -1 -2
13. 14.
3 5 0 1
‘ 12 6 0 7 5 -1
15. 2 -3 2 16. 1 -4 1
0 6 13. .0 2 -3
17. Intercam bie los renglones del sistem a d e ecuaciones lineales del ejercicio 9 para obten®
un sistem a con u na m atriz d e coeficientes estrictam ente dom inante en la d iagonal. Luego,
aplique el m étodo d e G auss-S eidel p a ra aproxim ar la solución hasta dos c ifras signific
tivas.
18. In tercam b ie los renglones del sistem a d e ecuaciones lineales del ejercicio 10 para obten
un sistem a con una m atriz d e coeficientes estrictam ente dom inante en la diagonal. Lueg
aplique el m étodo d e G auss-S eidel para aproxim ar la solución hasta d o s c ifras signific
tivas.
19. Intercam bie los renglones d e l sistem a d e ecuaciones lineales del ejercicio 11 para obtener
un sistem a con u na m atriz d e coeficientes estrictam ente dom inante en la diagonal. Luego,
aplique e l m étodo d e G auss-S eidel para aproxim ar la solución hasta tres cifras significa
tivas.
20. In tercam b ie los renglones del sistem a d e ecuaciones lineales del ejercicio 12 para obteno
un sistem a con u na m atriz d e coeficientes estrictam ente dom inante en la diagonal. Lueg
aplique el m étodo d e G auss-S eidel para aproxim ar la solución hasta tres c ifras significa
tivas.
E n los ejercicio s 21 y 22, la m atriz d e coeficientes del sistem a de ecuaciones lineales dado no
e s estrictam ente dom inante en la diagonal. D em uestre q ue los m étodos d e Jacobi y d e Gauss
Seidel co n v erg en con una aproxim ación inicial d e (* ,, *2, . . . , *„) = (0, 0 , . . . , 0).
2 1 . - 4 * , + 5*2 = 1
*, + 2*2 = 3
22 . 4*j + 2*2 - 2*3 = 0

* i - 3*2 - * 3 = 7
3*, - *2 + 4*3 = 5
Q E n los ejercicios 23 y 24, escrib a un program a d e com putadora q ue aplique el m étodo de Gauss
Seidel para reso lv er el sistem a d e ecuaciones lineales dado.
S tr i Uón H.J M étodo de Potencias para Aproxim ar Valores Característicos
x2 + 5*3
- x 5 + 5x6 = -1 2
—* 6 + 4 r 7 - -* 8 = 10
-x - j + 4 x g = 32
▲ Método de Potencias p ara A proxim ar Valores

" C aracterísticos
ipftulo 7 s e v io q u e lo s v a lo re s c a r a c te r ís tic o s d e u n a m a tr iz A n x n s e o b tie n e n z
W su e c u a c ió n c a r a c te r ís tic a
indcs v a lo r e s d e n , la re s o lu c ió n d e e c u a c io n e s c o m o é s ta e s d if íc il y s e llcv
Itc tiempo h a c e rlo . A d e m á s , la s té c n ic a s n u m é ric a s p a r a a p r o x im a r r a íc e s d e c c u í
IN p o lin o m ia lc s d e g ra d o s u p e r io r s o n s e n s ib le s a lo s e r r o r e s p o r r e d o n d e o . E n esl
tn se c o n s id e r a u n m é to d o a lte r n a tiv o p a ra a p r o x im a r v a lo re s c a r a c te r ís tic o s . C o m
I, el método s o la m e n te p u e d e u s a r s e p a r a d e te r m in a r e l v a lo r c a r a c te r ís tic o d e A qu
e l mayor v a lo r a b s o lu to ; e s te v a lo r c a r a c te r ís tic o s e lla m a v a lo r característico de
|te d e A . A u n q u e e s ta r e s tr ic c ió n p a re c e s e ria , lo s v a lo re s c a r a c te r ís tic o s d o m in an te
m un in te ré s p r im o r d ia l e n m u c h a s a p lic a c io n e s físic a s.
Xj, X # . . . , y\ lo s v a lo re s c a r a c te r ís tic o s d e u n a m a tr iz A n x n . X , s e lla m a

c a ra c te rístic o d o m in a n te d e A si
ix .i > iX.I, i = 2 ------ , n .
¡8 c a r a c te r ís tic o s c o r r e s p o n d ie n te s a X , s e lla m a n v e cto res c arac te rís-

d o m in a n te s d e A .
506 Capítulo 8 Métodos Numéricos l.V»
N o to d a m atriz tien e v alo r característico dom inante. P or ejem plo, la m atriz
A =
1 0
0 -1
(con v alo res característico s X { = 1 y ^ = - 1 ) n o tiene v alor característico dom inante. Da
m anera sem ejan te, la m atriz
2 0 0
A= 0 2 0
0 0 1
(con v alo res característico s d e A,, = 2, X2 = 2 y A.3 = 1) n o tien e v alor caractcrísti
dom inante.
► E je m p lo í D e te rm in a ció n d e u n V a io r C a ra c te rís tic o D o m in a n te
O bten g a el v alo r característico d om inante y los vectores característico s d o m in an tes de lu

m atriz
2 -1 2
A =
1 -5
Solución: P or el ejem p lo 4 d e la sección 7.1 se sabe que el polin o m io característico de A

e s A,2 + 3X + 2 = ( k + 1)(K + 2). P o r co n sig u ien te, los valores característico s de A son A,,
= -1 y = - 2 , d e los cu ales el d om inante e s = - 2 . P o r el m ism o ejem p lo se sabe quo
los vecto res característico s d o m in an tes de A (aquéllos co rresp o n d ien tes a A2 = - 2 ) son de
la form a
x= / t * 0.
El Método de Potencias
A sí co m o los m éto d o s d e Jaco b i y d e G auss-S eidel, el m étodo d e p o ten cias p ara aproxi
m a r valores característico s es iterativo. P rim ero se supone q u e la m atriz A tiene un valor
característico d o m in an te con vectores característico s d o m in an tes. L uego se elig e una a-
proxim ació n inicial d e u n o d e los vectores c a ra c te rís tic o s d o m in an tes de A . Esta
aproxi-m ación inicial debe ser u n v ecto r d ife re n te d e c e ro en R n. P or ú ltim o , se form a la
sucesión d efin id a p o r
xt =A x0
x 2 = i4 x , = / l( /\ x (>) =<42x 0
x 3 = / í x 2 = í4 (/\ 2X o )= /\ 3Xo
Sección 8.3 M étodo de Potencias para Aproxim ar Valores Característicos
l grandes valores d e k , el vector A kx 0 s e r á una a p r o x im a c ió n a c e p ta b le d e l v e c to r c a

im ito dominante de A . Este procedim iento s e ilustra en el e je m p lo 2.
implo 2 Aproximación de un Vector Característico Dominante p o r el

Método de Potencias
iplcte seis ite r a c io n e s d e l m é to d o d e p o te n c ia s p a ra a p r o x im a r u n v e c to r c a r a c te rís -
iminantc de
2 -1 2
1 -5
Mil: S e e m p ie z a c o n u n a a p r o x im a c ió n in ic ia l de
[O se o b tie n e n la s s ig u ie n te s a p ro x im a c io n e s .
I t e r a c ió n A p r o x im a c ió n
-1 0 2.50
X |= / l X 0 =
-4 1.00
2 -1 2 -1 0 28
x 2 = <4x,=
1 -5 -4 10
2 -1 2 28 -6 4
x 3 = <4X2 =
1 -5 10 -2 2
-6 4 136
x 4 = <4x3 =
-2 2 46
136 -2 8 0
Xj = <4x4 =
46 -9 4
-2 8 0 56 8
x6 = A x5 =
-9 4 190
Observe q u e la s a p r o x im a c io n e s d e l e je m p lo 2 p a r e c e n te n d e r a m ú ltip lo s e s c a la r e s d<
3
1
le» en v irtu d d e l e je m p lo 1 , s e s a b e e s u n v e c to r c a r a c te r ís tic o d o m in a n te d e la m atri;
p-l?
En e l e je m p lo 2 s e u tiliz ó e l m é to d o d e p o te n c ia s p a r a a p r o x im a r u n v e c to r c a ra c te rfs
!o d o m in a n te d e la m a tr iz A . E n e s e e je m p lo y a s e s a b ía q u e el v a lo r c a ra c tc rís tic
1 .0 0 ' 0 .4 5
x2= 1.00 = 0 .4 5
2.20
2.20 1 .0 0 .
C o n tin u a n d o e s te p r o c e s o s e o b tie n e la s u c e s ió n d e a p r o x im a c io n e s m o s tr a d a c n la ta b la
8 .6 .
T A B L A 8.6
xo
1.00 0 .6 0 0 .4 5 0 .4 8 0.51 0 .5 0 0 .5 0 0 .5 0
1.00 0.20 0 .4 5 0 .5 5 0 .5 1 0 .4 9 0 .5 0 0 .5 0
1.00 1.00 1 .0 0 . 1.00 1.00 . 1.00 10 0 10 0
A p a r tir d e la ta b la 8.6 s e a p r o x im a u n v e c to r c a r a c te r ís tic o d o m in a n te d e A c o m o
0 .5 0
x = 0 .5 0
1.00 J
P o r m e d io d e l c o c ie n te d e R a y lc ig h , s e a p r o x im a e l v a lo r c a r a c te r ís tic o d o m in a n te d e A
X = 3 . ( P a r a e s te e je m p lo s e p u e d e c o m p ro b a r q u e la s a p ro x i m a c io n e s d e x y X s o n e x a c ta s .)
O bservación: N ó te s e q u e lo s f a c t o r e s d e e s c a la u s a d o s p a r a o b te n e r lo s v e c to re s d e la ta b la
8.6
xi X2 X3 X4 X5 X6
1 i 1 i i 1 i
5 .0 0 2.20 2 .8 2 3 .1 3 3 .0 2 2 .9 9 3 .0 0 ,
tie n d e n al v a lo r c a r a c te r ís tic o d o m in a n te X = 3.
E n e l e je m p lo 4 el m é to d o d e p o te n c ia s c o n e s c a la c ió n c o n v e r g e a u n v e c to r c a ra c
te rís tic o d o m in a n te . E l s ig u ie n te te o re m a e s ta b le c e q u e u n a c o n d ic ió n s u f ic ie n te p a ra la
c o n v e r g e n c ia d el m é to d o d e p o te n c ia s e s q u e la m a tr iz A s e a d ia g o n a liz a b le (y te n g a un
v a lo r c a r a c te r ís tic o d o m in a n te ).
Teorema 8.3 Convergencia del Método de Potencias

S i A e s u n a m a tr iz d ia g o n a liz a b le « x n c o n u n v a lo r c a r a c te r ís tic o d o m in a n te , e n
to n c e s e x is te u n v e c to r x 0 d if e r e n te d e c e r o ta l q u e la s u c e s ió n d e v e c to re s d e fin id a
por
AX q , A \ , A \ , A \ 0’ A kx
s e a p r o x im a a r b itr a r ia m e n te a u n v e c to r c a r a c te r ís tic o d o m in a n te d e A c u a n d o k
a u m e n ta .
j S u r Ión 8.3 M étodo de Potencias /tara Aproxim ar Valores Característicos 511
ióll: Dado que A es dingonnlizable, p o r el te o re m a 7 .5 s e s a b e q u e c o n tie n e n

característicos lineaimente in d e p e n d ie n te s x ,, x 2, . . . , x ;| c o n v a lo re s c a r a c te r ís -
pondicntcs X|v X j , . . . , S e s u p o n e q u e e s to s v a lo r e s c a r a c te r ís tic o s e s tá n
)li d e m o d o que el v a lo r c a r a c te r ís tic o d o m in a n te s e a X, (c o n u n v e c to r c a r a c te -
• p o n d ie n tc d e x ,) . D e b id o a q u e lo s n v e c to re s c a r a c te r ís tic o s x ,, x 2, . . . , xn
Imentc in d e p e n d ie n te s , d e b e n f o r m a r u n a b a s e d e /?". P a r a la a p r o x im a c ió n ini-
10 e lig e un v e c to r d if e r e n te d e c e r o ta l q u e la c o m b in a c ió n lin eal
M c i * t + c 2x2 + - - - + c a
flcicntcs p r in c ip a le s d if e r e n te s d e c e r o . (S i c ,= 0 , e n to n c e s el m é to d o p o d r ía
O rgcr y es n e c e s a r io u s a r u n xQd if e r e n te c o m o la a p r o x im a c ió n in ic ia l. V é a n s e
Ic io s 21 y 2 2 .) A sí, al m u ltip lic a r a m b o s la d o s d e e s ta e c u a c ió n p o r A s e o b tie n e
<4x 0 « / t ( c | x l + c 2x 2 + - - - + c ( x n)
- c , ( / l x , ) + c 2( / l x 2) +• • • + c n( A x n)
c , ( V i > + c 2a 2x 2) + ■■■ + c n( k nx n).
¡M e n c ió n re p e tid a d e a m b o s la d o s d e e s ta e c u a c ió n p o r A p ro d u c e
= C| ( V X1> + c 2 ^ 2 kx2> + ' ' ' + CA ÍX»>’

Im p lic a q u e
A kx{) V C,X,+C2
c o n b a s e e n la h ip ó te s is o rig in a l d e q u e X, e s m a y o r, e n v a lo r a b s o lu to , q u e lo s
V alores c a r a c te r ís tic o s s e c o n c lu y e q u e c a d a u n a d e la s fra c c io n e s
h ... K
■pí *
ñ o r q u e 1 e n v a lo r a b s o lu to . P o r c o n s ig u ie n te , c a d a u n o d e lo s fa c to re s
fe )*-® * (*)*
te n d e r a c e r o c u a n d o k tie n d e a in fin ito . L o a n te r io r im p lic a q u e la a p ro x im a c ió n
A kx o X ^C jX ,, c, * 0
a m e d id a q u e k c r e c e . C o m o x, e s u n v e c to r c a r a c te r ís tic o d o m in a n te , s e c o n c lu y e
Iq u ie r m ú ltip lo e s c a la r d e x , ta m b ié n e s u n v e c to r c a r a c te r ís tic o d o m in a n te . A sí,
m o s tr a d o q u e A*x0s e a p ro x im a a rb itr a r ia m e n te a u n v e c to r c a r a c te r ís tic o d o m i-
íc u a n d o k c re c e . A
fltt-
d e m o s tra c ió n d e l te o r e m a 8 .3 p r o p o r c io n a a lg o d e c o n o c im ie n to s a c e r c a d e la ta rc a
n v e r g e n c ia d e l m é to d o d e p o te n c ia s . E s d e c ir, si lo s v e c to r e s c a r a c te r ís tic o s d e A
o rd en ad o s de m o d o que
IX,I > 1X3! > IX3I > . . . ^ IX J,

e n to n c e s e l m é to d o d e p o te n c ia s c o n v e r g e rá r á p id a m e n te si e s p e q u e ñ o , y lo haift
le n ta m e n te s i IXj I/IA,,! s e a p r o x im a a 1. E s te p r in c ip io s e ilu s tr a e n e l e je m p lo 5.
► E je m p lo 5 L a T a s a d e C o n v e rg e n c ia d e l M é to d o d e P o te n c ia s
a) L a m a tr iz
4 5
A =
6 5
tie n e v a lo r e s c a r a c te r ís tic o s d e = 10 y = - 1 . P o r ta n to , la ra z ó n IÎ/IA Î e s 0.1

P a r a e s ta m a tr iz s o la m e n te s e r e q u ie r e n c u a tr o ite r a c io n e s p a r a o b te n e r a p r o x im a d
n e s a d e c u a d a s q u e c o n c u e r d a n al s e r r e d o n d e a d a s h a s ta tr e s c ifra s s ig n ific a tiv a »
V é a s e la T a b la 8 .7 .
T A B L A 8.7
X0 X1 X2 X3 X4
1.000 0 .8 1 8 0 .8 3 5 0 .8 3 3 0 .8 3 3
1.000 1.000 1.000 1.000 1.000
b) L a m a tr iz
-4 10
A =
7 5
tie n e v a lo re s c a r a c te r ís tic o s d e X ] = 10 y = - 9 . P a r a e s ta m a tr iz , la ra z ó n \X2\/\X r

e s 0 .9 y e l m é to d o d e p o te n c ia s n o p r o d u c e a p r o x im a c io n e s s u c e s iv a s q u e c o n c u e rd e n
h a s ta tr e s c if r a s s ig n if ic a tiv a s s in o h a s ta q u e s e e f e c tú a n 68 ite ra c io n e s , c o m o se
in d ic a e n la T a b la 8 .8 .
T A B L A 8.8
x0 X1 X2 X66 X67 X68
1.000 0 .5 0 0 0.941 0 .7 1 5 0 .7 1 4 0 .7 1 4
1.000 1.000 1.000 • • •
1.000 1.000 1.000
E n e s ta s e c c ió n s e a n a liz ó la a p lic a c ió n d e l m é to d o d e p o te n c ia s p a r a a p r o x im a r e l v a lo r
c a r a c te r ís tic o d o m in a n te d e u n a m a triz . E l m é to d o p u e d e m o d if ic a r s e p a r a a p ro x im a r
o tr o s v a lo re s c a r a c te r ís tic o s a tr a v é s d e u n m é to d n d e n o m in a d o d e f la c ió n . A d e m á s , el
m é to d o d e p o te n c ia s e s s o la m e n te u n a d e v a ria s té c n ic a s q u e s e p u e d e e m p le a r p a ra
a p r o x im a r lo s v a lo re s c a r á c te r f o c o s d e u n a m a triz . O tro m é to d o c o n o c id o s e lla m a
a l g o r i t m o Q R . E l a n á lis is d e l m é to d o d e d e fla c ió n y d el a lg o r itm o Q R p u e d e e n c o n tra rs e
e n la m a y o r ía d e lo s te x to s d e m é to d o s n u m é ric o s .
I// ti,3 ▲ K/crcIclos

lív id o s d el 1 al 6 , a p liq u e las té c n ic a s p resen ta d as e n el c a p ítu lo 7 p a ra d e te rm in a r
iro i cara c te rístic o s d e la m a triz A d ad a. S i A tien e u n v a lo r c a ra c te rístic o d o m in a n te ,
|H0 el v e c to r c a ra c te rístic o d o m in a n te q u e le co rresp o n d e.
2 3 1 -5 0 0
m 0 -1 2 3 7 0
ii
*
0 0 3. . 4 - 2 3
¡icios d el 7 al 10, a p lic a r el co c ie n te d e R ay leig h p a ra c a lc u la r el v a lo r c a ra c te rístic o

isp o n d ien te al v e c to r c a ra c te rístic o x dado.
-5 5 2 3 -3
, x= 8 . >4 = 4 >x=
-3 2 1 1
1• 2 -2 1 3 2 -3 '3 '
ám -2 5 -2 , x = 1 10. A = -3 -4 9 , x = 0
6 -3 . .3 . -1 -2 5. 1.
u
ircicios d el 11 al 14, a p liq u e el m é to d o d e p o te n cias c o n e sc a la c ió n p a ra a p ro x im a r

c a ra c te rístic o d o m in a n te d e la m a triz A . E m p iece c o n x Q = (1 , 1) y c a lc u le c in c o
II. L u eg o , u se x 5 p a ra a p ro x im a r el v a lo r c a ra c te rístic o d o m in a n te d e A .
2 1 -1 0
12 . 4 =
0 ”7 1 6
14. A =
rcicios d el 15 al 18, a p liq u e el m é to d o d e p o te n c ia s c o n e sc a la c ió n p a ra a p ro x im ar

If c a ra cterístico d o m in a n te de la m a triz A . E m p ie c e co n Xq = (1 , 1, 1) y c a lc u le cu atro
UMIVa. t-j u se x 4 p a ra a p ro x im a r el
1 3 1 2 0
|■ 1 0 -7 1
0 0 0 0
-1 0 6 0
¡m 2 0 -4 0
1 2 1 1
0 E n lo s e je rc ic io s 19 y 20 , la m a triz A d ad a n o tien e u n v a lo r c a ra c te rístic o d o m in a n te . A p liq

e l m é to d o d e p o te n c ia s co n e sc a la c ió n , e m p e z a n d o c o n x^ = ( 1 , 1 , 1 ) y o b se rv e los resultad
d e la s c u a tro p rim e ra s iteracio n es.
:*• '1 1 ol 1 2 -2
o•
-1 0 -2
ii
3
ii
5 -2
0 0 -2 S -6 6 -3 .
021. a) D e te rm in e lo s v alo re s c a ra c te rístic o s y lo s v e c to re s c a ra c te rístic o s co rrespondiente»

de
3 -1
A =
-2 4
b ) C alcu le d o s ite ra c io n e s d el m é to d o d e p o te n c ia s c o n e sc a la c ió n , e m p e z a n d o co n x0
<1 . O-
c ) E x p liq u e p o r q u é el m é to d o p arec e no c o n v e rg e r a un v e c to r c a ra c te rístic o d om inanto.
022. R e p ita el e je rc ic io 21 u sa n d o x 0 = (1 , 1, 1) p a ra la m atriz
-3 0 2
A = 0 -1 0
0 1 -2
0 2 3 . L a m a triz
2 -1 2
A =
1 -5
tien e u n v a lo r c a ra c te rístic o d o m in a n te d e X = - 2 . O b se rv e q u e A x = X x im p lic a q u e
■4-'x = í x .
A p liq u e c in c o ite ra c io n e s del m é to d o d e p o te n c ia s (co n e sc a la c ió n ) so b re A ~ ] p a ra ca l

c u la r el v a lo r c a ra c te rístic o d e A de m e n o r m ag n itu d .
0 2 4 . R ep ite el e je rc ic io 23 p a ra la m a triz
1 0 0
A = -1 1 1
-1 -2 4J
0 2 5 . a ) C a lc u le lo s v alo re s cara c te rístic o s de
A = 2 l1 2 3
yw B =
1 2. 1 4
b ) A p liq u e c u a tro ite ra c io n e s d el m é to d o d e p o te n c ia s co n e sc a la c ió n a c ad a u n a d e las

m a tric e s d el in c is o a), e m p e z a n d o c o n Xq = ( - 1 , 2 ).
c ) C a lc u le la s razo n e s ' L f k x p a ra A y B . ¿P a ra q u é m a triz es de e s p e ra r u n a c o n v erg e n cia
m á s ráp id a ?
Sección H.4 Aplicación de los M étodos Numéricos
lu d em o stració n d el te o re m a 8 .3 p a ra d e m o stra r q u e
l**H) -
Valores g ra n d e s d e k . E s d ecir, d e m u e stre q u e los fa c to re s d e e s c a la o b te n id o s con

lo do p o te n cias tie n d e al v a lo r c a ra c te rístic o d o m in an te.
lelos 27 y 28, a p liq u e cu atro ite ra c io n e s del m é to d o d e p o te n c ia s (con csc a la c ió n )

lim ar el v a lo r c a ra c te rístic o d o m in a n te d e la m a triz d ad a. D e sp u é s d e c a d a iteració n ,
Ip ro x im a c ió n al d iv id ir su lo n g itu d de m o d o q u e la ap ro x im a c ió n re s u lta n te sea un
liarlo.
( 7 -4 2
28. A = 16 -9 6
•i7
8 -4 5.
Aplicación de los M étodos Numéricos

Sones de la Eliminación Gaussiana con Pivoteo
|¿ n 2 .5 s e u s ó e l a n á lis is d e r e g r e s ió n p o r m ín im o s c u a d r a d o s p a ra d e te r m in a r
b e á t i c o s lin e a le s q u e s e a ju s te n m e jo r a un c o n ju n to d e n p u n to s e n e l p la n o ,
lim ie n to p u e d e e x te n d e r s e p a r a a b a r c a r m o d e lo s p o lin o m ia le s d e c u a lq u ie r
g o m o s e m u e s tr a a c o n tin u a c ió n .
io d e r e g r e s ió n p o r m ín im o s c u a d r a d o s d e g r a d o m p a r a lo s p u n to s {( x v
y2>............ < * „ ,y „ )l e s tá d a d o p o r
c o e f ic ie n te s e s tá n d e te r m in a d o s p o r e l s ig u ie n te s is te m a d e m + 1 e c u a -
¡neales,
na0 + (2x¿ a¡+ ( £ * <2)a 2 + - - - + ( Z x ” )am^ Z y t
/ X + ( Z x ^ f a , * < Z x r 2)a, + • • • + ( Z x ^ ) a m = Z x f y ,
irvc q u e si m = 1 e s te s is te m a d e e c u a c io n e s s e re d u c e a
= 2 y.
= Z x ¡y p
û/fu u io ñ MModos Numéricos
cu ya s o lu c ió n es
E n el e je r c ic io 16 s e p id e q u e e l le c to r d e m u e s tr e q u e e s ta f ó r m u la e s e q u iv a le n te
fó r m u la m a tric ia l d e la r e g r e s ió n lin e a l p r e s e n ta d a e n la s e c c ió n 2 .5
E n e l e je m p lo 1 s e ilu s tr a la a p lic a c ió n d e l a n á lis is d e re g re s ió n p a r a d e te rm in a r
m o d e lo p o lin o m ia l d e s e g u n d o g ra d o .
► Ejemplo I Análisis de Regresión p o r Mínimos Cuadrados

S e g ú n la S í a í is t ic a l A b s t r a c t o f th e U n it e d S ta te s , la p o b la c ió n m u n d ia l e n b illo n e s
lo s a ñ o s d e 1 9 5 0 a 1985 e s c o m o s e o b s e r v a c n la ta b la s ig u ie n te .
P o b la c ió n
D e te r m in a r el p o lin o m io d e re g re s ió n p o r m ín im o s c u a d r a d o s d e s e g u n d o g r a d o p a ra Ic
d a to s a n te r io r e s y a p lic a r el m o d e lo re s u lta n te p a r a p r e d e c ir la p o b la c ió n m u n d ia l d e 19'
y 1995.
Solución: S c e m p ie z a p o r h a c e r q u e x = - 4 r e p re s e n te a 1 9 5 0 y x = - 3 r e p r e s e n te a 1955,
e tc . A s í, la c o le c c ió n d e p u n to s e s { ( - 4 ,2 .5 3 ) , ( - 3 ,2 . 7 7 ) , ( - 2 , 3 . 0 5 ) , ( - 1 , 3 . 3 6 ) , ( 0 , 3.72|
( 1 , 4 . 1 0 ) , ( 2 ,4 .4 7 ) , ( 3 , 4 . 8 7 ) ) , c o n lo q u e s e o b tie n e
Z x¡ = - 4 , Z X * = 44,
¡= 1 1= 1
8 8
Z x * = 452, Z y , = 2 8 .8 7 . Z V i = - 0 .2 4 , I x #V 1 4 6 .7 8 .
i= i 1= 1
P o r c o n s ig u ie n te , el s is te m a d e e c u a c io n e s lin e a le s c o n e l q u e s e o b tie n e n lo s c o e fic ie n te s

d e l m o d e lo c u a d r á tic o y = a ^ x 1 + a }x + a 0 es
8a 0 - 4¿/j + 4 4 a 2 = 2 8 .8 7
- 4 a 0 + 4 4 í¿. - 6 4 a 2 = - 0 .2 4
4 4 tf0 - 6 4 a , + 4 5 2 f l2 = 1 4 6 .7 8
A l a p lic a r la e lim in a c ió n g a u s s ia n a c o n p iv o te o s o b r e la m a triz
8 -4 44 2 8 .8 7
-4 44 -6 4 - 0 .2 4
44 -6 4 452 1 4 6 .7 8
Sección ¿U Aplicación ¡le los M étodos Numéricos 517
- 1 .4 5 4 5 1 0 .2 7 2 7 3 .3 3 5 9
I - 0 .6 0 0 0 0 .3 4 3 2
0 1 0 .0 1 3 0
s u s titu c ió n s e e n c u e n tr a q u e la s o lu c ió n es
p 0 .0 1 3 0 , a , = 0 .3 5 1 0 , a 0 = 3 .7 1 2 6 ,
le a d e r e g r e s ió n es
m 0 .0 13 tt *2 + 0 .3 5 10* + 3 .7 1 2 6 .
URA 8.1
l | fig u ra 8 .1 s e c o m p a r a e s te m o d e lo c o n lo s p u n to s d a d o s . A fin d e p r e d e c ir la p o
l i m u n d ia l d e 1 9 9 0 , s e h a c e x = 4 , c o n lo q u e se o b tie n e
y = 0 .0 1 3 0 (4 2) + 0 .3 5 1 0 (4 ) + 3 .7 1 2 6 = 5 .3 2 b illo n e s .
i n e r a s e m e ja n te , la p r e d ic c ió n p a r a 1995 (x = 5 ) es
y = 0 .0 1 3 0 (5 2) + 0 .3 5 1 0 ( 5 ) + 3 .7 1 2 6 = 5 .7 9 b illo n e s . <
m plo 2 Análisis de Regresión p o r Mínimos Cuadrados

rm in e e l p o lin o m io d e re g re s ió n p o r m ín im o s c u a d r a d o s d e te r c e r g ra d o
y = dyX3 + a 2x2 + a xx + ciQ
u lo s p u n to s
{(0, 0 ) , (1 , 2 ), (2 , 3 ), (3 , 2 ), (4 , 1), (5 , 2 ), ( 6 , 4)}.
lición: P a ra e s te c o n ju n to d e p u n to s , e l s is te m a lin eal
n a Q + ( Z x ¡) a , + ( Z x ? ) a 2 + ( Z x ? ) a 3 = Z y .
( I x ¡)a Q + ( Z x ? ) a t + ( Z x ? ) a 2 + ( Z x 4) a i = Z x .y ¡
(Z x .2) a 0 + ( Z x 3) a , + (Z x .4)a 2 + ( Z x .5) a } = Z x ? y .
( Z x f a + ( Z x > , + (Z x ? ) a 2 + (Z x > 3= Z x fr,
518 C a p ítu lo s M étodos Numéricos
se co n v ie rte en
l a 0 + 2 1a, + 91a2 + 441a3 = 14

21a0 + 91a, + 441a2 + 2 ,2 7 5 a 3 = 52
91a0 + 441a, + 2 ,2 7 5 a 2 + 1 2 ,2 0 1 a 3 = 242
4 4 1 a 0 + 2 , 2 7 5 a , + 1 2 ,2 0 1 a 2 + 6 7 , 1 7 I a 3 = 1 ,258.
P o r m e d io d e la e lim in a c ió n g a u s s ia n a c o n p iv o te o s o b r e la m a tr iz
7 21 91 441 14 ‘
21 91 441 2 ,2 7 5 52
91 441 2 ,2 7 5 12,201 242
441 2 ,2 7 5 12,201 6 7 ,1 7 1 1 ,2 5 8 .
s e o b tie n e
í
1.0000 5 .1 5 8 7 2 7 .6 6 6 7 1 5 2 .3 1 5 0 2 .8 5 2 6 ‘
0.0000 1.0000 8 .5 3 1 2 5 8 .3 4 8 2 0 .6 1 8 3
0.0000 0.0000 1.0000 9 .7 7 1 4 0 .1 2 8 6
. 0.0000 0.0000 0.0000 1.0000 0 .1 6 6 7 .
1 1 '^
£*3 = 0 .1 6 6 7 , a 2 = - 1 .5 0 0 0 , £*, = 3 .6 9 0 5 , £*0 = - 0 .0 7 1 4 .
II-
P o r c o n s ig u ie n te , e l m o d e lo c ú b ic o e s
y = 0 . 1667*3 - 1 .5 0 0 0 a2 + 3 .3 9 0 5 * - 0 .0 7 1 4
E n la fig u ra 8 .2 s e c o m p a r a e s te m o d e lo c o n lo s p u n to s d a d o s .
FIGURA 8.2
i
Sección H.4 Aplicación de los M étodos Num éricos 519
onrs del Método de Gauss-Seldel

l*lo .7 Una Aplicación a la h v b a b illd a d
B.3 es un la b e r in to u s a d o e n u n e x p e r im e n to d e la b o ra to rio . E l e x p e r im e n to c m -
| | colocar un r a tó n e n u n a d e la s 10 in te r s e c c io n e s in te r io r e s d e l la b e r in to . U n a v e z
f i l ó n llega al c o r r e d o r e x te r io r , y a n o p u e d e v o lv e r al la b e r in to . C u a n d o u n ra tó n
litru en una in te rs e c c ió n in te rio r, s e s u p o n e q u e s u e le c c ió n d e la tr a y e c to ria a
ttlcutoria. ¿ C u á l e s la p r o b a b ilid a d d e q u e el r a tó n lle g u e a l “ c o r r e d o r d e c o m id a ”
In ic ia su r e c o r r id o e n la /-é s im a in te rs e c c ió n ?
Sea p i la p r o b a b ilid a d d e g a n a r ( lle g a r a la c o m id a ) e m p e z a n d o e n la /-é sim a

lón. E n to n c e s s e f o r m a u n a e c u a c ió n lin e a l e n la q u e a p a r e z c a n p. y la s p ro b a -
asociadas c o n la s in te r s e c c io n e s fro n te riz a s a la /- é s im a in te rs e c c ió n . P o r e je m -
lu primera in te r s e c c ió n el ra tó n tie n e la p r o b a b ilid a d j d e e le g ir la tr a y e c to ria
derecha y p e rd e r, u n a p r o b a b ilid a d | d e e le g ir la tr a y e c to r ia s u p e r io r iz q u ie rd a
, una p r o b a b ilid a d i d e e le g ir la tr a y e c to r ia in fe rio r d e r e c h a (en c u y o p u n to tie n e
bilidad p 3 d e g a n a r ) y u n a p r o b a b ilid a d d e | d e e le g ir la tr a y e c to r ia in fe rio r
(en c u y o p u n to tie n e u n a p r o b a b ilid a d p 2 d e g a n a r). P o r ta n to , s e tie n e
Superior Superior Inferior Inferior

derecha izquierda izquierda derecha
URA 8.3
Ull ra z o n a m ie n to s im ila r , se e n c u e n tr a q u e la s o tra s 9 p r o b a b ilid a d e s e s tá n re p re s e n -

p o r la s s ig u ie n te s e c u a c io n e s .
520 Capítulo fi M étodos Numéricos
P l= ^ ° > + 5 P . + 5 ^ 3 + 5 ^ 4 + 'sP5
P3 = 5<°)+ 5P 1 + 5 P 2 + jPs + jP 6
P4 = |(0)+ \p2 + \p5 + \p2 + \p z
Ps = i P l + Z P j + ZPa+ ZP6+ 'zP&+ ZP 9
P6 = 5( 0) + 5 P 3 + \ps + \p9 + 5 P I0
P j= 1 (0 ) + í d ) + \pA+ \Pi
PS= i( D + ¿PA+ l P 5 + \pn+ \p9
P9 = i d ) + i P S + 'i P e + iP & + lP , o
P ,o = 5 (0 )+ *(1 )+ Íp 6 + \p9
A l v o lv e r a e s c r ib ir e n fo rm a e s tá n d a r e s ta s e c u a c io n e s s e o b tie n e el s ig u ie n te s is te m a de
10 e c u a c io n e s lin e a le s e n 10 v a ria b le s .
4P i ~ p2 - P i = °
-p ¡ + Sp2 - P3 ~ P4 - P$ = °
- P i - P2 + $P3 ~ P i ~ P6 = 0
-p 2 + 5 p4 - ps - p7 - ps =0
-P 2- P3 ~ P4 + 6P s ~ Pf, - P % - Pg = 0
-p 3 - p5 + 5p6 ~ P9 - P i0 = 0
-P 4 + 4 P i ~ Ps =1
-P i - Pi - Py + S P s - P9 =1
-P s- Pe - P s + 5P 9 - P ío = 1
~P 6 ~ P 9 + 4 p xo = 1
L a m a tr iz a u m e n ta d a d e e s te s is te m a es
4 -1 -1 0 0 0 0 0 0 0 0
-1 5 -1 -1 -1 0 0 0 0 0 0
-1 -1 5 0 -1 -1 0 0 0 0 0
0 -1 0 5 -1 0 -1 -1 0 0 0
0 -1 -1 -1 6 -1 0 -1 -1 0 0
0 0 -1 0 -1 5 0 0 -1 -1 0
0 0 0 -1 0 0 4 -1 0 0 1
0 0 0 -1 -1 0 -1 5 -1 0 1
0 0 0 0 -1 -1 0 -1 5 -1 1
0 0 0 0 0 -1 0 0 -1 4 1
C o n e l m é to d o d e G a u s s - S e id e l y u n a a p r o x im a c ió n in ic ia l d e p } = p 2 = . . . = / ; , 0 = 0 s e
o b tie n e ( d e s p u é s d e 18 ite r a c io n e s ) u n a a p ro x im a c ió n d e
Sección H.4 Aplicación J e los M étodos Num éricos 521
p t » 0 .0 9 0 , p 2 = 0 .1 8 0
P y = 0 .1 8 0 , p A = 0 .2 9 8
P y = 0 .3 3 3 , p 6 = 0 .2 9 8
P j = 0 .4 5 5 , p 8 = 0 .5 2 2
p 9 = 0 .5 2 2 , p w = 0 .4 5 5 .
1«ii e s tr u c tu r a d e l p r o b le m a d e p r o b a b ilid a d d e s c r ito e n e l e je m p lo 3 e s tá r e la c io n a d a

u n a té c n ic a d e n o m in a d a a n á l is is d e e l e m e n t o s f in ito s u tiliz a d a e n m u c h o s p ro b le -
d c in g e n ie ría .
|e m p lo 4 p r o p o r c io n a u n a ilu s tra c ió n d e l e m p le o d el a n á lis is d e e le m e n to s f in ito s p a ra
«■minar la d is tr ib u c ió n d e te m p e ra tu ra e n u n a p la c a m e tá lic a .
feyc m p lo 4 L a T em p era tu ra en una Placa M etálica

Ina p la c a m e tá lic a c u a d r a d a tie n e u n a te m p e r a tu r a c o n s ta n te e n c a d a u n o d e s u s c u a tro
is, c o m o se m u e s tr a e n la fig u ra 8 .4 . A p r o x im e la d is tr ib u c ió n d e te m p e r a tu r a e n el
irio r d e la p la c a .
Ilición: D a d o q u e el in te r io r d e la p la c a c o n s ta d e in f in id a d d e p u n to s c o n in f in id a d de
ip c ra tu ra s d is tin ta s , s e e lig e a p r o x im a r la d is tr ib u c ió n d e te m p e r a tu r a c n u n n ú m e ro
fin ito d e p u n to s e n el in te r io r d e la p la c a . P a r a lo g r a r lo a n te r io r , s e s u p e r p o n e u n a re jilla
[a n g u la r a la p la c a .
IURA 8.4 FIGURA 8.5
M ie n tra s m á s fin a s e a la re jilla , m á s e x a c ta s e rá la a p r o x im a c ió n . P a r a e f e c to s d e la

{ m o strac ió n , s e e m p ie z a c o n u n a r e jilla d e 4 x 4 q u e tie n e 9 p u n to s in te rn o s , c o m o se
m u e s tra e n la fig u ra 8 .5 . E n c a d a p u n to in te rio r, s e s u p o n e q u e la te m p e r a tu r a e s e l pro-
ic d io d e la s te m p e r a tu r a s en lo s c u a tr o p u n to s v e c in o s m á s c e r c a n o s . P o r e je m p lo , k
ím p e ra tu ra e n e l p r im e r p u n to e stá d a d a p o r
r, = {(50 + ioo + t 2 + r 4).

D e m a n e r a s e m e ja n te , la s te m p e r a tu r a s d e lo s o tr o s o c h o p u n to s in te r io r e s e s tá n d a d a s
p o r la s s ig u ie n te s e c u a c io n e s .
72 = {(ioo + 7 , + 7 3 + 7 5)
7-3 = { ( 8 0 + 1 0 0 + r 2 + Tb)
t4 = { (5 0 + 7 , + r 5+ T n)
T5 = i ( T 2 + T A + T 6 + T i )
T6 = { ( 8 0 + 7-3 + 75 + T 9)
7 , = {(0 + 5 0 + T 4 + 7 g)
7 g = { ( 0 + 7 S + 7 , + T 9)
T9 = { ( 0 + 8 0 + T 6 + 7 g)
E n fo r m a e s tá n d a r , e s te s is te m a d e n u e v e e c u a c io n e s lin e a le s e n n u e v e v a r ia b le s e s
4 7 , - T2 - T4 =150
- 7 ,+ 4 7 2- T, - 7S =100
- T 2 + 4T2 - 76 =180
-7 , + 474 - 75 - 7? = 50
~T2 - 74 + 4 7 j - 7 6 - 7g = 0
-7 j - 7 5 + 4 7 -6 - 79 = 80
-T 4 + 4 7? - 78 = 50
-7 5 - 7? + 4 7 g — 79 = 0
-7 6 - 7g + 479 = 80.
L a m a tr iz a u m e n ta d a d e e s te s is te m a es
4 -1 0 -1 0 0 0 0 0 150
-1 4 -1 0 -1 0 0 0 0 100
0 -I 4 0 0 -1 0 0 0 180
-1 0 0 4 -1 0 -1 0 0 50
0 -1 0 -1 4 -1 0 -1 0 0
0 0 -1 0 -1 4 0 0 -1 80
0 0 0 -1 0 0 4 -1 0 50
0 0 0 0 -1 0 -1 4 -1 0
. 0 0 0 0 0 -1 0 -1 4 80
L u e g o , c o n el m é to d o d e G a u s s - S e id e l y u n a a p r o x im a c ió n in ic ia l d e 7 , = 7 2 = . . . = / 9
= 0 , s e o b tie n e (d e s p u é s d e 11 ite r a c io n e s ) la s ig u ie n te a p r o x im a c ió n
7 , = 7 0 .0 ° , 7 2 = 7 7 .0 ° , 7 j = 8 0 .7 °
T 4 = 5 2 .9 ° , 7 j = 5 7 .5 ° , 7 6 = 6 5 .8 °
T 7 = 3 4 .3 ° , 7 g = 3 4 .2 ° , 7 9 = 4 5 .0 ° 4
S i e n e l e je m p lo 4 s c h u b ie s e u tiliz a d o u n a re jilla d e 10 x 10, e n to n c e s la a p ro x im a c ió n

h u b ie ra im p lic a d o 81 p u n to s in te rio re s , c o n lo q u e s c te n d r ía u n s is te m a de 81 ecuaciones
lin e a le s e n 81 v a ria b le s . L a a p r o x im a c ió n r e s u lta n te p a ra la s temperaturas cn el inlcrioi
de la p la c a s c m u e s tr a c n la fig u ra 8 .6.
Sección 8 .4 A plicación de los M étodos N um éricos 523
IRA8.6
Observe q u e c a si to d o s lo s e le m e n to s d e la s m a tric e s o b te n id a s e n lo s e je m p lo s 3 y 4
iIguales a c e ro . E s ta s m a tr ic e s s e d e n o m in a n disp ersas ( o ra la s ). P a ra r e s o lv e r s is te m a s
lacioncs c o n m a tr ic e s d e c o e f ic ie n te s d is p e r s a s , lo s m é to d o s d e J a c o b i y d e G a u s s -
ll son m u c h o m á s e f ic a c e s q u e la e lim in a c ió n g a u s s ia n a .
H ondones del M étodo d e P o te n c ia s

la sección 7 .4 s e in tro d u jo la id e a d e la m a t r iz d e t r a n s ic ió n d e e d a d e s c o m o m o d e lo
Crecimiento d e u n a p o b la c ió n . R e c u e r d e q u e e s e m o d e lo s e d e s a r r o lló a g r u p a n d o la
lición en n c la s e s d e e d a d d e ig u a l d u r a c ió n . A sí, p a r a u n a d u r a c ió n m á x im a d e v id a
L «ños, las clases d e e d a d e s tá n d a d a s p o r lo s s ig u ie n te s in te rv a lo s .
- U n id le Clase de Clase de
Id prime- la según- la n-ésima
r t edm! da edad edad
•es, el número de m iem bros de la población e n c a d a c la s e d e e d a d e s tá re p r e s e n ta d o

• I vector do distribución de edades.
524 C apítulo 8 M étodos Numéricos
N ú m e r o e n la c la s e d e la p r im e r a e d a d
N ú m e r o e n la c la s e d e la s e g u n d a e d a d
x =
- x. N ú m e r o e n la c la s e d e la n - é s im a e d a d
D u r a n te u n p e r io d o d e U n a ñ o s , la p r o b a b ilid a d d e q u e u n e le m e n to d e la i- é s im a claso
d e e d a d s o b r e v iv a p a r a c o n v e r tir s e e n u n m ie m b r o d e la ( i + l) - é s im a c la s e d e e d a d está
d a d a p o r p . y d o n d e 0 ^ p if =£ 1, i = 1, 2 , . . . , n - 1. E l n ú m e r o m e d io d e d e s c e n d e n c ia
p r o d u c id a p o r u n m ie m b r o d e la /-é s im a c la s e d e e d a d e s tá d a d o p o r b ¡y d o n d e 0 < b .9 i
1, 2 , . . . , n . E s to s n ú m e ro s p u e d e n e s c r ib ir s e e n fo rm a m a tr ic ia l c o m o s ig u e .
b2 ••• V . K~
r b■
p\ 0 0 • •• 0 0
0 p2 0 • •• 0 0
A = •
0 0 0 • • • ¿V, 0
A l m u ltip lic a r e s ta m a tr iz d e tr a n s ic ió n d e e d a d e s p o r e l v e c to r d e d is tr ib u c ió n d e e d a d fll

d e u n p e r io d o d e tie m p o s e o b tie n e el v e c to r d e d is trib u c ió n d e e d a d e s p a ra el s ig u ic n to
p e rio d o . E s d e c ir,
A x , = x , + ,.
E n la s e c c ió n 7 .4 s e v io q u e e l p a tró n d e c r e c im ie n to d e u n a p o b la c ió n e s e s ta b le si el
m is m o p o r c e n ta je d e la p o b la c ió n to ta l s e e n c u e n tr a e n c a d a c la s e d e e d a d c a d a a ñ o . En
d e c ir ,
^ x i = x i + 1 = X x ¡.
P a r a p o b la c io n e s c o n m u c h a s c la s e s d e e d a d , la s o lu c ió n d e e s te p r o b le m a d e valo ren
c a r a c te r ís tic o s p u e d e d e te r m in a r s e a p lic a n d o el m é to d o d e p o te n c ia s , c o m o s e ilu s tra en
e l e je m p lo 5.
► Ejemplo 5 Un Modelo de Crecimiento de una Población

S u p o n g a q u e u n a p o b la c ió n d e m u je re s p r e s e n ta la s s ig u ie n te s c a r a c te r ís tic a s .
N ú m e r o m e d io d e n iñ a s P r o b a b ilid a d d e
C la s e d e e d a d d u r a n te e l p e r io d o s o b r e v iv ir a la s ig u ie n te
(e n a ñ o s ) de 10 años c la s e d e e d a d
0 ^ e d a d < 10 0.000 0 .9 8 5
10 ^ e d a d < 20 0 .1 7 4 0.996
2 0 < e d a d < 30 0 .7 8 2 0.994
30 < edad < 40 0 .2 6 3 0.990
4 0 < ed ad < 50 0.022 0.975
S ección 8 .4 A p licación d e lo s M étodos N um éricos
C la s e d e e d a d N ú m e r o m e d io d e n iñ a s P r o b a b ilid a d de
(e n a ñ o s ) d u r a n te e l p e r io d o s o b r e v iv ir a la s ig u ie n te
de 10 años c la s e d e e d a d
50 s edad < 60 0.000 0 .9 4 0

6 0 £ e d a d < 70 0.000 0.866
70 S edad < 80 0.000 0 .6 8 0
80 ^ edad < 90 0.000 0 .3 6 1
9 0 S e d ad < 100 0.000 0.000
trc u n a d is trib u c ió n d e e d a d e s e s ta b le p a r a e s ta p o b la c ió n .
Dlóll: L a m a tr iz d e tr a n s ic ió n d e e d a d e s d e e s ta p o b la c ió n e s
0.000 0.174 0.782 0.263 0.022 0.000 0.000 0.000 0.000 o.ooo"
0.985 0 0 0 0 0 0 0 0 0
1 0 0.996 0 0 0 0 0 0 0 0
0 0 0.994 0 0 0 0 0 0 0
0 0 0 0.990 0 0 0 0 0 0
0 0 0 0 0.975 0 0 0 0 0
0 0 0 0 0 0.940 0 0 0 0
0 0 0 0 0 0 0.866 0 0 0
0 0 0 0 0 0 0 0 .6 8 0 0 0
. o 0 0 0 0 0 0 0 0.361 0 _
iplicar e l m é to d o d e p o te n c ia s c o n e s c a la c ió n y o b te n e r u n v e c to r c a r a c te r ís tic o d e
Ifttriz, s e u s a u n a a p ro x im a c ió n in ic ia l d e x 0 = (1, 1, 1, 1, 1, 1, 1, 1, 1, 1). A c o n -
flón s e p r e s e n ta u n a a p r o x im a c ió n p a r a u n v e c to r c a r a c te r ís tic o A , c o n el p o rc e n ta je
lAda e d a d e n la p o b la c ió n to tal.
P o r c e n ta je en
’t e t o r c a r a c te r ís tic o C la s e d e e d a d la c la s e d e e d a d
1.000 '
0 s e d a d < 10 1 5 .2 7 %
0 .9 2 5 10 s e d a d < 20 1 4 .1 3 %
0 .8 6 4 20 £ ed ad < 30 1 3 .2 0 %
0 .8 0 6 30 ^ edad < 40 1 2 .3 1 %
0 .7 4 9 4 0 =£ e d a d < 5 0 1 1 .4 4 %
0.686 50 s edad < 60 1 0 .4 8 %
0 .6 0 5 60 ^ edad < 70 9 .2 4 %
0 .4 9 2 7 0 ^ e d a d < 80 7 .5 1 %
0 .3 1 4 80 s edad < 90 4 .8 0 %
. 0 ,1 0 6 . 9 0 s e d a d < 100 1 .6 2 %
Rl valor característico correspondiente a l v e c to r característico x en e l e je m p lo 5 e s X

1.065. lis decir.
1.000 " 1 .0 6 5 ' 1.000 ‘

0 .9 2 5 0 .9 8 5 0 .9 2 5
0 .8 6 4 0 .9 2 1 0 .8 6 4
0 .8 0 6 0 .8 5 9 0 .8 0 6
0 .7 4 9 S55 0 .7 9 8 0 .7 4 9
~ 1.065
0.686 0 .7 3 1 0.686
0 .6 0 5 0 .6 4 5 0 .6 0 5
0 .4 9 2 0 .5 2 4 0 .4 9 2
0 .3 1 4 0 .3 3 4 0 .3 1 4
. 0 .1 0 6 . . 0 .1 1 3 . . 0 .1 0 6 .
E s to s ig n if ic a q u e la p o b la c ió n d e l e je m p lo 5 a u m e n ta 6 .5 % c a d a 10 a ñ o s .
O bservación: E n c a s o d e in te n ta r d u p lic a r lo s re s u lta d o s d e l e je m p lo 5 , d e b e o b s e r v a r s e

q u e la c o n v e r g e n c ia d e l m é to d o d e p o te n c ia s d e e s te p r o b le m a e s b a s ta n te le n ta . L a ra z ó n
e s q u e el v a lo r c a r a c te r ís tic o d o m in a n te d e X » 1 .0 6 5 e s a p e n a s m a y o r c n v a lo r a b s o lu to
q u e e l s ig u ie n te v a lo r c a r a c te r ís tic o m á s g ra n d e .

A p licacion es d e la E lim in ación G au ssian a co n Pivoteo
H E n lo s e je rc ic io s del 1 al 4 , o b te n g a el p o lin o m io d e reg resió n p o r m ín im o s c u a d ra d o s de s e

g u n d o g ra d o p a ra lo s d a to s q u e se m uestran.
1. ( - 2 , 1 ) , ( - 1 , 0 ) , ( 0 , 0 ) , ( 1 , 1), (3 , 2 )
2 . ( 0 ,4 ) , ( 1 ,2 ) . ( 2 , - 1 ) , ( 3 ,0 ) , (4 , 1), ( 5 ,4 )
3 . ( - 2 , 1), ( - 1 , 2 ), (0 , 6 ), (1 , 3 ), (2 , 0 ), (3 . - 1 )
4 . (1 , 1), (2 , 1), ( 3 ,0 ) , ( 4 , - 1 ) , (5 , - 4 )
H E n lo s e je rc ic io s del 5 al 8, o b te n g a el p o lin o m io d e reg resió n p o r m ín im o s c u a d ra d o s d e tercer

g ra d o p a ra lo s d a to s m o strad o s. L u eg o , c o m p a re g ráfic am en te el m o d e lo c o n los p u n to s dad o s.
5 . ( 0 ,0 ) , ( 1 ,2 ) , (2 , 4 ), (3, 1), (4 , 0 ), (5 , 1)
6 . ( 1 ,1 ) , (2 , 4 ), (3 , 4 ), ( 5 ,1 ) , ( 6 , 2 )
7 . ( - 3 , 4 ), ( - 1 , 1), ( 0 ,0 ) , ( 1 ,2 ) , (2 , 5)
8. ( - 7 , 2 ), ( - 3 , 0 ) , ( 1 , - 1 ) , (2 , 3 ), (4 . 6)
frí 9 . O b te n g a el p o lin o m io de reg resió n p o r m ín im o s c u ad ra d o s d e seg u n d o g ra d o p a ra los

pu n to s
L uego , ap liq u e el resu ltad o p ara ap ro x im ar co s (/i/4). C o m p a re la ap ro x im ació n co n el valor

exacto.
Sección HA Ejercicios 527
u o n trc el p o lin o m io d e reg resió n p o r m ín im o s c u a d ra d o s d e te rc e r g ra d o p a ra los

puntos
( _ í . _ 4 «0. 0,. ( - V 3 ) . ( = .,) .
:go, use el re su lta d o p a ra a p ro x im a r ta n (n /6 ) . C o m p a re la a p ro x im a c ió n c o n el v alo r

neto.
Itllm cro d e m in u to s q u e u n b u zo p u e d e p e rm a n e c e r a u n a p ro fu n d id a d e sp e c ífic a sin ser

Idldo p o r la d e sc o m p re sió n , seg ú n las S tan d a rd A ir D e sc o m p re ssio n T a b le s d e la
nrinn d e E sta d o s U n id o s, se m u e stra en la ta b la sig u ien te.
fu n d id ad (en p ie s) 35 40 50 60 70 80 90 100 110
impo (en m in u to s) 310 200 100 60 50 40 30 25 20
i ) Determine la recta d e re g re sió n p o r m ín im o s c u a d ra d o s d e e sto s d ato s,

b ) E n cu en tre el p o lin o m io d e re g re sió n p o r m ín im o s c u a d ra d o s d e se g u n d o g ra d o para
estos datos.
0) Trace las g rá fic a s d e lo s m o d elo s d e te rm in a d o s e n los in c iso s a) y b).
d) Aplique lo s m o d e lo s d eterm in a d o s en los in c iso s a) y b ) p a ra a p ro x im a r el n ú m ero
■ ' máximo d e m in u to s q u e un b u z o d e b e p e rm a n e c e r a u n a p ro fu n d id a d d e 120 pies. (El
valor d a d o p o r la s ta b la s d e la M a rin a e s de 15 m in u to s).
U esperanza d e v id a d e a ñ o s a d ic io n a le s d e v id a p a ra las m u jeres e sta d o u n id e n se s está

dada com o m u e stra e n la ta b la sig u ien te.
E d ad actual 10 20 30 40 50 60 70 80
E sp eran z a d e v id a 69.7 5 9 .9 50.2 4 0 .6 31.3 22.8 15.3 9 .0
Encuentre el p o lin o m io d e re g re sió n p o r m ín im o s c u a d ra d o s d e seg u n d o g ra d o p a ra esto s

dutos.
Los p agos fe d e ra le s to ta le s (en b illo n e s d e d ó la re s) p a ra M e d ic a re de 1970 a 1984 s e dan

on la ta b la sig u ien te.
A ño 1970 1972 1974 1976 1978 1980 1982 1984
M edicare 7.5 9.1 13.1 19.3 2 5 .9 36.8 5 2 .4 64.8
T D eterm in e el p o lin o m io d e reg resió n p o r m ín im o s c u a d ra d o s de seg u n d o g ra d o p a ra esto s

i d ato s. L u eg o , u tilic e el resu ltad o p a ra p re d e c ir lo s p ag o s a M e d ic a re p a ra 1986 y 1988.
Q 14. T ra b a je d e n u e v o c o n el e je rc ic io 13 u sa n d o los d a to s m o stra d o s a c o n tin u a c ió n , don*

lo s p a g o s a M e d ic a re se h an aju sta d o d e b id o a la in flació n .
A ño 1970 1972 1974 1976 1978 1980 1982 1984
M ed ica re 7 .5 8.4 10.3 13.2 15.4 17.3 21.1 24.2
H 15. E n c u e n tre la recta d e re g re sió n p o r m ín im o s c u a d ra d o s p a ra los d a to s d e la poblaoi

d ad o s e n e l e je m p lo 1. L u eg o , u s e e l m o d e lo p a ra p re d e c ir la p o b la c ió n m u n d ial en 1990
y 1995; c o m p a re lo s resu ltad o s co n la s p red ic c io n e s o b te n id a s e n el e je m p lo 1.
16. D e m u e stre q u e la fó rm u la p ara la re c ta d e reg resió n p o r m ín im o s c u a d ra d o s presentadü

e n la se c c ió n 2 .5 e s e q u iv a le n te a la fó rm u la p re se n ta d a en e sta secció n . E s d e c ir, si
- 1
>2 1 X2
Y= x= • A =
_ y» . - ' *
e n to n c e s la e c u a c ió n m a tricial A = (.X 'X ) ~lX ‘ Y es eq u iv a le n te a
y,) Ix
«o = -a,
n i x f - C L X j) 2 n
A p lic a c io n e s d e l M é t o d o d e G a u s s - S e i d e l
fri 17. S u p o n g a q u e el e x p e rim e n to d el e je m p lo 3 se llev a a c a b o c o n el la b e rin to m o stra d o en

la fig u ra 8 .7 . E n c u e n tre la p ro b ab ilid ad d e q u e el rató n sa lg a d el c o rre d o r d e com ida
c u a n d o em p ie z a su re c o rrid o en la /-ésim a in tersecció n .
FIGURA 8.7
gil q u e el e x p e rim e n to d el e je m p lo 3 se e fec tú a c o n el la b erin to m o stra d o e n la figu-

,R. O b te n g a la p ro b a b ilid a d d e q u e el rató n salg a en e l c o rre d o r de c o m id a c u an d o
p lc/.a su re c o rrid o e n la /-ésim a in tersecció n .
FIGURA 8.8
fita p laca m e tá lic a c u a d ra d a tie n e u n a te m p e ra tu ra c o n s ta n te en c a d a u n a d e s u s fro n teras,

o s e m u e stra en la fig u ra 8.9 . U se u n a rejilla de 4 x 4 p a ra a p ro x im a r la d istrib u ció n
te m p eratu ra e n el in te rio r d e la placa.
FIGURA 8.9
U na p laca m e tá lic a re c ta n g u la r tien e u n a te m p e ra tu ra c o n s ta n te en c a d a u n a d e su s cu atro

fro n teras, c o m o se o b s e rv a en la fig u ra 8 .1 0 . U se u n a re jilla d e 4 x 5 p a ra a p ro x im a r la
d istrib u ció n d e te m p e ra tu ra en el in te rio r d e la placa.
p itillo y
¿icios Vectoriales Complejos

I N ú m ero s C o m p le jo s
i ( o n ju g a d o s y D iv is ió n d e N ú m e r o s C o m p le jo s
\ Form a P olar y T e o r e m a d e D c M o iv re
•I E sp a cio s V e c to r ia le s C o m p le jo s y P rod u ctos Interiores
^ M atrices U n ita ria s y H crm itianas
ríes Hermite
1(122-1901
C harles H erm ite n a cíá tó v fsp crá ;:i íéihSyl¿

‘ en D ieu ze,
m anos. Su
que estu d ió i n g e n i e ^ A u n qu e m ucha d e /
primera ed u cación ocurrió e n e l hogar, f u e ' l f f l
París a estudiar a la ed ad d e 18 años, |¡ ¡ § p |¡
A lo s2 0 a ñ o sd e e d a d ,H e r m ite p u b lic ó u n
c u lo titu la d o C o n sid e ra tto n s o n th e
b r a ic Sotu tio n o f th e E quation o f the F ifih D egree. (M ás tarde, H erm ite
o stró c ó m o reso lv er una ecu ación general d e q u in to grad o por m ed io d e
io n es elíp tica s m odulares; esta s ecu a cio n es no pueden resolverse en general por
io s algeb raicos.) E l m ism o año, H erm ite fue adm itido a la É c o le P olytechnique,
u e fue exp u lsad o d espu és d e un año. Durante su estan cia e n e l P olitécn ico,
ite co n o c ió a Joseph U o u v ille , q uien a s u v e z 1c p resen tó a Cari Jacobi. La
pondencia de H erm ite co n Jacobi revela la tem prana com p ren sión d e Hermite
m atem áticas abstractas.
En 1 8 48, H erm ite g a n ó un puesto e n el P o litécn ico (la m ism a institución q u e 1c
había exp u lsad o c in c o añ os antes). C on este acon tecim ien to, finalm ente la carrera de
**“rm ite co m en zó a adquirir form a. E n 1856 ya p ertenecía a la A cad em ia d e C ie m
s, e n 1869 a la É c o le N órm ale y , por últim o, en 1870 em p ezó a trabajar com e
profesor en la Sorbona, puesto q u e c o n serv ó hasta s u retiro en 1897.
H erm ite e s m ejor co n o cid o por s u trabajo co n las fu n cion es elíp ticas, por su
dem ostración d e q u e e e s u n núm ero trascendente y por su introducción d e lo que
actualm ente s e denom ina p o lin o m io s d e H erm ite. H erm ite fu e e l prim ero en usar ei
térm ino m atrices o rto g o n a les y fue e l prim ero e n dem ostrarque si una m atriz e s igual
a su propia transpuesta conjugada, e n to n ces sus v a lo res característicos deben set
reales.
533
534 Capítulo 9 Espacios Vectoriales Complejos
9.1 ▲ Números Complejos

H asta el m o m en to en el texto, las can tid ad es escalares q u e se han em p lead o son núm eros
re a les. E n este c a p ítu lo se ex p an d e el co n ju n to d e e sc a la re s a fin d e in c lu ir los ntinw*
r o s c o m p le jo s.
E n álgebra a m enudo es necesario resolver ecuaciones cuadráticas com o x2 —3* + 2 * 0,
La ecu ació n cu ad rática general es a x2 + b x + c = 0 y sus soluciones son
- b ± \ l b2 - 4ac
X~ 2a
d o n d e la can tid ad en el radical, b2 - 4a c, se llam a d is c rim in a n te . Si b2 - 4 a c ^ 0, entone
las solu cio n es son n ú m eros reales co m u n es. Pero, ¿qué puede co n clu irse acerca de la*
soluciones d e una ecuación cu ad rática cu y o d iscrim in an te es negativo? P o r ejem plo, ul
d iscrim in an te d e la ecu ació n x2 + 4 = 0 e s b 2 - 4 a c = - 1 6 . D e la ex p erien cia con el álgeb
ordinaria, e s claro que n o hay ningún nú m ero real cu y o cu ad rad o sea - 1 6 .
S in em b arg o , al escrib ir
■sP1 6 = V l 6( - 1 ) =V T 6“ v = l = 4
se o b serv a que la esen cia del pro b lem a e s que n o hay ningún núm ero real cu y o cuadra
s e a - 1 . P ara resol v er el problem a, los m atem áticos inventaron la u n id a d im a g in a r ia i,q u
tie n e la propiedad d e q u e i 2 = - 1 . E n térm inos d e esta unidad im aginaria se p u ed e cscri
■ P T é = 4 \ T P ~ = 4/
A con tin u ació n se d efin e la unidad im aginaria i.
D efinición d e la U nidad Im ag in aria i

E l n ú m ero i s e llam a u n id a d im a g in a r ía y se d e fin e com o
í = s fl¡
donde r 2 = **4. |l
Observación: El trab ajar con productos q u e im plican raíces cu ad rad as de núm eros negn
tivos, asegúrese d e co n v ertir a un m ú ltip lo de i a n te s de m ultiplicar. P o r ejcm pl
co n sid ere lo siguiente.
V ^ T V T Í = i * i = i2 = - 1 C orrecto
V -T V -1 = V ( - 1) ( - 1) = V T ~ = 1 Incorrecto
C on esta sim p le adición al sistem a de núm eros reales se p u ed e d esarro llar el sistci
d e los n ú m e ro s c o m p le jo s.
Sección 9. / Números Complejos 535
Dlónde Número Complejo

b ion números reales, entonces el número
bl
Húmero co m p lejo , donde a es la p a ite real y b i es la parte im a g in a ria del
La forma a + bi es la fo rm a estándar d e un número com plejo.
NON e je m p lo s d e n ú m e ro s c o m p le jo s e s c r ito s c n f o r m a e s tá n d a r s o n 2 = 2 + 0 /,
y - ()i =* 0 - 6 /. E l c o n ju n to d e lo s n ú m e ro s re a le s e s u n s u b c o n ju n to d e l c o n ju n to
m e ro s c o m p le jo s . P a ra c o m p r e n d e r e s to , o b s e r v e q u e to d o n ú m e ro re a l a p u e d e
c o m o u n n ú m e ro c o m p le jo c o n b = 0 . E s d e c ir , p a ra to d o n ú m e ro re a l,
U- a + Oí.
m ero c o m p le jo e s tá d e te r m in a d o d e m a n e ra ú n ic a p o r s u s p a r te s re a l c im a g in a -
, RC d ic e q u e d o s n ú m e ro s c o m p le jo s s o n ig u a le s s í y s ó lo si s u s p a r te s re a l e
m ili s o n ig u a le s . E s d e c ir, si a + b i y c + d i s o n d o s n ú m e ro s c o m p le jo s e s c r ito s e n
tá n d a r, e n to n c e s
ii + b i = c + d i
Ni a = c y b = d.
Complejo
que un n ú m e ro c o m p le jo e s tá d e te r m in a d o d e m a n e ra ú n ic a p o r s u s p a r te s re a l e
aria, e s n a tu ra l a s o c ia r el n ú m e ro a + b i c o n el p a r o r d e n a d o ( a , b ). C o n e s ta
irtn, lo s n ú m e ro s c o m p le jo s s e p u e d e n r e p r e s e n ta r g r á f ic a m e n te c o m o p u n to s en
) de c o o rd e n a d a s c o n o c id o c o m o p lano com plejo. E s te p la n o e s u n a a d a p ta c ió n d el
tangular d e c o o r d e n a d a s . E s p e c íf ic a m e n te , e l e je h o riz o n ta l s e lla m a eje real y
rtical eje im agin ario. P o r e je m p lo , e n la fig u ra 9.1 s e m u e s tr a la g r á f ic a d e lo s
^8 c o m p le jo s 3 + 2 / y - 2 - /. E l n ú m e ro 3 + 2 i e s tá a s o c ia d o c o n el p u n to (3 , 2 ) y
K> - 2 - / e s tá a s o c ia d o c o n el p u n to ( - 2 , - 1 ).
FIGURA 9.1
3
( 3 .2 ) o 3 + 2/
2
1
h— i— »—► .
1 2 3 reaI
( - 2 . - 1)
o -2 - i
El plano complejo
O tra fo rm a d e rep resen tar el nú m ero co m p lejo a + b i e s co m o un v ecto r cuya

com ponente h o riz o n ta l es a y cu y a com ponente v e rtic a l es b yco m o se m uestra en la figura
9 .2 . (O bserve q u e el em p leo d e la letra i p ara rep resen tar la unidad im aginaria no está
relacio n ad o con el uso de i p ara rep resen tar un v ecto r unitario.)
FIGURA 9.2
1- C o m p o n e n te
h o r iz o n ta l
\ 2 3
C o m p o n e n te
-1 -
v e rtic a l
-2 -
4 -2 1
-3 -
R e p r e s e n ta c ió n v e c to ria l d e
u n n ú m e r o c o m p le jo
Sumay Multiplicación EscalardeNúmeros Complejos

D ad o q u e un nú m ero com plejo co n sta de una parte real sum ada a un m últiplo d e /, las
o p erac io n es d e su m a y m u ltip licació n sc defin en d e m anera co n siste n te con las reglas
p ara o p erar con n ú m eros reales. P or ejem plo, p ara su m ar (o restar) dos n ú m eros co m p le
jo s, las partes real e im aginaria se sum an (o restan ) p o r separado.
DefinicióndeSumay RestadeNúmerosComplejos
L a s tim a y la d ife re n c ia d e a + b i y o + ¿ / se defin en Como
(a + bi) + ( c + ¿ 0 = ( a - f c ) + (/> + d ) i Sum a

(a + bi) ~ (c + d i) = (a - c ) -f (b - d ) i D iferencia
► E je m p lo 1 S u m a y R esta d e N ú m e ro s C om plejos
E scrib a lo sig u ien te en form a estándar.
a) (2 - 4 0 + (3 + 4 0 b) ( 1 - 3 0 - 0 + 0
Solución:
a) (2 - 4 0 + (3 + 4 0 = (2 + 3) + ( - 4 + 4 )/ = 5
b) (1 - 3 0 - (3 +•/) = ( 1 - 3) + ( - 3 - 1)/ - - 2 - 4 / *
F IG U R A 9.4
E je E je
im a g in a rio im a g in a r io
Multiplicación de un número complejo por un número real
► E je m p lo 2 O pe ra cio n es con N ú m e ro s C om plejos
a) 3(2 + 7 /) + 4 (8 - í) = 6 + 21/ + 3 2 - 4/
= 3 8 + 17/
b) - 4(1 + /) + 2(3 - /) - 3(1 - 4/) = - 4 - 4 / + 6 - 2/ - 3 + 12/
= - 1 + 6/ <
C o n la sum a y la m ultiplicación escalar, el conjunto d e núm eros co m p lejo s constituye

un esp acio vectorial de dim ensión dos (donde los escalares son el co n ju n to de núm eros
reales). L a com p ro b ació n d e esto se deja para el lector.
M ultiplicación d e N ú m ero s C om plejos

L as o p eracio n es de la sum a, resta y m ultiplicación p o r nú m ero real tienen contrapartes
exactas con las co rresp o n d ien tes o p eracio n es vectoriales. Por co n traste n o hay contra
parte d irecta para la m ultiplicación de dos núm eros com plejos.
D efinición d e M ultiplicación d e N ú m ero s C om plejos

El p r o d u c to d e lo s n ú m eros co m p lejo s a + b i y c + d i se define com o
(a + b i) (c + d i) = (a c - b e l) + {a d + b c)i.
En v ez d e in ten tar m em o rizar la definición an terio r del producto de dos núm eros
com plejos, sim p lem en te debe ap licar la ley d istrib u tiv a co m o sigue.
Sección 9. 1 Núm eros Complejos
( a + b i ) ( c + d i ) = a ( c + d i) + b i ( c + d i) L e y d is tr ib u tiv a
= a c + ( a d ) i + (fcc)i + ( b d ) i2 L e y d is tr ib u tiv a
= a c + ( a d ) i + ( b c ) i + ( b d ) (-1 ) E m p le o d e i 2 = - 1
= a c - b d + (ad)/ + (¿>c)/ L e y c o n m u ta tiv a
= ( a c - 6d ) + ( cid + 6c )i L e y d is tr ib u tiv a
E s to s e m u e s tr a e n e l s ig u ie n te e je m p lo .
► E jem p lo 3 M ultiplicación d e N ú m ero s C om plejos

O b te n g a lo s p r o d u c to s s ig u ie n te s .
a) ( - 2 X 1 - 3 / ) b) ( 2 - 0 ( 4 + 3 0
Solución:
a) (-2)(1 - 3 0 = - 2 + 6/
b ) (2 - /)(4 + 3 0 = 8 + 6/ - 4 / - 3 / 2
= 8 + 6 / - 4 / - 3 (-l)
= 8 + 3 + 6/-4/
= 1 1 + 2/
O bservación: E n e l in c is o a ) d e l e je m p lo 3, n ó te s e q u e e l p r o d u c to d e u n n ú m e ro reí
u n n ú m e ro c o m p le jo s e p u e d e e n te n d e r c o m o e l p r o d u c to d e d o s n ú m e ro s c o m p lejo .'
d e lo s c u a le s tie n e la p a rte im a g in a r ia ig u a l a c e r o . E n o tra s p a la b r a s , la m u ltip lic
e s c a la r d e u n n ú m e ro c o m p le jo p o r u n e s c a la r re a l p u e d e c o n s id e r a r s e u n c a s o e s p c c
la m u ltip lic a c ió n d e d o s n ú m e ro s c o m p le jo s .
► E jem plo 4 C eros C om plejos d e un P olinom io

A p lic a r la f ó r m u la c u a d rá tic a p a r a h a lla r lo s c e r o s d e l p o lin o m io
p (a ) = x 2 - 6 x + 13
y c o m p ru e b e q u e p ( x ) = 0 p a ra to d o c e ro .
Solución: C o n la f ó r m u la c u a d r á tic a , s e tie n e
-b ± 'J b 2 - 4 a c 6 ± V 36 - 5 2
_ 6 ± V - 16 _ 6±4/ _ 3± 2.
2 2 ''
A l s u s titu ir e s to s v a lo re s d e a e n e l p o lin o m io p ( a ) , s e tie n e
p( 3 + 2 0 = (3 + 2/)2 - 6(3 + 2 0 + 13
= 9 + 12/ —4 — 1 8 - 1 2 / + 13 = 0
p (3 - 2 i) = ( 3 - 2 i)2 - 6 ( 3 - 2 / ) + 13
= 9 - 12/ - 4 - 1 8 + 1 2 /+ 13 = 0
E n el ejem p lo 4, los dos núm eros co m p lejo s 3 + 2/ y 3 - 2 / son c o n ju g a d o s c o m p le jo s

en tre s í (juntos form an un p a r c o n ju g a d o ). U n resu ltad o bastante co n o cid o del álgebra
estab lece que los ceros co m p lejo s d e un polin o m io con co eficien tes reales d eb en o currir
en p ares co n ju g ad o s. (V éase el ejercicio co m p lem en tario 8.) E n la sección 9.2 se ab undará
so b re los conjugados com plejos.
M atrices C om plejas
A hora que y a se está en condiciones de sum ar, restar y m ultiplicar núm eros com plejos, es
ta s o p e ra c io n e s p u ed en a p lic a rse a m a tric e s cu y o s e le m e n to s sean n ú m e ro s c o m p le
jo s . U n a m atriz a sí se d en o m in a c o m p le ja .
D efinición d e M atriz C om pleja

U n a m atriz cu y o s elem en to s son n ú m eros co m p lejo s se llam a m a tr iz co m p leja.;
L as o p eracio n es co m u n es para las m atrices tam b ién funcionan p ara las m atrices
co m p lejas, co m o se m u estra en los dos ejem plos siguientes.
► E je m p lo 5 O p e ra cio n e s con M a tric e s C o m p le ja s
S ean A y B m atrices co m p lejas defin id as por
i 1 + i 2i 0
4 = B =
2 - 3 / 4 i 1 + 2 i
y determ in e las sig u ien tes m atrices
a) 34 b) ( 2 - i ) 5
c) A + B d) BA
Solución:
«• 1+ 1 3/ 3 + 3/
a) 3 4 = 3
2 - 3 / 4 6 - 9i 12
2 i 0 2 + 4i 0
b ) (2 - i ) B = ( 2 - 0 i 1 + 21 1 + 2 i 4 + 3/
Sección 9. ¡ N úm eros complejos
i 1 + / 2i O 3/ 1 + /
c) A + t í =
2 - 3 / 4 i 1 + 2Í 2 - 2/ 5 + 2¡
2/ 0 / 1 + / - 2 - 2 + 2/
d ) DA =
i 1 + 2/ 2 - 3 / 4 7 + / 3 + 9/
► Ejemplo 6 Cálculo del Determinante de una M atriz Compleja

O b te n g a e l d e te r m in a n te d e la m a tr iz
2 -4 / 2
A=
3 5 -3 /
Solución:
2 -4 / 2
d e t( /\) = 3 5 -3 / = (2 - 4«) (5 - 3 /) - (2 ) (3 )
= 10 - 20 / - 6 / - 1 2 - 6
= - 8 - 26/

E n lo s e je rc ic io s d el 1 al 6, d e te rm in e el v a lo r d e la ex p re sió n d ad a.
i. \ Q f F 3- 2. V F " n F 8
4. i 3
6. ( - 0 7
E n los eje rc ic io s d el 7 al 12, g ra fiq u e el n ú m e ro c o m p le jo d ado.
7. z = 6 - 2 / 8. 2 = 3/
9. 2 = - 5 + 5 / 10. 2 = 7
1 1. 2 = 1 + 5 / 12. 2 = 1 - 5 /
E n lo s e je rc ic io s 13 y 14, u se v e c to re s p a ra ilu stra r g rá fic a m e n te la o p e ra c ió n d ad a.
1 3. - / / y 2 //, d o n d e u = 3 - / 14. 3// y - ^ //, d o n d e u = 2 + /
E n los e je rc ic io s d el 15 al 18, d e te rm in e * d e m o d o q u e lo s n ú m ero s c o m p le jo s d e c a d a p

iguales.
15. .x ^ 3/, 6 + 3 / 16. (2 x - 8 ) + (.v - 1)/, 2 + 4 /
17. U 2 + 6) + ( 2 x ) i, 15 + 6/ 18. (-a: + 4 ) + ( x + l ) / ,j r + 3 /

En los ejercicios del 19 al 26, obtenga la suma y la diferencia de los núm eros com plejos dados.
U se vectores para ilustrar geom étricam ente las respuestas.
19. 2 + 6/, 3 - 3/ 20. 1 + V " 2 /,2 -V 2 7

21. 5 + z, 5 - i 22. z, 3 + i
23. 6, - 2i 24. 1 2 - 7 / . 3 + 4Í
25. 2 + /, 2 + i 26. 2 + z, 2 - z
En los ejercicios del 27 al 36, obtenga el producto.
27. (5 - 5 /)(l +3z) 28. (3 + / ) ( } + 1)
29. ( V T - i') ( V T ■
t- /) 30. ( 4 + V 2 /) ( 4 -% /!/)
31. (« + A i)2 32. (¿i + 6z')(¿z - b i)
33. (1 + 0 3 34. (2 - i)(2 + 2z)(4 + i)

35. (« + Ai')3 36. (1 + i) 2(I-. z)2
En los ejercicios del 37 al 44, determ ine los ceros del polinom io dado.
37. I x 1 + 2 x + 5 38. *2 + * + 1
39. x 2 - 5 x + 6 40. x 2 - 4 x + 5
41. x 3 - 3*2 + Ax - 2 42. *3 - 2x2 - 11* + 52
43. *4 - 16 44. *4 + 10*2 + 9
En los ejercicios del 45 al 54, efectúe la operación matricial indicada por medio de las
siguientes matrices com plejas.
1 + i 1 1 - i 3i
/I = y B =
2 - 2i - 3z -3 -z
45. A + 5 46. B - A
47. 2A 48. i B
49. 2 ¡A 50. i B
51. dctC4 + B) 52. dct(£)
53. 5A B 54. BA
55. Demuestre
multiplicac
556.
6 . D eterm ine z" p ara todos los en tero s positivos n.
S c a lón V ( 'enjugados y División de Números Complejos
A Conjugados y División de Números Complejos

J i le c c ió n 9 .1 s e m e n c io n ó q u e lo s c e r o s c o m p le jo s d e u n p o lin o m io c o n c o e fic ic n l
o c u r r e n c n p a r e s c o n ju g a d o s . P o r e je m p lo , s e v io q u e lo s c e r o s d e p (x ) = x 2 -
i o n 3 + T i y 3 - 2 i.
CNtu s e c c ió n s e a n a liz a n a lg u n a s p r o p ie d a d e s a d ic io n a le s d e lo s c o n ju g a d
íjo s . S e e m p ie z a c o n la d e f in ic ió n d e l c o n ju g a d o d e u n n ú m e ro c o m p le jo .
in del Conjugado de un Número Complejo

ju g a d o d e l n ú m e r o c o m p le jo z = a + b i s e d e n o ta p o r ? y s e d e f in e c o irio
T » fl - b L
C o n b a s e e n e s ta d e fin ic ió n s e p u e d e v e r q u e el c o n ju g a d o d e u n n ú m e ro c o m p lc ji
llene a l c a m b ia r e l s ig n o d e la p a rte im a g in a ria c o m o s e d e m u e s tr a c n el sig u ió
iplo.
li/ c m p lo 1 D e te r m in a c ió n d e l C o n ju g a d o d e u n N ú m e r o C o m p le jo
MTO C o m p le jo C o n ju g a d o
Z = - 2 + 3/ 7 = - 2 - 3/
■ Z = 4 - 5/ 7 = 4 + 5/
6) Z = - 2 / 7=2/
Z= 5 7= 5
1 O bservación: E n el in c is o d ) d e l e je m p lo 1, n ó te s e q u e 5 e s su p r o p io c o n ju g a d o co m p !
Bvt g e n e ra l, s e p u e d e d e m o s tr a r q u e u n n ú m e ro e s s u p r o p io c o n ju g a d o c o m p le jo s í y
s
m e l n ú m e ro e s re a l. (V é a s e el e je r c ic io 2 9 .)
G e o m é tr ic a m e n te , d o s p u n to s e n el p la n o c o m p le jo s o n c o n ju g a d o s s í y s ó lo si
,c fle x io n e s c o n r e s p e c to al e je h o riz o n ta l (re a l), c o m o s e o b s e r v a e n la fig u ra 9.5.
FIGURA 9.5
Conjugado de un número complejo

Los conjugados complejos tienen muchas propiedades útiles. En el teorema 9.1 se dan
algunas.
Para un número complejo z ~ a + bi, las siguientes propiedades son verdaderas.
1. zz = <r2 + i
2,
3. ¿ ? ~ 0 s í y
4. a > = >
Demostración: Para dem ostrar la prim era propiedad» se hace z = a + b i . Entonces z =

a - bi y
z z = ( a + b i ) ( a - b i ) = a 2 + a b i - a b i - b 2i 2 = a 2 + tí2.
Las propiedades segunda y tercera se deducen directamente de la primera. Por último, la

cuarta propiedad se obtiene de la definición de conjugado complejo. Es decir,
( z ) = (a + b i) = a - b i = a + b i = z.
► Ejemplo 2 Determinación del Producto de Conjugados Complejos

Obtenga el producto de z = 1 - 2/ y su conjugado complejo.
Solución: Como z. = 1 + 2/, se tiene
¿ = ( l - 2 / ) ( l + 2 / ) = l 2 + 22 = 1 + 4 = 5. «
El Módulo de un Número Complejo

Dado que un número complejo puede representarse por un vector en el plano complejo,
es lógico hablar de la l o n g i t u d de un número complejo. Esta longitud se llama módulo del
número complejo.
Definición del Módulo de un Número Complejo

El m ódulo del núm ero complejo z~ a + bi se denota por \z \ y se define como
jzj + b2 .
Sección 9.2 Conjugados y División d e Núm eros Complejos 5*
JVaCiÓn: El m ódulo d e un núm ero com plejo tam bién se llam a v a lo r a b s o lu to c

Úmcro. D e hecho, cu an d o z = a + Oi e s el núm ero real, se tiene
|z| a 2 + O2 = \a\.
^ Ejemplo 3 Determinación del Módulo de un Número Complejo

Pura z = 2 + 3 / y vv = 6 - 1, determ ine lo siguiente.
u) |z| b) M c) \zw\
lución:
a) |z | = n/ 2 2 + 32 = V~Í3
b) |iv| = V 6 2 + ( - i )2= 'f y T
c) D ado que = (2 + 3 0 (6 - 0 = 1 5 + 16/, se tiene
|zw| = V 152 + 162 = '/ 4 8 Í .
El m ódulo d e un núm ero co m p lejo está relacionado con su co n ju g ad o en la fon

siguiente.
Teorem a 9 2 El M ódulo d e un N úm ero Complejo

P a ra u n n ú m e ro c o m p le jo z ,
\z\2 = &
Demostración: S ea z - a + b i; entonces z = a - bi y se tiene
ZZ = ( a + b i ) ( a - bi) = a2+ b2 = |z|2.
División de N úm eros Complejos

U n a d e las aplicacio n es m ás im portantes del conjugado de un núm ero com plejo es ei
realización d e la división en el sistem a d e los núm eros com plejos. P ara d efin ir la divis
de núm eros co m p lejo s, se considerarán z = a + b i y w = c + d i y s c supondrá que c y d
pueden ser cero al m ism o tiem po. Si el cociente
— = * + yi
w
es lógico, tendría que ser cierto que
Pero, c o m o z = a + bi, se p u ed e form ar el siguiente sistem a lineal
ex - d y = a
dx + cy = b
A l reso lv er este sistem a d e ecuaciones lineales para x y y se obtiene
x _ ac + bd b c -a d
ww ww
L uego, co m o ¿ w = ( a + b i) ( c - d i) = (a c + b d ) + ( b e - a d ) i , se o b tien e la siguiente definición.
iüi
El c o c ie n te d e los núm eros com plejos z - a + b i y w ~ c + d i se define com o
Z _ a +bi _ ac + k d bc + ad I
siem pre qu e c2 + d 2 # 0 .
Observación: Si c 2 + d 2 = 0, en to nces e = d = 0 y w = c + di = 0. E n otras palabras, así com o

en el caso d e los núm eros reales, la división de núm eros com plejos entre cero no está
definida.
E n la práctica, el co cien te (a + bi)/(c + di) puede determ inarse com o sc m uestra a

continuación.
a + bi a + bi c - di i _ (a -t- bi)(c - di)

c -¥ d i c + di c -d i I (e + di)(e - di)
(ac + bd) + (be - ad)i

c2 + d 2
ac + b d , be - a d .
+ — -----— i
*2 + d 2 e2 + d 2
► Ejem plo 4 División d e N úm eros Complejos
E scriba los siguientes cocientes en form a estándar.
1 2-/
a) b)
l+i 3 + 4/
Sección V.2 Conjugados y División de N úm eros Complejos
2 -1 1 /
9+16
hc sabe cóm o dividir números com plejos se puede determ inar el inverso
V(>) de una m atriz com pleja, com o se muestra en el ejem plo 5.
[5 D e te r m in a c ió n d e l In v e r s o d e u n a M a tr iz C o m p leja .
j | Inverso de la m atriz
2-/ - 5 + 2/
3 -1 - 6 + 2/
la solución a m ostrar que A A ~ ] = L .
Al aplicar la fórm ula dada en la sección 2.3 para encontrar la inversa de una
2 , se tiene
"á ¥ \
como
| - (2 - /)(—6 + 2 0 - (- 5 + 2/)(3 - /)
■ (-1 2 + 6/ + 4/ + 2) - (-1 5 + 6/ + 5/ + 2)
3 -/
L . . .
escribir
.i !_
-6 + 2/ 5 - 2 /
-3 + / 2- /
1 i ( - 6 + 2/)(3 + 0 (5 - 2/)(3 + /)
3 -/ 3+/ (-3 + 0(3 + 0 (2 - 0 ( 3 + 0
j
-2 0 1 7 -/
-1 0 7 -/
Ificur la solución, se m ultiplican A y A ~ l com o se m uestra a continuación.
2-/ - 5 + 2/ 1 -2 0 17 —i
h M ' 1=
3-/ - 6 + 2/ 10 - 1 0 7 -/
En el ejemplo 3, observe que el módulo del producto de dos números complejos es igual
al producto de los módulos de los números. Es decir,
\zw\ = V 4 8 l = V l3 V 37 = |z||w|.
También es cierto que |z/w| = |z|/|w|, siempre que >v ¥= 0. En el ejercicio 30 se pido
demostrar estos resultados.
En el último teorema de la sección se listan algunas propiedades útiles que relacionan
conjugados complejos y operaciones de números complejos.
Teorema 9 3 Propiedades de los Conjugados Complejos

I r ' ..
Para los números complejos z y w* las siguientes propieda
¡¿¿¿¿¿i
Demostración: Para demostrar la primera propiedad, sean z = a + b iy w = c + di. Entonces,

z + w = (a + c) + (b + d)i
= (a + c) - (b + d)i
= (a - bi) + (c - di)
= Z + w.
Las demostraciones de las demás propiedades se dejan como ejercicio. (Véase el ejer
cicio 31.) M
Sección 9 .2 a Ejercicios
En los ejercicios del 1 al 4, obtenga el conjugado complejo z y represente tanto a z como a z .
1. z = 6 -3 i 2. z = 2 + 5i
3. z = -8 í 4. z =4
En los ejercicios del 5 al 10, obtenga los módulos indicados, donde z = 2 + 1, w = -3 + 2/

y y = -5/.
5. M 6. \z2\
7. \zw\ 8. \wz\
9. \v\ 10. \zv 2
§i Com pruebe que \wz\ = |w ||z| = |zw|, donde z = 1 + / y w = - 1 + 2/.
1 Com pruebe que |zv2] = |z||v*| = |z |M 2*donde z = 1 + 2 / y v = - 2 -3 /.
Io n ejercicios del 13 al 18, efectúe las operaciones indicadas.

1
14.
i 6 + 3/
3 -V 2 1 5 +/
16.
3+V 2/ 4 +/
H(2 + Z)(3-Z) 3 -/
18.
4 - 2/ (2 - 0(5 + 2/)
los ejercicios 19 y 20, obtenga las siguientes potencias del núm ero com plejo z.
Z2 b) z3 c) z " 1 d) z”2
, z=2- / 20. z = 1 + /
los ejercicios del 21 al 26, determ ine si la m atriz com pleja A tiene inversa. En caso
ativ , obtenga su inversa y com pruebe que AA~X= /.
6 3/ 2/ -2 -/
I. A = 22. /\ =
2 -/ / 3 3/
1 -/ 1- 2
f A= 24. A =
1 1+/ 0 1+/
1 0 0 / 0 0
, A= 0 1- / 0 26. = 0 i 0
0 0 1+/ 0 0 i
En los ejercicios 27 y 28, determ inar todos los valores del núm ero com plejo z para los que A
t i singular. [Sugerencia: Sea det(-4) = 0 y resuelva para z.]
2 2/ 1+/
5r z_
27. A = 28. A = 1- / -1 + / z
3/ 2 -i
1 0 0
9. D em uestre que z = z sí y sólo si z es real.

• D em uestre que para dos números com plejos cualesquiera z y >v se cum ple lo siguiente.
a) \zw \ = |z||h-|
b) Si w ¿ 0, entonces \zjw \ = |z|/|w |.
1. Com plete la dem ostración del teorem a 9.3.
32. D escriba el conjunto de puntos cn el plano com plejo que satisfacen lo siguiente,
a) |z| = 4 b) |z - i | = 2 c) [z + 1| — 1 d) |z| > 3
550 C apítulo 9 E spacios V ectoriales Com plejos
9 .3 ▲ Form a P olar y Teorem a de DcMoivre

A estas alturas se puede sumar, restar, m ultiplicar y dividir números com plejos. Sin em
bargo, aún falta un procedim iento fundamental en el álgebra de los núm eros complejos.
Para entender esto, considere el problem a de hallar la raíz cuadrada de un núm ero com
plejo com o i. Cuando se usan las cuatro operaciones básicas (suma, resta, multiplicación
y división) parece no haber ninguna razón para conjeturar que
V r= J ¿ i. E sd e cir. =
Para trabajar efectivam ente con potencias y raíces de núm eros com plejos, es de utilidad
u sar u n a representación polar para los núm eros com plejos, co m o se o bserva en la
figura 9.6. D e m anera específica, si a + bi es un núm ero complejo diferente de cero, en
tonces 0 es el ángulo del eje x positivo a la recta radial que pasa por el punto (a, b) y r e s
el m ódulo de a + bi. Así,
a = r c o s 0, b = r sen# y r = yJ a 2 + b2
FIGURA 9.6
Eje
imaginario
Fje
real
Núm ero com plejo: a + bi

Forma rectangular: (a. b)
Forma polar: (r. 0)
y se tiene a + bi = (r eos 0) + (r sen 6)i, a partir de lo cual se obtiene la siguiente fo rm a

p o la r de un número complejo.
L a fo rm a p o la r d e un núm ero com plejo diferente de cero z = a + b i se d efin e como
■
p: z » r(cos 6 + ¡ s e n O)
donde a = r e o s 0 , b ~ r sen d . r ^ a 2 + b 2 y tan B - b /a . BI núm ero r e s el i¡ iiii¡ ¡ § iii

d e z y 0 se llam a a r g u m e n to de z.
Sección 9.3 Forma Polar y Teorema d e DeM oivre 551
Observación: L a fo rm a p o lar d e z = 0 se d efin e co m o z = 0 (co s 6 + i sen 0) d o n d e 6 es cual

q u ie r ángulo.
D eb id o a que h ay in fin id ad d e posibilidades para el argum ento, la fo rm a p o lar d e un
núm ero co m p lejo no e s única. N orm alm ente se u san v alores d e 0 q u e están entre - n y /r,
aunqu e algunas veces e s conveniente u sar otros valores. El v alo r d e 6 q u e cum ple la
desigualdad
- n < Q< n A rg u m en to principal
se llam a a r g u m e n to p r in c ip a l y se d en o ta por A rg(z). D os núm eros com plejos diferentes

de cero en form a p o lar son iguales s í y sólo si tienen lo s m ism os m ódulos y el m ism o
argum en to principal.
► Ejem plo 1 D eterm inación d e la Forma Polar d e un N úm ero Complejo

O b ten g a la form a p o lar d e los siguientes núm eros com plejos. (U se el argum ento prin
cipal.)
a) 1- i b) 2 + 3 i c) i
Solución:
a) S e tiene a = 1 y b = - 1 , d e m odo q u e r2 = 12 + (-1 )2 = 2, lo cual im plica que r =\J~2.
D e a = r eos 0 y b = r sen 6 se tiene
eos 6 = —
y¡2
= —=* = — y
a b 1 V2
sen 0 = — = — = = -------- ■
r V T 2 r s[2 2
A sí, 0 = —TÚA y
71 K
= V 2 eos I - + i sen -
b) C om o a = 2 y b = 3, se tiene r 2 = 2 2 + 32 = 13, lo cu a l im plica que r = V l3 . P o r con

siguiente,
a 2
eos 0 = — - y sen0= — = - ¿ =
r V ñ r yJñ
y se co n clu y e q u e 0 = arctan (3/2). P o r tanto, la form a polar es
3 3
z= V ñ eos arctan — + i sen arctan —
2 2
» V l 3 [eos (0.98) + i sen (0.98)].
c) C o m o a = 0 y ¿ = l , s e co n clu y e q u e r = \ y 0 = Td2, p o r lo que se tiene

n_
z = 1 1eos + / sen -y -
2
L a s form as polares o b ten id as en los in ciso s a), b) y c) se m uestran gráficam en te en la figura

9.7.
552 C apítulo 9 E spacios V ectoriales C om plejos
FIGURA 9.7
E je E je E je
im aginario imaginario im aginario
a) z = V 2 [ c o s ( - * ) + i s c n ( - * ) ] b) z = V Í 3 (cos(0.98) + / sen(0.98)J c ) z = 1 (e o s * + i s e n p 4
► Ejem plo 2 Con versión d e la Forma E stándar a la Form a Polar
E xprese el siguiente núm ero com plejo en form a estándar.
eos + i sen
3 1 3 1
Solución: Com o cos(-;r/3) = 1/2 y sen(-;r/3) = - V3/2, se obtiene la form a estándar
n \
z = 8 eos + / sen 8 -— i — = 4 - 4 V3i.
- t ) 2 2
La form a polar se adapta v ' la m ultiplicación y división de núm eros complejos,

Suponga que se tienen ’ com plejos en forma polar,
= r 2(cos02 + i sen02).
E n te o por
sen#2 + sen#, cos#2)].
La fo rm a p o l a r -
z » r{e o s 0 + i sen
d o p e a - re o s
de z y # s e lla m a a r g u m e n to de £ \ostración de la segunda parte

Sección 9 .3 F orm a P o la r y T eorem a d e D eM oivre 553
T eorem a 9 .4 P roducto y C ociente d e Dos N úm eros Complejos

D ados dos n ú m ero s co m p lejo s e n form a polar
Z, = r ,( c o s 0 , + i s e n # ,) y ^ . = r2(cosft¿ + i se n # 2)
i el p ro d u cto y el c o c ie n te d e los núm eros se definen com o sigue.
| p 2 = ^ [ c o s í # , + 02) + i sen(6l + #2)] Producto
= {eos (# , - 02) + / sen ( 0 , - #2)J, z2 * 0 C ociente

m
E ste te o rem a e sta b le ce que para m u ltip licar d o s nú m ero s co m p le jo s en form a polar
se m ultiplican los m ódulos y los argum entos, y que para dividir dos núm eros com plejos se
divid en lo s m ódulos y se restan los argum entos. (V éase la figura 9.8.)
FIGURA 9.8.
Eje E je
im aginario im aginario
Para m ultiplicar z, y z 2 : Para dividir z , entre z 2 •

M ultiplicar los m ódulos y los argumentos. D ividir los módulos y restar los argumentos.
► Ejem plo 3 Multiplicación y División en Form a Polar

D eterm in ar z , ^ y z,/z2 Para l° s núm eros com plejos
K . . n \ 1 í 71 71 I
z , = 5 eos —— + i sen + / sen —
II
|c^
4 t ) [c o s T 6 /
Solución: C om o los núm eros z, y z2 están en form a polar, entonces se puede ap licar el
teorem a 9.4 d irectam ente co m o se m u estra a continuación,
multiplicación
i \
eos í| 71
71
4 + ---- + / sen
K , K 5
eos — + i sen —
z,z2 = (5)
t ) 6 4 6 3 12 12
suma suma
división
Z| 5 n n n n_
eos + 1 sen = 151 eos 4 r - + i sen n
Z2 1/3 4 6 6 12 12
resta resta
Observación: Intente e fectu ar la m ultiplicación y la división d el ejem plo 3 u sando las

form as está n d ar
5V 2 5V 2, y/3
* '= 2 2 ' y ^ = - 6 “ + -6 -
T eorem a d e DeMoivre
El te m a final de esta sección im plica procedim ientos para d eterm in ar po ten cias y raíces
d e núm eros com plejos. L a aplicación repetida d e la m ultiplicación en form a p o la r produce
z = r ( c o s 0 + 1 sen 0)
z2 = r ( e o s 0 + i s e n 0 ) r(c o s 0 + i s e n 0 ) = r ^ c o s 2 0 + i se n 20)
z3 = r ( e o s 0 + i s e n f ljr ^ c o s 2 0 + i s e n 20) = r 3 (e o s 3 0 + 1 sen 3 0 ).
D e m an era sem ejante,
ZA = r 4(cos 4 0 + 1 sen 40)

= r 5(cos 5 0 + i sen 50).
E ste patrón co n d u ce al sig u ien te teorem a im portante, que lleva el apellido d el m atem ático
francés A b rah am D eM o iv re (1 6 6 7 -1 7 5 4 ). En el ejercicio co m plem entario 7 se pide al
lecto r d em o strar este teorem a.
S i z * r { c o s 0 + / sen0) y n es cualquier entero p o s itiv o , entonces

7? * r ” (cos n 0 + i sen n ff).
► Ejem plo 4 Elevación d e un N úm ero Complejo a una Potencia Entera

O btenga (-1 + V 3 í) 12 y escrib a el resultado en form a estándar.
Solución: P rim ero se convierte a la form a polar. P ara - 1 + \ Í 3 i se tiene
r = V ( - 1 ) 2 + (V~3)2 = 2 y ta n 0 = ^ = - V 3
Sección 9.3 Forma Polar y Teorema de D eM oivre 555
lo cu al im plica que 0 = 2 rt/3 . P or consiguiente,
- l + V 3 / = 2 eos + ' sen y ^ .
P o r el teo rem a d e D eM oivre, se tiene

12
(-1 + V 3 / ) I2 = 2 eos — + / sen
12 (27T) , . 12(2 tt)

= 2 12 eos — ^—- + / sen — ^ —L
= 4 0 96(cos 8;r + i sen 8;r)

= 4096[1 + /(O) ] = 4096.
R ecu erd e q u e u n a consecu en cia del teorem a fundam ental d el álg eb ra es que un p o li
n o m io d e grado n tien e n ceros en el sistem a d e núm eros com plejos. P or tanto, un
p o lin o m io c o m o p (x) = x6 - 1 tiene seis cero s, y en este caso se pueden d eterm in a r los seis
cero s al factorizar y aplicar la fórm ula cuadrática.
x6 - 1 = ( x 3 - l)(x 3 + l ) = ( x - l)(x 2 + x + l)(x + 1)(x2 - x + 1)
E n consecuencia, los cero s son
-i± V 3 / .. i ± m§ /
x = ± l, x = ----- , y x = ------ .
C ada u n o de estos núm eros se den om ina raíz sexta d e 1. E n general, la n -ó s im a raíz d e un
n ú m ero co m p lejo se define co m o sigue.
E l n ú m ero com plejo w ~ a + b¡ es u n a r a í z n -é sim a d e l núm ero c o m p le jo 2 sí
É IÉ ¡ p iS U
El teo rem a d e D eM oivre es útil para d eterm in ar raíces d e núm eros com plejos. P ara ver
có m o se hace esto, sea vv una raíz n-ésim a d e z, donde
vv = s( cos/3 + 1 sen/3) y z = r(cos9 + i se n 6).
E n to n ces, p or el teo rem a d e D eM oivre se tiene que vv" = ^"(cos n[i + i sen nf3) y co m o W*
= z, se co n clu y e que
s*(cos nfi + i sen np) = r(c o s 0 + i se n 0).

556 C a pítulo 9 E spacios Vectoriales C om plejos
Luego, com o los lados izquierdo y derecho de esta ecuación representan número*
piejos iguales, se pueden igualar los módulos para obtener \Jl = r, lo cual implica qutf
e igualarlos argum entos principales para concluir que Oy «/Jdeben diferir por un
tipio de 2 n. Observe que r es un núm ero real positivo, por lo que tam bién s
núm ero real positivo. Por tanto, para algún entero k, np = 6 + 2/rfc, lo cual implica i|
p _ 0 + 2nk
n
P or último, al sustituir este valor de p en la form a polar de vv, se obtiene el rcsiilt
establecido en el siguiente teorema.
Para cualquier entero positivo n, el núm ero com plejo
z ~ r(co<¡0+ i senO)
tiene exactam ente « raíces distintas, t a l e s n raíces están dadas por
m eos 9 * ;2nk •f i sen 9 ® 1 nk

SKI n
donde k « 0 , 1, 2, . . . , n ~ 1
Observación: Nótese que cuando k es m ayor que n - 1, las raíces em piezan a repetirse. Por
ejem plo, si k = n t entonces el ángulo es
o _ ± 2 m = ± + 2n
n n
con lo cual se obtiene el mismo valor para el seno y el coseno que cuando k = 0 .
L a fórm ula p ara d eterm in ar las raíces u-ésim as de un núm ero com plejo tiene una
in terpretación geom étrica interesante, com o se observa en la figura 9.9. N ótese que,
d eb ido a que to d as las raíces u-ésim as tienen el m ism o m ódulo ( l o n g i t u d ) ^ , todas
se encuentran so b re una circunferencia de ra d io ^ /F co n centro en el origen. A dem ás,
las n raíces son equidistantes a lo largo d e la circunferencia, ya que raíces n-ésimu.i
co nsecutivas tienen argum entos que difieren p o r 2 Jtln.
Las raíces sex tas de 1 ya se encontraron m ediante la factorización y la fórm ula
cuadrática. Intente resolver el m ism o problem a usando el teorem a 9.6 para ver si
o btiene las raíces m ostradas en la figura 9.10. C uando se aplica el teorem a 9.6 al
núm ero real 1, las raíces «-ésim as reciben un nom bre especial: ra íc e s n -é sim a s d e la
u n id a d .
Sr te tó n V..Í t'orrnu Pula/ y learcnui d r D rM oivn *
IUKA9.9 FIGURA 9.10
R aíces /i-ésimas de un número com plejo R aíces sexlas de la unidad
a p io 5 Determ inación d e las R aíces n-ésim as d e un N úm ero Completo

ine las cu atro raíces de i
fl! E n form a polar, i puede escribirse com o
¡ / « 1 eos — + / sen —
f ' \ 2 2 1
Klo q u e r = 1, 0 = 7il2. Luego, al ap licar el teorem a 9.6 se tiene
eos
1 71 kn 7T . k n
- cos 1 .
+ / sen
2 8 2
iendo /: = 0 , 1, 2 y 3 se obtienen las cuatro raíces
Zi = eos + / sen -5-
5/r 5/r
Z2 = e o s — + i sen —
8 8
9n 9n
Zx = COS + 1 sen
8 8
13/r 13/r
+ 1 sen
Z4 COS 8 8
com o se m uestra en la Figura 9.11.
irvacion: En la figura 9.11, nótese que cuando cada uno de los cuatro ángulos jl
9/1/8 y 13/1/8 se m ultiplica por 4 , el resultado es de la form a (tí/2) + 2kn.
FIGURA 9.11
Eje
imaginario
► E jem plo 6 D eterm inación d e ias R aíces n ¿ sim as d e un N úm ero Complejo

O btenga las tres raíces cúbicas d e z = - 2 + 2/.
Solución: E n este caso se tiene r = V ( -2 ) 2 + 22 = V s"y 0 = 3/r/4. A sí, la form a polar de z es
- 2 + 2/ = V8 c o s ^ + i s e n ^ .
4 4
P o r la fórm ula para en co n trar las raíces n-ésim as, las raíces cúbicas de z son d e la form a
cos( M p + . e n ( W p
(V8),/3
P or últim o, para k = 0, 1 y 2 se obtienen las tres raíces siguientes.
: ,= V 2 eos ~ + i sen — = 1+/

4 4
= sl2 eos l l í + / sen 1 1 ? -1 .3 6 6 0 + 0.3660/
19;r . . 19^
:3 = V2 eos + i s e n ------ 0 .3 6 6 0 - 1 .3 6 6 0 /
Observación: Intente com probar las raíces determ inadas en el ejem plo 6 por m ultiplica
ción para v er q u e se obtiene - 2 + 2/.
Sección 9.3 k Ejercicios

En los ejercicios del 1 al 4, exprese el número complejo cn forma polar
2* Eje
im aginario
Eje 3 3i
re al
2- -
1 - -
^ E je
real
-1
E je 4. Eje
im aginario im aginario
4— 1 i I Eje
real
-5 - 4 -3 -2 -1
-2
E je
-34- real
icios del 5 al 16, represente gráficam ente el núm ero com plejo y dé su forma polar.
2/ 6. \/3 + /
I + >fi¡) 8. § ( V 3 -
10. 4
12. - 2 i
ti 14. 2V2 - i
I 16. - 4 + 2/
icios del 17 al 26, representar gráficamente el núm ero com plejo y dé su forma
3/r . 5/r . . 5/r

23. 4 cos — + / sen — 24. 6 cos — + / sen —
2 2 6 6
25. 7 (co s 0 + i sen 0) 26. 6 (co s/r + i scn7r)
En los ejercicios del 27 al 34, efectúe la operación indicada y escriba el resultado en foi
polar.
n . n
27. cos — + / sen — 4 I cos — + i sen —
3 3
28. cos — + i sen — cos — + i sen —

2 2 4 4
29. [0.5 (cos7T+ /' sen n )] [0.5 (cos[—7r] + i sen[-;r])]
k . n
30. cos — + / sen — L í eos — + / sen —
3 3 3 I 3 3
2[cos(2;z/3) + / scn(2;t/3)] cos(5^/3) + / sen(5;r/3)]

31. 32.
4 [ c o s ( 2 t i/9 ) + i sen (2^/9)] c o s tt + i scn;r
12[cos(;z/3) + /scn(;z/3)] 9[cos(3^/4) + i sen(3^/4)]

33. 34.
3[cos(/i/6) + / scn(/r/6)] 5[cos(-/z/4) + i sen (-/r/4)l
En los ejercicios del 35 al 44, use el teorem a de DeM oivre para encontrar las potencia* i
dicadas del número com plejo dado. Exprese el resultado cn forma estándar.
35. ( 1 + 0 4 36.
37. (-1 + 38.
39. (1 - V 3/)3 40. cos — + i sen —
4 10
5;r . 5 71 j
41. cos — + / sen 42. cos + i sen
3 6
9 / 4 4
8
43. 2 cos — +i sen — \ 44. 5 Ic o s — + / sen —
2 2 1
En los ejercicios del 45 al 56, a) use el teorema de DeM oivre para hallar las raíces indicu
b) represente gráficam ente cada una de las raíces y c) exprese en forma estándar cada una d
las raíces.
n k
45. Raíces cuadradas: 16 cos — + i sen —
Sección 9.4 Espacios Vectoriales Complejos y Productos Interiores 561
ttfccs cuadradas: 9 e o s — + / sen —

3 3
4k
ttíccs cuartas: 16 eos — + 1. sen —
4n
3 3
uíccs quintas: 32 eos — + i sen —

6 6
ices cuadradas: -2 5 / 50. Raíces cuartas: 625 i
aíccs cúbicas: - — (1 + \Í3i) 52. Raíces cúbicas: - 4 \Í 2 ( \ - i)

« 2
UÍccs cúbicas: 8 54. Raíces cuartas: i
uíccs cuartas: 1 56. Raíces cúbicas: 1000
km ejercicios del 57 al 62, obtenga todas las soluciones de la ecuación dada y represente
mente las soluciones.
^ (= 0 58. x 1 + 1 = 0
/ + 243 = 0 60. ^ - 8 1 = 0
* ' + 64/ = 0 62. x* + ¡ = 0
dos dos números complejos z, = r,(cos#, + i sen#,) y z2 = r 2(cos#2 + / scn#2) con z2 ^ 0,

muestre que
— = — Icos(#, - #2) + i scn(#, - #2)J.

Z2 r2
muestre que el conjugado com plejo de z = r (eos# + / sen#) cs
Z = r[co s(-# ) + i scn(-#)I.
Unc lu forma polar de z y z en el ejercicio 64 para determ inar lo siguiente.
K) ZZ b) z/z, z * 0
m uestre que el negativo de z = r (eos 0 + i sen#) cs
-2 = r|co s(# + k ) + / scn (# + n)\.
A Kspurios V rrlorhilrs Complejos y Produc tos In teriores

IN U)s espacios vectoriales estudiados hasta el m om ento en el texto son espacios
u le s r e a le s , ya que los esculures son números reules. Un espacio v ectorial
co m p lejo es aquel en que los escalares son núm eros com plejos. Así, si v ,, v2, v m son
vectores en un espacio vectorial complejo, entonces una com binación lineal es de la fontifl
C |V | + C2V 2 + + CmVm
donde los escalares c v c v . . . , cm son núm eros com plejos. La versión com pleja de R*
es el espacio vectorial com plejo Cn que consta de todas las n-adas ordenadas de numero*
com plejos. Así, un vector cn Cn es de la forma
v = (</, + *,/, a2 + b2i y. . . , an + b j ) .
Tam bién es conveniente representar los vectores en C m ediante matrices colum na do Id

forma
« . + ¿v
ü2 + v
v=
an + bn i
A sí com o R ny las operaciones de suma y m ultiplicación escalar en Cn se efeetú

com ponente por componente.
► Ejemplo I Operaciones VectorialesenCn

Sean
v = (l + 2 /, 3 - / ) y u = (-2 + i, 4)
vectores en el espacio vectorial com plejo C 2; determ ine los siguientes vectores
a) v + u b) (2 + /)v c) 3v - (5 - /)u
Solución:
a) En form a de m atriz colum na, la sum a v + u e s
1 + 2/ 4. - 2 + / -1 + 3/
v +u= T
3 -/ 4 1-i
b) Dado que (2 + 0(1 + 2í) = 5/ y (2 + 0 (3 - 0 = 7 + /, se tiene

(2 + 0 v = (2 + 0(1 + 2/, 3 - 0 = (5/, 7 + i*).
c) 3v - (5 - Qu = 3( 1 + 2 1, 3 - 0 ~ (5 - #)(-2 + /, 4)
= (3 + 6i, 9 - 3 0 - ( - 9 + 7/, 20 - 4/)
= ( 1 2 - 1, - 1 1 + 0
Sección 9.4 Espacios Vectoriales Complejos y Productos Interiores 563
M uchas d e las propiedades d e Rn son com partidas p o r C". P o r ejem plo, la identidad
liplicativa escalar es 1 y la identidad aditiva en C n es 0 = (0, 0 , 0 , , 0). L a b a se
n d a r d e C es sim plem ente
e, = ( L 0, 0, . . . , 0)
e2 = (0 , 1 , 0, . . . , 0)
e„ = (0, 0, 0, . . . , 1)
uní e s la b ase e stá n d a r d e Rn. d a d o q u e e sta b ase c o n tie n e n v ecto res, se c o n clu y e
la dim ensión de C n e s n . E xisten otras bases; de hecho, cu alq u ier conjunto d e n
t e s lincalm cntc independientes d e C n puede usarse com o base, com o se dem uestra
• I ejem plo 2.
J ip ío 2 C o m p r o b a c ió n d e u n a li a s e
stre que
« ■ { ( / , 0, 0), ( / , / , 0), (0, 0 ,/)}
base de C 3.
1: C om o la dim ensión de C3 es 3, entonces el co njunto {v,, v2, v3) será una base
Intente independiente. P ara verificar la independencia lineal, se iguala a c e ro una
ión lineal d e vectores en S com o se m uestra a continuación.
c ,v , + c2v 2 + c3v 3 = (0 , 0 , 0 )
<c,/, o, 0.) + (C2í, C2¡ , 0) + (0, 0, c 30 = (0, 0, 0)

((c, + C j)/, C2i , c } i ) = (0, 0, 0)
implica que
( r , + c 2)t = 0
:ntc, c, = c 2 = c3 = 0 y se concluye que {v,, v2, v3) es lincalm cntc

lente.
.7 R c p r v s c n l n d ó n (Ir u n V a c ia r r n C " p o r M r d lo d e u n n B a s e
e .Vdel ejem plo 2 para representar el vector
.
( 2. 1 2 - /).
564 C apítulo 9 Espacios V ectoriales Com plejos
Solución: Al escribir
V = C 1V I + C 2 V 2 + C 3 V 3
= ((C | + C2) i , C 2i, C3í)
= (2 , /, 2 - 0
se obtiene
(c, + c2)i = 2
c2i = i
c3/ = 2 - i
lo cual im plica que c2 = 1 y
c, = — :— = - 11 - o2/•
2 —i
y :— = - 11 - o2/.•
2 —/
c-, = —
1 / /
Por consiguiente,
v = (-1 - 2/)Vj + v2 + (-1 - 2 i)v3.
Intente verificar que esta com binación lineal produce (2, /, 2, - /). 4
Aparte de C ", existen varios ejem plos adicionales de espacios vectoriales com plejos
Por ejem plo, el conjunto de m atrices m x n con la sum a de m atrices y la m u ltip licao s
escalar constituye un espacio vectorial complejo. En el ejem plo 4 se describe 1111 espa
vectorial com plejo en que los vectores son funciones.
► Ejemplo4 El EspaciodeFuncionesde ValuaciónCompleja

C onsidere el conjunto S de funciones de valuación compleja de la forma
f(x) = f j t o + i'f2(x)
donde f, y f2 son funciones de valuación real de una variable real. El conjunto de núnu'HUI
com plejos constituye los escalares de S y la sum a vectorial se define como
f(x) + g(x) = [f, (x) + if2(*)] + [g,(Ar) + /g2W ]

= [f|W + g|W] + /[f2W + 82^ 1-
Se puede dem ostrar que S>la m ultiplicación escalar y la sum a vectorial, forman uncMpuu
vectorial com plejo. Por ejem plo, para dem ostrar que S es cerrado bajo la m ultiplicad
escalar, se hace que c = a + bi sea un número com plejo. Entonces
cf(x) = (a + W )[f,W + «'f2(*)l

= [a f{(x) - bf2(x)] + H b t^x ) + tff2M ]
está en S.
Antes de extender los conceptos de norm a y distancia en C '\ se da la definición

Sección 9.4 Espacios Vectoriales Complejos y Productos Interiores
Inkáón d e P roducto In terio r Euclideano en C* <t

u y v v ecto res en Cn. E l p r o d u c to in te r i o r e u c lid e a n o d e u y v se d efin e co m o
II*v =s w¡Uj + u¿o2 + * * * + unvñ
ración: N ótese que si u y v son “ reales” , entonces esta definición con cu erd a con
icto interior (o punto) d e Rn.
iplo 5 Determinación del Producto Interior Euclideano en C3

linc el p ro d u cto in terio r euclideano de los vectores
U = (2 + /, 0 , 4 - 5 /) y v = (1 + / , 2 + /, 0).
= (2 + / ) ( l - i ) + 0 ( 2 - 1 ) + (4 - 5 /) ( 0 )
= 3-/
iel siguiente teorem a se establecen varias propiedades del producto interior cucl idea
¡ma 9.7 P ropiedades del P roducto In terio r Euclideano

u, v y w v ecto res en C " y sea k un núm ero com plejo. E ntonces se cum plen Ins
intcs propiedades.
•V m V '• U
+ v)*w = u*w + v w
l)-v » £ ( u-v)
\' (kv) *k( u v )
u SK 0
|*U a 0 sí y só lo si u = 0.
Mil: S e d em o strará la prim era propiedad y la dem ostración de las restante!

ira el lector. Sean
Entonces
v - u = v 1m | + v 2m 2 + ... + u m i
= «,«, + v2u2 + ...+ v nun

= v iul + v2u2 + ...+ v nun
= M,V, + U2V2 + ... + UVn
=uv.
A continuación se usará el producto interior euclidcano en C" para definir la nonitii (t f

longitud) euclideana de un vector en Cn y la distancia euclideana entre dos vectores en
D efinición d e N o rm a y D istan cia en (?

La norm a (o longitud) euclideana de u en C* se denota M I
||u ||- ( u - u ) ,/2.
La distancia euclideana entre u y v es
d f c v) = ||u -v j|.
La norma euclideana y la distancia euclideana pueden expresarse en términos «tu

componentes como
IMI = (I“iP + I«2P + - + K ? ) m

d(u, v) = (|m, - v ,p + |m2- v 2P + ... + |m„ - v j 2) l/2.
► Ejemplo 6 Determinación de la Norma y la Distancia Euclideanas en C"

Determine las normas de los vectores
u = (2 + i, 0 , 4 - 5 / ) y v = ( l + / , 2 + iv0)
y obtenga la distancia entre u y v.
Solución: Las normas de u y v están dadas como sigue.
||u|| = (|h 1p + i« 2P + K P )i/2

= [(22 + l2) + (O2 + O2) + (42 + 52)]1/2
= (5 + 0 + 41)l/2 = >/46
IMI = (|« ,p + |v2P + |v 3p),/2
= [(l2 + l2) + (22 + l 2) + (O2 + O2)]1/2
= (2 + 5 + 0)1/2 = V7
Sección V.4 Espacios Vectoriales Complejos y Productos Interiores
lil la entre u y v está dada por
«Au, v) = ||u - v | |
I» =11(1, - 2 - 1, 4 -5011
= [ ( l 2 + O2) + ((—2)2 + ( - 1 ) 2) + (42 + 52)]i/2
= (1 + 5 + 4 1 )i/2 = n/4 7 .
is V cclorialcs Com plejos con Producto Interior

UCto in terio r euclideano es el producto interior m ás em pleado en C n. S in c in h a rg
n v e c e s e s útil co n sid erar otro s productos interiores. Para gen eralizar el conccp
‘u c t o in terio r se aplican las propiedades enum eradas en el teorem a 9.7.
Iclón d e P roducto Interior Complejo

l l y v vectores cn un esp acio vectorial com plejo. U na función q u e asocia a u
núm ero co m p lejo (u, v) se d en o m in a p ro d u c to in te rio r co m p lejo si satisface
uientes propiedades.
|(»l.v) = (v,o)
(u + V, w) = (u, w) + (v, w)
(ku. v) = k[u, y )
(u, u) as 0 y (u, u) = 0 s í y só lo si u - 0.
|ln e s p a c i o vectorial com plejo con producto interior com plejo se denom ina e s p a t
u c to in te r io r c o m p le jo o e sp a cio u n itario .
'ftwplo 7 Espacio con Produelo Interior Complejo

u = (w,, u 2) y v = (o,, v 2) vectores en el esp acio vectorial com plejo C 2. D cm ues
ti f u n c ió n definida por
(u, v) = m¡ü; + 2 u ¿ r2
producto interior com plejo.
f l Las cu atro propiedades de un producto interior com plejo se verifican com o

'Ira a continuación.
K v , u) = VjH, + 2 v 2F 2 = «¿v, + 2 íy 2TT2 = (u , v)

2. (u + v, w) = (w, + v ])W] + 2(w2 + v2)vv2
= (Mjvv, + 2 u2w 2) + (v,lv¡ + 2v2W2)
= (u, w) + (v, w)
3. (kuy v) = (fai, jü, + 2 (ku2jv2 = £(w¡v, + 2 w^v2) = ¿(u, v)
4. (u, u) = *1,77, + 2 u21T2 = |w,p + 2|w2p > O
A dem ás, (u, u) = O s í y sólo si m, = u2 = 0.
E n virtud de que se cum plen todas las propiedades, se concluye que (u, v) cs un producto
in terio r com plejo.
Sección 9 .4 k E jercicios
En los ejercicios del 1 al 8, efectúe la operación indicada usando
u = (/, 3 - /), v = (2 + /, 3 + /) y w = (41, 6).
1. 3u 2. 4/w
3. (1 + 2i)w 4. iv + 3w
5. u - ( 2 - / ) v 6. (6 + 3/)v - (2 + 2/)w
7. u + iv + 2/w 8. 2/v - (3 - /)w + u
En los ejercicios del 9 al 12, determine si S es una base de Cn.
9. 5 = { ( l,i) , ( i,- l) }
10. 5 = {(1,/), ( i,l) }
11. 5 = { (i,0 ,0 ), ( 0 , i , 0 , (0 ,0 , 1)}
12. S = { ( 1 - i , 0 , l ) , (2, i , l + / ) , ( ! - i , l , l ) }
En los ejercicios del 13 al 16, exprese v como una com binación lineal de los siguientes vectores
básicos.
a) {(/, 0, 0), (i, i, 0), (/, i, i)}
b) { (1 .0 .0 ), ( 1 ,1 ,0 ), ( 0 ,0 , l + i ) }
13. v = ( 1 ,2 ,0 ) 14. v = (1 - i , 1 + i , - 3 )
15. v = ( - i , 2 + / , - l ) 16. v = (i, i, i)
En los ejercicios del 17 al 24, determ ine la norm a cuclidcana de v.

'i'M'i «nlAUJ
17. v = ( / , - / ) 18. v a (1 ,0 )
19. v = 3(6 + 1 . 2 - f t 20. v - í 2 *

S e c c ió n 9 .4 E je rc ic io s 569
v = (1, 2 + /, - / ) 22. v = ( 0 ,0 ,0 )
, v = (1 - 2 / , /, 3/, 1 + i) 24. v = (2, -1 + / , 2 - i , 4 / )
los ejercicios del 25 al 30, determ ine la distancia euclidcana entre u y v.
, u = ( l , 0 ) , v = (/,/)
u = (2 + i, 4, -/), v = (2 + 4 , - i)
. u = (/, 2», 3/'), v = (0, 1,0) 28. u = ( V 2 , 2 /, - i) , v = (i, i, i)
. u = (1 ,0 ), v = (0, 1) 30. u = (1 ,2 , 1, -2 i), v = (/', 2i, i, 2)
los ejercicios del 31 al 34, determ ine si el conjunto de vectores es linealmente independiente
ncnlmente dependiente.
1. |( 1 ,/) , ( /,- ! ) }
1(1+ 1, 1 - / , 1 ) , (1 ,0 ,1 ), ( - 2 ,- 1 + 1,0)}
1(1,1, 1 + / ) , ( 0 ,/ ,- / ) , ( 0 ,0 ,1 ) )
I ((1 + 1 , 1 - 1 , 0 ) , ( 1 - 1 ,0 ,0 ), ( 0 ,1 ,1 ) )
los ejercicios del 35 al 38, determ ine si la función dada es un producto interior complejo,
de u = (w,, m2) y v = (vp v2).
¡i (u, v) = M| +M2v2 36. (u, v) = (m, + u ,) + 2(m2 + v 2)
• (u, v) = 4//,v| + 6 //2ü2 38. (u, v) =
Sean v , = (/, 0 ,0 ) y v2 = (i, /, 0). Si v3 = (zr zv z3) y el conjunto {v p v2, v3} no es una base
tic C 3, ¿qué implica lo anterior con respecto a z v z2 y z3?
Sean = (/, /, /) y v2 = (1 ,0 , 1). Determ ine un vector v3 tal que {vp v2, v3J sea una base
¡de C3.
M ejercicios del 41 al 45 demuestre la propiedad dada, donde u, v y w son vectores de C"

l e s un número complejo.
I. (u + v ) - w = u w + v w 42. (ku )- v = k ( u • v)
Í|.(*v) = ü(u v) 44. u u > 0

ll'U = 0 sí y sólo si u = 0.
Sea (u, v) un producto interior com plejo y sea k un núm ero com plejo. ¿Cóm o están
relacionados (u, v) y (u, k \)l
Ion ejercicios 47 y 48, determine la transformación lineal T : Cm C" que tiene las
rísticas dadas.
r(i•o)■(2 ♦ i>./(ü,ij•(o, o
tu . o) - í2 + /. n . r o i . O j i i o . - A
En los ejercicios del 49 al 52, la transformación lineal 7’: C ”-* O ’ está definida por 7*(v) = As
D eterm ine la imagen de v y la preimagen de w.
1 0 1 +/■
49. A = ,w =
i i 1 -1
i
0 i 1
50. A = .v= 0 ,w=
1 0 0
+/
1 0 ' 2 '
2 - i
51. A = 1 o ,V= , w = 2/
3 + 2/
i i 3/
0 1 1 ' 2' 1- /
52. A = i i -1 ,V= 5 w = , 1+/
0 i 0 0 i
53. Determ ine el núcleo de la transform ación lineal dada cn el ejercicio 49.
54. Determ ine el núcleo de la transform ación lienal dada cn el ejercicio 50.
En los ejercicios 55 y 56, encuentre la imagen de v = (/, i) para la com posición indicada, dnmlf
T] y T2 están dadas por las matrices siguientes.
0 i -/ /
>4.= ¿2 =
1 0 i -i
55. 7*2 o 7*, 56. 7*, o 7*2
9.5 ▲ M atrices U nitarias y Ilm iiitia n a s

Los problem as que im plican la diag o n aü zació n de m atrices com plejas, así com o loi
pro b lem as asociados d e valores característicos, requieren del co n cep to de mntrii’Wl
u n ita ria s y h e rm itia n a s. Estas m atrices corresponden grosso modo a las m atrices reulrn
ortogonales y sim étricas. Para d efin ir las m atrices unitarias y herm itianas, prim ero W
introduce el concepto d e tra n s p u e sta c o n ju g a d a de una m atriz com pleja.
Definición d e ia T ran sp u esta C onjugada d e u n a M atriz Com pleja

L a tr a n s p u e s ta c o n ju g a d a d e una m atriz com p leja A , denotada por A*, se defino
co m o ; w M M S i: jllB J: ; : » 1, i
A*= A‘ " '3
d o n d e lo s e le m e n to s d e A son los conjugados com plcjoi de los elem entos cont.sjHin-

diem es de A.
Sección 9.5 Matrices Unitarias y Hermitianas 571
•Vación: N ótese que si A e s una m atriz real, entonces A * = A'.
te m p lo I D eterm inación d e la Transpuesta Conjugada d e una Matriz. Compleja

irminc A * para la m atriz
A = 3+71 0
2/ 4- i
lóll:
3 + 7/ 0 3 -7 / 0
Á=
2i 4-i -2 / 4 + /
A * = A' =
Un el siguiente teorem a se enlistan varias propiedades d e la transpuesta con ju g ad a de

latriz. L as dem o stracio n es d e estas propiedades son directas y se dejan para el lector.
ana 9.8 P ropiedades d e la T ran sp u esta C onjugada

Ay B son m atrices co m p lejas y k es un núm ero com plejo, entonces se cum plen
diguientes propiedades
'(a* )* * a I B b f ■ ,'M
( A + !? )* = A * + S * ’
(kA)* =
\B)m■ B *A *
Des U nitarias
|e q u e una m atriz real A es ortogonal sí y sólo si A~' = A 1. E n el sistem a com plejo,
Itrlccs que tienen la propiedad de q u e A~l = A* son m ás útiles y se denom inan
ION u n ita ria s .
in d e M atriz U nitaria
m atriz com p leja A se d en o m in a u n ita r ia si
A"1- A *
► Ejem plo 2 Una M atriz Unitaria

D em u estre que la sig u ien te m atriz es unitaria.
1 l+ i 1 -/
l- i l+ i
Solución: C om o
1 1+ i l - i 1 1- i 1+/ . 1 4 0
2 1- i 1+ I 2 l+ i l-i 4 0 4 = '2
se co n clu y e que A * = A~]. P or consiguiente, A es una m atriz unitaria.
E n la secció n 7.3 se dem ostró que u n a m atriz real es ortogonal sí y só lo si sus vecto
renglón (o colum na) fo rm an un conjunto ortonorm al. Para las m atrices com plejas, ctilA
p ropiedad carcteriza a las m atrices que son unitarias. O bserve que un conjunto d e vecto
i Vl’ V2 Vm>
en C " (esp acio euclid can o com plejo) se denom ina ortonorm al si se cum ple lo siguicn
1- llv.ll = 1 . ' = 1 . 2 m
2. v (. v . = o , / * j
L a d em ostración del siguiente teorem a es sem ejante a la del teorem a 7.8, d ad a cn lil
sección 7.3.
T eorem a 9 .9 M atrices U nitarias

U n a m atriz co m p leja A n X n e s unitaria s í y sólo si sus v ecto resren g ló n (o colum na)
fo rm a n un co n ju n to ortonorm al en C*.
► E jem plo 3 Los V ectores Renglón d e una M atriz Unitaria

D em u estre que la sig u ien te m atriz com p leja es unitaria al dem ostrar q u e su co njunto (NT
vectores renglón form a un conjunto ortonorm al en C 3.
1 1+i 1
2 2 2
i i 1
/t =
V3 V3 V3
51 3 + i 4 + 3/
2VT5 2 7 Í5 ^ T iT
Sección 9.5 M atrices Unitarias y Hermitianas 573
n: Sean r p r 2 y r 3 d e fin id o s com o sigue.
'l l+ i l\
’ 2
1
M V 3 ’ V 3 ’ V3
.
Si 3 + i 4 + 3/
\ 2 V l 5 ’ 2 V Í5 ’ 2 V l5
ccs, las longitudes d e r , , r 2 y r 3 son
-
1/2
1 . 1 . 1
W = ( r 2 - r 2) - = - + - + - = 1
1/2
Í- + A + A = 1.
N = (r 3 • ••j ) 1' 2 =
12 12 12
s, se puede escribir
h \l i \ 1 +» 1 < L í M 1 \
I ' r2
yui 2 r v i l 'h ) va)
_ _i L_ + _ í ______ L_
2V 3 2V 3 2V 3 2V 3
= 0.
Oncra sem ejante, r , • r 3 = 0 y r 2 • r 3 = 0 y se puede co n clu ir que {r ,, r 2, r 3) es un

nto ortonorm al. (Intente dem o strar que lo s vectores co lu m n a de A tam bién form an
«junto ortonorm al en C 3.) ^
Ices H erm itianas

m atriz real se den o m in a sim étrica si es igual a su propia transpuesta. E n el sistem a
lejo, el tip o m ás útil de m atriz es aquél que es igual a su pro p ia transpuesta conjugada.
m atriz se den o m in a h e r m itia n a en h o n o r al m atem ático francés C harles H erm ite
2-1091).
Iclón d e una M atriz llem ltlan a

dice que una m atriz cuadrada A es h e r m itia n a si
A sí c o m o con las m atrices sim étricas, las m atrices d e H erm ite pueden identificarse
fácilm en te p or inspección. P ara v er lo anterior, considere la m atriz 2 x 2
ci , + a 2i b x + b2i
A =
c , + C2i d \ + d 2l
la tran sp u esta conjugada de A cs d e la form a
A* = A'
+ a 2i + C2l
«1 c\
b\ + b 2i <*>
+ d 2¡
a . - a 2i ci
- c 2¡
b \
- h 2¡
d x
- d 2i
Si A es h erm itian a en to n ces A = A * y se concluye que A debe ser d e la form a
a, b { + b 2i
A =
/;i - v
R esultados sem ejantes p u ed en obtenerse para m atrices herm itianas de orden n x n. En
o tras p alab ras, una m atriz cu ad rada A es herm itiana s í y sólo si se cum plen las don
co n d icio n es siguientes.
1. L os elem entos de la diagonal principal d e A son reales.

2. El elem en to a .jt n el r-ésim o renglón y en la y-ésim a colum na es el conjugado c o m p le ja
del elem en to a - e n el y-ésim o renglón y en la /-ésim a colum na.
► E jem plo 4 M atrices llerm itianas

¿C uáles d e las m atrices siguientes son herm itianas?
1 3 -/ 0 3 -2 /
a) b)
3 + i i 3 -2 / 4
3 2 -i -3 /
c) 2 + / 0 1- i
3/ 1+/ 0
•jri
Solución:
a) E sta m atriz no es h erm itian a porque contiene un elem en to im aginario en su diugnini||
principal.
b) E sta m atriz es sim étrica pero no es herm itiana porque el elem ento en el p rim er rcngl
y se g u n d a c o lu m n a no es el c o m p le jo c o n ju g a d o d el e le m e n to en el según
re n g ló n y prim era colum na.
c) E sta m atriz es herm itiana.
U n a d e las características m ás im portantes de las tn atriccs h erm itian as es que i

v alo res característicos son reales. E ste hecho se plantea form alm ente en el siguluil
teorem a.
Sección 9.5 M atrices Unitarias y H ennitianas 575
V A e s u n a m atriz d e H erm itc, en to n ces sus valores característicos son nú m ero s
............................................... -______________ - ........... i¿£*

tración: Si X es un v alo r característico d e A y
v = (a , + b xiy a 2 + b 2i 9 . . . , a n + b j )
Un vector característico correspondiente, entonces
A \ = Xv.
I m ultiplicar am bos lados d e esta ecuación p o r v* se tiene
v* A \ = v*(X v) = X(v*v) = X(íz,2 + b 2 + a 22 + b 22 + • • • + a 2 + b n2).
go, com o número real
(v M v )* = VM * (v * )* = v M v
clu y e q u e v M v e s una m atriz herm itiana 1 x 1. L o an terio r im plica que v*A v es un

ro real y entonces e s p o sib le co n cluir que X es real. A
mplo 5 Determinación de los Valores Característicos de una Matriz

Hermitiana
tre los valores característicos d e la siguiente m atriz.
3 2 -i -3 i
2 + / 0 l-i
3i 1+i 0
(1: lil polinom io característico de A es
X- 3 -2 + i 3/
|A / - / i | = - 2 - / X -1 + /
-3 / -1 X
= (X - 3)(X2 - 2 ) - ( - 2 + /)[(—2 - i)X

- (3 / + 3)] + 3 /[ ( l + 3 i) + 3Xí]
= (X3 - 3X2 - 2X + 6) - (5X + 9 + 3 0 + (3 / - 9 - 9X)
= X3 - 3X2 - 16X - 12
= (X + l ) ( X - 6 ) ( X + 2)
Im plica que los valo res característicos d e A son - 1 , 6 y - 2 .
encontrar los vectores característicos de una m atriz com p leja se usa un procedi-
mejunte al que se em p lea con una matriz, real, Así. cn el ejem plo 5 el vector
característico co rrespondiente ai valor característico X = - 1 se obtiene al resolver I*

sigu ien te ecuación.
X- 3 -2 + i 3i v\ o'
-2 - i X -1 + i = 0
V2
-3 / -1 -/ X 0
-4 -2 + i 3/ v¡ o'
-2 -/ -1 -1 + /' V2 = 0
-3 / -1 - 1 -1 -3 . 0
P or m edio d e la elim inación de G auss-Jordan se tiene
-1
v = = / 1 +2/
1
. v 3.
L os v ectores característicos d e X = 6 y X = - 2 pueden encontrarse d e m anera sem eja

Son (1 —21/, 6 —9/, 13) y (1 + 3/', - 2 - 5), respectivam ente.
L a s m a tric e s h e rm itia n a s son d e u tilid ad cn la re so lu ció n d e problem a* I
diagonal ización. S e dice q u e una m atriz cuadrada A es d ia g o n a liz a b le im ita n u m e n
existe una m atriz unitaria P tal que
1A P
es una m atriz diagonal. D ado que P es unitaria, entonces p~] = P *y p o r lo que una a
m ación eq u iv alen te es d ec ir que A es diagonalizable unitariam ente si existe una m ilirlf
unitaria P tal que P * A P c s una m atriz diagonal. En realidad, el problcm adcdiagonali/.ni!
im plica dos cuestiones p or separado: 1) D ada una m atriz A y ¿cóm o determ inar *1
diagonalizable un itariam en te? 2 ) S \ A es diagonalizable unitariam ente, ¿cóm o dcterm ll
P ? Las resp u estas a estas dos preguntas se dan en el teorem a 9.11.
S i A e s u n a m atriz h erm itian a n x n y entonces
1. A e s diag o n alizab le un itariam ente y

2. A tien e un co n ju n to d e n v ectores característicos ortonorm alcs.
El valor del teorem a 9.1 1 para el problem a de diagonal ización es evidente: las malí I
herm itianas son d iagonalizables unitariam ente. Para estas m atrices se aplica el icmi|(
del sig u ien te teorem a para co n stru ir tal m atriz P.
Sección 9.5 M atrices Unitarias y Hermitianas S il
9.1 2 V ectores C aracterístico s d e « n a M atriz H erm itiana •íSSíi

A es u n a m atriz h erm itian a co n v e cto res característico s v . y v2 c o n e ^ jn d ie Q tc s
tintos valores característico s k { y X2, entonces y v2son ortogonales. E s decir.
v , • Vj « 0.
niplo 6 Los Vectores Característicos de una Matriz Hermitiana

ucstre q u e los sigu ien tes vectores característicos d e la m atriz herm itiana del ejem plo
li m utuam ente ortogonales.
v, = ( - l . 1 + 2 /, 1)
v2 = ( l - 2 1 i, 6 - 9 / , 13)
V , = (1 + 3 í , - 2 - i , 5)
V , • V2 = (-1 , 1 + 2 /, 1 ) - (1 - 2 1 / , 6 - 9 / , 13)
I = ( - l ) ( l + 21/) + (1 + 2 0 (6 + 9 / ) + (1) (13)
= -1 - 2 1 / + 6 + 1 2 /+ 9 / - 18 + 13
= 0
V, • v3 = (-1 , 1 + 2/, 1) • (1 + 3/, - 2 - /, 5)

= (-1)(1 - 3/) + (1 + 2 /)(-2 + /) + (1)(5)
= - 1 + 3/ - 2 - 4 / + / - 2 + 5
l =0
Vj ■v3 = (1- 21/, 6 - 9/, 13) • (1 + 3/, - 2 - /, 5)
I" = (1 - 210(1 - 3/) + (6 - 9 0 (-2 + /) + (13)(5)
I. = 1 - 3/ - 21 / - 63 - 12 + 18/ + 6/ + 9 + 65
= 0 <
Ires vectores característicos d el ejem plo 6 son m utuam ente ortogonales porque
nden a valores característicos distintos d e la m atriz herm itian a A. D os o m ás
N característicos correspondientes al m ism o v alo r característico pueden no ser
liles. Sin em bargo, u n a vez que se o b tien e cu alq u ier co n ju n to d e vectores
Nticos lincalm ente in d ependientes para un v alo r característico dado, se puede
el proceso d e orton o rm alizació n d e G ram -S chm idt para o b te n e r un conjunto
ll
'pío 7 Dlagonallznclón de una Matriz Hermitiana

Iré una m atriz unitaria I* tal que P*AP sea una m atriz diagonal, donde
3 2-1 -3 /
2 + / 0 1- /
Solución: En el ejem p lo 6 se dan los vectores característicos d e A. L a m atriz P se form a al

n o rm alizar esto s tre s v ectores característicos y usar los resultados p ara crear los ren g lo n ci
(o las co lu m n as) d e P. A sí, d ad o que
________
|tv1|| = || ( - l , l + 2 / , l ) || = V l + 5 + l = V 7 i
||v2|| = ||(1 - 21/, 6 - 9i, 13)|| = V 4 4 2 + 117 + 169 = V 7 2 8
IfVjH= ||(1 + 3í, - 2 - 5)|| = V IO + 5 + 25 = V4Ó i
una p o sib le elecció n para P es
1 1 -2 1 / 1+3/
V7 V 728 V 40
1+2/ 6 - 9/ -2 -/
P=
V7 V 728 V 40
1 13 5
V7 V 728 V 40
In te n te calcu lar el producto P *A P para las m atrices A y P del ejem plo 7 para ver si
o b tien e
- 1 0 0
P*AP = 0 6 0
0 0-2
d o n d e - 1 , 6 y - 2 son los valores característicos d e A.
L as p ro p ied ad es d e las m atrices com plejas d escritas en esta sección son com parable*
a las propiedades d e las m atrices reales analizadas en el capítulo 7. E n el siguiente resum en '
se indica la co rresp o n d en cia en tre las m atrices co m p lejas unitarias y herm itianas co n la*
m atrices reales o rtogonales y sim étricas.
- ■ : . . . . . . . .v. . •
C om paración d e las M atrices H erm itianas y las M atrices S im étricas

es una m atriz herm itiana
(R e al) (C om pleja)
1. L os valores característicos de A ion,

reales. reales.
2. L o s v ectores característicos co rres- 2 . L o s vecto res característicos correspon*,
p en d ie n te s a v alo res característicos d ientes a valores característicos dlstln*
d istin to s son o rto g o n ales. tos so n ortogonales.
3. E x iste u n a m a triz o rto g o n al tal q u e 3. E xiste u n a m atriz un itaria P tal que
P * AP
e s diagonal. diagonal.
I
9.5 ▲ Ejercicios
rcicios del 1 al 8, determ ine la transpuesta conjugada de la m atriz dada.
i -i 1+2/ 2 -/
2 3i 1 1
0 1 4 + 3/ 2 +/
4. i4 =
2 0 2- i 6/
u 5 + / V 2 /'
5 -1 6 4 6. A = 2 + / 3- / 4 + 5/
3 -/ 2 6 -2 /
- V 2i 4 3
7 + 51 2 /
21 8. /* = 5 3/
4 0 6 -/
icios del 9 al 12, explique por qué la m atriz dada no es unitaria.
i 0 10. -4 = 1
0 0 i -1
\ 1+/
2 ~2
l+ i
0 ----V7= / 1 /
V5 2 12. A
V3 V3 V3
0 1 0
1 1+/
2 2
icios del 13 al 18, determ ine si A es unitaria al calcular AA*.
1+1 1+1
14. >1 = 1+/ 1- /
1-1 1- i 1-/ 1 +/
/
V2 V2
* 16. /4 =
/ /
V2 V2
■
'■ i i 1
Ü J 7 3 71 4 3
i 5 5
18. /t =
>/5 7 1 3—/ . 4- 1
5 5 <a
n ‘ i
0 Vi s/l
En los ejercicios del 19 al 22, a) Compruebe que A es unitaria al dem ostrar que sus ren
son ortonorm alcs y b) determ ine la inversa de A.
4 3 . 1+i 1+ /
"5 5' 2 2
20. /\ =
3 4 . 1 1
- ~l
5 5 V2 V2
0 0
z i_ ± í 1- /
V3 - / I+ V 3 / 0
21. = 22. /* = Vó V3
2V 2 n/3 + 1 1 - V3i
2 1
0
V6 V3
En los ejercicios del 23 al 28, determine si la matriz A es hermitiana.
0 2 +i 1
23. A = 2 - / 0 24. /* = 1 0
i
0 1
1 0 1
25. /! = 0 /
26. /! = 1 2 +/ 3 -/
-i 0 2 -i 2 3+/
1 V2 + / 5
27. /* = 0 0
28. /! = 42- 2 3+i
0 0
5 3- / 6
En los ejercicios del 29 al 34, determ ine los valores característicos de la m atriz A.
29. 4 = 0 1 0 2+/
30. /\ =
-/ 0 2 -i 4 u JÉ
3 1-/ 3 i
31. ¿ = 32. A =
1 +1 2 -i 3
/ /
V2 V2 4
1 1- i
33. /! = / 34. >4 = 0 1 3/
V2 0 0 2+ /
I
V2
En los ejercicios del 35 al 38, determ ine los vectores característicos de la m atriz dada
35. La m atriz del ejercicio 29. 36. La matriz, del ejercicio 30.
37. La matriz, del ejercicio 33. 38. La matriz del ejercicio 12
S e c c ió n 9 .5 E je rc ic io s 581
ejercicios del 39 al 43, encuentre una m atriz unitaria P que diagonalice la m atriz
A,
0 I 0 2 +/
A - 40. /! =
-i 0 2 -/ 4
i i
2 —
V2 V2
i 4 2 + 2i
A ■ 2 0 42. /\ =
* Í2 2 -2 i 6
t 0 2
;" 7 5
-i 0 0
0 -1 1+/
0 -1 - i 0
II i un número com plejo con módulo 1. Demuestre que la siguiente m atriz cs unitaria.
1 z z
V 2 iz -iz
•icios del 45 al 48, use el resultado del ejercicio 44 para determ inar«, b y c d e modo
rcii unitaria.
3 -4 i
1 a
46. A = 5
v2 h c V2
b c
6 + 3/
I i a
48. = n/45
72 b c yf2
c
ejercicios del 49 al 52, demuestre la fórmula dada, donde A y B son matrices complejas
' 50. (A + B ) * =A * + B*
)♦ ■ £ * * 52. (AB)* = B*A*
IIA una m atriz tal que A* + A = 0 . D emuestre que iA es hermitiana.
UOKtrc que dct(/\) = dct(/\), donde A cs una matriz 2 x 2 .
•jeicicios 55 y 56, suponga que el resultado del ejercicio 54 cs cierto para matrices de
ler tamaño.
ucHtrc que del(A*) ■ ilc(M).

ucMtrc que si A es tntliiiilit , entonce» ldet(/\)l ■ I.
Capítulo 9 E jercidos Complementarios 585
i» . ejercicios 63 y 64, obtenga los valores característicos y los vectores característicos

ndientes de la m atriz dada.
2 0 -i
4 2 -/
64. 0 3 0
2+/ 0
i 0 2
0l u l o 9 ▲ E je r c ic io s C o m p l e m e n t a r i o s
muestre que si A es una m atriz invertiblc, entonces también A* es invertible,
termine todos los núm eros com plejos z tales que z = -z.
muestre que si el producto de dos números com plejos es cero, entonces uno de los
meros debe ser cero.
tt) Obtenga el determ inante de la siguiente m atriz hermitiana.
3 2 -i -3 i
2 +i 0 l-i
3i 1+ i 0
b) Dem uestre que el determ inante de cualquier matriz herm itiana es real.
Sean A y D m atrices herm itianas. Demuestre que AB = BA sí y sólo si A B es hermitiana.

Sea u un vector unitario cn Cn. Se define H = I - 2uu*. D em uestre que / / es una m atriz
i unitaria y herm itiana n x n.
Por m edio de la inducción matemática dem uestre el teorema de DeMoivre.
m uestre que si z es un cero de una ecuación polinomial con coeficientes reales, entonces
ol conjugado de z también es un cero.
Cálculo) Considere la serie de Taylor para ex\
x2 x2
e*=i+x+f +f +....
AI sustituir ix por x en esta serie infinita, de muestre que e,x = cos(*) + 1 sen(.r). Use esta
k
{
Ocuación para deducir la soprendente fórmula
e‘* = - \
Demuestre que si z y w son números com plejos, entonces
lz + wl ^ Izl + Iwl.
1« Demuestre que si z, + 2^ y Z|Z2 son O m ero s reales diferentes de cero, entonces z, y z 2 son
números reales.
Demuestre que cn un espacio con producto interno complejo,
(m, v) M i |lM + U* IM »IJ + llu + M2 - llu - ful2].
Demuestre el teorema V, 12.

En los ejercicios 47 y 48, determ ine la transpuesta conjugada de la m atriz dada.
5 2 -i 3 + 2/ ‘
-1 + 4 / 3+i
47. A = 48. 4 = 2 + 2 / 3 -2 / i
3-t 2+/ 3/ 2 +i -1 - 2 /
En los ejercicios del 49 al 52, obtenga el vector indicado usando u = (4 1, 2 + i), v = (5,
y w = (3 - í, 4 + i).
49. 7u - v 50. 3/w + (4 - /)v
51. «u + iv - iw 52. (3 + 2i)u - (-2/)w
En los ejercicios 53 y 54, determine la norma cuclidcana del vector dado.
53. v = (3 - 5/, 2 0 54. v = ( 3 i , - I - 5 / , 3 + 2/)
En los ejercicios 55 y 56, encuentre la distancia cuclidcana entre los vectores dados.
55. v = (2 - «f /), u = (/, 2 - /)
56. v = (2 + i\ -1 + 2/, 30, u = (4 - 2/, 3 + 2/, 4)
En los ejercicios del 57 al 60, determ ine si la matriz dada es unitaria.
i 1 ’2+ í 1+ /'
yj~2 V2 4 4
57. 58.
i 1 1 V2
y/2 V3 _
^2-
1
o
V I V2
1 0 60.
59. o i o
i -i
i +/ -1 - I
o
En los ejercicios 61 y 62, determ ine si la m atriz dada es hermitiana.
1 -1 + / 2 -r 9 2 -1 2
61. l-i 3 i 62. 2+ / 0 -1 - /
2+/ -í 4 1«4>> ¿XJlkH _ 2 -1 + / 3
10
C ap itu lo
gramación Lineal
10.1 Sistem as d e D esigualdades L ineales
10.2 P rogram ación Lineal con D o s V ariables
10.3 El M étodo Sim plcx: M axim ización
10.4 El M étodo Sim plex: M inim ización
10.5 El M étodo Sim plex: R estricciones M ixtas
hn vonNeumann
n von Neum ann nació en Bucarest, Hun-

donde su padre era un próspero banque-
El genio de John fue reconocido cuando
era m uy Joven, A lo s 10 años de edad» su
¡miento m atem ático era tan vasto que
vez d e asistir, a ciases norm ales estudia-
en privado bajo la dirección d é los mejo-
; - i ||
A los 21 años d e edad obtuvo dos grados académicos, uno en ingeniería quím ica
Zurich y el otro un doctorado cn m atem áticas en la U ní versidad de B udapest. Pasó
gún tiem po enseñando en la Universidad de Berlín y, después, en 1930» aceptó ser
profesor visitante en la Universidad de Prineeton. En 1933, John von Neum ann y
A lbert Eistein fueron algunos de los prim eros profesores de tiem po com pleto en ser
. atracados para trabajar cn el recientem ente creado Centro «le Estudios Avanzados
de la Universidad d e Prineeton.
Durante la Segunda G uerra M u n d ial von Neumann fue asesor en L os Álamos,
y sus investigaciones ayudaron a la construcción d e la bom ba atóm ica. En 1954, el
presidente Eisenhow er lo designó m iem bro de la Com isión d e Energía Atómica.
Von Neum ann es considerado cl padre d e la teoría d e juegos moderna, una rama
de las m atem áticas que trata sobre estrategias y tom a d e decisiones. M uchos de sus
resultados sobre la teoría de juegos fueron publicados en un extenso artículo titulado
Theory o/G am es and Economic Behavior, escrito por O skar M orgcnstern.
En 1955 sé diagnosticó cáncer a John von Neumann, quien falleció en 1957 a la
6 l a d d e 53 años. S e cuentan m uchas historias acerca de su habilidad m ental. In
clusive durante sus últimos m eses de vida, a m edida que su hermano le leía en ale
mán el Fausto de G oethe, cada vez que pasaba la página, John recitaba de memoria
la continuación del pasaje de hi página siguiente.
587
588 Capítulo 10 Programación Lineal
10.1 ▲ Sistem as de Desigualdades Lineales

L a s siguientes proposiciones son desigualdades en dos variables.
3* - 2y < 6 y *+y > 6
U n p a r ordenado (a, b) es una so lu ció n d e u n a d e s ig u a ld a d en x y y si la desigualdad en

cierta cu an d o a y b se sustituyen por x y y, respectivam ente. P o r ejem plo, (1,1) es una so
lución d e la desigualdad 3x - 2y < 6 porque 3(1) - 2(1) = 1 < 6. L a g r á fic a de muí
d esigualdad e s la colección de todas las soluciones de la desigualdad. Para tra zar la gráfi
c a d e u n a desigualdad com o
3 * -2 y < 6
..... se em p ieza p o r tra zar la g ráfica de la ecuación correspondiente
3x-2y=6.
L L a g ráfica d e la ecu ació n norm alm ente separa el plano en dos o m ás regiones. En cada
[i*- : reg ió n d eb e ser cierto uno de lo s siguientes hechos. 1) T o d o s los puntos d e la región son
« th so lución de la desigualdad. 2 ) N ingún punto de la región es solución d e la desigualdad
P o r tan to , se p u ed e d e te rm in a r si lo s p u n to s d e to d a u n a reg ió n sa tisfa cen la desigual
d a d co n só lo v erificar cualquier punto d e la región.
\t Y
T razo d e la G ráfica d e u n a D esigualdad en Dos V ariables

1. S u stitu y a e l sig n o d e d esig u ald ad p o r u n sig n o d e igualdad y trace la gráfica do la
ecu ació n resu ltan te. (S e em plea una línea discontinua p ara < p ara > y una línea
co n tin u a p ara & o p ara S:.)
2. C om p ru eb e un p u n to e n cad a una d e las regiones form adas p o r la g ráfica descrita
en el p aso 1. Sí el p u n to satisface la d esig u ald ad , entonces so m b ree to d a la regil
para d en o tar q u e todo pu n to de la región satisface la desigualdad.
E n esta sección se trab ajará con d e s ig u a ld a d e s lin eales de la form a
a x + by < c a x + by < c
ax + b y > c a x + by > c.
L a g ráfica d e cad a una d e estas desigualdades lineales es un scm ip lan o ubicado a uno tía
lo s lados d e la recta a x + b y = c. L a s desigualdades lineales m ás sim ples son aquella*
co rresp o n d ien tes a rectas h o rizontales o verticales, co m o se m uestra en el ejem plo I ,
► Ejemplo 1 Trazo de la Gráfica de una Desigualdad Lineal

T race las g ráficas d e a) x > - 2 y b) y 3.
Sección 10.1 Sistemas de D esigualdades Lineales 589
uclón:
) L a g ráfica d e la ecuación co rrespondiente x = - 2 es una recta vertical. L os puntos que

satisfacen la desigualdad x > - 2 son aquéllos que están a la derecha d e esta recta,
co m o se o b serv a en la figura 10.1.
b) L a gráfica de la ecu ació n co rrespondiente y = 3 es una recta horizontal. L os puntos
q u e satisfacen la desigualdad y ^ 3 son aquéllos q u e están por debajo (o sobre) esta
recta, c o m o se m u estra en la figura 10.2.
,mplo 2 Trazo d e la Gráfica d e una Desigualdad Lineal
© la gráfica d e x - y < 2.
Clóll: L a g ráfica d e la ecuación co rrespondiente x - y = 2 es una recta, c o m o se obser-

cn la figura 10.3. C o m o el o rig en (0 ,0 ) satisface esta d esig u ald ad , e n to n c e s la gráfi-
c n sta d el sem iplano que está p or encim a d e la recta. (Intente verificar un punto debajo
la recta. Sin im portar cu ál punto se elija, se observará que no satisface la desigualdad.)
IJRA 10.3
P ara u n a desigualdad lineal en dos variables, algunas veces se puede sim plificar H
p ro cedim ien to d e g raficad o a l escribir la desigualdad en form a pendiente-ordenada al
origen. P o r ejem plo, al escrib ir x - y < 2 en la form a
y> x -2
se p u ed e o b serv ar que los p u ntos solución están arriba d e la recta y = x - 2, com o Ntf
m u estra en la figura 10.3. D e m anera sem ejante, al escrib ir la d esigualdad 2>x - 2y > 5 cu
la form a
se o b serv a que las soluciones están abajo d e la recta y = | x - ^ .
S istem as d e D esigualdades
M u ch o s p ro b lem as práctico s en adm inistración, ciencias e ingeniería im plican sistcr
d e desig u ald ad es lineales. A continuación se presenta un ejem plo de ese sistem a.
x +y < 12
3 x -4 y < 15
x > 0
y > 0
U n a so lu c ió n d e un sistem a d e desigualdades en x y y es un punto ( x , y ) q u e satisface cada

una d e las desig u ald ad es d el sistem a. P or ejem plo, ( 2 ,4 ) es una solución d e este sistc
p o rq u e x = 2 y y = 4 satisfacen cad a una de las cu atro desigualdades d el sistem a. L a g r i f l
d e un sistem a de desigualdades en dos variables es la colección d e todos los puntos quo
son soluciones del sistem a. P o r ejem plo, la gráfica del sistem a m encionado antes es la
reg ió n m ostrada en la figura 10.4. O bserve q u e el punto (2, 4 ) se encuentra en la región
porque es una solución del sistem a d e desigualdades.
P ara trazar la g ráfica de un sistem a d e desigualdades en dos variables, prim ero se tru /a
la g ráfica d e cada una d e las desigualdades que form an parte del sistem a (sobre el m isií
sis te m a d e c o o rd e n a d a s) y lu e g o se e n c u e n tra la reg ió n q u e es com ún a c a d a gráfica
d el sistem a. P ara sistem as d e desigualdades lineales, es útil d eterm in ar los vértices de la
reg ió n solución, co m o se m uestra en el siguiente ejem plo.
FIGURA 10.4 >‘
( 2 .4 ) c» u n o so lu ció n po rq u e tu
livlncr
Sección 10A Sistem as de D esigualdades Lineales
tylo 3 Resolución d e un S istem a d e Desigualdades

In g ráfica (c identifique los vértices ) del co njunto so lu ció n del siguiente sistem a.
br - y < 2
* > -2
y * 3
En los ejem p lo s 1 y 2 ya se trazó la gráfica d e cada una d e las desigualdades,
trian g u lar com ún a todas las tres gráficas puede determ inarse al su p erp o n er las
INcn el m ism o sistem a d e coordenadas, com o se o b serv a cn la figura 10.5. Para
tur los vértices d e la región, se en cu en tren los puntos d e intersección d e las fronte-
la región.
Artice A: ( - 2 , - 4 ) V értice B : (5, 3) V értice C: ( - 2 , 3)
Heñido al determ i- O btenido al encontrar O btenido al h allar el
ir el punto de el punto de intersec punto d e intersección
irsccción de ción de de
-y = 2 * - ;y = 2 x = -2
x = —2. y = 3. y= 3.
IURA 10.5
X>
í |
Bl Conjunto
• 2 1m m B m Solución
l i '✓ :
> 2 3 4 5
/
T i
la región tria n g u la r m o stra d a cn la fig u ra 10.5, ca d a p u n to de in te rse c c ió n d e

ll f rectas fro n te riz a s c o rre sp o n d e a un v értic e. C on re g io n e s m ás c o m p lic a d a s,
fro n terizas p u ed en intersecarse a lg u n as veces en un p u n to q u e no es un vértice
com o se m u e stra cn la fig u ra 10.6. Para no p e rd e r d e v ista c u á le s p u n to s
lección son re alm e n te vértices de la re g ió n , se su g ie re e la b o ra r un trazo
| n o de la re g ió n y referirse a éste cada v e z q u e se d e te rm in e un p u n to d e in-
til.
FIGURA 10.6
Las rectas fronterizas pueden intersectarse

en un punto que no sea un vértice.
Al resolver un sistema de desigualdades, es necesario considerar la posibilidad do

el sistema no tenga solución. Por ejemplo, el sistema
* + y > 3
x + y < -1
no tiene puntos solución porque la cantidad (* + y) no puede ser al mismo tiempo ni
que -1 y mayor que 3, como se muestra en la figura 10.7.
FIGURA 10.7
Sin solución
S e n tó n 10.1 Sistemas de D esigualdades Lineales 593
|H>NÍhil¡dad e s que el co n ju n to so lución d e un sistem a d e desigualdades p u ed e no

udo. P or ejem p lo , el co n ju n to solución de
0 + y < 3
* ♦ 2y > 3
lina cuña infinita c o m o se o bserva en la figura 10.8.
PIÜURA 10.8
y
Región no acolada
ones
B ho ejem p lo d e esta sección m uestra c ó m o en un pro b lem a de aplicación puede
un sistem a d e desigualdades lineales.
Tipio 4 Una Aplicación d e un S istem a d e D esigualdades Lineales

ión d e líquidos d e una dieta d eb e su m inistrar p o r lo m enos 3 0 0 calo rías, 36 u ni
do vitam ina A y 9 0 unidades d e vitam ina C diariam ente. U na taza d e la b eb id a die-
X proporciona 6 0 calorías, 12 unidades d e vitam ina A y 10 u nidades d e v itam ina C.
za d e la beb id a d ietética Y sum inistra 6 0 calorías, 6 u nidades de v itam ina A y 30
tos d e vitam ina C . E stab lezca un sistem a de desigualdades lineales q u e d escrib a los
m icntos m ínim os d iario s d e calorías y vitam inas.
I): Sean
X = núm ero d e tazas d e la beb id a dietética X

y = núm ero d e tazas de la beb id a d ietética Y.
, para reunir los requerim ientos m ínim os diarios, es necesario satisfacer las si
les desigualdades.
594 C a pítulo 10 P rogram ación Lineal
D e calorías: 60* + 60y > 300

D e v itam in a A: 12* + 6y ^ 36
D e v itam in a C: 10* + 3 0 ? > 90
* s 0
> & 0
L a s dos últim as desigualdades se incluyen porque x y y no pueden ser negativos. !!i»

figura 10.9 se m uestra la g ráfica d e este sistem a d e desigualdades lineales.
FIGURA 10.9
Observación: Cualquier pu n to en el interior d e la región m ostrada en la figura 10.9 (o

su frontera) reúne los requerim ientos m ínim os diarios d e calo rías y vitam inas.
Sección 10.1 ▲ E jercicios
E n los ejercicios del 1 al 6, haga corresponder la desigualdad lineal con su gráfica. [LasgráH
están etiquetadas de a) a 0-1
1. * > 3 2. y < 2
3. 2x + 3 y < 6 4. 2 x - y > - 2
5. x > 6. y > 3x
En los ejercicios del 7 al 22, trace la gráfica de la desigualdad lineal dada.
7. x > 2 8. x < 4
9. y > -1 10. y ^ 3
11. y < 2 - x 12. y > 2 x - 4
13. 2 y - x ^ 4 14. 5x + 3 y 2 - l 3
16. 2.x > y
18. y < = 3 + *
íy ♦ 4 a x 20. 6 - 2y < x
| c - 2 ><=s 12 22. y + 3 x > 6
.•icios del 23 al 32, Irace la gráfica de la solución del sistem a de desigualdade:

dado.
I* o
> fc 0
■ «2
> -.4
27. x + y < 5 28. 2x + y > 2

x >2 x <2
y >0 y —i
29. -3 x + 2y < 6 30. x -7 y > -3 6
x + 4y > —2 5x + 2y > 5
2x+ y < 3 6x - 5y > 6
31. x > 1 32. x + y < 10

x -2 y < 3 2x + y > 10
3x + 2y > 9 x -y < 2
x+ y < 6
En los ejem plos del 33 al 36, deduzca un conjunto de desigualdades para describir la regí
dada.
33. Región rectangular con vértices en (2, 1), (5, 1), (5, 7) y (2, 7).
I ■'I 34. Paralelogram o con vértices en (0 ,0 ), (4, 0), (1 ,4 ) y (5 ,4 ).

V»
35. Región triangular con vértices en (0, 0), (5, 0) y (2, 3).
36. Región triangular con vértices en (-1 , 0), (1, 0) y (0, 1).
37. U na fábrica de muebles puede vender todas las mesas y sillas que produce. Cada
requiere 1 hora en el centro de ensam blaje y 1 1/3 horas en el centro de acabado. Cu
lia requiere 1.5 horas en el centro de ensam blaje y 1.5 horas en el centro de acabt
centro d e ensam blaje de la fábrica perm anece abierto 12 horas diarias, y el cení
acabado, 15 horas diarias. Si x es el núm ero de mesas producidas por día y y es el mu
d e sillas, encuentre un sistem a de desigualdades que describa todos los nivclt
producción posibles. Trace la gráfica del sistema.
38. Una tienda vende dos modelos de cierta marca de computadoras. Debido a la del
es necesario tener cn bodega por lo m enos dos veces la cantidad de unidades del ni
A que el m odelo B. El costo para la tienda de los dos modelos es 800 y 1,200 dóli
respectivam ente. La administración no desea tener más de 20,000 dólares de inventi
de com putadoras en ningún m om ento y desea que siem pre haya en existencia por lo ti
nos cuatro com putadoras del m odelo A y dos computadoras del m odelo B . Idee un nI
de desigualdades que describa todos los niveles de inventario posibles y trace lit gl
del sistema.
39. U na persona desea invertir un total de no más de 20,000 dólares en dos cuentas que
ren intereses. Cada cuenta debe constar por lo menos de 5,000 dólares. Ademi
cuenta debe tener por lo menos dos veces la cantidad que hay en la otra cuenta. I )r H
un sistema de desigualdades para describir las diferentes cantidades que es posible do|
en cada cuenta y trace la gráfica del sistema.
40. Para un concierto se venderán dos tipos de boletos. El precio de un tipo será de 15
res por boleto y el del otro, 25 dólares por boleto. El promotor del concierto debe vi
p or lo menos 15,000 boletos incluyendo 8,000 boletos de 15 dólares y 4 ,0 0 0 de Io n I h i |
de 25 dólares. Además, los ingresos brutos deben ser por lo menos 275,000 dótate!
llevar a cabo el concierto. Encuentre un sistema de desigualdades que deseilli
diferentes números de boletos iiue es nosiblc vender v trace la urálica del sislei
II
Sección 10.2 Programación Lineal con D os Variables
t Se solicita a un dietista diseñar un com plem ento dietético especial en el que se ir

yan dos alim entos distintos. C ada onza del alim ento X contiene 20 unidades de ca
15 unidades d e hierro y 10 unidades de vitam ina B. Cada onza de alim ento Y contier
1 unidades de calcio, 10 unidades de hierro y 20 unidades de vitam ina B. Los requcrini
[ tos diarios m ínim os en la dieta son 300 unidades de calcio, 150 unidades de hierro y
Unidades de vitam ina B. Encuentre un sistema de desigualdades que describa la
( ferentes cantidades de alim ento X y de alim ento Y que se puede consum ir en la di

trace una gráfica del sistema.
Vuelva a trabajar en el ejercicio 41 usando requerimientos diarios mínimos de 280

dodes de calcio, 160 unidades de hierro y 180 unidades de vitam ina B.
® ▲ Program ación Lineal con Dos Variables

Has aplicaciones d e adm in istració n y econom ía im plican un p ro ceso denom ii
n i/a c ió n , en el que se req u iere d eterm inar el co sto m ínim o, la ganancia máxime
m ínim o d e los recursos. E n esta sección se analizará un tip o de pro b lem a de
ción den o m in ad o p ro g ra m a c ió n lineal.
Un problem a d e program ación lineal bidim ensional consiste en u n a fu n c ió n o b ji
I y un sistem a d e desig u ald ad es lineales denom inadas re stric c io n e s. La fun
vo d a la can tid ad que h ab rá d e m axim izarse (o m inim izarse) y las restricci
inan el co n ju n to d e so lu c io n e s factibles,
f ejem plo, co n sid ere un problem a de program ación lineal en el q u e se pide n
r el valor de
Z = ax + by F u n ció n objetivo
til u un co n ju n to de restricciones q u e determ inan la región indicada en la figura H

ido a que todo p u n to de la región satisface cad a una d e las restricciones, no es e vii
g debe h acerse para en co n trar el pu nto con el que se obtenga un v alo r m áxim o
rtuna, se p u ed e dem o strar q u e si hay una solución óptim a, deb e ocurrir en ui
VÍrticcs d e la región. E n o tras palabras se puede encontrar el valor mdxln
r z e n cada uno de los vértices , com o se ilustra en el ejem p lo 1.
NdURA 10.10
598 Capítulo JO Programación Lineal
T eorem a 10.1 Solución ó p tim a d e un Problem a d e P rogram ación Lineal

S i u n p ro b lem a d e p ro g ram ación lineal tícne so lución, ésta d e b e o c u rrir en un vért
d el co n ju n to d e so lu cio nes factibles. S i e l p ro b le m a tie n e m á s d e u n a soluci
en to n ces p o r lo m en o s u n a d e e lla s d e b e o c u rrir en u n v é rtic e del co njunto d i
so lu cio n es factib les. En c u a lq u ie r caso^ e l v alo r de la función o b jetiv o es único.
► Ejem plo 1 Resolución d e un Problema d e Program ación Lineal

E ncuentre el valor m áx im o de
z = 3* + 2y Función objetivo
su jeto a las siguientes restricciones .
R estricciones
x + 2)
x~ >
Solución: L as restricciones form an la región m ostrada en la figura 10.11. En los cu#
vértices d e esta región, la función objetivo tiene los siguientes valores.
En (0, 0) : z = 3(0) + 2(0) =0

En ( 1 ,0 ) :z = 3 ( 1 ) + 2(0) =3
En (2, 1) : z = 3(2) + 2(1) =8 (V alor m áxim o de z)
En (0, 2) :z = 3(0) + 2(2) =4
A sí el valor m áx im o d e z e s 8, y esto ocurre cuando x = 2 y y = 1.
FIGURA 10.11
3
ación: E n el ejem p lo 1, intente verificar alguno de los puntos interiores de la reg

que los valores correspondientes d e z son m enores que 8.
ra ver que el v alo r m áxim o de la función objetivo en el ejem plo 1 d eb e ocurrir cr

c, considere escrib ir la función objetivo en la form a
ilación representa una fam ilia d e rectas, cad a una de pendiente -3 /2 . De

Idad de rectas, se busca aquélla con m ayor valor z y que siga cortando la re;
inada p or las restricciones. E n o tras palabras, de todas las rectas cu y a pendicn
h c desea aq u élla con m ay o r ord en ad a al origen y e interseque la región dada, o
mstra en la figura 10.12. D ebe resultar evidente que esa recta pasa p o r uno (o i
v értices d e la región.
P1GURA 10.12
M ntinuación se presentan los pasos seguidos cn el ejem plo 1.
í £ - t Z Z
K.
G ráfico p a ra R esolver u n P roblem a d e P rogram ación Lineal
Iv crp o rel m étodo gráfico un problem a d e program ación lineal que implii
obles, use los pasos siguientes.
la región correspondiente al sistem a d e restricciones. (L os puntos dent

• n lu frontera de la región se denom inan s o lu c io n e s fa l ib le s .)
icntre los vértices de lu región.
pruebe la función objetivo cn cada uno d e los vértices y elija los valores de
ibles que optim l/un la función objetivo. Para una región acotada exister
tnr m ínim o y un vnlor máxim o. (Para una región no acotada, s i existe unn
lón óptim a, entonces debe ocurrir en un vértice.)
600 C apítulo 10 P rogram ación Lineal
L as instrucciones anteriores funcionan si la función será m axim izada o m inim i

A sí, en el ejem p lo 1 la m ism a prueba para en co n trar el valor m áxim o d e z se puede llkilf
p ara co n clu ir q u e el v alo r m ín im o d e z es 0 , lo cual ocurre en el v értice (0 ,0 ).
► Ejemplo 2 Resolución de un Problema de Programación Lineal

E ncuentre el valor m áxim o d e la función objetivo
z = 4x + 6y F unción objetivo
donde x ^ 0 y y ^ 0, su jeta a las restricciones
—x + y ^ 11
x+ y < 2 7 R estricciones
2x + 5y < 90.
Solución: L a región acotada p o r las restricciones se m uestra en la figura 10.13. Al n i

pro b ar la función objetiv o en cad a vértice, se obtiene lo siguiente.
En (0, 0): z = 4(0) + 6(0) = 0

En (0 ,1 1 ): z = 4(0) + 6 (1 1 ) = 66
En (5, 16): z = 4(5) + 6 ( 1 6 ) = 116
E n (15, 12): z = 4(15) + 6(12) = 132 (V alor m áxim o de z)
En (27, 0): z = 4 (2 7 )+ 6(0) = 1 0 8
P o r tanto, e l v alo r m áxim o d e z es 132 y ocurre cuando x = 15 y y = 12.
FIGURA 10.13
5 10 15 20 25 30
E n el siguiente ejem p lo se m uestra que se puede usar el m ism o procedim iento liA
para reso lv er un problem a de program ación lineal en que la función objetivo un A
nim izada.
► Ejemplo 3 Mlnlmlzaclón de una Punción Objetivo

D eterm ine el valor m ínim o de la función objetivo
Z *s 5x + l y Función objetivo
c j & O y y s O , sujeta a las restricciones
2x + 3y 6
3x- y 15
-x + y 4 R estricciones
2x + 5y 27.
Mil: E n la figura 10.14 se m uestra la región acotada p o r las re stric c io n e s..

nr la función objetivo en cad a vértice, se obtiene lo siguiente.
En (0, 2): z= 5 (0 )+ 7(2) = 1 4 (V alor m ínim o de z)

Un (0, 4): z= 5(0) + 7(4) = 28
lln (1 ,5 ): z= 5 ( 1 )+ 7(5) = 40
Un (6, 3): z= 5 ( 6 )+ 7 (3 ) = 51
Un (5 ,0 ): z= 5(5) + 7 (0 ) = 25
En (3, 0): z= 5(3) + 7 ( 0 ) = 15
RA 10.14
y
(1 .5 )
5
(0.4)<
'
3 (6. 3)
in <>i«
(U. ¿ )i
1
1 2 ( 3 .0 ) ( 5 .0 ) 6
I el valor m ínim o de z es 14 y ocurre cu an d o x = 0 y y = 2.
aclóil: E n el ejem p lo 3, nótese que los pasos seguidos para determ inar
lino son precisam ente los m ism os q u e se seguirían para enco n trar el valor iná
palabras, una vez que la función objetivo se h a evaluado en los vértices de
ble, sim plem ente se elig e el m ay o r v alo r c o m o e l m áxim o y el m enor com o el
Al reso lv er un problem a d e program ación lineal, es posible q u e el valor nn

lino) o cu rra en dos vértices diferentes. P o r ejem plo, en los vértices de I
nula en la figura 10.15, la función objetivo
Z ■ 2x + 2y Función objetivo
Ion siguientes valores
l'n (0 .0 ): 2 ( 0 )+ 2 (0 )- 0
En (0. 4): 2 (0 )+ 2(4)- H
Kit (2. 4): 2 (2 )+ 2 ( 4 ) - 12 (V alor m áxim o d e z)
l(n (5 . I): 2(5) + 2( 1 ) - 12 (V alor m áxim o d e z)
En ( 5 .0 ) : « ■ 2(5) 4 2(0) - 10
► Ejemplo 6 Una Aplicación: Costo Mínimo

En el ejemplo 4 de la sección 10.1 se estableció un sistema de ecuaciones lineales pittlt
resolver el siguiente problema. La porción líquida de una dieta debe suministrar diario por
lo menos 300 calorías, 36 unidades de vitamina A y 90 unidades de vitamina C. Una tn/ü
de la bebida dietética X proporciona 60 calorías, 12 unidades de vitamina A y 10 unid
des de vitamina C. Una taza de la bebida dietética suministra 60 calorías, 6 unidades (I#
vitamina A y 30 unidades de vitamina C. Ahora, suponga que la bebida dietética X cu OÍ*
0.12 dólares por taza y que la bebida Y cuesta 0.15 dólares por taza. ¿Cuántas tazas de cml#
bebida es necesario consumir diariamente para minimizar el costo y satisfacer lo*
requerimientos diarios estipulados?
Solución: Se empieza por hacer que * represente el número de tazas de la bebida dictétU'M
X y y represente el número de tazas de la bebida dietética Y. Además, para satisfacer lol
requerimientos mínimos diarios, es necesario satisfacer las siguientes desigualdadcn.
Para las calorías: 60.x + 60y ^ 300
Para la vitamina A: 12* + 6y 36
Para la vitamina C: 10* + 30y ^ 90 Restricciones
El costo C está dado por

C = 0.12* + 0.15y. Función objetivo
En la figura 10.18 se muestra la gráfica de la región correspondiente a las restricef

Para determinar el costo mínimo, se prueba C en cada vértice de la región como sin
En (0, 6) : C = 0.12(0) + 0.15(6) = 0.90
En (1 ,4 ) : C = 0.12(1) + 0.15(4) = 0.72
Así el costo mínimo es 0.66 dólares diario, y esto ocurre cuando diariamente se con
men tres tazas de la bebida X y dos tazas de la bebida Y.
FIG U R A 10.18
>'
Sección 10.2 E jercicio s 60
ión 10.2 A Ejercicios

los ejercicios del 1 al 16 obtenga los valores m ínim o y máximo de la función objetivo dad
la a las restricciones indicadas.
}• Función objetivo: 2. Función objetivo:
Z = 3x + 2y z = 4 x + 3y
Restricciones: Restricciones:
x 0 0
y 0 y> 0
x + 3y 15 2x + 3y ^ 6
4x + y 16 3x-2y < 9
* + 5y < 20
Función objetivo: 4. Función objetivo:
l m 5x + 0.5y z = x + 6y
stricciones: Restricciones:
(Véase el ejercicio 1.) (Véase el ejercicio 2.)
Punción objetivo: 6. Función objetivo:
l m 10* + ly z = 50x + 35y
fricciones: Restricciones:
Os x 60
45
606 C a p ítu lo 10 P ro g ra m a c ió n L ineal
7. Función objetivo: 8. Función objetivo:
z = 25* + 30y Z = 16jc + 18y

(Vcasc el ejercicio 5.) (Véase el ejercicio 6.)
z = 4x + 5y z = Ax + 5y
*> 0 * > 0
y > 0 y > 0
Ax + 3y > 27 2* + 2y < 10
x+ y > 8 x + 2y ^ 6
3x + 5y > 30
z = 2x + l y z = 2x-y
z = 4x + y z =x
*> 0 * > 0
y> 0 y > 0
x + 2y < 40 2x + 3y < 60
*+ y > 30 2x + y < 2 8
2x + 3y > 7 2 Ax + y < 4 8
z = x + 4y z=y
En los ejercicios del 17 al 20, m aximice la función objetivo dada sujeta a las rcstriccionm
+ x 2 ^ 15 y Axx + 3x2 ^ 30, donde x v x2 ^ 0.
17. z = 2x¡ +x2 18. z = 5x¡+ x2
19. z = x l + x2 2 0 . z = 3.x, + x 2
21. Un com erciante planea vender dos modelos de com putadora dom éstica al precio di» )
y 400 dólares, respectivamente. El m odelo de 250 dólares produce una ganancia d»
Sección 10.2 E jercicio s 607
dólares y el de 400, una ganancia de 50. El comerciante estim a que la dem anda mensual
no será superior a 250 unidades. Determ ine el núm ero de unidades de cada m odelo que
es necesario tener cn existencia para m aximizar la ganancia. Suponga que el comerciante
no desea invertir m ás de 70,000 dólares en inventario de computadoras.
Un fruticultor dispone de 150 acres para cultivar dos productos, A y B. Un acre del
producto A se poda cn un día y un acre del producto B se poda en dos días; para la poda
se dispone de 240 días al año. La cosecha de un acre del producto A se lleva a cabo en 0.3
días y la cosecha de un acre del producto B sc lleva a cabo cn 0.1 días; para cosechar se
►dispone de 30 días al año. Encuentre el núm ero de acres que deben plantarse con cada
producto para m axim izar la ganancia, si ésta es de 140 dólares por acre del producto A y
de 235 dólares por acre del producto B.
Una cooperativa agrícola mezcla dos marcas de alimento para ganado. La m arca X cues
ta 25 dólares por saco y contiene 2 unidades del nutriente A, 2 unidades del nutriente B
y 2 unidades del nutriente C. La marca Y cuesta 20 dólares por saco y contiene 1 unidad
del nutriente A, 9 unidades del nutriente B y 3 unidades del nutriente C. Encuentre el
núm ero de sacos de cada marca que deben mezclarse para producir una mezcla que tenga
un costo mínimo por saco. Los requerim ientos mínimos de los nutrientes A, B y C son 12
' unidades, 36 unidades y 24 unidades, respectivamente.
El octanaje de dos tipos de gasolina, A y B, es de 80 y 92, respectivamente. El tipo A cues-

tu 0.83 dólares por galón y el tipo B cuesta 0.98 dólares por galón. Determ ine la mezcla
de costo mínimo cuyo octanaje sea por lo menos de 90. [Sugerencia: Sea x la fracción de
coda galón del tipo A y y la fracción de tipo B.]
Ion ejercicios del 25 al 30, el problema de program ación lineal dado presenta una
rística poco común: Trace la gráfica de la región solución del problema y describa di-
tcrística. (En cada problema, la función objetivo debe ser maximizada.)
Pu nción objetivo: 26. Función objetivo:
t ■ 2.5a: + y Z=x +y
*20 *20
y 20 y 20
3 * + 5y < 15 -* + y £ 1
+ 2y == 10 - * + 2y < 4
nción objetivo: 28. Función objetivo:
r ■ -* + 2 v Z= * + y
* 2 0 *20
f, y 2 0 y 20
,. x £ 10 -* + y 0
x f y £ 7 -3 * + y 2 3
29. Función objetivo: 30. Función o bjetivo:
z = 3* + 4y z = x + 2y
x>0 *> 0
y> 0 y >0
x +y < 1 * + 2y < 4
2x + y > 4 2x+ y < 4
En los ejercicios 31 y 32, determ ine los valores / tales que la función objetivo dada tengn
valor m áxim o en el vértice indicado.
z = x + ty z = 3* + ty
x>0
y> 0 y> 0
jc < 1 * + 2y < 4
y —i x- y < 1
a) (0 ,0 ) b) (1 ,0 ) a) (0 ,0 ) b) (1, 0)
c) (1, 1) d) (0, 1) c) (2 ,1 ) d) (0, 2)
[Nota: Para t = 2, este problema es cqul

lente al del ejem plo 1.]
10.3 A El Método Simplcx: Maximización

Para problem as d e program ación lineal en el q u e aparezcan dos variables es conven!
el m éto d o d e resolución g ráfica introducido en la sección 10.1. Sin em bargo, para |
blcm as q u e im plican m ás de dos variables o problem as en que hay un gran núm ero
restric cio n es, es m ejo r a p lic a r m éto d o s de reso lu ció n m ás ad ap tab les a com pulj
U n o de esos m étodos se llam a m é to d o sim p lex , creado por G eorge D antzig cn 1946,
te m éto d o p ro p o rcio n a una m anera sistem ática de an alizar los vértices de la región
ble para d eterm in ar el v alo r óptim o d e la función objetivo. E ste m étodo se presenta
un ejem plo.
S u p o n g a que se d esea en co n trar el valor m áxim o d e z = 4 x , + 6*2, donde . t j Qj
x 2 ^ 0 , su jeta a las restriccio n es siguientes.

-Xx + *2 < 11
+ x 2 ^ 27
2 xx + 5a:2 < 90
C om o el lado izq u ierd o d e cada desigualdad es m enor o igual que el lado derecho,
tonces deben ex istir núm eros no negativos .v,, .v2 y sy que sea posible sum ar al lado i/q u
d o de cad a ecu ació n para obtener el siguiente sistem a de ecuaciones lineales.
Sección i 0.3 Método Sim plex: M inim ización 609
~X¡ + X 2 + 5, = 11
* , + x2 + = 27
2 a :, + 5 x 2 + S3 = 90
D ineros s v s 2 y s 3 se denom inan v a r ia b le s d e h o lg u ra p o rq u e absorben “la parte que

cn cada desigualdad.
•Mema d e p ro g ram ació n lin eal e s tá e n f o r m a e s tá n d a r { o n o rm a l) $i busca

iza rla fu n c ió n o b je tiv o 2 * c {x x + c ^ 2 + * * • + cnx n sujeta a las restriccio n es
♦ « * * + ■ •• + «A * - f » H § S
*
b
*«1*1 lili +«,„A - K
Xf e* O y b{ a: 0. D espués d e su m a r las variables d e holgura, el sistem a d e
aciones co rrespondiente e s
ilOlóll: N ótese que para un problem a d e program ación lineal en form a están d ar la
objetiv o debe m axim izarsc, no m inim izarse. (L os problem as d e m inim ización se
lirdn en las secciones 10.4 y 10.5.)
| Nolución b ásic a del problem a d e program ación lineal en form a está n d ar es una
* n u , . x 2................... *2........ím ) d e las ecuaciones restrictiv as en la q u e cuando mucho
Mes son diferentes d e cero; las variables diferentes d e cero se deno m in an v a ria b le s
U na solución básica en la que todas las variables son diferentes d e cero se llam a
b á sic a factib le.
... sim plex se lle v a a c ab o al efectu ar operaciones elem en tales cn los renglones
lalri/. d en o m in ad a ta b la sim p le x lista tabla c o n sta d e la m atriz au m en tad a co-
610 Capítulo ¡O Programación Lineal
rresp o n d ien te a las ecuaciones restrictivas ju n to co n los coeficientes de la función objotl

vo escritos en la form a
- C lX l - C^X 2 --------------- C JC n + (0)5, + (0)52+ • • • + (0)5m+ Z = 0.

E n la tab la su elen om itirse los coeficientes d e z. P o r ejem plo, la tabla sim plex del pro!)
m a d e program ación lineal
z = 4x. + 6x- Función objetivo
-JT, + X2 + 5, = 11
X\ + X2 + S2 = 27 R estricciones
2 x ¡ + 5x 2 + s3 = 90
es co m o sigue.
Variables
*1 *2 sl *2 s3 b Básicas
-1 1 1 0 0 11 *1
1 1 0 1 0 27 s2
2 5 0 0 1 90 s3
-4 -6 0 0 0 0
V alor z actual
P ara esta ta b la s im p le x in icia l, las v a r ia b le s b á sic a s son 5,, s 2 y s y y las variable»

b á s ic a s (que son iguales a cero) son x , y x 2. A sí, a p artir d e las dos colum nas de la cxlrtt
d erech a se o b serv a q u e la ecuación actual es
x l = 0, x 2 = 0, 5, = 11, s2 = 27 y s3 = 90.
É sta es una so lución básica factible y a m enudo se escribe com o
(* ,, X v 5,, 52,5 3) = (0 , 0, 11, 27, 90).
El elem en to en el á n g u lo inferior derech o de la tabla sim plex es el v alo r actuul «lu

O b serv e q u e lo s elem entos d el renglón inferior b ajo x { y x 2 son los negativos d r
co eficien tes d e x { y x 2 en la función objetivo
z = 4x, + 6x2.
P ara efectu ar una c o m p r o b a c ió n d e o p tim a lid a d d e una solución presentudn on
tab la sim p lex , se observan los elem entos del renglón inferior d e la tabla. Si cualquiciM
esto s elem en to s es (son) negativo (s) (com o en e l caso anterior), en to n ces la noIiic
actu al no es óptim a.
Sección 10.3 M étodo Simplex: Maximización
vez que se ha establecido una tabla simplex de un problem a de program ación linc
Itodo simplex consiste en com probar la optim alidad y luego, si la solución actual
lima, m ejorar la solución actual. ( U na solución m ejorada es aquélla que tiene
valor z que la solución actual.) Para m ejorar la solución actual, se introduce i
fo variable en la solución; esta variable se denom ina v a ria b le d e e n tra d a . Lo an
iplica que una de las variables básicas actuales debe salir, ya que en caso contra
*ían dem asiadas variables para una solución básica; esta variable se denomi
ible d e salida. Las variables de entrada y de salida se eligen com o se m uestra a cc
U n.
v ariable d e e n tr a d a corresponde al m enor elem ento (el más negativo) del rcngl
ferior de la tabla.
v ariable d e salid a corresponde a la m enor razón no negativa de b J a ^ en la colui
determinada por la variable de entrada.
dem en to de la tabla simplex en la colum na de la variable de entrada y en el rcngl
la variable d e salida se denom ina pivote.
Itlmo, para form ar la solución m ejorada, se aplica la elim inación d e Gauss-Jord

lumna que contiene el pivote, com o se ilustra en el siguiente ejem plo. (Este procc
imina pivoteo.)
lo 1 P i vo teo p a r a E n c o n tra r una Solución M ejorada

U m étodo sim plex para determ inar una solución m ejorada del problem a de progi
lineal representado por la siguiente tabla.
Variables
*1 Ji s2 í3 b Básicas
*2
-1 1 1 0 0 11 s\
1 1 0 1 0 27 s2
2 5 0 0 1 90
-4 -6 0 0 0 0
llrtn objetivo de este problem a es z = 4 x x + 6x2.
Observe que la solución actual (x, = 0 , x 2 = 0 , s x = 11, s2 = 27 , s3 = 90 ) corrcspoi

valor z de 0 . Para m ejorar esta solución, se determ ina que x 2 sea la variable de ci
porque - 6 es el m enor elem ento cn el renglón inferior.
Variable*
HAakaa
[-1 I I 0 0 II
l i o 1 » 27
i J * » 9 .i. N •l
f» 0 o »
t
Para ver p o r q u é sc elige x 2 com o variable de entrada, recuerde que z = 4.v, + 6 x r Por luí!
to, parece que un cam bio unitario cn x 2 produce un cam bio de 6 cn z, m ientras qii0 t
cam bio unitario cn produce un cam bio de sólo 4 en x 2.
Para encontrar la variable de salida sc localizan los b¡ que tienen elem entos positivo*
rrespondientes en la colum na de la variable de entrada y sc forman las siguientes ra/«
11 = 11,
27
= 27 ,
1 1
Pn este caso la m enor razón positiva es 11, de modo que sc elige 5, com o variable de sitl
Variables
x\ x2 A'l ,v2 53 b Básicas
-1 0- 1 0 0 11 s\ R De salida
1 ] 0 ] 0 27
2 5 0 0 I 90
-4 -6 0 0 0 0
F
De entrada
O bserve que el pivote es el elemento que está en el prim er renglón y en la según

lumna. Así, se usa la elim inación de Gauss-Jordan para obtener la siguiente sol
mejorada.
A ntes Pivoteo D espués Pivoteo
1 1 1 0 0 11 ’ -1 1 1 0 0
1 1 0 1 0 27 2 0 -1 1 0
0 1 90 c > 0 1
2 5 0 7 0 -5
4 -6 0 0 0 0 - 10 0 6 0 0
Entonces, la nueva tabla simplex es la siguiente.
Variables
*1 *2 5! s2 *3 b Básicas
-1 1 1 0 0 11 X-y
2 0 -1 1 0 16
O
\r.
7 0 1 35
1
-1 0 0 0 0 66
S e c c ió n 10.3 M é to d o S im p le x : M a x im iza c ió n 613
rvc que x 2 ha sustituido a s { en la colum na básica y que la solución mejorada
(x |f X v s v S v S3) = (0, 11 ,0, 16, 35)
un valo r z de
z = 4jc, + 6x 2 = 4(0) + 6(11) = 66. «
n el ejem plo 1, la solución mejorada aún no es óptim a ya que el renglón in fe rio r

Vía contiene un elemento negativo. A sí, es posible aplicar otra iteración del método
lex para m ejorar más la solución com o se muestra a continuación. Se elige jc, com o
luble de entrada. Además, la menor razón no negativa de 11/(—1) = - 1 1 , 16/2 = 8 y
■ 5 es 5, de modo que la variable de salida es s y A l aplicar la elim in ación de Gauss-
lin se obtiene lo siguiente.
■ -1 1 1 0 0 11 0 0 11
-1 1 1
2 0 -1 1 0 16 1 0 16
2 0 -1
7 0 -5 0 1 35 5 0
I
5
1 0 7A 7
- 10 0 6 0 0 66 0 0 66
- 0 6
2 1
' 0 1 0 7 16
7
2
0 0
1 1 6
7 7
_5 1
1 0 0
7
5
7
8 10
0 0 0 116
7 7
lo, la nueva tabla sim plex es la siguiente.
V ariables
J, S2 Básicas
0 l -7 0 16
x2
0 o 1 - 6
1 o o 5
0 0 -f o L° 116
liiblu, cn el renglón inferior sigue habiendo un elem ento negativo. Entonces, se

Como variable de entrada y ,v fco m o variable de salida, com o se observa en la tabla
W.
Variables
*1 *2 *1 *2 *3 b Básicas
0 1 2 0 1 16
7 7 x2
0 0 'T ' 1 2 6 s2 D e salida
"7
5 1
1 0 7 0 7 5
0 0 78 0 10 116
T
í
D e entrada
A l efectuar una iteración m ás del m étodo sim plex se obtiene la tabla siguiente. (In
comprobar esto.)
Variables
xl *2 J, S2 *3 b Básicas
0 1 0 1 12
3 *2
2
0 0 1 1 3 14 s\
1 0 0 §
1 15
"3 x\
0 0 0 | 3 132 Valor z máximo
En esta tabla, en el renglón inferior ya no hay elem entos negativos. Por consigui
ha determinado que la solución óptima es
(* ,, x v s v s v s3) = (15, 12, 14, 0 , 0)
con
z = 4 * , + á r 2 = 4 (1 5 ) + 6 (1 2 )= 132.
Observación: A l elegir variables de entrada, de salida o ambas es posible que haya ont
En este caso, e s posible elegir entre cualesquiera de las variables empatadas.
D ebido a que el problema de programación lineal del ejemplo 1 implica sólo dos v«ft
de decisión, se podría haber usado una técnica gráfica de resolución, com o se mucNim
figura 10.19 (véase también el ejem plo 2, sección 10.2.) Cada iteración cn el n
sim plex corresponde a desplazarse de un vértice dado a un vértice adyacente con lili V
z mejorado, com o sigue.
( 0 ,0 ) ( 0 ,1 1 ) ( 5 ,1 6 ) r -'v ( 1 5 .1 2 )
z=0 L- v ^ z = 66 z - 116 z - 132
Sección 10.3 M étodo Sim plex: Maximización
FIGURA 10.19
lótodo Sim plex

itinuación se resumen los pasos del m étodo sim plex.
entes»;
‘Vierta cada desigualdad de! conjunto de restricciones en una ecuación al sumar

variables de holgura,
iborc la tabla sim plex inicial.
:alice el elem ento m ás negativo en e l renglón inferior. La colum na d e este
mto s e denom ina co h im n a d e en tra d a . (En ca so de ocurrir em pates, para
ánar la colum na d e entrada puede elegirse cualquiera d e Jos elem entos
las razones de los elem entos en la “columna b " con sus elem entos positivos
■i É ÍIl
son
PPgtttfvc», entonces n o « lis t e solu ción óptim a. Para em pates, elija cualquier
lem ento en e l renglón de salida y en la colum na d e entrada se d e
lina pivote. :
las operaciones elem entales en lo s renglones para que e l pivote sea 1 y lo s dem ás
itos en la colum na de entrada sean 0 . Este proceso s e denom ina pivoteo,
lo s elem entos en el renglón inferior son cero o p ositivos, se ha llegado a la
final.
cuso de obtener una tabla final, entonces el problem a de program ación lineal
una solución m áxim a, qua está dada por el elem ento en el ángulo inferior d e
d e la tabla.
616 C a p ítu lo 10 P ro g ra m a c ió n L in e a l
O bserve que la so lu ció n básica fa c tib le de una ta b la s im p le x in ic ia l es
C*l» -*2’ ••• »■*/}’ ^2* ^m^ = ^|* ^ 2’ ’■*

Esta solución es básica porque cuando m ucho m variables son diferentes de cero (a sultfj
las variables de holgura). Es factible porque cada variable es no negativa.
En los dos ejem plos siguientes se ilustra la aplicación del m étodo sim plex para rcst >1v
un problema que implica tres variables de decisión.
► E jem p lo 2 El M étodo S im p le x con Tres Variables d e Decisión

U se el m étodo sim plex para encontrar el valor m áxim o de
z = 2jc, - x2 + 2x 3 Función objetivo
Sujeta a las restricciones
2x] + x 2 < 10
x { + 2x2 - 2x3 ^ 20
x2 + 2*3 < 5
donde x { ^ 0, x 2 ^ 0 y x 3 ^ 0.
Solución: Usando la solución básica factible
( x v Xv Xv s [f Sv S 3) = (0, 0 ,0 , 10, 20, 5)
la tabla sim plex de este problema e s com o sigue. (Intente verificar estos cálculos y o
el “empate” que ocurre cuando se elige la primera variable de entrada.)
Variables
x\ x2 *3 s\ s2 *3 b Básicas
1 0 1 0 0 10
1 2 -2 0 1 0 20 *2
0 1 (2 ) 0 0 1 5 *3 « -D e salida
-2 1 -2 0 0 0 0
t
De entrada
Variables
*1 *2 *3 s\ s2 si b Básicas
t i" ' i 0 1 0 0 10 5, « -D e salida

1 3 0 0 1 1 25 *2
0 } 1 0 0 1 i *3
-2 2 0 0 0 1 5
t
De entrada
Variables
x\ x2 *3 s \ s2 s3 b Básicas
1 1 0 1 0 0 5
2 2
5 1
0 2 0 2 1 1 20 v2
1
0 2 1 0 0 J l
0 3 0 I 0 I 15
Sección 10.3 M étodo Simplex: M aximización 617
tc rio r im p lic a que la s o lu c ió n ó p tim a es
(•*!» "^3» ^j» ^2*'^3^ ” 2’ ^

valor m áxim o de z e s 15.
Igunas veces, las restricciones cn un problema de programación lineal incluyen una

lón. En estos casos, se sigue sumando una “variable de holgura” denom inada v a
lí* artificial para formar la tabla sim plex inicial. Técnicam ente, esta nueva variable
JN una variable de holgura (porque no hay “parte faltantc” que cubrir). Una vez que se
rminado una solución óptim a cn el problema, es necesario comprobar que cualcs-
ru ecuaciones dadas cn las restricciones originales se cumplan. Este caso se ilustra en
mplo 3.
m p lo 3 E l M étodo S im p le x con T res V ariables d e Decisión

el método sim plex para determinar el valor m áxim o de
[ Z = 3jc, + 2 x2 + -r3 Función objetivo
la u las restricciones
4a, + x 2 + = 30
2.v, + 3x 2 + *3 < 60
x ] + 2 x 2 + 3*3 < 40
X| ;> 0,-r2 > 0 y.* 3 > 0.

Ifc Usando la solución básica factible
t*i* X2* *3’ s r s r *3) = 30 ’ 6 0 ’

nuación se proporciona la tabla sim plex de este problema. (Observe que s , es una
le artificial, en vez de una variable de holgura.)
Variables
*2 *3 *1 s2 * i b Básicas
I I I 0 0 30 », - D e salida
J I 0 I 0 60 *2
„ „ *\
Variables
*1 *1 «1 ’i h » Básica.
fcfj -I i o o V
I»U
V iM k i
«, ■,
«, I, » IK.k..
I •• 1 0 I
II I | - | | 0 II
i'n A ' ' ••
[ A 11 1 0 I41I
I II
L o anterior im plica que la solución óptim a es
(x ,, x2, X y S v Sv s 3) = ( 3 ,1 8 ,0 , 0, 0, 1)
y e l valor m áxim o de z es 4 5 . (Esta solución satisface la ecuación dada en las restf|j

n es, porque 4(3) + 1(18) + 1(0) = 30.)
A plicaciones
► E jem p lo 4 Una A plicación en A d m in istra ció n : G anancia M áxim a

•. Un fabricante produce tres tipos de accesorios de plástico. El tiempo necesario para ni
dear, recortar y empacar se muestra en la tabla 10.1. (Los tiem pos están dados cn Im
por docena de accesorios.)
II»»» T A B L A 10.1
ln> P ro ceso T ipo A T ip o B T ip o C T iem po to,ai 1

disponible \
i M o ld ea r 1 2 l 12,000
R e co rta r 5 \ 1 4,600 I
E m p a ca r i i I 2.400 1
G anancia $11 $16 $15

-------------------------------------------------------------------------- ^
¿Cuántas docenas de cada tipo de accesorio es necesario producir para obtener una
nancia máxima?
Solución: A l hacer que x ,, x 2 y x 3 representen el número de docenas de accesorios ll|l

B y C, respectivam ente, la función objetivo está dada por
Ganancia = P = 1 lx j + 16x2 + 15x3.
A dem ás, usando la información de la tabla, se obtienen las siguientes restricción!
x, + 2x2 + \ x3 < 12,000

5 * ,+ !x 2+ * 3 < 4,600
\ x , + jX 2 + jX 3 < 2,400
(Tam bién se supone que x , ^ 0 , x 2 > 0 y x 3^ 0 . ) Luego, aplicando el m étodo simplolfi

la solución básica factible
(x ,, x2, x 3, s v s v sy ) = (0, 0, 0, 12,000, 4,600, 2,400)
se obtienen las tablas siguientes.

Sección 10.3 M étodo Simplex: Maximización 619
Variables
*1 *2 *3 s \ s2 s3 b Básicas
i e- \ 1 0 0 12,000 í, *- De salida
1 0 1 0 4,600 *2
i §
1 i i 0 0 1 2,400 h
-11 -1 6 - 5 0 0 0 0
t
De entrada
Variables
*1 *7 *3 s¡ h *3 b Básicas
1
i i 1 1 0 0 6,000 *2
1 n i 1
3 0 3 ”3 1 0 600 *2
l
"5 0 1 400 s3 «- De salida
0 ° "i
-3 0 -3 8 0 0 96,000
T
D e entrada
Variables
x \ *2 *3 s\ s2 *3 b Básicas
3
o i 1 i 0 “2 5,400 *2
1 -1 200 s2 * - De salida
0 0 & '
1
i 0 I "2 0 3 1,200 *1
13
0 0 1
0 9 99,600
t
De entrada
Variables
X2 *3 *1 *2 *3 b Básicas
3
1 0 1 "2 0 5,100 x2
0 1 4 -4 800 *3
0 0 0 -3 6 600 *1
0 0 6 3 6 100,200
Ir de esta tabla sim plex final, se observa que la ganancia m áxim a es de 100,200
*, que se obtiene con los siguientes niveles de producción.
po A 6 0 0 docenas de unidades
po I) 5 100 docenas de unidades
poC 8 0 0 docenas de unidades
lición; En el ejem plo 4 , nótese que la segunda tabla sim plex contiene un “em pate”
em ento m ínim o del renglón inferior. (Tanto el primer elem ento com o el tercer
elem ento del renglón inferior son - 3 .) Aunque se elige la primera colum na para rep
sentar la variable de salida, hubiera podido elegirse la tercer columna. Trate de retrabtj
el problema con esta elección para ver que se obtiene la misma solución.
► E jem p lo 5 Una A plica ción en A dm inistración: Elección d e M edios

Las opciones publicitarias de una com pañía incluyen anuncios por televisión, por rml
y en el periódico. En la tabla 10.2 se muestran los costos y las estim aciones de cobcrt
de público.
T A B L A 10.2
Televisión Periódico Radio
Costo por anuncio $ 2,000 $ 600 $ 300

Audiencia por anuncio 100,000 4 0 ,0 0 0 18,OCX)
El periódico local limita a 10 el número de anuncios sem anales de una sola compn
A dem ás, para equilibrar los anuncios entre los tres tipos de m edios de difusión, por (tul;
no deben transmitirse más de la mitad del número total de anuncios y por lo m enos el 10
debe pasar por televisión. El presupuesto semanal para publicidad es d e 18,200 cióla!
¿Cuántos anuncios deben pasar en cada uno de los tipos de m edio de com unicación
m axim izar la audiencia total?
Solución: Para empezar, sean * ,, *2y *3que representan el número de anuncios que ptl
por televisión, periódico y radio, respectivamente. Entonces, la función objetivo (n n
ximizar) es
z = 100,000*, + 40,000*2 + 18,000*3 Función objetivo
d on d e*, ^ 0 ,*2> Oy *3^ 0. A continuación se presentan las restricciones de este probl
2000* , + 600*2 + 300*3 < 18,200

*2 < 10
*3 < 0.5(*, + *2 + * 3)
*, ^ 0. 1( * , + * 2 + * 3)
Una forma más manipulable de este sistem a de restricciones es com o sigue.
2 0 x. + + 3 x , < 182
6x2
r < 10
2
-•* 1 - x 7 + * , £ 0 Restricciones
0
VI
-9.1, +
+
«i
A sí la tabla sim plex inicial es

Sección 10.3 M étodo Simplex: Maximización 621
V a ria b le s
*4 b B á s ic a s
'1 *2 ■*3 s\ *2 J3
6 3 1 0 0 0 182 D e s a lid a
5\
1 0 0 1 0 0 10 s2
0
-1 1 0 0 1 0 0 s3
1 "9 1 1 0 0 0 1 0 S4
- 1 0 0 ,0 0 0 - 4 0 ,0 0 0 - 1 8 ,0 0 0 0 0 0 0 0
t
De enirada
|0, a la tabla sim plex inicial se aplica el m étodo sim plex com o se muestra a conti-
llón.
V a ria b le s
s2 í4 B á s ic a s
3 1 91
7(5 50 20 0 0 0 Tü xl
0 0 1 0 0 10 D e s a l id a
CO
7 23 91
s2
1 0 0
10 "20 50 1 10 S3
819
0 37
10
47
20
9
20 0 0 1 70" S4
ü - 1 0 ,0 0 0 - 3 ,0 0 0 5 ,0 0 0 0 0 0 9 1 0 ,0 0 0
t
D e e n tr a d a
V a ria b le s
X2 x3 S\ *2 *3 *4 b Básicas
3 1 3 61
0 20 20 "T0 0 0 TO *1
1 0 0 1 0 0 10 x2
1 7 161
0 1 0 í 3 « - D e salida
\2p/ 20 10 70"
47 9 37 449
0 20 50 "10 0 1 70' *4
0 -3,000 5,000 10,000 0 0 1,010,000

t
D e e n tr a d a
V a ria b le s
*2 *3 *1 J2 53 *4 b B á s ic a s
1 9 3
1 0 0 23 “ 23 “ 23 0 4
0 1 0 0 1 0 0 10
14 20 0
0 0 1 h 53 23 14
118 47 12
0 0 0 h “ "23 “ 23 1
T 0 0 118,000 272^000 60,000 0 1,052 ,000

“ 23
ine cn esta tabla se observa que la máxima audiencia semanal para un presupueste
publicidad de 18,2(X) dólares es
1,052,000 Mrtximu audiencia semanal
tu'ni iv cuando - 1. \ ¡ I 0 y .\ , - 14. A continuación se resumen los resultado!

lores.
Medio de Número de
Comunicación Costo Audiencia
Anuncios
Televisión 4 $ 8,000 400,000

Periódico 10 $ 6,000 400,000
Radio 14 $ 4,200 252,000
Total 28 $18,200 1,052,000
«
Sección 10.3a . E jercicios
En los ejercicios del 1 al 4, escriba la tabla simplex del problema de programación lineal dmlOi
N o es necesario resolver el problema. (En cada caso debe maximizarse la función objetivo,)
1. Función objetivo: 2 . Función objetivo:
z = *, + 2*2 Z + * , + 3 *2
2*, + x 2 ^ 8 *, + *2 < 4
* , + *2 < 5 1
*,,*2 > 0 *,,*2 ^0
3. Función objetivo: 4 . Función objetivo:
z = 2x, + 3*2 + 4jt3 z = 6* , - 9*2

* , + 2*2 ^ 12 2* , - 3*2 ^ 6
*, + *3 < 8 * , + *2 <20
*,* * 2» * 3 ^ 0 * ,, *2 — 0
En los ejercicios del 5 al 8, explique por qué el problema de programación lineal no oMA
forma estándar según se plantea.
5. (Minimizar) 6. (Maximizar)
Función objetivo: Función objetivo:
Z = *, + * 2 Z = *, + * 2
* , + 2*2 ^ 4 *, + 2*2 ^ 6
xv x2 ^ 0 2xl - x2 < -1
x v x 2 2: 0
7. (Maximizar)
Función objetivo: 8. (Maximizar)
Función objetivo:
z =*,+*2
Z = *, + * 2
Restricciones:
* , + * , + 3*, ^ 5 Restricciones:
2* , - 2*3 > 1 * . + * . 2: 4
ilos ejercicios del 9 al 20, use el método simplex para resolver el problema de programación
ti dado. (En cada caso, la función objetivo debe maximizarse.)
l = x x + 2x 2 z = x x+ x2
* i + 4* 2 - 8 x t + 2x2 ^ 6
yX , + X2 < 12 3-Xg + 2*2 < 12
Xv x 2 > 0 x v x2 ^ 0
l c 5jc, + 2 x 2 + 8 * 3 Z = Xj - x 2+ 2x 3
1 Restricciones: Restricciones:
2*| - 4x2 + x 3 ^ 42 2 xx + 2x2 < 8
2x, + 3x2 - x3 < 4 2 *3 < 5
6X | - x2 + 3x3 ^ 42 x ,f x2>x 3 > 0
x ,, x2. *3 > 0
inción objetivo: 14. Función objetivo:
í i ■ 4x, + 5x 2 z = x x + 2x2
I Restricciones: Restricciones:
Xt + x2 < 10 + 3x 2 < 15
t&»| + 7 x 2 < 4 2 2*j - x 2 < 12
inción objetivo: 16. Función objetivo:
f | ■ 3 * , + 4 x 2 + * 3+ 7x4
z = *\
[Restricciones: Restricciones:
|t l , + 3x2 + 4x3 + x4 < 7 3 xx + 2 x 2 — 6 0
iRr, ♦ 6x 2 + X 3 + 5 x 4 < 3 x x + 2x2 < 28
+ 4x 2 + 5*3+ 2x4< 8 x x + 4x 2 ^ 48
x í t x „ x 3, x 4 > 0 •*1»* 2’ “ ^
íión objetivo: 18. Función objetivo:
z = 2xx+ x2 + 3*3
Iriccioncs: Restricciones:
*1 + x 2 + *3 ^ 59
2xx + 3x 3 ^ 75
x 2 + 6x 3 ^ 54
XV X y X y ^ 0
[>24 C a p ítu lo 1 0 P ro g ra m a c ió n L in e a l
Z= x, + 2x2 - x4 z = x, + 2x2 + x 3 - x4
Restricciones:
x , + 2 x 2 + 3x3 < 24
3x2 + 7x3 + x4 < 42
x I»
lt x.,t ,t x4 > 0
-*2»x 3'
21. Un comerciante planea vender dos modelos de computadoras domésticas a 250 y 4

dólares, respectivamente. El modelo de 250 dólares produce una ganancia de 45 dúlttf
y el modelo de 400 dólares produce una ganancia de 50 dólares. El comerciante oh1'
que la demanda mensual total no excederá de 250 unidades. Determine el mimen i
unidades de cada modelo que debe tener en existencia para maximizar la ganntlOl
Suponga que el comerciante no desea invertir más de 70,000 dólares en inventarla
computadoras. (Véase el ejercicio 21 de la sección 10.2.)
22. Un fruticultor tiene 150 acres de tierra disponibles para sembrar dos clases de fruta, A
B. Se emplea un día para podar un acre de la fruta A y dos días para podar un acre de lu f»
ta B, y se cuenta con 240 días anuales para poda. En 0.3 días se cosecha un acre de la lit||
A y en 0.1 días se cosecha un acre de la fruta B, y al año se cuenta con 30 días para co
Encuentre el número de acres que deben plantarse con cada fruta para maximl/at
ganancia, suponiendo que la ganancia es de 140 dólares por acre de la fruta A y 235 drtlttl»
por acre de la fruta B. (Véase el ejercicio 22 de la sección 10.2.)
23. Una agricultora tiene 50 acres de tierra en los que piensa sembrar tres legumbres.
ducción de un acre de zanahorias cuesta 200dólares y la ganancia es de 60 dólares pt u
La producción de un acre de apio cuesta 80 dólares por acre, y la ganancia es de 20 (MU
por acre. Por último, la producción de un acre de lechuga cuesta 140 dólares y la gülllfc
es de 30 dólares por acre. Use el método simplex para determinar el número de ttCM'il
deben sembrarse con cada legumbre para maximizar la ganancia. Suponga que el
total no puede exceder de 10,000 dólares.
24. Una fábrica de jugos elabora dos bebidas especiales mezclando jugos de man/ana
ña. En la primera bebida se emplea 30% de jugo de manzana y 70% de jugo de pina, mi
tras que cn la segunda bebida se emplea el 60% de jugo de manzana y 40% de Jugo d o
Se dispone de 1,000 litros de jugo de manzana y 1,500 litros de jugo de piña. Si lagittt
de la primera bebida es de 0.60 dólares por litro y la ganancia de la segunda bebida
0 .50 dólares por litro, aplicar el método sim plex para determinar el número dr lll
tic cada bebida es necesario producir para maximizar la ganancia.
25. Un fabricante produce tres modelos de bicicletas. El tiempo (en horas) neeesiu
ensamblar, pintar y empacar cada modelo es como se muestra en la siguiente tnlil
F.l tiempo total disponible para ensamblar, pintar y empacar es 4,006 horas, 2,‘l9fl Ir
y 1,500 horas, respectivamente I .a ganancia por unidad de cada modelo es de 151Mr
A), 50 (M odelo II) y 55 (Modelo C) dólares, ¿Cuántas bicicletas de cada tipo os tu»
producir para obtener una ganancia máxima?
M odelo A M odelo B M o d elo C
E nsam blado 2 2.5 3

P intura 1.5 2 1
E m pacado 1 0.75 1.25
Í S uponga en el ejercicio 25 q ue el tiem p o total disponible para ensam blar, p in tar y em p a

car c s de 4,000 horas, 2,500 horas y 1,500 horas, respectivam ente, y que la ganancia por
unidad es de 48 (M odelo A ), 50 (M odelo B) y 52 (M odelo C) dólares. ¿C uántas bicicletas
de cada tipo c s necesario producir para o btener una ganancia m áxim a?
BI presupuesto m áxim o q ue tiene u na com pañía para p u b lic ita r cierto producto a nivel
mcional e s de 600,000 dólares. C ada m inuto d e tiem po d e televisión cuesta 60,000 d ó la
res y el costo de una página entera en el periódico c s d e 15,000 dólares. S e espera q ue cada
•nuncio p o r televisión sea visto p o r 15 m illones d e telespectadores, y q ue cad a anuncio
en el periódico sea v isto p o r 3 m illones d e lectores. El departam ento de m ercadotecnia de
la com pañía sugiere em plear cu ando m ucho el 90% del presupuesto en anuncios p o r te-
visión. ¿C óm o d e b e asignarse el presupuesto para publicidad d e m odo q ue la audiencia
tal sea m áxim a?
uclva a trabajar en el ejercicio 27, suponiendo que la página de perió d ico cuesta 30,000
lures.
Un in v ersio n ista c u en ta con hasta 2 5 0 ,0 0 0 d ó lare s p a ra in v ertir e n tres tipos d e inver-

rtn. El tipo A p ag a el 8% anual y tiene un factor d e riesgo d e 0. El tipo B paga el 10%
ual y tiene un factor de riesgo de 0.06. El tipo C paga el 14% anual y tiene un factor de
ligo de 0.10. Para tener una cartera bien equilibrada, el inversionista im pone las
lentes condiciones. El facto r m edio d e riesgo no debe se r m ayor q ue 0.05. A dem ás,
jÉOr lo m enos la cuarta parte de la cartera total debe asignarse al tipo A d e inversión y por
jlOmenos la cuarta parte d e la cartera d eb e asignarse al tipo B de inversión. ¿Q ué cantidad
|é*l>c usignarsc a cad a tipo de inversión para obtener un beneficio m áxim o?
11 Inversionista cuenta con hasta 4 5 0 ,0 0 0 dólares para invertir en tres tipos d e inversión.
Upo A paga el 6% anual y tiene un factor d e riesgo d e 0. El tipo B paga el 10% anual
lionc un factor d e riesgo de 0.06. El tipo C paga el 12% anual y tiene un facto r de riesgo
0,08. El factor m edio de riesgo no debe ser m ayor que 0.05. A dem ás, p o r lo m enos la
liul de la cartera debe asignarse a la inversión de tipo A y p o r lo m enos la cuarta parte
I* cartera debe asignarse a la inversión d e tipo B. ¿Q ué cantidad debe asignarse a cada
de Inversión para obtener una ganancia m áxim a?
i empresa do contabilidad tiene 900 horas de tiempo de personal y 100 horas de tiem -
We revisión disponible* coda semana. La em presa cobra 2 ,0 0 0 d ólares p o r u na auditoría
¡MK) dólares por una devolución de impuestos. Para efectuar cada auditoría se requieren
L
100 horas de tiempo de personal y 10 horas de tiempo de revisión, y para cada dcvol
ción de impuestos se requieren 12.5 horas de tiempo de personal y 2.5 de tiempo \\$
revisión. ¿Con qué cantidad de auditorías y devoluciones de impuestos se obtiene
ingreso máximo?
H 32. La empresa de contabilidad del ejercicio 31 eleva a 2,500 dólares su tarifa por una and
toría. ¿Con qué cantidad de auditorías y devoluciones de impuestos se obtiene un ing
máximo?
En el método simplex, puede suceder que al elegir la variable de salida todas las razones cul
culadas sean negativas. Lo anterior indica una solución no acotada. Demuestre este hecho 9| |
los ejercicios 33 y 34.
33. (Maximizar) 34. (Maximizar)

Z = * , + 2*2 Z = * , + 3 *2
* , - 3x 2 ^ 1 - * , + x 2 ^ 20
- * , + 2*2 ^ 4 - 2 * , + jr 2 < 5 0
* „ * ., > 0 x v x2 > 0
Si el método simplex termina y una o más variables no de la base fin a l tiene elementos Ig
les a cero en el renglón inferior, entonces al integrar estas variables a la base se dcterml
otras soluciones óptimas. Demuestre este hecho en los ejercicios 35 y 36.

z = 2.5*| + *2 Z = xi + {x 2
3*, + 5*2 ^ 15 x2 £ 20
2* ,+
5*, + 2*2 ^ 10 *, + 3*2 — 35
*,,*2 0 *,* *2 ” 0
0 37. U se una computadora para maximizar la función objetivo
z = 2*, + 7*2 + 6*3 + 4 *4

sujeta a las restricciones
*1 + *2+ 0.83*3 + 0.5*4^ 65

1.2*, + *2+ *3+ 1.2*4< 96
0.5*, + 0.7*2 + 1.2*3 + 0.4*4 80
en donde *,, *2, *3, *4 ^ 0.

H 38. U se una computadora para maximizar la función objetivo
z= 1.2*, + *2 + *3 + *4
sujeta al mismo conjunto de restricciones dado cn el ejercicio 37.
Sección 10.4 E l M étodo Simplex: Minimización 627
▲ El Método Simplex: Minimización

In sección 10.3 el método sim plex se aplicó solam ente a problemas de programación
cn forma estándar cn los que debía m axim izarse la función objetivo. En esta sección
tiende este procedimiento a problemas de programación lineal en los que deba m i-
irse la función objetivo,
n problema de minimización está cn fo rm a e s tá n d a r si la función objetivo w = c,* , +
• • + cnx n debe mimizarse sujeta a las siguientes restricciones
a HX\ + a i2X2 + - - - + a \«Xn ~ h l
i a l l X \ + a 22*2 + • ■ • + a 2rtXn a b2
« m i* . + V 2 + ‘ • + 0mnXn ~ bm
¿r, fe 0 y fe 0. El procedimiento básico aplicado para resolver el problema es

irlo a un p ro b lem a d e m axim izjación en forma estándar y luego aplicar el m étodo
x analizado en la sección 10.3. i
ol ejem plo 6 de la sección 10.2 se aplicaron m étodos geom étricos para resolver el
te problema de minimización.
lem a d e m in im iza ció n: Encuentre el valor m ínim o de
^ * 0 .1 2 * , + 0 .1 5 * 2 Función objetivo
tt las siguientes restricciones
60*, + 60*2 > 300

12*, + 6*2 ^ 36 Restricciones
ICXr, +- 30*2 — 90
*, fe 0 y *2 fe 0. El primer paso para convertir este problema en un problema de

Kiición es formar la matriz aumentada de este sistema de desigualdades. A esta ma
u la d a se agrega un últim o renglón que representa los coeficien tes de la función
00, com o se muestra en seguida.
60 60 i 300
12 6 i 36
10 30 ¡ 90
12 0.15 1 0
L u e g o , se form a la tra n s p u e s ta de esta m a triz inte rcam b ian d o sus renglones y colum
60 12 10 : 0.12
60 6 30 : 0.15
300 36 90 : 0
Observe que los renglones de esta matriz son las colum nas de la primera matriz V
ceversa. Por último, la nueva matriz se interpreta com o un problema de maxinil
com o se muestra a continuación. (Para hacer esto, se introducen las nuevas varidhlM
y 2 y y y ) Este problema de m axim ización correspondiente se denom ina dual del pm
ma de m inim ización original.
P roblem a d e m axim ización dual: Determine el valor m áxim o de
Z = 300y, + 36y2 + 90 v3 Función objetivo dual
60y, + 12y 2 + 10y 3 < 0.!2 |

Restricciones duales
60y, + 6y2 + 30y3 ^ 0 .15 j
donde y , > 0, y 2 > 0 y y 3 ^ 0.

C om o se obtiene, la solución del problema de m inim ización original puede d«'l
narsc aplicando el m étodo sim plex para resolver el nuevo problema dual com o se mu
enseguida.
Variables
y\ yi ^3 *1 *2 b Básicas
(60, 12 10 1 0 0 .1 2 5, «- De salida
60 6 30 0 1 0.15 *2
-30 0 -36 -9 0 0 0 0
t
D e entrada
Variables
>'l >2 >>3 *1 s2 b Básicas
i i _L
0 500 y\
0 -6 '20 , -1 1 -100
i.
s2 De salida
0 -24 -4 0 5 0 }
5
t
De entrada
V a ria b le s
>3 s\ S2 b Básicas
0 40 -L 1
1 i 120 4000 *
0 'i 1 -X
20
1
20 2000 >3
0 12 0 3 2
t 1
*1 *2
S e c c ió n 10.4 E l M éto d o S im p lex: M in im iza c ió n 629
lu solución del problema de m axim ización dual es z = = 0.66. Este es cl m ism o

obtenido en el problema de m axim ización dado cn cl ejem plo 6 de la sección 10.2.
alores* correspondientes a esta solución óptima se obtienen de los elem entos cn cl
IÓn inferior correspondiente a las columnas de la variable de holgura. En otras pala-
, la solución óptima ocurre cuando x { = 3 y *2 = 2.
hecho de que un problema de m axim ización dual tenga la misma solución que su
orna de m inim ización original se plantea formalmente en un resultado denominado
ipio de D u alid ad d e von N eu m an n , en honor del matemático estadounidense John
Neumann (1 9 0 3 -1 9 5 7 ).
m a 102 Principio d e D ualidad d e von N eum ann

valor objetivo w d e un problema de m inim ización en forma estándar tiene un va-
m ínim o s í y só lo si e l valor o b jetiv o s del problema d e m axim ización dual tiene
valor m áxim o. A dem ás, e l valor m ínim o de w es igual al valor m áxim o de z.
ción d e un Problem a de M inimización

tinuación se resumen los pasos seguidos para resolver un problema de m inim ización.
lición d e u n Problem a d e M inimización

lem a de m inim ización está en forma estándar si la función objetivo w = c lx l
ur2 + - “ * c nx n debe m inimizarse sujeta a las restricciones
+ a i2*2 + ' ' ' + a l A S bl
+ « 22*2 + • • • + « 2A Zb2
* . i;:’: ' - '
k l * l + ° « 2X2 + - +a^ - ^
x, a 0 y b¡ a 0 . Para resolver este problema se aplican lo s pasos siguientes.
rmc la m a tr iz a u m en tad a del sistem a de desigualdades dado, y agregue un

glón inferior que consta de los coeficientes de la función objetivo.
2 Forme la tra n sp u esta d e esta matriz.
I I «21 amt i |M I S
°m Z ¡J ¡
«12 °22 C2
iip i
■♦i
°X n a 2n B a” > H
a a i « .
I f i
i 0
fl
3 . Form e el p ro b lem a d e m axim ización d u a l Correspondiente a esta matriz tran
puesta. Es decir, determine e l m áxim o d e la función objetivo definida por z * b {
+ b ^/2 + • • • + bmym sujeta a las siguientes restricciones
« ^ ¡ + a 2 i y i + - + a m iym & C l
‘W i + •*• • • • + < W ’« Sc2
♦••••*•««■ *■ S c «
d o n d ey , as 0, y 2 a 0. . . . ,y y m £ 0. 'í
Aplique e l m é t o d o sim p lex al problema de m axim ización dual. El valor m á x i l
d e z e s el valor m ínim o de h \ Adem ás, lo s valores de x ,. x 2 y xn ocurren
el renglón final de la tabla sim plex final, en las colum nas correspondiente!
variables d e holgura.
1
En los ejem plos 1, 2 y 3 se ilustran los pasos seguidos para resolver un prohlctlNj
m inim ización.
► E jem p lo 1 R esolución d e un P roblem a d e M inim ización

Encuentre el valor mínimo de
vv = 3 x { + 2x2 Función objetivo
2* , + *2 > 6 |
Restricciones
x x + x2 > 4 j
donde x x ^ 0 y x 2 ^ 0.
Solución: La matriz aumentada correspondiente a este problema de minimización
6
4
0
Sección 10.4 E l M étodo Simplex: M inimización (
la matriz correspondiente al problema de m axim ización dual está definida po:

lente transpuesta.
jmterior im plica que el problema de m axim ización dual es com o sigue.

M e m a d e m a xim iza ció n d u a l: Determ ine el valor m áxim o de
Z = 6 y { + 4y2 Función objetivo dual
lu a las restricciones
2)\+ y2 < 3 I
2y + y ^ 2 j Restricciones duales
|e y { ^ 0 y y 2 ^ 0. Ahora se aplica el método sim plex al problema dual com o se mu

¡I continuación.
Variables
Básicas
[(2) 1 1 0 3 s| <- D e salida

í 1 0 1 2 s2
-6 -4 0 0 0
r
De entrada
Variables
y, y2 *1 *2 t> Básicas
D e salida
De entrada
Variables
Básicas
Con base en esta tabla sim plex final se observa que el valor m áxim o de z es 10
consiguiente, la solución del problema de minimización original es
w = 10 Valor mínimo
y esto ocurre cuando
x¡= 2 y x 2 = 2.
Los problemas de programación lineal de minimización y m axim ización del ejoi
1 pueden resolverse con un método gráfico, com o se indica en la figura 10.20. Olí'
en la figura 10.20 a) que el valor máximo de z = 6 y , + 4y 2 es el m ism o que el valor mí
de w = 3x, + 2 xv com o se observa en la figura 10.20 b).
FIGURA 10.20
a) b)
y2 *2
yi
► E jem p lo 2 R esolución d e un P roblem a d e M inim ización

Encuentre el valor m ínim o de
>v = 7 * , + 2 x 2 + 6x j Función objetivo
2 xx + 2x 2 - *3> 3
x l + 3x 2 + 5*3 > 1 Restricciones
5*, + x 2 + 2*3^ 2
donde x { > 0, x 2 > 0 y *3 > 0.

Solución: La matriz aumentada correspondiente a este problema de minimización
2 2 -1 : 3
1 3 5 : 1
5 1 2 • 2
■ ••• • #•
7 2 6 1 0
Sección 10A El M étodo Simplex: Minimización 633
la matriz correspondiente al problema de m axim ización dual está dada por la si-
ntc transpuesta.
2 1 5 : 7 '
2 3 1 : 2
-1 5 2 : 6
3 1 2 : 0
•
Cual implica que el problema de m axim ización dual es com o sigue.

blema d e m axim ización d u a l: Encuentre el valor m áxim o de
l = 3y x + y 2 + 2y3 Función objetivo dual
a las restricciones
2y ,+ y 2 + 5y3+ S 7
2 y , + 3 y 2 + y3 + = £ 2 R e s tric c ió n d u a l
-y¡ + 5>2 + 2y3 + < 6
te y > 0 , y 2 3: O y y 3 & 0 . Ahora, sc aplica el método sim plex al problema dual com o
cstra a continuación.
Variables
>1 >2 >3 f2 ^3 Básicas
2 1 5 1 0 0 7 *1
f2> 3 1 0 1 0 2 De salida
-1 5 2 0 0 1 6
-3 -1 -2 0 0 0 0
t
I)c entrada
Variables
* >2 ?3 *1 *2 *3 b Básicas
0 -2 {$» 1 -1 0 5
"1 «- De salida
3 1 1 0
1 2 2 0 2 1 >‘l
0 0 1 7
S
5 2 1
7 l 3
0 2 “2 0 2 0 3
t
De entrada
Variables
y2 >3 *1 *2 *3 Básicas
0 -i 1 i -i 0 >>3
7 0 0
1 4 -1 1 i
0 íf 0 -i 1 1 ¥
0 V 0 1 V 0 V
t 1 t
Ii i . ti
A partir de esta tabla sim plex final se observa que el valor m áxim o de z es y . Por
siguiente, la solución del problema de m inim ización original es
vv = — V alor mínimo
8
► E jem plo 3 R esolución d e un P roblem a d e M inim ización

Encuentre el valor m ínim o de (
vv = 2x, + 10*2 + 8*3 Función objetivo
x, + *2+ *3 — 6 Restricciones
*2 + 2 x 3 > 8
-* i + 2*2 + 2*3 — 4
donde * , > 0, *2 ^ 0 y *3 ^ 0.
Solución: La matriz aumentada correspondiente a este problema de
1 1 1 6‘
0 1 2 8
-1 2 2 4
2 10 8 0
A sí, la matriz correspondiente al problema de maxim ización dual está dada por lu
guíente transpuesta.
1 0 -1 : 2
1 1 2 : 10
1 2 2 i 8
•
6 8 4 : 0
L o anterior im plica que el problema de m axim ización dual es com o sigue.

P roblem a d e m axim iza ció n dual: Encuentre el valor m áxim o de
z = 6 y , + 8y2 + 4 y 3 F u n c ió n o b je t iv o d u a l
Sección 10.4 El Método Simplex: Minimización 635
tu a las restricciones
y, - ^ 2
?■ + y 2 + 23,3 - 10 Restricciones dual
y \ + 2y 2 + 2y3< 8
de y { > 0 , y 2 ^ 0 y y 3 ^ 0. Ahora, se aplica el método sim plex al problema dual com o

ucstra a continuación.
Variables
y i ' >2 *1 s2 s3 b Básicas
1 0 -1 1 0 0 2 5i
1 1 2 0 1 0 10 *2
1 ( 2) 2 0 0 1 8 s3 « - D e salida
0 0 0 0
vO
oo
T
1
t
D e entrada
Variables
y \ y z y* s\ *2 í 3 b Básicas
T i) o -i 1 0 0 2 s ! *— D e salida
\ 0 1 0 1 1
2 6 *2
1
i 1 i 0 0 2 4 y z
-2 0 4 0 0 4 32
T
D e entrada
Variables
y i y z y ^ s ¡ *2 *3 b Básicas
1 0 -1 1 0 0 2 ?1
4
O
O
1
"2 1 5 s2
0 1 3 1
2 0 i 3 y z
0 0 2 2 0 4 36
t t t
*1 *2 *3
ftlr de esta tabla sim plex final se observa que el valor m áxim o d e z es 36. Por con
tante, la solución del problema de m inim ización original es
* •3 6 Valor mínimo
) ocurre cuando
A plicaciones
► Ejemplo 4 Una Aplicación en Administración: Costo Mínimo

Una pequeña com pañía petrolífera posee dos refinerías. Los costos diarios de operne
de la refinería 1 son de 2 0 ,0 0 0 dólares, y diariamente puede producir 400 barriles do |'
tróleo de alto grado, 300 barriles de petróleo de grado medio y 200 barriles de p e tró leo B
bajo grado.
La refinería 2 es m ás recien te y m oderna. Sus co sto s de operación diario* n
cien den a 2 5 ,0 0 0 dólares y p u ed e producir diariam ente 3 0 0 barriles de petróleo i)f
a lto grado, 4 0 0 barriles de p etróleo de grado m ed io y 5 0 0 barriles de petróleo de Imi
grado.
La com pañía tien e p ed id o s por un total de 2 5 ,0 0 0 barriles de p etróleo de alto y
do, 2 7 ,0 0 0 barriles de petróleo de grado m ed io y 3 0 ,0 0 0 barriles de petróleo de h
grado. ¿Cuántos días debe trabajar cada refinería para minimizar sus costos aunqti
finando aún suficiente petróleo para satisfacer sus pedidos?
Solución: Para empezar, sean * , y *2 el número de días que operan las dos rcf¡nor(n|
Entonces, el costo total está dado por
C = 20 000*, + 2 5 000*2. Función objetivo
Las restricciones están definidas com o
(A lto grado) 400*, + 300*, > 25,000

(Grado m edio) 300*, + 400*2 ^ 27,000 Restricciones
(Bajo grado) 200*, + 500*2 > 30,000
donde * , ^ 0 y *2 ^ 0. La matriz aumentada correspondiente a este problema de mi

m ización cs
400 300 25,000

300 400 27,000
200 500 30,000
20,000 25,000 0
La matriz correspondiente al problema de m axim ización dual es
400 300 200 i 20,000

300 400 500 • 25,000
•
25,000 27,000 30,000 : 0
Ahora se aplica el m étodo sim plex al problema dual com o se muestra a continuiu I
S e c ció n 10.4 E l M é to d o S im p le x : M in im iza ció n
Variables
Básicas
400 300 200 1 0 20,000 5l
300 400 '5 0 0 ; 0 1 25,000 ^2 De salida
-2 5 ,0 0 0 -2 7 ,0 0 0 -3 0 ,0 0 0 0 0 0
t
D e entrada
Variables
y1 ?2 >3 *l *2 b Básicas
'2|(£> 140 0 1 -2 10,000 s{ D e salida
l 1 1 0 5¿0 50 *3
-7 ,0 0 0 -3 ,0 0 0 0 0 60 1,500,000
t
De entrada
Variables
Básicas
50 1,750,000
t
m base a la tercera tabla sim plex se observa que la solución del problema de mini-
ílón original es
C * 1.750,000 dólares Costo mínimo
Ocurre cuando x x = 2 5 y x 2 = 50. Por tanto, el número de días que debe operar cada
iría es
Refinería 1: 25 días
Icfincría 2: 50 días
ive que cuando las refinerías operan los días m encionados, entonces la compañía
P0 las siguientes cantidades de petróleo.
Petróleo de alto grado: 25(400) + 50(300) = 25,000 barriles

llrólco de grado medio: 25(300) + 50(400) = 27,500 barriles
Petróleo de bajo grado: 25(200) + 50(500) = 30,000 barriles
llo .se ha cum plido el nivel do producción original (con un excedente de 500 barriles
Hco de grado m edio), 4
w = 2*, + *2 w = 2 *, + 2x 2
5*, + x 2 — 9 3.V, + x 2 ^ 6
2 xl + 2x2 > 10 —4 j T j + 2 x 2 ^ 2
x v x2 > 0 * ,,* 2 ^ 0
w = 8* , + 4jc2 + 6*3 w = 8* , + 16*2 + 18jc3
3*, + 2x 2 + 2*, + 2*2 - 2*3 ^ 4
4*, + *2 + 3*3 ^ 7 -4 * , + 3*2 - *3> 1
2* , + *2 + 4*3 > 8 * , - *2 + 3*3 ^ 8
x v x v *3 — 0 *1**2’ *3 “ 0
w = 6* , + 2*2 + 3*3 w = 42*, + 5*2 + 17*3
3*, + 2*2 + *3 > 28 3*,-* 2 + 7* 3^ 5
6*. + *3 > 24 —3*, —*2 + 3*3 — 8
3*, + *2 + 2*3 ^ 40 6*, +*2+ * 3^16
■^1**2' *3 “ ^
B En los ejercicios 21 a 24 se usan dos bebidas dietéticas que proporcionan proteínas y Uff
hidratos. La bebida 1 da una unidad proteínica y tres unidades de carbohidratos por cada litio,
bebida 2 da dos unidades proteínicas y dos unidades de carbohidratos por cada litro. I In a'
necesita tres unidades proteínicas y cinco unidades de carbohidratos. Determinar la cantil!
cada bebida que debe consumirel atleta de tal manera que obtenga los requerimientos dietíl
mínimos, pero que su costo sea el más bajo.
21. La bebida1cuesta 2 dólares/litro y la bebida 2 cuesta 3 dólares/litro.
23. La bebida1cuesta 1 dólares/litro y la bebida 2 cuesta3 dólares/litro.
B En los ejercicios del 25 al 28, una atleta consume dos bebidas dietéticas que le sumllllKlfftifl
elementos nutricionales listados en la siguiente tabla.
Bebida Proteínas Carbohidratos Vitamina D
1 4 2 1
II 1 5 1
entre la combinación de bebidas de costo mínimo que cumple los requerimientos mínimos
,4 unidades de proteínas, 10 unidades de carbohidratos y 3 unidades de vitamina D.
, La bebida Icuesta 5 dólares por litro y la bebida II cuesta 8dólares por litro.
La bebida I cuesta 7 dólares por litro y la bebida II cuesta 4 dólares por litro.
, La bebida I cuesta 1 dólar por litro y la bebida II cuesta 5 dólares por litro.
La bebida I cuesta 8 dólares por litro y la bebida II cuesta 1 dólar por litro.
, Una empresa tiene tres plantas de producción, cada una de las cuales produce tres modelos
' diferentes de un artículo específico. A continuación se muestran las capacidades diarias
( (cn miles de unidades) de las tres plantas.
M odelo 1 M odelo 2 M odelo 3
Planta I 8 4 8
Planta 2 6 6 3
Planta 3 12 4 8
La demanda total del modelo 1 es de 300,000 unidades, la del modelo 2 es de 172,000

I unidades y la del modelo 3 es de 249,500. Además, el costo diario de operación de la plan
ta 1 es de 55,000 dólares, el de la planta 2 es de 60,000 dólares y el de la planta 3 es de
60. 000 dólares. ¿Cuántos días debe operar cada planta para satisfacer la demanda total y
i mantener mínimo el costo de producción?
compañía del ejercicio 29 ha disminuido el costo diario de operación de la planta 3 a

0,000 dólares. ¿Cuántos días debe operar cada planta para satisfacer la demanda total y
untcncr mínimo el costo de operación?
tJna pequeña compañía petrolífera posee dos refinerías. El costo diario de operación de
(Arefinería 1 es de 25,000 dólares y puede producir diariamente 300 barriles de petróleo
' do alto grado, 200 barriles de petróleo de grado medio y 150 barriles de petróleo de bajo
|rado. La refinería 2 es más reciente y moderna. El costo diario de operación de esta re
finería es de 30,000 dólares y puede producir diariamente 300 barriles de petróleo de alto
|rudo, 250 barriles de petróleo de grado medio y 400 barriles de petróleo de bajo grado.
1.11 compañía tiene pedidos totales por 35,000 barriles de petróleo de alto grado, 30,000
barriles de petróleo de grado medio y 40,000 barriles de petróleo de bajo grado. ¿Cuántos
(Mus debe operar cada refinería para minimizar sus costos y satisfacer los pedidos?
Uiiii siderúrgica cuenta con dos fábricas. El costo diario de operación de la fábrica 1 es de
♦70,(MX) dólares y puede producir diariamente 400 toneladas de acero de alto grado, 500
■eludas de acero de grado medio y 450 toneladas de acero de bajo grado. El costo diario
ftf# operación de )u fábrica 2 es de 60,000 dólares y puede producir diariamente 350 to-
[ IMladas de acero de alto grado, 600 toneladas de acero de grado medio y 400 toneladas de
[ Oceio de bajo grado. I o h pedidos totales de la compañía son 100,000 toneladas de ace
to de alto grado, 150,000 toneladas de acero de grado medio y 124,500 toneladas de
644 C a p ítu lo 10 P ro g ra m a c ió n L ineal
Variables
*1 x 2 *3 *1 52 *3 b Básicas
-1 0 0 1 1 Cf) 4 D e salida
2 1 0 0 -1 0 36 X2
1 0 1 0 0 -1 10
3 0 0 0 -1 -2 56
t
D e entrada
En este punto, finalmente se ha obtenido una solución factible
(*,, x v x v s v s r s3) = (0, 36, 10, 4, 0, 0). ^
A partir de este m om ento se aplica el m étodo sim plex com o de costumbre. O tw

aquí la variable de entrada es s 3 porque su columna contiene el elem ento más ncgul
el renglón inferior. D espués de pivotear una vez más sc obtiene la siguiente tabla
final.
Variables
*1 *2 x 2 s \ *2 *3 b Básicas
-1 0 0 1 1 1 4 *3
2 1 0 0 -1 0 36 x2
0 0 1 1 1 0 14
1 0 0 2 1 0 64
Observe que esta tabla e s final porque representa una solución factible y en 0l
inferior no hay elem entos negativos. Por tanto, se concluye que el valor nUUlHMI
función objetivo es
z = 64 V alor máximo

= 0 , x 2 = 36 y x 3 = 14.
► E jem p lo i Un P iv b lc m a d e M axim iza ción con R e stricc io n e s IIII \ tas

Encuentre el valor m áxim o de
z = 3x, + Z x 2 + 4x 3 Punción objetivo

Sección ¡0.5 El M étodo Sim plex: Restricciones Mixtas 645
lu a las restricciones
3x, + 2x2 + 5x 3 ^ 18
4 *, + 2x 2 + 3 *3 ^ 16 R e s tric c io n e s
2xx + x 2 + *3 > 4
fc x¡ > 0, *2 ^ 0 y *3 > 0.
n: Para empezar, se agrega una variable de holgura a cada una de las dos primeras
ldadcs y se resta una variable de exceso de la tercera desigualdad para obtener la
ntc tabla sim plex inicial.
Variables
X| X2 x 3 .?j $2 ^3 b Básicas
3 2 15 0 0 18
4 2 03 1 0 16
2 'vi' 1 0 0 -1 4 De salida
-3 -2 -4 0 0 0 0
t
De entrada
mo está, la tabla anterior no representa una solución factible (porque el valor de s 3

livo). Por tanto, se quiere que s 3 sea la variable de salida. N o se cuenta con in
fles reales sobre cuál variable debe entrar en la solución, aunque por ensayo y error
C descubrir que al usar a x 2 com o la variable de entrada se obtiene la siguiente tabla
resenta una solución factible).
Variables
1 X2 Básicas
-1 0 1 0 2 10 s\ " D e salida
o o 0 1 2 8 s2
2 I 0 0 -1 4 x2
1 0 -2 0 0 -2 8
debido a que esta tabla sim plex representa una solución factible, se procede com o
mbre, eligiendo com o la variable de entrada al elem ento más negativo en el ren-
ferior. (En este caso existe un em pate, de modo que arbitrariamente se elige x 3 com o
ble de entrada.)
Variables
*1 x2 *3 yl s2 Básicas
•I 0 Í3.» I 0 2 10 *1 * De salida
0 0 1 0 1 2 8
2 1 1 0 0 - 1 4
I *0 -2 0 0 2 K
t
De cnlrmlti
646 C a p ítu lo ¡O P ro g ra m a c ió n L in e a l
V ariab les
*1 *2 *3 s\ s2 s3 b B á sic a s
- 31 ñ0 11 31 (\0 32 - 310 *3
3 0 0 - ' l ( !) w s2 D e salida
2 1 0 -1 0 -l \ x2
I o n
3 3
2 n0 23 434
t
D e entrada
V a ria b le s
x \ x2 x3 s\ s2 s3 b B á s ic a s
4 0 1 2 4 0 1 x3
i4 0 u0
u 4 24 11 12
s3
U
4
,
1
0U _3
4
5
4
0U 13
2 x2
5 0 0 \ i 0 17
Entonces, el valor m áxim o de la función objetivo es
z = 17
que ocurre cuando

13
x¡ - 0, x2 - 2 y *3=1.
R estricciones M ixtas y M inimización

En la sección 10.4 se analizó la solución de problemas de m inim ización c i\J ó m
dar. Los problemas de m inim ización que no están en forma estándar son míU tllíl
resolver. Una técnica que se puede usar es cambiar un problema de minimUM
restricciones mixtas a un problema de m axim ización con restricciones mixliiN, llt
cando p o r-1 cada coeficiente de la función objetivo. Esta técnica se ilustra cn rl
ejemplo.
► E jem plo 2 Un P ro b lem a d e M inim ización con R estriccio n es M ixtas

Encuentre el valor m ínim o de
w = 4*, + 2x 2 + *3 Función objetivo

0
2xl + 3*2 + 4*3 < 14
3*j + *2 + 5*3 ^ 4 Restricciones
* , + 4*2 + 3*32: 6
donde * , ^ 0 , * 2 ü 0 y * 3 0.
Sección 10.5 E l M étodo Sim plex: Restricciones M ixtas 647
lón: Primero, se vuelve a escribir la función objetivo multiplicando por -1 cada uno
lus coeficientes, com o se muestra a continuación.
Z = - 4 x { - 2 *2- *3 Función objetivo revisada
imizar esta función objetivo revisada es equivalente a minimizar la función objetivo

inal. L uego, se agrega una variable de holgura a la primera desigualdad y se restan
•obles de ex ceso de las desigualdades segunda y tercera para obtener la siguiente tabla
plex inicial.
Variables
*1 *2 *3 b Básicas
*1 x 2 *3
2 3 4 1 0 0 14
1
3 Ó ) 5 0 -1 0 4 D e salida
1 4 3 0 0 -1 6
4 2 1 0 0 0 0
D e entrada
rvc que el renglón inferior contiene los negativos de los coeficien tes de la función
Ivo revisada. Otra forma de considerar lo anterior es que para problemas de mini-
lón (en forma no estándar), el renglón inferior de la tabla sim plex inicial consta de
ficientes de la función objetivo original.
com o con los problemas de maxim ización con restricciones mixtas, esta tabla sim-
Icial n o representa una solución factible. Por ensayo y error se descubre que es
c elegir *2 com o la variable de entrada y s2 com o la variable de salida. D espués de
ur, se obtiene la tabla siguiente.
Variables
l x2 *3 Básicas
-7 0 -1 1 1 3 0 2 sl
r
3 1 5 0 - 1 0 4
-II
2 00 -17
9 00 4 -01 - 1- 80
NOcn esta tabla, se puede ver que la elección de x 2 com o variable de entrada fue
tt, Todo lo que se requiere para transformar esta tabla en una que represente una
factible es multiplicar por -1 el tercer renglón, com o se muestra a continuación.
Variables
i Básicas
-7 0 -11 1 3 2 *1
I] 1 5 0 -I 4
K 0 ([!) 0 -4 10 De salida
¡T o -9* 0 2 0
t
q u e se h a o b te n id o u n a ta b la sim p le x q u e re p re se n ta u n a so lu ció n
c o n la s o p e ra c io n e s d e p iv o te o n o rm a le s d e la m a n e ra sig u ien te.
Variables
*i X2 *3 *1 *2 s3 b Básicas
2 7 11 144
17 0 0 1 17 17 17
4 5 18 x2 * - De salida
17 1 0 0 17 17
11 4 1 10
17 0 1 0 17 17 17 *3
65 0 0 0 2 9 46
17 "17 17 17
T
De entr ada
Variables
X\ X2 *3 *1 *2 *3 b Básicas
2 7
3 3 0 1 0 3 6 *1
4 17 0 0 6
"3 3 > -i s2
1 4
3 3 1 0 o -\ 2 *3
11 2 0 0
3 3 0 3 -2
Por último, se concluye que el valor m áxim o de la función objetivo revisada es i

por tanto, el valor mínimo de la función objetivo original es
vv = 2
(el negativo del elem ento que se encuentra en la esquina inferior derecha) y ocurre
x ] = 0, *2 = 0 y *3 = 2.
A plicaciones
► Ejemplo 3 Una Aplicación cn Administración: Costo Mínimo de Embanpw

Una com pañía de autom óviles posee dos fábricas. Una fábrica tiene 4 0 0 automóv
cierto m odelo) en existencia y la otra fábrica tiene en existencia 300 automóviles*
m ism o m odelo). D os clientes ordenan este m odelo de autom óvil. El primer cliente
sita 200 autom óviles y el segundo cliente necesita 300 autom óviles. En la tabla
muestra el costo de embarque de los autom óviles a los dos clientes.
T A B L A 10.3
C liente 1 C liente 2
F ábrica 1 $30 $25

F ábrica 2 $36 $30
Sección 10.5 E l M étodo Simplex: Restricciones Mixtas 649
qué manera la com pañía debe embarcar los autom óviles para m inim izar el costo de
ue?
UCiÓn: Para empezar, sean a , y x 2 el número de autom óviles enviados de la fábrica 1 a

clientes primero y segundo, respectivamente. (V éase la figura 10.21). El costo total de
barque está dado entonces por
C = 30a:, + 25a2 + 3 6 (2 0 0 - a ,) + 3 0 (300 - x 2) = 16,200 - 6 a :, - 5a2.
FIGURA 10.21
ntinuación se presentan las restricciones del problema de m inim ización.
a ,+ a 2 < 400
(200 - x ,) + (3 0 0 - x 2) £ 300 £■£> a, + x 2 ^ 200
a:, <200
x 2 < 300
¡problema de maximización correspondiente es maximizar la función objetivo z = 6 a ,
L - 16,200. Por tanto, la tabla sim plex inicial es la siguiente.

Variables
*1 *2 si í2 J3 J4 b Básicas
1 1 1 0 0 0 400 *1
1 1 0 -1 0 0 200 D e salida
1 0 0 0 1 0 200
0 1 0 0 0 1 300
-6 -5 0 0 0 0 -1 6 ,2 0 0
•De entrada
rvc que el valor i acliuil cn -Ifi.iOO porque la solución inicial es
(*.. .rJ( Mé) - (0 ,0 ,4 0 0 . -200, 200, 300).

652 Capítulo ¡O Programación Lineal

vv = * , + *2 vv = x l + 2*2 + 2*3
—4a:, + 3x 2 + *3 ^ 40 *,+*2 50
- 2a, + *2 +*3 > 10 2* , + *2 + 70
x 2 + *3 — 20 *2+ 3*3 ^ 40
X V X 2 ' X3 ~ 0 *p * 2»*3 — 0
De entrada * „ de salida s,. De entrada *„ de salida s..
H En los ejercicios de! 13 al 20, use el método simplex para resolver el problema dad

vv = 2* , + 5*2 vv - - * j + 3*2
* , + 2*2 ^ 4 2*, + * 2 ^ 4
* ,+ *j + 5*2 ^ 5
*,,*2 >0 x v x2 > 0

vv = 2* , + *2 + 3*3 vv = 3*, + 5*2 + 2*3
*, + 4*2 + 2*3 < 8 5 9*, + 4*2 + *3 < 70
2 - 5*3 > 2 0 5*, + 2*2 + *3 ^ 40
3 *, + 2*2 + 1 1*3 49 4*, + *2 ^ 16
*p * 2**3 — 0 -^2»*3 “ ^
17. (Minimizar) 18. (Minimizar)

w = *j + *2 vv = 2* , + 3*2
*, + 2*2 ^ 25 3*, + 2*2 ^ 22
2*, + 5*2 — 60 * ,+ * 2 — 10
*„* > 0
19. (Minimizar) 20. (Minimizar) •¡VI

vv = - 2* , + 4*2 - *3 w = *, + *2 + *3
3*, - 6*2 + 4*3 < 30 a:, + 2x, + .tj a: 30
2* , - 8*2 + lo * , - 18 6*2+ x i S 54
*, , *2» *3 ^ 0 * . + x 2 + 3-Tj Ss 20
I» ■fj' 0
los ejercicios del 21 al 24, maximice la función objetivo dada sujeta a las siguientes
’cciones.
x, + x 2 ^ 5
- x , + x2 ^ 3
x2 - 1
x v x2 > 0
I. vv = 2x , + x 2 22. w = x, + 2x 2
vv = X- 24. w = - x , - x 2
los ejercicios del 25 al 28, maximice la función objetivo dada sujeta a las siguientes
'cciones.
3x, + 2x 2 ^ 6
* 1- *2 - 2
-Xj + 2x 2 ^ 6
x, —4
X j,x 2 > 0
vv = x, + x 2 26. vv = x, - 2x2
vv = - 4 x , + x 2 28. vv = 4x, - x 2
1 ejercicios siguientes del 29 al 32, una compañía de neumáticos tiene dos proveedores,
Sr 5 , tiene 900 neumáticos a la mano y S 2 tiene 800 neumáticos a la mano. El cliente C,
ita 500 neumáticos y el cliente C2necesita 600 neumáticos. Minimice el costo de llenado
Nórdenes sujeto a la tabla dada (en la que se observa el costo de envío por neumático).
30.
C2 ^2
0.60 1.20 0.80 1.00
1.00 1.80 *2 1.00 1.20
32.
C2 C2
1.20 1.00 0.80 1.00
1.00 1.20 *2 1.00 0.80
lina compañía de automóviles tiene dos fábricas. Una fábrica tiene 400 automóviles (de
lio modelo) en existenc ias y lu otra fábrica tiene en existencias 300 automóviles (del
Umq modelo). Dos clientes ordenan este modelo de automóvil. El primer cliente necc-
lllii 200 automóviles y el segundo, 300. A continuación se muestra el costo de envío de
automóviles de las dos fábricas a los dos clientes.
Cliente 1 Cliente 2
Fábrica 1 $36 $30
Fabrica 2 $30 $25
¿De qué manera debe enviar la compañía los automóviles para minimizar el coito
envío?
B 34. En el ejercicio 33. suponga que los costos de envío para cada una de las dos fábrlo
com o sigue.
Cliente l Cliente 2
Fábrica 1 $25 $30
Fabrica 2 $35 $30
¿Cómo debe la compañía enviar los automóviles para minimizar el costo de envío?
B 35. El presupuesto máximo de una compañía para publicitar a nivel nacional cierto prtul
es de 600,000 dólares. Cada minuto de tiempo en televisión cuesta 60,000 dolare* y
plana completa de un periódico cuesta 15,000 dólares. Se espera que cada unum ltl |
televisión sea visto por 15 millones de telespectadores y que cada anuncio en el per!
sea leído por 3 millones de personas. El departamento de mercadotecnia de la cor
sugiere usar por lo menos 6 anuncios por televisión y 4 anuncios en el periódico. ¿(*41
debe asignarse el presupuesto para publicidad para maximizar la audiencia total?
B 36. Vuelva a trabajar en el ejercicio 35 suponiendo que el precio de una plana cntorii i|»il
riódico cuesta 30,000 dólares.
B En los ejercicios 37 y 38, use la siguiente información. Una compañía de computación

dos plantas de ensamblado, la planta A y la planta B, y dos salidas de distribución, la tullí
y la salida II. En la planta A es posible ensamblar 5,000 computadoras al año y en la planta
4.000 al año. La salida I debe contar con 3,000 computadoras por año y la salida II debo Mi
5.000 computadoras al año. Los costos de transportación de cada planta a cada salida se llt
can cn la tabla siguiente. Encuentre el programa de embarques con que se obtendrá el
mínimo. ¿Cual es el costo mínimo?
37. 38.
Salida I Salida II Salida I Sflfida II
Planta A $4 $5 Planta A $.1 Vi

Planta B $5 $6 Planta H *6 u
tillo 10 ▲ E jercicios d e R eposo

icjcrcicios del 1 al 6, trace una gráfica de la solución del sistema de desigualdades.
X + 2y < 160 2. 2x + 3y S 24
J*+ 180 2x + y ^ 16
x> 0 0
y> 0 y> 0
Jjr + 2 y > 2 4 4. 2x + y > 16
* + 2y > 12 x+ 3y> 18
3S 15 0 < * < 25
15 0< y < 15
! l» -3 y > 0 6. x -y < 10
i » - y =£8 0
y > 0 y> 0
ircicios 7 y 8, determine un sistema de desigualdades que modele la descripción dada

una gráfica de la solución del sistema.
In fruticultor cuenta con 1,500 bushels de manzanas que debe dividir en dos mercados,
b requieren por lo menos 400 bushels y 600 bushels, respectivamente.
Operador de un almacén cuenta con 24,000 pies cuadrados de espacio para almacenar
(productos. Cada unidad del producto I requiere 20 pies cuadrados de espacio en el piso
almacenamiento cuesta 12 dólares diarios. Cada unidad del producto II requiere 30
j | cuadrados de espacio en el piso y su almacenamiento cuesta 8dólares diarios. El costo
lal diario por almacenamiento no puede ser superior a 12,400 dólares.
ejercicios del 9 al 14, determine los valores mínimo y máximo de la función objetivo
t>r medio del método gráfico.
limice: z = 3* + 4y 10. Minimice: z = 10.v + l y

z = * + 3y z=4x-y
Restricciones: R e s tric c io n e s :
*>0 * >0
y >0 y> 0
*<5 *< 6
x +y > 3 *+y > 2
* -> - < 3 *> y
-x + y < 3 3 * - > < 12
13. Función objetivo: 14. F u n c ió n o b je tiv o :
Z = 3x - y Z= x - 2 y
*> 0 *> 0
y> 0 >> > 0
* < 3y * + y < 12
- x + 2y < 12 5*+ y <36
4* + 3* < 40 5 * - 2 4
*+2>> < 15 2* + 5y > 19
□ En los ejercicios del 15 al 22, use el método implex para maximizar la función objfll
sujeta a las restricciones dadas.
z = * , + 2x 2 z = 5*, + 4*2
Restricciones: R e s tric c io n e s:
2*, + *2 < 31 *, - *2 — 22
+ 4x 2 < 40 *, + 2*2 ^ 43
x v x2 > 0 * 1 ’ * 2 — 0
Z = x J + 2*2 + *3 z = 4*| + 5*2 + 6*3

2*, + 2*2 + *3 — 20 4*, + 2*2 + *3 ^ 30
*! + *2 - 2*3 ^ 23 *j + 3*2 + 2*3 ^ 54
- 2*j + *2 - 2*3 ^ 8 *, + *2 + 2*3 ^ 24
* i ,*2,*3 - 0 *p * 2»*3 ^ 0
Z = *, + *2 z = 6*, + 8*2
3*, + *2 ^ 432 20*. -f 40*, s; 200
nción objetivo: 22. Función objetivo:
Z = 3*, + 5 x 2 + 4*3 z = 2*, + 5*2 - *3

R e striccioncs: Restricciones:
6*, - 2x 2 + 3*3 24 -* , + 3*2 + 2*3 < 92
3*, - 3*2 + 9*3 ^ 33 - 2*, + 2*2 +12*3 “ ^
- I r l + *2 2*3 < 2 5 3*, + *2 - 6*3 < 24
* p * 2* *3 “ 0 * 1»* 2»*3 — 0
los ejercicios 23 y 24, determinar cl dual del problema de minimización dado.

w = 7*, + 3*2+ *3 vv = 2*, + 3*2+ 4*3
istricciones: Restricciones:
*,4- *2+ 2*3 > 30 * , + 5*2 + 3*3 90
3*, 4- 6*2 + 4*3 > 75 2 * i + *2 + 3*3 60
* „ * , ,* , ^ 0 3*, + 2*2 + *3 > 5 6
* |, *2, *3 — 0
|on ejercicios del 25 al 30, resuelva el problema de minimización dado al resolver por cl
0 simplex el problema de maximización dual.
Punción objetivo: 26. Función objetivo:
H* 9*j 4- 15*2 vv = 16*, 4- 18*2
fricciones: Restricciones:
5*2 > 15 2* , - 3*2 ^ 14
4 i,-IO*2 > 0 - 4 * , - 9*2 ^ 8
X\'X2 > 0 * ,,*2 0
íu n ción objetivo: 28. Función objetivo:
24*, + 22*2 + vv = 32*, + 36*2 + 4*3
dicciones: Restricciones:
, -f 2*2 - 3*3 > 24 4*, + 3*2- . > 8
•* , - 2*3 >21 - 8*, + 6*2 - 6*3 > 0
H i , - 4 * 2 + 8*3 ^ 12 -4 * , + 9*3 > 4
* 1»*2»*3 — 0 X 1*'*2*"*3 “ ®
lición objetivo: 30. Función objetivo:
16*, -f 54*2 + 48*3 w= 22* , + 27*2 + 18*3
lociones: Restricciones:
*2 4- 3*3 ^ 2 - 2*, - 3*2 + 6*3 0
♦ 7*2 + 4*3 2 : 5 -2 * , + 7*24- 3*3 4
♦ 3 * 2 4- 4 * 3 I 2*i + *2 3*j ^ 12
* ..* 2*x y o * 1»*j. *3 ^ 0
B En los ejercicios del 31 al 36, use el método simplex para resol ver el problema con
mixtas.
31. (Maximice) 32. (Maximice)
z = *, + 2x 2 z = 2*, + 3*2
—4 * , + 2 x 2 — 2 6 - * , + *2 > 40
-3 * , + x 2 > 12 *., < 61
0 X | . *2 — 0
33. (Maximice) 34. (Maximice)

Z = 2*, + *2+ *3 Z = 3*, + 2*^ + *3
* , + x 2 + *3 ^ 60 2*, + *2 + 3*3 ^ 52
- 4 * , + 2x 2 + *3 > 52 * , + *: + 2*3 24
2*, *3 > 40 2*1 + *3 < 5 2
x v xv x3 > 0 Xy.\yXy& 0
35. (Minimice) 36. (Minimice)

Función objetivo: Función objetivo
z = 9*, + 4*2 + 10x3 z = A x x - 1 x 2 - x 1¡
32*3 + 16*2+ 8*3 < 3 4 4 2*, - *2- * 3 ^ 4 1
20* , - 40*2 + 20*3 - 200 * , - 2* 2- *3 1(
-4 5 * , + 15*2 + 3 a S - 525
-* , - 7 * 2 + 5 * 3 2S | 1
*|,*2,*3^ 0 * ,,* 2, *3 0
B 37. Un sastre tiene 12 pies cuadrados de tela de algodón, 2 1 pies cuadrados «le mhI* f
cuadrados de lana. Para elaborar un chaleco se requieren 1 pie cuádralo d*
pies cuadrados de seda y 3 pies cuadrados de lana. Para elaborar un bol*» M
2 pies cuadrados de algodón, 1 pie cuadrado de seda y 1 pie cuadrado «le Un*,
se vende en 80 dólares y el chaleco cn 50, ¿cuántos bolsos y chalecón dcliet»
para maximizar la ganancia del sastre? ¿Cuál es el ingreso máximo?
B 3 8 . Un carpintero tiene 400 pies cuadrados de tabla de madera laminada. 48 / |»N*n

de abedul y 795 pies cuadrados de pino. La clalx>ración del producto A
cuadrado de madera laminada, 2 pies cuadrados de abcxlul y I pie cuadrado ib*
elaboración del producto B requiere I pie cuadrado de madera laminada, I |»M»
de abedul y 3 pies cuadrados de pino. La elaboración del producto f ' • míen» J
drados de madera laminada. I pie cuadrado de abedul y 1 pie < i..»d«» d» ftl
producto A se vendo a 22 dólares, el II a 42 dólares y el C ;• / mu s. , »«WI (
bi nación de productos se obtiene »1 »•» is.m o m; roso bruto?
Capítulo i O Ejercicios d e Repaso 659
Una compañía posee tres minas cuya producción diaria se muestra a continuación (en
toneladas).
Grado del minera!

M ina A lto M edio Bajo
A ! 2 3 I
B 1 2 7
C 2 '
1
La compañía necesita 60 toneladas de mineral de alto grado, 48 toneladas de mineral de

grado medio y 50 toneladas de mineral de bajo grado. Minimice el costo de satisfacer este
nivel de producción si los costos diarios de operación son 200 dólares para la mina A, 200
dólares para la mina 14 y 100 dólares para la mina C
Vuelva a trabajar en el ejercicio 39 dado ei siguiente programa de producción diaria.
Grado de1 m ineral

Mina Alio M edio Bajo
A 2 1 Z
B 1 I 1
C 4 2 i !
luí compañía requiere 190 toneladas de mineral de alio grado, 120 toneladas de mineral
de grado medio y 200 toneladas de mineral de bajo grado. Los costos diarios de operación
ton 2 0 0 dólares para la mina A, 150 dólares para la mina B y i 25 dólares para la mina C.
¡mostraciones de
¡oremas Selectos
apéndice c o n tie n e la d em o stra ció n d e v a rio s teo rem a s, m ism a q u e s e o m itió e n el
m m M
Roídos) y c es un escalar, entonces se cumplen las siguientes
A (B C ) « {A B )C Propiedad
Propiedad asociativa
asociativa de de la i
A (B + Q s A B + A C Propiedaddistributiva
Propiedad distributiva
(A + B )C & A C + B C Propiedad ddistributiva
Propiedad ia r ib a t^ H
c(A& ) ~ (c A )B - A (cB )
Itración: Para demostrar la propiedad 1, se calcula el elemento del i-ésim o i cnglón

f-ésima columna tanto de A ( B C ) como de (A B ) C . Para empezar, se supone que el orden
es m x n > que el orden de B e s ti x p y que e l orden de C e s p x q . Entonces, la y-ésima
imna de B C es
• • • b n p c p j.
utl im plica que el i-6 simo elemento de la j-é sima columna de A (B C ) es
W M+ • • • + V b P + ■' ■+ a ' ¿ b nXC \ j+ ■ • • + W P -

o lía parte, el i-c s im o renglón de A i l es
(/i + •••+ a />. + • • • + a b A

espuestas de los Ejercicios Impares
I f l
| | C a p ítu lo 1
Mn 1.1 (fjágina 24)
I. Lineal 3. No e s lineal 5 . No es lineal

7. x = 2t 9. * = 1 - s - t 11 . x t = 1 + 2 s-3 í
y=t y =s x 2= s
z=t x 3= l
x}= 5 15. x = l 17. x = 0

x2= 3 >• = 0
y=l
z=0
Xt = 2 21. No tiene solución 23. jTj = - 1

x2= 0 *2 = - l
x= - 3 27. m= 40 29. *, = 2 + ^»
"> v = 40 x 2= r
>’ = - i
jr = 7 33. * , = 8 35. * = 1
y =i *2 = 7 y= 2
z= 3
f, jr= 2 39. N o tiene solución 41. * , = 1 0 - 3 /

y = -3 *2= - 7 + 5/
í = -2 *3 = '
* ,= 1 3 - 4 / 45. N o tiene solución 47. * = 1

121 ,' y= 0
z= 3
*1 = ' ir = 2
*«0 51. * = -3 / 53. * = 3

y «0 y=f / >• = - 4
f -0 z=t
* ■ eos 0 57. Todos los k * ± 2 59. Todos los k * ± 1
y * sen 0
L * 63. 1 ,-2
A9
F ?spuestas a los Ejercicios Im pares A 11
(página 52)
a) p (x) = 29 - 18x + 3x2 3. a) p(x) = 2r

b) y
10
8
6
4
p(z) = l + \ z + \ z 2 7. y no es una función de x porque el valor x

igual a 3 está repetido.
P(x) = 7 + j (* - 1987)
+ ? ( * - 1987)2
1---
1
(1986) (1987) (1988)
1 + X 11 . p (x ) = - 3 x + x?
-X
179.3 + 28.1 3a: —4.13x2 15. p (x) = - * x 2 + ± x

7r n
3.5 p m 227.1
0.889
i -4 |^ > p m 225.7
(H1 va lo r real es V 5 /2 0.866.)
A 12 R e s p u e sta s a lo s E je rc ic io s Im p a res
* ,= .v b) x} = 0 c) *, = 0
*2 = / * 2= 0 *2= -5 0 0
*3 = 600 - .v x , = 600 * 3= 600
u *.
O
11
II
1
u*
•-Í
ii
*5= 500 - / *s = 500 x5 = 1000
0
O
II
k*
ii
* 6 =
*
*7 = 0
II
8
xi= '
21. a) = 100 + / b ) * ,= 100 ( O * , = 200

* , = -100 + / * , = -100 * ,= O
*‘ = 200 + / *‘ = 200 *‘ = 300
*4= / *4= O *4= 100
23. /, = O 25. a) /, = 1 b) /, = O
/2= 1 /, = 2 /, = 1
/3 = 1 /,= ! /,= I
Ejercicios de Repaso - Capít ulo I (p á g in a 5 6 )
1. * = -41 +
<
21 A' - j2 '. 3 . F o rm a e s c a lo n a d a ( n o re d u c id a )
>*= 5
Z —t
5 . N o e s tá c n fo rm a e s c a lo n a d a 7. * .= - 2 /
*, = /
.v, = 0
9. * = I 1 1. x = 4 1 3. j» = 0
y= i >• = 8 v =0
1 5. N o tie n e s o lu c ió n 17. x , = - i 19. * = 0

v= 0
*'I.= ,
21 . * = 2 23. * = 2 5 . * = 4 + 3/
y = -3 y = 5 + 2/
z= 3 v= ~ 5 z= /
3
27. * = 1 - 2 t 29. * ,= I 31. * , = 0

*2 = 4 *2 = 0
y = 1 + 2/
*3 = - 3 *3 = 0
z =r
X4 = ~2
33. * .= - 4 / 35. * = ± l
2
*2 = - “/
*3 ='
R e s p u e sta s a lo s E je rc ic io s Im p a re s A 13
cios Complementarios - Capítulo 1 ( p á g in a 5 8 )
I. Las dos matrices son equivalentes por ren 3. a) a - 2b + c * 0

glones porque cada renglón cs equivalen b) No es posible
te a c) a - 2b + c = 0
1 0 o'
0 1 0 •
0 0 1,
0 -1 -2 • • • 2 - n
1 2 3 •••« -!
0 0 0 ••• 0 7. x¡ + x 2 + x } = 0
x ] + x 2 + *3= 1
0 0 0 0
a)p(.c) = 9 0 - ^ * + f 11. p (x) = 50 + y x + ¿ x 2

b) (El primer año está representado por
x = 0.)
Ventas durante el cuarto año: p ( 3) = 95
M) jt, = 100 - r + t b) = 50
| x2 = 300 - r + s jc2 = 250
*3 = r *3 = 100
s +t *4= 0
x ^ s *5 = 50
*6= ' *6= 5°
ulo 2
II21 (página 69)
3 -2 -1 0 2 -2 0 -1
•) b) c) d)
I 7 3 -9 4 -2 5 -10
7 3 5 -5 12 -2 II -6
1 9 b) l 1 c) 4 8 d) 5 3
2 13 -4 -S, -6 10 -7 0
A 14 Respuestas a los Ejercicios Impares
3 3 - 2 1 1 1 1 0 -1 1
5. a) b)
-2 5 7 - 6 - 8 4 -3 -11 6 6
4 4 -2 O 2 3 3 -1 -1 2
c) d) -2 6
2 2 -4 O -2 5 -1 3 5
7. a) c2I = -6 9. x = 3. y = 2. z = 1
b) C13 = 29
-21 1.1
O 15 O 10
11 . a)
6 12 J
13. a)
10 O
15. a) -23 19
7 3
o 13
-2 -2 O 10 2 21
b) b) b)
31 14 10 O
4 -19
-1 19 1O O
17. a) No está definida 19. a) 4 -27 21. a) O 1 o
O 14 0 O I
3 -4 1 O O
b) 10 16 b) No está definida b) O 1 o
26 46 O 0 I
60 72
-20 -2 4 25.
1 3 *1 -1
23. a)
10 12 2 -1 3
60 72 8
b) N o está definida
*1 7
5
X2 7
O 2 *1 5
27. *i 0 29. -2 1 8
X2
X2 0 2 -1 -3
*3
3
0 X1
X\ 7
=
0 i 5
X2
X3 0 .
33. a =-2-1
31. b =-\ - i
c = 5 + 2í
d =I
1 O O
35. iv = z, * = ->’ 37. 0 4 0
O O 9
41. 2
Respuestas a los E jercidos Impares A15
a) Tr(<4 + B) = Tr[a + /;„] = Z (« , + ba)

J ' 1=1
= s + ZA
i= I ' = 1
= Tr(A) + Tr(#)
b)Tr(cA) = E (ca ,) = c E a.. = c Tr(A)

i=i »= i
i Suponga que A es una matriz m x n y que B es una matriz p x q. Como el producto A B es
tá definido, se sabe que n = p. Además dado que A B es cuadrada, se sabe que m = q. Por
tanto, el orden de B debe ser n x m, lo cual implica que el producto BA está definido.
110 99 77 33
44 22 66 66
418 454 209 227
o) , Multiplicación escalar b)
90 100 45 50
ón 2 2 (página 84)
3 2
3.
0 -12
5.
7 7
13 4 12 -24 28 14
3 I -14 -4 -3 -5 -1 0
4 ii 9. 7 -17 11. -2 -5 -5
3 3
10 0 -17 -2
T
1 6 -1 12 -4
12 -6 9
-2 -2 -8
15.
8 4
17. A C = BC = 16 -8 12
4 -2 3
1 0 21. 2 2
0 1 0 0
2 4 ' 20 10 -1 4 '
14 -1 0
a) -1 3 b) 10 10 -1 8 c)
-1 0 50
3 -5 . -1 4 -18 34
36 0 42
6 0 85 35
0 16 -20
n) b) c)
0 -4 35 41
42 -2 0 74
(A + B ) ( A - B ) = A 2 + BA - A B - B 2, que no necesariamente es igual a A 2- B 2 porque AB

no necesariamente es igual a BA.
lAUymB'A'* 31. a = 2 t b = - \
Aló Respuestas a los Ejercicios Impares
1 0 ±3 0 -4 O1
35. 0 -1 37.
0 ±2
39.
8 2
0 0
0 0 0
41. 0 0 0 53. Simétrica sesgada 55. Simétrica
0 0 0
—|C4
r
0 '2
1
1 *1
NJl —
5 9 . A = ¿ ( A - A ' ) + Í 1 ( A + A r) = -4 + 1
1
0
^ i
1 7
2 i ° - .2
Sim étrica sesgada Sim étrica
Sección 2 3 (página 98)
1 0 o' 1 0 0
1. A B =
1 0 = BA 0 1 0 = BA 5. AB = 0 1 0
ii
•
0 1 .0 0 1 0 0 1
7.
-2 9.
-1 9 -3 3
11. Singular
1 -4 -7
3 1 1-I
” 5
15. -3 2 -1 17. Singular
13. 2
5 3- -3 2
3 3
-2 4 7 1 -2 "2 2 1 0 -2 OH
19.
-1 0 3 0 -1 21. 9 7
-3 23. -10 4 4.4
-2 9 7 3 -2 2 2
10 -2 -3.2
12 -3 - 1 1. .-1 1 1
1 0 o'
25. Singular 27.
3 1 0 29.
4 4
7 _ 1 i
_"20~ " 4 5
31. a) x = 4 b) x = - 8 c) * = 0
y =8 y = -11 y =0
33. a) x = - 5 b) x = - 3 c) * = 0
y = -4 0 .5 y = -2 4 y . 0
z = 48 z = 28 Z = <>
35 17 2 -7 -3 1 40 I
35. a) b) c) d) 7
4 10 5 9 -5 6 1
I
R esp u esta s a lo s E jercicio s Im p a re s A 17
11 138 56 -8 4 4 6 1
16 37 26 -71 -2 2 4
24 34 3. 3 -8 2.
1 7 0 34 4 -2 3 *
16 28 -4 0 -1 4 6 2 -8
. 30 14 -2 5 . 1 4 2.
1
-1 2
=4 41.
3 1
4 4.
Suponga que CA = C B y que C~! existe. Entonces al multiplicara la izquierda porC "1
se obtiene C~lCA = C~lCB, lo cual implica que A = B.
Suponga que A, B y C son matrices cuadradas y c\\\c A B C = /. Entonces, A cs invertible

y A _l =B C. Por tanto, AB C A = A, lo cual implica que BCA =1 y e s posible concluir que
B es invertible y ZH = CA.
Suponga que A 2 - A. Si A es singular, entonces no hay nada que demostrar. SiA no es
singular, entonces comoAA = A se concluye que A = /.
a (j 0, I < i ^ n
- I
a
II
0 a22
A-' =
o o o ••• —
a....
6l) 2 4 (página JOS)
Elemental, multiplicar por 2 el 3. Elemental, sumar 2 veces el renglón 1 al

renglón 2 renglón 2
| i No cs elemental 7. No cs elemental
!• Elemental, sumar - 5 veces el

renglón 2 al renglón 3
r 0 0 1 0 0 1 0 1
0 1 0 13. 1) 1 0 15.
1 0
1 0 0 1 0 0
A 18 Respuestas a los Ejercicios Impares
\
0 O
0 0 1 k
17.
1 0 19. 0 1 0 21. O 1 Ü
-4 1
. 1 0 0. O O I
1 0 0 0
0 1 -k 0 25.
1 0 1 -1 1 0
23.
0 0 1 0 1 1 0 1 0 -2
0 0 0 1 (L a respuesta no es única.)
1 0 0 1 -2 I
27.
1 1 1 o1 1 0 29. -1 1 0 0 1 0
0 1 3 1 0 -1 0 0 1 . .0 0 0
(L a respuesta no e s única.)
(L a respuesta no es única.)
1 0 0 2 0 0' 1 0 0‘ 1 0 o' 1 0 0‘ 1 0 -4’ 1

31. 1 1 0 0 1 0 0 2 0 0 1 0 0 1 0 0 1 0 0
.0 0 1 . .0 0 1 .0
. 0 1 . .0 2 1 .0 . 0 - 3 . .0 0 1 0
(L a respuesta no es única.)
33. a) EA tendrá intercambiados dos renglones. (Los mismos renglones están in(arci»ifl[
en E.)
n
1 -a 0'
35. A~] = -b + 11
ab + 00 37.
1 0 1 1 1 1
2 1 0 1 2 3
0 0
c ■
39. Idempotcnte 41. No es idempotente 43. No es idcmpotoiilf
45. Caso 1. b = 1, a = 0
Caso 2. b = Ot a = cualquier real
47. Dado que A es idempotente, se concluye que A 2 = A . Además, com o A es invottlhlt
aplicarse el resultado del ejercicio 49 de la sección 2.3 para concluir que A ■»•/,
49. Suponga que A 2 = A y B2 = B. Como A B = BA, concluye que
(AB)2 = A B AB = A A BB = A 2B2 = AB.
Por consiguiente, A B es idempotente.
1. N o es estocástica 3. Estocástica 5. Estocástica 7. Próximo

350 peí N«
En ( I o n ii
475 per*
Respuestas a los Ejercicios im pares A19
En un mes En dos meses 11. Mañana:

N o fumadores 5025 5047 25 estudiantes.
Fumadores de menos En dos días:
de una cajetilla diaria 2500 2499 44 estudiantes.
Fumadores de más de En 30 días:
una cajetilla diaria 2475 2454 40 estudiantes
5. Nocifrado: [19 5 12], [12 0 3], [15 14 19], [15 12 9], [4 1 20], [5 4 0]
Cifrado: - 4 8 ,5 ,3 1 , - 6 . - 6 , 9 , - 8 5 , 2 3 , 4 3 , - 2 7 ,3 ,1 5 , - 1 1 5 ,3 6 , 5 9 , 9 , - 5 , - 4
17. Nocifrado: [3 15], [13 5], [0 8], (15 13], [5 0], [19 15], (15 14]
Cifrado: 4 8 ,8 1 , 28, 51, 24, 40, 54, 95, 5 ,1 0 , 64, 113, 57, 100
19. HAPPY_NEW_YEAR 21. FILM_AT_ELEVEN 23. MEET_MF._TONIGHT_RON
Carbón Acero
8622.0 ‘ Campesino
5. D =
0.1 0.2 Carbón ^ _ 20,000 Carbón %_
4685.0 Panadero
0.8 0.1 Acero 40,000 Acero
.3661.4 T end ero
c) 2
y = 1.3 + 0.6* 35.

7. y = 1.75 - 0.65* 39. y = -5 + 2 x
945 _ 175
43. a) y = 685 - 240a:
7 148 148
b) 349
M o lo s de R e p a so -C a p ítu lo 2 (página 130)
14 -2 8 4 6 3'
I.
-1 3 -8 18
3. 14 -10 40 5. 0 6 -10
0 11-19
36 -12 48 0 0 6.
2 3 f *1 10*
9. 22
C4
7, 5a + 4 y = 2 X2 =
1
1
[ -* '+ y m -22 .4 -2 3, . - 2.
*3
1
A20 Respuestas a los Ejercicios Impares
1 0 1 2 -3
14 -4 1 -1
A' = 2 1 ,A 'A = 2 5 -4 ,A 4 ' =
-4 5
13.
2 -3
rj-
ro
-3 2
1
1
3 3 i •
~w 20 10
3 1 2 5 4 2
15. 17.
10 30 15 -1 1 -22
1 1 1
. 5 5 5 i
9
A~l —
1
9
xi 10
X2 -12
1 i -4
14 42
19.
1 2
21 . 0
21 21 1
1 3 2 0
1 0 o 1 O O i o i
23. 25. 0 1 o O 1 -2 O I o
0 1 0
0 0 4 O O 1 o o I
(La respuesta no cs única.)
(La respuesta no es única.)
Ejercicios C o m p le m e n tario s-C ap ítu lo 2 (página 132)
0 0 1 0 If 1 0
1. -10 -10* y 1 0 3.
0 0 *
0 1 *y 0 0
0 1
(La respuesta no es única.) (La respuesta no es única.)
5. a)tf = - l 7. A ± O, A 2 * O, /t 3= O, índice - »
b=- 1
c= 1
13. No es cstocástica PX = 80 , P2X = 68 . r ' X m
112 124
110,000' Región 1 123,125

17. a) 100,000 Región 2 b) 100,000
90,000 Región 3 76,875
19. Nocifrado: [15 14], [5 0], [9 6], [0 2], [25 0], [12 I], [14 4|
Cifrado: 103,44, 25,10, 5 7 ,2 4 , 4 .2 . 125,50, 6 2 ,2 5 , 7 8 ,3 2
3 2 0.20 0.50 in .u i
21. A~l = , ALL_SYSTEMS_GO 23. I) .X
4 3 0.30 0.10 m ,»U
-i — 20 3
25. y = - y - j x 27. y - j j - J *
29. u ) y » 1 9 + 14^:
Respuestas a los Ejercicios Im pares A21
Capítulo 3
Sección 3.1 (página 146)
1. 1 3. 5 5. 27 7. -2 4
9. 6 11. X2 - 4 X -5
13. a ) M .. = 4 Aí12 = 3 b) c „ = 4 c 12 = - 3
Aí21= 2 m 22= i C2, = -2 c 22 = ]
15. a) Ai,, = 23 M t 2= -8 A/ |3 = - 2 2
M2, = 5 M n = -5 M2i= 5
M3. = 7 Aí32 = -22 M33= -23
b) C , , = 2 3 C12= 8 C 13= -22

C21= - 5 C22 = -5 C23= -5
C31= 7 C32= 22 C33= -23
¡17. a) 4(—5) + 5 (-5 ) + 6 (-5 ) = -75
b) 2(8) + 5 (-5 ) - 3(22) = -7 5
Í9. -5 8 21. -3 0 23. 0 25. - 0.022
. 4x-2y-2 29. -108 31. 0 33. 0

-100 37. -24 39. 0 41. -3 0
X = ±3
6n 32 (página 155)
El primer renglón es 2 veces el segundo renglón. Si un renglón de una matriz es múltiplo

de otro renglón, entonces el determinante de la matriz es cero.
El segundo renglón consta por completo de ceros. Si una matriz contiene un renglón de
ceros, entonces el determinante de la matriz es cero.
Están intercambiadas las columnas segunda y tercera.Si se intercambian dos columnas
de una matriz, entonces cambia el signo del determinante de la matriz.
El primer renglón de la matriz está multiplicado por 5. Si un renglón de una matriz se

multiplica por un escalar, entonces el determinante de la matriz se multiplica por ese
escalar
\ a\ matriz está multiplicada por 5. Si una matriz n x n se multiplica por un escalar c,

entonces el determinante de la matriz se multiplica por cn.
t Al segundo renglón se sumó - 4 veces el primer renglón. Si un múltiplo escalar de un
renglón de una motriz se suma a otro renglón, entonces el determinante de la matriz
permanece sin cambio.
A la tercera columna se sumó -5 veces la segunda columna. Si un múltiplo escalar de una

columna de una matriz. se suma a otra columna, entonces el determinante de la matriz
15. 28 17. 17 19. - 6 0 21. 223
23. -1 3 4 4 25. 136 27. -1 1 0 0 29. k
31. -1 33. 1 37. cos20 + sen2# = 1
-2 0
1. a ) - 3 b) -2 c) 0 -3 d)6
3. a) 0 b )-l
-2 -3
d) 0
c)
4 6
1 4
5. a) 2 b) -6 c) -1 0 d ) -1 2
0 2
7. - 4 4 9. 54
11 . a) -2 b )-2 c) 0
13. a) 14 b) 196 c) 196 d) 56 e) “TT
15. a) 29 b) 841 c) 841 d) 232 e)-¿ -
17. a ) - 1 5 b ) -1 2 5 c) 243 d ) -1 5 e)-}
19. Singular 21. N o singular 23. No singular 25. Singular
27. La solución no es única porque el determinante de la matriz de coeficientes es utt
29. La solución es única porque el determinante de la matriz de coeficiente es dilema

cero.
31. * = - 1 , 4
33. Suponga que A y B son matrices n x n tales que A B = /. Entonces, se sabe que MWI
Si L4I = 0, entonces se concluye que L4Z?I = L4I Ifíl = 0 IZ?I = 0, lo cual es una conlntilltft»
Por consiguiente, es posible concluir que L4I * 0. Si 151 = 0. se obtiene una coi»
ción semejante.
0 1 1 0
35. y 37. 0
0 0 0 0
(La respuesta no es única).
41. P =
1 2 ,p -' =
-5 2
, P -'A P =
-2 7
n
3 5 3 -1 l - l 0J 16 29
\Pr'AP\ = IP-'I \A\ l/>l = IP-'I l/’l \A\ = - ^ l/’l l/tl = l/\l
43. Suponga que A es una matriz n x n tal que A1 ■ ~/t. Entonces, se concluye que
Respuestas a los Ejercicios Impares A23
45. Ortogonal 47. N o es ortogonal 49. O rtogonal
51. Suponga que A es ortogonal. Es decir, A~} = A*. Entonces, se concluye que L4'l = l/H l, lo
cual implica que
IA4-1! = lAI L4-M = L4I lA'l = L4I2 = 1.
Por consiguiente, se puede concluir que L4I = ±1.
Sección 3.4 (página ¡78)
4 -2 -2 1 ‘
1. ady(A) =
II
-3 1 3 1
.2 2
0 0 0
3. ady04) = 0 -12 - ó , A-1 no existe.
0 4 2
2 |^r
i---------
I 4
I
-7 -1 2 13'
5. ady(A) = 2 3 - 5 , a -' =
ir->
- i
2 3 -2 . 2
-1 -« 3
13
1 9
7 1 9 -13 4
7 1 0 -4
0 9
T3
/"—
,A -' =
<3
II
10
N
-4 2 -9 10 -1 9
. 2 -1 9 -5 . 5
1 9
9. Suponga que L4I = 1 y que todos los elementos de A son enteros. Lo anterior implica que
todos los elementos de ady(A) deben ser enteros. Además, como
A”1 =
1 ady(A) = ady(A)
L4I
puede concluir que todos los elementos de A~l deben ser enteros.
11. Suponga que A es una matriz n x n . Como ady(A) = A_,IAI, se concluye que
lady(A)l = IL4L4"1! = \A\n\A’ ]\ = \A\n~K

2-1
•2 0 II 0
13. lady04)1 = = - 2 , lAI2"1 = j _2 = -2
1 1
15. Suponga que A e s una matriz invertible n x n . Como ady(A-1) = L4 *L4 y
rady(A)]-1 = (Ml/t -1)-1 = -~rr-A = 1/HL4

lAI
se concluye que ady(A“*) ■ |ady(A)|_l.

23. La regla de Cramer no es válida porque el determinante de la matriz de cocfU'
25. N o se aplica la regla de Cramer porque el determinante de la matriz de cocflcloiilHI
27. * , = 1 29. * , = 1 31. * ,= 0

I
*2=1 *2 - 2 *2 = ~ I
*3= 2 x ,-| *3= 5
33. 5 35. 1
37. x = — —— , v = — — — El sistema es inconsistente si t i .

2 k -1 2<fc-l 2
39. 3 41. 3 43. Colineales 45. N o n o ii 0
47. 3 y - 4 x = 0 49. x = - 2 51. } 53. 2
55. N o son coplanares 57. Son coplanares 59. 4a: - lOy + 3l * 27

61. x + y + z = 0
Ejercicios de Repaso - Capítulo 3 (página 182)

1. 10 3. 0 5. 0 7.
9. 1620 11 . 82 13. -6 4 15. - I
17. -1
1 -2
19. a) -1 b) - 5 c) d) 5
2 1
21. a)-12 b) -1 728 c) 144 d ) -3 0 0
23. a )- 2 0 25. Solución única
27. Solución única 29. Solución no única 31. 128
Ejercicios Com plem entarios - Capítulo 3 (página 184)
1. 0 3. 0, 1 5. - i 7. —MV
9. a ) X2 - X - 6 b) X = - 2 , 3
2 -2 2 -2
-6 1 0 0 0
c) -2 -1 -2 -1 0 1 0 0
11. Suponga que L4I = IBI * 0. Entonces B es invcrtiblc y al hacer C = A B ~ \ kc convl
A = CB y
1 0 0
-2 1 0 15. Solución única: x l = 0.6
-4 1 1. x2 = 0.5
f. Solución única: = 19. 16
X2 ~
*3 =
I. x - 2 y = -A 23. 9x + 4y + 3z = 0
Capítulo 4
lección 4.1 (página 197)
1. v = (3, - j )
, y
(2.4)
l- v= (3u ♦ w)
> ( 4 .3 )
1— H H — I—
y 3 4
(6 .-3)
3- 3 • (2.3)
Ii i
T i
T * V
-9 -3 / 3 2
-3 v ■-3
/ ( ! . - § )
1 /
—6
1i r1 r
• -9
1 2
1 2 3 4 5 (-6 .-9 )
9. U - V = (-1, 0, 4)
v - u = (1,0, -4)
15. a)
I
17. a) y b) 19. a) (4, - 2 , - 8, 1) 21. a) (-9 , 3, 2, - 3 , 6)

b) ( 8. 1 2 ,2 4 , 34) b) ( - 2, - 1 8 , - 12. 18. \U)
23. 2) 25. v =u+ w 27. v = u + 2w
29. ( - l , § , 6j ) 31. v = u,1 +’ 2u-2 3u-

^**3
33. N o es posible escribir a v com o una combinación lineal d eu ,, u 2 y u3.
35. No
Sección 4.2 (pág i na 205)
1. ( 0 .0 ,0 . 0) 3.
0 0 0
5. 0 + 0 * + 0a 2 + 0 a3
0 0 0
7. - (v,, v2, v3, v4) = (—Vp - v 2, -v3, -v 4)
« II «12 «13 -« II “ «12 -« 1 3

9. -
«2. «22 «23 -« 2 1 -« 2 2 -« 2 3
11. - (a0 + a ,a :+ a ^ 2 + í73a 3) = - a 0 - a ,a: - a ^ 2 - a*3
13. El conjunto es un espacio vectorial.

I
15. El conjunto no es un espacio vectorial. No se cumple el axioma 1 porque*3+ ( - a *3 + a )
que no es un polinomio de quinto grado. (Tampoco se cumplen los axiomas 4, 5 y
17. El conjunto es un espacio vectorial. 19. El conjunto es un espacio vectorld.
21. El conjunto no es un espacio vectorial. El axioma 1 no se cumple porque
1 0 J.
T
0 0 1 0
0 1 0 1
O
O
i*
que es no singular. ir
23. El conjunto es un espacio vectorial. t
'I
25. a) El conjunto no es un espacio vectorial porque no se cumple el axioma 8.
(1 +2) ( 1. 1) = 3( 1, 1) =(3,1)
1(1, 1) + 2( 1, !) = ( ! , 1) + (2, 1) = (3, 2)
b) El conjunto no es un espacio vectorial porque no se cumple el axioma 2.
( 1, 2) + (2, 1) = ( 1, 0)
( 2, 1) + ( 1. 2) = (2, 0)
(Tampoco se cumplen los axiomas 4, 5 y 8.)
c) El conjunto no es un espacio vectorial. El axioma ó no se cumple porque ( I)(I, I

(yj-1, V -1), que no está en R 2. (Tampoco se cumplen los axiomas 8 y (>.)
29. El conjunto no es un espacio vectorial porque no se cumple el axioma 5. Dado que (1, 1)
e s el neutro aditivo (0 ,0 ) no tiene inverso aditivo. (Tampoco se cumplen los axiomas 7
y 8.)
31. Sea v un vector cn el espacio vectorial V. Si tanto u, com o u 2son inversos aditivos de v,
entonces u , + v = 0 = u 2 + v. Pero esto implica que
u , + v + (- v ) = u 2 + v + (- v )
u, + 0 = u 2+ 0
u , = u 2.
Ión 4.3 (página 215)
17. No es cerrado bajo la suma: (0, 0, - 1 ) + (0, 0, - 1 ) = (0, 0, -2 )

No es cerrado bajo la multiplicación escalar: 2(0, 0, - I) = (0, 0, - 2 )
9. N o es cerrado bajo la multiplicación escalar ( - \ ) e x = - e x
I I . No es cerrado bajo la suma: XT 0 0 1 0

0 1 0 1
* b), c), d) y e).
S. W es un subespacio de R i . ( W es no vacío y cerrado bajo la suma y la multiplicación

escalar.)
|F. W es un subespacio de R3. (W es no vacío y cerrado bajo la suma y la multiplicación

f escalar.)
W no es un subespacio de R 3.
No es cerrado bajo la suma: (1, 1, I) + ( I, I, I) = (2, 2, 2) que no pertenece aW.
No es cerrado bajo la multiplicación escalar: 2( 1, 1, 1) = (2, 2, 2) que no pertenece aW.
Suponga que A es una matriz fija 2 x 2 y sean X y Y matrices 2 x 2 tales que A X = X A y

A Y = YA. Entonces,
A(X + Y) = A X + A Y = X A + YA = ( * + Y)A
y
A(cX) = cÍAX) = c(XA) = (cX)A
lo cual implica que el conjunto W = [X: XA = A X ) es cerrado bajo la suma y la multi

plicación escalar. Por consiguiente, W es un subespacio deA /2 2.
II
Suponga que V y W son subespacios de un espacio vectorial U. Sean c un escalar y u un
vector que está en V n W. Lo anterior implica queu pertenece V y W, y com o estos son
cerrados bajo la multiplicación escalar, se concluye queru está en V y W y, por tanto, cn
V n W. Así, V n W es cerrado bajo la multiplicación escalar.
A28 R espuestas a los Ejercicios Im pares
1. a) u = 5 ( 2 , - 1 , 3 ) - 2 ( 5 , 0 , 4)
b ) v = J a - 1 . 3 ) + 3 ( 5 .0 , 4)
c) w no puede expresarse com o una combinación lineal de los vectores dados.
3. a) u = 7 (2 ,0 , 7) - 5 (2 ,4 , 5) + 0(2, -1 2 . 13)
b) v no puede expresarse com o una combinación lineal de los vectores dados
c) w = -3 (2 , 0, 7) + 6(2, 4, 5) + 0(2, -1 2 , 13)
5. S genera a R2. 7. S no genera a R2. (Genera una red»
9. S no genera a R 2. 11. S genera a R3.

(Genera una recta en R2.)
13. 5 no genera a R3. (Genera un plano en R3.)

15. S no genera a R3. (Genera un plano cn R3.)
17. Lincalmcnte 19. Linealmente 21. Lincalmcnte

independiente. dependiente. independiente.
23. Linealmente 25. Linealmente 27. Lincalmcnte

dependiente. independiente. independiente.
29. ( 3 ,4 ) - 4 ( - l , 1 ) - j (2 ,0 ) = (0 ,0 ), (3 ,4 ) = 4(—1, I) + | ( 2 , 0)
31. (1, 1, 1 ) - ( 1 , 1 , 0 ) - ( 0 , 0 , l ) - 0 ( 0 . 1, 1) = ( 0 .0 ,0 )
4
( 1. 1, 1) = 0 . 1. 0) + ( 0. 0, l) + 0(0, 1, 1) 'I
(La respuesta no es única.) i
33. a) Todo / * 1 , - 2 b) Todo / * 5
35. a)
6 -1 9
= 3A -2B b) No es una combinación lineal ilf
10 7
c)
-2 28 = -A + 5 B d)
0 0 = 0A + 0/1
1 -11 0 0
37. a) Lincalmcnte dependiente
b) Lincalmcnte independiente
c) Linealmcnte independiente
39. a) Cualquier conjunto de tres vectores en R2 debe ser lincalmcnte dependiente,

b) El segundo vector es un múltiplo escalar del primero.
c ) El primer vector es el vector cero.
43. Sea S = {0,v,,v2 vn). Entonces 1(0) + 0v, + 0v2 + • • • + 0v| | » 0 , lo c u id Impll
S es linealmcnte dependiente.
45. El teorema requiere que sólo uno de los vectores sea una combinación lineal de I
Como ( - 1 ,0 , 2) = 0( 1, 2, 3) - ( I, 0, -2). no hay contradicción.
R e sp u e sta s a lo s E je r c id o s Im p a r e s A 29
7 . Suponga que S = ( u , v) es linealmente independiente. Si existen escalares c ] y c2

diferentes de cero tales que c,(u + v) + c2(u - v) = 0, entonces se concluye que (c, + c 2)u
+ (c, - c2)v = 0. Así, c, + c 2 = 0 y c, - c2= 0, lo cual implica que c, = 0 y c2 = 0. Enton
ces, el conjunto {(u + v), ( u - v )) es linealmente independiente.
ión 4.5 (página 240)
1. R6: {(1, 0, 0, 0, 0, 0), (0, 1 ,0 , 0, 0, 0), (0, 0, 1 ,0 ,0 ,0 ) , (0, 0, 0, 1, 0, 0),

(0, 0, 0, 0, 1, 0), ( 0, 0, 0, 0, 0, 1))
3. M 2,4-
1 0 0 0 *
0 1 0 01 0 0 1 01 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 f 0 0 0 0 0 0 0 0 10 0 0 0
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
5. S es linealmente dependiente. (S genera a R2.)
S es linealmente dependiente y no genera a R2.
>. S es linealmente dependiente y no genera a R3.
. S es linealmente dependiente y no genera a R 3 .
S es linealmente dependiente. (S no genera a P2.)
S no genera a M 21. (S es linealmente independiente.)
. El conjunto es una base de R 2. 19. El conjunto no es una base de R2.
, S es una base de R2. 23. S no es una base de R 3.
S es una base de R4. 27. S es una base de M.2 . 2 *
S es una base de Py
S es una base de R 3. ( 8, 3, 8) = 2(4, 3, 2) - (0, 3, 2) + 3(0, 0, 2)
S no es una base de R3. 35. 6 37. 8

1 0 0 0 0 0 0 0 0
0 0 0 0 1 o 0 0 0 ,d im (D 33) = 3
0 0 0 0 0 0 0 0 1
{ ( 1, 0 ), ( 0 , 1) } , { ( 1, 0 ) , ( 1, 1) ) , { ( 0 , 1) , ( 1, 1) )
{(1, 1), (1, 0)) (La respuesta no es única.)
ii ) Recta que pasa por el origen 47. a) Recta que pasa por el origen
b){(2. 1)} b) {( 2, 1, - 1))
C )l c) 1
u){(2, i. 0.1). ( 1,0, 1.0)) 51. a) ((0 .6 . 1 ,-1 ))

l»2 b) I
A30 R e s p u e sta s a lo s E je rc ic io s Im p a res
*3, Falsa; si la dimensión de V es n, entonces todo conjunto generador de V debe tener |mií
menos n vectores.
55. Verdadera
Sección 4.6 (página 255) (Las respuestas para las bases no son únicas.)
1. a) 2 3. a) 2
b) { ( 1, 0), (0, 1)} b) { ( 1, 2), (0, 1)}
c ) { ( l , 0), (0, 1)) c ) { ( l , j ) . (0. D )
5. a) 2 7. a) 2
b) { ( 1, 0, 5), ( 0, l . j ) ) b) { ( 1, 2, - 2, 0), (0, 0. 0, 1))
c) { ( 1, 0, - 1 ), (0,’ 1’. 15 ))
5 " '
C) {(1 ,0 , y ) , ( 0 ,1 ,? ) )
9. { ( 1 ,0 ,- 1 ,0 ) ,( 0 , 1,0,0), ( 0 ,0 ,0 , 1))
11. { ( 1, 0 , 0 , 0 ) , ( 0 , 1, 0 , 0 ) , ( 0 , 0 , 1, 0) , ( 0 , 0 , 0 , 1) )
13. El espacio solución es {(0, 0)), dim = 0 15. {(-2, 1, 0), (-3 , 0, 1)), dim = 2
17. {(-1 ,2 , 1)), dim = 1 19. a) { ( - 1 ,- 3 , 2))

b) 1
21. a) { ( - 3 ,0 , 1), (2, 1 ,0 )) 23. a) {( 8, - 9 , - 6, 6))

b) 2 b) 1
25. a) Consistenlc 27. a) Inconsistente
b) x = 1(2, - 4 . 1) + (3 ,5 , 0)
29. a) Consistente
b) x = /(5, 0, - 6, - 4 , l) + j(-2 . 1,0, 0 ,0 ) + ( l , 0 , 2 , - 3 .0 )
1 3 0 1
1
31. + 2 -1 1 2 0 m 2
2 0 1 )
35. Cuatro vectores en /?3deben ser lincalmente dependientes.
37. Suponga que A es una matriz m x /i, donde n > m . Entonces, el conjunto de n v
columna de A son vectores cn Rm y deben ser lincalmente dependientes. I)c otvu |
m > n> entonces el conjunto de m vectores renglón de A son vectores en Rn y do
linealmente dependientes.
39. a)
1 0 0 1 b)
1 0 0 1 c)
1 0 0 0
0 0 1 0 0 0 0 0 0 0 0 I
41. a) m b) r c) r d) R " c) R m
1. ( 8 ,- 3 ) 3. ( 5 .4 .3 ) 5. (-1 ,2 .0 , I)
7. (3 .2 ) 9. ( 1, - 1, 2) 1 1 . ( 0 , - 1. 2 )
R espuestas a los E jercicios Im pares A31
1 1
“ 3 3
3 1
4 2
1 1 1 4 5 1
21. 3 5 4 -7 -1 0 -1
3 6 5 -2 -2 0
i i 5 "
7 1 -2 2 2 4
3 0 -1 1 1 3
“ 2 2 4
7 3 -2
3 1 5
3 -1 1 2 2 4
33. C T < - l ' b 35. ( 4 ,1 1 ,1 )

(0, 3 ,2 ) 39. QP
(página 277)
Parábola 3 . Hipérbola 5. Punto
( 2. 1)
i 2
9 x 2 + 25>’2 - 3 6 x - 5 Oy + 6 1 = 0
7. 9. Parábola
♦ 4* + 6y - 2 - 0
II, ( * ' ) > ♦ £ £ - i 17. / + 4 - - U ' ) 2

A32 R espuestas a ¡os Ejercicios im pares
19. / = 0 25. b ) ,c ) y d ) 27. a ) ,b ) y d )
29. - 2 31. O
33. Linealmente 35. Lincalmcntc dcpo

independiente
37. Linealmente 39. Lincalmente depcmll»w|§

dependiente
41. y = C,sen x + C2 eos x
43. y = C, + C2 sen x + C3eos x I
J2 x2
49. No. Por ejemplo, considere y " = 1. Dos soluciones son y = - y y y = — + 1. Su ktlMM
es una solución.
Ejercicios de Repaso - Capítulo 4 (página 280)
1. a) ( 0, 2,5 ) 3. a) (3, 1 ,4 ,4 )
b) (2, 0,4 ) b) ( 0 ,4 ,4 , 2)
c) ( - 2. 2. 1) c) (3, - 3 , 0, 2)
d) (-5 . 6,5 ) d) (9, - 7 , 2, 7)
5. ( i , - 4 , - 4 ) 7. v = | u, + g u 2 + OUj
0 0 0 0 "* 11 —* 1 2 -* 13 —* 1 4
9. O iA = 0 0 0 0 . -A = -*2 1 -*22 —* 2 3 -*2 4
0 0 0 0 —* 3 1 -*32 -*33 "*34 .
11. W es un subespacio de R2. 13. W es un subespacio de R3.
15. W no es un subespacio de C [ - 1, 1]. 17. a) W es un subespacio de R*.

b) W no es un subespacio de R %,
IS genera a /?3? l S es linealmente independiente? ¿S es una base de R*'f
19. a) Sí b) No c) No
21. a) Sí b) Sí c) Sí
23. a) No b) No c) No
R espuestas a lo s E jercicios Im pares A33
25. S es una base de P y

27 . a) { ( - 3 .0 .4 ,1 ) , ( - 2 , 1 .0 , 0 ) ) 29. {(8,5)}
b) 2 Rango (A) y nulidad (,4) = 1 + 1 = 2
31. { (3 ,0 . 1 ,0 ), ( - 1 . - 2 , 0, 1)) 33. a) 2
Rango (A ) y nulidad (A) = 2 + 2 = 4 b) { ( 1 , 0 ) , ( 0 , 1 ) }
35 . a) 3 37. ( - 2 ,8 )
b) {( 1, 0, 0), (0, 1, 0), (0, 0, 1)}
39. ( 2 ,- 1 ,- 1 ) 41. ( l - \ )
43. ( 3 ,1 ,0 , 1) 45. (-1 2 ,6 )
1 l '
47.
1 3 49.
2 2
-1 1 3
5
5
” 2.
rcicios Com plem entarios - Capítulo 4 (p á g i n a 2 8 2 )
1. Base para W: {*, x 2, * 3} 5. Sí, W es un subespacio de V.

, Base para U: { ( * - 1). ( x - l)2. ( a: - l) 3}
Base para W n U : { (* ( * - \ \ x 2( x - 1))
7. Linealmente dependiente
11. Circunferencia 13 . Parábola

6 6 -
>•
+ y 2 - 4* + 2y - 4 = 0
[|7. a) y d) 19 . e*
I. Lincalmcnte independiente 23 . Linealmente dependiente
p ltu lo 5
Mil 5.1 (p á g in a 2 9 7 )
I. 5 3. I 5. 0 7. 5>/2
A34 R espuestas a los E jercicios Im pares
9. n/57 11. a) 5 13. a)r76

b) Vó b) VTf
c ) V 2T c )V ¡3
19. a ) ( £ . 0 , § , § )
V38 V38 V 38
_ 3 _______ 2_____5
b) ( - j .O , - 3 . - 5)
V 38’ V 38 V38
21. + 1 23. (2V 2, 2 V 2) 25. (1 .V 3 .0 ) 27.

n/14
29. 2V 2 31. 2V3 33. a)-6 35.

b) 25 b )l
c) 25 01
d) ( - 12, 18) d) (0. 0)
e) -12 e )0
37. a ) l 39. a) 5 41. a) 15

b) 6 b) 50 b) 57
c) 6 c) 50 c) 57
d) ( 1, 0, - 1) d) (0, 10, 25, 20) d) (90,
e) 2 e) 10 e) 30
43. - 7 45. K3,4) • (2, -3)1 < 11(3, 4)1111(2 . -3)11

6 < 5 \/l3
47 - 49. 1.713 radianes 51. 1.080 radianes

47' 2
(98.13°) (61.87°)
53. 1.841 radianes 55. í 57. v = (/, 0) 59. v = (2/, M)

4
(105.5°)
61 . v = ( / , 4 / , 5) 63. v es cualquier vector en R 4. 65. Ningunadomnbiil
67. Ortogonales 69. Ninguna de 71. Ortogonales 73. Paralelo*

ambas cosas
75. 11(5, 1)11 < 11(4,0)11 + 11(1, 1)11 77. 11(2, 0)ll2 = 11(1,- l) ll 2 +
V 2 6 S 4 + V2 4 = (sil)1
79. a) 6 = ^ suponiendo que u ^ O y v ^ O b )0 s()< ^ c ) ^ < 0 Si /f
83. Suponga que u * v = 0 y u * w = 0. Entonces

u • (cv + dw) = u • cv + u • dv/ = c(u • v) + ¿/(u • w) = c( 0) + d( 0) = 0.
85. Sean u = (eos 0)¡ - (sen 6)j y v = (sen 0)1 + (eos 0)j. Entonces
llull = Veos20 + sen 20 = 1

y
llvll = Vscn20 + cos 20 a 1.
Además, u • v ■ eos 0 sen 0 sen 0 c o i 0 - 0.
Respuestas a los Ejercicios Im pares A35
ión 5.2 (p á g in a 3 1 1 )
1. a ) -3 3 3. a) 15 a ) -3 4
b )5 b )V 57 b) V97
c) 2V65 c) 2VT3 c) V 266
. 16
7. a) O 9. a ) -7 3 11.
a ) Ts
b )8 V 3 b) V83
VÍO
c) 3V67 c )V 3 6 7 b)
5
c )V 2
13. a) - = 0.736 15. a)-6 17. a) - 4

e b) V35 b ) VTT
b) 4 ? = 0.816 c) 3V6 c ) V 2Í
c)
V 4 - +^ - -
2 3 2e 2 e
- 1-680
23. N o se cumple el axioma 4.
<(0. I). ( 0. I)) = 0, pero (0, I ) í 0.

25. N o se cumple el axioma 2.
<(1.0), (1 ,0 ) + ( 1 .0 » = <(1.0). (2, 0 » = 4

<(1, 0), ( 1, 0) ) + ( ( 1, 0), ( 1. 0))= 1 + 1 =2
N o se cumple el axioma 3.
2 (( 1, 0 ), ( 1, 0 )) = 2 ( 1) =2
<2(1,0), (1 ,0 )) = <(2,0), (1 .0 )) = 4
7T 31. 5
27. 2.103 radianes 29.
(120.5°)
33. a) l((5, 12). ( 3 . 4))l < 11(5. 12)1111(3,4)11

6 3 s(1 3 )(5 )
b) 11(5, 12) + (3.4)11 < 11(5, 12)11 + 11(3,4)11
8^5 ¿ 1 3 + 5
35. a) 1(2*, 3*2 + 1)1 < 112*11 II3*2 + III

0 < ( 2)(V I 0)
b) H2* + 3*2 + III :£ 112*11 + II3*2 + 1II
V Í 4 S 2 + VT0
37. a) l<scn * , eos *)l i Usen vil Ileos *11

0 sfi (V/r)(V/r)
b) Usen * + eos vil -- llsen vil + Ileos *11
-Jln r- V/r + V/r
43. a ) ( | . í ) 45. a ) ( 0 . j . - § ) 47. proyg f = 0

i \ <4 8, . -v / 5 15 10»
b ) ( 5 , 5) b )(- I4 f - 14, 14)
49. proyg f = 51. proyg f = 0

- 1i
t' —
53. b) No son ortogonales e:
en
el sentido euclidcano
proy.u

1. Ninguna de ambas cosas 3. Ortonormal 5. Ortogonal
,3 /W 7 3 7V T3
7. Ninguna de ambas cosas 9. Ortonormal
\ 13 13 )
Vio 2, - VTó
(2 ,-
2
) 17. (1 1 ,2 , 15)
(!• s ) - (s-
V2 _ V 2 \ /V 2 V 2
21. 23. 0. 0. I
2 ’ 2 )' \ 2 ' 2
2, ( (o . f )|
/ 4>/2 372 572 \
\ 7 ’ 14 ’ 14 /
3H ( ^ X ' - x 4 ( x - ° - # ' x )
1 X1 1> 1 r* 1 2
33. <A T,1>=J xdx= — =0 x2d x = ^ -
J-i -O
R espuestas a lo s E jercicio s Im pares
39.
41. Ortonormal 43. [x2^ , 1)
2V2
49. Suponga que w es ortogonal a cada vector de { v ,,v 2, . . . , v j . Entonces
w • (c, V , + C2 V 2 + •••+ C „V n) = W . C,V, + W . C 2V 2 + •• •+ W . c„v„

= C .W • V . + C ,W • ¥ , + ••• + c w •v
= c ,( 0) + c 2(0) + • • • + c„(0)
= 0.
1. ( 0 ,0 ,1 ) 3. ( 1 ,0 ,0 ) 5. (-2 , 3 ,- 1 ) 7. 1
9. 6-J5 11 . 1 13. 6 15. 3
27. a)g(jr) = -6 +x 29. a) £ « « 0 . 1 9 4 5 + 6.*
31. a) g(x) * 0.1148 + 0.6644* 33. a) g(x) = 1.Sx2 - O.dí + 0.05
b) b) ,
35. a ) g ( x ) = -0.0505 + 1 .3 l2 2 x -0 .4 1 1 1 x 2
b)
jrp- A
39. g ( x ) = — + 4 eos x + eos 2 x + — eos 3a:
41. #(*) = — (1 - e - lK) ( \ + eos^ + sen a:)

2K
2 sen 3a:
43. g(:c) = (1 + n ) - 2 sen x - sen 2 x — — 45. gU) = sen 2a:
. sen 2 x . sen 3a : , , senn //a: \

47. g ( x ) = 2 ( sen a: + -------------- + ----------------+ • • • +
n )
Ejercicios de Repaso - Capítulo 5 ( p á g i n a 348)

1. a)V 5 3. a)V ó 5. a) 3
b )V Ü b) VÍ4 b) 3
c)6 c) 1 c) 4
d) V I O d) 3V2 d)VTÓ
7. llvll = V38
V38 ’ V38 ’ V38 )

K
9. 0.2663 radianes 11 . 13. K
(15.26°)
15. ( - A . i l ) 18 12 WH
17. 19. a ) -2 h)
V 13 13 / 29 29 29 I 2
21. Desigualdad del triángulo:
( 2- y j ) + ( t ' 2- ' 2 ' ~ ~2~' 1

n/ 6 7
R espuestas a los E jercicios Im p a res A39
Desigualdad de Cauchy-Schwarz:
I<(2- t 4(Í'H>
2< 15 53 = 9.969
23. (s, 3/, 4/) 25.

(2
V ' V 2 ) ’ ( _ V2 ' J)2
27.
29. a) ( - 1 ,4 , - 2 ) = 2(0, 2, - 2 ) - (1, 0, -2 )
, b )( ( ° ' 7 ! ' " 7 2 ) ’ ( 7 f ' " 7 f ' “ v ! )
c) H , 4 . - 2 ) = 3 V 2 ( 0 » .- ^ ) - V 3 ( » 1 )
31. a) — b) c) - L d) {V3jc, V5(4.t 2 - 3.r))

4 V5 V30
33. Sean f ( x ) =V 1 - x2 y g(x) = 2x V 1-
< f.g )= J'

J-1
Vi - x 22v Vi - x 2 r/x
= i * 2jv(1 - x 2) d x = 2 f ( x - x })clx
•'-i J-i
l 2 4 "
35.
(L a respuesta no e s única).
37. a) 0
b) Ortogonales
c) Como (f, g) = 0, se concluye que l(f, g)l ^ llfll llgll.
Klcrclclos CompIcmcnUirlos - C apltulo 5 (página 350)
1. Suponga que llull • I y llvll 1. Entonces, por la desigualdad de Cauchy-Schwarz se

concluye que
l< u ,v )la ; llull llv ll* ( | ) ( | ) ■ I.

9. a) ( / , / , - / ) 11. (O, 1 ,-1 ) 13. 7 15. 1

h) W
17. g(x) = ^ - x 19. g(x) =

K
i
i
i
21. g(x) = -2— (-1 0 *2 + 24.r + 3) 23. g(x) =
>'
C apítulo (>
Sección (>.I (página 364)
1. a) ( - 1 ,7 ) 3. a) ( 1 .5 .4 ) 5. a) (-1 4 . -7 )
b) (i 1. - 8) b) (5. - 6. í) b) ( I. I ./)
7. No es lineal 9. No es lineal 11. No es lineal

13. Lineal
15. Lineal 17.
19. T: R 2 - ÁJ
21. T .K '- R 4 23. a) ( - 1 .9 . 3)
b ) (6f, i, 21. .*•/)
R espuestas a los E jercicio s Im pares A41
5. a) (10, 12,4) 27. a) (-1 , 1 .2 . 1)

b) ( - 1, 0) b) ( - 1, 1. 5, 1)
c) El sistema representado por
1 2 f
29. a) (0, 4V2)
-2 4 xi — b) ( 2 V 3 - 2 , 2V3 + 2)
i
-2 2 X2
1 '( 5 5 V3 \
r T , — r~J
es inconsistente.
31. a) Verdadera 33. a) -1 35. 7X1.0) = ( 5,^ )

b) Verdadera *»TT 7X0, 2) = ( 1 ,- 1 )
c) Falsa c) - 4
37. x 2 - 3* - 5 39. a) (x, 0) 41. ( 5U + )’). i U + y))

b) Proyección sobre el
eje x.
45. 7(3, 4) = ( 5, 5) 47. Para cualquier transformación lineal T: V
—►V, el vector cero es un punto fijo porque
7X7X3. 4)) = ( 5. 5)
7X0) = 0.
T es una proyección sobre la recta y = x.
49. (í, 0)
SI. Suponga que /i y k no son cero a la vez. Como

7X0, 0) = (0- h, 0 - k) = (-/i, - k) * r0. 0)
se concluye que T no es una transformación lineal.

3 . Si 7(x, y ) = (x - h, y - k ) = (x, y), entonces h = 0 y £ = 0, lo que contradice la hipótesis de
que h y k no son cero a la vez. Por consiguiente, T no tiene puntos fijos.
S5. Sea T: R3 -* R 3 definida por 7(x, y, z) = (0, 0, 0). Entonces si {v ,, v2, v3) es cualquier
conjunto de vectores en R y el conjunto {7Xv,), 7'(v2), 7Xv3)) = |0 , 0, 0) es lincalmente
dependiente.
|7 . Sea T: V -* V definida por 7(v) = v. Entonces T(u + v) = u + v = 7'(u) + 7'(v), y T(cu) =
cu = c7T¡u), lo cual implica que T es una transformación lineal.
ÍÓ!1 G.2 (página 381)
1. /f 3 3. {rtjX + üyX2 + a 3x3: a v a 2, ay son reales)
5. ((0 .0 )) 7. a) 1(0, 0))

b) { ( 1. 0), (0. 1))
9. a) { ( - 4 , - 2 . 1)) 11. a) { ( - 1. 1, 1. 0))
b) { ( 1. 0). (0. I)) b) { ( 1, 0, - 1, 0), (0, 1, - 1, 0). (0, 0, 0, 1))
y U) 1(0. 0)) 15. a) 1(0. 0))
b) 0 b) 0
c) K1 c) l(4.v, 4/. v - /): s y 1 son reales)
(1)2 d )2
A42 R espuestas a lo s E jercicios Im pares
17. a) {(-11 ty 6ty 4/): t es real} 19. a) {(/, -3/): t es real}

b) 1 b )l
c) R2 c) {(3/,/): / es real}
d) 2 d )l
21. a) {(2s - ty ty 4Sy - 5 Sy s): s y t son reales}

b) 2
c ) {(7r, Isy Ity 8 r + 20 s + 2/): r , s y / son reales}
d) 3
23. a) {(5 + ty Sy - 2 /): s y t son reales}
b) 2
c) {(2/, -2 /, /): / es real}
d )l
25. Nulidad = 1 27. Nulidad = 3 29. Nulidad = 0
Núcleo: una recta Núcleo: R 3 Núcleo: {(0, 0, 0)1
Contradominio: un plano Contradominio: {(0, 0, 0)} Contradominio: rt*
31. Nulidad: 2
Núcleo: {(x, y y z): x + 2y + 2z = 0} (plano)
Contradominio: {(/, 2/, 2/), / es real) (recta)
33. 3 35. 5
Cero Base estándar

37. a) (0 ,0 , 0 ,0 ) { ( 1, 0, 0, 0), (0, 1, 0, 0), ( 0, 0, 1, 0), ( 0, 0, 0, 1)}
1 0 0* 0
b) 0 1 0 0
*
0 0» 1 » 0
0 0. 0 1
c)
0 0 1 0 *
0 0»0 0
0 0 0 0 10 0 1 0 0 1
d ) />(*) = 0 { l , * , * 2, a:3 }
e) (0, 0, 0, 0, 0) ( ( 1, 0, 0, 0, 0), ( 0, 1, 0, 0, 0), (0, 0, 1, 0, 0), (0. 0. 0, I

39. El conjunto de funciones constantes: 41. a) Rango = 1, nulidad = 2
p{x) —% (l, 0
-b/ ) (l'** 2), V( 1-»
”», - -/T , 2-»
,0 )}
-// IM
47. a) Rango = n 49. mn = j k
b) Rango < n
5 -3 1 1 0
1. 3. 1 1 5. I -1 0
-4 1 0 o 1
Respuestas a los E jercicios Im p a res A43
1 1 2 0 -1 0
0 -2 3 1 -1 0 3 0 -4
7. 4 0 11 9. 11
AA».
2 0 -1 0 4 0
0 2 0 1 0 1
V2 V 21
-1 0 2 2 10 0
• a) 15. a) 17. a)
0 -1 V2 V2
0 1 0
2 2 . 0 0 -1
) (-3 , - 4 ) b) ( - 4 V 2 , 0) b) (3, 2, - 2 )
c) y
9 3 3
-1 0 21. a) “¡0“ ~W 23. a) 5
9. a)
0 -1 3 1 4
10 10 "5~
b ) (- l.- 2 )
c)
^ 7 /1 .4 )
I I I *
-14- 2 0 4 5
-2 n A J
-3 3* 5
2 -4 0 2 0 0 0 0 0 0
r= . r = 7 -3 27. T= i 0 0 , r = i 0 0
-1 -5
0 0 0 .0 0 0
-4 - 1 3 2
-2 5 -3 1 31.
-3 -1
A44 R espuestas a lo s Ejercicios Im pares
33. T no es invertible. 35. 37. (9.5.4)
39. ( - 1 ,5 ) 41. ( 2 , - 4 , - 3 , 3) 43. (9, 1 6 ,-2 0 )
0 0 0 0 1 0 0
1 0 0 0 0 0 0
45. 47. 49. 3 - 2ex - 2xel
0 1 0 0 0 1 1
0 0 1 0 0 0 1
0 0 0 0 " 1 0 0 0 0 0 *
1 0 0 0
0 0 0 1 0 0
51. a) 1 53.
0 1 0 0 0 0
0 0 0
2 1 0 000 1 0
0 0 3 0 0 0 1 0 0 0
1
0 0 0 4
0 0 0 0 0 1 .
b) 6* - x 2 + | x 4
4 -3 1 0 2 -1 1
1. a )/T = b ) A '= 2 l
* -1
3 3
1 1 -2
3. a) A ' = -1 0
b ) A '=
0 1 1 1
0 1 1 1 -1 1
1 0 0'
5. a) A ' = 0 1 0
0 0 1
1 1
2 2 - 2 1 0 0" 1 1 0‘
b ) A '= 1
2
1
~ 2
1
2
0 1 0 1 0 1
1 1 i
0 0 1_ 0 1 1
2 2 2
7 10 1
3 3 " 3
7. a) A ' = 1 4 8
6 3 5
2 4 2
3 3 "3
2 1 1 “
3 3 5 1 -1 2 1 0 1
1 1 1
b) A ' = X
6 3
2 1 -1 0 2 2
1 1 l 1 2 1 1 2 0
5 "3
6 4
9. a) 11. a)
9 4
1 2
2 4 =
b) [v]R=
-1
m y ) ] B=
-4
b )[v ]B = 0 , [7 T v ) ] b
-1
-1 -2 .
4 1 1 1 0 0 ‘ 1 1 0
3 3
VII
c )A '= 3 0 2 0 ,P -' = 1 0 1
O
7 3 1
4 “ 2 0 1 3 . 0 0 1
8 ' 1
d) “ 3 d) 0
5 -3
3. Suponga que A y B son semejantes. Entonces.

161 = \P ~ 'A ñ = IP-'I IAIIPI =-j^j- L41161 = L4I.
15. Suponga que A y B son semejantes. Entonces, existe una matriz P tal que B = P~lAP. Esto
implica que
Bk = (P -U P K P -U P X P -M P ) • • • (P -'A P ) = P~]A (P P -])A (P P -])AP • • • P~]AP
= P - ](Ak)P.
9. Suponga que A 2 = O y que B = P~]AP. Entonces

B2 = P - ]APP~]A P = P - 'A 2P = P -'O P = O.
. Suponga que A y B son semejantes. Entonces B2 = P~]APP~]A P = P~]A 2P, lo cual implica
que A 2 es semejante a B2.
♦ Suponga que A = CD, donde C es invertible. Entonces C~]A = D y se tiene D C = C~XA C ,
lo cual implica que D C es semejante a A
lón 65 (página 413)
1. a) ( 3 ,- 5 ) 3. a) (y, x )
b) ( 2, 1) b) Reflexión en la recta y = x.
c) (ia, 0)
d) (0, -b )
I. a) Contracción vertical 7. a) Deslizamiento horizontal
b) , b)
9. {(O, /): /e sr e a l) 11. { (/.O ):/e s real)
13. 15.
25. 7X1.0) = (2 .0 ), 7 \ 0 , 1) = ( 0 ,3). 7X2.2) • (
27. Dilatación horizontal 29. Reflexión en la recta y = x.
31. Deslizamiento vertical seguido por una dilatación horizontal.
V3 1 i
0 V3
2 2 0 2 2
i V3 35. 0 1 0
2 0
2 V3
0 i
0 0 1 2 5 «
R espuestas a los E jercicios Im pares A47
41. 90° alrededor del eje x 43. 180° alrededor del eje y 45. 90° alrededor del eje z
0 1 0
47. 0 0 -1 , Segmento de recta de (0, 0 ,0 ) a (1, - 1 , -1 )
- 1 00 00
V3 1 V 3l
4 4 2
1 V3
0
49.
2 2 , Segmento de recta de (0, 0, 0) a ^ 1 ■1 1j
3 V3 1
4 4 2
Ejercicios de Repaso - Capítulo G (página 417)
1. a) ( 2 ,- 4 ) 3. a) ( 1 ,1 ,1 ) 5. Lineal,
1 2
-1 -1
b) (4 ,4 ) b) (0,4 ,4 )
0 1 0 -1 0
7. N o es lineal 9. Lineal, 0 1 11. Lineal, 0 1 -1
1 0 -1 0 1 .
eos 30 -sen 30
13. r ( i , i) = ( | , | ) 15. A 2 = ¡ 17. /t 3=
sen 30 eos 30
7-(0. 1) = (1, 1)
19. a) T : R * - * R 2 21. a) T: R 2 -* R 3
b) (3, -1 2 ) b) (-2 . - 4 , -5 )
c) ( ( - 2 , 3 - 2/ , / ) : / es real) c) (2, 2, 2)
23. a) ( ( 2 , - 1 , 0 ,0 ) , (2 ,0 , 1 ,-2 )} 25. a) ((0 ,0 )}

b) {(5, 0 ,4 ), (0, 5, 8)}
b) ( ( 1, 0, 2), ( 0, 1, - j ) }
c) Rango = 2, Nulidad = 0
27. 3 29. 1
A=
0 1 0 1 1 0 A-' = 1 0
II
,A-*
w = y
♦
k 1 -k 1
,
1 0 1 0
0 0 0 0 0
0 1 0 • r= 1 1
II
35. T no tiene inversa.

•
0 1 0
41. a) Uno a uno
b) Sobre
c) Invertible
A 48 R e sp u e sta s a lo s E je rc icio s Im p a res
43. a) Uno a uno 45. a) (0, I, I)

b) Sobre b ) (0, 1, 1)
c) Invertible
47. A '= 3 -1
,A ' = P - 'A P =
1 -3 1 1
1 -1 -1 1 -1 1
Ejercicios Complementarios - Capítulo 6 (página 420)
0 0
1. a) 1
5
2
5
7. b) Nulidad = 3, rango = 1
2 4 c) {1 1 - x 2, 1 - x 3)
5 5
9. K er(7 3 = {v :< v .v 0> = 0) 11. m n - p q

Contradominio = R
Rango = 1
Nulidad = d im (V )- 1
13. a) Dilatación vertical 15. a) Deslizamiento vertical
b) b)
y
f (jr.y + lr)
i
i
i
<>
¿ (*.y)
17. 19.
V2 _ V2
2 2 0
1. Reflexión en la recta y = x seguida 23. V2 V2 ,( V 2 , 0, 1)
0
por una dilatación horizontal. 2 2
0 0 1
V3 1 ^3
2 4 4
5. 1 V3 3
2 4 4
2 -
( 0. 0, 0), ^ , o ) . (0. V 2 , 0), ^ ^ , o ) . (0. 0. 1). , - ñ . . 1) .
(O.V 2 . D . ( - ^ L ^ . l )
pítulo 7
'lón 7.1 (página 434)
1 1 1 k 1 1 1
1. 0 1 1
o r i = _ , i
= 3. =
1 0 1 1 1 0 -i -i 0 -1 0 0
5.
1 1 1 0 1 •
1 1 1 = 2 1
1 1 -1 -1 1 1 1 1
-2 -3 f 1 -2 2 -3 -2 -2
7. 2 -6 2 5 2 2 1 -6 1 = -3 1
-1 0 - 1. . - 1. -1 -2 0 0. 0.
-2 2 -3 3' 3
2 1 -6 0 = -3 0
-1 -2 0. . 1. .1
1 1 c
= 0 c
b)
1 1 2c = 2 2c
9. a)
1 1 -c -c 1 1 2c 2c
I I . a) No 13. a) Sí 15. a) X2- 5X + 6 = 0
b) Sí b) No b) X = 2, (1 ,0 )
c) Sí c) Sí X = 3, (1, 1)
d) No d) Sí
17. a) X2 - 7X * 0 19. a) X2 - 6X + 5 = 0
b) X * 0. ( 1. 2) b) X * 1,(3,-1)
X - 7 . ( 3 ,- 1 ) X ■ 5 ,(1 , 1)
21. a) X3- 6X2 + 1 IX - 6= O 23. a) X3- 3X2- 9X + 27 = O

b) X = l , ( 1 ,2 ,- 1 ) b) X = - 3 , ( 1 ,1 ,3 )
X = 2, ( 1 ,0 ,0 ) X = 3, ( 1 ,0, -1 ), (1, 1 ,0 )
X * 3, ( 0 .1 ,0 )
25. a) X3- 4 X 2 + 5 X - 2 = 0 27. a) X3- 8X2 + 4X + 48 = O

b) X = 1 .( 1 . 0. 0) b) X = - 2 , (3, 2 ,0 )
X = 2, ( 7 ,- 4 ,- 1 ) X = 4, ( 5 ,- 1 0 ,- 2 )
X = 6, (1, - 2 , 0)
29. a) X4- 6X3+ 9X2 = O 31. p(X) = X2 - 6X + 8, p(A) =

b) X = 0, ( 1, 0, 1, 0), ( 1, 1, 0, - 1)
X = 3, ( 1 ,0 , - 2 , 0 )
O O
33. p(X) = X3- 5X2 + 15X - 27, p (A ) = O O
O O
37. Suponga que X es un valor característico de A, con vector característico correspondí*
x. Debido a que A es invertible, se sabe (ejercicio 36) que X 4= 0. A sí, Ax = Xx iinplltn
x = A~'Ax = A~'Xx = XA_lx, lo cual a su vez implica que (1/X)x = A_lx. Por tanto, x
vector característico de A-1 y su valor característico correspondiente es 1/X.
39. El polinomio característico de A es p(X) = 1X I - Al. A sí el término constante de /»(X)

dado por p (0) = 1-AI = ±IAI.
41. Suponga queA es una matriz triangular (real) cuyos elementos en la diagonal prinel
X,, Xj Xn. Por el teorema 7.3 se sabe que los valores característicos de A son X
. . . , Xn. Así, A tiene valores característicos reales. Además, debido a que el detci
de A es IAI = X, • X¿ • • •, Xn, se concluye que A es no singular sí y sólo si cada X, es dlío
de cero.
43. a = 0 , d = 1 o a = l,r í = 0 45. dim = 3
47. dim = 1 49. 1\ex) = - £ - l e x] = ex = l(e')
53. X = 0,
1 0 1 1
51. X = - 2 , 3 + 2x
1 0 0 -1
X = 4 , - 5 + lQx + 2*2
X = 6, -1 + 2x 1 0
X = 3,
-2 0
Sección 72 (página 447)
1. p - 1=
1 -4
,y P -'A P =
1 0
-1 3 0 -2
2 2
3 “ "3" 1 '
5 0 0
1
0
H
0 0 , P -'A P rn
•tii
T “ 3 0
•
1 1 0 0 - 1.
.-T TT 0
5. Sólo hay un valor característico, X = 0, y la dimensión de suespacio característico es 1.

7. Sólo hay un valor característico, X = 1, y la dimensión de su espacio característico es 1.
9. Sólo hay un valor característico, X = 3, y la dimensión de su espacio característico es 1.
11. X = 0, 2 La matriz es diagonalizable.
13. X = 0 ,2 Número insuficiente de valores característicos para asegurar la diagonaliza-
bilidad.
1 1 -3 1
15. P = 1 7. /> =
-1 1 1 1
1 0 -1 1 -1 1
1 9 . /> = 0 1 -2 21. P = 1 0 1
0 0 1 3
. 1 0.
3 -1 -5 "
23. P = 2 2 10 2 5 . A n o e s d ia g o n a liz a b le .
0
. 0 2
'4 0 0 o'
4 0 -2 0
K>
II
4 3 1 0
. 1 1 1 1 .
29. {(1, - 0 . 0 . 1 ) } 31. {(-!+*),*}

33. a) B k = (P -'A P )k = (P -'A P )(P -'A P )(P -'A P ) • • • (P~]AP) = P~'AkP
b) A k = (P B P -')k = (P B P -')(P B P -')(P B P - ' ) • • • (PBP~]) = PBkP~l
384 256 -3 8 4 '

-1 8 8 -3 7 8 37.
35. -3 8 4 -5 1 2 1152
126 253
-1 2 8 -2 5 6 640.
39. Sí, el orden de los elementos sobre la diagonal principal puede cambiar.
41. Suponga que A es diagonalizable. Entonces P~XA P = D es diagonal y
& = ( p - ' a p )1= p ,A \ p - ' y =
es diagonal. Por consiguiente, A ' es diagonalizable.
43. Suponga que A es diagonalizable con valores característicos reales Xv . . . , Xn.
Entonces,
x, o
o x,
U l - Ir - ' A r X|*I • • • XB.
» » , . . x.

1. Simétrica 3. N o es simétrica 5. Simétrica
7. X = - 1 , dim = 1 9. X = 2, dim = 2 11. X = - 2 , dim = 2
X = 3, dim = 1 X = 3, dim = 1 X = 4, dim = 1
13. Ortogonal 15. N o es ortogonal
17. Ortogonal 19. Ortogonal
' v y v y ' v r V T '

2 2 3 3
21. P = 23. P =
VT v y v y VT
2 2 3 3
(La respuesta no es única). (La respuesta no es única).
o
yr
2 2
VT
o
yr 0
25. P = 27. P = 2 2
yr 0
v r
2 2
(La respuesta no es única). y r
0 y rj
2 2
29. A'A es simétrica porque (A'A)' = A'(AOr = A'A.

AA l es simétrica porque (AA*)' = (AO'A* = AA*.
31. Suponga que A es ortogonal. Entonces, A-1 = A', y se tiene IArl = IA"1!, lo cual implica <|M#
IAA-1! = IAIIA-M = IAI IA'I = IAI2 = 1.
Por tanto, IAI = ± 1 .
33. A"1 =
1 cos # sen # cos # sen#
= A'
cos2# + sen2# -se n # cos # -sen # cos#
84 60
20 10
X2 = . x3 = 3. x 2= 12 * X3 =
84 5. x = /
5 10
6. . 6
960 2340
7. x = t 9. x 90 * *3 720
45
30 ~r
R esp u esta s a los E jercicio s Im pares A53
1 1 2 1 +V5 = 1 +V5 2
11.
1 0 - i + V5 2 2 -1 + V5
i r 2 1 -V s = 1 -V 5 2
1 ° -1 -V 5 2 2 -1 -V 5
13. = -L -
i +V3 i - V3 15. x w = 55
n VT
19. lim J a - = I + 2 Ü
V. 22
25. y, = C , e ' - 4 C 2e2'
y2 = C2e2'
29. y , = 3C,íT2' - 5C 2e4' - C3<

e6'
y 2 = 2C,e-2'+ 10C2e * + 2C3,
>3 = 2C2e4'
31. yi = c i
* ' - 2 C 2é?2 / - 7 C 3e 3' 33. y { = y x+ y 2 3S- V =
C 2e 2/ + 8 C 3£ 3í
ii
y2 =
2 C y > 3' >'3/ = -4y
?3 =
1 0 9 5 0 5"
37. 39. 41.
0 1 5 -4 5 -1 0
■ 1 3
2‘l - i 1. Vio Vio
43. /I = p = , \ 2 ’ ^2 - 2
”í “2 3 1
.VüT Vio
_ 1_ VT
13 3V3 2 2
rf
VO
45. A =
II
II
. P =
*
3V3 7 VT _ 1_
2 2 .
3 4
16 -12 5 “ 5
N)
47. /I = P =
II
11
P
• V
-12 9] 4 3
5 5
49. Elipse, 5(x')2 + 1 5 ( / ) 2 - 45 = O
51. Hipérbola, -2 5 (* ')2 + 150 -')2 - 50 = 0

53. Parábolo. 4 ( / ) J + Ax' + 8/ + 4 - 0
55. Hipérbola, j H *')2 + (y ')2 - 3 V lr ' - V 5 / + 6] = 0

A 54 R espuestas a lo s E jercicios Im pares
3 -l 0
57. A = -l 3 0 , 2 (*/)2 + 4 (/)2 + 8(z/)2 - 16 = 0
0 0 8
Ejercicios de R epaso - Capít ulo 7 (página 482)
1. a) A.2 - 9 = 0 3. a) V - 20A.2 + 128A. - 256 = 0

b) X = - 3 , ( 1 ,- 5 ) b)A.= 4 ,(1 , - 2 , - 1 )
>. = 3.(1 , 1) A. = 8, ( 4 ,- 1 ,0 ) , (3 ,0 , 1)
5. a)>.3- 6>.2 + 1IX - 6= 0 7. No es diagonalizable

b ) X = 1 ,( 1 ,2 ,- 1 )
>. = 2, ( 1. 0, 0)
>. = 3 ,(0 , 1,0)
i 0 I
9. P = 0 1 0
1 0 -1
(L a respuesta no e s única.)
11. La ecuación característica de
eo s# -se n #
A =
sen# eo s#
es A.2- (2 eos 0)X + 1 = 0 . Las raíces de esta ecuación son A, - eos 9 c m 2tí I, NI
0( 6{ /r, entonces -1 ( eos 0 ( 1, lo cual implica que Veos2# - 1 es imaginario.
1 3. A sólo tiene un valor característico, A. = 3, y la dimensión de su espacio carac(crÍN(lo
2.
0 1
1 5. P = 1 7. Tanto ortogonal com o 19. Simétrica
1 0
simétrica
2 l “ l 0 I
V T ’V T 42 42
21. P = 23. P = 0 l 0
i 2 l l
.4 5 ~ V 5 42 0 42
(L a respuesta no es única.) (1.a respuesta no es única.)
27. ( I i I )
2S- ( 5 . 5) * '• ' 4*2*4' 29- •'n r> i
o 1
33. /t = , A, e 4, Aj a 2
1
9
0 3 II
Ejercicios Com plem entarios - Capítulo 7 (p á g i n a 484)
56 -4 0 A3 = 368 -3 0 4
1. A2 =
-88
20 -4 152
3. a) Verdadero. Si A x = \ x , entonces A 2x = /t(i4x) = A (kx) = X-4x = X2x t lo cual implica que

x es un vector característico de A 2.
b) Falso. Sea A = ^ ^ J Entonces x = (1, 0) es un vector característico de A 2, pero no

de A.
5. Suponga que A y B son matrices n x n con A no singular. Entonces, A~](AB)A = BA, lo cual
implica que A B es semejante a BA.
1 1 9. d ) a = b = c = 0
7 T b) dim = 1 si a * 0, b 4=- 0, c ^ 0
7. P = dim = 2 si exactamente uno es 0
i i
dim = 3 si exactamente dos son 0
.V T VT*.
4500' 1500' 24'
100 , x 3 = 25 2 4500 , x = / 12
X2 = ,x = í 13. x 2= 300 , x 3=
25 25 1 50. 50. 1.
15. x 14= 377
17. y x = -2 C , + C2e f 19. y x = C xe l + C2e'

? 2= c i y 2 = C te ' - C 2e-
21. i4 = 23. /t =
- i , -L o
2
i i 1 _ 1
VT VT VT VT
P = P =
i i i i
.V T ’ VT . .VT VT.
5 (* ')2 - O '')2 = 6 CO 2 - (y ')2 = 4
-2
\ \
C apítulo 8
1 . 0.4281 x i o 4 3. -0 .2 6 2 x 1 0 '
5 . - 0 .121 x I O - 2 7. 0.125x10°
9. a) 0.331 x 103 11. a ) - 0 .9 2 6 x 1 02

b) 0.3310 x 103 b) -0 .9 2 6 5 x 102
13. a) 0 .4 3 8 x 10° 15. a) 0 .1 4 3 x 1 0 °

b) 0.4375 x 10° b) 0 .1 4 2 9 x 1 0 °
17. Aproximada: -3 7 0 0 19. Aproximada: x = 23.8, y = 0

Exacta: -3694.7352 Exacta: x = 10, y - 1
S in piv o teo p arcial C o n p iv o te o parcial S in piv o teo parcial C o n piv o teo parcial
2 1 . x = 2.04 *= 1 23. * ,= - 0 .0 8 9 9 * ,= - 0 .4 9 3
y=0 y= l *2= o *2 = 0 .1 0 0
*3 = 20.2 *3 = 20.1
25. * = 9000 27. * = 2 y * = 1

y = -9 0 0 0 y =0 y =1
29. * , = - 4 . 5
*2= 19
*3 =-12
1. *, = 1.00 3. * , = 2.00 5. * , = 1.00 7. * , = 2.00

*2= 1.00 * 2 = 2.00 *2 = 1.00 * 2 = 2.00
* 3 = 2.00 * 3 = 2.00
9. n 0 1 2 3 4
x\ 0.000 - 1.00 9.00 -3 1 .0 129
X2 0.000 5.00 -1 5 .0 0 65.0 -2 5 5
11. n 0 1 2 3 4
x\ 0.000 -3 .5 0 2.75 117.0 -33.8
X2 0.000 4.17 80.40 - 20.2 -1114.0
*3 0.000 23.50 4.75 -3 3 8 .0 114.0
13. Estrictamente dominante cn 15. No estrictamente dominante cn

la diagonal lu diuunnnl
17. * , = 1.0 19. * ,= 4 .0 0

* 2 = 1 .0 *2= 5.00
* 3 = 1.00
21. a) Método de Jacobi
n 0 1 2 3 4 ... 31
x\ 0.00 -0.250 1.625 1.781 0.609 ... i
X2 0.00 1.500 1.625 0.688 0.609 ... i
b) Método de Gauss-Seidel
n 0 1 2 3 4 ... 19
x\ 0.00 -0 .2 5 0 1.781 0.512 1.305 ... i
X2 0.00 1.625 0.609 1.244 0.847 1
23. 10 R E M -----------------> Método de Gauss-Seidel <-----------------

15 LE TX 1 = 0
20 LET X 2 = 0
25 LET X3 = 0
30 LET X 4 = 0
35 LET X5 = 0
40 LET X 6 = 0
45 LET X7 = 0
50 LET X 8 = 0
55 LET E = 1
60 1F E < .001 THEN GOTO 195
65 LET TI = XI
70 LET T2 = X2
75 LET T3 = X3
80 LET T4 = X4
85 LET T5 = X5
90 LET T 6= X 6
95 LET T7 = X7
100 LET T 8 = X 8
105 LET X 1 = 3/4 + (-X 2 + X3)/4
110 LET X2 = -1 + (-X 1 + 2*X3 - X 4 + X5)/6
115 LET X3 = -1 + (-X 2 + X5 - X6)/5
120 LET X4 = (-2 * X 2 + X5 + X7 + X8)/5
125 LET X5 - 2 ♦ (X3 + X4 + X 6+ X 8)/6
130 LET X6 - -1 2 /5 -f (X3 ♦ X5)/5
135 LET X7 • 1/2 ♦ (X4 ♦ X8)/4
140 LET XH • 2/5 4 (X4 4 X5+ X7)/5
145 L E T B - A U H T l X I)
150 1F ABS(T2 - X2) > E THEN LETE ABS(T2 - X2)

155 IF ABS(T3 - X3) > E THEN LETE ABS(T3 - X3)
170 IF ABS(T 6 - X 6) > E THEN LETE ABS(T 6 - X 6)
180 IF ABS(T 8 - X 8) > E THEN LETE ABS(T 8 - X 8)
185 PRINT
190 GOTO 60
195 PRINT
200 PRINT “La solución final es:”
205 PRINT “ XI = PRINT USING “##. ###”;X 1
210 PRINT “ X2 = PRINT USING “##. ###”;X2
215 PRINT “ X3 = PRINT USING “##. ###”;X3
220 PRINT “ X4 = PRINT USING “## ###”;X4
230 PRINT “ X 6= PRINT USING “## ###”;X6
240 PRINT “ X 8 = PRINT USING “## ###”;X 8
245 END
*******
La solución final es:

XI = 1.000
X2 = -1 .0 0 0
X3 = 0.000
X 4 = 1.000
X5 = 2.000
X 6 = -2 .0 0 0
X7 = 0.000
X 8 = 1.000
ScCCiÓIl 8.3 (página 513)
1. X = - 4 , 2 3. X = - 4 , 4 5. X = - 1 . 2 . 3
N o existe vector carac
1 5
-6 terístico dominante 1
2
7. X = 2 9. X = - 3
-0.1132 0.5
11 . x 5= , X « -6 .9 9 8 13. x5=
1.0000 1.0
0.0156 0.9984
15. x4 = 0.0041 , X, ~ 8.0068 17. x4 1.ÍKKK) . X ~ 5.0061
1.0000 0.1673
1 1 1 f 1
19. xü = 1 ,x ,= 1 1 1 , x 4= 1
X
II
K>
* X3 “
1. -1 1 -1 1
21. a) Valores característicos: 2, 5
Vectores característicos: (1, 1), ( - 2 . 1)
b) *0= » ~
c) Porque la hipótesis inicial era un vector característico para X = 2.
23. X. = -0 .9 8 2 (El valor real es X = -1 .)
25. a)i4: X = 1 ,3
B : \ = 1 ,5
b)A :x0=
-1 0 x 2-
0.5
, x 3=
0.8 . x 4=
0.929
*X| = 1
2 1 1 1
B :x0 =
-1 0.57
, x2 =
0.906
,x3=
0.981
, x4 =
0.996
2 *X| =
> 1 1 1
5
B debe converger más rápido.
27. X « 9.000
1. y = 0.1760*2 + 0.0935* + 0.2533 3. y = - 0 .6 7 8 6 ^ + 0.1357* + 3.9143
y y
5. y «0.287*3 - 2.45<u* * 3 .3 3 6 * - 0.254

A60 R e sp u e sta s a lo s E je rc ic io s Im p a res
7. y = 0.09434a3 + 0.7992a2 + 0.351 8a + 0.4313
9. y = -0 .3 9 7 a 2 + 0.966, y - í - =0.721 (E x a c ta : 0.707)

4
11. a)/7,(A)
a)/?,(A) = 3310.7
1 0 .7 -3 .0 8 8 a
- 3.088v b ) p 2(x) = 0.08579a2 - 15.37a + 6 9 6 |
c) d) /?“(120) = -59.9, p 2( 120) = 87.8
13. Sea a = 0 que representa 1977. 15. Sea v = 0 que representa a 1970.
y = 0.2856a2 + 4.1 39a + 22.62 y = 0.0676 a + 3.778
1986 (a = 9): 83.00 1990 (a = 20): 5.13
1988 (a = II): 102.7 1995 ( v - 25): 5.47
R espuestas a lo s E jercicio s Im pares A61
17. p l = 0 .1 5 5 3 p 2 = 0 .2 0 5 0 19. /, = 8 5 .7 1 4 3 t2 = 71.4286

p 3 = 0 .1 5 5 3 = 0 .4 1 6 2 = 5 0 .0 0 0 0 /4= 71.4286
p 5 = 0 .5 0 9 3 p 6 = 0 .4 1 6 2 /5 = 5 0 .0 0 0 0 /6= 28.5714
/7= 50.0000 f8= 28.5714
/9 = 14.2857
1.0000
0.5652
0.1597
161 1.0000
25. x = / 4 29. x ~ / 0.4750
1 0.4500
Capítulo 9
i. - V ó 3. - 4 5. 1
7. . ** . 9. Eje
imaginario im agin ario
z = -5 ♦ 5i
2- - • 5-
4-
-4—
6 rcal 3
2 -
-2
-4
z=6-2i 1
t* it ll 1r — t1— l Eje
- 5 - 4 - 3 - 2 -1 real
11. Eje 13. Eje

im a g in a rio imaginario
-- • * = 1 ♦ 5i 4- -
-m= - 3 ♦ ¿ - -
Eje
-4 -2
12 #4
h -f
6
real
-2 M= 3 —1 9
2u = 6 - 2¡
lije -4-4-
icmI
t - n - i
15. x = 6 17. * = 3
19. Suma: 5 + 3/ 21. Suma: 10

Diferencia: - I f 9/ Difercnciu: 2/
Eje .
im a g in a r io im agin ario
u—
v •- 1 4 9i 6- •
4 - -
■■ • u 246i
2 u - v = 2i
• k + v = -5 ♦ 3í • w* 5 ♦ i p.
Eje 2 4 6 8 10
- 2-
*
real V = 5 - i u 4 V *1 0
-2 2 4 6 8 10
• v ■ 3 - 3i
-4
23. Suma: 6 - 2i 25. Suma: 4 + 2/

Diferencia: 6 + 2/ Diferencia: 0
Eje Eje
imaginario imaginario
4
h - v * 64 2i 3
2■ 2»
u=6 Eje
H h real 1 v * 2 24
2 4
- 2- - 2i 1 1 31 41- Eje
u ♦v = 6- 2i 1 2
re a l
w- v = 0
27. 2 0 + 10/ 29. 8 31. (a 2 - ¿2) + 2ab¡

33. - 2 + 2i 35. (a 3- 3ab2) + (3u2¿>- b3)i
37. - J ± » / 39. 2 ,3 41. 1,1 ± i
43. ± 2 , ± 2 / 45.
2 1+3/
47.
2 + 2/ 2
- 1 - 2/ -4 / 4 -4 / - 6/
-2 + 2/ 2/
49. 51. - 5 - 3 /
4 + 4/ 6
-5 -1 5 + 1 0 /
53.
25/ 15 + 30/
1. 6+ 3/ 3. 8/
Eje Eje
- - z”* 8i
Eje Eje
real real
-4
- 2- ■
-8 - z =&
z * 6 —3i
5. V5 7. Vó5 9. 5
11. Iwzl = 1-3 + il = VIO 13. 1 - 2/

iwi a = V 5V 2 = VTo
Izwl = 1-3 + /l = VTo
15.
7 6V2 .
t¡ rr1 17- T T + T T Í
-3 /
19. a) 3 - 4í 21. A~l = - i
b ) 2 - 11/
-2 + 1 6
l
5
d )' ¿ " + "B" 1

2 0 0
23. No es invertible 25. / H = - - y 0 l+ i 0
0 0 1-
27 _ 5 _ _12_ ,
x /- 3 3 1
1. V 8 [ c o s ( - ? ) + / sen (- *)] 3. 6(cos * +1 sen ;r)
5. V 8 [c o s(--^ -) + / s e n ( - ^ - ) ] 7. 4[cos(- - y - ) +1 sen (- -y - )]
Fje Eje
I
Eje
3-4)------ ? •
real
♦ + -» 1 M M real
-3.-2 -I . I 2 /J -4 -3-2 -1 1 1 2 3 4
/
-2- ✓
■ --.a
£ tT -a y/31
9. 6(cos j + 1 sen \ ) 11. 7(eos 0 + i sen 0)

Eje Eje
<Z= 6Í
N
/ - \
/ 2 \ \
1 1 1 , Eje Eje
1 1 1 *- real +t real
- 6 - 4 -2 2 4 6 V6 -3
\ / -3--
\ - 4- /
✓ - 6-
•-6-
13. V 37(cos 1.4056 + 1 sen 1.4056) 15. V l0 [co s(-2 .8 2 ) + i scn(-2.82)]

Eje Eje
z = 1 + 6í
^ 6t # N. •*■*3
s
2 - - / i \
Eje Êje
real
4H 1 t +—f—f
- 6 - 4 -2 2 4 6 real
V - 2 -I
1 2 /
/
-6 - . N
-3-, .. ^
17. 2/
Eje Eje
* =T
1 2
S X
\ ✓'
/ 1- r= 2 x / *
/ / '-+ \
11 11
Eje
t1 t■
.E je
* +T-+
-2 - 1 1 2 real real
• -2 V - l
\ - 1- V 1
\
/ V
x -2- -2- -
15>/2 15 n/2 .
2L — + T 1 23. -4 /
Eje Eje
im a g in a r io imaginario
Respuestas a lo s E jercicios Im pares A65
25. 7 27. 12 (eos ? + / sen j )

Eje
imaginario
84-
\
/ 4
/
♦. ♦ i «
2 r = ? V = °Eie
-«L6-4-2 . 2 4 6/8 real
/
✓
' ' 4
-8
29. 0.25(cos 0 + i sen 0) 31. i ( e o s - ^ - + / s e n ) 33. 4(cos £ + / sen £ )
35. - 4 37. -3 2 / 39. -8

41 43. 256
I 2 1
45. 4(cos g + / sen £ ) = 2 V3 + 2/ 47. 2(cos * + i sen * ) = 1 + V3¿
4(cos + / s e n ^ - ) = - 2 ^ 3 - 21 5n
2(cos - ^ - + i sen 4 ^-) = - V 3 + i
~T
j - = -1 - V 3/
2(cos 471 + i* sen -4;r)
2(cos - ^ + / sen = V3 - 1
Eje Eje
11 ^ 2-
✓
/ 2 -| ■ 6 *2= f '
r> = 4 ^
' = Jp
«
1 11 11 11 _Êje 11 11 1
1
1
1 ■
real 1 2
-4 -2 2 4 -2 -1
/ N -1
e - ¿ \ "2"
✓
4,2=4 - 4- 0, ^ - 2-
49. 5(cos + 1 sen )= - ^ - + I sen-^ -)
5 (co s-^ - + / sen )=' 5(cos + i sen 4 p )

C/-* 16* . . 16*,.
5(cos + 1 sen -* -)
Eje Eje
im agin ario
6
*le
6-
3s“
■
0
S 4 \ N
\
2 1 r=52- \
r° l m* 1A 1 1 t 1 •1 Eje
real - 4 H — 1— - - f - ♦ >1------- real
t Ú -6 - 4 - 2 - . 2 4 / 6
x4 -2
f -
J*
■
i U ' v *
/
53. 2(cos O + i sen 0) = 2 55. eos O + i sen 0 = 1

2(cos + i sen -yO = - 1 + V 3 i eos | + i sen ^ = i
2(cos + i sen 4 f - ) = - 1 - V 3 i
eos ;r+ i sen n - -1
eos + 1 sen-— - = - /
Eje Eje
2" ^ 2
/ 1 r=2 N
/ X * i = 0 Eie
-2i -11---- H1-------------
rs=1 \ 0 i = o , Eje
•
2 rCÍ“ h je .
t real
V - 1- * /
\ / V-1
ñ*3“
- ü7 “2‘
- / sen j 59. 3(cos £ + i sen j )

- + /s e n - ^ - 3 ( c o s ^ - + ise n -^ -)
- + i sen 3(cos 7r + 1 sen /r)
• + i sen 3(cos + i sen
O
3(cos - y - + 1 sen )
Eje Eje
a - 3*
5* '* \
/ ' 2- \^ i= T
* >
/ r * 1^ |-T r=3 X
Eje II II II ".
f real * f f i1 1"
t
real
_ 1 2 3
T
9x
M
’ \ “2 /
^4-T
13x
S -2 - Pa -**
^4—r
61. 4 (c o s£ + is e n £ )
4 (c o s-^ - + /s e n ^ * )
4 (c o s-^ + /s e n -^ )
Eje
imaginario
1. (3 i\ 9 - 3 i) 3. ( - 8 + 4 / , 6 + 12/)
5. (-5 + / . - 4 ) 7 . (-9 + 3/, 2 + 1 4 0
9. S no es una base de C2 11. S es una base de C3
13. a) (1 .2 . 0) = /(/, 0 ,0 ) - 2» («,«. 0) + 0(i. i. 0

b) ( 1, 2, 0) = - ( 1, 0. 0) + 2( 1. 1. 0) + 0( 0. 0. 1+0
15. a) (-«, 2 + i. - 1) = (-2 + 200'. 0. 0) + (1 - 3 0 0 , 0 ) + i'O, 0
b ) ( - i , 2 + /, - 1 ) = ( - 2 - 2 0 ( 1 . 0 , 0 ) + (2 + 0 ( 1 . l , 0 ) + ( - ± + j 0 ( 0 ,0 , 1 + 0
17. \/2 19. 3V42 21. V7
23. y f ñ 25. V3 27. V l5

29. y/2 31. Linealmente dependiente 33. Linealmente independiente
25. No es un producto interior complejo 37. Si es un producto interior complejo

■
39. z3= 0, z, y z2 pueden ser números 47. T = 2+ i 0
complejos cualesquiera U2 i -i “2
2- /
49. 1+ i f 0 51. 1 + 2/ » 2
2/ 0 -1 + 5 /. 1
53. ker = {(0, 0)} 55.
1. A* = - 1 2 3. /T = 0 2
/ -3 / 1 0
0 5 + i sf2i
5 -i 6 4 7. A ' = [1 - 5 / - 2 / 4]
-sf2 ¡ 4 3
9. A no es unitaria porque es singular.

11. A no es unitaria porque no es cuadrada.
4 4/ 15. AA* = 1
13. AA* =
-4 / 4 Por tanto, A es unitaria.
Por tanto, A no es unitaria.
1 0 sbI
17. A A* o i liI + 1
I I 1
S ft 1
17.
19. 21 . 7
2 5.
2 7. 29.
-X
R espuestas a lo s E jercicio s Im pares A 71
33. 2 < * < 5

1 < y =£7
35. y < 2X
y < -* + 5
y >0
37. •* + j y 12
jj+fy 15
* 0
y 0
39. x = cantidad en una cuenta v

y = cantidad en la otra cuenta
* + y < 20,000
x ^ 5000
y ^ 5000
2* < y
41. x = # de onzas de alimento X y

y = # de onzas de alimento Y
20* + 1 0 y > 3 0 0
15*+ lOy 2: 150
10* + 20y 2r 200
Sección 10.2 (página 605) 3. El máximo es 20 en (4, 0)

El mínimo es 0 cn (0, 0)
1. El máximo es 17 en (3, 4)
El mínimo es 0 cn (O, 0) 7. El máximo es 2100 en cualquier punto
sobre el segmento de recta que conec
5. El máximo es 740 en (60, 20)
ta (30, 45) y (60, 20).
El mínimo es 0 cn (0, 0)
El mínimo es 0 en (0, 0)
9. No existe máximo 11. N o existe máximo

El mínimo es 35 en (5, 3) El mínimo es 20 en (10, 0)
13. El máximo es 160 en (40, 0) 15. El máximo es 56 cn (24, 8)

El mínimo es 104 en (24, 8) El mínimo es 36 en (36, 0)
17. El máximo es 12 en (3, 6) 19. El máximo es 10 cn (0, 10)
21. 200 unidades del modelo que cuesta 23. 3 sacos de la marca X
250 dólares. 6 sacos de la marca Y
50 unidades del modelo de 400 dólares. Costo mínimo: 195 dólares
25. z es máximo en cualquier punto del seg 27. La restricción x ^ 10 es ajena

mento de recta que pasa por los puntos
(2’ o) y ( ^ t - i f )•
19. El conjunto factible es vacío, no hay 31. a) Ningún valor de t

máximo. b) / < 0
y c )/>0
d) Ningún valor de t
34-
No existen
2 punios solución.
14-
\------ 1
---- V
1 2 3
R esp u esta s a los E jercicio s Im pares A73
1. Variables
X\ X2 básicas
-1 -2 0 0 0
3. Variables
básicas
12 *1
8
-2 - 3 - 4 0 0 0
5. La función objetivo debe maximizarse, no minimizarse.
7. Todas las restricciones deben ser 9. El máximo es 8cn (8, 0)

11. El máximo es 210 en (0, 21, 21) 13. El máximo es 43 en (7, 3)
15. El máximo es -?ü-

19
cn ( - j|- , 0, 0, 19
17. El máximo es 25 cn (23. 0. 2) o e n ( ^ - , 0 ,-^ -)
19. El máximo es 24 cn (0, 1 2 ,0 ,0 )

21. 200 unidades a 250 dólares 23. 50 acres de zanahorias
50 unidades a 400 dólares 0 acres de apio y lechuga
Ganancia máxima: 11,500 dólares Ganancia máxima: 3,000 dólares
25. 322 del modelo A 27. 9 anuncios por televisión

764 del modelo B 4 anuncios en el periódico
484 del modelo C Audiencia máxima: 147,000,000
Ganancia máxima: 79,310 dólares
29. 100 000 dólares del tipo A 31. 8auditorias, 8devoluciones de impucstc
62 500 dólares del tipo B Ingreso máximo: 18,400 dólares
87 500 dólares del tipo C
Interés máximo: 26,500 dólares
33. Después de dos iteraciones, la tabla simplex es la siguiente.

Variables
básicas
35. Después de una iteración, v, « 2, x 2 ■ 0 y z s 5. Incluyendo x 2 en la base después de ot

iteración, x¡ ■ . .c2 ■ y : sigue siendo igual a 5.
'xn 171 85100 m 2740 28250 16655 x

37. El máximo es - |7?- en (O, , -S3| , ■ 531 )
z = 4 y, + 4y2 z = 23 y { + 10y2 + 40y3
2y , + y2 < 3 3 y ,+ y 2 + 8^3 < 4
+ 2^2 — 3 2 yx + y3< 1
y ,.y 2 ^ o y , + y 2 + 2y3 < 1
y i’ y 2’ y 3 ~ o
5. (Maximizar) 7. a) El mínimo es 4 en (I , 1)
Función objetivo: b) (Maximizar)
z = 7y, + 4y2 Función objetivo:
Restricciones: z = 3y, + 5 y2
y ,+ y 2 - 14 Restricciones:
y, + 2y2 < 20 y , + 3y2 ^ 2
2y, + y 2 ¿ 24 2y¡ + 2 y2 £ 2
y,.y2 * o y ..y 2 ^ ° . .
c) El máximo es 4 en ( ^ , 2 )
4
9. a) El mínimo es 8 en ( 3 , 35 ) 11. a) El mínimo es 9 en ( ¿ , 2)
b) (Maximizar) b) (Maximizar)
z = 3 y, + 2y 2 z = 4x, + 2x2
y .- y2s l 4X] <6
y , + 2y2 ^ 4 x x + x2 ^ 3
yi-y2- ° x v x2 ^ 0
c) El máximo es 8en (2, 1) c) El máximo es 9 en (^ , ^)
13. El mínimo es 1.8 en (1, 1.8) 15. El mínimo es 6 en (1 ,4 )

17. El mínimo es 18 en (^ , 2, ^) 19. El mínimo es 64 en ( ^ , 4, 16)
21. 1 litro de la bebida dietética I 23. 3 litros de la bebida dietética I

1 litro de la bebida dietética II 0 litros de la bebida dietética II
Costo mínimo: 5 dólares Costo mínimo: 3 dólares
25. \ de litro de la bebida dietética I 27. 5 litros de la bebida dietética I

0 litros de la bebida dietética II
^ de litro de la bebida dietética II
Costo mínimo: 5 dólares
Costo mínimo: 19 dólares
29. 22.5 días para la planta I 31. 48 días para la refinería I

10.5 días para la planta II 82 días para la refinería II
4.75 días para la planta III Costo mínimo de operación: 3,660,000
Costo mínimo de operación: dólares
2,152,500 dólares
33. El mínimo es 87.14 cn (21.43, 2.86, 25.71,0)
Sección 105 ( p á g i n a 650)
1. Variables
*1 X2 S1 básicas
1 -1 5i
1 0
-1 0 -4 0 0 0
3. Variables
*1 X2 básicas
1 0 *i
0 -1
1 1 0 0 0
5. Variables
*1 *2 *3 *2 *3 b básicas
4 1 0 -1 0 0 10
1 1 3 0 1 0 30 *2
2 1 4 0 0 -1 16 S3
-1 0 -1 0 0 0 0
7. El máximo es 12 en (0, 6) 9 . El mínimo es 16 cn (0, 8)
11. El máximo es 25 en (5, 2 0 ,0 )
13. El máximo es 40 en (0, 8) 15. El máximo es 30 en (5, 20, 0)
17. El mínimo es 15 en (5, 10) 19. El mínimo e s - 2 0 en (11, 0)
21. El máximo es 9 en (4, 1) 23. El máximo es 4 en (1, 4)
25. El máximo es 9 en (4, 5) 27. El máximo es 3 en (0, 3)
29. 300 neumáticos de á>, a C, 31. 600 neumáticos de S x a C2

600 neumáticos de 5 , u C2 500 neumáticos de S2 a C,
200 neumáticos de S 2 a C, Costo mínimo: 1,100 dólares
Costo mínimo: 1,100 dólares
A76 R espuestas a lo s Ejercicios Im pares
33.
Cliente 1 Cliente 2
Fábrica I 0 200
Fábrica 2 200 100
35. 9 anuncios por televisión

4 anuncios en el periódico
Audiencia máxima: 147,000,000
37.
Salida I Salida II
Planta A 3000 2000

Planta B 0 3000
Ejercicios de R ep aso (página 655)
7. x + 1500, * > 4 0 0 , y > 6 0 0

9. El máximo es 47 en (5, 8) 11. El mínimo es 3 en (3 ,0 )

El máximo es 29 en (5, 8)
13. El mínimo es -6 en (0, 6) 15. El máximo es 26 en (12, 7)

El máximo es - y - en ( 8, ¡ )
17. El máximo es 30 en (0. 13.6, 2.8) 19. El máximo es 232 en (100, 132)
21. El máximo es 3599 en (110, 537, 146) 23. (Maximizar)

Función objetivo:
z = 30y, + 75y 2
Restricciones:
y, + 3y 2 < 7
y, + 6y 2 == 3
2y, + 4y 2 < 1
81
25. El mínimo es 75 en (5, 2) 27. El mínimo es 6006 en ( - y - , 138, 111)
29. El mínimo es en ( ^ , 5, 0) 31. El máximo es 31 cn (1, 15)
33. El máximo es 67 en (7 ,2 7 , 26) 35. El mínimo es 91 en (0, 13, 26)
37. El máximo es 500 dólares por dos chalecos y 5 bolsos.

39. El mínimo es 4800 dólares durante 7 días en la mina A, 5 días en la mina B y 24 días cn
la mina C.
índice
A B
Adjunta de una matriz, 166 Base normal (o estándar), 563
Ajuste de curvas, 42 para M 2 2, 233
Ajuste polinom ial de curvas, 43 para P;j, 233
Algebra de matrices, 74 para R '\ 232
Algoritm o QR, 512 Base ortogonal, 315
A m plificación, 415 Base ortonormal, 315
Análisis de elem entos finitos, 521 Base(s)
A nálisis de redes, 50 cam bio de, 261
A nálisis de regresión por mínim os coordenadas con respecto a, 258
cuadrados, 120, 516 normal, 231
Angulo entre dos vectores, 293, ortogonal, 315
304 ortonormal, 315
Aproximación verificación de, 239
de Fouricr, 342
por m ínim os cuadrados, 336, 340
Aproxim ación de Fourier, 342 C
Aproxim ación por m ínim os cuadrados,
C(—°°, 00), 202
3 3 6 ,3 4 0
c [a, H 202
Arca
Cambio de base, 261
de un paralelogramo, 333
Cauchy, Augustin Louis (1 789-1857).
de un triángulo, 173
1 3 7 ,2 9 2
Argum ento, 550
C ayley, Arthur (1 8 2 1 -1 8 9 5 ), 61
Argum ento principal, 551
Cerradura
Axiom as
bajo la m ultiplicación escalar, 199
para el espacio del producto interior,
bajo la suma vectorial, 199
301
Cifras significativas, 488
para el espacio vectorial, 199
C ociente de números com plejos, 546
A79
A80 índice
C ociente de Raylcigh, 508 D

C oeficiente, 16
principal, 16 D efinición de la forma polar de un
C oeficiente principal, 16 número com plejo, 550
C oeficientes de Fourier, 320, 343 D eflación, 512
Cofactor(cs), 139 Dependencia lineal, 223
desarrollo por, 142 comprobación para la, 224
matriz de, 166 Desarrollo por cofactores, 142
Columna de entrada, 615 Desigualdad, 588
Columna de una matriz, 28 Desigualdad de B csscl, 350
Combinación lineal, 196, 217 Desigualdad de Cauchy-Schwarz, 292,
Com plcjo(a) 307
conjugado, 540 Desigualdad del triángulo, 2 95, 307
espacio con producto interior, 567 Desigualdad lineal, 588
espacio vectorial, 561 D eslizam iento (desplazam iento)
matriz, 540 horizontal, 404, 407
número, 534 vertical, 4 0 4 ,4 0 7
plano, 535 Determinante, 138, 141
producto interior, 567 de la transpuesta de una matriz, 162
Com ponente de un vector, 188 desarrollo por cofactores, 141
C om posición de dos transformaciones de una matriz inversa, 161
lineales, 387 de una matriz triangular, 145
Comprobación de optimaüdad, 610 de una matriz 1 x 1, 139
C ónicas, 268 de una matriz 2 x 2 , 93, 139
ecuaciones normales de las, 269 de una matriz 3 x 3 , 143
rotación de, 2 7 0 ,4 7 4 de un múltiplo escalar de una matriz,
Conjugado 158
de un número com plejo, 543 de un producto de matrices, 158
par, 540 evaluación mediante operaciones
transpuesto, 570 elem entales, 148
Conjunto generador, 219 propiedades del, 157
Conjunto ortogonal de vectores, 314 Diagonalizable ortogonal, 457
Conjunto ortonormal de vectores, 314 Diagonalizable unitariamente, 576
Conservación de operaciones, 355 Diagonaüzación, 438
Contradominio de una transformación condiciones para, 441
lineal, 3 5 4 , 373 ortogonal, 457
Coordenadas de un vector Diagonal principal, 28
con respecto a una base, 258 Diferencia
con respecto a una base ortonormal, de dos vectores, 190, 193
320 de números com plejos, 536
Cramer, Gabriel (1 7 0 4 -1 7 5 2 ), 170 Dim ensión de un esp acio vectorial, 237
Criptografía, 114 Dirección de un vector, 287
Criptograma, 114 Discriminante, 534
ín d ice A81
Distancia entre d os vectores, 289 Error de la suma de cuadrados, 121

propiedades de la, 307 Error porcentual, 489
Distancia cuclidcana, 566 Error por redondeo, 488
D ivisión de números com plejos, 545 Escalación, 509
D om inio, 354 Escalar, 63
Espacio característico, 427
Espacio columna, 244, 374
E Espacio con producto interior, 301
Ecuación característica, 428 com plejo, 567
Ecuación de una recta, 173 distancia en el, 304
Ecuación de un plano, 178 longitud en el, 304
Ecuación diferencial, 274, 468 Espacio euclideano /i-dim ensional,
Ecuación diferencial, lineal hom ogénea, 291
274 Espacio n-dim ensional, 192
Ecuación(cs) difcrencial(cs) lineal(cs), Espacio nulo, 2 50, 3 7 1
274, 468 Espacio renglón, 244
hom ogénca(s), 274 base de un, 245
no hom ogénca(s), 274 dimensión de un, 247
sistem a de, 468 Espacio solución, 250
Ecuación(es) lincal(es) dim ensión del, 251
cn dos variables, 16 Espacio unitario, 567
cn n variables, 16 Espacio vectorial, 199
cn tres variables, 16 base para un, 231
equivalcntc(s), 21 com plejo, 561
sistem a de, 18 conjunto generador de un, 219
solución de, 17 de dim ensión finita, 231
Ecuaciones lineales equivalentes, 21 de dimensión infinita, 231
Eje imaginario, 535 de funciones continuas, 202
Eje real, 535 de matrices, 200
Elem ento de una matriz, 28 de polinom ios, 201
Elim inación de Gauss, 22 dimensión de un, 237
con pivoteo com pleto, 493 isom orfo, 379
con pivoteo parcial, 491 operaciones en un, 199
con retrosustitución (o sustutitución subespacio de un, 207
hacia atrás), 33 Espacio vectorial de dim ensión finita,
Elim inación, de Gauss-Jordan, 36 231
Eliminación gaussiana, 22, 33 Espacio vectorial de dim ensión infinita,
con pivoteo com pleto, 493 231
con pivoteo parcial, 491 Espectro de una matriz, 452
con retrosustitución ( o sustitución Estado estable (o estacionario), 114
hacia atrás), 33 Expansión (o dilatación)
Elipse, 269 horizontal, 404, 405
Equivalente por columnuN, 151 vertical, 404, 405
A 82 ín d ic e
F Igualdad
de dos matrices, 62
Forma cuadrática, 471 de dos vectores, 188, 193
matriz de una, 471 Imagen, 354
Forma de punto flotante de un número, Independencia lineal, 223
488 Intersección de dos subcspacios,
Forma escalonada por renglones 212
de una matriz, 32 Inversa de una matriz, 88
de un sistema de ecuaciones lineales, algoritm o para determinar la, 91
20 com pleja, 547
Forma escalonada reducida de una dada por su adjunta, 167
matriz, 32 del producto de dos matrices, 95
Forma estándar (o normal) de un determinante de la, 161
número com plejo, 535, 609, 627 propiedades de la, 94
Forma polar de un número com plejo, Inversa de una transformación lineal,
550 389
Fourier, Jcan-Baptiste Joscph Inverso aditivo
(1 7 6 8 -1 8 3 0 ), 2 8 5 , 320, 343 de una matriz, 76
Función, 354 de un vector, 195, 199
Función objetivo, 597 propiedades del, 195
Isom orfismo, 379
Iteración, 497
G
Gauss, Cari Fricdrich (1 7 7 7 -1 8 5 5 ), 15,
22, 36, 498
J
Generador de un conjunto, 221 Jacobiano, 184
Gráficas por computadora, 408 Jacobi, Cari Gustav Jacob (1 8 0 4 -1 8 5 1 ),
Gram, Jorgcn Pcderson (1 8 5 0 -1 9 1 6 ), 4 8 7 ,4 9 6
321 Jordán W ilhclm (1 8 4 2 -1 8 9 9 ), 36
II L
Hamilton, W illiam Rowan (1805-1865), Legcndre, Adrien Marie (1 7 5 2 -1 8 3 3 ),
187 325
Hermite, Charles (1 8 2 2 -1 9 0 1 ), 533 Leonardo de Pisa (1 1 7 0 -1 2 5 0 ), 4 6 6
Hipérbola, 269 Leonticf, V asily W ., 117
L eyes de Kirchhoff, 50
Longitud
I
de un múltiplo escalar, 288
Identidad de Lagrange, 347 de un vector, 2 86, 304
Identidad escalar, 199 Longitud euclidcana, 286, 566
ín d ice A 83
M colum na de una, 28
com pleja, 540
Mantisa, 488 cuadrada, 28
Mapean, 354 de coeficientes, 29
M atrices equivalentes por renglones, 29 de eofactores, 166
M atrices semejantes, 3 9 9 ,4 3 9 de coordenadas, 261
propiedades de las, 399 determinante de una, 138, 141
Matriz acompañante, 484 de transición, 261, 396
Matriz aumentada, 29, 629 de una forma cuadrática, 471
Matriz cero, 76 de una transformación lineal, 390
propiedades de la, 76 diagonal, 72, 144,401
Matriz colum na, 68 diagonalizable, 439
Matriz cuadrada, 28 diagonal principal de una 28,
Matriz de coeficientes, 29 dispersa, 523
Matriz de coordenadas de un vector, dominante en la diagonal, 500
261 elem ental, 102, 404
Matriz de demanda externa, 119 elem ento de una, 28
Matriz de entrada-salida, 118 equivalente por renglones, 29
Matriz de estados, 113 espacio columna d e una, 374
Matriz de salida, 119 espacio renglón, 244
Matriz de transición, 261, 396 espectro de una, 452
Matriz de transición de edades, 464, cstocástica, 111
523 estrictamente dominante en la
Matriz diagonal, 72, 144,401 diagonal, 500
Matriz diagonalizable, 145 forma escalonada de una, 32
Matriz dispersa, 523 forma escalonada reducida de una, 32
Matriz dominante en la diagonal, 500 hermitiana, 570, 573
Matriz elem ental, 102, 404 hilbertiana, 495
Matriz estándar de una transformación idempotente, 110, 184
lineal, 384 identidad, 80
Matriz cstocástica, 111 inversa de una, 88
Matriz estrictamente dominante en la dada por su adjunta, 167
diagonal, 500 determinante de la, 161
Matriz hermitiana, 570, 573 invertible, 88
Matriz hilbertiana, 439 menor de una, 139
Matriz idempotente, 110, 184 multiplicación de, 65
Matriz identidad, 80 múltiplo escalar de una, 64
propiedades de la, 80 nilpotcnte, 132, 184
Matriz invertible, 88 no invertible, 88
Matriz (matrices), 28 no singular, 88
acompañante, 484 operaciones con, 62
adjunta de, 166 orden de una, 28
aumentada, 29 ortogonal, 453
cero, 76 polinom io característico de, 428
A84 índice
producto de, 65 M étodo de G auss-Seidel, 498

rango de una, 243, 248 convergencia del, 501
renglón de una, 28 M étodo de Jacobi, 496
resta de, 64 convergencia del, 501
semejante, 3 9 9 ,4 3 9 M étodo de m ínimos cuadrados, 122
simétrica, 82 ,4 5 1 M étodo de potencias, 505
sim étrica sesgada, 87 con escalación, 509
singular, 88 convergencia del, 510
suma de, 63 M étodo iterativo, 496
transpuesta de una, 81 convergencia del, 497
determinante de la, 162 divergencia del, 499
traza de una, 73, 437 M étodo sim plex, 608, 630
triangular, 144 M étodos numéricos, 487
triangular inferior, 144 M mj, , 200, 203
triangular superior, 144 M odelo de crecim iento de población,
valor característico de una, 428 4 64, 524
vector característico de una, 428 M odelo de L eonticf de entrada-salida,
1 x 1 ,2 8 117
Matriz nilpotcnte, 132, 184 M ódulo de un número com plejo, 544
Matriz no invertible, 88 Multiplicación
Matriz no singular, 88 de dos matrices, 65
Matriz ortogonal, 453 de dos números com plejos, 538
propiedades de una, 454 M ultiplicación de matrices, 65
Matriz real, 28 propiedades de la, 77
Matriz renglón, 68 M ultiplicación escalar, 64, 190, 193,
Matriz renglón cifrada, 115 199, 537
Matriz renglón no cifrada, 114 cerradura de la, 199
Matriz simétrica, 82, 451 propiedad asociativa de la, 199
diagonalización ortogonal de una, propiedades de la, 75, 191, 194, 203
458 Multiplicidad de un valor característico,
propiedades de una, 456 431
valores característicos de una, 452 M últiplo escalar, longitud de un, 288
Matriz simétrica sesgada, 87
Matriz singular, 88
Matriz triangular, 144 N
determinante de una, 145
inferior, 144 N-ada ordenada, 192
superior, 144 N egativo de un vector, 190, 193
Matriz triangular inferior, 144 Neutro (o identidad) aditivo (a)
Matriz triangular superior, 144 de una matriz, 76
Matriz unitaria, 5 7 0 , 572 de un vector, 195, 199
Menor, 139 propiedades del, 195, 199
M ensaje cifrado, 1 14 N o conmutatividad de la multiplicación
Mensaje descifrado, 1 14 de matrices, 78
ín d ice A85
Nocther, Emmy (1 8 8 2 -1 9 3 5 ), 353 Pivoteo com pleto, 493

Norma de un vector, 286, 304 P ivoteo parcial, 491
propiedades de la, 307 Plano
N otación i, j , k, 287 ecuación del, 178
N úcleo, 368 transformaciones lineales en el, 404
Nulidad, 250 Pn, 203
Núm ero de soluciones de un sistem a de Polinom io característico, 18 5 ,4 2 8
ecuaciones lineales, 81, 254 Polinom ios normalizados de Lcgendre,
325
Polinom io trigonométrico, 335
O Preimagen, 354
Principio de dualidad de von Neumann,
Operaciones con matrices, 62
629
Operaciones elem entales cn columnas,
Problema de m axim ización dual, 630
151
Proceso de ortonormal ización de
Opcración(cs) elem entales en renglo
Gram-Schmidt, 321
nes, 30
Producto
rcprescntada(s) por una matriz
de dos matrices, 65
elem ental, 104
de matrices invcrtiblcs, 95
usadas para evaluar un determinante,
de números com plejos, 538
150
de una matriz por un escalar, 63
Operaciones normales en 193
de un vector por un escalar, 190
Operador diferencial, 363
escalar triple, 346
Operador lineal, 356
punto, 290
O ptim ización, 597
Producto cruz de dos vectores, 330
Orden de una matriz, 28
propiedades del, 331, 332
Ortogonales, 294, 304
Producto escalar triple, 346
Producto interior, 300, 301
P co m p lejo ,5 6 7 ^
euclideano, 300
Parábola, 269 propiedades del, 304
Paralelepípedo, volumen de un, 351 Producto interior euclideano, 300, 565
Paralclogramo, área de un, 333 Producto punto de dos vectores, 290
Parámetro, 17 Programación lineal, 597
Par ordenado, 188 Propiedad ¿sociati v a ..
Parte imaginaria de un número de la m ultiplicación de matrices, 77
com plejo, 535 de la m ultiplicación escalar,’ 199
Parte real de un número com plejo, 535 de la suma de matrices, 74
Paso, 491 de la sum a vectorial, 199 /
Patrón de signos para cofactores, 140 Propiedad conmutativa
Pivote, 4 9 1 ,6 1 1 de la suma de matrices, 75
Pivoteo, 615 de la suma vectorial, 199
com pleto, 493 Propiedad distributiva, 77, 199
parcial, 491 Propiedades de cancelación, 96
A86 índice
Propiedades de la transpuesta conjugada, subcspacios de, 212

571 Rotación
Propiedades de los conjugados complejos, de una cónica, 270, 474
544, 548 cn tf2, 362
Proyección en tf3, 362 en tf \ 4 1 1
Proyección ortogonal, 309
Punto en /?", 193
Punto fijo, 367
Punto inicial de un vector, 188
Schmidt, Erhardt (1 8 7 6 -1 9 5 9 ), 321
Punto terminal de un vector, 188
Schwarz, Hcrmann (1 8 4 3 -1 9 2 1 ), 292
Segm ento de recta dirigido, 188
R Scidel, Philipp L. (1 8 2 1 -1 8 9 6 ), 498
Serie de Fibonacci, 466
Rango Sistem a consistente de ecuaciones
de una matriz, 2 4 3 , 248 lineales, 19
de una transformación lineal, 375 Sistem a de ecuaciones diferenciales
Raylcigh, John W illiam (1 8 4 2 -1 9 1 9 ), lineales, 468
508 Sistem a de ecuaciones lineales, 18
Recta de regresión por mínimos consistente, 19
cuadrados, 122 forma matricial de un, 68, 97
Recta, ecuación de la, 173 forma reducida de un, 20
Red eléctrica, 50 inconsistente, 19
Redondea, 488 inestable, 493
R eflexiones, 405 número de soluciones de un, 20, 39,
Regla de Cramcr, 170 8 1 ,2 5 4
R egresión lineal, 125 solución de un, 19
Renglón de salida, 615 Sistem a dextrógiro, 333
Renglón de una matriz, 28 Sistem a económ ico abierto, 119
R cpres?!fíadóft|bn|ig^rifa^}P tin Sistem a económ ico cerrado, 118
conjim fó soImíh&l Sistem a hom ogéneo de ecuaciones
Resta í * ' ^ lineales, 38
de w espacio solución de un, 250
dejau Sistem a inconsistente de ecuaciones
de lineales, 19
Rcstri Sistem a inestable de ecuaciones
Restó lineales, 493
Retro] hacia Sistem a levógiro, 333
atri Sistem a no hom ogéneo de ecuaciones
/?", 192, lineales, 253
base Solución básica factible, 609
longitud cn, Solución de una desigualdad, 5 8 8
operaciones. nomialcfCcrt, 193 Solución de una ecuación lineal, 18
representación de'éow cM iadas en. Solución de un sistem a de ecuaciones
259 lineales 19
ín d ice A87
representación paramétrica de la, 17 Teorema espectral real, 452

trivial, 38 Termino constante, 16
Solución factible, 597 Tetraedro, volum en de un, 176
Solución no trivial, 38 Transformación cero, 357
Solución trivial, 38 Transformación(cs) lincal(es), 355
Subespacio cero, 209 com posición d e, 387
Subespacio de un espacio vectorial, 207 contradominio, 354, 372
cero, 209 de am plificación, 415
propio, 209 definida por una matriz, 359
prueba para un, 208 deslizam iento, 407
trivial, 209 dilatación de, 405
Subespacio propio, 209 dom inio de la(s), 354
Subespacio trivial de un espacio espacio característico de la(s),
vectorial, 209 433
Subíndice colum na, 28 espacio nulo d e, 371
Subíndice del renglón, 28 inversa de, 389
Suma isom orfism o de, 379
de dos matrices, 63 matriz estándar para, 384
de dos números com plejos, 536 núcleo de, 368
de dos transformaciones lineales, nulidad de, 375
420 propiedades, 357
de dos vectores, 189, 193 proyección de, 362
Suma de matrices, 63 punto fijo de la(s), 367
propiedades de la, 63 rango de, 375
Suma vectorial, 189, 193, 199 reflexiones de, 405
cerradura de la, 199 rotación de, 362, 411
propiedad asociativa de la, 199 sobre, 378
propiedad conmutativa de la, 199 suma de, 420
propiedades de la, 191, 194 uno a uno, 377
Sylvcstcr, James Joseph (1 8 1 4 -1 8 9 7 ), valor característico de La(s), 433
423 vector característico de la (s), 433
Transformación identidad, 357 ^
TransferfnSci/QivfmcTul ihycrtib|e, 389
T T ra ns for nujcl ó .sob re/S 71
Transforótaîón lineal uno gûíp, 377
Tabla sim plex, 610
Transpi^sRi dji urlá ryá(riz, 8J ¿j|2.8, 630
Tabla sim plex inicial, 610
d c tc ith iífc i^ i^ 'la ,f :■
Teorema de DeM oivre, 554
Teorema de H am ilton-Cayley, 185, 436 propípdáácM ^Hk
Traslación en
Teorem a de la mejor aproximación, 310
Traza de-una matriz, 7 3 , 437
Teorema de lo s ejes principales, 473
Triángula- área 0 ^ 1 7 3 , *
Teorema de Pitágoras, 297, 307
Truncado* 4 8 8 . * ’ ’
Teorem a de proyección, 310
i A : < A
A 88 ín d ic e
U com ponente de un, 188

dirección de un, 287
Unidad imaginaria /, 534 distancia entre, 289
Unión de dos matrices, 90 en el plano, 188
U no principal, 32 igualdad de, 188, 193
inverso aditivo, 195
longitud de un, 286, 304
multiplicación escalar de 190, 193
Valor absoluto, 545 negativo de un, 190, 193
Valor almacenado, 488 neutro aditivo, 195
Valor característico, 424 norma de un, 304
de una matriz hermitiana, 575 normalización de un, 288
dominante, 505 ortogonales, 294, 304
multiplicidad del, 431 paralelo, 287
Valor característico dominante, 505 producto cruz de, 330
Variable, 16 producto punto de, 290
libre, 17 punto inicial de un, 188
principal, 16 renglón, 243
Variable artificial, 617 resta de, 190
Variable básica, 609 sum a de, 189, 193
Variable de entrada, 611 unitario, 286
Variable de exceso, 643 unitario normal, 287
Variable de salida, 6 1 1 Vectores paralelos, 287
Variable libre, 17 Vector renglón, 243
Variable no básica, 610 Vector solución, 249
Variable principal, 16 Vector unitario, 286
Vector característico, 424 cn la dirección de un vector, 288
dominante, 505 Vector unitario normal, 287
V ector característico dominante, 505 Volumen
V ector cero, 190, 193 de un paralelepípedo, 351
de un tetraedro, 176
von Ncumann, John (1 9 0 3 -1 9 5 7 ), 587
e sta d o
w
Wronskiano, 275
W ronski, Joscf Maria (1 7 7 8 -1 8 5 3 ), 276
-O Q O -
■» 1 t k A
La e d ic ió n , c o m p o s ic ió n , d i s e ñ o e im p r e s ió n d e e s t a o b fw í f u e r o n r e a W a d o s
GRUPO NORIEGA EDITORES.
b a j o LA s u p e r v i s i ó n d e
B a ld e r a s 95 . C o l . C e n t r o . M é x i c o , D . F . C . P . 060 4 0
0 2 2 6 1 0 6 0 0 0 8 0 4 5 1 7D P 9 2 121

Introducción Al Álgebra Lineal, Roland E. Larson

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introducción Al Álgebra Lineal, Roland E. Larson

Enviado por

Direitos autorais:

Formatos disponíveis

Introducción

© 2 0 0 4 . E D ITO R IA L LIM U SA, S.A. d e C.V.

E s te lib ro e s tá d is e ñ a d o p a r a u s a rlo en un c u r s o in tro d u c to rio d e á lg e b r a lineal.

C aracterísticas del Texto

A p lic a c io n e s: L a ú ltim a s e c c ió n d e c a d a u n o de los o c h o p r im e r o s c a p ítu lo s está

com putadora están indicados con el sím bolo de disquete usado en co m p u ­

Respuestas a los ejercicios impares: Se hizo el m áx im o esfuerzo por presentar las

A n teced en tes : A s í co m o para la m ay o r parte de los cursos introductorios de

Notas históricas : C ada capítulo em pieza con un bosquejo biográfico de algún

Softw are de m icrocom putadora: M orris Orzech, de la Universidad Q ueen de

* IB M es una marca registrada de International Business Machines Corporation.

G uide fo r th e In stru c to r* (Guía p a ra el In stru cto r)

T a m b i é n q u e r e m o s e x p r e s a r n u e stra g ra titu d a to d o el p e rso n a l de D. C. H e a th

Capítulo1 Sistemas de Ecuaciones Lineales

3.1 El D e te r m in a n te de u n a M a triz 138

Capítulo 4 Espacios Vectoriales 187

Capítulo 5 Espacios con Producto Interior 285

5 .1 L o n g itu d y P ro d u c to P u n to en R " 286

Capítulo 6 Transformaciones Lineales 353

capsulo7 Valores Característicos y

7.1 V a lo re s C a r a c te r ís tic o s y V e c to r e s C a r a c te r ís tic o s 424

■capítulo8 Métodos Numéricos 487

8.1 E lim in a c ió n G a u s s ia n a c o n P iv o te o P a rc ia l 488

Capítulo 9 Espacios Vectoriales Complejos 533

Capítulo 10 Programación Lineal 587

Apéndice Dem ostraciones de Teoremas Selectos A 1

R espuestas a los Ejercicios Impares A9

Sistemas de Ecuaciones Lineales

Cari Friedrich Gauss

Cari Friedrieb Gauss a menudees consi­

1.1 ▲ In troducción a los S iste m a s de E cuaciones L ineales

Ecuaciones Lineales en n V ariables

í7,.t + a2y = b, a y a2 y b son constantes.

Esta ecuación se denomina ecuación lineal en dos v a ria b le s x y y. De manera semejante,

a¡x + a2y + a3z = b, a y a2, a3 y b son constantes.

Definición de una Ecuación lineal en n Variables

► h/rtuplo I Ejemplos de Ecuaciones Lineales y de Ecuaciones no Lineales

a) U+2.v = 7 b) ^ x + y - 7tz = '/2

i ) t, - 2 j 2 + lOx, + x4 = 0 d) ^sen ^ ^ .r , - 4x2 = e2

I e. siguientes ecuaciones no son lineales.

A’l = .V|, X2 = .V2> *3 = .V3, ..., X" = Sn

Por ejemplo, la ecuación

► Ejemplo 2 Representación Rara m étrica de un Conjunto Solución

a, = 4 - 2/, x2 = /, t es cualquier núm ero real.

Las soluciones particulares se pueden obtener al asignar valores al parámetro/. Porejerr

El conjunto solución de una ecuación lineal puede representarse paramétricamenu

a , = s, x 2 = 2 - 1 s, s es cualquier número real.

Por conveniencia, se seguirá el acuerdo de elegir com o variables libres aquellas (

► Ejemplo 3 Representación Pnrmnélrica de un Conjunto Solución

S istem as de Ecuaciones Lineales

Observación: La notación con doble subíndice indica que « es el coeficienie de t en

Una solución de un sistema de ecuaciones lineales es una sucesión de números s ,, ¿'2>

► Ejemplo 4 Tres sistem a s de Dos Ecuaciones en Dos Variables

X m 3 - /, y = /, t es cualquier número real.

e n n v ariab les, s ó lo se c u m p le u n a d e las

iste m a co n sisten te),

R esolución d e un S istem a d e E cu acio n es L ineales

E s e v id e n te q u e el sistem a m ás fácil d e r e s o lv e r e s el d e la d e re c h a . S e d ic e q u e este s iste m a

► E jem plo 5 A plicación d e la S u stitu c ió n Hacia A Irá s p a ra R e so lv e r un S iste m a

A pliq ue su stitu ció n hacia atrás p ara re so lv e r el sistem a

Solución. ( loo b u s c ó n la e c u a c ió n 2 se sube q u e y = - 2 . Al su stitu ir este v a lo r e n la ecu ació n

Ahí, el sistema tiene exactamente una solución: x = 1 y y = - 2 . 4

I I término sustitución hacia atrás implica que se trabaja retrospectivamente. Así, en

► Ejemplo 6 Uso de la sustitución H ada A Irás para Resolver un Sistem a de

com putadora están indicados con el sím bolo de disquete usado en co m p u

Cari Friedrieb Gauss a menudees consi

13, - 262 + 393 = 13 12. , - * 2 + 23 - 4 = 14

1 * , —2 = 2 14. 2 ,-42 = 6

231 2, + 2 = 4 20. * + 3y = 2

39. 3a - 22 + 4a3 = 1 40. 5a, - 3x 2 + 2 3 = 3

43. A + 43 = 13 44. x, - 2 2 + 5* 3 = 2

11 12 13 - «« .

En terminología matricial, estas tres operaciones corresponden a o p eracio n es elem en