Vectores, Matrices Y Sistemas Lineales Angela M. Restrepo Agosto 2009 Vectores, Matrices y Sistemas lineales 2 Captulo 1 R L R Vectores, Matrices y Sistemas lineales 3 Captulo 1 R E Sistema de la mano derecha Vectores, Matrices y Sistemas lineales 4 Captulo 1 Plano R Vectores v=[flechas igual magnitud, direccin y sentido ] Representamos el vector v por un segmento dirigido cualquiera AB, por el segmento dirigido OP, por el punto P o por las coordenadas (a,b) de P O A B Notacin: Vamos a denotar los puntos con (a,b) y los vectores con [a,b] o a b
Vectores, Matrices y Sistemas lineales 5 Captulo 1 Operaciones entre vectores Suma de vectores Resta de vectores: Si u+x=v, entonces x = v-u Vector cero: 0 = [0,0] 0 (0,0) Vectores, Matrices y Sistemas lineales 6 Captulo 1 Producto por un escalar Un vector u por un escalar oeR ou [oa,ob]
Magnitud de ou: |, ou ,| = ,o, |,u,| Direccin de ou Igual a la direccin de u si o es positivo, opuesta si o es negativo. Por qu? Vectores, Matrices y Sistemas lineales 7 Captulo 1 Definicin de suma y multiplicacin por un escalar en R n : Sean v = [v 1 , v 2 , , v n ] y w = [w 1 , w 2 , , w n ] vectores en R n y rR: Adicin: v + w = [v 1 , v 2 , , v n ] + [w 1 , w 2 , , w n ] = [v 1+ w 1 , v 2 + w 2 , , v n + w n ] Multiplicacin por un escalar: ov = [ov 1 , ov 2 , , ov n ] Ejemplo: [3, 2, -5, , -2] + [-2, 1, 5, -3/4, 0] = [1, 3, 0, -1/4, -2] 2[3, 2, -5, , -2] = [6, 4, -10, 1, -22] Vectores, Matrices y Sistemas lineales 8 Captulo 1 Propiedades de la suma de vectores: La suma es conmutativa: u+v =v+u Es asociativa, (u+v)+w = u +(v+w) Hay una identidad: 0, tal que para todo u, u+0=u Hay inversos: para todo u, existe u tal que u+(-u) =0 Si u=[a, b], -u= [-a,-b]. Las demostraciones tanto algebraicas como geomtricas son muy sencillas. Mostremos la conmutatividad: Vectores, Matrices y Sistemas lineales 9 Captulo 1 Mostremos la conmutatividad:
u + v = v + u
Sea u=[a, b] y v=[c,d]
u+v = [a+c, b+d] = [c+a, d+b] = v+u (Por qu?)
Geomtricamente podemos justificar esta propiedad ya que la suma de u+v corresponde a los vectores verdes y la de v+u a los vectores morados en el paralelogramo de la figura, y la diagonal es igual. Vectores, Matrices y Sistemas lineales 10 Captulo 1 Conmutativa: u+v = v+u
Asociativa, (u+v)+w = u +(v+w)
Hay una identidad: 0, tal que para todo u, u + 0 = u
Hay inversos: para todo u, existe u tal que u + (-u) = 0 Si v = [v 1 , v 2 , , v n ] entonces -v = [-v 1 , -v 2 , , -v n ] Propiedades de la suma de vectores: Vectores, Matrices y Sistemas lineales 11 Captulo 1 Propiedades de la multiplicacin por un escalar -Una distributividad: r (u+v) = rv + ru
-Otra distributividad: (r + s)v = rv + sv
-Asociatividad: r(sv) = (rs)v
-1: 1v = v Vectores, Matrices y Sistemas lineales 12 Captulo 1 Combinacin lineal: Dados n vectores, v 1 , v 2 , , v n , y n escalares: r 1 , r 2 , r n ,
El vector: r 1 v 1 +r 2 v 2 + + r n v n
es una combinacin lineal de los v i con coeficientes escalares r 1 , r 2, r n
Ejemplo: 3[1,4,-5] + [2,4,6] -2[0,0,2] Vectores, Matrices y Sistemas lineales 13 Captulo 1 Vectores i y j i= [1,0] j= [0,1] Los vectores i y j son independientes, ninguno es mltiplo del otro, Los vectores i y j son unitarios y ortogonales Por qu? Vectores, Matrices y Sistemas lineales 14 Captulo 1 cualquier vector u de componentes [a, b] se puede escribir como: u = a i + b j Es decir, como combinacin lineal de i y j. u = [a,b] = a[1,0] + b[0,1] = a i + b j [a,b] es una combinacin lineal de i y j. Vectores, Matrices y Sistemas lineales 15 Captulo 1 Dados los vectores e 1 = [1, 0, 0, , 0], e 2 = [0, 1, 0, 0, ,0], e n = [0, 0, 0, 1]
Cualquier vector v = [v 1 , v 2 , , v n ] de R n se puede descomponer como combinacin lineal de los e i de una nica manera
Cmo?
El conjunto {e 1 , e 2 , e n } forman la Base Estandar de R n Vectores, Matrices y Sistemas lineales 16 Captulo 1 Si v es un vector, v 0, el conjunto de sus combinaciones lineales r v forman una recta. v r v Si v y w v0 w0, son dos vectores no paralelos, el conjunto de sus combinaciones lineales forman un plano v w r v + s w El plano generado por v y w Vectores, Matrices y Sistemas lineales 17 Captulo 1 El espacio generado por un conjunto de k vectores de R n : Si {v 1 , v 2 , v k } son k vectores de R n , gen{v 1 , v 2 , v k }={r 1 v 1 +r 2 v 2 + r k v k | r 1 , r 2 ,r k R}
Es decir, son todas las combinaciones lineales de los v i
Vectores, Matrices y Sistemas lineales 18 Captulo 1 1.2
Norma y Producto punto Vectores, Matrices y Sistemas lineales 19 Captulo 1 Magnitud de vR 2 es la longitud del vector
||v|| = a+b Sea v el vector [a,b] Por qu? Vectores, Matrices y Sistemas lineales 20 Captulo 1 1 1 v (3,00; -4,00) La magnitud del vector v = [3,-4] es? Vectores, Matrices y Sistemas lineales 21 Captulo 1 Magnitud de vR 3 es la longitud del vector ||v|| = a+b+c 2
Sea v el vector [a,b,c] Por qu? a+b Calcular la norma del vector [2,3,4] Vectores, Matrices y Sistemas lineales 22 Captulo 1 Norma de un vector v = [v 1 , v 2 , , v n ] en R n
||v|| = (v 1 2 + v 2 2 + + v n 2 ) Vectores, Matrices y Sistemas lineales 23 Captulo 1 Propiedades de la norma de un vector:
||v|| = (v 1 2 + v 2 2 + + v n 2 )
1. || v || 0 y || v || = 0 si y solo si v = 0
2. || v|| = || ||v||
3. || u+v || ||u|| + ||v|| desigualdad del tringulo Por qu? Vectores, Matrices y Sistemas lineales 24 Captulo 1 Vectores unitarios El vector u es unitario si y solo si ||u|| = 1 Si u es unitario, el extremo P est sobre un crculo unitario, y en R 3 ? Si v es un vector cualquiera, un vector unitario u en la direccin de v es el vector: u = v / || v || Por qu?
Vectores, Matrices y Sistemas lineales 25 Captulo 1 Producto escalar o producto punto En R 2 , el producto punto entre dos vectores, u = [a 1 , b 1 ] y v = [a 2 ,b 2 ] es el escalar (o nmero real) igual a:
u v = a 1 a 2 + b 1 b 2 En R n : Si v = [v 1 , v 2 , , v n ] y w = [w 1 , w 2 , , w n ]
v w = v 1 w 1 + v 2 w 2 + + v n w n v w = v i w i , para i = 1 hasta i= n Vectores, Matrices y Sistemas lineales 26 Captulo 1 Algunas propiedades del producto escalar o producto punto: Sean u, v y w tres vectores y o un escalar, Entonces: 1- u 0= 0 0 es el vector de coordenadas [0,0,0] y 0 es el nmero.
2- u v = v u
3- u (v + w) = u v + u w Vectores, Matrices y Sistemas lineales 27 Captulo 1 4- (o u) v = o (u v) = u (o v)
5- v v 0 y v v = 0 si y solo si v = 0
6- v v = || v || 2
Algunas propiedades del producto escalar o producto punto: Vectores, Matrices y Sistemas lineales 28 Captulo 1 Mostremos la segunda, o conmutatividad del producto escalar:
Sea u=[u 1 , u n ] y v=[v 1 , v n ].
u v = u 1 v 1 + + u n v n
= v 1 u 1 + + v n u n
= v u
Por qu? Vectores, Matrices y Sistemas lineales 29 Captulo 1 Mostremos que v.v = || v || 2 Sea v=[v 1 ,v 2 ,,v n ]
v v = v 1 v 1 + v 2 v 2 + + v n v n
= v 1 2 + v 2 2 + + v n 2 = || v || 2 Vectores, Matrices y Sistemas lineales 30 Captulo 1 Teoremas y definiciones en R 2 : Definiciones en R 2 : Dos vectores son paralelos si el ngulo entre ellos mide 0 o t rd.
Dos vectores son perpendiculares si el ngulo entre ellos es de t/ 2 Vectores, Matrices y Sistemas lineales 31 Captulo 1 Th 1: Si u es el ngulo entre dos vectores u y v, entonces cos u = u v ||u|| ||v|| Teoremas en R 2 : cos u = u v ||u|| ||v|| Vectores, Matrices y Sistemas lineales 32 Captulo 1 cos u = u v ||u|| ||v|| u-v
Por el teorema del coseno: ||u-v|| 2 = ||u|| 2 + ||v|| 2 2||u|| ||v|| cos u (u-v) (u-v) = ||u|| 2 + ||v|| 2 2||u|| ||v|| cos u u u - 2 u v + v v = ||u|| 2 + ||v|| 2 2||u|| ||v|| cos u 2 u v = 2||u|| ||v|| cos u u.v = ||u|| ||v|| cos u Vectores, Matrices y Sistemas lineales 33 Captulo 1 cos u = u v ||u|| ||v|| u-v
= arccos ( u v ||u|| ||v|| ) Vectores, Matrices y Sistemas lineales 34 Captulo 1 Th 2: Si u es el ngulo entre u y v, uv u = t/ 2 cos u = 0 u v ||u|| ||v|| = 0 u v = 0 Dos vectores en R 2 son perpendiculares si y solo si su producto punto es cero (cos u) Vectores, Matrices y Sistemas lineales 35 Captulo 1 Definiciones en R n : Dos vectores u y v son paralelos u || v si y solo uno es un mltiplo escalar del otro, es decir, si y slo si existe un escalar tal que u = v o v = u Dos vectores u y v son ortogonales o perpendiculares u v si y solo si u v = 0 Vectores, Matrices y Sistemas lineales 36 Captulo 1 Desigualdad de Schwarz Sean v y w dos vectores en R n . Entonces |v w| ||v|| ||w||
(cos = u v ||u|| ||v||)
Vectores, Matrices y Sistemas lineales 37 Captulo 1 Desigualdad del tringulo || u+v || ||u|| + ||v||
Por qu? Vectores, Matrices y Sistemas lineales 38 Captulo 1 Teorema: Desigualdad del tringulo || u+v || ||u|| + ||v|| || u + v || 2 = (u + v ) (u + v) = (u u) + 2(u v) + (v v) (u u) + 2||u|| ||v|| + (v v) = ||u|| 2 + 2 ||u|| ||v|| + ||v|| 2 = ( ||u|| + ||v|| ) 2
Por la desigualdad de Schwarz Vectores, Matrices y Sistemas lineales 39 Captulo 1 1.3
Matrices Vectores, Matrices y Sistemas lineales 40 Captulo 1 Qu es una matriz?
Un arreglo rectangular de nmeros dispuestos en filas y columnas 4 6 5 6 3 1 3x2 3 filas por 2 columnas Vectores, Matrices y Sistemas lineales 41 Captulo 1 Sea A una matriz: a 11 a 12 . a 1n de m x n a 21 a 22 . a 2n A = = [ a ij ] a m1 a m2 . a mn
(m filas x n columnas) [a i1 , a i2 , , a in ] es el rengln i a 1j a 2j
a mj es la columna j Vectores, Matrices y Sistemas lineales 42 Captulo 1 Una matriz de m x 1 es un vector columna con m componentes [r 1 , r 2 , , r n ]
c 1 c 2
c m Una matriz de 1 x n es un vector rengln con n componentes Vectores, Matrices y Sistemas lineales 43 Captulo 1 Igualdad de matrices A = B si y solo si para cualquier i y j a ij = b ij
a ij es el elemento ij de la matriz A Si A es una matriz de m x m A es una matriz cuadrada Vectores, Matrices y Sistemas lineales 44 Captulo 1 Suma de Matrices A + B = (a ij + b ij ) Producto de una matriz por un escalar
A = (a ij ) = (a ij ) Operaciones entre Matrices Cundo se pueden sumar dos matrices? Vectores, Matrices y Sistemas lineales 45 Captulo 1 2 4 -3
4 5 6
-1 3 1/2
0 2 -3 1 7 -5/2
4 7 3
+ = -1 3 1/2
0 2 -3
-2 = 2 -6 -1
0 -4 6 Ejemplos: Vectores, Matrices y Sistemas lineales 46 Captulo 1 Propiedades del lgebra de matrices A + B = B + A (A + B) + C = A + ( B + C) Suma de matrices A + 0 = 0 + A (matriz 0 = matriz de 0s) A + -A = 0
r (A + B) = r A + r B (r + s ) A = rA + sA Producto de una matriz (rs) A = r(sA) por un escalar r (AB) = (rA)B = A(rB) (r y s en R)
Vectores, Matrices y Sistemas lineales 47 Captulo 1 a 11 a 12 . a 1n b 11 b 1j b 1p
AB = [ cij] = a i1 a i2 . a in b n1 b nj b np a m1 a m2 . a mn
con A mxn y B nxp
Producto de Matrices c ij = (renglon i de A) (columna j de B) Vectores, Matrices y Sistemas lineales 48 Captulo 1 Producto de Matrices 2 4 6 4 5 6 2 3 2 1 -1 1 = 2x2+4x2+6x(-1) 6+4+6 8+10-6 12+5+6 = 6 16 12 23 Cundo se pueden multiplicar? Cul es la dimensin del producto? Vectores, Matrices y Sistemas lineales 49 Captulo 1 Producto de Matrices A B = [a ik ] [ b lj ] = [ c ij ], con A mxn y B nxp c ij = (fila i de A ) . ( columna j de B) c ij = a ik b kj , para k = 1 hasta k = n Ejemplo:
2 0 -3 4 1 5
7 -1 4 7 2 5 0 -4 -3 1 2 3 = 14+0+9 -2+0-3
28+2-15 c 23 ? Vectores, Matrices y Sistemas lineales 50 Captulo 1 Producto de Matrices El producto de matrices NO es conmutativo!!! Por qu? Cules propiedades del producto de nmeros valen para el producto de matrices? Vectores, Matrices y Sistemas lineales 51 Captulo 1 Matriz Identidad I n (respecto al producto)
I n es la matriz cuadrada con unos en la diagonal y ceros en el resto. 1 0
0 . 0 1
0 1
0 . 0 1 I = 0 0 1 . 0 = 1
0 0
0 . 1
1
0 0 Vectores, Matrices y Sistemas lineales 52 Captulo 1 La inversa A -1 de una matriz cuadrada A nxn es la matriz que multiplicada por A da la matriz identidad I n : A -1 A = A A -1 = I n Matriz Identidad I n (respecto al producto)
Es la matriz I n tal que para toda A nxn,
A
I n =
I n A =A
Vectores, Matrices y Sistemas lineales 53 Captulo 1 (AB)C = A(BC) IA = A y BI = B Producto de matrices A (B+C) = AB + AC (A + B )C = AC + BC El producto de matrices NO es conmutativo Propiedades del lgebra de matrices Vectores, Matrices y Sistemas lineales 54 Captulo 1
Dado el sistema de ecuaciones: Se puede escribir como combinacin lineal de vectores columna:
2 4 6 18 x 1 4 + x 2 5 + x 3 6 = 24 3 1 - 2 4
Vectores, Matrices y Sistemas lineales 55 Captulo 1 Matrices 2 4 6 18 x 1 4 + x 2 5 + x 3 6 = 24 3 1 - 2 4
2 4 6 4 5 6 3 1 -2 18 24 4 x 1 x 2 x 3 = A x b Vectores, Matrices y Sistemas lineales 56 Captulo 1
2 x 1 + 4 x 2 + 6 x 3 = 18 2 4 6 x 1 18 4 x 1 + 5 x 2 + 6 x 3 = 24 4 5 6 x 2 = 24 3 x 1 + x 2 -2 x 3 = 4 3 1 -2 x 3 4
Matrices 2 4 6
4 5 6
3 1 -2 = x 1 + x 2 + x 3 18
24
4 A x es combinacin lineal de las columnas de A A * x = b x 1 C 1 + x 2 C 2 + x 3 C 3 = b Vectores, Matrices y Sistemas lineales 57 Captulo 1 Ax es combinacin lineal de las columnas de A Si A = C 1 C 2 C 3 y x un vector columna, entonces: A * x = x 1 C 1 + x 2 C 2 + x 3 C 3
Vectores, Matrices y Sistemas lineales 58 Captulo 1 2 -3 5 - 2 2 -3 5 -1 4 -7 * 5 = -2 + 5 + 8 8 -1 4 -7 A * b = C = 21 -34 Vectores, Matrices y Sistemas lineales 59 Captulo 1 2 4 6 2 3 6 16 4 5 6 * 2 1 = 12 23 3 1 -2 -1 1 10 8 2 4 6 2 3 2 3 4 5 6 2 1 = A 2 A 1 3 1 -2 -1 1 -1 1 A * b 1 b 2 = Ab 1 Ab 2 A * B = C Vectores, Matrices y Sistemas lineales 60 Captulo 1 Transpuesta de una matriz Si A = (a ij ), la transpuesta de A T = (a ji ), se obtiene intercambiando las filas y las columnas de A. a 11 a 12 . a 1n a 21 a 22 . a 2n A = a m1 a m2 . a mn
a 11 a 21 . a m1 a 12 a 22 . a m2 A T = a 1n a 2n . a mn
Vectores, Matrices y Sistemas lineales 61 Captulo 1 Transpuesta de una matriz Si A = (a ij ), la transpuesta de A T = (a ji ), se obtiene intercambiando las filas y las columnas de A. A es simtrica si A = A T
Vectores, Matrices y Sistemas lineales 62 Captulo 1 Teorema: Si A = (a ij ), es una matriz n x m y B= (b ij ), una matriz m x p, entonces: 1 - (A T ) T = A 2 - (AB) T = B T A T 3 - (A + B ) T = A T + B T Vectores, Matrices y Sistemas lineales 63 Captulo 1 Verdadero o falso? A, B, C son matrices 1- Si A = B , entonces AC = BC
2- Si AC = BC entonces A = B
3- Si AB = 0 entonces A= 0 o B = 0
4-Si A = 0 o B = 0, entonces AB = 0
5- Si A 2 = I entonces A n = I para n 2 Vectores, Matrices y Sistemas lineales 64 Captulo 1 1.4
Sistemas de Ecuaciones Lineales Vectores, Matrices y Sistemas lineales 65 Captulo 1
Dado un sistema de ecuaciones lineales: 2 4 6 4 5 6 3 1 -2 18 24 4 x 1 x 2 x 3 = A x = b Vectores, Matrices y Sistemas lineales 66 Captulo 1 Sistemas de Ecuaciones Lineales Ser que un sistema lineal de ecuaciones con el mismo nmero de ecuaciones que de incgnitas tiene una nica solucin? Vectores, Matrices y Sistemas lineales 67 Captulo 1 Una ecuacin lineal con 2 incgnitas representa una recta Una ecuacin lineal con tres incgnitas representa un plano (por ej. x+y+z=1) Geomtricamente Vectores, Matrices y Sistemas lineales 68 Captulo 1 Sistemas de Ecuaciones Lineales Dos ecuaciones con dos incgnitas, no hay soluciones (o podran coincidir y entonces una infinidad) Vectores, Matrices y Sistemas lineales 69 Captulo 1
-Cmo resolverlo?
-Cmo son las soluciones? nica Infinidad No hay
-Qu significan geomtricamente? Dado un sistema mxn, Vectores, Matrices y Sistemas lineales 70 Captulo 1 2x 1 + x 2 = 3 4x 1 + x 2 = 1 Qu representan los sistemas: 2x 1 + x 2 = 3 2x 1 + x 2 = -1
2x 1 + x 2 = 3 4x 1 + 2x 2 = 6
Geometra en el Plano y el Espacio Vectores, Matrices y Sistemas lineales 71 Captulo 1 2x 1 - 4x 2 = 6 3x 1 + 2x 2 = -1 x 1 - 2x 2 = 3 eq 1 1/2 eq 1
3x 1 +2 x 2 = 1 Multiplicar una ecuacin por un nmero cero Qu podemos hacer para resolver el sistema Vectores, Matrices y Sistemas lineales 72 Captulo 1 x 1 - 2x 2 = 3 eq 1 1/2 eq 1
x 2 = -1 x 1 - 2x 2 = 3 eq 1 eq 2 Sumar a una ecuacin un mltiplo de otra Intercambiar dos ecuaciones Vectores, Matrices y Sistemas lineales 73 Captulo 1
Intercambiar dos ecuaciones
Multiplicar una ecuacin por un nmero diferente de cero R i k R i
Sustituir una ecuacin por ella mas un mltiplo de otra
x 1 - 2x 2 = 3 4x 1 = 2 Las Operaciones Elementales no alteran las soluciones del sistema Los dos sistemas tienen las mismas soluciones! Vectores, Matrices y Sistemas lineales 75 Captulo 1 Ejemplo: Resolver el sistema
x 1 = 4 x 2 = -2 x 3 = 3 x 1 + 2x 2 + 3x 3 = 9 4x 1 + 5x 2 + 6x 3 = 24 3x 1 + x 2 -2x 3 = 4
x 1 + 2x 2 + 3x 3 = 9
x 2 + 2x 3 = 4 x 3 = 3
x 1 -4 + 9 = 9 x 1 = 4 x 2 + 6 = 4 x 2 = -2 x 3 = 3 x 3 = 3 Eliminar Sustituir R 1 1/2R 1 R 2 R 2 -4R 1 R 3 R 3 -3R 1 Sistemas de m ecuaciones con n incgnitas Vectores, Matrices y Sistemas lineales 77 Captulo 1 Pero podemos trabajar con las matrices 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + 5x 2 + 6x 3 = 24 3x 1 + x 2 -2x 3 = 4
2 4 6 18 4 5 6 24 3 1 -2 4
Matriz aumentada Vectores, Matrices y Sistemas lineales 78 Captulo 1 Ejemplo: Resolver el sistema
x 1 -4 + 9 = 9 x 1 = 4 x 2 + 6 = 4 x 2 = -2 x 3 = 3 x 3 = 3 Eliminar Sustituir Sistemas de m ecuaciones con n incgnitas Vectores, Matrices y Sistemas lineales 79 Captulo 1 Teorema: Si [A|b] y [H|c] son dos matrices aumentadas equivalentes por filas, entonces los sistemas Ax=b y Hx=c tienen la misma solucin. Definicin: Dos matrices A y B son equivalentes por filas, si una se obtuvo de la otra por operaciones elementales en las filas Escribiremos: A ~ B Vectores, Matrices y Sistemas lineales 80 Captulo 1 1 - Cualquier sistema lineal con el mismo nmero de ecuaciones que incgnitas tiene al menos una solucin? 2 - Un sistema lineal con ms ecuaciones que incgnitas puede tener un nmero infinito de soluciones? 3 - Un sistema lineal con menos ecuaciones que incgnitas puede no tener solucin? Vectores, Matrices y Sistemas lineales 81 Captulo 1 1 2 3 9 0 1 2 4 0 0 1 3
1 0 0 4 0 1 0 -2 0 0 1 3
Cundo vemos fcil las soluciones? x 1 - 4 + 9 = 9 x 1 = 4 x 2 + 6 = 4 x 2 = -2 x 3 = 3 x 3 = 3
x 1 = 4 x 2 = -2 x 3 = 3 Forma escalonada por filas Gauss Forma escalonada reducida por filas Gauss-Jordan Vectores, Matrices y Sistemas lineales 82 Captulo 1 Una matriz escalonada por renglones satisface las siguientes dos condiciones: 1- Todas las filas que contienen solamente ceros (0s) aparecen debajo de filas con entradas diferentes de 0 2- La primera entrada distinta de 0 en cualquier fila aparece en una columna a la derecha de la primera entrada distinta de 0 de la fila anterior Decimos que la primera entrada distinta de cero en una fila en una de estas matrices se llama pivote Vectores, Matrices y Sistemas lineales 83 Captulo 1 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + 5x 2 + 6x 3 = 24 3x 1 + x 2 -2x 3 = 4
tiene una nica solucin:
x 1 = 4, x 2 = -2, x 3 = 3 (4, -2, 3) 6x 1 + 2x 2 - 4x 3 = 2 3x 1 + x 2 - 2x 3 = 4 x 1 + 2x 2 - x 3 = 1
No tiene solucin Por qu?
2x 1 + 4x 2 + 2x 3 = 6 x 1 + x 2 - x 3 = 1 3x 1 + 5x 2 + x 3 = 7
x 1 + 2x 2 + x 3 = 3 2x 1 + 3x 2 = 4 Tiene una infinidad de soluciones: x 1 = -3/2 x 2 + 2 x 3 = -1/2x 2 + 1 (-3/2t+2, t, -1/2t+1) Sistemas de m ecuaciones con n incgnitas m ecuaciones con n incgnitas Vectores, Matrices y Sistemas lineales 84 Captulo 1 2x 1 + 4x 2 + 6x 3 = 18 4x 1 + 5x 2 + 6x 3 = 24 A x = b 3x 1 + x 2 -2x 3 = 4 1 0 0 4 0 1 0 -2 0 0 1 3 tiene una nica solucin:
R 1 1/2R 1 3x 1 + x 2 -2x 3 = 1 3x 1 + x 2 -2x 3 = 4 x 1 + 2x 2 -x 3 = 1 Sistema Inconsistente No tiene solucin Vectores, Matrices y Sistemas lineales 86 Captulo 1 6x 1 + 2x 2 -4x 3 = 2 3x 1 + x 2 -2x 3 = 4 x 1 + 2x 2 -x 3 = 1 3 1 - 2 1 3 1 - 2 4 1 2 - 1 1
3 1 - 2 1 0 0 0 3 1 2 - 1 1
R 2 R 2 -R 1
0x 1 + 0x 2 + 0x 3 = 3
Sistema Inconsistente No tiene solucin Vectores, Matrices y Sistemas lineales 87 Captulo 1 2x 1 + 4x 2 + 2x 3 = 6 x 1 + x 2 - x 3 = 1 3x 1 + 5x 2 + x 3 = 7
2 4 2 6 1 1 -1 1 3 5 1 7 1 1 -1 1 0 2 4 4 0 2 4 4 R 1 R 2 R 2 R 2 -2R 1 R 3 R 3 -3R 1 x 1 - 3x 3 = -1 x 2 + 2x 3 = 2 1 0 -3 -1 0 1 2 2 0 0 0 0
Vectores, Matrices y Sistemas lineales 88 Captulo 1 x 1 - 3x 3 = -1 x 2 + 2x 3 = 2
1 0 -3 -1 0 1 2 2 0 0 0 0
x 1 = 3x 3 - 1 x 2 = - 2x 3 + 2 x 3 es una variable libre, puede tomar cualquier valor! x 3 = t
Vectores, Matrices y Sistemas lineales 89 Captulo 1 El sistema tiene una infinidad de soluciones
x 1 3t -1 3 -1 x 2 = - 2t + 2 = t -2 + 2 x 3 t 1 0
Solucin general x 1 - 3x 3 = -1 x 2 + 2x 3 = 2
x 1 = 3x 3 - 1 x 2 = - 2x 3 + 2 Solucin Particular:
Para t = 1,
2 x p = 0 1
Vectores, Matrices y Sistemas lineales 90 Captulo 1 Teorema Soluciones del sistema mxn Ax = b
Sea Ax = b un sistema lineal y [A | b ] ~ [H | c] la matriz reducida por filas, entonces:
1- El sistema es inconsistente si y solo si la matriz [H | c] tiene una fila con ceros en H y el elemento correspondiente en c es diferente de cero Pg 64 Vectores, Matrices y Sistemas lineales 91 Captulo 1 Teorema Soluciones del sistema mxn Ax = b
Sea Ax = b es un sistema lineal y [A | b ] ~ [H | c] la matriz reducida por filas, entonces:
2- Si Ax = b es consistente y todas las columnas de H contienen un pivote, entonces el sistema tiene una nica solucin.
3- Si Ax = b es consistente y alguna columna de H no tiene pivote, entonces el sistema tiene una infinidad de soluciones, con tantas variables libres como columnas sin pivote Pg 64 Vectores, Matrices y Sistemas lineales 92 Captulo 1 Ecuaciones de Rectas y planos en R 3
Vectores, Matrices y Sistemas lineales 93 Captulo 1 Si P y Q son dos puntos cualesquiera, podemos escribir el vector PQ como OQ - OP PQ = OQ - OP Vectores, Matrices y Sistemas lineales 94 Captulo 1 Ecuacin de una recta en R Dados dos puntos P y Q, para hallar la ecuacin de la recta L que pasa por P y Q es necesario hallar qu condicin cumple un punto cualquiera R que est sobre la recta. PR = t v O v OR = OP + t v Vectores, Matrices y Sistemas lineales 95 Captulo 1 Ecuacin de una recta en R R est sobre L ssi el vector PR es mltiplo del vector PQ, es decir, ssi existe un escalar t, tal que: PR = t PQ , pero como PR = OR OP y PQ = OQ OP, OR = OP + t PQ = OP + t v PR = t v O v OR = OP + t v Vectores, Matrices y Sistemas lineales 96 Captulo 1 Ecuaciones de una recta en R
Ecuacin vectorial: OR = OP + t PQ = OP + t v
Ecuacin paramtrica: x = a + t ( d-a) y= b + t (e b) z= c + t (f c)
Ecuacin simtrica: x a = y - b = z c d-a e b f - c Para P(a,b,c), Q (d,e,f) y R (x,y,z) un punto cualquiera que est sobre la recta L Vectores, Matrices y Sistemas lineales 97 Captulo 1 Halle la ecuacin de la recta que pasa por los puntos P(1,1,0) y Q(-3, -1,0) PQ = [-3-1, -1-1, 0-0] = [-4, -2, 0] OR = OP + tPQ [x, y, z] = [1, 1, 0] + t [-4, -2, 0] x = 1 - 4t y = 1 - 2t z = 0 Ecuacin Vectorial Ecuaciones Paramtricas Vectores, Matrices y Sistemas lineales 98 Captulo 1 Ecuacin de un plano en R Un plano est determinado por un punto P y un vector n, normal al plano. PQ . n = 0 Vectores, Matrices y Sistemas lineales 99 Captulo 1 Ecuacin de un plano en R Para hallar la ecuacin del plano que pasa por P y es perpendicular a n es necesario hallar qu condicin cumple un punto cualquiera Q que est sobre el plano. Q est sobre el plano si y solo si el vector PQ es perpendicular al vector n, es decir, PQ . n = 0 PQ . n = 0 Vectores, Matrices y Sistemas lineales 100 Captulo 1 Ecuacin cartesiana de un plano en R Hallar la ecuacin del plano que pasa por P (r, s, t) y es perpendicular a n = ai + bj + ck es decir, hallar qu condicin cumple un punto cualquiera Q (x,y,z) que est sobre el plano. ax + by + cz = d, Vectores, Matrices y Sistemas lineales 101 Captulo 1 Ecuacin cartesiana de un plano en R ax + by + cz = d, Ecuacin vectorial: PQ .n = 0 Como PQ = OQOP entonces PQ .n = (OQOP) . n = OQ . n OP. n luego ax + by + cz ( ar + bs + ct) = 0, de donde :
Ecuacin cartesiana del plano: ax + by + cz = d, donde d = OP.n Vectores, Matrices y Sistemas lineales 102 Captulo 1 Halle la ecuacin del plano que pasa por P(1,1,0) y es perpendicular a n [-3, -1,0] Sea R(x, y, z) un punto del plano PQ.n=0 [x-1, y-1,z].[-3, -1,0]=0 -3(x-1) - (y-1) + 0 = 0 -3x -y = -4 Vectores, Matrices y Sistemas lineales 103 Captulo 1 Vectores, Matrices y Sistemas lineales 104 Captulo 1 Vectores, Matrices y Sistemas lineales 105 Captulo 1 1.5
Inversa de una matriz CUADRADA A A -1 Vectores, Matrices y Sistemas lineales 106 Captulo 1 Inversa de una matriz cuadrada
Si Ax = b x = A -1 b ??
Cundo puedo hacer eso?
Qu significa A -1 ?
Cundo existe A -1 ?
Cmo se halla A -1 ? Vectores, Matrices y Sistemas lineales 107 Captulo 1 Inversa de una matriz cuadrada Qu significa A -1 ?
Si A es una matriz cuadrada, la inversa de A es una matriz C tal que AC = CA = I
A es invertible si existe A -1
Si A no es invertible se dice que A es singular. Solo existen inversas de matrices cuadradas!!! Por qu? Vectores, Matrices y Sistemas lineales 108 Captulo 1 2 1 5 3
3 -1 -5 2 2 1 5 3
3 -1 -5 2 = I = I Ejemplo Existe una inversa de la matriz B: 2 - 4 -1 2 B = Vectores, Matrices y Sistemas lineales 109 Captulo 1 Teorema 1 Si A y B son invertibles,
(AB) -1 = B -1 A -1
Teorema 2 AB = I si y solo si BA = I
Teorema 3 El sistema Ax = b tiene solucin para cualquier b R, si y solo si A es equivalente por filas a la matriz I Sean A y B matrices nxn: Vectores, Matrices y Sistemas lineales 110 Captulo 1 Cmo se halla A -1 ?
Si A es una matriz nxn, para hallar A -1 es necesario resolver la ecuacin A X = I, donde A, X e I son matrices nxn. Vectores, Matrices y Sistemas lineales 111 Captulo 1 Ejemplo Hallar la inversa de: 2 1 5 3
Se plantea la ecuacin: 2 1 x 11 x 12 1 0 5 3 x 21 x 22 0 1 = = A A x 11 1 A x 12 0 x 21 0 x 22 1 = = Equivalente a los sistemas: Que se resuelven planteando la matriz aumentada: 2 1 1 0 1 0 3 -1 3 -1 5 3 0 1 0 1 -5 2 Luego A -1 = -5 2 Vectores, Matrices y Sistemas lineales 112 Captulo 1 Cmo se halla A -1 ?
La ecuacin A X = I, donde A, X e I son matrices nxn corresponde a un sistema de n 2 ecuaciones con n 2 incgnitas Para la columna i-sima de las x ij , j= 1 n, se tiene la ecuacin x 1i 0
x 2i 0 A . = . x ii 1 i
. . x ni 0 Cmo resolver esos sistemas? Vectores, Matrices y Sistemas lineales 113 Captulo 1 a 11 a 12 a 1n 1 0 0 a 21 a 22 a 2n 0 1 0
a n1 a n2 a nn 0 0 1 1 0 0 c 11 c 12 c 1n 0 1 0 c 21 c 22 c 2n
0 0 1 c n1 c n2 c nn
Se reduce la matriz aumentada [A I ] Hasta obtener la matriz [ I C ], C es la inversa de A. Lo que equivale a resolver las n 2 ecuaciones. Qu pasa si no se puede reducir? Vectores, Matrices y Sistemas lineales 114 Captulo 1 Ejemplo Hallar la inversa de: 1 3 -2 2 5 -3 -3 2 -4 1 3 -2 1 0 0 1 3 -2 1 0 0 2 5 -3 0 1 0 0 -1 1 -2 1 0 -3 2 -4 0 0 1 0 11 -10 3 0 1 1 0 1 -5 3 0 1 0 0 14 -8 -1 0 1 -1 2 -1 0 0 1 0 -17 10 1 0 0 1 -19 11 1 0 0 1 -19 11 1 Vectores, Matrices y Sistemas lineales 115 Captulo 1 Cundo existe A -1 ? Teorema Si A es una matriz nxn, las siguientes condiciones son equivalentes: 1-A es invertible 2-A es equivalente por filas a la identidad 3-El sistema Ax = b tiene solucin para cualquier vector b 4-Los vectores columnas de A generan R n Pag 81 Vectores, Matrices y Sistemas lineales 116 Captulo 1 Verdadero o falso? A, B, C son matrices de los tamaos apropiados 1- Si AC = BC y C es invertible, entonces A=B 2- Si AB = C y dos de las matrices son invertibles entonces la tercera tambin lo es 3- Si AB = C y dos de las matrices son singulares entonces la tercera tambin lo es 4- Si A 2 es invertible entonces A 3 tambin lo es 5- SI A 3 es invertible entones A 2 tambin lo es
Muestre que si A es una matriz de nxn invertible, entonces A T tambin lo es. Vectores, Matrices y Sistemas lineales 117 Captulo 1 1.6
Sistemas Homogneos, Subespacios y Bases
Vectores, Matrices y Sistemas lineales 118 Captulo 1 Qu es un sistema homogneo? Un sistema lineal Ax = b es homogneo si b=0 (vector de 0s)
Un sistema lineal es siempre consistente, pues x=0 es siempre una solucin.
Dos posibilidades : - o una nica solucin - o una infinidad de soluciones (a parte de la trivial) Vectores, Matrices y Sistemas lineales 119 Captulo 1 2x 1 + 4x 2 + 6x 3 = 0 4x 1 + 5x 2 + 6x 3 = 0 3x 1 + 1x 2 - 2x 3 = 0
2 4 6 0 4 5 6 0 3 1 -2 0 1 2 3 0 0 -3 -6 0 0 -5 -11 0 El sistema tiene una nica solucin: (0,0,0) 1 0 0 0 0 1 0 0 0 0 1 0
Vectores, Matrices y Sistemas lineales 121 Captulo 1 Teorema 1 Sea Ax = 0 un sistema lineal homogneo. Si h 1 y h 2 son soluciones de Ax = 0, entonces cualquier combinacin lineal de h 1 y h 2 : rh 1 + sh 2 tambin es solucin.
Dem: Sean h 1 y h 2 soluciones de Ax=0 A(rh 1 + sh 2 ) = A(rh 1 ) + A(sh 2 ) = r (Ah 1 ) + s (Ah 2 ) = r 0 + s 0 = 0 Vectores, Matrices y Sistemas lineales 122 Captulo 1 Subespacio Un subconjunto W de R n es cerrado bajo la adicin si para todo u, v W, la suma u+v est en W W es cerrado bajo la multiplicacin por escalar si para todo v W y todo escalar r, rv W Un subconjunto W no vaco de R n es un subespacio de R n si es cerrado bajo la adicin y la multiplicacin por escalares Vectores, Matrices y Sistemas lineales 123 Captulo 1
Por el teorema 1 (Si h 1 y h 2 son soluciones de Ax = 0, entonces cualquier combinacin lineal de h 1 y h 2 tambin es solucin)
Tenemos que :
La solucin de todo sistema homogneo con n incgnitas es subespacio de R n Vectores, Matrices y Sistemas lineales 124 Captulo 1 Ejemplo Consideremos el conjunto: W = { [ x, 2x ] | x R } en R 2
W es no vaco en R 2 . Sean [ u, 2u ] y [ v, 2v ] dos elementos de W, entonces [ u, 2u] + [ v, 2v] = [ u+v, 2u+2v] = [ u+v, 2(u+v)] que est en W (por qu?), entonces W es cerrado con respecto a la adicin. Cmo demostramos que W es cerrado con respecto a la multiplicacin por escalar? Qu podemos concluir? Qu representa W geomtricamente? Por qu? Vectores, Matrices y Sistemas lineales 125 Captulo 1 Otro ejemplo (ej. 11) Consideremos el conjunto: W = { [ x, y ] | y=mx, x en R } en R 2
W es no vaco en R 2 . Sean (x 1 , y 1 ) y (x 2 , y 2 ) dos elementos de W x + y = (x 1 , y 1 ) + (x 2 , y 2 ) = (x 1 , mx 1 ) + (x 2 , mx 2 ) = (x 1 +x 2 , mx 1 +mx 2 ) = (x 1 +x 2 , m(x 1 +x 2 ) que est en W (por qu?), entonces W es cerrado con respecto a la adicin. Cmo demostramos que W es cerrado con respecto a la multiplicacin por escalar? Qu podemos concluir? Vectores, Matrices y Sistemas lineales 126 Captulo 1 Uno que NO es subespacio Consideremos el conjunto: W = { [ x, y ] | xy 0 } en R 2
W no es cerrado bajo la suma.
Ej. Tome [1,2] y [-5,-1] [1,2] + [-5,-1] = [-4,1] no est en W Vectores, Matrices y Sistemas lineales 127 Captulo 1 Sean {v 1 , v 2 , v k } k vectores de R n .
El espacio generado (span) por estos vectores es el conjunto de las combinaciones lineales de ellos, es decir: gen{v 1 , v 2 , v k } = {r 1 v 1 +r 2 v 2 + r k v k | r 1 , r 2 , , r k R} Vectores, Matrices y Sistemas lineales 128 Captulo 1
Teorema
Sea W = gen{w 1 , w 2 , , w k } el generado de k>0 vectores en R n . Entonces W es subespacio de R n
Vectores, Matrices y Sistemas lineales 129 Captulo 1 El conjunto de soluciones de un sistema homogneo se puede expresar como generado por algunas de esas soluciones. Vectores, Matrices y Sistemas lineales 130 Captulo 1 x 1 - 2x 2 + x 3 - x 4 = 0 2x 1 - 3x 2 + 4x 3 - 3x 4 = 0 3x 1 - 5x 2 + 5x 3 - 4x 4 = 0 -x 1 + x 2 - 3x 3 + 2x 4 = 0 1 -2 1 -1 0 2 -3 4 -3 0 3 -5 5 -4 0 -1 1 -3 2 0 1 0 5 -3 0 0 1 2 -1 0 0 0 0 0 0 0 0 0 0 0 Vectores, Matrices y Sistemas lineales 131 Captulo 1 1 0 5 -3 0 0 1 2 -1 0 0 0 0 0 0 0 0 0 0 0 x = = = r + s x 1 x 2 x 3 x 4 -5r + 3s
-2r + s
r
s
-5
-2 1
0
3
1 0
1
Vectores, Matrices y Sistemas lineales 132 Captulo 1 -5
-2 1
0
3
1 0
1
El conjunto de soluciones del sistema lineal es entonces:
gen { , } Vectores, Matrices y Sistemas lineales 133 Captulo 1 Ejemplo: x 1 + 2x 2 + x 3 =0 2x 1 + x 2 - x 3 =0
Reduciendo la matriz A del sistema:
1 2 1 1 0 -1 x = z x 1 2 1 -1 0 1 1 y = -z y = t -1 z 1 Entonces el conjunto W de soluciones del sistema es: W = gen( [1, -1, 1] ) subespacio de R 3
Vectores, Matrices y Sistemas lineales 134 Captulo 1 Dada una matriz A mxn hay tres subespacios particulares: 1-El generado por las filas de A, que es subespacio de ? Espacio de las filas F A
2-El generado por las columnas de A, que es subespacio de ? Espacio de las columnas C A
3-El subespacio de las soluciones de la ecuacin: Ax = 0, que es subespacio de ? Espacio nulo de A N A . Vectores, Matrices y Sistemas lineales 135 Captulo 1 Dada la matriz A 1 2 1 2 1 -1
1-El espacio generado por las filas de A es: gen( [1, 2, 1], [2, 1, -1]) en R 3
2-El espacio generado por las columnas de A es: gen( [1,2], [2, 1], [1, -1] ) en R 2
3-El espacio nulo de A es: gen( [1, -1, 1] ) en R 3 Vectores, Matrices y Sistemas lineales 136 Captulo 1 Sea A una matriz de mxn. El sistema lineal Ax=b es consistente si y solo si el vector bR m puede ser generado por los vectores columnas de A. Vectores, Matrices y Sistemas lineales 137 Captulo 1 Un sistema lineal Ax=b tiene solucin si y solo si b est en el espacio generado por los vectores columnas de A Vectores, Matrices y Sistemas lineales 138 Captulo 1 Base de un subespacio
Sea W un subespacio de R n . El subconjunto {w 1 , w 2 , w k } de W es una base para W ssi cualquier vector de W se puede expresar en una nica forma como combinacin lineal de los w 1 , w 2 , w k , es decir, para cualquier b de W: b = r 1 w 1 + r 2 w 2 + + r k w k de una nica forma. Vectores, Matrices y Sistemas lineales 139 Captulo 1 Los vectores { e 1 , e 2 , e n } forman la base estndar de R n
Qu base para W? Por qu? x 1 - 2x 2 + x 3 - x 4 = 0 2x 1 - 3x 2 + 4x 3 - 3x 4 = 0 3x 1 - 5x 2 + 5x 3 - 4x 4 = 0 -x 1 + x 2 - 3x 3 + 2x 4 = 0 Vectores, Matrices y Sistemas lineales 141 Captulo 1 Teorema: Los vectores {w 1 , w 2 , w k }, forman una base de W = gen{w 1 , w 2 , w k } si y solo si el vector cero se puede expresar de una nica forma como combinacin lineal de los w i , es decir Los vectores {w 1 , w 2 , , w k }, forman una base de W = gen{w 1 , w 2 , w k }, si y slo si r 1 w 1 + r 2 w 2 + + r n w k =
0 entonces r 1 = r 2 = = r k = 0 Vectores, Matrices y Sistemas lineales 142 Captulo 1 Teorema: Sea A una matriz nxn Las siguientes condiciones son equivalentes:
1-El sistema Ax = b tiene una nica solucin para cualquier b de R n
2-La matriz A es invertible
3-La matriz A es equivalente por filas a la identidad
4-Las columnas de A forman una base de R n
Vectores, Matrices y Sistemas lineales 143 Captulo 1 Ejercicio: Los vectores: [1,1,3], [3,0,4] y [1,4,-1] forman una base de R 3 ?
-Qu hay que mostrar (definicin de base)?
-Cmo se puede hacer?
-Por qu? Vectores, Matrices y Sistemas lineales 144 Captulo 1 Es equivalente: La matriz A es invertible La matriz A es equivalente por filas a la identidad Las columnas de A forman una base de R n
Vectores, Matrices y Sistemas lineales 145 Captulo 1 Teorema Sea A una matriz mxn Las siguientes condiciones son equivalentes:
1-Si el sistema Ax = b es consistente, entonces tiene una nica solucin.
2-La matriz escalonada reducida correspondiente a A consiste de la identidad nxn seguida de m-n filas de ceros
4-Las columnas de A forman una base del espacio generado por las columnas de A, es decir de C A Vectores, Matrices y Sistemas lineales 146 Captulo 1 1 -2 -1 2 -3 -3 3 -5 -4 -1 1 2 Ejercicio: Los vectores u = [1, 2, 3, -1], v = [-2, -3, -5, 1] y w = [-1, -3, -4, 2] forman una base para el subespacio gen{u, v, w} en R 4 ? 1 -2 -1 0 1 -1 0 1 -1 0 -1 1 1 -2 -1 0 1 -1 0 0 0 0 0 0 Como no obtenemos la matriz identidad seguida de una fila de 0s, los vectores NO forman una base para el subespacio Vectores, Matrices y Sistemas lineales 147 Captulo 1 Corolarios 1-Si el sistema Ax = b es consistente y tiene menos ecuaciones que incgnitas, entonces tiene una infinidad de soluciones
2-Un sistema homogneo con menos ecuaciones que incgnitas tiene soluciones no triviales
3-Un sistema cuadrado homogneo Ax = 0 tiene solucin no trivial ssi A no es equivalente por filas a la identidad de su tamao Vectores, Matrices y Sistemas lineales 148 Captulo 1 Teorema Estructura del conjunto de soluciones de Ax = b Si p es una solucin particular del sistema Ax= b y h es una solucin del sist. homogneo correspondiente, A x = 0, entonces p + h es solucin de A x = b
Adems, cualquier solucin de Ax = b se puede escribir como p + h, con p solucin de Ax = b y h solucin del homogneo. Vectores, Matrices y Sistemas lineales 149 Captulo 1 x 1 - 2x 2 + x 3 - x 4 = 0 2x 1 - 3x 2 + 4x 3 - 3x 4 = 0 3x 1 - 5x 2 + 5x 3 - 4x 4 = 0 -x 1 + x 2 - 3x 3 + 2x 4 = 0 x = = = r + s x 1 x 2 x 3 x 4 -5r + 3s