Lecciones Algebra Lineal

LECCIONES DE ALGEBRA LINEAL Libro de trabajo para estudiantes y gu a did actica del docente
Vivian Libeth Uzuriaga L opez Alejandro Mart nez Acosta GRUPO DE INVESTIGACION EMEMATIC
I z II II yz
IV
n Pl a
z ox
I
Pl a
no
x
VI II
Universidad Tecnol ogica de Pereira Facultad de Ciencias B asicas Departamento de Matem aticas
P la no xy
y
VI V
LECCIONES DE ALGEBRA LINEAL. Libro de trabajo para estudiantes y gu a did actica del docente c Vivian Libeth Uzuriaga L opez. Autor Profesora titular Universidad Tecnol ogica de Pereira c Alejandro Mart nez Acosta. Autor Profesor asociado Universidad Tecnol ogica de Pereira Grupo de investigaci on EMEMATIC1 Primera edici on, Pereira - Risaralda. Agosto de 2010 ISBN 978-958-44-7196-3
Portada: Alejandro Mart nez Acosta Dise no y diagramaci on: los autores Digitaci on y elaboraci on de dibujos: los autores
Impreso y hecho en Colombia Impreso por Postergraph S.A.-Cra. 9 No. 7-03 Bodega 1 La Badea - Dosquebradas Derechos reservados. Prohibida la reproducci on total o parcial sin autorizaci on escrita del titular de los derechos.
Estudios metodol ogicos para la ense nanza de las matem aticas y el uso de las nuevas tecnolog as.
1
Contenido
Presentaci on 1. Sistemas de ecuaciones lineales 1.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1. Lecci on 1. La l nea recta . . . . . . . . . . . . . . . . . 1.2.2. Lecci on 2. Sistemas 2 2 . . . . . . . . . . . . . . . . .
v 1 1 5 5 8
1.2.4. Lecci on 4. Matriz asociada. M etodos de soluci on . . . . 13 2. Vectores, rectas y planos 21
1.2.3. Lecci on 3. Sistemas m n . . . . . . . . . . . . . . . . 10
2.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.2.1. Lecci on 1. Vectores en el plano . . . . . . . . . . . . . 28 2.2.2. Lecci on 2. Operaciones con vectores en R2 . . . . . . . 32 2.2.3. Lecci on 3. Producto escalar en R2 . . . . . . . . . . . . 36 2.2.4. Lecci on 4. Vectores en R3 y Rn . . . . . . . . . . . . . 38 2.2.5. Lecci on 5. Operaciones con vectores en R3 y Rn . . . . 41 2.2.6. Lecci on 6. Producto escalar en R3 y Rn . . . . . . . . . 44 i
Contenido
2.2.7. Lecci on 7. Producto vectorial en R3 . . . . . . . . . . . 46 2.2.8. Lecci on 8. Rectas y planos en R3 . . . . . . . . . . . . 49 3. Matrices 53
3.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 53 3.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 56 3.2.1. Lecci on 1. Denici on, operaciones y propiedades . . . . 56 3.2.2. Lecci on 2. Producto y propiedades . . . . . . . . . . . 60 3.2.3. Lecci on 3. Inversa de una matriz cuadrada . . . . . . . 61 4. Determinantes 65
4.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 65 4.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 67 4.2.1. Lecci on 1. Deniciones y propiedades . . . . . . . . . . 67 4.2.2. Lecci on 2. Propiedades (continuaci on). Relaci on determinante e inversa . . . . . . . . . . . . . . . . . . . . . 71 5. Espacios vectoriales reales 75
5.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 75 5.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 78 5.2.1. Lecci on 1. Denici on. Subespacios . . . . . . . . . . . . 78 5.2.2. Lecci on 2. Combinaci on lineal, independencia y dependencia lineal, espacio generado . . . . . . . . . . 81 5.2.3. Lecci on 3. Bases y dimensi on. Espacios fundamentales de una matriz . . . . . . . . . . . . . . 84 5.2.4. Lecci on 4. Vector de coordenadas, cambio de base, bases ortonormales y proyecciones en Rn . . . . . . . . . 90 6. Transformaciones lineales 95
6.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 95 ii
Contenido
6.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 98 6.2.1. Lecci on 1. Denici on y propiedades . . . . . . . . . . . 98 6.2.2. Lecci on 2. N ucleo e imagen. Representaci on matricial . . . . . . . . . . . . . . . . . . . . . . . . . . 100 7. Valores y vectores propios 107
7.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 107 7.2. Lecciones de clase . . . . . . . . . . . . . . . . . . . . . . . . . 109 7.2.1. Lecci on 1. Deniciones . . . . . . . . . . . . . . . . . . 109 7.2.2. Lecci on 2. Diagonalizaci on . . . . . . . . . . . . . . . . 111 7.2.3. Lecci on 3. Diagonalizaci on ortogonal . . . . . . . . . . 113 7.2.4. Lecci on 4. Formas cuadr aticas y secciones c onicas . . . 115 A. Ejemplos de ex amenes 121
A.1. Primer parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 A.2. Segundo parcial . . . . . . . . . . . . . . . . . . . . . . . . . . 122 A.3. Tercer parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 A.4. Examen Final . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 Referencias 128
iii
PRESENTACION
Este libro es resultado de experiencias de aula realizadas con estudiantes de ingenier a y tecnolog a de la Universidad Tecnol ogica de Pereira durante 7 semestres acad emicos entre 2007 y 2010, en el desarrollo de los proyectos de investigaci on: diagn ostico de algunas causas que obstaculizan el aprendizaje del algebra lineal y estudios metodol ogicos para contribuir a mejorar el proceso de ense nanza-aprendizaje del algebra lineal, incorporando las nuevas tecnolog as de la informaci on y las comunicaciones, propuestos por el grupo Estudios Metodol ogicos para la Ense nanza de la Matem atica y el uso de las Nuevas Tecnolog as, EMEMATIC. La estructura del libro fue lo que llev o a su denominaci on Lecciones de algebra lineal. Libro de trabajo para estudiantes y gu a did actica del docente, porque responde a las necesidades, inquietudes y requerimientos de cada uno. La manera como est a presentado le ayuda al estudiante a subsanar las falencias m as frecuentes tales como la apat a, la poca lectura, falta de motivaci on y compromiso con su aprendizaje, que son algunas de las causa que impiden aprender los conceptos b asicos del algebra lineal. Para el docente, el texto se convierte en una gu a de trabajo ya que la forma de organizaci on y presentaci on del contenido le brindan la posibilidad de crear ambientes que contribuyan o favorezcan el desarrollo integral de los estudiantes, generando espacios en donde se fomenta el esp ritu cr tico, autorreexivo y se promueva el trabajo individual, colaborativo, cooperativo
Presentaci on
y en equipo; posibilitando al alumno salir de la pasividad que caracteriza a un estudiante en una metodolog a tradicional. Adem as, la estructuraci on del libro por lecciones de clase permite el desarrollo de los temas de un primer curso de algebra lineal para estudiantes de ingenier a y tecnolog a en un semestre acad emico, lo cual lo convierte en otra fortaleza y lo diferencia de otros similares. La metodolog a, que se concreta en la forma como est a escrito y presentado el libro, es uno de los aspectos que lo diferencia de otros textos y est a fundamentada te oricamente en el aprendizaje desarrollador. Las actividades que se proponen promueven en el alumno el tr ansito progresivo de la dependencia a la independencia y autorregulaci on y lo llevan paulatinamente a iniciarse en peque nas investigaciones. El contenido te orico del libro es el cl asico para un primer curso de algebra lineal para estudiantes de ingenier as y tecnolog as, la diferencia radica en la forma sist emica como se presentan, desarrollan y relacionan los temas, los cuales se muestran de manera progresiva y entrelazada, permitiendo al estudiante avanzar en el conocimiento e integrarlo para hacer de el un todo, posibilit andole la soluci on exitosa de muchos problemas en el desarrollo de su carrera y posteriormente en su actividad profesional. Para la organizaci on del contenido se tuvo en cuenta la c elula generadora a partir del concepto de combinaci on lineal, el cual se desarrolla desde el segundo cap tulo. Aunque el algebra lineal se fundamenta esencialmente en la teor a de los espacios vectoriales, las transformaciones lineales y los valores y vectores propios, el texto inicia con sistemas de ecuaciones lineales porque permite al estudiante continuar el desarrollo de sus conocimientos a partir de lo visto y aprendido en sus cursos previos, a la vez que posibilita ver su utilidad, as como establecer una continuidad con lo que estudi o en sus a nos de colegio, logrando que los estudiantes vayan cambiando su actitud frente a la matem atica, llev andolo gradualmente a perderle el miedo y la fobia, en particular al algebra lineal. El libro facilita al estudiante la apropiaci on de uno de los conceptos m as absvi
Presentaci on
tractos del curso, espacios vectoriales, de manera natural y rigurosa. Se inicia con espacios vectoriales conocidos y trabajados por ellos en otras asignaturas, por ejemplo en f sica, cuando usan vectores. Posteriormente, se hace la teorizaci on de estos objetos matem aticos como espacios vectoriales y nalmente se desarrollan los temas transformaciones lineales y valores y vectores propios. El libro est a distribuido en siete cap tulos y un ap endice. Cada cap tulo contiene talleres pre-clase y lecciones de clase. El contenido se desarrolla completamente en un semestre acad emico de 16 semanas con una intensidad de 4 horas semanales, lo cual es otra diferencia con textos similares. Los talleres pre-clase aparecen al inicio de cada cap tulo con el prop osito de que el alumno realice una lectura previa de los ejercicios propuestos, se familiarice con ellos y est e atento al desarrollo de los conceptos del cap tulo a trav es de las lecciones de clase, para identicar la teor a que le permitir a la soluci on de estos. Los talleres constan de 5 secciones: Ejercicios que requieren de conceptos desarrollados en las lecciones de clase para su modelaci on. Soluci on, generalizaci on, clasicaci on o particularizaci on. Preguntas para decidir su valor de verdad, con las cuales se verican los conceptos vistos, se construyen ejemplos y contraejemplos, se familiarizan con leyes, propiedades y regularidades del tema de cada cap tulo. Ejercicios de tipo algor tmico Aplicaciones en la vida cotidiana o en el contexto matem atico. Las lecciones de clase, estructuradas para una sesi on de dos horas cada una, contienen deniciones, ejemplos, ejercicios, leyes y propiedades que permiten el desarrollo de los temas de cada cap tulo. Adem as, contienen espacios en vii
Presentaci on
blanco cuyo prop osito es que los estudiantes los completen en la medida en que se desarrolla la lecci on; esto con el n de motivar al alumno a leer, escribir, construir sus propios ejemplos, contraejemplos, argumentar y debatir, lo que caracteriza que el texto es de trabajo y no de simple consulta. La manera como se presentan las lecciones, permiten al estudiante avanzar a su propio ritmo y desarrollarlas de acuerdo a sus conocimientos, habilidades y competencias. Los contenidos se distribuyen en cap tulos como se describe a continuaci on: El cap tulo 1, sistemas de ecuaciones lineales, proporciona al alumno las herramientas necesarias para el desarrollo de los cap tulos posteriores. En los cap tulos 2 y 3, vectores, rectas, planos y matrices, se desarrolla la estructura de espacio vectorial en conjuntos particulares tales como vectores y matrices. En el cap tulo 4, determinantes, se da su denici on y se ilustran con ejemplos sus propiedades las cuales ser an usadas m as adelante en valores y vectores propios. El cap tulo 5, espacios vectoriales, generaliza el concepto de espacio vectorial, su estructura, propiedades, leyes y regularidades, el cual es uno de los temas centrales del curso. En los cap tulos siguientes 6 y 7, transformaciones lineales y valores y vectores propios, se estudian conceptos fundamentales para la formaci on de los ingenieros y tecn ologos. En el ap endice A se incluyen ejemplos de ex amenes realizados en semestres anteriores para cada una de las notas parciales y el examen nal, los cuales permitir an a los estudiantes autoevaluarse y familiarizarse con el tipo de preguntas que realizan. Los autores.
viii
Cap tulo 1
Sistemas de ecuaciones lineales
En este cap tulo se estudian los sistemas de ecuaciones lineales en la modelaci on y soluci on de problemas y situaciones que surgen en ingenier a, tecnolog a o la vida pr actica.
1.1.
Taller pre-clase
2 3 2 y su diferencia sea 5 .
A. Resuelva las siguientes situaciones 1. Encuentre dos n umeros cuya suma sea
2. Una industria produce dos tipos de pl astico: regular y especial. Cada tonelada de pl astico regular necesita 2 horas en la planta A y 5 en la planta B; cada tonelada del pl astico especial necesita 2 horas en la planta A y 3 en la planta B. Si la planta A dispone de 8 horas al d a y la planta B 15, cu antas toneladas de cada tipo de pl astico pueden fabricarse diariamente de modo que las plantas operen a toda su capacidad? B. Teor a 1. Escriba una denici on de soluci on de ecuaci on lineal, soluci on de un sistema de ecuaciones lineales. 1
Cap tulo 1. Sistemas de ecuaciones lineales
2. Construya un ejemplo de un sistema de ecuaciones lineales que sea consistente y otro que sea inconsistente. 3. Investigue sobre los m etodos de GaussJordan y eliminaci on gaussiana Dena cada uno de los m etodos Establezca al menos dos diferencias
Construya 2 ejemplos en los cuales use los m etodos
Cu al de los m etodos es m as eciente en la pr actica? Por qu e? 4. Construya dos ejemplos de matrices que est en en forma escalonada y escalonada reducida. 5. Escriba una denici on de matrices equivalentes por renglones y d e un ejemplo. 6. Describa un procedimiento para transformar una matriz en la forma escalonada y escalonada reducida por renglones. C. Responda verdadero (V) o falso (F) a las armaciones siguientes. Justique cada una de sus respuestas 1. 2. 3. Existen sistemas homog eneos inconsistentes Todo sistema cuadrado es consistente Todo sistema con m as inc ognitas que ecuaciones siempre tiene innitas soluciones El sistema
x + 2y = 5 2x + y = 4 x+ y =1
4. 5.
no tiene soluci on.
Todo sistema con m as ecuaciones que inc ognitas siempre es inconsistente
D. Poniendo en pr actica la teor a 1. Encuentre un valor de r, si existe, de modo que la terna dada sea una soluci on del sistema de ecuaciones lineales.
Alejandro Mart nez A. Vivian Libeth Uzuriaga L.
Grupo de investigaci on EMEMATIC
2x + 3y z = 1 4x + y + 3z = x y + 2z =
a) (r, 2, 1) b) (2, r, 3)
c) ( 1 , 1 , r ) 2. Resolver los siguientes sistemas de ecuaciones lineales mediante el m etodo de eliminaci on gaussiana: a)
x + 2y + 3z = 4 3x + 4y + 5z = 8 2x + 3y + 4z = 15
b) 2x y 2z + w = 9
x + y 2z =
3y z + w = 3 6
c) 2x 3y 4z = 15
4x + y + 2z = 7
2x + 4y + 6z = 12
3. La matriz aumentada del sistema Ax = b, est a dada por:

1 0 2 | 1 1 | 2 0 1 0 2 | 3 1
Determine los valores de , si existen, para que el sistema dado tenga: a) Soluci on u nica. Escriba la soluci on b) Innitas soluciones. Escriba el conjunto soluci on c) Ninguna soluci on d) Para = 1, determine cu al de los vectores es soluci on del sistema
5 (i) x1 = 0 2 2 (ii) x2 = 1 1
E. Aplicaciones.
1. Cuando se agrega un disco duro a una computadora personal, el del valor de la sistema nuevo cuesta $1.400.000. Se sabe que 1 3 1 computadora m as 5 del valor del disco duro dan un total de $400000. Cu al es el costo del disco duro? (Ejercicio 48, p agina 14 de [7]).
2. Determine la ecuaci on de la par abola con eje paralelo al eje y en el plano xy , que pasa por los puntos P (1, 0), Q(1, 6) y R(2, 0). (Ejercicio 14, p agina 52 de [7]). 3. [Empaquetamiento de libros]. C esar Andr es es un estudiante de segundo semestre de ingenier a de la Universidad Tecnol ogica de Pereira que se va a cambiar de casa. Al empacar sus libros, nota que si coloca 11 libros en cada caja, dejar a uno por fuera. Por otro lado, si pone 12 libros en cada caja, entonces la u ltima contiene un solo libro. Cu antos libros y cu antas cajas tiene C esar Andr es? 4. Dos personas A y B inician un negocio aportando capitales iguales. Transcurridos tres meses, una tercera persona C ingresa al negocio y aporta la misma cantidad que invirtieron A y B. Si al cabo de un a no las utilidades son de $1980.000, cu anto le corresponde a cada uno, si las ganancias se reparten proporcionalmente? Resuelva s olo uno de los siguientes problemas. 5. Un departamento de pesca y caza proporciona 3 tipos de comida a un lago que alberga a 3 especies de peces. Cada pez de la especie 1 consume cada semana un promedio de 1 unidad del alimento 1, 1 del alimento 2 y 2 unidades del alimento 3. Cada pez de la especie 2 consume cada semana un promedio de 3 unidades del alimento 1, 4 del alimento 2 y 5 unidades del alimento 3. Para un pez de la especie 3, el promedio semanal de consumo es 2 unidades del alimento 1, 1 unidad del alimento 2 y 5 unidades del alimento 3. Cada semana se suministra al lago 15000 unidades del primer alimento, 10000 del segundo y 35000 del tercero. Suponga que todo el alimento se consume. a) Construya un modelo matem atico que represente la informaci on del problema. b) Podr an coexistir 4000 peces de la especie 3 en el lago? c) Pueden coexistir 6000 peces de la especie 3? d) Pueden coexistir 9000 peces de la especie 3? e) Qu e poblaci on de las tres especies de peces puede coexistir?
6. Encuentre las cantidades desconocidas en el circuito de la gura 1.1.

a
5
b i1 3A i2
c 10A i3
+ E3 R
10V
E2
5A
Figura 1.1. Circuito
Indicaci on. V representa el voltaje, R es la resistencia e i es la corriente.
1.2.
1.2.1.
Lecciones de clase
Lecci on 1. La l nea recta
Se recordar an conceptos b asicos de la l nea recta tales como: el c alculo y la interpretaci on de la pendiente, diferentes representaciones de la ecuaci on de la recta. As , al nalizar la lecci on el alumno estar a en condiciones de usar la recta para modelar y resolver diferentes situaciones. Coordenadas en el plano
y
y1
Py (0, y1 )
P ( x 1 , y1 ) Px (x1 , 0) x1 x
R2 = {(x, y ) : x, y R } o R2 = x y : x, y R
Figura 1.2. Coordenadas en R2

La l nea recta
Para determinar la ecuaci on de la recta se debe conocer uno de los datos contemplados a continuaci on: 1. Dos puntos diferentes. Sean P (x0 , y0 ) y Q(x1 , y1 ) dos puntos del plano.
y Q ( x 1 , y1 ) R(x, y )
O P ( x 0 , y0 )
Figura 1.3. Recta por dos puntos
Si x0 = x1 , la ecuaci on de la recta que los contiene, en su forma punto pendiente es: y y0 = m ( x x0 ) o y y1 = m ( x x1 ) , donde m = y1 y0 . x1 x0
Ejercicio 1. Verique que la ecuaci on de la recta que pasa por los puntos P (x0 , y0 ) y Q(x0 , y1 ) con y0 = y1 es x = x0 . 2. Un punto y la pendiente. Si la pendiente es m y el punto es P (x0 , y0 ), la ecuaci on es: y y0 = m(x x0 ). 3. La pendiente y el intercepto con el eje y . Si la pendiente es m y el intercepto con el eje y es el punto es P (0, k ), la ecuaci on es: y = mx + k. 4. La derivada de una funci on y = f (x) en un punto dado. Si f (x0 ) es la derivada de y = f (x) en el punto P (x0 , f (x0 )), la ecuaci on de la recta tangente a la gr aca de y = f (x) en el punto P es: y = f (x0 ) + f (x0 )(x x0 )

y y y = f (x )
P (0, k)
P (x0 , f (x0 ))
(a) Pendiente-intercepto
(b) Recta tangente
Figura 1.4. Pendiente-intercepto y recta tangente
En general, la ecuaci on de una recta se puede escribir en la forma ax + by = c, donde a, b, c R , a y b no son simultaneamente nulos. Ejercicio 2. Considere la ecuaci on de la recta 3x 2y = 4. Responda. a) La recta tiene como pendiente b) Los intersectos con los ejes coordenados son: c) Su gr aca es:
5 4 3 2 1 0 -1 -2 -3 -4 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
(1.1)
Figura 1.5. Recta del ejercicio 2

d) Determine qu e puntos satisfacen la ecuaci on de la recta: i) (2, 5) v) (0, 0) ii) (1, 1) iii) (4, 4) vi) (2a, 3a + 4), a R iv) (3, 3)
Geom etricamente que representan los puntos que satisfacen la ecuaci on? Qu e relaci on tienen los puntos que no satisfacen la ecuaci on de la recta con la gr aca? e) Cu antos puntos satisfacen la ecuaci on de la recta? Caracter celos. Ejercicio 3. En un juego de video se observa un aeroplano que vuela de 1 , x > 0, y izquierda a derecha a lo largo de la trayectoria dada por y = 1 + x dispara proyectiles en direcci on tangente a la trayectoria, a blancos que est an en el eje x en las posiciones ubicadas en los puntos 1, 2, 3, 4 y 5. Determine si los proyectiles dar an en alg un blanco si el avi on los dispara cuando est a en 3 5 los puntos P (1, 2) y Q( 2 , 3 ). (Ejercicio 63, p agina 150 de [9]). on geom etrica de la derivada. Sugerencia: Debe recordar la interpretaci Ejercicio 4. Halle la funci on lineal que pasa por los (1, 1) y (4, 9). Recuerde: Una funci on lineal es de la forma f (x) = a0 + a1 x.
1.2.2.
Lecci on 2. Sistemas 2 2
Con esta lecci on el alumno reconocer a sistemas de dos ecuaciones lineales con dos inc ognitas a partir de situaciones problemas. Adem as, ser a capaz de resolverlos, identicando cuando es consistente o no y establecer condiciones para ello. Observe que al resolver el ejercio anterior se obtienen dos ecuaciones lineales con dos inc ognitas a0 y a1 , que al analizarlos en conjunto, resulta un sistema 2 2 como se dene a continuaci on.
Denici on 1.1 (Sistema de 2 ecuaciones lineales con 2 inc ognitas). Un sistema de dos ecuaciones lineales en las variables x y y , denominado sistema 2 2, es de la forma a11 x + a12 y = b1 a21 x + a22 y = b2 , donde a11 , a12 , a21 , a22 R no simult aneamente nulos, son los coecientes del sistema y b1 , b2 R , los t erminos independientes. Notaci on: En aij , i representa la i esima ecuaci on, mientras que j , indica la j esima variable. Cuando se tiene un sistema 2 2 y se gracan las rectas en un mismo plano, siempre sucede uno y s olo uno de los casos siguientes:
y a11 x + a12 y = b1 a11 x + a12 y = b1 a21 x + a22 y = b2 x a21 x + a22 y = b2 x a21 x + a22 y = b2 x y y a11 x + a12 y = b1
(a) Soluci on u nica
(b) Innitas soluciones
(c) Ninguna soluci on
Figura 1.6. Sistemas 2 2
a) Cuando las rectas se cortan en un solo punto, anal ticamente existe un u nico punto que satisface las dos ecuaciones y se dice que el sistema tiene soluci on . b) Cuando las rectas se cortan en innitos puntos, anal ticamente existen innitos puntos que satisfacen las ecuaciones. En este caso, se dice que el soluciones. sistema tiene c) Si las rectas no se cortan, anal ticamente el sistema
Alejandro Mart nez A.
Vivian Libeth Uzuriaga L.
10
Denici on 1.2. Si un sistema tiene soluci on u nica o innitas soluciones, se . dice que es consistente. En otro caso, se dice que es Ejercicio 1. Resuelva los siguientes sistemas, graque cada par de rectas en un mismo plano e identique el punto o los puntos de intersecci on, si existen. a) x y = 1 3x 2y = 4 b)
4 2 y= 3 x+ 3 3x 2y = 4
c)
3x + 2y = 5 3x 2y = 4
Ejercicio 2. Una rener a produce gasolina con y sin azufre. Cada tonelada de gasolina sin azufre requiere 5 minutos en la planta de mezclado y 4 en la planta de renaci on. Por su parte, cada tonelada de gasolina con azufre requiere 4 minutos en la planta de mezclado y 2 en la planta de renaci on. Si la planta de mezclado tiene 3 horas disponibles y la de renaci on 2. Cu antas toneladas de cada gasolina se deben producir para que las plantas se utilicen al m aximo? (Ejercicio 21, p agina 10 de [5]). Ejercicio 3. Encuentre los valores de a y c, si existen, de modo que las rectas de ecuaciones x 2y = 4 y ax + 3y = c se corten en innitos puntos.
1.2.3.
Lecci on 3. Sistemas m n
Partiendo de una situaci on problema, se llega al planteamiento de sistemas de m ecuaciones lineales con n inc ognitas. A partir de la relaci on, paralelo o analog a que se hace con el m etodo de eliminaci on aprendido por el estudiante en su colegio, se deduce el m etodo de eliminaci on. Adem as, se desarrollan los conceptos de ecuaci on lineal en n variables, soluci on de esta y los sistemas de m ecuaciones lineales con n inc ognitas, haciendo analag as y relaciones con los estudiados en las lecciones 1.2.1 y 1.2.2. Denici on 1.3. Una ecuaci on lineal en las variables x1 , x2 , . . . , xn es una expresi on de la forma a1 x 1 + a2 x 2 + + an x n = b (1.2)
donde a1 , a2 , . . . , an R , no son simultaneamente nulas son los coecientes y b R es el t ermino independiente.

11
Ejercicio 1. Determine cuales de las siguientes ecuaciones son lineales: w = log 2 e) e2 x 3xy + 8w = 40 a) 42 x + 7 y + z 1 2 1 b) 4 2 x + 7 y + z 2 w = log 2 f) e2x 3x 3y + 8w = 40 c) sen 3 x + 3y = 8 x) + 3y = 8 d) sen( 3 g) 2 x 1 + 3 x 2 + 4 x 3 = 5
Denici on 1.4. Una soluci on de la ecuaci on (1.2) es una ntupla ordenada (1.2), se obtiene un enunciado verdadero.
s1 . . de n umeros reales (o complejos), que al ser sustitu dos en la ecuaci on . sn
Ejemplo 1.1. La ecuaci on 2x1 + 3x2 + 4x3 = 5 es una ecuaci on lineal en las variables x1 , x2 , y x3 . Algunas soluciones de la ecuaci on son: a) x1 = 2, x2 = 1, x3 = 1 c) x 1 = 1 , x2 = 0, x3 = 1 2 b) x 1 = 1 , x 2 = 1 , x 3 = 0
Ejercicio 2. Considere la ecuaci on del ejemplo 1.1 a) C omo comprobar que en efecto los valores de las variables dados en los literales a), b) y c) son soluci on de dicha ecuaci on? b) Existen otras soluciones para tal ecuaci on?, cu antas?
Sistema de m ecuaciones lineales con n inc ognitas

Ejercicio 3. Encuentre una funci on polinomial de grado 3 que pase por los puntos P1 (1, 2), P2 (1, 3), P3 (2, 2) y P4 (3, 4). Recuerde: Una funci on 2 3 polin omica de grado 3 es de la forma: f (x) = a0 + a1 x + a2 x + a3 x . Al analizar este problema, se llega a un sistema de 4 ecuaciones lineales con 4 variables, a0 , a1 , a2 y a3 . Para resolverlo, se introduce primero la denici on de m ecuaciones lineales con n inc ognitas y las m etodos para solucionarlos.
12
Denici on 1.5. Un sistema de m ecuaciones lineales en las n variables x1 , x2 , . . . , xn es un conjunto de ecuaciones lineales de la forma a11 x1 + a12 x2 + + a1n xn = b1 (1.3)
a21 x1 + a22 x2 + + a2n xn = b2 . . . . ... . . . . . . . .
am1 x1 + am2 x2 + + amn xn = bm , donde aij R no son simult aneamente nulos son los coecientes del sistema y bi R son los t erminos independientes. Denici on 1.6. Una soluci on del sistema (1.3) es una ntupla ordenada ecuaciones que conforman el sistema.
s1 . . de n umeros reales (o complejos), que es soluci on de cada una de las . sn
Ejemplo 1.2. Los siguientes son ejemplos de sistemas de ecuaciones lineales

x 2y + 3z = 11 a) 4x + y z = 4 2x y + 3z = 10 x + 2y 3z + 2w = 3 b) 2x 5y + 5z w = 8 x 2z + 5w = 5 x+ y =7 c) 4x y = 4 3x 2y = 5
Ejercicio 4. Determine el n umero de ecuaciones y de inc ognitas en cada uno de los sistemas del ejemplo 1.2. Ejercicio 5. Cu ales vectores son soluci on del sistema del ejemplo 1.2b).
9 6 a) 0 0 15/2 1 b) 5/2 1/2 12 2 c) 1 1 0 0 d) 0 0
Denici on 1.7. Si un sistema tiene soluci on u nica o innitas soluciones, se . dice que es consistente. En otro caso, se dice que es Ejercicio 6. Usando el m etodo de eliminaci on estudiado en su bachillerato resuelva el sistema del ejemplo 1.2a).
13
1.2.4.
Lecci on 4. Matriz asociada. M etodos de soluci on
Con esta lecci on, el alumno desarrollar a habilidades para proponer como modelo matem atico, los sistemas de ecuaciones lineales para solucionar situaciones problemas. Adem as, ser a capaz de usar los m etodos de eliminaci on gaussiana y de Gauss-Jordan para determinar la soluci on de un sistema de ecuaciones lineales. Tambi en se representa un sistema en forma matricial. Denici on 1.8 (Matriz asociada de a11 a12 . . . a21 a22 . . . . . . . . . .. . a m1 a m2
se llama matriz asociada o aumentada del sistema (1.3).

a11 a12 a21 a22 A= . . . . . . a m1 a m2
un sistema). El arreglo a 1n | b 1 a 2n | b 2 . . . . | . . . . . amn | bm
. . . a 1n b . . . a 2n .1 es la matriz de coecientes del sistema, b = . .. . . . . . bm . . . amn x .1 . el vector de t erminos independientes y x = . es el vector de variables. xn
La diagonal principal de A es (a11 , a22 , . . . , akk ), donde k = m n{m, n}.
Ejercicio 7. Escribir la matriz asociada para cada sistema del ejemplo 1.2.
Operaciones elementales de rengl on

1. cf i , c R , c = 0. Multiplicar una la por una constante no nula 2. f j + cf i , c R , c = 0. Sumar a un rengl on un m ultiplo de otro 3. f i f j o f ij . Intercambiar dos renglones
14
Denici on 1.9. La matriz A de m n es equivalente por renglones con la matriz B de m n, si B se puede obtener de A aplicando una sucesi on nita de operaciones elementales por rengl on. Regresando al ejercicio 6 de la leccci on anterior y usando la representaci on matricial de un sistema m n, se establece la siguiente analog a. Ejemplo 1.3. Usando el m etodo de eliminaci on, resolver el sistema dado en el ejemplo 1.2a) Soluci on. En la siguiente tabla se muestra la soluci on del sistema usando eliminaci on, haciendo el paralelo ecuaciones-forma matricial.
Sistema de ecuaciones lineales Matriz asociada al sistema
x 2y + 3z= 11 Ec 1 4x + y z = 4 Ec 2 2x y + 3z= 10 Ec 3
Operaci on en las ecuaciones 2 y 3, tomando como base la ecuaci on 1, para volver cero el coeciente de x en ambas ecuaciones
1 2 3 | 11 4 1 1 | 4 2 1 3 | 10
Operaci on en las las o renglones 2 y 3, tomando como base el rengl on 1, para volver cero las componentes a21 y a31
Ec 2 Ec 2 4Ec 1 4x + 8y 12z= 44 4x + y z = 4 9y 13z= 40 Ec 4 Ec 3 Ec 3 2Ec 1 2x + 4y 6z= 22 2x y + 3z= 10 3y 3z= 12 Ec 5 El sistema resultante equivalente es x 2y + 3z= 11 Ec 1 9y 13z= 40 Ec 4 3y 3z= 12 Ec 5
f 2 f 2 4f 1 1 2 3 | 11 0 9 13 | 40 2 1 3 | 10 f 3 f 3 2f 1 1 2 3 | 11 0 9 13 | 40 0 3 3 | 12
15
Operaci on en la ecuaci on 3, tomando como base la ecuaci on 2, renombrada como Ec 4, para volver cero el coeciente de x en dicha ecuaci on
Operaci on en la la 3, tomando como base el rengl on 2 de la nueva matriz, para volver cero la posici on a32
Ec 5 3Ec 5 9y 9z = 36 Ec 6 Ec 5 Ec 5 Ec 4 9y 13z= 40 9y 9z= 36 4z = 4 Ec 7 Sistema equivalente x 2y + 3z = 11 9y 13z = 40 4z = 4

Determinando la soluci on: despejando en la u ltima ecuaci on la variable z y haciendo sustituci on hacia atr as se obtiene: 4z = 4 z = 1 9y 13(1) = 40, y = 3 x 2(3) + 3(1) = 11, x = 2 Es decir, x = 2, y = 3 y z = 1. Tambi en puede escribirse as : 2 3 1
f 5 3f 5
f5 f5 f4 1 2 3 | 11 0 9 13 | 40 0 0 4| 4 Sistema equivalente x 2y + 3z = 11 9y 13z = 40 4z = 4
1 2 3 | 11 0 9 13 | 40 0 9 9 | 36
Determinando la soluci on: de la u ltima la se escribe la ecuaci on, 4z = 4, se encuentra el valor de z y se hace sustituci on hacia atr as 4z = 4 z = 1 9y 13(1) = 40 y = 3 x 2(3) + 3(1) = 11 x = 2 Es decir, 2 3 1
Observe que la u ltima matriz tiene ceros debajo de la diagonal principal y se dice que est a en forma triangular superior. Este tipo de matrices son una generalizaci on de las matrices en forma escalonada que se denen a continuaci on.
16
Denici on 1.10. Una matriz Amn est a en forma escalonada reducida por renglones cuando satisface las siguientes propiedades. Ver [2]. 1. Todos los renglones que constan s olo de ceros, si los hay, est an en las u ltimas las de la matriz. 2. Al leer de izquierda a derecha, la primera entrada distinta de cero en cada rengl on (que no est e formado completamente de ceros) es 1, y se le denomina pivote. 3. Si los renglones fi y fi+1 son dos renglones sucesivos que no constan completamente de ceros, entonces la entrada principal (o pivote) del rengl on fi est a a la derecha del pivote del rengl on fi+1 . 4. Si una columna contiene un pivote de alg un rengl on, entonces el resto de las componentes de esa columna son iguales a cero. Si s olo se cumplen 1, 2 y 3; se dice que A est a en forma escalonada. Ejercicio 8. Determine cu ales de las siguientes matrices est an en forma escalonada por renglones y cu ales en forma escalonada reducida.
1 5 A = 0 1 0 0 D= 0 3 0 3 , 1 9 E= 1 7 0 0 6 B = 0 0 0 1 8 , 0 0 0 0 1 1 3 0 0 0 , F = 0 0 0 0 0 0 0 1 0 0 H = 0 1 0 . 0 0 1 1 0 0 2 1 C = 0 1 0 0 0 , 0 1 1 0 0 0 0 0 0 1 0 , 0 0 0
1 0 0 , 0 1 0
Ejercicio 9. Llevar las matrices del ejemplo 1.2 a una forma escalonada. Teorema 1. Toda matriz de Amn no nula es equivalente por renglones con una u nica matriz E mn en forma escalonada reducida por renglones.
1 2 0 0 0 G = 0 0 1 1 0 , 0 0 0 1 5
17
M etodos de soluci on
Eliminaci on Paso 1. Formar la matriz aumentada del sistema: A|b
Paso 2. Aplicar operaciones de rengl on para llevar la matriz A a una forma triangular superior U : A | b U | b Paso 3. Decidir si el sistema tiene soluci on. El sistema no tendr a soluci on si U tiene al menos una la de ceros y el correspondiente t ermino independiente bi es distinto de cero. Si el sistema tiene soluci on se utiliza sustituci on hacia atras para hallarla. Eliminaci on gaussiana Paso 1. Formar la matriz aumentada del sistema: A|b .
Paso 2. Aplicar operaciones de rengl on hasta llevar la matriz A a su forma escalonada por renglones F : A | b F | b . Paso 3. Decidir si el sistema tiene soluci on. El sistema no tendr a soluci on si la forma escalonada de A tiene al menos una la de ceros y el correspondiente t ermino bi es distinto de cero. Si el sistema tiene soluci on se utiliza sustituci on hacia atras para hallarla. Eliminaci on de GaussJordan
Paso 1. Formar la matriz aumentada del sistema:
A|b .
Paso 2. Aplicar operaciones de rengl on hasta llevar la matriz A a su forma escalonada reducida por renglones E : A | b E | b . Paso 3. Decidir si el sistema tiene soluci on. El sistema no tendr a soluci on si la forma escalonada reducida de A tiene al menos una la de ceros y el correspondiente t ermino bi es distinto de cero. Si el sistema tiene soluci on, se determina directamente de la matriz aumentada.
18
Ejercicio 10. Retomando el ejercicio 3, encuentre una funci on polinomial de grado 3 que pase por los puntos P1 (1, 2), P2 (1, 3), P3 (2, 2), P4 (3, 4). Ejercicio 11. Halle el valor (o valores) de para que el sistema
x 2y = 1
2x + 2 y =
i) tenga soluci on u nica. Muestre la soluci on, ii) tenga innitas soluciones. Escriba la soluci on general, ii) sea inconsistente. Ejercicio 12. Determine los valores de a y k para el cual el sistema de ecuaciones lineales representado por la matriz sea consistente, halle el conjunto soluci on en cada caso, y los valores de a y k para el cual sea inconsistente.
3 2 0 | 1 5 | 1 0 1 0 0 ka | a+1
Teorema 2 (Teorema resumen). Sea A una matriz n n. La siguientes armaciones son equivalentes 1. El sistema Ax = b tiene soluci on u nica para cada n-vector b 2. El sistema homog eneo Ax = 0 tiene soluci on y la soluci on es
3. La forma escalonada reducida de A es 4. A es equivalente por renglones a la matriz 5. La forma escalonada de A tiene pivotes
Taller de repaso
Se proponen actividades de refuerzo que le permiten al estudiante autoevaluarse en el desarrollo de los prop ositos del cap tulo.
19
Ejercicio 1. a) Determine el valor (o valores) de k para el cual el sistema de ecuaciones lineales representado por la matriz sea consistente, halle el conjunto soluci on en cada caso, y el valor (o valores) de k para el cual sea inconsistente.
1 0 1 | 1 1 0 1 1 | 0 k k 2 | 2k 1
b) Para k = 1, determine si el vector dado es una soluci on del sistema

2 (i) 0 1 2 (ii) 1 3
Ejercicio 2. Determine el valor (o valores) de a para el cual el sistema de ecuaciones lineales

x + 2y + z = a2 x + y + 3z = a 3x + 4y + 7z = 8
a) sea consistente, halle el conjunto soluci on en cada caso. b) sea inconsistente. Ejercicio 3. Una bi ologa ha colocado tres cepas bacterianas (I, II, y III) en un tubo de ensayo, donde ser an alimentadas con tres distintas fuentes alimenticias (A, B, y C). Cada d a 2300 unidades de A, 800 de B y 1500 de C se colocan en el tubo de ensayo, y cada bacteria consume cierto n umero de unidades de cada alimento por cada d a, como muestra la tabla Cepa
I 2 A Alimento B 1 1 C II 2 2 3 4 0 1 III
Cu antas bacterias de cada cepa pueden coexistir en el tubo de ensayo y consumir todo el alimento? (Ejemplo 2.27, p agina 101 de [8]).
20
Ejercicio 4. ABC Publicaciones edita tres calidades de libros: encuadernaci on r ustica, pasta dura y empastados en piel. Para los r usticos, la empresa gasta en promedio $5 en papel, $2 en ilustraciones y $3 las pastas. Para los de pasta dura, los gastos son $10 en papel, $6 en ilustraciones y $8 en pastas; y para los de lujo, empastados en piel, $20 en papel, $20 en ilustraciones y $24 en pastas. Si el presupuesto permite $235000 en papel, $158000 en ilustraciones y $205000 en pastas: a) Construya un modelo que represente la informaci on del problema. b) Es posible que se puedan editar 2000 libros empastados en piel? c) Se podr an editar 4000 libros empastados en piel? d) Se podr an producir 6000 libros empastados en piel? e) Cu antos libros de cada categor a pueden producirse? Ejercicio 5. Determine la soluci on de los siguientes sistemas de ecuaciones lineales homog eneos x + 2y 2z = 0 a) 2x + 7y + 2z = 0 x 2y z = 0 x + 2y 2z = 0 b) 2 x + 7 y + 2 z = 0 x y 8z = 0
Ejercicio 6. Considere el sistema homog eneo a1 x + b 1 y = 0 a2 x + b 2 y = 0 Sean x = x1 , y = y1 y x = x2 , y = y2 soluciones del sistema. Muestre que a) x = x1 + x2 , y = y1 + y2 tambi en es soluci on del sistema. b) x = 3x1 + 2x2 , y = 3y1 + 2y2 tambi en es soluci on del sistema. c) x = 1 x1 + 2 x2 , y = 1 y1 + 2 y2 tambi en es soluci on del sistema.
Cap tulo 2
Vectores, rectas y planos
En este cap tulo se estudian los vectores desde el punto de vista geom etrico, 2 3 n para R y R , anal ticamente para R , n > 1. Se usa la teor a de vectores en la modelaci on de diferentes problemas que surgen en matem aticas, f sica, ingenier a y en el quehacer diario. Tambi en se hace el estudio de la l nea recta 3 y del plano en R . Se concluye con un teorema, denominado teorema resumen, el cual recoge los resultados b asicos que surgen durante del desarrollo de las lecciones, que sirve de retroalimentaci on y autorregulaci on del aprendizaje de los estudiantes, ya que est a propuesto con las hip otesis m nimas para que ellos deduzcan sus conclusiones y completen los espacios que aparecen. Este teorema aparecer a al nalizar cada uno de los cap tulos con el prop osito de que el alumno lo complemente con las proposiciones que deduzca a partir de la teor a desarrollada en ellos, como se observa en el cap tulo 1.
21
22
Cap tulo 2. Vectores, rectas y planos
2.1.
Taller pre-clase
Vectores en R2
A. Resuelve la siguiente situaci on: Un barco es empujado por un remolcador con una fuerza de 300 libras a lo largo del eje y negativo, mientras que otro remolcador lo empuja a lo largo del eje x negativo con una fuerza de 400 libras. Determine la magnitud y direcci on de la fuerza resultante. (Ejercicio 29, p agina 228 de [5]). B. Teor a. 1. Describa un procedimiento geom etrico y algebraico para a) Sumar y restar vectores en el plano. Ejemplique b) Multiplicar un vector por un escalar (real) 2. Dena los siguientes t erminos. D e ejemplos y dibuje a) Longitud o norma de un 2vector b) Vector unitario en R2 . Vector coordenado unitario. c) Producto punto y angulo entre dos vectores no nulos del plano d) Vectores paralelos y perpendiculares e) Combinaci on lineal, dependencia e independencia lineal, espacio generado. C. Responda verdadero o falso. Justique sus respuestas. 1. 2. 3. 4. El producto punto de dos vectores no nulos de R2 nunca es cero # Sean # x , # y , # z R2 . Si # x # y = # x # z y # x = 0 , entonces # y = # z.
#, # # R2 no nulos tales que u # es paralelo a # Si u v, w v , entonces # # # no existen escalares y , tales que w = u + v # El vector 0 R2 siempre es posible escribirlo como combinaci on # # # 2 lineal de cualquier conjunto de vectores v1 , v2 , . . . , vk de R .
23
D. Poniendo en pr actica lo aprendido 1. Sea # v = (1, 2). Halle un vector unitario que tenga direcci on opuesta # a la de v . 2. Exprese los siguientes vectores (5, 7), (1/2, 4) y (, 3) como suma de los vectores can onicos. # # 3. Sean A = (4, 6) y B = (6, 4). Halle los vectores paralelos al vector # AB y de longitud 6 unidades. 4. Sean A(4, 3), B (1, 4) y C (, 2) tres puntos del plano. Determine el valor o valores de de modo que el tri angulo ABC sea a) Is osceles b) Rect angulo
# # # u , donde u = 2 5. Calcule proy v 3 y # v = + . E. Aplicaciones 1. Dos lanchas ayudan a que un barco salga de su embarcadero. Una de las lanchas est a jalando de el con una fuerza de 200 N, mientras que la otra lo hace con una fuerza de 150 N. La primera lancha toma una direcci on que forma un angulo de 25o . Qu e direcci on debe tomar la otra lancha para que el barco salga paralelamente al espig on? , ver [4]. # 2. Una fuerza F de magnitud de 10 N se aplica en la direcci on del vector # T = 4 3 . Cu al es el trabajo al mover el objeto desde el punto A(1, 1) hasta el punto B (5, 4)?, ver [3]. Vectores en R3 y en Rn A. Resuelva la siguiente situaci on Un fabricante produce cuatro art culos. Su demanda est a dada por el vector d = (30, 60, 40, 10) y el precio por unidad que recibe est a dado por el vector p = $20, $50, $100, $25 . Cu anto dinero recibir a el fabricante?
24 B. Teor a.
1. Sean P y Q dos puntos de Rn . Dena la norma del n-vector P y la distancia de P a Q. Ejemplique y dibuje los vectores para n = 3. 2. Dena vector unitario en Rn . Ejemplique la denici on anterior para n = 3. Dibuje los vectores. 3. Demuestre las propiedades que cumple el producto escalar de vectores de Rn enunciadas en la lecci on 4 del cap tulo 2. # # # y # # # 4. Sean a b dos vectores de R3 . Demostrar: a b = b a . C. Responda verdadero o falso a las siguientes armaciones. Justique cada una de sus respuestas. 1. El producto escalar de dos n-vectores es otro n-vector Sean # x , # y Rn . Si # x # y = 0, entonces por lo menos uno de los 2. vectores es el vector nulo. # #, # # # 3. Sean u v R3 . Si u v = 0 , entonces al menos uno de los vectores es el vector nulo. # = (x, y, z ) R3 . Si ( u # k ) (1, 0, 3) = 2, entonces y = 2 Sea u 4. #, # # R3 , u # = # # # # w # entonces # #. 5. Sean u v, w 0 . Si u v =u v =w
D. Poniendo en pr actica lo aprendido. 1. Los puntos A(a, a, a), B (a, a, a), C (a, a, a) y D(a, a, a) representan cuatro v ertices de un cubo. Halle las coordenadas de los dem as v ertices. 2. Determine los octantes en que pueden estar los puntos P (x, y, z ) si: a) x + y = 0 b) x z = 0 c) y + z = 0 d ) xy < 0 e) 0 > yz f) xyz > 0 # # y b dos vectores de R3 que forman un 3. Sean a angulo = 2/3. Si # # a = 3 y b = 4. Calcule: # # a) a b
b)
# + # a b
# 2 # # + 2 # c) (3 a b ) (a b)
25
4. Determine los valores de y , si existen, de modo que los vectores # = (2, 3, ) y # a b = (, 6, 2) sean paralelos. # y # 5. Los vectores a b son perpendiculares y # c forma con ellos angulos # # # iguales a /3. Si a = 3, b = 5 y c = 8. Calcule: # # 2 # a) 3 a b ) ( b + 3 # c) E. Aplicaciones. 1. Una tienda maneja 100 art culos diferentes. El inventario f sico al inicio de semana se describe mediante el vector de inventario u R100 . El n umero de art culos vendidos al nal de la semana se describen mediante el vector v R100 . a) Explique el signicado de u v. b) Si la tienda recibe un nuevo embarque de art culos representado por el vector w, c omo se escribe el nuevo inventario? b) # + 2 # a b 3 # c
2
2. La fabrica de comestibles La Fresa cuenta con 2000 empleados, anota los salarios de cada uno de sus empleados como una componente de un vector u R2000 . Si se ha aprobado un incremento salarial general del 8 %, determine una expresi on que utilice a u y establezca todos los nuevos salarios. (Basado en el ejercicio 33, p agina 156 de [5]). 3. Una aerol nea compra provisiones para tres de sus aviones. El costo por viaje, en d olares, se expresa con la matriz. Primera
Avi on 1 Avi on 2 Avi on 3
Clase
Negocios Econ omica
a) Si los tres aviones volaron el mismo d a, cu anto gast o la aerol nea en provisiones? b) Si s olo el avi on 3 vuela 5 d as a la semana Cu anto invierte la aerol nea en 3 semanas? (Ejercicio 55, p agina 78 de [7]).
350 400 450 500 600 700 800 700 900
26
# Momento de una fuerza. El momento m de una fuerza F respecto # de un punto P es el producto m = F d, donde d es la distancia de P a # la recta L denida por las direcci on de F . Se dene el vector momento # # = # # es el momento m, y se como sigue: m r F . La magnitud de m # desplaza a lo largo del eje de rotaci on que genera F con respecto a P . En la pr actica, se le da un signo al momento. El signo de m es positivo si la fuerza tiende a producir rotaci on en sentido antihorario respecto al punto dado, y es negativo en caso contrario.
P L
# r
d Q
# F
Figura 2.1. Momento de una fuerza
# en # 4. Calcule el momento m de F = 2 4 + k r = (2, 1, 3). Condiciones de equilibrio para fuerzas coplanares. Cuando las fuerzas coplanares act uan sobre un cuerpo r gido, este se encontrar a en equilibrio si se satisfacen las siguientes condiciones. (i) La suma vectorial de las fuerzas es cero. (ii) La suma algebraica de los momentos con signo de todas las fuerzas respecto de cualquier punto del plano es cero. 5. El extremo superior de una barra P Q uniforme, de 5 pies de longitud y que pesa 50 lb, descansa recargada en un muro vertical liso, ver gura izquierda. El extremo inferior descansa apoyado en un piso horizontal liso, a 3 pies del muro. Una cuerda OR sujeta al sistema en equilibrio. # Si la distancia RQ es 1 pie, cu al es la tensi on T de la cuerda? (Ejemplo 78, p agina 139 de [7]).
27
# R1
5/2
4 3
M R 1 Q O # T # w R S # R2 Q
d
M 5/2 3d
Figura 2.2. Gr aca ejercicio E5
Rectas y planos 1. Halle el punto de intersecci on entre plano de ecuaci on : 2x + 3y + z = 1 y la recta y+1 z L: x1= = . 2 6 2. Determine la ecuaci on param etrica de la recta L2 que pasa por el punto M (3, 2, 4), es paralela al plano : 3x 2y 3z = 7 y se corta con la recta x2 y+4 z1 L1 : = = . 3 2 2 3. Encuentre la ecuaci on del plano que pasa por el punto A(1, 2, 1) y es perpendicular a la recta que es la intersecci on de los dos planos 1 : x 2y + z 3 = 0 y 2 : x + y z + 2 = 0. 4. Halle la ecuaci on del plano que pasa por el origen de coordenadas y es perpendicular a los planos 1 : 2x y + 3z 1 = 0 y 2 : x + 2y + z = 0. 5. Describa un algoritmo, si existe, que permita dibujar un plano. Dibuje un plano paralelo a los ejes coordenados y uno que no sea paralelo a los ejes. 6. Sean P un punto, L un recta y un plano en R3 . Describa un procedimiento para calcular la distancia de P a L, de L a y de P a . Escriba una denici on para cada una de estas distancias.
28
2.2.
2.2.1.
Lecciones de clase
Lecci on 1. Vectores en el plano
Se comienza retomando los conceptos de distancia entre puntos, punto medio y mediatriz. Al nalizar, el alumno los podr a usar para deducir una expresi on para el c alculo de la distancia de un punto a una recta. Se contin ua con las deniciones b asicas de vectores en R2 . Coordenadas en el plano cartesiano.
y
y1
Py (0, y1 ) P (x1 , y1 ) Px (x1 , 0)
R2 = {(x, y ) : x, y R } Tambi en
x
x1
R2 =
R2
Figura 2.3. Coordenadas cartesianas en
x y
y
: x, y R
Teorema 3 (Distancia). Sean P1 (x1 , y1 ) y P2 (x2 , y2 ) dos puntos del plano. La distancia entre P1 y P2 es d = d(P1 , P2 ) =
y2
Q ( x 2 , y2 ) d a
x2
P ( x 1 , y1 ) x1
b x
y1 O
Figura 2.4. Distancia en R2
Ejercicio 1. Halle los valores de , si existen, de modo que los puntos P y Q disten 5 unidades: a) P (5, 0), Q(, 4) b) P (3, 2), Q(, 1). Punto medio. Sean P1 (x1 , y1 ) y P2 (x2 , y2 ) puntos en R2 . Las coordenadas x + x2 y + y2 del punto medio P ( x, y ) son: x = 1 , y = 1 . 2 2 Mediatriz La mediatriz de un segmento de recta se dene como la recta perpendicular que pasa por el punto medio del segmento.
29
Ejercicio 2. Determine la ecuaci on de la mediatriz del segmento de recta que une los puntos P (3, 6) y Q(7, 4). Distancia de un punto a una recta
y
P d
La distancia d del punto P a la recta L es d = PQ ,

x
Figura 2.5. Distancia de L a P
donde Q es el punto de intersecci on de la recta peerpendicular a L que pasa por P .
Ejercicio 3. Halle la distancia entre la recta 3x 4y = 10 y el punto P que es la intersecci on de las rectas 2x 3y = 3 y x 2y = 1.
Vectores en el plano (R2 )

Denici on 2.1 (Vector). Geom etricamente, un vector es un segmento de recta dirigido, anal ticamente es una pareja ordenada de n umeros reales. Notaci on. Los vectores de R2 los denotaremos mediante letras con una echa # #, # encima, por ejemplo, a b , # v , A. Un vector tambi en se puede representar por # un segmento rectil neo dirigido en la forma P Q donde P es el origen, cola o punto de aplicaci on y Q es el extremo o cabeza. # Si la cola es el origen, se escribir a R en # vez de OR. As , es posible asociar a cada y Q ( x 2 , y2 ) punto R(a, b) del plano un u nico vector # R = (a, b) cuya cola es el origen, que se denomina vector localizado (anclado) P ( x 1 , y1 ) R(a, b) ) b , o vector de posici on del punto R, gura # = (a R 2.6. As , se puede hacer la identicaci on
O
Figura 2.6. Vector posici on
# R(a, b) R = (a, b).
30
# # 0 Vector nulo. El vector nulo es el vector 0 = (0, 0) o 0= .

0
Denici on 2.2 (Igualdad de vectores). 1. Geom etricamente.

2 1 0 -1 -4 -3 -2
# v
O
-1 0 1 2 3 4
Dos vectores no nulos son iguales si tienen la misma longitud y direcci on.
x
5
Figura 2.7. Vectores iguales en R2
Dibuje otros vectores que sean iguales a # v.
2. Anal ticamente. Los vectores # v1 = (x1 , y1 ) y # v2 = (x2 , y2 ) son iguales si y . Ejercicio 4. Determine los valores de los escalares y , si existen, de modo que los vectores # v1 = (2 , 3) y # v2 = (3 2, + ) sean iguales. # = (1, 3). Ejercicio 5. Sea u # con cola en el punto P (5, 4). a) Dibuje un vector # v igual a u # igual a u # con cabeza en el punto Q(5, 1). b) Dibuje un vector w
y
# = (a, b) Norma de un vector. Sea u en R2 , la norma, longitud o magnitud de #, denotada por u # , es u # = u

O
# u
a =
# = (a, b) u
Figura 2.8. Norma
Ejercicio 6. Halle la norma de los siguientes vectores a) c) # = (3, 4) u # v = (6, 8) b) d) # v = (6, 8) # 0 = (0, 0)
31
#, # Teorema 4 (Propiedades de la norma). Sean u v R2 y R . No. 1. 2. 3. propiedad # 0 u nombre No negatividad Homogeneidad
# = 0 si y s # = # u olo si u 0 # # u = | | u
# = (a, b) R2 , Denici on 2.3 (Direcci on de un vector en R2 ). Sea u # = # #, denotada por = dir # u 0 . La direcci on de u v , es el angulo con menor valor absoluto que forma el vector con la parte positiva de las abscisas.
# v 2 y 2 1 4 # v 3 3 # v 4 x # v 3 4 # v 4 3 # v 1 # v 2 y 2 1 x # v 1
(a) < i
(b) 0 i < 2
Figura 2.9. Direcci on de un vector en R2
En la gura 2.9(a) se muestra la direcci on de varios vectores. # La direcci on de un vector u = (x1 , y1 ) de R2 se puede determinar mediante tan = Qu e sucede si x1 = 0? Ejercicio 7. Halle la longitud y direcci on de los siguientes vectores: a) # v1 = (4, 4) b) # v2 = (4, 4) c) # v3 = (4, 4)
si x1 = 0
d) # v4 = (4, 4) e) # v = (0, b), b R f) = (1, 0)
g) = (0, 1) h) u = (1/ 2, 1/ 2)
32
# R2 , se dice que u # es unitario si y s # = 1. Vector unitario. Sea u olo si u # es unitario, se denota por u Si u . Los vectores = (1, 0) y = (0, 1) se denominan vectores can onicos. # de R2 , tambi Nota. La direcci on de un vector no nulo u en se puede denir como el angulo de menor giro positivo del vector con respecto al eje positivo de las abscisas, como se ilustra en la gura 2.9(b).
2.2.2.
Lecci on 2. Operaciones con vectores en R2
Se estudian los conceptos geom etricos y anal ticos de las operaciones suma y multiplicaci on por un escalar de los vectores de R2 , al igual que sus propiedades. Adem as, se contextualizan estos conceptos en una aplicaci on. Tambi en se estudian los vectores desde la estructura de espacio vectorial y se introduce el concepto de combinaci on lineal como c elula generadora para llegar a las deniciones de dependencia e independencia lineal, espacio generado y conjunto generador. Denici on 2.4 (suma). 1. Geom etricamente. Desde este punto de vista, la suma de vectores en R2 se puede realizar mediante dos procedimientos equivalentes: regla del tri angulo y regla del # # 2 paralelogramo. Sean v1 y v2 dos vectores de R , complete la siguiente gura.
# v 2 # v 2
# v 1 (a) Regla del tri angulo
# v 1 (b) Regla del paralelogramo
Figura 2.10. Suma geom etrica de vectores

33
2. Anal ticamente. La suma de los vectores # v1 = (x1 , y1 ) y # v2 = (x2 , y2 ) de R2 , denotada por , se dene como: # v1 + # v2 = Denici on 2.5 (Multiplicaci on por un escalar). 1. Geom etricamente.
# v # v # v # v (a) Dilataci on: || > 1 # v # v # v # v
(b) Contracci on: 0 < || < 1
Figura 2.11. Multiplicaci on por un escalar
2. Anal ticamente. La multiplicaci on del vector # v = (x, y ) por el escalar se denota por y se dene como Ejercicio 1. Responda las siguientes preguntas a) C omo es la direcci on de # v comparada con la de # v? # b) A qu e es igual v ? c) Qu e sucede con el vector # v si = 0? Ejercicio 2. Considere los vectores # v1 = (2, 3) y # v2 = (1, 4). Realice las siguientes operaciones en forma anal tica y geom etrica. a) # v1 + # v2 b) # v2 c) # v1 # v2 d) 2 # v1 + 3 # v2
Ejercicio 3. Una empresa de art culos deportivos tiene dos f abricas y en cada una se ensamblan bicicletas de monta na fabricada en aluminio y titanio. La primera planta produce 180 bicicletas de aluminio y 18 de titanio por d a. La segunda 240 y 20, respectivamente. Si v1 = 180, 18 y v2 = 240, 20 . a) Calcule e interprete el signicado de las siguientes expresiones
34 i. v1 + v2
ii. v2 v1
iii. 10v2
iv. 2v1 + 3v2
b) Cu antos d as deber a trabajar cada f abrica para que la empresa entregue 4920 bicicletas de aluminio y 520 de titanio? (Ejemplo 10, p ag. 73 de [7]). Propiedades de la suma y la multiplicaci on por un escalar #, # # R2 ; , R . Las siguientes propiedades se satisfacen: Sean u v, w
No. 1S . 2S . 3S . 4S . 5S . 1M . 2M . 3M . 4M . 5M . Propiedad # + # u v es un vector de R2 # + # # u v = # v+u # + # # = u # + ( # # ) (u v )+w v +w # # + 0 = u # u # + ( u #) = # u 0 # es un vector de R2 u # + # # + # ( u v) = u v # = u # + u # ( + ) u # = ( u #) = ( u #) ( ) u # = u # 1u Nombre
Asociativa
Invertiva
Distributiva de la multiplicaci on por un escalar con respecto a la suma vectorial
Regularidad escalar Modulativa de la multiplicaci on por un escalar
Denici on 2.6 (Espacio vectorial). El conjunto R2 con las operaciones suma y multiplicaci on por un escalar satisfaciendo las propiedades 1S5S, 1M5M, que denotaremos R2 , +, . , es un espacio vectorial. Ejercicio 4. Halle el valor de las constantes, si existen, de modo que a) # v = (5, 3) = 1 (1, 0) + 2 (0, 1) b) # v = (5, 3) = 1 (1, 0) + 2 (0, 1) + 3 (2, 3) c) # v = (5, 3) = 1 (1, 1) + 2 (2, 2) d) # v = (1/2, 7) = 1 (1, 0) + 2 (0, 1)
35
#, # Denici on 2.7 (Combinaci on lineal). Sean u v1 , # v2 , . . . , # vk R2 . El # es combinaci vector u on lineal de los vectores # v1 , # v2 , . . . , # vk , si existen escalares 1 , 2 , . . . , k tales que
k
# = # # # u 1 v1 + 2 v2 + + k vk =
i # vi .
i=1
Ejercicio 5. Determine los vectores de R2 que sean combinaci on lineal de a) # v1 = (1, 3), # v2 = (1, 1) b) # v1 = (1, 3), # v2 = (2, 6) Denici on 2.8 (Dependencia e independencia lineal). Los vectores # # v1 , v2 , . . . , # vk de R2 son linealmente independientes (LI) si el vector nulo se puede escribir de manera u nica como combinaci on lineal de los vi , i = 1, 2, . . . , k . Es decir
k
# 0 =
i=1
i # vi
implica
0 = 1 = 2 = = k
En otro caso, se dice que los vectores son linealmente dependientes (LD) Ejercicio 6. Determine si los siguientes vectores son LI o LD. a) c) # v1 = (1, 3), # v2 = (1, 1) b) # v1 = (1, 3), # v2 = (0, 0) # # # # v1 = (1, 3), v2 = (2, 6) d) v1 = (1, 3), v2 = (1, 1), # v3 = (3, 5)
# y # Denici on 2.9 (Vectores paralelos). Dos vectores no nulos u v son . paralelos si existe un escalar (no nulo) tal que Denici on 2.10 (Espacio generado). Sea S = { # v1 , # v2 , . . . , # vk } R2 . El espacio generado por S , denotado por gen S , est a formado por todos los # # # vectores u que son combinaci on lineal de v1 , v2 , . . . , # vk . Es decir,
k
gen S =
# R2 | u # = # # # u 1 v1 + 2 v2 + + k vk =
i # vi
i=1
Ejercicio 7. Determine el espacio generado por el conjunto de vectores dados

36
a) { # v1 = (2, 1), # v2 = (4, 2)}
b) { # v1 = (2, 1), # v2 = (1, 3)}
Denici on 2.11. Se dice que S = { # v1 , # v2 , . . . , # vk } R2 es un conjunto # en H se puede escribir como generador de H R2 si todo vector u combinaci on lineal de los elementos de S .
2.2.3.
Lecci on 3. Producto escalar en R2
Se introduce el producto escalar como otra operaci on que se realiza entre vectores, se estudian sus propiedades y el uso de las mismas en la denici on de angulo entre vectores y proyecciones. # = (x , x ) y # Denici on 2.12 (Producto escalar). Sean u v = ( y1 , y2 ) 1 2 # y # 2 vectores de R . El producto escalar o producto punto entre u v, # # denotado por u v , se dene como # # u v = .
# = (2, 2), # # = (3, 2). Halle u # # Ejercicio 1. Sean u v = (1, 2) y w v, # # # # # # # # # # # # # v u , u w, 2 u v , u ( u + w), u u y v w #, # # R2 y R Teorema 5 (Propiedades). Sean u v, w No. 1. 2. 3. 4. propiedad # # # u v = # vu # ( # #) = u # # # w # u v +w v+u
# v #) = ( u #) v # = u # ( v #) ( u
2
nombre Conmutativa
# u
# u # =u
Angulo entre vectores y proyecciones # y # Teorema 6 (Angulo entre vectores). Sean u v dos vectores no nulos 2 de R y el angulo entre ellos. Entonces
37
# v
# u cos = # u
# v . # v
O
# u
Figura 2.12. Angulo entre vectores
# y # Ejercicio 2. Qu e se puede decir de los vectores u v si: # # a) u v =0 b) el angulo entre ellos es = 0 o radianes # y # Denici on 2.13 (Vectores ortogonales). Dos vectores no nulos u v . son ortogonales (perpendiculares) si el angulo entre ellos es # + # # = 3 y # b en cada caso: b = 5. Calcule a Ejercicio 3. Si a b) el angulo entre ellos es /3 # y # Teorema 7 (Desigualdad de CauchySchwarz). Si u v son vectores # # # # 2 de R , entonces | u v | u v # # # Denici on 2.14 (Proyecci on y componente). Sean 0 = u , v R2 . #, denotada por proy # # a dada por 1. La proyecci on de # v sobre u u v , est proy # # v =
u
# y # a) a b son ortogonales
#, denotada por comp # # a dada por 2. La componente de # v sobre u u v , est comp # # v =

u
# v # w
O
# v # w
# v
= 90
# u
O
# u
# u
(a) 0 < < /2
(b) = /2
(c) /2 < <
Figura 2.13. Proyecciones en R2

38
# # # = (4, 3) y # # v # v , comp u Ejercicio 4. Sean u v = (3, 2). Calcule proy u # # # u . Dibuje los vectores. # u y comp v proy v # = # # # # v es ortogonal a u . Ejercicio 5. Probar que w v proy u
2.2.4.
Lecci on 4. Vectores en R3 y Rn
Se inicia el estudio de los vectores en R3 y Rn generalizando las deniciones, operaciones y propiedades desarrolladas en las lecciones anteriores. Se espera que sean los mismos alumnos los que escriban sus propias deniciones a partir de los conceptos estudiados en vectores de R2 .
Vectores en R3 y en Rn
Los planos coordenados xy, xz y yz dividen al espacio en ocho regiones llamadas octantes. Los primeros cuatro est an situados encima del plano xy y se enumeran de acuerdo al orden en que aparecen los cuadrantes en dicho plano. Los restantes se encuentran ubicados debajo del plano xy y se contin ua la numeraci on siguiendo el mismo orden. Ejercicio 1. Determine el signo de cada una de las coordenadas
I z II II yz
Octante
I
Pl a no
x +
y +
z +
IV
Pl a
no
xz
I
II III IV
x
VI II
V
y
VI V
no xy
Ejercicio 2. Ubique en R3 cada uno de los siguientes puntos, indicando el octante en que se encuentran.
P la
VI VII VIII
39
a) (1, 0, 0) b) (0, 1, 0) c) (0, 0, 1)
d) (1, 1, 1) e) (2, 6, 4) f) (2, 1, 2)
g) (3, 1, 1) h) (2, 3, 1)
Denici on 2.15 (Igualdad de vectores). 1. Los vectores # v1 = (x1 , y1 , z1 ) y # v2 = (x2 , y2 , z2 ) son iguales si y . ,
2. Los vectores # v1 = (x1 , x2 , . . . , xn ) y # v2 = (y1 , y2 , . . . , yn ) son iguales si , , ...y . Denici on 2.16 (Norma o longitud de un vector). 1. Sea # v = (x1 , x2 , x3 ) un vector de R3 . La norma de # v , denotada por # v , se dene como # v = .
2. Sea # v = (x1 , x2 , . . . , xn ) un vector de Rn . La norma de # v , denotada por # v , se dene como # v = .
Nota. La norma de los vectores en R3 y en Rn , satisface las mismas propiedades dadas en el Teorema 4, p agina 31 para vectores de R2 . Denici on 2.17 (Vector unitario). Denici on 2.18 (Vectores can onicos). Los vectores can onicos 1. en R2 son: = (1, 0) y = (0, 1), = (0, 0, 1), 2. en R3 son: = (1, 0, 0), = (0, 1, 0) y k 1 = (1, 0, . . . , 0), e 2 = (0, 1, . . . , , 0), . . . , e n = (0, 0, . . ., 1). 3. en Rn son: e Denici on 2.19. La direcci on de un vector # v no nulo de Rn , se dene como 1 # el vector unitario u = # v . v
40
Angulos y cosenos directores

# En R2 . Sea 0 = # v = (x1 , y1 ) R2 .
y # = (x , y ) v 1 1 2 1 x
cos 1 =
cos 2 = cos2 1 + cos2 2 =
Figura 2.14. Angulos directores en R2
# En R3 . Sea # v = (x1 , y1 , z1 ) R3 , # v = 0.
z
cos 1 =
3 O 1
# v = ( x1 , y1 , z 1 )
2 y
cos 2 =
cos 3 = cos2 1 + cos2 2 + cos2 3 =
Figura 2.15. Angulos directores en R3
# En Rn . Sea # v = (x1 , x2 , . . . , xn ) Rn , # v = 0. cos 1 = , cos 2 = , . . . , cos n = cos2 1 + cos2 2 + + cos2 n = Ejercicio 3. Halle un vector # v R2 si se sabe que director 1 = 34 . # v = 4 y el angulo
Ejercicio 4. Encuentre un vector en R3 de longitud 6, cuyas componentes sean positivas y tenga angulos directores iguales.
41
Denici on 2.20 (Distancia). 1. Sean P (x1 , y1 , z1 ) y Q(x2 , y2 , z2 ) dos puntos de R3 . La distancia d entre P y Q, denotada por d= 2. Sean P (x1 , x2 , . . . , xn ) y Q(y1 , y2 , . . . , yn ) puntos de Rn . La distancia d entre P y Q, denotada por d= Ejercicio 5. Determine el conjunto de puntos P (x, y, z ) que est an a R unidades de distancia del punto C (x0 , y0 , z0 ). Denici on 2.21. El conjuto de puntos P (x, y, z ) R3 que est an situados a una distancia r > 0, denominado radio, a un punto jo C (x0 , y0 , z0 ), llamado centro, recibe el nombre de supercie esf erica o simplemente esfera. Ejercicio 6. Halle la ecuaci on de la esfera de centro C (5, 2, 2) y radio 4. , se dene como , se dene como
2.2.5.
Lecci on 5. Operaciones con vectores en R3 y Rn
Se estudian los vectores de Rn desde la estructura de espacio vectorial. El estudiante generalizar a las deniciones de combinaci on lineal, dependencia e independencia lineal, espacio generado y conjunto generador dados en R2 .
Operaciones con vectores

Denici on 2.22 (Suma). 1. La suma de # v1 = (x1 , y1 , z1 ) y # v2 = (x2 , y2 , z2 ) se denota por y se dene como 2. La suma de # v1 = (x1 , x2 , . . . , xn ) y # v2 = (y1 , y2 , . . . , yn ) se denota por y se dene como
42
Denici on 2.23 (Multplicaci on por un escalar). 1. La multiplicaci on del vector # v = (x, y, z ) por el escalar se denota por y se dene como 2. La multiplicaci on del vector # v = (x1 , x2 , . . . , xn ) por el escalar se denota y se dene como por Denici on 2.24. Rn , n 1 con las operaciones suma y multiplicaci on por un escalar denadas anteriormente es un espacio vectorial. Se denota Rn , +, . #, # Denici on 2.25 (Combinaci on lineal). Sean u v 1 , # v 2 , . . . , # v k vectores # # # # n en R . El vector u es combinaci on lineal de v1 , v2 , . . . , vk , si existen escalares 1 , 2 , . . . , k tales que
k
# = # # # u 1 v1 + 2 v2 + + k vk =
i # vi
i=1
# es combinaci Ejercicio 7. Determine si u on lineal de los vectores dados

2 1 1 # = 1 ; v # = 2 , v # = 0 a) u 2 1 5 1 2
1 1 1 2 # # # # d) u = 1 ; v1 = 3 , v2 = 1 , v3 = 2 4 5 3 8
1 1 1 0 4 0 1 1 # # # # = c) u ag. 289 de [5]. ; v 1 = , v2 = , v3 = . Ejer. 25, p 2 0 0 2 2 1 0 1
2 1 1 4 # # # # b) u = 2 ; v1 = 2 , v2 = 3 , v3 = 1 1 5 4 2
43
Denici on 2.26 (Dependencia e independencia lineal). Los vectores # # v1 , v2 , . . . , # vk de Rn son linealmente independientes (LI) si el vector nulo se puede escribir de manera u nica como combinaci on lineal de ellos. Es decir k # 0 = # v implica 0 = = = =
i i 1 2 k
0 0 1 x # = 1 , k = 0 = 0 , e) v = y ; 1 0 0 z
i=1
En otro caso, se dice que los vectores son linealmente dependientes (LD) Ejercicio 8. Determine si los siguientes vectores son LI o LD.
# a) v 1 0 1 1 1 1 # # = 2 , v2 = 1 , v3 = 0 2 # 1 # = , v = c) v 1 3 2 3 1 3 3 4 2 1 1 0 # # = 2 , v 2 = 1 , v3 = 1 3 3 0
# b) v 1
# y # Denici on 2.27 (Vectores paralelos). Dos vectores no nulos u v son . paralelos si existe un escalar (no nulo) tal que Denici on 2.28 (Espacio generado). Sea S = { # v , # v , . . . , # v } Rn . El
1 2 k
espacio generado por S , denotado por gen S , est a formado por los vectores # # # u que son combinaci on lineal de los vectores v1 , v2 , . . . , # vk . Es decir,
k
gen S =
# Rn | u # = v # # # u 1 1 + 2 v2 + + k vk =
i=1
# ; R i v i i
Denici on 2.29. Se dice que S = { # v1 , # v2 , . . . , # vk } Rn es un conjunto # perteneciente a H se puede escribir generador de H Rn si todo vector u como combinaci on lineal de los elementos de S . 1 1 1 Ejemplo 2.1. S = 1 , 0 , 1 es un conjunto generador de R3 . 1 1 0
44
2.2.6.
Lecci on 6. Producto escalar en R3 y Rn
Los alumnos generalizar an la denici on de producto escalar para los vectores 3 n de R y R a partir de lo estudiado en R2 . Denici on 2.30 (Producto escalar). Considere los dos vectores # u = (x1 , x2 , . . . , xn ) y # v = (y1 , y2 , . . . , yn ) de Rn . El producto escalar # y # # # o producto punto entre u v , denotado por u v , se dene como # # u v = .
# = (2, 1, 5), # # = (7, 8, 6). Realice las Ejercicio 1. Sean u v = (1, 3, 4) y w operaciones que se indican a) f) # u # u b) # u
2
# v # + u # w # u
c) g)
# # # u v d) # vu # ( # #) u v +w
# w # e) u
#, v #, w # Rn y R . Teorema 8 (Propiedades). Sean u
No. 1. 2. 3. 4.
propiedad
# v # = v # u # u # ( v # + w #) = u # v # + u # v #) = ( u #) v # = ( u # u
2
nombre
Conmutativa # w # u # ( v #) u
# u # =u
#, # Ejercicio 2. Sean u v Rn ; n > 1, R . Responda falso o verdadero. Justique claramente su respuesta. a) b) c) # # = # # # Si u 0 y # v = 0 , entonces u v = 0. # u # > 0. u # # # w # y u # = # #. Si u v =u 0 , entonces # v =w
45
Angulo entre vectores y proyecciones

#, v # Rn , Teorema 9 (Desigualdad de CauchySchwarz). Para u
# # # |u v| u
# v
# y # Denici on 2.31 (Angulo entre vectores). Sean u v vectores no nulos n de R . El angulo entre ellos se dene como el angulo que satisface
# u cos = # u # v # . v
# y # Ejercicio 1. Qu e se puede decir de los vectores u v si: # # a) u v =0 b) el angulo entre ellos es = 0 o radianes # y # Denici on 2.32 (Vectores ortogonales). Dos vectores no nulos u v . son ortogonales (perpendiculares) si el angulo entre ellos es #, # # = 3 y # # 2 # Ejercicio 2. Sean a b Rn . Si a b = 5, calcule a b si # y # a) a b son ortogonales b) el angulo entre ellos es 2/3
# = (1, 0, 0, 1) y # Ejercicio 3. Halle el angulo entre u v = (0, 1, 0, 1), (ejemplo No. 11, p agina 237 de [5].) # = (a, 2, 1, a) y Ejercicio 4. Determine los valores de a de modo que u # v = (a, 1, 2, 3) sean ortogonales. #, # Ejercicio 5. Sean u v Rn . Demostrar las siguientes propiedades 1. 2. # + # # + u # . (Desigualdad triangular) u v u # + # u v 2 = Pit agoras) # u
2
# y # + # v 2 , si u v son ortogonales. (Teorema de
# # y # Denici on 2.33 (Proyecci on y componente). Sean 0 = u v dos n vectores de R .

46
#, denotada por proy # # a dada por 1. La proyecci on de # v sobre u u v , est # # v = proy u #, denotada por comp # # a dada por 2. La componente de # v sobre u u v , est # # v = comp u # # # # u dado que u = (2, 1, 0, 1) y # u y comp v Ejercicio 6. Determine proy v # v = (0, 0, 1, 4).
2.2.7.
Lecci on 7. Producto vectorial en R3
Se introduce el producto vectorial como otra operaci on entre vectores de R3 y sus propiedades, se naliza con el c alculo de areas y vol umenes como una aplicaci on de algunas de estas.
2 1 2 Ejercicio 1. Calcule det A si A = 3 0 4. 1 1 5
# = (u , u , u ) y # Denici on 2.34 (Producto cruz). Sean u v = ( v1 , v2 , v3 ) 1 2 3 # y # 3 vectores de R . El producto cruz o producto vectorial entre u v, # # denotado por u v , est a dado por k u u u u u u # # = u u u u v = 2 3 1 3 + 1 2 k 1 2 3 v2 v3 v1 v3 v1 v2 v1 v2 v3 # = (1, 1, 3), # # = (1, 2, 5) R3 y Ejercicio 2. Sean u v = (2, 1, 2), w R . Realice las operaciones que se indican
# v # a) u # u # b) v # # c) u 0
# u # d) u # u # e) u # ( u # v #) f) u
# ( u # v #) g) v # w # h) u # w # i) v
# ( v # + w #) j) u
# + v #) w # k) ( u
47
Indique qu e relaci on existe en las siguientes expresiones # # i. u v # # vu # ( # #) ii. u v +w # # # w # u v+u
Las siguientes propiedades generalizan las ilustradas en el ejemplo anterior. #, # # vectores de R3 ; , R . Teorema 10 (Propiedades). Sean u v, w No. 1. 2. 3. 4. 5. 6. 7. 8. propiedad
# v # = v # u # u # ( v # + w #) = u # v # + u # w # u # + v #) w # = u # w # + v # w # (u # v #) = ( u #) v # = u # ( v #) ( u # # # # 0 = 0 = 0 u # u # u # = # u 0 # u # = # u 0 # ( u # v #) = 0 = v # ( u # v #) u
nombre
Anticonmutativa Distributiva por la izquierda del producto vectorial sobre la suma
# = 2 # = 4 . Ejercicio 3. Halle un vector unitario ortogonal a u 3 y a v +3k
# y # Teorema 11 (Identidad de Lagrange). Si u v son vectores de R3 , entonces # # # 2 # # # u v 2= u v 2 (u v )2 # # # Ejercicio 4. Demostrar: u v = u # y # entre u v. # v sen , donde es el angulo
# = 4, # #, # Ejercicio 5. Sean a b y # c vectores de R3 tales que a b = 6 y el # # # # # # angulo entre a y b es = 2/3. Si c = 3 a ( a 2 b ), calcule # i) b # c. ii) # c . # iii) El angulo entre b y # c.
#, # # vectores de R3 . El Denici on 2.35 (Producto mixto). Sean u v y w # ( # #). producto mixto o triple producto escalar de ellos es u v w
48
#, # # vectores Denici on 2.36 (Triple producto vectorial). Sean u v yw # ( # #). de R3 . El triple producto vectorial de ellos es u v w #, # # vectores de R3 . Entonces Teorema 12. Sean u v yw 1. 2. # ( # #) = # # u #) = w # ( u # # u v w v (w v) # # # # # # # # # u ( v w ) = ( u w ) v ( u v )w # = (w , w , w ). ( v1 , v2 , v3 ) y w 1 2 3 u2 u 3 v2 v3 w2 w3
# = (u , u , u ), # Teorema 13. Sean u v = 1 2 3 Entonces u1 # # # u ( v w ) = v1 w1
#| # # # # Interpretaci on Geom etrica de u v y |( u v) w

# v # u # v # u # v h
# w
h # v
# u
# u
1. El area S del paralelogramo determinado cuyos lados adyacentes son los # y # vectores u v est a dado por S= #, # # es 2. El volumen VP AR del paralelep pedo determinado por u v yw # # # | VP AR = |( u v) w 3. El volumen VT ET del tetraedro de v ertices P, Q, R y S es VT ET =
Alejandro Mart nez A. 1 6
# # # V (P Q P R ) P S = 1 6 P AR
49
Ejercicio 6. Calcule a) el area del paralelogramo y del tri angulo cuyos v ertices consecutivos son los puntos P (1, 2, 3), Q(2, 1, 0) y R(0, 4, 0). b) el volumen del paralelep pedo cuyos lados adyacentes son los vectores # # # = (3, 3, 1). Ejercicio 25 P u = (1, 2, 2), v = (2, 1, 3) y w ag. 271 de [2].
2.2.8.
Lecci on 8. Rectas y planos en R3
Se inicia con el estudio de la recta en R3 , haciendo una analog a con la 2 caracterizaci on de la recta en R estudiada en el primer cap tulo. Se naliza con el estudio de los planos y la deducci on de su ecuaci on cartesiana.
Rectas en R3
z # v P ( x 0 , y 0 , z0 )
R (x
, y, z)
# v : Vector director de L Ecuaci on vectorial
# = (a, b, c) v O y
Ecuaciones param etricas
# El vector P R es paralelo # al vector v
Ecuaciones sim etricas
Figura 2.16. Recta en R3
Ejercicio 1. Sean P (2, 3, 1) y Q(1, 2, 4) dos puntos de R3 . a) Halle ecuaciones param etricas para la recta L que pasa por P y Q b) Cu ales de los siguientes puntos est an en L: T (8, 5, 9).
R(4, 1, 9), S (5, 4, 6),
c) Determine los puntos donde la recta corta a los planos coordenados

50
Ejercicio 2. Determine ecuaciones sim etricas para la recta que pasa por el # punto P (3, 4, 5) y es paralela al vector v = 5 + 3k a) Encuentre un punto en la recta y uno que no est e en la recta. b) Las ecuaciones sim etricas de la recta son u nicas? Denici on 2.37 (Rectas paralelas y perpendiculares). Sean L1 y L2 dos rectas en R3 con vectores directores # v1 y # v2 , respectivamente. Entonces L1 y L2 son 1. paralelas ( o coincidentes) si 2. perpendiculares si Ejercicio 3. Determine qu e pares de rectas son paralelas, coincidentes, perpendiculares
x = 5 2t L1 : y = 2 + t , z = 6 6t x = 3r L2 : y = 1 2 r, z = 7 + 4r x = 8 + s 1 L3 : y = 7 2 s, z = 1 + 3s 7 x = 5 u L4 : y = 8 9u z = 9 3u
4
Ejercicio 4. Sean L1 y L2 dos rectas en el espacio. Si L1 y L2 no son paralelas, entonces L1 y L2 siempre se cortan?
Planos en R3
# = (a, b, c) z n Q(x, y, z P ( x 0 , y 0 , z0 )
O
# : Vector normal del plano n Punto jo del plano # # P Q si y solo si n Q=0 Ecuaci on cartesiana ={ }
P :
Figura 2.17. Plano en R3

51
Ejercicio 5. Halle la ecuaci on del plano que contiene el punto P (2, 3, 1) y es perpendicular a la recta L : x = 1 2t, y = 2 + t, z = 3 t; t R Ejercicio 6. Encuentre la ecuaci on del plano que contiene los puntos P (2, 3, 1), Q(3, 2, 1) y R(1, 0, 0). Ejercicio 7. Determine la ecuaci on del plano que contiene los puntos z1 x3 =y+1= . P (1, 1, 2), Q(3, 5, 7) y es paralelo a la recta L :
2 1
Ejercicio 8. Muestre que las rectas

x = 1 + 3t L1 : y = 2 + 4t ; z = 4 2t 3 x = 1 2 r L2 : y = 1 2r ; z = 1 + r
tR
rR
son paralelas y halle la ecuaci on del plano que las contiene. # # Denici on 2.38. Sean 1 y 2 dos planos con vectores normales N1 y N2 respectivamente. Los planos 1 y 2 # # 1. Son paralelos si N1 y N2 lo son y adem as, los planos no tienen puntos en com un. # # 2. Son coincidentes si N1 y N2 son paralelos y adem as, los planos se tocan en todos sus puntos. # # # # 3. Son perpendiculares si N1 y N2 lo son, es decir, si N1 N2 = 0 # # 4. Son obl cuos si el angulo entre N1 y N2 satisface 0 < < y = . 2 Teorema 14 (Teorema resumen). Sea A una matriz de tama n o n n. Las siguientes armaciones son equivalentes: 1. El sistema homog eneo Ax = 0 tiene soluci on y la soluci on es
2. El sistema Ax = b tiene soluci on . soluci on es

para cada n-vector b y la
52
3. La forma escalonada reducida de A es 4. A es equivalente por renglones a la matriz 5. La forma escalonada de A tiene 6. Las las de A son 7. El espacio generado por las las de A es . Es decir, gen{f1 , . . . , fn }= pivotes
8. Todo vector u Rn se puede escribir como de las las de A. 9. Las columnas de A son 10. El espacio generado por las columnas de A es gen{c1 , c2 , . . . , cn } = 11. Todo vector u Rn se puede escribir como de las columnas de A. . Es decir,
Cap tulo 3
Matrices
A partir de algunas situaciones problemas el estudiante usar a el concepto de matriz y sus propiedades para su modelaci on y soluci on. Desarrollar a habilidades que le permitir an aplicar las propiedades de las operaciones denidas sobre matrices para hacer demostraciones y simplicaci on de expresiones que las contienen. Adem as reconocer a al conjunto de matrices con las operaciones usuales de suma y multiplicaci on por un escalar como otro ejemplo de espacio vectorial.
3.1.
Taller pre-clase
A. Resuelve la siguiente situaci on Un proyecto de investigaci on nutricional comprende adultos y ni nos de ambos sexos. La composici on de los participantes est a dada por la matriz
Adultos Ni nos
A=
40 70
50 80
Hombres Mujeres
El n umero de gramos diarios de prote nas, grasa y carbohidratos que consume cada ni no y adulto est a dado por la matriz 53
54
Cap tulo 3. Matrices
Proteinas
Grasas
Carbohidratos
B=
20 10
20 20
20 30
Hombres Mujeres
a) Cu antos gramos de carbohidratos ingieren diariamente todos los hombres y mujeres del proyecto? b) cu antos gramos de grasa consumen a diario todos las hombres? (Basado en el ejercicio 29, p agina 32 de [2]). B. Teor a. 1. Dena y construya ejemplos para cada una de las siguientes matrices: a) Matriz nula
b) Matriz identidad c) Transpuesta d) Sim etrica e) Antisim etrica f) Triangular inferior
g) Triangular superior h) Diagonal
i) Ortogonal j) Idempotente k) Nilpotente
2. Encuentre una matriz B =
a c
b d
tal que
2 1
3 B= 2
1 0
0 . 1
3. Describa un procedimiento para calcular la inversa de una matriz A. C. Responda falso o verdadero, justicando sus respuestas Sean A, B y C matrices de tama nos tales que las operaciones indicadas se pueden realizar. 1. 2. 3. 4. 5. 6. 7. El producto de matrices es conmutativo Si AC = BC y C = 0, entonces A = B . Si AB = 0, entonces A = 0 o B = 0. Nota: 0 es la matriz nula. Si A y B matrices cuadradas entonces (AB )k = Ak B k , k = 2, 3, . . . Si A y B conmutan entonces (A + B )(A B ) = A2 B 2 . Si A y B son matrices invertibles, entonces A B es invertible.
Si A es una matriz 2 2 no nula que satisface la ecuaci on (2A I )(A I ) = I , entonces A es invertible.
55
D. Poniendo en pr actica lo aprendido. 1. Sean A =

1 3 2 1 3 2 1 x 2 y y B = x. Si AB = 2
6 , encuentre x y y . 8
(Ejercicio 4, p agina 31 de [2]).

2 2. Sean A = 1 5
combinaci on lineal de las columnas de A. (Ejer. 14, p ag. 31 de [2]).
4 1 3 y B = 3 2 2
1 2. Exprese AB como una 4
3. Determine un valor de r y un valor de s de modo que AB T = 0, donde A = 1 r 1 y B = 2 2 s . (Ejercicio 14, p agina 31 de [2]). 4. Simplique las siguiente expresi on
1 B C T AB T + 2C T B T X=3 T 1 1 T . 6A C
5. Simplique y encuentre la matriz X tal que

XC 1 = 2(CB 1 A + CA) CB 1 A
1
6. Sea A = QDQT , donde D es una matriz diagonal n n. Demuestre que A es sim etrica. 7. Sea A una matriz n n. Probar: Si A = 0, A2 = 0, . . . , Ak1 = 0 y Ak = 0, entonces I A es invertible. Cu al es su inversa? E. Aplicaciones. 1. Un fabricante elabora productos P y Q en dos plantas X y Y . Durante la fabricaci on se producen los contaminantes bi oxido de azufre, oxido n trico y part culas suspendidas. Las cantidades de cada contaminante est an dadas en kilogramos por la matriz.
Bi oxido de azufre Acido n trico Part culas
A=
300 200
100 250
150 400
Producto P Producto Q
56
Los reglamentos estatales exigen la eliminaci on de estos contaminantes. El costo diario por deshacerse de cada kg. de contaminante est a dado en d olares por la matriz
Planta X Planta Y
B=
8 7 15
12 9 10
Bi oxido de azufre
trico Acido n
Part culas
a) Halle el costo de deshacerse de los contaminantes del producto P en la planta X. b) Halle el costo de deshacerse de los contaminantes del producto Q en la planta Y. 2. Investigue en su Facultad o programa una aplicaci on que requiera de la teor a de matrices para su modelado o soluci on.
3.2.
3.2.1.
Lecciones de clase
Lecci on 1. Denici on, operaciones y propiedades
Se inicia retomando el concepto de matriz introducido en el cap tulo 1 y el estudiante complementar a los espacios con sus caracter sticas b asicas tales como notaci on, tama no y sus componentes. Adem as, construir a deniciones y ejemplos de algunos tipos de matrices. Se contin ua con las deniciones y propiedades de las operaciones de suma de matrices y multiplicaci on por un escalar, para llegar a la estructura de espacio vectorial. Denici on 3.1 (Matriz m n). Una matriz de tama no m n es un arreglo rectangular de mn n umeros (reales o complejos) escritos en forma de m
57
renglones o las y n columnas a11 a21 . . . ai 1 . . . a m1 a12 a22 . . . ai 2 . . . a m2
... ... ... ... ... ...
a 1j a 2j . . . aij . . . amj
... ... ... ... ... ...
a 1n a 2n . . . ain . . . amn
Notaci on y observaciones 1. Las matrices se denotan con escribe 2. En el tama no de la matriz A, m y para abreviar se
y n
3. Si m = n se dice que A es una matriz 4. Las componentes de la diagonal principal de A son 5. Las componentes de la la i de A son de tama no man un vector reni A = Ai = 6. Las componentes de la columna j de A son y forman un vector de tama no colj A = A(j ) =
de orden
y for. Es decir,
. Es decir,
Denici on 3.2 (Igualdad). Dos matrices A = (aij )mn y B = (bij )pq son iguales si , y .
58
Ejercicio 1. Determine los valores de y , si existen, de modo que a) A = B b) C = A c) B = C.

A= 4 5 2 , 7 B= 3 2 5 7 2 7 , C= 3 5 5 7
Ejercicio 2. Dena las siguientes matrices y d e por lo menos dos ejempos de cada una a) Matriz nula: Ejemplos: .
b) Matriz triangular superior: Ejemplos:
c) Matriz triangular inferior: Ejemplos:
d) Matriz diagonal: Ejemplos:
e) Matriz identidad: Ejemplos:
59
Operaciones y propiedades
Denici on 3.3 (Transposici on). Sea A = (aij ) un matriz m n. La tal que transpuesta de A es la matriz B = (bij ) de tama no Denici on 3.4 (Suma). Sean A = (aij ) y B = (bij ) dos matrices de tama no m n. La suma de A y B , es la matriz C = A + B , tal que cij = Denici on 3.5 (Multiplicaci on por un escalar). Sean A = (aij ) una matriz de tama no m n y un escalar. La multplicaci on de con A, es la matriz B = A tal que bij = . Ejercicio 3. Considere las matrices
A= 1 5 2 6 3 7 4 , B= 8 3 0 5 2 6 11 1 1 , C = 2 y D = 1 9 5 2 5
De ser posible, realice las siguientes operaciones:
a) A + B b) C + D c) 1 A d) AT + B T f) Halle la matriz E tal que 3A 2B + E = 0
e) C T + D
Teorema 15 (Propiedades de la suma y la multiplicaci on por un escalar). Sean A, B , C matrices; , R . No. 1. 2. 3. 4. 5.

Suma
No. 1. 2. 3. 4. 5.
Multiplicaci on por un escalar
A + B es una matriz A+B =B+A (A + B ) + C = A + (B + C ) A+0=A A + ( A) = 0
A es una matriz 0A = 0 ( A + B ) = A + B ( + ) A = A + A 1A=A
Denici on 3.6. El conjunto de matrices m n con la suma y la multiplicaci on es un espacio vectorial. Se denota por Mmn , +,
60
3.2.2.
Lecci on 2. Producto y propiedades
Se dene el producto y la transpuesta de matrices como otras operaciones, asimismo se estudian sus propiedades. El estudiante usar a dichas propiedades en la simplicaci on de expresiones que las contienen. Denici on 3.1 (Multplicaci on de matrices). Sean A = (aij ) y B = (bij ) dos matrices de tama nos m p y p n, respectivamente. La multiplicaci on , es la matriz C = (cij ) de o producto de A con B , que se denota por tal que cij = tama no
1 Ejercicio 1. Halle AB y BA si A = 0 4 1 2 y B = 3 2 4 3 7 4 6
a) El producto de matrices es conmutativo?
b) Dadas dos matrices, siempre es posible realizar el producto entre ellas? c) Sean A y B matrices tales que AB existe. AB es un matriz cuadrada? Ejercicio 2. Sean A =
2 1 3 1 x 2 7 . 5 x y B = y . Halle los valores de x y 1
y , si existen, tales que AB =
Teorema 16 (Propiedades). Sean A B , y C matrices de modo que las operaciones que se indican, se pueden realizar y R . No. 1. 2. 3. 4. producto
(AB )C = A(BC ) A(B + C ) = AB + AC (A + B )C = AC + BC AI = IA = A
No. 1. 2. 3. 4.
transpuesta
AT
T
=A
(AB )T = B T AT (A + B )T = AT + B T ( A ) T = A T
61
Ejercicio 3. Sean A, B ,C y D matrices de tama no 4 4. Si BD = I y T T CC = I , simplicar la expresi on: X = B (DA C + DC )(AT C )T . Denici on 3.2 (Matriz sim etrica). Sea A una matriz cuadrada de orden n. Se dice que A es sim etrica si Denici on 3.3 (Matriz antisim etrica). Sea A una matriz cuadrada de orden n. Se dice que A es antisim etrica si Ejercicio 4. 1. Complete las componentes que hacen falta para que la matriz sea sim etrica o antisim etrica, seg un sea el caso: 3 1 0 2 3 A=2 5 , B = 8 4 2. Construya ejemplos de matrices sim etricas y antisim etricas.
Ejercicio 5. Sean A y B matrices sim etricas de orden n. Demostrar: AB es sim etrica si y s olo si A y B conmutan. Ejercicio 6. Sean A = 1 5 yB = 1 2 matriz X tal que XA = B + X T . 1 2 2 . Halle, si existe, una 4
3.2.3.
Lecci on 3. Inversa de una matriz cuadrada
Se introduce la inversa de una matriz cuadrada a partir del producto y la igualdad de matrices. Se contin ua con el estudio de sus propiedades y se naliza con el uso de dichas propiedades en la demostraci on de teoremas y simplicaci on de expresiones que contienen matrices.
62
Ejercicio 1. Encuentre una matriz B tal que AB = I 2 , si A =
1 2
1 . 3
Denici on 3.4 (Inversa). Sea A una matriz cuadrada de orden n. Se dice que A es invertible o no singular si tal . En este caso, se dice que es la inversa de A. En caso que contrario, se dice que A es no invertible o singular. Ejercicio 2. Sean A y B matrices cuadradas. Demostrar: Si A es una matriz invertible, entonces su inversa es u nica. Notaci on. Si A es invertible, su inversa se denota por A1 . Ejercicio 3. Probar: Si A satisface la ecuaci on (A 2I )(A + I ) = 0, 1 entonces A es invertible. A qu e es igual A ? Ejercicio 4. Describa un procedimiento para hallar la inversa de una matriz. Ejercicio 5. Halle, si existe, la inversa de las siguientes matrices
1 2 3 7 1 2 6 12 1 c ) C = 2 1 3 4 4 1 4 3
a) A =
b) B =
Ejercicio 6. Sea A una matriz de orden n invertible. a) Cu antos pivotes tiene A? b) Cu antas soluciones tiene el sistema Ax = b?
Denici on 3.5 (Potencias de matrices). Sea A una matriz cuadrada de orden n. Las potencias de A se denen de la siguiente manera 1. A0 = I si A = 0. 2. Ak = Ak1 A; k = 2, 3, . . .
Ejercicio 7. Calcule A2 en cada caso y BB T
63
a) A =
1 1 0 1
0 0 1 0
c) A =
0 0
2 5 1 5
1 0
1 5 2 5
b) A =
d) B =
Ejercicio 8. Dena las siguientes matrices a) Matriz idempotente: b) Matriz nilpotente: c) Matriz ortogonal: Teorema 17 (Propiedades). Sean A y B dos matrices invertibles de orden n, 0 = R y k un entero positivo.
1. 2. A1
1
3. 4.
(A)1 = ( A1 ) T = y A k =
AB es invertible y (AB )1 =
Ejercicio 9. Considere las matrices:

0 2 A= 1 0 1 1 1 1 1 0 3 1 4 0 2 1 yB= 1 0 0 1 1 4 0 1 1 0 4 1 0 1 1 4
a) Simplique y encuentre la matriz X , si XA1 = 4A1 (AB 1 C + AC )(2AB 1 C )1 . b) Calcular las componentes x32 y x22 de la matriz X . Ejercicio 10. Sean A y B matrices invertibles (A + B )1 = A1 + B 1 ? Justique
64
Teorema 18 (Teorema resumen). Sea A una matriz de tama n o n n. Las siguientes armaciones son equivalentes: 1. A es invertible. 2. El sistema homog eneo Ax = 0 tiene soluci on y la soluci on es
3. El sistema Ax = b tiene soluci on . soluci on es 4. La forma escalonada reducida de A es 5. A es equivalente por renglones a la matriz 6. La forma escalonada de A tiene 7. Las las de A son 8. El espacio generado por las las de A es pivotes
. Es decir, gen{f1 , . . . , fn }=
9. Todo vector u Rn se puede escribir como de las las de A. 10. Las columnas de A son 11. El espacio generado por las columnas de A es gen{c1 , c2 , . . . , cn } = 12. Todo vector u Rn se puede escribir como las columnas de A. . Es decir,
de
Cap tulo 4
Determinantes
Se introduce la denici on de determinante y a partir de ejercicios de tipo algor tmico los estudiantes ilustrar an sus propiedades. Adem as, se calcular an determinantes de matrices cuadradas usando propiedades para comparar las ventajas sobre el uso de la denici on.
4.1.
Taller pre-clase
A. Teor a. 1. Describa un m etodo para calcular el determinante de una matriz A. 2. A qu e es igual el determinante de una matriz triangular? 3. C omo es det A comparado con det(AT )? 4. Si A es una matriz que tiene una la (o columna) de ceros, Qu e se puede concluir del valor de su determinante? 5. Qu e valores puede tomar el determinante de A, si A es una matriz: a) antisim etrica b) ortogonal c) idempotente.
B. Responda verdadero o falso, justicando sus respuestas 1. Si A y B matrices de orden n, entonces det(AB ) = det(BA). 65
66 2.
Cap tulo 4. Determinantes
Si A y B son matrices de tama no n n, entonces det (A B ) = det A det B .
3. 4. 5.
Si A y B son matrices equivalentes por renglones, det A = det B . El sistema homog eneo Ax = 0 tiene innitas soluciones si |A| = 0. A y su adjunta conmutan.
6. Si A es una matriz singular, entonces det A = 0 1 7. Si A es no singular, A1 = adj A det A C. Poniendo en pr actica lo aprendido. 1. Use propiedades del determinante para calcular det A en cada caso
1 a) A = 3 2 a 2. Si d g x 3. Si 3 1 b e h y 0 1 2 5 5 3 8 2 1 1 b) A = 1 2 d 5e f +d 3 2 4 7 4 3 1 3 5 4 2 7
a c f = 20, calcule 5b c+a i 2x z 2 = 2, halle 3x + 3 x+2 1
g 5h . i+g
2y 3y y+2
2z 3z + 2 . z+2
D. Aplicaciones. Use determinantes para encontrar # = (2, 3) y # a) El area del rect angulo con lados adyacentes u v = (6, 4).
b) El volumen del paralelep pedo cuyos lados est an determinados por los # # # vectores u = (2, 2, 0), v = (4, 4, 1) y w = (2, 2, 16). (Ejercicio 11, p agina 162 de [1]).
67
Ejercicios adicionales 1. Si k R y A es una matriz n n, entonces det(k A) = 2. Sea A una matriz no singular de n n. Calcule det(adj A). 3. Determine los valores de , si existen, para los cuales la matriz 4. Sea A una matriz 4 4 tal que 2A1 = 2. Calcule AT . 5. Sean A y B matrices de sim etricas de 4 4. Si 2B 1 = 2, encuentre el 1 valor de de modo que AB (adj B B 1 ) + A A T = I .
1 6. Sean y A = 0 0 0 1 0 0 0 0 y B = 3 2 1 0 0 2 A= 1 2 1 2 +3 +1 3 no tiene inversa. +7
matriz X tal que X = A + B 1 A
3B 1 A
2 1. Simplique y encuentre la 3
1
|AB |. Halle x31 y x32 .
7. Sean A, B y C matrices 3 3 tales que |A| = 4, |B | = 2 y |C | = 3, 1 calcule (adj A)(A1 BC T ) + (AB T C 1 )1
4.2.
4.2.1.
Lecciones de clase
Lecci on 1. Deniciones y propiedades
Se dene el determinante de una matriz cuadrada y se deducen algunas de sus propiedades a partir de ejemplos y se concluye con la formalizaci on de las mismas. Al nalizar la lecci on, el alumno podr a calcular determinantes de una matriz usando tanto la denici on como las propiedades. Denici on 4.1 (Determinante 2 2). Sea A = nante de A, se denota por det A o det A =
a11 a21
a12 . El determia22
y se dene como
68
Denici on 4.2 (Menor ij de A). Sea A = (aij ) un matriz de tama no n n. El menor ij de A, se denota por M ij y se dene como la matriz que se obtiene de A al suprimirle la la i esima y la columna j esima. Ejercicio 1. Calcule M11 , M12 y M13
2 de la matriz A = 2 3 2 3 3 3 7. 8
Denici on 4.3 (Cofactor1 ij de A). Sea A = (aij ) un matriz cuadrada de orden n. El cofactor ij de A, se denota por Aij y se dene como Aij = (1)i+j |Mij |. Observe que (1)i+j =
1 1 si i + j es par si i + j es impar
Ejercicio 2. Calcule A11 , A12 y A13 de la matriz A del ejercicio anterior Nota. La matriz formada por las cofactores de A, se denomina matriz de cofactores y se denota por cof A. Es decir, cof A = Aij . Denici on 4.4 (Determinante n n). El a11 a12 . . . a21 a22 . . . A= . ... . . . . . an1 an2 . . . se denota por determinante de la matriz a 1n a 2n , . . . ann
n
y se dene como
= a11 A11 + a12 A12 + + a1n A1n =
a1j A1j
j =1
Ejercicio 3. Calcule el determinante y la matriz de cofactores de la matriz A del ejercicio 1.

1
Algunos autores usan la notaci on cij para denotar los cofactores.

69
Ejemplicando (NO DEMOSTRANDO) propiedades del determinante

3 1. El determinante de A = 0 0 5 7 0 3 7 es: 6 0 4
Qu e clase de matriz
es A?
2. El determinante de B =
8 0
es:
Qu e clase de matriz es
B? C omo es el valor del determinante de las matrices A y B comparado con el producto de sus componentes de la diagonal principal? Teorema 1. Si A es una matriz triangular, entonces det A = 3. Considere las matrices A = a ) det A = b ) det B = 2 3 1 4 yB= 2 4 3 . 6
A es invertible? B es invertible?
Qu e relaci on hay entre el determinante de una matriz con el hecho que la matriz tenga inversa? Teorema 2. A = (aij ) es una matriz invertible si y s olo si det A 4. Considere las matrices A =
2 3 1 4
y B =
AB , A1 , B 1 , |A|, |B |, |AB |, A1 y B 1 . a ) C omo es |AB | comparado con |A||B |? b ) C omo es |A| comparado con A1 ? c ) C omo es |B |1 comparado con |B |?
1 2
3 . Calcule: 9
Teorema 3. Sean A y B dos matrices de tama no n n. Entonces det(AB ) =

.
70
Teorema 4. Si A es invertible, entonces det(A1 ) = 5. Responda verdadero o falso a cada una de las siguientes armaciones, Justique su respuesta a) b) c) d) det(AB ) = det(BA) det(A + B ) = det A + det B det(A + A1 ) = 1 det(AA1 ) = 1
Ejercicio 4. Encuentre los valores de k para los cuales la matriz

A= k 4 3 1k
es singular.
6. Sea A =
1 2 . Calcule el determinante de la matriz B en cada 3 4 caso.Comp arelo con |A| e identique la operaci on que se realiz o a la matriz A para obtener la matriz B .
3 1 4 , |B | = 2 = |A|. Operaci on:
a) B =
Teorema 5. Si B es una matriz que se obtiene de A al intercambiar dos las (columnas), entonces |B | = |A|. b) B = 5 3 10 , |B | = 4 = |A|. Operaci on:
Teorema 6. Si B es una matriz que se obtiene de A al multiplicar una la (columna) por una constante = 0, entonces |B | = |A|. c) B = d) B = 3 6 5 15 6 , |B | = 8 10 , |B | = 20 = = |A|. Operaci on: |A|. Operaci on:
71
Teorema 7. Sea 0 = R y B una matriz de n n tal que B = A, entonces |B | = |A|. e) B = 1 0 2 , |B | = 2 = |A|. Operaci on:
Teorema 8. Si B es una matriz que se obtiene de A al sumarle a un rengl on (columna) un m ultiplo escalar de otro, entonces |B | | A| . Ejercicio 5. Utilice las propiedades de los determinantes para calcular det A en cada caso.
1 a) A = 2 3 2 3 3 3 7 8 0 1 b) A = 1 1 1 0 1 1 1 1 0 1 1 1 1 0
4.2.2.
Lecci on 2. Propiedades (continuaci on). Relaci on determinante e inversa
Se contin ua con la ejemplicaci on y deducci on de propiedades del determinante y se establece la relaci on de este con la inversa de una matriz. 7 9 3 7 2 7. Considere las matrices A = y A = 0 10 8. Calcule 3 10 5 0 6 T |A|, A para cada matriz A. C omo es |A| comparado con AT ? Teorema 9. Sea A una matriz cuadrada de orden n. Entonces |A| AT
Consecuencia: El determinante de una matriz se puede calcular por cualquier la o columna. Esto es: a A + a A + + a A ; para i = 1, 2, . . . , n i1 i1 i2 i2 in in | A| = a A + a A + + a A ; para j = 1, 2, . . . , n
1j 1j 2j 2j nj nj
72 a b Ejercicio 1. Si d e g h
c a d f = 15, encuentre 4b 4e i ca f d
g 4h . ig
8. Calcule det A en cada caso. a) A = b) A = 3 12 2 2 6 . C omo son las las de A? 24
5 . C omo son las las de A? 5
Teorema 10. Si A es una matriz que tiene por lo menos una la (columna) . m ultiplo escalar de otra, entonces |A| = 9. Sean A = 11 5 2 3 9 8 ,B = yC = . Halle 4 8 4 8 4 8 |A|, |B | y |C |. Comp arelos Qu e relaci on puede establecer?
Observe: A, B y C se diferencian u nicamente en la primera la. Adem as, la primera la de C es la suma de la primera la de A con la primera la de B . Teorema 11. Sean A, B y C matrices de tama no n n que dieren s olo en la la i. Si la la i de C es la suma de la la i de la matriz A con la la i de la matriz B . Entonces |C | | A| + | B | .
Determinante e inversa
Denici on 4.5 (Matriz adjunta). Sea A = (aij ) de tama no n n. La adjunta de A, denotada por adj A, se dene como la transpuesta de la matriz de cofactores de A. Ejercicio 2. Encuentre la adjunta de la matriz A del ejercicio 1 de la lecci on 4.2.1, calcule A adj A y (adj A)A. Teorema 12. A adj A = |A| I
73
Ejercicio 3. Si A es singular, A adj A = 0. Justique. Ejercicio 4. Sean A y B matrices n n. Muestre que adj(AB ) = adj B adj A. Justique. Ejercicio 5. Demuestre. Si A es no singular, entonces A1 = Demostraci on 1 adj A. | A|
Ejercicio 6. Sea Ann una matriz invertible. Pruebe que |adj A| = |A|n1 . Ejercicio 7. Sean A y B matrices cuadradas de orden 4. Si B 1 = 1 y 2 1 +A |A| = 3, calcule el determinante de la matriz C = A B adj B B | A| 2 | C | 2 = . Halle su Ejercicio 8. Muestre que [adj(AC )] AB C |B | valor si A, B y C son matrices 44 tales que |A| = 3, |B | = 8 y 2C T = 32.
T 1
Regla de Cramer
Sea A una matriz n n invertible. Entonces el sistema Ax = b tiene soluci on u nica dada por | Aj | xj = , j = 1, 2, . . . , n, | A|
donde Aj es la matriz que se obtiene de A reemplazando la j esima columna de A por el vector columna b. Ejercicio 9. Resuelva los siguientes sistemas mediante la regla de Cramer
a)
2x + 3y = 3 3x + 2y = 2
x y+ z =2 b) 2 x + y + z = 2 3x + 2y 2z = 3
74
3. El sistema Ax = b tiene soluci on . soluci on es 4. La forma escalonada reducida de A es 5. A es equivalente por renglones a la matriz 6. La forma escalonada de A tiene 7. det A 8. Las las de A son 9. El espacio generado por las las de A es pivotes
. Es decir, gen{f1 , . . . , fn }=
10. Todo vector u Rn se puede escribir como de las las de A. 11. Las columnas de A son 12. El espacio generado por las columnas de A es gen{c1 , c2 , . . . , cn } = 13. Todo vector u Rn se puede escribir como las columnas de A. . Es decir,
de
Cap tulo 5
Espacios vectoriales reales

Se generalizan algunos conceptos estudiados en los cap tulos 2 y 3, vectores 3 en R y matrices m n, y se introduce el concepto de espacio vectorial como una estructura algebraica sobre un conjunto no vac o en el cual se denen dos operaciones, una interna llamada suma, , y una externa al conjunto denominada multiplicaci on por un escalar, . Asimismo, se generaliza el concepto de combinaci on lineal como c elula generadora para la denici on de dependencia e independencia lineal, espacio generado y conjunto generador de un espacio vectorial. Se estudian caracterizaciones para determinar si un subconjunto no vac o de un espacio vectorial es un subespacio. Se naliza con el cambio de base y el proceso de ortonormalizaci on de Gram-Schmidt.
5.1.
Taller pre-clase
A. Teor a Realice un estudio comparativo entre la denici on de espacio 2 vectorial general y la denici on de espacio vectorial en R , Rn y Mmn . Establezca similitudes y diferencias. B. Poniendo en pr actica la aprendido 1. V = (R2 , , ) es un espacio vectorial, donde y se denen de la 75
76
Cap tulo 5. Espacios vectoriales reales
siguiente manera: (x, y ) (z, w) = (x + z 1, y + w 1)
(x, y ) = (x + 1, y + 1)
a) Halle el elemento neutro para la suma as denida b) Encuentre el opuesto para cada vector v de R2 c) Verique que [(x, y ) (z, w)] = (x, y ) (z, w) 2. V = (R+ , , ) es un espacio vectorial, donde y se denen de la siguiente manera: x z = xz
x = x
a) Determine el elemento neutro para la suma as denida b) Encuentre el opuesto para cada vector v de R+ c) Compruebe que ( + ) x = x x 3. Sean W = gen {(1, 1, 1), (1, 0, 2)} y H = (x, y, z ) R3 : 3x 2y + z = 0 subespacios de R3 . a) Determine W H a) Halle una base para W H y dim (W H ) 4. Determine el valor (o valores) de de modo que el vector # v = (1, 3, ) # # no est e en el espacio generado por v1 = (1, 0, 2) y v2 = (2, 1, 5). 5. Sean # x1 , # x2 , . . . , # xk Rn , 2 k n, tales que # x i # xj =
0, si i = j si i = j 1,
Muestre que # x1 , # x2 , . . . # xk son linealmente independientes.

1 1 # # 3 6. Construya una base de R que contenga a v1 = 0 y a v2 = 1. 1 1
Explique claramente su respuesta.
77
1 1 0 1 # = # = 7. Construya una base para R4 que contenga a v ya v . 1 2 2 2 0 1
Explique claramente su respuesta.
# = (1, 2), v # = (1, 0)} y B = {w # , w # } bases de R2 . Si la 8. Sean B1 = { v 2 1 2 1 2
matriz de transici on de B1 en B2 es PB1 B2 =
2 1
1 , halle la base B2 . 1
9. Encuentre una base para el n ucleo y la imagen de cada una de las siguientes matrices. Adem as, determine su nulidad y su rango.
1 a) A = 3 5 1 4 6 2 5 12 1 0 a) B = 2 1 1 1 1 1 0 1 1 2
10. Construya una base ortonormal para
H = (x, y, z ) R3 : 3x 2y z = 0 . C. Responda verdadero o falso a las siguientes armaciones. Justique cada una de sus respuestas 1. 2. 3. 4. 5. Los vectores 1, x, x2 , 2 x + x2 generan a P2 .
Los vectores 1, x, x2 , 2 x + x2 forman una base para P2 .
Todo conjunto generador de un espacio vectorial es una base. Toda base de un espacio vectorial es un conjunto generador. El conjunto S = A1 = H=
2 6 2 , A2 = 0 1 3 1 2
es una base para .
a 3a
ab b
: a, b R
6.
Sea A una matriz 4 5. Si el rango de A es 4, entonces ker A = {0}
D. Aplicaciones. Consulte en su Facultad sobre aplicaciones de espacios vectoriales. Adem as, consulte c omo se aplican los conceptos de espacio vectorial en comunicaciones.
78
5.2.
5.2.1.
Lecciones de clase
Lecci on 1. Denici on. Subespacios
Con esta la lecci on el alumno podr a determinar si un conjunto dado con las operaciones denidas en el, es un espacio vectorial o no. Asimismo, ser a capaz de vericar cuando un subconjunto de un espacio vectorial es un subespacio. Denici on 5.1 (Espacio Vectorial). Sea V un conjunto no vac o, en el cual se denen dos operaciones y , llamadas suma y multiplicaci on por un escalar (n umero real), respectivamente. Se dice que V con las dos operaciones es un espacio vectorial, si satisface los siguientes axiomas:
Para la suma 1S. Si u, v V , entonces u v V 2S. Si u, v V, entonces u v = v u 3S. Para cada u, v, w V , se tiene (u v ) w = u (v w ) 4S. Existe e V tal que para cada u V ; ue=u 5S. Para cada u V , existe w V tal que u w = e Para la multiplicaci on por un escalar 1M. Si u V y R , entones u V 2M. Si u, v V y R , entonces (u v ) = u v 3M. Si u V y , R , entonces ( + ) u = u u
4M. Si u V y , R , entonces ( ) u = ( u) 5M. Para cada u V, 1 u = u
Notaci on y observaciones. 1. Un espacio vectorial se denota de cualquiera de las siguientes formas: (V, , ), (V, ), V. 2. Cada uno de los elementos de un espacio vectorial se llama vector. 3. El vector e se llama el elemento identidad o el m odulo para . 4. El vector w V de la propiedad 5S se llama el inverso de u, y se denota por u; de modo que u u = u (u) = e.
79
5. Cuando no se indican las operaciones, se asume que son las usuales. Cuando se especican las usuales, estas no se encierran en un c rculo. En este caso, e = 0 y u = u. Ejercicio 1. Determine cu ales de los conjuntos con las operaciones indicadas son espacios vectoriales. Si no lo es, diga qu e propiedades no satisface. a) V = (N, +) b) V = (Z, +) c) V = (Q, +) d) V = (I, +) e) V = (R , +) f) V = (R2 , +) Notaciones. Mmn representa las matrices de tama n o n n.
1 Mn n o n n. n representa las matrices invertibles de tama
g) V = (Rn , +) h) V = (M22 , +) i) V = (M22 , )

1 j ) V = ( Mn n , +)
m) V =
x y
: y = 2x + 1
n) V =
x y
: y = 2x
k) V = (Mmn , +)
1 l) V = (Mn n , )
n ) V = (P2 , +)
P2 representa los polinomios de grado 2 junto con el polinomio 0. Pn representa los polinomios de grado n junto con el polinomio 0. Denici on 5.2 (Subespacio).
Teorema 1 (Caracterizaci on de subespacio). Sea V un espacio vectorial y H un subconjunto no vac o de V . H es un subespacio de V si y s olo h1 + h2 H para todo h1 , h2 H y , R . Ejercicio 2. Pruebe las siguientes armaciones
80
a) Si 0 / H , entonces H no es subespacio de V . b) H no es subespacio de V , si en H no se cumple la cerradura para la suma. c) H no es subespacio de V , si en H no se cumple la cerradura para la multiplicaci on por un escalar. Ejercicio 3. Determine cuales de los siguientes subconjuntos son subespacios del espacio vectorial dado a) H = b) H =
x y x y R2 : x 0 y y 0 R2 : y = 2x a b
c) H =
x y
R2 : y = 2x + 3
d) H = {D Mnn : D es diagonal}
5a ; a, b R 0
e) H = A M22 : A =
f) H = p(x) = c + bx + ax2 P2 : a 2b + c = 0 g) H = (x, y, z ) R3 : ax + by + cz = 0; a, b, c R h) H = {A Mnn : |A| = 0} i) H = {p(x) P4 : gr(p(x)) = 4} j) H = {0} k) H = V

y
l) El conjunto dado por la gr aca
y = x2
x
Ejercicio 4. Sean H1 y H2 subespacios de V . a) Demostrar que H = H1 H2 es un subespacio de V . b) H = H1 H2 es un subespacio de V ?

81
5.2.2.
Lecci on 2. Combinaci on lineal, independencia y dependencia lineal, espacio generado
En esta lecci on se generalizan los conceptos de combinaci on, independencia y dependencia lineal, as como espacio generado y conjunto generador los cuales fueron estudiados para vectores en Rn , n > 1 y para matrices m n, a cualquier conjunto que sea espacio vectorial. Con estas generalizaciones, el estudiante podr a avanzar hacia la abstracci on y entender los conceptos de manera natural y coherente con el contenido desarrollado. Denici on 5.3 (Combinaci on lineal). Sean u, v1 , v2 , . . . , vk elementos de un espacio vectorial V . Se dice que u es combinaci on lineal de los vectores v1 , v2 , . . . , vk , si existen escalares 1 , 2 , . . . , k tales que
k
u = 1 v 1 + 2 v 2 + + k v k = Observaciones.
i v i
i=1
1. La multiplicaci on del escalar i con el vector vi depende de la forma como se haya denido en el espacio vectorial. 2. La igualdad (=) es la denida en cada espacio. 3. Despu es de establecer la igualdad se obtiene un sistema de ecuaciones lineales en 1 , 2 , . . . , k , el cual puede ser consistente en cuyo caso, u es combinaci on lineal de los vectores vi o ser inconsistente, de donde se concluye que u no es combinaci on lineal de los vi . Ejercicio 1. Determine si u es combinaci on lineal de los vectores dados. a) u =
1 ; 5 1 ; 2 v1 = 1 , v2 = 3 2 7 2 4
b) u =
v1 =
1 , v2 = 2
82 c) u = 5 + x 2 ;
v1 = 1 + x, v2 = x2 v1 = 1 + x, v2 = x2 14 ; 2 1 1 v1 = 1 0 1 4 1 0 2 , v2 = 5 1 , v3 = 1 1 1 0 3 0 1 1 2 2 6
d) u = 2 + 2x x2 ; e) u =
4 9 2 1 7 10
f) u =
3 , v1 = 1
1 , v2 = 0
Denici on 5.4 (Independencia y dependencia lineal). Sea V un espacio vectorial y S = {v1 , v2 , . . . , vk } V . Se dice que S es un conjunto de vectores linealmente independiente (LI) si el vector nulo se puede escribir de manera u nica como combinaci on lineal de v1 , v2 , . . . , vk . Es decir, 0= implica 0 = 1 = 2 = = k
De otro modo, se dice que S es un conjunto linealmente dependientes (LD). Ejercicio 2. Determine si cada uno de los siguientes conjuntos de vectores es linealmente independiente o dependiente. a) S = v1 =
1 , v2 = 3 2 7
b) S = v1 = 1 + x, v2 = 1 + x2 , v3 = 1 + x + x2 c) S = v1 = 1 + x, v2 = 1 2x + 3x2 , v3 = 1 + x2
1 6 5 d) S = v1 = 2 , v2 = 11 , v3 = 9 3 17 14
e) S = A 1 =
1 0
0 , A2 = 0
2 0
1 , A3 = 0
1 0
1 0
83
Denici on 5.5 (Espacio generado). Sea S = {v1 , v2 , . . . , vk } V . El espacio generado por S es el conjunto de las combinaciones lineales de v1 , v2 , . . . , vk . Es decir: gen {v1 , v2 , . . . , vk } = {u V : u = 1 v1 + 2 v2 + + k vk } Ejercicio 3. Determine el espacio generado por los vectores a) v1 =
1 2 1 2 , v2 = b) v 1 = , v2 = 3 7 2 4 1 6 c) v1 = 2 , v2 = 11 d) v1 = 1 + x, v2 = 2 + x2 3 17 e) v1 = 1 + x, v2 = 1 2x + 3x2 , v3 = 1 + x2 1 0 2 1 f) A 1 = , A2 = 0 0 0 0
Denici on 5.6. Se dice que S = {v1 , v2 , . . . , vk } V es un conjunto generador del espacio vectorial V si todo vector u V se puede escribir como combinaci on lineal de los elementos de S . Ejercicio 4. Pruebe que S = conjunto generador de R2 .
1 1 1 S1 = 1 , 0 , 0 , 0 1 0 v1 = 1 , v2 = 3 2 , v3 = 7 4 2
es un
Ejercicio 5. Pruebe que S1 y S2 son conjuntos generadores de R3

0 0 1 S2 = 0 , 1 , 0 0 0 1
Ejercicio 6. Pruebe que S1 y S2 son conjuntos generadores de P2 S1 = v1 = 1, v2 = x, v3 = x2 S2 = w1 = 1 + x + x2 , w2 = 1 x, w3 = 1 + x2 Ejercicio 7. Pruebe que S1 es un conjunto generador de M22
S1 = A1 = 1 0 0 , A2 = 0 0 0 1 , A3 = 0 0 1 0 , A4 = 0 0 0
0 1
84
Observe que la diferencia de estas deniciones con las dadas para vectores en Rn , n > 1 y para matrices m n es que aqu se hace para cualquier conjunto V que es espacio vectorial. Ejercicio 8. Encuentre conjuntos generadores de las espacios vectoriales dados que sean linealmente independientes. a) Rn ; S1 = S2 = b) P3 ; S1 = S2 = c) Pn ; S1 = S2 = d) M22 ; S1 = S2 =
5.2.3.
Lecci on 3. Bases y dimensi on. fundamentales de una matriz
Espacios
Se describen los conceptos fundamentales de base y dimensi on de un espacio nito dimensional. Adem as, se caracterizan los espacios fundamentales de una matriz, haciendo enfasis en el espacio nulo. El estudiante nalizar a la lecci on caracterizando las bases para un espacio vectorial dado, su dimensi on y el uso del teorema de la dimensi on. Denici on 5.7 (base). Sea S = {v1 , v2 , . . . , vn } un subconjunto no vac o de un espacio vectorial V . Se dice que S es una base para V si 1. S genera a V . 2. S es un conjunto LI
Ejercicio 1. Determine si el conjunto dado es o no una base para V .

85
a) S = v1 =

1 , v2 = 1
1 3
; V = R2
d) S = f 1 = 1 + x, f 2 = 1 2x + 3x2 , f 3 = 1 + x2 ; V = P2 e) S =
1 1 1 1 , 1 1 1 1 , 0 0 1 1 , 0 0 0 0 ; V = M22
1 1 1 b) S = v1 = 1 , v2 = 3 , v3 = 1 ; V = R3 0 2 2 1 1 1 c) S = v1 = 1 , v2 = 1 , v3 = 3 ; V = R3 4 2 0
Teorema 2. Si un espacio vectorial V tiene una base con n elementos, entonces cualquier otra base de V tambi en tiene n elementos. El teorema anterior justica la siguiente denici on. Denici on 5.8 (Dimensi on). Si un espacio vectorial V tiene una base con n elementos, se dice que V es nitodimensional y n es la dimensi on de V . Se denota por dim V = n. Si V = {0} , dim V = 0. En otro caso, se dice que V es de dimensi on innita. En la p agina siguiente se muestra una tabla con los espacios vectoriales m as usados con la base can onica y su dimensi on.
86
Bases can onicas

Espacio Base can onica Dimensi on
V =R V = R2 1 0
{1} , 0 1
1 2
V = R3
V = Rn
V = P1 V = P2 V = Pn V =P V = M22
0 0 . . . {e1 , e2 , . . . , en }, donde ei = on i 1 Posici . . . 0 0 {1, x, x2 } {1, x}
0 0 1 en { e 1 , e 2 , e 3 } 0 , 1 , 0 . Tambi 0 0 1
2 3 n+1
{1, x, x2 , . . . , xn , . . .} 1 0 1 0
1 0 . . . 0 0 0 . . . 0
{1, x, x2 , . . . , xn } 0 0 1 0 1 0
1 0 . . . 0
0 0 0 0
0
0 1 0 0
0 0 ,...,
0 0 0 0
0
0 1 0 0
0 0 . . . 0
V = M23
0 0
0 0
0
0 1
.. . ... 0 0 . . . 1
V = Mm n
.. . ...
0 0 , . . . . . .
.. . ...
0 0 , . . . , . . . . . . 0 0
mn
87
Ejemplo 5.1. Determine una base para el subespacio vectorial de R2 H= x y 3x + y = 0 . 0 0
Soluci on. Como 3 0 + 0 = 0, entonces Sea x y
H . Luego, H = .
H . Entonces 3x + y = 0. Es decir, y = 3x, x R . Luego, x y = x 3x =x 1 , x R. 3 1 3
De ah , H = gen y su dimensi on es 1.
1 3
. Por lo tanto, una base para H es S =
Ejercicio 2. Halle una base para cada uno de los siguientes subespacios vectoriales y determine su dimensi on.
x 3 a) H = y R : x + y 2z = 0 z
b) H = {p(x) = d + cx + bx2 + ax3 P3 : a = b, c = d + 2b} c) H = {A M22 : A es sim etrica}
Espacios fundamentales de una matriz

Sea A una matriz de tama n o m n. Denici on 5.9 (Espacio nulo, n ucleo o kernel). El espacio nulo, n ucleo o kernel de A, denotado por NA o ker A y se dene como NA = ker A = {x Rn : Ax = 0} .
88
Teorema 3. ker A es un subespacio de Rn . Demostraci on. Es claro que ker A = pues 0 ker A. Ahora demostraremos la cerradura de la suma y de la multiplicaci on por un escalar 1. Sean x1 , x2 ker A. Entonces Ax1 = 0 y Ax2 = 0. (Hip otesis). Ahora, A(x1 + x2 ) = Ax1 + Ax2 = 0 + 0 = 0. Esto implica que x1 , x2 ker A. 2. Ahora consideremos, x1 ker A y R . Entonces Ax1 = 0. Ahora A(x1 = Ax1 = 0 = 0, de donde x1 ker A. Por lo tanto, ker A es un subespacio de Rn . Denici on 5.10 (Nulidad). La nulidad de A que se denota por (A) se dene como (A) = dim(ker A). Ejercicio 3. Encuentre el n ucleo, una base para el n ucleo y la nulidad de las siguientes matrices
1 a) A = 0 1 4 1 5 5 2 3 7 3 4 1 b) B = 8 9 0 5 7 0 0 2
Complete el enunciado del siguiente teorema.
Teorema 4. Ann es invertible si y s olo si (A) = Denici on 5.11 (Imagen). La imagen de A es im A = {y Rm : Ax = y, para alg u n x Rn } . Teorema 5. im A es un subespacio de Rm . Demostraci on. Ejercicio Denici on 5.12 (Rango). El rango de A es (A) = dim(im A). Ejercicio 4. Encuentre la imagen, una base para la imagen y el rango de cada una de las matrices del ejercicio 3, pagina 88.
89
A qu e es igual la nulidad m as el rango de cada una de las matrices anteriores? Teorema 6. Ann es invertible si y s olo si (A) = Teorema 7 (Teorema de la dimensi on). Sea A una matriz de tama no m n, entonces (A) + (A) = n. Denici on 5.13 (Espacio rengl on). El espacio rengl on o espacio la de Amn denotado por FA o RA , se dene como FA = RA = gen {f1 , f2 , . . . , f } . Denici on 5.14 (Espacio columna). El espacio columna de Amn que se denota por CA es CA = gen {c1 , c2 , . . . , c } . Teorema 8. Si A una matriz de m n, entonces 1. im A = CA 2. dim RA = dim CA = (A)
Ejemplo 5.2. En la matriz A del ejercicio 3, pagina 88 se tiene 0 1 x 3 im A = CA = gen 0 , 1 = y R x + y z = 0 1 1 z
Teorema 9. Sea B una matriz equivalente por renglones con la matriz A. Entonces 1. FA = FB 2. (A) = (B ) 3. (A) = (B )
Ejercicio 5. Halle una base para el espacio la y una base para el espacio columna de las matrices del ejercicio 3, p agina 88. Teorema 10. dim(FA ) = dim(CA ) = (A)
90
5.2.4.
Lecci on 4. Vector de coordenadas, cambio de base, bases ortonormales y proyecciones en Rn
Al nalizar la lecci on el alumno podr a determinar las coordenadas de un vector con respecto a una base ja. Adem as, realizar a cambios de coordenadas de una base a otra, usar a el proceso de Gram-Schmidt para ortonormalizar una base, es decir para encontrar otra que tenga vectores ortogonales y Se generaliza el concepto de proyecci on estudiado en la lecci on 3 secci on 2.2.3 del cap tulo 2 de la pagina 36. Ejercicio 1. Sean
B1 = # = u 1 1 # = ,u 2 0 0 1 y B2 = # = v 1 1 # = ,v 2 1 1 2
bases de R2 . Compruebe que los escalares que permite escribir los vectores de la base B1 como combinaci on lineal de los elementos de la base B2 son 2 # # . Se puede denotar y 1 para u 1 , y 1 y 1 para u 2 # ] = [u 1 B1 2 1 # ] = y [u 2 B1 1 . 1
Ejercicio 2. Considere B1 = {1, x, x2 } la base can onica de P2 y 2 2 2 B2 = {2 + 3x + x , 1 2x + x , 1 + 6x } otra base. a) Encuentre los escalares que permiten escribir cada vector de B1 como combinaci on lineal de los vectores de la base B2 . b) Encuentre los escalares que permiten escribir cada vector de B2 como combinaci on lineal de los vectores de la base B1 . Nota. Los escalares que se encuentran en los dos ejercicios anteriores y que permiten escribir un vector como combinaci on lineal de los vectores de una base forman un vector columna denominado vector de coordenadas, tal como se dene a continuaci on.
91
Denici on 5.15 (Vector de coordenadas). Sea V un espacio vectorial, B = {v1 , v2 , . . . , vn } una base de V y u V . El vector de coordenadas de u en la base B se dene como el vector columna formado por los escalares c1 , c2 , . . . , cn que permiten escribir a u como combinaci on lineal de los vectores de la base B y se denota por [u]B . Es decir,
c1 c2 si y s olo si [u ] B = . . . cn
Denici on 5.16 (Matriz de transici on). Sea V un espacio vectorial de dimensi on n, B1 = {v1 , v2 , . . . , vn } y B2 bases de V . La matriz A tal que A [u]B1 = [u]B2 , Nota. La matriz de transici on de B1 a B2 est a dada por A= [v1 ]B2 [v2 ]B2 . . . [vn ]B2 (5.1) se denomina la matriz de transici on de B1 a B2 y se denota por A = P B1 B2 .
Ejercicio 3. Escriba la matriz de transici on de B1 a B2 del ejercicio 1. Bases ortonormales
Ejercicio 4. Escriba la matriz de transici on de B2 a B1 del ejercicio 2. Ejercicio 5. Sea B = {e1 , e2 , . . . , en } la base can onica de Rn . Entonces 1. ei ej = 2. ei = para cada par de vectores distintos de B . para cada vector de B .
Una base B que satisface las dos condiciones anteriores se denomina base ortonornmal de Rn . Ahora generalizamos este concepto. Denici on 5.17. Sea S = {u1 , u2 , . . . , uk } un subconjunto de Rn . Se dice que S es un conjunto ortonormal si satisface las siguientes condiciones: 1. 2. Si S satisface s olo
, se dice que S es ortogonal.

92
Ejercicio 6. Encuentre un conjunto de R3 que sea ortogonal y que no sea ortonormal. Cu antos elementos puede tener a lo sumo este conjunto? Teorema 11. Si S = {u1 , u2 , . . . , uk } Rn es ortogonal, entonces S es un conjunto linealmente independiente. Demostraci on. Ejercicio Denici on 5.18 (Base ortonormal). Una base de Rn que es un conjunto ortonormal se denomina base ortonromal de Rn .
Proyecciones en Rn y proceso de GramSchmidt

Sea H un subespacio de Rn y S = {v1 , v2 , . . . , vm } una base de H . Para construir una base B = {u1 , u2 , . . . , um } ortonormal para H a partir de S , se procede de la siguiente manera: u1 = w1 , w1 w2 , u2 = w2 donde w1 = v1 . Observe que u1 = donde w2 = v2 (v2 u1 )u1
En general uk+1 wk+1 = , wk+1

k
donde wk+1 = vk+1
(vk+1 ui )ui
i=1
# w 3 # w 2 u 2 O u 1 # = v # w 1 1 O u 1 # = v # w 1 1 # v 2 u 3
# v 3 # w 2 # v 2
u 2 O u 1 # = v # w 1 1
Figura 5.1. Proceso de GramSchmidt en R3

93
Ejercicio 7. Construya una base ortonormal para R3 a partir de la base

1 1 1 S = 0 , 1 , 1 1 0 1
x Ejercicio 8. Sea H = y : x y + z = 0 un subespacio de R3 . Deter z
mine una base B para H y construya una base ortonormal a partir de B .
Ejercicio 9. Construya una base ortonormal para el n ucleo de la matrices dadas en el ejercicio 3 de la p agina 88. Ejercicio 10. Determine una base ortonormal para 1 2 1 1 1 3 2 1 H = gen v1 = , v2 = , v3 = , v4 = . 0 1 1 1 1 0 1 1
3. El sistema Ax = b tiene soluci on soluci on es . 4. La forma escalonada reducida de A es 5. A es equivalente por renglones a la matriz 6. La forma escalonada de A tiene 7. det A
pivotes
94
8. Las las de A son 9. El espacio generado por las las de A es . Es decir, gen{f1 , . . . , fn }=
10. Todo vector u Rn se puede escribir como de las las de A. 11. Las columnas de A son 12. El espacio generado por las columnas de A es gen{c1 , c2 , . . . , cn } = 13. Todo vector u Rn se puede escribir como las columnas de A. 14. (A) = 15. (A) = . Es decir,
de
Cap tulo 6
Transformaciones lineales
Se estudia el concepto de transformaci on lineal y se analiza la geometr a de 2 algunas transformaciones lineales en R . El estudiante reconocer a las funciones que son transformaciones lineales, ser a capaz de representarlas matricialmente y de relacionar el espacio nulo e imagen de la transformaci on con la de la matriz que la representa, as como usar adecuadamente el teorema de la dimensi on.
6.1.
Taller pre-clase
A. Teor a Realice un estudio comparativo entre las operaciones y algunas funciones estudiadas en los cursos de matem aticas y determine cu ales satisfacen las proiedades de linealidad. Es decir, las dos propiedades que cumple y denen una transformaci on lineal B. Aplicando la teor a 1. Halle una transformaci on lineal T : R2 R3 si
T 1 3 2 = 1 1 y T 1 4 4 = 2 2
95
96
Cap tulo 6. Transformaciones lineales
2. Dada la transformaci on lineal T : R4 R3 denida por

x x 2 y + 2 z + 3 w y T = y + 4z + w z x + 6z + 6w w
a) Halle ker T , una base para ker T y la nulidad de T . b) Encuentre im T , una base im T y el rango de T .
2 c) El vector 4 im T ? Explique su respuesta. 6 T (1) = 1 + x, T (1 + x) = 2 + 3x + x2 ,
3. Sea T : P2 P2 una transformaci on lineal que satisface

T (1 x + x2 ) = 3 + 4x + x2
a) Halle la transformaci on lineal T . b) Halle la matriz de la transformaci on c) Encuentre el n ucleo y la nulidad de T . d) Determine una base para la imagen y el rango de T . 4. Encuentre una transformaci on lineal T : R3 R2 tal que
1 1 e im T = ker T = gen 1 , 0 1 1
y
3 2
a b
R2 : 2a b = 0
5. Halle una transformaci on lineal T : R2 R2 de manera que la regi on

5 4 3 2 1 0 -1 -3 -2 -1 0 1 2 3
se transforme en
x
1 0 -1 -1 0 1 2 3 4 5
.
u
6. Sea T : R2 R2 una transformaci on denida por

T x y = cos sen sen cos x , 0 < 2 ( o < ). y
97
a) Demuestre que T es una transformaci on lineal b) Halle la imagen de los vectores i. Si = /4 1 , 0 0 1 y 3 2
ii. Si = /3
c) Muestre que T (v) = v , donde v = 7. Sea A =

1 1 2 0
x . y
la matriz de la transformaci on T : R2 R2 ,
1 , 2 3 4
referida a las bases B1 = transformaci on.
y B2 =
1 , 3
2 7
, halle la
8. Sea T : P2 P1 una transformaci on lineal denida por T (p) = p , en d [p(x)]. donde p (x) = dx a) Determine el n ucleo de la transformaci on y la nulidad. b) Determine la imagen de la transformaci on y el rango. c) Halle la matriz de la transformaci on con respecto a las bases: B1 la base usual de P2 y B2 = {1, 1 + x} base de P1 .
x T y = z x+yz 2x + 3y 4z
9. Sea T : R3 R2 una transformaci on lineal denida por

.
Si AT =

2 1
1 1
1 3 1 # # # # , w # } B1 = v1 = 2 , v2 = 2 v3 = 1 de R3 y B2 = {w 1 2 1 3 4
1 3
es la matriz de T relativa a las bases
de R2 , halle la base B2 .
C. Responda verdadero o falso. Justique claramente su respuesta 1. Si T : V W una transformaci on lineal uno a uno (o inyectiva), entonces ker T = {0}, (0 es el vector nulo de V ).
98 2.
Si T : V W una transformaci on lineal, entonces el n ucleo y la imagen de T siempre son diferentes de vac o, es decir, ker T = e im T = . Si T : V W es una transformaci on lineal sobreyectiva, im T = W .
3.
D. Aplicaciones Identique los conceptos que permiten solucionar la siguiente situaci on. Un caricaturista moderno emplea computadora y algebra lineal para transformar las im agenes
3
-1 -2 -1 0 1 2
-1 -2 -1 0 1 2
(a)
(b)
Figura 6.1. Deslizamiento en transformaciones de im agenes
Suponga que trata de dar la sensaci on de movimiento a la imagen de la gura 6.1(a), inclin andola y estir andola (horizontalmente) en forma gradual para llegar a la gura 6.1(b). Si el estiramiento gradual necesario, por ejemplo, a lo largo del eje x es 50 %, c omo puede modelarlo matem aticamente y hacer que la computadora trace la imagen inclinada? (ver [7], p agina 306).
6.2.
6.2.1.
Lecciones de clase
Lecci on 1. Denici on y propiedades
Se estudia el concepto de transformaci on lineal y las propiedades que la caracterizan.

99
Al nalizar la lecci on, dada una funci on, el estudiante podr a determinar si es o no una transformaci on lineal a partir de la denici on o de las propiedades que la caracterizan. Asimismo, conociendo las im agenes de los vectores de una base del espacio de partida donde est a denida la transformaci on lineal, podr a determinar la regla que la dene. Denici on 6.1 (Transformaci on lineal). Sean V y W espacios vectoriales. Una Transformaci on Lineal T de V en W (T : V W ) es una funci on que satisface las siguientes condiciones: 1. T (u + v) = T (u) + T (v), para cada u, v V . 2. T (u) = T (u), para cada u V y para cada escalar (real) . Ejercicio 1. Demuestre que la funci on T dada es una transformaci on lineal. a) T : R2 R2 ; T
x y = x . y
b) T : R+ R , T (x) = ln x. Ver ejercicio B2 del taller pre-clase cap tulo 5. Ejercicio 2. Sea T : R2 R2 ; T
x y = x + y y
una transformaci on lineal.
Bosqueje la regi on obtenida al aplicar la transformaci on al rect angulo dado, cuando = 2 y cuando = 3.
3 2 1 0 -1 -1 0 1 2 3 4
3 2 1
3 2 1
0 -1 -1 0 1 2 3 4 5 6
x
7
0 -1 -6 -5 -4 -3 -2 -1 0 1 2
x
3
(b) = 2
(c) = 3
Observaci on. Una transformaci on lineal T : V W tambi en recibe el nombre de operador lineal. Ejemplo 6.1. D : C 1 [R ] C 0 [R ] dada por D[f (x)] = f (x) es un operador lineal, llamado operador derivada.
100
Teorema 1. Si T : V W es una transformaci on lineal, entonces 1. T (0V ) = 0W .

k k
2. T (u v) = T (u) T (v); u, v V . i T (vi ); i R , vi V .
3. T
i=1
i v i
=
i=1
Ejercicio 3. Determine cu al o cu ales de las siguientes funciones dadas son transformaciones lineales: a) b) c) d) e) T T T T T : R R ; T ( x) = 3x : R R ; T ( x) = 3x + 2 : C 1 [0, 1] C [0, 1]; T (f (x)) = f (x) : Mmn Mnn ; T (A) = AT : R2 P2 ; T (a, b) = a + b + (a + b)x + (2a b)x2
Teorema 2. Si V es un espacio vectorial de dimensi on n con base S = {v1 , v2 , . . . , vn } y T : V W es una transformaci on lineal, entonces para cada u V , T (u) queda completamente determinado por {T (v1 ), T (v2 ), . . . , T (vn )} Ejercicio 4. Sea T : P1 P2 la transformaci on lineal denida por: T (x + 1) = x2 1 y T (x 1) = x2 + x. a) Halle la imagen del vector 5x 1. Es decir, T (5x 1) = b) Determine la transformaci on. Es decir, T (ax + b) = .
6.2.2.
Lecci on 2. N ucleo e imagen. Representaci on matricial
Al culminar la lecci on el estudiante podr a representar matricialmente una transformaci on lineal que est e denida en tre espacios de dimensi on nita. Tambi en determinar a el n ucleo y la imagen de una transformaci on lineal y los relacionar a con los de la matriz que la representa, por u ltimonalmente entender a y usar a adecuadamente el teorema de la dimensi on.
101
Denici on 6.2 (N ucleo o Kernel). Sea T : V W una transformaci on lineal. El n ucleo (o Kernel) de T , es el conjunto de todos los vectores u V tales que T (u) = 0. Se denota por ker T o nu T . Es decir. ker T = nu T = {u V : T (u) = 0} . Ejemplo 6.1. Si T : R4 R2 es una transformaci on lineal dada por x x y y x + y 4 T = , entonces ker T = R x = y, z = w . z z zw
w w
Denici on 6.3 (Nulidad). Si ker T es de dimensi on nita, esta se denomina nulidad de T y se denota por (T ). Es decir, (T ) = dim(ker T ). Ejemplo 6.2. En la transformaci on lineal del ejemplo anterior se tiene ( T ) = 2. Denici on 6.4 (Imagen). Sea T : V W una Transformaci on Lineal. La imagen de T , es el conjunto de todos los vectores w de W que son im agenes, bajo T , de vectores de V . Esto es, W est a en la imagen de T si existe un u V tal que T (u) = w. La imagen de T se denota por im T . Es decir, im T = {w W : T (u) = w, para alg un u V } . Denici on 6.5 (Rango). Si im T es de dimensi on nita, esta se denomina el rango de T y se denota por (T ). Es decir, (T ) = dim(im T ). Ejemplo 6.3. En la transformaci on del ejemplo 6.1 se tiene que im T = R2 , luego, (T ) = 2 Teorema 3. ker T es subespacio de V e im T es un subespacio de W . Demostraci on. Se probar a que ker T es un subespacio de V . Es claro que ker A = pues 0 ker A. Ahora demostraremos la cerradura de la suma y de la multiplicaci on por un escalar
102
1. Sean v1 , v2 ker T . Entonces T (v1 ) = 0 y T (v2 ) = 0. (Hip otesis). Ahora, T (v1 + v2 ) = T (v1 ) + T (v2 ) = 0 + 0 = 0. Esto implica que v1 , v2 ker T. 2. Ahora consideremos, v ker T y R . Entonces T (v) = 0. Ahora T (v) = T (v) = 0 = 0 Luego v ker T . Por lo tanto, ker T es un subespacio de V . Ejercicio 1. Halle ker T, (T, im T y (T ) de cada una de las siguientes transformaciones lineales. Encuentre una base para ker T y para im T . a) T : R2 R2 , T
x y = x+y xy
d) T : P2 P3 , T (c + bx + ax2 ) = b bx + cx3
a b a+b 0 = c d c c+d 2 3 c) T : P2 P2 ; T (a0 + a1 x + a2 x + a3 x ) = a0 + a1 x + a2 x2
b) T : M22 M22 ; T
Ejercicio 2. Demostrar: T : V W es una transformaci on lineal uno a uno si y s olo si ker T = {0}. Ejercicio 3. Determine cu al o cu ales de las siguientes transformaciones lineales, T : V W , son uno a uno. Halle la transformaci on inversa 1 T : im T V cuando sea 1 1. a) T : R2 R2 ; T x y x y yx y+x x 2y = 2x 3y 4x 7y = x 2y + 2z 2x 3y + 3z
b) T : R2 R3 ; T
x 3 2 c) T : R R ; T y = z
103
Denici on 6.6. Una transformaci on lineal T : V W es sobreyectiva si im T = W . Teorema 4 (Teorema de la dimensi on). Si V es un espacio vectorial de dimensi on n y T : V W es una transformaci on lineal, entonces
(T ) + (T ) = n.
Teorema 5. Sean V, W espacios vectoriales tales que dim V = n y dim W = m, B1 = {v1 , v2 , . . . , vn } una base de V y B2 = {w1 , w2 , . . . , wm } una base de W . Si T : V W es una transformaci on lineal, entonces existe una matriz AT de tama no m n tal que
AT [v]B1 = [T (v)]B2 para cada v V.
Denici on 6.7. La matriz AT del teorema 5 recibe el nombre de matriz de T con respecto a las bases B1 y B2 , y est a dada por
AT = [T (v1 )]B2 [T (v2 )]B2 . . . [T (vn )]B2 , a 1j a 2j olo si = . si y s . . amj
donde [T (vj )]B2
Recuerde: [T (vj )]B2 es el vector de coordenadas de T (vj ) en la base B2 . Teorema 6. Si AT es la matriz de la transformaci on con respecto a las bases B1 y B2 , entonces 1. (T ) = (AT ) 2. (T ) = (AT )
Observe. Si V = Rn y W = Rm y T : V W es una transformaci on lineal, entonces AT , la matriz de la transformaci on con respecto a las bases can onicas de Rn y Rm , respectivamente, satisface: 1. AT = [T (e1 ) T (e2 ) . . . T (en )] 2. ker T = ker AT ,
(T ) = (AT )
104
3. im T = im AT ,
(T ) = (AT )
Ejercicio 4. Halle la matriz de la transformaci on con respecto a las bases B1 y B2 . Determine: n ucleo, nulidad, imagen y rango de cada transformaci on lineal. a) T : P2 P3 , T (c + bx + ax2 ) = b bx + cx3 (i) B1 y B2 son las bases can onicas. (ii) B1 = {1 + x, 1 x, 1 + x + x2 } B2 = {2 + 3x + x2 , 1 2x + x2 , 1 + 6x2 } b) T : R4 R3 ,
x x y + 2z + 3w y T = y + 4z + 3w z x + 6z + 6w w
Teorema 7 (Teorema resumen). Sea A una matriz de tama no n n. Las siguientes armaciones son equivalentes: 1. A es invertible. 2. El sistema homog eneo Ax = 0 tiene soluci on y la soluci on es
0 0 1 1 1 1 1 1 0 0 1 ii. B1 = , , , , B2 = 0 , 1 , 1 0 1 1 0 0 0 1 1 1 1 0
i. B1 y B2 son las bases can onicas.
3. El sistema Ax = b tiene soluci on . soluci on es 4. La forma escalonada reducida de A es 5. A es equivalente por renglones a la matriz
105
6. La forma escalonada de A tiene 7. det A 8. Las las de A son
pivotes
9. El espacio generado por las las de A es
. Es decir, gen{f1 , . . . , fn }=
10. Todo vector u Rn se puede escribir como de las las de A. 11. Las columnas de A son 12. El espacio generado por las columnas de A es gen{c1 , c2 , . . . , cn } = 13. Todo vector u Rn se puede escribir como las columnas de A. 14. (A) = 15. (A) = 16. Si A es la matriz de una transformaci on lineal T : V V entonces 16.1 ker T = 16.2 T es una funci on 16.3 im T = . Es decir,
de
Cap tulo 7
Valores y vectores propios

Se estudiar an los valores y vectores propios de una matriz cuadrada A de tama no n n. Se retoma el concepto de n ucleo de una matriz, base y su dimensi on con los que se introducen las deniciones de espacio caracter stico, vector propio y multiplicidad algebraica y geom etrica de un valor propio . Se continuar a con la diagonalizaci on de matrices cuadradas y luego con la diagonalizaci on ortogonal de matrices sim etricas para lo cual usa el proceso de Gram-Schmidt. Por comodidad, se consideran matrices 22 y 33 que son m as sencillas de manipular. Finalmente se estudian las formas cuadr aticas y las secciones c onicas, como una aplicaci on de los conceptos del cap tulo y de los anteriores.
7.1.
Taller pre-clase
A. Teor a Identique los conceptos de cap tulos anteriores que se usan para el desarrollo de la teor a de valores y vectores propios. B. Poniendo en pr actica lo aprendido 1. Determine si A =
4 0 3 4
yB=
6 0
claramente su respuesta. 107
1 5
son diagonalizables. Justique
108
2 1 2. Sea A = 1 1 1 2 1 1
Cap tulo 7. Valores y vectores propios
1 1 2 1
a) Verique si = 1 y = 2 son valores de propios de A.

1 1 # = b) Halle el valor propio de A asociado al vector propio v 1 1 1
1 1 1 2
c) Halle el espacio propio correspondiente al valor propio = 1. d) Determine la multiplicidad geom etrica de = 1
e) Determine si A es diagonalizable. En caso armativo, halle una matriz invertible P tal que P 1 AP = D , donde D es una matriz diagonal. Recuerde: multiplicidad geom etrica de multiplicidad algebraica de . 3. Calcule A10
3 si A = 2 4 2 0 2 4 2. Use el hecho que A es diagonalizable. 3
C. Responda verdadero o falso. Justique sus respuestas 1. 2. 3. 4. 5. 6. Si = 0 es un valor propio de A, entonces la matriz es singular. Ann es diagonalizable si tiene n valores propios. Si Ann tiene n valores propios distintos, entonces A es diagonalizable. Si cada uno de los valores propios de A tiene multiplicidad algebraica 1, entonces A tiene n vectores propios linealmente independientes. Si Ann es una matriz con componentes reales, entonces sus valores propios son reales. Sea A una matriz de tama no 3 3. Si p() = ( 4)2 ( + 3) es el polinomio caracter stico de A, entonces A es diagonalizable.
109
D. Aplicaciones Dadas la ecuaciones cuadr aticas 1. 2x2 + 10xy 2y 2 = 21. 2. x2 + 4xy + 4y 2 + 4 5 x 2 5 y = 20 a). Halle la matriz sim etrica A que representa la forma cuadr atica b). Encuentre los espacios propios de la matriz A. c). Diagonalice ortogonalmente la matriz A. d). Elimine el t ermino cruzado e identique la c onica dada por la ecuaci on e). Realice el gr aco de la c onica donde muestre los ejes principales y el angulo de rotaci on
7.2.
7.2.1.
Lecciones de clase
Lecci on 1. Deniciones
Se recordar a el c alculo de determinantes, as como los conceptos de espacio nulo o n ucleo de una matriz A. Adem as se hallar a una base y su nulidad los cuales se relacionar an con las deniciones de valores y vectores propios, espacio caracter stico, multiplicidad algebraica y geom etrica. Ejercicio 1. Para cada una de las siguientes matrices
1 4 0 0 0 2 3 1 3 1 2 5 1 2 1 2 1 1 1 2 0 A = 0 2 A= 1 0 5 0 1 4
1.
A= 1 A= 3 1
2.
A=
3.
4.
5.
2 A = 1 1
6.
5 2
2 8
110
determine el o los valores de que hagan que el determinante de la matriz A I sea igual a cero, es decir, |A I | = 0. ( es un n umero real o complejo). Recuerde: I es la matriz identidad. Ejercicio 2. Para cada una de las matrices anteriores, encuentre el n ucleo de la matriz A I . Considere para cada matriz A el valor o los valores de encontrados en el numeral anterior. Adem as, encuentre una base para el n ucleo y determine la nulidad. Recuerde: encontrar el n ucleo de A I es equivalente a resolver el sistema homog eneo con matriz de coecientes A I . Complete las siguientes deniciones: Denici on 7.1 (Valor propio).
Denici on 7.2 (Vector propio).
Denici on 7.3 (Polinomio caracter stico).
Denici on 7.4 (Espacio caracter stico).
Denici on 7.5 (Multiplicidad algebraica).
Denici on 7.6 (Multiplicidad geom etrica).
111
Teorema 8. Sea Ann . 1. Vectores propios correspondientes a valores propios diferentes son 2. A tiene n vectores propios LI si y s olo si Ma () valor propio . 3. A es invertible si y s olo si = 0 4. Si A es una matriz triangular, los valores propios de A son Mg () para cada
7.2.2.
Lecci on 2. Diagonalizaci on
Se estudian las matrices semejantes y la diagonalizaci on de matrices cuadradas, con el prop osito de usarlos m as adelante en algunas aplicaciones. En esta lecci on los alumnos deber an recordar claramente los conceptos que se estudiaron en la lecci on anterior los cuales sintetizan los aspectos b asicos desarrollados durante el semestre. Denici on 7.7 (Matrices semejantes). Sean A y B matrices cuadradas de orden n. A y B son semejantes o similares , si existe una matriz invertible C tal que B = C 1 AC Ejemplo 7.1. A =
2 1 3 4
yB=
5 0
2 1
son matrices semejantes.
Ejercicio 1. Considere las matrices A y B del ejemplo 7.1. a) Compruebe que A y B son semejantes donde C =
establecer la relaci on. b) Calcule det A y det B c) Halle los polinomios caracter sticos de las matrices A y B
1 1
1 1
permite
112
Teorema 9. Si A y B matrices semejantes, entonces sus polinomios caracter sticos son iguales. Demostraci on. Se debe probar que |A I | = |B I |. Justique los pasos de la demostraci on B = C 1 AC |B I | = C 1 AC I B I = C 1 AC I Denici on de semejanza
= C 1 ( A I ) C = | A I |
= C 1 AC C 1 C = |C 1 ||A I ||C |
Denici on 7.8 (Matrices diagonalizables). Sean A una matriz cuadrada de orden n. A es diagonalizable, si A es semejante con una matriz diagonal. Es decir, existe una matriz invertible P tal que D = P 1 AP , donde D es una matriz diagonal.
1 Ejemplo 7.2. A = 3 1 0 0 0 1 0 3 es diagonalizable, D = 0 1 0 0 0 0 0 0 es 2
la matriz diagonal. Cu ales son los vectores propios de A? Preguntas.
1. Dada una matriz A, c omo determinar si es diagonalizable? 2. Si A es diagonalizable, c omo hallar D y P ? 3. D y P son u nicas? Ejercicio 2. Cu ales de las matrices de la lecci on 1 son diagonalizables?
113
El siguiente teorema contribuye a dar respuesta a algunos de los interrogantes. Teorema 10. Ann es diagonalizable si y s olo si A tiene n vectores propios linealmente independientes. Sean 1 , 2 , . . . , n los n valores propios de A y v1 v2 . . . vn los n vectores propios linealmente independientes Como A es diagonalizable, P 1 AP = D , donde D = diag {1 , 2 , . . . , n } matriz diagonal y P = (v1 v2 . . . vn ) . Observe que que las columnas de P son los vectores propios de A. Ejemplo 7.3. Para la matriz A del 1 P = 0 1
1 a) A = 4 1 1 0 1 2 4 3
Ejercicio 3. Determine cu ales de las siguientes matrices son diagonalizables

4 b) A = 2 1 2 1 2 3 2 0 1 c) A = 2 2 2 1 2 2 2 1
ejemplo 7.2 se tiene 0 1 1 3 . 0 1
C omo son los vectores propios correspondientes a valores propios diferentes de una matriz sim etrica?
7.2.3.
Lecci on 3. Diagonalizaci on ortogonal
Se generaliza la diagonalizaci on estudiada en la lecci on anterior a matrices sim etricas y se incorpora la diagonalizaci on ortogonal, para lo cual el alumno debe manejar y recordar el proceso de ortonormalizaci on de Gram-Schmidt. Teorema 11. Si A es una matriz sim etrica, 1 y 2 son valores propios de A distintos, con vectores propios v1 , v2 respectivamente, entonces v1 y v2 son ortogonales.
114
Teorema 12. Toda matriz matriz sim etrica es diagonalizable, adem as sus valores propios son reales. Teorema 13. Si A es sim etrica, entonces A tiene n vectores propios ortonormales. Denici on 7.9 (diagonalizaci on ortogonal). Se dice que una matriz Ann es diagonalizable ortogonalmente, si existe una matriz ortogonal Q tal que D = QT AQ, donde D = diag (1 , 2 , . . . , n ); 1 , 2 , . . . , n son los n valores propios de A. Q = (u1 u2 . . . un ) ; u1 , u2 , . . . , un son vectores propios ortonormales de A.
2 Ejemplo 7.4. La matriz A = 1 1 1 2 1 1 etrica, luego es diagonali1 es sim 2
zable ortogonalmente. Se tiene 1/ 2 1/ 2 Q = 1/ 2 0 0 1/ 2
Describa un procedimiento para construir a Q.
1 1/ 2 1/ 2 , D = 0 1/ 2 0
0 1 0
0 0 4
Teorema 14. A es diagonalizable ortogonalmente si y s olo si es sim etrica. Ejercicio 4. Diagonalice ortogonalmente las matrices sim etricas
2 1. A = 1 1 1 2 1 1 1 2 1 2. A = 2 2 2 1 2 2 2 1
115
7.2.4.
Lecci on 4. Formas cuadr aticas y secciones c onicas
En esta lecci on se hace una aplicaci on de los conceptos desarrollados en las lecciones anteriores a conceptos que se estudian en otros cursos de matem aticas y que ahora se desarrollan desde los conceptos del algebra lineal. Denici on 7.10 (Forma y ecuaci on cuadr atica en dos variables). Una forma cuadr atica en las variables x y y es una expresi on de la forma F (x, y ) = ax2 + bxy + cy 2 , donde | a| + | b| + | c| = 0. La expresi on (7.1) se puede abreviar como F (X) = XT AX, donde
A= a b/2 b/2 c
(7.1)
es la matriz asociada a la forma cuadr atica y X =
x . y
Puesto que A es sim etrica, es diagonalizable ortogonalmente. Es decir, existe una matriz ortogonal Q, |Q| = 1 y D = diag (1 , 2 ), tal que A = QDQT Para eliminar el t ermino mixto xy , sea X1 = QT X =
x1 , que corresponde y1
a los nuevos ejes coordenados. As , la expresi on (7.1) queda

2 2 G ( X1 ) = G ( x 1 , y 1 ) = XT 1 D X1 = 1 x 1 + 2 y 1 .
(7.2)
Ejemplo 7.5. Elimine el t ermino cruzado en la forma cuadr atica F (x, y ) = 5x2 4xy + 8y 2 . Soluci on. La matriz sim etrica asociada a F es A =
1/ 5 2/ 5 5 2 2 , cuyos valores 8 9 0 0 . 4
propios son 9 y 4. Una matriz ortogonal que diagonaliza a A es

Q= 2/ 5 , con | Q| = 1, D = 1/ 5
116
2 As , F (x, y ) se transforma en G(x1 , y1 ) = 9x2 + 4y1 . 1
Una ecuaci on cuadr atica en las variables x y y es una expresi on de la forma ax2 + bxy + cy 2 + dx + ey = f, (7.3) donde | a| + | b| + | c| = 0. La ecuaci on (7.3) se puede escribir abreviadamente como XT AX + B X = f, la cual se transforma en
2 2 XT 1 D X1 + B 1 X1 = 1 x1 + 2 y1 + d1 x1 + e1 y1 = f,
donde B = (d e) y B 1 = (d1 e1 ) = BQ. Teorema 15. Suponga que la ecuaci on (7.3) representa una c onica. Sean 1 y 2 los valores propios de la matriz sim etrica asociada A de la forma cuadr atica (7.1). Entonces i. Si 1 2 > 0, entonces (7.3) es una ii. Si 1 2 < 0, entonces (7.3) es una iii. Si 1 2 = 0, entonces (7.3) es una Ejemplo 7.6. Identique y trace la gr aca de la c onica 5x2 4xy + 8y 2 = 36
2 Soluci on. Seg un el ejemplo 7.5, la ecuaci on transformada es 9x2 + 4y1 = 36. 1 Como el producto de los valores propios de la matriz sim etrica asociada es positivo, la gr aca es una elipse con centro en (0, 0) y semiejes mayor y menor de 2 y 3 unidades respectivamente en los nuevos ejes rotados. Los nuevos ejes
# = rotados est an dados en las direcciones de los vectores ortogonales v 1
1 2
117
# = 2 . El y v angulo de rotaci on se calcula mediante la f ormula 2 1
tan = La gr aca es
5 4 3 2 1 0 -1 -2 -3 -4 -5 -6
q21 v = 21 = 2, q11 v11

y
= tan1 (2) 63,4o .
y1 # v 2 # v 1 x
x1
-5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Figura 7.1. Gr aca ejemplo 7.6
Ejemplo 7.7. Identique y trace 5x2 4xy + 8y 2 + 10 5 x 4 5 y = 11 Soluci on. Se tiene que A =
5 2
(A)
2 , B = (10 5 4 5). De este modo, 8
la ecuaci on (A) se transforma en
2 9x2 + 4y1 + 18x1 + 16y1 = 11 1
(y + 2)2 (x1 + 1)2 + 1 = 1. Una elipse con centro en 4 9 (1, 2) y semiejes mayor y menor de 2 y 3 unidades respectivamente en los nuevos ejes rotados y trasladados. y esta a su vez en Los nuevos ejes rotados est an dados en las direcciones de los vectores orto# = gonales v 1 1 2 # = y v 2 2 . El angulo de rotaci on se calcula mediante 1
118 la f ormula
tan = La gr aca es
6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 -6 -5 -4
v q21 = 21 = 2, q11 v11

y
63,4o .
y1 # v 2 # v 1 x
x1
-3 -2 -1 0 1 2 3 4 5 6 7
Figura 7.2. Gr aca ejemplo 7.7
Ejercicio 5. Identique y trace la gr aca de la ecuaci on dada. a) x2 + xy + y 2 = 6 b) 9x2 + 6xy + y 2 = 9

c) x2 + 2 3 xy y 2 + 6x = 0 d) 3y 2 + 4xy + 2 5x + 4 5y = 1
e) 9x2 + 6xy + y 2 10 10 x + 10 10 y = 90
f) x2 + 2xy + y 2 + 2 x 2 y=0
119
3. El sistema Ax = b tiene soluci on . soluci on es 4. La forma escalonada reducida de A es 5. A es equivalente por renglones a la matriz 6. La forma escalonada de A tiene 7. det A 8. Las las de A son 9. El espacio generado por las las de A es pivotes
. Es decir, gen{f1 , . . . , fn }=
10. Todo vector u Rn se puede escribir como de las las de A. 11. Las columnas de A son 12. El espacio generado por las columnas de A es gen{c1 , c2 , . . . , cn } = 13. Todo vector u Rn se puede escribir como las columnas de A. 14. (A) = 15. (A) = 16. Si A es la matriz de una transformaci on lineal T : V V entonces 16.1 ker T = 16.2 T es una funci on 16.3 im T = 17. Todos los valores propios de A son . Es decir,
de
Ap endice A
Ejemplos de ex amenes
A.1. Primer parcial
UNIVERSIDAD TECNOLOGICA DE PEREIRA FACULTAD DE CIENCIADS BASICAS DEPARTAMENTO DE MATEMATICAS
Primer Parcial de Algebra Lineal I. Considere el siguiente sistema de ecuaciones lineales

x 2x 2x + + + y ay 2y + + + z 2z 2 (a 2)z = = = 2 6 a+6
Determine el valor o valores de a de modo que el sistema a ) tenga soluci on u nica. D e la soluci on b ) tenga innitas soluciones. Escriba la soluci on general c ) no tenga soluci on. II. ABC Publicaciones edita tres tipos de libros: encuadernaci on r ustica, pasta dura y empastados en piel. Para los r usticos, la empresa gasta en promedio $5 en papel, $2 en ilustraciones y $3 las pastas. Para los de pasta dura, los gastos son $10 en papel, $6 en ilustraciones y $8 en pastas; y para los de lujo, empastados en piel, $20 en papel, $20 121
122
Cap tulo A. Ejemplos de ex amenes
en ilustraciones y $24 en pastas. Si el presupuesto permite $235000 en papel, $158000 en ilustraciones y $205000 en pastas, cu antos libros de cada cada categor a pueden producirse? # = 2 y # . Encuentre en cada caso III. Sean u +3 + 2 k v = 3 + 3k el valor (o valores) de , si existen, de modo que # y a) u # y b) u # v sean ortogonales. # v sean paralelos. # y # c) u v formen un angulo de /3.
IV. Formule dos preguntas cortas (distintas) sobre los temas que se incluyen en este examen y resp ondalas claramente.
A.2.
Segundo parcial
Segundo Parcial de Algebra Lineal 1. RECTAS Y PLANOS Considere el plano 1 : 2x y + 3z = 6 a) Determine qu e puntos pertenecen al plano 1 : P (1, 1, 1), Q(2, 3, 4), R(2, 4, 2), S (1, 1, 3) b) Halle ecuaciones param etricas para la recta L1 que interceca al plano 1 en uno de los puntos determinados en la parte a) y pasa por uno de los puntos dados que no est e en el plano 1 . c) Encuentre la ecuaci on cartesiana del plano 2 que contiene a la recta L1 y otro punto del plano 1
123
2. MATRICES Y DETERMINANTES.
2/3 Considere las matrices A = 2/3 1/3 2 4 5 yC= 7 6 8 . 1 2 3 2/3 1/3 2/3 1/3 1 2/3 , B = 2 2/3 3 2 3 6 3 5 15
a) Compruebe que A es ortogonal. b) Simplique y encuentre la matriz X , si se sabe que 1 T X = B CAT B T 2CB T (B adj B ). 3
Use propiedades del determinante cuando sea necesario calcularlo.
c) Determine las componentes x13 y x32 de la matriz X . 3. FALSO Y VERDADERO. Responda verdadero o falso a cada una de las siguientes armaciones. Justique sus respuestas. a) b) c) No existen valores de a y b de modo que u = (3, a, 4, a) y v = (2, 6, b, b) sean paralelos. # y # # # Si u v son vectores no nulos de R2 , entonces u v = 0. Si A y B son matrices no nulas entonces AB = 0. a Si d g b e h
c 5b 5e 5h d) f = 20 entonces a 3b d 3e g 3h = 100. i 2b + c 2e + f 2h + i 1 # El vector u = 3 es combinaci on lineal de los vectores e) 2 1 2 # # v1 = 2 y v2 = 3. 3 7

124
A.3.
Tercer parcial
Tercer Parcial de Algebra Lineal I. ESPACIOS VECTORIALES 1. Determine el valor o valores de , si existe(n), de modo que el vector # = (1, 1, 4) se encuentre en el espacio generado por el conjunto u S = { # v1 = (2, 1, ), # v2 = (, 1, 2)}.
2 2 4 1 1 0 4 2 2 5 3 2
1 2. Considere la matriz A = 1 2
(a) Encuentre el n ucleo y la imagen de A. Halle una base para ker A y para im A
(b) Determine la nulidad y el rango de A. II. TRANSFORMACIONES LINEALES. VALORES Y VECTORES

PROPIOS
1. Encuentre la transformaci on lineal T : P1 R3 de manera que 1 1 1 bases B1 = {1 + x, 1 2x} y B2 = 0 , 1 , 1 .

1 0 1 2 A= 1 2 1 on con respecto a las 2 es la matriz de la transformaci 3
2. Considere la ecuaci on cuadr atica x2 + 2 3 xy y 2 + 6x = 0. a. Elimine el t ermino cruzado e identique la c onica.
b. Realice un gr aco de la c onica donde muestre los ejes principales y el angulo de rotaci on.
125
III. FALSO Y VERDADERO. Responda verdadero o falso cada una de las siguientes armaciones. Justique claramente sus respuestas. 1. S = A1 = 1 3 1 , A2 = 0 H= 1 3 1 2 genera al subespacio
a ab 3a b
: a, b R
4. Si es un valor propio de una matriz no singular A, entonces un valor propio de A1 .
2. Sea A una matriz 4 5. Si el rango de A es 4, entonces ker A = {0} . 2 1 2 3 = 1 3. Si T : R R es una transformaci on lineal tal que T 3 1 4 8 1 1 yT = 2 , entonces T = 4 . 4 6 2 8
1
es
126
A.4.
Examen Final
UNIVERSIDAD TECNOLOGICA DE PEREIRA FACULTAD DE CIENCIADS BASICASDEPARTAMENTO DE MATEMATICAS
Examen nal de Algebra Lineal I. ESPACIOS VECTORIALES Halle el valor o valores de , si existe(n), de modo que el vector # = (1, 1, 4) se encuentre en el espacio generado por el conjunto u S = { # v1 = (, 1, 1), # v2 = (1, 1, )}. II. TRANSFORMACIONES LINEALES 1. Sea T : R3 R4 una transformaci on lineal tal que
a b im T = : 2a b c + d = 0, a 2b 2c + 2d = 0 c d
(i) Halle una base para R4 que contenga una base de im T . (ii) Determine el rango y la nulidad de T . (iii) Encuentre una base ortonormal para im T 2. Sea T : R2 R3 es una transformaci on lineal tal que T
yT 1 4 1 = 2 . Calcule T 2 5 6 1 3 2 = 1 1
III. VALORES Y VECTORES PROPIOS. Considere la ecuaci on 2 2 cuadr atica x 6xy + y + 4 2x 4 2y = 8. 1. Elimine el t ermino cruzado e identique la c onica.
127
2. Realice un gr aco de la c onica donde muestre los ejes principales y el angulo de rotaci on.
IV. VERDADERO O FALSO. Responda verdadero o falso. Justique claramente su respuesta. 1. 2. El punto Q(2, 2, 3) no pertenece a la recta L que contiene el punto P (1, 2, 3) y es paralela al vector # v = (1, 1, 1)
Si A y B son matrices 4 4 tales que |A| = 4, |B | = 3, la componente b34 = 1 y X = |AB | B 1 A + A (2B 1 A)1 , entonces la componente x34 = 6
y
3.
El subconjunto
x H= x y R 2 : y x2
es un subespacio de R2 .
4.
El vector p(x) = x2 + 2x 2 ker T , donde T : P2 P1 es una transformaci on lineal denida por T (ax2 +bx+c) = (2a+c)x+(b+c).
y
3 3
5.
La regi on
1 1 3
se transforma en
x
3 1
u
1 3
mediante la transformaci on lineal T : R2 R2 , T

2 1 2 2 # = v es un vector propio de A = 2 2 2 2
x y 2 1 2 2
= 2 2 1 2
6.
xy . x+y 2 2 . 2 1
Referencias
[1] Florey Francis. Fundamentos de Algebra Lineal y aplicaciones. Prentice Hall. 1980. [2] Grossman Stanley. Algebra Lineal con aplicaciones. Quinta edici on. McGraw Hill. [3] http://huitoto.udea.edu.co/ vectorial/uni3/seccion35/ejemplos35.html. [4] http://www.isftic.mepsyd.es/w3/Descartes/Bach CNST 1/Vectores en el plano/ Probl Vect.htm. [5] Kolman Bernard. Algebra lineal con aplicaciones y MatLab. Sexta edici on. Prentice Hill [6] Mart nez Alejandro, Mesa Fernando y Correa V. Germ an. Algebra lineal con aplicaciones. Universidad Tecnol ogica de Pereira. Pereira 2006. [7] Nakos Joyner David. Algebra lineal con aplicaciones. International Thomsom Editores [8] Poole David. Algebra lineal con aplicaciones. Segunda edici on. Editorial Thomsom. [9] Swokowski Earl W. y Cole Jerey A. Algebra y Trigonometr a con Geometr a Anal tica. Tercera edici on. Grupo Editorial Iberoamericano. 1992. [10] Uzuriaga Vivian, Mart nez Alejandro. Algebra lineal con problemas de modelado. En prensa.
128

Lecciones Algebra Lineal

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Lecciones Algebra Lineal

Hochgeladen von

Copyright:

Verfügbare Formate

LECCIONES DE ALGEBRA LINEAL Libro de trabajo para estudiantes y gu a did actica del docente

1.2.4. Lecci on 4. Matriz asociada. M etodos de soluci on . . . . 13 2. Vectores, rectas y planos 21

1.2.3. Lecci on 3. Sistemas m n . . . . . . . . . . . . . . . . 10

2.2.7. Lecci on 7. Producto vectorial en R3 . . . . . . . . . . . 46 2.2.8. Lecci on 8. Rectas y planos en R3 . . . . . . . . . . . . 49 3. Matrices 53

6.1. Taller pre-clase . . . . . . . . . . . . . . . . . . . . . . . . . . 95 ii

Sistemas de ecuaciones lineales

Cap tulo 1. Sistemas de ecuaciones lineales

Construya 2 ejemplos en los cuales use los m etodos

no tiene soluci on.

Todo sistema con m as ecuaciones que inc ognitas siempre es inconsistente

Grupo de investigaci on EMEMATIC

3. La matriz aumentada del sistema Ax = b, est a dada por:

Cap tulo 1. Sistemas de ecuaciones lineales

Grupo de investigaci on EMEMATIC

6. Encuentre las cantidades desconocidas en el circuito de la gura 1.1.

Figura 1.1. Circuito

Indicaci on. V representa el voltaje, R es la resistencia e i es la corriente.

Figura 1.2. Coordenadas en R2

Cap tulo 1. Sistemas de ecuaciones lineales

Figura 1.3. Recta por dos puntos

Grupo de investigaci on EMEMATIC

(b) Recta tangente

Figura 1.4. Pendiente-intercepto y recta tangente

Figura 1.5. Recta del ejercicio 2

Cap tulo 1. Sistemas de ecuaciones lineales

Grupo de investigaci on EMEMATIC

(a) Soluci on u nica

(b) Innitas soluciones

(c) Ninguna soluci on

Figura 1.6. Sistemas 2 2

Vivian Libeth Uzuriaga L.

Cap tulo 1. Sistemas de ecuaciones lineales

donde a1 , a2 , . . . , an R , no son simultaneamente nulas son los coecientes y b R es el t ermino independiente.

Grupo de investigaci on EMEMATIC

Sistema de m ecuaciones lineales con n inc ognitas

Cap tulo 1. Sistemas de ecuaciones lineales

a21 x1 + a22 x2 + + a2n xn = b2 . . . . ... . . . . . . . .

Ejemplo 1.2. Los siguientes son ejemplos de sistemas de ecuaciones lineales

Grupo de investigaci on EMEMATIC

Lecci on 4. Matriz asociada. M etodos de soluci on

se llama matriz asociada o aumentada del sistema (1.3).

un sistema). El arreglo a 1n | b 1 a 2n | b 2 . . . . | . . . . . amn | bm

La diagonal principal de A es (a11 , a22 , . . . , akk ), donde k = m n{m, n}.

Operaciones elementales de rengl on

Cap tulo 1. Sistemas de ecuaciones lineales

Vivian Libeth Uzuriaga L.

Grupo de investigaci on EMEMATIC

Ec 5 3Ec 5 9y 9z = 36 Ec 6 Ec 5 Ec 5 Ec 4 9y 13z= 40 9y 9z= 36 4z = 4 Ec 7 Sistema equivalente x 2y + 3z = 11 9y 13z = 40 4z = 4

f5 f5 f4 1 2 3 | 11 0 9 13 | 40 0 0 4| 4 Sistema equivalente x 2y + 3z = 11 9y 13z = 40 4z = 4

Cap tulo 1. Sistemas de ecuaciones lineales

Alejandro Mart nez A.

Vivian Libeth Uzuriaga L.

Grupo de investigaci on EMEMATIC

Paso 1. Formar la matriz aumentada del sistema:

Cap tulo 1. Sistemas de ecuaciones lineales

Grupo de investigaci on EMEMATIC

b) Para k = 1, determine si el vector dado es una soluci on del sistema

Ejercicio 2. Determine el valor (o valores) de a para el cual el sistema de ecuaciones lineales

Cap tulo 1. Sistemas de ecuaciones lineales

Alejandro Mart nez A.

Vivian Libeth Uzuriaga L.

Vectores, rectas y planos

Cap tulo 2. Vectores, rectas y planos