H.anton A.lineal - Introduccion Al Algebral Lineal

INTRODUCCI~N
AL ALGEBRA
LINEAL
V E R S I N AUTORIZADA EN ESPAOL DE LA OBRA

PUBLICADA EN INGLS CON EL TTULO:
ELEMENTARY LINEAR ALGEBRA

O JOHN
WILEY& SONS,INC.
COLABORADOR
EN LA T R A D U C C I ~ N :
HUGO VILLAG~MEZVELZQUEZ
LAPRESENTACI~NY DISPOSICI~N EN CONJUNTO DE
INTRODUCCIN AL ALGEBRA LINEAL

SON PROPIEDAD DEL EDITOR. NINGUNA
PARTE DE ESTA OBRA
PUEDE SER REPRODUCIDA o TRANSMITIDA, MEDIANTE NINGUN
SISTEMA O MTODO, ELECTR6NICOOMECNlCO (INCLUYENDO
EL FOTOCOPIADO, LA GRABACIN O CUALQUIERSISTEMA DE
R E C U P E R A C I ~ NY ALMACENAMIENTO DE INFORMACI~N),SIN
CONSENTIMIENTOPOR ESCRITO DEL EDITOR.
DERECHOS
RESERVADOS:
O 2001, EDITORIAL LIMUSA, S.A.DE C.V.

GRUPO NORIEGA EDITORES
BALDERAS
95, M x l c o , D.F.
C.P. 06040
'-S$. (5)521 -21 -05
O1(800) 7-06-91-00
(5) 512-29-03
limusa@noriega.com.mx
www.noriega.com.mx
CANIEM NM. 121

,.
\.; ,.
.T
r
-?
I
i.
+
;
y! ;o!?
t4 ;S1
QUINTAREIMPRESI~N
DE LA SEGUNDA EDICIN
HECHO
EN M x l c o
ISBN 968-1 8-5192-7
y Lauren
PROLOG0
As comoenlaedicin
anterior. enestanuevaedicinse
proporciona un tratamiento bsico del lgebra lineal, idneo para estudiantes que estn cursando el
primer o segundo aos de facultad. Mi objetivo es presentar los fundamentos del
lgebra lineal de la forma ms clara posible. por lo que el aspecto pedaggico es
esencial. No se requiere haber estudiado clculo, aunque se presentan ejercicios y ejemplos para estudiantes que tienen los conocimientos necesarios; estos
ejercicios y ejemplos estn claramente indicados y se pueden omitir sin prdida de continuidad.
RESUMEN DE LOS CAMBIOS EN ESTA EDICIN

Aunque esta edicin tiene mucho en comn con la edicin anterior, se trata de una
revisin sustancial. g e intentado mantener la claridad y el estilo de la edicin
previa, y a la vez reflejar las necesidades cambiantes de una nueva generacin de
estudiantes. Con esta intencin hepuesto en prctica varias recomendaciones
hechas por el Linear Algebra Curriculum Study Group. Tambin he hecho algunos cambios de organizacin que deben facilitar a los instructores cubrir los fundamentos detodos los temas esenciales, inclusive con severas restricciones de
tiempo. Posteriormente, en este prlogo se presenta una descripcin de los cambios captulo a captulo, aunque a continuacin se presenta unresumende los
cambios ms importantes:
Mayor nfasis en las relaciones que hay entre los conceptos: Uno de los
objetivos importantes de un curso de lgebra lineal es establecer la trama
7
intrincada de las relaciones que hay entre sistemas de ecuaciones, matrices,

determinantes, veclores. transformaciones lineales y eigenvalores. En esta
edicin. la trama de relaciones se desarrolla a travs del siguiente
crescendo de teoremas que vinculan cada nueva idea con ideas precedentes:
1.5.3, 1.6.4. 2.3.6, 4.3.4, 63.9. 6.2.7, 6.4.5 y 7.1.5. Estos teoremas no slo
hacen ms coherente el panorama algebraico, sino tambin sirven como
fuente constante de repaso.
Transicin m b suavehacialaabstraccin:La
transicin de R" a espacios vecloriales generales es traumtica para casi todos los estudiantes.
de modo que he intentado suavizarla analizando Rn en detalle, recalcando
los conceptos geomtricos subyacentes antes de proceder con el estudio de
espacios vectoriales generales.
Exposicin temprana de transformaciones lineales y eigenvalores: A fin
de asegurar que el material sobre transformaciones lineales y eigenvalores
no se pierda al final delcurso, algunos de los conceptos bsicos que se relacionan con tales temas se desarrollan ms pronto en el texto y luego se
repasan cuando el tcma se desarrolla con mayor profundidad en la parte
final del texto. Por ejemplo, las ecuaciones caractersticas se analizan
brevemente en la seccin sobre determinantes. Las transformacioncs lineales de H" a R'" se abordan inmediatamente despus que se introduce K". y
se analizan ms tarde enel contexto de las transformaciones linealcs
gencrales. Estos repasos ayudan a asegurar que los estudiantes se ramiliaricencon los fundanlentos de todoslos temas ms importantes, inclusive
cuando el tiempo apremia.
Mayor nfasis en la conceptualizacin: Para mantener el inters actual
cn la conceptualizacin y en las aplicaciones crecientes del lgebra lineal a
las grficas, he puesto mayor nfasis en los aspectos geomtricos de las
rotaciones. proyecciones y reflexiones en
y en R3.
Nuevo material sobre mnimos cuadrados y descomposicin QR: Seha
aadido nuevo material sobre mnimos cuadrados y descomposicin QH,en
respuesta al inters creciente en estos temas.
Msdemostraciones: Se han aadidovarias demostraciones que antes
haban sido omitidas. Todas las demostraciones eneltexto
han sido
escritas en un estilo adecuado para principiantes. y se ha puesto especial
cuidado a fin de asegurar que el carcter accesible y amable del texto no
haya sido afectado de manera adversa por las demostraciones adicionales.
Quienes deseenun curso matemticamente ms forrnal encontrarn que
esta nueva edicin es ms idnea para tal efecto. y quienes deseen un curso
ms conceptual tendrhn mayor eleccin en las demostraciones.
DETALLES DE LOS CAMBIOS DE ESTA EDICIN

La amplia aceptacin de la edicin anterior ha sido muy gratificante. y aprecio las sugerencias constructivas recibidas de parte de los usuarios y revisores. Se
han revisado algunas secciones del testo para presentarlas con ms claridad, y se han
erectuando cambios sustanciales ente1 contenido y su OrgallhCin, en rcspuesta a

las sugerencias tanto de los usuarios como de los revisores. as como de las cCOmendaciones hechas por el Linear Algebra ('urriculum Study (;roup.
Hay muchas formas en las que es posible ordenar el material en un curso de
algebra lineal:el ordenamiento que he elegido para 10s captulos refleja m i inclinacin por el axioma de que es necesarioproceder de 10 conocido 21 10 desconocido y de lo concreto a lo abstracto.
A continuacin se presenta un resumen captulo a captulo de 10s cambios
ms importantes en esta nueva edicin.
Captulo 1. Se presenta una nueva seccin sobre matrices de forma espccial: diagonal, triangular y simtrica. Al modificar ligeramente el material.
no se increment el nmero de secciones de este captulo.
Captulo 2. A este captulo determinante se ha aadido nuevomaterial
introductorio sobreeigenvalores,eigenvectores y ccuaciones caractersticas. Este material se repasa y posteriormente se analiza con ms detalle en
el captulo 7. Se ha aadido la demostracin de la igualdad det(AR) =
det(A)det(B).
Captulo 3. Se presenta nueva informacin sobre ecuaciones vectorialcs
de rectas y planos, y la interpretacin geomktrica de los determinantes 2 x
2 ~ 3 x 3 .
Captulo 4. Este es unnuevo captulo dedicado exclusivamente a R". Se
desarrollan conceptos fndamentales y se presenta una introduccin a las
transformaciones lineales de Rn a R"'. recalcando el aspecto geomtrico dc
las proyecciones,rotaciones
y reflexiones. A diferencia de la edicin
anterior, este material se presenta ahora antes del desarrollo de los espacios
vectoriales generales. El material de este captulo se analiza ms tarde, en
el contesto de espacios \,ectoriales generales.
Captulo S. Este captulo corresponde al captulo 4 de l a edicin anterior.
Se han aadido muchas de las demostraciones que se haban omitido. Tambin se presenta nuevo material sobre el wronskiano, para quienes han cstudiado Clculo, y se incluye nuevo material sobre los cuatro espacios fundamentales de unamatriz.
Captulo 6. Este captulo corresponde al captulo 5 de la edicin anterior.
Se presenta nuevo material sobre complementos ortogonalcs. descomposicin QR y mnimos cuadrados.
Se ha repasado el material desarrollado antes sobre eigenvalores y elgenvectores. Se incluye nuevo material sobre las multiplicidades geomtrica y
algebraica. as como una explicacin mejorada sobre los requisitos para la
diagonalizacin.
Captulo 8. Este captulo correspondeal captulo 7 de l a edicin anterior. El material se ha vuelto a escribir sustancialmente. a fin de reflejar
el hecho de que las transformaciones lineales de Rn a Hm se introdujeron en el captulo 4.
Captulo 9. Este captulo corresponde al captulo 8 y a las secciones 9. I y
9.2 de la edicin anterior. Se ha vuelto a escribir la seccinsobre la
10
Prlogo
geometra de los operadores lineales sobre R2 para poder fundamentar los

conceptos desarrollados en la seccin 4.2.
Los cambios son menores.
ACERCA DE LOS EJERCICIOS

En todos los ejercicios de cada seccin se empieza con problemas de rutina, se
avanza hacia problemasms sustanciales y se concluye con problemastericos. AI
final de casi todos los captulos se presenta un conjunto de ejercicios complementarios que pueden presentar ms dificultad y forzar al estudiante a extraer ideas de
todo un captulo, en vez de hacerlo solamente de unaseccin especfica.
GUA PARA
EL INSTRUCTOR
PROGRAMAS POSIBLESPARA UN CURSO NORMAL

He revisado una gran cantidad de posibilidades para cursos de lgebra lineal. La
variacin entre las instituciones es amplia, aunque los cursos tienden a caer en dos
categoras: una que consta de entre 20 y 30 lecciones (excluyendo los exmenes y
los repasos) y otra que consta de entre 35 y 40 lecciones (excluyendo los exmenes
y los repasos). Con base en mi anlisis de estas posibilidades. he proporcionado
dos patrones para elaborar un curso propio. Los patrones se deben ajustar a fin de
reflejar los intereses y requisitos propios, aunque deben ser tiles como punto
de partida. En el patrn largo se supone que se cubren todas las seccionesdel
captulo, y en el patrn corto se supone que el instructor selecciona material para
ajustarse al tiempo disponible.
Dos cambios en la organizacin del texto facilitan la construccin de cursos
ms cortos: la breve introduccin a los eigenvalores y eigenvectores que se presenta en las secciones 2.3 y 4.3 y la colocacinprevia de las transformaciones
lineales de R" a Rm en el captulo 4. Estos cambios aseguran que el estudiante se
familiarice unpococon
estos conceptos fundamentales, inclusive si el tiempo
disponible para abordar los captulos 7 y S es limitado. Observ tambin que los
estudiantes que ya conocen el material pueden omitir el captulo 3 sin prdida de
continuidad.
12
Gua para el instructor
Patrn largo
Patrn corto
Captulo 1
Captulo 2
Captulo 4
Captulo S
Captulo 6
Captulo 7
Captulo 8
7 lecciones
4 lecciones
3 lecciones
X lecciones
6 lecciones
3 lecciones
3 lecciones
7 lecciones
6 lecciones
3
3
Total
3 8 lecciones
4 lecciones
6 lecciones
lecciones
lecciones
2 lecciones
27 lecciones
VARIANTES DEL CURSO NORMAL

Son posibles muchas variantes del curso normal. Por ejemplo. es posible crcar un
patrn largo opcional siguiendo la asignacin de tiempo del patrn corto y
dedicando las 11 lecciones restantes a algunos dc los temas de los cdphlOS 9 y 1 0 .
CURSO ORIENTADO A APLICACIONES

El captulo 9 contiene aplicaciones selectas de lgebra lineal que son esencialmente de naturaleza matemtica.Los instructores interesados en una variedad ms
amplia de aplicaciones pueden considerar la otra versin de este texto, Elementary
Linear Algebra, Aplications Version. de Howard Anton y Chris Rorres. En esc
texto se proporcionan numerosas aplicaciones a los negocios. biologa, ingeniera.
economa. ciencias sociales y ciencias fsicas.
AGRADECIMIENTOS
Expreso mi aprecio por la til orientacin proporcionada por las siguientes personas:
REVISORES Y COLABORADORES DE EDICIONES ANTERIORES EN INGLS

Steven C. Althoen, University of Michigan-Flint
C. S. Ballantine, Oregon State University
Erol Barbut, University of Idaho
William A. Brown, University of Maine
Joseph Buckley, Western Michigan University
Thomas Cairns, University of Tulsa
Douglas E. Cameron, University of Akron
Bomshik Chang, University of British Columbia
Peter Colwell, Iowa State University
Carolyn A. Dean, University of Michigan
Ken Dunn, Dalhousie University
Bruce Edwards, University of Florida
Murray Eisenberg, University of Massachusetts
Harold S. Engelsohn, Kingshorough Comm. College
Garret Etgen, University ofHouston
Marjorie E. Fitting, San Jose State University
Dan Flath, University of South Alabama
David E. Flesner, Gettysburg College
Mathew Gould, Vanderbilt University
Ralph P. Grimaldi, Rose-Hulman Institute
William W. Hager, University of Florida

Collin J. Hightower, University of Colorado
Joseph F. Johnson, Rutgers University
Robert L. Kelley, University of Miami
Arlene Kleinstein
Myren Krom, Calfornia State University
Lawrence D. Kugler, University of Michigan
Charles Livingston, Indiana University
Nicholas Macri, Temple University
Roger H. Marty, Cleveland State University
Patricia T. McAuley, SUNY-Binghamton
Robert M. McConnel, University of Tennessee
Douglas McLeod, Drexel University
Michael R. Meck, Southern Connecticut State Univ.
Craig Miller, University of Pennsylvania
Donald P. Minassian, Butler University
Hal G. Moore, Brigham Young University
Thomas E. Moore, Bridgewater State College
Robert W. Negus, Rio Hondo Junior College
Bart S. Ng, Purdue University
13
I-
Agradec.citrrientos
James Osterburg, University of Cincinnati

MichaelA.Penna,
Indiana-Purdue University
Gerald J.Porter, University of Pennsylvania
F. P. J. Rimrott, University qf Toronto
C. Ray
Rosentrater,
Westmont College
KennethSchilling, University of Michigan-Flint
William Scott, University of Utah
Donald R. Sherbert, University of Illinois
Bruce Solomon, Indiana University
Mary T. Treanor, Valparaiso University
William
Trench,
F.
Trinity University
Joseph L. Ullman, University of Michigan
W. VanceUnderhill, East Texas State University
James R. Wall, Auburn University
Arthur G. Wasserrnan, University of Michigan
Evelyn J. Weinstock, Glassboro State College
Rugang
Ye,
Stanford University
Frank
Zorzitto,
University of Waterloo
Daniel Zwick, University of Vermont
REVISORES Y COLABORADORES DE LA SPTIMA EDICIN EN INGLS,

SEGUNDA EN ESPAOL
Mark B. Beintema, Southern Illinois University
Paul Wayne Britt, Louisiana State University
David C. Buchthal, University of Akron
Keith Chavey, University of Wisconsin-River Falls
Stephen L. Davis, Davidson College
Blake DeSesa, Drexel University
Dan Flath, Uniwrsity of South Alabama
Peter Fowler, California State University
Marc Frantz, Indiatza-Purdue University
Sue Friedman, Bernard M. Baruch College, CUNY
William Golightly, College qf Charleston
Hugh Haynsworth, College qf Charleston
Tom Hem, Bow!ling Green State University
J. Hershenov, Queens College. CUNY
Steve Humphries, Brigham Young Universitt3
Steven Kahan, Queens College, CUNY
Andrew S. Kim, Westfield State College

John C. Lawlor, University of Vermont
M. Malek, California State University at Huyward
J. J. Malone, Worcester Polytechnic Institute
William McWorter, Ohio State University
Valerie A. Miller, Georgia State University
Hal G. Moore, Brigham Young University
S. Obaid, San Jose State University
Ira J. Papick, University of Missouri-Columbia
Donald Passman, University of Wisconsin
Robby Robson, Oregon State University
David Ryeburn, Simon Fraser University
Ramesh Sharma, University of New Haven
David A. Sibley, Pennsylvania State University
Donald Story, Universio,of Akron
Michael Tarabek, Southern Illinois University
SOLUCIONES A LOS PROBLEMAS, LECTURA DE PRUEBASE INDICE

Michael Dagg, Numerical Solutions, Inc.
Susan L. Friedman, Bernard M. Baruch College, CUNY
Mareen Kelley, Northern Essex Communih. College
Randy Schwartz, Schoolcraft College
Daniel Traster (Student), Yale Universio.
COMPLEMENTOS
Benny Evans, Oklahoma State University
Charles A. Grobe, Jr., Bowdoin College
Agradecimientos / 15
Elizabeth M. Grobe
IntelliPro, Inc.
Jerry Johnson, Oklahoma State University
Randy Schwartz, Schoolcraft College
OTROS COLABORADORES
Un agradecimiento especial a los siguientes profesores, quienes leyeron
profundamente el material del texto e hicieron contribuciones significativas a la
calidad del nivel matemtico y de exposicin:
Stephen Davis, Davidson College
Blaise DeSesa, Drexel University
Dan Flath, University of South Alabama
Marc Frantz, Indiana-Purdue University
William McWorter, Ohio State University
Donald Passman, University of Wisconsin
David Ryeburn, Simon Fraser University
Lois Craig Stagg, University of Wisconsin-Milwaukee
Tambin deseo expresar mi agradecimiento a:
Barbara Holland, mi editora, quien me ayud a moldear al concepto de esta
nueva edicin y cuyo entusiasmo incluso convirti en divertido el arduo trabajo (alguna vez).
Ann Berlin, Lucille Buonocore y Nancy Prinz del Departamenro de Produccin de Wiley, por preocuparse tanto por la calidad de este trabajo y proporcionarme un apoyo extraordinario.
Lilian Brady, cuyoojo para los detalles y sentido esttico infalible mejor
grandemente la exactitud del texto y la belleza de la tipografa.
Joan Carafiello y Sharon Prendergagst por su soberbio trabajo en la coordinacin de la mirada de detalles que mgicamente produjeron las respuestas y
los complementos a tiempo.
El grupo en Hudson River Studio por tratar con tanto tacto a un autor riguroso.
Mildred Jaggard, mi asistente, quien coordin todoslos detalles deltexto
desde la lectura de pruebas hasta el ndice con pericia consumada, y quien pacientemente toler mi idiosincrasia.
HOWARD
ANTON
CAPTULO 1
SISTEMAS DEECUACIONESLINEALES Y MATRICES

l . l . Introduccin a los sistemas de ecuaciones lineales 2 1
1.2.Eliminacingaussiana
29
1.3. Matrices y operaciones con matrices 47
1.4. Inversas: Reglas de la aritmtica de matrices 61
1.5. Matrices elementales y unmtodo para determinarn"
75
1.6. Otros resultados sobre sistemas de ecuaciones e invertibilidad
1.7. Matrices diagonales, triangulares y simtricas 94
CAPTULO 2
DETERMINANTES
85
107
2.1. La funcindeterminante
107
2.2. Evaluacin de determinantes por reduccin de renglones
2.3. Propiedades de la funcindeterminante121
2.4. Desarrollo por cofactores; Regla de Cramer 131
CAPTULO 3
21
115
VECTORES EN LOS ESPACIOS BlDlMENSlONALY

TRIDIMENSIONAL. 149
3. l. Introduccin a losvectores (geomtrica) 147
3.2. Normade un vector; Aritmtica vectorial159
3.3. Producto punto: Proyecciones165
17
3.4. Producto cruz 175

3.5. Rectas y planos en elespacio tridimensional
CAPITULO 4
ESPACIOS
VECTORIALES
189
EUCLIDIANOS
203
4. l . Espacio euclidiano n dimensional 203

4.2. Transformaciones lineales de R" a Rm 218
5.3. Propiedades de las transformaciones lineales de R" a Rm
CAPTULO 5
ESPACIOS VECTORIALES
GENERALES
5. 1. Espaciosvectorialesreales257
5.2. Subespacios
265
5.3. Independencialineal277
5.4. Base y dimensin 287
5.5. Espacio rengln. espacio columna
5.6. Rango y nulidad322
CAPTULO 6
239
257
y espacio nulo 306
ESPACIOS CON PRODUCTO INTERIOR
339
6.1. Productos interiores

339
6.2. ngulo y ortogonalidad en espacios con producto interior 353
6.3. Bases ortonormales: Proceso de Gram-Schmidt; Descomposicin QR
3 67
6.4. Mejoraproximacin: Mnimos cuadrados 384
6.5. Matricesortogonales:Cambio de base395
CAPTULO 7
EIGENVALORES,
EIGENVECTORES
41
7. l. Eigenvalores y eigenvectores
7.2. Diagonalizacin 426
7.3. Diagonalizacin ortogonal437
CAPTULO 8
4 15
TRANSFORMACIONES LINEALES
447
8. I , Transformaciones lineales generales 447

8.2. Ncleo y recorrido461
8.3, Transformaciones lineales inversas 468
8.4. Matrices de transformacioneslineales generales
8.5. Semejanza 595
478
Contenido / 19
CAPTULO 9
TEMAS
COMPLEMENTARIOS
513
9. l . Aplicaciones a las ecuaciones diferenciales S 13

9.2. Geometra de los operadores lineales sobre R2 521
9.3. Ajustede datos por mnimos cuadrados 535
9.4. Problemas de aproximacin: Series de Fourier 543
9.5.Formas cuadrticas 55 1
9.6. Diagonalizacin de formas cuadrticas; Secciones cnicas 561
9.7. Superficies cudricas 574
9.8. Comparacin de procedimientos para resolver sistemas lineales
9.9. Descomposiciones LU 589
CAPTULO 10 ESPACIOSVECTORIALESCOMPLEJOS
601
10.1. Nmeroscomplejos
601
10.2. Mdulo;Conjugadocomplejo;Divisin
610
10.3. Forma polar; Teorema de De Moivre
617
10.4. Espacios vectoriales complejos 628
10.5. Espacios complejosconproducto interior 637
10.6. Matrices unitarias, normales y hermitianas 647
RESPUESTAS A LOS EJERCICIOS

iNDlCE
711
661
S79
CAPTULO
I .I
SISTEMAS DE
ECUACIONES
LINEALES Y
MATHCES
INTRODUCCIQN A LOS SISTEMAS DE ECUACIONES LINEALES

El estudio de los sistemas de ecuaciones lineales y sus soluciones es uno de los
temas ms importantes del lgebra lineal. En estaseccin se introducir terminologa bsicay se analizar un metodo para resolver esos sistemas.
ECUACIONES
LINEALES
Una recta en el plano xy puede representarse algebraicamente porunaecuacinde

la forma
u I x+ a,y
=b
Una ecuacin de este tipo se denomina ecuacin lineal en las variables x y y . De

manera ms general, una ecuacidn lineal en las n variables x,, x2,. . . , xn se
define como una ecuacin quese puede expresar en la forma
U,X,
+ a2x2+ . . . + U , X ,
=h
donde al, a2, . . . , a,, y b son constantes reaies.Las variables en una ecuacin
lineal algunas veces se denominan incgnitas.
Ejemplo 1 Las ecuaciones siguientes son lineales:
x + 3 y = 7x ,
y=+x+3z+ 1
3x, + x, = 7
x,+x*+...+xx,=l
-
2x,
21
22
;'
Sistemas de ecuaciones linealesy matrices
Observar que una ecuacin lineal no incluye ningn producto o raz de variables.
Todas las variables estn elevadas slo a la primera potencia y no aparecen como
argumentos de funciones trigonomtricas, logartmicas o exponenciales. Las siguientes ecuaciones no son lineales:
Una solucin de una ecuacin lineal alxl + a2x2 + . . . , + a>,= b es una

sucesin de n nmeros sl, sz, . . . , sn de modo que la ecuacin se cumple cuando
se sustituye x1 = sl, x2 = s2, . . . , x, = S,. El conjunto de todas las soluciones
de la ecuacin se denomina conjunto solucidn o, algunas veces, solucidn general de la ecuacin.
Ejemplo 2 Encontrar el conjunto solucin de

(a) 4x - 2"v = 1
(b) x1 - 4x,
+ 7x3 = 5
Solucin a). Para encontrar soluciones de a), se asigna un valor cualesquiera a x

y se despeja y, o bien, se elige un valor arbitrario paray y se despeja x. Si se sigue
el primer mtodo y a x se asigna un valorarbitrario t, se obtiene
y=2t-$
x=t,
Estas expresiones describenel conjunto solucin en trminos de algn parmetrof.

Lassolucionesnumricas
particulares se pueden obteneral sustituir valores
especfcos de t. Por ejemplo, f = 3 conduce a la solucin x = 3, y =
yt=produce la solucin x = - T1 ,y = - .
Si se sigue el segundo mtodo y a y se asigna el valor arbitrario t , se obtiene
y,
Aunque estas expresiones son diferentes a las que se obtuvieron antes, producen el
mismo conjunto solucin cuando t asume todos los nmeros reales posibles. Por
ejemplo, con las expresiones anteriores se obtuvo la solucin x = 3 , y =
cuando
t = 3, mientras quecon las expresiones posteriores se obtuvo esa solucin cuandot
11
-
2 '
Solucin b). Para encontrar el conjunto solucin de b) es posible asignar valores

arbitrarios a dos variables cualesquieray despejar la tercera variable. En particular, si a x2 y ,x3 se asignan los valores arbitrarios s y t, respectivamente, y se
despeja xl, se obtiene
x1=5+4s-7t,
x2=s,
x3=t A
1.I Introduccin a los sistemas de ecuaciones lineales I 23
SISTEMAS
LINEALES
Un conjunto finito de ecuaciones lineales en las variables x,, x,, . . ., x,, se denomina sistema de ecuaciones lineales o sistema lineal. Una sucesin de nmeros S , , S,,. . . , S, se denomina solucin del sistema si x1 = sl, x, = S,, . . . , S,, =
xn es una solucin de todas y cada una de las ecuaciones del sistema. Por ejemplo,
el sistema
+ 3x,
31, + x2 + 9x,
-4
4x, - x *
tiene la solucin x, = 1, x2 = 2, x3 = - 1, ya que estos valores satisfacen ambas

ecuaciones. Sin embargo, x1 = 1, x, = 8, x3 = 1 no es una solucin, ya que estos
valores satisfacen slo la primera de las dos ecuaciones del sistema.
No todos los sistemas de ecuaciones lineales tienen solucin. Por ejemplo, si
la segunda ecuacindel siguiente sistema
x+ y=4
2x+2y=6
i,
se multiplica por
resulta evidente que no existen soluciones, ya que el sistema
equivalente obtenido
x +y = 4
x+y =3
est compuesto por ecuaciones contradictorias.

Se dice que un sistemade ecuaciones que no tiene soluciones es inconsistente; si existe por lo menos una solucin del sistema, ste se denomina consistente.
Para ilustrar las posibilidades que pueden ocurrir al resolver sistemas deecuaciones lineales, se considerar un sistema generalde dos ecuaciones lineales en las
incgnitas x y y:
u,x+b,y=c,
a2x b,y = c2
( a , , b , nosonceroalavez)
( a z ,6,
no son cero a la vez)
Las grfkas de estas ecuaciones sonrectas; por ejemplo I, y I,. Como un punto (x,
y) pertenece a una recta s y slo si los nmeros x y y satisfacen la ecuacin de la

recta, las soluciones del sistemade ecuaciones correspondena
interseccin de 1, y I,. Existen tres posibilidades (figura 1):
lospuntosde
Las rectas I, y 1, pueden ser paralelas, en cuyocasonose

cortan y, en
consecuencia, no existe solucin del sistema.
Las rectas I, y I, pueden cortarse slo en un punto, en cuyo caso el sistema
tiene exactamente unasolucin.
Las rectas I, y 1, pueden coincidir, en cuyocasohayuna
infinidad de
puntos de interseccin y, por tanto, existen infinidad de solucionesdel
sistema.
24
Sistemas de ecuaciones lineales y matrices
Aunque aqui slo se han considerado dos ecuaciones en dos incgnitas, ms tarde
se demostrar que las mismas tres posibilidades se cumplen para sistemas lineales
arbitrarios:
Todo sistema de ecuacioneslineales no tienesoluciones,tiene
una solucin o tiene una injinidad de soluciones.
exactamente
a)
Figura 1
I M d a d de soluciones I
No existe solucin
Un sistema arbitrario de m ecuaciones lineales en

como
incgnitas se puede escribir
umlxl+ am2x2+ . . . + amnx, = b,
donde xl, x2,. . . , x, son las incgnitas y las letras a y b con subindices denotan
constantes. Por ejemplo, un sistema general de tres ecuaciones lineales con cuatro
incgnitas se puede escribir como
Los subindices dobles en los coeficientes de las incgnitas constituyen un

mecanismo til que se utiliza para especificar la ubicacin del coeficiente en el
sistema. El primer subndice enel coeficiente ay indica la ecuacin en queaparece
el coeficiente, y el segundo subndice indica a qu incgnita multiplica. As, a I 2
est en la primera ecuacin
y multiplica a la incgnita x2.
l .1 Introduccin a los sistemas de ecuaciones lineales
MATRICES
AUMENTADAS
,I
25
Si mentalmente se ubica a los signos +, las letras x y los Signos =, entonces un

sistema de m ecuaciones lineales con n incgnitas puede abreviarse al escribir slo
el arreglo rectangular de nmeros:
a12
a22
am2
...
...
...
a In
a 2"
amn
Este arreglo se denomina mutriz aumentada del sistema. (El trmino matriz se usa
enmatemticasparadenotarun
arreglo rectangulardenmeros.Lasmatrices
surgen en muchos contextos que sern considerados con ms detalle en secciones
ulteriores.) Por ejemplo. la matriz aumentadadel sistema de ecuaciones
+ + 2x3 = 9
2x, + 4x2 - 3x3 = I
3x1 + 6x2 - 5x3 = O
x1
x2
es
AI elaborar una matrizaumentada, las incgnitas deben escribirse en el mismo orden en cadaecuacin.
El mtodo bsico para resoiver un sistema de ecuaciones lineales es sustituir
el sistema dado por un nuevo sistema que tenga el mismo conjunto solucin, pero
que sea ms fcil de resolver. Este nuevo sistema suele obtenerse en una serie de
pasos mediante la aplicacin de los tres tipos de operaciones siguientes para eliminar incgnitas de manera sistemtica.
OBSERVACI~N.
1. Multiplicar una ecuacin por una constante diferente de cero.

2. Intercambiar dos ecuaciones.
3. Sumar un mltiplode una ecuacin a otra ecuacin.
Dado que los renglones (lneas horizontales) de una matriz aumentada corresponden a las ecuaciones en el sistema asociado, las tres operaciones mencionadas
corresponden a las siguientes operaciones efectuadas en los renglones de la matriz
aumentada.
1. Multiplicar un rengln por una constante diferente de cero.
2. Intercambiar dos renglones.
3.
Sumar un mltiplo deun rengln a otro rengln.

"
26
Sistemas de ecuaciones 1ineales.y matrices
OPERACIONES
ELEMENTALES
EN LOS
RENGLONES
Las tres operaciones anteriores se denominan operaciones elementales en los renglones. En el siguiente ejemplo se ilustra cmo se pueden usar estas operaciones
para resolver sistemas de ecuaciones lineales. Como
en
la
siguiente seccin se
obtendr un procedimiento sistemtico paradeterminar soluciones, no es necesario
preocuparse sobre cmo se eligieron los pasos en este ejemplo. El esfuerzo principal en este caso debe dedicarse a comprender los clculos y el anlisis.
Ejemplo 3 En la columna izquierda quese muestra a continuacin se resuelve un

sistema de ecuaciones lineales operando sobre las ecuaciones del sistema, y en la
columna de la derecha el mismo sistema se resuelve operando sobre los renglones
de la matriz aumentada.
[:
x+ y+2z=9
2X + 4y - 32 = 1
3~ 6-v - 5~ = O
1
4
-3
6 - 5
Sumar -2 veces la primeraecuacin

segunda para obtener
'1
la
Sumar -2 veceselprimerrengln
gundo para obtener
al se-
la
Sumar -3 veces el primer rengln al tercero

para obtener
x+ y+2z=
9
2 y - 7 ~-17
~
3~
+ 61'
- 52
Sumar -3 veces la primeraecuacina

tercera para obtener
x + y 2+ z =
Multiplicar la segunda ecuacin por 1/2 para

obtener
x+
y'+
2z=
v-
Sz=
3~ - 1 I Z
v"?
Sumar -3 veces el segundo rengln al tercero

para obtener
9
3
2
"
" 7
-
z=
la
17
+ 2z =
2Z
1/2 para
-27
Multiplicarlaterceraecuacinpor
obtener
x +y
Multiplicar el segundorenglnpor
obtener
y-$z="
-
-27
17
x + , y + 22=
2'
2
-7
-11
"
Sumar -3 veces la segundaecuacina

tercera para obtener
- 1"
ia 1 "1'
o
2 ~ -7Z=-17
3 ~ I-I z = -27
-2 para
9
2
Sumar el tercer rengln por-2 para obtener
[; -; -;1
1
1 . 1 Introduccin a los sistemas de ecuaciones lineales 1 27

Sumar - 1 veces el segundo rengln al
primero para obtener
Sumar -1 veces la segundaecuacinala

primera para obtener
x
35
+yz=
y - S z = -17
35
z=
Sumar - 1112 veces el tercer

rengl6n
al
primero y 712 veces el tercer rengln al segundo
para obtener
Sumar - 1112 veces laterceraecuacin a la

primera y 7/2 veces la terceraecuacin a la
segunda para obtener
=1
=2
z ='3
La solucin
x=l,
z=3
y=2,
es evidente ahora. A
EJERCICIOS DE LA SECCIN 1.1

1. De las siguientes ecuaciones, culesson lineales en x , , xz y x3?
a) xI
+ 5x2 - d
b) xI
e) x:/'
x 3= 1
d ) x F 2 + x 2 8x, = 5
+ 3x2 + x,x3 = 2
C)
+ xj = 4
- 2x,
xi = -7x,
+ Jx,
+ ;x3 = 7'13
f ) m ,- f i x 2
2. Dado que k es una constante, p d e s de las siguientesecuaciones son lineales?

1
a)x,-xx,+x,=senk
b) k x i - - x , = 9
k -
c) 2 k x 1 + 7 x 2 - x 3 = 0
3. Encontrar el conjunto solucin de cadauna de las siguientes ecuaciones lineales
a) 7x - 5.v = 3
C) - 8 x , + 2 x 2 - 5 x 3 + 6 x 4 = 1
b) 3x, - 5x2 4x3 = 7

d ) 3 ~ - 8 ~ + 2 ~ - ~ + 4 ~ = 0
4. Hallar la matnz aumentada de cada uno de los sigwentes sistemas de ecuaciones lineales.
- 2x, = - 1
4x, + 5 x 2 =
3
7x, +3x2 = 2
a) 3x,
+ 2x3 = 1
b) 2x,
3x, - x2
6x1 X,
c)
X,
+ 2x2
+ 4x,
=7
3x2 + x3
X,
x3
x4
x5 = 1
-x5=2
7x4
=1
5. Determinar un sistema de ecuaciones lineales correspondiente

a la matriz aumentada.
a)
[: -9
81
b)
[: -:
O
c,
2
2
1 - 3
4
51 1
[i i
0
-2
-:I
-;]
0
6. a) Encontrar una ecuacin lineal en las variables x y y que tenga la solucin general x
=5+2t,y=t.
d) X I
x2
=1
=2
xj = 3
28
Sistemas de ecuaciones lineales .y marices

b) Demostrar que x = t , y =
inciso a).
if-- tambin es la solucin general de la ecuacin del
7. La curva y = ax2 + bx + c de la figura 2 pasa por los puntos (x1,y,), (x2,y,) y (x3,yJ.
Demostrar que los coeficientes a, b y c son una solucin del sistema
de ecuaciones
lineales cuya matriz aumentada es
k el siguiente sistema de ecuaciones lineales

tiene soluciones? exactamente una solucin'? infinidad de soluciones?
8. Para qu valorirs) de la constante
no
x- y = 3
2~ - 2y = k
9. Considerar el sistema de ecuaciones
+ b-v = k
cx + dy = I
ex + fy = n:
ax
Analizar las posiciones relativas de las rectas ax

cuando el sistema
a) no tiene soluciones.
b) tiene exactamente una solucin.
c) tiene infinidad de soluciones.
+ by = k, cx + 4v
1 y ex
+fi =
10. Demostrar que si el sistema de ecuaciones del ejercicio 9 es consistente, entonces del
sistemaesposibleeliminar
solucin.
por l o menosunaecdacinsinmodificarelconjunto
11. Sean k = I = m = O en el ejercicio 9; demostrar que el sistema debe ser consistente.

iQuC se puede decir del punto de interseccin de las tres rectas
si el sistema tiene
exactamente una solucin?
x+v+2z=a
x
z=b
2x+y+3z=c
Demostrar que para que este sistemasea consistente, a, b y c deben satisfacer c = a + b

13. Demostrar lo siguiente: Si las ecuaciones lineales x,
kx,
+
= c y x, + Ix, = d tienen el
mismo conjunto solucin, entonces las ecuaciones son idnticas.
1.2 Eliminacin gaussiana / 29
1.2
ELIMINACINGAUSSIANA
En esta seccin se dar un procedimiento sistemtico para resolver sistemas de
ecuaciones lineales; el mtodo se basa en la idea de reducir la matriz aumentada
a una forma sujicientemente simple para que el sistema de ecuaciones se pueda
resolver por inspeccin.
FORMA
ESCALONADA
REDUCIDA
En elejemplo 3 de la seccinprecedente,el
matriz
aumentada
a
sistema lineal se resolvi al reducir la
a partir de lo cual la solucin del sistema era evidente. Este es un ejemplo de una
matriz que est en forma escalonada reducida. Para que una matriz sea de esta
forma. debe tener las siguientes propiedades.
1. Si un rengln no consta completamente de ceros, entonces el primer nmero
diferente de cero en el renglnes un 1. (Que se denomina 1 principal.)
2. Si hay renglones que constan completamente de ceros, se agrupan en la
parte inferior de la matriz.
3. En dos renglones consecutivos cualesquiera que no consten completamente
de ceros, el I principal del rengln inferior aparecems a la derecha que el
1 principal en el rengln superior.
4. Cada columna que contenga un I principal tiene ceros en todas las dems
posiciones.
Se dice que una matriz conlas propiedades 1, 2 y 3 (pero no necesariamentecon la

propiedad 4) est en forma escalonada.
Ejemplo 1 Las siguientes matrices estn en forma escalonadareducida.

[I
o
o
41
7 ,
1 - 1
[I
O O]
0 1 0 ,
O
[: A -: y
0
Las siguientes matrices estn en forma escalonada
I]
[::]
30
El lector debe verificar que cada una de las matrices anteriores satisface todos los
requisitos necesarios.
Segnelejemplo precedente, unamatrizenformaescalonada
tiene ceros abajo de cada 1 principal, mientras que una matriz en forma escalonada reducida tiene ceros tanto arriba como abajo decada 1 principal.
los renglones, se llega a
Si, por m d o de una serie de operaciones elementales en
la forma escalonada reducida a partir de la matriz aumentada de un sistema de ecuaciones lineales, entonces el conjunto solucin del sistema
ser evidente por inspeccin o
al cabo de unos cuantos pasos simples. Este
hecho se ilustra conel siguiente ejemplo.
ORSERVACI~N.
Ejemplo 2 Suponer que la matriz aumentada de un sistema de ecuaciones lineales

se ha reducido por operaciones en los renglones a la forma escalonada reducida
dada. Resolver el sistema.
1
b) [O
O
c)
4 - 2
O
o
0
0
0
0
1
0
5
0
0
1
0
0
0
1
2
3
2
0
Solucin a). El sistema de ecuaciones correspondiente es

=
XI
- -2
x2
x3 =
Por inspeccin se obtiene que x1 = 5 , x2 = -2, x3 = 4

So/ucin 6). El sistema de ecuaciones correspondiente es
+ 4x,
+ 2x,
x3 + 3X,
XI
.x2
=
=
6
2
Ya que xl, x2 y xj corresponden a unos principales en la matriz aumentada, se

denominan variables principales. Las variables no principales (en este caso
x4) se denominan variables libres. Al expresar las variables principales en trminos de las variables libres se obtiene
XI
= - 1 - 4x,
x2 =
2 ~ ,
X) =
3s,
221526
A partir de esta forma de las ecuaciones se observa que a la variable libre x4 se le

puede asignar algn valor, por ejemplo t, que luego determina el valor de las variables principales xl, x2 y x3. Por tanto, existe una infinidad de soluciones y la solucin generalest definida por las frmulas
Solucin c).
El sistema de ecuaciones correspondiente es
x, + 6x,
x3
+ 4x, = - 2
+ 3x5 = 1
x, + SX, = 2
Aqu las variables principales son x,, x3 y x4, y las variables libres son x2,y x5. Al
expresar las variables principales en trminos delas variables libres se obtiene
X, =
x3
x,
- 2 - 6x2 - 4x5
1 - 3x5
2 - 5x5
Puesto que x5 puede asumir un valor cualesquiera t y x2 puede asignarse un valor

S, entonces existe una infinidad de soluciones. La solucin general est definida
por las frmulas
Solucin
d).
La ltima ecuacin enel sistema de ecuaciones corresponlente es

ox,
+ ox, + ox,
Como no es posible que esta ecuacin se cumpla, entonces el sistema no tiene

solucin. A
ELIIMINACI~N
GAUSSIANA
Se ha visto cun fcilesresolver un sistemadeecuacioneslineales

una vezque su
matrizaumentada se escribe en forma escalonadareducida. A continuacin se proporcionar un procedimiento paso a paso que puede
usarse para expresar cualquiermatriz
en forma escalonada reducida.A medda que se escriba cada paso del prooxhiento, se
ilustm la idea al expresar la siguiente matriz
en forma escalonada reducida.
0
2
2
Paso 1.
4
4
Localizarlacolumnade
de ceros.
2
-10
-5
o
6
6
12
-5
-1
la izquierdaque no constecompletamente
317
I/
Sistemas de ecuaciones lineales-v matrices
0
2
2
- 10
-5
4
4
7
12
-5
If]
-1
! Columna de la orilla izquierda diferente de cero

Paso 2.
Intercambiar el rengln superior con otro rengln, en caso de ser necesario, para que en la parte superior de la columna determinada en
el paso 1 haya un elemento diferente de cero.
0 - 2
Paso 3.
Paso 5.
7 1 2
renglones
primero
y segundo
Si el elemento que est ahora en la parte superior de la columna determinada en el paso l es a, multiplicar el primer rengln por l l a a
fin de introducir un 1 principal.
Paso 4.
-10
- 5
0 - 2
4 -5
6
7
-5
o
6
-1
El primer rengln de la
precedente
matriz
se
multiplic por 1/2.
Sumar mdtiplos adecuadosdelrenglnsuperior a los renglones inferiores para quetodos los elementos abajo de1 principal se vuelvan ceros.
2
5
0 - 2
o
5
o
o
El primer rengln de la matriz

precedente
sum
se
-2 veces
7
-
A continuacin, cubrir el rengln superior de la matriz y comenzar

de nuevo con el paso 1 aplicado a la submatriz restante. Continuar de
esta manera hasta que toda la matriz est en forma escalonada.
1
o
O
- 5
0 - 2
O
5
0
O
7
-17
-29
Columna de la orilla izquierda

diferente decero en la submatriz
l .2 Eliminacin gaussiana / 33
1
0
O
0
O
1
1
5
0
O
o
0
1
-?I
~
o -;
0
El primer rengln de la
submatriz se multiplic
por - 1/2 para introducir
un 1 principal.
-29
o -;
" 2
-17
submatriz se sum - 5 veces '

al segundo rengln de la
1submatriz para introducir un
cero abajo del 1 principal.
El rengln superior de la
submatriz se cubri, y se
1volvi nuevamente al paso l .
Columna de la orilla izquierda diferente

de cero enla nueva submatriz
1
0
El primer (yrengln
nico)
en la nueva submatrlz se
introducir
un
1 principal.
Ahora toda la matriz est en forma escalonada. Para determinar la forma escalonada reducida esnecesario efectuar el siguiente paso adicional.
Paso 6.
Empezando conel ltimo rengln diferente de cero y trabajando

hacia arriba, sumar mltiplos adecuados de cada rengln a los renglones de arriba conobjetode introducir ceros arriba delosunos
principales.
1
0
0
1
0
0
1
0
0
5
1
0
3
0
0
6
0
1
3
0
0
0
0
5
1
0
0
1
2
0
0
0
1
0
3
0
0
0
0
1
0
0
-
precedente se sum 712 veces
sum -6 veces al
El segundo rengln se
sum 5 veces al primer
rengln.
La ltima matrizest en forma escalonada reducida

El procedimiento anterior para expresar una matriz en forma escalonadare*
ducida se denomina eliminacin de Gauss-Jordan (vase la pgina 34). Si slo se
efectan los cincoprimeros pasos,el procedimiento se denomina eliminacin
gaussiana y produce una formaescalonada.
34 1 Sistemas de ecuaciones lineales y matrices
Sepuede demostrarque todamatriztieneuna

forma escalonada reducida nica; es decir, se obtiene la misma forma escalonada reducida
deunamatrizdada
sin importar cmose hagan variar las operaciones enlos
renglones. (Una demostracin de este hecho puede consultarse en el artculo "The
Reduced Row Echelon Form of a Matrix is Unique: A Simple Prooy, de Thomas
Yuster, Mathematics Magazine, Vol. 57, No. 2, 1984, pgs. 93 -94.) En contraste,
una forma escalonada de una matriz dada no es nica: diferentes secuencias de
operaciones enlos renglones pueden producir formas escalonadasdiferentes.
OBSERVACI~N.
Ejemplo 3 Resolver por eliminacin de Gauss-Jordan
+ 3x,
2x, + 6x2
X]
2x,
+ 6x2
+ 2x,
2x4 + 4x5
2x,
5x3
5x,
+ lox,
8x,
+ 4x,
= o
-
3x6 =
+ 15x,
+ 18x,
1
5
*KarlFriedrich Gauss (1777-1855) fue un matemticoycientficoalemn.Algunasveces

los matemticos",Gauss
es consideradojunto
con Isaac Newton y
nombrado"prncipede
Arquimedes como uno de los tres ms grandes matemticos que han existido. En toda la historia de
las matemticas quiz nunca ha habido un nio tan precoz como Gauss: segn cuenta I mismo, ya
dominaba las bases de las matemticas an antes de poder hablar. Un dia, cuando an no tenia tres
Su padre estaba
aos de edad, su genio se manifest a sus padres de manera bastante elocuente.
preparando la nmina semanal de los obreros a su cargo mientras el nio lo observaba en silencio
desde un rincn de la habitacin. AI final de los clculos largos y tediosos, Gauss dijo a su padre
que haba un error en el resultado y le dijo la respuesta, a la que haba llegado mentalmente. Para
sorpresa de sus padres, jal comprobar los clculos se dieron cuenta de que Gauss tena razn!
En su disertacin doctoral, Gauss proporcion la primera demostracin completa del teorema
fundamental del lgebra, que establece que toda ecuacin polinmica tiene cuando mucho.tantas
soluciones como su grado. A los 19 aos de edad resolvi un problema que desconcert a Euclides:
inscribir un polgono regular de 17 lados en una circunferencia usando slo regla y transportador; y
Disqursrfrones Anfhrnetrcae,
en 1801,alos24aos
de edad,publicsuprimeraobramaestra,
consrderada por muchos como uno de los logros ms brillantes en matemticas. En este documento,
Gausssistematiz el estudiodelateora
de nmeros(propiedades de los enteros) y formul los
conceptos bsicos que constituyenlos cimientos de ese tema.
Entre la multitud de logros alcanzados, Gauss descubri la curva "acampanada" o gaussiana que
es fundamental en probabilidad, proporcion la primera interpretacin geomtrica de
los nmeros
complejos y estableci el papel fundamental de stos
en las matemticas, desarroll mtodos para
caracterizar superficies intrnsecamentepor medio de las curvas contenidasen aqullas, desarroll la
teora del mapeo conforme (que preserva ngulos) y descubri la geometra
no euclidiana 30 aos
antes de que estas ideas fueran publicadas por otros. En fisica realiz contribuciones esenciales a la
teora de las lentes y a la accin capilar, y junto con Wilhelm Weber realiz trabajo fundamental
en
electromagnetismo, Gauss invent el heliotropo, el magnetmetro bifilar y el electrotelegrafo.
Gausseraprofundamentereligiosoysecomportabacomoaristcrata.Dominabafcilmente
No le
otrosidiomas,leiabastanteydisfrutabalamineralogiaylabotnicacomopasatiempos.
agradaba dar clases y sola ser fro y poco alentador con otros matemticos, quiz porque ya haba
si Gausshubierapublicadotodos
sus
anticipado el trabajode
stos. Se haafirmadoque
descubrimientos, el estado actual de las matemticas habra avanzado 50 aos. Sin duda alguna es el
matemtico ms grande de la epoca moderna.
Wilhelm Jordun (1842-1899) fue un matemtico alemn que se especializ en geodesia.
Su
contribucinalaresolucin
de sistemaslinealesapareci
en sulibroconocido, Handbuch der
I'errnessungskunde, en 1888.

La matriz aumentada del sistema es
AI sumar -2 veces el primer rengln alos renglones segundoy cuarto se obtiene
(I
O
O
-2
5 1 0
4
8
2
-1
-3
-1
5
6
0 1 5
O 1 8
Al multiplicar el segundo rengln por - 1 y luego sumar -5 veces el nuevo segundo

rengln al tercer rengln y -4 veces el nuevo segundo rengln al cuarto rengln se
obtiene
O
O
0
0
Al sumar -3 veces el tercer rengln al segundo rengln y luego sumar 2 veces el

segundo rengln de la matriz resultante al primer rengln se obtiene la forma
escalonada reducida
I
1
0
3
0
0
1
4
2
2
0
0
0
0
0
El sistema de ecuaciones correspondente es

x, + 3x,
4 4x,
x3
+ 2x,
=o
+ 2x4
X6
=Q
(Se ha eliminado la ltima ecuacin. Oxl + Ox, + Oxj + Ox4 -t Ox, + Ox6 = O, ya
que las demris ccuaciones harn que se cumpla de manera automtica.) AI despejar
la,; variables principalcs. se obtiene
Si a las variables libres x,. x4. x5 se asignan los valores arbitrarios r.

respectivamente. entonces la solucion general est dada por las frmulas
X,
RETROSUSTITUCI~N
3r
--
4s
2t,
X?
.x3 =
= Y,
2 ~ ,
.x4 = S,
= t.
X,
y t.
f A
Ejemplo 4 Algunas Yeces es preferible resolver un sistema de ecuaciones lineales

por medio de la eliminacin gaussiana a fin de expresar la matriz aumentada en
forma escalonada sin continuar hasta obtener la forma escalonada reducida.
Cuando se hace lo anterior. el sistema de ecuaciones correspondiente se puede
resolver mediante una tcnica denominada retrosustitucidn. Para ilustrar este
mtodo se usarh el sistema de ecuaciones del ejemplo 3.
Con base en los clculos en el ejemplo 3. una forma escalonada dc la matriz
aumentada es
I
1
0
0
o
0
0
0
2
1
0
0
2
O
0
0
2
0
0
0
3
l
0
0
1
g
0
Para resolver el sistema de ccuaciones correspondiente
se procede como sigue:

Paso 1.
Despejar las variables principales en las ecuaciones.

.Yl
= -3x,
+ 2x,
xi =
1 - 2.r,
x,
3x,
2x,
Paso 2. Empezandocon la ltimaecuacin y trabajandohacia atrs, sustituir

consecutivamente cada ecuacin en
las ecuaciones anteriores.
Al sustituir x6 =
3 en la segunda ecuacin se obtiene

x, = -3x,
xj =
.X6
La sustitucin de x3 = -2x,
+ 2x,
- 2x,
2x,
=$
en la primera ecuacin da
x, = - 3x, - 4x,
2x5
x, = -2x,
x6 =
Paso 3. Asignar valores arbitrarios a las variables libres, si hay alguna.

Si a xz. x4 y x5 se asignan valores cualesquiera r, S y t, respectivamente,
entonces la solucin general est definida por las frmulas
Lo anterior concuerda con la solucin obtenida enel ejemplo 3. A

OBSERVACI~N. Los valores que se asignan a las variables libres se llaman
parmetros. Aunque para designar a los parmetros en generalse usarn las letras
r , s. t, . . , es posible usar cualquier letra que no cause problema con los nombres
de las variables.
,
Ejemplo 5 Resolver
x+ y+22=9
+ 4y 32 = 1
3x + 6 , ~ 5~ = O
2x
por medio de la eliminacin gaussianay la retrosustitucin.

Solucin. Este es el sistema del ejemplo 3 en la seccin 1 . 1 . En ese ejemplo se
convirti la matriz aumentada
38
,/
a la forma escalonada
[;
-f
-y]
9
El sistema corresponhente esta

a matriz es
x + y + 22=
-
2, = -17
z=
Al despejar las variables principales se obtiene
La sustitucin de la ecuacininferior en las ecuaciones anteriores da

x=3-y
y=2
z=3
y la sustitucin de la segunda ecuacin en la ecuacin
superior se obtiene
x= 1
y=2
z=3
Estoconcuerda conel resultado que se encontrmediante

Gauss-Jordan enel ejemplo 3 de la seccin l .l . A
SISTEMAS
LINEALES
HOMOGNEOS
la eliminacin de
Se dice que un sistema de ecuaciones lineales es homogneo si todos los trmino:

constantes son cero; es decir, el sistema esde laforma
a I l x , + ai2x2+ . . . + a , , x , = O
u2,x, + a22x2+ . . . + u2,x, = O
amlxl am2x2 . . . + amnx, = O
Todo sistema deecuaciones lineales homogneo es consistente, ya que UM

solucin de todos estos sistemas es x1 = O, xz = O, . . . , xn = O . Esta solucin se
denomina solucin trivial; en caso de que haya otras soluciones, se denominan
soluciones no triviales.
1.2 Eliminacin gaussiana i 39
Debido a que un sistema lineal homogneo siempre tiene la solucin trivial,

entonces para sus soluciones slo hay dos posibilidades:
El sistema slo tiene la solucin trivial.
El sistema tiene infinidad de soluciones adems de la solucin trivial
En el caso especial de un
incgnitas, por ejemplo
sistema lineal homogneo de dos
a,x+h,y=O
( a , , b , nosonceroalavez)
a2x + h2y = O
( a z ,h,
ecuaciones condos
no son cero a la vez)
las grfkas de las ecuaciones son rectas que pasan por el origen, y la solucin
trivial corresponde al punto de interseccin en el origen (figura 1).
Av
S Y
Figura 1
SI~
la solucin trivial
I Infinidad de soluciones I
Existe un caso en el cual se asegura que un sistema homogneo tiene soluciones

no triviales, a saber, siempre que el sistema tengams indgnitas que ecuaciones. Para
ver por qu, considerar elsiguente ejemplo decuatro ecuaciones con cinco incgnitas.
Ejemplo 6 Resolver el siguiente sistema de ecuaciones lineales homogneo por

eliminacin de Gauss-Jordan.
2x1
-x1
+ 2x2
-
x2
x, + x2
x3
+ 2x,
+x5=o
-
3x,
-x,=o
- 2x,
x3
+ x5 = o
xq
+ x5 = o
Solucin. L a matriz aumentada del sistema es
2
-1
2 - 1
2
1 - 2
-1
-3
1
1
o
o
o
0 - 1
1
40
/'
Al reducir esta matriz a la forma escalonada

reducida, se obtiene
1
0
o
0
1
0
0
0
0
1
0
0
0
0
1
0
1
1
0
0
0
0
0
0
El sistema de ecuaciones correspondientees

XI
+X?
xj
5 5
=0
+ X5 = o
.x4
=o
Al despejar las variables principales se obtiene
x, =
-x2 -- X.j
x2
= -x5
-Y4
Par tanto, la solucin generales

.x1 =
- S
- t,
.x2 = S,
Xj =
t,
XJ
= 0,
xj = 1
Observar quela solucin trivial se obtiene cuando S = t = O. A

El ejemplo 6 ilustra dos cuestiones importantes respecto a la solucinde
sistemas homogneosde
ecuaciones lineales. Primera,ninguna
de las tres
operaciones elementales en los renglones modifica la columna final de ceros
en la matriz aumentada, de modo que el sistema de ecuaciones correspondiente a
la forma escalonada reducidade la matriz aumentada tambin debe ser un sistema
homogneo, vase el sistema (2) . Segunda, dependiendode si la forma escalonada
reducida de la matriz aumentada contiene algn rengln de ceros, el nmero de
ecuaciones en el sistema reducido es menor o igual que el nmero de ecuaciones
del sistema original, comparar los sistemas (1) y (2). Por tanto, si elsistema
homogneo dado contiene m ecuaciones con n incgnitas donde m < n, y s i en la
forma escalonada reducida de la matriz aumentada hay r renglones diferentes de
cero, entonces se tendr r < n. Seconcluye
que el sistemade ecuaciones
correspondiente a la forma escalonada reducida de la matriz aumentada es de la
forma
1.2 Eliminacin gaussiana 1 41
donde xk,,xk2, . . . , xkr son las variables principales y Z ( ) denota Sumas

(posiblemente todas diferentes) que incluyen a las n - Y variables libres, comparar
el sistema (3) con el sistema (2) . AI despejar las variables principales se obtiene
xk,
Xk2
-X( 1
-G( 1
Xk,
-C( )
As como en el ejemplo 6, es posible asignar valores cualesquiera a las variables

libres del miembro derecho y obtener as una infinidad de soluciones del sistema.
En resumen, se tiene el siguiente teorema importante.
Teorema 1.2.1. Un sistema de ecuacioneslinealeshomogneo

incgnitas que ecuaciones tiene infinidad de soluciones.
con ms
Sedebe notar que el teorema 1.2.1 es vlido slo para sistemas

homogneos. Un sistema no homogneoconms incgnitas que ecuaciones no
necesariamente es consistente (ejercicio 34); sin embargo, si el sistema es consistente, entonces tiene infinidad de soluciones. Este hecho se demostrar despus.
OBSERVACI~N.
SOLUCIONES
POR
COMPUTADORA
DE SISTEMAS
LINEALES
En las aplicaciones no es raro encontrargrandessistemas

lineales que cs
necesario resolver por computadora. Zasi todos los algoritmos de cmputo para
resolver los sistemas se basan en la eliminacin gaussiana o en la eliminacin de
Gauss-Jordan, aunque los procedimientos bsicos son modificados a menudo para
poder abordar cuestiones como
reducir los errores por redondeo,

disminuir el uso del espacio de memoria de la computadora,
y resolver el sistema a la velocidad mxima.
Algunas de estas cuestiones se considerarnen
el captulo 9. En clculos
manuales, las fracciones son un inconveniente que a menudo es imposible evitar.
Sin embargo, en algunos casos s se puede hacer al variar de manera conveniente
las operacioneselementalesen los renglones. Por tanto, una vez que ellector
domine los mtodosde eliminacingaussiana y eliminacin deGauss-Jordan
puede modificar los pasos en problemas especficos a fin de evitar las fracciones
(vase el ejercicio 18).

1. De las siguientes matrices 3 x 3, cules estn en forma escalonada reducida?
42
[:]
["
a ) O l O
1 "1
b)
"1
[:1 y] [A 0" f]
:] [: '1 [:I :]
c)
d)
O 0 0
O 0 0
g)[:
f ) l O O
O 0 0
hj
i)
O 0 0O 0 0
0 0 0
O 0 0
2. De las siguientes matnces 3 x 3 , cules estn en forma escalonada?
[l
"1
:]
a ) O l O
c)
b ) [ iO 0 0
[i f
o o
d) -0
O 2 0
3. En cada inciso, determinar si la matriz est en forma escalonada, en forma escalonada
reducida, en ambas formaso en ninguna.
1 2 0 3 0
a )[O O oO O O O]I
0 0 0 0 0
dl
['
o
-71
b)[i
'1
'1
c j [ 'o 1
o 2 4
1 3 0 2 0
e)
['
*0
f)
O]
1
[i i]
0 0 0 0 0
4. En cada inciso, suponer que la matriz aumentada de un sistema de ecuaciones lineales
los renglonesalaformaescalonada
hasidoreducidamedianteoperacionesen
ducida dada. Resolver el sistema.
1
0 - 3
o
1
1 - 6
O
;]
3 - 2
d)
[i -: 81
,)[O
O
0 - 7
O
3
re-
8
2
5
5. En cada inciso, suponer que la matriz aumentada de un sistema de ecuaciones lineales

ha sido reducida mediante operaciones en los renglones a la forma escalonada dada.
Resolver el sistema.
01
-31
42
1
q
s

6. Resolver cada uno de los siguientes sistemas aplicando eliminacin de
Gauss-Jordan.
a) x, + x2 + 2x3 = 8
b) 2x, + 2x, + 2x3 = O
-x1 - 2x2
3x, - 7x,
c)
+ 3x3 = 1
+ 4x3 = 10
-2x,
8x,
d)
xy- + 2 z w=-1
2x+y-22-2w=-2
- x + 2 y - 4 2w+=
1
3x
- 3w = -3
+ 5x, + 2x3 = 1
+ X, + 4x3 = - 1
-2b + 3 ~ = 1
3~+6b-3~= -2
6a 66 3c = 5
+ +
7. Resolver cada uno de los sistemas delejercicio 6 aplicando eliminacin gaussiana.

8. Resolver cada uno de los siguientes sistemas aplicando eliminacin de Gauss-Jordan
a) 2x, - 3x2 = -2
b) 3x, 2 ~ ,- x3 = - 15
5x, 3x2 2x3 =
o
2x,
x, = 1
3x, +2x2 = 1
3x,
x, + 3x3 = 11
-6x, - 4x,
2x3 = 30
C)
+
+
4x, - SX, = 12
d)
3x1 - 6 ~ ,= 9
-2x, +4x,= 32-xz6y++2 w =
1oy-4z+
x + 4y- z +
1
2
5
- 2 ~ - 8 y + 2 ~ - 2 ~ -=4
X 6y+32
=
1
w=
w =
9. Resolver cada uno de los sistemas del ejercicioS aplicando eliminacin gaussiana.
10. Resolver cada uno de los siguientes sistemas aplicando eliminacin de Gauss-Jordan.
a)
5x,
-2x,
2x2
x,
+ 6x, = O
+ 3x3 = 1
+
+
x, - 4x, = 1
3x2
7x3
2x, = 2
x1 - I ~x1,IX,
- 16x4= 5
b) xI - 2x,
XI
c)
w + 2 x y- = 4
x - y=3
~ + 3 ~ - 2 ~ = 7
2u+4v=
+7
w+7x
11. Resolver cada uno de los sistemas del ejercicio 10 aplicando eliminacin gaussiana
12. Sin usar lpiz y papel, determinar cules de los siguientes sistemas homogneos tienen
soluciones no triviales.
b) x, + 3x2 - x3 = 0
a) 2x1 - 3x, + 4x, - x, = O
7x,
x, - 8x3 + 9x4 = o
x, - SX, = o
4x3 = o
2x, + 8x2 + x3 - X, = O
C) a , ,x,
aZlXl
+ alzx2 + uI3x3 = O
+ a2zx2 + a23x3 = 0
13. Resolver los siguientes sistemas

quier mtodo.
a) 2x,
x,
+ X, + 3x3 = O
+ 2x,
=O
x, + x, = o
d) 3x1 - 2x2 = 0
6x,
- 4x2 = O
de ecuaciones lineales homogneos aplicando cual-
b) 3x1 + x2 + x3 + x, = O
5x, - x2 + x3 - x, = o
c)
2x
+ 2y + 4z = o
W
- y-3.?=0
2w+3x+ y + z=O
-2w+ ~ + 3 ~ - 2 ~ = 0
14. Resolver los siguientes sistemas de ecuaciones lineales homogneos aplicando cualquier mtodo.
44
1'
a) 2.r
-- y - 3z = 0
--x + 2y - 32 =
b)
x+ ,y+4z=o
u t 3w-2x=o
2u+ u-4w+3x=o
2 ~ + 3 ~ + 2x =~O -414 - 3U + 5W -. 4x = 0
c) x , + 3 x ,
+x,=o
x, t 4x,
2x,
=o
- 2x2 - 2x, - x, = o
2x,
x,
.-
4x,
+ x, + x
,= o
2x, - xj + .x4 = o
15. KesoIver 10s siguientes sistemas aplicando cualquier mtodo.
a) 21, - I,
+ 31, + 41,
b)
+ 71, = I 1
+ l3+ 51, = 8
- 21,
31,
21,
31,
I2 t 41,
+ 41,
z, + z,+ z,= o
-z,- z, + 22, - 32, + z, = o
z, +- z2- 22,
22,+ 2z2 -
= 10
z,
-z,=o
+z,=o
16. Resolver los siguientes sistemas, donde a, b y c son constantes.
a) 2x
3x
+ .V = a
+- 6~ = h
b) x,
2.r
.x2
3.Y2
+ x
,=u
+ 2x, = h
+ 3x, = c
17. Paraqu
valores de a elsiguientesistemanotienesolucin?exactamente
solucin'? ,intinidadde soluciones?
.Y i- 21'
31
4x
"
3z = 4
"~
J' 4-
+ v+
una
5z = 2
--
(U'
1 4 ) ~= 0 + 2
18. Expresar
en forma escalonada reducida sin introducir ninguna fraccin

1Y. Encontrar dos formas escalonadas diferentes de
20. Resolver e1 siguiente sistema de ecuaciones no lineales para los ngulos desconocidosa,yp,dondeO(a(2n,OIPI2n,yOsy<:.
2 s e n ac-o s p + 3 t a n y = 3
4sencu+2cosp-2tany=2
6sena-3cosp+
tany=9
21. Resolvcr el siguiente sistema de ecuaciones
no lineales para .Y, y y z.
X'
+ +
z2 = 6
x"y'+22=2
2x2
fV2
22 =
1.2 Eliminacin gaussiana \ 45

22. Demostrar que el siguiente sistema no lineal tiene 18 soluciones si O 5 a 5 2 z,
O 5
/352z,yOI.y<2z.
sena+2cosp+3tany=O
2sena+5cosp+3tany=O
-sena-5cosp+5tany=O
23. $ara que valor(es)de
triviales?
y elsiguientesistemadeecuacionestienesolucionesno
(a - 3lX +
x
v=o
+ (a - 3)?, = o
ax
cx
ex
+ by = O
+ dy = o
+ fy = O
Analizar las posiciones relativas de las rectas ax + by = O, cx + dy = O y ex +fi= O

cuando
a) el sistema tiene s3!0 la solucin trivial, b) el sistema tiene soluciones no tnviales.
25. En la figura 2 se muestra la grfica de una ecuacincbica y =
Encontrar los coeficientes a, b , c y d.
+ b? + cx + d.
ty
20
'
Figura 2
26. Recordar que en geometra plana tres puntos no colineales determinan una
circunferencia de manera nica. En geometra analtica se demuestra que la ecuacin de una
circunferencia en el planoxy es de laforma
ux2
+ uy2 + bx + cy + d = O
Encontrar la ecuacin de la circunferencia que se muestra en

figura
la 3
CY
46
27. Describir las posibles formas escalonadas rqiucidas de
28. Demostrar que si ad - bc
O, entonces la forma escalonada reducida de
29. Usar el ejercicio 28 para demostrar que si ad - bc = O, entonces el sistema

ux
CY
+ b ~=, k
+ dv = I
tiene exactamente una solucin

30. tlrsolvzrelsistema
para x,, x 2 y x j SI
a) k = 1 b) d = 2
ux
C.Y
+ bj. = o
+ 41) = o
a) Demostrar que si x = xo, y = y, es cualquier solucin del sistema y k es cualquier

constante, entoncesx = kr,, y = 4,tambin es una solucin.
b) Demostrar que si x = xo, y = y, y x = x], y = y , son dos soluciones cualesquiera,
,
es una solucin.
entonces x = x. + x,, y = y o + ytambin
+
+ dl) = I
(1) u . ~ b,, = k
C.Y
(11) ax
cx
+ by = O
+ 4v = o
a) Demostrar que si x = x,, y = y , y x = x*, y = y, son soluciones de I, entonces x = x1

- x2,y = y I - es una solucin de I I .
b) Demostrar que si x = x], y = y , es una solucin de I y x = x,, y = y, es una solucin
de I I , entonces x = x , + x,, y = y , + y es
o una solucin deI.
y,
33. a) En el sistema de ecuaciones numerado

con ( 3 ) , explicar por qu seraincorrecto
denotar a las variables principales por xl, x2, , . . ,xr en vez de por xk,, xk2,. . . , xk,
como se hizo.
l .3 Matrices y operaciones con matrices / 4 7

b) El sistema de ecuaciones numeradocon (2) es un caso especfico de (3). Qu valor
tiene y en este caso? Cules son xk,,xk2,. . . , x en este caso? Escribir las sumas
k,
denotadas por I:( ) en ( 3 ) .
34. Encontrar un sistema lineal inconsistente quetenga ms incgnitas que ecuaciones
1.3 MATRICES Y OPERACIONES CON MATRICES
'
N O T A C I ~ NY
TERMINoLoGA
DE MATRICES
Los arreglosrectangulares de nmerosreales surgen en muchoscontextos

distintos a las matrices aumentadas de sistemas de ecuaciones lineales. E n esta
seccinestosarreglos se considerarn como objetos en s y se desarrollarn
algunas de sus propiedades para aplicarlas ms tarde.
Definicin. Una matriz es un arreglo rectangular de nmeros. Los nmeros en

el arreglo se denominanefementosde la matriz.
Ejemplo 1 Algunos ejemplos de matrices son
El tamaiio de una matriz se describe en trminos del nmero de renglones

(lneas horizontales) y de columnas (lneas verticales) que contiene. Por ejemplo,
la primera matriz del ejemplo 1 tiene tres renglones y dos columnas,de modo que
su tamao es 3 por 2 (que se escribe 3 X 2). En la descripcin del tamao, el
primernmerosiempredenota
el nmeroderenglonesy
el segundo, el de
columnas. Las dems matrices del ejemplo 1 son de tamao 1 X 4, 3 x 3, 2 X 1 y
1 X 1, respectivamente. Una matriz conuna sola columna se denomina matriz columna (o vector columna),y una matriz con un solo rengln se denomina matriz
rengln (o vector rengln). As, en el ejemplo 1, la matriz 2 X 1 es una matriz
columna, la matriz 1 X 4 es una matriz rengln y la matriz 1 X 1 es tanto una
matriz rengln como una matriz columna. (El trmino vector tiene otro significado que ser analizado en captulos ulteriores.
OBSERVACI~N. Se acostumbra omitir los corchetes en una matriz 1 X 1. As, se
podra escribir 4 en vez de 4 . Aunque lo anterior imposibilita saber si 4 denota el
nmero "cuatro1'o la matriz 1 X 1 cuyo elemento es 'Icuatro", excepcionalmente
causa problemas, ya que casi siempre es posible inferir el significado a partir del
contexto en que apareceel smbolo.
48
.Sistemas de ecuaciones lineales y matrices
Paradenotarmatrices
se usarn maysculas y paradenotar
minsculas; as. se podra escribir
cantidades,
Al estudiar matrices, es comn denominar escdares a las cantidades numricas.A

menos que se establezca otra cosa. los escalares sern nitmerosreales; los
escalares complejos sern considerados enel captulo 10.
El elemento que aparece en el rengln i y la columna j de una matriz .4 se
denota por a,,.
As, una matriz general 3 X 4 se puede escribir como
y una matriz generalm x n, como
Cuando se desea que la notacin sea

expresar como
condensada, la matriz precedente se puede
[U,,I,,,X,I
[%,I
la primera notacin se usa cuando enel anlisis es importante conocerel tamao y

la segunda cuando no es necesario recalcar el tamao. Por lo general, la letra que
denota una matriz corresponde a la letra que denota sus elementos; as, para una
matriz B en general se usar b,, para denotar el elemento en el rengln i y la
columnaj, y para una matrizC se usar cy.
El elemento en el rengln i y la columna j de una matriz A se denota por el
smbolo (A)q.As. para la matriz (1) anterior, se tiene
( A ) , , = a,,
y para la matriz
se tiene (A)11 = 2, (A)12 = -3, (A)2l = 7 , y (A)22= O .

Las matrices renglny columna revisten especial importancia y se denotan con
minsculas negritas en vez de maysculas. En estas matrices es innecesario usar
subindices dobles paralos elementos. Entonces, una matriz rengln generala 1 X
n y una matriz columna general b m X 1 se escribirn como
1.3 Matrices y operaciones con matrices / 49
Una matriz A con n renglones y n columnas se denomina matriz cuadrada

n,-y se h c e que los elementos a l l , a22, . . . , ann estn en la diagonal
de A (vanse los elementos entipo negro en la figura 1).
de orden
principal
Figura 1
OPERACIONES
CON MATRICES
Hasta el momento, las matrices se han usado para abreviar el trabajo al resolver
sistemas de ecuaciones lineales. Para otras aplicaciones, sin embargo, es deseable
desarrollar una "aritmtica de matrices" en la que sea posible sumar, restar y multiplicar matrices de manera til. El resto de esta seccin se dedicar al desarrollo
de esa aritmtica.
Definicin. Dos matrices son iguales si tienen elmismo tamao y sus elementos correspondientes soniguales.
En notacin matricial, si A = [a,] y [B = b, ] son del mismo tamao, entoncesA

B si y slo si (A), = (B), o, equivalentemente, a, = bo para todo i y j .
Ejemplo 2 Considerar las matrices
Si x = 5, entonces A = B, pero para los dems valores de x las matrices A y B

no son iguales. ya que no todos sus elementos correspondientes son iguales.
No hay ningn valor de x para el que A = C, ya que los tamaos de A y C son
diferentes. A
correspondientes de A , y la diferencia A - B es la matriz obtenida al restar los

elementos de B de los elementos correspondientesde A . No es posible sumar o
restar matrices de tamaos diferentes.
50
' P
.,*<
r"*I
: ,, ~'i . .
:
Sistemas de ecuaciones lineales v matrices
En notacin matricial, si A
[au]y B = [ b J son del mismo tamao, entonces

2
-1
1
O
4 - 2
0
2
7
'1
B=[
-4
2
3
3
5
2
O
2 - 4
-:]
C=['
'1
Entonces
11
-5
Las expresionesA + c', B + C', A - C y B - C no estn definidas. A
Definicin. Si A es cualquier matriz y c es cualquier escalar, entonces el

producto cA es la matriz obtenidaal multiplicar cada elemento deA por c.
En notacin matricial, si A
[ a 1, entonces
r/
cA)ij = c(A),, = cui,
Ejemplo 4 Para las matrices

2
A=[1
3 4
3 I]
o
B = [ -1
2
3
- 571
c=
[: -r,
se tiene
Es comn denotar (- l)B por -B. A

Si A , , A,, . . . , A,, son matrices delmismo tamao y cl, c,, . . . , c,, son
escalares. entonces una expresin dela forma
se denomina combinacin lineal de A , , A,, . . . , A,, con coeficientes cl, c 2 , . .

e,,. Por ejemplo, si A , B y C son las matrices del ejemplo 4, entonces
. ,
224526
1.3 Matrices y operaciones con matricesI' 51
-:I+[; -: :I
[:1 ;l.+[:1:
[7
1'
11
i.
es la combinacin lineal de A , B y C con coeficientes escalares 2, - 1 y

Hasta elmomento se ha definido la multiplicacin de una matnz por un
escalar, pero no la multiplicacin de dos matrices. Como la suma de matrices se
ejecuta sumando los elementos correspondientes y la resta de matrices se ejecuta
restando los elementos correspondientes, parecera natural definir el producto de
matrices como la multiplicacin de los elementos correspondientes. Sin embargo,
resulta que la definicin no es demucha utilidad enla mayor parte delos
problemas. La experiencia ha llevado a los matemticos a la siguiente definicin,
menos natural pero ms til, de producto de matrices.
Definicin. Si A es una matriz m x r y B es una matriz r x n, entonces el
producto A B es la matriz m x n cuyos elementos se determinan como sigue.
Para encontrar el elemento en el rengln i y en la columnaj de AB, considerar
slo el rengln i de la matriz A y la columnaj de lamatriz B. Multiplicar entre
s los elementos correspondientes del rengln y de la columna mencionados y
luego sumarlos productos resultantes.
, ,
. ',
I '
'
O
2
-1
7
1
-
Como A es una matriz 2 x 3 y B es una matriz 3 x 4, el producto A B es una

matriz 2 X 4.Para determinar, por ejemplo, el elemento en el rengln 2 y en la
columna 3 de AB, slo se consideran el rengln 2 de A y la columna 3 de B.
Luego,comose ilustra a continuacin, los elementos correspondientes (en tipo
negro) se multiplican entre s y se suman los productos obtenidos.
El elemento en el rengln1 y eyi In columna 4 de AB (en negro)se calcula como sigue.
l(1.3)
+ ( 2 . 1 ) + (4.2)
= 131
Los clculos para los dems productos son

(1 '4)
+ ( 2 . 0 ) + (4.2) =
12
(1.1)-(2.1)+(4.7)=
27
(1.4)+(2.3)+(4.5)=
30
12
(2.4)
+ (6.0) +- (0.2) =
(2. 1) - ( 6 . 1 )
(2.3)
+ (0.7) =
27
-4
30
26
12
131
-4
+ (6.1) + ( 0 . 2 ) =
12
Paraformar elproductoAB, la definicin de multiplicacin de matrices

requiere que el nmero de columnas del primer factor A sea el mismoque el
nmero de renglones del segundo factor B . Sinose
cumple esta condicin.
entonces el producto est indefinido. Una manera conveniente para determinar si
el producto de dos matrices est definido es escribir el tamao del primer factor y,
a la derecha, escribir el tamao delsegundo factor. Si, comose observaen la
figura 2, los nmeros interiores son iguales, entonces elproducto est definido.
Los nmcros exteriores proporcionan entonces el tamao del producto.
A
Figura 2
r
h
H
x
n
S
AB
m x n
Medios
Extremos
Ejemplo 6 Suponer que A , B y C son matrices con los siguientes tamaos:

A
3 x 4
R
4x7
C
7x3
Entonces A B est definido y se trata de una matriz 3 x 7 ; CA est definido y se

trata de una matriz 7 X 4; y BC est definido y se trata de una matriz 4 x 3. Los
productos AC, CB y BA estn indefinidos.
Si A = [u,] es una matriz general m x r y B = [b,] es una matriz general Y X
n, entonces como se ilustra con tipo negro de la figura 3 , el elemento (AB)v en el
rengln i y la columnaj de AB est definido por
AB =
Figura 3
PARTICI~NDE
MATRICES
Una matriz se puede subdividir o partir en matrices ms pequeas insertando

rectas horizontales y verticales entre renglones y columnas selectos. Por ejemplo,
a continuacin se muestran tres posibles particiones de una matriz general A 3 X
4: la primera es unaparticin de A en cuatro submatrices A 1, A 12, A , y A,2; la
segunda es unaparticin de A en sus matrices rengln r l , r2, r3 y r4; y la tercera
es una particin deA en sus matrices columnacl, c,, c3 y c4:
A =
MULTIPLICACIN DE
MATRICES
POR COLUMNAS
Y POR
RENGLONES
[:::
'I2
'31
'32
'33
""""_"
_"" " " "
a12
u13
u22
a23
'31
'32
'33
"""""_
1::
'13
'14
u22 u23
u24]
=
~
'34
'14
=
a34
[ii:
[il
'I2]
A22
Algunas veces es necesario encontrar un rengln o una columna particulares de

un producto A B de matrices sin calcular todoel
producto. Los siguientes
resultados, cuyas demostraciones sedejancomoejercicios,son
tiles para este
propsito:
j-sima matriz columna deAB = A b-sima matriz columna deB ]
1 i-sima matriz rengln deAB
(3 1
(i-sima matriz rengln de1;3 B

I.".
Ejemplo 7 Si '4 y B son las matrices del ejemplo 5 , entrnces por (3) la segunda
matriz columnade AB se puede obtener al calcular
54 / Sistemas de ecuaciones lineales y matrices
,"I
Segunda columna
deB
Segunda columna
deAB
y por (4), la primera matriz renglnde A B se puede obtener alcalcular
11
1' -:
41 0
L2
[12 27
30
131-,
21
Primer rengln
1
Si al, $, . . . , a, denotan las matrices rengln de A y b,, b,, . . . , b, denotan

las matrices columna deB , entonces por las frmulas (3) y (4) se concluye que
(AB calculada rengln por rengldn)

OBSERVACI~N. Las frmulas (5) y (6) son casos especiales de un procedmiento
ms general para multiplicar matrices divididas (vanse los ejercicios 15, 16 y 17).
PRODUCTOS
DE MATRICES
COMO
COMBINACIONES LINEALES
Lasmatricesrenglnycolumnaproporcionan
otra manera de concebir la multiplicacin de matrices. Por ejemplo, suponerque
all
A=
Entonces
a22
a21
.
a12
" '
al,
' . '
a2n
En palabras, la frmula (7) establece que el producto A x de una matriz A y una

matriz columna x es una combinacin linealde las matrices columna de A con los
coejicientes que provienen de la matriz x. En los ejercicios de la seccin se pide al
lector demostrar que el producto yA de una matriz y 1 X m y una matriz A m X n
es una combinacin lineal de las matrices renglnde A con coejcientes escalares
que provienen de y.
Ejemplo 8 El producto matricial
se puede escribir como la combinacin lineal
2[-i]-1
y el producto matricial
[I
-9
-:]
-3][-/
= 1-16
8
351
-2
se puede escribir como la combinacin lineal

1[-1
21-9[1
-31-3[2
- 2 ] = [ - 1- 61 8
351 A
Por (5) y (7) se concluye que la j-sima matriz columna de un producto AB es

una combinacin lineal de las matrices columna de A con los coeficientes que
provienen de la j-sima columna de B.
Ejemplo 9 En el ejemplo 5 se demostr que
AB=
2
2
4
1
411[ 0 - 1
0 2
7
2-
Las matrices columna de A B se pueden expresar como combinaciones lineales de las

matrices columnade A en la forma siguiente:
['E]
= 4 [ ; ] + 0 [ ; ]+ 2 [ $
FORMA
MATRZCIAL DE
UN SISTEMA
LINEAL
La multiplicacin de matrices tiene

una
aplicacin importante
a los sistemas de
ecuaciones lineales. Considerarcualquiersistemade rn ecuaciones lineales con n
incgnitas.
CI,,Xl
aZ,xl
+ a12.5 + + LI,,J, = h ,
+ a22x7+ . . . + a2n.x,= b2
' '
'
Como dos matrices son iguales si y slo si sus elementos correspondientes son
iguales, es posible sustituir las m ecuaciones lineales en este sistema por la simple
ecuacin matricial
La matriz m X 1 en el miembro izquierdo de esta ecuacin se puede escribir como

un producto para obtener
por A , x y b, respectivamente, entonces el sistemaoriginal

Si estas matrices se designan
de m ecuaciones conn incbgnitas ha sido reemplazadopor la ecuacin matricial
Ax=b
La matriz A en esta ecuacin se denomina matriz de coeficientes del sistema. La
matriz aumentada del sistema se obtiene adjuntando b a A como ltima columna;
as, la matriz aumentadaes
l .3 Matrices y operaciones con matrices/ 5 7
TRANSPUESTA Esta
seccin termina con la definicin de dos operaciones matriciales quecarecen
DE UNA MATRIZ de anlogo en los nmeros reales.
Definicin. Si A es cualquier matriz m X n, entoncesla transpuestade A ,
denotada por AT, se define como la matriz n X m que se obtiene al intercambiar
los renglones y las columnas de A ; es decir, la primera columna de AT es el
primer rengln de A, la segunda columnade AT del segundo renglnde A , y as
sucesivamente.
Ejemplo 10 A continuacin se presentanalgunos ejemplos dematrices y sus
transpuestas.
;;; ;;;
'12
A=[:!:
'13
;J:]
2
B=[t
'14
i]
C=[l
3 51
0=[41
Observar no slo que las columnas de AT son los renglones de A , sino que
los renglones de AT son las columnas de A . As, el elemento en el rengln i y la
columnaj de A es el elemento en el renglnj y la columna i de A , es decir,
Observar la inversin de los subindices.

En el caso especial en que A es una matriz cuadrada, la transpuesta de A se
puede obtener al intercambiar los elementos simtricos con respecto a la diagonal
principal (figura 4). Planteado de otra forma, A T se puede obtener "reflejando" A
con respecto a su diagonal principal.
1
"2
-1-
-2
>..
,f
simtricos con respecto a la
Figura 4
-5
58
:'
TRAZA DE UNA
MATRIZ
Definicin. Si A es una matriz cuadrada, entonces la truzu de A , denotada por

tr(A), se define como la suma delos elementos de la diagonal principal de A . La
traza de A no est definida si A no es una matriz cuadrada.
CUADRADA
Ejemplo 11
trazas.
A continuacin se presentanalgunos ejemplos dematrices y sus

2
I tr(A)=a,,+a,,+a,, I
-2
Itr(B)= - 1 + 5 + 7 + 0 = 1 1

1. Suponer queA , B, C, D y F son matrices de los tamaiios siguientes:
A
(4 x 5)
(4 x 5 )
(5 x 2 )
(4 x 2 )
(5 x 4)
Determinar cules de las siguientes expresiones de matnces estn definidas. Para las
que estn definidas, proporcionar el tamao de la matriz resultante.
a) BA
e) E(A
c).4E+B
d).4B+B
h) ( A
E)D
g) ETA
2. Resolver la siguiente ecuacin matricial paraa, b, c y d.
bjAC+D
f ) E(AC)
+ B)
a-b
" c ] = [ ;
3 d +2c a - 4 d
A]
3. Considerar las matrices.

6
-1
Calcular lo siguiente (en caso de ser posible)
a) D + E
e) 2 B - C
i) tr(D)
b)D-E
f) 4E-2D
j) tr(D - 3 E )
c) 5 A
g) - 3 ( 0 + 2 E )
k) 4 tr(7B)
d) -7C
h) A - A
1) ' tr(A)
4. Con las matrices del ejercicio3, calcular lo siguiente (en caso de ser posible)
d ) B T + 5C7
c) ( D - E)'
h) (2ET - 30')'
g) 2ET - 30'
5. Usar las matrices del ejercicio3 para calcular lo siguiente (en caso de ser posible).
a) U ' + C
e) $ C ' - ~ A
a) AB
e) A W )
i) tr(DD')
b) D T - E'
f) B-B'
b) BA
f ) cc'
j ) tr(4ET- D )
c ) (3E)D
g) (DA)'
k) tr(CTAT+ 2E')
d ) (AWC
h) (C 'B)A
'
1 3
1 2
4 1 3

6. Mediante las matrices delejercicio 3 , calcular lo siguiente (en caso de ser posible)
a) (2DT- E ) A
d) ( B A T - 2C)T
C) ( -AC)T + 5D7
f ) D T E T - (ED)'
b) (4B)C + 2 B
e) B T ( C C T - A T A )
Con el mtodo del ejemplo 7 , encontrar

a) el primer rengln de A B , c) lasegunda columna de A B , e) eltercer rengln de AA, y
b) el tercer rengln de AB, d) la primera columna de BA, f) la tercera columna de A A .
8. Sean A y B las matrices del ejercicio 7.
a) Expresar cada matriz columna de AB como una combinacin lineal de las matrices
columna de A .
b) Expresar cada matriz columna de BA como una combinacin lineal de las matrices
columna de B.
Demostrar que el producto YA se puede expresar como una combinacin lineal de las
matrices rengln de A con los coeficientes escalaresde y.
10. Sean A y B las matrices delejercicio 7.
a) Usar el resultado del ejercicio 9 para expresar cada matnz rengln de AB como una
combinacin lineal de las matricesrengln de B.
b) Con el resultado del ejercicio 9 expresar cada matnz rengln de BA como una combinacin lineal de las matncesrengln de A.
11. Sean C, D y E las matrices del ejercicio 3 . Efectuando el menor nmero de clculos
posible, determinar el elemento en el rengln 2 y en la columna 3 de C(DE).
AB y BA estn definidos, entonces AB y BA son matnces cuadradas.

b) Demostrar que si A es una matriz m X n y A(BA) est definido, entonces B es una
matriz n X m.
12. a) Demostrar que si
13. En cada inciso determinar las matricesA , x y b que expresen el sistema de ecuaciones
lineales dado como una simple ecuacin matricial Ax = b.

a) 2 x , - 3x2 + 5x3 =
9 x , - x2
XI
x3 =
5x, + 4x3 =
7
1
- 3x, + x4 = 1
5x,
x2
- 8x4 = 3
2 x , - 5x2 9x, - x j = o
3x2 - x3 + 7x, = 2
b) 4x,
14. En cada inciso expresar la ecuacin matncial como un sistema de ecuaciones lineales.
60 / Sistemas de ecuaciones lineales y matrices
15. Si '4 y B se dividen en submatrices, por ejemplo
entonces AB se puede expresarcomo
los tamaosdelassubmatrices
A y B seantalesquelas
en elsupuestodeque
operacionesIndicadas se puedanefectuar.Estemtodoparamultiplicarmatrices
divididas se denomina mukiplicwidn en bloque. En cada inciso, calcular el producto
por medio de multiplicacin en bloque. Comprobar los resultados multiplicando directamente.
-1
1
1 1 5
6 1 1
2
5=[
-1
i 1'
'
"
"
"
"
"
"
"
O
j-3
15 paracalcularlossiguientesproductosmediante
16. Adaptarelmtododelejerciclo
multiplicacin en bloque.
41
5
1
"1
-2
0 ; -1
17. En cada inciso, determinar si la multiplicacin en bloque se puede usar para calcular
AB a partir d e las particiones dadas. En caso afmativo, calcular el producto mediante

multiplicacin en bloque.
1.4 Inversas; reglas de la aritmtica de matrices / 61
18. a) Demostrar que siA contiene un renglnde ceros y B es cualquier matriz para la que
AB est definido, entoncesAB tambin contiene un rengln de ceros.

b) Encontrar un resultado semejante, pero respectoa una columna de ceros.
19. Sea A cualquier matriz m X n y sea O la matriz m X n, cada uno de cuyos elemento es
cero. Demostrar que sikA = O, entonces k = O o A = O.
20. Sea I la matriz n
n cuyo elemento en el renglni y en la columnaj es
Demostrar que AI = IA = A para toda matrizA n
[ u'J. ] 6 X 6 quecumplalacondicinquese
establece. Hacer que las respuestas seanlo ms generales posible usando letras en vez
de nmeros especficos para denotarlos elementos diferentes de cero.
21. Encadainciso,encontrarunamatriz
22. Encontrar una matriz A = [ulJ de 4
4 cuyos elementos cumplan la condicin que se
23. Demostrar lo siguiente: SiA es una matriz m
n, entonces
donde S es la suma de los cuadrados de

los elementos de A
24. Usando el resultado del ejercicio23, demostrar lo siguiente.
a) Si A es una matrizm X n tal q u e m T= O O ATA = O , entonces A = O.
b) Si A es una matrizn X n tal que A = AT y A2 = O, entonces A = O.
I .4 INVERSAS; REGLAS DE LA ARITMTICA DE MATRICES

En esta seccin se analizarn algunas propiedades delas operaciones aritmticas
sobre matrices. Se ver que muchas de las reglas bsicas de la aritmtica de los
nmeros reales tambin se cumplen para matrices, aunque unas cuantas
no.
62
,/
PROPIEDADES
DE LAS
OPERACIONES
CON MATRICES
Paranmeros reales a y b siempre se tiene que ab = ba, lo cual se denomina ley

conmutativa de la multiplicacin. Para matrices, sin embargo, A B y BA no
necesariamente son iguales. Es posible quelaigualdad nose cumpla debido a tres
razones. Puede suceder, por ejemplo, que A B est definido pero que BA no. Este es
el caso si A es una matriz 2 x 3 y B es una matriz 3 x 4. Tambin, puede suceder
que A B y BA estn definidos aunquesean de tamaos distintos. Esta es la
situacin si A es una matriz 2 X 3 y B es una matriz 3 X 2. Finalmente, como se
muestra en el ejemplo 1, se puede tener A B f BA inclusive si tanto A B como BA4
estn definidos y son del mismo tamao.
Al multiplicar se obtiene
BA
-3
1
o
As, A B f BA. A
Aunque la ley conmutativa de la multiplicacin no es vlida en aritmtica
matricial, muchas leyes conocidas de la aritmtica son vlidas para matrices. En el
siguiente teorema se resumen algunas de las ms importantes, as como sus denominaciones
Teorema 1.4.1. Suponiendo que los tamaos de las matrices son tales que las
operaciones indicadas se pueden efectuar, entonces son vlidas las siguientes
reglas de aritmtica matricial.
a) A + B = B + A
h) A f ( B + C ) = ( A + B ) f C
c ) A(BC) = (AB)C
d ) A(B+C)=AB+AC
e ) ( B f C ) A = BA + CA
f)A(B-C)=AB-.4C
g ) ( B - C ) A = BA -- CA
h ) a(B + C ) = aB + aC
i ) a(B - C ) = nB - aC
(Ley c o n d a t i v a de la adicin)
(Ley mociativa de la adicin)
(Ley asociativa de la mltiplicacin)
(Ley distributiva por la izquierda)
(Ley disfributivaporla derecha)
j ) (a+b)C=uC+bC
k ) (U - b ) C = u C - bC
I ) a(hC) = (ab)C
m ) a(BC) = (aB)C= B(aC)
Para probar las igualdades de este teorema es necesario demostrar que

la matriz
del miembro izquierdo es del mismo tamao que la matriz del miembro derecho y
que los elementos correspondientes en ambos miembros son iguales. Con excepcin de la ley asociativa del inciso c), todas las demostraciones siguen el mismo
patrn general. Como ilustracin, se demostrar el inciso 6). La demostracin de

la ley asociativa, que es ms complicada,se esboza en los ejercicios.
Demostracin de d). Es necesario demostrar que A ( B + C ) y A B + AC son del
mismo tamao y que los elementos correspondientesson iguales. Para formar A ( B
+ C), las matrices B y C deben ser del mismo tamao, porejemplo m x n, y
entonces la matriz A debe tener m columnas, de modo que su tamao debe ser de
la forma r x m. Con lo anterior, se tiene que A ( B + C ) es una matriz r X n. Se
concluye que A B + A C tambin es una matriz r X n y, en consecuencia,A ( B + C)
y A B + AC son del mismo tamao.
los
Suponerque A = [a,], B = [bu]y C = [c,]. Se quieredemostrarque
elementos correspondientesde A(B + C ) y AB + AC son iguales; es decir, que
[A(B
+ C ) ] ,= [ A B + AC I;,
para todos los valores de i y j . Pero por las definiciones de adicin y multiplicacin
de matrices se tiene
[A(B + C)];,
+ + a,2(b2j+ c2,) + . . . + aim(bmj+ cm,)

= (a,,b,, + a,2b2,+ . . . + aimb,,) + ( a j l c , +
,
+ . . . + a,,cmj)
= [AB],,+ [AC,,] = [ A B + AC I,, u
= a,,(bl, cl,)
U , ~ C ~ ,
Aunque las operaciones de adicin y multiplicacin de matrices

se definieron para pares de matrices, las leyes asociativas 6) y c ) permiten denotar
sumas y productos de tres matrices como A + B + C y ABC sin introducir ningn
parntesis. Lo anterior se justifica por el hechodeque sin importar cmo se
introducen parntesis, las leyes asociativas garantizan la obtencindelmismo
resultado final. En general, dados cualquier suma o producto de matrices, en las
expresiones se pueden introducir o eliminar pares de parntesis sin afectar el
resultadojnal.
OBSERVACI~N.
Ejemplo 2 Como ilustracin de la ley asociativa de la multiplicacin de matrices,

considerar
Entonces
. ..
Y
1
.4(BC) = 3
O
24
1
de modo que (,dB)(' = A(B(?, como garantiza el teorema 1.4.IC. A
MATRICES
CERO
Una matrizque tiene todos sus elemento iguales a cero, como
se denomina matriz cero. Una matriz cero se denotara por O; si es importante

destacar el tamao, se escribir Omxn para denotar la matriz cero m x n.
Si A es cualquier matriz y U es la matriz cero del mismo tamao que A , resulta
evidente queA + O = O + .4= A . La matriz O desempea casi la misma funcin en
estas ecuaciones matriciales que la desempeada porel nmero O en las ecuaciones numricasa + O = O + a = a.
Como ya se sabe que algunas de las reglas de la aritmtica para los nmeros
reales no se cumplen en la aritmtica matricial, sera temerario asumir que todas
las propiedades del nmero realcerose
cumplenpara las matrices cero. Por
ejemplo. considerar los dos resultados normales siguientes de la aritmtica para
los nlimeros reales.
Si ab = ac y a = O. entonces b = c. (Esto se denomina ley de cancelacin.)
Si ad = O entonces por lo menos uno de los factores del miembro izquierdo
es cero.
Comose muestra enel siguiente ejemplo, engeneral losresultados correspondientes no son ciertos en aritmtica matricial.
Aqu
3
A B = , A C = [6
4
8]
Aunque A # O, es incorrecto cancelar la A en ambos miembros de la ecuacin A B

y escribir B = C. As, la ley de cancelacin no se cumple para matrices.
Tambin, A D = O, aunqueA # O y D # O. A
= AC
A pesar del ejemplo anterior, existen varias propiedades conocidas de nmero

real O que se cumplen en las matrices cero. Algunas de las ms importantes se
resumen en el siguiente teorema. Las demostracionesse dejan como ejercicio.
Teorema 1.4.2. Si se supone que los tamaAos de las matrices son tales que es
posible efectuar las operaciones que se indican, las siguientesreglas de
aritmtica matricial son vlidas.
a)
A+U=O+A=A
6)A-A-O
O P A = -A
d ) A O = O; OA = O
C)
MATRICES
IDENTIDAD
De especial inters son las

matrices
cuadradas
que
principal y ceros fuera de sta, como
tienen unos en la diagonal
Una matriz de esta forma se denomina matriz identidady se denota por f. Si es

importante recalcarel tamao, se escribir In para denotarla matriz identidad n X n .
Si A es una matriz m X n, entonces, como se ilustra en el siguiente ejemplo,
As, en aritmtica matricial la matriz identidad juega unpapel bastante semejante

al que desempeael nmero 1 en las relaciones numricas a 1 = 1 . a = a.
'
Ejemplo 4 Considerar la matriz

Entonces
66
5';ste)rra.sde ccuaciones lineales .v matrices
Como se muestra enel siguiente teorema, las matrices identidad surgen de

manera natural enel
estudio de formas escalonadas reducidas de matrices
cuadradas.
Teorema 1.43. Si I? e s la forma escalonada reducida de una tnatriz A de n
n, entonces R tiene un rengln de ceros, o bien, R es la matriz identidad ih.
Demostracin.
Suponer que la forma escalonada reducida de A es

t-11
R = [r;,
y,, I
I';
I'IZ
r R z
' ' '
Yl?,
" '
..
"n n
Entonces sucede que el ultimo rengln de esta matriz est integrado completamente de ceros o no lo est. En caso de que no lo est, la matriz no contiene
renglones cero y. en consecuencia, cada uno de
los n renglones contiene un
elemento principal igual a 1. Como estos unos principales aparecen progresivamentecada vez ms lejos hacia la derechaamedidaquelamatrizse
recorre hacia abajo. cada uno de estos unos debe aparecer en l a diagonal principal. Ya que los dems elementos en la misma columna
de uno de los unos
principales son cero, entonces R debe ser I,,. As, R tiene un rengln de ceros,
o bien, R = I,,. 0
INVERSA DE UNA
MATRIZ
Definicin. Si A es unamatrizcuadrada
y si se puedeencontraruna
matriz B del mismo tamao tal que AB = BA = I. entonces se dice que A es
invertible y R se denomina una inversa de A .
Ejemplo S La matriz
1.4 Inversas; reglas de la aritmtica de matrices 1 67
Ejemplo 6 La matriz
no es invertible. Para ver por qu, sea
cualquier matriz 3
3 . La tercera columna de BA es
As.
BA#I=
PROPIEDADES
DE LAS
INVERSAS
[a :I
O
Es razonable preguntar si una matriz invertible puede tener ms de una inversa. El

siguiente teorema
muestra
que la respuesta es no: una matriz
invertible
tiene
exactamente una inversa.
I Teorema 1.4.4. Si B y C son, ambas, inversas de la matriz A, entonces B = C. I

Demostracin. Ya que B es una inversade A , se tiene que BA = I. Al multiplicar
ambos miembros por la derecha por C se obtiene (BA)C = IC = C. Pero (BA)C =
B ( A 0 = BI = B , de modo que C = B.
Como una consecuencia de este importante resultado, ahora es posible hablar

de "la" inversa de una matriz invertible. Si A es invertible, entonces su inversa se
denota por el smbolo A-'. As,
AA"=/
A"A-I
t
La inversa de .-1 t i e x cn aritmCtica matricial casi la misma funcin que cl

recproco a.-i juega en las relaciones numericas aa-l = 1 y a-"a = 1.
En la siguiente seccin se desarrollar m mtodo para determinar inversas de
xnatriccs jnvertibles dc cualquier tamafio; sin embargo, el siguiente teorema
establece condiciones bajo las cuales una matriz 2 X 2 es invertible y proporciona
una frmula sencilla para cncontrar l a inversa.
O. er? cuyo
cuso la
Inversa est definida por la
U
Ud -
Demostracidn.
bc
Se deja para el lector la comprobacin de que .M " = I, y A -'A
Teorema 1.4.6. Si A y R son tnatrices invertibles del mismo tamao, entonces

a ) A B es znverlible,
b ) (AB)" = 8",4 -1,
Demostracin. Si se puede demostrar que (AB)(B"A ") = (N"'A ")(AB) = I,

entonces se habr demostrado simultneamente que la matriz AB es invertible y
que ( A B ) - ] = 5 " ~ " . Pero (AR)(B"A-') = A ( B B - ~ ~ "= AIA " =AA" = I.
Con un razonamiento semejante se demuestra que (B"A")(AH) = 1.
Aunque este resultado no se demostrar, se puede extender para incluir tres o

ms factores: es decir.
Un producto de cualqurer nmero de matrices invertibles es invertible, y la
inversa del producto es el producto de las inversas en orden invertido.
Ejemplo 7 Considerar las matnces

Aplicando la frmuladel Teorema 1.4.5, se obtiene
Tambin,
Por consiguiente, ( ~ 1 3 1 - l = B"A"

POTENCIASDE
UNA MATRIZ
, como garantiza el teorema 1.4.6. A
A continuacin se definirn las potenciasdeuna matriz cuadrada y se analizarn

sus propiedades.
Definicin. Si A es una matriz cuadrada, entonces las potencias enteras no negativas de A se definen como
n factores
Adems, si A es invertible, entonces laspotencias enteras negativas de A se

definen conlo
n factores
Debido a queesta definicin es paralela a la de los nmeros reales, se cumplen las

leyes usuales de los exponentes. (Se omiten los detalles.)
Teorema 1.4.7. Si A es una matriz cuadrada y r y S son enteros, entonces
El siguiente teorema establece algunas propiedades importantesde los exponentes negativos.
70

Demostracin
a) C o m o A K l =d4K1A= f , 1amatrizA" esinvertibley(A")"
=A.
b ) Este inciso se deja como ejercicio.
c) Si k es cualquier escalar diferente de cero, entonces por los resultados I) y m )
del teorema 1.4.1es posible escribir
De manera semejante,
LA"
(k
Ejemplo 8 Sean A y A
"
(U)=Ide modo que kA es invertible y (U)" = $A-1.
' como en el ejemplo 7; es decir,
Entonces
EXPRESIONES
POLIN~MICAS
EN QUE
APARECEN
MATRICES
Si A es unamatrizcuadrada, porejemplo m
m, y si
+ . . + a,,s"
p ( x ) = a() a 1x
cualquier
es
'
polinomio,, entoncesdefine
se
p(A) = a,,/ a , A
+ . . . + a,,A"
donde I es la matriz identidad m X m. En palabras, p(A) es la matriz m

se obtiene cuando A se sustituye porx en (1) y a. se reemplaza por a d .
Ejemplo 9 Si
entonces
m que
1.3 Inversas; reglas de la aritmktica de matrices
PROPIEDADES
DE LA
71
En el siguiente teoremase enumeran las propiedadesms importantes de la operacin de transposicin.
TRANSPUESTA
Teorema 1.4.9. Si los tamaos de las matrices son tales que se pueden efictuur
las operaclones planteadas, entonces
u ) ( ( A ) T ) T= A
b) ( A + B ) ~ = A ' +B r y ( A - B)'= A ' - B'
C ) ( k A ) = kA ,
' donde k es cualquier escalar
r i ) (AB)'= B ~ A T
:B-'.8.'
'
~pQ1-1
Considerando que al transponer una matriz se intercambian sus renglones y

sus columnas, los incisos a), b ) y c ) deben ser evidentes. Por ejemplo. en el inciso
a) se establece que al intercambiar renglones y columnas dos veces la matriz permanece sin modificar; en el inciso 6) se afirma que al sumar y luego intercambiar
renglones y columnas se obtiene el mismo resultado quecuandoprimero
se
intercambian renglones y columnas y luego se suma; y en el inciso c) se establece
que al multiplicar por un escalar y luego intercambiar renglonesy columnas se obtiene el mismo resultado que si primero se intercambian renglones y columnas y
luego se multiplica por un escalar. El inciso (d)no es tan evidente. por lo que se
demostrar.
Demostracidn de 6).
Sean
de modo que es posible formar los dos productos A B y BTAT. Se deja para el lector
comprobar que (AB)Ty BTAT son del mismo tamao; a saber, que son n x m. As,
queda por demostrar que los elementos correspondientesde (ABjTy BTAT son los
mismos; es decir,
( ( A B ) T )= (BT,4')),,
(2)
I,
AI aplicar la frmula (S) de la seccin 1.3 al miembro izquierdo de esta ecuacin y

usar la definicin de multiplicacin de matrices, se obtiene
(('4B)') =(AB),, = u, .I b I j
,,
+ . . . + u,?h,.,
(3)
Para evaluar el miembro derecho de (2) es conveniente queatjy b', denoten los ijsimos elementosde A7 y BT. respectivamente, de modo que
I2
,/
Lo anterior, junto con (3), demuestra (2).
Aunque nose demostrara este hecho, el inciso 6) del teorema se puede

extender para incluir tres o ms factores; es decir,
La transpuesta de un producto de cualquier nmero de matrices

producto de sus transpuestas en orden invertido.
es igual al
Ntese la semejanza entre este resultado y el resultado, que est

a continuacin del teorema 1.4.6, respecto a la inversa de un producto dematrices.
OBSERVACI~N.
INVERTIBILIDAD
DE UNA
TRANSPUESTA
El siguiente teorema establece una relacin entre lainversadeunamatriz

vertible y inversa
la de
su transpuesta.
1 Teorema 1.4.10.
Demostracin.
demostrar que
Si A es una matriz invertible, entonces AT tambin es inver-
Se
puede
probar la invertibilidad de AT y obtener (4) al

A7'(.+-l)T=(.+-*)TAT=]
Pero por el inciso d)del teorema 1.4.9y el hecho de queIT = Z, se tiene
con lo que se completa la demostracin. 11

Ejemplo 10
in-
Considerar las matrices
Al aplicar el teorema 1.4.5 se obtiene
. *'.
.,a
1.4 Inversas; reglas de la aritmtica de matrices
Como garantiza el teorema 1.4.10, estas matrices satisfacen la frmula (4). A
EJERClCIOS DE LA SECCIN 1.4

1. Sean
2
A=[-;
-1
i],
-;
-3
B=[:
a],
-2
C=[:
t],
3
u=4,
Demostrar que
(B + C )= ( A + B )
d) u(B - C ) UB - UC
a) A
+- C
b) (AB)C= A ( B C )
c)
(U
+ h)C = UC + bC
2. Usando las matricesy los escalares del ejercicio I , demostrar que

a) a(BC) = (uB)C= B(uC)
b) A ( B - C ) = AB - AC
C)
(B+ C)A = EA
+ CA
d) u(bC) = (ub)C
3. Usando las matrices y los escalares del ejercicio 1, demostrar que
a)
b) ( A + B ) 7 = A r + B T
c) ( U C ) ~ = U C ~d) ( A B ) 7 = B 7 A 7
4. Usar el teorema 1.4.5 para calcular las inversas de las sguientes matrices
5. Comprobar que las tres matrices A , B y C del ejercicio 4 satisfacen las relaciones
(AB)" = B"A"
y (fit)" = C"B"A"
6. Sean A y B matricescuadradasdelmismotamao.
tricial vlida? Justificar la respuesta
7. En cada inciso, usar la informacin dada para encontrarA .
8. SeaA la matriz
[:Y]
Calcular A3, A-3 y A' - 2A + I.
1 9 . Sea A la matriz
[: :I
= A2B2 es unaigualdad ma-
h = -7
73
74 Sistemas de ecuaciones linealesy matrices
224526
En cada inciso, determinarp(A).
b) p ( x ) = 2x2 -x + 1
a) p ( x ) = x -2
c) p ( x ) = x3 -2x + 4
10. Seanpl(x) =x2 - 9,p,(x) = x + 3 y p , ( x ) = x - 3 .

a) Demostrar quep , ( A ) =p,(Alp,(A) para la matrizA del ejercicio9.
b) Demostrar quep , ( A )= p,(A)p,(A) para cualquier matriz cuadradaA
./11. Encontrar la inversa de
--en
cos*0
cos 0
12. a) Encontrar matnces A y B 2 X 2 tales que (A + B)' # A2 + 2AB + B2.

b) Demostrar que si'4 y B son matrices cuadradas tales queAB = BA, entonces
('4
+ B)2 = A
' + 2ilB + B'
c) Encontrar un desarrollo de ( A + B)' que sea vlido para todas las matrices cuadradas A y B del mismo tamao.
'" "7 y
13. Considerar la matriz
.4 =
donde a ,la22-
. .
" '
"
'
'
'
ann
annf O. Demostrar que'1 es invertible y encontrar su inversa
14. Demostrar que si una matriz cuadrada A satisface ,43 - 311 + I = O, entonces A"
- A.
31
15. a) Demostrar que una matnzcon un rengln de ceros no puede tener inversa.
b) Demostrar que una matrizcon una columna de cerosno puede tener inversa.
16. La suma de dos matrices invertibles, necesariamente es invertible?
17. Sean A y B matrices cuadradas tales que

entonces B = O.
AB = O. Demostrar que si A es invertible,
18. En el teorema 1.4.2, por qu el incisod) no se escribi comoAO = O = OA?
19. La ecuacin real a' = 1 tiene exactamente dos soluciones. Encontrar por lo menos ocho
matricesdiferentes 3 X 3 que cumplan la ecuacinmatricial A2 = I,. [Sugerencia
Buscar soluciones en las que todos los elementos fuera de la diagonal principal sean
iguales a cero.]
20. a) Encontrar una matnz A 3

b) Encontrar una matrizA 3
X
X
3 diferente de cero tal que A T = A.

3 diferente de cero tal queAT = -A.
21. Una matriz cuadrada A se denomina simtrica si A T = A y antisimtrica es AT = -A

Demostrar que si B es una matriz cuadrada, entonces
a) B B y~B + B~ son simtricas.b)
B - BT esantisimtrica.
22. Si A es una matriz cuadrada y n es un entero positivo, ,es cierto que (A")T = (A')"?
Justificar la respuesta.
23. Sea A la matriz
Determinar si A es invertible y, en caso afirmativo, encontrar su inversa. ISugerencia

Resolver AX = I igualando los elementos correspondientes de ambos miembros.]
24. Demostrar lo siguiente:
a) Inciso b ) del teorema 1.4. l . b) Inciso i) del teorema 1.4. l .
ma 1.4.1.
c) Inciso m ) del teore-
25. Aplicar los incisos d)y m) del teorema 1.4.1 a las matrices A , B y (- 1)(' para obtener
el resultado del incison.

26. Demostrar el teorema 1.4.2
27. Considerar las leyes de los exponentesArAS= A r f S y (A')" = A"".
a) Demostrar que si .4 es cualquier matriz cuadrada, entonces estas leyes son vliGas
para todos los valores enteros no negativos de
r y s.
b) Demostrar que si A es invertible, entonces estas leyes son vlidas para todos
los
valores enteros negativos der y s.
28. Demostrar que si A es invertible y k es cualquier escalar diferente de cero, entonces
(M)"= PA" para todos los valores enteros den.
29. a) Demostrar que SI ,4 es invertible y AB = AC, entonces B = C.
b) Explicar por quC el inciso a) y el ejemplo 3 no se contradicen entre s.
30. Demostrar el inciso c) del teorema 1.4. l . [Sugerencia Suponer que A es m X n, que B
es n X p y que C es p X q. El 9-simo elemento en el miembro izquierdo es 111 = all
BC + u12BC + . + alnBC y el q-simo elemento en el miembro derecho es r
11
= ~ ~ l ~ , ~ + i l B ~ z c ~ + .Comprobarque1
~ . . + A B ~ r =r 1
'
'
~,,
P PJ
11
1.5 MATRICES ELEMENTALES Y UN MTODO PARA DETERMINAR A-'

En estaseccin se obtendr un algoritmo para determinar la inversa de una
matriz invertible y se analizarn algunas propiedades bsicas de las matrices invertibles.
76 / Sistemas de ecuaciones linealesy matrices
MATRICES
ELEMENTALES
Definicin. Una matriz 11 X n se denomina matriz elemental si se puede obtener

a partir de la matriz identidad In n X n al efectuar una sola operacin elemental
en los renglones.
[;
Ejemplo 1 A continuacin se muestran cuatro matrices elementales y las operaciones con que se obtuvieron.
O 0 1 0
] F I E ]
Sumar 3 veces el tercerMultiplicar
- 3 el segundo
renglones
segundo
rengln de /?
por
Cuando una matrizA se multiplica por la izquierda por una matriz elemental E,
el efecto es efectuar una operacin elemental enlos renglones deA . Este es el contenido
del siguiente teorema, cuya demostracin se deja
corno ejercicio para el lector.
Teorema 1.5.1. S i la matriz elemental E resulta de la ejecucin de ciertas

operaciones en los renglones de I,,, y si A es una matriz m x n, entonces e l
producto EA es la matriz que se obtiene cuando la misma operacin en los
renglones se efecta en .1.
1
A=[2
1
-1
3
4
y considerar la matriz elemental

1
que resulta al sumar 3 veces el primer rengln deI3al tercero. El producto E4 es
EA=
I
1
2
0
-1
1.5 Matrices elementules,v un mtodo pura determinar A
/ 77
que es precisamente la misma matriz que se obtiene al sumar 3 veces el primer

rengln de A al tercer rengln. A
Si una operacin elemental en los renglones se ejecuta en una matriz elemental I para obtener una matriz elemental E, entonces existe una segunda operacin en los renglones que, al ser efectuada en E, produce nuevamente I. Por
ejemplo, si E se obtiene al multiplicar el i-simo rengln de I por una constante c
diferente de cero, entonces I se puede recuperar si el i-simo rengln de E se multiplica por llc. En la tabla l se enumeran las diversas posibilidades.
TABLA 1
Operaciones en los renglones
de E que reproducen I
Operaciones en los renglones

de Z que producen E
Multiplicar el rengln i por c
Intercambiar los renglones i y J
Multiplicar el rengln i por 1/c

Intercambiar los renglones i y j
Las operaciones en la columna derecha de la tabla se denominan operaciones

inversas de las operaciones correspondientes en la columna izquierda.
Ejemplo 3 En cada una de las siguientes situaciones se efectu una operacin
elemental en un rengln de la matriz identidad 2 X 2 para obtener una matriz elemental E, y luego E se convirti en la matriz identidad mediante la operacin
inversa en el mismo rengln.
[:Y]
Multiplicar por 7 el segun-
[t
:]
Multiplicar por 1/7 el

rengln.
gundo
[Y A]
se-
78
Sistemas de ecuaciones lineales v matrices
prlmero Y segundo.
[:, :I
[::]
-+
[:P]
I
"
Sumar -5 veces el segundo rengln al primero.
El siguiente teorema establece una propiedad importantede las matrices elementales.

Teorema 1.5.2. Toda matriz elemental es invertible, y la inversa tambin
una matriz elemental.
es
Demosfracin. Si E es una matriz elemental, entonces E se obtiene al efectuar

algunas operaciones en los renglones de I. Sea E, la matriz que se obtiene cuando
la inversa de esta operacion se efecta en I. Al aplicar el teorema 1.5.1 y usando el
hecho de que las operaciones inversas en los renglones cancelan mutuamente su
efecto, se concluye que
E,E= I
As. la matriz elemental E, es la inversa de E.
EE,=I
El siguiente teoremaestablece algunas relaciones fundamentales entre invertibilidad, sistemas lineales homogneos, formas escalonadas reducidas ymatrices elementales. Estos resultados son extremadamenteimportantes y se usarn
muchas veces en secciones ultenores.
Teorema 1.5.3. Si A es una matriz n X n, entonces las siguientes proposiciones
son equivalentes; es decir, todas son verdaderas o todas son falsas.
a) A es Invertible.
b ) Ax = O slo tiene la solucin trivial.
c ) La.forma escalonada reducida de A es In.
d)A se puede expresar como un producto de matrices elementales.
Demostracin. Se demostrar la equivalencia estableciendo la cadena de
implicaciones a * b * c => d * a.
a
* b: Suponer queA es invertible y sea x(,
= O.
cualquier solucin de A x = O; as, Axo

Al multiplicar ambos miembros de esta ecuacin por la matriz A" se obtiene
1.5Matrices elementalesy un mtodo para determinar A-'

= A"O, o (A"A)% = O , o Ix,
tiene la solucin trivial.
/ 79
O, o x, = O. Por tanto, Axo = O slo
* c: Sea Ax = O la forma matricial del sistema
+ a 1 2 x 2+ ' . + a , , x , = o
a 2 1 x I+ u22x2+ . . . + u 2 , x , = o
allXl
'
+ an2x2 + . + annx, = o
UnlXl
' '
y suponer que el sistema slo tiene la solucin trivial. Si el sistema se resuelve por
eliminacin de Gauss-Jordan, entoncesel sistema de ecuaciones correspondiente a
la forma escalonadareducida de la matriz aumentadaes
=o
=o
*I
x2
x,
As, la matriz aumentada
..
de (1) se puede reducir a la matriz aumentada

1
o o
0 0 0 . " 1
de (2) por medio de una sucesin de operaciones elementales en los renglones. Si

en cada una de estas matrices se elimina la ltima columna (de ceros), se puede
concluir que la forma escalonada reducidade A es I,.
c * d: Suponer que la forma escalonada reducida de A es I,, de modo que A se
puede reducir a Z, mediante una sucesin finita de operaciones elementales enlos
renglones. Por el teorema 1.5.1, cada una de las operaciones se puedeefectuar
80
Sistemasdeecuaciones 1ineales.v matrices
multiplicando por la izquierda por una matriz elemental idnea. As. es posible
hallar matrices elementalesE,, E2, . . . , Ek tales que
F> h . , . F'2 E I ''1 - 1
I,
(3)
Por el teorema 1.5.2. las matriccs elementales E,, E*.. .. ; , Ek son invertibles. Al
multiplicar por la izquierda ambos miembros de la ecuaclon (3) sucesivamente por
E;l
I?;, P" se obtiene
I
.l
,d
= E,- 'E? l .
. .E, I,,= E , ' E 2 I . . .EA
Por el teorema1.5.2, csta ecuacin expresa .4 comoun

elementales.
(4)
productodematrices
d * a: Si il es un producto de matrices elementales, entonces por los teoremas

1.4.6 y 1.5.2 la matriz '4 es un producto de matrices invertibles, y por tanto es
invertible. 0
EQUIVALENCLA
POR
RENGLONES
Si una matriz B se puede obtener a partir de una matriz A mediante la ejecucin

de una
sucesin
finita de operaciones
elementales
en
los renglones, entonces
resulta evidente que 13 sepuede convertir denuevo en A mediantela ejecucinal
revsde las inversas de tales operacioneselementalesen
los renglones. Las
matrices que se pueden obtener a partir de otra matriz mediante la ejecucin de
unasucesin finita de operacioneselementalesen los renglones se denominan
equivalentes por rengfones. Con esta terminologa, por los incisos a) y c ) del
teorema 1.5.3 se concluyequeuna matriz A n X n es invertible si y slo si es
equivalente por renglones a la matriz identidad n X n
U N MTODO
Como primera aplicacin del teorema1.5.3,se establecer unmtodo para determinar la inversa de una matriz invertible. Al invertir los miembros izquierdo y derechode (4) seobtiene A" = EL E2 E,o, de manera equivalente,
PARA INVERTIR
MATRICES
'
'
que establece que A - sepuede obtener al multiplicar I, sucesivamente por la

izquierda por las matrices elementales E,, E2, . . . , Ek. Como cada multiplicacin
por la izquierda por una de estas matrices elementalesefecta una operacin enlos
renglones, al comparar las ecuaciones (3) y (5) seconcluye que la sucesin de
operaciones en los renglones que reduce A a I, tambin reduce I, a A". As. se
tiene el siguiente resultado:
Para determinar la inversa de una matriz invertible A , es necesario encontrar

una sucesin de operaciones elementales en los renglones que reduzca A a la
matriz identidad y luego efectuar esta misma sucesin de operaciones en I ,
para obtener A".
En el siguiente ejemplo se proporciona un mtodo sencillo para llevar a cabo el

procedimiento anterior.
1.5 Matrices elementalesy un mtodo para determinar A"
/ 81
Ejemplo 4 Encontrar la inversade
Solucin. Se desea reducir A a la matriz identidad mediante operaciones en los

renglones y aplicar simultneamente las operaciones a I para obtener A - l . Para
lograr sto, la matriz identidad se adjunta a la derecha de A , con lo que se obtiene
una matriz dela forma
y luego se aplican operaciones en los renglones a esta matriz hasta que el lado
izquierdo se reduce a I; estas operaciones convierten el lado derecho en A", de
modo que la matrizfinal es de la forma
[I
A"]
Los clculos son como sigue:

1
2
1
2
5
0
3
3
8
/
j
j
1
0
O
0
1
O
2
3
1
1
o 1 - 3 1 -2
0 - 25 ; - 1
0
1
2
3
1 1
1 - 3 :
-2
1
O
2
1
O j -14
1 3 - 5
0 :
1
o
0
1
"1
"1 I
1
Se sum -2 veces el primer

rengln al segundo y - el
1 vez
primer rengln al tercero.
1
1
Se sum 3 veces el tercer rengln

al segundo y -3 veces el tercer
Se sum -2 veces el segundo
82 !Sistemas de ecuaciones lineales y matrices
As,
A menudo no es posible saber de antemano si una matriz dada es invertible.

Si una matriz A n X n no es invertible, entonces nosepuede reducir a I,, por
medio de operaciones elementales en los renglones [inciso ( c ) del teorema 1.5.3.1
Planteado de otra forma, la forma escalonadareducida de A contiene por lo menos
un rengln de ceros. As, si el procedimiento del ltimo ejemplo se intenta con una
matriz que no es invertible, entonces en algn momento de los clculos aparecer
un rengln de ceros enel lado izquierdo. Entonces es posible concluir que la
matriz dada no es invertible, de modo que ya no se realizan ms clculos.
6
1
2
A = [
-1
4-
-1
5-
Al aplicar el procedimiento del ejemplo 4 se obtiene

1
-1
o -8
-9
[-
o
o
-- 1 ;
'
54 1!
1
oo
-2
0
1
0
'"I
1
rengln al segundo y se sum el
:undo rengln
tercero.
Dado que enel lado izquierdo se ha obtenido un renglnde ceros, se concluye que
A no es invertible. A
es una matriz invertible. Por el tepema 1.5.3 se concluye que el sistema de ecuaciones
1.5 Matrices elementales y un mtodo para determinar A"
+ 2x, + 3x, = o
2x, + 5x, + 3x, = o
x,
+ 8x,
XI
=O
slo tiene la solucin trivial. A

1. De las siguientes matrices, cules son elementales'?
2.
3.
Encontrar una operacin en los renglones que convierta la matriz elemental
-: -:I,
Considerar las matrices

3
A=[&
B=[:
-:-:I,
1
dada en
c=[i
1;
-i]
Encontrar matrices elementalesE,, E2,E, y E4tales que

a) E , A = B b) E $ = A c)E#=C d)E4C=A
4. En el ejercicio 3, Les posible encontrar una matriz elemental E tal que EB = C? JUS-
tificar la respuesta.
En los ejercicios 5. 6 y 7, aplicar el mtodo mostrado en los ejemplos 4 y 5 para encontrar
lainversadelamatriz
dada silamatnzesinvertible,
y comprobar la respuestapor
multiplicacin.
/ 83
d)
[-: 'i
.. .
1-3
L')
o1
o
2
o2
(1!
"3.
8. Encontrar la inversa de cada una dc las siguientes

matrices 4 X 4, donde k,, k2,k3, k4 y
k son, todos, diferentes de cero.
9. Considerar la matriz
a) Encontrar matrices elementalesE , y E, tales que E P , A = I.

b) Escrihir A - como un producto de dosmatrices elementales.
c) Escribir <4como un producto de dos matnces elementales.
'
10. En cada inciso, efectuar en
la operacin en los renglones que se indica, multiplicando A por la izquierda por una
matnz elemental. En cada caso, comprobar l a respuesta, efectuando la operacin en los
renglones directamente enA.
a) Intercambiar los renglones primeroy tercero.
b) Multiplicar por f el segundo rengln.
c) Sumar dos veces el segundo rengln al primer rengln.
11. Expresar la matriz
en la forma A = EFGR, donde E, F y G son matrices elementales y R est en forma

escalonada.
12. Demostrar que si
es una matriz elemental, entonces por lo menos un elemento en el tercer rengln debe
ser igual a cero.
1.6 Otros resultados sobre sistemas e invertibilidad
85
13. Demostrar que

O
b O c O O
A = O d O e O
O O f O , q
o O o I? o,
no es invertible para cualesquiera valores de los elementos
14. Demostrar que si A es una matriz m X n, entonces existe una matriz invertible
C tal
que CA est en forma escalonada reducida.
y B es equivalente por renglones a
15. Demostrar que si A es una matriz invertible
A,
entonces B tambin es invertible.

16. a) Demostrar: Si A y B son matrices m X n, entonces A y B son equivalentes por
renglones si y slo si A y B tienen la mismaforma escalonada reducida.

b) Demostrar que A y B son equivalente por renglones, y encontrar una sucesin de
operaciones elementales en los renglones que produzca
B a partir de 4.
.=II ; ;] .-[I ; -;I

1
1.6 OTROS RESULTADOS SOBRE SISTEMAS DE ECUACIONES E

INVERTIBILIDAD
En estaseccin se establecernmsresultados sobre sistemas de ecuaciones
lineales e invertibilidad de matrices. El trabajo dar por resultado un mtodo
totalmente nuevo para resolver sistemas de n ecuaciones con n Incgnitas.
UN TEOREMA
FUNDAMENTAL
Se empezar por demostrarun resultado fundamental sobre sistemas lineales. que

ya fue anticipado en la primera seccin de este libro.
Teorema 1.6.1. Todo sistema de ecuaciones lineales no tiene solucin, tiene
exactamente una solucibn o tiene infinidad de soluciones.
~
Demostracin.
~~
~~~
Si Ax = b es un sistema de ecuaciones lineales, entonces exactamente una de las siguientes afirmacicmes es vcrdadcra: a) el sisienla no tiene s c h cin, b) el sistema tiene exactamentc I ~ I I solucltr!.
;~
o bien, c) el sistema tiene ms
de una solucicin.La demostracin cstard conipleri si se puede demostrar que cl
sistema tiene innidnd de soluciones en el caso 2).
86
1'
Suponer queAx = b tiene ms de una solucin, y sea x. = xl - 5 ,donde x1

y &r son dos soluciones distintas cualesquiera. Debido a que x1 y 5 son dlstintas,
entonces la matriz x. es diferente de cero; adems,
AX,
A(x, - X,) = A X , - AX, = b - b = O
Si ahora se deja que k sea cualquier escalar, entonces

A(x,
+ kx,) = Ax, + @x,)
=Ax,
=b+kO=b+O=b
+ k(AX,)
Pero esto establece que x, + kKo es una solucin de Ax = b. Como x. es diferente

de cero y existen intinidad de elecciones para k, entonces el sistema Ax = b tiene
infinidad de soluciones. 1
RESOLUCI~NDE
SISTEMAS
LINEALES POR
INVERSI~NDE
MATRICES
Hasta el momento se han estudiado dos mtodos para resolver sistemas lineales: la
eliminacingaussiana y la eliminacin de Gauss-Jordan. El siguiente teorema
proporciona unnuevo mtodo para resolver ciertos sistemas lineales.
Teorema 1.6.2. Si A es una matriz invertible n x n, entonces para toda matriz
b n x I , el sistema de ecuaciones Ax = b tiene exactamente una solucin; a
saber, x = A"b.
Demostracidn. Como A(A"b) = b, se concluye que x = A-lb es una solucin
de Ax = b. Para demostrar queesta es la nica solucin, se supondr que x. es una
solucin arbitraria y luego se demostrar quex. debe ser la so1ucinA"b.
Si x. escualquier solucin, entonces AxO = b. Al multiplicar ambos
miembros por A" se obtiene x. = A"b. 0
Ejemplo 1 Considerar el sistema de ecuacioneslineales
+ 2x, + 3x, = 5
2x, + sx, + 3x, = 3
XI
+ 8x3= 17
x,
En forma matricial, este sistema se puede escribir como Ax = b, donde
En el ejemplo 4 de la seccin precedente se demostr queA es invertible y que
1.6 Otros resultados sobre sistemas e invertibilidad / 87
Por el teorema 1.6.2, la solucin del sistema es
o bien, x1 = 1, x2 = -1,
x3 = 2.
OBSERVACI~N. Ntese que el mtododeejemplo

1 es aplicable slo cuando el
sistema tiene tantas ecuaciones como incgnitas y la matriz de coeficientes es invertible.
RESOLUCIN DE
VARIOS
SISTEMAS
LINEALES CON
UNAMATRIZ DE
COEFICIENTES
Frecuentemente es necesario resolver una sucesin de sistemas
. . . , Ax=bk
AAxA
x==
xb=
b, ,b
2,,
cada uno de los cuales tiene la misma matriz de coeficientes A . Si A es invertible,

entonces las soluciones
COMN
. . . , xk=A-lb,
x l = A " bxl ,2 = A " b 2x ,3 = A P 1 b 3 ,
se pueden obtener con una inversin matricial y k multiplicaciones de matrices.

Sin embargo,un mtodo ms eficaz es formar la matriz
[.4 I b, I b,
...
bk]
(1)
donde la matriz de coeficientes A es "aumentada" por todas las k matrices b,, b,, .
. . , b,. Al expresar (1) en forma escalonada reducida, por eliminacin de GaussJordan se puedenresolvera la veztodos los k sistemas. Este mtodo tiene la
ventaja de que se puede aplicar aun cuandoA no sea invertible.
Ejemplo 2 Resolver los sistemas
Solucin. Los dos sistemas tienen la misma matriz de Coeficientes. Si esta matriz
de coeficientes se aumenta con las columnas de constantesque estn enlos
miembros derechos detales sistemas, se obtiene
88 i Sistemas de ecuaciones linealesy matrices
'1
Al expresar esta matriz en forma escalonada reducida

se obtiene (comprobar)
o
o
o
O I
1 ;
0 ;
1 I
0 ;l
1 i-1
Con base ena

l
sdos ltimas columnas, se concluye que la solucin del sistema a) es x,
x3 = 1, y que solucin del sistema b) es x1 = 2, x2 = I y x3 = - 1. A
= 1, x2 = O,
PROPIEDADES
DE LAS
MATRICES
INVERTIBLES
A n x n es invertible ha sido
Hasta el momento, parademostrarqueunamatriz

necesario
encontrar
una
matriz
B n x n tal que
AB=/
BA=I
El siguente teorema demuestra quesi se obtiene una matriz B n X n que satisface

cualquier condicin, entonces laotra condicin se cumple automticamente.
Teorema 1.6.3. Sea A una matriz cuadrada.

a ) ,Si B es una matriz cuadrada quesatisface BA = I, entonces B =A".
b) Si B esuna matriz cuadrada que satisface
A B = I, entonces B =A".
Se demostrarel inciso a), y el inciso 6) se deja como ejercicio.
Demostracin u). Suponer que BA = I. Si es posible probar que A es invertible, la demostracin se puede completar multiplicandoBA = I en ambos miembros
por A para obtener
-'
BAA"=IA"
BI=IA-'
B-A-'
Para probar queA es invertible, basta demostrar queel sistema A x = O slo tiene la
solucin trivial (vase el teorema 1.5.3). Sea x. cualquier solucin de este sistema.
Si ambos miembros de AxO = O se multiplican por la izquierda por B, se obtiene
BAxo = BO o Ixo = O o x. = O . As, el sistema de ecuaciones A x = O slo tiene la
solucin trivial. 5
Ahora ya es posible aadir dos proposicionesms que son equivalentes a las
cuatro dadas enel teorema I . S . 3 .
~
~~
--
Teorema 1.6.4. Si A es una matriz n X n, entonces las siguientes proposiciones

son equivalentes.
a ) A es invertible.
6) A x = O slo tiene la solucin trivial.
c ) La formaescalonada reducida de A es I,,.
d) A es expresable como un producto de matrices elementales.
e ) A x = b es consistente para toda matrizb n X 1.
A x = b tiene exactamente una solucin para toda matrizb n X 1.
1.6 Otros resultados sobre sistemas e invertibilidad

/ 89
Demostracitz. Como en el teorema 1.5.3 se demostrque a), b), c) y d) son

equivalentes, basta demostrar quea * f * e * a.
a * J Este hecho ya se demostr enel teorema 1.6.2.
* e : Esta implicacin es de por s evidente. Si A x = b tiene exactamente una

solucin para toda matriz b de n X 1, entonces Ax = b es consistente para toda
matriz b den X 1.
e * a: Si el sistema A x
particular los sistemas
b es consistente para toda matriz b n x 1, entonces en
son consistentes. Sean x,, 3,. . . , x,, las soluciones de los sistemas respectivos, y
se forma una matriz C n x n que tenga estas soluciones como columnas. As, C es
de la forma
Como se analiz en la seccin 1.3, las columnas sucesivas del producto A C son
A x , , Ax,, . . . , Axn
Asi,
Por el inciso b) del teorema 1.6.3 se concluye que C

invertible. 0
= A-l.
Entonces, A es
Por el trabajo realizado antes se sabe que factores de matrices invertibles

producen un producto invertible. En el siguiente teorema se considera la conversa:
se demuestra que si el producto de matrices cuadradas es invertible, entonces los
factores mismos deben ser invertibles.
90
Teorema 1.6.5. Sean A y B matrices cuadradas del mismo tamao. Si A B es

invertible, entonces A y B tambin deben ser invertibles.
Ms tarde se encontrar que el siguiente problema fundamental aparece en

varios contextos.
Un problema fundamental. Sea A una matriz fija m X n. Encontrar todas las
matrices b m X 1 tales que el sistema de ecuacionesAx = b sea consistente.
Si A es una matriz invertible, el teorema 1.6.2 resuelve por completo este

problema al establecer que para toda matriz b m x 1 el sistema lineal Ax = b tiene
la solucin nica x = A"b. Si A no es cuadrada, o si A es cuadrada pero no
invertible, entonces el teorema 1.6.2 no es vlido. En estos casos la matriz b debe
satisfacer ciertas condiciones a fin de que Ax = b sea consistente. El siguiente
ejemplo ilustra cmo se puede usar la eliminacion gaussiana para determinartales
condiciones.
Ejemplo 3 Qu*condlcionesdeben satisfacer b,, 6, y 6 , para que el sistema de
ecuaciones
xl + .y2 + 2x, = h ,
.xl
3- x3 = b,
2 x , + x2 + 3x, = h,
sea consistente?
Solucin. La matriz aumentada es
que se puede expresar en forma escalonada reducida

como sigue.
1
-1
-1
[(!I
O
1
o
O
2
-1
-1
bl
h,-2h,
hl
-I
-1
1
1
O
1
1
O
Se sum - 1 veces el primer

rengln al segundo y se sum -2
h3-2bl
bl-b2
b2
b3-bZ-bl
veces el primer rengln al tercero.
] T
multiplic por - l .
sum al tercero.
Por el tercer rengln de la matriz, ahora resulta evidente que el sistema tiene una
solucin si y slo si b,, b, y b, satisfacen la condicin
Expresado de otra forma, esta condicin es: A x

una matriz de la forma
=b
es consistente si y slo si b es
donde b , y b, son arbitrarios. A
Ejemplo 4 Qu condiciones deben satisfacer b,, b, y b, para que el sistema de

ecuaciones
sea consistente?
Solucin.
La matriz aumentada es
Al expresar esta matriz en forma escalonada reducida

se obtiene (comprobar)
1
O
O
O
1
0
O
O
1
-40b, + 16b2 + 96,

13b, - 5b2 - 3b3
5b, - 2b2 - b3
En este caso no hay restricciones sobre b b, y 6,; es decir, el sistema Ax = b dado

tiene la solucin nica
X, =
-40b,
+ 16b2 + 963,
X*
13b, - 5bz - 3b3, x3 = 5bl - 2 b l - b3
(3)
para toda b. A
OBSERVACI~N. Debido a que el sistema A x = b del ejemplo anterior es consistente para toda b, entonces por el teorema 1.6.4 se concluye que A es invertible. Se
deja para el lector comprobar que las frmulas en (3) tambin se pueden obtener
calculando x =A"b.
92 1 Sistemas de ecuaciones linealesy matrices

Y
1 al X, resolver el sistemainvirtiendolamatrizdecoeficientes
aplicando el teorema 1.6.2.
1. x,
,Y2 = 2
2. 4x, - 3.x2 = - 3
3. x, + 3x, +.u3 = 4
Sx,+ 6x2 = 9
2x, - 5x2 = 9
21, 2x2 + x3 = - 1
Zx,
3n2 + .Yi = 3
4. 5x, + 3.Y2 + 2.17 = 4
5.
.I + j' + 2 = 5
6.
- 1- - 2.v - 3 - = o
3 s , + 31, -i- ?.\Y3 = 2
.x t j'- 4; = 10
LC
Y + 4j, + 42 = 7
+ .Y2 = S
-4x+j.+
z- o
M' t 3.r
7y + 93 = 4
l b 10s ejerciciosdel
+
+
x
,
l. 3.r, + Sx, = h ,
Y , + 2x2 = h,
N.
- M' -
h,
.I
21 - 4y
"
63 = 0
21: t is, =
2.u, + 5.r, + Sx3 = h,
3x, + 5x, + 8x, = h,
.YI f
lisando las formulas resultantes, encontrar la solucinsi

a ) h , = - - ~ I h, 2 = 3 . h , - 4
h) h , = S ,
h,=O,
/),=O
c) h , = - 1 .
h,= - 1 ,
10. Resolver los tres sistemas del ejercicio9 aplicando elmtodo del ejemplo 2
En los ejercicios del I 1 al 14, usar el mtodo del ejemplo 2 para resolver simultneamente los sistemas en todoslos incisos.
a) h, = I ,
hZ=4
h, = 5
-2,
b) h ,
'X,
13. 4 . ~ ~-,
= h,
.x, 2 s , = h,
a) h , = O, h, = 1
b) h , = -4, h, 6
h, = 3
C) h , = - I ,
d ) h , = -5, h, = I
15. Elmtododelejemplo
2 se puede usar pararesolversistemaslineales

quetienen
infinidad de soluciones. Usandoese mtodo, resolver al mismo tiempo los sistemas de
ambos incisos.
a)
x , - Zx, +
.xi = - 2
+ -Ti =
3x, - ?x, + 2.Y, =
2x, - sx,
1
-1
b) xi - 2x,
=
2x, - 5x2
x; =
3xi - 7,r2 + 2x7 =
1
1
h,=3

En los ejercicios del 16 al 19, encontrar condiciones que deben satisfacer las b para que el
sistema sea consistente.
16. 6 ~-, 4x2 = h,
3x, - 2x2 = h,
X, -
18.
-4x,
- 4x,
2~2-
S,
+ 5x2 + 2x3
+ 7x2 + 4x3 = h,
b2
20. Considerar las matrices
a) Demostrar que la ecuacin A x = x se puede volver a escribir como ( A

usar este resultado para resolverAx = x para x.
b) Resolver A x = 4x.
- I)x
=Oy
21. Resolver la siguiente ecuacin matricial paraX .
22. En cada inciso, determinar si el sistema homogneo tiene una solucin no

usar lpiz y papel); luego, establecer si la matrizdada es invertible.
a)
2x, + x2 - 3x, + x4 = O
2
1 -3
5x2 + 4x, + 3x4 = o
o
5
4
3
trivial (sin
'1
b)
5x, +x,
+ 4x3 +
x4 = O
2x, -- x4 = o
x, + x4 = o
7x4 = o
23. Sea Ax = O un sistema homogneo de n ecuaciones lineales en n incgmtas que slo

tiene la solucin tnvial. Demostrar que si k es cualquier entero positivo, entonces el
sistema Akx = O tambin tiene slo lasolucin trivial.
24. Sean A x = O un sistema homogneo de n ecuaciones lineales con n incgnitas y Q una
matriz invertible n x n. Demostrar que Ax = O tiene slo la solucin trivial si y slo si
(QA)x = O slo tiene la solucin tnvial.
25. Sea Ax = b cualquier sistema de ecuaciones lineales consistente, y sea x, una solucin
fija. Demostrar que toda solucin del sistema
se puede escribir en la formax = x1 + xo,
donde x. es una solucin de Ax = O. Tambin demostrar que toda matriz de estaforma
es una solucin.
26. Usar el incisoa) del teorema 1.6.3 para demostrar el incisob )
94
,'
Sistemas de ecuaciones Einealesy matrices
I.7 MATRICES DIAGONALES,TRIANGULARESY SIMTRICAS

En estaseccin se considerarn ciertas clases de matrices
quetienen formas
especiales. Las matrices que se estudiarn en esta seccin se encuentran entre las
ms importantes del lgebra lineal y se presentan en muchas situaciones a lo
largo de este texto.
MATRICES
DUGONALES
Una matrizcuadradaen la que todos los elementos fuera deladiagonal

son cero se denomina matriz diagonal; algunos ejemplos son
-m
Una matriz diagonal generalD n
0
X
D = [ do,
0 - 4
n se puede escribir como
O
d2
-I
1 0 0
principal
...
...
Una matriz diagonal es invertible si y slo si todos los elementos en su diagonal

principal son diferentes de cero; en este caso la inversa de (1) es
El lector debe comprobar queDD- I = D"D = I.

Las potencias de las matrices diagonalesson fciles de calcular; se deja para
el lector comprobar que si D es la matriz diagonal (1) y k es un entero positivo,
entonces
1.7 Matrices diagonales, triangulares y simtricas / 95
Ejemplo 1 Si
A=[:
-9 3
entonces
Los productos de matrices en que aparecen

cialmente fciles de calcular. Por ejemplo,
[ Odl
d2
O O
o o
d3
][": :: 1:; "::]
factores lagonales sonespe-
'31
u32
'33
u34
dl'13
dlall
= [.a2]
d3a31
d2a22
d2a23
d2a24
d3a32
d3a33
d3'34
En palabras, paramultiplicarunamatriz
A por laizquierda por unamatriz
diagonal D, es posible multiplicar renglones sucesivos de
A por los elementos
diagonales sucesivos de D, y para multiplicar A por la derecha por D es posible
multiplicar columnas sucesivas de
A por los elementos diagonales sucesivosde D.
MATRICES
TRIANGULARES
Una matrizcuadradaen la que todoslos elementosarribadeladiagonal

principal
son cero se denomina triangular inferior, y una matriz cuadrada en la que todos
los elementosabajodeladiagonal
principal son cero se denomina triangular
superior. Una matriz que es triangular superior o triangular inferior se denomina
triangular.
Ejemplo 2
Una matriz triangularsuperior

ge-
gular inferior gene-
96
Ntese quea
ls matricesdiagonales son tanto triangulares superiores como triangulares inferiores, ya que tienen ceros por abajo y por arriba de la
diagonal principal. Ntese tambin que una matrizcuadrada en forma escalonada
es triangular superior porque tiene ceros por abajo de la diagonal principal.
A continuacinseproporcionan
cuatro caracterizaciones tiles de las
matrices triangulares. El lector encontrar instructivo comprobar que las matrices
en el ejemplo 2 tienen las propiedades establecidas.
OBSERVACI~N.
Una matriz cuadrada A = [aij]es triangular superior si y slo si el i-simo

rengln empieza con por lo menos i - 1 ceros.
Una matriz cuadrada A = [aij] es triangular inferior si y slo si la j-sima
columna empieza con por lo menos j - 1 ceros.
Una matriz cuadrada A = [aij] es triangular superior si y slo si [aijJ = O
para i > j.
Una matriz cuadrada A = [aij] es triangular inferior si y slo si [aij] = O
para i j.
En el siguiente teorema se enumeran algunas de las propiedades bsicas de
las matrices triangulares.
Teorema 1.7.1.
a ) La transpuesta de una matriz triangular inferior es triangular superior, y
la transpuesta de una matriz triangular superiores triangular inferior.
b) El producto de matrices triangulares inferiores es triangular inferior, y el
producto de matrices triangulares superioreses triangular superior.
e> Una matriz triangular es invertible si y slo si todos sus elementos diagonales son diferentesde cero.
d) La inversa de una matriz triangular inferior invertible es triangular inferior, J J la inversa de una matriz triangular superior invertiblees triangular
superior.
El inciso a) es evidente a partir del hecho de que la trasposicin de una matriz
se puede efectuar reflejando los elementos con respecto a la diagonal principal; se
omite la demostracinformal. Se demostrar b), pero las demostraciones de c) y 6)
se pospondrn para el siguiente captulo, donde se contar con los medios para
probar los resultados de manera m s eficaz.
Demostracin de b). Se demostrar el resultado para matrices triangulares inferiores; la demostracin para matricestriangulares superiores es semejante. SeanA
= lav] y B = [b - .] matrices triangulares inferiores n x n, y sea C = [c..] el
J
IJ
producto C = AB. Por la observacin que precede a este teorema, se puede probar
que C es triangular inferior demostrandoque [c..]= O para i < j . Pero por la
1J
definicin de multiplicacin de matrices,
1.7Matrices diagonales, triangulares y simtricas / 97
s i se supone que i <j , entonces los trminos de esta expresin se pueden agrupar
como sigue:
cij = ailbl, + aj2b, + . . . +'ai,- ,bi_

<
, + ajjbj,+ . . . + ainbn,,
Trminos en los cuales el

nmero de rengln de b es
menor que el nmero de
columna de 6.
Trminos en los cuales el

'nmero de rengln de a es
menor que el nmero de
columna de a.
En el primer agrupamiento, todos los factores 6 son cero, ya que B es triangular

inferior, y en el segundo agrupamiento todos los factores a son cero, ya que A es
triangular inferior. As, cij = O, que es lo que se queda demostrar. 0
Ejemplo 3 Considerar las matrices triangulares superiores
A=[:
11
B=
-3
-2
"1
1
L a matriz A es invertible, ya que sus elementos diagonales sondiferentes de cero,

pero la matriz B no lo es. Se deja para el lector calcular la inversa deA aplicando
el mtodo de la seccin 1.5 y demostrar que
Esta inversa es triangular superior, como garantiza el inciso d) del teorema 1.7.l .
Tambin se deja para el lector comprobar queel productoAB es
-2
AB=[:
:]
-2
Este productoes triangular superior,como garantiza el inciso 6) del teorema 1.7. l . A

MATRICES
SIMTRICAS
Unamatrizcuadrada
A es simtrica si A
= A T.
Ejemplo 4 Las siguientes matrices son simtricas, ya que cada una es igual a su
propia transpuesta (comprobar).
[-:-:I
-*4
-5
-3
O
:]
7
O
O
O
4
O
O
O
O
4
O
:]*
O
98
Sistemas de ecuaciones Iineales y matrices
Es fcil reconocer las matrices simtricas por inspeccin: Los elementos de la

&agonal principal pueden ser cualesquiera,
peroa
s
l imgenes especulares delos otros
elementos de la matriz con respecto
a la diagonal principal deben ser
iguales (figura1).
Este hecho se concluye porque la transposicin de una matriz cuadrada se puede

efectuar al intercambiar los elementos que son simtricos con respecto a la diagonal principal. Expresado en trminos de los elementos individuales, una matriz
A = [a.]es simtrica si y slo si [a.]= [u..]para todos los valores de i y j . Como
Y
Y
J .
se ilustra en el ejemplo 4, todas las matrices dlagonalesson simtricas.
En el siguiente teorema se enumeran las propiedades algebraicas ms importantes de las matrices simtricas. Las demostraciones son consecuenciasdirectas del teorema I .4.9 y se dejan como ejercicios.
Teorema 1.7.2. Si ,4 y B son matrices simtricas del mismo tamao y si k es

cualquier escalar, entonces:
a ) A es simtrica.
h ) A f B Y A - B son simtricas.
c ) kA essimktrica.
OBSERVACI~N. En general, no es cierto que el producto de matrices simtricas es
simtrico. Para ver esto, sean A y B matrices simtricas del mismo tamao. Entonces por el inciso 4, del teorema 1.4.9 y por la simetra se tiene
AB)^= B ~ A B~A =
Como A B y BA suelen ser diferentes, se concluye que en trminos generalesA B no
es simtrico. Sin embargo, en el caso especial en que A B = BA, el producto AB es
simtrico. Si A y B son matrices tales que A B = BA, entonces se dice que A y B
conmutan. En resumen: el producto de dos matrices simtricas es simtrico si y
slo si las mafrices conmutun.
Ejemplo 5 En la primera de las siguientes ecuaciones se muestra un producto
de matrices simtricas que no es simtrico, y en la segunda se observa un producto de matrices simtricas que s es sinltrico. Se concluye que los factores de la
primera ecuacin no conmutan, pero que los de la segunda s lo hacen. Se deja
para el lector comprobar ambos hechos.
[::I[ -;;]=[I: :I
l .7 Matrices diagonales, triangulares y simtricas
99
En general, una matriz simtrica no necesariamente es invertible; por ejemplo, una matriz cuadradacero es simtrica, pero no invertible. Sin embargo, si una
matriz simtrica es invertible, entonces suinversa tambin es simtrica.
Teorema 1.1.3. Si A es una matriz simtrica invertible, entonces A"
trica.
es sim-
Demostracin. Suponer que A es simtrica e invertible. Por el teorema 1.4.10 y

el hecho de que A = A T , se tiene
lo que demuestra queA"

MATRICES DE
LA FORMA A A T
YA ~ A
es simtrica.
Los productos matriciales de la forma A A T y ATA se presentan en varias aplicaciones. Si A es una matriz m x n, entonces AT es una matriz n X m, de modo
que los dos productos A A T y ATA son matrices cuadradas; la matriz A A T es de
tamao m x m y la matriz ATA es de tamao n x n. Estos productos siempre son
simtricos porque
Ejemplo 6 Sea A la matriz 2 x 3
Entonces
Observar queATA y A A T son simtricas, como era de esperarse. A
Ms tarde en este texto se obtendrn condiciones generales para A bajo las

cuales A A T y ATA son invertibles. Sin embargo, para el caso especial en que A es
cuadrada, se tiene el siguiente resultado.
Teorema 1.7.4. Si A es una matriz invertible, entoncesAA y A TA tambin son

invertibles.
EJERCICIOS DE LA S E G C I ~ N1.7
2. Calcular el producto por inspeccin

-1
2
I
J. i,Cuiiles de las siguientes matrices son simtricas'?
5. Por lnspccctn, determinar
SI
la matriz triangular dada es invertible
6. 1:ncontrar todos los valores de a, b y
para los cuales A es simtrica
7. Encontrar todos los valores de a, b y c para los cuales A y B , ambas, no son invertibles.
8. Aplicar la ecuacin dada para determinar por inspeccin si las matrices de la izquierda
conmutar.
1.7 Matrices diagonales, triangulares y simtricas

9. Demostrar que A y B conmutan si a
- d = 7b
10. Encontrar una matriz diagonalA

. que cumpla
[i -A -:]
o
a) A5 =
b) A
' =[o
o]
o o
11. a) Factorizar A en la forma A = BD, donde D es una matriz diagonal
b) La factorizacin efectuada, Les la nica posible? Explicar la respuesta
12. Comprobar el teorema 1.7.1b para el producto AB, donde
[-i 31,
2
A=
-8
;]
13. Comprobar el teorema 1.7: 14para las matricesAy B del ejercicio 12
14. Comprobar el teorema 1.7.3 para la matriz dadaA .
15. Sea A una matriz simtnca.
a) Demostrar que A' es simtnca.

h) lkmostrar que 2 A 2 - 3A + I es simtrica
16. Sea A una matriz simtrica.
a) Demostrar queAk es simtrica si k es cualquier entero no negativo.

b) Si p(x) es un polinomio, Les necesariamente simtricop(A)? Explicar la respuesta
17. Sea '4 una matriz triangular superior y sea p ( x ) un polinomio @(A) es necesariamente
triangular superior? Explicar la respuesta.
18. Demostrar: Si ATA = A , entonces A es simtrica y A = A2
19. ;,Cul es el nmero mximo de elementos distintos que puede contener

simktrica de n X n?
unamatriz
10 1
I02
21. Conbaseenlaexperienciaadquiridaenelejercicio
gencral que se pueda aplicar a
simtrica.
una frmula para
a
i/
20, instrumentarunaprueba
a fin de determinar si A = u es
il
22. Una matriz cuadradaA se denomina untkimdtrica si ,4T = -A. Demostrar lo siguiente:
a) Si A es una matriz antisimtrica invertible,entor-ces A" es antisimtrica.
b] Si A y 4 son antisimtricas, entonces tambin lo son n T , A + B, A -+ B y kA para
cualquier escalar k.
c) roda matriz cuadrada se puede expresar como la suma de una matriz simtrica y
una matriz antisimtnca.
23. En el texto se demostr que el producto de matrices simtricas es simtrico si y slo s i

lasmatricesconmutan.
El producto dematricesantisimtricasqueconmutan,
i es
antisimtrico'? Explicarla respuesta.
24. Si la matriz A IZ X n se puede expresar como A = LU, donde L es una matriz triangulm
inferior y li es una matriz triangular superior, entonces el sistema lineal Ax = b se
puede expresar comoLUX = b y se puede resolver en dos pasos:
Paso 1. Sea (:x = y, de modo que I,Cix = h se puede expresar como L y = b. Resolver
este slstc~na
Paso 2. Resolver el sistema U x = y para x.
En cada inciso, aplicar el mtodo anterior de dos pasos para resolver el sistema dado
1 0 0 2 - 1
2
EJERCICIOS COMPLEMENTARIOS 1.7
1. IJsar eliminacin de Gauss-Jordan para resolver parax' yy' en trminos dex y y

x = $y- &'
y = Qx' + g y t
2. lisar climinacin de Gauss-Jordan para resolver parax' y y' en trminos de n y y .
3. Encontrar un sistema lineal homogneo con dos ecuaciones que no sean mltiples entre
s y tales que
1.7 Matrices diagonales, triangulares y simtricas I 103
x,= 1, x2 = - 1,
xj = 1,
xq
=2
Y
x2 = o,
x, = 2,
x j = 3,
x4 = - 1
sean soluciones del sistema.

4. Una caja contiene en total 13 monedas distintas de 1, 5 y 10 centavos, cuyo valor total
es de 83 centavos. Cuntas monedas de cada denominacin hay en la caja?

5. Encontrar enteros positivos que cumplan
x+ y+
z= 9
x+5y+ 10z=44
6. Para qu valor(es) de a el siguiente sistema no tiene solucin, tiene exactamente una

solucin y tiene una infinidad de soluciones?
x,
+ x2 + xj = 4
xj = 2
(a2
- 4)x,
=a-2
7. Sea
la matriz aumentada de un sistema lineal. Para qu

valores de a y b el sistema
nica?
b) tiene
una
solucin
de
un parmetro?
a) tiene una solucin
c) tiene una solucin de dos parmetros? d)
no tiene solucin?
8. Resolver para x, y y z.
+ 3zy = 8
2*y 3 g y + 2zy = 7
-xy + fi + 2zy = 4
XY -
2$
9. Encontrar una matrizK tal que AKB = C dado que
10. Cmo se debe elegir los coeficientes a, b y
y],
ax+3y-cz=
8
6
-4
de modo que el sistema
a x + b L 3 z = -3
x-by+cz=
C=[
-1
-3
tengalasolucinx= l , y = --I y z = 2 ?
11. En cada inciso, resolver la ecuacin matncialparaX
6
-1
-6.
1
o.
104 i Sistemas de ecuaciones lineales4vmatrices
12.
a) Expresar las ecuaciones

YI =
y 2
y3
=
=
x1 - x,
3x,
x3
x* - 4x,
-2.w, - 2x2
21
+ 3x,
4Y, -
z* = - 3,v,
."2
+Y3
+ 5y: - y,
en las formas matriciales Y = Ry Y Z = BY. Luego, usar estas formas

obtener una
relacin directaZ = CX entre Z y X.
b) Usar la ecuacin Z = CX obtenida en el inciso a) para expresarz1 y zz en trminos
dex1,x2yx3.
c) Comprobar el resultado del inciso b) sustituyendo directamente las ecuaciones para
y,, y 2 yy3 en las ecuaciones parazI y z2 y luego simplificando.
13.
Si A es m X n y B es n X p , cuntasoperacionesdemultiplicacin
y cuintas
operaciones de adicin son necesarias para calcular el producto matricial
AB?
14. Sea A una matriz cuadrada.
a) Demostrar que (I - A ) - . ' = I +- A + A'

A3 si A4 = O.
b)Demostrarque(/-A)"=l+A1-A2+~~~+A"siA"+'=U.
15.
Encontrar valores de u, b y c de niodo que la ghfica del polinOmio p(x) = t

d t bx + z
pase por los puntos ( I , 2), (- 1,6) y (2,3).
16. (Para lectofes qaeya estudiaron Cdculo.) Encontrar vaIores de a, b y c de modo que
la grfica del polinomio p(x) = a? + bx +.c pase por el punto (- 1, O> y tenga una
tangente horizontal en (2, -9).

17. Sea J, la matriz n X n integrada completamente por elementos iguales 1. Demostrar
que
18.
Demostrarquesiunamatrizcuadrada
tambin AT cumple esta ecuacin.
19.
Demostrar: Si B es invertible, entoncesAB"
A satisface A3
= B"A
+ 4A2 -
71,
entonces
si y slo si AB = E4
20. Demostrar: Si A es invertible, entonces ambas A + B e I + BA"

ambas no son invertibles.
21.
2A
son lnvertibles o
Demostrar que si A y B son matrices n x n, entonces

a) tr(A
+ B ) = tr(A) + tr(B)
22. usar el ejercicio2 1 para

AB - B A = I .
b) tr(kA) = k tr(A)
c ) tr(A ') = tr(A)
d) tr(AB) = tr(BA)
demostrar que no existen matrices cuadradas

A y B tales que
dx
I . 7 Matrices diagonales, triangulares y simtricas

23. Demostrar: Si A es una matriz m
X n y B es la matriz n
por elementos iguales a Un, entonces
1 integrada completamente
donde 7,es la media de los elementos en eli-simo rengln deA .
son funciones diferenciables de

x, entonces se define
Demostrarquesi
los elementosde A y B sonfuncionesdiferenciablesde
y los
tattlaiim de a
ls matrices rim tales-fpe.es posible ejecutar 1% peraciones indi&las,
entonces
a)
d
dA
(kA) = k dx
(b)
- (A
dA
B ) = -+
dB
1
(c) -(AB)
dx
dx
dx
25. (Para kcfores que ya estudiaron CcflcurO.) Usar elincisoc)delejercicio

demostrar que
+ A-dB
24
para
Escribir todas las hiptesis establecidas para obtener esta frmula.

26. Encontrar los valores deA , B y C que hacen la ecuacin
x2+x-2
(3x - l)(XZ
+ 1)
+-Bx*x++ C1
"
3x
una identidad. [Sugerencia Multiplicar todo por (3x - 1)(2 + 1) e igualar los coeficientes correspondientes de los polinomios en cada miembro de la ecuacin resultante].
27. Si P es una matriz n X 1 tal que PTP = 1, entonces H = I
- 2PPT se denomina matriz

de Householdet correspondiente(enhonordelmatemticoestadunidense
A. S.
Householder).
a) Comprobarque PTP = 1si PT = 3/4 1/61/4 5/12 5/12 y calcularlamatrizde
Householder correspondiente.
I'
105
106 / Sistemas de ecuaciones linealesy matrices

b) Demostrar quesi H es cualquier matriz de Householder, entonces H = HT y HTH = I.
c) Demostrar que la matriz de Householder determinada en el inciso a) satisface las
condiciones demostradas en el inciso b).
28. Suponiendo que las inversas indicadas existen, demostrar las siguientes igualdades.
29. a) Demostrar que si a # b , entonces
b) Usar el resultado del incisoa) para encontrar
[Nota Este ejercicio se basa en un problema de John M. Johnson, The Mathematics

Teacher, Vol. 85, No. 9, 1992.1
CAPITULO
DETEMINANTES
2.1
LA FUNCIN DETERMINANTE
El lector est familiarizado con funciones como Ax) = sen x y Ax) = x2, que
asocian un nmero real A x ) aun valor realdelavariable
x. Como x y Ax)
aLwmenslo valoresreales, tales funciones se describencomo 'yunciones con
valores reales de una variable real". En esta seccin se estudiar la funcin
determinante, que es una "$uncin con valores reales de una variable matricial"
en el sentido de que asocia un nmero real f o con una matriz X . El trabajo que
se efectuar sobre funciones determinantes tendr importantes aplicaciones en la
teora de sistemas de ecuaciones lineales
y tambin conducir a una ,frmula
explcita para calcular la inversade una matriz invertible.
De acuerdo con el teorema 1.4.5. la matriz
es invertible si ad - bc f O. La expresin ad - bc aparece con tanta frecuencia

en matemticas que tiene un nombre; se llama determinante de la matriz A 2 X 2,
y se denota por el smbolo det(A). Con esta notacin, la inversa de A se puede
expresar como
I07
108
Determinantes
Uno de los objetivos de este captulo es obtener frmulas d o g a s para matrices de

orden superior. Esto requerir que se ample elconcepto de determinante a
matricesdeorden
superior. Para este fin sernnecesarios algunos resultados
preliminares sobre pennutaciones.
PERMUTACIONES
Definicin. Una permutucidtz del conjunto de enteros { I , 2, . . . , n} es un

arreglo de stos en algn ordensin omisiones ni repeticiones.
Ejemplo 1 Existen seis permutaciones diferentes del conjunto de enteros

que son
{ 1, 2, 3},
Un mtodo conveniente para enumerar sistemticamente las permutaciones

es por medio de un rho1 de permufacianes.Este mtodo se ilustra en el siguiente
ejemplo.
. .
Ejemplo 2 Enumerar todas las permutaciones del conjunto deenteros { 1, 2, 3, 4).

"%jludbut, Considerar la figura l . Los cuatro puntos identlficados p z 1,-2, 3 , 4 en
la parte stlperior de la figwa feptesentliil -las elecciones posibles p a a el primer
nmero de la permutacidn. Las tres r a m a que salen de cada uno de estos puntos
representan las posibilidades para elegir la segunda posicibn en la permutacin.
Entonces, si la permutacin empieza como (2, -, -, -), las tres posibilidades
para la segunda posicin son 1, 3 y 4. Las dos ramas que salen de cada punto enla
segunda posicin representan las elecciones posibles para la tercera posicin. As,
si la permutacin empieza como (2, 3, -, -), las dos elecciones posibles para la
tercera posicin son 1 y 4. Por ltimo, la rama que sale de cada punto en la tercera
posicin representa la nica eleccin posible para la cuarta posicin. Entonces, si
la permutacinparalacuarta
posicin empieza como (2, 3, 4, -), la nica
eleccin para la cuarta posicines 1. Ahora es posible enumerar las distintas
permutacionessiguiendo todas las trayectorias posiblesa lo largo del "rbol".
desde la primera posicin hasta la ltima. Por medio de este proceso se obtiene la
siguiente lista.
2.1 L a funcirin determinante / 109
Apartirde
este ejemplo se observa que existen 24 permutaciones del
conjunto { 1, 2, 3, 4). Si se hubiera razonado como sigue, este resultado hubiera
podido anticiparse sin necesidad de enumerar realmente las pcrmutaciones. Como
l a primera posicin puede ocuparse de cuatro formas y luego la segunda posicin
las dos primeras
puede ocuparse de tres formas, hay 4.3 formasparaocupar
posiciones. Como la tercera posicin se puedeocupar entonces en dos formas,
existen 4 3 2 formas para ocupar las tres primeras posiciones. Finalmente, como
la ltima posicin se puede ocupar de una sola forma, existen 4 . 3 . 2 . 1 = 24
formas de ocupar las cuatro posiciones. En general, el conjunto { 1, 2, . . . , n }
tiene n(n - l ) ( n - 2). . . 2 . 1 = n! permutaciones diferentes.
I
Para denotar una permutacin general del conjunto (1, 2, . . . , n}, se escribir
j 2 , . . . , jn). Aqu, j , es el primer entero en la permutacin, j , es el
segundo, y as sucesivamente. Se &ce que en una permutacin
j 2 , . . . , j,)
ocurreuna inversin siemprequeun entero mayor precedea uno menor. El
nmero total de inversiones queocurrenenunapermutacin
puedeobtenerse
como sigue: (1) encontrar el nmero deenteros que son menoresquejl y que estn
despusde j , enlapermutacin; (2) encontrar el nmerode enteros queson
menoresque j z y que estn despus de j , en la permutacin.Continuar este
proceso de conteoparaj,, . . . ,jn-,. La suma de estos nmeros es el nmero total
de inversiones que hay en la permutacin.
u,,
Ejemplo 3 Determinar el nmerode

permutaciones:
a) ( 6 , 1, 3, 4, 5, 2)
ol,
inversiones que hay en a

ls siguientes
b)(2,4, 1, 3)
c) (1,Z 3 , 4 )
Solucidn.
a) El nmero de inversiones es 5 + O + 1 + 1 + 1 = 8.
b) El nmero deinversiones es 1 + 2 + O = 3.
c) En esta permutacin no hay inversiones. A
Definicin. Se dice queunapermutacines

par si el nmero total de
inversiones es un entero par, y es impar si el nmero total de inversiones es un
entero impar.
II O
Determinantes
Ejemplo 4 En la tabla siguiente, cada una de las permutaciones de { 1, 2. 3) se

clasifica como par o impar.
DEFINICIN DE
DETERMINANTE
Por producto elemental de una matriz A n X n se entiende cualquier producto de

n elementos de A , de los cuales ningn p a de elementosproviene delmismo
rengln o de la m i m a columna.
Ejemplo 5 Enumerar los productos elementales de las matrices
a)
a22
a31
032
a33
Solucin de a). Como cada producto elemental tiene dos factores y cada factor
proviene de un rengln diferente, entonces unproducto elemental se puede escribir
en la forma
donde los espacios en blanco indican nmeros de columna. Como ninguna pareja
de factores en el producto proviene de la misma columna, entonceslos nmeros de
columna deben ser 1 2o 2 . As. los nicos productos elementales son al ,a22 y
a12a21.
Solucin de 6). Como cada producto elemental tiene tres factores, cada unode
10s cuales proviene de un rengln diferente, entonces unproducto elemental se
puede escribir en la forma
Como ninguna pareja de factores en el producto proviene de la misma columna.

entonces los niuneros de columna no tienen repeticiones; en consecuencia, deben
formar una permutacin del conjunto { 1, 2, 3). Estas 3 ! = 6 permutaciones producen la siguiente lista de productos elementales.
2.1 La funcin determinante / 1I I
Como indica este ejemplo, unamatriz A de n X n tiene n! productos

j 2 , . . ,j,)
elementales. Son los productos de la forma aljla2 . . . a n y , donde
es una permutacindel conjunto { 1, 2, 3, . . . , n{ Por un producto elemental con
signo de A se entender un producto elemental aljlazj2 . un? multiplicado por
+1 o por - 1. Si GI,j 2 , . . . ,Jn) es una permutacin par se usa el signo +, y si (jl,
j2,. . . ,j,) es una permutacin impar, se usael signo - .
olT
'
'
Ejemplo 6 Enumerar todos los productos elementales con signo de

las matrices
a)
['I'
b)
"I2]
aa2212
413
a12
a22
431
432
u33
Solucin.
a)
Producto
elementalPermutacin Producto
elemental
asociada
Par
4 ,la22
012421
o impar
signo
con
(L2)
(2, 1)
par
impar
a 1la22
-a12421
h)
Ahora ya es posible definir la ncin determinante.
Definicin. Sea A una matriz cuadrada. La funcin determinante se denota

por det, y det(A) se define como la suma delos productos elementales con signo
de A . El nmerodet(A) se denomina determinante deA .
112
Determinantes
EVALUACIN DE
DETERMtNAN-
Ejemplo 7 Con referencia al ejemplo 6. se obtiene
Para no tener que memorizar estas expresiones dificiles de manejar, se sugiere usar tcnicas mnemnicas que se describen en la figura 2. La primera fbrmula del ejemplo 7 se obtiene de la figura 2a al multiplicar los elementos de
la flecha hacia la derecha y restar el producto de los elementos de la flecha hacia
la izquierda. La segunda frmuladel ejemplo 7 se obtiene escribiendo de nuevo las
columnas primera y segunda como se muestra en la figura 26. Luego, el detenninante se calcula sumando los productos de las flechas hacia la derecha y restando
del resultado la suma de los productos de las flechas hacia la izquierda.
Figura 2
a)
h)
Ejemplo 8 Evaluar los determinantes de
Solucin, Con el mtodo de la figura 2a se obtiene
det(A) = (3)( -2)
- (1)(4) = - 10
El mktodo de lafigura 26 produce

det(B) = (45) + (84)
+ (96) - (105) - ( - 48) - ( - 72) = 240
A
Advertencia. Se recalca que los mtodos que se muestran en la figura 2 no funcionan para determinantes de matrices 4 X 4 o superiores.
2.1 La funcin determinante / I 1 3
La evaluacin directa de determinantes a partir de la definicin conduce a

dificultades de cmputo. En efecto, la evaluacindirecta de un determinante 4 X 4
podra incluira el clculo de 4!= 24 productos elementales consigno, y un determinante 10 X 10 incluira el clculo de lo! = 3 628 800 productos elementales
con signo. Aplicando este mtodo, inclusive la computadora digital ms rpida es
incapaz de manejar en una cantidad razonable de
tiempo el clculo de un determinante 25 X 25. Por consiguiente, gran parte del resto del capitulo se dedica al
desarrollo de propiedades de determinantes, que
simplficarn la evaluacin destos.
COMENTARIOS
Esta seccinconcluye conalgunoscomentariossobre
la terminologa y la notaSOBRE LA
cin. Primero, se observa que el smbolo A es otra notacinpara det(A). Por ejemNOTACIN Y LA plo, el determinante de una matriz de 3 X 3 se puede escribir como
TERMTNOLOGA
'13
all
a12
u13
a21
a22
a23
'31
'32
u33
Con la ultima notacin, el determinante de la matrizA del ejemplo 8 se escribira

como
En trminos concretos,el determinantedeunamatriz

es un
nmero. Sin embargo, se acostumbra llabusarllligeramente de la terminologa y
usar el trmino "determinante" para referirse a la matriz cuyo determinante est
siendo calculado. As,
OBSERVACI~N.
se podra idenlficar como un determinante 2 x 2 y denominar 3 al elemento que

est en primer renglny en la primera columnadel determinante.
Por ltimo, se observa que el determinante de A a menudo se escribe simblicamente como
I
donde
ol,
indica que los trminos deben sumarse sobre todas las permutaciones
- se eligen en cada trminosegn s i la permutacin es
par o impar. Esta notacin es til cuando es necesario recalcar la definicin de un
determinante.
j 2 , . . . , J n ) y los signos + o

I . Ihcontrar el nmero de inversiones que hay en cada una de las siguientes permuta-
clones de 1.2. 3 , 3 , 5
a) ( 4 1 3 5 2 ) . b ) ( 5 7 4 2 l ) . c ) ( ~ 2 5 4 l ) . d ) ( 5 4 3 2 l ) . e ) ( l 2 3 4 5 ) . f ) ( l 4 2 3 5 ) .
2. Clasilicar cada una de las pennutaciones del ejercicio I como par o impar
E11 los
ejcruclos del 3 al 12, evaluar el deteminante.
-2
-1
13. 1:ncontrar todos los valorcs de ipara los cuales dct(A) = O.
14. Clasificar cada una de las permutaciones de { 1,2, 3 , 4 } como par O impar.
16. lJsar la formula obtenida en el ejercicio 15 para evaluar
4 - 9
9
2
5
6
1
2 -5
I
-2
o
2
4
-3
-2
17. llsar la definicin de deteminante para evaluar
a ) O
0
5
o
o
0
0 - 3
0 - 4
o
0 - 1
O
0
2
0
0
0
0
0
0
0
18. Resolver para x.
0 - 4
O
0
0
0 - 2
3
0
O
1
O
0
b)O
3 x-5
19. Demostrar que el valor del determinante
2.2 Evaluacin de determinantes por reduccin de renglones / 11 S

no depende de O
20. Demostrar que si una matriz cuadrada A tiene un rengln o una columna de ceros,
entonces det(A) = O.
21. Demostrar que las matrices
conmutan si y slo si
2.2 EVALUACI~NDE DETERMINANTES POR REDUCCI~NDE RENGLONES

En esta seccin se mostrar que el determinante de una matriz se puede evaluar
expresando sise
reducelamatriza
la forma escalonada.Estemtodoes
importante, ya que evita los extensos clculos que se presentan cuando se usa la
dejnicin de determinante.
UN TEOREMA
BSICO
Se empezar con unteoremafundamental sobre determinantes.
Teorema 2.2.1. Sea A una matriz cuadrada.

a ) Si A tiene un rengln de ceros o una columna de ceros, entonces det@)= O.
6) det(A) = det(AT).
Demostracin de a). Como todo producto elemental con signode A tiene un
factor decadarengln y un factor de cadacolumna,entonces todoproducto
elemental con signo tiene necesariamente un factor de un rengln cero o de una
columna cero. En estos casos, todo producto elemental con signoes cero, y det(A),
que es la suma de los productos elementales con signo, es cero. 0
Se omite la demostracin del inciso b), pero se recuerda que un producto
elemental tiene un factor de cada rengln y un factor de cada columna, de modo
que es evidente que A y AT tienen exactamente el mismo conjunto de productos
elementales. Mediantealgunosteoremas
sobre permutaciones, cuyo anlisis
llevaria demasiado lejos, se puede demostrar que ,n realidad A y AT tienen el
mismo conjunto de productos elementales con signo. Esto significa que det(A) =
det(AT).
OBSERVACI~N. Debido al teorema 2.2.lb, casi
todos
los teoremas sobre
determinantes que contienen la palabra "rengln" en su enunciacin tambin son
verdaderos cuando e11 VCY de "rengln" se escribe la palabra "columna". Para

demostrar una proposiciorl sobre columnas, basta transponer la matriz en cuestin
para convertir la proposicibn sobre columnas en una proposicin sobre renglones,
y luego aplicar los resultados conocidos sobre renglones.
DETERMINANTES F1 sigtnicnte teorema facilita la evaluacin del determinante de una matriz trianDE MATRICES
gular, sin imporlar su tamaito.
TRIANGULARES
Teorema 2.2.2. S i -4 es una matriz triangnlar w X n (triangularsuperior,
triangular inj>rior o diagonalj, pnronces dei(,4) es el producto de los elenlentos
de in diagonal principal; es decir, det(;.l) a , ,a7, . . a,,,,.
A fin de facilitar la notacin. se demostrar el resultado para una matriz
triangular inferior 4 X 4
El razonamiento en el caso general n X n es semejante. Para matrices triangulares

superiores se puede obtener una demostracin aplicando el teorema 2.2.lh y
observando quela transpuesta de una matriz triangular superior es una matriz
triangular inferior con los mismos elementos en la diagonal.
Dctmstrclc~rcirldel k m m a 2.2.2 (C'nso de una matriz lrianguiar injerior de 4 X
4).
El nico producto elemental de A que puede s a diferente de cero es a l la22a33a44.
Para ver que as cs. considerar un producto elemental representativo ~ ~ , , a ~ , ~ n ~ ,
Corno a , ? = o I 3 - a14= O
. se debe tenerjl = 1 a fin de tener un productoelemental
diferente de cero. Si ,jl = 1. se debe cumplir que j , = 1, y-que ninguna pareja de
factores comunes prmienc de a
l misma columna. Adems, como
= a = O. se
24
debe tener], = 2 a fin de que el producto elementalsea d&rente de cero. Proslguicndo
de esta manera se obtienejB= 3 y j , = 3. Como n1lc122a33a44
se multiplica por +I
al formar el producto elemental con signo. se obtiene
Ejemplo 1
EFECTO DE LAS
OPERACIONES
2
7 - 3
0 - 3
7
O
O
6
8
5
7
O
0
3
1
6
= (2)( -3)(6)(9)(4)
= - 1296 A
El siguiente teorema muestra cmo una operacin elemental en los renglones de

una matriz afecta el valor de su determinante.
2.2 Evaluacin de determinantes por reduccin de renglones / 1 1 7

~
ELEMENTALES
EN LOS
RENGLONES
SOBRE UN
DETERMINANTE
Teorema 2.2.3. Sea A una matriz n
n.
a ) SI B es la matriz que se obtiene cuando un solo rengldn o una sola

columna de A se nrultiplica por un escalar k, entonces det(B) = k det(A).
b) SI E: es la matriz que se obtiene cuando se intercambian dos renglones o
dos columnas de A , entonces del@) -det(A).
c ) Si B es la matriz que se obtiene cuando un mltiplo de un rengln de A .se
suma a otro rengln o cuando un mltiplo de una columna se suma a otra
columna, entonces det(B) = detjA).
z~
Una demostracin de este teorema se puede obtener usando la frmula (1) de la

seccin 2.1 para calcular los determinantes que aparecen y comprobando despus
a
ls igualdades. Se omite la demostracin, aunquese proporciona el siguiente ejernplo que ilustra el teorema para determinantes3 X 3
Ejemplo 2
Relacin
I
Operacin
El primer rengln de A
se multiplica pork.
d e t ( B ) = k dct (. I)
u23
a22
a21
011
012
al3
a31
a32
u33
all
a12
013
= - a21
022
u23
a31
Los renglones primeroy

segundo deA se
intercambian.
"a3332
det ( B ) = - det ( 4)
I Un mltiplo del segundo

I
all
a22
+ kkafank212a,322 3
I 'I3 'I2
a21
'31
a32
a33
d c t ( R ) = det(:l)
'aa222321
a3 I
a 3a23 3
rengln de A se suma al
primer rengln.
118 / Determinantes
OBSERVACI~N. Como se observa en la primera ecuacin del ejemplo 2,
a) del teorema 2.2.3 permite sacar del determinante un "factor comn"
el inciso
de cual-
quier rengln (o columna).

DETERMINANTES DE
MATRICES
ELEMENTALES
Recordarqueunamatrizelemental
se obtiene cuando se efecta unasola operacin
elemental en
los
renglones
de una matriz identidad; as, si en el teorema
2.2.3 se hace que A = I,,, demodo que se tiene det(A) = der(/,) = 1, entonces la
matriz B es unamatriz elemental y elteoremaconduce
al siguiente resultado
sobre determinantesde matrices elementales.
Teorema 2.2.4. Sea E una matriz elemntal n X n.
a ) Si E se obtiene al multiplicar por k un rengln de In, entonces det(E) = k.
b) Si E se obtiene al intercambiar dos renglones de In, entonces det(E) = -1.
c) Si E
. se obtiene al sumar un mltiplo de un rengln de In a otro renglbn,
entonces det(E) = I .
Ejemplo 3 Los siguientes determinantes de matrices elementales. que se evalan
por inspeccin, ilustran el teorema 2.2.4.
1
o
0
0
0
3
0
0
0
0
1
0
0
0
=3
0
1
El segundo rengln deI, se

multiplic por 3.
DETERMINANTES CON
RENGLONES
O COLUMNAS
PROPORCIONALES
0 0 0 1
0 1 0 0
o 0 1 0
-1
1 0 0 7
0 1 0 0
0
=I
o 0 0 1
Se intercambiaron los
renglones primero y
liltimo de I,.
1 0 0
El liltimo rengln de I, se
sum 7 veces al primer
rengln.
Si una matrizcuadrada A tiene dos renglones proporcionales, entonces sepuede

introducir un rengln de ceros sumando un mltiplo
adecuado de
uno
de los
renglonesa otro rengln. Lo mismo es cierto paracolumnas.Perosumar
un
mltiplo de un rengln o una columna a otro rengln o a otra columna no cambia
el determinante, demodoque por el teorema 2 . 2 . 1 ~se debe cumplirque det(A) =
O. Esto
demuestra
el siguiente teorema.
Teorema 2.2.5. Si A es una matriz cuadrada condos renglones o dos columnas
proporcionales, entonces detjil) = O.
Ejemplo 4 El siguiente clculo ilustra la introduccin de un rengln deceros
cuando hay dos renglones proporcionales:
2
-4
veces el primero, de modo que
rengln al segundo para
2.2 Evaluacin de determinantes por reduccin de renglones
1I Y
Cada una de las siguientes matrices tiene dos renglones o dos columnas proporcionales; as, por inspeccin, el determinantede cada una es cero.
EVALUACI~NDE
DETERMINANTES POR
REDUCCIN DE
RENGLONES
A continuacin se proporcionar un mtodo para evaluar determinantes, el cual

requiere sustancialmente menos clculos que la aplicacin directa de la definicin
de determinante. La idea del mtodo es reducir la matriz dada a la forma triangular superior mediante operaciones elementales enlos renglones; luego, calcular
el determinante de la matriz triangular superior (lo que es fcil), y, finalmente,
relacionar el determinante de sta con el determinante de la matriz original. A
continuacin de presenta unejemplo.
Ejemplo 5 Evaluar det(A), donde
o
1
-6
A=[3
2
5
9
1
Solucidn. A se reducir a la forma escalonada (que es triangular superior) y se

aplicar el teorema 2.2.3:
o
det(A)= 3
2
1
-6
6
5
9
1
-6
1
6
9
5
1
-2
3
5
1
3
=
- O
= -3
1
6
2
1
=
-3
-2
1
10
3
5
-5
el
primer rengln tomando en
Se sum -2 veces el primer

rengln al tercer rengln.
-2
1
O
IO
1
=(-3)(-55)
o
O
31
5
-551
-2
1
0
(-3)(-55)(1)=
3
5
1
165 A
en el ltimo rengln
considerando el signo del
OBSERVACI~N. El mtodo de reduccin de renglones se ajusta bien a la evaluacin de determinantes por computadora, ya que es sistemtico y se puede programar fcilmente. Sin embargo, en seccionesulteriores se desarrollarn mtodos que
a menudo facilitan los cilculos manuales.
Ejemplo 6 Calcular el determinante de
Solucin. Estedeterminante se puede calcular comoyasemostr,

mediante
operaciones elementales en los renglones para reducir A a la forma escalonada,
aunque A tambin se puede escribir enforma triangular inferior en un paso
sumando - 3 veces la primera columna a la cuarta para obtener
Este ejemplo seala lautilidad de no perder de vista las operaciones en las columnas que pueden abreviar los clculos. A

1. Comprobar que det(A) = det(A7) para
2. Evaluar por inspeccin los siguientes determinantes
3. Encontrar por inspeccin los determinantes de las siguientes matrices elementales.
2.3 Propiedades de la funcin determinante
121
En los ejercicios del 4 al 11, evalmr el determinante de la matriz dada refiuciendo la

matriz a forma escalonada.
3
6 -9
o 3 1
4.
5. [I
1 21
3 2 4
[-.;y
-;]
3a
36
[-:-; 11 [-: i -!]

1
6.
3c
-3
-6
7.
a+g
b+h
c+i
13. Por medio de la reduccin de renglones demostrar que
ik; i 2 i
1
:2
= ( b - u)(c - a)(c - b)
14. Con un razonamiento semejante al de la demostracin del teorema 2.2.2, mostrar que
;: 1
Y:l/ ;: 1
15. Demostrar los siguientes casos especiales del teorema2.2.3.

kat2
12
&I3
all/ =kl:::
a)
31
32
a33
31
a22
32
a22
u13
aI2
b)
u33
31
a32
=
33
-111:
a31
a12
az2
32
33
2.3 PROPIEDADES DE LA FUNCINDETERMINANTE

En esta seccin se desarrollarn algunas de las propiedades fundamentales de la
funcin determinante. Con el trabajo aqu realizado se adquirirn mayores conocimientos sobre la relacin que hay entre una matriz cuadrada y su determinante.
Una de las consecuencias inmediatasde este material es una importante prueba de
determinante para lainvertibilidad de una matriz.
122 / Determinantes
PROPIEDADES
SkSICAS DE LOS
DETERMINANTES
Suponer que A y B son matrices n X n y que k es cualquier escalar. Se comenzar

considerando posibles relaciones entre det(A), det(E) y
det(U), det(A
+ B)
y det(AE)
Como del determinante puede sacarse un factor comn de cualquier rengln

de una matriz, y como cada uno de los n renglones de kA tiene un factor comn
igual a k , se obtiene
1 det(kA)
~~
= k"det(A)
Por ejemplo,
Desafortunadamente, en general no existe ninguna relacin simple entre los

determinantes det(A), det(B) y det(A + B). En particular, se recalca que det(A + B )
suele no ser igual a det(A) + det(B). El siguiente ejemplo ilustra este hecho.
Ejemplo 1 Considerar
A pesar deltono negativo delejemplo anterior, existe una relacin importante en la que intervienen sumas de determinantes que a menudo es til. Para
obtenerla, considerar dos matrices 2 X 2 que slo difieren en el segundo rengln:
= det
a21
Asi,
+ 6 2 1a 2 2
+ 622
2.3 Propiedades de la funcin determinante / 123
Este es un casoespecial del siguiente resultado general.

Teorema 2.3.1. Sean A , B y C matrices n X n que slo difieren en un rengln,
por ejemplo, el r-simo, y suponer que elr-simorenglnde
C se puede
obtener sumando los elementos correspondientes de los r-simos renglones de
A y B. Entonces
det(C) = det(4) + det(B).
El mismo resultado es cierto para columnas.
Ejemplo 2 Con la evaluacin de los determinantes sepuede comprobar que
det
DETERMINANTE
DE UN
PRODUCTODE
MATRICES
1
2
l+O
7
O
4+1
5
3
7+(-1)
] i i i]
=det[
+.et[:
-:]
Cuando se considera la complejidad de las definiciones de la multiplicacin de

matrices y determinantes de una matriz, parecera improbable que exista alguna
relacin simple entre ellas. Es esto lo que hace tan sorprendente la sencillez del
siguiente resultado. Se demostrarque si A y B sonmatricescuadradas del
mismo tamao, entonces
det (AB) = det ( A ) det ( B )
(2)
Como la demostracin de este teorema es bastante minuciosa, primeroes necesario

desarrollar algunos resultados preliminares. Se empezar con el caso especial de
(2) en que A es una matriz elemental. Debido a que este caso especial es slo un
preludio a (2), se denomina lema.
Lema 2.3.2. Si B es una matriz n
entonces
det@B)
n y E es una matriz elemental n x n,

d e t p ) de@)
Demostracidn. Se considerarn tres casos, cada uno dependiendo de

la
operacin enel rengln con quese obtiene E.
Caso 1. Si E se obtiene al multiplicar por k un rengln de Zn, entonces, por el
teorema 1.5.1, EB se obtiene a partir de B al multiplicar por k un rengln; as, por
el teorema 2.2.3a se tiene que
det(EB) = k det(B)
I24
Determinantes
Pero por el teorema 2.2.4a se tiene que det(E) = k, de modo que

det(EB) = det(@ det(R)
~,bsos2 y 3. Lasdemostracionesde
los casos en los que E se obtiene al
intercambiar dos renglones de I, o al sumar un mltiplo de un rengln a otro
rengln siguen el mismo patrn que el caso 1, por l o que se dejan como ejercicios.
0
OBSERVACI~N.
una matriz n
Por aplicaciones repetidas del lema 2.3.2 se concluye que si 5 es

n y E,, E2, . . . , E,. son matrices elementalesn x n, entonces
det(E ,E,. . 3 , B ) = det(E,)det(E2). . .det(E,.)det(B)
(31
Por ejemplo.
det(E,E,B)
PRUEBA DE LA
INVERTIBILKDAD
MEDIANTE UN
DETERMINAYTE
= det(E, j
det(E,B)
= det(E,)
det(E2) det(B)
El siguiente teorema esuno de los ms importantes en lgebra iineal; proporciona

un criterio importante de invertibilidad entrminos de determinantes y se usar
en la demostracin de (2).
Teorema 2.3.3. Una matriz cuadrada A es invertible si y slo si det(A) = O.

Dernostracin.
Sea R la forma escalonada reducida de A . Como paso preliminar
se demostrar quetanto det(A) como det(R)son cero o diferentes de cero: Sean E,.
E2, . . , , E,. las matrices elementales que corresponden a Las operaciones elementales en los renglones con quese obtiene R a partir de A . As,
R =E;
'
.E2E1A
y segn (3),
det(R) = det(E,). . .det(E,) det(E,)det(A)
(4)
Pero por el teorema2.2.4, los determirlantes dea

ls matrices elementales son Merentes
de cero. (Tomar en cuenta que multiplicar por cero un rengln no es una operacin
elemental en los renglonespermitida de modo que k = O en esta aplicacin del teorema
2.2.4.) As, por (4) se concluye que det(A)y de@) son cero o diferentes de cero.Ahora
se proceder a la partems importante dela demostracin.
Si A es invertible, entonces por el teorema 1.6.4 se tiene R = I, de modo que
det(R) = 1 f O y, en consecuencia,det(A) f O . Recprocamente, si det(A) f O,
entonces det(R) f O, de modo que R no puede contener un rengln de ceros. Por el
teorema 1.4.3 se concluye que R = I , de modo que por el teorema 1.6.4 se tiene que
A es invertible. [1
2.3 Propiedades de la funcindeterminante / 125
Por los teoremas 2.3.3 y 2.2.5 se concluye que una matriz cuadrada con dos
renglones o columnas proporcionalesno es invertible.
Ejemplo 3 Como los renglones primeroy tercero de
son proporcionales, det(A) = O. As, A no es invertible. A

Ahora ya es posible abordar el resultado principal de esta seccin.
Teorema 2.3.4. Si A y B son matrices cuadradasde1 mismo tamafio, entonces

det(AB)
= det(A)
det(B).
Demostracin. La demostracin se dividir en dos casos que dependen de si A

es invertible o no lo es. Si la matriz A no es invertible, entonces por el teorema
1.6.5 tampocolo es el producto AB. As, por el teorema 2.3.3 se tiene que det(AB)
= O y det(A) = O, por tanto, se concluye que det(AB) = det(A) det(B).
Ahora se supone que A es invertible. Por el teorema 1.6.4, la matriz A se
puede expresar como producto de matriceselementales, por ejemplo
A
= E,E,. . .E,
(5)
de modo que
A B = E1E2.. .E,B
Si se aplica ( 3 ) a esta ecuacin seobtiene

det(AB) = det(El) det(E2) . . . det(E,.) det(B)
y aplicando (3) de nuevo se obtiene

det(AB) = det(E,E2 . . . E,.) det(B)
que, segn (5), se puede escribir como det(AB) = det(A) det(B)
Se deja al lector comprobar que

det(A) = 1 det(B) = -23 y det(AB)
-23
126
,/
Determinantes
As, det(AB) = det(A) det(B), como garantiza el teorema 2.3.4. A

El siguiente teorema proporciona una relacin til entre el determinante de
una matriz invertible y el determinante de su inversa.
I Teorema 2.3.5. Si -4 es invertible, entonces

det(A") = -
Denrosfracin. Como A "A = I, se concluye que det(A "A) = det(r). Por consiguiente, se debe tener que det(A -I) det(A) = 1. Como det(A) = O, la demostracin
puede completarse dividiendo entre det(A). 0
SISTEMAS
LINEALES DE LA
FORMA A x = Ax
Muchas aplicaciones del lgebra lineal estn relacionadas

con
sistemas
ecuaciones lineales en n incognitas que se expresan como
A x = Ax
de n
(6)
donde A es un escalar. Estos sistemas son realmente sistemas lineales homogneos

encubiertos, ya que (6) puede escribirse de nuevo como x - A x = O o, insertando
una matriz identidad y factorizando. como
(dI-A)x=O
(7)
A continuacin se proporciona un ejemplo.
Ejemplo 5 El sistema lineal

x, + 3x,
4x, 42x,
puede escribirse en forma matricial como
que es de la forma (6) con
Este sistemapuede volver a escribirse como
Ax,
Ax2
2.3 Propiedades de afuncin determinante / 127

O
A[:
;I[:] [::I[:] [:I

-
que es de la forma(7) con
AI-.=[
A-- 4 1
a-- 32 ]
El problema de inters esencial ensistemas lineales delaforma (7) es

determinar los valores de para los cuales el sistema tiene una solucin no trivial;
ese valor de A se denomina valor caracterstico o eigenvalor' de A . Si l e s un
eigenvalor de A , entonces las soluciones no triviales de (7) se denominan eigenvectores de A correspondientes a A.
De acuerdo con el teorema 2.3.3 se concluye que el sistema ( I - A)x = O
tiene una solucinno trivial si y slo si
Idet(lI-A)=O
Sta se denomina ecuacidn caracterstica de A ; los eigenvalores de A se pueden

encontrar resolviendo esta ecuacin para l.
Los eigenvalores y los eigenvectores se estudiarn denuevo
en otros
captulos, donde se analizar su interpretacin geomtrica y se desarrollarn sus
propiedades conmayor profundidad.
Ejemplo 6 Determinar los eigenvalores y los eigenvectores correspondientes de la

matriz A del ejemplo 5.
Solucin. La ecuacin caracterstica de A es
*La palabra elgenvalor es una combinacin de alemn y espaiiol. El prefijo alemn ergen puede traducirse
como"propio",queresulta de l a s antiguaspublicacionesen l a s que l o s eigenvalores se conocancomo
valores proplos; tambin se denominan raices latentes.
/2*-3a-
lo=o
La forma factorizada de esta ecuacines (A + 2)(A - 5 ) = O, demodoquelos

eigenvalorcs deA son A = - 2 y A = 5 ,
Por dcfinicin,
es un eigenvectorde
decir.
Si A
4. si y slo si x es una solucin no trivial de ( I1 - A)x = O; es
-2, entonces (9) se convierte en
Al resolver este sistema se obtiene (comprobar)

x 1 = - t , x2 = 1
de modo que los eigenvectorescorrespondientesa

diferentes de cero de la forma
-2 son las soluciones
(9), los eigenvectores de '4 correspondientesa A

Denuevopor
solucioner no triviales de
= 5
son las
Se deja que el lector resuelva este sistema y demuestre que los eigenvectores de A
correspondientes a A = 5 son las soluciones diferentes de cero de la forma
RESUMEN
En el teorema 1.6.4 se mencionaron cinco resultados que son equivalentes a la

invertibilidad de una matriz A . Esta seccin termina con la inclusin del teorema
2.3.3 enesa lista para obtener el siguiente teoremaque relaciona los temas
primordiales que se han estudiado hasta ahora.
2.3 Propiedades de lafuncin determinante / 129
Teorema 2.3.6. Si A es una matriz n X n, entonces las siguientes proposiciones son equivalentes.
c ) La forma escalonada reducida de A es I,,.
d) A se puede expresar como un producto de matrices elementales.
e ) A x = b es consistente para toda matriz b n X 1.
fi Ax = b tiene exactamente una solucin para toda matriz b n X 1.
g ) det(A) = O.
EJERCICIOS DE LA S E C C I ~ N2.3
1. Comprobar que det(kA) = k" det(A) para
2. Comprobar que det(AB) = det(A) det(B) para
[a
.-[i
2 1 0
A=
-1
i]
3. Por inspeccin, explicar por qu det(A)= O
-6
-3
4. Con el teorema 2.3.3, determinar cules de las siguientes matrices son invertibles
5. Sea
Suponiendo que det(A) = -7, determinar

a) det(3A)
b)
det(A")
c) det(2A")
6. Sin evaluar directamente demostrar quex = O y x = 2 satisfacen
130
,I
Determinantes
7. Sin evaluar directamente, demostrar que
lin los ejercicios del 8 al 1 1. demostrar la identidad sin evaluar los determinantes
12.
;t'arira qui valor(es) de k se cumple que A 110 es invertible?
13. Con el teorema 2.3.3. demostrar que
sen' y
cos2 a c o s ' p
cos2 y
sen1 (Y
210
sen '
es mvertible para cualesquieravalores de (x,
fi,
y y
14. k p r e s a r los siguientes sistemas lineales en la fonna ( I - A)x = O .

a) .Y, + 2.r, = AX,
h)
3.r, = A.vl
c)
3 . ~ , .y2 = d.Yl
23,
.xz = A.Y,
4s, 3Sl = Ax2
- 5.r, - 3.r, = ax,
+
+
15. Para cada uno de los sistemas del ejerclcio 14, encontrar
a) la ecuacin caracterstica,
b) los eigenvalores, >
c) los eigenvectores correspondientes a cada uno de los eigenvalores.
2.4 Desarrollo por cofactores; regla de Cramer / 13I

16. Sean A y B matrices n
det(A"BA).
n. Demostrar que si A es invertible, entonces det(B) =
17. a)Expresar
a,
a,
+ b,
+ b,
c, + d l
c,
+ d,
como una suma de cuatro determinantes

cuyos elementos no contengan sumas.
b) Expresar
+ bl CI + d l
+ 6 2 c2 + d2
a3 + b3 c3 + d3
a1
el
+fl
a2
e2
+f 2
e3
+f 3
como una suma de ocho determinantes cuyos elementos no contengan sumas.

18. Demostrar que una matriz cuadrada A es invertible s i y slo si ATA es invertible.
19. Demostrar los casos 2 y 3 del lema 2.3.2.
2.4 DESARROLLO POR COFACTORES; REGLA DE CRAMER

~
~~
En esta seccin se considerar un mtodo para evaluar determinantes que es til

en la realizacin de clculosmanuales y revisteimportanciaterica.Como
consecuencia del trabajo aqu efectuado, se obtendr una frmula para calcular
la inversade una matrizinvertible, as comouna frmula para encontrarla
solucin de ciertos sistemade ecuaciones lineales en trminos de determinantes.
MENORES Y
COFACTORES
Definicin. Si A es una matriz cuadrada, entoncesel menor del elementoai se

denota por M,, y se define como el determinante de la submatriz que queda
despus de q6itar el i-simo rengln y laj-sima columna de A . El nmero
(- l)'+JM,,se denota por C,, y se denomina cofactor del elementou..
Ejemplo 1 Sea
A=[:
El menor del elemento a l l es
; i]
1
-4
?32
1)etermlnante.s
El cofactor de
es
De manera scmejante,el menor del elemento a32es
M;2
= 2
4
6
8 =
;1
=26
el cofactor de a32cs
Observar que el cofactor y el menor de un elemento al, slo difieren en el signo; es

decir, C,j = "".4u. Una manera rpida para determinar si se usa el signo + o el
signo - es aplicar el hecho de que el signo que relaciona Cy con M est en el iu
Csimo rengln y en lajCsima columna del arreglo en
forma de "tablero de ajedrez"
...
DESARROLLOS
Considerar la matrizgeneral 3
POR
COFACTORES
-[." ;;; %J
a,,
-4
013
En el ejemplo 7 de la seccin 2.1 se demostr que
2.4 Desarrollo por cofactores; regla de Cramer i 133
Debido a que las expresiones entre parntesis son justamente los cofactores
Czl y C31(comprobar), se tiene que
c,,.
La ecuacin (2) muestra que el determinante de A se puede calcular multiplicando

los elementosde la primeracolumna de A por sus cofactores y sumando los
producto resultantes. Esta forma de evaluar det(A) se denomina desarrollo por
cofactores a lo largo de la primera columna deA .
Ejemplo 2 Sea
A=
Evaluar det(A) por desarrollo por cofactores a lo largo de la primera columna de

A.
Solucin. Por (2), se tiene que
=3(-4)-(-2)(-2)+5(3)=
-1
Reordenando los trminos de (1) de vanas formas, es posible obtener otras

frmulas como (2). No debe haber ningn problema en la comprobacin de que
todas las siguientes igualdades son correctas (vase el ejercicio 28):
Como en cada ecuacin todos los elementos y los cofactores provienen del mismo
rengln o de la misma columna. Estas ecuaciones se denominan desarrollos por
cofactores de det(A).
Los resultados que acaban de proporcionarse para matrices 3 x 3 constituyen un caso especial del siguiente teorema general, que se enuncia sin demostracin,
I34
1'
Determinantes
Teorema 2.4.1. El determinante de unamatriz A n x n se puede calcular

multiplicando los elementos de cualquier rengln (o de cualquier columna) por
sus cofactores y sumando los productos resultantes; es decir, para cada I i n
y I j n, se tiene que
det(A) = aljClj+
+ -.. +aniCnJ
(Desarrollo por cofuctores a lo largo
de
la j-sima columna)
det(A) = a,lC,l +
+anJCnj
(Desarrollopor cofdores a lo largo deli.&no renghjn)
Ejemplo 3 Sea A la matriz del ejemplo 2. Evaluar det(A) mediante desarrollo por
cofactores a lo largo del primer rengln.
Solucin.
=3(-4)-(1)(-11)+0=
-1
Esto concuerda con el resultado obtenido en el ejemplo 2. A

En este ejemplo no fue necesario calcular el ltimo cofactor, ya
que se multiplic por cero. En general, la mejor estrategia para evaluar un determinante melante cofactores, hacer el desarrollo a lo largo del rengln o la columna que tengael mayor nmero de ccros.
OBSERVACI~N.
El desarrollo por cofactores y las operacionesen los renglones o en las

columnas se pueden combinar algunas veces para obtener un mtodo efectivo de
evaluar determinantes. Elsiguiente ejemplo ilustra esta idea.
Ejemplo 4 Evaluar det(A), donde
A = [ l3
-2
-1
2
3
1
5
:I
53
2.4 Desarrollo por cofactores; regla de Cramer 1 I35
Sumando mltiplos idneos del segundo rengln a los dems renglones se obtiene
Soluci&.
det(A)
0 - 1
1 2 0
0
O
1
1
1
3
8
3
1
3
0
-1
"
o 9 3
Desarrollo por
cofactores a lo largo de
la primera columna.
-18
En un desarrollo por cofactores,det(A)secalculamultiplicando

los elementosde un
rengln o una columna por sus cofadoresysumandolosproductosresultantes.Resulta
que si los elementos de cualquierrengln se multiplican por loscofactores correspondientes de un rengln dijerente, la suma de tales productos siempre es cero.
(Este resultado tambin se cumple para columnas.) Aunque se omite la demostracin
general, el siguiente ejemploilustra la idea de la demostracin en
un caso especial.
ADJUNTA DE
UNA MATRIZ
Ejemplo 5 Sea
Considerar la cantidad
que se forma al multiplicar los elementos del primer rengln por los cofactores de
los elementoscorrespondientesen el tercer rengln y sumar los productosresultantes. A continuacin se demostrar queesta cantidad es igual a cero mediante
la sigwente regla prctica. Obtener una nueva matriz A' sustituyendo el tercer
rengln de A por el primer rengln. As,
- .
,
..
. ,
I36
Determinantes
Sean C',,, C3*.C,,loscofactoresde los elementos del tercer rengln de A'.

Como los dos primeros renglones de A y A' son iguales, y dado que en el clculo
de C31,C32,C33,C',,, C,,y C',3 s10 intervienen elementos de los dos primeros
renglones de A y A', se concluye que
Como A' tiene dos renglones idnticos,

det(A') = O
Por otro lado, al evaluar det(A') por desarrollo por cofactores a lo largo del tercer
rengln se obtiene
Por (4) y (5) se obtiene
Definicin. Si A es cualquier matriz n

la matriz
n y C,, es el cofactor de ai/,

entonces
sedenomina matriz de cofactores deA . Latranspuesta

denomina adjunta A
dey se denota por adj(A).
Ejemplo 6 Sea
Los cofactores de A son
-4
de esta matriz se
2.3 Desarrollo por cofactores; regla de Cramer 1 13 7

C,, = 6
C,, = 12
c,, = 4
C, = 12
C,, = - 16
c,, = 2
C, =
C, = 16
10
C,, = 16
de modo que la matrizde cofactores es
y la adjunta de (A) es
adj (A) =
12
6
-16
4
2
16
-:"I
16
Ahora ya es posible obtener una frmulapara la inversa de una matriz

invertible.
FRMULA PARA
LA INVERSA DE
UNA MATRIZ
Teorema 2.4.2. Si A es una matriz invertible, entonces
(6)
Demostracin.
Primero se demostraraque
A adj(A) = det(il) I
138
Determinantes
(vame los renglones sombreados en las dos matricesanteriores).

Si i = j , entonces (7) es el desarrollo por cofactores de det(A) a lo largo del isimo rengln deA (teorema2.4.1), y si i = j , entonces las letras a y los cofactores
provienen de renglones diferentes de A . de modo que el valor de (7) es cero. En
consecuencia.
det(A)
A adj(,4)=[
...
...
" '
]=det(A)I
(8)
det(A)
Dado que A es invertible, det(A)
escribirse como
1
det ( A )
O. Por tanto, la ecuacin (8) puede volver a
[ A adj(A)] = I
.4 detiAj adj(A)
=I
Multiplicando por la izquierdaambos miembros porA

A - 1 =~ 1 adj(A)
det ( A )
-',se obtiene
Ejemplo 7 Por medio de (6), encontrar la inversa de la matrizA del ejemplo 6.

Solucin. El lector puede comprobar que det(4
1
r
= 64. As,
12
adj(A) = 6
i4
det ( A )
-16
A ~ -=1
APLICACIONES
DE LA
FRMULA DE
LA ADJUNTA
PARA LA
INVERSA
2
16
12- 10
16-
Aunque el mtodo del ejemplo precedente es razonable para invertir manualmente

matrices 3 X 3, el algoritmo de inversin que se analiz en la seccin 1.5 es ms
eficaz para matrices ms grandes. Sin embargo,debe tenerse en cuenta que el mtodo de la seccin 1.5 es slo unprocedimientodecmputo,mientras
quela
frmula (6) es una frmula real para encontrar la inversa. Como se ver a continuacin, esta frmula estil para obtener propiedades de inversa.
la
En la seccin 1.7 se establecieron sin demostracin dos resultados sobre
inversas.
2.4 Desarrollo por cojactores; regla de Crawler
139
Teorema 1 . 7 . 1 ~ :Una matriz triangular es invertible si y slo si todos sus

elementos diagonalesson diferentes de cero.
Teorema 1.7.ld: La inversa de una matriz triangular inferior invertible es
triangular inferior, y la inversa de una matriz triangular superior invertible es triangular superior.
Estos resultados se demostrarn a continuacin usando la frmula de la adjunta
para la inversa.
Demostracin del teorema 1.7.I C . Sea A
sus elementos diagonalesson
=a
r/
una matriz triangular, de modo que
Por los teoremas 2.2.2 y 2.3.3, la matriz A es invertible si y slo si

det(A) = a 1 1 u 2 2... annf O
que es verdadero si y slo si todos los elementos de la diagonal son diferentes de

cero. 0
Se deja como ejercicio para el lector usar la frmula de la adjunta de A"
parademostrarque si A = aiJ esuna matriz triangular invertible, entonces los
elementos diagonalessucesivos de A - son
(Vase el ejemplo 3 de la seccin 1.7.)

Demostracin del teorema I . 7.Id. El resultado se demostrar para matrices triangulares superiores y se dejar como ejercicio el caso para matrices triangulares
inferiores. Suponer queA es triangular superior e invertible. Como
se puede demostrar que A-' es triangular superior puede probarse probando que
adj(A) es triangular superior o, equivalentemente, que la matriz de cofactores es
triangular inferior. Lo anterior se puede lograr demostrando que todo cofactor C:
iJ
con i < j (es decir, arriba de la diagonal principal) es cero. Como
ciJ= ( -
i);+jM.
'J
140
/'
Determinantes
basta demostrar que cada menor My con i <j es cero. Para este propsito, sea By la
matriz que se obtiene cuando se quitan el i-simo renglny laj-simacolumna deA, de
modo que
M,, = det@,,)
(9)
A partir de la hiptesis que i < j. se concluye que Bq es triangular superior

(ejercicio 32). Como A es triangular superior, su (i + I)-simo rengln comienza
con por lo menos i ceros. Pero el i-simo rengln de B, es el (i + 1)-simo rengln
de A sinel elementodelaj-simacolumna.
Ya que i < j, ninguno delos i
primeros ceros se elimina quitando la j-sima columna;as, el i-simo rengln de
B comienza con por lo menos i ceros, lo cual indica que este rengln contiene un
i/
cero en la diagonal principal, Ahora,por el teorema 2.2.2 se concluye que det(BJ
= O, y por la expresin (9) se concluye que M,] = O . O
REGLA DE
CRAMER
El siguiente teoremaproporcionaunafrmula til paralasolucin de ciertos

sistemas lineales de n ecuaciones con n incgnitas. Estafrmula,denominada
*
re@ de Cramer , es de inters marginal para efectos de cmputo, aunque es til
para estudiar las propiedades matemticas de una solucinsin necesidad de resolve< el sistema
Teorema 2.4.3. (Regla de Crumer). Si Ax b es un sistema de n ecuaciones

lineales con n incdgnitas tal que det(A) = O, entonces la solucin del sistema
es nica. Esta solucidn es
rz
donde 4
. J es la matriz que se obtiene al sustituir los elementos de la j-&into
columna de A por los elementos de la matriz
*Gabriel Cramer (1704-1752), matemtico suizo. Aunque Cramer no est considerado

al lado de
los grandes
matemticos
de
su
tiempo,
sus
contribuciones
como
diseminador
de
las
ideas
matemticasleganaron
un bienmerecidolugar en lahistoriadelasmatemticas.Cramerviaj6
bastante y conoci a muchos de los grandes matemticos de su poca. Estos contactos y amistades
condujeron a una correspondencia abundante a travs de la cual
se difilndia la informacibn snbrt
nuevos descubrimientos matemticos.
2.4 Desarrollo por cofactores; regla de Crarner / 141
Demostracin. Si det(A) = O, entonces A es invertible y, segn el teorema 1.6.2,

x = A"b es la nica solucin de Ax = b. En consecuencia,por el teorema 2.4.2 se
tiene
x=A"b=-
1
adj (A)b = det (A)
det (A)
Multiplicando las matrices se obtiene
Por consiguiente, el elemento en elj-simo renglnde x es

x, =
b l C , , + h2C,, f . .
. + b,Cn,
det (A)
Ahora, sea
Como Al difiere de A slo en laj-sima columna, se concluye que los cofactores de

los elementos b,, b2, . . . , b,, en A son los mismos que los cofactores de los ele1
mentos correspondientes en la j-&ma columna de A . En consecuencia, el desarrollo por cofactores de det(A)a lo largo de laj-sima columna es
det(A,)
= b,C,,
+ b2CZj+ . . . + b,C,,
El trabajo ms conocido
de
Crarner,
Introductron
ir l'analyse des lrgnes courbes
algbnques (1750), es un estudio y una clasificacin de las curvas algebraicas; la regla de Cramer
apareci enel apndice.Aunquelareglalleva
su nombre,variantesdelaideabsicafueron
planteadasantes porotrosmatemticos.Sinembargo,lanotacinsuperiordeCramerayuda
aclarar y popularizarla tcnica.
El exceso de trabajo, combinado con una cada de un carruaje, provocaron
su fallecimiento
en 1752. Aparentemente,Cramererauna
persona de buencorazn y agradable,aunquenunca
contrajo matrimonio. Sus intereses eran amplios. Escribi sobre filosofa de las leyes y del gobierno,
y sobre la historia de las matemticas. Trabaj en una oficina pblica, particip en la artillera y en
actividades de fortificaciones para el gobierno, instruy a trabajadores sobre tcnicas de reparacin
de catedrales y efectu excavaciones de archivos catedralicios. Cramer recibi numerosos honores
por sus actividades.
112
Determinantes
Sustituyendo este resultado en (10) se obtiene

det (Ai)
.Y
n
'=det(A)
Ejemplo 8 Aplicar la regla de Cramer para resolver
x, +
-
3x,
-.Y,
+ 2x,
= 6
+ 4 . +~ 6x3
~ = 30
2 s 2 + 3x, = S
Solucibn.
Por consiguiente.
~1="-
x3="
dCt(A,) - -40 -10

44 - 11'
det ( A )
det(.4,)
152 - 38 A
44
11
.x2=--
det(A,)
det(A)
72
18
44
11'
"-
"
det(A)
OBSERVACION. Para resolver un sistema de n ecuaciones con n incgnitas
mediante la regla de Cramer, es necesario evaluar n + 1 determinantes de matrices
n x n. Para sistemas con ms de tres ecuaciones, la eliminacin gaussiana es
bastante ms eficaz, ya que slo es necesario reducir una matriz aumentada n X (n
+ 1). Sin embargo, la regla de Cramer proporciona una frmula para la solucin si
el determinante de la matriz de coeficientes es diferente de cero.
EJERCICIOS DE LA S E C C I ~ '2.4
;~
1. Sea
2. Sea
4 - 1
A=
I
6
0 - 3 3
O 1 4
2.4 Desarrollo por cofactores; regla de Cramer / 143
3. Evaluar el determinante de la matriz del ejercicio 1 por desarrollo por cofactores a lo

largo de l o siguiente:
b) Laprimeracolumna.
a) Elprimerrengln.
d) La segunda columna. e)' El tercer rengln.
c) El segundo rengln.
f) La tercera columna.
4. Para la matriz del ejercicio 1, encontrar
a) adj(A). b) A"
usando el teorema 2.4.2
En los ejercicios del 5 al 10, evaluar det(A) mediante desarrollo por cofactores a lo largo de
un rengln o una columna que el lector elija.
5. A = [
-3
2
I]
-1
-:-!]
3
t. A = [ :
5
O
10. A =
En los ejercicios del 11 al 14, encontrarA"
-:-: :]
A -:]
2
11. A = [
2
13. A = [ :
-3
12. A = [
por medio del teorema2.4.2.
-:
-:
2
14. A = [
21
15. Sea
1
A=[;
: '8 i]
a) Evaluar A" usando el teorema 2.4.2.

b) Evaluar A" con el mtodo del ejemplo 4 de la seccin1.5.
c) Cul mtodo requiere menos clculos?
1:
4
i -!
144
'
Determinantes
En los ejercicios del I6 al 2 l . obtener la solucin usandola regla de Cramer cuando sea aplicable.
16. 7 x , - 2 ~ =, 3
3.x,
x? = 5
17.
19.
x,
2s,
41-I
3.x2
+ x, =
.x2
=
-
4x
+ 5y
=2
18.
Ilx+ y+22=3
3x, =
+ 5y + 2z = 1
-.x1 - 4x, + 2 s , + .xj = -32
2x, - .x2 + 7x3 + 91, = 14
-x, + X2 + 3x, + Xq = 1 I
XI - 2s2 +
- 4x, = - 4
x
20.
-2
21.
x - ~ J + Z=
6
4x- y + 2 2 = - 1
2x + 2.v - 32 = -20
3x,
-x,
2x1
x*
+ 7x,
+
"
+ 6x2 -
xi = 4
2x, = I
X.,
x
i
22. Ilemostrar que la matriz

cos H
sen H
co;H
.-[:O
y]
O
cs invertible para todos los valores de d; luego, encontrarA"

23. Apllcar la regla de Cramer parahallary sin resolver parax, z y
4x+ v +
z t u'=
3x+7.v-
z+
M'=
usando el teorema 2.4.2

MJ
71-+3y-5z+8U.= -3
St y +
2+2w=
24. Sea A x = b el sistema del ejercicio 23.

a ) Resolver aplicando la regla de Cramer.
b) Obtener la solucin por eliminacin de Gauss-Jordan.
c) ,Cul mktodo requiere menos clculos?
25. Demostrar que si d 4 4 ) = 1 y todos los elementos de A son enteros, entonces todos los
elementos deA " son enteros.

26. Sea A x = b un slsterna de tz ecuaciones lineales con n incgnitas, coeficientes enteros y
constantes enteras. Demostrar que si det(A) = 1, la solucin x tiene elementos enteros.
27. Demostrar que si 11 es una matIiz triangular inferior invertible, entonces A -I
gular mferior.
es trian-
28. Obtener los desarrollospor cofactoresprimero y ltimo que se enumeran en la frmula (3).
29. Demostrar: La ecuacin de la recta que pasa por los puntos distintos ( a , ,b , ) y (a2,b z )
se puede escribir como
30. Demostrar: (x,, yl), (x2,y ? ) v (x3,y,) son puntos colineales si y slo si
=5
Ejercicios complementarios
31. Demostrar: La ecuacin del plano que pasa por
(a,, b,, cz) y
b,
a2 b2
a3 b3
a1
los puntos no colineales
( a , ,b , , c , ) ,
(u3,b,, c3)se puede escribir como

z
CI
c2
c3
=O
32. Demostrar que si A es triangular superior y B . . es la matriz que se obtiene cuando se

2/
eliminan el i-simo rengln y la j-sima columna de A , entonces B . . es triangular
r/
superior SI i <j .
I EJERCICIOS COMPLEMENTARIOS
1. Con la regla de Cramer, resolver para
x y y en trminos dex y y .
2. IJsar la regla de Cramer para que

x y y queden expresadas entrminos de x y y
x=xcosO-ysen0
y=xsenO+ycosO
3. Analizando el determinante de la matriz de
coeficientes, demostrar que el siguiente
sistema tiene una solucin no trivial si y slo si CY = p.
x+
y+m=o
x+
y+pz=o
z=o
ffx+py+
4. Sea A una matriz 3 X 3, cada uno de cuyos elementos es 1 6 O. Cul es el mxuno

valor posible deA ?
figura 1 que se muestra a continuacin,
5. a) Para el tnngulo de la
para demostrar que

bcosy+ccosp=a
c
cos
a cos
CY
+ a cos y = b
p + b cos CY = c
y luego aplicar la regla de Cramer para demostrar que

cos
CY
b2
+ c2 - a2
2bc
usar trigonometria
145
b) Con a
l rcgla de Crarner obtener frmulas semejantes para cosp y cos y.
6. Por medlo de determinantes, demostrar que para todos los valores reales de jl la nica
solucin de
x - 2-v = Lx
x-
A.v
7. Demostrar: SiA es invertible, entonces adj(A) es mvertibley
'
[ adj ( A ) ] - = A
det (A)
8. Demostrar- Si A es una matriz n X
11,
= adj ( A - I )
entonces det [adj(A)] = [det(A)] '-l.
10. a) En la figura 2 que se muestra a contmuacion,
el rea del tringulo ABC se puede
expresar como
IJsar Csto y el hechode que el rea de un trapezoidees igual a 1/2 delaaltura

multiplicada por la suma delos lados paralelos, para demostrar que
[Notu En la obtencin de esta frmula, los vtrtices se identifican de modo que el

tringulo se traza en sentido contrario al movimiento de las manecillas del reloj
procediendo de ( x , ,y , ) a (x?,y 2 ) a (x3, ,y3). Para una orientacin en el sentido del
movimiento de las nmnecillas del reloj, el determinante anterior produce el negutivo del rea.]
b) Usar el resultado del inciso a), para determinar el rea del tringulo con vkrtices ( 3 ,
31, (4, O), ("2, - 1).
Ejercicios complementarios / 147
Figura 2
11. Demostrar: Si la suma de los elementos en cada rengln de matriz

una A n X n es cero,
entonces el determinante deA es cero. [Sugerencia Considerar el producto M, donde
X es la matriz n X 1 cuyos elementos son iguales a 1.]
12. Sean A una matriz n x n y B la matriz que se obtiene cuando los renglones de A se
escriben en orden invertido. Cmo estn relacionados det(A)
y det(B)?
13. Cmo se afecta A si
a) se intercambian los renglones i-simo yj-simo de A?

b) el i-simo rengln de A se multiplica por un escalar c diferente de cero?;
c) el i-simo rengln de A se suma c veces alfsimo rengln?
n . Suponer que B , se obtiene al sumar el mismo nmero
ta
cada elemento en el
z-simo rengln de A , y que B, se obtiene al restar t de cada
elemento en el z-simo rengln de A . Demostrar que det(A)= 112 [det(B,) + det(BJ1.
14. Sea A una matriz de n X
15. Sea
.=[a,;;j
u12
u13
a) Expresar det(1Z - A ) como un polinomiop(A) = ,I3 + bL2 + d + d.

b) Expresar los coeficientes b y d en trminos de determinantesy trazas
16. Sin evaluar directamente el detexminante, demostrar que
sen ct cos a sen ( a 6)

s e n p cos
sen ( p + S) = 0
s e n y cos y s e n ( ? + 6)
17. Usar el hecho de que 21 375, 38 798, 34 162, 40 223 y 79 154 son, todos, divisibles
entre 19 para demostrar que

2
3
3
4
7
1
8
4
0
9
3
7
1
2
1
7
9
6
2
5
5
8
2
3
4
I48
Determinantes
cs divisiblc entre 19 sin evaluar directamente el determinante
CAPhULO
VECTORES EN LOS
ESPACIOS
BIDIMENSIONAL Y
TRIIDIMENSIONAL
Los lectores familiarizados con el contenido de este captulo pueden omitirlo y
pasar al captulo 4 sin prdida decontinuidad.
3.1
INTRODUCCI~NA LOS VECTORES (GEOMTRICA)

~~~~~~~
~~~~~
~~~~~~
~~
Muchas cantidades fisicas, como rea, longitud,masaytemperatura

quedan
descritas una vez que se conoce la magnitud de la cantidad. Esas cantidades se
denominan escalares. Otras CantidudesJsicus, denominadas vectores, no quedan
determinadas sino hasta que se especijkan una magnitud y una direccin. Un
caso sera la descripcin del movimiento del viento que suele hacerse dando su
rapidez y direccin, por ejemplo 20 kph noreste. La rapidez y la direccin del
viento constituyen una cantidad vectorial denominada velocidad del viento. Otros
ejemplos de vectores son la fuerza y el desplazamiento. En esta seccin se har
unapresentacingeomtrica de los vectores en los espacios bidimensional y
tridimensional, se definirn las operaciones aritmticas con vectores y se establecern algunas propiedades bsicasde estas operaciones.
VECTORES
GEOMTRICOS
Losvectoressepuedenrepresentargeomtricamentecomosegmentosde
recta
dirigidos o flechas en el espacio bidimensional o en el espacio tridimensional;
la direccin y la longitud de la flecha especifican, respectivamente, la direccin y la magnitud del vector. La cola de l a flecha se denomina punto inicial
del vector y lapunta, puntoterminal. Losvectores se denotarn conminsculas negritas (por ejemplo, a, k, v. w y x). Cuando se analizan vectores,
los nmeros se denominan escalares. Todos los escalares sern nmeros reales y se denotarn por minsculas cursivas (porejemplo,, a, k, v, w y x),
149
150 / Vectores en los espacios bidilnensional y tridimensional

Si,comoen la figura l a , el punto inicial deun vector v es A y el punto
terminal es B. se escribe
-4
v=AB
a)
Figura 1
b)
Vectores
equivalentes
Los vectores con la misma longitud y direccin, como los de la figura l b , se

denominan equivalentes. Como se quierequeunvectorquededeterminado
solamente por su longitud y su direccin, los vectores equivalentes se consideran
como iguales aun cuando puedanestar ubicados en posiciones diferentes. Si v y w
son equivalentes, se escribe
v=w
Definicin. Si v y w son dos vectores cualesquiera, entonces la suma v + w es

el vector determinado como sigue: El vector w se coloca de modo que su punto
inicial coincida con el punto terminal de v. El vector v + w se representa por la
flecha que va del punto inicial de v al punto terminalde w (figura 2a).
En la figura 26 se han construido dos sumas, v + w (flecha blanca) y w + v
(flecha negra). Resulta evidente que
v+w=w+v
y que la suma coincide con la diagonal del paraleiogramo determinado por v y w
cuando estos vectores se colocan de modo que tienenel mismo punto inicial.
El vector de longitud cero
se denomina vector cero y se denota porO. Se define
O+v=v+O=v
para todo vector v. Como para el vector cero no existe ninguna direccin natural,
se acuerdaque es posible asignarle cualquier direccin convenientepara el
problema en cuestin.
Si v es cualquier vector diferente de cero, entonces "v, el negutivo de v, sc define

como el vector que tiene la misma magnitud quev, pero direccin opuesta (Figura3).
Figura 3
IEl negativo de v tiene la m i s m a longitud que v, pero su direccines opuesta. I

Este vector tiene la propiedad
v+(-v)=O
(Por qu?) Adems, se define -O
sigue.
= O.
La sustraccin de vectores se define como
Definicin. Si v y w son dos vectores cualesquiera, entonces la dijierenciu de

w con respecto a v se define como
v-w=v+(-w)
Para obtener la diferencia v - w sin construir "w, v y w se colocande

modo que coincidan sus puntos iniciales; entonces, el vector del punto terminal de
w al punto terminalde v es el vector v - w (figura 46).
Definicin. Si v es un vector diferente de cero y k es un nmero real (escalar)

diferente de cero, entonces el producto kv se define como elvectorcuya
longitud es I k [ veces la longitud de v y cuya direccin es la misma que la de v
si k > O y es opuesta a la dev si k O. Si k = O o v = O, se define kv = O.
En la figura 5 se ilustra la relacin entreun vector v y los vectores T1 V ,

(- l)v, 2v y (-3)v. Observar que el vector (- I)v tiene la misma longitud que v,
pero direccin opuesta. As, (- l)v es simplemente el negativo de v; es decir,
(- l)v = -v.
/'
Un vector de la forma kv se denomina multiplo escalar de v. En la figura 5

se observa que los vectores que son mltiplos escalares entre s son paralelos.
Rccprocamentc. se puede demostrar que los vectores paralelos diferentes de cero
son mltiplos escalares entre s. Se omite la demostracin.
VECTORES EN
SISTEMAS DE
COORDENADAS
Los problemas con vectores a menudo se pueden simplificar introduciendo un

sistema de coordenadas rectangulares. Por ahora, el anlisis se limitar a vectores
en el espacio bidimensional (el plano). Sea v cualquier vector en el plano y suponer.
como se muestra en la figura 6, que v se ha colocado de modo que su punto inicial
est en el origen de un sistema de coordenadas rectangulares. Las coordenadas (vl.
v2) del punto terminal de v se denominan componentes de v , y se escribe
Si vectores equivalentes v y w se colocan de modo que sus puntos iniciales

estn en el origen, entonces resulta evidente que sus puntos terminales deben coincidir (ya que los vectores tienen la misma longitud y la misma direccin); as. los
vectores tienen las mismas componentes. Recprocamente, los vectores con las
mismas componentes son equivalentes, ya que tienen las misma longitud y la
misma direccin. En resumen. dos vectores
v = (VI. v2) y w
(MIl.
w2)
son equivalentes si y slo si

Ill
-w 1
y v2
w2
ty
~i~~~~ 6
v l y v 2 son las componentes de v.
Las operaciones de suma vectorial y multiplicacin por escalares son fciles

de efectuar en trminos de componentes. Como se ilustra en la figura 7, si
v = ( V I ' \I2)
y w = (wl. w2)
3.1 Introducridn u los vectores (geomtricu) / 153

entonces
r
v
Figura 7
+ w = ( U i+ w,,u, + w2)
L - 1 - i - U J - r
Si v = (vl, v2) y k es cualquier escalar, entonces mediante un razonamiento

geomtrico con tringulos semejantes se puede demostrar (ejercicio 15) que
(Figura 8). As, por ejemplo, si v = (1, -2) y w
= (7,
6), entonces
~+~=(1,-2)+(7,6)=(1+7,-2+6)=(8,4)
Y
4 ~ = 4 ( 1 ,-2)=(4(1),4(-2))=(4,
Como v - w
=v
+ (- I)w, por las frmulas (1) y (2) se concluye que
I
(Comprobarlo.)
tY
-8)
v -w
= (u1 - w1,u, - w,)
154 / Vectores en los espacios bidimensionaly tridimensional
VECTORES EN
EL ESPACIO
TRIDIRIENSIONAL
As comolosvectores
en el plano sepueden describir por parejas denmeros
reales, los vectores en el espaciotridimensional sepueden describir por ternas de
nmeros reales introduciendo un sistema de coordenadas
rectangulares.
Para
construir ese sistema de coordenadas, se elige un punto O, denominado el origen,
y se eligen tres rectas perpendiculares entre si, denominadas ejes de coordenadas,
que pasan por el origen. Los ejes seidentifican con x, y y z y se elige una direccin
positiva para cada eje de coordenadas,as como una unidad de longitud para medir
distancias (figura 9a). Cadapar deejesde
coordenadasdetermina un plano
denominado plano de coordenadas.Estos planosse denominan plano x y , plano xz
y plano yz. A cada punto P en el espacio tridimensional corresponde unaterna de
nmeros (x, y , z ) denominados coordenadas de P, como sigue: Por P se hacen
pasar tres planos paralelos a los planos de coordenadas, y los puntos de interseccin de estos planos con los tres ejes de coordenadas se denotan por X. Y y Z
(figura 9h).
f'
Figura 9
Las coordenadas deP se definen como las longitudes con signo

x=ox,y=oY,z=oz
En la figura 10 se muestra la grX1ca de los puntos cuyas coordenadas son(4, 5, 6)

y (-3, 2, -4).
Figura 10
3.1 Introduccin a los vectores (qeorntrica)
155
Los sistemas de coordenadas rectangulares en el espacio tridimensional se

clas~lcanen dos categoras: izquierdos y derechos. Un sistema derecho tiene l a
propiedad de que un tornillo normal que apunta en la direccin positiva del eje z
debe avanzar si el eje x positivo se hace girar 90 hacia el eje y positivo (figura
I l a ) ;el sistema es izquierdo si el tornillo retrocede (figura 1l b ) .
OBSERVACI~N.
Figura 11
En este libro slo se usarn sistemas de coordenadas derechos.
I Derecho I
I Izquierdo I
Si, como se observa en la figura 12, un vector v en el espacio tridimensional

se colocademodo
que su punto inicial est en el origen de unsistema de
coordenadas rectangulares, entonces las coordenadas del puntoterminal
se
denominan componentes de v y se escribe
v = (VI, v2, v3)
Si v = (vl, v2, v3) y w = (wl, w2,w3) son dos vectores en el espacio tridimensional,
entonces se pueden usar razonamientos semejantes a
los que se siguieron para
vectores en elplano a fin deestablecer los siguientes resultados
v y w son equivalentes si y slo si v1 = wl, v2 = w2,v3 = w3.
v + w = (vl + w l , vz + w2,v3 + w3).
kv = ( k v , , kv,, kv,), donde k es cualquier escalar.
Ejemplo 1 Si v = (1, -3,2) y w
= (4,2,
l), entonces
V + W = ( S , -1,3),
2 ~ = ( 2 -, 6 , 4 )-, ~ = ( - 4 ,
v - w = v + ( - w ) = ( - ~ , -5,l) A
......
-2, - 1 )
156 / Vectoves enlos espacios bidimensionaly tridimensional
Algunas veces un vector se coloca de modo que su punto inicial no est en el

origen. Si el vector P,P2 tiene como punto inicial a Pl(x,, Y , , 2 , ) y como punto
terminal P2(x2,yz, z,), entonces
A
I p,p;
I
= (x2 - X I , Y2 - Y , , 22
Es decir, las componentes de P I P , se obtienen al restar las coordenadas del punto

inicial de+
las coordenadas del punto terminal. Esto se puede ver usando la figura 1;
el vector P I P, es la diferencia de los vectores OP, y OP, ,de modo que
"
)
Figura 13
!
d
Ejemplo 2 Las componentes del vector v = P,P, con punto inicial P,(2, - 1, 4) y
punto terminal P,(7, 5, -8) son
En el espacio bidimensional, el vector con punto inicial P,(xl, yl) y punto

terminal P2(x2,y,) es
TRASLACI~N
DE EJES
Lassoluciones demuchos problemas se pueden simplificar trasladando losejesde

coordenadas
para
obtener
nuevos
ejes paralelos a los originales.
Enlafigura14a,
los ejes deunsistemadecoordenadas
xy se han
trasladado para obtener un sistemax'y' cuyo origen O' est en el punto (x, y ) = ( k ,
4. Un punto P en el espacio bidimensional ahoratiene las dos coordenadas(x, y ) y
( 2 , y'). Para ver
cmo se relacionan las coordenadas, considerar elvector G'?
(figura 14b). En el sistema x y , su punto inicial est en (k, l) y su punto terminal
3.1 Introduccin a los vectores (geomtrica) / 157
t'
Figura 14
6)
"----*
est en (x, y), de modo que O'P = (x - k, y - 0. En el sistema x", su punto

inicial est en (O, O) y su punto terminal esti en ( Y , y'), de modo que O'P = (x', y').
Por consiguiente,
Ejemplo 3 Suponer que un sistemade coordenadas xy se traslada para obtener un

sistema de coordenadas x? cuyo origen tiene las coordenadas (k, I> = (4, 1).
a) Encontrar las coordenadas.xp'del punto cuyas coordenadasxy son P(2, O).
b) Encontrar las coordenadasxy del punto cuyas coordenadas x y son Q( - I , 5).
Solucin de a). Las ecuaciones de traslacin son

x'=x - 4
y'=y - 1
de modo que las coordenadas x'y' de P(2, O) son x' = 2 - 4 = -2 y y' = O - 1 = - l.

Solucin de b ) . Las ecuaciones de traslacin en a) se pueden volver a escribir
como
x=x'+4
y=y'+ 1
de modo que las coordenadas xy de Q son x = - 1 + 4 = 3 y y = 5 + 1 = 6 . A

En el espacio tridimensional, las ecuaciones de traslacin son
x ' = x - ~
y'=y-/
z ' = z - ~
donde (k, I, m) son las coordenadas xyz del origen x y z '

l . Trazar un sistema de coordenadas derechoy localizar los puntos cuyas coordenadas son
S. linconlrar un vector 11 diferente de cero cuyo punto terminal esQ(3, O, -5) tal que
a) II tiene la mismn dlreccln que v = (4, -2, - 1 ).
b', II tiene direccibn opuesta a l a de v = (4, -2. - I ) .
6. S C ~ U
I ~= (-3,
a) v
"w
I ,
21, v
= (4- O,
b) 6 u + 2cv)
-8)
> w = ( 6 , - 1,
-v+ u
-4). Encontrar las componentes de
d) 5 t v - 4 ~ )
f) ( 2 ~ - 7 w ) - ( 8 v +
-3(v-Xw)
e)
7. Sean u, v y w los vcctores del ejercicio 6 . Encontrar las componentes del vector x que
satist'acc I 2u - v + x = 7n +- \v.
8. Sean u. v y w los vectores del ejercicio 6. lhcontrar los escalares e l , c2 y c3 tales que
9. Ikmostrar que no existen los cscalares c l . c2 y c3 tales que
C,(-2.9,6)-~i.L(-3,2,1)+Cj(l,7,5)=(0,sr4)
11. sean t' el punto (2, 3, -2) 1 Q el punto (7, -4,1).

a) Encontrar el punto medio del segmento de recta que une a P y Q.
b) Encontrar el punto sobre el segmento de recta que une a P y Q y est a
dlstancla de P il 0.
$ de la
l a traslacin da u11 sistema decoordenadasse

haceparaobtener
sistema de coordenadasx!v' cuyo origen O' tiene las coordenadas(2, -3).
a) Encontrar las coordenadas x'v' del punto P cuyas coordenadasxy son (7, 5).
b) Encontrar las coordenadas x?/ del punto 0 cuyas coordenadasxIv'son ( - 3 , 6)
c) Trrvar los ejes de coordenadasq~y ,Y?'? localizar los puntos P 4 Q.
12. Suponerque
un
U)
3.2 Norma de un vector: aritmtica vectorial / 159

13. Suponer que un sistema de coordenadas xyz se traslada para obtener un sistema de
coordenadas xyz. Sea v un vector cuyas componentesson v = (vl, v2, v3) en el sistema
xyz. Demostrar que v tiene lasmismas componentes en el sistemaxyz.
14. Encontrar las componentes deu, Y, u + v y u
- v de los vectores que se muestran en la
figura 15.
t
Figura 15
15.
Demostrar geomtricamente que si v = (vl, K~),

entonces kv = ( k v , , kv2 ):, (Limitar la
demostracin al caso k > O que se ilustra en la figura
8. La demostraclon completa
requiere de varios casos que dependen del signo de k y del cuadrante en que se encuentra el vector.)
3.2 NORMA DE UN VECTOR: ARITMTICA

VECTORIAL
En esta seccin se establecern las reglas bsicas de la aritmtica
vectorial.
PROPIEDADES
DE LAS
OPERACIONES
VECTORIALES
En el siguiente teorema se enumeran las propiedadesmsimportantes

vectores en los espacios
bidimensional y tridimensional.
de los
Teorema 3.2.1. Si u, v y w son vectores en el espacio bidimensional o en el

espacio tridimensionaly k y I son escalares, entonces se cumplen las siguientes
relaciones.
a)
c)
e)
g)
I
u+v=v+u
u+o=o+u=u
k(lu) = (k1)u
( k + 1)u = ku + Zu
b) ( u + v ) + w = u + ( v + w )
d ) u+(-u)=O
f ) k<u+ v) = ku kv
h) l u = u
Antes de explicar la demostracin,se observa que se han desarrollado dos mtodos

para el estudio de los vectores: el geomtrico, en el quelos vectores se representan
por flechas o segmentos de rectas dirigidos, y el analtico, donde los vectores se
I60 / Vectores en los espacios bidinlensional y tridimensional
representan por parejas o ternas de nmeros denominados componentes. Como

consecuencia, las ecuaciones del teorema 3.2.1 se pueden demostrar geomtrica o
analticamente. Para ilustrar este hecho, el inciso 6) se demostrar de ambas
formas. Las dems demostraciones se dejan como ejercicio.
Ilemosiracin del itxiso a) (analtica). La demostracin se har para vectores en
el espacio tridimensional; la demostracin para el espacio bidimenslonal es semejante. Si u = (u,. u2, u3), v = (vl, v2, v3) y w = (wl, w2,w3),entonces
Denlostrac,,n del itlciso 6) (geomtrica). Sean u. v y w cuyas representaciones

"
PQ. QR y RS se muestran en la figura 1 . Entonces
v+w=QS
u+(v+w)=PS
Tambin.
+
u+v=PR
4'
(u+v)+w=PS
Por consiguiente.
u+(v+w)=(u+v)+w
O B S E R V A C I ~ N . En vista del inciso b) de este teorema, el smbolo u + v + w est
bien definido, ya que la misma suma se obtiene sin importar dnde se escriban
parntesis. Adems, si los vectores u, v y w se colocan "punta con cola", entonces
la suma u + v + w es el vector que va del punto inicial de u al punto final de w
(figura 1).
Figura 1
Los vectores u + (v + w)y (u + v) + w son iguales.
3.2 Norma de un vector: aritmtica vectorial / 161

NORMA DE UN
VECTOR
La longitud de un vector u a menudo se denomina norma de u y se denota por

11u((. De
acuerdo
con
el teorema
de
Pitgoras
se concluye que
la
norma
de un
vector u = (u1, u2)en el espacio bidimensionales
(1)
(Figura 2 4 . Sea u = (ul, u2, u3) un vector en el espacio tridimensional. Usando la

figura 2b y dos aplicaciones del teorema de Pitgoras se obtiene
Asi,
t*
Figura 2
Un vector de norma1 se denomina vector unitario.

Si Pl(xl, y,, zl) y P2(x2, y 2 , z 2 ) son dos puntos en el espacio tridimensional, entonces la distancia d entre los puntos es la norma del vector
PIP2
(figura 3). Ya que
por ( 2 ) se concluye que
162 1 Vrctorrs en los rsyacios bidimensional y tridinwnsional
Figura 3
La distanciaentre
&
PI y P2 es la normadel vector P I P 2 .
De manera semejante, si P l ( x l , y l ) y P,(x,, -y2) son dos puntos en elespacio

bidimensional, entonces la distancia entre ellos esta dada por
Ejemplo 1 La norma del vector u = (-3, 2, 1) es

/1ul/=
V(
3)* + (2)2 + ( 1 ) 2
dii
La distancia d entre los puntos P l ( 2 , - 1. -5) y P,(4, - 3 , I ) es

d=V(4-2)2+(-3+ 1)2+(1 + 5 ) * = m = 2 f l
Porla definicin del producto k u , la longitud del vector ku es k veces la

longitud de u. Expresada como ecuacin. esta proposicin establece que
Esta til frmula se aplica tanto en el espacio tridimensional como en el bidimensional.
3.2 Norma de un vector: aritmtica vectorial / I63

3. Sean u = (2, -2, 3), v
= (1,
-3,4), w = (3,6, -4). En cada inciso evaluar la expresin
dada.
a)
l b + VI1
b)
d) Il3u - 5v
+ wl\
e)
IIUII
+ IIVII
c) II - 4
1 + 2llull
1
"w
llwll
4. Sea v= (- 1,2, 5). Encontrar todos los escalares k tales que1 1 k v 1 1 = 4

5. Sean u = (7, -3, l), v = (9, 6,6), w = (2, 1, -S), k = -2 y I = 5. Comprobar que estos
en el teorema3.2.l .
vectores y escalares satisfacen las igualdades expresadas
inciso b).
inciso b)
e).
c) incison.
inciso d)
g).
a)
6. a) Demostrar que si v es cualquier vector diferente de cero, entonces

1
"v
llvll
es un vector unitario.
b) Usar el resultado del incisoa) para encontrar un vector unitario que tenga la misma
direccin que el vector v= (3,4).
c) Usar el resultado del inciso a) para encontrar un vector unitario cuya direccin sea
opuesta a la del vector v = (-2, 3 , -6).
7. a) Demostrar que las componentes del vector v = (vl, vz) en la figura 4 son v1 = llvll
cos 8 y v 2 = llvll sen B.
b) Scan u y v los vectores de la figura 5. Usar el resultado del inciso a) para encontrar
las componentes de4u - 5v.
AY
,"".
,
\
Figura 4
x, y , 2). Describir
Figura 5
el conjunto de todos los puntos (x, y, z )
9. Demostrar geomtricamente que si u y v son vectores en el espacio bidimensionalo en
el espacio tndimensional, entoncesIlu + vll

10.
Illull+
Ilvll.
Demostrar analticamentelos incisos a),c ) y e ) del teorema 3.2.1.
I64 i Vectores en los espacios bidimensional y tridimensional

11. Demostrar analticamente los incisos
d). g ) y h ) del teorema 3.2.1.
12. Demostrar geomtricamente el incison del teorema 3.2.1.
3.3 PRODUCTO PUNTO: PROYECCIONES

En esta seccin se analizar un mtodo para multiplicar vectores enlos espacios
bidimensional o tridimensional y se proporcionarn algunas aplicacionesde esta
multiplicacin a la geometra.
PRODUCTO
PUNTO DE
VECTORES
Sean u y v dos vectores diferentes de cero en el espacio bidimensional o en el

espacio trilmensional, y suponer que estos vectores se colocan de modo que sus
puntos iniciales coinciden. Por ngulo entre u y v se entiende el ngulo 6 determinado por u y v que satisface O I 6 I TC (figura 1).
IEI ngulo O entre u y v satisface a O'
Figura P
n.
Definicin. Si u y v son vectores en el espaciobidimensional o el espacio

tridimensional y 8 es el ngulo entre u y v, entonces el producto punto o
producto interior euclidianou . Y se define como
u.v
JJullJJvJj
cos 6
=
si u f O y v # O
siu=O o v = O
Ejemplo 1 Como se muestra en la figura 2, el ngulo entre los vectores u = (O, O,

1) y v = (O, 2, 2) es 45O. As,
3.3 Producto punto: proyecciones / 165
Figura 2
Y
Para efectosde clculo es deseable contar con una frmula que exprese elproducto
punto de
dos
vectores
en
trminos de las componentes de los vectores. La frmula
se obtendr para vectores en el espacio tridimensional; la obtencin para vectores
en el espacio
bidimensional
es
semejante.
Sean u = (ul, u2, u3) y v = (vl, v2, v3) dos
vectores diferentes de cero. Si,
como se muestraen la figura 3, 8 es el ngulo entre u y v, entonces la ley delos
cosenos da
FORMULA DE
LAS
COMPONENTES
PARA EL
PRODUCTO
PUNTQ
Figura 3
x/
"*
Como PQ = v - u, (2) se puede volver a escribir como
"
.,,". _.
166 / Vectores en los espacios bidimensional

y tridimensional
Y
IIV
-u112 = (VI -u#
+ (v2 -u2)2 + (v3 -u3)2
despus desimplificar se obtiene
L
u v = U I V l+ u2v2 + u3v3
Si u = (ul, uz) y v = (vl, v2) son dosvectores en el espacio bidimensional, entonces

la frmula correspondiente es
CLCULO DEL
NGULO ENTRE
VECTORES
Si u y v son vectores diferentes de cero, entonces la frmula (1) se puede escribir

como
Ejemplo 2 Considerar los vectores

u = (2, -1, 1) y v = (1, 1, 2)
Encontrar u . v y determinar el ngulo 8 entre u y v.

Solucin.
u . v = U I V l+ u2v2+ u3v3 = (2)(1) + (1)(2) = 3

Para los vectores dados se tiene IIuII= llvll=
& , de modo que por (5)
As, 8 = 60. A
Ejemplo 3 Encontrar el ngulo entre una diagonal de

aristas.
un cubo y una de sus
Solucin. Sea k la longtud de UM arista, y se introduce un sistemade coordenadas comose muestra enl a figura 4.
3.3 Producto punto: proyecciones / I67
Si se hace que u1 = (k, O, O), u2 = (O, k, O) y uj = (O, O, k), entonces el vector

d = (k, k, k ) = u1 + u2 + uj
es una diagonaldel cubo. El ngulo 0 entre d y la arista u1 satisface
As,
El siguiente teorema muestra cmosepuede usar elproducto punto para

obtenerinformacin sobreel ngulo entre dos vectores; tambin establece una
importante relacin entre la norma y el producto punto
Teorema 3.3.1. Sean u y v vectores en el espacio bidimensional o el espacio

tridimensional.
a ) v . v = llv11*; es decir, ( ( v ( J(v
= . v)''~.
b ) Si los vectores u y v son diferentes de cero y 0 es el angulo entre ellos, entonces
0 es agudo
0 es obtuso
0 = nf2
si y slo si
si y slo s1
si y slo si
U'V>O.
u.v<O.
u.v=O.
Demostracin de a). Como el n a o 0 entre v y v es O, se tiene

v * v = llvll llvll
COS 6 =
/ VI/'
COS
O = llvlI2
Demostracin de b). Como 8 satisface, 0 1 O 1 n,se concluye que: 0 es agudo si y

slo si cos 0 > O; 0 es obtuso si y slo si cos < O; y 0 = n l 2 si y slo si cos O = O.
Pero cos 0 tiene el mismo signo que u . v ya que u . Y = I(u(( llvll cos O, llull > O y
Ilvll> O. As, se concluye el resultado. @
I68 / Vectores en los espacios bidimensional y tn'dimensional
Ejemplo 4 Si u = (1, -2, 3), v = (-3,4, 2) y w = (3,6, 3), entonces

-5
~-~=(1)(-3)+(-2)(4)+(3)(2)=
+ (2)(3) = 2 1
w = (1)(3) + ( - 2)(6) + (3)(3) = O
v w = ( - 3)(3) + (4)(6)
U
Por consiguiente, u y v forman un ngulo obtuso, v.y w forman un ngulo agudo y

u y w son perpendiculares. A
VECTORES
ORTOGONALES
Los vectores perpendiculares tambin se denominan vectores ortogonales. A la

luz del teorema 1.3.lb, dos vectores dqerentes de cero son ortogonales si y slo si
su producto punto es cero. Si se acuerda en considerar a u y v como perpendiculares cuando alguno o los dos son cero, entonces se puede afirmar sin excepcin
que dos vectores u y v son ortogonales (uerpendiculares) si y slo si u v
Para indicar que u y v son vectores ortogonales, se escribe u I v.
Ejemplo 5 Demostrarqueen
el espaciobidimensional, el vector n
Merente de cero es perpendicular a la recta M: + by + c = O.
= (a,
O.
b)
Solucin. Sean P , ( x l , yl) y P2(x2, y z ) dos puntos dferentes que pertenecen a la

recta dada, de modo que
ax, + byl
ax2
+c =O
+ by2 + c = o
Como el vector P I P 2 = (xz - x,, y2 - y l ) est a lo largo de la recta' (figura 5),

basta demostrar quen y
son perpendiculares. Pero al restar las ecuaciones en
q2
(6) se obtiene
que puede representarse en la forma

A
(a,b).(x,-x,,y,-y,)=O
As, n y P I P , son perpendiculares. A
JY
ax+by+c=O
Figura 5
n.P,P2=0
3.3 Producto punto: proyecciones / I69

En el siguiente teorema se enumeran las propiedades ms importantes del
producto punto. Estaspropiedades son de utilidad en los clculos donde intervienen vectores.
Teorema 3.3.2. Si u, Y y w son vectores en el espacio bidimensional o en el
espacio tridimensionaly k es cualquier escalar, entonces:
a) u . v = v . u
b) u . ( v + w ) = u - v + u * w
c) k(u.v)= (ku).v= u.(kv)
d)v.v>Osiv#O, y v.v=Osiv=O
Demostracin. Se demostrar c ) para vectores en el espacio tridimensional, y las
dems demostraciones se dejan como ejercicio. Sean u = (u1, u2, u3) y v = (vl, v2,
v3); entonces
k(u .v) = k(ulvI
=(
+ U ~ U Z+ ~
3 ~ 3 )
b ) v ,+ (ku,)v, + (ku3)7J3
= (ku). v
De manera semejante,
PROYECCIONES
ORTOGONALES
En muchas aplicaciones se desea"descomponer"un vector u enunaadicin de

dossumandos, uno paralelo a unvector especfico diferente de cero a y elotro
perpendicular a a. Si u y a se colocan de modo que sus puntos iniciales coincidan
en un punto(2,entonces esposible descomponer el vector u como sigue (figura 6):
Trazar una perpenhcular desde la punta de u hasta la recta que pasa por a, y
obtener el vector w 1 que va de Q al pie de esta perpendicular. Luego, formar la
diferencia
w 2 = u - w1
Figura 6
El vector u es l a suma de w , y w2, donde w, es paralelo a a y w2 es

perpendicular a a.
Como se indica en la figura 6, el vector w1 es paralelo a a, el vector w2 es perpendicular a a, y
I 7 0 / Vectores en los espacios bidimensional y tridimensional
w,+w,=w,+(u-ww,)=u
El vector w1 se denomina proyeccin ortogonal de u sobre a, o algunas veces.

componente vectorial deu a lo Largo de a. Se denota por
P'OY,
(7)
El vector w2 se denomina componente vectorial de u ortogonal a a. Comose

tiene que w2 = u - w l , este vector se puede escribir en notacin (7) como
w2 = u - proy, u
En el siguiente teorema se proporcionan frmulas para calcular los vectores

proy, u y u - proy, u.
Teorema 3.3.3. Si u yason vectores en el espaciobidimensional o enel
espacio tridimensionaly si a f O, entonces
(componente vectorial
de u a lo largo de a)
u.a
u -proya u = u -?a
Itall
(componente vectorial
de u ortogonal a a)
Demostracin. Sean w1 = proy, u y w2 = u - proy, u. Como w1 es paralelo a a,

debe ser un mltiplo escalar de a, de modo que se puede escribir en la forma w 1 =
ka. As,
u=w,+w,=ka+w,
(8)
Tomando el productopuntoen ambos miembros de (8) con a y aplicando los

teoremas 3.3.1a y 3.3.2 se obtiene
u a = (ka + w2) a = klJa112+ w2. a
Pero w2 a = O, ya que w2 es perpendicular a a; de modo que (9) produce

k = -u s a
lla1I2
Como proya u = w 1 = ka, se obtiene
(9)
3.3 Producto punto: proyecciones / 171

Ejemplo 6 Sean u = (2, - 1, 3) y v = (4, - 1, 2). Encontrarlacomponente
vectorial de u a lo largo de a y la componente vectorial de u ortogonal a a.
Solucin.
+ ( - 1)( - 1) + (3)(2) = 15
+ ( - 112 + 22 = 21
u a = (2)(4)
lla1I2 = 42
As, la componentevectorial de u a lo largo de a es

u-a
a = g(4, - 1,2) = (y, - 47 3 'o)
7
llall
proya u = y
y la componentevectorial de u ortogonal a a es
Como verificacin, el lector puede comprobar que los vectores u - proya u y a son
perpendiculares si demuestra que su producto punto es cero. A
Una frmula para calcular la longitud de la componente vectorial de u a lo
largo de a se puede obtener escribiendo
con lo que se obtiene
Si 8 es el n a o entre u y a, entonces u . a = 1 1 ~ 1 1 llall cos 8, de modo que (IO)

tambin puedeescribirse como
(Comprobar.) UM interpretacin geomtrica de este resultado se proporciona enl a

figura 7.
I72 / Vectores enlos espacios bidimensional y tridimensional
Figura 7
OSO<-
7r
7T
--< e
2
Como ejemplo, se usarn mtodos vectoriales en la obtencin de una frmula

para calcular la distancia de un punto enel plano a una recta.
Ejemplo 7 Encontrarunafrmulapara
Po(xo,y,, 2,) y la recta ax + by + c = O.
calcular la dstancia D entre el punto
Solucin. Sea Q(x,, y l ) cualquier punto en la recta, y el vector
n = (u, h )
se coloca de modo que su punto inicial est en Q.
Por el ejemplo 5, el vector n es perpendicular a la recta (figura S). Como se
indica
en la figura. la distancia D es igual a la longitudde la proyeccin ortogonal
+
de QPo sobre n; as, por (lo), se tiene que
Pero
y+by+c=O?
Figura 8
de modo que
3.3 Producto punto: proyecciones / I 73
(I(.,,
Dadoque el punto
yl) est sobre la recta, sus coordenadas satisfacen la
ecuacin desta, de modo que
aX1+by1+c=O
o bien,
c = -ax1 - by,
Al sustituir esta expresin en(12) se obtiene la frmula
Ejemplo 8 Por la frmula (15) se concluye que la distancia D del punto (1, -2) a
la recta 3x + 4y - 6 = O es
D=
1(3)(1)+4(-2)-6\
d m
1-111
11

1.
Encontrar u . v.
a) u = (2, 3), v = (5, -7)
b) U = ( - 6, - 2), v = (4, O)
C) ~ = ( l -, 5 , 4 ) ,~ = ( 3 , 3 , 3 )d ) ~ = ( - 2 , 2 , 3 ) ,~ = ( 1 , 7 ,
-4)
2. En cada inciso del ejercicio1, encontrar el coseno del ngulo entreu y Y

3.
Determinar siu y v forman un ngulo agudo,un ngulo obtusoo son ortogonales.
a> u = ( 6 , 1 , 4 ) v, = ( 2 , 0 -, 3 )b ) u = ( O , O ,
- I ) , v = ( l , 1, 1)
c>u=(-6,0,4), ~ = ( 3 , 1 , 6 )
d ) ~ = ( 2 , 4 ,-8), ~ = ( 5 , 3 , 7 )
4. Encontrar la proyeccin ortogonal de
u sobre a.
a) u = (6, 2), a = (3, -9)
b ) u = ( - 1 , -2), a = ( - 2 , 3 )
c) u = ( 3 , 1 , -7), a = ( l , 0 , 5 )
d)u=(l,O,O), a = ( 4 , 3 , 8 )
5. En cada inciso del ejercicio4, encontrar la componente vectorial deu ortogonal a a
6. En cada inciso, encontrar Ilproy, u 11.
a) u = ( l , -2), a = ( - 4 , - 3 )
b) u = (5, 6), a = (2, - 1)
C) u = (3, O, 4), a = (2, 3, 3)
d) u = ( 3 , -2, 6), a = ( l , 2, -7)

7.
Sean u = (5, -2, l), v

cantidades.
(1, 6, 3) y k
-4. Comprobar el teorema
3.3.2 para estas
8. a) Demostrar quev = (a,b ) y w = ( 4
, a) son vectores ortogonales.

b) Usar el resultado del inciso a) para encontrar dos vectores que sean ortogonales a
v = (2, - 3 ) .
c) Encontrar dos vectores unitarios que sean ortogonales(-a3,4).
- 1) y w = (7, 1). Evaluar las expresiones

b) Il(u v)wll
c) IlUlKV . w >
d) (Ilullv)-w
9. Sean u = (3,4), v = (5,
a)
- (7v
w)
10. Explicar por qu cada una de las siguientes expresiones carece de sentido.
a) u (v w)
b)
(u v)
+w
c) Ilu
- vII
d) k
(u + v)
11. Usar vectores para hallar los cosenos de 10s ngulos internos del tringulo cuyos vrtices son (O, - l), (1, -2) y (4, 1).
12. Demostrar que 4 3 , O, 2), B(4, 3, O) y C(8, 1, -1) son los vrtices de un tringulo
rectngulo. En qu vrtice est elngulo recto?

13. Suponer que a
14.
b=a
y a # O. $,e
concluye que b = c? Explicar la respuesta
Sean p = (2, k ) y q = (3, 5). Encontrar k tal que

a) p y q sean paralelos.
b) p y q sean ortogonales.
c) el ngulo entre p y q sea d 3 .
d) el ngulo entre p y q sea n/4.
15. Usar la frmula (13) para calcular la distancia entre el punto

y la recta.
a) 4x+3y+4=0;(-3, 1)
+ 2; (2, -5)
b) y = - 4 ~
c) 3x+y=5;(1,8)
16. Establecer la identidad Ilu + vJ12+ IIu - v1I2 = 2 lu112+ 2
17. Establecer la identidad u * v =
)l~11~.
f 11u + v)12- f 1111 - ~ 1 1 ~ .
18. Encontrim el ngulo entre una diagonal de un cubo

y una de sus caras.
19. Sean i, j y k vectores unitarios a lo largo delos ejes positivos x, y y z de un sistema de
coordenadas rectangulares en el espacio tridimensional. Si v = (a, b, c ) es un vector

diferente de cero, entonces los ngulos a, f i , y y entre v y los vectores i, j y k, respectivamente, se denominan cfngulos directores de v (figura 9), y los nmeros cos a ,
cos y cos y se denominan cosenos directores de v
a) Demostrar que cos a = a/ IIvII.
b) Encontrar cosfi y cos y.
c) Demostrar que v/llvll= (cos a , cosa , cos y).
d) Demostrar que cos2 a + cos2/3 + cos2y = l .
Figura 9
3.4 Producto cruz / 175

20. Usar el resultado del ejercicio 19 para calcular, hasta el grado ms prximo, los
ngulos que forma una diagonal de una caja de dimensiones 10 cm
X 15 cm X 25 cm con
las aristas dela caja. [Nota Se requiere una calculadorao tablas trigonomtncas.]
21.
Con referencia al ejercicio19, demostrar quev1y v, son vectores perpendiculares en el

espacio tndimensional siy slo si sus cosenos dlrectores satisfacen
cos
0:
cos
4,
+ cosp, cos p, + cos y, cos y,
=o
22. Demostrar quesi v es ortogonal tanto aw ,como a w2, entonces v es ortogonal ak,wl+
k2w2para todos los escalaresk, y k,.
23. Sean u y v vectores diferentes de cero en el espacio bidimensional
o en el espacio
tridimensional, y sean k = 1 1 ~ 1 1 y I = IIvII. Demostrar que el vectorw = lu + kv biseca el
ngulo entre u y v.
3.4 PRODUCTO CRUZ

En muchas aplicaciones de vectores a problemas de geometra, fisica e ingeniera
es de inters construir en el espacio tridimensional un vector que sea perpendicular a dos vectores dados. En esta seccin se introducir un tipo de multiplicacin vectorial conque se obtiene ese vector.
DE VECToRES
Definicin. Si u = ( u l , u*, u3) y v = ( v ~v2,

, v3) son vectores enel espacio
tridimensional, entonces el producto cruz u X v es el vector definido por
1 o,
en notacin de determinantes,
oBsERvACIN. En vez dememorizar (l), las componentes de u x v se pueden

obtener como sigue:
Se forma la matriz 2
cuyoprimer rengln contiene las componentes de u y cuyo segundo rengln contiene las componentes dev.
176 / Vectores en los espacios bidimensional y tridimensional
Para encontrar la primera componente de u X v, eliminar la primera columna y evaluar el determinante; para encontrar la segunda componente, eliminar la segunda columna y evaluar el negatiTlo del determinante; para encontrar la terceracomponente,eliminarlaterceracolumna
y evaluar eldeterminante.
Ejemplo 1 Encontrar u x v, donde u = (1, 2, -2) y v = ( 3 , O, 1)
Solucin
Existe una diferencia importante entre el producto punto y el producto cruz

de dos vectores: el producto punto es un escalar y el producto cruz es unvector. El
siguiente teorema proporciona algunas relaciones importantes entre elproducto
punto y el producto cruz,y tambin muestra queu x v es ortogonal tanto a u como a v.
Teorema 3.4.1, Si u, v y w son vectores en el espacio tridimensional, entonces
a) u.(uXv)=O
b) v . ( u X v ) = O
(u X Y
es ortogonal
a u)
(u X v es ortogonul a
v)
( u ~ v ) ~ (IdentzdaddeLagrunge)*
d ) u X (v X w) = (u. w)v - (u. v)w (relucidn entre los productos cruzypunto)
e ) (U X V) X w = (u w)v - (V W)U (relacin entre los productos cruz ypunto)
C)
[ / U X V112 = 11U/1* l/v/l2-
I
*Joseph Louis Lagrunge (1736-1813). Matemtico y astrnomo francs-italiano. Lagrange, hijo
de un funcionario pblico, naci en Turin, Italia. (En el registro bautismal su nombre aparece como
GiuseppeLodovicoLagrangia.)Aunquesupadrequeraquefueseabogado,Lagrangesesinti
atrado por las matemticas y la astronomia despus de leer una memoria del astrnomo Halley. A
los 16 aAos de edad empez a estudiar matemticas por
su cuenta y a los 19 h e contratado como
profesor en la Royal Artillery School en Turin. El ao siguiente resolvi algunos problemas famosos
aplicando nuevos mtodos que florecieron en una rama
de las matemticas denominada clculo de
variaciones. Estos mtodos y las aplicaciones que Lagrange hizo de stos a problemas de mecnica
celesteerantanmonumentalesqueaproximadamentea
los 25 aos deedadLagrangeyaera
considerado por muchos de sus contemporneos como el ms grande matemtico existente. Uno de
los trabajos ms famosos de Lagrange es un documento denominado Mcunique Anulyflque, en el
que reduce la teora
de la mecnica a unas cuantas frmulas generales a partir
delascualeses
posible derivar todas las dems ecuaciones necesarias.
Eshistricamenteinteresante
el hechodeque
elpadredeLagrangeincursioninfrucsu familia estaba obligada a vivir
con
tuosamenteenvariasempresasfinancieras,demodoque
bastante modestia. Lagrange mismo afirm quesi su familia tuviera dinero, su vocacin no hubieran
sido las matemticas.
Napolen era un gran admirador de Lagrange y lo cubri de honores: lo hizo conde, senador y
le otorg la orden de la Legin de Honor.
A pesar de su fama, Lagrange siempre fue
un hombre
tmido y modesto. A su fallecimiento, h e sepultado con honores en El Panten parkino.

Demostracin de a). Sean u = (ul, u2, uz) y v = (v,, v2, v3). Entonces
Demostracibn de b). Semejante a la demostracin dea).
La demostracinse puede completar "multiplicando"los miembros derechosde (2)

y (3 j y comprobando suigualdad.
Demostracin de d)y e). Ver los ejercicios 26 y 27.

u = (1, 2, -2)
y v = (3, o, 1)
En el ejemplo 1 se demostr que
u X V = ( ~ -7,
, -6)
Como
u x v es ortogonal tanto a u como a v, como garantiza el teorema 3.4. l . A
En el siguiente teorema se enumeran las principales propiedades aritmticas

del producto cruz.
Teorema 3A.2. S i u, v y w son vectores cualesquiera

sional y k P.%cualquier escnlnr. entonces
en
el espacw tridimen-
a) u x v - - ( v X u )
b)
x (Y
-1-
W)
(U
x Y) f
(U X W)
6') (U f V ) x W (,Mx W) -t(V x W )

d ) k(u X V) -= ( k ~ X) v -= U X (kv)
e) u x o = Oxu-o
x u ==o
,f) u
Las demostraciones se concluyen de inmediato a partir de la frmula (1) y de las

propiedades de los determinantes; por ejemplo, a) puede demostrarse corno:
a). Al intercambiar u y v en ( I ) se intercaxnbian los renglones de
los tres determinantes del miembro derecho de (l), y por tanto se cambia el signo
de cada cornpotlerlte en el producto cruz. As. u X v = -(Y X u). 0
lcrrwslmt~lcirldc
Las demostraciones de los dem8s incisos se dejan como ejercicio

i
=(I,
O, O)
= (O,
!, O)
k = (O, O, 1 j
Cada uno de estos vectorcs tiene longitud igual a 1 y est a lo largo de un eje de
coordenadas (figura 1). Se denominan vectores unitarios normales en el espacio
tridimensional. Todovector v = (v,, v2, v 3 ) en elespacio tridimensional puede
expresarse en trminos de i, j. k. ya que es posible escribir
Figura 1
vectores unitarios estndares.
Por ejemplo,
(2,
--
3, 4) = 2 i - 3 j + 4k
3.4 Producto cruz / I79
A partir de (1) se obtiene
oj
i
El lector no debe tener ningn problema para obtener los siguientes resulta-
dos:
Figura 2
FRMNLA DEL
DETERMINANTE
PARA EL
PRODUCTO
CRUZ
iXi=jXj=kXk=O
kj iX
xxikj==j ki ,,
j X i = -k,
k x j = -i,
ixk=
-j
La figura 2 es til para recordar los resultados anteriores. Con referencia a esta
figura, si la circunferencia se recorre en el sentido del movimiento de las manecillas del reloj, el producto cruz de dos vectores consecutivos es el siguiente vector
que se encuentra, y si se recorre en sentido contrario al movimiento de las manecillas del reloj, el producto c m de dos vectores consecutivos es el negativo del
siguiente vector quese encuentra.
Tambin vale la pena observar que un producto cruz se puede representar simblicamente en formade un determinante 3 X 3:
Por ejemplo, si u = (1, 2, -2) y v = (3, O, l), entonces

i
uXv= 1
3
j
2
0
k
-2 =2i-7j-6k
1
lo que concuerda conel resultado obtenido en el ejemplo l .
Advertencia. En general, no es cierto que u

ejemplo,
(v
w)
(u
v)
w. Por
iX(jxj)=iXO=O
Y
( i X , j ) x j = k X j = -i
de modo que
iX(j~j)#(iXj)Xj
Por el teorema 3.4.1 se sabe que u X v es ortogonal tanto a u como a v.

Si u y v son vectores diferentes de cero, es posible demostrar que la direccin
180 / Vecto~es
en los espacios hidinmvional y tridimensional
de u x v se puede determinar aplicando la siguiente "regla de la mano derecha"* (figura 3): Sea 8 el ngulo entre u y v, y suponer que u se hace girar
por el ngulo 8 hasta que coincide con v. Si los dedos de la mano derecha se
disponen de modo que apunten en la direccin de rotacin, entonces el pulgar
indica (aproximadamente) la direccin de u X v.
&
u
+
uxv
Figura 3
"
'
EI lector encontrar instructivo practicar esta regla con los productos

iXj=k
JNTERPRETACIN GEOMTRICA DEL

PRODUCTO
CRUP
jXk=i
kXi=j
Si u y v son vectores en el espacio tridimensional, entonces la norma de u x v

tiene una interpretacin geomtrica til. La identidad de Lagrange, proporcionada
en el teorema 3.4.1, establece que
Si 8 denota el ngulo entre u y v, entonces u . v = llull llvll cos 8 , de modo que (5)
se puede escribir de nuevo como
As,
Pero llvll sen 8 es la altura del paralelogramo determinadopor u y v (figura 4). Por
tanto,
*Recordar que en este texto se acord considerar slo sistemas de coordenadas derechos. En caso de que se
hubieran usado sistemas izquierdos,aqu se hubiera aplicado una "regla de la
mano izquierda".
por (6), el rea A de este paralelogramo est dada por

A
= (base)(altura)= llull
llvll sen 0 1 / 1 1 x
VI]
Este resultado es correcto inclusive si u y v son colineales, ya que el paralelogramo

determinado por u y v tiene rea cero y por (6) se sabe que u x v = O porque en
este caso 8 = O. Por tanto, se tiene el siguiente teorema.
Teorema 3.4.3. Si u y v son vectores en el espacio tridimensional, entonces u

X v es igual al rea del paralelogramo determinado por u y v.
Ejemplo 4 Encontrar el rea del tringulo determinado por los puntos P I P , 2, o),
P 2 ( - 1. o, 2) y P,(O, 4, 3 ) .
El rea 4 del tr$ingulo es del rea del paralelogramo determinado

por los vectores P I P , y P , P, (figura 5). Usando el mtodo analizado en el ejemplo
2 de la seccin 3.1, P I P 2= (-3, -2, 2) y P I P 3= (-2, 2, 3). Se concluye que
Solucin.
P I P , x P I P 3= ( - 10,5,
Figura 5
I'
10)
Pi (2'2. O)
y en consecuencia,
TRIPLE
PRODUCTO
ESCALAR
Definicin. Si u, v y w son vectores en el espacio tridimensional, entonces

u (v x w)
se denomina triple producto escalar de u, v y w.

El triple producto escalar de u = (u1, u2, u2), v = ( v l , v2, v2) y w = (wl, w2,
wz) se puede calcular a partir de la frmula
(7)
WI
w:!
w3,
182 / Vectores en los espacios bidimensional y triditnensional
Lo anterior se concluye porla frmula (4), ya que
;3iul
Ejemplo 5 Calcular el triple producto escalar u (v
Solucin.
w) de los vectores
Por (7),
-2
4
3
U.(VX
w)
-60+4-
-5
-4
15149 A
O B S E R V A C I ~ X El smbolo (u v) X w carece de sentido, ya que no es posible

formar el producto cruz de un escalar y un vector. As, no hay ambigedad si
se escribe u v X w en vez de u (v X w). Sin embargo, por claridad en general se
conservar el parntesis.
Por (7) se concluye que
u.(vxw)=w.(uxv)=v.(wxu)
Figura 6
INTERPRETACI~N
GEOMTRICA DE
LOS
DETERMINANTES
ya que los determinantes 3 x 3 que representan estos productos se pueden obtener

uno a partir de otro mediante dos intercambios en los renglones. (Comprobar.) Es
posible recordar estas relaciones moviendo los vectores u, v y w en el sentido de
las manecillas del reloj alrededor de los vrtices del tringulo que se muestra en la
figura 6.
3.4 Producto cruz
183
Teorema 3.4.4.
a ) El valor absoluto del determinante
es igual al rea del paralelogramo en el espacio hidimensional dekrtruna

do por los vectores u = (id1, u2) y v = (vl, v2). (Ver la,figura 7a.)
6) El valor absoluto del determinante
es igual al volumen del pordeleppeclo en cl espacio tridinwnsional d~

terminado por los \lectores u = ( u , . u 2 . zr3). v = (v,. v 2 , v3) y w = (w,,w 2 ,
wJ. (Ver la$gura 76.)
Demostracin de a).La clave de la demostracin es aplicar el teorema 3.4.3. Sin
embargo. este teorema es vlidopara vectores en el espacio tridimensional.
mientras que u = (u,. u * ) y v = ( v I . v2). son vectorcs en el espacio bidimensional.
Para superar este "problema de dimenslon". u y v se considerarn como vectores
en el plano xv de un sistema de coordenadas xyz (figura sa), en cuyo caso estos
vectores se expresan como u = (u1. u 2 . O) y v = ( v l . v2, O). As.
Ahora, por el teorema 3.1.3 y el hecho de que Ilk11 = 1. se concluye quc el rea A
del paralelogramo determinado poru y v es
Figura 7
u1
con lo que se completa la demostracin.

Demostracin de b). Como se observa en la figura 86, se considera que la base del
paraleleppedo determinado por u, v y w es el paralelogramo determinado por u y
v. De acuerdo con el teorema 3.4.3 se concluye que el rea de la base es IIv X wII
y, como se ilustra en lafigura 86, la alturah
Figura 8
nl
del paraleleppedo es la longitud de la proyeccin ortogonal de u sobre v x w. En

consecuencia, por la frmula (10) de la seccin 3.3,
Se concluye que el volumen V del paralelepipedo es

OBSERVACI~N. Si V denota el volumen del paraleleppedo determinado por los
vectores u, v y w, entonces por el teorema 3.4.4 y la frmula (7) se concluye que
volumen del paraleleppedo

= /u (v x w>l
detemunado poru, v y w
Con base en este hecho y en el teorema 3.3.16 se puede deducir que
u.(vXw)= kv
donde el signo + o -resulta si u forma un ngulo agudo U obtuso con v X W .

La frmula (8) conduce a una prueba til para averiguar si tres vectores
dados son coplanares. Como tres vectores no coplanares determinan un paraleleppedo de volumen positivo, por (8) se concluye que 1u * (v X w)l = O si y slo si
los vectores u, v y w son coplanares. As, se tiene el siguiente resultado.
~~
~~
Teorema 3.4.5. Si los vectores u = ( u l , u2, u3), v = ( v l ,v2, v3)y w = (wl, w2,
w3)tienen el mismo punto inicial, entonces estn en el mismo plano si y solo si
INDEPENDENCIA
DEL PRODUCTO
CRUZ Y DE LAS
COORDENADAS
Inicialmente, se defini a un vector como un segmento de recta duigido o una

flecha en el espacio bidimensional o en el espacio tridimensional; los sistemas de
coordenadas y las componentes se introdujeron despus para simpllficar los
clculos con vectores. As, un vector posee "existencia matemtica" sin importar
si se ha introducido en un sistema de coordenadas. Adems, las componentes de
un vector no estn determinadas solamente por el vector; tambin dependen del
sistema decoordenadaselegido. Por ejemplo, en la figura 9 se indican un
vector fijo v en el plano y dos sistemas de coordenadas diferentes. En el sistema
de coordenadas x y , las componentes de v son (I, 1) y en el sistema x y , son
( J z , o ).
Este hecho plantea una cuestin importante sobre la definicin de producto
cruz. Como el producto cruz u X v se defini en trminos de las componentes de u
y v ycomo estas componentes dependen del sistema de coordenadas elegido,
parece posible que dos vectoresfjos u y v puedan tener productos cruz distintos en
sistemas de coordenadas diferentes. Afortunadamente, no sucede as. Para ver lo
anterior, simplemente basta recordar que
u X v es perpendicular tanto a u como a v.
La orientacin de u X v est determinada por la regla de la mano derecha.
l b x VI1 = llull llvll sen 8.
186 / Vectores en los espacios hidimensioml J; tridirnensionul
Estas tres propiedades determinan completamente elvector M X v; las dos

primeras propiedades determinan la direccih y la tercera determina la longitud.
Como estas propiedades de u X v dependen shlo de las longitudes y posiciones
relativas de u y v no del sistema de coordenadas derecho particular que se est
usando, elvector u X v permanece sin cambio si se introduce un sistema de
coordenadas derecho diferente. As, se dice que l a definicin de M X v es independiente de las coordenadas. Este resultado es importante para los fisicos e ingenieros, quienes a menudo trabajan con muchos sistemas de coordenadas en el mismo
problema.
Figura 9
Ejemplo 4 Considerar dos vectores perpendiculares u y ti, cada uno de longitud 1

(como se muestra en la figura IOU). Si se introduce un sistema de coordenadas xyz
como se muestra en la figura 1 Oh, entonces
de modo que
Sin embargo, si se introduce un sistema de coordenadas rlv'z' como se muestra en

la figura 1Oc. entonces
de modo que

u X v = k X i = j = ( O , 1,0)
Pero por las figuras 106 y 1Oc es evidente que el vector (O, O, 1) en el sistema xyz
es el mismo que el vector (O, 1, O) en el sistema x'y'z'. As, se obtiene el mismo
vector u x v si los clculos se realizan con coordenadas del sistema xyz o con
coordenadas del sistema x'y'z'. A

1. Sean u = (3,2, - I ) , v = (O, 2, -3) y w = (2,6,7). Calcular
b) u X (v X w)
a) v X w
c) (u x v) x w
e ) u X (v - 2w)
f ) (u X v) - 2w
d) (u X v) X (v X w)
2. Encontrar un vector que sea ortogonal tanto a u como a v.
a) ~ = ( - 6 , 4 , 2 ) , v = ( 3 ,
1,5)
b) ~ = ( - 2 , 1, 5), ~ = ( 3 , 0 ,-3)
3. Encontrar el rea del paralelogramo determinado por u y v.

a) u = ( l , - 1 , 2 )v, = ( O , 3 .
1)
b) u = ( 2 , 3 , 0 ) v, = ( - 1 , 2 -, 2 )
C) U = (3, - 1, 4), v = (6, -2, 8)
5. Comprobar el teorema 3.4.1 para los vectores u = (4,2, 1) y v =( -3,2, 7)
6 . Comprobar el teorema 3.4.2 para u = (5, -1, 2), v = (6, O, -2), w

k = -5.
(1, 2, -1) y
7. Cul es el error en la expresin u x v x w?

8. Encontrar el triple producto escalar u . (v X w).
a ) u = ( - l , 2 , 4 ) , v = ( 3 , 4 , -2), w = ( - 1 , 2 , 5 )
b ) u = ( 3 , - 1 , 6 ) , ~ = ( 2 , 4 , 3 ) , ~ = ( 5 ,- I , 2 )
9. Suponer que u . (v x w) = 3. Encontrar

a) u - ( w X v )
b) ( v X w ) - u
C)
w-(uxv)
d) v . ( u x w )
e) ( u x w ) . ~
f) v.(wxw)
10. Encontrar el volumen del paraleleppedo cuyos lados son u, Y, y w.

a)
= (2,
- 6 , 2), v = (O, 4, -2),
w =
(2,2, -4)
b)
U =
(3, I , 2), v
(4, 5 , I), w = (1, 2, 4)
11. Determinar si u, v, y w son coplanares cuando se colocan de modo que coincidan sus
puntos iniciales.
a) u = ( - 1, -2, I), v = (3, O, - 2 ) w = (5, -4, O)
b ) u = ( 5 , -2, I), ~ = ( 4 -,I , I ) , w = ( l , - I , O )
C) U =(4, -8, I ) , v = ( 2 , 1, -2), w
(3, -4, 12)
12. Encontrar todos los vectores unitarios paralelos al plano xy que son perpendiculares al
vector (3, - 1,2).

13. Encontrar todos los vectores unitarios en el plano determinado por u = (3, O, 1) y v =
(1, - 1, 1 ) que son perpendiculares al vector w = (1,2, O).
14. Sean a = ( a , ,a2,a3),h = ( b , , h2, h i ) , c = ( c , ,c2, C J y d = (di, d,, d3).Demostrar que

(a+d).(bXc)==a.(bXc)+d-(bXc)
15. Simplificar (u + v) X (u - v )
16. IJsar el producto cruz para encontrar el seno del ngulo entre los vectores u = (2,
3, -6) y v = (2, 3,6)
17. a ) Encontrar el rea del tringulo cuyos vrtices son A(1, O, I ) , B(O,2, 3 ) y C(2, 1, O).
b) IJsar el resultado del inciso a) para encontrar la longitud de la altura del vrtice ' al
lado AH.
18. Demostrar que si u es un vector que va de cualquier punto de una recta a un punto 1'
que no pertenece a la recta y v es un vector paralelo a Csta, entonces la distancia entre
P y la recta est definida por 1111 X vII / Ilvll.
21. Considerar el paraleleppedo con lados u = (3,2, I), v = (1, 1,2) pw = ( I , 3 , 3).
a) Encontrar el rea de la cara determinada por u y w .
b) Encontrar el nguio entre u y el plano que contiene la cara determinada por v y w.

[Nota El ngulo entre un vector y un plano se define como el Angulo O entre el
vector y la nonnal al plano para la que O .c- O S d 2 . 1
22. Encontrar un vector n perpendicular al plano determinado por los puntos A(0, -2, I),
& I , -1, -2) y (?(--I, 2, O). [Ver la nota del ejercicio 21.1
23. Sean m y n vectores cuyas componentes en el sistema xyz de la figura IO son m = (O, O,
1)y n = ( O , I , O).
a) Encontrar las componentes de m y n en el plano xyz' de la figura 1O.
b) Calcular m X n usando las componentes del sistema q z .
c) Calcular m X n usando las componentes del sistema xyz'.
d) Demostrar que los vectores obtenidos en b) y c) son los mismos.
24. Demostrar las siguientes identidades
a) ( u + k v ) ~ v = u X v
b) U . ( V X Z ) =" ( u x z ) . ~
25. Sean u, v y w vectores diferentes de cero en el espacio tridimensional que tienen el
mismo punto inicial, pero de modo que ningn par de ellos es colineal. Demostrar que
a) u X (v X w) est en el plano determinado por v y w.
b) (u X v) X w estri en el plano determinado por u y v
3.5 Rectas y planos en el espacio tridimensional / 189

26. Demostrar el inciso 6)del teorema 3.4.1. [Sugerencia Demostrar primero el resultado
en el caso en que w = i = (1, O, O), luego cuando w = j = (O, 1, O) y luego cuando w = k
= (O, O, 1). Por Cltimo, hacer la demostracin para un vector cualesquiera w = (w,,wz,
w3)escribiendo w = w,i + wzj + w3k.]
27. Demostrar el inciso e ) del teorema 3.4.1. [Sugerencia Aplicar el inciso a) del teorema
3.4.2 al resultado del inciso d) del teorema 3.4.1.1
28. Sean u = (1, 3, -l), v = (1, 1,2) y w = (3, -1, 2). Calcular u x (v X W) usando el
ejercicio 26; luego, comprobar el resultado efectuando el clculo directamente.
29. Demostrar: Si a, b, c y d estn el mismo plano, entonces (a
b) x (c
X d)
= O.
30. En geometra de slidos existe un teorema que establece que el volumen de un tetrae-
dro es 1/3(rea de la base) * (altura). Usar este resultado para demostrar que el volumen del tetraedro cuyos lados son los vectores a, b y c es 116 ::. (b X c) (figura 11).
31. Usar el resultado del ejercicio 30 para encontrar el volumen del tetraedro con vrtices
P,Q, R Y S.
a) P ( - 1, 2, O), Q(2, 1, -31, 4 1 , O, 11, S(3, -2, 3)
b) P(0, O, O), Q(1, 2 , - I ) , R(3,4, O), S ( - 1, -3, 4)
32. Demostrar los incisos a ) y 6 ) del teorema 3.4.2
33. Demostrar los incisos c) y 6)del teorema 3.4.2.
34. Demostrar los incisos e ) y j ) del teorema 3.4.2
3.5 RECTAS Y PLANOS EN EL ESPACIO TRIDIMENSIONAL

En esta seccin se usarn los vectores para obtener ecuaciones de rectas y planos
en elespacio tridimensional, y estas ecuaciones se utilizarn para resolver
algunos prob lemas de geometra bsicos.
PLANOS EN EL
ESPACIO
TRIDIMENSIONAL
En geometra analtica plana, una recta se puede especificar dmdo su pendiente y

uno de sus puntos. De manera semejante, un plano en el espacio tridimensional se
puede especificar proporcionando su inclinacin y especificando uno de sus puntos.
Un
mtodo
conveniente para describir la inclinacin es especificar un vector
diferente de cero (denominado normal) que es perpendicular al plano.
I90 / Vectvres en los espacios bidimensiorraly tridinrensisional
Suponer que se desea encontrar la ecuacin del plano que pasa por el punto
Po(xo,yo,zo) y cuya normal es el vector n = (a, b, e) diferente de cero. De la figura
1 resulta evidente que el plano consta precisamente de los puntos P(x, y , z ) para
T
6 es ortogonal a n; es decir,
los cuales el vector P
-----f
n.PoP=O
4
Como POP= (x - xo. y - yo, z - zo). la ecuacin (1) se puede escribir como
La expresin (2) se denomina forma punto-normal de la ecuacin de un plano.
Figura 1
x/
Ejemplo 1 Encontrar la ecuacin del plano que pasa por el punto ( 3 , - 1, 7) y es

perpendicular al vector n = (4, 2. -5).
Multiplicando y agrupando tminos, (2) puede volver a escribirse como
donde a, 6 , c y d son constantes y no todas las constantes u, b y c son iguales a

cero. As, la ecuacin en el ejemplo 1 se puede escribir de nuevo como
4x + 2y
- 5~ + 25 = O
Como se demuestra en el siguente teorema, toda ecuacin de la forma ax + by +

cz + d = O representa un plano en el espacio tridimensional.
3.5 Rectas y planos enel espacio nidimensional / 191
son iguales
Si a, b, c y d son constantes y no todas las constantes a, b y c

a cero, entoncesla grjca de la ecuacin
1
ax+by+cz+d=O
es un plano cuya normal es el vector n = (a, 6, c).
La ecuacin (3) es una ecuacin lineal en x, y y z; se denomina forma

general de la ecuacin delplano.
Demostracin. Por hiptesis, notodos los coeficientes a, b y c son iguales a
cero. Suponer, por el momento,que a # O. Entonces la ecuacin ax + by + cz + d =
O puede escribir de nuevo en la forma a(x + (d/a))+ by + cz = O . Pero esta es una
forma punto-normal del plano que pasa por el punto (-d/a, O , O) y cuya normal es
n = (a,6, c).
Si a = O, entonces b # O o c # O. Una modificacin directa del razonamiento
anterior permite manejar estos otros casos. 0
De la misma manera en que la solucin deun sistema de ecuaciones

ax
+ by = k,
cx
+ dy = k2
lineales corresponde a los puntos de interseccin de las rectas ax + by

dy = k, en el plano x y , as las soluciones de unsistema
ax + by + cz = k ,
dx + ey + fz = k ,
gx + hy + iz = k3
= k,
y cx +
(4)
corresponden a los puntos de interseccin de los tres planos ax + by + cz = k , , dx +

ey+&=k2ygx+hy+iz=k3.
En la figura 2 se ilustran algunas de las posibilidades geomtricas que
ocurren cuando (4) no tiene solucin, tiene exactamente una solucin o tiene
infinidad de soluciones.
Ejemplo 2 Encontrar la ecuacin del plano que pasa por los puntos Pl(l, 2, - l),
P , ( 2 , 3 , 1) y P,(3, - L 2 ) .
Solucin. Como los tres puntos estn en el plano, sus coordenadas deben satisfacer
la ecuacin general ax + by + cz + d = O del plano. As,
a+2b2a+3b+
c+d=O
c+d=O
3 ~ -b + 2 c + d = O
La solucin de este sistema es

a=
- A1 t6 ,
h = " I1 6t ,
c=&t,
d=l
solucin(3 planos paralelos).15)No existe solucin(2 planos paralelos).

c) No existe solucin(3 planos sin interseccin comn).
d) Infinidad de soluciones (3
planos coincidentes). e) Infinidad de soluciones(3 planos que se intersecan en una
&).A Una solucin (3 planos quese cortan en un punto).g) No existe solucin(2
planos coincidentes paralelos un
a tercer plano).h) h f h d a d de soluciones( 2 planos
coincidentes quese intersecan con un tercer plano).
a) No existe
Figura 2
~~
Haciendo t = - 16, por ejemplo, se obtiene la ecuacin buscada

9x+y
- 5~ - 1 6 = 0
Se observa que con cualquier otra eleccin de t se obtiene un mltiplo de esta

ecuacin, de modo que con cualquier valor de t f O tambin se obtiene una ecuacin vlida del plano.
Otra solucion. Como P l ( l , 2, - l ) , P2(2,3, 1) y P3(3, -1, 2) pertenecen al plano,

entonces los vectores
p p = (1, 1, 2) y P I P 3 = (2, -3, 3) son paralelos al plano.
u'2
Por consiguente, P I P 2 x P I P , = (9, 1, -5) es normal al plano, ya que es
perpendicular a pip; y a p , P,. Con base en este hecho y como P, pertenece al
plano, una forma punto-normal para la ecuacin del plano es
__f
&
9(x - 1)
+ ( y - 2) - 5(z + 1) = O
~ x + Y - ~ z 1- 6 - 0
3.5 Rectas y planos en el espacio tndimensional / I Y3
FORMA
VECTORLAL DE
LA ECUACI6N
DE UN PLANO
Figura 3
La
notacin
vectorial
proporciona
otra
manera
til para
escribir
la
punto-normal de la ecuacin de un plano; con referencia a la figura 3,
= (x, y , z) el vector que va del origen
al punto P ( x , y , z), r, = (x,, y,,
vectorque va delorigenalpunto
P,(x,, y,, z,), y n = (u, b, c) un
normal al plano (figura 3).
forma
sean r
zo) el
vector
x+
Entonces PTP
como
r - r,, de modo que la frmula (1) se puede volver a escribir
I
n (r - r,,) = O
Esta expresin se denominaforma vectorial dela ecuacin deun plano.

Ejemplo 3 La ecuacin
esla ecuacin vectorialdel plano que pasaporel

pendicular al vector u = (- 1, 2, 5). A
RECTAS EN EL
ESPACIO
TRIDIMENSIONAL
punto (6, 3 . -4) y es per-
A continuacin se mostrar cmo obtenerecuacionesderectasen

el espacio
tridimensional. SuFoner que 1 es
la
recta en el espacio
tridimensional
que
pasa por el punto Po(xo,y,, z), y es paralela al vector diferente de cero v = (u,
b, c). Es evidente
(figura 4) que 1 consta
precisamente
de
los puntos P(x, y. z)
para los que el vector r P es paralelo a v; es decir, para los que existe un
escalar t tal que
194 / Vectores en 10s espacios bidimensional y tridimensional
En trminos de componentes, (6) se puede escribir como

(X - ~ 0y , -yo,
de donde se deduce que x - x.

x = x.
= tu, y
+ tu,
z - zo) = (tu, tb,
-yo = tb y z
y = yo + tb,
tc)
- zo = tc, de modo que

z = zo + tc
Figura 4
Cuando el parmetro t vara de Las ecuaciones

x=x0+ta,
CQ
y=yo+tb,
a+
m.
el punto P(x,y, z ) describe la recta 1.
z=z0+tc
(7)
(--<tt+-t)
~~~~~~~~
se denominan ecuaciones paramtricas de I
Ejemplo 4 La recta que pasa por el punto (1, 2, - 3 ) y es paralela al vector v = (4,
5, - 7 ) tiene las ecuaciones paramtricas
x=1
+ 4t,
.v
+ 5t,
z = -3
7t
(--<tt+-t)
Ejemplo 5
a) Encontrar las ecuaciones paramtricas de la recta I que pasa por los puntos
P,(2, 4, - 1) y P,(5, o, 7 ) .
b) Dnde corta la recta al plano y ?
3.5 Rectas y planos en el espacio m'dimensional / 195

L
Solucin a). Como el vector P , P , = (3, -4, 8) es paralelo a 1y P,(2, 4 , - 1) pertenece a I, entonces la recta 1est definida por
~ = 2 + 3 t , y=4-4t,
Z =
-1 +8t
(-m<<<++)
Solucin b). La recta corta al plano xy en el punto en que z = - 1 + Sf = O , es

decir, donde f = 1/8. Sustituyendoeste valor de f en las ecuaciones parametricas de
1 se obtiene que el punto de interseccin es
Ejemplo 6 Encontrar las ecuaciones paramtricas de la recta de interseccin de

los planos
Solucin. La recta de interseccin consta detodos

satisfacen las dos ecuaciones del sistema
los puntos (x, y , z ) que
3~ 2y - 42 = 6
x-3y-2z=4
Al resolver este sistema se obtiene

X=26+16f
11
11,
y = -ii--iit,
z=t
Por consiguiente, las ecuaciones paramtricas de 1son
FORMA
VECTORIAL DE
LA ECUACIN
DE UNA RECTA
La notacin vectorial da otra forma til para escribir las ecuaciones paramtricas
de una recta; con referencia a la figura 3, sean r = (x, y, z) el vector que va del
origen al punto P(x, y , z), ro = (xo, yo,zo) el vector que va del origen al p u s
Po(xo,yo, zo), y v = (a, 6, c) un vector paralelo a la recta (figura 5). Entonces Pop
= r - ro, de modo que la frmula (6) se puede volver aescribir como
r-ro=tv
Tomando en cuenta el intervalo de variacin de los valores I, la frmula anterior

se puede escribir de nuevo como
r=r,+tv
(-m<t<+w)
Esta expresin se denominaforma vectoriaf de f a ecuacin de una recta en el espacio tridimensional.
Figura 5
.,/
(.\-,?:.)=(-2,0,3)+t(4,
- 7 , 1)
(--<t<+-t)
es la ecuacin vectorial de la recta que pasa por el punto (-2, O, 3) y es paralela al

vector v = (4. -7. 1). A
ALGUNOS
PROBLEMAS
DONDE
INTERVIENE LA
DISTANCIA
Esta seccin termina con el estudio de dos "problemas de distancia" bhsicos en el

espacio tridimensional:
Problemas
a) Encontrar la distancia entre un punto y un plano.
b) Encontrar la distancia entre dos planos paralelos.
Ambos problemas estn relacionados. Si se puede encontrar la distancia entre un

punto y un plano, entonces es posible encontrar la distancia entre planos paralelos
al calcular la distancia entre uno de los planos y un punto arbitrario Po en el otro
plano (figura 6).
Figura 6
La distancia entre los planos paralelos V y Cy es

igual a la distancia entre P, v W.
3.5 Rectas y planos en el espacio tridimensional / I Y7
ID=
laxO byo + czo + dl
ViGK2
e(.,,
Demostracin. Sea
y,, zl) cualquier punto en el plano. El vector normal n
= (a, b, c) se coloca de modo que su punto inicial est en Q. Como se ilustra en la
figura 7 , la distancia D es igual a la longitud de la proyeccin ortogonal de
sobre n. As, por (10) de la seccin 3 . 3 ,
Qx
Pero
As,
D = 14x0 - x, 1 + @Yo - Y ,
1 + &o
e@,,
- z1
)I
(10)
Como el punto
yl, z i ) pertenece al plano, sus coordenadas satisfacen la
ecuacin del plano; entonces
ax, + by, + cz, + d = O

O
d=
ax, - by, - czl
Sustituyendo esta expresin en (IO) se obtiene (9).
198
I Vectores en los espacios hidimensional y tridimensional

OBSEHVACI~N. Ntese la semejanza entre (9) y la frmula de la distancia entre
un punto y una recta en el espacio bidimensional(13) de laseccin 3.3.
Ejemplo 8 Encontrar la distancia D entre el punto (1, -4, -3) y el plano 2x - 3y

+ 6 z = -1.
Solucin. Para aplicar (9), primero se vuelve a escribir la ecuacin del plano en
la forma
2~ - 3 ~ + 6 1~= +
O
Entonces
D=
/(2)(1)+(-3)(-4)+6(-3)+1)
q 2 2 + (-3>*+ 62
--=1-31
3 A
7
Dados dos planos, si se cortan, entonces se pregunta por su recta de

interseccin (como en el ejemplo 61, o si son paralelos, entonces se pregunta por la
hstancia entre ellos. El siguiente ejemplo ilustra el segundo problema.
Ejemplo 9 Los planos
x+2y-22=3
y 2x+4y-4z=7
son paralelos, ya que sus normales (1, 2, -2) y (2, 4, -4) son vectores paralelos.
Encontrar la distancia entre estos planos.
Solucin. Para encontrar la distancia D entre los planos, se puede elegir un
punto arbitrario en uno delos planos y calcular su distancia al otro plano.
Haciendo y = z = O en la ecuacin x + 2y - 22 = 3 , se obtiene el punto P,(3, O, O)
en este plano. Por (9), la distancia entre Po y el plano 2x + 4y - 42 = 7 es
_ _ ~ ~ ~
~
EJERCICIOS DE LA SECCIN 3 5
1. Encontrar una forma punto-normal de la ecuacin del plano que pasa por P y cuya
normal es n.
-2); n = ( - 2 , 1, -1)
c ) P(2, O, O); n = (O, O, 2)
a) P ( - l , 3 ,
b)P(l, 1,4); n = ( l , 9 , 8 )
d ) P(0, O, O); n = (1, 2, 3)
2. Escribir en forma generallas ecuaciones de los planos del ejercicio l .

3. Encontrar una forma punto-normal
a) - 3 x + 7 y + 2 z = 10
b) ~ - 4 ~ = 0
4. Encontrar la ecuacin del planoque pasa por 10s puntos dados
a) P(-4,
1, - I ) ,
Q(-2, O, I), R ( - 1, -2,-3)
b) P(5,4, 31, Q(4, 3, I ) , R(1, 5,4)
5. Determinar si los planos son paralelos
y 7~-3y+42=8
a) 4 x - y + 2 z = 5
b)x-4y-3~-2=0
y 3 ~ -1 2 ~ - 9 ~ - 7 = 0
c) 2 y = 8 x - 4 z + 5
y x = + z + ' 4Y
6. Determinar si la recta y el plano son paralelos.
a ) x = -5-4t,
y = l -t, z = 3 + 2 t ; x + 2 y + 3 z - 9 = 0
b)x=3t, y = 1+ 2 t , z = 2 - t ; 4 x - y + 2 ~ = 1
7. Determinar si los planos son perpendiculares.
a) 3 x - y + z - 4 = 0 ,x + 2 z =
-1
b) x - 2 y + 3 z = 4 ,- 2 x + 5 y + 4 z =
-1
8. Determinar si la recta y el plano son perpendiculares
a) x = - 2 - 4 t , y = 3 - 2 r , z = 1 + 2 t ; 2 x + y - z = 5
b)x=2+t, y = l -t, ~ = 5 + 3 t ; 6 ~ + 6 ~ - 7 = 0
9. Encontrar las ecuaciones paramtncas de la recta que pasa por P y es paralela a n.
a) P(3, - 1, 2), n = (2, 1, 3)

c) P(2, 2, 6); n = (O, 1, O)
b) P(-2, 3, -3); n = (6, -6, -2)

d) P(0, O, O); n = (1, - 2, 3)
10. Encontrar las ecuaciones paramtricas de la recta que pasa por los puntos dados
a> (5, -2, 4), (7, 2, - 4)
b) (O, O, O>, (2, - 1, - 3)
11. Encontrar las ecuaciones paramtricas de la recta de interseccin de los planos dados
a) 7 x - 2 ~ + 3 ~ -2
=
-3x+y+2z+5=0
b) 2 x + 3 y - 5 ~ = 0 y
12. Encontrar la forma vectorial de la ecuacin del plano que pasa por Po y cuya nor-
mal es n.
a) P 0 ( - l , 2 , 4 ) n; = ( - 2 , 4 ,
1)
c) P0(5,-2, 1); n = ( - I , O,O)
b) P0(2,0,
-5);
n=(-l,4,3)
d) Po(O,O, O); n = (u, b, c )
13. Determinar si los planos son paralelos

a) ( - l , 2 , 4 ) . ( ~ - 5 , ~ + 3 , ~ - 7 ) = 0 ; (2, -4, - 8 ) - ( ~ + 3 , ~ + 5 , ~ - 9 ) = 0
b)(3,0,-I).(x+I,y-2,~-3)=0;
(-I,O,~).(X+I,~-Z,Z-~)=O
14. Determinar si los planos son perpendiculares.

l , y , z + 3 ) = 0 ; ( I , -2, I ) . ( x + ~ , ~ - ~ , z ) = o
b ) ( 3 , 0 , - 2 ) . ( ~ + 4 , ~ - 7 , ~1 )+= O ; (1, I , I ) . ( x , y , z ) = O
a) ( - 2 , l , 4 ) . ( x -
15. Encontrar l a forma vectorial de la ecuacin de la recta que pasa por p , y es pa-
ralela a v.
a) P o ( - l > 2 , 3 ) ; v = ( 7 , - 1 , 5 )
C) Po(L -4, 1); v = (O, O, - 2)
b) Po(2,0, - I ) ; VE(], I , I )
d) Po(O, O, O); v = ( U , b, C)
y=O
200 / Vertnres en los espacios bidimensionai y tridimensionul

16. 1)t:mostrar. que la recta
,x- = o,
y = [ *
z-
(-E.<!<
+,A)
a ) pertenece al plano hx + 4y - 42 = (J.

11) es paralelaal plano 5x - 3y + 3z = 1 y csth por abajo de ste.
L) es paralela ai plano 6x + 2y - 22 = 1 y esti por arriba de ste
18. Encontrar la ecuacin del
a) plano KV.
b) piano xz.
c)
plar~ovz.
19. Encontral. la ecuacin del piano que contiene al punto (xo,yo. zo) y es paralelo al
a) plano x y .
b)
plano yz.
c) plano xz.
20. t-hcontrar l a ecuacrn del plano que pasa por el origen y es paralelo al plano 7x +
4y - 2 2 + 3 - 0 .
21. Encontrar la ecuacin del plano que pasa por el punto (3, -6, 7) y es paralelo al plano
5, - 2 y + z - S=().
22. Jhcontrar el punto de interseccin de l a recta
x-9=-sr,
y+l--t,
z-3=r
(--cc<t<+m)
y el plano 2x -. 3v + 42 + 7 = O.
23. Encontrar l a ecuacin del plano que contiene a la recta x =
-= 2 - t y es perpendicular al plano 2x - 4y + 22 = 9.
- I + 3t, y
=5
+ 2t, z
21. Ilncontrar la ecuacin delplano que pasa por (2, 4, - 1) y contiene a la rectade
interseccin de los planos x y - 4z = 2 y - 2 x + y + 22 = 3 .
25. Demostrar que los puntos (-1,

pertenecen al mismo plano.
-2,
-3), ( - 2 , O, I), (-4,-1,
-1)
y (2, O, 1)
26. Encontrar las ecuaciones paramtncas de l a recta que pasa por ( - 2 , 5 , O) y es paralela
alosplanos2x+y-4z=Oy -x+2y+3z+1 =O.
27. Encontmr l a ecuacin del plano que pasa por ( - 2 , I , S ) y es perpendicular a los planos
4~ - 2 ~ + 2 ~- 1 =V 3 ~ + 3 y- 6 . ~ ~ 5 .
28. Encontrar la ecuacin del plano que pasa por (2, - 1,4) y es perpendicular a la recta de
interseccin de los planos 4x + 2y + 2z =-1 y 3x + 6y + 32 = 7.
29. Encontrar la ecuacin del plano que es perpendicular al plano 8x - 2y + hz = 1 y pasa
por los puntos P I ( - i , 2 , S) y P2[2, I , 4).
30. Demostrar que las rectas

x=3-2t,
y=4+r,
z=l-t
(--<<<++)
x=5+2t,
y=l-t,
z=7+r
(--<tt++)
Y
son paralelas y encontrar la ecuacin del planoque determinan.
31. Encontrar la ecuacin del plano que contiene al punto (1,
+ l , ~ -3
= +2t.
- 1,2) y a la recta x = t, y
=t
32. Encontrar la ecuacin del plano que contiene a la recta x = 1 + t , y = 3t, z = 2t y es

paralelo a la recta de interseccin de los planos -x + 2y + z = O y x + z + I= O.
33. Encontrar la ecuacin del plano tal que todos sus puntos equidistan de (- 1, -4, -2) y
(0, -2,2).
34. Demostrar que la recta
x-5=-t,
y + 3 = z2 +t ,1 = (- -5-tp < t < + O )
esparalelaalplano - 3 x + y + z
- 9=0.
35. Demostrar que las rectas

x - 3 = 4yt-,4 =zt-,l = O
(-rn<t<+m)
Y
~ + 1 = 1 2yt -, 7 = 6~t ,- 5 = 3 t
(-x<t<+x)
se cortan y encontrar el punto de interseccin

36. Hallar la ecuacin del plano que contiene a las rectas del ejercicio 35.
37. Encontrar las ecuaciones paramtricas de la recta de interseccin de los planos
a) -3x+2,v+z=
-5
and 7 x + 3 y - 2 z = - 2
b) 5 1 - 7y 2z = O and y = O
38. Demostrar que elplano cuyascoordenadas al origen son x = a,y = b, z = c tiene la ecuacin
x y z
-+-+-= 1
a b c
en el supuesto de que a, b y c son diferentes de cero,

39. Encontrar la distancia entre el punto y el plano,
a) (3, 1, -2); x + 2y - 2z = 4
b)(-1,2,
I ) ; 2 ~ + 3 ~ - 4 z =1
C) (0,3, -2); x - Y - z = ~
40. Encontrar la distancia entre los planos paralelos dados
a) 3x - 4y + z = 1
b) - 4 ~ + y - 3 ; = 0
c) 2 x - . v + z =
y
y
22 = 3
8~-2,v+6z=O
2x-y+z=
-1
61 - S,V
41. Demostrar que si las constantes a, b y c no son cero, entonces la recta

y=y,+bt,
x=x,+at,
(--<<<+-m)
z=z,+ct
consta de todos los puntos (x,y, z ) que satisfacen

x--,
-Y
-Yo-2-%
h
c
Estas expresiones se denominanecuaciones sim&ricas de la recta

42. Encontrar las ecuaciones simtricas de las rectas de los incisos a) y b) del ejercicio 9.
[Nota Ver el ejercicio 4 1 respecto a la terminologa.]
43. En cada inciso, encontrar las ecuaciones de los dos planos cuya interseccin es la recta
dada.
a)x=7-4t,
b)x=4t,
y = -5-2t,
,v=2t,
z=7t
z=5+f
(-m<t<
(-m<[<
+m)
+m)
[Sugerencia. Cada igualdad en las ecuaciones simtricas de una recta representa un

plano que contiene a la recta. Ver el ejercicio 4 1 respecto a la terminologa.]
44. Dos planos que se cortanen el espaciotridimensionaldeterminandosngulosde
interseccin: un ngulo agudo (O 5 8 5 90) y su suplemento 1 SOo - 8 (figura Sa). Si
n1 y n2 son normales diferentes de cero a los planos, entonces el ngulo entre nl y nz
es 8 o 180 - 8 , dependiendo dea
ls direcciones de las normales (figura 8b). En cada
inciso, determinar el ngulo agudo de interseccin de los planos, hasta el grado ms
prximo.
y
2x-y+z-4=0
b)x+2y-22=5
y
6~-3.~+2~=8
a)x=O
[Nota Se requiere calculadora.]
Figura 8
45. Encontrar el ngulo agudo de interseccin entre el plano x - y - 32 = 5 y la recta x =
2 - t, y = 2t, z = 3t - 1 hasta el grado ms prximo. [Sugerencia Ver el ejercicio 44.1
4.1
ESPACIOEUCLIDIAN0 n DIMENSIONAL
La idea de usar parejas
de nmeros para localizar puntos en el plano
y
ternas de nmeros para localizar puntos en el espacio tridimensional
fue
explicada con claridad por vez primera a mediados del siglo XVII. Al jinal
del siglo XIX los matemticos y losfisicos comenzaron a darse cuenta de que
no era necesario detenerse en las ternas. Se reconoci que las cudruplas de nmeros (al, a2, a3, a4) podan
considerarse como puntos en el espacio de "tetradimensional", las quntuplas ( a l , a2, . . . , a5) como puntos en el espacio
de "pentadimensional", y as sucesivamente. A pesar de que nuestra representacin geomtrica se limita al espacio tridimensional, muchos conceptos
conocidos se pueden extender ms all del espacio tridimensional trabajando con las propiedades analticaso numricas de puntosy vectores en vez de
hacerlo con las propiedades geomtricas. En esta seccin se precisarn con
ms detalle esas ideas.
VECTORES EN EL
ESPACIO n
DIMENSIONAL
Definicin. Si n es unentero positivo, entonces una n-ada ordenada es una

sucesin de n nmeros reales (al, a2,. . . , an). El conjunto de todas las n-adas
ordenadas se denomina espacion dimensional y se denota por R".
203
204 i Espacios vectoriales euclidianos
Cuando n = 2 o 3, se suelen usar los trminos pareja ordenada o terna ordenada,

respectivamente, en vez de 2-ada o 3-ada ordenadas. Cuando n = 1, cada n-ada
ordenada consta de un nmero real, de modo que R' se puede considerar como el
conjunto de los nmeros reales. Para denotar este conjunto se escribe R en vez de
R'.
Quiz el lector observ al estudiar el espacio tridimensional, que el smbolo
(al, a2, a3) tiene dos interpretaciones geomtricas: se puede interpretar como un
punto, en cuyocaso a l , a2 y a3 son las coordenadas figura la), o puede
interpretarse como un vector, en cuyo caso a l , a2 y a3 son las componentes (figura
lb). Se deduce as que una n-ada ordenada (al, a2, . . . , a,) se puede considerar
como un "punto generalizado" o como un ''vector generalizado": matemticamente, la diferencia carece de importancia. As, la 5-ada (-2, 4, O , 1, 6) se puede
describir como un punto en R5 o como un vectoren R S .
Figura
[La tema ordenada (al, a2, d 3 ) se puede interpretar geomtricamente como un punto o un
I vector.
I
Definicin. Dos vectores u = (u1, u2, . . . , u,) y v = (vl, v2, . . . , v,) en R" se
denominan iguales si
u1
= u , , u2 = V I , .
..
u, = u ,
La suma u + v se define por

u +v
= (u,
+ u,, u2 + u2, . . . , u, +u,)
y si k es cualquier escalar, entonces el mltiplo escalar ku se define por
1-
4.1 Espacio euclidiano n dimensional / 205
Las operaciones de adicin y multiplicacin escalar en esta definicin se denominan operaciones normales sobre R".
El vector cero en R" se denota por O y se define como el vector
o = (O,
O, . . . , O)
Si u = (ul, u2, . . . , un) es cualquier vector en R", entonces el negativo o (inverso

aditivo) de u se denota por -u y se define por
-u =(-u,,
-u2,.
. . , -un)
La diferencia de vectores en R" se define por

v-u=v+(-u)
o, en trminos de las componentes,

v - u = (u, - u,, u2 - 2.42, . . . , U"
PROPIEDADES
DE LAS
OPERACIONES
VECTORIALES
EN EL
DIMENSIONAL
u,)
En el siguiente teorema se enumeran las propiedades aritmticas ms importantes

de la adicin y la multiplicacin escalar devectores en R". Todas las demostraciones son fciles, por lo que se dejan comoejercicios.
Teorema 4.1.1. Si u = (u1,u2, . . . , un),v = (vl, v2, . . . vfl)y
w = (wl, w2,. . . w n >son vectores en R" y k y 1 son escalares, entonces:
a) u + v = v + u
6) u + ( v + w ) = ( u + v ) + w
c) u + o = o + u = u
d ) u+(-u)=O;esdecir, u-u=O
e ) k(1u) = (kl)u
f)k(u+v)=ku+kv
g ) ( k + /)u = ku lu
h) l u = u
Este teorema permite operar vectores R" sin necesidad de expresarlos en

trminos de las componentes. Por ejemplo, para despejar x en la ecuacin vectorial
x + u = v, se puede sumar -u a ambos miembros y proceder como sigue:
(X+U)+(")
=v+(-u)
x+(u-u) =v-u
x+o =v-u
x =v-u
206 i Espacios vectoriales euclidianos
Es instructivo que el lector mencione los incisos del teorema 4.1.1 que justifcan
los tres ltimos pasos de este cdculo.
ESPACIO
EUCLIDIAN0 n
DIMENSIONAL
Para extender losconceptos de distancia, norma y ngulo a R", se empieza con la

siguiente generalizacin del producto punto sobre R2 y R3. Frmula (3) de la seccin 3.31.
Definicin. Si u = (ul, u2, . . . , un), y v = ( v l , v 2 , . . . vn) sonvectores
cualesquiera en R", entonces el producto interior euclidiano u v se define por
u.v
= UIU,
Observar que cuando n

producto punto ordinario.
+ u*u* + . . . + unvn
2 on
3, el producto interior euclidiano es el
Ejemplo 1 El producto interior euclidiano de los vectores

u = (-1, 3, 5, 7 )
v = (5, -4, 7, O )
en R4 es
~.~=(-1)(5)+(3)(-4)+(5)(7)+(7)(0)=18 A
Como muchos de los conceptos conocidos de los espacios bidimensional y

trilmensional existen en el espacio n dimensional, es comn referirse a R", con
las operaciones de adicin, multiplicacin escalar y producto interior euclidiano
que se han definido aqu, como espacio euclidiano n dimensional.
En el siguiente teorema se enumeran las cuatro propiedades aritmticas ms
importantes del producto interior euclidiano.
Teorema 4.1.2. Si u, v y w son vectores en R" y k es cualquier escalar,
entonces:
a)
u.v=v.u
b) ( u + v ) . w = u . w i - v . w
c ) (ku). v = k(u v )
d ) v.v?O.Adems,v-v=Osiyslosi
v=O.
Se demostrarn los incisos b ) y d), y las dems demostraciones se dejan

como ejercicios.
Entonces
( u + v ) . w = ( u , +u,,u,+u,,
. . . , U,+U,).(Wl,W2,
. . . , w,)
+ U l ) W l + (u2 + u2)w2 -t.. + (u, + u,)w,

= (ulw, + u*w2 + . + u,w,) + ( U 1 W , + u2w2 + . . + u,w,)
=u.w +v.w
= (UI
'
' '
Demostracin de
d).
Se tiene vv
'
v++v#+ ...+v
O. Adems, la igualdad se
cumple si y slo si v1 = v2 = . . . = v,, = O, es decir, si y slo si v = O .
Ejemplo 2 EL teorema 4.1.2 permite realizar clculos con productos interiores

euclidianos de manera bastante semejante a como se efectan con productos aritmticos ordinarios. Por ejemplo,
+ v) + (2v) - (4u + v)
= (3u) (4u) + (3u) v + (2v) (4u) + (2v)
= ~ ~ ( I I -+u~) ( u - v+
) ~ ( v - u+) ~ ( v - v )
(3u + 2v) * (4u + v) = (3u) (4u
*v
12(u.u)+ lI(u.v)+2(v.v)
El lector debe determinar qu incisos del teorema4.1.2 se aplicaron encada paso. A
NORMA Y
DISTANCIA EN
EL ESPACIO
EUCLIDIAN0 n
DIMENSIONAL
Por analoga con las conocidas frmulas en R2 y R3, la norma euclidiana (o

longitud euclidiana) de un vector u = (u1, u2, , . . , U,,) en R" se define por
11u11 = (u *
=v u :
+ 2.4'2 + . . . + ut
[Comparar esta frmula con las frmulas (1) y (2) de la seccin 3.2.1
De manera semejante, la distancia euclidiana entre los puntos u
. . , U,,) y v = (y1, v2, . . . , vn) en R" se define por
(1)
(ul, uz, .
Ver las frmulas (3) y (4) de la seccin 3.2.

Ejemplo 3 Si u = (1, 3, -2, 7) y v = (O, 7, 2, 2), entonces en el espacio euclidiano
R" se tiene que
Y
d(u,v)=2/(1-0)2+(3-7)2+(-2-2)2+(7-2)2=fi
. ...
..".".
208
,'
Espacios vectoriales euclidianos
El siguiente teorcrna proporciona una de las desigualdades ms importantes

del Algebra lineal, la desigualdad de Cauchy-Schwarz*
Teorema 4.1.3. (Desigualdad deCauchy-Schwarz en R"). Si
son vectores en R", entonces
o, expresada en trminos de las componentes,
*ilugustin Louis Barn de) Cauchy (1789-1857). Matemtico francs. Cauchy recibi su primera
educacin de su padre,abogado y que tambin era maestro
de los clsicos. Cauchy ingres a l a
Ecole Polytechniqueen
1805 paraestudiaringeniera,perodebidoa
su quebrantadasalud, le
recomendaronconcentrarscen
las matemticas. Su trabajomatemticoespecializadoempez
en
181 1 con una serie de brillantes soluciones de algunos prohlemas sobresalientes dificiles.
[ a s contribuciones
matemticasdeCauchydurantc
los 35 afioius siguientesfueronbrillantes
y
asombrosas en cantidad, > a que produjo ms de 700 articulos que abarcan 26 volmenes modernos. El
trabajo de Cauchy inici la era del anlisis moderno, aport6 a In%matemticas n o m a s de precisin y rigor
jams soados por matemticos anterioresa 61.
I,a vidadeC;ruchyestuvoligadademanerainextricable
a los aconteclmientos polticos de l a
&poca.Fuerte partidario de los Worbones, abandon a su mujer e hijo en I 830 para seguir a l exllio ai
rey borbn Carlos X. Debido a su lealtad, el ex-rey lo nombr6 barn. Cauch? volvi finalmentc a
Francia pero rehuso aceptar u n puesto universltario. hasta que el gobierno ccdio al requisitc dr: que
prestara juramento.
Es dificil tener una imagen clara de la personalidad de Cauchy. Devoto catlico, patrocin obra>
Sin embargo.otroz
dccarldad para madressolteras y criminales, asi como deayudaaIrlanda
aspectos de su vida lo presentan de manera desfavorable. E 1 matcmitico noruego Abel lo describe
co1710"loco. i~~finitamrnte cailicny fantico". Algunos escritorespregonan sus enseanzas.pero
otros aiirman q u e divagaba incoherenc~asy. segn un informe de l a poca. una ocasin dedic6 toda
una clase a extraer l a raz cuadrada de 17 a 10 cifras decimales aplicando un metodo bien conocido
por SUS estudiantes. En todo caso, Cauchy cs indiscutiblemente una de las grandes luminarias en la
historia de l a ciencia.
f f e r m a n .4mandrrs Schwarz 1843.1921). Matemtico alemn. Schwarz fue e1 matemtico ms
Importanteenncrlndurantelaprimeraparte
del siglo NX. Debidoa la devocin que guardaba
respecto a s u s deberes acadmicos ell la IJniversidad de Berln y a una propensin a tratar con la
misma dedicacinhechosimportantes
y hechostriviales, n o public6 en grani,olumen.Tenda a
centrarse en estrechosproblemasconcretos.pero
sus tcnicaseran
a nrenudoextremadarnents
brillantes e influenciaban el trabajo de otros matemiticos. l J n a versin de l a desigualdad que llc\a
su nonlbre apareci en un artculo sobre superficies de rea minima publicado en 1885
Por el momento se omite la demostracin, ya que despus en el texto se demostrar

una versin ms general de este teorema. Sin embargo, para vectores en R2 y R3,
este resultado es una simple consecuencia de la frmula (1) de la seccin 3 . 3 : Si u
y v son vectores diferentes de cero en R2 o R3, entonces
lu.vl
I11~11llvll cos 81 = llull llvll /cos el 5 llull llvll
(5)
y si u = O o v = O , entonces ambos miembros de (3) son cero, de modo que tambin

en este caso se cumple la desigualdad.
En los dos teoremas siguientes se enumeran las propiedades bsicas de la
longitud y la distancia en el espacio euclidiano n dimensional.
~~
~~
rTeorema 4.1.4. Si u y v son vectores en K" y k es cun!quier escalar, entonces:
Se demostrarn los incisos c ) y

ejercicios.
d),
y las demostraciones de a) y 6) se dejan como
Demostracin de c). Si u = (u1, u2, . . . , U,), entonces ku = (kul, ku2, . . . , ku,),

modo que
de
Demostracin de d).
((u+v((2=(u+v).(u+v)=(u.u)+2(u.v)+(v.v)
= ()u/12 2(u v)
5 11u112
S
+ (/VI12
+ 21u * V I + IIVII?
I(u((~+ 2llull ((v((+ ( ( ~ ( 1 ~
Propiedad del valor absoluto

Desigualdad de Cauchy-Schwarr.
tllull + //v11~2
El resultado se deduce ahora extrayendo raz cuadrada a ambos miembros,
El inciso c) de este teorema establece que al multiplicar un vector por un

escalar k, la longitud del vector se. multiplica por un factor k (figura 2a). El inciso
d) de este teorema se conoce comodesigualdad del tringulo, ya que generaliza el
conocido resultado de la geometra euclidiana el cual establece que la suma de las
210
2,'
I+pacio,s vectariales euclidianos
longitudes de dos lados de un tringulo es mayor o igual que la longitud del tercer
lado (figura 2b)
Figura 2
Teorema 4.1.5. Si u, v y w son vectores en R" y k es cualquierescalar,

entonces
d(u, v) 2 o
6) d(u, v) = o S I .v slo SI u = v
c) d(u, v) = d(v, u)
d ) d(u, v) 5 d(u, w ) + d(w, v) (Desigualdad del trringulo)
(Z)
Los resultados de este teorema son consecuencias inmediatas del teorema 4.1.4 Se
demostrar el inciso d) y las demostraciones de los dems incisos se dejan como
ejercicios.
Demostracin de d). Por (2) y el inciso d)del teorema 4.1.4, se tiene
d(u, v) = \/u- VI/ = Il(u w) + (w - v)l/
5 ljll - w// l/w - VI/ = d(u, w) + d(w, v)
"
El inciso d) deeste teorema, que tambin se denomina desigualdad del

tringulo, generaliza el conocido resultado de geometra euclidiana que establece
que la distancia ms corta entre dos puntos es una recta (figura 3 ) .
4.1 Espacio euclidiano n dimensional / 21 1
La frmula (1) expresa la norma de un

ducto punto. El siguiente teorema til expresa
de normas.
vector en trminos de un proel producto punto en trminos
Teorema 4.1.6. Si u y v son vectores en R" con producto interior euclidiano,

entonces
u .v
= +/\u VI12
(6)
- +ilu - VI12
Demostracin.
a partir de lo cual (6) se concluye por lgebra simple.
En los ejercicios se proporcionan algunos problemas numricos en los que se

aplica este teorema.
ORTOGONALIDAD
Recordar que en los espacios euclidianos R2 y R3 dosvectores u y v se definen

como ortogonales perpendculares) si u v = O (seccin 3.3). Con esta motivacin
se presenta la siguiente definicin.
Definicin. Dos vectores u y v en R" se denominan ortogonales si u v = O .
Ejemplo 4 En el espacio euclidiano R4,los vectores

u = (-2, 3, 1, 4) y v = (1, 2, o, -1)
son ortogonales, ya que

~.~=(-2)(1)+(3)(2)+(1)(0)+(4)(-1)=0
Despus, en el texto, se analizarn con ms detalle las propiedades de los

vectores ortogonales, aunque en este momento se observa que muchas de las
propiedades conocidas de los vectores ortogonales en los espacios euclidianos R2 y
R3 son verdaderas en el espacio euclidiano R". Por ejemplo, si u y v son vectores
ortogonales en R2 o en R3, entonces u, v y u + v forman los lados de un tringulo
rectngulo (figura 4); as, por el teorema de Pitgoras,
21 2 I Espacios vectoriaIes euclidianos
Figura 4
El siguiente teorema muestra que este resultado se extiende a R".
Teorema 4.1.7. (Teorema de Pitgoraspara R"). Si u y v son vectores ortogonales en R" con el producto interior euclidiano, entonces
1111 + V I 2 = 11U1l2 + llvll2
OTROS TIPOS DE
NOTACIN PARA
VECTORES EN R"
[;I
Un vector u = u l , u2, . . . , U,,) en R" tambin sepuede escribir en notacin

matricial como matriz rengln o matriz columna:
U=
u=[.,
u2
...
u,]
u,
Lo anterior se justifica porque con lasoperaciones matriciales
se obtienen los mismos resultados que con las operaciones vectoriales

u + v = ( U l , u 2 , . . . , u,) + (u,, u 2 , . . . , u,) = (u1 + u,,
ku = k ( u , , u2,. . . , u,) = ( k u , , ku,, . . . , ku,)
u2
+ u,,.
. . , un
+ u,)
La nica diferencia es la forma en quese escriben los vectores.

UNA FORMULA
MATRICIAL
PARA EL
PRODUCTO
PUNTO
Si los vectores se escriben como matrices columna
U =
y en las matrices 1X 1 se omiten los corchetes, entonces se deduce que
As, para vectores expresados como matrices columna se tiene la siguiente frmula
para el producto interior euclidiano:
-;I
E3
VTU =
Por ejemplo, si
u=[
u.v
entonces
u.v=vTu=[5
Si A es una matriz n X n, entonces por la frmula (7) y las propiedades de la

transpuesta se concluye que
AU v = ~'(Au)= (v'A)u = (A'v)=u = U * A'v
u .Av = (Av)Tu = (v=AT)u= vT(ATu) = ATU. v
214 / Espacios vectoriales euclidianos
constituyen un vnculo importante entre la multiplicacin por una matriz A n

y la multiplicacin por AT.
Ejemplo 5 Suponer que
A = [
1
2
31],
-2
-1
.=[-;I, -p1
v=[
Entonces
1
-: ;][ ;] [
.
.
4
I
-:I[ -;I= [-;

1
1.
a partir de lo cual se obtiene

AU v
7( - 2) + lO(0) + 5(5)
I1
u*ATv=(-1)(--7)+2(4)+4(-1)=
11
As, Au * v = u A%, como garantiza la frmula (8). Se deja para el lector la

comprobacin de que (9) tambin se cumple. A
UN PRODUCTO
PUNTO
CONSIDERADO
COMO
MULTIPLICACIN
MATRICIAL
Los productospuntoproporcionanotraformadeentender
dematrices.Recordarquesi
A = [a,] esunamatriz
m
matriz Y X n , entonces el ij-simo elementode A B es
que es el producto punto del i-simo vector rengln de A
y el j-simo vector columna de B
la multiplicacin
r y B = [b,.] esuna
4.1 Espacio euciidiano n dimensional
215
Por tanto, si los vectores rengln de A son r,, r,, . . . , r, y los vectores columna
de B son c l , c,, . . . , c,, entonces el producto matricial A B se puede expresar como
AB =
En particular, un sistema lineal Ax

punto como
b se puede expresar en forma de producto
rl.x
r2- x
rm x
donde rl, r l , . . . , rm sonlosvectoresrenglnde
elementos de b.
A y b,, b,, . . . , bm sonlos
Ejemplo 6 A continuacin se presenta un ejemplo de un sistema lineal expresado

en la forma de producto punto (1 1).
Sistema
Forma de producto punto

1. S e a n u = ( - 3 , 2 , l , O ) , v = ( 4 , 7 , - 3 , 2 ) y w = ( 5 ,
a) v - w
d) 6(u - 3v)
b) 2~ + 7~
e) - v - w
-2, 8, 1). Encontrar
"U + (V - 4 ~ )
f ) (6v - w ) - (4u v)
C)
2. Sean u, v Y w 10s vectores del ejercicio 1. Hallar el vector x que satisface 5x

(2w - 5%).
- 2v =
4. Demostrar que no existen escalares cl , c2,c3 y c4 tales que

c,(l, o, 1, 0) + c2(1,
o,
-2, 1) + c3(2, o, I , 2) = ( I , -2, 2, 3 )
5. En cada inciso, calcular la norma euclidiana del vector.
a) (-2, 5)
b) (1,2, -2)
c ) (3,4, O, -12)
d) (-2, II, ,
-3,4)
218
1'
Espacios vectoriales euclidianoh
VI
= ( U l , o, o, . . . , O),
v2
(O,
(I?,
o, . . . , O), . . , v,
,
= (O,
o, o, . . . , a,,)?
b) ,Cmo definira el lector la longitud euclidiana de la "diagond" de l a caja en el

inciso a)?
Figura 5
4.2 TRANSFORMACIONES LINEALES DE P A
Ry"
En esta seccin se iniciara el estudio de funciones de la forma w = F(x), donde la

variable independiente H es un vector en Rn y la variable dependiente w es un vector
en N"'.La atencin se centrar en una clase especial de tales funciones denominadas
"transfonnaciones lineales". Las transformaciones lineales son fundamentales en el
estudio del lgebra lineal y tienen muchas aplicaciones importantes en faica,
ingeniera, ciencias socialesy diversas ramas de la matemtica.
FUNCIONES DE
F A R
Recordar que una funcidn es una regla f que asocia a cada elemento de un
conjunto A uno y slo un elemento de un conjunto B. Sifasociael elemento b con
el elemento a, entonces se escribe b = A a ) y se dice que b es la imagen de a bajof,
o que f ( a ) es el valor de f e n a. El conjunto A se denomina dominio d e f y el
conjunto B se denomina codominio del: El subconjunto de B que consta de todos
los valores posibles def cuando a vara sobre A se denomina recorrido de f: Para
las funciones ms comunes, A y B son conjuntos de nmeros reales, en cuyo casof
se denominafuncin con valores reales de una variable real. Otras funciones COmunes Ocurren cuando B es un conjunto de nmeros reales y A es un conjunto de
vectores en R2, R3 o, ms generalmente, en R". En la tabla 1 se muestran algunos
ejemplos.
4.2 Transformaciones lineales de R" a Rm / 219
TABLA 1
Frmula
I Ejemplo
Descripcin
Clasificacin
~~~
f (x>
f (x)
=x2
Funcin de valores reales Funcin de R a R

de una variable red
' Funcin de valores reales
Funcin de R2 a R
de dosvariables reales
Funcin de valores reales Funcin de R3 a R
de tres variables reales
Funcin de valores reales Funcin de R" a R
de n variables reales
Dos funcionesfi y f2se consideran iguales, escrito como f l

mismo dominio y f i ( a ) =&(a) para toda a en el dominio.
FUNCIONES DE
R" A R m
=&, si tienen el
Si el dominio de una funcinfes R" y el codominio es Rm(m y n quiz iguales),

entoncesf se denomina transformacin de R" a Rm,y se dice que f mapea (aplica
o transforma) R" en Rm. Este hecho se denota escribiendo $ R" -,
Rm. Las funciones que se presentan en la tabla 1 son transformaciones para las que m = 1.
Para el caso especial en que m = n, la transformacin$ R" + R" se denomina operador sobre R". El primer elemento en la columna 2 de la tabla 1 es un operador
sobre R.
Para ilustrar una forma importante en que pueden surgir las transformaciones, suponer quefl,fi, . . . ,fm son funciones con valores reales de n variables reales, por ejemplo
Estas m ecuaciones asignan un punto nico (wl, w2,. . . , w,) en Rm a cada punto
(x1,x2, . . . , X,,) en R" y, por tanto, definen una transformacin de R" a Rm.Si esta
transformacin se denota por T, entonces T:R" + Rm y
Ejemplo 1 Las ecuaciones

w1
= x,
w2
+ x2
3x,x2
wj = x ; - x;
220 1 Espacios vectoriales euclidianos
definen una transformacin T:R2 -+ H3. Con esta transformacin, la imagen del
punto (xl, xz) es
= (11 f X2, 3xlX2, 1
: -.X:)
T(X,, X2)
As, por ejemplo,

-6, - 3 )
T(1, - 2 ) = ( - 1 ,
TRANSFORMACIONES
LINEALES DE
R"aP
En el caso especial en que las ecuaciones de (1) son lineales, la trasformacin T:Rn
+ K" definida por esas ecuaciones se denomina transformacin lineal (u operador lineal si m = n). As, una transformacin lineal T:R" Rm est definida por
ecuaciones de la forma
-+
W]
= a,+]
+ a,2x2 +
' '
. + a,,x,
o bien, en notacin matricial,
o, ms brevemente,
w =Ax
La matriz A = [ a -1
. se denomina matriz estrindar de la transformacin lineal T y T
se denomina muhplicacin porA .
Ejemplo 2 La transformacin lineal T:R4 + R3 definida por las ecuaciones
WI=
2x1 - 3x2 f
w 2 =
4x,
X3
x2 - 2x3
w 3 = 5x, - x* + 4x3
se puede expresar en forma matricial como
de modo que lamatriz estndar para T es
- 5x4
,x4
4.2 Transformacioneslineales de R" a Rm / 221
La imagen de un punto (xl, x2, x3, x4) se puede calcular directamente a partir de
las ecuaciones de definicin (5) o a partir de (6) por multiplicacin de matrices.
Por ejemplo, si (xl, x2, x3, x4) = (1, -3, O, 2), entonces al sustituir en (5) se
obtiene
wI=l,
w2=3,
w,=8
(comprobar) o, alternativamente, a partir de ( 6 )
ALGUNOS
COMENTARIOS
SOBRE LA
NOTACI~N
Si T:R" + Rm es una multiplicacin por A , y si es importante recalcar que A es la

matriz estndar para T, entonces la transformacin lineal TR" "* Rm se denota
por TA:R"+ Rm.As,
TA(x)= A x
(7)
En esta ecuacin se sobrentiende que el vector x en R" se expresa como una matriz
columna.
Algunas veces es tedioso introducir una nueva literal para denotar la matriz
estndar de una transformacin lineal T:R" -+ R". En esos casos, la matriz estndar.para T se denota por el smbolo [q.Con esta notacin, la ecuacin (7) asume
la forma
T(x) = [ T ] x
(8)
Algunas veces se mezclan las dos notaciones para la matriz estndar, en cuyo caso
se tiene la relacin
(9)
OBSERVACI~N. Entre toda esta notacin es importante tener en mente que se ha
establecido una correspondencia entre las matrices m X n y las transformaciones
lineales de R" a Rm:a cada matriz A le corresponde una transformacin lineal T,:
(multiplicacin por A ) , y a cada transformacin lineal T:R" "* Rm le corresponde
una matriz [qm X n (la matriz estndar para 7).
222
,;
GEOMETRA DE
LAS TRANSFORMACIONES
LINEALES
Dependiendo de si las n-adas se consideran como puntos o comovectores,el

efecto geomtrico de un operador TR" + R" es transformar cada punto (o vector)
en Rn en algn nuevo punto (o vector) (figura 1).
Figura 1
"-+
T mapea puntos en puntos.
T mapea vectoresen vectores
Ejemplo 3 Si O es la matriz cero m x n y O es el vector cero en R", entonces para

todo vectorx en R"
T,(X) = ox = o
de modo que la multiplicacin por cero mapea cada vector de R" en el vector cero
en R". To se denomina transformacin cero de R" a R". Algunas veces la
transformacin cero se denota por O. Aunque esta e$ la misma notacin que se usa
para indicar la matriz cero, la interpretacin apropiada es evidente a partir del
contexto. A
Ejemplo 4 Si Z es la matriz identidad n x n, entonces para todo vector x en R"

T,(x)
= zx = x
de modo que la multiplicacin por I mapea cada vector de R" en s mismo. TI

se denomina operador identidad sobre R". Algunas veces el operador identidad se
denota por Z. Aunque esta es la misma notacin que se usa para indicar la matriz
identidad, la interpretacin apropiada es evidente a partir del contexto. A
Entre los operadores lineales ms importantes sobre R2 y R3 estn los que
producen reflexiones, proyeccionesy rotaciones. A continuacin se analizarn esos
operadores.
OPERADORES
REFLEXI~N
Considerar el operador T:R2-R2 que transforma cada vector en su imagen simtrica con respecto al eje y (figura 2).
Si se hace w = T(x),entonces las ecuaciones que relacionan las componentes
dexywson
4.2 Transfornlacioneslineales de Rn a Rm / 223
w,= --x
u'2= y
+ oy
ox + y
= "x
4 Y
Figura 2
o bien, en forma matricial,
[:I
[-:, Y][ :1
Como las ecuaciones en (10) son lineales, T es un operador lineal y por (1 1) se

tiene que la matriz estndar para T es
En general, los operadores sobre R2 y R3 que transforman cada vector en su

imagen simtrica con respecto a alguna recta o algn plano se denominan operadores reflexiidn. Estos operadores son lineales. En las tablas 2 y 3 se enumeran algunos de los operadores reflexih comunes.
'ABLA2
224

ABLA 3
Operador
Figura 3
Ecuaciones
Reflexin
respecto al
plano xy
w ,=
Keflexln
respecto al
plano xz
w, =
Reflexin
respecto al
plano yz
OPERADORES
PROYECCIN
Ilustracin
w2 =
wg =
Matriz
estjadar
x
y
-2
w, = -y
wg = 2
w1=
"x
w, =
w3 =
Considerar el operador T:R2-.H2 que transforma cada vector en su proyeccin

ortogonal sobre el eje x (figura 3).
4.2 Transformaciones lineales de Rn a Rm / 225
Las ecuaciones que relacionan las componentes de x y w

w,=x=
w* =
= T(x) son
xfOy
o = ox + oy
o bien, en forma matricial;
[:I
[:, :][;I
Las ecuaciones en (12) son lineales, de modo que T es un operador lineal y por
(13) se tiene que la matriz estndar para T es
1 0
[T1=[0
o]
En general,un operador proyeccin (o msprecisamente,un

operador
proyeccin ortogonal) sobre R2 o R3 es cualquier operador que transforma
cada vector en su proyeccin ortogonal sobre una recta o un plano que pasan
por el origen. Es posible demostrar que estos operadores son lineales. En las
tablas 4 y 5 se enumeran algunos de los operadores proyeccin bsicos sobre
R2 y R3.
MBLA 4
Ilustracin
Operador
Proyeccin ortogonal
sobre el eje x
w, = x
Proyeccin ortogonal
,726
Espaciosvectorialeseuclidianos
TABLA 5
Operador
Matriz
estndar
Ilustracin
Proyeccin ortogonal
sobre el plano xv
4'
Proyeccin ortogonal
sobre el plano xz
Proyeccin ortogonal
sobre el plano yz
Y
-__t
OPERADORES
ROTACI~N
Un operador que hace girar todo vector en R2 hasta describir un ngulo fijo se denomina operador rotacidn sobre R2. En la tabla 6 se enumeran los dos operadores
rotacin bsicos sobre R2. Para mostrar cmo se obtuvieron los resultados, considerar el operador rotacin que hace girar en sentido contrario a las manecillas del
reloj cada vectorpor un ngulo positivo fijo 8. Para encontrar ecuaciones que
relacionen x y w = T(x), sea el ngulo del eje x positivo a x, y sea r la longitud
comn de x y w (figura 4).
.
Figura 4
I
Entonces, por trigonometra bsica,
x =r
cos 4,
=r
send
4.2 Transformacioneslineales de Rn a Rm / 227
Por medio delas identidades trigonomtricas en (15) se llega a

w, = r cos O cos 4 - r sen8sen4
w,=rsenOcos ++reos Osen4
y sustituyendoen (14) se obtiene
w, =.xcos O-ysen8
w2=xsen8+ycos8
Las ecuaciones en (16) son lineales, por lo que T es un operador lineal; adems;
con base en estas ecuaciones se concluye que la
matriz estndar para "es
aciones
Operador
Rotacin a travs
de un ngulo 8
Matriz
estndar
Ilustracin
W, = X C O S
(w1,
w2)
8-y
cos O
-sen O
cos 8
St\(&Y)
Ejemplo 5 Si cada vector en R2 se hace girar un ngulo n/6

imagen w de un vector es
Por ejemplo, la imagen del vector

x=
[:]
= (30), entonces
la
228 ' Eipacios vectorzales euctidianos
es
Una rotacin de vectores en R3 se describe, por lo general, en relacin a un

rayo que parte del origen, denominado eje de rotacin. A medida que un vector se
desplaza alrededor del eje derotacin, describe una porcin de un cono figura 5a).
E: ngulo de rotucidn, que se mide en la base del cono, se describe como "en
sentido del movimiento de las manecillas delreloj" o "en sentido contrario al
movimiento de las manecillas del reloj" en relacin a un punto de vista situado a
lo largo del eje de rotacin viendo hacia el origen. Por ejemplo, en la figura 5a, el
vector w resulta al hacer giraren sentido contrario al movimiento de las
manecillas del reloj alrededor del eje 1 el vector x hasta describir un ngulo 8. As
como en R2, los ngulos son positivos si son generados por rotaciones en sentido
contrario al movimiento de las manecillas del reloj, y negativos si son generados
por rotaciones en sentido del movimiento delas manecillas del reloj.
La forma ms comn de describir un eje de rotacin general es especificando
un vector u diferente de cero situado a lo largo del eje de rotacin y cuyo punto
inicial est en el origen. La direccin en sentido contrario al movimiento de las
manecillas del reloj para una rotacin alrededor del eje se puededeternlinar entonces mediante una "regla de la mano derecha" (figura 56); si el pulgar de la mano
derecha apuntaen la direccin de u, entonces los dems dedos apuntan en la
direccin opuesta al movimiento de las manecillas del reloj.
A"
Figura 5
Rotacidn en sentido contrario

a las manecillasdelreloj.
b)
(i I
Un operador rotucidn sobre R3 es un operador lineal que hace girar cada

vector en R3 alrededor de algn eje de rotacin hasta describir un ngdo fijo 8.
En la tabla 7 se describen los operadores rotacin sobre R3 cuyos ejes de rotacin
son los ejes de coordenadas positivos. Para cada una de estas rotaciones, la
rotacin deja sin cambio una de las componentes, y las relaciones entre las otras
componentes se pueden obtener con el mismo procedimiento usado para obtener
(16). Por ejemplo, en la rotacin alrededor del eje z, las componentes z de x y w =
T(x) son las mismas, y las componentes x y y estn relacionadas como en (16).
Esto conduce a las ecuaciones de rotacin que se muestran en el ltimo rengln de
la tabla 7.
4.2 Transformaciones lineales de R"
a Rm /
229
'ABLA 7
Operador
Matriz
estndar
Ecuaciones
Ilustracin
Rotacin en
sentido
contrario al
movimiento de
las manecillas
del reloj a travs
de un n a o
respecto al eje x
positivo.
w ,=x
w 2= y c o s 0 - z s e n 0
w 3 = y sen O + z
Rotacin en
sentido
contrario al
movimiento de
las manecillas
del reloj por un
ngulo
respecto al eje y
positivo.
w 1= x cos O
tz
+ z sen0
cos 8 O
U'2 = y
Rotacin en
sentido
Zontrario al
movimiento de
las manecillas
le1 reloj a travs
le un ngulo
lespecto al eje z
~ositivo.
COS
-xsenO+zcosO
w ,= x c o s 0 - y s e n 0
t"
w2 = x s e n O + y c o s 0
wj = z
cos0
[se;
sen O
.:@I
sen0 O
p]
coi O
Por completitud, se observa que la matriz estndar para una rotacin en

sentido contrario al movimiento de las manecillas del reloj alrededor de un eje en
R3 (detenninado por un vector unitario arbitrario u = (a, b, c) cuyo punto inicial
est en el origen) por un ngulo 8, es
a2(I - cos 8)
+ cos 8
ab(1 - cos 0)
c sen 0 ac(1
cos 0)
+ b sen8
ab(l-cos8)+csen8
b2(1-cose)+cos8
bc(l-cos~)-usen8
ac(1 - cos 0) - b sen O bc(1 - cos O ) + U sen 8 c2(1 - cos 0) + cos O
(1 7)
L a obtencin de este hecho puede consul barse en el libro Yrincipies of Interactive
Computer Graphics, de W. M. Newrnan y R. F. Sproull, 'Nueva York, McGra\v-
... .
230
Espacios vectoriaies euclidianos
Hill, 1979. Es instructivo que el lector deduzca los resultados de la tabla 7 como
casos especiales de este resultado ms general.
OPERADORES
DILATACION Y
CONTRACCIN
Figura 6
Si k es un escalar no negativo, entonces el operador T(x) = kx sobre R2 o R3 se

denomina contraccin con factor k si O Ik 5 1 y dilatacidn confactor k si k 2
1. El efecto geomtrico de una contraccin es comprimir cada vector por un factor
k (figura 6 4 , y el efecto de una dilatacin es estirar cada vector por un factor k
(figura 66). Una contraccin comprime R2 o R3 uniformemente hacia el origen
desde todas las direcciones, y una dilatacin estira R2 o R3 umfonnemente lejos
del origen en todas as direcciones.
U)
b)
O%k< 1
k> 1
La contraccin ms extrema ocurre cuando k = O, en cuyo caso T(x) = kx se

reduce al operador cero T(x)= O, que comprime cada vector a un simple punto el
origen). Si k = 1, entonces T(x) = b se reduce al operador identidad T(x)= x, que
deja sin cambio cada vector; esto se puede considerar como una contraccin o
como una dilatacin. En las tablas 8 y 9 se enumeran los operadores contraccin y
Qlatacin sobre R2 y R3.
'ABLA 9
Operador
Ilustracin
Contraccin con
factor k sobre R3.
t"
Ecuaciones
Matriz
estndar
w ,= kx
w2 = kY
w3 =
Dilatacin con
factor k sobre R3.
kz
w , = kx
w2 = kY
w 3 = kz
COMPOSICIONES
DE TRANSFORMACIONES
LJNEALES
Si TA:Rn+ Rk y TB:Rk Rm son transformaciones lineales, entonces para todo x

en R~ primero se puede calcular lA(x), que es un vector en R ~ y, luego calcular
TB(TA(x)),que es un vector en Rm. As, la aplicacin de TA seguida de TB produce
una transformacin de Rn a Rm. Esta transformacin se denomina composicin de
Ts con TA y se denota por TB TA (y se lee como 'ITA seguida de Tu"). As,
0
La composicin de TB 0 TA es lineal, ya que

( TB0 TA)(x)= TB(T,(x)) = B(Ax) = (BA)x
(19)
Demodo que TB 0 TA es la multiplicacin por BA, que es una transformacin

lineal. La frmula 19) tambin establece que la matriz estndar para TB TA es
BA. Este hecho se expresa con la frmula
0
OBSERVACI~N. La frmula (20) encierra una idea importante: La multiplicacrn

de matrices es equivalente a componer las transformaciones lineales correspondientes enorden de derecha a izquierda delosfactores.
La frmula (20) se puede escribir de otra manera: Si T,:R"+Rk y T2:Rk Rm
sontransformacioneslineales,entoncesdebido
a quela matriz estndarparala
composicin T, TI es el producto de lasmatrices estndares paraT, y T I ,se tiene
0
Ejemplo 6 Sean T1:R2+ RZ y T2:R2+ R2 los operadores lineales que hacen girar
a los vectores por los ngulos O, y O,, respectivamente. As, la operacin
(T2 O
TI )(x> = T,(T,(x))
primero hace girar a x por un ngulo O,, luego hace girar a Tlx) un ngulo O,. Se
concluye que el efecto neto de T, o T , es hacer girar cada vector en R2 por el
ngulo O, + O, (figura 7).
Figura 7
As. las matrices estndar para estos operadores lineales son
cos 8,
COS(O,
+ O,)
+ O,)
T2
1 = [,O2
-sen(8, + O,)
cos(8, + 8,)
sen 8,
cos 0,
Estas matrices deben satisfacer (21). Con auxilio de algunas identidades trigonomtricas bsicas se puede demostrar que lo anterior es como sigue:
Ejemplo 7 Sea T,:R2 + R2 el operador reflexin respecto a la recta y = x, y sea

T2:H2 + R2 la proyeccin ortogonal sobreel eje y. En la figura S se ilustra
grkamente que T,0 T2 y T2 0 T , tienen efectos distintos sobre un vector x. Esta
misma conclusin se puede obtener mostrando que las matrices estndar para T,y
T, no conmutan:
Figura 8
de modo que [ T, 0 TI ] # [ T I 0 T, 1. A
Ejemplo 8 Sea T,:R2 + R2 la reflexin respecto al eje y , y sea T2:R2 + R2 la
reflexinrespecto al eje x. En este caso, T, T2 y Tz 0 T,son iguales; ambas
transforman cada vector x = (x,y ) en su negativo -x = ("x, -y) (figura 9):
0
t'
Figura 9
T2
T,
T2
t'
T,
233

La igualdad de T , 0 T2 y T2 7 , tambin se puede deducir mostrando que
las matrices estndar para TI y T2 conmutan:
0
E I operador T(x) = "x sobre R2 o

se denomina reflexin respecto al origen.
Como se muestra con los clculos anteriores. la matriz estndar para este operador
sobre R2 es
COMPOSICIONES DE TRES
o MS
TRANSFORMACIONES
LINEALES
Las composiciones sepueden definir para tres o ms transformaciones linealcs.

Por ejemplo. considerar las transformaciones lineales
T,:R"+-R',
T,:Rk-+R',
La composicin (T3 o T2 0 7,):Rn+ R" se define por
(T?" 7o,
Ti ) ( x ) == Ti(T(l T , ( X ) ) )
ES posible demostrar que esta composicin es una transformacin lineal, y que l a

matnz estndar para Tj T, 0 T , est relacionada con las matrices estndar para
T I , T, y T3 por
0
(22)
que es una generalizacin de (21). Si las matrices estndar para T,,I; 1; se

denotan por A , B y C, respectivamente. entonces tambin se tiene la sigulente
generalizacin de (20):
Solucin. La transformacin lineal 7 se puede expresar como la composicin
4 . 2 Transformaciones lineales de Rn a Rm / 235
donde TA es la rotacin respecto al eje

z, TB es la reflexin con respecto al plano
yz
y T, es la proyeccin ortogonal sobre el planoq.
De acuerdo con las tablas 3, 5 y
7, las matrices estndar para estas transformaciones lineales son
cos 0
-sen8
-1
o o
As, por (22) la matriz estndar paraT es

1. Encontrar el dominio y el codominio de la trasformacin defmida por las ecuaciones, y
determinar si la trasfonnacin es lineal.
b) W, = ~ x , x-, x2
a) w ,= 3x, - 2x, + 4x3
~2 = 5x1 - 8x2 + x3
w2 = X I + 3x1x,
w, = x,
C) W , = SX, - x2
xj
d) W , =
X: 3x,
-
x2
+xi
- 2x4
w, = -x, + x, + 7x,
w, = 3x1 - 4x2 - .x: + xq
w j = 2x, - 4x2 - x3
2. Hallar la matriz estndar para la transformacin lineal definida por las ecuaciones.
a) w ,= 2x, - 3x, + x,
b) wI = 7x, + 2x2 - 8x,
w2 = 3x, + 5x2 - x,
w, =
- x2 + 5x,
w, = 4x, + 7x2 - x j
c) w1 = -x, + x,
w, = 3x, - 2x2
d) w ,= x I
w, = x , + x2
w j = x , +x,+x,
w 4 = x , +x,+x3+x,
w3 = Sx, - 7s2
3. Determinar la matriz estndar para la transformacin lineal TA3+ R3 definida por
w , = 3x,
+ SX,
-x3
w2 = $x, - x2 +x,
w3 = 3x,
+ 2x2 -x,
y calcular T( - 1,2,4) sustituyendo directamente en las ecuaciones y por multiplicacin

matncial.

5. Encontrar la matriz estndar para la transformacin lineal T definida por la frmula
a) T ( x , , .x2) = (xz, - - S , , x i
3x,, xI - x2)
b) T(x-, , ,x2, ,uj, x4) = (7x, 2x2 -x3 .x4, x2 +x,, -.xi)
c) T ( x , , x2. X,) = (O, O, O, O, O j
d) TCu,, xZrx3,xq)= (x4. x I ,x j . x2, .xI
-xi)
6. En cada inciso se proporciona la matriz estndar [qde una transformacin lineal T.

IJsar la matriz para encontrar "(x). [Expresar la respuesta en forma matricial.]
7. I?n cada mciso, encontrar "(x) usando la matriz para T, luego, comprobar el resultado
calculando directamente T(x).
a) T ( x , , x , ) = ( - x , + x , , x , ) ;
b) 7 ' ( ~ , ,~ 2 X,)
, = (2x1 - X >
x=(-1,4)
+~
3 x2
,
+ ,uj, O);
= (2, 1, - 3)
8. Por medio de la multiplicacin matricial hallar la reflexin de ( - 1 , 2 ) respecto a
a) el ejex.
b) ejey.
el
c) la recta y = x.
9. Usar la multipiicacin matricial para encontrar la reflexin de (2, -5, 3 ) respecto al

a) planoxy.
b) planoxz.
c) plano yz.
10. Mediante multiplicaci6n matricial obtener la proyeccin ortogonalde (2, - 5 ) sobre

b) el ejey.
a) el eje x.
11. Utilizar la multiplicacin matricial para encontrar la proyeccin ortogonal de ( - 2 , 1,
3) sobre el
a) plano
x y .
b) plano xz.
c) plano yz.
12. Usar la multiplicacin matricial para encontrar la imagen del vector (3, -4) cuando se
hace girar un ngulo de

a) 0 = 3 0 O
b) 8 = -60'
C) 0 = 4 5 O
d) 0 = 90
13. Por medio de la multiplicacin matnciai hallar la imagen del vector ( - 2 , 1, 2) si este
se hace girar
a) 30 en sentido contrario al movimiento de las manecillas del reloj con respecto al
eje x.
b) 4 5 O en sentido contrario al movimiento de las manecillas del reloj con respecto al
eje y .
c) 90 en sentido contrario al movimiento de las manecillas del reloj con respecto al
eje z.
14. Encontrax la matrrz estndar para el operador lineal que hace girar un vector en R3 en
sentido del movimiento de las manecillas del reloj hasta describir un ngulo de -60'
con respecto al
a) eje x.
b) eje y .
c) eje z.
4.2 Transformaciones lineales de R"

15. Usar multiplicacin matricial para encontrar la imagen del vector (-2, 1, 2) si ste se
hace girar
a) -30 en sentido del movimiento de las manecillas del reloj con respecto al eje x.
b) -45O en sentido del movimiento de las manecillas del reloj con respecto al eje y .
c) -90 en sentido del movimiento de las manecillas del reloj con respecto al eje z.
16. Encontrar la matriz estndar para la composicin de operadores lineales sobre R2 que
se indica.
a) Una rotacin de 90 en sentido contrario al movimiento de las manecillas del reloj,
seguida de una reflexin con respecto a la rectay = x.
b) Una proyeccin ortogonal sobre el eje y , seguida de una contraccin con factor k =
1
-
2 '
c) Una reflexin con respecto al eje x, seguida de una dilatacin con factor k = 3 .
17. Encontrar la m a w estndar para la composicin de operadores lineales sobre R2 que
se indica.
a) Una rotacin de 60 en sentido contrario al movimiento de las manecillas del reloj,
seguida de una proyeccin ortogonal sobre el eje x, seguida de una reflexin con
respecto a la recta y = x.
b) Una dilatacin con factor k = 2, seguida de una rotacin de 45O en sentido contrario
al movimiento de las manecillas del reloj, seguida de una reflexin con respecto al
eje y .
c) Una rotacin de 15O en sentido contrario al movimiento de las manecillas del reloj,
seguida de una rotacin de 105Oen sentido contrario almovimiento de las manecillas del reloj, seguida de unarotacin de 60 en sentido contrario al movimiento de las manecillas del reloj.
de operadores lindes sobre R3 que se
indica.
a) Una reflexin respecto al plano yz, seguida de una proyeccin ortogonal sobre el
plano x z .
b) Una rotacin de 45O en sentido contrario al movimiento de las manecillas del reloj
18. Encontrar la malriz estndar para la composicin
respecto al eje y , seguida de una dilatacin con factor k = fi .

c) Una proyeccin ortogonal sobre el plano q ,seguida de una reflexin con respecto
al plano yz.
19. Encontrar la matriz estndar para la composicin de operadores lineales sobre R3 que
se indica.
a) Una rotacin de 30' en sentido contrario al movimiento de las manecillas del
reloj respecto al eje x, seguida de una rotacin de 30' en sentido contrario al
movimiento de las manecillas del reloj respecto al eje z, seguida por una contraccin con factor k =
b) Una reflexin respecto al plano x y , seguida de una reflexin respecto al plano x z ,
seguida de una proyeccin ortogonalsobre el planoyz.
c) IJna rotacin de 270' en sentido contrario al movimiento de las manecillas del
reloj respecto al eje x, seguida de una rotacin de 90' en sentido contrario al movimiento de las manecillas del reloj respecto al eje y , seguida de una rotacin de
180' respecto al eje z.
a Rm /
237
,738
Espacios vectoviales euclidianos
20. Determinar si T , K2 = T, O TI.

a) 7, : R' -+ X
' es l a proyeccin ortogonal sobre el eje x y T 2 X 2 += R2 es la proyeccin
ortogonal sobre el ejey .
b) 7 , . R' += R' es la rotacin en sentido contrario al movimiento de las manecillas del
reloj hasta describir un ngulo 8, y Tz : R2 R2 es la rotacin en sentido contrario
al movimiento de las manecillas del reloj hasta describir un Angulo
c) T I R2 += R2 cs l a reflexin respecto al eje x y 7; : R2 += R2 es la reflexin respecto
al ejey .
d) T I : R' + H' es l a proyeccin ortogonal sobre el eje x y T2 : H' -+ R' es la rotacin
en sentido contrario ai movimiento de las manecillas del reloj hasta describir un
Lingulo O.
U
-+
T,
21. Detenninar si
o 7; = 1- o 7'
1.
a)
: K3 += R 3 cs &a dhatacin con factor k y 7, : R 3
7,
+ R3 es la rotacin en sentido
contrarioal movimiento de las manecillasdelreloj
con respectoal eje z hasta
describir un ngulo
b) T , . R' .+ R3 es la rotacin con respecto al eje x hasta describir un ngulo 8, y
T2 : K' -+ R3 es la rotacin con respecto al eje z hasta describir un ngulo O,.
22. En R3,las proyecciones ortogonales sobre el ejex, el eje y y el eje z se definen como
respectivamente.
a) Demostrar quelas proyecciones ortogonales sobrelos ejesde coordenadas son
operadores lineales y encontrar sus matnces estndar.
b) Demostrar que si TR3 + R3 es una proyeccin ortogonal sobre uno de los ejes de
coordenadas, entonces para todo vector x en R3 los vectores T ( x ) y x - T ( x ) son
ortogonales.
c) Hacer una figuramostrando x y x - T(x) en elcasoen que T es la proyeccin
ortogonal sobre el eje x.
23. A partir de la frmula (1 7), obtener las matnces estndar para las rotaciones en sentido
contrario al movimiento de las manecillas del reloj respecto al eje x, al ejey y al eje z
en R3
24. Usar la frmula (17) paraencontrar
la matnz estndar de una rotacin de 90 en

sentido contrario al movimiento de las manecillas del reloj respecto al eje determinado
por el vector v = ( 1, 1, 1). [Nota La frmula (1 7) requiere que la longitud del vector
que define el eje de rotacin sea 1.]
25. Comprobar la frmula (21) para las transformaciones lineales dadas.

a) TI@,,x,) = ( s i + x , , x I - .y2)
b) T , ( x , ..x2) = (4u1, -2s, +.Y,,
c) T , ( x , ,S ? , .x3) = ( - x 1
( - 2 . x , , 3x3, - 4x,)
+ x2, "Y>
y T2(xl, x2) = (3.x,, 2 r I + 4*,)

- 3x2) y T,(-~l,xz,x3)
=(.Y,
+ x j , - x 3 + X i ) y T2(.Xl, x 2 ,
-xI
+ 2.r2 - x 3 ,
Xj)
41, - x j )
4.3 Propiedades de las transformaciones lineales de Rn a Rm / 239

26. Se puede demostrar que si A es una matriz 2 X 2 con det(A) = 1 y tal que los vectores
columna de A son ortogonales y tienen longitud 1, entonces la multiplicacin por A es
una rotacin en sentidocontrario al movimiento delas manecillasdelrelojhasta
describir algn ngulo O. Comprobar que
satisface las condiciones planteadas y encontrar el ngulo de rotacin.

27. El resultado del ejercicio 26 tambin es verdadero en R3: se puede demostrar que si A
es una matriz 3 X 3 con det(A) = 1 y tal que los vectores columna de A son ortogonales
por parejas y tienen longitud 1, entonces la multiplicacin por A es una rotacin en

sentido contrario al movimiento de las manecillas del reloj con respecto a algn eje de rotacin hasta describir algn ngulo O. Usar la frmula (1 7)para demostrar que si A satisface las condiciones establecidas, entonces el ngulo de rotacin satisface la ecuacin
tr(A) - 1
2
28. Sea A una matriz 3 X 3 que satisface las condiciones planteadas en el ejercicio 27. Se
puede demostrar que si x es cualquier vector en R3, entonces el vector
cos 0 =
u = A x +ATx
+ [ 1 - tr(~)]x
determina un eje de rotacin cuando u se coloca con su punto inicial en el origen. [Ver
The Axis of Rotation:Analysis, Algebra, G e o m e t y , de Dan Kalman, Mathematics Magazine, Vol. 62, No. 4, Oct. 19891.
a) Demostrar que la multiplicacin por
es una rotacin.
b) Encontrar un vector de longitud 1 que defina un eje de rotacin.
c) U s a r el resultado del ejercicio 27 para encontrar el ngulo de rotacin en sentido
contrario al movimiento de las manecillas del reloj alrededor del eje obtenido en el
inciso b).
4.3
PROPIEDADES DE LAS TRANSFORMACIONES LINEALES DE R n A Rm

En esta seccin seestudiar la relacin entre la invertibilidad deuna matriz y las
propiedades de la transformacin matricial correspondiente. Tambin se obtendr una representacin de las transformaciones lineales de R" a Rm que constituyen la base paratransformaciones lineales ms generales que se analizarn en
seccionesulteriores, y se estudiarnalgunas propiedades geomtricas de los
eigenvectores.
TRANSFORMACIONES
LXNEALES UNO
A UNO
Las transformaciones lineales que mapean vectores (o puntos) distintos en

vectores (o puntos) distintos revisten especial importancia. Un ejemplo es el
operador lineal T:R2 + R2 que hace girar cada vector hasta describir un hngulo B.
Geomtricamente resulta evidente que si u y v son vectores distintos en R2,
entonces tambin los vectoles girados T(u) y T(v) son distintos (figura 1).
AI y
Figura 1
*Tv)
I Vectores distintos u Y Y se mueven hacia vectores distintos T(u) Y Tlvl I

En contraste, si TR' "* R3 es la proyeccin ortogonal de R3 sobre el plano
entonces puntos dlstintos sobre la misma recta vertical son mapeados en el
mismo punto del plano xy (figura 2).
xy,
Figura 2
ILos puntos distintos P y Q son mapeados en el mismo punto M. I

Definicin. Se dice que una transformacin lineal T:R" + R"' es uno a uno si T
mapea vectores (puntos) distintos de R" en vectores (puntos) distintos de R"'.
OBSERVACI~N. A partir de esta definicin se concluye que para todo vector w en
el recorrido de una transformacin lineal T uno a uno, existe exactamente un
vector x tal que T(x) = w.
Ejemplo 1 En trminos de la definicin anterior, el operador rotacin de la figura

1 es uno a uno, pero el operador proyeccin ortogonal de la figura 2 no lo es.
Sea A una matriz n x n, y sea TA:R" R"' la multiplicacin por A . A continuacin se analizarn las relaciones entre la invertibilidad de A y las propiedades
de TA.
Recordar del teorema 2.3.6 (con w en lugar de b) que las siguientes proposiciones son equivalentes:
4.3 Propiedades de las transformaciones lineales de R" a Rm 1 241
A es invertible
Ax = w es consistente para toda matriz w n X 1.
Ax = w tiene exactamente una solucin para toda matriz w n
1.
Sin embargo, la ltima de las proposiciones anteriores es realmente ms definitiva

que lo necesario. Sepuede demostrar que las siguientes proposiciones son
equivalentes (ejercicio 24):
A es invertible.
Ax = w es consistente para toda matriz w n X 1.
Ax = w tiene exactamente una solucin cuando el sistema es consistente.
Al traducir l o anterior en proposiciones correspondientes respecto al operador lineal TA,se deduce que las siguientes proposiciones son equivalentes:
A es invertible.
* ' Para todo vector w en R", existe algn vector x en R" tal que TA(x)= w.
Expresado de otra forma, el recorrido de TA es todo R".
Para todo vector w en el recorrido de TA, existe exactamente un vector x
en R" tal que TA(x)= w. Planteado de otra forma, TA es uno a uno.
En resumen, se ha establecido el siguiente teorema acerca de los operadores
lineales sobre R".
Teorema 4.3.1. Si A es una matriz n
n y TA:R" + Rn es la multiplicacin por
A, entonces las siguientes proposiciones son equivalentes.

a) A es invertible.
b) El recorrido de TA es R".
c) TA es uno a uno.
Ejemplo 2 En' el ejemplo 1 se observ que el operador rotacin T:R2 --* R2 ilustrado en la figura 1 es uno a uno. Por el teorema 4.3.1 se concluye que el recomdo
de T debe ser todo R2, y que la matriz estndar para T debe ser invertible. Para
probar que el recomdo de T es todo R2 es necesario demostrar que todo vector en
R2 es la imagen de algn vector x bajo T. Pero claramente este hecho es as, ya que
el vector x que se obtiene al hacer girar w hasta describir el ngulo -O lo transforma en w cuando se hace girar el ngulo O. Adems, por la tabla 6 de la seccin
4.2, la matriz estndar para T es
que es invertible, ya que
,742
Espaciosvectoriales euclldianos
Ejemplo 3 En elejemplo 1 se observ que el operador proyeccin T:R3 + R3

ilustrado en la figura 2 no es uno a uno. Del teorema 4.3.1 se deduce que el
recorrido de T no es todo R3 y que la matriz estndar para T no es invertible. Para
mostrar que el recorrido de T no es todo R3, es necesario encontrar un vector w en
X3 que no sea la imagen de ningn vector x bajo T. Pero cualquier vector w fuera
del plano xy posee esta propiedad, ya que todas las imgenes bajo T estn en el
plano xy. Adems, por la tabla 5 de la seccin 4.2, la matriz estndar para T es
que no es invertible. ya que det
INVERSA DE UN
OPERADOR
LINEAL UNO A
UNO
[g=O.
Si TA:K" + R" esun operador lineal uno a uno, entonces por el teorema 4.3.1 la
matriz A es invertible. As, TA-':Rn-+ R" por s mismo es un operador lineal; se
denomina inverso de TA.Los operadores lineales TA y TA-, se cancelan entre s en
el sentido de que para todo x en R"
7-,(r,
I(
,(x)) = A'4
Tq(x)) = A
' x = Ix = x
' A x = fx
=X
o. equivalentemente,
1
TI
T A = T A - 1A
TI
T A o TA-1 == T A A T A
I 0
Desde un punto de vista ms geomtrico, si w es la imagen de x bajo TA, entonces

TA-, transforma de vuelta w en x , ya que
Figura 3
__
"
4.3 Propiedades de las transformaciones lineales de R" a Rm / 243
Antes de presentar un ejemplo, ser de utilidad mencionar algo sobrela

notacin. Cuando un operador lineal uno a uno sobre R" se escribe como ZRn "*
R" (en vez de TA:Rn+ R"), entonces el inverso del operador T se denota por T " l
(en vezde TA-,). Como la matriz estndar de T" es la inversa dela matriz
estndar para T, se tiene
u
[ T"
] = [ TI"
Ejemplo 4 Sea T R 2 + R2 el operador que hace girar cada vector de R2 hasta describir el ngulo 0; de modo que por la tabla 6 de la seccin 4.2
['
COS 8 -sen8
[seno
cos 0
Geomtricamente es evidente que para deshacer el efecto de T es necesario hacer

girar cada vector de R2 por un ngulo -0. Pero esto es exactamente lo que hace el
operador T- I , ya que la matriz estndar para T- es
cos( - 8) -sen( - 8)
sen(- 8)
cos( - 8)
[T"]=[T]"=
(comprobar), que es idntica a (2), excepto que se sustituye por -0.
Ejemplo 5 Demostrar que el operador lineal T:R2 + R2 definido por las ecuaciones
w , = 2x, + x2
w, = 3x1 + 4x,
es uno a uno, y encontrar T " ( W ~ , w2).

Solucin. La forma matricial de estas ecuaciones es
de modo que la matriz estndar para T es
Esta matriz es invertible (de modo que T es uno a uno), y la matriz estndar
para T" es
244
Espaclos vectorxales euclidianos

As,
a partir de lo cual se puede deducir que

T '(M.,
,
PROPIEDADES
DE
LA
LINEALIDAD
($w,
-.
6w2, -?M>,
+gw2)
En la seccin precedente, una trasformacin TR" R" se defini como lineal si

las ecuaciones que relacionan a x y a w = T(x) son lineales. El siguiente teorema
proporciona otra representacin de la linealidad. Este teoremaes fundamental y
constituye la base para extender el concepto de transformacin lineal a casos ms
generales que se presentarn despus en el texto.
+
~~
~~~
~~~~
R" es lineal si y slo si las siguientes relaciones se cumplen para todos los vectores u y v en R" y cualquier
escalar c.
( I ) T(u + v ) = T(u) + T(v)
h ) T(cu)= cT(u)
Teorema 4.3.2. Una trasformacin T:R"
-+
Demostracin. Primero se supone que T es una transformacin lineal, y se hace

que A sea la matriz estndar para T.Por las propiedades aritmticas bsicas de las
matrices se concluyeque
T(u + v)
= A(u
+ v) = Au + A v
T(u) + T(v)
T(cu) = A(cu) = c('4u) = cT(u)

Recprocamente, se supone que la trasformacin T satisface las propiedades a) y
b). Sepuede demostrar que 7' es lineal si se encuentra una matriz A con la
propiedad
T ( x )= Ax
(31
para todos los vectores x en R". Conlo anterior se demuestra que T es la

multiplicacin por A y, en consecuencia, que es lineal. Pero antes de poder obtener
esta matriz es necesario observar que la propiedad a) se puede extender a tres o
ms trminos; por ejemplo, si u, v y w son vectores cualesquiera en R", entonces

agrupando primero v y w y aplicando la propiedad u) se obtiene
T(u + v
+ w) = T(u + (v + w)) = T(u) + T(v + w) = T(u) + T(v)+ T(w)
Ms generalmente, para vectores cualesquiera Y , , v2, . . . , Vk en R". se tiene

T(v, t v2
+ . . + V k ) = T(v,) + T(v,) + . . . + T ( V k )
I]
'
Luego, para encontrar la matriz A , sean e l , e 2 ., . . , en los vectores
e, =
, e2
y sea A la matriz cuyosvectores columna consecutivos son T(el), T(e2), . .

T(e,); es decir,
Si
x=
es cualquier vector en R", entonces como se analiz en la seccin 1.3, el producto
Ax es una combinacin lineal de los vectores columna de A con coeficientes de x,

de modo que
La Expresin (5) es importante por derecho propio, ya que constituye una

frmula explicita con la cual la matriz esthadar para un operador lineal TR'' -+ Rm
se puede expresar en trminos de las imgenes de los vectores e,, e2. . . . , e, bajo
T. Por razones que sern analizadas despus, los vectores el, e2' . . . . e, en (4) se
246 ,' Espacios vectoriales euclidianos
denominan vectores estndar brisicos para R". En R2 y R3 se trata de los vectores

de longitud 1 situados a lo largo de'los ejes de coordenadas (figura 4).
I ase normal para 1
Figura 4
P .
Debido a su importancia, la expresin (5) se plantear como teorema para

fines de referencias futuras.
Teorema 4.3.3. Si TR" + Rm es una transformacin lineal y el, e2, . , en
son los vectores estrindar. brisicos para R", entonces la matriz estndar para 7
es
,
La frmula (6) es un medio eficaz para encontrar matrices estndar y anal i z a el efecto geomtrico de una transformacin lineal. Por ejemplo, suponer que
T:R3 * R3 es la proyeccin ortogonal sobre el plano x y . Con referencia a la figura
4, geomtricamente es evidente que
It]
de modo que por (6)

[TI=[:
lo que concuerda con el resultado de la tabla 5.

Usando (6) de otra forma, suponer que TA:R3-+R2 es la mUltipliCaCin Por
-1
A = [
61
4.3 Propiedades de las transforrnaciones lineales de R a Km / 247
Las imgenes de los vectores estndar bsicos se pueden leer directamente de las
columnas de lamatriz A :
Ejemplo 6 Sea I la recta en el plano xy que pasa por el origen y forma un ngulo
con el eje x positivo, donde O 5 8 < n.Como se ilustra en la figura 5a, sea T:R2
R2 el operador lineal que transforma cada vector en su proyeccin ortogonal
sobre 1.
a) Encontrar la matriz estndar para T.

b) Encontrar la proyeccin ortogonal del vector x = (1, 5 ) sobre la recta que pasa
por el origen y forma un ngulo 8 = n/6 con el eje x positivo.
Solucin de a). De (6),

[ T I = [ Y e , ) I T(e,)l
donde el y e2 son los vectores estndar bsicos para R2. Se considerar el caso en
que O 5 8 5 n12;el caso en que n12 < 8 < 7t es semejante. Con referencia a la
figura 5b, se tiene IIT(el)ll = cos 8, de modo que
cos2 H
y con referencia a la figura 5c, se tiene IIT(e2)ll=sen 6, de modo que
As, la matriz estndar para I es
248
1'
Icspacios vectoriales euclidianos

[ TI =
cos' H
sen0 cos O
sen O cos
sen28
Solucicin de b). Como sen nI6 = 112 y cos n/6 = f i I 2 , por el inciso a) se concluye que la matriz estndar para este operador proyeccin es
As,
3+5v3
4
f i + 5
4
o bien, en notacin horizontal.
INTERPRETARecurdese de la seccin 2.3 que si A es una matriz n x n, entonces se denomina

CIN GEOMeigenvalor de A si existe unvector x diferente de cero tal que
TRICA DE LOS
EIGENVECTORES
Ax = Ax o equivalentemente (AI - A)x = O
Los vectores x diferentes de cero que satisfacen esta ecuacin se denominan eigenvectores de A correspondientes a 1.
Los eigenvalores y eigenvectores tambin se pueden definir para operadores
lineales sobre R"; estas definiciones son paralelas a las definiciones correspondientes para matrices.
Definicin. Si T:Rn+ Rn es un operador lineal, entonces el escalar

se denomina eigenvalor de T si en R" existe un x diferente de cero tal que
T(x) = Ax
(7)
Los vectores x diferentes de cero que satisfacen esta ecuacin se denominan

eigenvectores de T correspondientes a1.
Observar que si il es la matriz estndar para T, entonces (7) se puede escribir

como
A X = AX
de donde se deduce que
4.3 Propiedades de las transformaciones lineales de Rn a RIn / 249
Los eigenvalores de T son precisamente los eigenvalores desu matriz

estndar A.
x es un eigenvector de T correspondiente a il si y slo si x es un eigenvector de A Correspondiente a A.
Si 1 es un eigenvalor de A y x es un eigenvector correspondiente, entonces
A x = Ax, de modo que la multiplicacin por A transforma x en un mltiplo escalar
de s mismo. En RZ y R3, esto significa que la multiplicacin por A transforma
cada eigenvector x en un vector que est sobre la misma recta que x (figura 6).
Figura 6
Recurdese de la seccin 4.2 que si il IO, entonces el operador lineal Ax = 1

x comprime a x por un factor 1 si O I1 I 1 o estira a x por u11 factor 1 si A 2 1.
Si 1 < O, entonces A x = Ax invierte la direccin de x, y comprime elvector
invertido por un factor IA I si O I11 I I1 o estira el vector invertido por un factor
si 1 (figura 7 ) .
Figura 7
osas1
a21
- 1 ~ a s o
a s -I
Ejemplo 7 Sea T:R2 + R2 el operador lineal que hace girar cada vector un ngulo 8. Geomtricamente es evidente que a menos de que 8 sea un mltiplo de n,
entonces T no transforma ningn vector x uerente de cero sobre la misma recta
que x; en consecuencia, T no tiene eigenvalores reales. Pero si 8 es unmltiplo de
n,entonces todo vector x diferente de cero es transformado sobre la misma recta
que x, demodo que todo vector diferente de cero es un eigenvector de T. A
continuacin se comprobarn algebraicamente estas observaciones geomtricas. La
matriz estndar para T es
A = [ cos O
sen0
-sen0
cos 8
Como se analiz en la seccin 2.3, los eigenvalores de esta matriz son las soluciones de la ecuacin caracterstica
det(AZ - A ) =
A - cos 0
-sen 0
sen 0
A - cos 0
es decir.
(a - COS
t sen2 O = O
(8)
Pero si 8 no es un mltiplo de n,entonces sen2 8 > O, de modo que esta ecuacin

no tiene solucin real para y, en consecuencia, A no tiene eigenvectores reales.*
Si 6 es un mltiplo de n,entonces sen 8 = O y cos 6 = 1 o cos 6 = - 1, dependiendo del mltiplo particular de n.En el caso en que sen 8 = O y cos 8 = l, la
ecuacin caracterstica (8) se vuelve (A - 1)2 = O: de modo que ;1 = 1 es el nico
eigenvalor de A. En este caso, la matriz A es
As, para todo x en R2,

T(x)= A x =/x = x
de modo que T transforma todo vector en s mismo y, por tanto, en la misma recta.
En el caso en que sen 6 = O y cos 6 = -1, la ecuacin caracterstica
(8) se
vuelve (A + 1)2 = O, de modo que A = - 1 es el nico eigenvalor de A. En este caso,
la matriz de A es
As, para todo x en R 2 ,
T(x)= i i x
-1x
= "x
*Existen aplicaciones que requieren escalares complejos y vectores con componentes complejas. En
talescasossonpermisibles
los eigenvalorescomplejos
y los eigenvectoresconcomponentes
complejas.Sinembargo,estehechocarece
de importanciageomtricadirectaaqu.Encaptulos
ulterioresseanalizarntaleseigenvalores
y eigenvectores,perohastaqueexplcitamente
se
establezca lo contrario, se supondr que se considerarn sirlo eigenvalores reales y eigenvectores con
componentes reales.
Ejemplo 8 Sea T:R3 -* R3 la proyeccin ortogonalsobreelplano

xy. Los
vectores en el plano xy son transformados en s mismos bajo T, de modo que
todo vector diferente de cero en el plano xy es un eigenvector correspondiente
al eigenvalor 1 = 1. Todo vector x a lo largo del eje z es transformado en O
bajo T, que est en la misma recta quex, de modo que todo vector diferente de
cero sobre el eje z es un eigenvector correspondiente al eigenvalor A = O. Los
vectores que no estn en el plano xy o a lo largo del eje z no son transformados en mltiplosescalaresdeellos
mismos, de modo que no existenotros
eigenvectores o eigenvalores.
Para comprobar algebraicamente estas observaciones geomtricas, recordar
de latabla 5 de la seccin 4.2 que la matriz estndar para T es
La ecuacin caracterstica de A es
A-1
det(AZ - A ) =
a-]
o =o
h
cuyas soluciones1 = O y 1 = 1 ya se anticiparon.

Como se analiz en la seccin 2.3, los eigenvectores de la matriz A correspondientes a un eigenvalor A son las soluciones diferentes de cero de
Si A = O, este sistema es
[-;-A
:][:;I =[!I
x3
cuyas soluciones son x1 = O, x2 = O, x3 = t (comprobar), o bien, en forma matricial,
Como ya se haba anticipado, estos son los vectores a lo largo del eje t. Si ,
I=' 1,
entonces el sistema (9) es
252 / Espacios vectorialeseuclidianos
cuyas soluciones son x,
= S, x2 = t, x3 = O
(comprobar), o bien, en forma matricial,
Como ya se haba anticipado, estos son los vectores en el plano x y . A
RESUMEN
En el teorema 2.3.6 se present una lista con seis resultados que son equivalentes
a la invertibilidad de una matriz A. Esta seccin concluye agregando el teorema
4.3.1 a esa lista, para obtener el siguiente teorema que relaciona todos los temas
principales estudiados hasta el momento.
Teorema 4.3.4. Si A es una matriz n x n, y si TA:R" + R" es la multiplicacin

por A , entonces lassiguientes proposiciones son equivalentes.
a) A es invertible.
b) A x = O slo tiene la solucin trivial.
cf La forma escalonada reducida de A es In.
(0 A se puede expresar como un producto de matrices elementales.
e) AH = b es consistente para toda matriz b n X 1.
8 AH = b tiene exactamente una solucin para toda matriz b n X 1.
gj det4) # O .
h) El recorrido de TA es R".
i ) T,es uno a uno.
EJERCICIOS DE LA SECCION 4.3

1. Por inspeccin, determinar si el operador lineal es uno a uno
La proyeccin ortogonalsobre el eje x en R2.

La reflexin respecto al eje y en R2.
La reflexin respecto a la rectay = x en R2.
Una contraccin con factor k > O en R2.
Una rotacin alrededor del eje z en R3.
f, Una reflexin respecto al plano xy en R3.
g) Una dilatacin con factor k > O en R3.
a)
b)
c)
d)
e)
2. Encontrar la matriz estndar del operador lineal definido por las ecuaciones y usar el
teorema 4.3.1 para determinar si el operador es uno a uno.
a) w I = Sx, + 4x2
b) w I = 2x, - 3x,
c) w I = -xi + 3x, + 2x3
d) u', = X, + 2x2 + 3x3
w 2 = ZX, + x2
w2 = 5x, + x2
w 2= ZX,
+ 4x3
w 2 = 2x, i51, -t 3s3
w 3 =
x! + 3x2 + 6x3
kv3 = x1
+ 8x3
4.3 Propiedades de las transformaciones lineales de Rn a Rm / 253

3. Demostrar que el recorrido del operador lineal defindo por las ecuaciones
w , = 4x, - 2x2
w2 = 2x,
x2
no es todo de R2, y encontrar ULI vector que no est en el recorrido

4. Demostrar que e! recorrido del operador lineal definido por las ecuaciones
w,= x, - 2x2+- x3
w2 = 5x, - x2 + 3x,
w, = 4x, + x2 + 2x,
no es todo de R3, y encontrar un vector que no est en el recorrido.
5. Determinar si el operador lineal T : R2 + R2 definido por las ecuaciones es uno a
uno; en caso afirmativo, encontrar la matriz estndar para el operador inverso, y

encontrar ~ " ( w ~wz).
,
a) w,= x, + 2x2
b) w ,= 4x, - 6x2
c) w 1= -x2
d) w,= 3x,
w2= -x, + x2
w2 = - 2x, + 3x2
w2 = -x,
w 2= -5x,
6. Deteminar si el operador lineal T : R3 + R3 definido por las ecuaciones es uno a uno,
en caso afirmativo,encontrar la matrizestndar para el operador inverso, y
encontrar ~ " ( w ~w2,
, w3).
a) w ,= x, - 2x2
w2 = 2x,
.x2
w j = x,
x2
+ 2x,
+
x3
+
c) w ,= S,+ 4x2 - x,
w, = 2x, + 7x2 + x,
w3 = x, + 3x2
b) w ,=
x,
w 2 = -x,
w, =
d) w ,=
3x2 + 4x,
x2 + xj
- 2x2 f 5x3
x,+ 2x, + x,
+ x2 + 4x,
w* = -2x,
w3 = 7x,
+ 4x2 - 5x3
7. Por inspeccin, determinar el inverso del operador lineal uno a uno dado.
a)
b)
c)
d)
e)
La reflexion respecto al eje x en R ~ .

La rotacin por un ngulo de x14 en R2.
La dilatacin por un factor de 3 en R2.
La reflexin respecto al plano yz en R3.
La contraccin por un factor de en R3.
En los ejercicios 8 y 9, aplicar el teorema 4.3.2 para determinar si T : R2 + R2 es un operador lineal.
10. a) T(x,y,z)=(x,x+y+z)
11. a) T(x, y, z) = (O, O)
b) T ( x , y , z ) = ( l , l )
b) T(x, y, z) = (3x - 4y, 2x
52)

12. En cada inciso, usar el teorema 4.3.3 para encontrar la matriz estndar del operador
lineal a partir de las imgenes de los vectores estndar bsicos.

a) Los operadores reflexin sobre R2 en la tabla 2 de la seccin 4.2.
b) Los operadores reflexin sobre R3 en la tabla 3 de la seccin 4.2.
c) Los operadores proyeccin sobre R2 en la tabla 4 de la seccin 4.2.
d) Los operadores proyeccin sobreR3 en la tabla 5 de la seccin 4.2.
e) Los operadores rotacin sobre R2 en la tabla 6 de la seccin 4.2.
f, Los operadores dilatacin y contraccin sobreR3 en la tabla 9 de la seccin 4.2.
13. Aplicar el teorema 4.3.3, para encontrar la matriz estndar de TR2 R2 a partir de las
Imgenes de los vectores estndar bsicos.
a) TB2 +. R2 proyecta un vectorortogonalmentesobreel eje x y luego refleja ese
vector respecto al ejey.
b) T:R2 +. R2 refleja unvector respecto a la recta y = x y luego refleja ese vector
respecto al eje x.
c j 7R2 + R2 dilata un vector por un factor de 3 , luego refleja ese vector respecto a la
recta y = x, y luego proyectaese vector ortogonalmente sobre el
eje y .
14. Aplicar el teorema 4.3.3 para hallar la matriz estndar de TR3 + R3 a partir de las
imgenes de los vectores estndar bsicos.

a) TR3 +. R3 refleja un vector respecto al plano xz y luego contrae ese vector por un
factor de 1/5.
b) 7R3+. R3 proyecta un vector ortogonalmente sobre el plano xz, y luego proyectaese
vector ortogonalmentesobre el plano x y .
c) TB3+. R3 refleja un vector respecto al plano x y , luego refleja ese vector respecto al
plano xz, y luego refleja ese vector respecto al planoyz.
15. Sea TAR3 + R3 la multiplicacin por
y Sean e , , e2 y e3 10s vectores estndar bsicos para R3. Encontrar por inspeccin los
siguientes vectores.
.a) &(e,), U e A y U e 3 )
b) U e , + e2 + e 3 j
c) TA(7e3)
16. Determinar si la multiplicacin por A es una transformacinlineal uno a uno.
17. Usar el resultado del ejemplo 6 para encontrar la proyeccin ortogonal de x sobre la
recta que pasa por e1 origen y forma un ngulo 8 con el eje x positivo.
a) x = ( - l , 2 ) ; 0 = 4 5 "
b) x = ( l , O ) ; 0 = 3 0 "
cx) = ( l , 5 ) ;
18. Aplicar el tipo de razonamiento proporcionadoenelejemplo
O = 120"
8 para encontrar los

eigenvalores y los eigenvectores correspondientes de T. Verificar las conclusiones
calculando los eigenvalores y los eigenvectores correspondientes a partir de la matriz
estndar para T.
a) TR2 +. R2 es la reflexin respecto al eje x.
b) TR2+. R2 es la reflexin respecto a la recta y = x.

c) TR2+ R2 es la proyeccin ortogonal sobreel eje x .
d) 7'B2+ R2 es la contraccin por un factor de .
i9. Seguir las indicaciones del ejercicio 18.
a) T:R3+ R3 es la reflexin respecto al plano yz.
b) TR3+ R3 es la proyeccin ortogonal sobreel plano xz.
c) TR3+ R3 es la dilatacin por un factor de 2.
d) T R 3 + R3 es una rotacin de 4.5' en sentido contrario al movimiento de las manecillas del reloj alrededor del eje z.
20. a) Es uno a uno la composicin de transformaciones lineales uno a uno? Justificar la

conclusin.
b) Es posible que la composicin de una transformacin lineal uno auno y una transformacin lineal no uno a uno sea uno a uno? Justificar la conclusin.
21. Demostrar que T(x, y ) = (O, O) define un operador lineal sobre R2 pero T(x, y ) = (1, 1)
no lo hace.
22. Demostrar que si TRn + Rm es una transformacin lineal, entonces To) = O; es decir,
T transforma el vector cerode Rn en el vector cero deRm.
23. Sea 1 la recta en el plano xy que pasa por el origen y forma un ngulo con el eje .x
positivo, donde O I8 < Z. Sea TB2 + R2 el operador lineal que refleja cada vector
respecto 1(figura 8).
Figura 8
a) Usar el mtodo del ejemplo6 para encontrar la matriz estndar para T.
b) Encontrar la reflexin del vector x = (1, 5) respecto a la recta 1 que pasa por el
origen y forma un ngulo 8 = 30' con el eje x positivo.
X n es invertible si y slo si el sistema lineal Ax = w tiene
exactamente una solucin para todo vector w en Rn para el que el sistema es consistente.
24. Demostrar: Un matriz A n
5.1
ESPACIOS VECTORIALES REALES

En esta seccin se generalizar an ms el concepto de vector. Se enunciar un
conjunto de axiomas que, si una clase de objetos hace que se cumplan, permitir
denominar %ectores" a esos objetos. Los axiomas se elegirn abstrayendo las
propiedades ms importantes de los vectores en Rn; como consecuencia, los
vectores en Rn harn que se cumplan de manera automtica estos axiomas. As, el
nuevo concepto de vector abarcar a los vectores anteriores y tambin a muchos
vectores nuevos. Estos vectores nuevos incluirn, entre otras cosas, varias clases
de matricesyfunciones.
El trabajo desarrollado en esta seccin no es un
ejercicio intil de matemticas tericas, ya que proporciona una herramienta
poderosa para extender la representacin geomtrica a una amplia variedad de
problemas matemticos importantes en los que de otra forma no se contara con
la intuicin geomtrica. Planteada en trminos breves, laidea es sta: Los
vectores en R2 y R3 se pueden representar geomtricamente como flechas, lo cual
permite que la representacin fisica o mental ayude a resolver problemas. Como
los axiomas que se usarn para crear los nuevos tipos de vectores se basarn en
propiedades de los vectores en R2 y R3, estos nuevos vectores poseernmuchas de
las propiedades conocidas de los vectores en R2 y R3. Por consiguiente, cuando
se quiera resolver un problema en que aparezcan los nuevos tipos de vectores,
por ejemplo matrices o funciones, se podr obtener una base para el problema
mediante una geomtrica cmo sera el problemacrrespondiente en R 2 y R3.
25 7
256: / Espacios vectorides generales
AXIOMAS DE
ESPACIOS
VECTORIALES
Definicin. Sea V un conjunto cualesquiera no vaco de objetos sobre el que

estn definidas dos operaciones: la adicin y la multiplicacin por escalares
(nmeros). Por adicin se entiende una regla que asocia a cada par de objetos u
y v en I' un objeto u + v denominado suma de u y v; por muMplicacin escalar
se entiende una regla que asocia a cada escalar k y cada objeto u en V un objeto
k u , denominada mltplo escalar de u por k. Si los objetos u, v, w en V y los
escalares k y 1 satisfacen los siguientes axiomas, entonces V se denomina
espacio vectorial, y sus objetos se denominan vectores.
1) Si u y v son objetosen V, entonces u -+ v est en V.
2) u +- v = v + u
3) u + ( v 4- w ) = ( u 4-v) + w
4) Existe un objeto O en V, denominado vector cero de V, tal que O + u = u + O
= u para todo u en V.
5) Para todo u en T/ cxiste un objeto "u en V, denominado negativo de u, tal
que u + (-u) = (-u) + u = O .
6) Si k es cualquier escalar y u es cualquier objeto en V, entonces ku est en V.
7) k(u + v ) = k u + k v
8)
(x + /)U = k M + U
9) k ( h ) =- ( k / ) ( u )
10) l u = u
Dependiendode la aplicacin,losescalarespuedensernmeros reales o complejos. Los espacios vectoriales en que los escalares son nmeros complejos se denominan espacios vectoriales complejos, y aqullos donde los
escalares deben ser reales se denominan espacios vectoriales reales. En el captulo
10 se estudiarn los espacios vectoriales complejos; hasta entonces, todos los escalares considerados sern nmeros reales.
OBSERVACI~N.
El lector debe tener en mente que la definicin de espacio vectorial no

especifica la naturaleza de los vectores ni las operaciones. Cualquier tipo de objeto
puede ser un vector, y es posible que las operaciones de ahcin y multiplicacin
escalar no guarden ninguna relacin o semejanza con las operaciones vectoriales
estndar sobre R". El nico requisito es que se cumplan los 10 axiomas en la
definicin de espacio vectorial. Algunos autores
usan las notaciones@y
en la adicin vectorial y la multiplicacin escalar para distinguir estas operaciones de la alcin y la multiplicacin de nmeros reales; a pesar de ello, aqu
no se usar esta notacin.
EJEMPLOS DE
ESPACIOS
VECTORIALES
Los siguientes ejemplos ilustran la variedad de espacios vectoriales posibles. En

cada ejemplo se especifica un conjunto novaco V y dos operaciones: la alcin y
la multiplicacin escalar; luego se comprobar que se cumplen los 10 axiomas de
espacio vectorial, con lo cual V se puede denominar, con las operaciones especificadas, espacio vectorial.
Ejemplo 1 El conjunto V = R" con las operaciones estndar de adicin y multiplicacin escalar, definido en la seccin 4.1 es un espacio vectorial. Los axiomas 1 y
5.1 Espacios vectoriales reales / 259

6 se deducen de las definiciones de las operaciones estndar sobre R"; .los dems
axiomas se deducen del teorema 4.1.1. A
Los tres casos especiales ms importantes de R" son R (los nmeros reales),
R2 (los vectores en el plano) y R3 (los vectores en el espacio tridimensional).
Ejemplo 2 Demostrar que el conjunto V de todas las matrices 2 x 2 con elementos reales es un espacio vectorial si la ahcin vectorial se define como la suma de
matrices y la multiplicacin escalar vectorial se define como la multiplicacin escalar matricial.
Solucin. En este ejemplo resulta conveniente verificar los axiomas en el
siguiente orden: 1, 6, 2, 3 , 7 , 8, 9, 4, 5 y 10. Sea
Para probar el axioma 1, es necesario demostrar que u + v es un objeto en V; es

decir, debe demostrarse que u + v es una matriz 2 X 2. Pero este hecho se deduce
por la definicin de ahcin de matrices, ya que
De manera semejante, el axioma 6 se cumple porque para cualquier nmero real k

se tiene
de modo que ku es una matriz 2 x 2 y en, consecuencia, es un objeto en V.

El axioma 2 se deduce del teorema 1.4. ya
la,que
De manera semejante, el axioma 3 se deduce del inciso b) de ese teorema; y los

axiomas 7, 8 y 9 se deducen de los incisos h), j ) y f), respectivamente, de ese teorema.
Para probar el axioma 4 es necesario encontrar un objeto O en V tal que O +
todo u en V. Esto puede lograrse al definir a O como
u = u + O = u para
Con esta definicin,
y de manera semejante u + O = u. Para probar el axioma 5 se debe demostrar que

cada objeto u en V tiene un negativo "u tal que u + (-u) = O y (-u) + u = O. Esto
se puede hacer definiendo el negativo de u como
Con esta definicin
y de manera semejante (-u)

clculo:
u = O.
Por ltimo, el axioma 10 es un simple
Ejemplo 3 El ejemplo 2 es un caso especial de una clase ms general de espacios

vectoriales. Los razonamientos de ese ejemplo se pueden adaptar para demostrar
que el conjunto Y de todas las matrices m X n con elementos reales, junto con las
operaciones de adicin de matrices y multiplicacin escalar, es un espacio
vectorial. La matriz cero m X n es el vector cero O, y si u es la matriz U m X n,
entonces la matriz -U es el negativo -u del vector u. Este espacio vectorial se
denotar por el smbolo M*,,. A
Ejemplo 4 Sea V el conjunto de las funciones con valores reales definidas sobre
toda la recta real (- m , m ) . Si f =Ax) y g = g(x) son dos de estas funciones y k es
cualquier nmero real, entonces la funcin suma f + g y el mltiplo escalar kf se
definen por
(f + g)(s) = J'(.Y)
+ g(x)
(kf)(x) = kj'(.x)
En otras palabras, el valor de la funcin f + g en x se obtiene al sumar entre s los

valores de f y g en x (figura la). De manera semejante, el valor de kf en x es k
veces el valor de f en x (figura lb). En los ejercicios se pide al lector demostrar
que Y es un espacio vectorial con respecto a estas operaciones. Este espacio vectorial se denota por F(- M, m). Si f y g son vectores en este espacio, entonces afkmar que f = g equivale a decir queAx) = g(x) para toda x en el intervalo (- m, m).
El vector O en F( - m , M) es la funcin constante que es idnticamente cero
para todos los valores de x. La grfka de esta funcin es la recta que coincide con
el eje x. El negativo de un vector f es la funcin -f = -Ax). Geomtricamente, la
grfka de -f es la reflexin de la grfka de f con respecto al eje x (figura IC). A
5.1 Espacios vectoriales reales 1 261
Figura 1
hi
al
Cl
En el ejemplo precedente, la atencin se centr en el intervaEn caso de que la atencin se hubiera restringido a algn intervalo
cerrado [a, b ] o en algn intervalo abierto (a,b), las funciones definidas en estos
intervalos con las operaciones establecidas en el ejemplo tambin hubieran producido espacios vectoriales. Estos espacios vectoriales se denotan por F [a,b ] y F(a,
b), respectivamente.
OBSERVACI~N.
lo
(-m, m).
Ejemplo 5 Sea V = R2, con las operaciones de adicin y multiplicacin escalar de-
finidas como sigue: Si u = (u1, u2) y v = (vl, v2), entonces se define

u+v=(u, +u,,u,+u,)
y si k es cualquier nmero real, entonces se define
ku
= ( k u , , O)
Por ejemplo, si u = (2, 4) y v = ( - 3 , 5), y k = 7, entonces

u+v=(2+(-3),4+5)=(-1,9)
ku = 7u = ( 7 . 2 , O) = (14, O)
La operacin de adicin es la operacin de adicin estndar sobre R2, pero la

multiplicacin escalar no es la multiplicacin escalar estndar. En los ejercicios se
pide al lector demostrar que se cumplen los nueve primeros axiomas de espacio
vectorial; sin embargo, existen valores de u para los cuales no se cumple el axioma
10. Por ejemplo, si u = (u,, u2) es tal que u2 # O, entonces
l u = l ( u , , u2) = (1 . u , , O)
= (u,,
O) # u
Por tanto, V no es un espacio vectorial con las operaciones establecidas. A

Ejemplo 6 Sea Vcualquier plano qui: pasa por el ongen en R'. Se demostrara que
los puntos en V constituyen u n espacio kectorial bajo las Operaciones estandar de
Por el ejemplo I, se sabe que
adxin y multiplicacin escalar para veclores en
I?'.
262 / Espacios vectoriales genevales
R3 mismo es un espacio vectorial bajo estas operaciones. As, los axiomas 2, 3, 7,

8, 9 y 10 se cumplen para todos los puntos en R3 y en consecuencia, para todos
los puntos en el plano V. Por consiguiente, basta demostrar que se cumplen los
axiomas 1,4, 5 y 6.
Como el plano Vpasa por el origen, tiene una ecuacin de laforma
ax
+ by + cz = O
(1)
(Teorema 3.5.1). Por tanto, si u = (ul, u2, u3)y v = (vl, v2, v3)
son puntos en V,
entonces aul + bu2 + cu3 = O y a v l + bv2 + cv3 = O. Sumando estas ecuaciones se
obtiene
+ U ] ) + b(u, + u 2 ) + c(u3+ u 3 )= o
a(u*
Esta igualdad establece que las coordenadas del punto

u +v
= (U]
+ u1, u2 + u2, u3 + u 3 )
satisfacen (1); as, u + v est en el plano V. Esto demuestra que secumpleel

axioma 1. Las verificaciones de los axiomas 4 y 6 se dejan como ejercicios; sin
embargo, se demostrar el axioma 5. AI multiplicar aul + bu2 + cu3 = O por - 1 se
obtiene
As,
"u =
( -ul, -u2, -u3) est en I.'. Esto establece el axioma 5. A
Ejemplo 7 Sea V que consta de un solo objeto, elcual se denota por O, y se define
o+o=o
kO = O
para todos los escalares k. Es fcil comprobar que se cumplen todos los axiomas de
espacio vectorial. Este espacio se denomina espacio vectorial cero. A
ALGUNAS
PROPIEDADES
DE LOS
VECTORES
A medida que se avance, se agregarn ms ejemplosde espacios vectoriales a la

lista. Esta seccin concluye con un teorema que da una lista til de propiedades
vectoriales.
Teorema 5.1.1. Sean V un espacio vectorial, u un vector en V y k un escalar;

entonces:
a ) Ou = O
b) kO = O
c) (-I)u=
"u
d) If ku = O, entonces k = O
u = O.
Se demostrarn los incisos a) y c), y las demostraciones de los dems incisos se

dejan como ejercicios.
-
5.I Espacios vectoriales reales / 263

Demostracin de a). Se puede escribir
ou + ou
= (O
=
+ O)u
[Axioma 81
ou
[ Propiedad del nmero O
Por el axioma 5, el vector Ou tiene un negativo: -0u. Al sumar este negativo a

ambos miembros de la ltima e>rpresinse obtiene
ou + [Ou
-t (-Ou)] = ou
+ (-OU)
[Axioma 31
[Axloma 51
ou+o=o
ou = o
[Axloma 41
Demostracin de c). Para probar (- 1)u = u, es necesario demostrar que u +

(- I)u = O . Para ver esto, obsrvese que
u+(-l)u= lu+(-l)u
=
=
(1 + ( - 1))u
Ou
[Axloma 101
[Axloma 81
(Propiedad de los nmeros]
=o 0
En los ejercicios del 1 al 13 se da un conjunto de objetos, junto con operaciones de adicin
y multiplicacin escalar. Determinar cules conjuntos son espacios vectoriales bajo las operaciones dadas. Para aquellos que no sean espacios vectoriales, enumerar los axiomas que
no se cumplen.
1. El conjunto de todas las temas de nmeros reales (x, y , z) con las operaciones
(x,y, z ) + (x,y , z ) = (x + x,y
+ y, i + 2 )
k(x, y , 2) = (kx, ,Y, z )
2. El conjunto de todas las temas de nmeros reales (x, y , z) con las operaciones
(x,y, z) + (x,y , z ) = (x
+ x,y + y ,2 + z )
k(x, >, z ) = (O,
o, O)
3. El conjunto de todas las parejas de nmeros reales (x, y) con las operaciones
(x,Y ) f
(x, Y ) = (x
+ x, y +u)
k(x, y) = W x , 2ky)
4. El conjunto de todos los nmeros reales x con las operaciones estndar de adicin y
multiplicacin.
5. El conjunto de todas a
ls parejas de nmeros reales de la forma (x, O) con las opera-
ciones estndar sobre R2.
[ Inciso u)]
261 / Espacios vectoriales generales

I. El conjunto de todas las parejas denmeros reales de ia forma (x, y ) , donde x 2 O, con
las operaciones estndar sobreR2.

7. El conjunto de todas las n-adas de nmeros reales de la
forma ( x , x ,.
. .
, x ) con las
operaciones estndar sobreR".
8. El conjunto de todas las parejas denmeros reales (x,y ) con las operaciones
(x, y )
+ (xf, y ' ) = (x + x' + 1, y
9. El conjunto de todas las matrices 2
f y'
+ 1)
k ( x , y ) = (kx, ky)
2 de la forma
[::I
con la adicin y la multiplicacin escalar de matrices
1o. El conjunto de todas lasmatrices 2
2 de la forma
con la adici6n de matrices y la multiplicacin escalar.

11. El conjunto de todas las t i c i o n e s y c o n valores reales definidas en cualquier punto de
la recta real y tales quefil) = O, con las operaciones definidas enel ejemplo 4.
12. El conjunto de todas las matnces2
2 de la forma
con la adicinn y la multiplicacin escalar de matrices

13. El conjunto cuyo nico elemento es la Luna. Las operaciones son Luna
y k(Luna) = Luna, donde k es un nmero real.
+ Luna = Luna
14. Demostrar que una recta que pasa por el origen en R3 es un espacio vectorial bajo las
operaciones estndar sobre R".

15. Demostrar que el conjunto de todos los nmeros reales positivos con l a s operaciones
x+y=xy
h=xk
es un espacio vectorial.
16. Escribir los detalles quefaltan en el ejemplo 4
17. Escribir los detalles que faltan en el ejemplo 6
IS. Demostrar el inciso b ) del teorema 5.1. l .
19. Demostrar el inciso 6)del teorema 5.1.1
Subespacios
265
20. Demostrar que un espacio vectorial no puede tener ms de un vector cero
21. Demostrar que un vector tiene exactamente un negativo.

22. Demostrar que los nueve primeros axiomas de espacio vectorial se cumplen si V = X
tiene la adicin y la multiplicacin escalar definidas en el ejemplo 5.
5.2 SUBESPACIOS
Es posible que un espacio vectorial est contenido
en un espacio vectorial ms
grande. Por ejemplo, en la seccin precedente se demostr que los plcnos que
pasan por el origen son espacios vectoriales contenidos en el espacio vectorial
ms grande R3. En esta seccin se estudiar con ms detalle esta importante idea.
DE
SUBESPACIO
Definici6n.Un subconjunto W de un espacio vectorial V se denomina subespacio de V si W es un espacio vectorial bajo la adicin y la multiplicacin escalar
definidas sobre V.
En trminos generales, para demostrar que un conjunto W con la adicin y la

multiplicacin escalar forma un espaciovectorial es necesario verificar los 10
axiomas de espacio vectorial. Sin embargo, si W es parte de un conjunto ms
grande V del que se sabe es un espacio vectorial, entonces no es necesario verificar
ciertos axiomas para W porque son heredadosll de V. Por ejemplo, no es necesario
comprobar que u + v = v + u (axioma 2) para W , porque esta relacin se cumple
para todos los vectores en C y, en consecuencia, para todos los vectores en W.
Otros axiomas heredados por W de V son los axiomas 3, 7, 8, 9 y 10. As, para
demostrar que un conjunto W es un subespacio de un espacio vectorial V, basta
comprobar los axiomas 1, 4, 5 y 6. El siguiente teorema muestra que inclusive se
puede prescindir de los axiomas 4 y 5.
Teorema 5.2.1. Si W es un conjunto formado por uno o ms vectores de un

espacio vectorial V, entonces W es un subespacio de V si y slo si se cumplen
las siguientes condiciones.
a ) Si u y v son vectores en W, entonces u + v est en W.
h ) Si k es cualquier escalar y u es cualquier vector en W, entonces ku est en
W.
Demostracin. Si W es un subespaciode V, entonces se cumplen todoslos

axiomas de espacio vectorial; en particular, se cumplen los axiomas 1 y 6. Peto
stas son precisamentea
ls condiciones a) y 6).
Recprocamente, supngase que se cumplen las condciones a ) y b). Como

estas conlciones son los axiomas 1 y 6 de espacio vectorial, basta demostrar que
W satisface los ocho axiomas restantes. Los vectores de W cumplen automticamente los axiomas 2, 3 , 7, S, 9 y 10, ya que estos axiomas se cumplen para todos
los vectores en V. En consecuencia, para completar la demostracin, basta verificar que los axiomas 4 y 5 se cumplen para vectores en W .
Sea u cualquier vector en W . Por la condicin b), ku est en W para
cualquier escalar k. Haciendo k = O, por el teorema 5.1.1 se concluye que Ou = O
est en W, y haciendo k = - 1 se concluye que (- l)u = --.uest en W. 0
Se dice que un conjunto W formado por uno o ms vectores de
un espacio vectorial Ves cerrado bajo La adicin si se cumple la condicin a ) del
teorema 5.2.1, y cerrado bajo la multiplicacin escalar si se cumple la condicin
b). As, el teorema 5.1.1 establece que W es un subespacio de V si y slo si W es
cerrado bajo la adiciny cerrado bajo la multiplicacin escalar.
OBSERVACI~N.
EJEMPLOS DE
SUBESPACIOS
A
Ejemplo 1 En el ejemplo 6 de la seccin 5.1 se comprobaron los 10 axiomas de

espacio vectorial para demostrar que los puntos en un p l a o que pasa por el origen
de R3 forman un subespacio de R3. En vista del teorema 5.2.1 se puede ver que
muchodel trabajo efectuado fue innecesario; hubiera bastado verificar que el
plano es cerrado bajo la adcin y bajo la multiplicacin escalar (axiomas 1 y 6).
En la seccin 5.1 se comprobaron algebraicamente estos dos axiomas; sin embargo, tambin se pueden demostrar geomtricamente como sigue: Sea W cualquier plano que pasa por el origen, y sean u y v vectores cualesquiera en W. Entonces u + v debe estar en W porque es la diagonal del paralelogramo determinado
por u y v (figura l), y ku debe estar en W para cualquier escalar k porque ku est5
sobre una recta que pasa porw As, W es cerrado bajo la adicin y la multiplicacin escalar, de modo que es un subespacio de R3. A
Ejemplo 2 Demostrar que una recta que pasa por el origen de R3 es un subespacio
de R3.
Solucin. Sea W una recta que pasa por el origen de R3. Geomtricamente es
evidente que la suma de dos vectores sobre esta recta tambin est sobre la recta, y
que un mltiplo escalar de un vector sobre la recta tambin est sobre la recta
(figura 2). As, W es cerrado bajo la adicin y la multiplicacin escalar, de modo
que es un subespacio de R3. En los ejercicios se pide al lector demostrar algebraicamente este resultado usando las ecuaciones paramtricas de la recta.
Figura 2
W es cerrado bajo la multiplicacin.
I I W es cerrado bajo la multiplicacin escalar.
5.2 Subespacios / 267
Ejemplo 3 Sea W el conjunto de los puntos (x, y ) en R2 tales que x 2 0 Y Y 2 o.

Estos son los puntos del primer cuadrante. El conjunto W no es un subespacio de
R2, ya que no es cerrado bajo la multiplicacin escalar. Por ejemplo, v = (1, 1) est
enW,perosunegativo(-l)v=-v=(-l,-l)noestenW(figura3).
A
Todo espacio vectorial V diferente de cero tiene por l o menos dos subespacios: Ves un subespacio, y el conjunto {O} que consta slo del vector cero en V
es uil subespacio denominado subespacio cero. Combinando esto con los ejemplos
1 y 2 se obtiene la siguiente lista de subespacios deR2 y R3.
Subespacios de &
Subespacios de R2
{O}
0
0
Rectas que pasan por el origen

R2
(0)
Rectas que pasan por el origen
Planos que pasan por el origen
R3
Despus se demostrar que estos son los nicos subespacios de R2 y R3.

Ejemplo 4 Por el teorema 1.7.2, la suma de dos matrices simtricas es una matriz
simtrica, y un mltiplo escalar de una matriz simtrica es simtrico. As, el
conjunto de matrices simtricas n x n es un subespacio del espacio vectorial M,,
de a
ls matrices n X n. De manera semejante, el conjunto de las matrices triangulares superiores n X n, el conjunto de las matrices triangulares inferiores n x n y
el conjunto de las matrices diagonales n X n son subespacios de M,,, ya que cada
uno de estos conjuntos es cerrado bajo la adicin y la multiplicacin escalar. A
Ejemplo 5 Sea n un entero positivo y sea W que consta de todas las funciones que
pueden expresarse en la forma
p(x) = a0
+ a , x + . . + a,x"
'
(1)
donde ao, . . . , a, son nmeros reales. As, W consta de la funcin cero junto con
todos los polinomios reales de grado menor o igual que n. El conjunto W es un
subespacio del espacio vectorial de todas las funciones con valores reales que se
analiz en el ejemplo 4 de la seccin precedente. Para ver esto, sean p y q los
polinomios
p(x) =a,
+ a,x + . . . + a,x"
Y
q(x) =bo + b,x + . . . + b,x"
Entonces
(p
+ q)(x) = p ( x ) + q(x) = (ao+ bo)+ ( a l + b , ) x + . . . + (a, + b,)x"
Y
(kp)(x) = kp(x) = (ka,)
+ ( k a , ) x+ . . + (ka,)x"
'
Estas funciones son de la forma indcada en (l), de modo que p + q y kp estn en

W. El espacio vectorial W de este ejemplo se denotar por el smbolo P,. A
Ejemplo 6 (Para quienes ya estudiaron Clculo). Recurdese que si f y g son

funciones continuas en el intervalo (- m , m) y k es una constante, entonces f
+ g y kf tambin son continuas. As, as funciones continuas sobre el intervalo
(- m , m) forman un subespaciode F(- m , m), ya que son cerradas bajo la
adicin y la multiplicacin escalar. Este subespacio se denota por C(- 03, m).
De manera semejante, si f y g son funciones derivables, entonces tambin f +
g y hf sonderivables. As, lasfunciones con primerasderivadascontinuas
sobre (- m ,m ) formanunsubespaciode
F(- m ,m ) . Estesubespaciose
denota por C1(- m , m), donde el suprandce 1 se usa para recalcar la primera
derivada. Sin embargo, un teorema del Clculo es que toda funcin derivable es
continua, de modo que C'( - 03,m) es en realidad un subespacio de C(- m , m).
Continuando con lo anterior, para todo entero positivo m a
ls funciones con
m-simas derivadas continuas sobre (- m , m) forman un subespacio de C'( - CQ,
m), as como tambin las fnciones que tienen derivadas continuas de todos los
rdenes.Elsubespaciodelasfuncionescon
m-simas derivadascontinuas
sobre (- m , m) se denota por P(m , m), y el subespacio de las funciones que
tienen derivadas continuas de todos los rdenes se denota por Cm(- m, m>.
Finalmente, un teorema del Clculo es que los polinomios tienen derivadas
continuas de todos los rdenes, de modo que P, es un subespacio de C m(- m. m).
La jerarqua de los subespacios analizados en este ejemplo se representa en la
figura4. A
En elejemploprecedente,seatendialintervalo
(- m , m).
En caso de haber atendido al intervalo cerrado [a,61, entonces los subespacios
correspondientes a los espacios vectoriales definidos en el ejemplo se hubieran denotado por C [ a , b], Cm [ a , b] y C[a,b ] . De manera semejante, sobre un intervalo abierto (a, b), esos subespacios se hubieran denotado por C(a, b), ?(u,
b) Y c m
(a,b).
OBSERVACI~N.
ESPACIOS
SOLUCIN DE
SISTEMAS
HOMOGNEOS
Si Ax = b es un sistema de ecuaciones lineales, entonces todo vector x que satisface esta ecuacin se denomina vector solucidn del sistema. El siguente teorema
muestra que los
vectores solucin de un sistema lineal homogneo forman un
espacio vectorial. que se denomina espacio solucin del sistema.
es un sistema lineal homogneode m ecuaciones con
n incgnitas, entonces el conjunto de vectores solucin es un subespacio de R".
I
Demostracin. Sea W el conjunto de vectores solucin. En W existe por 10

menos un vector, a saber, O . Para probar que W es cerrado bajo la adicin y la
multiplicacin escalar, es necesario demostrar que si x y x' son vectores solucin
cualesquiera y k es cualquier escalar, entonces x + x' y b tambin son vectores
solucin. Pero si x y x' son vectores solucin, entonces
A x = O y Ax'=O
a partir de lo cual se deduce que

A(x+x')=Ax+Ax'=O+O=O
Y
A ( k x ) = kAx
= kO = O
lo que demuestra que x + x' y kg son vectores solucin. 0

Ejemplo 7 Considerar los sistemas lineales
a)
c)
[i -% j[:l-[B1 [
[-i -: -:][!]=[:]
b)
- 31
-2
- 27
4
d ) [O0 O0 O]
0
0 0 0
Cada uno de estos sistemas contiene tres incgnitas, de modo que las soluciones
son subespacios de R3. Geomtricamente, esto sigmfka que cada espacio solucin
debe ser UM recta que pasa por el origen, un plano que pasa por el origen, slo el
origen o todo R3. A continuacin se comprobar que as es (se deja para el lector
la resolucin de los sistemas).
Solucin.
a) Las soluciones son
x = 2 s - 3 4 y=s,
a partir de lo cual se concluye que
z=t
x = ~ Y - ~ Oz ~ - 2 y + 3 ~ 0
Esta es la ecuacin del plano que pasa por el origen con n = (1, -2,
vector normal.
b) Las soluciones son
x = -5t,
y = -t,
3) como
z=t
que son las ecuaciones paramtricas de la recta que pasa por el origen y es
paralela al vector v = (-5, - 1, 1).
c) La solucin es x = O, y = O, z = O, de modo que el espacio solucin es slo el
origen, es decir, { O ) .
d) Las solucionesson
x = r , y = s ,z = t
donde r , S y t tienen valores cualesquiera, de modo que el espacio solucin es

todo R3. A
COMBINACIONESLINEALES
DE VECTORES
Enla seccin 1.3 se introdujo elconcepto de combinacin lineal de vectores

columna. La siguiente definicin ampla esteconcepto a vectores ms generales.
Definicin. Un vector w se denomina combinacibn lineal de los vectores vl,

v2, . . . , v, si se puede expresar en la forma
w = k , ~+, kzvr + .
'
+ k,.v,
donde k,, k,, . . . , k,son escalares.

Si r = 1, entonces la ecuacin dela definicin precedentese
reduce a w = klvl; es decir, w es una combinacin lineal de un solo vector v, si es
un mltiplo escalar de v,.
OBSERVACI~N.
Ejemplo 8 Todo vector v = (a, 6, c ) en R3 se puede expresar como una combinacin lineal de los vectores estndar bsicos
i=(l,O,O),
j=(O,
1,0),
k=(O.O,l)
Ya que
v
= (U,
h, c ) = ~ ( l O,
, O)
+ h(0, 1, O) + c(0, O,
1) = ai
+ bj + ck
Ejemplo 9 Considerar los vectores u = (1, 2, - 1) y v = ( 6 , 4, 2) en R3. Demostrar

que w = (9, 2, 7) es una combinacin lineal de u y v, y que w'= ( 4, -1, 8) no es
una combinacin lineal de u y v.
Solucin. Para que w sea una combinacin lineal de u y v, deben existir escala-
res k , y k2 tales que w
= k,u
+ k2v; es decir,

(9, 2 , 7 ) = kI(1, 2, - 1) + k2(6, 4 , 2 )
o bien,
(9, 2 , 7 ) = ( k , + 6k2, 2k1 44k,, - k ,
+ 2k2)
Igualando las componentes correspondientes se obtiene

k,
2k,
-k,
La solucin del sistema es k ,
+ 6k2 = 9
+ 4k, = 2
+ 2k, = 7
-3, k, = 2, de modo que
w=-~u+~v
De manera semejante, para que w' sea una combinacin lineal de u y v,
deben existir escalares k , y k, tales que w' = klu + k,v; es decir,
(4, - 1 , 8 ) = k , ( I , 2 , - l ) + k 2 ( 6 , 4 , 2 )
O
(4, - 1, 8) = ( k ,
+ 6k2,
2 k ,+ 4k2,
k, + 2k2)

k , + 6k2 =
2 k , + 4k2 =
-k+
t 2k,
4
-
Este sistema de ecuaciones es inconsistente (comprobar), de modo que no existen

los escalares k, y k,. En consecuencia, w' no es una combinacin lineal de u y v. A
ESPACIO
GENERADO
(Lw
Si vl, v,, . . . , v, son vectores en un espacio vectorial V, entonces en general algunos vectores en V pueden ser combinaciones lineales de vl, v,, . . . , v, y otros
no. El siguiente teorema muestra que si se construye un conjunto W que consta de
todos los vectores que es posible expresar como combinaciones lineales de vl,
Y,, . . . , v,, entonces W forma un subespacio de V.
Teorema 5.2.3. Si vl, v,, . . . , v, son vectores en un espacio vectorial V, entonces:

a ) El conjunto W de todas las combinaciones lineales de v l , v,, . . . , v, es un
subespacio de V.
6 ) W es el menor subespacio de Y que contiene a v,, v,, . . . , vr, en el sentido
de que cualquier otro subespacio de V que contenga a v,, v,, . . . , v, debe
contener a W.
Demostracin de a).Para demostrar que W es un subespacio de V, es necesario
probar que es cerrado bajo la adicin y la multiplicacin escalar. En W existe por
2 72
Espacios vecforiales generales
lo menos un vector, a saber, O, ya que O

vectores en W, entonces
= Ovl
+ Ov2 + . .
, + Ov,. Si u y v son
Y
donde el. c2,. . . , c, k,, k2, . . . , k, son escalares. Por consiguiente.
u
+ v = ( c , + k , ) v , + ( c 2 + k , )Ir2 +
'
' '
+ (cr+ kJv,.
y, para cualquier escalar k.
As, u + v y ku son combinaciones lineales de v l , v2, . . . , v,, y, en consecuencia,

estn en W. Por tanto, W es cerrado bajo la adicin y la multiplicacin escalar.
Demostracin de b). Cada vector v, es una combinacin lineal de v , , v2, . . . , v,,

ya que es posible escribir
v, = ov,
+ ov, f . . + Iv, +
'
'
+ ov,.
Por consiguiente, en el subespacio W estn todos y cada uno de los vectores

v l . v2, . . . , v,. Sea W cualquier otro subespacio que contiene a v l , v2, . . . , v,.
COIIAO
W' es cerrado bajo la adicin y la multiplicacin escalar, debe contener
todas las combinaciones lineales de v I , v2, . . , v,. As, u." contiene a cada vector
de W. 0
,
Se hace la siguiente definicin.
Definicin. Si S = { v l , v2, . . . , vr} es un conjunto de vectores en un espacio

vectorial Y, entonces el subespacio W de Y que consta de todas las combinaciones lineales de los vectores en S se denomina espacio generado por v l ,
v2, . . . , v,, y se dice que los vectores v l , v2, . . . , v, generan a W. Para indicar
que W es el espacio generado por los vectores del conjunto S = { v l , v2, . . . , v,}
se escribe
I
Ejemplo 10
W = lin (S) o bien, W = lin { v l , v z , .. . ,vr1
Si v 1 y v2. son vectores no colineales en R3 con puntos iniciales

en el origen, entonces lln {v v2} , que consta de las combinaciones lineales
1.'
+
es el plano determmado por v1 y v (figura 5a). De manera semejante, si v es un vector diferente de cero en R 2 o R 3 , entonces lin {v}, que es
el conjunto de todos los mltiplos escalares k v , es la recta determinada por v
(figura 56). A
kv, kv,,
Ejemplo 11 Los polinomios 1, x, x2,

. . . , x" generan el espacio Pn definido en
el ejemplo 5, ya que todo polinomio p en Pn se puede escribir como
p = a, + a,x + .
'
'
+ a,x"
que es una combinacin lineal de 1, x, x,, . . . , x " . Lo anterior se puede denotar

Por
P, = Generado { 1, x,x*, . . . , x"} A
I
Ejemplo 12 Determinar si v1 = (1, 1,2), v, = (1, O, 1) y v3 = (2, 1, 3) generan el

espacio vectorial R3.
Solucin. Es necesario determinar si un vector arbitrario b = ( b l , b,, b3) en R3 se
puede expresar como una combinacin lineal
de los vectores vl, v2 y v3. Expresando esta ecuacin en trminos de las componentes se obtiene
2 74
Espacios vectoriales generules
El problema se reduce entonces a determinar si este sistema es consistente

para todos los valores de b,, b, y b,. Por los incisos a ) y e ) del teorema 4.3.4, este
sistema es consistente para todo b,, b, y 6, si y slo si la matriz de coeficientes
es invertible. Perodet(A) = O (comprobar), de modo que A no es invertible; en

consecuencia, v,, v2 y v3 no generan R3. A
Los conjuntos generadores no son nicos. Por ejemplo,dosvectores

colineales cualesquiera que estn en el plano que se muestra en la figura 5 generan
el mismo plano, y cualquier vector diferente de cerc que est sobre la recta de esa
figura genera la misma recta. La demostracin del siguiente teorema til se deja
como ejercicio.
Teorema 5.2.4.Si S = {vl, v2, . . . . v,.} y S = {wl, w2, . . . , w, } son dos
conjuntos de vectores en un espacio vectorial V, entonces
Generado { v ,, Y*. . , . , v,}
Generado { w ,w 2 , . . . ,wk}
si y s61o s i iodo vector en S es una combinacin lineal de los vectores en S y ,

veciprocamente, todo vector en S es una combinacin lineal de los vectores en
S.

1. Usar el teorema 5.2.1 para determinar cuales de los siguientes conjuntos son subespacios de R 3 .
a) Todos los vectores de la forma (a,O, O).
b) Todos los vectores de la forma ( a , 1, 1).
c ) Todos los vectores de l a fonna (a,b, c ) , donde b = a + c.
d) Todos los vectorzs de la fonna (a,b, e), donde h = a + c + 1
2. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespacios
a) Todas las matrices 2 X 2 con elementos enteros.
b) Todas las matrices
c)
dondea+b+c+d=O.
Todas las matnces A 2 X 2 tales que det(il) = O
3. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespacios de P,.

a) Todos los polinomios a. + alx + u$ + a+3 para los que a. = O.
b) Los polinomios a0 + alx+ a$ + a,$ para los quea. + al + a2 + a3= o.
c) LOS polinomios a. + alx + U.$ + a3x3para los que ao,a , ,a2 y a3 son enteros.
d) Los polinomios de la forma a,,+ a,x, donde a. y a, son nmeros reales.
4. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespacios del espacioF( - 03,m ) .
a) Todas lasftales queflx) O paratoda x.

b) Todas lasftalesquefl0) = O.
Todas
c)
lasftales quef(0) = 2.
d) Todas las funciones
constantes.
e) Todas lasfde la forma k , + k, sen x, donde k , y k, son nmeros reales.
5. Usar el teorema 5.2.1 para determinar cules de los siguientes conjuntos son subespa-
cios de M,,,,.
a) Las matrices A n
b) Las matrices A n
c) Las matricesA n
X
X
X
n tales que tr A ) = O.
n tales que A = -A.
n tales que el sistema linealAx = O slo tiene la solucin tnvial.
6. Determinar si el espacio solucin del sistema Ax = O es una recta que pasa por
el
origen, un plano que pasa por el origen o slo es el origen. Si es un plano, encontrar su
ecuacin; si es una recta, encontrar sus ecuaciones paramtricas.
.)A=[-:
-4
d)A=[!
i]
- 11
:]
b)A=[-3 1
-5
-6
"1
-2
-2
e)A=[i
c ) , 4 = [ 21 52 3 1
1 0 8
-6
f, A=[:
]!l
18
-3
i]
7. Cules de los siguientes vectores son combinacioneslineales de u = (O, -2, 2) y v =
(1,3, -l)?
a) (2,2,2).
b) (3, 1,5).
c) (O, 4, 5).
d) (0,
o, O).
8. Expresar cada uno delos siguientes vectores como combinacioneslineales de u = (2, 1,

4), v = (1, -1,3) y w = (3,2, 5).
a) (-9, -7, -15).
b) (6, 11,6).
c) (0, o, O).
d) (7,8, 9).
9. Expresar cada uno de lossiguientes polinomios como una combinacin lineal de p, = 2
+x+42,p2=1 -x+32yp3=3+2x+52.
a) -9 - 7x - 152.
b)6+11x+62.
c) o.
d) 7 + 8x+ 9 2 .
10. Cules de las siguientes matrices son combinacioneslineales de
11. En cada inciso, determinar si los vectores dados generanR3
a) vl = (2, 2, 21, v2 = (O, O, 31, v3 = (O, 1, 1)
13. Ikterminar si los slguientes polinomios generan P,.

=
p,
5 ~ -t
x 4*'.
--
pz = 3 + x.
ps = - 2
2.u Jr 2 2
+3 2 .
p,
"
v,
= (2, I , O, 3), v, = (3, - 1, 5, 2) y vj = ( - 1, O, 2, 1). LCuIes de los siguientes

vectores estn en lin {v,, v2, v3)?
a) ( 2 , 3 , - 7 , 3 ) .
h) (a, O, o. o)
C) ( I , I . I. 1).
d) -4,6, -13,4).
14. Sean
IS. hcontrar la ecuacin del plano generado por los vectores u = (-- 1 , 1, I ) y
v = (3,4.4).
16. Encontrar las ecuaciones paramtricas de la recta generadapor el vector u = ( 3 , -2, 5).
17. Demostrar que los vectores solucin de un sistema no homogneo consistente de m
ccuaciones linealcs con n incgnitas no forma un subespacio de R".
19. Aplicar el teorema 5 2.4 para demostrar que
v,=(l.h.4),
v , = ( 2 . 4 , -1).
v3=(-l,2,5)
Y
W!
=(I,
-2, -5),
WI =
(O. 8, 9)
general el msmo subespacio de R'.

20. llna recta L que pasa por el origen en R3 se puederepresentar por ecuaciones
paramtricas de la forma x = at,y = ht y z = ct. Usar estas ecuaciones para demostrar
que L es un subespacio de R3; es decir, si v, = (x,, y , , z,) y v2 = (x2,y,, z2) son puntos
y v, + v2 tambin son puntos en L.
en L y k es cualquier nmero real. entonces
kv,
21. (Para quienes ya estudiaron Cdkulo). Demostrar que los siguientesconjuntos
funciones son subespacios de F( - m , m).

a) Las funciones que son continuas en todas partes.
b) Las funciones que son derivables en todas partes.
c ) Idas funciones que son derivables en todas partes y que satisfacen f
de
+ 2f = O.
22. (Pura quienes y a estudiaron Clculo). Demostrar que el conjunto de funciones continuas f =./(x) sobre [a,bj tales que
f f
(x) dx = O
es un subespacio de C [ a ,h ]
5.3 Independencia lineal / 277
5.3 INDEPENDENCIA LINEAL

En la secnbn precedente se aprendi que un conjunto de vectores S = { v ~v2,
, ...,
vr} genera un espacio vectorial
I' dado si todo vector en V se puede expresar
como una combinacin lineal de los vectores en S. En general, puede haber ms
deuna forma de expresar un vector en V conlo una combinacinlineal de
vectores en un conjunto generador. En esta seccin se estudiarn condiciones en
las que cada vector en V se puede expresar de manera nica como una combinacin linealde los vectoresgeneradores. Los conjuntosgeneradorescon
esta
propiedad son fundamentales enel estudio de los espacios vectoriales.
Definicin. Si S = {v v
1.' 2'
ces la ecuacin vectond
DEFINICI~NDE
INDEPENDENCIA
LINEAL
, vr>es un conjunto no vaco de vectores, enton'
'
'
k,v, + k2v2 + . . . + k,~, = O
tiene por lo menos una solucin, a saber,

k,=O,
k:=O,
...,
k,=O
Si esta es la nica solucin, entonces S se denomina conjunto linealmente independiente. Si existen otras soluciones, entonces S se denomina conjunto linealmente dependiente.
Ejemplo 1 Si v1 = (2, -1, O, 3), v2 = (1, 2, 5, - 1 ) y v3 = (7, - 1, 5 , 8), entonces
el conjunto de vectores S = v , , v2, v3 es linealmente dependiente, ya que 3vl +
v2 - v3 = O . A
Ejemplo 2 Los polinomios
p,
1 -x,
p2 = 5
+- 3.x
"
22,
p3 = 1 + 3 x - x2
forman un conjunto linealmente dependiente

en P2, ya que 3p,
pz + 2p,
= O.
Ejemplo 3 Considerar los vectores i = (1, O, O), j = (O, 1, O) y k = (O, O, 1) en R3.

En trminos de las componentes, la ecuacin vectorial
k,i + k2j + k,k
=O
se convierte en
k,( 1,
o. O) + k,rO,
l . O)
-L-
J"(0,
o, 1) = (O,
o equivalentemente,
(itl,
. . ..,
IC,>
P,)
~= (0;
o *
0)
O,
0)
Lo anterior indica que k, = O, k2 = O y k3 = O, de modo que el conjunto S = {i, j, k}

es linealmente independiente. Sepuede usar un razonamiento semejante para
demostrar que los vectores
e , = ( O , 1,0, . . . , O),
e,=(1,0,0,. ..,O),
. . . , e , = ( 0 , 0 , 0 , . . , , 1)
forman un conjunto linealmente independiente en R". A

Ejemplo 4 Determinar si los vectores
forman un conjunto linealmente dependiente o un conjunto linealmente independiente.

Solucin. En trminos de las componentes, la ecuacin vectorial
k,v,
+ k2v, + k 3 v , = O
se convierte en
kI(1, - 2, 3 ) + k2(5, 6, - 1 )
+ k3(3, 2, 1) = (O, O, O)
o equivalentemente,
( k , + 5k,
+ 3k3,
2k,
+ 6k, + 2 k 3 ,3kl - k2 + k 3 ) = (O, O, O)
Igualando las componentes correspon&entes se obtiene
k, + 5k,
+ 3k,
=O
-2k,
6k2 2k3 = O
3k, - k , + k3 = O
As, v,, v2 y v3 forman un conjunto linealmente dependiente si este sistema tiene

una solucin no trivial, o forman un conjunto linealmente independiente slo si el
sistema tiene la solucin trivial. Resolviendo el sistema se obtiene
k -
-1n t ,
k2 -
-'
zt,
k,=t
Por tanto; el sistema tiene soluciones no triviales y v l , v2 y v3 forman un conjunto

linealmente dependiente. De otra manera, la existencia de soluciones no triviales
se podra demostrar sin necesidad de resolver el sistema probando que la matriz de
coeficientes tiene un determinante igual a cero y, en consecuencia, que no es invertible (comprobar). A
Ejemplo 5 Demostrar que los polinomios
1 , x , x 2, . . . ) x"
forman un conjunto linealmente independlente de vectores en P,.
Solucin.
Sean
po= I ,
p1= x ,
p2=x2, . . . ) p n = x n
y supngase que alguna combinacin lineal de estos polinomios es igual a cero,

por ejemplo
a,p,
+ a l p , + a,p, +
' ' '
+ anpn= 0
o equivalentemente,
ao+a,x+a,x2+...+a,,x"=0
paratodaxen
(1)
(-x,")
Es necesario demostrar que

a o = a , = a , = . . . = a, = o
Para ver que as es, recordar que en lgebra un polinomio diferente de cero de
grado n tiene cuando mucho n races distintas. Pero esto significa que a. = al = a2
= . . . = a,,= O; en caso contrario, por ( I ) se concluira que a. + a,x + a$ +
+
a,$' es un polinomio diferente de cero con una infinidad de races. A
I
'
La expresin "linealmente dependiente" sugiere que los vectores "dependen"

entre s de alguna manera. El siguiente teorema muestra que, de hecho, ases.
Teorema 5.3.1. Un conjunto S con dos o ms vectores es:
a) Linealmente dependiente si y slo si por lo menos uno de los vectores en S
puede expresarse como una combinacin lineal de los dems vectores en S.
b ) Linealmente independiente si y slo si ningn vector en S se puede expresar
como una combinacin lineal de los dems vectores en S.
Se demostrar el inciso a) y la demostracin del inciso 6 ) se deja como ejercicio.
Demostracin de a). Sea S = {vl, v2, . . . , vr} un conjunto con dos o ms vectores.
Si se supone queS es linealmente dependiente, entonces existen escalares
k , , k,, . . . ,
k,., no todos iguales a cero, tales que
k , v l + k,v,
Para ser especfcos, supngase que k ,

como
VI =
(-$
+ . . . + k , ~ =, O
(2)
O. Entonces (1) se puede volver a escribir
+. ..+
(-$
que expresa a v1 como una combinacin lineal de los dems vectores en S. De

manera semejante, si kl # O en (2) para alguna j = 2, 3, . . . , r, entonces v se
J
puede expresar como una combinacin lineal de los dems vectores en S.
280 i Espacios vectoriales generales
Recprocamente, se supone que por lo menos uno de los vcctores en S se

puede expresar como una combinacin lineal de los dems vectores. En concreto,
supngase que
v , = c2v2 + c3v3 + . . + c,v,
'
de modo que
VI
c2v2 -
c3v3 - '
' '
- crv,. =
Se concluye que S es linealmente dependiente, ya que la ecuacin

k , ~ +, k2v2 + . . t- k,v,. = O
'
se satisface por
k,
1,
k,
. . . . kr = - c,.
--c2,
que no todos son cero. La demostracin para el caso en que algn vector diferente
de v, se puede expresar como una combinacin lineal de los dems vectores en S
es semejante. 0
Ejemplo 6 En el ejemplo 1 se vio que los vectores
VI = (2,
- 1 , O, 3),
v2= ( I , 2,5,
l),
v3 = ( 7 ,
1, 5 , 8)
forman un conjunto linealmente dependiente. Por el teorema 5.3.1. se concluye

que por lo menos uno de estos vectores se puede expresar como una combinacin
lineal de los otros dos. En este ejemplo, cada vector puede expresarse como una
combinacin lineal de los otros dos, ya que por la ecuacin 3vl + v2 - vg = O se
concluye (ver el ejemplo 1) que
VI =
-+v2
+ iv,,
v2 = - 3 v ,
+ v3,
vi
3v,
+ v2
Ejemplo 7 En el ejemplo 3 se vio que los vectores i = (1, O, O), j = (O, 1, O) y k =

(O, O, 1) forman un conjunto linealmente independlente. As, por el teorema 5.3.1
se concluye que ninguno de
estos
vectores se puede expresar como una
combinacin lineal de los otros dos. Para ver directamente que esto es as,
supngase que es posible expresar a k como
k = k,i
+ k2j
Entonces, en trminos de las componentes,

(O, O, 1 )
= kl(l,
O, O) -t k,(O, 1, O)
Pero esta ecuacin no se cumple para ninguno de los valores de k , y k2, de modo
que k no se puede expresar como una combinacin lineal de i y j. De manera se-
5.; Independencia lineal / 281
mejante, no se puede expresar a i como una combinacin lineal de j y k, y no es

posible expresar a j como una combinacin lineal de i y k. A
El siguiente teoremaestablecedoshechos
lineal que es importante conocer.
sencillos sobre independencia
Teorema 5.3.2.
a> Un conjtlnto j n i t o de vectores que contiene al vector cero es linealmente
dependiente.
h) Un conjunto con exactamente dos vectoreses linealmente independiente si y
slo si ninguno de los vectores es un mltiplo escalar del otro.
Se demostrar el inciso a ) y la demostracin del inciso 6) se deja como ejercicio

Demostracin de a).Para vectores cualesquiera v l . v2, . . . , v,, el conjunto S = { v l ,
v2, . . . , v,, O } es linealmente dependiente, ya que la ecuacin
ov,
+ ov, + . . . + ov,. + l(0) = o
expresa a O como una combinacin lineal de los vectores en S con coeficientes no

todos iguales a cero. 0
Ejemplo 8 Las funciones f, = x y f2 = sen x forman un conjunto linealmente

independiente de vectores en F( - 03, m), ya que ninguna de estas funciones es un
mltiplo constante de la otra.
INTERPRETACIN
GEOMTRICA
DE LA
INDEPENDENCIA
LINEAL
La independencia lineal posee algunas interpretaciones geomtricas tiles en R2 y

R3.
o
En R2 o R3, un conjunto de dos

vectores es linealmente independiente si y
slo si los vectores no estn en la misma
recta cuando se colocan
con sus
puntos iniciales en el origen (figura 1).
a)
Figura 1
Linealmente dependientes.
b)
Linedmente dependientes.
C)
Linealmente independiente$.
En R3, un conjunto de tres vectores es linealmente independiente si y slo

si los vectores no estn en el mismo plano cuando se colocan consus
puntos iniciales en el origen (figura 2).
a)
Figura 2
b)
Linealmente dependienta.
Linealmente dependientes.
c)
Linealmente independientes.
El primer resultado es una conclusin del hecho de que dos vectores son
linealmente independientes si y slo si ninguno de ellos es un mltiplo escalar del
otro. Geomtricamente, esto equivale a afrmar que los vectores no estn en la
misma recta cuando se colocan con sus puntos iniciales en el origen.
El segundo resultado es una conclusin del hecho de que tres vectores son
linealmente independientes si y slo si ninguno de ellos es una combinacin lineal
de los otros dos. Geomtricamente, esto equivale a decir que ninguno de los
vectores est en el mismo plano que los otros dos o, de otro modo, que los tres
vectores no estn en un plano comn cuando se colocan con sus puntos iniciales
en el origen (por qu?).
El siguiente teorema muestra que un conjunto linealmente independiente en
R" puede contener cuando mucho n vectores.
Teorema 5.3.3. Sea S (= vk,v2, . . , v,.} un conjunto de vectores en R". Si r >

n, entonces S es linealmente independiente.
,
Demostracin.
Se supone que
Considrese la ecuacin
k,v,
+ k2v2f .. . + k,v, = o
Si, como se ilustra en el ejemplo 4, ambos miembros de esta ecuacin se expresan

ls componentes y despus se igualan las componentes corresponen trminos dea
dientes, se obtiene el sistema
Este es un sistema homogneo den ecuacionesen l a s r indgnitask,, k2, . . . , k,. Como

Y > n, por el teorema 1.2.1 se concluye que el sistema tiene soluciones no triviales.
Por consiguiente, S = {v,, v2, . . . , v,} es un conjunto linealmente dependiente.
El teorema precedente establece que un conjunto en R2 con ms

de dos vectores es linealmente dependiente, y que un conjunto en R3 con ms de
tres vectores es linealmente dependiente.
OBSERVACI~N.
PARA QUIENES YA ESTUDIARON CLCULO

INDEPENDENCIA
LINEAL DE
FUNCIONES
Algunas veces la dependencia lineal de funciones se puede deducir a partir de

identidades conocidas. Por ejemplo, las funciones
f, =sen2,, f2 = cos2x y f3 = 5
forman un conjunto linealmente dependiente en F( - a , m), ya que la ecuacin
5fl
+- 5f2 - f3 = 5 sen2 x + 5 cos2 x
5 = 5(sen2 x
+ cos2 x>
=O
O est expresado como una combinacin lineal de f,, f2 y f3 con los coeficientes no
todos iguales a cero. Sin embargo, tales identidades se pueden aplicar slo en
situaciones especiales. Aunque no existe ningn mtodo general para establecer
independencia lineal o dependencia lineal de funciones en F( - m, a ) ,a continuacin se desarrollar un teorema que algunas veces se puede aplicar para demostrar
que un conjunto de funciones dado es linealmente independiente.
Si f, =A(.), f2 =&(x), . . . , f,, =f,(x) son funciones derivables n - 1 veces
sobre el intervalo (- m , m), entonces el determinante
284
Espacios vectoriales generales
Supngase, porelmomento, que f,, f2, . . . , f, son vectores linealmente

dependientes en &"')(-m,
m). Entonces existen escalares k,, k, . . , k,, no
todos iguales a cero, tales que
,
k,f,(.x) i k , f , ( s )
' ' '
+ k,,f',,(s) o
y=
para toda x en el intervalo (- m , m). AI combinar esta ecuacin con las ecuaciones
obtenidas al derivar sucesivamente n - 1 veces, se obtiene
As, la dependencia lineal de f,, f2, . . . , f, indica que el sistema lineal
tiene una solucin no trivial para toda x en el intervalo (- m, m). Esto a su vez
significa que para toda x en (- m ; m) la matriz de coeficientes no es invertible o,
de manera equivalente, que su determinante (el wronsluano) es cero para toda x en
(- m , m). Por tanto, si el wronskiano no es idnticamente cero sobre (- m, m),
entonces las funciones f,, f2, . . . , f,, deben ser vectores linealmente independientes en C("-l)(- m. m). Este es el contenido del siguente teorema:
Teorema 5.3.4. Si las funciones f,, f2, . . . , f,, tienen n - 1 derivadas continuas sobre el intervalo (- 03, m) y si el wronskiano de estas funciones no es
idnticamente cero sobre (- m, m), entonces las funciones formanun conjunto
linealmente independiente de vectores en &-l)(-m,
m).
*Jzef Maria Hoetze-Wronski (1776-1853). Matemtico y filsofo polaco-francs. Wrnshi recibi su

primera educacin en Pomn y Varsovia. Sirvi como oficial de artilleros en el ejrcito prusiano en una
sublevacin nacional en 1794, fue hecho prisionero por el ejrcito ruso y una vez liberado estudi filosofia
en varias universidades alemanas. Se nacionaliz fiancs en 1800 y termin por establecerse en Pars, donde
efectu investigaciones en an&is que lo [levaron a publicar algunos artculos matemticos polmicos y lo
relacionaron con un famoso juicio sobre cuestiones financieras. Varios aos despus, su propuesta de
investigacin sobre la detenninacin de la longitud enel mar fue rechazada por la British Board of
Longitude y Wrnski volvi a sus estudios sobre filosofia mesinica. En la dcada de 1830 investig
infructuosamente la factibilidad de que los tractores de oruga compitiesen con el ferrocarril y pas sus
himos~~enlapobrezaBastardedesutrabajomatendtiooestaba~&~e~~~ons.per
menudo contenaresultados e ideas a
s
ia
ld
o
svaliosas. Algunos autom atribuyen este p a t h de m m n i m t o de toda
la vida a tendencias psictiw y a una e q m x i h de la importaradade su propio trahajo.
5.3 Independencia lineal 1 285
Ejemplo 9 Demostrar que f, = x y f2 = sen x forman un conjunto linealmente

independiente de vectores en C' (- m , m).
Solucin. En el ejemplo 8 se demostr que estos vectores forman un conjunto
linealmente independiente al observar que ninguno de ellos es un mltiplo escalar
del otro. Sin embargo, para fines ilustrativos, este mismo resultado se obtendr
usando el teorema 5.3.4. El wronskiano es
Esta funcin e$ diferente de cero para toda x en el intervalo (- m, m) (comprobar),

de modo que f, y f2 forman un conjunto linealmente independiente. A
Ejemplo 10 Demostrar que f, = 1, f2 = dc y f3 = e& forman un conjunto
linealmente independiente de vectores en C2(- m, m).
Solucin. El wronskiano es
1 e-' e Z X
w(x> = O e x 2e2'
O ex 4eZX
= 2e3'
Esta funcin es diferente de cero para toda x en el intervalo (- m, m) (comprobar),

de modo que f,, f2 y f3 forman un conjunto linealmente independiente. A
OBSERVACI~N. El recproco del teorema 5.3.4 es falso. Si el wronskiano de f,,
f2, . . . , f, es idnticamente cero sobre (- m , m), entonces no es posible llegar a
ninguna conclusin respecto a la independencia lineal de {f,, f2, . . . , fn}; este
conjunto de
vectores
puede
ser linealmente independiente o linealmente
dependiente. Se omiten los detalles de la demostracin.

1. Explicar por qu los siguientes conjuntos de vectores son linealmente dependientes.
(Resolver este problema por inspeccin.)
a) u, = ( - 1, 2, 4) y u' = ( 5 , - 10, -2O)enR'
b) u I = (3, - 1). u2 = (4, 5), u) = ( - 4, 7) enR2
c) pl = 3 - 2x + x2 y p2 = 6 - 4x + 2x' enP,
286
/'
a) 2 - x + 4 x 2 , 3 + 6 x + 2 x 2 , 2 + 1 0 x - 4 x 2b ) 3 + x + x 2 2, - x + 5 x 2 4, - 3 x 2
C) 6 - x', 1 + X
4 ~ '
d) 1 3x 3x2, x 4x2, 5
+ 6x + 3x2, 7 + 2x
- x2
S. Supngase que vl, v2 y v3 son vectores en R3 cuyos puntos iniciales estn en el origen.
En cada inciso, d e t e m a r si los tres vectores son coplanares.
b)v,=(-6,7,2),v2=(3,2,4),v,=(4,-1,2)
a)v,=(2,-2,0),v2=(6,1,4),v,=(2,0,-4)
6. Supngase que vI, v2 y v3 son vectores en R3 cuyos puntos iniciales estn en el origen.
En cada inciso, determlnar si los tres vectores son colineales.
a) v , = ( - 1 , 2 , 3 ) ,
c)
VI =
- 6 ) , v,=(-3,6,0)
= (2, 3,4), vj = ( - 2 , -3, -4)
b) ~ 1 = ( 2 , - 1 , 4 ) , ~ , = ( 4 , 2 , 3 ) ,~ , = ( 2 , 7 ,- 6 )
~ 2 = ( 2 , -4,
(4, 6, 8).
v2
7. a) Demostrar que los vectores vl = (O, 3, 1, - l), v2 = (6, O, 5, 1) y v3 = (4, -7, 1, 3)

forman un conjunto linealmente dependiente en R4.
b) Expresar cada vector como una combinacin lineal de los otros dos.
8. ,Para qu valores reales de
1 los siguientes vectores forman un conjunto linealmente
dependiente en R3?
v,
=(a, -1
2.
;),
"
v2 = ( - L 2. a,
4).
"
vj
-A -+. a)
9. Demostrar que si {vl, v2, v3} es un conjunto de vectores linealmente independiente,

entonces tambin {vi, v2}, {vl, v3}, {v2, v3}, {vl}, {v2} y (v3} son linealmente independientes.
10. Demostrar que si S = { v l , v2, . . . , vr} es un conjunto de vectores linealmente
independiente, entonces tambin todo subconjunto no vaco de S es linealmente independiente.

11. Demostrar que si {vl, v2> v3} es
un conjunto de vectores linealmente independiente en
un espacio vectorial V y v4 es cualquier vector en V, entonces {vl, v2, v3, v4) tambin
es linealmente independiente.
12. Demostrar que si {vl, v2, . . . , vr} es un conjunto linealmente independiente de
vectores en un espacio vectorial V y si vrtl, . . . , vn son vectores cualesquiera en

V , entonces {vI, v2, . . . , vrtl, . . . , vn} tambin es linealmente independiente.
13. Demostrar que todo conjunto con ms de tres vectores de P2 es linealmente dependiente.
14. Demostrar que si {vI, vz} es linealmente independiente y v3 no est en lin {vl, vz},
entonces {v,, v2, v3} es linealmente independiente.

15. Demostrar: Para vectores cualesquiera u, v y w, los vectores u
forman un conjunto linealmente dependiente.
- Y, v
-w y w
16. Demostrar: El espacio generado por dos vectores en R3 es una recta que pasa por el
origen, un plano que pasa por el origen o el origen mismo.
17. En qu condiciones un conjunto con un vector es linealmente independiente?
5.4 Base y dimensin / 287

18. ,$on linealmente independientes los vectores v,, v2 y v3 de la figura 3a? Y los de la
figura 3b? Explicar las respuestas.
tz
Figura 3
19. Usando las identidades adecuadasdondeseanecesario,determinarculesde
siguientes conjuntos de vectores enF( - m , 03)son linealmente dependientes.
a) 6, 3 sen2x, 2 cos2 x
d) cos 2x,sen2 x, cos2 x
b) x, cos x
e) (3 - x), x2 - 6x, 5
c) l,senx, sen2x
f ) O, cos3 m , s e n 5 3 n x
20. (Para quienes ya estudiuron C&urO). Usando el wronskiano,demostrarque

siguientes conjuntos de vectores son linealmente
independientes.
a) 1, x, ex
b) sen x, cos x, x senx
los
c) e, xe, xeX
d) 1, x,
los
x2
21. Con el inciso a) del teorema 5.3.1, demostrar el incisob ) del mismo teorema.
22. Demostrar el inciso b ) del teorema 5.3.2
5.4 BASE Y DIMENSI~N

Es comnimaginar
a una recta como unidimensional, a un plano como
bidimensional y al espacio circundantecomo tridimensional. El objetivo principal
de esta seccines hacer precisa esta nocin intuitivade dimensin.
SISTEMAS DE
COORDENADAS
NO RECTANGULARES
En geometra analtica plana se aprendi a asociar un par de coordenadas (a, b )

con un punto P en el plano alproyectar P sobreun par de ejes de coordenadas
perpendiculares (figura la). Mediante esteproceso,a
cada punto en el planose
asigna un conjuntodecoordenadasnico
y recprocamente,a cada par decoordenadas se asocia un punto nico en el plano. Lo anterior se describe afirmando
que el sistema de coordenadas establece una correspondencia biunivocu o uno a
uno entre puntos en el plano y parejas ordenadas de nmeros reales. Aunque los
ejes de coordenadas perpendiculares son los ms comunes,para definir un sistema
de coordenadas en el plano se puede usar cualquier par de rectas no paralelas. Por
ejemplo, en la figura lb, al punto P se han asociado las coordenadas (a, 6 ) al
proyectar P en forma paralela alos ejes de coordenadas no perpendiculares. De manera
semejante, para defimrunsistemadecoordenadasenel
espacio tridimensional es
posible usar cualquier tema de ejes de coordenadas no coplanares
(figura IC).
2811
a)
bI
('
coordenadas no rectangulares en el
El primer objetivoenestaseccines
ampliar elconceptode sistema dc
coordenadas a espacios vectoriales generales. Para empezar, ser de utilidad volver
a plantear el concepto de sistema de coordenadas en el espacio bidimensional o en
el espacio tridimensional usando vectores en vezdeejesde
coordenadas para
especificar el sistema de coordenadas. Esto se puede hacer sustituyendo cada eje de
coordenadas por un vector de longitud 1 que apunte en la hreccin positiva del
eje. En la figura 2a, por ejemplo, v1 y v2 son tales vesores. Como se ilustra en esa
figura, si P es cualquier punto en el plano, el vector OP se puede escribir como una
combinacin lineal de v1 y v2 proyectando P en forma paralela a vI y v2 a fin de que
OP sea la diagonal del paralelogramo determinadopor los vectoresmIy bv2.
OP = a v , +- bv,
Resulta evidente que los nmerosa y b en esta frmula vectorial son precisamente las
coordenadas deP en el sistema de coordenadas de la figura lb. De manera semejante,
las coordenadas (a,b, c) del punto P en la figura IC se pueden obtener al expresar ?
como una combinacin lineal delos vectores que se muestran en la figura 26.
Las escalas de mdcin a lo largo de los ejes de coordenadas son ingrdentes

esenciales de cualquier sistema de coordenadas.
En trminos generales,se intenta usar
la misma escala en cada eje
y situar los puntos enteros sobre los ejes una
a distancia de
1 unidad entre s. Sin embargo, esto no siempre es prctico o apropiado: para ajustar
una grfica particular sobre una pgina impresa o para representar cantidades fisicas
con varias unidades en
el mismo sistema de coordenadas (tiempo en segundos sobre un
otro eje,porejemplo)sonnecesarias
eje y temperatura en cientos de grados sobre
escalas desiguales o escalas en que la &stancia entre los puntos enteros sea mayor o
menor que 1 unidad. Cuando un sistema de coordenadas se especifica medmte un
conjunto de vectores bsicos, entonces las longitudes de estos vectores corresponden a
las distancias entre puntos enteros consecutivos sobre los ejes de coordenadas
(figura 3).
As, lo que define las direcciones positivasde los ejes de coordenadas son las
direcciones de los vectores bsicos, y lo que establece las escalas de medicin son
las longitudes de los vectores bsicos.
-3 -2 -1
-?I
-1
-3
-2
Escalas diferentes. Ejes perpendiculares.
Figura3
Escalas iguales. Ejes oblicuos.
Escalas dikrentes. Ejes oblicuos.
La siguiente defnicin clavehace ms precisas los conceptos anterioresy permite

espacios
vectoriales generales.
ampliar el concepto de sistema de coordenadas
a
Definicin.Si V es cualquier espacio vectorial y S = {vl, v2, . . . , vn} es un

conjunto de vectores en V. entonces S se llama base de V si se cumplen las dos
condiciones siguientes:
BASE DE UN
ESPACIO
VECTORIAL
a) S es linealmente indepenhente.
b) S genera a V.
Unabase es la generalizacin de espacio vectorial de un sistema de
coordenadas enelespacio bidimensional y en el espacio tridimensional. El siguiente teorema ayudar a ver por ques as.
Teorema 5.4.1. S i S = {vl, v2, . . . , vn} es una base de un espacio vectorial V,

entonces todo vector v en V se puede expresar en forma zinica como v == c l v , +
c2v2 + . . . + C,V,?.
I
Demostracin. Como S genera a I/', por la definicin de conjunto generador se

concluye que todo vector v en 1' se puede expresar como una combinacin lineal
de los vectores en S. Para ver que slo existe una manera de expresar un vector
como una combinacin lineal de los vectores en S, supngase que algn vector v se
puede escribir como
v
= ClV1
+ c,vz +
= k,v,
+ k,v, +
' '
. + c,vn
y tambin como
'
+ knv,
Restando la segunda ecuacin de la primera se obtiene
c,-kl=O,
c,-k,=Q,
. . , , c,--,,=O
es decir.
C,
= k,,
c 2 = k,,
As. las dos expresiones para v son iguales.
COORDENADAS
RESPECTO A
UNA BASE
...,
crt
= kn
Si S = {vl, v2, . . , vn }es una base para un espacio vectorial V y

,
v = c,v,
+ c*v2+
'
'
+ c,v,
es l a expresin que describe un vector v en trminos de la base S, entonces los

escalares cl, c2,. . . , e,, se denominan coordenadas de v respecto a la base S. El
vector (cl, c2, . . . , cn) en R" que se obtiene a partir de estas coordenadas se llama
vector de coordenadas dev con respecto a S; se denota por
(v)s = (CI,
$9
..
'
c,>
>
OBSERVACI~N. Se debe notar que los vectores de coordenadas no slo dependen

de la base S, sino tambin del orden en que se escriben los vectores bsfcos; un
cambio en el orden de los vectores bsicos da por resultado un cambio correspondiente en el orden de los elementos en los vectores de coordenadas.
Ejemplo 1 En el ejemplo 3 de la seccin precedente se demostr que si

i=(l,O,O),
l,O),
j=(O,
k=(O,O, 1)
entonces S = {i, j, k} es un conjunto linealmente independiente en R3. Este

conjunto tambin genera a R3, ya que cualquier vector v = (a, b, c) en R3 se puede
escribir como
v
= (a, b, c) = a(1,
O, O)
+ b(0, 1, O) + c(0, O, 1) = a i + bj + ck
(1)
As, S es una basede R3; se denomina base estndar de R3. Al observar los
coeficientes de i, j y k en (1). se concluye que las coordenadas de v respecto a la
base estndar son a, b y c, de modo que
(VIS
= (a, b, c>
Comparando este resultado con (1) se observaque

v
= (VIS
Esta ecuacin establece que las componentes de un vector v con respecto a un

sistema de coordenadas rectangulares xyz ya
ls coordenadas de v con respecto a la
base estndar son las mismas; as, el sistema de coordenadas y la base producen
precisamente la misma correspondencia unoauno entre puntos enel espacio
tridimensional y ternas ordenadas de nmeros reales (figura 4). A
Figura 4
Los resu1:ados delejemplo anterior son un caso especial de los quese

presentan en el siguiente ejemplo.
BASE
ESTANDAR
PARA R"
Ejemplo 2 En el ejemplo 3 de la seccin precedente se demostr que si

e , = (1, O,O, . . . , O),
e,
= (O,
1, O , . . . , O),
. . . , e,, = (O, O, O, . . . , 1)
entonces
es un conjunto linealmente independiente de R". Este conjunto tambin genera a

R", ya que cualquier vector v = (vl. v2, . . . ,vn) en R" se puede escribir como
As, S es una base de R"; se denomina base estndar de R". Por (2) se concluye que las coordenadas de v = (vl, v2, . . . , vn) respecto a la base estndar
son v l , v2, . . . , vn, de modo que
(VIS
= (u,,
u23
' ' ' 1
u,)
Como en el ejemplo 1, aqu tambin se tiene que

v
=w
7
.
de modo que unvector v y su vector de coordenadas con respecto a la base

estndar de R" son iguales. A
OBSERVACI~N. En otro ejemplo se ver que un vector y su vector de coordenadas
no son los mismos; la igualdad observada en los dos ejemplos precedentes es una
situacin especial que ocurre slo conla base estndar de R".
En RZ y en R3, los vectores estndar bsicos suelen denotarse por

i, j y k, en vez de por e l , e, y e3. Aqu se usarn ambas notaciones, dependiendo
de la situacin particular.
OBSERVACI~N.
Ejemplo 3 Sean v1 = (1, 2, l), v2 = (2, 9, O) y v3 = ( 3 , 3, 4). Demostrar que el

conjunto S = v l , v,, v3 es una base deR3.
Solucin. Para probar que el conjunto S genera a R3 es necesario demostrar que
un vector arbitrario b = (bl, b,, b 3 ) se puede expresar como una combinacin
lineal
b = c i v l + c2v2+ c3v3
de los vectores en S. Expresando esta ecuacin en trminos de las componentes se

obtiene
o bien, igualando las componentes correspondientes,
+ 2c2 + 3c3 = h ,
2c, + 9c2 + 3c3 = h2
+ 4c, = b,
CI
CI
As, para probar que S genera a R3 es necesario demostrar que el sistema (3) tiene
una solucin para todas las elecciones de b = (6
6-J.
Para probar que S es linealmente independlente, se debe demostrar que la
nica solucin de
,,t2,
es c1 = c2 = c3 = O. Como antes, si (4) se expresa en trminos de las componentes,

entonces la comprobacin de la independencia lineal se reduce a demostrar que el
sistema homogneo
slo tiene la solucin trivial. Obsrvese que los sistemas (3) y (5) tienen la misma
matriz de coeficientes. As, por los incisos a), b ) y g) del teorema 4.3.4 se puede
probar en forma simultnea que S es linealmente independiente y que genera a H3
al demostrar que en los sistemas (3) y (5) la matriz de coeficientes
1 2 3
1
posee un determinante diferente de cero. Pero
294
de modo que S es una base para R3. A

Ejemplo 4 Sea S = {vl, v2. v3] la base de R3 en el ejemplo precedente.
a) Encontrar el vector de coordenadas de v = ( 5, - 1, 9) con respecto a S.

b) Encontrar el vector v en R3 cuyo vector de coordenadas con respecto a la base
S e s ( v ) , ~ =(-1. 3. 2).
Solucin de a). Es necesario encontrar escalares cl, c2, c3 tales que
v = c,v, + c2v2 + c3v3
o bien, en trminos de las componentes.

( 5 , - I , 9) = c,(l, 2, 1)
+ c2(2,9, O ) + c3(3, 3,2'

C1
2C,
+ 2C2 f 3C3 5
+ 9C2 + 3C3 = - 1
CI
Resolviendo este sistema se obtiene c1

consiguiente,
zz
+4c, =
= 1,
(v)s = (1,
Solucinde h).
obtiene
c2
9
= - 1,
c3
2 (comprobar). Por
- 1, 2)
Aplicando la definicin delvectorde
coordenadas ( v ) ~ ,se
= ( - l ) ~+, 3 ~ +
22 ~ 3
=(-1)(1,2, 1)+3(2,9,0)+2(3, 3,4)=(11,31,7) A
Ejemplo 5
a) Demostrar que S = { 1 , x, x*, . . . . x"} es una base para el espacio vectorial Pn

de polinomios de la forma a. + alx + . . . + a&'.
b) Encontrar elvector de coordenadas del polinomio p a. + alx + a2x2 con
respecto a la base S = { 1, x, x,} para P,.
Solucin de a). En el ejemplo 11 de la seccin 5.2 se demostr que S genera a
P2, y en el ejemplo 5 de la seccin 5.3 se demostr que S es un conjunto
linealmente independiente. As, S es una base para P,; se denomina base estndar
para P,.
Solucin de a). Las coordenadas de p = a. + a l x + a2x2 son los coeficientes
= (ao,a l , a,). A
escalares de los vectores bsicos 1, x y x2, de modo que
5.4 Rase y dimensin 1 295

Ejemplo 6 Sean
El conjunto S = {M1,M,, M3, M4) es una base para el espacio vectorial

de
matrices 2 x 2. Para constatar que S genera a M,,, obsrvese que unvector
(matriz) cualesquiera
se puede escribir como
Para constatar que S es linealmente independiente, supngase que

aM, + bM2 + CM, + dA4,
Es decir,
'I+#
a [ 'O O
0 ]+b[O
O 0
=O
: ] + d [ oO 0I]=[:
:]
Se concluyeque
As, a = b = c = d = O, de modo que S es linealmente indepenjiente. La base S en

este ejemplo se denomina base estindar para M2,. De manera ms general, la
base estndar para Mnn consta de las mn matrices diferentes que tienen un solo 1
y cuyos elementos restantes son ceros. A
Ejemplo 7 Si S = {vl, v,, . . . , vr} es un conjunto linealmente independiente en
un espacio vectorial V, entonces S es una base para el subespacio lin (S?, ya que
por definicibn de lin ( S ) e! conjunto S genera a lin (S). A
DIMENSI~N
Definicin. Se dice que un espacio vectorial Y diferente de cero es de dimensin

finita si contiene un conjunto finito de vectores vl, v2, . . . , v,, que forma una
base. Si es as, se dice que V es de dimensin infinita. Adems, se considera
que el espacio vectorial cero es de dimensin finita.
A
Ejemplo 8 Por los ejemplos 2, 5 y 6, los espacios vectoriales R", Pn y M,,,, son de
dimensin finita. Los espacios vectoriales F(- m , m ) , C(- m , m ) , Cm(- m , w)
y C" (- m , m) son de dimensin infinita (ejercicio 23). A
296
,I

El siguiente teorema proporciona la clave del concepto de dimensin
vn} es cualquier base, entonces:

a ) Todo conjunto con ms de n vectores es linealmente dependiente.
6) Ningn conjunto con menos de n vectores genera a V.
Demostracin de a).Sea S = { w l , w 2 , . , w m }cualquier conjunto de m vectores
en I,', donde m > n. Se quiere demostrar que S es linealmente dependiente. Como
S = {v,, v2, . . . , vn} es una base, todo wi se puede expresar como una combinacin lineal de los vectores en S, por ejemplo
, ,
Wl
U,,V,
+ u21v2 - t . . + a,,v,
+
+ . . . + an2v,
'
w2 = a12v1 a2,v2
w,
= Ul,VI
+ a2,v2 + . . + U n m V ,
'
Para demostrar que S es linealmente dependente, es necesario encontrar escalares

k , , k,, . . . , k,,, no todos cero, tales que
Usando las ecuaciones en (6), la expresin (7) se puede volver aescribir como
(k,u,1
" k,a,2 +
' ' '
+ kmUlm)V,
+ (k1a,, + k2a,, + . . . + kma2,,,)v2

+ (k,a,, + k2an2+ . . . + ~,u,,,,)v, = O
As, a partir de la independencia lineal de S, el problema de demostrar que S es un

conjunto healmente dependiente se reduce a probar que existen escalaresk,, k,, . . . ,
km, no todos cero, que satisfacen
+
+ . . + q m k m= o
a , , k , +- a2,k, + . . . + a,,k, = O
a,,!%, a,,k,
an,kl
'
(8)
+ a,2k2 + . . . + anmkm= O
Pero (S) contiene ms incbgnitas que &ones, de modo que

la demostracin est
completa, ya queel teorema 1.2.1 garantiza la existencia de soluciones
no triviales.
Demostracin de b). Sea S = {wl, w,, . . . , wm}cualquier conjunto de m vectores
en V, donde m < n. Se quiere demostrar que S no genera a V. La demostracin
ser por contradiccin: Se demostrar que suponiendo que S genera a V se llega a
una contradiccin de la independencia lineal de {vl, v2, . . . , vn}.
Si S genera a V, entonces todo vector en V es una combinacin lineal de 10s

vectores en S . En particular, cada vector bsico vi es una combinacin lineal de
los vectores en S , por ejemplo,
v, = a l l w l + a Z I w 2 . . . + a , , ~ ,
v2 = a 1 2 w l+ a22w2+ . . + am2w,
'
v, = a,,w,
+ a2nW2 + . . . + c,,w,
Para obtener la contradiccin, se demostrar que existen escalares k,, k2, . . . , km,
no todos cero,tales que
k , ~+, k2v2+ . . . + k,v, = O
(10)
Pero obsrvese que (9) y (10) son de la misma forma que (6) y (7), excepto que se
han intercambiado m y n, as como las w y las v. Por tanto, los clculos con los
que se lleg a (8) ahora producen
a,,k,
a2,k,
+ a I 2 k 2+ . . . + a&,
+ a2,k2 + . . . + a2,k,
O
=O
=
Este sistema lineal contiene ms incgnitas que ecuaciones y por el teorema 1.2.1,
posee soluciones no triviales. 0
Del teorema precedente se deduce que si S = {vl, v2, . . . , v,,} es cualquier
base para un espacio vectorial V, entonces todos los conjuntos en V que
simultneamente generan a V y son linealmente independientes deben tener precisamente n vectores. As, todas las bases de Vdeben tener el mismo nmero de vectores que la base arbitraria S. Esto lleva al siguiente resultado, que es uno de los
ms importantes en lgebra lineal.
1
Teorema 5.4.3. Todas las bases de un espacio vectorial de dimensin jinita

tienen el mismo nmerode vectores.
Para ver cmo se relaciona este teorema con el concepto de "dimensin",
recurdese que la base estndar para R" tiene n vectores (ejemplo 2). As,el
teorema 5.4.3 indica que todasa
ls bases de R" tienen n vectores . En particular,
cualquier base para R3 tiene tres vectores, cualquier base para R2 tiene dos
vectores, y cualquier base para R' (R) tiene un vector. Intuitivamente, R3 es
tridimensional, R2 (un plano) es bidimensional, y R (una recta) es unidimensional.
As, para espacios vectoriales conocidos, el nmero de vectores que hay en m a
base es igual a la dimensin. Este hecho sugiere la siguiente definicin.
Ejemplo 9
dim@") = n La base estndar tiene n vectores (ejemplo 2).
dim(Pn) = n + 1 La base estndar tiene n + 1 vectores (ejemplo 5)
dim(Mmn)= mn La base estndar tiene mn vectores (ejemplo 6).
Ejemplo 10 Determinar una base para y la dimensin del espacio solucin del
sistema homogneo
2x, + 2x,
x2
+ 2x,
x2
.x1
+x,=o
x3
- x, -
3x,
+xg =o
o
xi + xq + x5 = o
2x,
- .x5
Solucin. En el ejemplo 6 de la seccin 1.2 se demostr que la solucin general
del sistema dado es
Por consiguiente, los vectores solucin se puedenescribir como
lo cual demuestra que los vectores

"
j
O
generan el espacio solucin. Como tambin son linealmente independientes (comprobar), {vl, va} es una base y el espacio solucin es bidimensional. A
ALGUNOS
TEOREMAS
FUNDAMENTALES
El resto de esta seccin se dedicar a una serie de teoremas que revelan las sutiles
relaciones que hay entre los conceptos de generacin, independencia lineal, base y
dimensin. Estos teoremas no son ejercicios vanos de matemticas tericas; porel
contrario, son esenciales para comprender los espacios vectoriales y muchas aplicaciones prcticas del lgebra lineal se basan en ellos.
El siguienteteorema,que
en estelibro se denomina Teorema M&/Menos,
establecedosprincipiosbsicos
en los que se basan la mayorade los teoremas
subsecuentes.
Teorema 5.4.4. (Teorema MdMenos). Sea S un conjunto no vaco de vectores en un espacio vectorial I/:
a ) Si S es un conjunto linealmente independiente y v es un vector en V que no
pertenece a [in (SI, entonces el conjunto que se obtiene al incluir v en S
an es linealmente independiente.
6 ) Si v es un vector en S que se puede expresar como una combinacin lineal
de los dems vectores en S, y si S - {v} denota el conjunto que se obtiene
al quitar v de S, entonces S y S - { v) generan el mismo espacio;es decir,
lin
6s) = lin ( S - {v})
La demostracin se pospone hasta el final de la seccin para poder estudiar de inmediato las consecuencias del teorema. Sin embargo, el teorema se puede representar en R3 como sigue:
a)
Un conjunto S de dos vectores linealmente independientes en R3 genera un

plano que pasa por el origen. Si S se aumenta insertando cualquier vector v
fuera de este plano (figura 5a), entonces el conjunto resultante de tres vectores
todava es linealmente independente, ya que ninguno de los tres vectores est
en el mismo plano que los otros dos.
6 ) Si S es un conjunto de tres vectores no colineales en R3 que estn en un plano comn que pasa por el origen (figura5b), entonces los tres vectores generan el plano.
Sin embargo, si de S se quita cualquier vector v que sea una combinacin lineal de
los otros dos, entonces el conjunto restante de dos vedores sigue generando el plano.
b)
Ninguno de los tres

vectores est en el mismo
Cualquiera de los vectores

se puede eliminar y los dos
restantes siguen generando
Figura 5
". . -.
,".I
..
. .
".
C)
se puede eliminar y los dosrestantes
En general, para probar que un conjunto de vectores {vl, v2, . . . , v,,} es una
base de un espacio vectorial V, se debe demostrar que los vectores son linealmente
independientes y generan a Y, Sin embargo, si se sabe que la hmensin de Ves n
(de modo que {vl, v2, . . . , v,,} contiene el nmero adecuado de vectores para una
base), entonces basta verificar y a sea, la independencia lineal o la generacin: la
otra condicin se cumple automticamente. Este es el contenido del siguiente
teorema.
Teorema 5.4.5. Si V es un espaciovectorialde dimensin n y si S es un

conjunto en V con exactamente n vectores, entonces S es una base de I. si S
genera a V o si S es linealmente independiente.
Demostracin. Supngaseque S contieneexactamente
n vectores y que
genera a C. Para probar que S es una base es necesario demostrar que S es un
conjunto linealmente independiente. Pero si no es as, entonces algn vector v
en S es una combinacin lineal de los dems vectores. Si este vector se quita
de S, entonces por el Teorema MslMenos (teorema 5.4.46) se concluye que el
conjunto restante de n - 1 vectores an genera a V. Pero esto es imposible, ya
quepor el teorcma 5.4.26 se deducequeningnconjuntocon
menos de n
vectores puede generar un espacio vectorial de dimensin n. As, S es linealmente independiente.
Supngase que S contiene exactamente n vectores y que es un conjunto
iinealmente independiente. Para probar que S es una base se debe demostrar
que S genera a V. Pero si sto no es as, entonces en V existe un vector v que
no est en lin (S). Si este vector seincluye en S, entoncesporelTeorema
MsMenos (teorema 5 . 4 . 4 ~se
) concluye que este conjunto de n + 1 vectores
an es linealmenteindependiente.Peroesto
es imposible, ya que por el
teorema 5.4.2a se concluye que ningn conjunto con ms de n vectores en un
espacio de dimensin n puede ser linealmente independiente. As, S genera a
v. n
Ejemplo 11
Demostrar por inspeccin que v I = ( - 3 , 7 ) y v2 = (5, 5 ) forman una base para
R2.
Demostrar por inspeccin que v 1

forman una base para R3.
(2, O, - I), v2 = ( 4 , o, 7) y v3 = (- 1,1, 4)
Solucin de a). Como ninguno de los vectores es un mltiplo escalar del otro, los
dos vectores forman un conjunto linealmente independiente en el espacio bi&mensional R2 y, entonces, por el teorema 5.4.5, forman una base.
Solucin de 6). Los vectores v1 y v2 forman un conjunto linealmente independiente en elplano xz ($or qu?). El vector v3 est fuera del plano xz, de nlods que
el conjunto {vl, v2, v3} tambin es linealmente independiente. Como R3 es

tridimensional, el teorema 5.4.5 indica que {vl, v2, v3} es una base para R3. A
El siguiente teorema muestra que para un espacio vectorial V de dtmensin
finita todo conjunto que genera a V contiene una base para V, y que todo conjunto
linealmente independiente en V forma parte de alguna base para V.
~~~
~~~
Teorema 5.4.6. Sea S un conjunto de vectores en un espacio vectorial V de

dimensinjnita.
a ) Si S genera a V pero no es una base de V, entonces S se puede reducir a
una base de V quitando de S los vectores adecuados.
6 ) Si S es un conjunto linealmente independiente que y a no es una base para
V , entonces S se puede agrandar hasta constituir una base para V
insertando en S los vectores apropiados.
Demostracin de a). Si S es un conjunto de vectores que genera a V pero no
es una base para V, entonces S es un conjunto linealmente dependiente. As,
algn vector v en S se puede expresar como una combinacin lineal de
los
dems vectores en S. Por el Teorema Mshlenos (teorema 5.4.46), es posible
quitar v de S y el conjunto resultante S ' sigue generando a V. Si S ' es linealmente independiente, entonces S' es una base para V y ya se ha terminado. Si
S es linealmente dependiente, entonces es posible quitar de S ' algn vector
adecuado a fin de obtener un conjunto S ' que siga generando a V. Se puede
continuar quitando vectores de esta manera hasta que, por ltimo, se llega
a
un conjunto de vectores enS que sea linealmente independiente y genere a V.
Este subconjunto de S es una base para V.
Demostracin de 6).Supngase que dim(Cr) = n. Si S es un conjunto linealmente
independiente que no es UM base para V, entonces S no genera a V y existe un
vector v en V que no est en lin (S). Pero por el Teorema MsMenos (teorema
5.4.4a), es posible insertar v en S, y el conjunto resultante S an es linealmente
independiente. Si S genera a V, entonces S es una base para V y ya se ha
terminado. Si S no genera a V, entonces es posible insertar un vector apropiado en
S para obtener un conjunto S' que siga siendo linealmente independente. Es
posible continuar insertando vectoresde esta manera hasta que se llega a un
conjunto con n vectores linealmente independientes en V. Por el teorema 5.4.5,
este conjunto es unbase para V.
En la siguiente seccin se dan ejemplos numricos que ilustran el teorema

precedente.
Esta seccin concluye con un teorema que muestra que la dimensin de un
subespacio de un espacio vectorial V no puede exceder la dtmensin de V mismo, y
que la nica forma en que un subespacio puedetener la misma dimensin que Ves
cuando el subespacio es todo el espacio vectorial V. En la figura 6 se ilustra esta
.-.. .
302
,I
Espacios vecloriaies generales
idea para R3. En esa figura se observa que aumenta la dimensin de subespacios
sucesivamente ms grandes.
Recta que Pasa por el origen 1

(1-unidirnensionalj
Origen
(dimensin O)
Figura 6
~~
~~~
~~
~~~
~~
Teorema 5.4.7. Si W es un subespacio de un espacio vectorial Y de dimensin

,finita. entonces dim(W) 5 dim(l.9;adems, si dim(W) = dim(4, entonces W = V.
*
Demostracin. Sea S = { wl, w,, . . . , wm} una base para W. S puede ser una
base para V o no. Si es as, entonces dim(w = &m(V) = m. Si no es as, entonces,
porel
teorema 5.4.66, es posible agregar vectores al conjunto linealmente
independiente S a fin de convertirlo en una base para Y de modo que dim(JV) <
&m( 4. Por tanto, d i m ( q 5 & m ( q en todos los casos. Si dim( W) = dim(V),
entonces S es un conjunto de m vectores linealmente independientes en el espacio
vectorial Vde dimensin m ;por tanto, debido al teorema 5.4.5, S es una base para
V. Esto signifca que W = Y (por qu?). 0
MS DEMOSTRACIONES
Demostracin del teorema 5.4.4a Supngase que S = {y1, v2, . . . , vr} es un conjunto linealmente independiente de vectores en V y que v es un vector en I/ fuera
de lin (S). Para probar que S = {vl, v2, . . , vr, v} es un conjunto linealmente
independiente, es necesario demostrar que los nicos escalares que satisfacen
,
k,v, + k2v2 +
+ k,v, + k,,
,v = o
(1 1)
son k , = k , = . . . = k = k r+l = O. Pero se debe tener que k r+l = O; en caso

contrario, v se podra despejar en (11) como una combinacin lineal de vl, v2, . . . ,
Y,, contrakciendo la hiptesis de que v es un vector que no pertenece a lin (S).
As, (1 1) se simplifica a
k,v, + k2v2+ . . . + k , ~ ,= O
lo cual, debido a la independencia lineal de v,, v,, . . . , vr , sigrufca que
k I -- k
2 -
= k =O.
(12)
Demostracin del teorema 5.4.4b Supngase que S = {vl, v2, . . . , vr} es un

conjunto de vectores en V y, para ser especfcos, supngase que v, es una
combinacin lineal de vl, v2, . . . , v,- 1, por ejemplo
Se quiere demostrar que v,si se quita de S, entonces el conjunto de vectores restante

(vl, v2, . . . , v,.-~} sigue generando a lin (9;es decir, se debe demostrar que todo
vector w en lin (S) se puede expresar como una combinacin lineal de {y1, v2, . . . ,
vr- 1}. Pero si w est en lin (S), entonces w se puede expresar en la forma
o bien, sustituyendo en (13)
que expresa a w como una combinacin lineal de vl, v2, . . . ,vr-

1. Explicar por qu los siguientes conjuntos de vectores no son bases de los espacios
vectoriales indicados. (Resolver este problema por inspeccin.)
a) u, = (1, 2), u2 = (O, 3), uj = (2, 7) para R2
b ) u l = ( - 1 , 3 , 2 ) , u,=(6,1,1)paraR3
C) pI = 1 + x + x2, p2 = x - 1 para P2
2. LCuAles de los siguientes conjuntos de vectores son bases para R2?
a1 (2, 11, (3, 0)
b) (4,
11, (-7,
C) (0, O), (1, 3)
-8)
(d) (3,9), (-4, - 12)
3. Cules de los siguientes conjuntos de vectores son bases para R3?
a) (1, O, 01, (2,2, O), (3,3, 3)

b) ( 3 , 1, - 4h (2, 5, 6h (1,4, 8)
C) (2. - 3 , 11, (4, 1, I ) , (0, -7, 1)
d) (1, 6, 41, (2, 4, - 11, ( - 1, 2, 5)
4. Cules de los siguientes conjuntos de vectores son bases para P2?
a) 1 - 3 X + 2 ~ ~ , 1 + ~ + 4 ~ ~ , 1 - 7b~) 4 + 6 x + x 2- 1
, +4x+2x2,5+2x-x2
c) 1 + x + x 2 , x + x 2 , 2
d) - 4 + ~ + 3 ~ ~ , 6 + 5 ~ + 2 ~ ~ , 8 + 4 x + x '
5. Demostrar que el siguiente conjunto de vectores es una base paran/iZ2.
[:
-0611
[-Y
-:I9
[-I:
[ -; :]
6. Sea Vel conjunto generado por v l = cos2 x, v2 = sen2 x, v3 = cos 2x

a) Demostrar que S = { y 1 , v2, v3} no es una base para V.
b) Determinar una base para V.

7. Encontrar el vector de coordenadas de w con respecto a la base S = {u], u2}para R2
304
,I
Espacios vecforiales generales
a) u l = ( l , O ) . u ~ ~ ( OI ) ; , ~ = ( 3 -,7 )
c) u, = ( I , I ) , u, = ( O , 2); w = (u, h )
b)
U,
= ( 2 , -4), ~ , = ( 3 , 8 ) ;w = ( l , 1)
8. Hallar el vector de coordenadas de v con respecto a la base S = {v,, v2, vi}

a) v = (2, - I , 3 ) ; V I = ( I , O, O), v, = (2, 2,O), v3 = ( 3 , 3, 3)
b ) v = ( 5 . --12,3); ~ , = ( 1 , 2 , 3 ) ,v 2 = ( - 4 , 5 , 6 ) , v 3 = ( 7 , - 8 . 9 )
Y. Encontrar el vector de coordenadas de p con respecto a la base S = { p l , p2, p3}.
a) p = 4 - 3x + x * ; p, = 1, p2 =x, p3 = x2
b) p = 2 - X
x'; p I = 1 + X , pz = 1 + x2, p1 = X + X'
10. Determinar el vector de coordenadas de A con respecto a la base S = {A,, A,, A,, A4}.
En los ejercicios del 1 1 al 16, determinar la dimensin y una base para el espacio solucin
del sistema.
11.
x , + x , - xi = o
13. x , - 4x,
3x3 - x4 = o
12. 3r, +x, +x, + x 4 = o
- 2x, - x, 2x3 = o
5x, - x,
xj - x4 = o
2 ~ -, 8x2 + 6x3 - 2x4 O
+ x, = o
- 3x, + x3 = O
-x,
14.
X,
2x, - 6x2
3x,
+ 2 ~ =, O
+ 3x3 = O
+ 5x, = o
x, + xj = o
15. 2x, +x,
9x, -t3x, = o
x,
16. x + y + z = O
3x+2y-2z=O
4xf3y-
z=o
6x+5y+ z=O
17. Determinar bases para los siguientes subespacios de R3.
a) El plano 3x - 2y+ 5z = O.
b) El plano X - = O.
c) L a r e c t a x = 2 t , y = - t , z = 4 t .
d) Todos los vectores de la forma (u, 6 , e), donde b = u + c
18. Dar las dimensiones de los siguientes subespacios de p.
a) Todos los vectores de la forma (a,b, c, O).

b) Todos los vectores de la forma (a,b, c, d), donde d = a + b y c = u
c) Todos los vectores de la forma (u, b, c, d), donde u = b = c = d.
- b.
20. Encontrar un vector estndar bsico que se pueda agregar al conjunto { v , , vz} para
obtener una base paraR3.

a ) v , = ( - 1 , 2 , 3 ) v, , = ( l , - 2 ,
-2)
b ) v , = ( l , -l,O),
vz=(3,1,-2)
21. Encontrar vectores estndar bsicos que se puedan agregar al conjunto {vi, v2} para
obtener una basepara p.

v , = ( l , - 4 , 2 , -3),
~ , = ( - 3 , 8 , -4,6)
22. Sea { v I , v2, vj} una base de un espacio vectorial V. Demostrar que {ui, u2, u3} tambin es una base, donde u1= Y , , u2 = v i + v2 y u3 = v, + v2 + v3.
23. a) Demostrar que para todo entero positivo n, en F( - m , m ) se puede hallar n + 1 vectores linealmente independientes. [Sugerencia Buscar polinomios.]
b) Usar el resultado del inciso a) para demostrar que F( - m , m) es de dimensin
mfihita.
c) Demostrar que C( - m ,
dimensin m f i i t a .
m),
Cm(- m ,
m)
y C (- m ,
m)
son espacios vectoriales de
24. Sea S una base de un espacio vectorial V de dimensin n. Demostrar que si v l , v2, . . .
vr forman un conjunto linealmente independiente de vectores en V, entonces los vectores de coordenadas ( v ~ (vJS,
) ~ . . . , (v& forman un conjunto linealmente independiente en R" y recprocamente.
25. Usando la notacindel ejercicio 24, demostrarque si v l , v2, . . . vr generan a V,
entonces los vectores de coordenadas ( v ~ ) (v,&
~ , . . , , ( v ~ generan
) ~
a R" y recpro-
camente.
26. Encontrar una base parael subespacio deP2 generado por los vectores dados.
a) - 1 + x - 2x2, 3 + 3x + 6 2 , 9
b) 1 +x, x2, -2+2x2,-3x
C) 1 + X - 3x2, 2 + 2~ - 6x2, 3 + 3~ - 9x2
[Sugerencia Sea S labase
estndar para P2 y trabjese con los vectoresde
coordenadas relativos a S; consultar los ejercicios 24 y 25.1
21. En l a figura 7 se muestran un sistema de coordenadas rectangularesxy y un sistema de

coordenadas x)' con ejes oblicuos. Suponiendo que en todos los ejes la escala mide 1
unidad, encontrar las coordenadas xy de los puntos cuyas coordenadas xy se proporcionan.

b) (1,O).
c) (O, 1).
d) (a,b).
a> (1, 1).
X'
Figura 7
28. En la figura 8 se muestran un sistema de coordenadas rectangularesxy determinado por

los vectoresunitarios bsicos i y j y un sistema de coordenadas xy determinado por los
vectores unitarios bsicos u1 y u2. Encontrara
ls coordenadas xy de los puntos cuyas
coordenadas xy se proporcionan.
5.5 ESPACIO RENGLN, ESPACIO COLUMNA Y ESPACIO NULO
Se enipezard con algunas definiciones.

VECTORES
R E N G L ~ NY
VECTORES
COLUMNA
Definicidn. Para una matriz m
X n
r
los vectores
-=: [%!
' '
U?
,
Rn formados a partir de los renglones de A se denomin

1, y los vectores
:II
:n
Rm
ores rengln de
fonuados a partir de las columnas de 11se denominan vedores columna
IcA.
I
Ejemplo I Sea
"I
'
"i
los vectores rengln de A son
r,=[2 I
O]
r,=[3
-1
41
5.5 Espacio rengln, espacio columna y espacio nulo / 307
y los vectores columna de A son
La siguiente definicin caracteriza tres espacios vectoriales importantes asociados con una matriz.
~~~~
ESPACIO
COLUMNA,
ESPACIO
RENGLN Y
ESPACIO NULO
Definicin. Si A es una matriz m x n, entonces el subespacio de R" generado

por los vectores rengln de A se denomina espacio rengln de .4, y el subespacio
de R"' generado por los vectorescolumna de A se denomina espacio columna de
A . El espacio solucin del sistema de ecuaciones homogneo A x = O , que es un
subespacio deR", se denomina espacio nulo de A .
En esta seccin yen la siguiente se abordarn las siguientes preguntas generales:
Qu relaciones existen entre las soluciones de un sistema lineal A x = b y
el espacio rengln, el espacio columna y el espacio nulo de la matriz de
coeficientesA ?
Qu relaciones existen entre el espacio rengln, el espacio columna y el
espacio nulo de una matriz?
Para investigar la primera de tales preguntas, supngase que
Por la frmula (7) de la seccin 1.3 se concluye que si cl, c2, . . . c, denotan los
vectores columna de A , entonces el producto A x sepuede expresar como una
combinacin lineal de estos-vectores columna con coeficientes de x; es decir,
A x = x , c I + x2c2 + . . . + X,C,
(1)
A s , un sistema lined Ax = b de m ecuaciones conn inujgnitas se puede escribir como

xlcI
de donde se concluye que A x
+ x2c2+ . . . +
=b
X,C,
=b
(2)
es consistente siy sblo si b se puede expresar como
una combinacin lineal de los vectores columna deA o, equivalentemente, si y slosi

b est en el espacio columna de A . Lo anterior conduce al siguiente teorema.
Teorema 5.5.1. Un sistema de ecuaciones lineales Ax

slo si b est en el espacio columna de A .
b es consistente si y
Ejemplo 2 Sea Ax
= b el
sistema lineal
Demostrar que b est en el espacio columna de A , y expresar b como una

combinacin lineal de los veclores columna de A.
Solucin. Resolviendo el sistema por eliminacin gaussiana se obtiene
(comprobar)
x, = 2 ,
x2
x3 = 3
1,
Como el sistema es consistente, b est en el espacio columna de A , adems, por ( 2 )

y la solucin obtenida, se concluye que
RELACIQN
ENTRE LAS
SOLUCIONES DE
Ax = O Y LAS
SOLUCIONES DE
Ax=b
El siguiente teorema establece una relacin fundamental entrea

ls soluciones de un
sistema lineal no
homogneo
Ax = b y las del sistema lineal homogneo
correspondienteAx = 0 con la misma matriz de coeficientes.
spacio nulo de A, es decir, el espacio solucin del sistema homogneo A x

ntonces todasolucin de Ax = b se puede expresar en la forma
x = X"
+ C l V l + c2vz +
' ' '
= O.
+ CkVk
y , recprocamente, para todas las elecciones de los escalares c l , c2, . . . , ck, el

vector x en esta frmula es una solucin de Ax = b.
Demostracin. Supngase que x. es cualquier solucin fija de Ax
una solucin cualesquiera. Entonces
y
Ax,= b
Ax=b
Al restar estas ecuaciones se obtiene

=
xo) =
Ax - A x ,
O
A(x
b, y que X es
lo cual indica que x - x. esunasolucin del sistema homogneo A x = O.

Como vl, v2, . . . , vk es una base para el espacio solucin de este sistema,
entonces x - x. se puede expresar como unacombinacinlinealdeestos
vectores, por ejemplo
x
X" = C , V ,
+ c2v2 +
' ' '
+ CkVk
Por tanto,
x = xg
CIY]
CZVz
' ' '
+ CkVk
lo que demuestra la primera parte del teorema. Recprocamente, para todas las
elecciones de los escalares cl, c2,. . . , ck en (3) se tiene
Ax
= A(x,
+ C l V i + c2v2+
t CkVk)
' ' '
Ax
= Ax,
+ c,(Av,) 3- C2(AV2) + .
'
+ Ck(AVk)
Pero x. es una solucin del sistema no homogneo y v l , v2, . . , vk son soluciones

del sistema homogneo, de modo que la idtima ecuacin lndlca que
~
lo cual muestra que x es una solucin de Ax = h.
Hay cierta terminologa asociada con la frmula ( 3 ) . El vector x.

se denomina solucin particular de Ax =La expresin x. + c l v l + c2v2 f . . . , +
ckvkse llama solucin general de A x = b, y la expresin clvl + c2v2 + . . . , + ckvk
se conoce comosolucin general de A x = O. Con esta terminologa, la frmula (3)
establece que la solucin general de A x = b es la suma de cualquier solucin
particular de A x = b y la solucin general de A s = O.
OBSERVACI~N.
Para sistemas lineales con dos o tres incgnitas, el teorema 5.5.2 posee una
interpretacin geomtrica interesante en R2 y en R3. Por ejemplo, considrese el
caso en que A x = O y Ax = b son sistemas lineales condos incgnitas. Las
soluciones de Ax = O forman un subespacio de R2 y, por tanto constituyen una
recta que pasa por el origen, slo el origen o todo R2. Por el teorema 5.5.2, las
soluciones de A x = b se pueden obtener sumando cualquier solucin particular de
Ax = b, porejemplo xo, a las soluciones de A x = O . Suponiendo que x. est
colocado con su punto inicial en el origen, esto tiene elefectogeomtricode
trasladar el espacio solucinde Ax = O demodo que el punto en el origen se
mueve hacia la punta de x. (figura 1). Esto significa que los vectores solucin de
A x = b forman una recta que pasa por la punta de
el punto en la punta de x*, o
todo R2. (Puede el lector imaginar el h m raso?! De marma semtjante. prrra
sistemas lineales contres incligl'hits, I;I: so!ucioms de A x -= b constituyen un
plano que pasa por l a punta de cuaicyjier scllnci6rr $. ~.lZicuHsrx*. una recta que pasa
por la punta de x0? o todo R 3 .
~0.
310
,/
Espacio solucin
deAx = O
Figura 1
Ejemplo 3 En el ejemplo 3 de la seccin 1.2 se resolviel sistema lineal no

homogneo
x, 3- 3x,
Lx,
"
2x,
+ 6x2 - 5x3 5x,
2x1
+ 6x2
t 2x5
= o
2x4 + 4x5 - 3x6 = - 1
lox,
+ 15x6 = 5
8x4 + 4x, + 18x6 = 6
y se obtuvo
Este resultado se puede escribir en forma vectorial como

-
3r - 4s - 2t
que es la solucin general de (4). Al comparar con (3), el vector
es una solucin particular de (4) y
(4)
:I
5.5 Espacio rengldn, espacio columna y espacio nulo / 31 1

I-
-2
1
O
O
O
x=r
r-4
O-
-2
S
+t
O
O
O1
es la solucin general del sistema homogneo
(comprobar). A
BASES PARA
ESPACIOS
RENGL~N,
ESPACIOS
COLUMNA Y
ESPACIOS
NULOS
Primero se designaron las operaciones elementales en los renglones para resolver

sistemas lineales y, por
ese
trabajo.
sabe
se
que al efectuar una
operacin
elemental en los renglones de una matriz aumentada no cambia el conjunto solucin dei sistema lineal correspondiente. Se
concluye que realizar una operacin
elemental en los renglones de una matriz A no modificael conjunto solucindel
sistema lineal correspondiente A x = O o, expresado de otra forma, no cambia el
espacio nulo de A . As, se tiene el siguiente teorema.
Teorema 5.5.3. Las operaciones elementales en los rengr,:nes no camhrrrn el

espacio nulo de una matriz.
Ejemplo 4 Encontrar una base para el espacio nulo de
-iJ -;-p -:]

2
A = [
Solucin.
2 - 1
El espacio nulo de A es el espacio solucin del sistema homogneo

2x,
+ 2x2 -
X] -
x1
x2
x3
+ 2x,
- 3x4
x* - 2x,
x3
+x,
=o
=0
.xg
-xg
x4
=o
+ xg = o
En el ejemplo 10 de la seccin 5.4 se demostr que los vectores
3 12 i Espacios vectoriales generales
1 I-1
v, =
1
O
O
O
-1
O
-1
O
1
forman una base para este espacio. A
El siguiente teorema es el correlativo del teorema 5.5.3.

Teorema 5.5.4. Las operaciones elementales en los renglones no cambian el
espacio rengln de una matriz.
A son r l ,
Demostracin. Supngase que los vectores rengln de una matriz
r2, . . . , rm y sea B la matriz que se obtiene al efectuar una operacin elemental en los renglones de A . Se demostrar que todo vector en el espacio rengln
de R tambin est en el espacio rengln de A y recprocamente, que todo vector en
el espacio rengln de A est en el espacio rengln de B. Esposible concluir
entonces que A y B tienen el mismo espacio rengln.
Considerar las posibilidades: Si la operacin en los renglones es un
intercambio de renglones, entonces B y A tienen los mismos vectores rengln y, en
consecuencia, tienen el mismo espacio rengln. Si la operacin en los renglones es
la multiplicacin de un rengln por un escalar diferente de cero o es la adicin de
un mltiplo de un rengln a otro rengln, entonces los vectores rengln
q,r2 ,..., rk de B son combinaciones lineales de rl, r2, . . . , rmj as, estn en el
espacio rengln de A. Como un espacio vectorial es cerrado baJo la adicin y la
multiplicacin escalar, todas las combinaciones lineales de ri, r;, ..., rh tambin
estn en el espacio rengln de A . Por consiguiente, todovector en el espacio
rengln de B est en el espacio rengln de A.
Como B se obtiene a partir de A al efectuar una operacin en los renglones,
A se puede obtener de B al efectuar la operacin inversa (seccin 1.5). As, el
razonamiento anterior muestra que el espacio rengln de A est contenido en
el espacio rengln de B. 0
e
En vista de los teoremas 5.5.3 y 5.5.4 se podra anticipar que las operaciones
elementales en los renglones no deben cambiar el espacio columna de una matriz.
Sin embargo, esto no es as: las operaciones elementales en los renglones pueden
modificar el espacio columna. Por ejemplo, considrese la matriz
La segunda columna es un mliltiplo escalar de la primera, de modo que el espacio

columna de A consta de todos los mltiplos escalares del primer vector columna.
Sin embargo, si se suma -2 veces el primer rengln de A al segundo rengln, se
obtiene
5.5 Espacio rengln, espacio columna y espacio nulo
313
Aqu nuevamente la segunda columna es un mltiplo escalar de la primera, de

modo que el espacio columna de B consta detodos los mltiplos escalares del
primer vector columna. Este espacio columna no es el mismo que elespacio
columna de A .
Aunque las operaciones elementales en los renglones pueden cambiar el
espacio columna de una matriz, se demostrar que no importa cules sean las
relaciones de independencia o dependencia lineal existentes entre losvectores
columna antes de la ejecucin de una operacin en los renglones. esas relaciones
tambin se cumplen para las columnas correspondientes de la matriz que se obtiene al realizar esa operacin. Para precisar ms este hecho, supngase que una
matriz B se obtiene al efectuar una operacin elemental en
los renglones de
una matrizA m x n. Por el teorema 5.5.3, los dos sistemas lineales homogneos
A x = O y Bx=O
tienen el mismo conjunto solucin. As, el primer sistema tiene una solucin no
trivial si y slo si lo mismo secumple para el segundo sistema. Pero si los vectores
columna de A y B, respectivamente, son
C],
c2,.
..
cn
c1, c2,.
. . , c:,
entonces por (2) ambos sistemas se pueden volvera escribir como

X,Cl
+ x2c2 +
xlc;
+ x2c; +
'
'
+X$,
'
'
+X$:,
=o
As, (5) tiene una solucin no trivial para xl, x*, . . . , x, si y slo si lo mismo es
cierto para ( 6 ) . Esto indica que los vectores columna de A son linealmente independientes si y slo si lo mismo es cierto para B. Aunque se omitir la demostracin, esta conclusin tambin es d i d a para cualquier subconjunto de los vectores
columna. As, se tiene el siguiente resultado.
Teorema 5.5.5. Si A y B son matrices equivalentes por renglones,entonces

a ) Un conjunto dado de vectores columna de A es linealmente independiente si
y slo si los vectores columna correspondientes de B son linealmente independientes.
b ) Un conjunto dado de vectores columna de A forma una base parael espacio
columna de A si y slo si los vectores columna correspondientes de B forman una base para el espacio columna de B.
El siguiente teorema hace posible encontrar por inspeccin bases para lps
espacios rengln y columna de una matriz en forma escalonada.
314
Espaciosvectorialesgenerales
i Teorema 5.5.6. S
i una
matriz R esfh en ,forma escalonada.entonces los

vectoresrengln con los unos prixipales (rs decir, k m vectnres rengkbc;
dferentes de cero) forman una base para el espaciorengln de N, y L L Y
vectores columna con los unos principales de ios vectores rengln forman u m
base para el espacio columna de R.
Como este resultado es casi evidente cuando se consideran ejemplos numkricos. se

omitir la demostracin; Csta requiere algo ms que el anlisis de las posiciones de
los ceros y los unos de R.
Ejemplo 5 La matriz
R=
I
O
.7
est escrita en forma escalonada. Por el teorema 5.5.6. los vectores

fi
.=[!
-2
o 31
?=[o
1 3
01
rj = 0
o o
forman una base para el espacio renglbn de R, y los vectores
forman una base para el espacio columna de R . A

Ejemplo 6 Encontrar bases para los espacios rengln y columna de
1
A=
2
2
-1
-3
-4
-6
4
9
9
--4
-2
-1
-1
2
4
5
S
2
9
7
-- 5 -. 4
Solucin. Como las operaciones elementales en los renglones no cambian el

espacio rengln de una matriz, es posible hallar una base para el espacio rengln
5.5 Espacio rengln, espacio columna y espacio nulo
1 315
de A determinando una base para el espacio rengln de cualquier forma escalonada de A. ReduciendoA a forma escalonada se obtiene(comprobar)
Por el teorema 5.5.6, los vectores rengln diferentes de cero de R forman una base
para el espacio rengln de R y, por tanto, forman una base para el espacio rengln
de A. Estos vectores bsicos son
',=[I
r,=[O
r,=[O
-2 5 41
O 1 3 -2
-61
O O O 1 51
-3
Teniendo en cuenta que A y R pueden tener espacios columna diferentes, no

es posible encontrar una base para el espacio columna de A directamente a partir
de los vectores columna de R. Sin embargo, por el teorema 5.5.56 se concluye que
si se puede hallar un conjunto de vectores columna de R que formen una base para
el espacio columna de R, entonces los vectores columna correspondientes de A
formarn una base para el espacio columna de A .
Las columnas primera, tercera y quinta de R contienen los unos principales
de los vectores rengln, de modo que
forman una base para el espacio columna de R; as, los vectores columna correspondientes de A , a saber
c, =
[ 11,
-1
j],
%=[ -4
[; I]
-5
forman una base para el espacio columna de A . A

Ejemplo 7 Encontrar una base para el espacio generado por los vectores
316
~ , = ( 2 ,-5, -3, - 2 , 6 ) ,v 3 = ( 0 , 5 ,
v4 = (2, 6, 18, 8, 6 )
vI=(1, -2,0,0,3),
15, l O , O ) ,
Salvo por una variacin en la notacin, el espacio generado por estos

vectores es el espacio rengln de la matriz
Solucin.
1 - 2
o
2 -5
-3
O
5
15
2
6 1 8
3
6
-2
10
8
Reduciendo esta matriz a la forma escalonada se obtiene
I
1
-- 2
O
0
O
O
O
_J
Los vectores rengln diferentes de cero en esta matriz son

WI
= ( l , -2,0,0,3),
w 3 = ( 0 , O , 1, 1,O)
w,=(O, 1 , 3 , 2 , 0 ) ,
Estos vectores forman una base para el espacio rengln y por tanto forman
una base para el subespacio de R5generado por vl, v2, v3 y v4. A
Obsrvese que en el ejemplo 6 los vectores bsicos obtenidos para el espacio
columna de A consistan en los vectores columna de A , pero los vectores bsicos
obtenidos para el espacio rengln de A no eran todos los vectores rengln de A . El
siguiente ejemplo ilustra un procedimiento para encontrar una base del espacio
rengln de unamatriz A que consta completamente de vectoresrengln de A .
Ejemplo 8 Encontrar una base para el espacio rengln de
-;y; ;
-2
A = [
;]
que conste completamente de vectores rengln de A .

Solucin. Se transpondr A , convirtiendo as el espacio rengln de A en el
espacio columna de AT; luego se aplicar el mtodo del ejemplo 6 para encontrar
una base del espacio columna de AT; y luego se transpondr nuevamente a fin de
convertir los vectores columna de nuevo en vectores rengln. Al transponer A se
obtiene
5.5 Espacio rengln, espacio columna y espacio nulo / 31 7
2
-5
O
5
-3
-2
6
15
-2
AT=
o
3
2
6
18
8
6
10
O
Reduciendo esta matriz a forma escalonada se obtiene

O
-5
O
O
O
'-;I
I;]O
O
Las columnas primera, segunda y cuarta contienen los unos principales, de modo
que los vectores columna correspondientes en AT forman una base para el espacio
columna de AT; stos son
c,
-2
Transponiendo denuevoy
vectores bsicos
rl = [ 1
c ~ = l2 i ]
ajustando correctamente la notacin se obtienen los

O
O 31,
r2=[2
-5
-3
-2
61,
Y
r4=[2
18 8 6 1
para el espacio rengln de A . A

Por el teorema 5.5.5 se sabe que las operaciones elementales en los renglones no modifican las relaciones de independencia lineal o dependencia lineal entre
los vectores columna; sin embargo, las frmulas (5) y (6) indican un resultado
incluso ms profundo. Debido a que estas frmulas tienen en realidad los mismos
coeficientes escalares xl, xz, . . . ,xn, se concluye quea
ls operaciones elementales
en los renglones no modifcan l a s frmulas (combinaciones lineales) que relacionan
vectores columna linealmente dependientes.
Se omite la demostracin formal.
Ejemplo 9
a) Encontrar un subconjunto de los vectores
3 IN
que forme una base para el espacio generado por estos vectores.
b) Expresar los vectores que no pertenecen a la base como una combinacin lineal
de los vectores bsicos.
Solucin de u). Se empezar por construir una matriz que tenga a v l , vz, . .
como sus vectores columna:
i~
2
-5
-3
6
T
-2
3
\;
2
-1
4
-7
. , v5
5
"8
1
21
\,
\ ;
\,
\ <
La primera parte del problema se puede resolver encontrando una base para el
espacio columna de esta matriz. Al reducir la matriz a la forma escalonada y
denotar los vectores columna de la matriz resultante por wl, w2, w3, w4 y w5 se
obtiene
i:
1
o
o
1
O
o
1
-1
~1
1
0
Losunos principales aparecen en las columnas 1, 2 y 4, demodo que porel

teorema 5.5.6
w,,w2>w4)
es una base para el espacio columna de (8) y en consecuencia
es una base para el espacio columna de (7)
Solucin de 6). Se empezar por expresar w3 y w5 como combinaciones lineales

de los vectores bsicos w,, w2, w4. La forma ms sencilla de hacer lo anterior es
expresando w3 y wj en trminos de los vectores bsicos que tengan los subndlces
ms pequefios. As, w3 se expresar como una combinacin lineal de w1 y w2, y
5.5 Espacio rengldn, espacio columna y espacio nulo
319
w5 se expresara corno una combinacin lineal de w l , w2 y w4.Por inspeccin de

(S), estas combinaciones lineales son
2w, - W?
wj = w , + w2 + wq
W? =
Las expresiones anteriores se denominan ecuaciones de dependencia. Las

relaciones correspondientes en ( 7 ) son
v3 =
2v,
v5 = v i
V?
+ v2 + vq
El mtodo ilustrado en el ejemplo precedente es tan importante que a continuacin se resumen los pasos:
Dado un conjunto de vectores S -- {vl, v2, . . . , vk} en R" con el s i p e n t e procedimiento se obtiene un subconjunto de estos vectores que forma una base para
lin (S) y expresa losvectoresde
S que no pertenecen a la basecomouna
combinacin lineal de los vectores bsicos.
Paso 1. Formar la matriz A que tiene a vl, v2, . . . , vk como sus vectores
columna.
Paso 2. Expresar la matriz A en su forma escalonada reducida R, y sean wl,
w2, . , wk los vectores columna de R.
, ,
Paso 3. Identificar las columnas que contienen a los unos principales en R. Los
vectores columna correspondientes de A son los vectores bsicos para
lin (S).
Paso 4. Expresar cada vector columna de R que no contenga un uno principal
comocombinacin lineal delosvectores
columna precedentes que
contengan unos principales. (Esto se puede hacer por inspeccin.) As,
se obtiene un conjunto de ecuaciones de dependencia que incluyen a
los vectores columna de R. Las ecuaciones correspondientes para los
vectores columna de A expresan los vectores que no pertenecen a la
base comocombinaciones lineales de los vectores bsicos.

1. Enumerar los vectores rengln y los vectores columna de l a matnz
320
2. Expresar el producto Ax como una combinacin lineal de los vectores c o l m m de A
3. Determinar si b est en el espacio columna de A y, en caso afirmativo, expresar b como

ma combinacin lineal de loa vectores columna de A .
4. Supngase que x, = - 1, x 2 = 2 , x 3 = 4 , x4 = -3 es una solucin de un sistema lineal no

homogeneo Ax = b, y que elconjunto solucin delsistema homogneo Ax = O est
definido por las frmulas
x, = - 3 r + 4s-
x? =
x, = r,
- S,
x4
=S
a) Encontrar la forma vectorial de la solucin general de Ax = O .

b) Encontrar la fonna vectorial de la solucin general de Ax = b.
5. Encontrar la forma vectorial de la solucin general del sistema lineal dado A x = b; luego,
usar el resultado para encontrar la forma vectorial de la solucin general de Ax = O.

a) x I - 3x, = 1
b) x 1 x, 2x, = 5
+ +
2 x I - 6x2 = 2
XI
2x,
C)
+
+
.xI - 2 ~ , X , + 2 x 4 = - 1
2xI - 4x,
2x3 4x, = -2
-x,
2x, - x3 - 2x4 =
1
3x, - 6x, 3x3 6x4 = - 3
+ x, = - 2
+ x, + 3x, = 3
.xI
d)
-2x,
-x1
4x,
+ 2x, 3x3 + x4 = 4
+ x, +2x, + x, = - 1
+ 3x, x3 + 2x, = 3
-
6. Encontrar una base para el espacio nulo deA .

-1
lx,
- 5x4 = -5

7. En cada inciso se proporciona una matriz en forma escalonada. Por inspeccin, Rallar las
bases de los espacios rengln y columna deA .
c)
[: A -;
- :I [" ' :]
5
d)
-7
8. Para las matnces del ejercicio 6, encontrar una base para el espacio rengln de A redu-
ciendo la matnz a la forma escalonada.

9. Para las matnces del ejercicio 6, encontrar unabase para el espacio columna deA .
10. Para las matrices del ejercicio 6, encontrar una base para el espacio rengln de
A que
conste completamente de vectores rengln A

de.
11. Encontrar unabase para el subespacio de I? generado por los vectores dados.
a) (1, 1, -4, -31, (2, O, 2,-21, (2, - 1, 3,2)
(b) ( - 1,1, -2, O), (3,3, 6, O), (9, 0,0,
c) (1, 1, o, O), (0, o, 1, 11, (-2, o, 2,2), (O, -3, o, 3)
12. Determinar un subconjunto de los vectoresque formen una base para el espacio generado
por los vectores; luego, expresar cada vector que no pertenezca a la base como una combinacin lineal de los vectores bsicos.
a)vl=(l,O,l,l), v,=(-3,3,7,1), v,=(-1,3,9,3), v4=(-5,3,5,
-1)
b)v,=(1,-2,0,3), ~,=(2,-4,0,6), v3=(-1,1,2,0), ~,=(O,-l,2,3)
~ ) ~ 1 = ( 1 , - 1 , 5 , 2 )~,, = ( - 2 , 3 , 1 , 0 ) , ~ , = ( 4 , - 5 , 9 , 4 ) , ~ , = ( 0 , 4 , 2 , - 3 ) , ~ , = ( - 7 , 1 8 , 2 , - 8 )
13. Demostrar que los vectores renglnde una mabiz invertible A n X n fomm una base para R".
14. a) Sea
A=[!
i]
y considrese un sistema de coordenadas rectangulares xyz en el espacio tndimensional.

Demostrar que el espacio nulo de A consta de todos los puntos del eje z y que el espacio
columna constade todos los puntos enel plano v.
t1 '
Espacio nulo de A
Y
3)
5.6 RANGO Y N
LQS CUATRO
ESPACIOS
MATRIClALES
FUNDAMENTALES
Si se consideran juntas una matriz A y su transpuesta

espacios vectoriales de intcrds:
espacio rengln de A
espacio colunlna de '4
espacio nulo de .4
A': entonces existen seis
espacio rengln deA T

espacio columna de AT
espacio nulo de A'
Sin embargo, al transponer una matriz sus vectores rengln se convierten en vcctores columna y sus vectores columna se convierten en vectores rengln, de modo
quc, exceptoporuna diferencia en la notacin,el espacio rengln de A T es el
mismo que el espacio columna de A, y el espacio columna de AT es el mismo que
el espacio rengln de "l. As, quedan cuatro espacios vectoriales de inters:
espacio rengln de A
espacio nulo de A
espacio columna de A
espacio nulo de Ai'
Estos se denominan espacios matriciales fundamentales asociados con A . S i A es

una matraz 171 X n. entonces el espacio rengln de A y el espacio nulo de A son
subespdcios de R" y el espacio columna dc A y cl espacio nulo de AT son subespacios dc Km. El objetivo principal en esta seccin es establecer las relaciones
que hay entre las dimensiones de estos cuatro espacios vectoriales.
EL ESPACIO
RENGLN Y EL
ESPACIO
COLUMNA
TIENEN LA
MISMA
DIMENSI~N
En el ejemplo 6 de la seccibn 5.5 se encontr que el espacio rengln y el espacio

columna de la matriy
5.6 Rango y nulidad / 323
tienen, cada uno, tres vectores; es decir, ambos espacios son tridimensionales. NO
es fortuito que estas dimensiones sean iguales; es una consecuencia del siguiente
resultado general.
Teorema 5.6.1. Si A es cualquiermatriz,entonces

espacio columna de A tienen la misma dimensin.
Demostracion.
deduce que
el espacio rengln y el
Sea R la farma escalonada reducida de A.Por el teorema 5.5.4 se
dim(espacio rengln de A)= dim(espacio rengln de R )

y, por el teorema 5 . 5 3 4 se concluyeque
dim(espacio columna de A) = dim(espacio columna de R )

As, la demostracin estar completa si se puede probar que el espacio rengln y el
espacio columna de R tienen la misma dimensin. Pero la dimensin del espacio
rengln de R es el nmero de vectores Merentes de cero y la dimensin del espacio columna de R es el nmero de columnas que contienen unos principales (teorema 5.5.6). Sin embargo, los renglones diferentes de cero son precisamente los
renglones en que aparecen los unos principales, de modo que el nmero de stos y
el nmero de renglones diferentes de cero es el mismo. Esto demuestra que el espacio rengln y el espacio columna de R tienen la misma dimensin. 0
Las dmensiones de los espacios rengln, columna y nulo de una matriz son nmeros tan importantes que existen notacin y terminologa especiales asociadas con
ellos.
RANGO Y
NULIDAD
Definicin. La &mensin comn del espacio rengln y del espacio columna de

una matriz A se denomina rango de A y se denota por rango@); la dimensin
del espacio nulo de A se denomina nulidad de A y se denota por nulidad(A).
Ejemplo 1 Encontrar el rango y la nulidad de la matriz
r-l
14
"9
-4
-4
Solucii:. La forma escalonada reducida de A es

1
O
O
1
-4
-2
-28
-12
O
O
-37
-16
O
O
-:I
71
324
(comprobar). Como existen dos renglones diferentes de cero (o, equivalentemente.

dos unos principales), el espacio rengln y el espacio columna, ambos, son bidimensionales, demodo que rango(A) = 2. Para encontrar la nulidad de A es
necesario determinar la dimensin del espacio solucin del sistema lineal A x = O .
Este sistema se puederesolver expresando la matriz aumentada en la forma
escalonada reducida. L,a matriz resultante es idntica a (l), excepto que contiene
una liltima columna adicional de ceros
y el sistema de ecuaciones
correspondente es
x, - 4x, 28x, 37x, + 13x, = o

x2 - 2x3 - 12x4 - 16x5 + 5x6 = O
"
o bien, despejando las variables principales,
+
,y2 = 2x3 + 12x4 i
.Y,
4 ~ , 28x4 + 37x5 - I ~ x ,
16x5- 5x6
Se concluyeque la solucin general del sistema es
+ 28s + 37t
x2 = 2r + 12s + 16t
X, =
"3
4r
1 3 ~
5u
x4 = S
X$
X6
o bien, de manera equivalente,
+ S
28
12
O
1
37
t l
O
O
O
O
1
-1
16
+U
13
O1
Los cuatro vectores del miembro derecho de (3) forman una base para el espacio
solucin. de modo que nulidad(A) = 4. A
El siguiente teorema muestra que una matriz y su transpuesta tienen el

mismo rango.
I Teorema
5.6.2. Si A es cualquier matriz, entonces rango@) = rango(AT).
Demostracin.
rango(A) = dim(espacio rengln de A )

SOCAT>.
dm(espacio columna de A T ) = ran-
El siguiente teorema establece una relacin importante entre el rango y la

nulidad de una matriz
Teorema 5.6.3. (Teorema de la dimensin para matrices). Si A es una matriz

con n columnas, entonces
TEOREMA DE LA
DIMENSI~N
rungo ( A )
+ nulidad ( A ) = n
Demostracin. Como A tiene n columnas, el sistema lineal homogneo A x = O

tiene n incgnitas (variables), que se clasifican en dos categoras: principales y
libres.
Asl.
nmero de variables
principales
variables libres
Pero el nmero de variables principales es elmismo que el nmero deunos

principales en laforma escalonada reducida deA , que es el rango de A . Por tanto,
nmero de
libres
El nmero de variables libres es igual a la nulidad de A . Esto es as porque la

nulidad de A es la dimensin del espacio solucin de A x = O, que es igual al
nmero de parmetros que hay en la solucin general vase (3), por ejemplo , que
es igual al nmero de variables libres. As,
rango ( A ) + nulidad ( A ) = n
La demostracin del teorema precedente contiene dos resultados importantes

de suyo.
Teorema 5.6.4. Si A es una matriz n X n, entonces:

a) Rango(A)= Nmero de variables principales que hay en la solucin de A s
=
o.
b ) Nulidad(A) = Nzimero de parmeros que hay en la solucin de As = O .
.726
,/'
Espacios vectorides genernics
Ejemplo 2 La matriz
-1
'4 =
-
2
3 - 7
2 - 5
4 -9
O
2
2
2
5 - 3
1
4
o
4
"4
6
"4
1
7
tiene seis columnas, de modo que

rango@) + nulidad@) = 6
Lo anterior es consistente con el ejemplo 1, donde se demostr que rango(A) = 2 y
nulidad@) = 4. A
Ejemplo 3 Encontrar el nmero de parmetros que hay en el conjunto solucin de
A x = O siA es una matriz 5 x 7 de rango 3 .
nulidad(A) = n - rango(A) = 7 - 3 = 4
As, existen cuatro parmetros. A
Ahora supngase que A es una matriz m X n de rango r ; por el teorema
X m de rango r . Aplicando el teore-
5.5.2 se concluye que A T 'es una matriz n

ma 5.6.3 a A y
se obtiene
A
'
nulidad@) = n - r , nulidad(AT)= m - r
a partir de lo cual se deducela siguiente tabla que relaciona las dmensiones de los
cuatro espacios fundamentales de una matriz A de rango r.
(Espacioental
I Espacio rengln d e n
VALOR MXIMO
PARA EL RANGO
Dimensin
Si A es una matriz m x n, entonces los vectores rengln estn en R" y los vectores
columna estn en Rm. Esto signrfica que el espacio rengln de A es cuando mucho
de hmensin n y que el espacio columna de A es cuando mucho de dimensin m.
Como los espacios rengln y columna tiene la m i s m a dimensin (el rango de A ) ,
se debe concluir que si m = n, entonces el rango de A es menor o igual al mnimo
de m y n. Este hecho se indica escribiendo
5.6 Uav1go y nulidad
rango 04) 5 nln ( m ,n )
1'
327
(5)
donde mn(m. n ) denota el menor de los nmeros m y n si m

si m = 11.
n o su valor conin
Ejemplo 4 Si A es una matriz 7 x 4, entonces el rango de A es menor o igual que

4 y, en consecuencia, los siete vectores rengln deben ser
linealmente
dependientes. Si A es una matriz 4 X 7, entonces nuevamente el rango de A es
menor o igual que 4 y. por tanto, 10s siete vectores columna deben ser linealmente
dependientes.
A
SISTEMAS
LINEALES DE m
ECUACIONES
CON n
LNC~GNITAS
En secciones anteriores se obtuvo unaampliagamadeteoremas

relacionados con
sistemas lineales de n ecuaciones con n incgnitas (vase el teorema 4.3.4). Ahora
la atencin se dirigir a sistemas lineales de m ecuaciones cn n incgnitas en los
cuales m y n no necesariamente SQII iguales.
El siguiente teorema establece condiciones en las que segarantiza que un sistema lineal de w z ecuaciones con n incgnitas es consistente.
Demostracin. Basta demostrar las equivalencias

ces por lgica se concluye que a e c.
a
ae
hy b
c. ya que enton-
h . Vase el teorema 5.5.1
h e c. Se demostrar5 que si b a t en el espacio columna de A , entonces los

espacios columna de A y de [..I ' b] son iguales en realidad, a partir de lo cual se
concluir6 que estas dos matrices tienen el mismo rango.
Por definicin. el espacio columna de una matriz es el espacio generado por
sus vectores columna,de modo que los espacios columnade A y de 1
'
4 I b l se
pueden expresar c0m0
Generado { c, , c2, . . . , c, }
generado ( c ,, c2, . . . , c,, b }
respectivamente. Si b est en el espacio columna de A , entonces cada vector

en el conjunto {cl, c2, . . , c,, b } es una combinacin lineal de los vectores en
{c,, c2, . . . , c n } y recprocamente (por qu?). As, por, el teorema 5.2.4, el espacio columna de A y el espacio columna de [A ! b] son iguales.
,
328

b Supngase que A y [A b] tienen elmismo rango Y . Por el teorema 5.4.4,
existe algn subconjunto de los vectores columna de A que forman una base para
el espacio columna de A . Supngase que estos vectorescolumna son
c
. , c:
C ] I c2,.
Estos Y vectores bsicos tambin pertenecen al espacio columna de dimensin r de

[A I b]; por tanto, segn el teorema 5.4.6a, tambin forman una base para el
espacio columna de [A b]. Esto significa que b se puede expresar como una
combinacin lineal de ci,ci,... ,c; , y, en consecuencia, b est en el espacio
columna de A . 0
No es dificil imaginar por qu este teorema es verdadero si el rango de una
matriz se considera como el nmero de renglones diferentes de cero que hay en su
forma escalonada reducida. Por ejemplo, la matriz aumentada del sistema
+ 2x4 = - 4
x, - 2x, - 3x,
-3X,
+7X2-
2x, - 5x2
- 3x,
-3
X,+
X,=
+ 4x,
- 3x, =
+ 6x2 + 9x3 - 6x4 = - 1
es
- -2
-3
2
-3
- .S
-3
--1
4
1
--3
--6
I:J
- 17
que tiene la siguiente forma escalonada reducida (comprobar):
10
O
O
O i O
Debido al rengln
0
se observa que el sistema es inconsistente. Sin embargo, tambin es debido a este

rengln que la forma escalonada reducida de la matriz aumentada tiene menos
renglones cero que la forma escalonada reducida de la matriz de coeficientes. Esto
hace que la matriz de coeficientes y la matriz aumentada del sistema tengan rangos distintos.
Ei teorema de consistencia trata sobre las condiciones en las cuales un sistema lineal Ax = b es consistente para un vector espedfico b. El siguiente teorema tiene que ver con las condiciones en que un sistema lineal es consistente para
todas las elecciones posibles de b.
Teorema 5.6.6. Si A x = b es un sistema lineal de m ecuaciones Con n incognitas, entonces lassiguientes proposiciones son equivalentes.
a ) A x = b es consistente para toda matriz b m X 1.
b ) Los vectores columna de A generan a R".
c) rango(A) = m .
Demostracin. Basta probar las equivalencias a
por lgica se concluye que b e c.
* b y a * c, ya que entonces
a e b. Por la frmula (2) de la seccin 5.5, el sistema A x

como
X,C,
+ x2c2 + . . . + X,C,
b se puede expresar
=b
del cual se concluye que A x = b es consistente para toda matriz b m X 1 si y slo

si b se puede expresar como una combinacin lineal de los vectores columna cl,
c2, . . . , c, o, equivalentemente, si y slo si estos vectores columna generan a Rm.
a e c Por la hiptesis de que A x = b es consistente para toda matriz b m X 1, y
por los incisos a ) y b ) del teorema de consistencia (teorema 5.6.5), se concluyeque
todo vector b en R" est en el espacio columna de A ; es decir, el espacio columna
de A es todo R". As, rango(A) = dim(R'") = m.
c e a Por la hiptesis de que rango(A) = m, se concluyeque el espacio columna de
A es un subespacio de R" de dlmensin m, y debido al inciso 6 ) del teorema 5.4.7,
debe ser todo R". Ahora, porlos incisos a ) y 6 ) del teorema de consistencia
(teorema 5.6.5) se concluye que A x = b es consistente para todo vector b en Rm ,
ya que b est en el espacio columna de A . [7
Se dice que un sistema lineal con msecuaciones que incgnitas es un

sistema lineal sobredeterminado. Si Ax = b es un sistema lineal sobredeterminado
de m ecuaciones con n incgnitas (de modo que m > n), entonces losvectores
columna de A nopueden generar a R" (por qu?); por el ltimo teoremase
concluye que un sistema lineal sobredeterminado A x = b no puede ser consistente
para ningn b posible.
Ejemplo 5 El sistema lineal
x1 - 2x2 = b,
x2 = b,
x, + x2 = b,
x, + 2x2 = b,
x1 + 3x2 = b,
XI -
es sobredeterminado, de modo que no puede ser

consistente para ninguno de IPS
valores posibles de h , , h, b,, 5, y b,. La resolucindel sistema lineal por
climinacin deGauss-Jordan da las condiciones exactas en que el sistema cs
consistente. Se deja para el lector demostrar que la roma escalonada reducida rle
l a matriz aurncntada es
(1
Entonces, el sistema es consistente s i y slo si hi. h,

condiciones
7_h! - 3h2 -5
3 h , -- 4h2
4b, - 5h2
h,
b,. h, y h , satisfacen las
-0
-C
b,%
~=
+ h, = li
o bien, resolviendo este sistema lineal hornogdnco,
donde Y y S son arbitrarios
En la frmula (3) del teorema 5 5.2, 10s escalares c I , c2. . . . ck son

parmetros cualesquiera presentes en las soluciones generales dc A x = h y de A H =
O. As, estos dos sistemas tienen el mismo nmero de parmetros en stus soluciones
generales. Adems, por el inciso h ) del teorema 5.6.4 se concluye que el nimero
de tales parmetros es nulidad(A). Este hecho y el teorema de l a dimensin para
matrices (teorema 5.6.3) conducen a! siguiente teorema.
En secciones anteriores se obtuvo una amplia gama de condiciones

en
las que se garantiza que un sistema lineal homogknel: A H = O de n ecuacioncs
con n incgnitas slo tiene la solucin trivial (vase el teorema 4.3.4.j Con el
siguiente teorema se obtienen algunos resultados correspondientes para sistemas de ecuaciones de m ecuacioraes con p? incgnitas. donde m y n pueden ser
diferentes
Teorema 5.6.8. Si A es una matriz m X n, entonces las siguientes prOpOSiCi0nes son equivalentes.
a ) A x = O slo tiene la solucin trivial.
b ) Los vectores columna de A son linealmente independientes.
c) A x = b tiene cuando mucho una solucin (ninguna o una) para toda matriz
bmxl.
Demostracin. Basta probar las equivalencias a
por lgica se concluye que b e.c.
b y a e c, ya que entonces
a e b. Si cl, c2, . . . , c, son los vectores columna de A, entonces el sistema lineal

A x = O se puede escribir como
X,C,
+ x*c2 +
' ' '
X$,,
(6)
Si cl, c2, . . . , c, son linealmente independientes, entonces la ecuacin anterior se

cumple slo para x1 = x2 = . . . = xn = O, lo cual sigmfica que A x = O slo tiene la
solucin trivial. Recprocamente, si A x = O slo tiene la solucin trivial, entonces
(6) se cumple slo para x1 = x2 =
= x, = O, lo cual significa que cl, c2, . . . , cn
son linealmente independientes.
' '
'
a e c. Supngase que A x = O slo tiene la solucin trivial. Ax = b es consistente o

no lo es. En caso de que no sea consistente, no existen soluciones de A x = b y ya se
ha terminado. Si Ax = b es consistente, sea x. cualquier solucin. Por la
observacin enunciada despus del teorema 5.5.2 y el hecho de que A x = O slo
tiene la solucin trivial, se concluye que la solucin general de A x = b es x. + O =
xo.As, la nica solucin deA x = b es x,,.
Supngaseque A x = b tienecuandomucho una solucinpara toda

matriz b m X 1. Entonces, en particular Ax = O tiene cuando mucho una solucin.
As, A x = O slo tiene la solucin trivial. 0
c e a.
Un sistema lineal con ms incgnitas que ecuaciones se denomina sistema

fineafsubdeterminado. Si Ax = b es un sistema lineal subdeterminado consistente
de m ecuaciones con n incgnitas (de modo que m < n), entonces por el teorema
5.6.7 se concluye que la solucin general tiene por lo menos un parmetro (por
qu?); por tanto, un sistema lineal subdeterminado consistente debe tener inJnidad de soluciones. Adems, si A x = b es cualquier sistema lineal subdeteminado,
entonces los vectores columna de A no pueden ser linealmente independientes (por
qu?); por el teorema5.6.3 se concluye quepara un sistema lineal subdeterminado Ax
= b existe alguna b para la cual el sistema tiene infinidad de soluciones.
OBSERVACI~N. Por el teorema 5.6.3 tambin se concluye que un sistema lineal
homogneo subdeterminado tiene infinidad de soluciones; aunque este hecho ya se
demostr en el captulo 1 (teorema 1.2.1).
332
,/
Ejemplo 7 SiA es una matriz 5 x 7, entonces para toda matriz b 7 x 1 el sistema

lineal Ax = b es subdeterminado. As, A x = b debe ser consistente para alguna b, y
para toda b asi la solucin general debe tener 7 - r parmetros, donde r es el
rango de A. A
RESUMEN
En el teorema 4.3.4 se enumeraron ocho resultados que son equivalentes a la

invertibilidad de una matriz A. Esta seccin concluye agregando ocho resultados
ms a la lista, a fin de obtener el siguiente teorema que relaciona los temas principales que se han estudiado hasta el momento.
Teorema 5.6.9. Si A es una matriz n x n, y si TA:Rn+ R" es la multiplicacin
b ) Ax = O sdlo tiene la solucin trivial.
c) La forma escalonada reducida de A es 1,.
d, A se puede escribir corno un producto de matrices elementales.
e ) A x = b es consistente para toda matriz b n X l .
fi A x = b tiene exactamente una solucin para toda matriz b n x l .
g>det(A) f O .
h) El rango de Zp, es Rn.
I) TA es unoa uno.
j ) Los vectores columna de A son linealmente independientes.
k ) Los vectores rengln de A son linealmente independientes.
0 Los vectores columna de A generan a R".
m ) Los vectoresrengln de A generan a R".
n ) Los vectores columna de A forman una base para R".
o> Los vectores rengln de A ,forman una base para R".
p ) El rango de A es n.
q) La nulidad de A es O .
Demostracin. Por el teorema 4.3.4, se sabe que las proposiciones de la a) a la i )
son equivalentes. Para completar la demostracin se probar que las proposiciones
de l a j ) a la q) son equivalentes a h), al demostrar la sucesin de implicaciones b
*j*k*l*m*n*o*p*q*b.
b * j . Si A x = O slo tiene la solucin trivial, entonces por el teorema 5.6.8 los
vectores columna de A son linealmente independientes.
j * k * 1 * m * n * o. Esto se concluye por el teorema 5.4.5 y el hecho de que
R" es un espacio vectorial de dimensin n. (Los detalles se dejan como ejercicio.)
o
* p . Si los n vectores rengln de A forman una base para R", entonces el espacio
rengln de A es de dimensin n y el rango de A es n.

p
* q. Este hecho se concluye por elteorema de la dimensin (teorema 5.6.3).

q
b. Si la nulidad de A es O, entonces el espacio solucin de Ax = O tiene
dimensin O , lo cual significa que slo contiene al vector cero. Por tanto, Ax = O
slo tiene la solucin trivial. 0
EJERCICIOS DE LA SECCIY 5.6

1. Comprobar que rango(A) = rango(AT).
Id -!I
2. Encontrar el rango y la nulidad de la matriz;luego,comprobar

obtenidos satisfacen la frmula (4) del teorema de la dimensin.
a) A = [ !
d) A
1
4
3 - 2
-1
o
3
-a]
-1
b) A = [ :
5
1
-1
5
6
4
que los valores

1
-1
,-I
-3
2- 5 - 4
-3
-2
7
-2
2 1 3 , ]
c)A=
1
o
'1
3. En cada inciso del ejercicio (2), usar los resultados obtenidos para encontrar el nmero
de variables principales y el nmero de parmetros que hay en la solucin de Ax = O
sin resolver el sistema.

4. En cada inciso, usar la informacin que se proporciona en la tabla para encontrar la
dimensin del espacio rengln de A, del espacio columna de A, del espacio nulo de A y
del espacio nulo de AT.
a)
TamaodeA
Rango de A
b)
2
e)
2
9 x 5
2
d)
8)
5 x 9 6 x32x 3
O
2
4 x3 4x 3
5. En cada inciso, encontrar el valor mximo posiblepara el rango de A y el valor mnimo
posible para la nulidad de A.

a) A es 4 X 4.
b)Aes3
5.
c) A es 5
3.
6. Si A es una matriz m X n, cul es el valor mximo posible para su rango y cul es el

valor mnimo posible para su nulidad? [Sugerencia. Ver el ejercicio 5.1
7. En cada inciso, usar la informacin que se proporciona en la tabla para determinar si el

sistema lineal Ax = b es consistente. En caso afirmativo, escribir el nmero de parmetros que hay en su solucin general.
3 x 3
334
Espaciosvectoriales generares
8. Para cada una de las matrices del ejercicio 7, encontrar l a nulidad de A y determinar el
niunero de parmetros que hay en la solucin general del sistema lineal homogneo Ax
=o
9. ,Quk condicionesdebensatisfacer
sobredeterminado
b , , b,. b,, b, y b, paraque
el sistema lineal
3 , =~ h ;~
= h2
i- X? = 11,
- 4x2 = h,
X --
x1 - 21,
S
.yl
x, + 5
. =~ h,~
sea consistente!
10. Sea
A=
21
22
Demostrar que el rango de A es 2 si y slo si uno o ms de los siguientes determinantes
2,
21
022
23
22
23
es diferente de cero.
11. Supngase que A es una matriz 3 X 3 cuyo espacio nulo es una recta que pasa por el
origen en el espacio tndimensional. Es posible que el espacio rengln o el espacio

columna de A tambin sea una recta que pasa por el origen? Explicar la respuesta.
12. Analizar cmo el rango de A vara con t.
a)A=[; l
;
i
t
t
b)A=[-i
-:
3
-:]
13. Existen valores de r y S para los cuales el rango de
[;y +]
O
sea uno o dos? En caso afirmativo, encontrar los valores

14. Supngase que A es una matnz 3 X 3 cuyo espacio columna es un plano que pasa por
el origen en el espacio tridimensional. Es posible que el espacio nulo sea un plano que
pasa por el origen? Es posible que el espacio rengln sea un plano que pasa por el
origen? Explicar las respuestas.
15. a) Demostrar: Si A es una m a h z 3
5, entonceslos vectores columna de A son
linealmente dependientes.
b)Demostrar:Si
A es unamatriz
linealmente dependientes.
3 , entonces los vectores rengl6n de A son
16. Demostrar: Si A es una matrlz no cuadrada, entonces los vectores rengln de A o los
vectores zolumna de A son linealmentedependientes.
[Sugerencia Ver elejercicio
15.;
17. Usar el resultado del ejercicio 10 para demostrar que el conjunto de puntos (x, y , z) en
R3 para el que l a matriz
tiene rango 1 es la curva con ecuaciones paramtricas x = t, y = 3, z = t 3 .

18. Demostrar: Si k # 0, entonces A y kA tienen el mismo rango
O
-S
COMPLEMENTARIOS
1. En cada inciso, el espacio solucin es un subespacio de R", por lo que debe ser una
recta que pasa por el origen, 'unplano que pasa por el origen, todo R3 o slo el origen.
Para cada sistema, determinar cul es el caso. Si el subespacio es un plano, encontrar
una ecuacin para 1 y si es una recta, encontrar las ecuaciones paramtricas.
d) Ox + O y + Oz = O
b) 2x - 3v +- z == O
c)
x - 2y
7z = O
d) x i 4y 82 = O
6~ - 9 , ~ 32 = O
2x + Sy + 62 = O
-4~+8y+5z=O
2x - 43' 32 = o
-4xt-6.v-2z-O
3X+ y - 4 2 ~ 0
2. Para qu valores de S el espacio solucicn de
+ sx3 = O
x, + sx2 + Xj = O
XI
SXI
x2
x2 i
xj = O
es una recta que pasa por el origen, un plano que pasa por el origen, slo el origen o
todo R3?
- b, a + 26) como una combinacin lineal de (4, 1, 1) y (O, - 1,2).

b) Expresar (3a + b + 3c, -a + 46 - c, 2a + b + 2c) como una combinacin lineal de
(3, - 1 , 2 ) ~ ( 1 , 4 , 1 ) .
3. a) Expresar (4a, a
336 i Espacios vectoriales generales

c)Expresar (2a - h + 4c, 3a
vectores diferentes de cero.
c, 4h
+ c ) como una combinacin lineal de tres
4. Sea W el espacio generado por f = sen x y g = cos x.

a) Demostrar que para cualquier valor de O, f, = sen (x
+ O) y
g, = cos (x
+ O ) son
vectores en W.
b) Demostrar que f, y g, forman una base para W.
= ( 1, 1) como una combillacin lineal de v, = (1, - l), v2 = (3, O), vg =
(2, 1) en dos formas distintas.
b) Demostrar que el resultado del inciso anteriorno viola el teorema 5.4.1.
S. a) Expresar v
6. Sea A una matriz n X n, y sean v , , v2, . . . , vn vectores linealmente independientes en

12" expresados como matrices n X I . Que debe cumplir A a fin de que Av,, Av,, . . . ,
Avn sean linealmente independientes?
7. Una base para Pndebe cor,tener un polinomio de grado k para todo k = O, 1 , 2 , . . . , n?

8. Para efectos de este problema, una "matriz en tablero de ajedrez" se defmir como una
matriz cuadrada A = [ a ..] tal que
II
a,,=
si i + j espar
si i +j es impar
Encontrar el rango y la nulidad de las siguientes matrices en tablerode ajedrez:

Lamatriz 3 X 3 .
b) La matriz 4 X 4 . c) La matriz n X n .
9. Para efectos de este ejercicio, una "matriz en X" se d e f i como una matriz cuadrada
con un nmero impar de renglones y de columnas que contiene ceros en todas partes,
excepto en las dos diagonales, donde tiene unos. Encontrar el rango y la nulidad de las
siguientes matrices en X
11
LO. En cada inciso, demostrar que el conjunto de polinomios es un subespacio de Pn y
encontrar una base paraste.

a) Todos los polinomios en Pntales quep( -x) = p(x).
b) Todos los polinomios en Pn tales quep(0)= O.
11. (Pata quienes ya esfudiaton Cdculo.) Demostrar que el conjunto de todos los
polinomios en Pn que tienen una tangente horizontal en x = O es un subespacio de Pn.
Encontrar una base paraeste subespacio.

12. En algebra lineal avanzada se demuestra el siguiente criterio de determinante para el
rango: El rango de una matriz A es r si y slo si A contiene alguna submatriz r X r
con determinante d$erente de cero y todas las submatrices cuadradas de tamao su-
Ejercicios complementarios / 33 7
penor tienen determinante igual a cero. (Una submatriz de A es cualquier matriz que
se obtiene al eliminar renglones o columnas de A . La matriz A en s tambin se considera como una submatriz de A , ) En cada inciso, aplicar este criterio para encontrar el
rango de la matriz.
13. Usando el resultado del ejercicio 12, encontrar los rangos posibles paralas matrices de
la forma
14. Demostrar: Si S es una base para un espacio vectorial V, entonces para cualesquiera
vectores u y v en V y cualquier escalar k se cumplen las siguientes relaciones:
a)
+ v), = (u), + (v>,.
b) ( W , = k ( q .
"
6.1
PRODUCTOS
INTERIORES
En la seccin 4.1 se defini el producto interior euclidiano sobre R y se us
para extender los conceptos de longitud y distancia al espacio euclidiano n
dimensional. En esta seccin se usarn como axiomas laspropiedades ms
importantes del producto interior euclidiano para definir el concepto general de
producto interior; luego se demostrar cmo los productos interiores se pueden
utilizar para definir las ideas de longitud y distancia en espacios vectoriales
diferentes aR.
PRODUCTOSEnla
INTERIORES
GENERALES
seccin 4.1, elproducto interior euclidiano de dos vectores en R se denot

por u v. En esta seccin ser conveniente introducir la otra notacin (u, v) para
denotar este producto interior. Con esta notacin, las propiedades fundamentales
del producto interior euclidiano enumeradas en el teorema 4.1.2 son precisamente
los axiomas de lasiguiente definicin
Definicin. Un producto interior sobre un espacio vectorial real V es una funcin que asocia un nmero real {u, v) a cada pareja de vectores u y v en V de
forma que los siguientes axiomas se cumplen para los vectores u, v y w en V y
los escalares k.
(1) (u, v > = (v, u)
(2) ( u v, w ) = (u, w )
+ { v, w )
[Axioma de simetra]
[Axioma de ahtividad]
339
340
Espacios con producto interior

(3) ( k u , v ) = k( u, v )
(4) (v, v ) 2 o
donde ( v , v } = O
si y slo si v = O
[Axioma de homogeneidad]
[Axloma de positividad]
Un espacio vectorial real con un producto interior se denomina espacio real con
producto interior.
OBSERVACI~N. En el captulo 10 se estudiarn productos interiores complejos;
es decir, productos interiores cuyos valores son nmeros complejos. Hasta ese
momento se usar la expresin "espacio con producto interior" para indmr que se
trata de un "espacio real con productointerior".
Debido a que los axiomas del producto interior se basan en las propiedades
del producto interior eucliciiano, ste satisface de forma automtica los axiomas;
este es el contenido del siguiente ejemplo.
Ejemplo 1 Si u = ( u l , u2, . . . . un) y v
entonces la frmula
= (vl, vz, . . . , v,J
son vectores en R",
( u , v } = U . v = U ~ U , + U 2 U * + ~ ~ ~ + U , u , '
define a (u, v) como el producto interior euclidiano sobre R". Los cuatro axiomas
del producto interior se cumplen debido al teorema 4.1.2. A
El producto interior euclidtmo es el producto interior ms importante sobre
R". Sin embargo, existen varias aplicaciones en las que resulta conveniente modificar el producto interior euclidiano ponderando sus trminos de manera Iferente.
En pocas palabras. si
son nmeros reales positivos, que se denominarnpesos, y si u = ( u , , u2, . . . , un)

y v = (vl, v2, . . . ,vn) son vectores en R", entonces se puede demostrar (ejercicio
26) que la frmula
define un producto interior sobre R"; se denomina producto interior euclidiano

ponderado con pesos wI, w2, . . . , wn.
Para ver una forma en que puede surgir un producto interior euclidiano
ponderado, supngase que en algn experimento fisico puede obtenerse cualquiera
de n valores numricos
6. I Productos interiores 1 341
y que m repeticiones del experimento producen estos valores con varias frecuencias; es decir, x1 ocurrefi veces, x2 ocurre& veces, etc. Como en total hay m
repeticiones del experimento,
fl
+- f 2 + . . +
fn=m
As, el promedio aritmtico o la media de los valores numricos observados (que
se denota por X) es
x = (f, x ) =
W I f 1x1
+ w 2 f 2 x 2 + . + W,f,X,
' '
OBSERVACI~N. Siempre se supondr que R" tiene el producto interior euclidiano, a menos de que explcitamente se especlfique que tiene algn otro producto
interior. Como se defini en la seccin 4.1, R" con el producto interior euclidiano
se denomina espacio euclidiano n dimensional.
Ejemplo 2 Sean u = (u1, u2) y v = (vl, v2) vectores en R2. Comprobar que el
producto interior euclidmno ponderado
(u, v) = 3 u , u , + 2
u 9 2
satisface los cuatro axiomas de producto interior.

Solucin. Primero, obsrvese que si en esta ecuacin se intercambian u y v, el
miembro derecho permanece igual. Por consiguiente,
Si w = (wl, w2),entonces
con lo que se establece el segundo axioma.
342 / Ffspacioscon producto interior
Luego,
con lo que se establece el tercer axioma

Finalmente,
Resulta evidente que (v, v} = 3v + 2v O. Adems, (v, v} = 3v f + 2v = O si y

slo si v1 = v2 = O , es decir, si y slo si v = (vl, v2) = O. Asi, se cumple el cuarto
axioma. A
LONGITVD Y
DISTANCIA EN
ESPACIOS CON
PRODUCTO
INTERIOR
Antes de analizar ms ejemplosde productos interiores, se har una pausa y se

explicar cmoseusan los productos interiores para introducir los conceptos de
longitud y distancia en espacios con producto interior. Recurdese que en el
espacio euclidiano n dimensional la longitud euclidiana de un vector u = (u1, u2,
. . , un) se puede expresar en trminos del producto interior euclidiano como
l/uil = (u -u)'/?
y la distancia euclidiana entre dos puntos cualesquiera u
(vi,v2, . . . . vn) se puede expresar como
d(u, v)
= /Iu - v i / =
[(u - V ) . ( r r "
= (u1,
u2, . . . , un) y v
v)]':
[Vanse las frmulas (1) y (2) de la seccin 4.1 .] Tomando como motivacin estas
frmulas, se hace la siguiente definicin
Definicin. Si V es un espacio con producto interior, entonces la norma (o

longitud) de un vector \\u!/en V se denota por u y se define como
!bI! = (u, u)1'2

La distancia entre dos puntos (vectores) u y v se denota por d(u, v) y se define
como
X(u, v) = /u
- VI/
Ejemplo 3 Si u = (u,: y2, . . . , U,,) y v = (v,, v2, . . . , vn) son vectores en R3 con el
producto interior euchdlano, entonces
-___
/lul/= (u,
U)I'*
= ( u . u)1/2 = f l u ;
' '
+ u;
6.1 Productos interiores / 343
Y
d(u, v) = //u- VI/ = (u - v, u
=
V(U,-
Ul)2
+ (u*
v)l2
u2)2
= [(u - v ) . (u - v ) y
. + (u,
- u,)l
Obsrvese que las expresiones anteriores son simplemente las frmulas estndar
para la norma y la distancia euclidianas que se analizaron en la seccin 4.1 [vanse las frmulas (1) y (2) de esa seccin.] A
Ejemplo 4 Es importanteteneren
mente quelanorma
y la distanciadependen del producto interior que se est usando. Si se cambia el producto interior, entonces tambin cambian las normas y las distancias entre vectores.
Por ejemplo, para los vectores u = (1, O) y v = (O, 1) en R2 con el producto interior euclidiano se tiene
11u11 = v?TT
Y
d(u, v) = I/u- VI/ = /1(1,
1)/1=
v
,
mv5
=
Sin embargo, si se cambia al producto interior euclidiano ponderado

(u,v ) = 3U,U, + 2u,u,
entonces se obtiene
//u//
= (u, u) = [ 3(1)(1)
+ 2(0)(0)]12 = fi
Y
d(u, v)
= //u
- V I / = ((1,
l),(l,
1))12
= [ 3 ( 1 ) ( 1 ) + 2 ( - 1 ) ( - 1 ) ] ~ 2 = ~A
CIRCUNFERENCIAS Y ESFERAS
UNITARIAS EN
ESPACIOS CON
PRODUCTO
INTERIOR
Si Ves un espacio con producto interior, entonces el conjunto de puntos en V que

satisfacen
I I ~ I I= 1
se denomina egera unitaria o algunas veces circunferencia unitariaen
y R3, estos son los puntos cuya distancia al origen es igual a l.
I/.
En R2
Ejemplo 5
a) Trazar la circunferencia unitaria en un sistema de coordenadas en R2 usando el producto interior euclidiano (u, v) = ulvl + u2v2.
b) Trazar la circunferencia unitaria en un sistema de coordenadas xyz en R3 usando el producto interior euclidiano ponderado (u, v) = $ ulvl + $ u2v2.
Solucin de u). Si u = (x, y),entonces llull = (u, u ) ~= ~
,/-,
de modo que
la ecuacin de la circunferencia unitaria es ,/- = 1 o bien, elevando al cuadrado ambos miembros,
344 i Espacios con producto interior
Como se esperaba, la grfka de esta ecuacin es una circunferencia de radio 1 con

centro en el origen (figura la).
t"
Figura 1
Circunferencia unitaria con norma
Circunferencia unitariacon
norma 11u11=
Solucin de 6).
Si u = (x, y), entonces 1 /u/

j = (u, u)li2 = ,/+x2 +$y2 , de modo
que la ecuacin de la circunferencia unitaria es
6-7
Lx2 + l y 2 = 1 o bien, elevando
al cuadrado ambos miembros,

x2
y2
-+"=1
9
4
La grfica de esta ecuacin es la elipse que se muestra en la figura 16. A

Serarazonableque
el lectorsesienta
incmodo conlosresultados
obtenidos en el ltimoejemplo.Auncuandolasdefinicionesdelongitud
y
distancia se reducen a las definiciones estndar cuando se aplican a R2 con el
producto interior euclidiano, es necesario recurrir a la imaginacin para pensar que l a "circunferencia" unitaria tiene forma elptica. Sin embargo, aunque
los productos interiores no estndar distorsionan los espacios conocidosy conducen a valores extraos de longitudes y distancias, muchos de los teoremas
bsicosde la geometraeuclidianaansonvlidosenestosespacios
poco
comunes. Por ejemplo, es un hechobsico de la geometra euclidiana es que la
suma de las longitudes dedos de los lados de un tringulo es por lo menos tan
grande como la longitud del tercer lado (figura 2a). Despus se ver que este
resultado se cumple en todos los espacios con producto interior, sin importar
cun poco comnpuedaser
el productointerior. Como otroejemplo, recurdese el teorema de la geometra euclidiana que establece que la suma de
los cuadrados de las diagonales de un paralelogramo es iguala la suma de los
cuadrados de los cuatro lados (figura 26). Este resultado tambin es vlido en
todos los espacios con producto interior, sin importar cul

terior (ejercicio 20).
a)
Figura 2
PRODUCTOS
INTERIORES
GENERADOS
POR MATRICES
1 " + V/I
sea el producto in-
b)
/1u/1+ b'l/
Ilu + V/12 + l/u- V / l 2 = 2(/lu1I2+ /lV1l2)
El producto interior euclidiano y el producto interior euclidiano ponderadoson

Casos especiales de una clase general deproductos interiores sobre R", que se
describirn a continuacin. Sean
U=
[q
v = [ q
un
Un
vectores en R" (expresados como matrices n X l), y sea A una matriz invertible n
x n. Sepuede demostrar (ejercicio30) que si uv
es el producto interior
euclidiano sobre R", entonces la frmula
u
u, v) = Au .Av
define un producto interior; se llama producto interior sobre R" generado por A .
Si se recuerda que el producto interior euclidiano u v puede escribirse como
el producto matricial v'u [vase (7) en la seccin 4.11, se concluye que otra forma
de escribir (3) es
(u, v ) = (AV)T'4U
Ejemplo 6 El producto interior sobre R" generado por la matriz identidad n

es el producto interior euclidiano, ya que al sustituir A = I en (3) se obtiene
(u, v) = Iu.Iv
= u.v
El producto interior euclidiano ponderado (u, v) = 3ulvl + 2 3 v 2 que se analiz6,en

el ejemplo 2 es el producto interior sobre R2 generado por
346
Espaciosconproducto interior
debido a que al sustituir esta matriz en (4) se obtiene
= 3u,u,
+ 2u2u2
En general, el producto interior euclidiano ponderado

{u, v ) = "IU1L'!
+ W7U2U2 f
' '
+ W,U,U,
es el producto interior sobre R" generado por
A-
1 0
.
\$O
0 1
(comprobar). A
En los siguientes ejemplos se describirn algunos productos interiores sobre
espacios vectoriales Qferentes a R".
Ejemplo 7 Si
son dos matrices cualesquiera 2 X 2, entonces la siguiente frmula define un producto interior sobre M22 (comprobarlo):
Por ejemplo, si
entonces
( U , V ) = 1( - I )
+ 2(0) + 3(3) + 4(2) = 16
6. I Productos interiores / 347
Ejemplo 8 Si
p = a.
+ a,x -1 u2x2
and
q = bo + b,x
+ b2x2
son dos vectores cualesquiera en P,, entonces la siguiente frmula define un

producto interior sobre P, (comprobar):
( P >S > = aobo + a,b, + 4 9
La norma del polinomio p con respecto a este producto interior es

llPll = (P, P Y
VGF2-G
y la esfera unitaria en este espacio consta de todos los polinomios p en P, cuyos

coeficientes satisfacen la ecuacin I I pI I = 1, que elevada al cuadrado queda como
Ejemplo 9 (Para quienes y a estudiaron Clculo). Sean f = A x ) y g

funciones continuas en C [a,b ] ,y se define
= g(x)
dos
Se demostrar que esta frmula define un producto interior sobre C [a, 61 al

comprobar los cuatro axiomas de producto interior para las funciones f =Ax), g =
g(x) y S = s(x) en C [a,b]:
b
(1)
(f9
g) =
i,
f ( x M 4 dx =
g(x)f@) dx = (g, f )
lo cual demuestra que se cumple el axioma l .
I,
(2) ( f + g,
S)
cf(x> + g(x))s(x) dx
I,
f ( x > W dx
= (f, S > + (g, S >
g(x)s(xl dx
348 / Espacios con producto interior
esto demuestra que el axioma 2 es vlido.

(3) ( k t g >=
j6
m)g(X)
dx = k
Jab
f(n)g(x)dx
= k(f, g)
con lo que queda demostrado que se cumple el axioma 3 .

(4) Si f =Ax) es cualquier funcin en C [a, b ] ,entoncesf(x) 2 O para todo x en
[a,b ] ;por consiguiente,
Adems, debido a que$(x) 2 O y f =Ax>es continua sobre la, 61, se concluye que 1,fZ(x)dx = si y slo si Ax) = O para todo x en [ a , 61. Por tanto,
se tiene que (f, f ) = 1, fZ(x>dx = O si y slo si f = O . As se demuestra que se
cumple el axioma 4. A
Ejemplo 10 (Para quienesya esfudiaron Clculo). Si C [a,b ] tiene el producto
interior definido en el ejemplo precedente, entonces la norma de una funcin f =
Ax) con respecto a este producto interior es
y la esfera unitaria en este espacio consta de todas las funciones f en C [a, b ] que
satisfacen la ecuacin llfll= 1, que cuando se eleva al cuadrado queda como
lUbf2(x)dx = 1
(Para quienes y a estudiaron Clculo). Como los polinomios

sonfuncionescontinuas sobre (-m, m) entoncessoncontinuassobrecualquier intervalo cerrado [a, 61. As, para todos estos intervalos el espacio vectorial P, es un subespacio de C [a, bj, y la frmula (6) define un producto interior sobre P,.
OBSERVACI~N.
OBSERVACI~N. (Para quienes y a estudiaron Clculo). Recordar que en Clculo

la longitud de ara de una curva y =Ax) sobre un intervalo [a,b] est definida por la
frmula
Este concepto de longtud de arco no se debe confundir con Ilfll, que es la longitud
(norma) de f cuando f se considera como un vector en C [a,b].Las frmulas (7) y
(8) son bastante diferentes.

ALGUNAS
PROPIEDADES
DE LOS
PRODUCTOS
INTERIORES
En el siguiente teorema se enumeran algunas propiedades algebraicas bsicas de

los productos interiores.
Teorema 6.1.1. Si u, v y w son vectores en un espacio real con producto interior y k es cualquier escalar, entonces:
a ) (O, v) = (v, O ) = O
b) (u, v + w ) = (u, v)+ (u, w)
c) (u, kv) = k( u, v)
d ) ( u - v, w ) = (u, w) - (v, w )
e) (u, v - w ) = (u, v) - (u, w )
I
Demostracin. Se demostrar el inciso 6) y la demostracin de los dems incisos se deja como ejercicio.
(u, v + w )
=
=
=
(v + w, u)
(v, u) + (w, u )
(u, v) + (u, w )
[por simetra]
[por aditividad]
p o r simetra]
El siguiente ejemplo ilustra d m o se pueden usar el teorema 6.1.1 y las propiedades que definen los productos interiorespara efectuar clculos algebraicos con stos.
A medida quese estudie el ejemplo,
ser instructivo que el lector justifiquepasos.
los
Ejemplo 11
( u - ?v, 3u + 4v)
(u, 3u + 4v) - (2v, 3u + 4 v )

= (u, 3u) + (u, 4v) - (2v, 3u) - (2v, 4v)
= 3(u, U)
4( U, V ) - 6 ( ~ , U 8) ( ~V),
= 311~11~
+ 4(u, V )- 6 ( ~V,) - 8 ( ( ~ / ( ~
=
3(lu112- 2(u, V ) - 811vI12 A
Como el teorema 6. l.1 es un resultado general, se tiene la garanta de que se

cumple para fodos los espacios reales con producto interior. Este es el verdadero
poder del desarrollo axiomtico de los espacios vectoriales y los productos interiores: un slo teorema demuestra una multitud de resultados de una vez. Por ejemplo, sin necesidad de ninguna demostracin adicional se tiene la garanta de que
las cinco propiedades dadas en el teorema 6.1.1 son verdaderas para el producto
interior sobre R" generado por cualquier matriz A [frmula (3)]. Por ejemplo, para
este producto interior se comprobar el inciso b) del teorema 6. l . 1 :
(u, v + w )
(v + w)TATAu
+ wT)ATAu
[Propiedad de la transpuesta]
= (V'A~AU)
+ (w'A 9 ~ )[Propiedad de la multiplicacinde matrices]
=
= (VT
= (u, v)
+ (u, w )
350
Ser instructivo para el lector comprobar los dems incisos del teorema 6.1.1 para
este producto interior.

1. Sea (u, v) el producto interior euclidiano sobreR2, y sean u = (3, -2), v = (4, 5),
w=(-1,6)yk=-4,Encontrar
a) (u, v ) = (v, U )
d)(ku,v)=k(u,v)=(u,kv)
b)(u+v.w)=(u,w)+(v,wj
e) (O.v}=(v,O)=O
(c) ( I I , V + W ) = ( U , V ) + ( U , W )
2. Repetir el ejercicio 1 para el producto interior euclidiano ponderado (u, v)

5U2V2.
= 4u,v,
3. Calcular (u, v) usando el producto interior del ejemplo 7
4. Calcular (p, q) usando el producto interior del ejemplo 8.

a) p = - 2 + x + 3 x 2 ,
q=4-7x2
b) p = - 5 + 2 x + x 2 ,
5. a) Usando la frmula (7), demostrar que (u, v) = 9u,vl
q=3+2x-4x2
+ 4u2v2 es el producto interior
sobre R2 generado por
b) Con el producto interior del inciso a), calcular (u, v) si u = (-?,2) y v = ( I , 7).
6 a) 7Jsar la frmula (3), para demostrar que (u, v) = Su,vi
- u,v2 - u2vl + 10u2v2es el
producto interior sobre R2 generado por
b) Usando el producto interior del inciso a), calcular (U, v) si U = (o, -3) y v = (6,2).
7. Sean u = ( u , , u2) y v = ( Y , , v2). En cada inciso, la expresin dada es un producto in-
terior sobre R2. Encontrar una matriz que lo genere.

a) (u, v ) = 3u,u, + 5u2u2
b) ( u , v ) = 4u,u, + 6 u p 2
8. Sean u = (U,, U*) y v = (v,,v2). Comprobando que se cumplen los axiomas de producto in-
terior, demostrar que las siguientes expresiones definen productos interiorcs sobreR2.
a) (u. v ) = 3u,u, + 5 1 y 2
b) ( U , v ) = 4u,u, + u2ul + u l u 2 + 4u:Uz
9. Sean U = ( u , , u2, u2) y v = (v,, v , vJ. Determinar cules de las siguientes expresiones
son productos intenores sobre RS . Para las que no 10 sean, enumerar 10s aXiomas que
no se cumplen.

a) ( uv,)
C) ( U , V )
+ u3u3
= ~ u , u+, u2u2 + ~ u , u ,
= ulul
b) (u, v ) = .:u: +
+ U$:
d ) ( U , V ) = u I u I - u2u2 + ~ 3
10. En cada inciso, usando el producto interior sobre

R2, encontrar llwll donde w = (- 1, 3 ) .
a) El producto interior euclidiano.

b) El producto interior euclidiano ponderado (u, v) = 3u,v, 4- 2u2v2,donde u = (u,, u2)
Y v = (VI > v,).
c) El producto mterior generado por la matriz
A = [ -1
'1
3
11. Con los productosinteriores del ejercicio 10, hallar

d(u, v) para u = (- 1,2) y v = (2,5).
13. SeaMz2con el producto interior del ejemplo 7. En cada inciso, encontrar lv11.
14. Sea P, con el producto interior del ejemplo 8. Hallar d(p, 9).
p = 3 - x q+=x 2* +, 5 x *
15. SeaMZ2con el producto interior del ejemplo 7. Encontrar d(A, B).
16. Supngase que u, v y w son vectores tales que

(u, v ) = 2,
(v, w ) = -3, (u, w)
= 5,
I I ~ I I= 1,
IIVII = 2,
llwll= 7
Evaluar la expresin dada.

a) ( u + v , v + wb) ) ( 2 ~ - ~ , 3 ~ + 2 ~ )
4 IIU + VI1
e) I12w
vll
C)
f)
(u-v-~w,~u+v)
j l u - 2v + 4w/l
17. (Para quienes ya estudiaron CcUCurO). Sea el espacio vectorial P, con el producto
interior
( P, 9 ) =
J: p(x)q(x)
dx
a) Determinar llpll para p = 1, p = x y p = 2. b) Encontrar d(p, q) si p = 1 y q =x.
18. Trazar la circunferencia unitaria en R2 usando el productointerior dado.

b) ( u , v ) = 2u,u, + u2u2
a) ( u , v ) = $u,u, + &u2u2
19. Encontrar un producto interior euclidiano ponderado sobre R2 para el cual la circunferencia unitaria sea la elipse que se muestra en la figura 3 .
352
1'
"c">ii
Figura 3
20. Demostrar que la siguiente identidad se cumple para vectores en cualquier espacio con
producto interior.
+ VI/* + //u
//u
- V/IZ
+ 21jv112
= 2//U1l2
21. Demostrar que la siguiente identidad se cumple para vectores en cualquier espacio con
producto interior.
(u, v ) = +l/u + vil2 - allu - vil2
22.
Demostrar que (U,
= u l v l + u2v3 + u3v2+ u4v4 no
es un producto interior sobre M2,.
23. Sean p = p ( x ) y q = q(x) polinomios en P,. Demostrar que
(P?9 ) =p(O)q(O)+ P ( M % )+p(l)q(l)

es un producto interior sobre P,
24. Demostrar: Si (u, v) es un producto interior euclidiano sobre R" y si A es una matnz n
X n, entonces
(u, .4v) = ( A T U , V )
[Sugerencia Usar el hecho de que (u, v) = u . v = vTu.]
25. Comprobar el resultado del ejercicio 24 para el producto interior euclidiano sobre R3 y
26. Sean u = (u1, u,,
. . , un)y
v = (y1, v2, . . . , v,). Demostrar que
( u , v ) = W I U I U ,+ W2U2U*
' ' '
+ w,u,u,
es un producto interior sobre R" si wl, w2,. . . , w n son nmeros reales positivos.
27.
calcular (p, q) para los vectores p = p ( x ) y q = q(x) en P3.

a) p = 1 - x + x x z + 5 x 3
q=x-3x2
b)p=x-5x3
q =2
+ 8x2
6.2 ngulo y ortogonalidad en espacios con producto interior / 353

28. (Para quienes ya estudiaron C6lculo). En cada inciso, usarel producto interior
(f, g) =
Io1
f(x)g(x) dx
para calcular (f, g) de los vectores f =Ax) y g = g(x) en C [O, 11 .

b) f = x , g = e "
a) f = c o s 2 mg,= s e n 2 m
Tr
C)
f = t a n -4x ,
g= 1
29. Demostrar que el producto interior delejemplo 7 sepuede escribir como (U,
tr( U%).
30. Demostrar que la frmula (3) define un producto interior sobre R". [Sugerencia Usar
la otra versin de la frmula (3), definida por (4).]

31. Demostrar que la matriz (5) genera el producto interior euclidiano ponderado
(u, v ) = w l u l u l
+ w2u2u2 +
'
'
+ wu,u,,
sobre R".
32. Demostrar los incisos a) y d)del teorema6. l. l.

33. Demostrar los incisos c) y e ) del teorema 6. l. l.
6.2 NGULO Y ORTOGONALIDAD ENESPACIOS CON
PRODUCTO INTERIOR
En esta seccin se definir el concepto de ngulo entre dos vectores en un espacio con producto interior, y esta idea se usar para obtener algunas relaciones
bsicas entre vectores en un espacio con producto interior, incluyendo una relacibn geomtrica fundamental entre el espacio nulo y el espacio columna de una
matriz.
DESIGUALDAD
DE CAUCHYSCHWARZ
Recurdese por la frmula (1) de la seccin 3.3 que si u y v son dos vectores diferentes de cero en R2 o en R3 y 8 es el ngulo entre estos vectores, entonces
u v
= llull llvll cos
(1)
o bien, de otra manera,

cos
o = - u.v
llull llvll
En el primer objetivo de esta seccin es definir el concepto de ngulo entre

dos vectores en un espacio general con producto interior. Para que la definicin
sea razonable, sera bueno que fueseconsistente con la frmula (2) cuando se aplique al caso especial de R2 y R3 con el producto interior euclidiano.A s , se quiere que
la definicin del ngulo 8 entre dos vectores diferentes de cero en un espacio con
producto interior cumpla la relacin
354
Espacios con producto interror
Sin embargo, debido a que /cos 8 1 5 1, no hay ninguna posibilidad de que ( 3 ) se

cumpla, a menos de que se tenga la certeza de que toda pareja de vectores diferentes de cero en unespacio con producto interior satisface la desigualdad
Afortunadamente ser posible demostrar que as es, usando la siguente generali

zacin del la desigualdad de Cauchy-Schwarz (vase el teorema 4.1.3).
Teorema 6.2.1, Desigualdad de Cauchy-Schwarz). Si u y v son vectores en un

espacio real con producto interior, entonces
Demostracin. De antemano se advierte a lector que la demostracin aqu

presentada depende de una argucia sutil que no es fcil motivar. Si u = O, entonces
(u. v) = (u, u) = O, de modo que los dos miembros de (4) son iguales. Supngase
ahora que u f O . Sean a = (u, u), b = 2(u, v). c = (v, v) y sea t cualquier nmero
real. Por el axioma de positividad, el producto interior de cualquier vector consigo
mismo siempre es positivo. Por consiguiente,
o 5 ((tu + v), (tu + v ) ) = (u, u ) t 2 + 2(u, v)t + ( v , v )

=
at2
+ bt + c
Esta desigualdad indica que el polinomio cuadrtico at2 + bt + c no tiene races

reales o tiene una raz real repetida. En consecuencia, su discriminante debe satisfacer la desigualdad b2 - 4ac 5 O. Expresando los coeficientes a, b y c en trmiv) 5 O o bien, de manera
nos de los vectores u y v se obtiene 4(u, v) - 4(u,,.()U
cquivalente,
5
(u,
( u , u ) ( v v, ?
Extrayendo raz cuadrada a ambos miembros y aplicando el hecho de que (u, u)

y (v. v) son no negativos se obtiene
l(u, v)l
5: (u,
u)2(v,
I(K
v)l
llull llvll
Y)?
6.2 Angulo y ortogonalidad en espacios con producto interior / 355
con lo que se completa la demostracin.
Para referencia, se observa que la desigualdad de Cauchy-Schwarz se puede

escribir de otras dos formas:
p T Z K T - 1
m[
(5)
(6)
La primera de estas frmulas se obtuvo en la demostracin del teorema 6.2.1, y la

segunda se obtiene de la primera aplicando
el hecho de que llull2 = (u, u)y
llV1l2 = (v,v).
Ejemplo 1 La desigualdad de Cauchy-Schwarz para R" (teorema 4.1.3) se concluye como un caso especial del teorema 6.2.1 tomando a (u, v) como el producto
interior euclidiano u v. A
PROPIEDADES
DELA
LONGITUD Y LA
DISTANCIA EN
ESPACIOS CON
PRODUCTO
INTERIOR
Losdos teoremas siguientes demuestran que las propiedades bsicas de la longitud

y la distancia establecidas en los teoremas 4.1.4 y 4.1.5 para vectores en el espacio
euclidiarro n dimensional son vlidas en espacios generales con producto interior.
Este hecho es una evidencia deque las definiciones de producto interior, longitud
y &stancia estn bien elegidas.
Teorema 6.2.2. Si u y v son vectores en un espacio V con producto interior y

si k es cualquier escalar, entonces:
a)
llull 2 0
b) llull = O si y slo si u = O
c ) llkull = Ikl llull
d ) I ~ u + 5 ~~u~~
+ Ilvll (Desigualdad del tringulo)
~~~~
Teorema 6.2.3. Si u, v y w son vectores en un espacio V con producto interior

y si k es cualquier escalar, entonces:
a)
b)
c)
d;
d ( u , v2
) O
d(u,v)=Osiyslosiu=v
d ( u , v )= d(v, U )
d ( u ,V ) 5 d(u, W ) + d ( w , v ) (Desigualdad del tringulo)
Se demostrar el inciso d) del teorema 6.2.2 y la demostracin de los dems incisos de este teorema, as como la demostracin del teorema 6.2.3, se dejan como
ejercicio.
Demostracin del teorema 6.2.2d Por definicin,

llu
VI12 =
(u
+ v, u + v )
(u, u ) + 2(u, v )
(u, u )
+ (v, v )
+ 2/(u, v)l + (v, v )
l l ~ l l l l ~ (v,
l l +v>
= llU1l2 + 2llull I b ! l + 11vIl2
(u, u >+ ~
= (llull
[Propiedaddel valor absoluto]
[~or(4)1
+ /lv11)2
Extrayendo raz cuadrada se obtiene
l b + VI1 Illull + llvll 0

NGULO ENTRE
VECTORES
A continuacin se mostrar cmo se puede usar la desigualdad de Cauchy-
Schwarz para definir hgulos en espacios generales conproducto interior. Supngase que u y v son vectores diferentes de cero en un espacio V con producto interior. Si ambos miembros de la frmula (6) se dividen entre llull llvll se obtiene
',
Luego, si 8 es un ngulo cuya medida en radianes vara de O a x, entonces cos 8

asume todos los valores entre - 1 y 1 (inclusive) exactamente una vez (figura 1).
As, por (7) existe un h g d o 8 nico tal que
Se define a 8 como el ngulo entre u y v. Obsrvese que en R2 o en R3 con el producto interior euclidiano, la expresin (8) concuerda con la frmula usual para el
cosen3 del ngulo entre dos vectoresdiferentes de cero frmula (2).
6.2ngulo y ortogonalidad en espacios con producto interior / 357

Ejemplo 2 Sea R4 con el producto interior euclidiano. Encontrar el coseno del
ngulo 0 entre los vectores u = (4, 3, 1, -2) y v = (-2, 1, 2, 3).
Solucin.
Se deja para el lector comprobar que

I(u(/=
m,
jlvll =
m,
( u , v ) = -9
de modo que
cos
o = -(u,
- v)
II~IIIIVII-
ORTOGONALIDAD
mm
"
2 f i
El ejemplo 2 esen esencia un ejercicio matemtico, ya que hay relativamente poca

necesidad de encontrar ngulos entre vectores, excepto en R2 o en R3 con
el
producto interior eucli&ano. Sin embargo, un problema de importancia capital en
todos los espacios con producto interior es determinar si dos vectoresson
ortogonales; es decir, si el ngulo entre ellos es 0 = n/2.
Por (8) se concluyeque si u y v son vectoresdferentes de cero en un espacio
con producto interior y 0 es el ngulo entre ellos, entonces cos 0 = O si y slo si (u,
v) = O. De manera equivalente, para vectores diferentes de cero se tiene 0 = n/2 si
y slo si (u, v) = O. Si por acuerdo se considera el ngulo entre u y v como n/2
cuando uno de los vectores es O o ambos vectores son O, entonces se puede afirmar
sin excepcin que el ngulo entre u y v es n / 2 si y slo si (u, v) = O. Este hecho
sugiere la sigwente definicin.
Definicin. Dos vectores u y v en un espacio con producto interior se denominan ortogonales si (u, v) = O.
Obsrvese queen el caso especial en que (u, v) = u v es el producto interioreuclidiano sobre R", la definicin anterior se reduce a la definicin de ortogonalidad en el espacto euclidlano n dunensional proporcionadaen la seccin4. l. Tambin se hace notar
que la ortogonalidad depende del producto interior; dos vectores pueden ser ortogonales
con respecto a un producto interior pero pueden no serlo con respecto a otro.
Ejemplo 3 Si M,, tiene el producto interior del ejemplo 7 de la seccin
precedente, entonces las matrices
son ortogonales, ya que

( U , V ) = 1(O)
+ O(2) + 1(O) + 1(O) = O
Ejemplo 4 (Para quienes y a estudiaron Clculo). Sea Pz con el productointerior

y sea
p=x,
q=x2
Entonces
Debido a que (p, q) = O, los vectores p = x y q = x2 son ortogonales con respecto al

producto interior dado. A
En la seccin 4.1 se demostr el teorema de Pitgoras para vectores en el
espacio euclidiano de dimensin n. El siguiente teorema ampla este resultado a
vectores en cualquier espacio con producto interior.
Teorema 6.2.4. (Teorema de Hfgoras generalizado). Si u y v son vectores
ortogonales en un espacio con producto interior, entonces
IlU + V I 2 = lIU1l2
Demostracin.
+ llv112
La ortogonalidad de u y v indica que (u, v) = O, de modo que
Ejemplo 5 (Para quienes ya estudiaron Clculo). En el ejemplo 4 se demostr

que p = x y q = x2 son ortogonales con respecto al producto interior
sobre P2. Por el teorema de Pitgoras se concluye que

IIP + 9!12= llP112 + 1I41l2
As, por los clculos en el ejemplo 4 se tiene
Este resultado se puede comprobar porintegracin directa:
COMPLEMENTOS Si Ves un plano que pasa por el origen de R3 con el producto interior euclidianc,
entonces el conjunto de todos los vectores que son ortogonales a cada vector en V
ORTOGONALES
forman la recta L que pasa por el origen y es perpendicular a V (figura 2). En
trminos de lgebra lineal, se dice que la recta y el plano son complementos
ortogonales entre s. La siguiente definicin ampla este concepto a espacios
generales con producto interior.
Figura 2
todo vector en V .
Definicin. Sea W un subespaciode un espacio V con producto interior. Se

dice que un vector u en Ves ortogonal a W si es ortogonal a todo vector en W,
y el conjunto de todos los vectores en V que son ortogonales a W se denomina
complemento ortogonalde W.
Recurdeseque en geometra elsmbolo I seusa para indicar perpendicularidad. En lgebra lineal, el complemento ortogonal de un subespacio IV se
denota por W*(que se lee como " W perpendicular"). En el siguiente teorema se
enumeran las propiedades bsicas de los complementos ortogonales.
Teorema 6.2.5. Si W es un subespacio de un espacio V de dimensin finita con
producto interior, entonces
a ) W' es un subespacio de V.
b ) El nico vector comn a W y WL es O .
c ) El complemento ortogonal de WL es W; es decir, (WL)I
= W.
360
Espaciosconproducto interior
Se demostrar el inciso a ) , y la demostracin de los dems incisos se deja como

ejercicio.
Demostracin de a).Primero obsrvese que (O, w) = O para todo vector w en W , de
modo que WLcontiene por lo menos al vector cero. Se quiere demostrar que WLes
cerrado bajo la adicin y la multiplicacin escalar; es decir, se quiere demostrar
que la suma de dos vectores en WL es ortogonal a todo vector en W y que cualquier
mltiplo escalar de un vector en W" es ortogonal a todo vector en W. Sean u y v
dos vectores cualesquiera en W L , sea k cualquier escalar y sea w cualquier vector
en W. Entonces por la definicin de W" se tiene (u, w) = O y (v, w) = O. Usando
las propiedades bsicas del producto interior se tiene
(u+v,w)=(u,w)+(v,w)=0+0=0
(ku, w ) = k(u, w ) = k(0) = o
lo cual demuestra que u + v y ku estjn en W" .
Debido a que por el inciso c ) del teorema precedente W y W'- son

complementos ortogonales entre s, se dir que W y WL son complementos orto-
OBSERVACI~N.
gonales.
El siguente teorema fundamental establece un vnculo geomtrico entre el espacio

RELACI~N
nulo y el espacio rengln de una matriz.
GEOMTRICA
ENTRE EL
ESPACIO NULO Y Teorema 6.2.6. Si A es una matriz m X n, entonces:
EL ESPACIO
RENGLN
a ) El espacio nulo de A y el espacio rengln de A son complementos ortogonales en R" con respecto al producto interior euclidiano.
b ) El espacio nulo de A T y el espacio columna de A son complementos ortogonales en Rm con respecto al producto interior euclidiano.
Demostracin de a). Se desea demostrar que el complemento ortogonal del espacio
rengln de A es el espacio nulo de A . Para lograr esto es necesario demostrar que
si un vector v es ortogonal a todo vector en el espacio rengln, entonces Av = O y,
recprocamente, si Av = O, entonces v es ortogonal a todo vector en el espacio rengln.
Supngase primero que v es ortogonal a todo vector en el espacio rengln de
A . Entonces, en particular v es ortogonal a los veetores rengln r,, r2, . . . , rn
de A: es decir
Pero por la frmula (1 1) de la seccin 4.1, el sistema lineal Ax

presar en notacin de producto punto como
O se puede ex-
6.2 ngulo y ortogonalidad en espacios con producto interior 1 361
de modo que por (9), v es una solucin de este sistema y, por tanto, est en el
espacio nulo de A .
Recprocamente, supngase que v es un vector en el espacio nulo de A , de
modo que Av = O . Por (10) se concluyeque
r l . v= r2.y =1.. . = r,.v = O
Pero si r es cualquier vector en elespacio rengln de A , entonces r se puede
expresar como una combinacin lineal de los vectores rengln de A , por ejemplo
r = c,r, + c2r2+ .
'
. + c,r,
Por tanto,
r - v = (cIrI+ c2r2+ . . . + c,r,)-v

= c l ( r I .v) + c2(r2.v) + . . . + c,(r, v)
=o+o+...+o=o
con lo cual se demuestra que v es ortogonal a todo vector en el espacio rengln de
A.
Demostracin de b). Como el espacio columna de A es el espacio rengln de AT

(excepto por alguna diferencia en la notacin), esta demostracin se concluye al
aplicar el resultado del inciso a ) a A T. 0
El ejemplo siguiente muestra cmo se puede usar el teorema 6.2.6 a fin de
encontrar una base para el complemento ortogonal de un subespacio del espacio
euclidiano de dimensin n o n dmensional.
Ejemplo 6 Sea W el subespacio de R5 generado por los vectcres

w1 = (2, 2, - 1, o, 11,
w , = ( l , 1, - 2 , 0 , " l ) ,
w* = ( - 1, - 1, 2, -3, l),
w 4 = ( 0 , 0 , 1 , 1, 1)
Encontrar una base para el complemento ortogonal de W.
Solucin. El espacio Wgenerado por wl, w2, w3 y w4 es el mismo que el espacio

rengln de lamatriz
362
1
O
2 - 1
1
-2
- l0
- 31
-1
'
y, por el inciso a) del teorema 6.2.6, el espacio nulo de A es el complemento

ortogonal de W. En el ejemplo 4 de la seccin 5.5 se demostr que
]
O
forman una base para este espacio nulo. Expresando estos vectores en la misma
notacin que wl, w2, w3 y w4 se concluyeque los vectores
"I
= i1,1,
o, o, 0)
v 2 = ( - l , O , -1,o, 1)
forman una base para el complemento ortogonal de W. Como comprobacin,

calculando los productos punto necesarios, el lector puede veniicar que v1 y v2 son
ortogonales a w l , w2, w3 y w4. A
+.
Teorema 6.2.7. Si A es una matriz n X n, y si TA 1 R" R" es la multiplicacin

c ) La forma escalonada reducida deA es I,,
d) A se puede escribir como un producto de matrices elementales,
e ) ifx = b es consistente para toda matriz b n X 1.
fi A x = b tiene exactamente una solucin para toda matriz b n X 1.
S> deffJ f o.
h ) Id rango de 7> es Rn.
i ) TA es uno a uno.
j ) Los vecfores columna de A son linealmente independientes.
k) Los vectores rengln de A son linealmente independientes.
I) Los vectores columna deA generan a R".
m) Los vectores rengln de A generan a Rn.
n) Los vectores columna de A forman una base para R".
o) Los vectores rengln deA forman una basepara R".
p) El rango de A es n.
q) La nulidad de A es O.
r) El complemento ortogonal del espacio nulo de A es Rn.
S) El complemento ortogonal del espacio rengln deA es (O) .
6.2 ngulo y ortogonalidad en espacios con producto interior
363
Este teorema relaciona todos los temas principales estudiados hasta el momento.
Se deja como ejercicio para el lector demostrar que en cualquier espacio V con
producto interior, el espacio cero { O ) y todo el espacio V son complementos
ortogonales. Entonces, si A es una matriz n X n, afirmar que Ax = O slo tiene la
solucin trivial es equivalente a decir que el complemento ortogonal del espacio
nulo de A es todo R" o, de manera equivalente, que el espacio rengln de A es todo
R". Este hecho permite agregar dos nuevos resultados a los 17 resultados mencionados en el teorema 5.6.9.
RESUMEN

1. En cada inciso, determinar si los vectores dados son ortogonales con respecto al producto
interior euclidiano.
a) u = ( - 1 , 3, 2), v = (4, 2, - 1)
c) = ( U l , U 2 r Uj), v = (O,
O,
0)
e) u=(O, 3, -2, I), v = ( 5 , 2, -1, O)
b ) u = ( - 2 ,- 2 ,- 2 ) ,
v = ( l , 1, 1)
d ) u = ( - 4 , 6 , -10, l), ~ = ( 2 1,, - 2 , 9 )
f ) u = ( a , b), v = ( - b , a)
2. Sea @ con el producto interior euclidiano, y sea u = ( - 1, 1, O, 2). Determinar si el vector

u es ortogonal al conjunto de vectores W = {w,, w2, w3), donde w, =(O, O, O, O), w2 = (1,
- 1,3J y w3 = (4, O, 9,2).
3. Sean R2, R3 y
@ con el producto interior euclidiano. En cada inciso, hallar el coseno del

ngulo entre u y v.
a) u = ( I , -3), v = (2, 4)
b) U = ( - I , O), v = ( 3 , 8)
c) u = ( - 1 , 5, 2), v = (2, 4, -9)
d) U = (4, 1, 8), v = (1, O, - 3 )
e ) u = ( l , O , l,O), v = ( - 3 , -3,-3,
-3)
f) u = ( 2 , 1, 7, - I ) , v = ( 4 , 0 , 0 , 0 )
4. Sea P2 con el producto interior del ejemplo 8 en la seccin 6.1. Encontrar el coseno del
ngulo entre p y q.
a) p = - 1 + 5x + 2x2, q = 2 + 4x - 9x2
b) p = X - x2, q = 7
+ 3x + 3x2
5. Demostrar que p = 1 - x + 2x2 y q = 2x + .? son ortogonales con respecto al producto
interior del ejercicio 4.

6. Sea M22 con el producto interior del ejemplo 7 en la seccin 6. l . Encontrar el coseno del
ngulo entre A y B.
7. Sea
A = [ -1
'1

Cules de las siguientes matrices son ortogonales a A con respecto al producto interior
del ejercicio 6?
8. Sea R3 con el producto interior euclidiano. Para qu valores de k son ortogonales u y v?

a) u = ( 2 , 1 , 3 ) , v = ( l , 7 , k )
b) u = ( k , k , l ) , v = ( k , 5 , 6 )
9. Sea
con el producto interior euclidiano. Encontrar dosvectores de norma 1 que sean
ortogonales a los tres vectores u = (2, 1, -4, O), Y = (- 1, - 1,2,2) y w = (3,2,5,4).
10. En cada inciso, con el producto interior euclidiano comprobar que la desigualdad de
Cauchy-Schwarz se cumple para los vectores dados.
a) u = (3, 2), v = (4, - 1)
b ) ~ = ( - 3 , 1 , 0 ) , ~ = ( 2 -,1 , 3 )
C) ~ = ( - 4 , 2 ,I), v = ( 8 , -4, -2)
d) u = ( O , - 2 , 2 , I ) , v = ( - l , - 1 , 1, I )
11. En cada inciso, comprobar que la desigualdad de Cauchy-Schwarz se cumple para los
vectores dados.
a) u = (-2, 1) y v = (1, O), usando el producto interior del ejemplo 2 en la seccin 6. l .
usando el producto interior del ejemplo 7 en la seccin 6.1.

c) p = - 1 + 2x + 2 y q = 2 - 4 2 usando el producto interior dado en el ejemplo 8 de
la seccin 6.1,
12. Sea W la recta en R2 cuya ecuacin es y = 2x.Encontrar una ecuacin para
WL
13. a) Sea W el plano en R3 cuya ecuacin es x
- 2y - 32 = O. Encontrar las ecuaciones

paramtricas para WL
b) Sea Wla recta en R3 con ecuaciones paramtricas
n=2t,
J'"
-st,
z=4t
("<<<E)
D e t e m ~ a una
r ecuacin para WL
14. Sea
-1
A=[:
a]
2
a) Encontrar bases para el espacio rengln y el espacio nulo de A .

b) Comprobar que todo vector en el espacio rengln es ortogonal a todo vector en el
espacio nulo (como garantiza el teorema 6 . 2 . 6 ~ ) .
15. Sea A la matriz1 ejercicio 14.
a) Encontrar bases para el espacio columna de A y el espacio nulo de AT

b) Comprobar que todo vector en el espacio columna de A es ortogonal a todo vector en
el espacio nulo de AT (como garantiza el teorema 6.2.6b).

16. Encontrar una base para el complemento ortogonal del subespaciode R" generado por los
vectores
a) vI = (1, - 1, 3), v2 = (5, -4, -4), v3 = (7. -.6, 2 1
b) V I = (2, O, - l), vZ = (4, O, -2)
c)v,=(l,4,5,2),v2=(2,1,3,0),v3=(-1,3,2,2)
d)~,=(l,4,5,6,9),~~=(3,-2,1~4,-1),~~=(-I,0,-1,-2,-1),
v4 = (2, 3, 5, 7, 8)
17. Sea V un espacio con productointerior. Demostrar que si u y v son vectores ortogonales en
Vtales que llull= llvll= 1, entonces ~ l u- V I I =
a.
18. Sea V un espacio con producto interior. Demostrar que si w es ortogonal tanto a u, como a
u2, entonces es ortogonala k,u, + k2u2 paratodos los escalares k , y k2. Interpretar
geomtricamente este resultadopara el casoenque V es R3 con el producto interior
euclidiano.
19. Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada unode los
vectores u,, u2, . . . , u,, entonces es ortogonal a todo vector en lin {u,, u2, . . . ,u }, .
20. Sea {v,, v2, . . . , v,} una base para un espacio V con producto interior. Demostrar que el
vector cero es el mco vector en V que es ortogonal a todos los vectores bsicos.
21. Sea {w,, w2, . . . , w,}una base para un subespacio CV de V. Demostrar que WL consta de
todos los vectores en V que son ortogonales a todos los vectores bsicos.
22. Demostrar la siguiente generalizacin del teorema 6.2.4. Si v,, v2, . . . , Y, son vectores
ortogonales por parejas en un espacio V con producto interior, entonces
23. Demostrar los siguientes incisos del teorema6.2.2:

a) Inciso a).
b) Inciso b).
c) Inciso e).
24. Demostrar los siguientes incisos del teorema6.2.3:
a) Inciso 4).
b) Inciso b). c)
Inciso c). d) Inciso S,
25. Demostrar el inciso b ) del teorema 6.2.5.

26. Demostrar: Si u y v son matricesn
1 y A es una matriz invertiblen
n, entonces
[vTATAu]25 (urATAu)(v*A*Av)
27. Por medio de la desigualdad de Cauchy-Schwm, demostrar que para todos los valores
reales de a , b y 8 ,
366 i Espacios con producto interior

29. Demostrar que la igualdad se cumple en la desigualdad de Cauchy-Schwarz si y slo si u y
v son linealmente dependientes.
30. (Para quienes y a estudiaron Ccilculo). Sea C [O, x]con el producto interiol
( f , g) = i h d x ) dx
Y sea f, = cos nx ( n = O , 1, 2, . . . ). Demostrar que si k # I, entonces fk y fi son ortogonales

con respecto al producto interior dado.
31. (Para quienes y a estudiaron Chkulo). Seanfix) y g(x) funciones continuas sobre [O, 11 .
Demostrar:
[Sugerencia Usar
la desigualdad de Cauchy-Schwarz.]
32. Mediante mtodos vectoriales, demostrar que el tringulo inscrito en una circunferencia,
de modo que uno de sus lados es el dimetro de la circunferencia, debe ser un tringulo
rectngulo. [Sugerencia Expresar los vectores AB y BC de la figura 3 en trminos de u y
v. 1
a)
33. Con respecto al producto interior euclidiano, la norma de los vectores u = (1,
y
v = ( - 1, 3 ) es igual a 2, y el ngulo entre u y v mide 60 (figura 4). Encontrar un producto interior euclidiano ponderado con respecto al cual u y v sean vectores unitanos ortogonales.
Figura 4
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicin QR / 367
6.3 BASES ORTONORMALES; PROCESO DE GRAM-SCHMIDT;
DESCOMPOSICIN QR
En muchos problemascon espacios vectoriales, quien resuelve el problema
puede
elegir cualquier base que juzgue pertinente para el espacio vectorial. En espacios
conproductointerior,
la solucin de un problemaamenudo
se simplGca
bastante al elegir una base en la que los vectores sean ortogonales entre s. En
esta seccin se mostrar cmo es posible obtener las bases.
BASES
ORTOGONALES
Y ORTONORMALES
DefinicMn.Un conjunto de vectoresenun

espacio con producto interior se
denomina conjunto ortogonal si todas las parejas de vectores distintos en el
conjunto son ortogonales. Un conjunto ortogonal en el que cada vector tiene
norma 1 se denomina conjunto ortonormal.
Ejemplo 1 Sean
u1 =(O,
1,0),
u , = ( l , O , l),
u , = ( l , O , -1)
y supngase que R3 tiene elproducto interior euclidiano. Seconcluye que el

conjunto de vectoresS = {ul, u2, u3} es ortogonal, ya que (u1, u2) = (ul, u3) = (u2,
u3) = O. A
Si v es un vector no nulo en un espacio con producto interior, entonces por
el inciso c ) del teorema 6.2.2 el vector
1
mv
tiene norma 1, ya que
El procesode multiplicar un vector v diferente de cero por elrecprocode su

longitud para obtener un vector de norma 1 se denomina normalizacidn de v. Un
conjunto ortogonal de vectores no nulos siempre se puede convertir en un conjunto
ortonormal al normalizar cada uno de sus vectores.
Ejemplo 2 Las normas euclidianas de los vectoresen el ejemplo 1 son
I I Y I I = 1,
IIu211 =
f i 9
En consecuencia, al normalizar u u2 y u3 se obtiene
11~311=
u5
36% Espacios con producto interior
El lector debe comprobar que el conjunto S

mostrar que
(v,,
v2)
{vl, v2, v3> es ortonormal, al de-
= ( V I , v3) = ( v 2 , v3) = 0
IlVlll = llvzll
= llv3ll = 1 A
En un espacio con producto interior, una base que consta de vectores ortonormales se denomina base ortonormal,y una base que consta de vectores ortogonales se denomina base ortogonal. Un ejemplo conocido de una base ortonormal
es la base estndar para R3 con el producto interior euclidiano:
i=(l,O,O),
k=(O,O, 1)
j = ( O , l,O),
Esta es la base asociada con los sistemas de coordenadas rectangulares (figura 4 de

la seccin 5.4). En trminos ms generales, en R" con el producto interior euclidiano, la base estndar
e , =(1,0,0, . . . , O), e 2 = ( 0 , 1,0, . . . , O),
. . . , e,=(0,0,0, . . . , 1)
es ortonormal.
COORDENADAS
RELATIVAS A
BASES
ORTONORMALES
El inters de encontrar bases ortonormales para espacios con producto interior es

motivada en parte porel siguiente teorema, que muestra cun excepcionalmente
sencillo es expresar un
vector en trminos de una base ortonomal.
u = (u, V , > V l
Demostracion.
presar como
+ (u, v& + . . . + (u,v,)v,
Como S = {vl, v2, . . . , v n > es una base, un vector u se puede ex-
La demostracin se completar probando que k,

Para todo vector vi en S se tiene
(u, vi) para i = 1, 2, . . . , n.
(u, V i ) = (k,v, + k2V2 + . . . + kv,, V i >

= k,(v,, v,)+ k2(v2, vi) + . . . + k,,(v,, v,)
Como S = {vl, v2, . . . , v,,} es un conjunto ortonormal, se tiene

(v,, vi) = llv,l12= 1
(v,, vi) = 0
ifj#z
Por consiguiente, la expresin anterior para (u, vi) se simpllfica a
Usando la terminologa y la notacin presentadas en la seccin 5.4, los escalares

(u, v,), (u,
v,), . . , (u, vn>

f
en el teorema 6.3.1 son las coordenadas de u con respecto a la base ortonormal S =

{VI' V2' . .
Vn>Y
' i
(u)s = ((u, VI ), (u, v,), .
' '
, (u, vn))
es el vector de coordenadas de u con respecto aesta base.

Ejemplo 3 Sean
VI
=(O, 1, O),
v2 = ( - 4 57
3
51,
v3 = (& o, 6,
Es fcil comprobar que S = {vl, vz, v3} es una base ortonormal para R3 con el producto interior euclidiano. Expresar el vector u = (1, 1, 1) como una combinacin
lineal de los vectores en S y hallar el vector de coordenadas (u),.
Solucin.
Por consigmente, debido al teorema 6.3.1, setiene

u = V I -kv,
+ %v3
es decir,
OBSERVACI~N. La utilidad del teorema 6.3.1 debe resultar evidente a partir de

este ejemplo si se considera que para bases no ortonormales suele ser necesario
resolver un sistema de ecuaciones a fin de expresar un vector en trminos de la
base.
Las bases oflonormales para espacios con productointerior son Convenientes

porque, C O I ~ Ose muestra en e i siguiente teorema. muchas frmulas conocidas se
cumplen para csas bases
~~~~
La demostracin se deja para los ejercicios
N6tese que el miembro derecho de la igualdad en el inciso a) es

la norma delvectorde
coordenadas ( u ) ~conrespecto al producto interior
ewclidiano sobre H",y que el miembro derecho de la igualdad en el inciso c) es el
. trabajando con bases ortonormales.
producto interior euclidiano de (u), y ( v ) ~As,
el clculo de normas y productos interiores generales se puede reducir al clculo
de normas y productos interiores euclidianos de los vectores de coordenadas.
OBSERVXCIQN.
Ejemplo 4 Si R' tieneelproducto

vector u = ( I , 1, 1) es
I/u//= (u u)
interior euclidiano, entonces la normadel
'1, d m = \ , ?
Sin embargo, si se hace que R' tenga la base ortonormal S del ejemplo anterior,
entonces por ese ejemplo se sabe que el vector de coordenadas de u con respecto a
S es
(a),5
=(1
"X,
k)
Ea norma de u tambin se puede calcular a partir de este vector usando el inciso a )

del teorema 6.3.2. As, se obtiene
COORDENADAS
RELATIVAS A
BASES
ORTOGONALES
Si S = ( v l . va. . . . . vn) es unabase ortogonu1 para un espacio vectorial V.

entonces al normalizar cada uno de sus vectores se obtiene la base ortonormal

As, si u es cualquier vector en V, por el teorema 6.3.1 se concluye que
que, debido al inciso c) del teorema 6. l .1 se puede volvera escribir como
Esta frmula expresa u como una combinacin lineal de los vectores en la base
ortogonal S. En los ejercicios se dan algunos problemas que requieren el empleo
de esta frmula.
Es evidente que si v,, vz y v3 son tres vectores diferentes de cero mutuamente perpendiculares en R3, entonces ninguno de los vectores est en el mismo
plano que los otros dos; es decir, los vectores son linealmente independientes. El
siguiente teorema generaliza este resultado.
Teorema 6.3.3. Si 5' = (v,, v,, . . . , v,) es un conjunto ortogonal de vectores no
nulos en un espacio
conproductointerior,entonces
S es linealmente
independiente.
Demostracin.
Supngase que
k , ~ +, k2vz
..
+ k,v,
(2)
=O
Para demostrar que S = (vl, v2, . . . , vn} es linealmente independiente, es necesario probar que k , = k, = . . = k, = O.
Para todo vi en S, por (2) se concluye que
'
(k,v, + k2v2+ . . . + k,v,, v,) = ( O , v,)
=O
o, de manera equivalente,
Por la ortogonalidad de S se concluye que <vi, vi> = O cuando j

esta ecuacin se reduce a
i, de modo que
k,(v,, V I ) = O
Como se supone que los vectores en S son diferentes de cero, entonces <(, vi) f O
por el axioma de positividad en la definicin de producto interior. Por consiguiente, k , = O. Como el subndice i es arbitrario, se tiene k , = k, = . . . = kn = O;
as, S es linealmente independiente. 0
3 72
Ejemplo 5 En el ejemplo 2 se demostr que los vectores
forman un conjunto ortonormal con respecto al producto interior euclidiano sobre

R3. Por el teorema 6 . 3 . 3 , estosvectores forman un conjunto linealmente independiente, y como R3 es tridimensional, entonces por el teorema 5.4.6a se tiene
que S = {vI.v2, v3} es una base ortonormal para R3. A
PROYECCIONES
ORTOGONALES
A continuacin se desarrollarn algunos resultados que sern de utilidad para obtener bases ortogonales y bases ortonormales para espacios con producto interior.
En R2 o R3 conel producto interior euclidiano, geomtricamente resulta
obvio que si W es una recta o un plano que pasa por el origen, entonces todo vector
u en el espacio se puedeexpresar como UM suma
u = w,
+ w2
donde w1 est en W y w2 es perpendicular a W (figura 1). Este resultado es un caso

especial del sigwente teorema general cuya demostracin
se da a final de esta seccin
~~~
~~~~
Teorema 6.3.4. (Teorema de proyeccin). Si W es un subespacio de dimensin

j n i t a en un espacio V con producto interior, entonces todo vector u en V se
puede expresar de manera nica como
u=w,+w,
donde w I est en W y w2 est en W L .
El vector w en el teorema precedente se denomina proyeccin ortogonal de

u sobre W y se denota por proy, u. El vector w2 se denomina componente de u
ortogonal a W y se denota por proywl u. As, la frmula (3) en el teorema de
proyeccin se puede expresar como
Como w2 = u - w se concluye que
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicidn QR
I'
3 73
Figura 2
El siguiente teorema, cuya demostracin se pide en los ejercicios, proporciona frmulas para calcular proyecciones ortogonales.
6)
Si {vl, vz, . . . , vr} es una base ortogonal para W y u es cualquier vector

en V, entonces
Ejemplo 6 Sea R3 conelproducto interior euclidiano, y sea W elsubespacio

Por (6), la
generado por los vectores ortonormales v1 = (O, 1, O) y vz = (-+,O,$).
proyeccin ortogonal de u = (1, 1, 1) sobre W es
ProY
+ (u, v2)v2
= (1)(0. 1, 0) + (-6)(-9, o, g)
u = (u, v, )v,
-("
25,
"&
3
25)
La componente de u ortogonal a W es
proy,, u = u -proy,.u
(1, 1, 1) - (&, 1,
--&) = (+&,t?, gj
ObsCrvese que p r o y p u es ortogonal tanto a vi comoa v2, de modo que este

vector es ortogonal a todo vector en el espacio W generado por v1 y v2, como debe
ser. A
374
Espacios con productointerior
DETERMINASe
ha
CIN DE BASES
ORTOGONALES
Y BASES
ORTONORMALES
visto que las bases ortonormales poseen varias propiedades tiles. El

siguiente teorema, que es el resultado principal de esta seccin, muestra que todo
espacio vectorial no nulo y de dimensin finita tiene una base ortonormal. La demostracin de este resultado es muy importante, ya que proporciona un algoritmo, o mtodo, para convertir una base arbitraria en una base ortonormal.
~~
~~~~
~~~
Teorema 6.3.6. Todo espacio no nulo de dimensin finita con producto interior tiene una base ortonormal.
Demostracin. Sea T cualquier espacio no nulo de hmensin finita con producto interior, y sea (u1, u2. . . . , un} cualquier base de V. Basta demostrar que Y
tiene una base ortogonal, ya que los vectores enla base ortogonal se pueden
normalizar a fin de obtener una base ortonormal para V. La siguiente serie de
pasos produce una base ortogonal {vl, v2, . . . , v,} para V
Paso 1. Sea v1 = ul.
Paso 2. Como se ilustra en la figura 3, se puede obtener un vector v2 que sea
ortogonal a vI calculando la componente de u2 que sea ortogonal al espacio Wl generado por vl. Se aplica la frmula (7):
/
v2= u2 - proyw, u2 = u2-
(U2VI)
V
l 1I2
Por supuesto, si vz = O, entonces v2 no es un vector bsico. Pero st0 no

puede suceder, ya que por
la frmula precedente para
v2 se concluira que
la cual establece que u2 es un mltiplo de ul, contradiciendo la independencia lineal de la base S = {u1, u2,. . . , U,,).
Paso 3. Para obtener un vector v3 que sea ortogonal tanto a v, como a v2, se
calcula la componente de u3 ortogonal al espacio W2 generado por v1 y
v2 (figura 4). Por (7),
v3= u3 - proyw, u3 = ug - (u3v1) vl-
IF112
(u3v2) v2
P2u2
Como en el paso 2, la independencia lineal de u l , u2, . . . , u, asegura

que v3 # O. Los detalles se dejan como ejercicio.
Paso 4. Para determinar un vector v4 que sea ortogonal a v,, v2 y v3, se calcula
la componente de u4 ortogonal al espacio W3 generado por v l , v2 y vj.

Por (71,
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicin QR /I 3 75
v4= u4- proyw u4 = u4-
v2 -
'
Figura 4
Continuando deesta manera. despusde n pasos se obtiene un conjunto

ortogonal de vectores, {vl, v2, . . . , vn). Como la dimensin de V e s I? y todo conjunto ortogonal es linealmente independiente, el conjunto ( v l , v2, . . . , vn} es una
base ortogonal para V. 0
La construccin precedente paso a paso para convertir una base cualesquiera
en una base ortogonal se denomina proceso de Gram-Schmidt*(pgina 376).
Ejemplo 7 Considrese el espacio vectorialR3 con el producto interior euclidiano.

Aplicar el proceso de Gram-Schrmdt para transformar los vectores bsicos u = (1,
1, l), u2 = (O, 1, 1) y u3 = (O, O, 1) en una base ortogonal { v l , v2, v3}; luego.
normalizar los vectores bsicos ortogonales para obtener una base ortonormal { q
Q2.
q31.
Solucin.
3 76
Paso 3. v3= u3 - proyw, u3 = u3= (0,
o,
1) -
(U3'vl)
P12
(u3'y2)
P2I2
f (1, 1, 1) = # [--$+,*)
As,
2' 2
forma unabase ortogonal para R3. Las normas de estos vectores son
de modo que una base ortonormal para R3 es
*Jiirgen Pederson G r m (189-1916) h e un actuario dank.Recibi su primera instmw5n en escuelas pubhcas,

Despub de terminar el bachillerato obtuvo lamaestra en makmticas con
complementada con tutores particulares.
apecializacion en lgebra modema, que estaba en pleno &sa~~ollo.
Gram trabaj & p ~ & como actuario para la
H&a Lifi Insurance Company, dondedesa~rolll o s cimientos matemlicosde los seguros contra accjdemte para la
compaa Skjold Fue miembro de la junta d i v a de H&a y dirigi la conpa Skjold basa 1910, cuando se
convirti en directordela Danish Insurance bard Durante el tiempo que trabaj como actuario obtuvoel
Doctorado en Filosofia con base en su tesis "On Serie Development Utilizing the M Squares Method". Fue en
estatesis que planta por primera vezsus contribuciones alproceso de Gram-SchmidtC m terminb por interesarse
en teora ab&acta de okmeros y h e galardonado con la medalla deoro concedida por la Royal Danish Society of
Scienca and L , e t a s debido aSILS investigacionesen ese c a m p . Sin embargo, durante toda su vida tambin mantuvo
un inters sobre la interaccin entre a
ls maiemticas teinicas y a
ls matemticas aplicadas, cuyo resuitado fueron
cuatro tratados sobre administracn de bosques daneses. Gram falleci una tarde enun choque en bicicleta cuando
se diriga una
a reunin de laRoyal Danish Society.
*ErhmdtSchmidt(1876-1959) h e un m a k d c o alemn. En 1905 Schmidt recibi su grado de doctor en la
universidad de Gotinga, donde estudi bajo la asesora de uno de los grandes matemticos: David Hilbert En 1917
decidi S a dar clases en la Univasidad de krln, ciudad en la que permaneci por el resto de su vida Schmidt
realiz importanks contribuciones avarios campos makmticos, pero es ms conocido por haber *pado
muchas
ls ideas dispersas de Hilbert en un concepto general (denominado espacio de Hilbert), que es indamzntal en el
dea
estudio de espacios vedonales de dimensin idmita. Schmidt dsrribi por primera vez el proceso que lleva
su
nombre enun articulo sobre ecuaciones integrales publicado en 1907.
6.3 Bases ortonormales; proceso de Gram-Schmidt; descomposicin QR 1 377

OBSERVACI~N. En elejemplo precedente se us el procesodeGram-Schmidt
para obtener una base ortogonal; luego, una vez que se obtuvola base ortogonal, se
normaliz para obtener una base ortonormal. De otra manera, es posible normalizar cada vector bsico de la base ortogonal en cuanto se obtiene generando,
as, paso a paso la base ortonormal. Sin embargo, este mtodo presenta la ligera
desventaja de producir ms races cuadradas que manejar.
El proceso de Gram-Schmidt con normalizacin ulterior no slo convierte una
base cualesquiera{ u 1 , ~2,
. . . , U,} en una base ortonormal {Sl, q,, . . . , q,}, sino que
tambin lo hace de modo que para k 2 2 se cumplan las siguientes relaciones:
{ q,, q,, . . . , qk} es una base ortonormal para el espacio generado por {u1,
Up
...>
Uk}.
qk es ortogonal a { u l , u 2 , . . . , U k - l } .
Se omiten las demostraciones, pero estos hechos debenser evidentes despus de un
anlisis profundo de lademostracin del teorema 6.3.6.
DESCOMPOSICIN QR
Se plantea el siguiente problema.

Problema. Si A es una matriz m X n con vectores columna linealmente independientes, y si Q es la matriz con vectores columna ortonormales que se
obtienen al aplicar el proceso de Gram-Schdt a los vectores columna de A ,
qu relacin, en caso de haber alguna, existe entre A y Q?
Para resolver este problema, supngase que los vectores columnaA de

son ul, %,
. . . , u,,
y que los vectores columna ortonormales de

Q son q,, q2, . . . , 9,; as,
A=[ul I
u2
I '.. I
U,]
Q=[q, 1
92
I ' . . I S,]
Por el teorema 6.3.1 se concluye que ul, u,, . . . , u, se pueden expresar en trminos de q,, q,, . . . , q, como
u2 = ( U 2 > 91)91
+ (u23
'..+
q,)q,
92h2 +
+ ( u 2 , q,h,
u,
+ (u,,
q2h2
u1 = ( U I > q,)q, + ( U I > 9 2 h 2 +
= ( u n ,q1)91
(u13
' ' '
+ . . . + ( u , , q,)q,
Recordando de la seccin 1.3 que el j-simo vector columna de un producto de

matrices es una combinacin lineal de los vectores columna del primer factor con
coeficientes provenientes de laj-simacolumna de segundo factor, se concluye que
estas relaciones se pueden expresar en forma matricial como
3 78 1 Espacios con producto interior
o, ms brevemente, como
Sin embargo, una propiedad del proceso de Gram-Schmidt es que paraj 2 2, el

vector qj es ortogonal a ul, u*, . . . , u.. as, los elementos abajo de la diagonal
J 1'
principal de R son cero.
Se deja como ejercicio demostrar que los elementos dela diagonal de R son
diferentes de cero, de modo que R es invertible. As, (S) es una factorizacin de A
en el producto de una matriz Q con vectores columna ortonormales y una matriz
triangular superior invertible R. La expresin (8) se denomina descomposicin
QR de A . En resumen, se tiene el siguiente teorema.
Teorema 6.3.7. (Descomposicin QR). Si A es una matriz m X n con vectores

columna linealmente independientes, entonces A se puede factorizar como
A
= QR
donde Q es una matriz m X n con vectores columna ortonormales y R es una

matriz triangular superior invertible n X n.
Recurdese por el teorema 6.2.7 que si A es una matriz n x n,

entonces la invertibilidad de A equivale a la independencia lineal de los vectores
columna; as, toda matriz invertible posee una descomposicin QR.
OBSERVACI~N.
E.jemplo 8 Encontrar la descomposicin QR de
Solucin. Los vectores columna de A son
Aplicando el proceso deGram-Schmidt con normalizacin ulterior a estos vectores

columna se obtienen los vectores ortonormales (vase el ejemplo7)
6.3 Bases ortonormales; proceso de Gram-Schmidt: descomposicin QR / 3 79
y por (9), la matriz R es
FUNCIN DE LA
DESCOMPOSICIN QR EN
LGEBRA
LINEAL
En aos recientes, la descomposicin QR ha adquirido una importancia cada vez

mayor como fundamento matemtico de una amplia gama de algoritmos numricos prcticos, incluyendo un algoritmo bastante usado para calcular eigenvalores
de matrices grandes. Los algoritmos se analizan en libros de texto relacionados con
los mtodos numricos del lgebra lineal.
DEMOSTRACI~NADICIONAL
Demostracin del teorema 6.3.4. La demostracin se efecta en dos partes.

Primero es necesario encontrar vectores w1 y w2 con las propiedades enunciadas y
luego demostrar que estos vectores son nicos.
Por el proceso de Gram-Schmidt, existe una base ortonormal { v l , v2, . . . ,
vn} para W. Sean
W ] = (u, V I b ,
+ (u, v2)v2 + ' . . + (u, v,)v,
(10)
w2=u-w1
(11)
Se concluye que w1 + w2 = w1 + (u - wl) = u, de modo que queda por demostrar

que w1 est en W y que w2 es ortogonal a W. Pero w1 est en W porque es una
combinacin lineal de los vectoresbsicos para W. Para demostrar que w2 es
ortogonal a W es necesario probar que (wz, w) = O para todo vector w en W. Pero
si w es cualquier vector en W, se puede expresar como una combinacin lineal
w = k,v,
+ k2v2 + . . . + knvn
380
./
de los vectores bsicos v, v2, . . . , v,. As,

(w2, W ) = ( U - w,,W ) = ( U , W ) - {w].w j
Pero
(u, w) = (U, k , ~ +
, k2v2+ . . . f k , ~ , , )
= k!(U, VI>
+ k2(U,
v2)
..
+ k,(U, Vil)
y por el inciso c) del teorema 6.3.2
(w,,
= (u,
w)v , )k,
+ (u. v2)k, +
+ (u, v,)k,
As, (u, w} y (wl, w) son iguales, de modo que (12) produce (w2, w) = O, que es lo
que quera probarse.
Para ver que (IO) y (11) son los nicos vectores con las propiedades enunciadas en el teorema, supngase que tambin es posible escribir
donde w i est en W y w i .es ortogonal a W. Si de (13) se resta la ecuacin

u=w,+w,
se obtiene
o = (w;
o bien,
wl)
+ (w;- w2)
w1- w;= w; - w?
(14)
Como w2 y wi son ortogonales a W, su diferencia tambin es ortogonal a W, ya

que para cualquier vector w en W se puede escribir
(w,w; - w2>= (w,w;) - (w,w2) = o - 0 = o
Pero w; - w2 es un vector en W. ya que por (14) es la diferencia de los dos
vectores w1 y W; que estn en el subespacio W. As, w; - w2 debe ser ortogonal a
s mismo; es decir,
(w;
w2,
w; - w2) = o
Pero esto significa que w i - w2 = O por el axioma 4 en la definicin de producto

interior. As, w; = w2 y, por (14), w; = w l . O

1. Cules de los siguientes conjuntos de vectores son ortogonales con respecto al pro-
ducto interior euclidiano sobre R2?
6.3 Bases ortonormales;proceso de Gram-Schmidt; descomposicin QR 1 381

a) (0,I). (2,O)
C) ( - I/\%
b) ( - l/V% I / f i ) ,
I / f i ) , (l/VZ l / d ? )
l / d )
d) (0,O). (O, 1)
2. Cules delos conjuntos del ejercicio 1 son ortonormales con respecto al producto
interior euclidiano sobre R2?

3. Cules de los siguientes conjuntos de vectores son ortogonales con respecto al pro-
ducto interior euclidiano sobre R3?
4. Cules de los conjuntos del ejercicio 3 son ortononnales con respecto al producto
interior euclidiano sobre R3?

5. Cules de los siguientes conjuntos de polinomios son ortononnales con respecto al
producto interior sobre P2 que se analiz en el ejemplo 8 de la seccin 6. l ?
I
1
a) $ - f x + + x 2 , $ + Q x - $ x ,
+ -x2,
v5v5
b) 1 , -x
$+$x+$x2
x2
6. Cules de los siguientes conjuntos de matrices son ortononnales con respecto al producto interior sobre M22que se analiz en el ejemplo 7 de la seccin 6. l?
a)
b,
[:, 3 [; -4 [-: !]> [:!]

[;
[bi [P PI. [Y -;I
3
7. Comprobar que el conjunto de vectores dado es ortogonal con respecto al producto interior euclidiano; luego, normalizando los vectores convertirlo en un conjunto ortonormal.
a) ( - 1, 21, (6, 3)
b)
-11, (2, 0, 21, (0, 5, 0)
C) (i
&,
i),
( - f , b O), ($,$, - f )
Demostrar que {x, y}es ortononnal s R2 tiene el producto interior (u, v) = 3u,vl
2u2v2, pero que no es ortononnal s R2 tiene el producto interior euclidiano.
9. Comprobar que los vectores v, = (-+,4,0),v2 =($,$,O ), v2
(O, O , 1)foman una
base ortonomal para R3 con el producto interior euclidiano; luego, mediante el teorema 6.3.1, expresar cada uno de los siguientes vectores como una combinacin lineal
de V , v2 Y v3.
a) (1, - 1, 2)
b) (3, - 7 , 4)
C) (+, -%$I
10. Comprobar que los vectores
VI=(^, -1323 -11,
~ , = ( - 2 , 2 , 3 , 2 ) ,v , = ( l , 2 , 0 ,
-I),
v,=(I,O,O,
1)
3817
11.
12. Sea I? con el producto interior euclidiano, y sea S =

w = (++j , w 2 = (5.4)
> >
a)l Deternlinar los vectores u y
{MI ,
w?]la base ortonormal con
v cuyos vectores de coordenadas son (u), = (1, 1) y (v),
=(-1,4).
b) Calcular Ilull, d(u. v) y {u, v) aplicando e1 teorema 6.3.2 a los vectores de coordenadas
(u), y (v)& luego, comprobar los resultados mediante clculos directos sobre u y v.
13. Sea H' con el producto interior euclidimo, y sea S = {w),
w,, w3}la base ortononnal
4 3
IV, = (1, O, 0 ) y w3= (O,y,y).
con w,= (O, - ((),-I,*),
' I F
'.
a ) Encontrar los vectores u, v y w cuyos vectores de coordenadas son (u), = (-2, 1, 2),
(v), = (3, o, - 2 ) v (w), = ( S , -4, 1).
b) Calcular 11~11, d(u, W) y (w,v} aplicando el teorema 6.3.2 a los vectores de coordenadas ( u ) , (v).~y (w)& luego, comprobar los resultados mediante clculos directos
sobre u y v.
14. En cada inciso, S representa alguna base
ortotlorma1 de u11 espacio tetradimensional

con producto interior IJsar l a informacin que se proporciona para encontrar IIuII, IIv WII, IIv + w11 Y (v, w).
a) (u), = ( - 1. 2, I , 3 ) , (vjS = (0, - 3 , I , 5), ( w ) =
~ ( - 2. - 4. 3, 1)
b) (U), = (O. O. - 1. - l ) , (v),,= (5, 5. - 2, -2). (w),,
= (3, O. " 3 . O)
IS. a) Demostrar que los vectoresv, = (1, -2, 3, -4), v2 = (2. I, -4, -3), Y? = (-3, 4, I ,
-2) y v4 = (4, 3, 2, I foinan una base ortogonal para R;' con el piducto kt&or
cuclidlano.
b) Usando ( 1 ), expresar u = (- 1,2,3, 7 ) como una conlbinacln lineal de los vectores
cn el inciso a).
16. Sea R2 con el producto interior euclidiano. Usando el proceso de Gram-Schmidt, transfonnar Is base (u,, u2} en una base ortonormal.
a! u , = ( I . -3L u 2 = ( 2 . 2 )
b) u , = ( l . O ) , u 2 = ( 3 . - 5 )
17. Sea H'
con el producto interior euclidiano. Con el proceso de Gram-Schmidt, transformar la base { u I .u,, u3}en una base ortononnal.
a) u , = ( 1 , I , I ) , u Z = ( - 1 , 1.0). u,=(1,2. I )
b ) u , = ( I . O , O ) . ~ 2 = ( - 3 , 7 ,-2). u ; = ( O . ~ . I )
18. Sea R4 con el producto interior euclidiano. Usando el proceso de Gram-Schmidt, transformar la base {u1,u,, u3, u4} en una base ortononnal

u,=(O,2,1,0), & = ( I ,
-1,O,O),
u 3 - ( l , 2 , O-, l )u, 4 = ( 1 , 0 , 0 , 1 )
19. Sea R3 con el producto interior euclidiano. Encontrar unabase ortonormal para el
subespaciogeneradopor(0, 1,2),(-1,0, l)y(-1, 1,3).
20. Sea R3 conelproducto interior u, v = ulv! + 2u2v2+ 3u3v3.Con elproceso de GramSchrmdt,transformarul=(1,1,1),~=(1,1,0),~=(1,0,O)enunabaseortonormal.
21. El subespacio de R3 generado por los vectores u1 = (+,O,-+)
y u2 = (O, 1, O) es un
plano que pasa por el origen. Expresar w = (1,2, 3 ) en la forma w = w I + w2, donde w1
est en el plano y w2 es perpendicular al plano.
22. Repetir el ejercicio 21 con u1 = (1, 1, 1) y u2 = (2, O,
- 1).
con el producto interior euclidiano. Expresar w = (- I , 2, 6, O) en la fonna w =

wl+w,,dondewlestenelespacioWgeneradoporul=(-1,O,1,2)yu2=(O,1,O,
I), y w2 es ortogonal a W.
23. Sea
24. Encontrar la descomposicin QR de la matnz
a)
[: -:I
1 0 2
1 2 0
-1
1
o 3 1
O[
-1
25. Sea {vI, v2, v3) una base ortonormal para un espacio V con producto interior. Demos-
trar que si w es un vector en V, entonces llw112 = (w, v1)2+ (w, v2)2+ (w, v ~ ) ~ .
26. Sea {vl, v2,. . . , vn} una base ortonormal de un espacio Vcon producto interior. Demostrar que si w es un vector en Y, entonces llw112 = (w, vl)' + (w, vJ2 + . . . + (w, v ~ ) ~ .
27. En el paso 3 de la demostracin del teorema 6.3.6, se afirm que "la independencia lineal de {u1,u*,.. . , u,,}asegura que v3 # O". Demostrar esta afirmacin.
28. Demostrar que los elementos en la diagonal de R en la frmula (9) son difaentes de cero.
Aplicando el proceso de Gram-Schmidt, transformar la base estndar S = { I , x, 2)en

una base ortonormal. (Los polinomios en la base resultante son los tres primeros polinomios normalizados de Legendre.)
381 ' Espacios con producto interior

30. (Para quienes y a estudiaron Crslculo). llsando el teorema 6.3.1, expresar los siguientes polinomios como una combinacin lineal de los tres polinomios normalizados
de Legendre (ejercicio 29).
a) I + x + 4x4.
b) 2 - 7x2
c) 4 + 3x.
31. (Para quienes y a estudiaron Crslculo).Sea P 2 con el producto interior
c'
( P , 4)= J,
P(X)Y(X)
&
Aplicando el proceso de Gram-Schmidt, transformar l a base estndar S = { 1, x, 2)en

una base ortonomal

33. Demostrar el teorema 6 . 3 . 2 ~
34. Demostrar el teorema 6.3.26.
35. Demostrar el teorema 6 . 3 . 2 ~
6.4 MEJOR APROXIMACIN; MNIMOS CUADRADOS

En esta seccin se mostrara la manera de utilizar las proyecciones ortogonales
para resolver ciertos problemas de aproximacin. Los resultados obtenidos en
esta seccin titnen aplicaciones diversas tantoen matemticas como en ciencias.
PROYECCIONES
ORTOGONALES
CONSIDERADAS
COMO
APROXIMACIONES
Si P es un punto en el espacio tridimensional ordinario y W es un plano que pasa

por el origen, entonces el punto Q en W ms prximo a P se ob-tiene
al trazar una
perpendicular de P a W (figura la). Por tanto, si se hace u = UP, la &stancia entre
P y West definida por
l b - PO' Y,
UII
En otras palabras, de todos los vectores w en W, el vector w = proy, u minimiza la

distancia IIu - wll (figura lb).
(It
Figura 1
Q es el punto en N ms prximo a P.
h)
11u - wli es minimizada por w = proywu.
6.4 Mejor aproximacin; mnimos cuadrados / 385
Hay otra forma de pensar esta idea. Considerar que u es un vector fijo cuya
aproximacin se desea obtener por medio de un vector en W. Cualquier aproximacin w de este tipo dar por resultado un "vector de error"
u-w
el cual, a menos de que u est en W, no se puede hacer igual a O . Sin embargo,

eligiendo
w =proyw u
es posible hacer que la longtud del vector de error

Ilu - wll
l b - ProY,
UII
sea tan pequea como se quiera. As, w = proy, u se puede describir como la
''mejor aproximacin" para u por medio de vectores en W. El siguiente teorema
precisar estas ideas intuitivas.
Teorema 6.4.1. (Teorema de la mejor aproximacin). Si W es un subespacio

de dimensin j n i t a de un espacio V con producto interior, y si u es un vector
en V, entonces proy, u es la mejor aproximacinpara u desde W en el sentido
de que
Ilu -ProY,
UII
<1111
- WII
para todo vector w en W diferente de proy, u.

Demostracin.
Para todo vector w en W se puede escribir

u - w = (u -proyw u) + (proy, u - w)
(1)
Pero proyw u - w, por ser una diferencia de vectores en W, est en W, y u proy, u es ortogonal a W, de modo que los dos trminos en el miembro derecho de
(1) son ortogonales. As, por el teorema de Pitgoras (teorema 6.2.4),
Ilu - wl12 = 11u -pray, u1I2 + Ilproy~u - w1I2
si w
que
proyw u, entonces el segundo trmino de esta suma es positivo, de modo
11u - WII > 11u - pray, 4
Despus, se proporcionarn aplicaciones de este teorema.
386 , Espacios con producto interior
SOLUCIN DE
SISTEMAS
LZNEALES POR
MNLMOS
CUADMDQS
Hasta ahora se han tratado principalmente sistenlas de ecuciones lineales consistentes.

Sin embargo. los sistemas lineales inconsistentes tambin son importantes en
aplicaciones fisicas. Una situacin comn es que algn problema fisico conduzca a un
sistema 'lincal A x = b quedesde un punto de vista terico debeser consistente.
aunqueno lo es debido a que"erroresdemedicin"en
los elementosde A y b
perturban bastante al sisten~a parahacerlo inconsistente. E n situaciones como stas se
brlsca un valor de x que est "Io n h prximo posible" de ser una solucin en el sentido
de que redczca el valor de jbgx = bll con respecto al producto interior euclidiano.
Lacantidad Ib4x = bll se puedeconsiderarcomounamedidadel"error"que
resulta al considerar a x como una solucibn aproximada del sistema lineal A x = b.
Si el sistema es consistente y x es una solucin exacta, entonces el error es cero. ya
que (PIX -= bjl 1 1 0 1 1 = O. En general, mientras ms grande sea el valor de 1c4x =
bjl, mas deficiente ser la aproximacin de x a una solucin del sistema.
~
Problema de mnimos cuadrados. Dado un sistema lineal A x
~~
~~~~~~~
b de m ecuaciones con 17 incgnitas. encontrar un vcctor x. si es posible. que reduzca a 1C.l~

= $11 con rcspcct~a
l producto interioreuclidiano sobre I?'". El \rector se
denomina solucibn por mnimos cuadrudos de A x = b.
o f u m < \ ~ . % < * H h ~Para
sea e
7-
..I x
comprender el origcn dc la expresin t~inirnosc!mlrudos.
ir. que se puede considerar como un hector de error que se obtiene de
la aprosinmcim x. Si e
cu;i&ados
+P
r n m i n u m a llell
( e , . e2.
=- ( ~ f t e $
. c,,~),entonces una solucinpor minimos

)?I
1 por tanto, tambin m i n i m i a a
t . . t e 2 de donde proviene la cspresin r n i m m m cuadrdoa.

t71
Para resolver e1 problema de mnimos cuadrados, sea I f ' el espacio columI-ta
de A
. Para todanlatri/: n X 1 . el producto - { X es una combinacin lineal de los
xzcctorcs crrlunrna dc ..! h i . cuando x \,aria sobre !?n. el vector .'Zx vara sobre
todas las combinacroncs 1:nealcs posibles dc los \'cctorcs columna de ;1; es decir.
. la \.aria sobrc lodo cl cspacio columna il'.Geomtricamente, resolver el problema
dc mnimos cuadrados equivale a encontrar u11 vector S en R n tal que <.lx sea el
Lector CPI i f . m i s prbxiino a b ( f i g m 2).
cf
-:-
Una solucicin por mnimos cuadrados x produce el

m i s prximo a b.
Por el teorema de la mejor aproximacin (teorema 6.4.1) se concluye que el

vector en W mis prximo a b es la proyeccin ortogonal de b sobre M.'. As, para
6.4 Mejor aproximacin, mnimos cuadrados / 387
que un vector x sea una solucin por mnimos cuadrados de Ax = b, este vector
debe satisfacer
(2)
Ax = proy, b
Se podra intentar determinar soluciones por mnimos cuadrados de Ax = b

calculando primero el vector proyw b y luego resolviendo (2); sin embargo, existe
un mtodo mejor:Por el teorema de proyeccin(teorema 6.3.4)y la frmula (5) de
la seccin 6.3 se concluye que
b - A x = b -proywb
es ortogonal a W. Pero W es el espacio columna de A , de modo que por el teorema
6.2.6 se concluye que b - Ax est en el espacio nulo de A T . Por consiguiente, una
solucin por mnimos cuadrados de Ax = b debe satisfacer
ATx(b - A X )= O
ATAx = ATb
(3)
Esta expresin se denomina sistema normal asociado conAx = b y las ecuaciones

individuales se denominan ecuaciones normales asociadas con Ax = b. As, el
problema de hallar una solucin por mnimos cuadrados de Ax = b se ha reducido
al problema de encontrar una solucin exacta del sistema normal asociado.
Ntense las siguientes observaciones sobre elsistema normal:
En el sistema normal hay n ecuaciones con n incgnitas (comprobar).
El sistema normal es consistente, ya que se satisface con una solucin por
mnimos cuadrados de Ax = b.
El sistema normal puede tener infinidad de soluciones, en cuyo caso todas stas son soluciones por mnimos cuadrados de Ax = b.
Con base en estas observaciones y la frmula (2) se tiene el siguiente teorema.
Teorema 6.4.2. Para cualquier sistema lineal Ax
b, el sistema normal aso-
ciado
ATAx = ATb
es consistenle y todas las soluciones del sistema normal son soluciones por
mnimos cuadrados de Ax= b. Adems, si W es el espacio columna de A y x es
cualquier solucin por mnimos cuadrados de Ax = b, entonces la pro-yeccin
ortogonal de b sobre W es
proy, b = A x
UNICIDAD
DE LAS
SOLUCIONES
POR M~NIMOS
CUADRADOS
Antes de ardizar algunos ejemplos numricos, se establecern condiciones que

garantizan que un sistema lineal tiene slo una solucin por mnimos cuadrados.
Sc nccesitari el siguienic tcorema
Teorema 6.4.3. S' '4 es una matriz tt1

nes son equivalentf~s.
n, entonces las siguientes proposicio-
c ) A tiene vectores columna linealmente independientes

d) ATA es invertible.
llerrmsfracicin.
Se demostrar que a 3 h y h
a.
3 h : Supngase que los vectores columna de A son linealmente independientes.

La matriz A',I es de tamao n x n, de modo que, para demostrar que esta matriz
cs invertible, sc debe probar que el sistema lineal A'Ax = O slo tiene la solucin
trivial. Pero si x es cualquier solucin de este sistema, entonces A x est en el espacio nulo de A 7 'y tambin est en el espacio columna de A . Por el teorema 6.2.6
los espacios son complementos ortogonales. de modo que el inciso b) del teorenla
6.2.5 indica que A x = O . Pero -4 tiene vectores columna linealmente independientes. de modo que x = O por el teorema 5.6.8.
b 3 a : Supngase que ATA es invertible. Para demostrar que A tiene vectores

columna linealmente independientes, por el teorema 5.6.8. basta probar que A x =
O slo tiene la solucin trivial. Pero si x es cualquier solucin de A x = O , entonces
A ?,I x = A TO = O. de modo que x = O debido a la invertibilidad de A 'A. 0
El siguiente teorema es una consecuencia directa de los teoremas 6.4.2 y
6.4.3. Se omiten los detalles.
Teorema 6.4.1. (Unicidad de las soluciones por mnimos cuadrados). Si A es

una matriz 111 X n con vectores columna linealmente independientes, entonces
para toda tnatrrz b de n X 1 e l sistenm lineal A x = b frene una sola solucibn
por lt1niv1o.s cundrados. E.sta solucicin est6 dada por
Las frmulas (4) y ( 5 ) poseen varias aplicaciones tericas, pero

no son eficaces para efectuar clculos numricos. Las soluciones por mnimos
cuadrados de A x = b se calculan mejor usando eliminacin gaussiana o eliminacin de Gauss-Jordan para resolver las ecuaciones normales: la proyeccin ortoORSERVACI~N.
6.4 Mejor aproximacin, mnimos cuadrados
/'
389
gonal de L sobre el espacio columna de A se obtiene calculando Ax, donde x es la

solucin por mnimos cuadrados de A x = b.
y encontrar la proyeccin ortogonal de b sobre el espacio columna de A
Solucin. Aqu,
Obsrvese que A tiene vectores columna linealmente independientes, de modo que

de antemano se sabe que existe una solucin por mnimos cuadrados nica.
de modo que en este caso el sistema normal ATAx = A*b es
Resolviendo este sistema se obtiene la solucin por mnimos cuadrados
Por ( 9 , la proyeccin ortogonal de b sobre el espacio columna de A es
Ejemplo 2 Encontrar la proyeccin ortogonal del vector u .= ("3,

el subespacio de R4 generado por los vectores
" 3 , 8, 9) sobrc
390 1 Espacios con producto interior
Solucidn. Para resolver este problema se aplica primero el procesode GramSchmidt con el fin de convertir { u l , u2, u3} en una base ortonormal y luego se
aplica el mtodo usado en el ejemplo 6 de la seccin 6.3. Sin embargo, el siguiente
mtodo es mejor.
El subespacio W de R4 generado por u l , u2 y u3 es el espacio columna de la
matriz
-1
A = [ 3
-1
Entonces, si u se expresa como un vector columna, es posible determinar la proyeccin ortogonal de u sobre W encontrando una solucin por mnimos cuadrados
del sistema A x = u y, luego, calculando proy, u = Ax a partir de la solucin por
mnimos cuadrados. Los clculos son como sigue: El sistema Ax = u es
3
1
O
1
de modo que
3
ATA=
[-1
ATu =
3
1
-1
1
2
0
1
1
2
0
0
1
2
"
1
i
I
1
-1
En este caso, el sistema normal ATAx = A
-4
11
6
-4
1
1
-3
-3
8
9
es
10
6
7
O
-4
0
6
6.4 Mejor aproximacibn, mnimos cuadrados
391
Resolviendo este sistema se obtiene que la solucin por mnimos cuadrados de A x

= u es
(comprobarj, de modo que
o bien, en notacin horizontal (lo cual es consistente con el planteamiento original

del problema), proy,u = (-2, 3, 4. O). A
OPERADORES
PROYECCIN
ORTOGONAL
En la seccin4.2 se analizaron algunos operadoresproyeccin ortogonal bsicossobre

R2 y R3 (tablas 4 y 5 ). El concepto de operador proyeccin ortogonal se puede extender
a espaciosgeneralesconproductointeriorcomo
se muestraenseguida.
Definicin. Si W es un subespacio de Rm. entonces la transformacin P:Rm+
W que aplica cada vector x en Rm en su proyeccin ortogonal proy, x en W se
denomina proyeccin ortogonal de Rmsobre W.
Se deja como ejercicio demostrar que las proyecciones ortogonales son operadores
lineales. Por la frmula (5) se concluye que la matriz estndar para la proyeccin
ortogonal de Rmsobre IV es
[ P 1 = A ( A 'A) ' 4 '
~
(6)
donde A se obtiene usando cualquier base para W como sus vectores columna
Ejemplo 3 En la tabla 5 de la seccin 4.2 se demostr que la matriz estndar para
la proyeccin ortogonal de R3 sobre el plano xy es
Para darse cuenta de que lo anterior es consistente con la frmula (6), considrense los vectores unitarios a lo largo de los ejes x y y positivos como base para el
plano xy, de modo que
A=
[ie]
392
Se deja para el lector comprobar que ATA es la matriz identidad 2 x 2; as, (6) se
simplifica a
[:
o
[P]-AAT=
:][I
1
O
1
o]=[:
0
"1
0
lo cual concuerda con (7). A
Ejemplo 4 Hallar la matriz estndar para la proyeccin ortogonal P de R2 sobre la

recta 1 que pasa por el origen y forma un ngulo 8 con el eje x positivo.
Solucin. La recta I es un subespacio unidimensional de R2. Como se ilustra en
la figura 3, se puede tomar v = (cos 8 , sen 8 ) como una base para este subespacio,
de modo que
Se deja para el lector comprobar que ATA es la matriz identidad 1 x 1; as, (6) se
simplifica a
[ P I =AAT=
[i:::] [ cos e
,p
sen 6 1 =
1.
cos2 e
sen o COS e
sen e cos 6
sen2 8
7';
PIX)
1L
+
Figura 3
RESUMEN
El teorema 6.4.3 permite agregar un resultado adicional al teorema 6.2.7.
Teorema 6.4.5. Si A es una matriz n X n, y si TA:R" -+ R" es la multiplicacin

por A , entonces las siguientes proposiciones son equivalentes.
c ) La forma escalonada reducida de A es I,,,
d) A puede escribirse como un producto de matrices elementales,
e ) Ax = b es consistente para toda matriz b n X 1,
f,l A H = b tiene exactamente una solucin para toda matriz b n X 1.
g ) det(A) f O .
6.4 Mejor aproximacin, mnimos cuadrados / 393
h) El rango de TA es R".
i) TA es uno a uno.
j ) Los vectores columna de A son linealmente independientes.
k) Los vectoresrengln de A son linealmente independientes.
r) Los vectores columna deA generan a R".
m ) Los vectores rengln deA generan a R".
n ) Los vectores columnade A forman una base para R".
o ) Los vectores rengln de A forman una base para R".
q) La nulidad deA es O .
r ) El complemento ortogonal del espacio nulo de A es R".
S ) El complemento ortogonal del espacio rengln deA es (O).
t) ATA es invertible.
Este teorema relaciona los temas ms importantes estudiados hasta el momento.

1. Hallar el sistema normal asociado conel sistema lineal dado.
2. En cada inciso, encontrar det(ATA)y aplicando el teorema 6.4.3, determinar si A tiene
vectores columna linealmente independientes.
3. Encontrar la solucin por mnimos cuadrados del sistema lineal
Ax
= b y hallar la
proyeccin ortogonalde b sobre el espacio columna de A .
4. Determinar la proyeccin ortogonal de u sobre el subespacio de R3 generado por los
vectores v, y v2.
a) u = (2, 1, 3); v1 = (1, 1, O), v2 = (1, 2, 1)
b ) u = ( l , -6,l); ~,=(-1,2,1), v2=(2,2,4)

5. Encontrar la proyeccin ortogonalde u sobre el subespacio de I? generado por los vectores v,, v2 y vj.
a) ~ = ( 6 , 3 , 9 , 6 ) ;~ , = ( 2 ,I , I I, ) ,
b)u=(-2,0,2,4);
~ ~ ~ ~ ( l . IO) , , ~l , ,= ( - 2 . - 1 . 0 . - I )
v , - ( l , l . 3 , 0 ) , v,=(-2,
- I , -2,1), V , - ( - 3 .
" I , 1,3)
6. Hallar la proyeccin ortogonal de u = (5, 6, 7 , 2) sobre el espacio solucin de sistema

lineal homogneo
7. Usando la frmula (6) y el mtodo del ejemplo 3, encontrar la matriz estndar de la
proyeccin ortogonal P:K2 -+ U

' sobrc
a) el eje x. b) el ejey.
[Nota Comparar los resultados con la tabla 4 de La seccin 4.2.1
8. Por medio de la frmula (6) y el mtodo del ejemplo 3 , determinar la matriz estndar
de la proyeccin ortogonalP r R 3 -+R3 sobre
a)el plano x z .
b) el planoyz.
[Nofa Comparar los resultados con la tabla 5 de la secci6n 4.2.1
9. Sea We1 plano con ecuacin 5x - 3y + I = O

a) Encontrar una base para W.
b) Con la frmula (6); encontrar la matriz estndar para la proyeccin ortogonal sobrc
W.
c) Usar la matriz obtenida en el inciso b) para determinar la proyeccin ortogonal de
un punto Po(xo,y,,, z,,) sobre W.
d) Encontrar la distancia entre el punto P & l , -2, 4) y el piano W,y comprobar el
resultado mediante el teorema 3.5 -2
10. Sea Cz, la recta con ecuaciones paramktricas
a) Encontrar m a base para W.

b j Por medio de l a frmula (6), encontrar la matriz estndar para la proyeccin ortogonal sobre W.
c) Usar la matriz obtenida en el inciso b) para encontrar la proyecci6n ortogonal de un
punto Po(xo,yo, zo) sobre W.
d) Hallar la distancia entre el punto Po(2, 1, - 3 ) y la recta W.
11. Para los sistemas linealesdel ejercicio 3, comprobar que ei vector de error AY - b que
resulta de la solucinpor mnimos cuadrados F es ortogonal alespacio columna de A .
12. Demostrar: Si A tiene vectores columna linealmente independientes y si Ax = b es consistente, entonces la solucin por mnimos cuadrados de Ax = b y la solucin exacta de
Ax = b son iguales.
6.5 Matrices ortogonales; cambio de base
395
13. Demostrar: Si A tiene vectores columna linealmente independientes y si b es ortogonal

al espacio columnade A , entonces la solucin por
mnimos cuadrados deAx = b es x = O.
+ W la proyeccin ortogonalde R" sobre un subespacio W.

a) Demostrar que [PI2= [PI .
b) Qu indica el resultado del inciso a) con respecto a la composicin P o P?
c) Demostrar que [PI es simtrica.
d) Comprobar que las matnces en las tablas 4 y 5 de la seccin 4.2 tienen las propiedades indicadas en los incisos a) y c).
14. Sea PB"
15. Sea A una matriz m
X n con vectores renglol linealmente independientes. Encontrar

una matnz estndar para la proyeccin ortogonal de Rn sobre el espacio rengln de A .
[Sugerencia Empezar con la frmula (6).]
6.5 MATRICES ORTOGONALES; CAMBIO DE BASE

Una base que es adecuada para un problema puede no ser para otro, de modo
que en elestudio de los espacios vectoriales unproceso comn es cambiar de una
base a otra. Debido a que una base es la generalizacin a espacios vectoriales
de un sistema de coordenadas, el cambio de base es semejante a cambiar de
ejes de coordenadas en R2 y R3. En esta seccin se estudiarn varios problemas
relacionados con el cambio de base. Tambin se obtendrn propiedades de las
matricescuadradas que tienenvectores columna ortonormales. Estasmatrices
surgen en diversos contextos, incluyendo problemas en los que hay un cambio de
una base ortonormal a otra.
MATRICES
ORTOGONALES
Las matrices cuyas inversas se pueden obtener por transposiciones son tan importantes que existe una terminologa asociada con ellas.
Definicin. Una matriz cuadrada A con la propiedad
A-l'AT
se denomina matriz ortogonal.

Por la definicin anterior se concluye que una matriz cuadradaA es ortogonal si y
slo si
A A ~ = A ~ A = I
(1)
De hecho,por el teorema 1.6.3 se concluye que una matriz cuadrada A es

ortogonal si A A T = I, o bien, A TA = I.
Ejemplo 1 La matriz
"1
"
1 0 0
=[O
0
0~ A
Ejemplo 2 Recordar que en la tabla 6 de la seccin 4.2, la matriz estndar para la

rotacin de R2 en sentido contrario a las manecillas del reloj por un ngulo 8, es
A = [
O
sen0
COS
-sen0
cos 0
Esta matriz es ortogonal para todas las elecciones de 8 ,ya que
De hecho, es fcil comprobar que todas las "matrices de reflexin" en lastablas 2 y

3 y todas las "matrices de rotacin" en las tablas 6 y 7 de la seccin 4.2 son
matrices ortogonales. A
Obsrvese que para las matrices ortogonales en los ejemplos 1 y 2, tanto los
vectores rengln como los vectores columna forman conjuntos ortonormales con
respecto al producto interior euclidlano (comprobar). Este hecho no es fortuito; es
una consecuencia del siguiente teorema.
Teorema 6.5.1. Las siguientes proposiciones son equivalentes para una matriz
A n x n.
a ) A es ortogonal.
b ) Los vectores rengln de A forman un conjunto ortonormal en R" con el producto interior euclidiano.
c ) Los vectores columna de A forman un conjunto ortonormal en R" con el
producto interior euclidiano.
Demostracin. Se probar la equivalencia de a ) y b), y la equivalencia de a ) y c )
se deja como ejercicio para el lector.
a e b: El elemento en el i-sinlo rengln y la j-sima columna del producto

matricial A A T es el producto punto del i-simo vector rengln de A y el j -
397
Por tanto, A A =~I si y slo si
r l - r l = r 2 . r 2 = .. .= rn-rn= 1
Y
ri-rj=O CuandoiZj
que son verdaderas si y slo si rl, r2, . . . , rn es un conjunto ortonormal en R".
OBSERVACI~N. En vista del teorema 6.5.1 parece ms apropiado denominar

matrices ortonormales a las matrices ortogonales. Sin embargo, no se har as por
respeto a la tradicin histrica.
ALGUNAS
PROPIEDADES
BASICAS DE
LAS MATRICES
ORTOGONALES
En el siguiente teorema se enumeran algunas propiedades bsicas adicionales

de las matrices ortogonales. Las demostraciones son directas
y se dejan para
el lector.
Teorema 6.5.2.
a) La inversa de una matriz ortogonal es ortogonal.
b) Un producto de matrices ortogonales es ortogonal.
c) S i A es ortogonal, entonces det(A) = 1 o det(A) = - 1.
Ejemplo 3 La matriz
es ortogonal, ya que sus vectores rengln (y columna) forman conjuntos

ortonormales en R2. Se deja para el lector verificar que det(A) = 1. Intercambiando
los renglones se obtiene una matriz ortogonal para la cual det(A) = - 1. A
MATRICES
ORTOGONALES
COMO OPERADORES LINEALES
En el ejemplo 2 se vio que las matrices estndar para los operadores reflexin y
rotacin bsicos sobre R2 y R3 son ortogonales. El siguiente teorema ayudar a
explicar este hecho
398
Teorema 6.5.3. S; A es una matriz n

son equivalentes.
n, entonces las SigUienteS proposiciones
a ) A es ortogonal.
h ) &4xll = llxll para todo x en R".
c)Ax.Ay=x.yparatodoxyyenR".
Demostracin.
Se probar la serie de implicaciones a * b * c
a 3 b : Supngase que A es ortogonal, demodo que ATA

frmula (8) de la seccin 4.1,
3 c:
Supngase que A x
=x
= I.
* a.
Entonces por la
para todo x en H". Por el teorema 4.1.6 se tiene
c 3 a: Supngase que A x * Ay = x
frmula (8) de la seccin 4.1 se tiene
y para todo x y y en R". Entonces por la
que se puede volvera escribir como

x.(A~AY-~)=o
X . ( A ~ A- q Y = o
Como la expresin anterior es verdadera para todo x en R", en particular se

cumple si
x
= (A 7A
1)y
de modo que
( A ' A- I)y (A 'A
/)Y
=O
a partir de lo cual se puede concluir que
(por qu?). As, (2) es un sistema homogneode ecuaciones lineales que se

cumple para todo y en R". Pero esto significa que la matriz coeficientes debe ser
cero (por qu?), de modo que ATA = I y, en consecuencia,A es ortogonal. 0
Si T:R" 4 R" es la multiplicacin por una matriz ortogonal A, entonces T se
denomina operador ortogonal sobre R". Por los incisos a ) y 6) del teorema
precedente se concluye que los operadores ortogonales sobre R" son precisamente
6.5 Matrices ortogonales; cambio de base / 399
los operadores que no modifican las longitudes de todos los vectores. Como las
reflexiones y las rotaciones de R2 y R3 tienen esta propiedad, este hecho explica la
observacin en el ejemplo 2 de que las matrices estndar para las reflexiones y rotaciones bsicas de R2 y R3 son ortogonales.
MATRICES DE
COORDENADAS
Recordar por el teorema 5.4.1 que si S = {vl, v,, . . . , vn} es una base para un espacio vectorial V, entonces todo vector v en V se puede expresar de manera nica
como una combinacin lineal de los vectores bsicos, porejemplo,
v
= k,v,
+ k2v2+ . . . + k,V,
Los escalares k,, k,, . . . , kn son las coordenadas de v con respecto a S, y el vector
(v)s = (k,,
k2,
' ' '
>
k,)
es el vector de coordenadas de v con respecto aS. En esta seccin ser conveniente

enumerar las coordenadas como elementos de una matriz n x l . As, la matriz
se define como la matriz de coordenadasde v con respecto aS.

CAMBIO DE
BASE
En las aplicaciones es comn trabajar conmsdeun

sistema de coordenadas, y
suele ser necesario conocer la relacin entre las coordenadas de
un punto o vector
fijo y los diversos sistemas de coordenadas. Como el concepto de base es la generalizacin de un sistema de coordenadas a espacios vectoriales, se llega a considerar el siguiente problema.
Problema del cambio de base. Si la base de un espacio vectorial se cambia de
cierta base inicial B a una base nueva B', j d m o est relacionada la matriz de coordenadas inicial [vlB de un vector v con la nueva matriz de coordenadas [ v ] ~ , ?
1
Por sencillez, este problema se resolver para espacios bidimensionales. La

solucin para espacios n dimensionales es semejante y se deja al lector. Sean
= {U,, U*}
B'
{u;, u;}
las bases inicial y nueva, respectivamente. Sern necesarias las matrices de coordenadas para los nuevos vectores bsicos con respecto a la base inicial. Supngase
que las matrices son
400
Es decir,
+ bu,
= cul + dU2
u; = "U1
u;
Ahora, sea v cualquier vector en V y sea
la nueva matriz de coordenadas, de modo que
Para determinar las coordenadas iniciales de v es necesario expresar v en trminos

de la base inicial B. Esto se logra al sustituir (4) en ( 6 ) . As se obtiene
v
= k,(au,
+ bu, j + k,(CU, + d U 2 )
= (k,"
+ k,c)u, + (k,b + k,d)U2
Entonces, la matriz de coordenadas inicial para v es
['IB
i"'" + k2c1
k,b + k,d
que se puede escribir como
o bien, por ( 9 ,
Esta ecuacin establece que la matriz de coordenadas inicial [VI, se obtiene al

multiplicar la nueva matriz de coordenadas [vIBt por la izquierda por la matriz
Las columnas de esta matriz son las coordenadas de los nuevos vectores bsicos
con respecto a la base inicial [vase (3)]. As, se tiene la siguiente solucin para el
problema del cambio de base.
Sulucin delproblema del cambio de base. Si se cambia la base para un

espacio vectorial, V de una base inicial B = {u1, u2, . . . , U,,}a una base nueva
B' = {u;& ,...,un] entonces la matriz de coordenadas inicial [VI, de un vector
[VI est relacionada con la nueva matriz de coordenadas [ V ] ~ 'del mismo vector
v por medio de laecuacin
[VIB
= P[VI/?'
(7)
donde las columnas de P son las matrices de coordenadas de los nuevos

vectores bsicos con respecto a la base inicial; es decir, los vectores columna de
P son
]E,[uilE,
MATRICES DE
TRANSICI~N
' ' '
>
[uAIB
La matriz P se denomina matriz de transicin de B' a B y se puede expresar en

trminos de sus vectores columna como
Ejemplo 4 Considerar las bases B = {u1, u2} y B' = {u;,ui} paraR2, donde
u1 = (1, O);
u2 = (O, 1);
U'(1, 1);
u' = (2, 1)
a) Encontrar la matriz de transicin de B' a B

b) Por medio de (7), hallar [vIB si
Solucin de a), Primero es necesario encontrar las matrices de coordenadas de

10s nuevos vectores bsicos u1y u2 con respecto ala base inicial B. Por inspeccin,
I
u; = u, u2
u; = 2u, + u2
de modo que
As, la matriz de transicin de B' a B es
Solucin de b). Mdante (7) y la matriz de transicin determinada eninciso

el a),
Como comprobacin, debe ser posible recuperar el vector v a partir de [vIB o de

[ V ] ~ ' .Se al lector demostrar que - 3 u; + 5 u; = u; + 2 u; = v = (7, 2). A
Ejemplo 5 Considerar los vectores u1 = ( 1 , O ) , u2 = (O, I), u; = (1, l), u;,=

(2, 1). En el ejemplo 4 se encontr la matriz de transicin de la base B' = { ul,
u; } para R2 a la base B = (u1 u*>. Sin embargo, tambin se podra pedir la
matriz de transicin de B a B'. Para obtener esta matriz, simplemente se cambia el punto de vista y se considera a B' como la base inicial y a B como la base
nueva. Como de costumbre, las columnas de la matriz de transicin son las coordenadas de los nuevos vectoresbsicos con respecto a la base inicial.
Igualando las componentes correspondientes y resolviendo el sistema lineal
resultante, el lector debe poderdemostrar que
~
u, = - u ;
+ u;
u2 = 2u;
u;
de modo que
As, la matriz de transicin de B a B' es
Si se multiplican entres la matriz de transicin deB' a B obtenida en el ejemplo

4 y la matrizde transicin deB a B'obtenida en el ejemplo5, se encuentra
lo cual muestra que Q = Pfortuito.
l.
El siguiente teorema demuestra que este hecho no es
Teorema 6.5.4. Si P es la matriz de transicin de una base B' a una base B,

entonces:
a ) P es invertible.
b ) P- es la matriz de transicin de B a B'.
Demostracin. Sea Q la matriz de transicin de B a B'. Se probar que PQ
entonces se concluir que Q = P" para completar la demostracin.
=Iy
Suponer que B = {ul, u2, . . . , U,} y que
..
Cl I
PQ =
..
C2 I
..
Por (7)
rx1B
-:I
Cnn
= p[xlB'
Y
[XIB, = Q[xIB
para todo x en V. Multiplicando la ecuacin inferior por P por la izquierda y

sustituyendo la ecuacin superior se obtiene
1 x 1 =~ ~ Q [ X ] B
(9)
para todo x en V. Con x = u1en (9) se obtiene
De manera semejante, la sustitucin sucesiva de x = u2, . . . , u, en (9) da
. ,...
(. '
Por consiguiente, PQ =I.

En resumen, si P es la matriz de transicin de una base B' a una base B,
entonces para todo vectorv se cumplen las siguientes relaciones:
... ..
."I
404
CAMBIO DE
BASE
ORTONORMAL
El siguiente teorema muestra que c.11 un espacio con producto interior, la matriz de
transicin de una base ortonormal a otra es o; togonal.
Teorema 6-55. Si P es la maMz de lransicin de una base ortonormal a otra
base ortorzormal para un espacioconproductointerior,
entonces I-' es una
matriz ortogonal; es decir,
Demostracin. Suponer que Ves un espacio n dimensional con producto interior

y que P es la matriz de transicin de una base ortonormal B' a una base ortonormal
R. Para demostrar que P es ortogonal se aplicar el teorema 6.5.36 y se probar
que llPxll = llxll para todo vector x en R".
Recordar por el teorema 6 . 3 . 2 ~que para cualquier base ortonormal de V, la
norma de cualquier vector u en Ves igual a la norma de su vector de coordenadas
en R" con respecto al producto interior euclidiano. As. para cualquier vector u en
I se tiene
donde la primera norma es con respecto al producto interior sobre V y las normas
segunda y tercera son con respecto al producto interior euclidiano sobre R".
Ahora. sea x cualquier vector en R", y sea u el vector en V cuya matriz de
coordenadas con respecto a la base B' es x: es decir,
= x. As, por (12),
liull =
ilPxll
IIXII =
con lo que se demuestra que P es ortogonal

ROTACIN DE
EJES
COORDENADOS
Ejemplo 6 (Aplicacin a la rotacin de ejes de coordenados.) En muchos problemas se proporciona un sistema de coordenadas rectangulares x y , y al mover este
sistema en sentido contrario a las manecillas del reloj alrededor del origen por un
ngulo se obtiene un nuevo sistema de coordenadas rectangulares x". Cuando se
hace lo anterior, cada punto Q en el plano posee dos conjuntos de coordenadas: las
coordenadas (x, y ) con respecto al sistema xy y las coordenadas (xt,Y ' ) con respecto
al sistema x" (figura la).
AI introducir los vectores unitarios u, y u2 a lo largo de los ejes x y y
positivos y los vectores unitarios u l y u2 a l o largo de los ejes x' y y' positivos,
esta rotacin se puede considerar como un cambio de una base inicial B = {u1,
u*} a una base nueva B' = { u;, u; } (figura l b ) . As, las nuevas coordenadas
(x'. y ' ) y las coordenadas anteriores (x, y ) de un punto Q estn relacionadas
por medio de
1
[;:I
= p"[
;]
\
"
I
'
\
Figura 1
d)
[u;I R =
cos H
[sen
De manera semejante, por la figura Id, se observa que las componentes de u; en

la base inicial son cos (O + n12) = -sen O y sen (O + n12) = cos 8, de modo que
- sen
[4lS
cos
As, la matriz de transici6rl de H ' a E cs

0
-sen 0
sen H
cos 8
COS
406 1 Espacios con producto interior
Observar que P es una matriz ortogonal, como seesperaba, ya que B' y B son bases
ortonormales. As,
cos O sen 0
-sen O cos O
p-1 = p r =
de modo que (13) produce

x' =
y' =
x cos O
"x
+ y sen 9
senO+ycos 8
Por ejemplo, si los ejes se hacen girar 8 = n14, entonces como

sen:
7T
% - 1
= cos - = -
4 v 5
la ecuacin (14) se convierte en
[;:I
Por tanto, si las coordenadas iniciales de un punto Q son (x, y) = (2, - l), entonces
de modo que las nuevas coordenadas de Q son (x',y') = (11
A- 31a).A
O B S E R V A C I ~ N . Ntese que lamatrizde

coeficientes en (14) esigual a la
matriz estndar para el operador lineal que hace girar los vectores en R2 por
un ngulo -8 (tabla 6 de la seccin 4.2). Este hecho era de esperarse, ya que
la rotacin de los ejes de coordenadas por un ngulo 8 con los vectores de R2
fijos tiene el mismo efecto que hacen girar los vectores por un ngulo -8 con
los ejes fijos.
Figura 2
Ejemplo 7 (Aplicacin a la rotacin de los ejes de coordenadas en el espacio tridimensional.) Suponerque un sistemadecoordenadasrectangulares
xyz se hace girar alrededor de su eje z en sentido contrario a las manecillas
del reloj (mirando sobre el eje z positivo) por un ngulo 9 (figura 2). Si se introducen los vectores unitarios u , , u2 y u 3 a l o largo de los ejes x, y y z positivos, y los vectores unitarios ul, u2 y u3a lo largo de los ejes x!, y' y z' positivos, la rotacin se puede considerar como el cambio de la base anterior B =
{ul, u2: u3} a la base nueva B' = { u;, u;, u; >. En vista del ejemplo 6 debe
ser obvro que
D
Adems, como u\ se alarga 1 unidad sobre el ejez' positivo,

LU;lB =
[!]
Por tanto, la matriz de transicin de B' a B es

cos 6
P = [sei0
y]
-sen8 O
co; 8
y la matriz de transicin de B a B' es
cos 8 sen 8 O
(comprobar). As, las nuevas coordenadas

y', z') de un punto Q sepueden
calcular a partir de sus coordenadas anteriores (x,y , z ) por medio de
(XI,
408
1;
Lspacios con producto interior
cos 0 sen H O
-sen8 cos 8 O
O
o
1

1. Demostrar que
1 2 "
25
16
25
es una matriz ortogonal,

a) calculando ATA.
b) usando el inciso b ) del teorema 6.5. l .
c) usando el inciso c ) del teorema 6.5.1.
2. Encontrar la inversa dela matriz del ejercicio l .
3. Determinar cules de las siguientes matnces son ortogonales. Para las que s sean, encontrar la inversa
1/%6
4. Comprobar que las matrices de rotacin y las matrlces de reflexin en las tablas 2 y 3
de l a seccin 4.2 son ortogonaies.

5. IIallar la matriz de coordenadas de w con respecto a la base S = {u,.u2} para R2.
a) u I = (1, O), u2 = (O, I ) ; w = (3, - 7 )
b) u , = (2, -4), u2 = (3, 8); w = (1, 1)
c) 11, = (1, l), u: == (O, 2); w = (a, 6)
6. Encontrar la matriz de coordenadas de v con respecto a la base S = {v,, v2, v3}

a) v = (2, - I . 3 ) ; v i = (I,O
. O), v2 = ( 2 , 2. O), v3 = ( 3 , 3 , 3)
b) v (5, - 12, 3); V , == ( 1 , 2, 3), v 2 z.( "4. 5. 6), ~3 = (7, - S , 9)
7. determinar la matnz decoordenadas de p con respecto a S = { p i , p,, p,}
a) p = 4 - 3x + x L ; p I = I , p2 = X , p3= x2
b)p=2--x+x2; p l = l + x , p2=I+x2, p3=~x+x2
8. Encontrar la matriz de coordenadas para A con respecto a S = {A,, A,, A,,A 4 j
112 O

9. Considerar las matrices de coordenadas
a) Hallar w si S es la base del ejercicio 6(a).

b) Encontrar q si S es labase del ejercicio 7(a)
c) Determinar B si S es la base del ejercicio 8.
10. Considerar las bases B = {U,, u2} y B' = {vl, v2} para R2, donde
a) Hallar la matriz de transicin de B' a B.

b) Encontrar la matriz de transicin de B a B'.
c) Determinar la matriz de coordenadas [w],, donde
y usando (1 I), calcular W ~ I .

d) Comprobar las respuestas mediante el clculo directo de [w],~
11. Repetir las instrucciones del ejercicio 10 con
; I, +I,
12. Considerar las bases B = {u,,u2, u3} y B' = {vI,v2, v3) para R3, donde
ul=[;a].
u2=[
.+], .;=[
a) Encontrar la matriz de transicin de B' a B.

b) Determinar la matnz de coordenadas [w],, donde
w=[;!]
y usando (1 1), calcular [wlBt.
c) Comprobar las respuestas mediante el clculo directo de [w],,.
13. Repetir las instrucciones del ejercicio 12 con el mismo vector w, pero con
3 "1
vj=
/'
409
410
Espaclos con producto interior
a> Hallar la matriz de transicin de B' a B.

b) Encontrar la matriz de transicin de B a B'.
c) Calcular la matriz de coordenadas [pIR,donde p = -4
+ x, y usando 1l), calcular
b1,"
d) Comprobar las respuestas calculando directamente [p],~.

15. Sea Vel espacio generado por f, = sen x y f, = cos x.
a) Demostrar que g, = 2 sen x + cos x y g, = 3 cos x forman una base par V.
b) Determinar la matriz de transicin de B' = {g,,g2) a B = {fl, f,} .
c) Encontrar la matnz de transicin de B a B .

d) Calcular la matnz de coordenadas [h], , donde h = 2 sen x
(1 l), calcular [h],~.
e) Comprobar las respuestas calculando directamente [h],~
5 cos x, y usando
16. Sea un sistema de coordenadas rectangulares x)' obtenido al girar un sistema de coordenadas rectangulares xy en sentido contrario a las manecillas del reloj por un ngulo 0
= 3~14.
a) Determinar las coordenadasx y del punto cuyas coordenadasxy son (-2,6).
b) Encontrar las coordenadas xy del punto cuyas coordenadasx'y' son (5,2).

17. Repetir el ejercicio 16 con O = x13
18. Sea un sistema de coordenadas rectangulares xyz' obtenido al girar un sistema de
coordenadas rectangulares xyz en sentido contrario a las manecillas del reloj alrededor
del eje z (mirando sobre el eje z) por un ngulo 6 = d 4 .
a) Encontrar las coordenadas x'y!z' del punto cuyas coordenadasxyz son (- 1,2,5).
b) Determinar las coordenadas xyz del punto cuyas coordenadasxyz' son (1,6,
- 3).
19. Repetir el ejercicio 18 para una rotacin de 0 = z13 en sentido contrario a las maneci-
llas del reloj alrededor del ejey (mirando a lo largo del eje y positivo hacia el origen).
20. Repetir el ejercicio 18 para una rotacin de B = 3 ~ 1 4en sentido contrario a las manecillas del reloj alrededor del eje x (mirando a lo largo del eje x positivo hacia el
origen).
21. a) Un sistema de coordenadas rectangulares x'y'z' se obtiene al girar un sistema de
coordenadas xyz en sentido contrario a las manecillas del reloj alrededor del eje y
por un ngulo O (mirando a lo largo del eje y positivo hacia el origen). Encontrar
una matriz A tal que
donde (x, y , z) y ( 2 , y', z') son las coordenadas del mismo punto en los sistemas xyz
y x'y'z', respectivamente.
b) Repetir el inciso a) para una rotacin alrededor del eje x.
6.5 Matrices ortogonales; cambio de base I' 41 1

22. Un sistema de coordenadas rectangularesx'lyIIz'' se obtiene al girar primero un sistema
de coordenadas xyz en sentido contrario a las manecillas del reloj alrededor del eje z
por un ngulo'de60 (mirando a lo largo del
eje z positivo hacia el origen) para obtener un
sistema de, coordenadas xyz', y luego al girar el sistema de coordenadasxyz' en sentido
contrario alas manecillas del reloj alrededor del eje y por un ngulo de 4 5 O (mirando a
lo largo del eje y positivo hacia el origen). Encontrar una matriz
A tal que
donde (x, y , z) y (x", y " , z") son las coordenadas q z y x"y"z" y del mismo punto,
respectivamente.
23. Qu condiciones deben cumplira y b para que la matriz
[ zz ]
sea ortogonal?
24. Demostrar que una matriz ortogonalA tiene una de las dos formas posibles:
cos 0
A = [sen 0
sen0
cos 0
A=
cos 0
-sen 0
-senO]
- cos 0
donde O S 8 < h.
[Sugerencia. Empezar con una matriz general A = (a..) 2 X 2, y
I)
aplicar el hecho de que los vectores columna formanun conjunto ortogonal enR'.]
25. a) Aplicar el resultado del ejercicio 24 para demostrar que la multiplicacin por una
matriz ortogonal2 X 2 es una rotacin o una rotacin seguida de una reflexinalrededor del eje x.
b) Demostrar que la multiplicacin por A es una rotacin si det(A) = 1 y una rotacin
seguida de unareflexin si det(A) = - l.
26. Usar el resultado del ejercicio 25 para determinar si la multiplicacin por A es una
rotacin o una rotacin seguida de una reflexin. En cada caso, encontrar el ngulo
de rotacin.
27. El resultado del ejercicio 25 tiene unanlogoparamatricesortogonales

3 X 3: se
puede demostrar que la multiplicacin por una matriz ortogonal A 3 X 3 es una rotacin alrededor de algn eje fijo si deyA) = 1 y que es una rotacin alrededor de algn
eje fijo seguidade una reflexin con respecto a algn planode coordenadas si det(A) =
- l . Determinar si la multiplicacin porA es una rotacin o es una rotacin seguida de
una reflexin.
3
412 iEspacios con producto interior

28. Con el resultado del ejercicio 27 y el inciso b ) del teorema 6.5.2, demostrar que una
composicin de rotaciones siempre se puede efectuar mediante una simple rotacin con
respecto a algn eje idbneo.
29. Demostrar la equivalencia de las proposiciones u)y c) del teorema 6.5.1
1 EJERCICIOS COMPLEMENTARIOS
1. Sea conelproducto interior euclidiano.
a) Obtener un vector d que sea ortogonal a u1= ( I , O, O, O) y a u4 = (O, O,O, 1) y
forme ngulos iguales COR u2 = (O, 1, O, O) y u3 = (O, O, 1 O).
b) Encontrar un vector x = (x,, x*, x3, x4) de longitud 1 que sea ortogonal a los vectores
u1 y u4 del inciso a) y tal que el coseno del ngulo entre x y u2 sea el doble del
coseno del ngulo entre x y u3.
2. llemostrar que si x es un vector diferente de cero en Rn, entonces la matriz n
es ortogu:;al y simtrica.
3. Sea A x = O un sistema de m ecuaciones con n inc,gnitas.Demostrar que
es una soluci6n del sistema si y slo si el vector x = (x,, xz, . . . , x,) es ortogonal a
lodo vector rengln de A con el producto interior euclidiano sobre R".
4. Aplicar la desigualdad de Cauchy-Schwarz para demostrar que si a l , u2, . . . , a , son
nmeros reales positivos, entonces
5. Demostrar que si x y y son vectores en un espacio con producto interior y c es
cualquier escalar, entonces

i/cx + y y
= (.2I/xjlZ
+ 2c( x, y ) + I/y/l2
6. Sea R3 con el producto interior euclidiano. Encontrar dos vectores de longitud 1 que
sean ortogonales a todos y cada uno de los vectores u , = (1, 1, - I ), u2 = (-2, - 1,2) y
u3 = ( - 1 , o, X).
Ejercicios complemenfarios i 413

7. Encontrar un producto interior euclidiano ponderado sobreRn tal que los vectores
v , = ( l , O , O , . . . O)
)
v , = ( O , ~ , O, . . . , O )
vi = (O, O, v?, . . . , O)
v,
(O, O,
o,
. . .,
d i)
formen un conjunto ortonormal.

8. Existe algn producto interior euclidiano ponderado sobre R2 para el que los vectores
(1,2) y (3,
- 1) formen un conjunto ortonormal? Justificar la respuesta.
9. Demostrar: Si Q es una matriz ortogonal, entonces cada elemento de Q es igual a su

cofactor si det(Q)= 1 y es el negativo de su cofactor si det(Q) = - l .
10. SI u y v son vectores en un espacio V con producto interior, entonces u, v y u - v se
pueden considerar como los lados de un "tringulo" en V (figura 1). Demostrar que la
ley de los cosenos se cumple para cualquiera de estos tringulos; es decir, IJu- vil2 =
llul12+ llv112 - 2llull llvll cos 8, donde 0 es el ngulo entre u v v.
11. a) En R3, los vectores (k, O, O), (O, k, O) y (O, O, k) forman las aristas de un cubo con
diagonal ( k , k, k ) (figura 4 de la seccin 3.3). De manera semejante, en Rn,los
vectores
se pueden considerar como las aristas de un "cubo" con diagonal (k, k, . . . , k). Demostrar que cada una de las aristas anteriores forma un ngulo igual a Q con la diagonal, donde cos 0 = l 1 6 .
b) (Para quienes ya estudiaron Crilculo.)Qu sucede con el ngulo Q en el inciso a)
cuando la dimensin de Rn tiende a infinito?
12. Sean u y v vectores en un espacio con producto interior.
a) Demostrar que llull = Ilvll si y slo si u + v y u - v son ortogonales.
b) Proporcionar una interpretacin geomtnca del resultado anterior en R2 con el producto interior euclidiano.
13. Sea u un vector en un espacio V con producto interior, y sea {v,, v2, . . . , vn) una base
ortonormal para V. Demostrar que siaies el ngulo entre u + vi, entonces
cos2 a , + cos2 ff2
' ' '
+ cos2 a, = 1
14. Demostrar: Si (u, v ) ~

y (u, v)* son dos productos interiores sobre un espacio vettorial V, entonces la cantidad (u, v) = (u, Y), + (u,
tambin es un producto in-
terior.
41 4
15. Demostrar que el producto interior sobre Rn generado por cualquier matriz ortogonal es
el producto interior euclidiano.

16. h c o n t r a r a, b y c tales que la matriz
sea ortogonal. Son nicos los valores de a, b y c ? Explicar la respuesta

17. Demostrar el inciso c) del teorema 6.2.5.
CAPITULO
EIGENVALORES,
EIGENVECTORES
7.1
EIGENVALORES Y EIGENVECTORES
Si A es una matrizn X n y x es un vector enR", entonces no hay ninguna relacin
geomtrica general entre el vector x y el vector Ax vgura la). Sin embargo, a
menudo existen ciertos vectores x diferentes de cero tales que x y Ax son mltiples escalares entre si yigura lb). Estos vectores surgen de manera natural en
el estudio de vibraciones, sistemas elctricos, gentica, reacciones qumicas, mecnica cuntica, esfuerzo mecnico, economa y geometria. En esta seccin se
mostrar cmo encontrarestos vectoresy , en seccionesposteriores, se abordarn
algunas de sus aplicaciones.
AX
AX
Figura 1
REPASO DE
EIGENVECTORES Y
EIGENVALORES
Se empezar con un repaso de algunos conceptos mencionados en las secciones

2.3. y 4.3.
R" se denomina eigenvector de A si Ax es un mltiplo escalar de x; es decir,

Ax= Ax
para algn escalar A. El escalar A se denomina eigenvalor de A, y se dice que x

es un eigenvector de A correspondiente a A.
415
4I 6
"
Eigenvalores, eigenvectores
En R2 y H 3 , la multiplicacin por A mapea cada eigenvector x de A (en caso

de haber alguno) sobre la misma recta que pasa por el origen que x. Dependiendo
del signo y la magnitud del eigenvalor A correspondiente a x, el operador lineal A x
= Ax hace que x se comprima o alargue por un factor A, con un cambio de direccin en caso de que sea R negativo (figura 2).
Ejemplo 1 El vector x =
[:I
es un eigenvector de
correspondiente al eigenvalor ,
I= 3 , ya que
Para encontrar los eigenvalores de una matriz A n

bir como
Ax
X n , A x = Ax
se vuelve a escri-
dlx
o bien, de manera equivalente.
Para que A sea un eigenvalor, debe existir una solucin diferente de cero
para esta ecuacin. Sin embargo, por el teorema 6.2.7, la ecuacin (1) tiene una
solucin Merente de cero si y slo si
Esta expresin se denomina ecuacin caracteristica de A ; los escalares que satisfacen esta ecuacin son los eigenvalores de A . Al desarrollar det(A1 - A ) se obtiene un polinomio en A, denominadopolinomio caracterstico deA .
7.I Eigenvalores y eigenvectores / 41 7

Se puede demostrar (ejercicio 15) que si A es una matriz n X n, entonces el polinomio caracterstico de A es de grado n y el coeficiente de 1" es 1; es
decir, el polinomio caracterstico de una matriz n x n es de laforma
Por el teorema fundamental del lgebra, la ecuacin caracterstica
tiene cuando mucho n soluciones &stintas, por lo que una matriz n X n tiene a lo
sumo n eigenvalores distintos.
Sera conveniente que el lector revise el ejemplo 6 de la seccin 2.3, donde
se encontraron los eigenvalores de una matriz 2 X 2 resolviendo la ecuacin
caracterstica. En el siguiente ejemplo se usa una matriz 3 X 3 .
Ejemplo 2 Encontrar los eigenvalores de
Solucin. El polinomio caracterstico de A es
A
det(A1-A)
= det[
O
-4
-1
o
-
17 A - 8
= A3 - 8A2
+ 17A-
Por consigwente, los eigenvalores de A deben satisfacer la ecuacin cbica
Para resolverestaecuacinseempezarbuscandosolucionesenteras.Esta
sotarea se puede simplificar bastante aprovechando el hecho de que todas las
luciones enteras (en caso de que haya) de una ecuacin polinomial con coeficientes enteros
A* + C,A"
+ . . + c, = o
'
deben ser divisores del trmino constante, cn. As, las nicas soluciones enteras
posibles de (2) son los divisores de -4, es decir, +1, 22, +_4. Sustituyendo
sucesivamente estos valores en (2) se observa que 1 = 4 es una solucin entera. En
consecuencia, 1 - 4 debe ser un factor del miembro izquierdo de
(2). Dividiendo 1 -4 entre A3 -%I2 + 171 - 4 se observa que (2) se puede volver a escribir como
418
Bigenvalores. tigenvectores
(A-4)@-4A+
1)=0
As. las otras soluciones de (2) satisfacen la ecuacin de segundo grado que se
puede resolver aplicando la frmula cuadrtica. As, los eigenvalores de A son
EIGENVALORES
DE MATFUCES
TRIANGULARES
Ejemplo 3 Encontrar los eigenvalores de la matriz triangular superior
A=[
u22
023
a24
Solucicin. Recordando que el determinante de una matriz triangular es el producto de los elementos de la diagonal principal (teorema 2.2.2), se obtiene
det(A1 -
( A - 1 1 ) ( A - 2 2 ) ( A - a j j ) ( A- U 4 . l )
As, la ecuacin caracterstica es
(A--u,~)(~~-~~~~~(A~11~3)(Aa,~)=o
y los eigenvalores son
i, = u,,.
A = u:?,
A = 1133,
A = UJJ
que son precisamente los elementos de la diagonal de A . A

El siguiente teorema general debe ser evidente a partir de 10s clculos
efectuados en el ejemploprecedente.
Teorema 7.1.1. Si A es una matriz triangular (triangular superior, triangular

inferior o diagonal) n X n, entonces los eigenvalores de A son los elementos
de la diagonal principal de A .
7.1 Eigenvalores y eigenvectores / 419

Ejemplo 4 Por inspeccin, los eigenvalores de la matriz triangular inferior
OBSERVACI~N. En problemas reales, la matriz A a menudo es tan grande que el

clculo de la ecuacin caracterstica no es prctico. Como resultado, para obtener
eigenvalores se aplican varios mtodos deaproximacin.
EIGENVALORES
COMPLEJOS
Es posible que la ecuacin caracteristica de una matriz con elementos reales tenga
soluciones complejas. Por ejemplo, el polinomio caracterstico dela matriz
es
demodo que la ecuacin caracterstica es A2 + 1 = O, cuyas soluciones son los

nmeros imaginarios 1 = i y 1 = -i. As, es forzoso considerar eigenvalores
complejos, inclusive para matrices reales. Esto, a su vez, conduce a considerar la
posibilidad de espacios vectoriales complejos; es decir, espacios vectoriales en que
se permite que los escalares asuman valores complejos. Estos espacios vectoriales se
analizarn en el captulo 10. Por ahora se permitirn eigenvalores complejos, pero
el anlisis de eigenvectores se limitar a matrices con eigenvalores reales.
El siguiente teorema resume el anlisis realizado hasta el momento.
Teorema 7.1.2. Si A es una matriz n X n y 1 es un nmero real, entonces las

siguientes proposiciones son equivalentes
a)
6)
c)
6)
DETJCRMINACIN DE BASES
PARA
EIGENESPACIOS
A es un eigenvalor de A :
El sistema de ecuaciones @I - A)x = O tiene soluciones no triviales
En R existe un vector x diferente de cero tal que Ax = Ax.
A es una solucin de la ecuacin caracterstica det(AI - A ) = O .
Ahora que ya se sabe cmo obtener los eigenvalores, se abordar el problema de

determinar eigenvectores. Los eigenvectores de A correspondientes a un
eigenvalor son los vectores x diferentes de cero que satisfacenA x = Ax. De manera
equivalente, los eigenvectores correspondientes a 1 son los vectores Werentes de
cero en el espacio solucin de (AI - A)x = O . Este espacio solucin se denomina
eigenespacio de A correspondiente a A.
420
Ejemplo 5 Encontrar bases para los elgenespacios de
Solucion. LA ecuacin caracterstica de A es A3 - 5A2 + SA - 4 = O o bien, en

forma factorizada, (A - 1)(A - 2)2 = O (comprobar); as los eigenvalores de -4
son A = 1 y I, = 2, de modo que existen dos eigenespacios de A .
Por definicin,
es un eigenvector de A correspondiente a A si y slo si x es una solucin no trivial

de (11 - A)x = O; es decir, de
Si A
= 2,
entonces ( 3 ) se convierte en
Resolviendo este sistema se obtiene (comprobar)

x, = "S,
x2 =
t,
x3 = S
As, los eigenvectores de A corresponhentes a 1 = 2 son los vectores diferentes de

cero de laforma
x=[-;]=[-!]+[;];.[
-Y
Como
son linealmente independientes, estos vectores forman una base para el eigenespacio correspondiente a A = 2.
Si 1 = 1, entonces ( 3 ) se convierte en
Resolviendo este sistema se obtiene (comprobar)
[";I
de modo que
=.y[
-;
1
[-T]
es una base para el eigenespacio correspondiente a L

EIGENVALORES
DE LAS
POTENCIAS DE
UN MATRIZ
= l.
Una vez que se han determinado los eigenvalores y los eigenvectores deuna
matriz A , es fcil encontrar los eigenvalores y los eigenvectores de cualquier
potencia entera positiva de A ; por ejemplo, si 1 es un eigenvalor de .4 y x es un
eigenvector correspondiente, entonces
A2x = A ( A x ) = A(Ax) = A(Ax) = il(dx) = A2x
lo cual demuestra que L2 es un eigenvalor de A 2 y que x es un eigenvector correspondiente. En general, se tiene el siguiente resultado
Teorema 7.1.3. Si k es un entero positivo, 1 es un eigenvalor de una matriz A y
x es un eigenvector correspondiente, entonces Lk es un eigenvalor de A k y x es
un eigenvector correspondiente.
Ejemplo 6 En el ejemplo 5 se demostr que los eigenvalores de
son 1 = 2 y L 1, de modo que por el teorema 7.1.3 tanto L

l7 = 1 SOR eigenvalores deA7. TambiCn se demostr que
x
= 27 =:
128 como 1 =
122 1 Eigenvalores, eigenvectores
son eigenvectores de A correspondientes al eigenvalor A = 2, de modo que por el

teorema 7.1.3 tambin son eigenvectores de A7 correspondientes a 1 = 27 = 128,
De manera semejante, el eigenvector
de A correspondiente al eigenvalor A
pondiente a A = l7 = 1. A
EIGENVALORES
E
INVERTIBILIDAD
1 tambin es un eigenvector de A7 corres-
El siguiente teorema establece una relacin entre los eigenvalores y la invertibilidad de una matriz.
Teorema 7.1.4. Una matriz cuadrada A es invertible s y slo si 1 = O no es un

eigenvalor de A .
Demostracin. Supngase que A es una matriz n
= O es una solucin de laecuacin caracterstica
n y obsrvese primero que A
si y slo si el trmino constante c, es cero. As, basta demostrar que A es invertible si y slo si cn f O. Pero
o bien, haciendo 1 = O,
det(-A)=c,,
(-l)det(A)=c,
Por la ltima ecuacin se concluye que det(A) = O si y slo si c,

vez significa que A es invertible si y slo si c, f O. 0
O, y esto a su
Ejemplo 7 La matriz A del ejemplo 5 es invertible, ya que tiene eigenvalores A = 1

y 1 = 2, ninguno de los cuales es cero. Se deja que el lector verifique esta
conclusin demostrando que det(A) Z O. A

El teorema 7.1.4 permite agregar otro resultado al teorema6.4.5.
RESUMEN
Teorema 7.1.5. Si A es una matriz n X n, y si TA:Un+ R" es la multiplicacrbn

por A , entonces las siguientespoposiciones son equivalentes.
a) A es Invertible.
b ) A x = O slo tiene la solucin trivial.
c ) La forma escalonada reducida de A es In,
d) A se puede escribir como un producto de matrices elementales.
e ) A x = b es consistente para toda matriz b n X 1.
fi A x = b tiene exactamente una solucin para toda matriz b n X 1 .
g ) de@!) f O.
h ) El rango de TA es R".
i ) TA es uno a uno.
j> Los vectores columna de A son linealmente independientes.
k ) Los vectores rengln de A son linealmente independientes.
I) Los vectores columna de A generan a U".
m ) Los vectores rengln de A generan a R".
n ) Los vectores columna de A forman una base para R".
o ) Los vectores rengln de A forman una base para R".
q ) La nulidad de A es O.
r ) El complemento ortogonal del espacio nulo de A es R".
S)
El complemento ortogonal del espacio rengln de A es ( O 1.
t) A'A es invertible.
u ) A = O no es un eigenvalor de A .
Este teorema relaciona los temas ms importantes estudiados hasta el momento

1. Encontrar las ecuaciones caracteristicas de las siguientes matnces:
2. Encontrar los eigenvalores de las matrices del ejercicio 1

3. Encontrar bases para los eigenespacios de las matnces del ejercicio 1
4. Determinar las ecuaciones caractersticas de las siguientes matrices.
a)
L: 1 11
-2
1 O
424
-4
-2
5. Obtener los eigenvalores de las matrices del ejercicio 4.
6. Hallar las bases de los eigenespacios de las matnces del ejercicio 4.
7. Encontrar las ecuaciones caractersticas de las siguientes matrices:
8. Determinar los eigenvalores de las matrices del ejercicio 7.
9. Encontrar las bases de los eigenespacios de las matrices del ejercicio 7
10. Por inspeccin, hallar los eigenvalores dea

lssiguientes matrices:
11. Encontrar los eigenvalores de A' para
11
O 0 0
12. Encontrar los eigenvalores y bases para los eigenespacios deA25 para
-1
A=[-;
-2
-2
-f I]
13. Sea A una matnz 2 X 2. La recta que pasa por el origen de R2 es inwuiante bajo A si
Ax est sobre la recta cuando x tambin lo est. Encontrar las ecuaciones de las rectas
en R2, en casode haberlas, que son invariantes bajo la m a w dada.
14. Encontrar det(A) dadoque A tiene ap@) como su polinomio caracterstico

b) p ( a ) = a4 - l 3 7
a) p(a) = a3- 2a2 + l. + 5
[Sugerencia Vase la demostracin del teorema7.1.4.1
15. Sea A una matriz n
X n.
a) Demostrar que el polinomio caracterstico deA es de grado n.
b) Demostrar que el coeficiente de 1' en el polinomio Caracterstico es 1.

16. Demostrar que la ecuacin caracterstica de una matriz A 2
como A2 - tr(A)1, + det(A) = O, donde tr(A)es la traza de A.
2 se puedeexpresar
17. Usando el resultado del ejercicio 16, demostrar que si
entonces las soluciones dela ecuacin caracterstica deA son

(u + d ) t v ( u - d)'
+ 4bc I
Usando el resultado anterior, demostrar queA

a) tiene dos eigenvalores reales distintos si (a - d)2 + 4bc > O
b) tiene un eigenvalor real si (a - d)2 + 4bc = O.
c) no tiene eigenvalores reales si (a - q2+ 4bc < O.
18. Sea A la matriz del ejercicio 17. Demostrar quesi (a - d)2 + 4bc > O y b f O, entonces
los eigenvectoresde A correspondientes a los eigenvalores
Al
+d)+v
=$[(u
( u - d ) 2 + 4bc
/I2
[ ( u+ d ) - d ( u - d)2+ 4bc
son
respectivamente.
19. Demostrar: Si a, b, c y d son enteros tales que a + b = c + d, entonces
tiene eigenvalores enteros, a saber, 1,= a + b y L2

ejercicio 17.1
=a
- c.
[Sugerencia Vease el
20. Demostrar: Si 1 es un eigenvalor de una matnz invertible A y x es un eigenvector co-
rrespondiente, entonces 111 es un eigenvalor de A"

diente.
y x es un eigenvector correspon-
21. Demostrar: Si 1 es un eigenvalor de A, x es un eigenvector correspondiente y S es un

escalar, entonces 1 - S es un eigenvalor de A - SZ y x es un eigenvector correspon-
diente.
22. Encontrar los eigenvalores y bases para los eigenespaciosde
Luego,usando10s ejercicios 20 y 21, encontrar los eigenvalores y basespara

eigenespacios de
c) A + 21.
a) A-'.
b) A - 31.
10s
326
,/
23. a) Demostrar que si A es una matriz cuadrada, entonces A y AT tienen los mismos
eigenvalores. [Sugerencia Considerar la ecuacin caracterstica det(A.1 - A) = O.]
b) Demostrar que A y AT no necesariamente tienen los mismos elgenespacios. [Sugerencia IJsando el resultado del ejercicio 18, encontrar una matnz 2 X 2 para la
cual A y AT tengan eigenespaclos diferentes.I
7.2 DIAGONALIZACI~N
En esta seccin se vera cmo encontrar un base para R" integrada por eigenvectores de una matpiz dada A n x n. Las bases se pueden usar para estudiar las
propiedades geomtricas de A y para simplrficar varios clculos numricosdonde
aparece A . Estas bases tambin revisten importanciaJsica en una amplia gama
de aplicaciones, algunas de las cuales sern consideradas despus en este texto.
EL PROBLEMA
DE LA
DIAGONALIZACIN DE
MATRICES
El objetivo principal de esta seccin es mostrar que los dos problemas siguientes,
que a simplc vista parecen muy diferentes, en realidad son equivalentes.
Problema del eigenvector. Dada una matriz A n
R" integrada por eigcnvectores de A?
n, jexiste una base para
Problema de diagonalizacin (Forma matriciag. Dada una matriz A n

jexiste una matriz invertible P tal que P-IAP sea una matriz diagonal?
n,
El segundo problema sugiere la siguiente terminologa.
Definicin. Se dice que una matriz cuadrada A es diagonalizable si existe una

matriz invertible P tal que P"AP es una matriz diagonal; se &ce que la matriz
P diagonaliza a A ,
El siguiente teorema muestra que el problema del eigenvector y el problema
de diagonalizacin son equivalentes.
Teorema 7.2.1. Si .-I es una matriz n
s o n equivalentcs.
n. entonces las siguientes proposiciones
a ) A es diagona/izahle.
h ) '4 lime n eigenvectores linealrnente independientes.
Demostracin de a +-6): Como se supone que A es diagonalizable, entonces existe
una matriz invertible
7.2 Diagonalizacin / 427
P=
PI1
PI2
'..
P21
P22
...
Pnl
Pn2
' ' '
tal que P-lAP es diagonal, por ejemplo,P- 'AP = D, donde
D=
Por la frmula P-'AP
=D
se deduce que A P = PD; es decir,
Si ahora p,, p,, . . . , p, denotan los vectores columna de P, entonces por ( I ) las
columnas sucesivas de A P son Alpl, A,p,, . . . ,Anp,. Sin embargo, por la frmula
( 3 ) de la seccin 1.3, las columnas sucesivas de A P son Ap,, Ap,, . . . , Ap,. As,
se debe tener
AP,
= alp,,
A P , = il2p-2, . .
AP,
Anpn
(2 1
Como P es invertible, no todos sus vectores columna son cero; as, por (2) se
concluye que A,, A,, . . . , A, son eigenvalores de A, y que p l , p,, . . . , p, son los
eigenvectores correspondientes. Como P es invertible, por el teorema 7.1.5 se
concluye que p l , p,, . . . , p, son linealmente independientes. Por tanto, A tiene n
eigenvectores linealmente independientes.
b * a: Supngase que A tiene n eigenvectores linealmente independientes, p,, p2,
. .. . , p,, con los eigenvalores correspondientesA,, A,, . . . , A,, y sea
PI1
PI2
P2l
P22
P ~ IP n 2
'.'
' '
' "
Pnn
la matriz cuyos vectores columna son p,, p,, . . . , p,. Por la frmula ( 3 ) de la
seccin 1.3, los vectores columna del producto A P son
428
Pero
de modo que
AP
donde D es la matriz diagonal que tiene los eigenvalores A,, A 2 , . . . , A, sobre

la diagonal principal. Como los vectores columna de P son linealmente independientes, P es invertible; as, (3) se puede volver a escribir como P-lAP = D; es
decir, A es diagonalizable.
PRQCEDIMIENTO PARA
DIAGONALEAR
UNA MATRIZ
El teorema precedente garantiza que una matriz A n X n con n eigenvectores

linealmente independientes es diagonalizable, y la demostracin proporciona el
siguiente mtodo para diagonalizar a A .
I Paso 1.
Paso 2.
Paso 3.
Encontrar n eigenvectores linealmente independientes de A, por

ejemplo, pl, P,, . .. . , P,.
Formar la matriz P con pl, p2, . _.. , p, como sus vectores columna.
Entonces, la matriz P"A P ser diagonal con Al, A,, . . . , A, como
sus elementos diagonales sucesivos, donde A, es el eigenvalor correspondiente a p, para i = 1, 2, . . . ,n.
Para efectuar elpaso

1 de este procedmiento, primero es necesario
determinar si una matriz dada A n x n tiene n eigenvectores linealmente indepenlentes, y luego se requiere un mtodo para encontrarlos. Ambos problemas se
pueden manejar a la vez determinando las bases de los eigenespacios de A . Despus, en esta seccin se mostrar que los vectores bsicos, como conjunto combinado, son linealmente independientes, de modo que si en total hay n vectores as,
entonces A es diagonalizable y los n vectores bsicos se pueden usar como los vectores columna de la matriz de diagonalizacin P. Si hay menos de n vectores bhsicos, entonces la matriz A no es diagonalizable.
7 . 2 Diagonalizacin / 429
Ejemplo 1 Encontrar una matriz P que diagonalice a
Solucin. En el ejemplo 5 de la seccin precedente, se encontr que la ecuacin

caracterstica de A es
(A - l)(A - 2)* = o
=[-;I,
y se determinaron las siguientes bases para los eigenespacios:
L=2:
p,
p2=[;]
En total hay tres vectores bsicos, de modo que la matriz A es diagonalizable y
diagonaliza a A . Como comprobacin, el lector debe

verificar que
1
p-lAp=[-:
- ~ ] [;~ :I[ ;
2
0 - 2
-1
0 - 2
:I=[:: ;
2 0 0
;]A
No existe ningn orden de preferencia para el orden de las columnas de P.

Como el i-simo elemento de la diagonal de P-lAP es un eigenvalor para el isimo vector columna de P, al cambiar el orden de las columnas de P simplemente
se cambia el orden de los eigenvalores sobre la diagonal de P-lAP. Entonces, si
en el ejemplo 1 se hubiera escrito
-1
P=[
En el ejemplo 1 se hubiera obtenido
-2
o
; ;]
430
Eigenvalores,
eigenvectores
o o
Ejemplo 2 Encontrar una matriz P que diagonalice a
Solucin.
El polinomio caracterstico de A es
A-1
det(A.l-~A)= - 1
3
A-2
-5
O
1-2
= ( A - l)(A-2)2
de modo que la ecuacin caracterstica es
( A - 1 ) ( A 2)* = o
-
As, los eigenvalores de A son il = 1 y 1 = 2. Se deja para el lector demostrar que

bases para los eigenespacios son
Como A es una matriz 3

no es diagonalizable.
3 y en total slo hay dos vectores bsicos, entonces A
Otra solucin. Si slo se quiere determinar si una matriz es diagonalizable y no

importa determinar realmente una matriz de diagonalizacin P, entonces no es
necesario calcular las bases de los eigenespacios; basta encontrar las dimensiones
de los eigenespacios. Para este ejemplo, el
eigenespacio correspondiente a A = 1 es el
espacio solucin del sistema
La matriz de coeficientes tiene rango 2 (comprobar). As, la nulidad de esta matriz

es 1 y, por el teorema 5.6.4, el espacio solucin es unidimensional.
El eigenespacio correspondente a il= 2 es el espacio solucin del sistema
Esta matriz de coeficientes tambin tiene rango 2 y nulidad 1 (comprobar), de

modo que el eigenespacio correspondiente a A = 2 tambin es unidimensional.
Como los eigenespacios producen un total de dos vectores bsicos, la matriz A no
es diagonalizable. A
En el ejemplo 1 se establece la hiptesis de que los vectores columna de P,
que estn integrados por vectores bsicos de los distintos eigenespacios de A , son
linealmente independientes. En el siguiente teorema se aborda esta cuestin.
Teorema 7.2.2. Si v l , v,, . . , vk son eigenvectores de
eigenvalores distintos A,, A,, . . ,A,, entonces { v ~v,,
, .
linealmente independiente.
A correspondientes a
, ,
, vk}es un conjunto
Demostracin. Sean vl, v,, . . . , vk los eigenvectores de A correspondientes a

eigenvalores distintos A,, A,, . . . , A,. Se supondr que v19v,, . . . , vk son
linealmente dependientes y se llegar a una contradiccin. Entonces la conclusin
ser que v l ,v,, . . . ,vk son linealmente independientes.
Como por definicin un eigenvector es diferente de cero, {vl }es linealmente
independiente. Sea r el mayor entero tal que { v , , v,, . . . , vr} sea linealmente independiente. Como se est suponiendo que {vl, v,, . . . , vk} es linealmente dependiente, r satisface 1 5 r < k. Adems, por la definicin de r, { v l ,v,, . . . , vr+,}
es linealmente dependiente. As, existen escalares c,, c, . . . , c,.+~, notodos
iguales a cero, tales que
CIVl
+ c2v* +
' ' '
+ e,.+ ]V,..+
(4)
Multiplicando por A ambos miembros de(4) y usando
se obtiene
ClA1V,
+ c2A,v, +
' ' '
+ cy+lAr+]V,+
Multiplicando por Ar+, ambosmiembrosde

resultante, se obtiene
(5)
(4) y restando de (5) la ecuacin
Como { v l ,v,, . . . , vr} es un conjunto linealmente independiente, esta ecuacin

indica que
132
y como Al, A2, . . . ,
son distintos, seconcluye que

c,="z="'=cr=()
Sustituyendo estos valores en (4) se obtiene
Como el eigenvector v,.+~es diferente de cero, se concluyeque
Las ecuaciones (6) y (7) contradicen el hecho de que no todos los c l , c 2., . . , c,+,,
son cero; esto completa la demostracin. 0
OBSERVACI~N. El teorema 7.2.2 es un caso especialde
un resultado ms
son eigenvalores distintos y que en cada
general: Supngase que A,, ,I2, . . .
uno de los eigenespacios correspondientes se elige un conjunto linealmente
independiente. Si despus estos vectores se unen en un solo conjunto, el resultado
an es un conjunto linealmente independiente. Por ejemplo, si se eligen tres
vectores linealmente independientes de un eigenespacio y dos vectores linealmente
independientes de otro, entonces los cinco vectores forman un conjunto
linealmente independiente. Se omite la demostracin.
,,I,
Como una consecuencia del teorema 7.2.2 se obtiene el siguiente resultado

importante.
Teorema 7.2.3. Si una matriz A n
A es diagonalizable.
n tiene n eigenvalores distintos, entonces
Demostracin. Si v l , v2, . . . , v, son los eigenvectores correspon&entes alos

eigenvalores distintos Al, A,, . . . , An, entonces por el teorema 7.2.2 se tiene que
vl, v2, . . . , v, son linealmente independientes. As, A es diagonalizable debido al
teorema 7.2.1. 0
Ejemplo 3 En el ejemplo 2 de la seccin precedente se vio que
tiene tres eigenvalores distintos, A

A es diagonalizable. Adems,
= 4,
+ fi,A
2 - A.Por consiguiente,

4
:I
2-v3
para alguna matriz invertible P. Sise desea, la matriz P puede determinarse

usando el metodo del ejemplo 1 de esta seccin. A
Ejemplo 4 Por el teorema 7.1.1, los eigenvalores de una matriz triangular son los
elementos desu diagonal principal. As, una matriz triangular con elementos
distintos en la diagonal principal es diagonalizable. Por ejemplo,
-
A=[
-2
es una matriz diagonalizable. A
MULTIPLICIDAD
GEOMTRICA Y
MULTIPLICIDAD
ALGEBRAICA
El teorema 7.2.3 no determina completamente el problema de diagonalizacin, ya

que es posible que una matriz A n X n sea diagonalizable sin tener n eigenvalores
distintos. En el ejemplo 1 se vio esto, donde la matriz dada 3 X 3 tena slo dos
eigenvalores distintos, a pesar de lo cual era diagonalizable. Lo que realmente
importa para que una matriz sea diagonalizable son las dimensiones de los
eigenespacios: la suma de estas dimensiones debe ser cuando mucho n a fin de que
una matriz n X n sea diagonalizable. Los ejemplos 1 y 2 ilustran este hecho, las
matrices de estos ejemplos tienen la misma ecuacin caracterstica y los mismos
eigenvalores, pero la matriz del ejemplo 1 es diagonalizable porque la suma de las
dimensiones de los eigenespacios es 3, y la matriz del ejemplo 2 no es diagonalizable porque la suma de las dimensiones de los eigenespacios slo es igual a 2.
La profundizacin en el estudio de las condiciones para diagonalizacin se
deja para cursos ms avanzados, aunque se mencionar un teorema importante que
dar una comprensin ms completa de las condiciones. Se puede demostrar que
si A. es un eigenvalor de A , entonces la dimensin del eigenespacio que corresaparece como factor
ponde a Ao.no puede exceder el nmero de veces que A - io
en el polinomio caracterstico de A . As, en los ejemplos 1 y 2 elpolinomio
caracterstico es
(A- ])(A- 2 ) 2
Por tanto, el eigenespacio correspondiente a A = 1 es cuando mucho (y, por tanto,
exactamente) unidimensional y el eigenespacio correspondiente a A= 2 es a lo
sumo bidimensional. En e! ejemplo 1, el eigenespacio correspondiente a A = 2 en
realidad es de dimensin 2, lo cual da por resultado condiciones para la diagonalizacin, pero en el ejemplo 2 el eigenespacio slo es de dimensin 1, lo cual indica
que no hay condiciones para la diagonalizacin.
Existe una terminologa que relaciona las ideas anteriores. Si A. es un
eigenvalor de una matriz A n X n, entonces la dimensin del eigenespacio corres-
434
,'
Eigenvalores,eigenvectores
pondiente a ,lo se denomina multiplicidad geomtrica de A, y el nmero de veces

que A - ,lo aparece como factor en el polinomio caracterstico de A se denomina
mulfiplicidad algebraica de A . El siguiente teorema, que se enuncia sin demostracin, resume el anlisis precedente.
Teorema 7.2.4. Si A es una matriz cuadrada, entonces:
a ) Para todo eigenvalor de A la multiplicidad geomtrica es menor o igual
que la multiplicidad algebraica.
6 ) A es diagonalizable si y slo si la multiplicidad geomtrica es igual a la
multiplicidad algebraica para todo eigenvalor.
CLCULO DE
LAS POTENCIAS
DE UNA MATRIZ
En matematicas aplicadas se presentan muchos problemas en los que es necesario

calcular potencias grandes de una matriz cuadrada. Esta seccin concluir mostrando cmo se puede usar la diagonalizacin para simplificar los clculos.
Si A es una matriz n X n y P es una matriz invertible, entonces
(P"AP)2
= P"APP"AP
=P-
' A M P = P"A2P
De manera ms general, para cualquier entero positivo k

(8)
' A P ) k ( P - ' A k P= P -
Por la ecuacin (8) se concluye que si A es diagonalizable y P-lAP

matriz diagonal, entonces
'AkP-
lAP)k
= (P
di
D es una
(9)
DespejandoA k de esta ecuacin se obtiene

I
La ltima ecuacin expresa la k-sima potencia de A en trminos de la k-sima

potencia de la matriz diagonal D. Pero calcular dc es fcil; por ejemplo, si
O
4
O
entonces
...

Ejemplo 5 Usando (lo), encontrar A 13, donde
i]
A=[!
-2
Solucin. En el ejemplo 1 se mostr que la matriz A es diagonalizada por
-1
-2
:I
y]
D=P"..=[:
2 0 0
As, por (lo),
[-p A
[
A'3=PD13P"
- 8190
:l[:
-2
213
o
:3
:'.I[-:
o
0
1
0
2
I]
-1
(11)
-16382
8191
8192
8191
16383
Con el mtodo del ejemplo precedente casi todo el trabajo consiste en diagonalizar A . Una vez hecho sto, se puede usar para calcular cualquier
potencia de A . As, para calcular A loo0 basta cambiar el exponente de 13 a 1000
en laexpresin (11).
OBSERVACI~N.

1. Sea A una matriz 6 X 6 con ecuacin caracterstica12(1- 1)(A
las dimensiones posibles para los eigenespacios deA?
2. Sea
- 2)3 = O. Cules son
a) krlxwnlrar los eigellvalores de 11.

b) Para cada eigenvalor 1, determinar el rango de a
l matriz111 - <4
c) ,Esdiagonalizable A? Justificar In respuesta.
En los qercicios del 8 al 1 1. hallar una matriz P que diagonalice a A, y determinar P" AP.
3
cncontrar una matri7 P que diagonalice a A , y determinar P"AP
'I
o3
18. Con el mktodo del ejercicio 5 , calcular A", donde
19. Usar el metodo del ejercicio 5 para calcular A", donde
A=
[-A
: -"]
15
-2
20. En cada inciso, calcular la potencia indicada de
21. Encontrar 4 "
SI II
es un entero positlvo y
-1
4j
o
7.3 Diagonalizacin ortogonal / 43 7

22. Sea
Demostrar las siguientes proposiciones:

-+ 4hc > O.
a) A es diagonalizable si (a b) A no es diagonalizable si (a - 4' + 4hc < O.
[Sugerencia.Vanse los ejercicios 17 y 18 de la seccin 7.1 . ]
23. En el caso en que la matnz A del ejercicio 22 es diagonalizable, encontrar una matriz P
que diagonalice a A .
24. Demostrar que si A es una matriz diagonalizable, entonces el rango de A es el nmero
de eigenvalores diferentes de cero de .4.
25. Demostrar: Si A es invertible y diagonalizable, entonces A" es diagonalizable y una
matriz P que diagonalice a A tambin diagonaliza a A".
7.3 DIAGONALIZACIN ORTOGONAL

En esta seccin se abordar el problema de determinar una base ortonormal para
R" con el producto interior euclidiano,integrada por eigenvectores de una matriz
dada A n x n. Eltrabajo ya realizado sobre matricessimtricas y matrices
ortogonales desempear un papel importante aqu.
PROBLEMADE
LA DIAGONALIZACION
ORTOGoNAL DE
UNA MATRIZ
es demostrar que los dosproblemas siguientes
El primer objetivodeestaseccin
son equivalentes.
Problema del eigenvector ortonormal Cada una matriz A de n x n, existe

una base ortonormal para R" con el producto interior euclidiano integrada por
eigenvectores de A?
~~~~
~~
Problema de la diagonalizacin ortogonal vorma matricial). Dada una matriz

A n X n, existe una matriz ortogonal P tal que la matriz P"AP = PTAP es
diagonal? En caso de que exista la matriz. entonces se dice que A es diagonalizable ortogonalmente, y se dice que P diagonaliza ortogonalmente a A .
Para el segundo problema es necesario considerar dos preguntas'

e
o
Qu matrices son diagonalrmbles ortogonalmente?

LCmo encontrar una matriz ortogonal a fin de efectuar la diagonalizacin?
438 / Eigenvalores, eigenvectores
Con respecto a la primera pregunta, se observa que no hay ninguna posibilidad de diagonalizar ortogonalmente una matriz A a menos de que A sea simtrica
(es decir, A =AT).Para darse cuenta de este hecho, supngase que
P'AP
=D
(1)
donde P es una matriz ortogonal y D es una matriz diagonal. Como P es

ortogonal, PPT = PTP = I, de modo que (1) se puede escribir como
Como D es una matriz diagonal, se tiene D

ambos miembros de (2) se obtiene
DT,de modo que al transponer
A T = (PDPT)T= (PT)TDTPT
= PDPT = A
as que A debe ser simtrica.

CONDICIONES
PARA DIAGONALIZACI~N
ORTOGONAL
El siguiente teorema muestra que toda matriz simtrica es, de hecho, diagonalizable ortogonalmente. En este teorema, y durante el resto de esta seccin,
ortogonal sigruficar ortogonal con respecto al producto interior euclidiano sobre
R"
Teorema 7.3.1. Si A es una matriz n x n, entonces las siguientes proposiciones son equivalentes.
a) A es diagonalizable ortogonalmente.
b) A tiene un conjunto ortonormal de n eigenvectores.
c> A es simtrica.
Demostracin de a * 6: Como A es diagonalizable ortogonalmente, existe una

matriz ortogonal P tal que P"AP es diagonal. Como se vio en lademostracin del
teorema 7.2.1, los n vectores columna de P son eigenvectores de A . Puesto que P
es ortogonal, estos vectores columna son ortonormales (vase el teorema 6.5.1), de
modo que A tiene n eigenvectores ortonormales.
b * a Supngase que A tiene un conjunto ortonormal de n eigenvectores { p
p2, . .. . , p,}. Como se vio en la demostracin del teorema 7.2.1, la matriz P con
estos eigenvectores como columnas diagonaliza a A. Debido a que estos eigen-
vectores son ortonormales, P es ortogonal y, por tanto, diagonaliza ortogonalmente

aA.
a * c) En la demostracin de a * b se prob que una matriz A n x n diagonalizable ortogonalmente es dagonalizada ortogonalmente por una matriz P n X
n cuyas columnas forman un conjunto ortonormal de eigenvectores de A . Sea D la
matriz diagonal
7.3 Diagonalizacin ortogonal / 439

D = P AP
As,
A
= PDP-]
o bien, ya que P es ortogonal,

A
= PDPT
Por consiguiente,
A T = (POPT)= PDTPT= PDPT= A
lo cual demuestra que A es simtrica.

c + a ) La demostracin de esta parte rebasa el alcance de este texto, por lo que se
omitir. 0
ALGUNAS
PROPIEDADES
DE LAS
MATRICES
SIMTRICAS
El siguiente objetivo es establecer

un procedimiento para diagonalizar ortogonalmente una matriz simtrica, pero antes de hacerlo se requiere un teorema crucial
sobre eigenvalores y eigenvectores de matrices simtricas.
Teorema 7.3.2. Si A es una matriz simtrica, entonces:
a ) Todos los eigenvalores de A son nmeros reales.
6) Eigenvectores de eigenespacios diferentes son ortogonales.
Demostracin de a).La demostracin del inciso a ) , que requiere resultados sobre
espacios vectoriales complejos, se analizar en la seccin 10.6.
Demostracin de 6). Sean v1 y v2 eigenvectores correspondientes a eigenvalores
distintos A , y A, de la matriz A . Se quiere demostrar que v, v, = O. La demostracin de este hecho requiere empezar con la expresin Av, * v,. Por la frmula (8)
de la seccin 4.1 y la simetra de A se concluye que
Pero v, es un eigenvector de A correspondiente a Al y v2 es un eigenvector de A

corresponhente a A,, de modo que (3) produce la relacin
A , V ] . v2 = V ]
que se puede volvera escribir como
A*vz
-130
Eigenvalores,
eigenvectores
( A
A2)(VI
.v2) =o
(4)
Pero A l - 1, f O, ya que se supone que A, y A2 son distintos. As, por (4) se

concluye que v1 v2 = O. 0
+
O B S E R V A C I ~ N . El lector
debe recordar que hasta el momento se ha supuesto

que todas las matrices tienen elementos reales. De hecho, en el capitulo 10 se
ver que el inciso a) del teorema 7.3.2 es falso para matrices con elementos
complejos.
DIAGONALIZACION DE
MATRICES
SIMTRICAS
Como una consecuencia delteorema precedente se obtiene el siguiente procedimiento para diagonalizar ortogonalmente una matriz simtrica.
Paso 1.
Baso 2.
Paso 3.
Encontrar una base para cada eigenespacio de A .

Aplicar el proceso de Gram-Schmidt a cada una de estas bases a fin
de obtener una base ortonormal para cada eigenespacio.
Formarlamatriz
P cuyas columnasson
los vectores bsicos
obtenidos en el paso 2; esta matriz diagonaliza ortogonalmente a
A .
La justificacin de este procedimiento debe ser evidente: El teorema 7.3.2 asegura

que los eigenvectores de eigenespacios drferenfes son ortogonales, mientras que la
aplicacin del proceso de Gram-Schmidt asegura que los eigenvectores obtenidos
del murno eigenespacio son ortonormales. As, todo el conjunto de eigenvectores
obtenidos con este procedimiento es ortonormal.
Ejemplo 1 Encontrar una matriz ortogonal P que diagonalice a
Soluci6n.
det(A1-A)=det
["-: 1:
-2
A-4
-2
=(A-2)2(A-8)=0
As, los eigenvalores de A son A = 2 y il = S. Por el mtodo usado en el ejemplo S

de la seccin 7.1, se puede demostrar que
uF[-;]
%=[
-;]
7.3 Diagonalizacidn ortogonal / 441

forman una base para el eigenespacio correspondiente a X = 2. Aplicando el proceso de Gram-Schmidt a {u1, u2$ se obtienen los siguientes eigenvectores ortonormales (comprobar):
v,
l/v?
y
l/ofi]
El eigenespacio correspondiente a X
=8
v2=
tiene a
como base. Aplicando el proceso de Gram-Schmidt a {u3} se obtiene
Finalmente. usando a v l , v2 y v3 como vectorescolumna se obtiene

-l/u2
l/v?
p = [
-116
116
l/V5
l/v3
2 / d
1/%5
que diagonaliza ortogonalmente a A . (Como comprobacin, el lector debe verificar

que PTAP es una matriz diagonal.) A

1. Encontrar la ecuacin caracterstica de la matriz simtrica dada, y luego por inspeccin
determinar las dimensiones de los eigenespaclos
df
: '1
2
e ) [4
O o]
0 0 0 0
0 0 0 0
f)
[-: ;
2
-1
;
-I
-;I
En los ejercicios del 2 al 9, encontrar una matriz P que diagonalice ortogonalmente a A , y

determinar P"AP.
442 / Eigenvalores, eigenvectores
6. A =
1 1 0
I 1 O]
O 0 0
::
I!]
7. A = [ : !
-7
3 1 0 0
8. A = [ O 0 o0 0
9. A = [
O 0 0 0
10. Suponiendo que b f O, encontrar una matriz que diagonalice ortogollalmente a
11. Demostrar que si A es cualquier matnz m

ortonormal de n eigenvectores.
para matrices simtncas 2
n, entonces ATA tiene un conjunto
12. a) Demostrar que si v es cualquier matnz n X 1 e I es lamatrizidentidad

entonces Z - w Tes diagonalizable ortogonalmente.
b) Encontrar una matrizP que diagonalice ortogonalmente aI - w Tsi
13. Usando el resultado del ejercicio
n,
17 en la seccin 7.1, demostrar el teorema 7 . 3 . 2 ~
2.
EJERCICIOS COMPLEMENTARIOS
1. a) Demostrar que si O < 0 < n,entonces
A=
cos 0
-sen 0
sen 8
cos 8
24O
no tiene eigenvalores y en consecuencia no tiene eigenvectores.

b) Proporcionar una explicacin geomtrica del resultado del inciso
a)
2. Encontrar los eigenvalores de
con elementos no negativosen la

diagonal principal, entonces existe una matriz S tal que S = D.
b) Demostrar que si A es una matriz diagonalizable con eigenvalores no negativos,
entonces existe una matnz S tal que S = A .
c) Encontrar una matriz S tal que S = A si
3. a) Demostrar que si D es unamatrizdiagonal
O - 70
7
O 2 4
24
O
7
24

4. a) Demostrar: Si A es una matriz cuadrada, entonces A y AT tienen los mismos eigen-
valores.
b) Demostrar que A y AT nonecesariamentetienenlosmismoseigenvectores.
[Sugerencia Usando el ejercicio 18 de la seccin 7.1, encontrar una matriz A 2
tal que A y AT tengan eigenvectoresdiferentes.]
5. Demostrar: Si A es una matriz cuadrada y p(1) = det(1Z - A ) es el polinomio caracterstico de A, entonces el coeficiente de 1"" enp(1) esel negativo dela traza deA .
6. Demostrar: Si b
O, entonces
no es diagonalizable.
7. En algebra lineal avanzada se demuestra el teorema de Cayley-Hamilton, que establece que una matriz cuadradaA satisface su ecuacin caracterstica;es decir, si
co+cla+c~a~+~~~+c~~,~-~+a~=o
es la ecuacin caracterstica de A , entonces
col
+ c,A + c2A2+ . . . + cn- ,A"-' + A" = O.
Comprobar este resultado para

O
-3
En las ejercicios 8, 9 y 10, usar el teorema de Cayley-Hamilton enunciado en el ejercicio7.

8. Usando el ejercicio 16 de la seccin 7.1, demostrar
paramatrices2
el teoremadeCayley-Hamilton
2.
9. El teorema de Cayley-Hamilton proporciona un mtodo eficiente para calcular potencias de una matnz. Por ejemplo, si A es una matriz2 X 2 con ecuacin caracterstica
co
entonces cJ
a2
=o
+ c,A + A2 = O, de modo que
A 2 = -cIA - c o l
Multiplicando todo por A se obtiene A3 = -c,A2 - e&, que expresa A3 en trminos de

A2 y A , y multiplicando todo por A2 se obtiene A4 = -c1A3 - c a z , que expresa A4 en
trminos de A3 y A2. Continuando de esta manera es posible calcular potencias consecutivas deA expresndolas simplemente en trminos de potencias inferiores. Usando
este procedimiento, calcular
A2, A 3 , A4,
As
444 1 Eigenvalores, eigenvectores
para
10. Usando el mtodo del ejercicio precedente, calcularA3 y A4 para
11. Encontrar los eigenvalores de la matriz
12. a) En elejercicio 15 de la seccin 7.1 se demostr que si A es unamatriz n X n,

entonces el coeficiente de A" en elpolinomio caracterstico de A es 1. (Un polinomio
con esta propiedad se denomina mdnico.) Demostrar que la matriz
demuestraque todo polinomio mnico esel polinomio caracterstico de alguna

matriz. La matriz de este ejemplo se denomina mutriz acompmlunfe de p(ll).
Sugerencia Evaluar todos los determinantes del problema sumando un mltiplo
delsegundorenglnalprimerrengln
a fm de introducir un cero en la parte
superlor de la primera columna, y luego desarrollar por cofactores a lo largo de la
primera columna
b) Encontrar una matriz con polinormo caracterstico p(L) = 1 - U + ,I2 + 3L3 + 1'.
13. Una matm cuadrada A se denomina nilpotente si A" = O para algn entero positivo n.
,Qupuede afirmar el lector sobre los eigenvalores de una matriz nilpotente?

14. Ikmostrar: Si A es una matriz n
X II y n
es impar, entonces A tiene por lo menos un
eigenvalor real.
15. Encontrarunamatriz
A de 3
elgenvectores correspondientes
respectivamente.
3 que tenga los eigenvalores 1 = O, 1 y
- 1 con

16. Supngase que una matriz A 4 X 4 tiene los eigenvalores A l = 1, l 2= -2, 1, = 3 y
= -3.
a) Usando el ejercicio 14 de la seccin 7.1, encontrar dei;.A).
b) IJsando el ejercicio 5 de esta seccin, determinar tr(A).
17. Sea A una matriz cuadrada
elgenvalores de A?
tal que A3 = A. Qu puede afirmar el lector sobre los
CAPITULO
TRANSFORM4CIONES
LINEALES
8.1
TRANSFORMACIONESLINEALESGENERALES
En las secciones 4.2 y 4 . 3 se estudiaron Iransformaciones lineales de R" a
R". En esta seccin se definirn y estudiarn transformaciones lineales de un
espacio vectorial V a un espacio vectorial W. Los resultados tienen aplicaciones
importantes en fisica, ingeniera y varias ramas de las matemticas.
DEFINICIONES Y
TERMINOLOGA
Recurdese que una transformacin lineal de R" a Rm se defini como una funcin
w , , x2,
. . . ,x,)
=(
y , w2,. . . , w m )
en la cual las ecuaciones que relacionan a wl, w2,. . . , wm y xl, xz, . . . , x, son
lineales. Luego se demostr que la transformacin T:Rn i* R" es lineal si y slo si
a
ls siguientes relaciones se cumplen para todos los vectores u y v en R" y cualquier
escalar c (vase elteorema 4.3.2):
T(u + v) = T(u) + T(v)
T(cu) = cT(u)
Definicin. Si T:V * W es una funcin de un espacio vectorial V a un espacio
vectorial W, entonces T se llama transformacin libzealde Va W si para todos
los vectores u y v de V y todos los escalares c se cumple que
a) T(u v) = T(u)
b) T(cu) = cT(u)
+ T(v)
En el caso especial donde V = W, la transformacin lineal T:V * V se denomina

operador lineal sobre V.
44 7
Estas propiedades se usarn como punto de partida para el estudio de las transformaclones linealcs generalcs.
EJEMPLOS DE
TRANSFORMACIONES
LINEALES
E,jemplo 1 Debido a que la definicinanteriordetransformacinlinealsebasaenel

teorema 43.2, l a s transformacioneslinealesde R" aR",segnsedefinieronenla
seccin 4.2, tambin
son
transformaciones
lineales
bajo esta
definicin ms general. A las
transformacioneslinealesde Hn a R" selesllamar
trunsformucwnesmatricides, ya
que se pueden efectuar por m d o de multiplicacin de matrices. A
Ejemplo 2 Sean G
' y E' dos espacios vectoriales cualesquiera. El mapeo T:V + W
tal que ?'(v) = O para todo v en V es una transformacin lineal denominada transformacin cero.Para darse cuenta que 7' es lineal, obsrvese que
P(u + v ) = o, 7'(u) = o.
T(v) = o,
T ( k u )= o
Por consiguicnte.
T ( u + V) = T ( u ) + T ( v )
T ( k u )= k T ( u ) A
Ejemplo 3 Sea J'cualquier espacio vectorial. El mapeo I:V + V definido por I(v)
v se llama operador identidad sobre b'. La comprobacin de que I es lineal sc
dejacomo qercicio. A
=
Ejemplo 1 Sea I' cualquier espacio vectorial y k cualquier escalar fijo. Se deja
como ejercicio comprobar que la funcin 7 I.' + C'definida por
T(v) = kv
es un operador lineal sobre 1'. Este operador lineal se conoce como dilatacin de P.
con factor k si k > 1, y como contraccin de V con factor k si O < k < 1
Geomtricamente. la dilatacin "estira" a cada vector de T' por un factor k . y la
contraccin de L '"comprime" a cada vector de I' por un factor k (figura 1). A
8. I Transformaciones lineales generales / 449

Ejemplo 5 En la seccin 6.4 se defini la proyeccin ortogonal de R"' sobre un
subespacio W. [Vase la frmula (6) y la definicin precedente a sta en dicha seccin.]Las proyecciones ortogonales tambin se pueden definir enespacios
generales con producto interior como sigue: Supngase que W es un subespacio de
dimensin finita de un espacio V con producto interior; entonces la proyeccin
ortogonal de Vsobre W es la transformacin definida por
(figura 2). Por el teorema 6.3.5 se deduce que si

S = {WI,
w2, . . . , w,)
es cualquier base ortonormal para W , entonces T(v)est definido por la frmula

T ( v ) =proyw v
= (v,
wI)w,-1 (v, w2)w2+ . . . + ( v . w,)~,
La demostracin de que T es una transformacin lineal es consecuencia de las

propiedades del producto interior. Por ejemplo,
T(u + v)
+ v, Wl)Wl+ (u + v, w2)w*+ + (u + v, WJW,

= (u,W,)Wl
+ (u, w2)w2 + . + (u, WJW,
= (u
' ' '
' '
+ ( v , WI)W,+ ( v , W2)WZ +
=
T(u)
' ' '
+ (v, WJW,
+ T(v)
De manera semejante, T ( h ) = kT(u). A

Ejemplo 6 Comouncasoespecialdelejemplo
anterior, sea V = R3 con el
producto interior euclidiano. Los vectores w 1 = (1, O, O) y w2 = (O, 1, O) forman
una base ortonormal del plano xy. Por tanto, si v = (x, y , z) es cualquier vector en
R3, entonces la proyeccin ortogonal de R3 sobre el plano xy est dada por
T(v)
= (v,
w,)WI + (v, W2)WZ
= x ( 1 , o, 0) + Y a 1, 0)
= (X>Y , 0)
$50
7iansjorrnaclones lineales
(Vase Pa figura 3 .) A
F~~~~~
IProyeccin ortogonal de R3 sobre el plano I

xy.
Ejemplo 7 Sea S = {wl, w2, . . . , w,,} una base deun espacio vectorial V de
dimensin n, y sea
(V).? =
( k , , k2 , . .
' 1
el vector de coordenadas con respecto a S de un vector v en Y; as

v = k,w, + k2w2 + . . . + k,w,,
Se define 1': L' -+ K" como la funcin que mapea v en su vector de coordenadas con
respecto a S; es decir,
La funcin T es una transformacin lineal. Para darse cuenta de que as es, supngase que u y v son vectores en Y y que
As,
Pero
u+V
+ d,)w,+ (c2+ d,)w, + . . . + (c, + dn)w,

ku = (kc,)w,
+ (kc2)w2+ + kc,)^,
=
(c.,
de modo que
(u + v ) =
~ ( c , + d , , c2 + d,, . . . , C,
(kuj,
( k c , , kc,, . . . , kc,)
+ d,,)
8.1 Transformaciones linealesgenerales / 451
Por consiguiente,
Al expresar estas ecuaciones en trminos de T. se obtiene
T(u + v) = T(u)+ T(v)
T(ku) = kT(u)
lo cual demuestra que T es una transformacin lineal. A

Los clculos del ejemplo anterior tambin se pudieron haber
realizado usando matrices de coordenadas en lugar de vectores de coordenadas; es
decir,
OBSERVACI~N.
T(p) = T ( p ( x ) )= x p ( x ) = cox
+ c1x2 +
' ' '
+ C,X,+l
La funcin T es una transformacin lineal, ya que para cualquier escalar k y

polinomios cualesquiera p1 y pz en P, se tiene
Ejemplo 9 Sea p = p ( x ) = co + cIx + . . . + c,$' un polinomio en P , y sean a y b

n,
escalares cualesquiera. Se deja como ejercicio demostrar que la funclon
T definida
Por
T(p) = T ( p ( x ) )= p ( u x
+ b) = co + c,(ax + b ) + . . . + c,(ax + b)"
4.52
Transformaciones lineales
Ejemplo 10 Sea V un espacio con producto interior y sea vo cualquier vector fijo
en V. Sea T:V + R la transformacin que mapea un vector v en su producto
interior con vo; es decir,
T(v) = (v, vo )
Por las propiedades de producto interior,

T ( u + v) = ( u + v,
Vo>
= (u, vo)
+ ( v , vO)= T(u) + T(v)
T ( k u ) = (ku, v")
= k( u,
vo>= kT(u)
de modo que T es una transformacin lineal. A
Ejemplo 11 (Para quienes y a estudiaron Clculo). Sea V = C1(-m, m) el

espacio vectorial de funciones con primeras derivadas continuas sobre (- m , m), y
sea W = F( - m , m) el espacio vectorial de todas las funciones con valores reales
definidas sobre (- C Q , m). Sea D:V + W la transformacin que mapea una funcin
f =fix) en su derivada; es decir,
D(f) =
y(.,
Por las propiedades de derivacin se tiene que
D(kf)
= kD(f)
As. D es una transformacin lineal. A
Ejemplo 12 (Para quienes ya estudiaron Crilculo). Sea V = C(- m, m) el espacio vectorial de funciones continuas sobre (- m , m), y sea W = C1(- m , m) el espacio vectorial de funciones con primeras derivadas continuas sobre (- m , m). Sea
J:T' + W la transformacin que mapea f =Ax) en la integral
Por ejemplo, si f = 2 entonces
Por las propiedades de la integracin se tiene que
8.1 Transformaciones lineales generales / 453
J ( c f ) = j : c f ( t ) d t = ~ [O f ( t ) d r = c J ( f )
de modo que J es una transformacin lineal. A

Ejemplo 13 Sea TM,,
su determinante; es decir
+R
la transformacin que mapea una matriz n
n en
T(A) = det(A)
Esta transformacin no satisface ninguna de las propiedades necesarias para ser

una transformacin lineal. As, en el ejemplo 1 de la seccin 2.3 se vio que
det(A, + A 2 ) # det(A,) + det(A2)
en general. Adems, det(cA)= c"det(A), de modo que
det (cA) f cdet ( A )
en general. Por tanto, T no es una transformacin lineal. A
PROPIEDADES
DE LAS
TRANSFORMACIONES
LINEALES
Si T:V + W es una transformacin lineal, entonces para vectores cualesquiera v1 y

v2 en V y escalares cualesquiera c1 y c2 se tiene que
T(c,v,+ c2v2) = T(c,v,)+ T(c,v,)
= c,T(v,)
+ CJ(V2)
y de manera ms general, si vl, v2, . . . , v, son vectores en V y cl, c2,. . . , c, son

escalares. entonces
T(c,v,+ c2v2 +
' ' '
+ c,v,)
= c,T(v,)
+ c2T(v2)+
'
. . + c,T(v,)
(1)
La frmula (1) algunas veces se describe diciendo que las transformaciones

lineales conservan las combinacioneslineales.
En el siguiente teorema se enumeran tres propiedades bsicas comunesa
todas las transformaciones lineales.
Teorema 8.1.1. Si T:V + W es una transformacin lineal, entonces
a) T(0) = o
b ) T( - v) = - T(v)para todo v en V.
c) T(v - w) = T(v)- T(w) para todo v y w en V.
454
,'
Transformacioneslineales
Demostracin.
Sea v cualquier vector en V. Como Ov = O, se tiene

T ( 0 ) = T(0v) = OT(V) = o
io cual demuestra el inciso a). Tambitn,

T( -v)
T((" 1)v) = ( - l)T(v) = - T(v)
lo cual demuestra el inciso 6). Finalmente, v - w = v + (- 1)w; as

T(v - w)
=
=
=
lo cual demuestra el inciso e),
T(v
+ (-
1)w)
T(v) + ( - l)T(w)
Z(V) - T(w)
En palabras, el inciso a ) del teorema anterior establece que una transformacin lineal mapea O en O. Esta propiedad es til para identificar transformaciones
que no son lineales. Por ejemplo, si % es un vector fijo diferente de cero en R2,
entonces la transformacin
T(x)= x
+ x,,
tiene el efecto geomtrico de trasladar cada punto x en una direccin paralela a x.

por una distancia llxo/l (figura 4). Esta no es una transformacin lineal, ya que T(0)
= xo, de modo que T no mapea O en O .
8.I Transformaciones lineales generales
DETERMINACIN DE
TRANSFORMACIONES
LINEALES A
PARTIR DE LAS
IMGENES DE
LOS VECTORES
BSICOS
455
El teorema 4.3.3 demuestra que si 7 es una transformacin matricial, entonces es

posible obtener la matriz estndar de T a partir de las imgenes de los vectores
estndar bsicos. Mencionado de otra manera, una transformacin matricial est
completamente determinada por las imgenes de los vectores estndar bsicos.
Este es un caso especial de un resultado ms general: Si T:V + W es una transformacin lineal, y si { v l ,v2, . . . , vn} es cualquier base de V, entonces la imagen
T(v) de cualquier vector v en V se puede calcular con las imgenes
de los vectores bsicos. Esto se hace al expresar primero a v como una combinacin lined de los vectores bsicos, por ejemplo,
v
= C,Vl
+ C2V* +
' '
. + c,v,
y luego usar la frmula (1) para escribir
Expresado en palabras, una transformacin lineal est completamentedeterminada por lasimgenes de vectores bsicos cualesquiera.
Ejemplo 14 Considerar la base S = {vl, v2,v3} para R3, donde v1 = (1, 1, l), v2
= (1, 1, O), v3 = ( 1, O, O); y sea T:R3+ R2 la transformacin lineal tal que
Obtener una frmula para T ( x l ,x2, x3);luego, usar esta frmula para calcular T(2,
- 3 , 5).
Solucidn. Primero, x = (x1, x2, x3) se expresa como una combinacin lineal de v1
= (1, 1, l), v2 = (1, 1, O) y v3 = ( 1, O, O). Si se escribe
entonces la igualacin de las componentes correspondientes produce
456
,/'
Por tanto.
T(.u,, x2, x
i
+ ( x 2 - -Y3 IT@,) + (x, - X 2 ) T ( V 3 )

O) + (x2 - -Y3 )(2, - 1 ) + (x, - x2)(4,3 )
= -u,T(v,)
= -u,(
-
1,
(4a,
2.5
- x j , 3.Yl
4s2
+ x3)
A partir de esta frmula se obtiene

T(2.
COMPOSICIONES
DE TRANSFORMACIONES
LINEALES
~~
3. 5 ) = (9. 2 3 ) A
En la seccin 4.2 se defini la composicin de transformaciones matriciales. La

siguiente definicin ampla elconcepto a transformaciones lineales generales.
7,:
Definicin. Si Ti: I/ + V y
V + W son transformaciones lineales, la composicin de T2 con TI denotada por T . o T I (que se lee como " T , seguida de
7;").
es la funcin definida por la frmula
I donde u es un vector en U.
Ntese que esta definicin requiere que el dominio de T, (el cual
es 1),' contenga al recorrido de T,;este hecho es esencial para que la expresin
T,(T,(u))tenga sentido (figura 5). El lector debe comparar (2) con la frmula (18)
de la seccin 4.2.
OBSERVACI~N.
Figura 5
El siguiente resultado muestra que la composicin de dos transformaciones

lineales es una transformacin lineal.
y 12:1. -+. W son transformaciones lineales, entonces (Tz T I ) :li + W tambin es una transformacin lineal.
Teorema 8.1.2. S i 1',: 5 +

0
Uemostracibn. Si u y v son vectores en U y c es un escalar, entonces por (2)

linealidad de T, y T
. se deduce que
la
8. I Transformaciones lineales generales
45 7
Ejemplo 15 Sean T,:P,

definidas por las frmulas
P, y T,:P,
T I ( P ( 4 )=x&)
-+
P, las transformaciones lineales
T,(P(X)) = P(2X
+ 4)
Entonces la composicin (T, T,):P, + P, est definida por la frmula

0
En particular, si p ( x ) = co + cIx. entonces
Ejemplo 16 Si T:V + Ves cualquier operador lineal y si Z:V + Ves el operador

identidad (ejemplo 3), entonces para todos los vectoresv en V se tiene
( T o I)(v) =
T(Z(v))= T ( v )
( I o T ) ( v ) = I ( T ( v ) )= T ( v )
En consecuencia, T , I e I o T I son iguales a

0
r; es decir,
A
Esta seccinconcluye haciendo notar que las composicionessepueden

definir para ms de dos transformaciones lineales. Por ejemplo, si
T I : U+ V,
T2 V+ W,
son transformaciones lineales, entonces la

como
( T 3 o T2 o
)(u>=
T 3 : W+Y
composicin T3 T2 T I se define
0
T3(T2(Tl(u)))
(4)
158 ; Transformaciones lineales
Composicin de trestransformaciones lineales.
Figura 6
EJERCICIOS DE LA S E C C I ~ N8.1
1. Con la definicin de operador lineal proporcionada en esta seccin, demostrar que la
funcin T S 2 + R2 deffida por la frmula T(x,, 3)= (x, + 2.5, 3x, - x2) es un ope-
rador lineal.
2. Por medio de la definicin de transformacin lineal que se dio en esta seccin, demostrar que la funcin TB3 + R2 expresada por la frmula T(x,,%, x3) = (2x, - x2 +
x3, x2 - 4 5 ) es una transformacin lineal.
En los ejercicios del 3 al 10, determinar si la funcin es una transformacin lineal. Justificar las respuestas.
3. T: V + R, donde Ves un espacio con producto interior y T(u) = IIuII.
4. T:R3+ R3, donde vo es un vector fijo en R3 y T(u)= u X vo
5. M2*
MZ3,donde B es una matnz fija 2
6. TM
:,
+ R, donde
7. TM,,
+ M,,
3 y T(A)= AB
T(A)= &(A).
donde F(A) = A T
8. TM2, + R, donde
9. KP,
+ P,,
donde
a) T(u, + u,x + u Z x 2 )= a,, + a,(x + I ) + u2(x + 1)

b) T(a,, + u,x + u g 2 ) = (ao+ 1) + ( a ,+ 1)x + (u2 + 1)x2
10. T:F(-m, 00) ? * F ( - w ,
a) KH.4) = 1
+f(4
m),
donde
b) T(f(x))
= f(x
+ 1)
8.1 Transformaciones lineales generales

11. Dcmostrar que la funcin T en el ejemplo 9 es un operador lineal
12. Considrese la base S = {y1, vz) para HZ,donde v, = ! .
1 v2 = ( I , O), y sea T:Rz +
R2 el operador lineal tal que

T(v,)= (1, -2)
T ( v , ) = ( - 4 , 1)
Obtener una frmula para T ( x l ,x2) y usarla para encontrar T(5, - 3 ) .
13. Considrese la base S = {vl, v2} para R2, donde v1 = (-2, 1) y v2 = (1, 3), y sea TB2
R3 la transformacin lineal tal que
-f
Encontrar una frmula para T ( x l ,x2) y usarla para calcular T(2, - 3)

14. Considrese la base S = {vl, v2, v3} para R3, donde v1 = (1, 1, 1 ), vz = ( 1 , 1 , O) y v3 =
( 1, O, O) y sea TB3+ R3 el operador lineal tal que
Obtener una frmula para T ( x l ,x2, x3) y usarla para calcular T(2,4, - 1)
15. Considrese la base S = {vI,v2, v3} para R3, donde v1 = (1, 2, l), vz = (2, 9, O) y v3 =
(3, 3 , 4 ) y sea TB3+ R2 la transformacin lineal tal que
hallar una frmula para T ( x l ,xz, x3) y usarla para evaluar T(7, 13, 7)
16. Sean vl, v2 y v3 vectores en un
lineal para la que
espacio vectorial V y T:V += R3 una transformacin
459
460 / Transformacionzs lineales
a) Encontrar ( T , 0 T J A ) , donde A
[::]
b) Puede el lector obtener (T2 0 T,)(A)?Explicar la respuesta

20. Sean T,:P,
+ Pn y T,:P, + Pn l o s operadores lineales definidos por T , ( p ( x ) )= p ( x
- 1) y T,(p(x)) = p ( x + 1). Encontrar ( T I 0 T,)(p(x)) y (T2 0 T,)(p(x)).
21. Sea T,:V + V la dilatacin T,(v) = 4v. Encontrar un operador lineal T,:V
T I 0 T , = I y T, 0 TI = 1.
V tal que
22. Suponer que a

lstransformaciones heales TI.Pz + P2 y T2F3+ P, estn defindas por las
frmulas T,(p(x)) = p(x + 1 ) y T2(p(x))= x&). Encontrar (T, 0 Tl)(ao+ aix+ up).
23. Sea qo(x) un polinomio fijo de grado m ,y la funcin T con dominio Pn definida por la
frmula T(p(x))= p(q,(x)).
a) Demostrar que T es una transformacin lineal. b) Cul es el codominio de T ,
24. Con la definicin de T3 0 T2 0 TI dada por la frmula (4), demostrar que
a) T3 T2 0 TI es una transformacin lineal.
b) T 3 o T 2 o T I = ( T 3 0 T 2 ) o T l
c) T 3 0 T 2 0 T 1 = T 3 0 ( T 2 0 T I )
0
25. Sea T:R3+ R3 la proyeccin ortogonal de H3 sobre el plano q.

Demostrar que T 0 T = T
26. a) Sean T :V + W una transformacin lineal y k un escalar. La funcin ( k g :V + W se

define como (k1](v)= k(T(v)). Demostrar que kT es una transformacin lineal.
b) Encontrar ( 3 T ) ( x , ,x 2 ) si T:R2 + R2 est expresada por la frmula T ( x l , xz) =
@x1 - X, x2+x1>.
27. a) Sean T,:V + W y T2:V + W transformaciones lineales. Las funciones ( T , + T2):Y

W y ( T I - T J :V + W se definen como
(TI + T 2 ) W =
(T, - T2)W
+ T2W
TI(V) - TAv)
Demostrar que T I + T2 y T , - T2 son transformaciones lineales.

b) Encontrar (TI + T2)(x, y ) y (TI - ,)(x, y ) si TI2 + R2 y T2:R2+ R2 estn
definidas por las frmulas TI@, y ) = (2y, 3x) y T2(x,y ) = (y,x).
28. a) Demostrar que si a l , a2, b , y b, son escalares cualesquiera, entonces la frmula
m
, Y ) = @,x
+ blY, a2x + b2Y)
defme un operador lineal sobre R2.

b) La frmula F(x,y ) = (up? + b,y2,.u,
Explicar la respuesta.
+ b p 2 )define un operador lineal sobre R2?
29. (Para quienes y a estudiaron Clculo). Sean

D(f) = f(xj
J(f) = j ; i ( t j dt
8.2 Ncleo y recorrido 461

las transformaciones linealesde los ejemplos 11 y 12. Encontrar (J 0 0x0 para
a) f(x) = x'
+ 3x + 2
b) f(x) = senx
c) f(x) = x
30. Sea {v,, v,, . . . , vn} una base de un espacio vectorial V y sea T V +- Wuna transformacin lineal. Demostrar que si T(v,)= T(v,) = ' . . = T(v,) = O, entonces T es la transfor-
macin cero.
. . . , vn} una base de un espacio vectorial V y sea T:V -* V un operador
lineal.Demostrar que si T(v,) = v,, T(v,) = v,, . . . , T(vn)= Y", entonces T es la
transformacin identidad sobre V.
31. Sea {v,, v,,
8.2 NCLEO Y RECORRIDO

En esta seccin se ampliarn algunas propiedades bsicas de las transformaciones lineales que generalizan propiedades, y a obtenidas en el texto, de las transformaciones matriciales.
NCLEO Y
RECORRIDO
Recurdese que si A es una matriz m x n, entonces el espacio nulo de A consta de

todos los vectores x en R" tales que Ax = O y, por el teorema 5.5.1, el espacio
columna de A consiste en todos los vectores b en Rm para los cuales existe por lo
menos un vector x en R" tal que Ax = b. Desde el punto de vista de las transformaciones matricides, el espacio nulo de A consta de todos los vectores x en R"
que la multiplicacin por A aplica o mapea en O, y el espacio columna consta de
todos los vectores en Rm que son imgenes de por lo menos un vector en R" bajo la
multiplicacin por A . La siguiente definicin ampla estas ideas a transformaciones lineales generales.
~~
Definicin. Si T:V + W es una transformacin lineal, entonces el conjunto de

vectores en V que T mapea o transforma en O se denomina ncleo (kernel o
espacio nulo) de T, y se denota por ker(7). El conjunto de todos los vectores en
W que son imgenes bajo 7' depor lo menos un vector en V se denomina
recorrido de T y se denota por R(7).
Ejemplo 1 Si TA:R" + R"' es la multiplicacin por la matriz A m X n, entonces
por el anlisis que precede a la definicin anterior, el ncleo de 'T es el espacio
nulo de A y el recomdo de T, es el espacio columna de A. A
Ejemplo 2 Sea T:V + W la transformacin cero (ejemplo 2 de la seccin 8.1).
Como T mapea todo vector de Ven O, se concluye que ker(Q = V. Adems, como
O es la nica imagen bajo T de los vectores en V, se tiene que R ( n = { O } . A
Ejemplo 3 Sea I:V + Vel operador identidad (ejemplo 3 de la seccin 8.1). Como
I(v) = v para todos los vectores de V, todo vector en Ves la imagen de algn vector
462
Transformaciones
lineales
(a saber, I mismo); as, R ( 0 = V. Como el linico vector que I mapea en O es O, se

concluye que ker(l) = ( O } . A
Ejemplo 4 Sea 1':R3 * K3 la proyeccin ortogonal sobre el plano xy. El ncleo de
7' es el conjunto de puntos que T transforma en O = (O, O, O); se trata de los puntos
sobre el eje z (figura l a ) . Como T mapeatodo punto de R3 en el plano x y , el
recorrido de T debe ser algn subconjunto de este plano. Pero todo punto (xo, yo,O)
en el plano xy es la imagen bajo " de algn punto; de hecho, es la imagen de todos
los puntos sobre la recta vertical que pasa por (xo, yo, O) (figura lb). Por tanto,
R ( n es todo el plano xy. A
Ejemplo 5 Sea T:R2 -z R2 el operador lineal que hace girar a todo vector en el
plano xy por un ngulo 8 (figura 2). Como todo vector en el plano xy se puede
obtener al girar algn vector por un ngulo 8 (por qu?), se tiene que R(T) = R2.
Adems, el nico vector que gira en O es O, de modo que ker(T) = { O } . A
Ejemplo 6 (Para quienes ya estudiaron CZcuZo). Sea V = C1(-CQ, CQ)el espacio

vectorial de funciones con primeras derivadas continuas sobre (- m , m ) , sea W =
F(- CQ.m) el espacio vectorial de las funciones con valores reales definidas
sobre ( - m , CQ) y sea D:V W la transformacin derivacin D a = f(x). El ncleo
de D es el conjunto de funciones en V cuya derivada es cero. Por Clculo, se trata
del conjunto de funciones constantes sobre (- CQ, 00). A
8.2 Ncleo y recorrido / 463

PROPIEDADES
DEL NCLEO
Y DEL
RECORRIDO
En todos los ejemplos anteriores, ker(7) y R(7) resultaron ser subespacios. En los
ejemplos 2, 3 y 5 fueron el subespacio cero o todo el espacio vectorial. En el
ejemplo 4 el ncleo era una recta que pasa
por
el
origen y el recorrido era un
plano que pasa por el origen; ambos son subespacios de R3. Nada de lo anterior es
fortuito; es una consecuencia del siguiente resultado general.
Teorema 8.2.1. Si T:V -i. W es una transformacin lineal, entonces:
a) El ncleo de T es un subespacio de V.
b) El recorrido de T es un subespacio de W.
Demostracin de a).Para demostrar que ker(7) es un subespacio se debe probar
que contiene por lo menosa un vector y es cerrado bajo la adicin y la
multiplicacin escalar. Por el inciso a) del teorema 8.1.1, el vector O est en
ker(7'), de modo que este conjunto contiene por lo menos un vector. Sean v, y v2
vectores en ker(7') y sea k cualquier escalar. Entonces
T(v,
+ v2) = T(v,) + T(v2) = O + O = O
de modo que v1 + v2 est en ker(7). Tambin,

T(kv,) = kT(v,) = M) = O
de modo que
kv, est en ker(T).
Demostracin de 6). Como T(0) = O, existe por lo menos un vector en R(7). Sean
w, y w2 vectores en el recorrido de T y k cualquier escalar. Para demostrar esta
parte es necesario probar que w, + w2 y
estn en el recorrido de T; es decir, se
deben encontrar vectores a y b en Vtales que T(a) = w, + w2 y T(b) = k w , .
Como w, y w2 estn en el recomdo de T, en V existen vectores al y tales
que T(al) = w, y T(%) = w2. Sean a = a, + % y b = ka,. Entonces
kw,
Y
T(b) = T ( k a , )= kT(a,) = kw,
con lo cual se completa la demostracin. 0

RANGO Y
NULIDAD DE LAS
TRANSFORMACIONES
LINEALES
En la seccin 5.6, el rango de una matriz se definicomo la dimensinde su espacio

columna (o rengln) y la nuhdad como la dunensin de su espacio nulo. La siguiente
definicinextiende estas definicionesatransformaciones lineales generales.
Definicin. Si T:V -i. W es una transformacin lineal, entonces la dimensin del
recorrido de T se llama rango de T y se denota por rango (7'); la dimensin
del ncleo se denomina nulidad de T y se denota por nulidad (7).
464
Transjormaciones lineales
Si A es una matriz m x n y TA:R" Rm es la multiplicacin por A, entonces

por el ejemplo 1 se sabe que ker(T) de 7> es el espacio nulo. deA y que el recorrido de
es el espacio columna de A . Por tanto, se tiene la siguiente relacin entre
cl rango y la nulidad de una matriz y el rango y la nulidad de la transformacin
matricial correspondiente.
-+
7'
Teorema 8.2.2. Si A es una matriz m

por A , entonces:
n y TA :R"
Rm es la multiplicacin
a ) Nulidad ( T A )= Nulidad (A)

b ) Rango ( 7 ' ~ =Rango
)
(A).
Ejemplo 7 Sea T4:R6+ R4 la multiplicacin por

A = [
3
2
4
-7
-5
-9
2
2
2
o
4
-4
6
-
Encontrar el rango y l a nulidad de TA

En elejemplo 1 de la seccin 5.6 sedemostr que rango ( A ) = 2 y
nulidad (A) = 4. As, por el teorema 8.2.2 se tiene rango ( T A )= 2 y nulidad (A) =
4. A
Solucin.
Ejemplo 8 Sea T:R3 + R3 la proyeccin ortogonal sobreel plano xy. Por el

ejemplo 4, el ncleo de T es el eje z, que es unidimensional, y el recorrido de T es
el plano xy, que es bidimensional. Por lo tanto,
nulidad ( T ) = 1 y rango ( 7 ) = 2 A
TEOREMA DE
LA DIMENSIN
DE LAS
TRANSFORMACIONES
LINEALES
Recurdesepor el teoremade la dimensin para matrices (teorema 5.6.3) que si A

es una matriz con n columnas, entonces
rango (A) + nulidad ( A ) = n
El siguiente teorema, cuya demostracin sepospone hasta el final de la seccin,
extiende este resultado a transformaciones lineales generales.
Teorema 8.2.3. (Teorema de la dimensidn para transformaciones lineales). Si
T:c' W es una transforrnacin lineal de un espacio vectorial V de dimensin
n a un espacio vectorial W, entonces
-+
rango(T) + nulidad(T) = n
Expresado en palabras, este teorema establece que para transformaciones lineales

la suma del rango y la nulidad es igual a la dimensin del dominio.
OBSERVACI~N. Si A es una matriz m X n y TA:Rn+ R"' es la multiplicacin por
A, entonces el dominio de TA es de dimensin n, demodo que en este caso el
teorema 8.2.3 concuerda con el teorema 5.6.3.
Ejemplo 9 Sea T:R2 + R2 el operador lined que hace girar a cada vectordel
plano xy por un ngulo 8. En el ejemplo 5 se demostr que ker(7) = { O } y que
R(T) = R 2 . As,
rango ( r ) + nulidad ( T ) = O + 2 = 2
lo cual concuerda con el hecho de que el dominio de T es bidimensional. A
DEMOSTRACIN ADICIONAL
Demostracin del teorema 8.2.3. Se debe demostrar que
dim(R(T))
+ dim(ker(T)) = n
La demostracin se proporcionar para el caso en que 1 Idim(ker(7)) < n. Los

casos dim(ker(2)) = O y dim(ker(7)) = n se dejan como ejercicios. Supngase que
dim(ker(7)) = r, y sea v l , . . . , v, una base para el ncleo. Como {vl, . . . , v,) es
linealmente independiente, el teorema 5.4.66 establece que existen n - r vectores,
v,+~,. . . ,vn, tales que {vl, . . . , v,, v , + ~ ., . . , v,} es unabase de V. Para completarla
demostracin, se probar que los n - Y vectores en el conjunto S = { T(V,+~),. . . ,
T(v,)} forman una base para el recorrido de T.Entonces se concluir que
dim(R(T)) + dim(ker(T)) = ( n - r )
+r =n
Primero se demostrar queS genera el recorrido de7'. Si b es cualquier vectoren

el recorrido de T.entonces b = T(v) para algn vector v en V. Como { v , , . . . , v,,
v , + ~ ., . . , vn} es una base para V, entonces el vector v se puede escribir como
v = ClV1
+ . . + c,v, + c,+ 1v,+ 1 + . . . + c,v,

'
En virtud de que v l , . . . , v, estn en el ncleo de T, se tiene T(v1) =

O, de modo que
..=
T(v,)
b = T(v) = c,+ ,T(v,+ ,) + . . . + c,T(v,)
As, S genera el recorrido de T

Por ltimo, se demostrar que S es un conjunto linealmente independiente y
que, en consecuencia, forma una base para el recorrido de T. Supngase que alguna combinacin lineal de los vectores en S es cero; es decir,
466
k,,
, T(v,+
+ . . . + k,T(V,)
1)
Se debe demostrar que kr+, = . . . = k,

de nuevo como
T(k,.+ ,v,+ I
(2)
O . Como T es lineal, (2) se puede escribir
+ . . . + k,v,)
=O
lo cual establece que k,+lvr+l +

. + k,v, est en el ncleo de T. Por consiguiente, este vector se puede escribir como una combinacin lineal de los
vectores bsicos (vl.. . . , v,.}, por ejemplo,
'
k,
Iv,
+ . . . + k,v,
= k,v,
+ . . . + k,~,
As,
k,vl+ . . . + k,v,
k , , 1~,,
I - . . . - k,v, = O
Como {vl, .
, v,} es linealmente independiente, todas las k son cero; en
particular, krtl= . . = k, = O, con lo que se completa la demostracin. 0
'

1. Sea T:R2+ H 2 el operador lineal defiuido por la expresin
i,Cules de los siguientes vectores estn en K( T)?

a) (1, -4).
b) ( 5 , O ) .
c) (-3, 12).
2. Sea TI??+ R' el operador lineal del ejercicio 1. 2,Cules de los siguientes vectores
estn en ker( T)?
a) (5, 10).
b) ( 3 , 2 ) . c) (1, 1).
3. Sea T@
+ K3
l a transfonnacin lineal definida por l a expresin
Cules de los siguientes vectores estn en K( T)?

a) (0,0,6).
b) ( I , 3,O).
c ) (2,4, 1).
4. Sea TJr'
+ R3 la transformacin lineal del ejercicio 3. (,Cules de los siguientes vcctores estn enker(T)?
a) ( 3 , -8,2, O).
b) ( O , O, O, 1).
C) (O, -4, 1, O).
5. Sea T:P, + P, la transformacin lineal definida por T(p(x)) = xp(x). Cules de los
siguientes vectores estn en ker(T)?

a) x3.
b) O.
c) 1 +x.

6. Sea TF, + P, la transformacin lineal delejercicio
vectores estn en R( o?
a) x + x ?
b) 1 + x .
c) 3 -2.
5. Cules de los siguientes
7. Encontrar una base para el ncleo
a) del operador lineal del ejercicio l.

b) de la transformacin lineal del ejercicio 3.
c) de la transformacin lineal del ejercicio 5.
8. Encontrar una base para el recorrido
b) de latransformacin lineal del ejercicio 3.
a) del operador lineal el ejercicio 1.
c) de la transformacin lineal del ejercicio 5.
9. Comprobar la frmula (1) del teorema de la dimensin para
b) latransformacinlinealdel
a) el operador lineal del ejercicio 1.
c) la transformacin lineal del ejercicio 5.
ejercicio 3.
En los ejercicios del 10 al 13, sea T la multiplicacin por la matnz A . Encontrar

a) una base para el recorrido de T. b) una base para el ncleo de T.
c) 1 rango y la nulidad de T.
d) el rango y la nulidad de A .
[i -i]
-1
10. A =
1:
11. A =
1
3
-1
2
-a]
4
-2
0
3
5
!
-1
5
o
o
9
-1
-1
8
14. Describir el recorrido y el espacio nulo de la proyeccin ortogonal sobre
a) el plano xz.
b) el plano yz.
c) el plano cuya ecuacin es y = x.
15. Sea V cualquier espacio vectorial y sea T:V + V definida por T(v) = 3v.
a) Cul es el ncleo de T?
b) Cul es el recorrido de 77
16. En cada inciso, usando la informacin proporcionada para obtener la nulidadde T.
a) T A +
~ R? tiene rango 3.
b) TP4 + P, tiene rango 1.
c) El recorrido de TR' -D R3 es R3. d) TMZ2+ M,, tiene rango 3.
X 6 tal que A x = O slo tiene la solucin trivial, y sea TR'
multiplicacin por A . Encontrar el rango y la nulidad de A .
17. Sea A una matriz 7
18. Sea A una matriz 5
+ R7 la
X 7 con rango 4.
a) Cul es la dimensin del espacio solucin de Ax = O?
b) Es consistente A x = b para todos los vectores b en R'? Explicar la respuesta
89. Sen 1'8'

I.'u11u transformacin lineal de R' a cualquier espacio vectorial. Demostrar
que el nrhcleo de T es una I-eecta que pasa por el origen, un plano que pasa por el origen,
S 6 1 0 el or'lgen o todo R3
20. Sen 7'. I.; -3. R 3 una transformacin l~nealde crlalquicr espac~ovcctorial a R 3 . Demostrar
quc el recomdo dc 1" es una recta qrx pasa por el origen, un plano que pasa por el
arrgen, slo e orlgen o todo I?
21. sea T:R'
Hi la multlpiicacion por
a) Ikmostrar que el nilcleo de 7' es una recta que pasa por el origen y encontrar
ecuacrollcs paramtncas de Csta.
b) Ikmostrar que elrecorrido de T es un plano que pasa por el origen y encontrar una
ecuacin de Cste.
22. Demostrar: Si f v , . v 2 , . . , v n ) es una base para V y w , , w2, . . . , w nson vectores en
I+', no necesariamente distintos, entonces existe una transfommcin lineal T:l' + W tal
que 7'(vlj = w,,T(v7) = w:, . . . , T(v,) = wn.
23. Lknostrar el teorema de la dimensin en los casos en que
b) dim(ker(7')) = n.
a) dim(ker(T)) = O
21. Sea 7'1.'
-3. I" u 1 1 operadorlineal

sobre un espacio vectorial V de dimensin finita.
Ilemostrar que H ( T ) = s i y slo SI keI(7') = {O}
I.'
25. (Para quienes ya estudiaron Clculo). Sea DFp,-3. P2 l a transformacin derivacin

I)( p) = p'(x).Describir el ncleo de 13.
26. (Para quienes ya estudiaron Clculo). Sea J:P,
.I@) = p ( x ) dx. Describir el ncleo de J.
R l a transformacin integraci6n
27. (Pura quienes y a estudiaron Clculo). Sea D:V -., W la transformacin derivacin
[I( p) =,f(x). donde I' = C2( - 00,m ) v W = F( - 00,m). Describir el ncleode D o D.
8.3 TRANSFORMACIONES LINEALES INVERSAS

En la seccibn 4.3 se analizaron las propiedades de las transformaciones lineales
uno a uno de R" a R". En esta seccin se extendern tales ideas a transformaciones lineales generales.
TRANSFORMACIONES LLNEALES UNO A UNO
Recurdese de la seccin 4.3 que una transformacin lineal de R" a R" se denomina uno a uno o biunivoca si mapea vectores distintos de R" en vectores distintos de R"'. La siguiente definicin generaliza esta idea.
8.3 Transformaciones lineales inversas
I'
469
~~
Definicin. Una transformacin lineal T:V + W se llama uno a uno si 7 mapea vectores distintos de Ven vectores distintos de W.
Ejemplo 1 Recurdese por el teorema 4.3.1 que si A es una matriz n X n y
TA :Rn + R" es la muitiplicacin por A , entonces T> es uno a uno si y slo si A es
una matriz invertible. A
Ejemplo 2 Sea T:Pn + Pn+l la transformacin lineal
T(p1 = T ( p ( x ) )= x p ( x )
analizada en el ejemplo S de la seccin S. l . Si

p = p ( x ) = Cg + c,x +
' '
+ c,xn
= y(x) = do
+ d , +~. . . + d,,x"
son polinonlios distintos, entonces difieren en por lo menos un coeficiente. As,
tambin difieren en por lo menos un coeficiente. Por tanto, T es uno a uno, ya que
mapea polinomios distintos p y q en polinomios distintos T(p) y T(q). A
Ejemplo 3 (Para quienes y a estudiaron Clculo). Sea
la transformacin derivacin analizada en el ejemplo 11 de la seccin S. l . Esta

transformacin lineal no es uno a uno, ya que mapea en la mismafuncin a
funciones que dlfieren por una constante. Por ejemplo.
D ( x 2 )= D(x2
+ 1) = 2x
El siguiente teorema establece una relacin entre una transformacin lineal

uno a uno y su ncleo.
Teorema 8.3.1. Si T:l/ + W es una transformacin lineal, entonceslas siguientes proposiciones son equivalentes.
a ) T es uno a uno.
b ) El ncleo de T slo contiene al vector cero; esdecir. ker(7) = { O } .
c) Nulidad ( r ) = O .
"
.l.-_"."
Denzostrraclhn. Se deja como ejercicm ficil demostrar la equivalcncia de h ) y c);

l a dzmostracin se completar probando !a equi:.alcncia di:0) v h).
4 70 i Transformaciones lineales
a =$ 6: Supngase que T es uno a uno, y sea v cualquier vector en ker(7). Como v y

O , estn en ker(7), se tiene T(v)= O y T(0) = O. Pero esto indica que v = O , ya que T
es uno a uno; asi, ker(7) slo contiene al vector cero.
b
* a: Supngase que ker(7) = O y que v y w son vectores distintos en

V"
es decir.
(1)
w#O
Para demostrar que T esuno a uno es necesario probar que T(v) y T(w) son
vectores dstintos. Pero si este no fuese el caso, entonces se tendra
T(v) = T(w)
T(v)- T(w) = o
T(v - w) = o
lo cual indica que v - w est en el ncleo de T. Como ker(T) = O , se tiene que
v-w=o
lo cual contradice (1). As, T(v)y T(w) deben ser hstintos. 0
Ejemplo 4 En cada inciso, determinar si la transformacin lineal es uno a uno,

encontrando el ncleo o la nulidad y aplicando el teorema 8.3.l .
a) T:R2 + R2 hace girar a cada vector por un ngulo 8.
b) T:R3 + R3 es la proyeccin ortogonal sobre el plano xy.
c) T:R6 .+ R4 es la multiplicacin por la matriz
7
2
0
2 - 5
2
4
4 -9
2 -4
1
6
-4
1
7
Solucin de u). Del ejemplo 5 de la seccin 8.2, ker(7")= { O ) , as que T es uno a

uno.
Solucin de b). Del ejemplo 4 de la seccin 8.2, ker(7') contiene vectores

diferentes de cero, de modo que T no es uno a uno.
Solucin de c). Del ejemplo 7 de la seccin 8.2, nulidad (7')
uno a uno. A
4, as que T no es
8.3 Transformaciones lineales inversas / 471
En el caso especial en que T es un operador lineal sobre un espacio vectorial

de dimensinjnita, entonces se puede agregar otra proposicin al teorema 8.3.1.
Teorema 8.3.2. Si V es un espacio vectorial de dimensin finita, Y 1':v I/ es
un operador lineal, entonces lassiguientes proposiciones son equivalentes.
-+
a ) T es uno a uno.
b ) ker(T) = ( O } .
c) Nulidad (7') = O.
d) El recorrido de T es V; es decir, R(T) = V.
Demostracin. Sesabe que a), b ) y c ) son equivalentes, de modoquela
demostracin se puede completar probando la equivalencia de c ) y d).
c * d. Supngase que dim@') = n y que nulidad (7') = O. Por el teorema de la
dimensin (teorema 8.2.3) se concluyeque
rango(7') = n - nulidad (7') = n

Por definicin, rango(T) es la dimensin del recorrido de T. as que el recorrido de
T tiene dimensin n . Ahora, por el teorema 5.4.7 se concluye que el recorrido de 1'
es V, ya que los dos espacios tienen la misma dimensin.
* c. Supngase que dim(V) = n y que R(T) = V. Por estas relaciones se concluye

que dim(R(T)) = n, o bien, de manera equivalente, que rango (7') = n. entonces, por
el teorema de la dimensin (teorema 8.2.3) se concluyeque
d
nulidad ( r )
=n
- rango(T) = n
ji
-- n = O.
-,
Ejemplo 5 Sea TA:R4+ R4 la multiplicacin por

1
-2
-4
1
Determinar si TA es uno a uno.

Solucin. Como se hizo notar en el ejemplo 1, el problema dado es equivalente a
determinar si A es invertible. Pero det(A) = O, ya que los dos primeros renglones
de A son proporcionales y, en consecuencia,A no es invertible. Por tanto, TA no es
uno auno. A
TRANSFORMACIONES
LINEALES
INVERSAS
Enla seccin 4.3 sedefini la inversa deun operadormatricial uno a uno

TA:R" R" comoel operador matricial TA-1:Rn"* R", y se demostr que si w es la
imagen de un vector x bajo TA, entonces TA-I mapea w de regreso en x. A
continuacin, estas ideas se extendern a transformaciones lineales generales.
+.
472
Recurdese que si T:V "* W es una transformacin lineal, entonces el

recorrido de T, denotado por R(T), es el subespacio de W que consta de todas las
imgenes bajo T de los vectores en V. Si T es uno a uno, entonces cada vector v en
V tiene una imagen nIca w = T(v) en R ( 0 . Esta unicidad del vector imagen
permite definir una nueva funcin, denominada inversa de T, denotada por T- l .
que mapea w de regreso en v (figura 1).
Se puede demostrar (ejercicio 19) que T- : R(T) + V es una transformacin

lineal. Adems, por la definicin de T" se concluye que
T - '(T(v)) = i" '(w) = v
de modo que T y T u l , cuando se aplican consecutivamente en cualquier orden,

cancelan entre s el efecto que tienen.
Es importante notar que si T:V + W es una transformacin lineal
uno a uno, entonces el dominio de T- es el recorrido de T. ste puede ser o no
todo W. Sin embargo, en el caso especial en que T:V "* Ves un operador lineal uno
a uno, por el teorema 8.3.2 se concluye que R(T) = V. es decir, el dominio de Tes todo V.
OBSERVACI~N.
Ejemplo 6 en el ejemplo 2 se demostr que la transformacin lineal T:Pn -+ P,+l

definida por
n P) = T(P(.Y)) =
es uno a uno; as, T tiene inversa. Aqu, el recorrido de T no es todo P,,,; en vez
de ello, R(7) es el subespacio de P,+, que consta de los polinomios con trmino
constante cero. Este hecho es evidente a partir de la frmula para T:
T(C,
+ C'X + . . . + C , Y )
= cox
+ c,x2 + . . . + C,X"+
Se concluyeque T- ' : R ( q -c Pn est definida por la frmula

T - '(cox + c,x2 + .
' '
+ c,x"
1)
= c*
+ c1x + . . . + c&?
Por ejemplo, en elcaso en que n = 4,

T-l(2x - x2
+ 5x3 + 3x4) = 2 - + 5x2 + 3x3

X
8.3 Transformaciones lineales inversas / 473
Ejemplo 7 Sea T:R3 + R3 el operador lineal definido por la frmula

T(X1, X2, X3) = (3x1
X2,
"2x1 - 4x2
+ 3x3,
5x1
+ 4x2 - 2x3)
Determinar si T es uno a uno; en caso afirmativo, encontrar T- '(x,, x2, x3).

Solucin. Por el teorema 4.3.3, la matriz estndar para T es
3
[TI=
-2
-4
(comprobar). Esta matriz es invertible y por la frmula (1) de la seccin 4.3, la

matriz estndar para T" es
4
-2
-3
[T"]=[T]-'=
-12
10
Se concluye que
Expresando este resultado en notacin horizontal se obtiene
INVERSASDE
COMPOSICIONES
El siguiente teorema muestra que la composicin de transformaciones lineales uno

a uno es uno a uno, y relaciona la inversa de la composicin con las inversas de
las transformaciones lineales individuales.
Teorema 8.3.3. Si T , : U
V y T2:V + W son transformaciones lineales uno a
uno, entonces:
a)
T, TIes uno a uno.

0
h) (T2 0 Tl)-I =
r;'
Ti-].
Demostracin de a). Se quiere demostrar que T2 o T, transforma vectores distintos

de U en vectores distintos de W. Pero si u y v son vectores distintos de U, entonces
T I @ )y Tl(v)son vectores distintos de V ya que T , es uno a uno. Lo anterior y el
hecho de que T2es uno a uno indican que
474 1 Transformaciones lineales
T,(TI(U))
T,(T,(V))
tambin son vectores distintos. Pero estas expresiones tambin se pueden escribir
como
de modo que T2 T, transforma u y v en vectores distintos de W.

Demostracin de (6).
Quiere demostrarse que
(T,~T,)~'(w)=(T,~~T,')(w)
para todo vector w en el recomdo de T, T I .Para este propsito, sea
o
de modo que la meta es demostrar que

u =(T,
'
T,- l)(w)
Pero por ( 3 ) se concluye que

(T, 0 T,)(uj = w

T,(T,(u)) = w
Ahora, aplicando 2";'a cada miembro de esta ecuacin y luego

bro del resultado, se obtiene (comprobar)
T;'a cada miem-
En otras palabras, el inciso b) del teorema 8.3.3 establece que la inversa de

una composicin es la composicin de las inversas en orden invertido. Este resultado se puede extender a composiciones de tres o ms transformaciones lineales; por ejemplo,
En el caso especial en que TA, TB,y Tc, sean operadores matriciales sobre R", entonces la frmula (4) se puede escribir como
8.3 Transformacioneslineales inversas / 475
En palabras, esta frmula establece que la matriz estndar para la inversa de una
composicin es el producto de las inversas de las matrices estndar de los operadores individuales en orden invertido.
En los ejercicios se proporcionan algunos problemas en los que se usan las
frmulas (4) y (S).

1. En cada inciso, encontrar ker(Z') y determinar si la transformacin lineal T es uno a
Uno.
a) T :R2+ R2, donde T(x, y ) = ( y , x)

b) T :R2+R2, donde T(x, y ) = (O, 2x + 3y)
c) T : R 2 + R 2 , donde T(x, y) = (x + y , X - y )
d) T :R2 +R 3 , donde T(x,y ) = (x, y, x + y )
e) T :R2+ R', donde T(x, y ) = (x - y, y - x, 2x - 2y)
f) 2': R 3 +R 2 , donde T(x,y, z) = (x + y + z, x - y - z)
2. En cada inciso, sea T.&2 -* R2 la multiplicacin por A . Determinar si T tiene inversa;

en caso afirmativo, hallar
3. En cada inciso, sea
TX3+ R3 la multiplicacin por A . Determinar si T tiene inversa;

en caso afirmativo, encontrar
4 1 5 2
a ) A = [ - 1 1 21 ol ]
" A = [ - ;
i]
c ) A = [ O1 11 0I]
.)A=[:
4. En cada inciso, determinar si la multiplicacin por A es una transformacin lineal uno
a uno.
-:]
476 / Transformaciones lineales

1
-7
2
-
'1
c) A
S. Sea 1'8'
-+ R~ la proyeccin ortogonalsobre la rectay = x (figura 2).

a) Encontrar el ncleo de T.
b) ,Es Tuno a uno? Justificar la conclusin.
Figura 2
6. Sea FA2 + R2 el operador lineal T(x,y) = ("x, y ) que refleja cada punto con respecto
al eje y (figura 3).
a) Encontrar el ncleo de T.
h) Es T u n o a uno? Justificar la conclusin.
ry
Figura 3
7. En cada inciso, usando la informacin dada determinar si T es uno a uno.

b) TBn + R"; rango ( T ) = n - 1
a) T:Rm + R"; nulidad(T) = O.
c) TRm -+ R"; n < m .
d) TBn + Rn; R( T)= R".
8. En cada inciso determinar si la transformacin lineal T es uno a uno.
a) 7 :P2+P,, donde T(u,+ a , x + u 2 x 2 )= x(ao + a,x+ a$)

b) T : P2-+P2, donde T ( p ( x ) )= p ( x 1)
9. Sea A una matriz cuadrada tal que det(A) = 0 LLa multiplicacin por A es una
transformacin lineal? Justificar la conclusin.
10. En cadainciso determinar si eloperador lineal T X n
afirmativo, encontrar ~ " ( x , ,xz, . . . ,x,,).
7 '(XI, x2, . . . , x n ) .
a) T ( . x , , x 2, . . . , .x , j ) = ( 0 , ~ l , ~. 2. .r, x = - , )
c) "(x,, x*,. . . , x,,) = (x2, x3, . . . x,, XI )
-+
Rn es uno a uno;encaso
b) T(x,,xL,. . . , x , ) = j x , , ~ . , ~ ,I . . . , . x ? , x i )
11. Sea TAn + Rn el operador lineal definido por la frmula

qx,,
x*, . . . , x , )
= (a,x1,a,x,,
. . . , a,,x,)
a) En qu condiciones T tiene inversa?
8.3 Transformacioneslineales inversas / 477

b) Suponiendo que se cumplen las condiciones determinadas en el inciso a), encontrar
una frmula para T"(xl, x2, . , xn).
12. Sean Tl:R2+ R2 y T2@ + R2 los operadores lineales definidos por las frmulas
T , ( x ,y ) = (x + y, x'
"
T,(x, y ) = (2x + y. x
y)
2y)
a) Demostrar que T I y Tz son uno a uno.
T," (x,y ) , T;' (x,y ) y (Tz TI)-' (x, y )
b) Encontrar frmulas para
c) Comprobar que ( T 20
13. Sean T;P, + P , y Tz:P, +
= T I p 10
P, las transformaciones lineales definidas por las frmulas
a) Encontrar frmulas para
q-' @(x)), ?;I
b) Comprobar que (T2 0 T I ) - =

14. Sean
T2-l.
@(x)) y
(T2 O T 1 ) - ' @ ( x ) )
T2-I
TAR^ + R3, T g R 3 + R3 y T p R 3 + R3 las reflexiones con respecto al plano x y , al
plano xz y al plano yz, respectivamente. Comprobar la frmula (5) para estos operadores lineales.
15. Sea TPl + R2 la funcin definida por la frmula
T M x ) ) = (P(O),
P( I )I
a)
b)
c)
d)
Encontrar T( 1 - 2x).
Demostrar que T es una transformacin lineal.
Demostrar que T es uno a uno.
Encontrar T"(2,3) y trazar su grfica.
16. Demostrar: Si V y W son espacios vectoriales de dimensiones finitas tales que dim W <
dim V, entonces no existe ninguna transformacin lineal uno a uno T:V + W.

17. En cada inciso, determinar si el operador lineal TMZ2+ MZ2es uno a uno. En caso
afirmativo, encontrar
T(x, y ) =
Demostrar que T es uno a uno para todo valor real de k y que T" = T.
18. Sea TR2 + R2 el operador lineal defindo porlafrmula
(x
+ /y, -y)
19. Demostrar que si T:V + Wes una transformacin lineal uno a uno, entonces T":R(T)
+
Ves una transformacin lineal.
20. (Para quienes ya estudiaron CruCulo). Sea JPI + R la transformacin integracin

1
J(p) = j-, p(x)dx. Determinar si J es uno a uno. Justificar la ccnclusin.
478
,,
8.4 MATRICES DE TRANSFORMACIONES LINEALES GENERALES

En esta seccin se demostrar que si V y W son espacios vectoriales de dimensiones3nitas (nonecesariamente R" y Rm),entonces con un poco de ingenio cualquier transformacin lineal T:V -+ W .se puede considerar corno una tran$ormacin matricial. La idea bsica es trabajar con las matrices de coordenadas de los
vectores, en vez de hacerlo con los vectores mismos.
MATRICES DE
TRANSFORMACIONES
LINEALES
Supngase que V es un espacio vectorial n dimensional y que W es un espacio

vectorial m dimensional. Si se eligen bases B y B' para V y W,respectivamente,
entonces para todo x en V la matriz coordenadas [xIB es un vector en R" y la
matriz coordenadas [ T ( x ) ] pes un vector en Rm (figura 1).
A es un
vector en V
(n-dimensional)
Figura 1
un A es
en
vector
un A es
en vector
W
(m-dimensional)
A es un
[x18
R"
T(x)
[ Tt4h
vector
en
R~
Si, como se ilustra en la figura 2, se completa el rectngulo sugerido en la figura 1,

se obtiene una aplicacin de R" a Rm, que se puede demostrar es una transformacin lineal. Si se deja que A sea la matriz estndar de esta transformacin, entonces
La matnz A en (1) se denomina matriz para T con respecto a las bases B y B'.
T mapea
Ven W
T(x)
I
Figura 2
i
La multiplicacin
por A mapea
R" en R"
8.4 Matrices de transformaciones lineales generales / 479
Despus, en esta seccin se darn algunos usos de la matriz A en (l),

pero primero se mostrar cmo se puede calcular. Para este efecto, supngase
que B = {u1, u2, . . . , U,,} es una base para el espacio n dimensional V, y que
B' = {vl, v2, . . . , vm} es una base para el espacio m dimensional W . Se trata
de encontrar una matriz m X n
A=
que (1) se cumpla para todos los vectores x en V. En particular, se quiere que
esta ecuacin sea verdadera para los vectores bsicos ul, u*,. . . , U,,; es decir,
tal
A[uI]B=[T(ul)]B'~
A[u21B=[T(u2)1Br,
...)
A[unlB=[T(un)lBr
Pero
O'
1
O
de modo que
I '
'
] =
a11
a12
a2 1
a12
am2
(2)
380
"
Sustituyendo estos resultados en (2) se obtiene
lo cual demuestra que las columnas consecutivas de A son las matrices de

coordenadas de
con respecto ala base B'. As, la matriz para T con respecto a las bases B y B' es
Esta matriz por lo comn se denota con el smbolo

[
IR', B
de modo que la expresin precedente tambin se puede escribir como
y por (1) esta matriz tiene la propiedad
Ntese que en la notacin [qF8el subndice derecho es una

base para el dominio de T y que el subndice izqulerdo es una base para el espacio
imagen de T (figura 3 ) .
OBSERVACI~N.
, E
44
Adems, obsrvese cmo el subndice B parece "cancelarse" en la frmula (4a)

(figura 4).
MATRICES DE
OPERADORES
LINEALES
En el caso especial donde V = W (de modo que T:V + V es un operador lineal), es

comn tomar B = B' al construir una matriz para T. En este caso la matriz resultante se denomina matriz para T con respecto a labase B y se denota por [ q ~en,
vez de [ ~ BB.I Si B = {u1, u,, . . . u,}, entonces en este caso las frmulas (4) y
(4a) se convierten en
En trminos informales, las expresiones (4a) y (5a) establecen que la matriz para
T multiplicada por la matriz de coordenadas para x es la matriz de coordenadas
para "(x).
Ejemplo 1 Sea T:P, * P, la transformacin lineal definida por
Encontrar la matriz para T con respecto a las bases estndar
u, = 1,
u* =x; v1
1,
v2
=x,
v3 = x 2
Solucin. A partir de la frmula dada para T se obtiene
T(u,)= T(1) = (x)jl) = x

T(U2) =
T(x) = (x)(x) = x2
Por inspeccin es posible determinar las matrices de coordenadas para T(u,) y

T(u,) con respecto aB'; stas son
482
'
Ejemplo 2 Sea T:P, -+ P, la transformacin lineal del ejemplo 1. Demostrar que

la matriz
[a y]
o 0
1 TI,..,=
(obtenida en el ejemplo 1) satisface (4a) para todo vector x

Solucin.
=a
+ bx en P ,
Como x = p (x) = a + bx, se tiene
T(x)= xp(x)
= ax
+ hx2
Para las bases B y B' del ejemplo I, por inspeccin se concluyeque
[ T(x)],.= [ax
Por tanto,
+ bx2] =
[:I
a
de modo que (4a) se cumple. A

Ejemplo 3 Sea T:R2+ R3 la transformacin lineal definida por
Encontrar la matriz para la transformacin T con respecto alas bases B = { ul,u2}

para R2 y B' = {vl, v2, v3}para R3, donde
Solucin. A partir de la frmula para T,
Expresando estos vectores como combinaciones lineales de vl, v2 y v3 se obtiene

(comprobar)
T(u,) = v 1 - 2v3,
T(u2)
= 3v,
+ v2
As,
de modo que
Ejemplo 4 Sea T R 2 + R2 el operador lineal definido por

T(
[;;I)
"1
2x, + 4x2
y sea B = {ul, u2} la base, donde
a) Encontrar [ q ~ .
b) Comprobar que (5a) se cumple para todo vector x en R2
Solucin de a ) . Por la frmula dada para T,
v3
484
Transformaciones
lineales
Por consiguiente,
En consecuencia,
Solucin de b).
Si
x=
[:;I
es cualquier vector en R2, entonces por la frmula dada para T
x1
-2x1
+ x2
+ 4x2]
Para encontrar [xIB y [T(x)IB,es necesario expresar (6) y (7) como combinaciones
lineales de u1 y u2.Esto conduce a las ecuaciones vectoriales
Igualando los elementos correspondientes se obtienen los sistemas lineales
+ k , = x,
k , + 2 k , = x2
k,
+ c2 = x, +
c , + 2c, = -2x, + 4x2
c1
x2
Resolviendo (10) para k , y k, se obtiene

k , = 2 x 1 -x2,
de modo que
rx1B =
k2=
-X,
2x, - x2
-x1 +x2]
+X,
8.4 Matrices de transformaciones lineales generales i 485
y resolviendo (1 1) para c1 y c2 se obtiene

CI
= 4 X l - 2x2,
C2
= -3Xl
+ 3x2
de modo que
As,
de modo que (5a) se cumple. A

MATRICES DE
OPERADORES
IDENTIDAD
Ejemplo 5 B = {u1,u2, . . . , U,,} es cualquier base para un espacio vectorial V de

dimensin finita e I:V * Ves el operador identidad sobre V, entonces
I ( U , ) = UI, I(u2)= u2, . .
. , I(un)= u,
Por consiguiente,
As,
...
...
'..
... 1
En consecuencia, la matriz de operador identidad con respecto a cualquier base es
la matriz identidad de n X n. Este resultado se pudo haber anticipado a partir de la
frmula (5a), ya que la frmula produce
[zlB[xlE =
E])'('[
= ['IR
lo cual es consistente con el hecho de que [Ijs= I. A
Se deja como ejercicio demostrar el siguiente resultado
186
Teorema 8.4.1. Si TR" + Rm es una transformacin lineal y si B y 8'son las

bases estndar para R" y R", respectivamente, entonces
[TI,,,. = [ T I
(12)
Este teorema, establece que en el caso especial en que T transforma R" en Rm,la
matriz para T con respecto a las bases estndar es la matriz estndar para T. En
este caso especial la frmula (4a) de esta seccin se reduce a
[ T ] x = T(x)
POR QU SON
IMPORTANTES
LAS MATRICES
DE LAS
TRANSFORMACIONES
LINEALES
Haydos razones esenciales para estudiar matrices de transformaciones lineales

generales, una terica y otra bastante prctica:
A menudo es posible contestar preguntas tericas acerca de
la
estructura de
transformaciones lineales generales sobre espacios vectoriales de dimensin
finita estudiando simplemente las transformaciones lineales. estas cuestiones
se consideran con ms detalle en cursos ms avanzados de lgebra lineal.
aunque se abordarn en secciones ulteriores de este texto.
Estas matrices hacen posible calcular imgenes de vectores usando multiplicacin matricial. Los clculos sepuedenefectuar rpidamente en computadora.
A fin de enfocar la segunda idea, sea T Y + W una transformacin lineal.

Como se muestra en la figura 5, la matriz [TIFB se puede usar para calcular T(x)
en trespasos aplicando el siguiente procedimiento indirecto:
1) Calcular la matriz coordenadas [x]~.

2) Multiplicar xB por la izquierda por
para obtener [T(x)lBl.
3) Reconstruir T(x) a partir de su matriz coordenadas [T(x)]p.
[nBB
Ejemplo 6 Sea T:P, + P2 el operador lineal definido por

T ( p ( x ) )= P(3X - 5)
es decir, T(co + c I x + c2x2)= co + c1(3x- 5 ) + c2(3x -
a) Encontrar T , con respecto ala base B = { 1, x, 2}.

b) Aplicando el procedimiento indirecto, calcular T( 1 + 2x + 3 2 ) .
c) Comprobar el resultado delinciso b) calculando directamente T(l + 2x +
3x2).
Solucin de u). Por la frmula para T.
T( 1)
T ( x ) = 3~ - 5,
1,
T ( x 2 )= ( 3 -~5)
= 9x2 -
de modo que
3 0 +~ 25
[2 1
Por tanto.
Solucin de 6).
2x + 3x2 es
La matriz de coordenadas con respecto a B para el vector p = 1 +
As, por (5a)
T( 1 + 2~ + 3x2) = 66 - 8 4 ~ 27x2
Solucin de c ) . Por clculo directo

T(l
+ 2~ + 3x2) = 1 + 2 ( 3 -~ 5) + 3(3x 5)2

= 1 + 6~ - 10 + 27x2 - 9 0 +
~ 75
= 66
8 4+
~2 7 ~
-
lo cual concuerda con el resultado del inciso b). A
MATRICES DE
A continuacin se enunciarn dos teoremas que son generalizaciones de la
COMPOSICIONES frmula (21) de la seccin 4.2 y de la frmula (1) de la seccin 4.3. Se omiten las
Y TRANSFORMA- demostraciones.
CIONES
INVERSAS
Teorema 8.4.2. Si T , :U + V y T,: V + W son transformaciones lineales y si B.
B" y B' son bases para U,V y W, respectivamente, entonces
[ T, T, I B ' J
O
[ T2 IB'.B"[ TI I
B 3
(13)
Teorema 8.4.3. Si T:V + V es un operador lineal y si B es una base para V,

entonces la siguientes proposiciones
son equivalentes.
a) T es uno a uno.
b) [qB
es invertible.
I Adems, cuando estas condiciones equivalentes secumplen
OBSERVACI~N. En la expresin (13), ntese cmo el subntllce interior B" (la

base para el espacio intermedo I? parece "cancelarse", quedando como Subindices
slo las bases para el dominio y el espacio imagen de la composicin (figura 6 ) .
Figura 6
Esta cancelacin de Subindices interiores sugiere la siguiente extensin dela

frmula (13) a composiciones de tres transformaciones lineales (figura 7).
El siguiente ejemplo ilustra el teorema 8.4.2.
Ejemplo 7 Sea T I P , + P, la transformacin lineal definida por

TI(P(X))= .vP(x)
y sea T2:P2+ P , el operador lineal definido por
8.4 Matrices detransformaciones lineales generales I 489
(T, 0 TI)@, + CIX)
= (3x
= C0(3X
+ CI(3X - 5))
5) + Cl(3X - 5)*
5)(c,
-
(16)
En este ejemplo, P , desempea el papel de U en el teorema 8.4.2 y P, desempea

los dos papeles de V y W, por tanto, en (13) se puede tomar B' = B", de modo que
la frmula se simplifica a
(17)
[ T, TI l B ' , B = [ T2 IB'[ TI IB',B

O
Se elegirn B = { 1, x} como la base para P , y B' = { 1. x, x,} como la base para P,.
En los ejemplos 1 y 6 se demostr que
As, por (17) se concluye que
Como comprobacin, [T, TilFB se calcular directamente a partir de la frmula

(4). Como B = { 1, x}, por la frmula (4) con u1 = 1 y u, = x se concluye que
Aplicando (16) se obtiene

(T, Tl)(l) = 3x - 5
0
[-a]
(T2 T,)(x)
=( 3 ~ 5),
0
= 9x2 - 3
Como B' = { 1, x, 2},

a partir de sto se concluye que
T ~ ) ( =
~ N ~ ~
~ ~ ) ( x )=
1 ~,
0 +~ 25
490
Transformaciones
lineales
Sustituyendo en (19) se obtiene
[;
-5
7',1,,
25
-3;]
lo cual concuerda con (18). A

1. Sea TP,+ P3 la transformacin lineal d e f ~ d por
a T(p(x)) = xp(x).
a) Encontrar la matriz para T con respecto a las bases estndar

B = {U,, U*, ~
B' =
~ 2 vi.
,
vql
donde
UI= I,
u2 = x ,
v,
v2 =x,
1,
u3 = x >
vj = x 2 ,
v4 =x3
[uFB
b) Comprobar que la matnz

obtenida en el inciso a) satisface la frmula (4a)
para todo vector x = c o + cIx + e$ en Pz.
2. Sea T:P, + P, la transformacin lineal defmida por
T(a, + a , x + U 2 X 2 ) = (a, + a , ) - (2a, + 3 q ) x
a) Encontrar la matriz para T con respecto a las bases estndar B = { 1, x , 2)y B' = 1,
x paraP2 y P I .
b) Comprobar que la matriz [qF8
obtenida en el inciso a) satisface la frmula (4a)
para todo vector x = c o + c I x+ cp2 en P2.
3. Sea TPz + P, el operador lineal definido por
T(a,
+ a,x + a$)
= U,)
+ a , ( x - 1) + u2(x
1)*
a) Encontrar la matnz para T con respecto a la base estndar B = { 1, x , 2)para P,.

b) Cotnprobar que la matriz [7JBobtenida en el inciso a) satisface la frmula (5a) para
todo vector x = a,,+ a,x + u p 2 en Pz.
4. Sea T X 2 .+ R2 el operador lineal definido por
y sea B = u l , u2 la base para la cual
a) Encontrar [qe.
b) Comprobar que la frmula (5a) secumple para todo vector x en R2.
8.4 Matrices de transformaciones lineales generales / 49 I

5. Sea T:R2+ R3 definido por
a) Encontrar la matriz [TIpB con respecto a las bases B = { ul, u2} y B' = {v,, V2,
donde
V3),
b) Comprobar que la frmula (4a) secumple para todo vector
en R2
6. Sea TJ3 + R3defmido por T(x,, x, x3) = (xl - x, xz - x,, x1 - x3).
a) Encontrar la matriz para T con respecto a la baseB' = {vl, v,, v3}, donde
v , = ( l , O , l),
v 2 = ( 0 , 1, I ) ,
v 3 = ( 1 . 1,O)
b) Comprobar que la frmula (5a) secumple para todo vector x = (x,, x*, x3)en R3.
7. Sea TP2 + P, el operador lineal definido por T(p(x)) = p ( k + 1); es decir,
T(c,
CIX
+ c2x2) = cg + c1(2x + I ) + cz(2x + 1)2
a) Encontrar [ T I B con respecto a la base B = { 1, x, 2).

b) Aplicar el procedimiento indirecto ilustrado en la figura 5 para calcular T(2 - 3x +
4.2).
c ) Comprobar el resultado obtenido en el inciso b) calculando directamente T(2 - 3x
+ 4.2).
8. Sea TP,+ P, la transformacin lineal definida por T@(x)) = xp(x
T(c,
+ c , x + c$)
= X(C"
- 3); es decir,
+ c,(x - 3) + c2(x - 3)2)
a) Encontrar [qpB
con respecto a las bases B = { 1, x, ?} y B = { 1, x, 2,?}.
b) Aplicar el procedimiento indirecto ilustrado en la figura 5 para calcular T(l + x
2).
c) Comprobar el resultado obtenido en el inciso b) calculando directamente T( 1 + x
2).
c) Encontrar una frmula para T
d) Aplicar la frmula obtenida en el inciso c) para calcular T

3 - 2
10. Sea
A =
[-i
:]
la matnz de of T : R"R3
con respecto
a las bases
(d)Usarlafrmulaobtenidaen(c)paracalcularT
(c) Encontrar una frmul ~ a r a T [ [ ] ) .
m ) .
11. Sea A =
la matnz de of T :Pz -+ P, con respecto a la base
E = {v,, v2, v i ) , donde v I = 3x + 3x2, v2 =
+ 3x + 2x2,vj = 3 + 7x + 2 2 .
a> Encontrar [T(V,)l,,[T(v,)l,

y [T(V3)1*.
b) Obtener T(v,), T(vJ y T(v3).
c) Hallar una frmula para T(uo+ a l x + U$).
d) Aplicar la frmula obtenida en el inciso c) para calcular T( 1 + 2).
12. Sea T, PI+ P, la transformacin lineal d e f ~ d por
a
y sea T2P2+- P, el operador lineal definido por

T,(p(xj) = p ( 2 x + 1)

SeanB= {l,x}y B ' = {I,x,x?} lasbasesestndarparaP,yP,.
a) Encontrar T2O TI l B : B ? r 2 1 B ' > y [ TIl B ' , B .
b) Escribir una frmula que relacione las matrices del ixiso a).
c) Comprobar que las matrices del inciso a) satisfacen la frmula enunciada en el inciso b).
13. Sea T,:P, + P, la transformacin lineal definda por
T,(co + c,x) = 2c0 - 3c,x
y sea T2F2+ P, la transformacin lineal definda por

T,(co+ c,x
+ c2xZ) = 3c0x + 3
+ 3c2x3
SeanB={1,x},B"=(1,x,~}yBm={1,x,~,~}.
a) Encontrar [ T2 o TI ] B ' . B , [ T21B',B"i Y [ TI1B':B.

b) Escribir una frmula que relacione las matrices del incisoa).
c)Comprobar que las matrices delinciso a) satisfacen la frmulaplanteada en el
inciso b).
14. Demostrar que si T:V + W es la transformacin cero, entoncesla matriz T con respecto
a bases cualesquiera para V y W es una matnz cero.

15. Demostrar que si T:V + V es una contraccin o una dilatacin de V (ejemplo 4 de la
seccin 8. l), entonces la matriz para T con respecto a cualquier base para V es una
matriz diagonal.
16. Sea B = {v,, v2, v3, v4) una base para un espacio vectorial V. Encontrar la matriz con
respecto a B del operador lineal T V + V defindo por T(v,)=v2, T(v,)= v,, T(v3)= v4,
T(v4)= V I .
17. (Para quienes y a estudiaron C6lculo). Sea D I P , + P, el operador derivacin
D(p)= p'(x). En los incisos a) y b), encontrar la matriz D con respecto a la base B
=
{PI,P,. PJ
(b) p, = 2, p2 = 2 - 3x, p3 = 2 - 3x + 8x2

c) Usar la matriz del incisoa) para calcularD(6 - 6x + 242).
d) Repetir las instrucciones del inciso c) para la matriz del inciso b).
a) p, = 1, p2 = x , p3 = x 2
18. (Para quienes ya estudiaron CcuCurO).En cada inciso,B = {f,,f2, f,} es una base para
un subespacio V del espacio vectorial de funcionescon valores reales defindas sobre la

recta real. Encontrar la matriz con respecto a B del operador derivacinD:V -D V.
a) f, = 1, f2 = senx, f3 = cos x
c) f, = e2x, f2 = x e Z x , f3 = x 2 e Z X
b) f, = 1, f2 = e x , f3 = e 2 x
19. Demostrar: Si B y B' son las bases estndar para R" y R"', respectivamente, entonces la
matnz de la transformacin lineal T8" + R"' con respecto a las bases B y B' es la
matriz estndar para T.
494
Transformaciones
lineales
8.5 SEMEJANZA
La matriz de un operador lineal T:V + V depende de la base elegida para V. Uno
de los problemas fundamentalesdel lgebra lineal es elegir una base para V que
simplijque la matriz para T; por ejemplo, diagonal o triangular. En esta seccin
se estudiar esteproblema.
ELECCIN DE
BASES A FIN DE
OBTENER
MATRICES
SIMPLES PARA
OPERADORES
LINEALES
Las bases estndar no necesariamente producen a

ls matrices ms simples para operadores heales. Por ejemplo, considrense el operadorlineal TR2 += R2 definido por
T([r:l)
2x,
'I'
+ 4x,
'2]
y la base estndar B = {el, e2>para R2, donde
Por el teorema 8.4.I, la matriz para T con respecto a esta base es la matriz estndar para T; es decir,
TI,
=[TI =
[ V e , ) I T(e2)l
de modo que
En comparacin, en el ejemplo 4 de la seccin 8.4 se demostr que si
entonces la matriz para T con respecto ala base B' ={ ul, u2} es la matriz diagonal
Esta matriz es ms "simple" que (2) en el sentido de que las matrices diagonales
poseen propiedades especiales que no tienena
lsmatrices generales.
Uno de los temas principales en cursos ms avanzados de lgebra lineal es
determinar la "forma ms simple posible" que se puede obtener para la matriz un
operador lineal al elegir la base correcta. Algunas veces es posible obtener una
8.5 Semejanza / 495
matriz &agonal (como se acaba de hacer, por ejemplo); otras veces es necesario
establecer una matriz triangular o de alguna otra forma. En este texto slo ser posible mencionar la importancia de este tema importante.
El problema de determinaruna base que produzcala matriz ms simple posible
para un operador heal T V V se puede atacar encontrando primerouna matriz para
T con respecto a cualquier base; por ejemplo una base estndar, cuandosea posible, y
luego cambiando la base de manera que se simplifique la matriz. Antes de prosegw
ser de utilidadrepasar algunos conceptos sobre cambio de base.
con esta idea,
Recurdese por la ftrmula (8) de la seccin 6.5 que si B = {ul, u2, . . . , un}
y B' = { u ,u ,. . . ,u
son bases para un espacio vectorial V, entonces la
matriz de transicin de B"a B est definida por la frmula
, ,
L}
[[u;],
[u;],
' ' '
: [ull,]
Esta matriz posee la propiedad de que para todo vector v en

P[VIB' = [VI,
es decir, la multiplicacin por P mapea la matriz coordenadas para v con respecto

a B' en la matriz coordenadas para v con respecto a B [vase la frmula (7)] en la
seccin 6.51 . En el teorema 6.5.4 se demostr que P es invertible y P" es la matriz de transicin de B a B'.
RELACI~N
ENTRE LAS
MATRICES DE
TRANSICI~N
Y LOS
OPERADORES
IDENTIDAD
El siguiente teorema proporciona otro punto de vista til sobre las matrices de
transicin; muestra que la matriz transicin de una base B' a una base B se puede
considerar como la matriz operador identidad.
Teorema 8.5.1. Si B y B' son bases para un espacio vectorial V de dimensin
finita y si I:V + V es el operador identidad, entonces [qBpes la matriz de
transicin de B' a B.
Demostracin. Supngase
que
B = {u1, u2, . . . , un} y B' =
#
,
{ u ,u ,. .. ,u }son bases para V. Usando el hecho de que I(v) = v para todo v
en V, por la frmula (4) de la seccin 8.4, con B y B invertidas, se concluyeque
As, por (5), se tiene [IjBg'

transicin de B' a B. 0
P, lo cual demuestra que [JIBB' es la matriz
El resultado de este teorema se ilustra en la figura l .
Figura 1
Base = B'
Base = B
[ Z ] B , B 8 es la matriz de transici6n de B' a B.
496
' Transformacrones lineales
EFECTO DEL
CAMBIO DE
BASES SOBRE
MATRICES DE
OPERADORES
LINEALES
Ahora ya es posible considerar el problema principal de esta seccin.

Problema. Si B y B' son dos bases para un espacio vectorial V de Imensin
finita y si T:V + V es un operador lineal, qu relacin existe, si la hay, entre
las matrices [goy [ qF?
Esta pregunta se puede contestar considerando la composicin de los tres operadores lineales sobre V que se ilustra en la figura 2.
Figura 2
Base = B'
Base
I'
=B
Base
V
= B
Base
En esta figura v primero es mapeado en s mismo por el operador identidad,

luego v es mapeado en T(v) por T,luego T(v) es mapeado en s mismoporel
operador identidad. Los cuatro espacios vectoriales de la composicin son los
mismos (a saber, 4; sin embargo,a
ls bases para los espacios varan. Como el vector
inicial es v y el vector final es T(v),la composicin es la misma que T; es decir,
T = 1 0T a l
(7)
Si, como se ilustra en la figura 2, a los espacios vectoriales primero y ltimo se

asigna la base B' y a los dos espacios de enmedio se asigna la base B, entonces por
( 7 ) y la frmula (15) de la seccin 8.4 (con un ajuste apropiado en los nombres de
las bases) se concluye que
[ TIB',B' = [ I o T o l l B ' , B r
= [IIB',R[ TIB,B[llE,E'
(8)
o bien, en notacin ms simple,
Pero por el teorema 8.5.1 se deduce que [dBY,esla matriz transicin de B' a B y
que, en consecuencia. I B'B es la matriz transmon de B a B'. Luego, si se hace P =
[ABB"entonces P" = [AEB,de modo que (9) se puede escribir como
[TI,,
=P
'[ T],P
En resumen. se tiene el siguiente teorema.
Teorema 8.5.2. Sea T:V + V un operador lineal sobre un espacio vectorial V

de dimensinfinita, y sean B y B' bases para V. Entonces
I
I donde P es la matriz de transicion de B' a B.
.. .
8.5 Semejanza / 497
Advertencia. Cuando se aplica el teorema 8.5.2 es fcil olvidar si P es la matriz

transicin de B a B' (incorrecto) o de B' a B (correcto). Puede ser til escribir (10)
en la forma (9), teniendo en mente que los tres subindices "interiores" sonlos
mismos, y que los dos subindices exteriores son los mismos:
Una vez que se domina este patrn, basta recordar que P

transicin de B' a B y que P" = [AFBes su inversa.
Ejemplo 1 Sea TR2
[ARB' es la
matriz
R2 definido por
T(
[:I) [ :
4 3
-2::
Encontrar la matriz T con respecto a la base estndar B = {el, e,} para R2, y luego
ap!icqr el teorema 8.5.2 para encontrar la matriz T con respecto a la base B' =
{ U I . U},
~donde
y
u;=[;]
u;=[;]
Solucin. En esta seccin ya se demostr ver (2) que
Para encontrar [
a partir de (10) es necesario encontrar la matriz transicin
[ver (5)]. Por inspeccin,
+ e2
u; = e, + 2e2
u;
= e,
498
7iansformaciones lineales
de modo que
As, la matriz transicin de B' a B es
El lector puede comprobar que
de modo que por el teorema 8.5.2 la matriz T con respecto a la base B' es
lo que concuerda con (4). A

SEMEJANZA
La relacin enla frmula (10) es tan importante que existe terminologa asociada
con ella.
Definicin. Si A y B son matrices cuadradas, se dice que B es semejante a A

si existe una matriz invertible P tal que B = P"AP.
OBSERVACI~N.
Ntese que la ecuacin B
P- 'AP se puede volver a escribir
como
Haciendo Q = P"
se obtiene
que establece que A es semejante a B; por tanto, B es semejante a A si y slo si A

es semejante a B; as, en general, simplemente se &r que A y B son semejantes.
INVARIANTES
BAJO
SEMEJANZA
Las matrices semejantes a menudo tienen propiedades en comn; porejemplo, si A

y B son matrices semejantes, entonces A y B tienen el
mismo determinante. Para
darse cuenta de que as es, supngase que
B
= P"AP
8.5 Semejanza / 499

Entonces
det(B) = det( P"AP)
-
det ( P)
= det(
P")det(A)det( P)
det ( A )det ( P) = det ( A )
Se hace la siguiente definicin.
Definicin. Sediceque una propiedaddelasmatrices cuadradas es invariante

bajo semejmzu si tal propiedad es comparbda por dos matrices semejantes cualesquiera.
una matriz cuadrada es un invaEn los trminosde esta definicin, el determinante de

riante bajo semejanza. En la tabla 1 se enumeran otros invariantes bajo semejanza importantes. La demostracin dealgunos de los resultados de la tabla1 se proporciona en
los ejercicios.
Por el teorema 8.5.2 se concluye que dos matrices que representan al mismo
operador lineal T:V + V con respecto a dos bases diferentes son semejantes. Entonces, si B es una base para V y la matriz [qB
posee alguna propiedad que no
vara bajo semejanza, entonces para toda base B' la matriz [qEtiene la misma
propiedad. Por ejemplo, para dos bases cualesquiera B y B' se debe tener
Por esta ecuacin se concluye que el valor del determinante depende de T, pero no
de la base particular que se usa para obtener la matriz para T. As, el determinante
se puede considerar como una propiedad del operador lineal T; de hecho, si V es
un espacio vectorial de dimensin finita, entonces el determinante del operador
lineal T se puede dejnir como
TABLA l. Znvariantes bajo semejanza

Descripcin
Propiedad
Determinante
A y P"AP tienen el mismo determinante.
Invertibilidad
A es invertible si y slo si P- 'AP es invertible.
A y P"AP tienen el mismo rango.
Nulidad
A y P-lAP tienen la misma nulidad.
Traza
A y P"AP
tienen la misma traza.
Polinomio caracterstico A y P"AP tienen el mismo polinomio caracterstico.

Eigenvalores
A y P"AP tienen los mismos eigenvalores.
Dimensin del
eigenespacio
Si 1 es un eigenvalor de A y P"AP, entonces el

eigenespacio de A correspondiente a 1 y el
eigenespacio de P"AP correspondiente a 1 tienen la
misma dimensin.
d e t ( T ) -= det([ T I R )
donde B es cualquier base para V.

Ejemplo 2 Sea T:R2+ R2 definido por
T ( [ ~ J )=
14zI]
-2::
Encontrar det(7).
Solucin. Puede elegirse cualquier base B y calcular det( [ TIB). Si se considera la
base estndar, entonces por el ejemplo 1
de modo que
det(T)=
Si se hubiese elegido la base B'

obtenido
1 '1
-2
=6
{u1, u2} del ejemplo 1, entonces se hubiera
Por tanto
det(T)=
1 1
2
o
lo cual concuerda con el clculo precedente.
UN EJEMPLO
GEOMTRICO
0
=6
3
Ejemplo 3 Sea 1 la recta en el plano xy quepasa por elorigen y forma un

ngulo con el eje x positivo, donde O 5 8 < n. Como se ilustra en la figura 3 ,
sea T:R2 + R2 el operador lineal que mapea cada vector en su reflexin con
respecto a la recta 1.
8.5 Semejanza / 501
a) Encontrar la matriz estndar para T.

b) Encontrar la reflexin del vector x = (1, 2) con respecto a la recta 1 que pasa
por el origen y forma un ngulo 8 = n/6 con el eje x positivo.
Solucin de a). Se podra proceder como en elejemplo 5 de la seccin 4.3 e
intentar construir la matriz estndar a partir de la frmula
B' = {u;,u;}
es labase que consta de un vector unitario u;a lo largo de 1y de un vector unitario
i2perpendicular a I (figura 4).
f'
Una vez que se ha encontrado [TJEse efecta un cambio de base para enLos clculos son como sigue:
contrar [qB.
T(u;)= U ;
T(u;)=
-U;
de modo que
Por tanto,
Por los clculos en el ejemplo 6 de la seccin 6.5, la matriz transicin de H' a B es
.. . .
502 1 Transformaciones lineales
Por la frmula (10) se deducs que

[ T I , = P[T],,P"
As, por (12) la matriz estndar para
[ T I = P[ T],#P"
T es
[cos 8
sen8
-senO][l
cos 8 O
O][
-1
cos 8 sen8
-sene cos 0
cos2 8-sen28 2 sen8cos 8

2 sen e cos 8 sen28 - cos2 8
cos 28
sen28
sen 28
-cos 28
Solucin de b). Por el inciso a) se concluye que la frmula para T en notacin

matricial es
Sustituyendo 8 = n/6 en esta frmula se obtiene
de modo que
EIGENVALORES
DE UN
OPERADOR
LINEAL
Los eigenvectores y los eigenvalores sepueden definir para operadores lineales

tambin como matrices. Un escalar A se denomina eigenvalor de un operador lineal
T:Y + V si en V existe un vector x diferente de cero tal que Tx = Ax. El vector x se
denomina eigenvector de T correspondiente a A. De manera equivalente, los
eigenvectores de T correspondientes a A son los vectores diferentes de cero en el
ncleo de AI - T (ejercicio 15). Este ncleo se denomina eigenespaciu de T
correspondiente a A.
Se puede demostrar que si V es un espacio vectorial de dmensin finita y B
es cualquier base para Y, entonces
l. Los eigenvalores de T son iguales a los eigenvalores de [ TIB.
2. Un vector x es un eigenvector de T correspondiente a A si y slo si su matriz
coordenadas [x]B es un eigenvector de [ TIB correspondiente a A.
8.5 Semejanza
1'
503
Se omiten las demostraciones.
Ejemplo 4 Encontrar eigenvalores y bases para los eigenespacios deloperador

lineal T:P, + P, definido por
= { 1, x, x2} es
Solucin. La matriz Tcon respecto a la base estndar B
(comprobar). Los eigenvalores de T son 1 = 1 y 1 = 2 (ejemplo 5 de la seccin 7.1).

Tambin por ese ejemplo, el eigenespacio de [ T J Bcorrespondiente a 1 = 2 tiene la
base [u1, u,}, donde
y el eigenespacio de I T J B correspondiente a 1 = 1 tiene la base { u3}, donde
Las matrices ul, u, y u3 son las matrices de coordenadas con respecto aB de

p1 = - 1
+2
p2 = x,
p3 =
+ x + x2
As, el eigenespacio de T B correspondiente a 1 = 2 tiene la base
y el correspondiente a 1 = 1 tiene la base
(p3)
(-2 +x+x2}
Como comprobacin, el lector debe usar la frmula dada para T a fin de verificar
que "(PI) = 2P,> T(P,) = 2P, Y T(P3) = P3. A
Ejemplo 5 Sea T:R3-,

R3 el operador lineal definido por
504
Encontrar una base para R3 con respecto a la cual la matriz para T sea diagonal.
Solucin. Primero se encontrar la matriz estndar para Tr luego se buscarh un
cambio de base que diagonalice la matriz estndar.

Si B = {el, e2,e3>denota la base estndar para R3, entonces
Ahora se quiere cambiar de la base estndar B a una nueva base B' = {uI,u2,u3}a
finde obtener una matriz diagonal para T. Si se hace que P sea la matriz
transicin de la base desconocida B' a la base estndar B, entonces por el teorema
8.5.2 las matrices T y [qB'
se relacionan mediante
En el ejemplo 1 de la seccin 7.2 se encontr que la matriz la expresin (1 3) es

diagonalizada por
-1
P=[
-21
1$
Como P representa la matriz transicin de la base B' = (ul,u2,u,>a la base

estndar B = {el, e2, e,},las columnas de P son [ u;]B, [ &IB, y [ u3IB, de modo
que
Por tanto,
u;
( - l)e,
+ (O>e,+ (l)e3 =
U; =
(O)e, + (I)e,
U; =
(-2)e,
+ &Ve3 =
[:I
8.5 Semejanza i 505
+ (I)e2 + (])e3 =
son vectores bsicos que producen una matriz diagonal para [''IP. Como comprobacin, en seguida se calcular directamente [''IB'.Por la frmula dada para T se
tiene que
T(u;) =
[-p]
= 2u;,T(&)
[i]
=2
4,
Esto es consistente con (14), ya que

En los ejercicios del 1 al 7 encontrar la matnz T con respecto a B, y usando el teorema
8.5.2 para calcular la matriz T con respecto a B'.
1. T.R2 + R2 est definido por
B = {u,,u2} y B ' = {vl, v2}, donde
T(u;)
[-y]
= U;
506 Transformaciones lineales
2. TR2 + R2 est definido por
3. TR2 + R2 es la rotacin de 45O conrespectoalorigen;

ejercicio 1.
4.
[; I)
B y B son las basesdel
TR3+ R3 est definido por

T(
[]3x'-,:X+I + 7x3
B es la base estndar para R3 y B = {v,, v2, v3}, donue
5. TB3+ R3 es la proyeccin ortogonal sobreel plano q,

B y B' son como en el ejercicio
4.
6, TB2 + R2 est definido por T(x) = 58;B y B son las bases del ejercicio 2
7. TP,+ P , est definido por T(ao + a,x) = a. + a,(x + 1); B = {p,, pz} y B = {q,, q2},
donde p, = 6 + 3x, p2 = 10 + 2 x , q, = 2, q2 = 3 + 2x.
8. Encontrar det(T)
a) T :R2-+R2, donde T(x,,x,) = (3x,- 4x,,

b) T : R3-+R3, donde T ( x , , x,, x3)= (x1-x,,
c) T :P2+ P,, donde T(p(x))= p ( x - 1)
-x1 + 7x,)
x, - xj, xj - xI)
9. Demostrar que las siguientes caractersticas son invariantes bajo semejanza
a) Rango.
b) Nulidad.
Invertibilidad.
c)
10. Sea TP4+ P4 el operador lineal definido por la frmula T@(x)) =p(2x + 1).
a) Encontrar una matnz para T con respecto a alguna base conveniente; luego, usando
el resultado del ejercicio 9, encontrar el rango y la nulidad de T.
b) Con el resultado del inciso a), determinar si T es uno a uno.
11. En cada inciso, hallar una base para R2 con respecto a la que la matriz para T sea diagonal.
8.5 Semejarlza
a) T(
[:I)
2x, + 4x2
b) T (
[:I) [
=
- 4x1
3x1 x2
12. En cada inciso, encontrar una base para R3 con respecto a la que la matriz para T sea
diagonal.
13. Sea TP,-* P, defindo por

T(u,
+ U,X + a2x2)= (5u0 + 6 ~ +, 2u2)- + ~ u , ) x+ (uo- 2u2)x2

(U,
a) Encontrar los eigenvaloresde T.
b) Hallar bases para los eigenespaciosde T
14. Sea TMZ2+ Mz2 definido por
.([:;I)= [
u+
dc]
b -2c
2c
a) Encontrar los eigenvalores de T.

b) Obtener las bases para los eigenespacios de T.
15. Sea 1 un eigenvalor de un operador lineal T V + V. Demostrar que los eigenvectores de
T correspondientesa I son los vectores diferentes de cero enel ncleo de II T.
16. Demostrar que si A y B sonmatricessemejantes,entonces
A y BZ tambinson
semejantes. De manera ms general, demostrarque Ak y Bk son semejantes, dondek es
un cualquier entero positivo.
X n, y sea B = {v,, v,,. . . , vn} una base para un espacio
vectorial V. Demostrar que si C[x], = D[x], para todo x en V, entonces C = D.
17. Sean C y D matrices m
18. Sea I una recta en el plano xy que pasa por el origen y forma un ngulo 8 con el eje x
positivo. Como se ilustra en la figura 5, sea TB2 + R2 la proyeccin ortogonal de R2
sobre 1. Con el mtodo del ejemplo 3, demostrarque
[ I]) [
=
cos2 e
sene cos
sen O cos
sen2e
[Nota Ver el ejemplo 5 de la seccin 4.3.1
y (X.)
\
e]
[;]
507
X n, B una matriz n X 1 diferente de cero y x un vector en R"
expresado en notacin matricial. Es T(x) = Ax + B un operador lineal sobre R"?
L. Sean A una matriz n
2. Sea
A=
cos 8
sen8
-sen0
cos 0
a) Demostrar que
A'=
cos 28
sen20
-sen28
cos 20
-sen30
cos 30
sen30
A3=[
cos 30
b) Conjeturar la forma de la m a w A" para cualquier entero positivo n.

c) Considerando el efecto geomtrico de TB2 + R2, donde T es la multiplicacin por
A , obtener geomtricamente el resultado del inciso b).
3. Sea vo un vector fijo en un espacio V con producto interior, y sea T:V -D V definido por
T(v) = (v, vo)vo. Demostrar que T es un operador lineal sobre V.
4. Sean Y ,., Y,,I . . . , v m vectores fijos en R", y sea TR" + Rmla funcin definda por T ( x )
= (x * v,, x . v2, . . . , x * vm),donde x . vi es el producto interior euclidiano sobre R".
a) Demostrar que T es una transformacin lineal.
b) Demostrar que la matriz con vectores rengln vl, v2, . . . , vm es la matriz estndar
para T .
5. Sean fe,, e2, e3, e4} la base estndar para @ y T@ + R3 la transformacin lineal para
la cual
T ( e , ) = (1, 2. 11,
V e , ) = (1, 3, O),
7Ye2)=(O, 1, O),
T(e,) = (1, 1, 1)
a) Encontrar bases para el recomdo y el ncleo de T.

nulidad de T.
b) Encontrar elrango
6. Supngase que los vectores en R3 se denotan por matrices de 1

R3 por
-1
m x ,
x2
%I)
[x,
x2
%I/
2 4-
3 O I]
2 2 5
a) Encontrar una base para el ncleo de T.
b) Encontrar una base para el recomdo de T .
y la
3, y definase TR3-D

7. Sean B = {v,, v,, v3, v4} una base para un espacio vectorial V y T:V + V el operador
lineal para el que
T(V,) = V I v2 + v3 3v4
T(v,) = V I - v2 + 2v, + 2v,

T(v,) = 2v, - 4v2 SV, + 3v,
T(v,) = -2v1 + 6v2 - 6v3 - 2 ~ 4
a) Encontrar el rango y la nulidad de T..
b) Determinar si T es uno a uno.
8. Sean V y W espacios vectoriales, T, TI y T, transformaciones lineales de V a W y k un
escalar. Nuevas transformaciones, TI + T, y kT, se definen mediantelas frmulas

(TI + T2)(x) = T d X ) + T2(x)
(kT)(x) = k(T(x))
a) Demostrar que (TI + T,): V W y kT: V + W son transformacioneslineales.

b) Demostrar que el conjunto de todas las transformaciones lineales de V a W con las
operaciones del incisoa) forman un espacio vectorial.
9. Sean A y B matnces semejantes. Demostrar lo siguiente:

a) y B~ son semejantes.
b) Si A y B son invertibles, entonces A" y B" son semejantes
10. (Teorema alferna&ivode Fredholm). Sea T:V + V un operador lineal sobreun espacio
vectorial n dimensional. Demostrar que se cumple exactamente una de las siguientes
proposiciones:
i) La ecuacin T(x) = b tiene una solucin para todos los vectoresb en V.
ii) Nulidad de T > O.
11. Sea TM,,
+ M,,
el operador lineal definido por
Encontrar el rango y la nulidad de T.

12. Demostrar: Si A y B sonmatrices semejantes y si
C y D son matrices semejantes,
entonces A y C son matrices semejantes.

13. Sea TM,, + M,, el operador lineal defindo por T(M) = MT. Encontrar la m a w para
T con respecto ala base estndar para M2,.

14. Sean B = {u1,u2, u3}y B' = {v,, v,, v3} bases para un espacio vectorial V, y sea
P=[!
ij
la matriz transicin de 6' a B

a) Expresar v l , v2, v3como combinaciones lineales de ul, u2,u3.
51 O
_/'
lransformaciones lineales
b) Expresar u , , u*, u3 como combinaciones lineales de v,, v2, vj

15. Sean B = {u,, u2, u3} una base para
un espacio vectorial V y T:V
* Y un operador
lineal tal que

-3
Encontrar [TIB',donde 8 = {vl, v2, v3] es la base para Y definida POI
16. Demostrar que las matrices
son semejantes, pero que
[-1 -:I
-I
2
1
o]
no lo s o x
17. Supngase que T: V + Ves un operador lineal y que B es una base para V tal que para
cualquier vector x en V
Encontrar [ TI,.
18. Sea T:V + Vun operador lineal, Demostrar que T es uno a uno si y slo si det(l")
19. (Para quienes ya esfudimon Clculo).

m ) + F( - m , QJ)definida por D ( f ) =f'(x) es
una transformacin lineal.
h) Encontrar una base para el ncleo de D.
c) Demostrar que l a fimcin que satisface la ecuacin D ( f ) = A x ) forma un subespacio
bidimensional de C 2 ( - m , m ) , y encontrar una base para este subespacio.
a) Demostrar que la funcin D:C2(- m ,
r:J
20. Sea TP2 + R3 la funcin d e f ~ d por

a la frmuia
T ( P ( - d )=
P(0)
a) Encontrar T(x' + 5x + 6).

b) Demostrar que T es una transformacin lineal
c) Demostrar que T es uno a uno.
d) Encontrar
Ejercicios complementarios 1 51 1
e) Trazar la grfica del polinomio del mciso d).

21. Sean xl, x, y,x3 nmeros reales distintos tales que x , < x, < x3, y sea TP, +R3 la
funcin definida por la frmula
a) Demostrar que T es una transformacin lineal.

b) Demostrar que T es uno a uno.
c) Comprobar que si a l ,a2 y a3 nmeros reales cualesquiera, entonces
donde
d) Qu relacin existe entre la grfica de la funcin
a,P,(x)+ @2(4
+ @,(X)
Y 10s puntos (X1>al),(x,.
a2) Y (x3,a,)?
22. (Para quienes y a estudiaron CcuCub).Sean p ( x ) y q(x) funciones continuas,y sea V el

subespacio de C( - m , 00) que consta de todas las funciones que son derivables dos
veces. L:V * V se define como
a) Demostrar que L es un operac'or lineal.

b) Considrese el caso especial en que p ( x ) = O y q(x) = l . Demostrar que la funcin $(x) = c, sen x + c2 cos :
es el espacio nulo de L para todos los valores reales
de c, y c2.
23. (PWQquienes y a estudiaron CcuCub). Sea D P n + P, el operador derivacin D(p) =
p'. Demostrar que la matriz para D con respecto a la base B = { 1, x, 2,. . . ,X} es
-0 1 o o ' ' _
O O 2 O " ' O
O O O 3 " ' O
..
.
..
.
..
.
o1
..
.
0 O O O " ' n
0 0 0 0 " ' 0
-5 I 2
'
24. (Para quienes ya estudiaron Cdkulo). Puede demostrarse que para cualquier nmero
real c, los vectores

(x
I , 1 - l ' , --.
~~
c.)>
...,
2!
(x
c.)"
I2 !
formanuna base para P,,. Encontrar la matriz para eloperadorderivacion

qerclcio 23 con respecto a esta base.
25. (Para quienes ya estudiaron Clculo). Sea J:P,
+=
P,,
del
la transformacin integracin
definida por
(u,,+a,x+"'+cl,,x")d.~=a,,s+-.u
u1 2
donde p = U +
+..
estndar para P,, y Pn+,.
+...+a,*""
n+ I
+ a,.". Encontrar la matriz para J con respecto a las bases
9.1
APLICACIONES A LAS ECUACIONESDIFERENCIALES

Muchas leyes de fisica, qumica, biologa y economia estn descritas en trminos
de ecuaciones diferenciales; es decir, ecuaciones en lasque aparecenfunciones y
sus derivadas. El objetivo de esta seccin es ilustrar una forma en que se puede
aplicar el lgebra lineal para resolver ciertos sistemas de ecuaciones
diferenciales. El alcance de esta seccin es corto, aunque ilustra un rea importante de
aplicacin del lgebra lineal.
TERMINOLOGA Una de las ecuaciones diferenciales ms simples es
donde y =fix) es una funcin desconocida a determinar, y' = dy/dx es su derivada

y a es una constante. Como casi todas las ecuaciones diferenciales, (1) tiene
infinidad de soluciones; se trata de las funciones de la forma
y
(2 1
= tea'
donde c es una constante cualesquiera. Cada funcin de esta forma es una solucin
de y' = ay, ya que
y'
= caeaX -
QY
514
Temas complementarios
Recprocamente, toda solucin de y' = ay debe ser una funcin de la forma cem
(ejercicio 7). de modo que (2) describe las soluciones de y' = ay. La expresin (2)
se denomina solucin general de y' = ay.
Algunas veces el problema fsico que genera
una ecuacin diferencial
impone alguna condicin agregada que permite aislar unasolucin particular
de la solucin general. Por ejemplo, si se requiere que la solucin de y' = ay
cumpla la condicin agregada
y(0)
=3
(3 )
es decir, y = 3 cuando x = O, entonces al sustituir estos valores en la solucin general de y = ce" se obtiene un valor para c, a saber,
As,
es la nica solucih de y' = a-v que satisface la condicin agregada. Una condicin
como (3), que especifica el valor de la solucin en un punto, se denomina
condicin inicial, y el problema de resolver una ecuacin diferencial sujeta a una
condicin inicial se denominaproblema con valor inicial.
SISTEMAS
LINEALES DE
ECUACIONES DE
PRIMER ORDEN
En esta seccin se explica cmo resolver sistemas de ecuaciones diferenciales de la

forma
donde y1 =fi(x), y z =&(x), . . . ,yn =&(x) son funciones que sern calculadas y
las a,, son constantes. En notacin matricial, (4) se'puede escribir como
o, ms brevemente, como
Y' = A Y
Ejemplo 1
a) Escribir el siguiente sistema en forma matricial:
9.1 Aplicaciones a las ecuaciones diferenciales / 515

3y1
Y; =
Y;
-2Y2
5Y3
Y; =
b) Resolver el sistema.
c) Obtener una solucin del sistema que cumpla las condiciones iniciales y , (O)
1, YZ(0) = 4 Y Y3(0) = -2.
Solucin de a).
0
-2
Y1
Y2
Y3
o bien,
3
y' =
0
-2
O
0
Solucin de 6). Debido a que en cada ecuacin hay slo una funcin desconocida, las ecuaciones se pueden resolver individualmente. Por (2) se obtiene
y I = cle3x
y 2 = c2e
y, = c3e5x
Solucin de c).
A partir de las condiciones iniciales dadas, se obtiene

I = y,(O) = Cleo= c ,
4
= y2(0)= czeo= c2
- 2 = y,(O) = e j e o = c,
de modo que la solucin que satisface las condiciones iniciales es
o bien, en notacin matricial.
516
El sistema delejemplo precedente es fcil deresolver porque para cada

ecuacin slo hay una funcin desconocida, y este hecho se debea que lamatriz de
coeficientes (5) para el sistema es diagonal. Sin embargo, cmo manejar un sistema
Y' = A Y
en el que la matriz A no es diagonal? La idea es sencilla: se intenta hacer una
sustitucin para Y con la que se &tenga un nuevo sistema con una matriz de coeficientes diagonal; se resuelve este nuevo sistema ms simple y luego se usa esta
solucin para determinar la solucin delsistema original
El tipo de sustitucin que se tiene en mente es
o, ms brevemente.
En esta sustitucin, los coeficientesp,, son constantes por determinar de forma que
el nuevo sistema con las funciones desconocidas ul, u2, , , . , un tenga una matriz
de coeficientes diagonal. Se deja como ejercicio para el lector derivar cada ecuacin en (6) y obtener
Y' = PU'
Si se efectan las sustituciones Y = PU y
Y = P U en el sistema original
Y' = A Y
9.1 Aplicaciones a las ecuaciones dqerenciales / 517

y si se supone que P es invertible, se obtiene
PU'
= A(PU)
o bien,
U'
= (P"AP)U
o bien,
U'
= DU
donde D = P-lAP. La eleccin de P resulta evidente ahora; si se quiere que la

nueva matriz de CoeficientesD sea diagonal, P se debe elegir a P como una matriz
que dagonalice a A .
PROCEDIMIENTO PARA
RESOLVER UN
SISTEMA DE
ECUACIONES
DIFERENCIALES
LINEALES DE
PRIMER ORDEN
Lo anterior sugiere el siguiente procedimiento para resolver un sistema

Y' =AY
con una matriz de coeficientes diagonalizableA .
Paso 1.
Encontrar una matriz P que diagonalice a A .
Paso 2.
Hacer las sustituciones Y = PU y Y = P V para obtener unnuevo

"sistema diagonal" I/" = DU, donde D = P"AP.
Paso 3.
Resolver V = DU.
Paso 4.
Determinar Y a partir de la ecuacin Y = PU.
Ejemplo 2
a) Resolver el sistema
Y;= Y,+
Y2
y; = 4yI - 2y2
b) Encontrar la solucin que cumpla las condiciones iniciales
Y l ( 0 )= 1, Y2(0>= 6.
Solucin de a).
La matriz de coeficientes para el sistema es
518
Temas complementarlos
Como se explic en la seccin 7.2, A es diagonalizada por cualquier matriz P

cuyas columnas sean eigenvectores de A linealmente independientes. Como
det( dl - A ) =
los eigenvalores deA son A
d"1
-4
= 2,A =
-1
=d2+d-6=(A+3)(d-2)
a+Z1
- 3 . Por definicin,
es un eigenvector de A correspon&ente a A si y slo si x es una solucin no trivial

de (Al - A)x = O, es decir, de
Si A
= 2.
este sistema se convierte en
Resolwendo este sistema se obtiene

x1
= 1,
x2 = t
de modo que
Asi,
es una base para el eigenespacio correspondiente a A

lector puede demostrar que
= 2.
De manera semejante, el
es una base para el eigenespacio correspondiente a A = -3 . As,
9.I Aplicaciones a las ecuaciones diferenciales / 5 19
diagonaliza a A y
[:,
D=P"AP=
-;I
Por consiguiente, la sustitucin

Y=PU
Y'
= PU'
produce el nuevo "sistema diagonal"
Por (2), la solucin de este sistema es

u , = c,e2"
u2 = c2e p 3 x
u=
de modo que la ecuacin Y = PU produce como solucinpara Y a

Cle2"
- 1, e
-3x
c,e2*+ 4 c2e
-- 3x
2
o bien,
y , = c l e 2 x- $c2e - 3 x
y2 = c l e 2 x+ c2e - 3 x
Solucin de 6).
Si las condiciones iniciales dadas se sustituyen en (7), se obtiene

c, - $c2 = 1
c,+ c 2 = 6
La solucin de este sistema es

c , = 2,
c2 = 4
de modo que por (7) la solucin que satisface las condiciones iniciales es
En esta seccin se ha supuesto que la matriz de coeficientes de Y = AY es

diagonalizable. En caso de no serlo, se deben usar otros mtodos para resolver el
sistema. Estos mtodos se analizan en textos ms avanzados.
520 /' Temas complementarios

1. a) Resolver el sistema
Y ; = Y1 + 4.h
= 2y, + 3y,
y;
b) Encontrar la solucin que satisface las condiciones inicialesyl(0) = O,y,(O) = O.

y; = y,
+ 3v2
y; = 4.h
+ 5Y,
b) Encontrar la solucin que satisface las condiciones inicialesyl(0) = 2, y2'(0)= l .

y;=
4y,
+ y3
y; = - 2 v , +y,
Y; = -2%
+ Y3
b) Encontrar la solucin que satisface las condiciones iniciales y ,(O) = - 1, y2(0)= 1,
Y,(O) = 0.
4. Resolver el sistema
5. Resolver la ecuacin diferencial y" - y'
- 6y = O. [Sugerencia. Hacer y , = y ,
y=
2 y' y
luego demostrar que

Y ; =Y2
y; = y '
-Y'
+ 6~ = 6.~1+ y21
7. Demostrar: Toda solucin de y' = ay es de la forma y = cP.

[Sugerencia.Sea y
una soluci6n y demostrar quef(x)e-ares constante.]
8. Demostrar: Si A es diagonalizable y
=AX)
9.2 Geometra de los operadores lineales sobre R2 1 521

satisface Y' = A Y , entonces todo yi es una combinacin lineal de dlx,db,.
donde A,, A,, . . . ,A,, son eigenvaloresde A .
. .
, dm,
9.2 GEOMETRA DE LOS OPERADORES LINEALES SOBRE R *

En la seccin 4.2 se estudiaron algunas propiedadesgeometricas de los operadores lineales sobre R2 y R3. En esta seccin se estudiarn con mayor profundidad
los operadores lineales sobre R2. Algunas de las ideasque se presentarn poseen
importantes aplicaciones al campo en desarrollo de la elaboracin de grjicas
por computadora.
+.
Si T:R2 R2 es el operador matricial cuya matriz estndar es
entonces
Existen dos interpretaciones geomtricas igualmente aceptables de esta frmula.

Los elementos de las matrices
[;I
ax + by
[U+dYl
se pueden considerar como componentes devectores o como coordenadas de

puntos. Con la primera interpretacin, T transforma flechas en flechas y con la
segunda, puntos en puntos (figura 1). L a eleccinde
cualquiera de estas
interpretaciones es una cuestin subjetiva.
t'
(ax + by, cx + d y )
\
\
\
\
\
(X,Y)
Figura 1
...
. .. .
"
-. . ...
-.
...
I T mapea vectores en"-4

vectores.
...
T mapea puntos en puntos.
522
Temascomplementarios
En esta seccin, los operadores lineales sobre R2 se considerarn como

transformaciones de puntos en puntos. Una manera de representar el comportamiento de un operador lineal es observar su efecto sobre los puntos de figuras
sencillas en el plano. Por ejemplo, en la tabla 1 se muestra el efecto de algunos
operadores lineales bsicos sobre un cuadrado unitario que se ha coloreado parcialmente
ABLA 1
Operador
Matriz estndar
Reflexin con
respecto al eje y
[-A
Y]
Reflexin con
respecto al eje x
[A
-Y]
-sen0
Efecto sobre el cuadrado unitario

4 .)
1
.:I,
! I,
.
1,
Reflexin con
respecto a la recta
?/=X
Rotacin en
sentido contrario a
las manecillas del
reloj por un ngulo
COS
sen0
cos 8
En la seccin 4.2 se analizaron reflexiones, proyecciones, rotaciones, contracciones y dilataciones de R2. A continuacin se considerarn otros operadores
lineales bsicos sobre R2.
9.2 Geometra de los operadores lineales sobre R2
EXPANSIONES Y
COMPRESIONES
523
Si la abscisa de cada punto del plano se multiplica por una constante positiva k,
entonces el efecto es expandir o comprimir cada figura del plano en la direccin x.
Si O < k < 1, el resultado es luna compresin, y si k > 1, una expansin (figura 2).
Un operador as se denomina expansin (o compresin) en la direccin x con
factor k. De manera semejante, si la ordenada de cada punto delplano se
multiplica por una constante positiva k, se obtiene una expansin (o compresin)
en la direccin y con factor k. Se puede demostrar que las expansiones y las
compresiones a lo largo de los ejes de coordenadas son transformaciones lineales.
p;
Figura 2
I (Cuadrado unitario) I I(Compresin) k = 4
[(Expansin) k = 2
Si T:R2 + R2 es una expansin o una compresin en la direccin x con factor k,

entonces
De manera semejante, la matriz estndar para una expansin o una compresin en

la direccin y es
Ejemplo 1 Supngase que el plano xy primero se expande o comprime por un

factor k , en la hreccin x y que luego se expande o comprime por un factor k, en
la direccin y. Encontrar un solo operador matricial que efecte ambas operaciones.
Solucin. Las matrices estndar para las dos operaciones son
Expansin x (compresin)
....
Expansin y (compresin)
524
,I
As, la matriz estndar para la composicin de la operacin x seguida de la

operacin y es
En el caso especial en que k , y k, son iguales, por ejemplo k ,

(2) se simplifica a
= k, = k,
ntese que
que es una dilatacin o una contraccin (tabla 8 de la seccin 4.2). A
DESLIZAMLENTOS
CORTANTES
Figura 3
Un deslizamiento
cortante
en la
direccin
x con factor k es una
transformacinque mueve cadapunto (x, y ) paralelo al eje x en unacantidad ky
hastala nueva posicin (x + ky, y>.Bajo unatransformacindeeste
tipo, los
puntos que estn sobre el eje x no se mueven porque y = O. Sin embargo, a
medidaqueseavanzaalejndose
del eje x, la magnitudde y aumenta,de
modo que aquellos puntos ms alejados del eje x recorren una mayor distancia
que los puntos ms prximosa l.
Cuadrado unitario.
Oblongamiento en la direccinx con factor k.
Un deslizamiento cortante en la direccin y con factor k es una transformacin que mueve cada punto (x, y ) paralelo al eje y en una cantidad IQC hasta la
nueva posicin (x, y + h).
Bajo una transformacin de este tipo, los puntos que
estn sobre el eje y permanecen fijos, y los puntos alejados del eje y recorren una
mayor distancia que los puntos prximos a l.
Se puede demostrar que los deslizamientos cortantes son transformaciones
lineales. Si T:R2 + R2 es un deslizamiento cortante con factor k en la direccin x,
entonces
9.2 Geometra de los operadores lineales sobre R2 / 525
De manera semejante, la matriz estndar para un deslizamiento cortante en la

Ireccin y con factor k es
La multiplicacin por la matriz identidad 2 X 2 es el operador

identidad sobre R2. Este operador se puede considerar como una rotacin de Oo,
como un deslizamiento cortante a lo largo de cualquiera de los dos ejes con k = O,
o como una compresin o expansin a lo largo de cualquiera de los dos ejes con
factor k = l .
OBSERVACI~N.
Ejemplo 2
a) Hallar una matriz de transformacin de R2 en R2 que primero efecte un deslizamiento cortante en la direccin x con factor 2 y luego realice una reflexin
con respecto ay = x.
b) Encontrar una matriz de transformacin de R2 en R2 que primero efecte una
reflexin con respecto ay = x y luego un deslizamiento cortante en la direccin
x con factor 2.
Solucin de a). La matriz estndar para el deslizamiento cortante es
y para la reflexin es
As, la matriz estndar para el deslizamiento cortante seguido de la reflexin es

A , A , = [O1
Solucin de b).
'][I
0 0
'1 = [ y :]
1
La reflexin seguida del deslizamiento cortantese representa como
526
En el ltimo ejemplo, ntese que A ,A2 f A#

de modo que el efecto de
aplicar primero el deslizamiento cortante y luego la reflexin es diferente al efecto
de aplicar primero la reflexin y luego el deslizamiento cortante. Este hecho se
ilustra geomtricamente en la figura 4, donde se muestra el efecto de las transformaciones sobre un cuadrado unitario.
t'
11. I
-.
Figura 4
Ejemplo 3 Demostrar que si T R 2 + R2 es la multiplicacin poruna

elemental, entonces la transformacin es una de las siguientes:
matriz
a> Un deslizamiento cortante a lo largo de un eje de coordenadas.
Una reflexin con respecto a y = x.

Una compresin a l o largo de un eje de Coordenadas.
Una expansin a lo largo de un eje de coordenadas.
Una reflexin con respecto a un eje de coordenadas.
f) Una compresin o expansin a l o largo de un eje de coordenadas seguida de
una reflexin con respectoa un eje de coordenadas.
b)
c)
d)
e)
Solucin. Debido a que al realizar una sola operacin en los renglones de una
matriz identidad 2 x 2 se obtiene una matriz elemental 2 x 2, sta debe tener una
de las formas siguientes (comprobar):
9.2 Geometra de los operadores lineales sobreR2 / 527
[-b :] [A
=
-;,I [A
=
-:][A
:,I
Como k , > O, el producto en (3) representa una compresin o expansin a l o largo

del eje x seguida de una reflexin con respecto al eje y, y (4) representa una
compresin o expansin a l o largo del eje y seguida de una reflexin con respecto
al eje x. En el caso en que k = -1, a
ls transformaciones (3) y (4) simplemente son
reflexiones con respecto a los ejes y y x, respectivamente. A
Las reflexiones,rotaciones, expansiones, compresiones y deslizamientos
cortantes son, todas, operadores lineales uno a uno. Este hecho es evidente geomtricamente, ya que todosestos operadores mapean puntos distintos en puntos
distintos. Esto tambin se puede comprobar de manera algebraica al verificar que
las matrices estndar de los operadores son invertibles.
Ejemplo 4 Intuitivamente resulta evidente que si el plano xy se comprime por un
factor en la direcciny , entonces el plano xy se debe expandir por un factor 2 en
la dreccin y a fin de que cada punto regrese a su posicin original. En efecto,
esto es asi porque
representa una compresin en la direcciny con factor
es una expansin en la direccin y con factor 2.

PROPIEDADES
GEOMTRICAS
i,y
Esta seccinconcluye con dos teoremas que permiten conocer ms las propiedades
geomtricas de los operadores lineales sobre R 2 .
DE LOS
~~~"
OPERADORES
LINEALES
SOBRE R2
Teorema 9.2.1. Si T:R2 + R2 es la multiplicacin por una matriz A invertible,

entonces el efecto geomtrico de T es el mismo que el de una sucesin idnea
de deslizamientos cortantes,compresiones, expansiones y reflexiones.
528
/'
Demostracin. Como A es invertible, sepuede reducir a la identidad mediante
una sucesin finita de operaciones elementales en los renglones. Una operacin
elemental en los renglones se puede efectuar multiplicando por la izquierda por
una matriz elemental. As, existen matriz elementales E,, E*, . . . , Ek tales que
EA.
' '
E,EIA
=1
Despejando A se obtiene

A = E ~ ]-E - 1 . . . E L1
1
( 51
Esta ecuacin expresa a A como un producto de matrices elementales (ya que por
el teorema 1.5.2 la inversa deuna matriz elemental tambin es elemental). El
resultado se concluye ahora por el ejemplo 3. 0
Ejemplo 5 Suponiendo que k , y k, son positivos, expresar la matriz diagonal
como un producto de matrices elementales y describir el efecto geomtrico de la

multiplicacin por A en trminos de expansiones y compresiones.
Solucin. Por el ejemplo 1 se tiene que
lo cual demuestra que la multiplicacin por A tiene el efectogeomtrico de

expandir o comprimir por un factor de k , en la direccin x y luego expandir o
comprimir por un factor de k, en la direcciny . A
Ejemplo 6 Expresar
A =
I: :]
como un producto de matrices elementales y luego describir el efecto geomtrico

de la multiplicacin por A en trminos de deslizamientos cortantes, compresiones,
expansiones y reflexiones.

Solucin. A se puede reducir a I como sigue:
I veces al segundo. I I - 4.
Las tres operaciones consecutivas en los renglones se pueden efectuar al multiplicar por la izquierda sucesivamente por
Invirtiendo estas matrices y aplicando (5) se obtiene
Leyendo de derecha a izquierda y observandoque
[:-;][:-y][:
=
;]
se concluye que el efecto de multiplicar por A es equivalente a

1) efectuar un deslizamiento cortante por un factor de 2 en la direccin x, luegd
2) expandir por un factor de 2 en la direccin y, luego
3 ) reflejar con respecto al eje x, y finalmente
4) efectuar un deslizamiento cortante por un factor de 3 en la direccin y.
Las demostraciones de algunos incisos del siguiente teorema se analizan en los

ejercicios.
Teorema 9.2.2.S T:R2 + R2 es la multiplicacin por una matriz invertible,

entonces:
a ) La imagen de una recta es una recta.
b ) La imagen de una recta que pasa por el origen es una recta que pasa por
el orrgen.
c ) Las imgenes de rectas paralelasson rectas paralelas.
d) La imagen del segmento de recta que une los puntos P y Q es el segmento
de recta que une las imgenes de los puntos P y Q.
e ) Las imgenes de tres puntos estn sobre una recta si y slo si los puntos
son colineales.
530
Temas
complementarios
Por los incisos c), 6)y e) se concluye que la multiplicacin por

una matriz invertible A 2 X 2 transforma tringulos en tringulos y paralelogramos en paralelogramos.
OBSERVACI~N.
Ejemplo 7 Trazar la imagen del cuadrado con vrtices P,(O, O), P2(l, O), P3(0, 1)
y P4( 1, 1) bajo la multiplicacin por
[-:--:I[:] =[:I [ -f .-:I[:] [ -:]

[-i -:][:I [ -:] I
:-:I[ :] [I]
Solucin. Como
la imagen del cuadrado es un paralelogramo con vrtices (O, O), (- 1, 2), (2, - 1) y
( 1 , 1) (figura 5). A
Ejemplo 8 Segn el teorema 9.2.2, la matriz invertible
transforma la recta y = 2x + 1 en otra recta. Encontrar su ecuacin.

Solucin. Sea (x, y ) un punto sobre la recta y
bajo la multiplicacin por A . Entonces
2x
+ 1 y sea (x', Y ' ) su imagen
9.2 Geometra de los operadores lineales sobre R2 1 531
de modo que
Sustituyendo en y
= 2x + 1 se obtiene
-2x
+ 3y = 2(x - y ) + I
As,
(XI,
y) satisface
y=$x+i
que es la ecuacin buscada.

1. Encontrar la matriz estndar para la transformacin lineal plana T X 2 + R2 que mapea
un punto (x,y) en (vase la figura 6)

a) su reflexin con respecto a la rectay =-x.
b) su reflexin con respecto al origen.
c) su proyeccin ortogonal sobreel eje x.
d) su proyeccin ortogonalsobre el eje y.
2. En cada inciso del ejercicio 1, usar la matriz obtenida para calcular T(2, 1). Comprobar
las respuestas geomtricamente graficando lospuntos (2, 1) y T(2, 1).

3. Encontrar la matriz estndar para eloperadorlineal
punto (x, y , z) en su reflexin con respecto al plano
a)
-*y
b) x z .
C) YZ.
TB3 + R3 quetransforma un
Figura 6
5317
i'
7ema.y contplernentnrros
1. En cada inciso del ejercicio

3 , usar la matriz obtenida para calcular T( I , 1, I ) .
Comprobar las respuestas geom6tricamentc. graficando los vectores (1 1, 1 ) y T( I ,
1, 1 )
~
5. Encontrar la matriz estndar para el operador lineal 7 X 3 + R3 que

a ) hace girar cada vector 90' en sentido contrario a las manecillas del reloj con respecto al e ~ ze (mirando a lo largo del eje z positivo llacia e1 origen).
b) hace girar cada vector 90' en sentido contrario a las manecillas del reloj con respecto al eje x (mirando a lo largo del eje x positivo hacia el origen).
c) hace girar cada vector 90' en sentido contrario a las manecillas del reloj con res-
pecto al ejev (mirando a lo largo del eje y positivo hacia el origen).

6. Trazar l a iInagen del rectngulo con vrtices (O, O), (1, O), (1,2) y (O, 2) bajo
a) una rellexin con respecto al q e x.
b) una reflexin con respecto aleje y.
c) una compresin con factor k =
en la direcclny.
d) una expansion con factor k = 2 en la direccin x.
e) un deslizamiento cortante con factor k = 3 en la direccin x .
t) un deslizamiento cortante con factor k = 2 en l a direcciny.
7. Trazar la imagen dei cuadrado con vrtices (O,O),

multiplicacin por
A=
(1, O ) , (O, I ) y ( I , 1) bajo la
[ -;y ]
8. Encontrar la matriz que hace girar un punto (x,y) con respecto al origen por un hlgulo
de
a) 45"
b) 90"
C)
180"
d ) 270"
e ) -30"
9. Encontrar la matriz queproduce un deslizamiento cortante con u11 factor de
a) k = 4 en a
l direccin y.
b] k = -2 en la direccin x.
1o. Encontrar l a matnz que comprime o expande con un factor de

a ) f en la direccin y.
b) 6 en la direction x.
11. E n cada inciso, describir el efecto geonltrico de la multiplicacion por

dada.
l a matriz
como un producto de matriceselementales y luego describir el

12. Expresarlamatriz
efecto de lamultiplicaci6n
por la matriz dadaen
trminos de compresiones,
expansiones, reflexlones y deslizamientos cortantes.
13. En cada inciso. encontrar una sola matriz que efecte la sucesin de operxiones que se
mdica:
a) Comprimir por un factor de $ en la direccin x, luego expandir por un factor de 5

en ladireccin y.
b) Expandir por un factor de 5 en la direccin y, luego efectuar un deslizamiento cortante por un factor de 2 en la direcciny.
c) Reflejar con respecto a y = x, luego girar por un ngulo de 180'.
14. En cada inciso, encontrar una sola m
a
& que efecte la sucesin de operaciones que se
indica:
a) Reflejar con respecto al eje y, luego expandir por un factor de 5 en la direccin x y
luego reflejar con respectoa y = x.
b) Girar 30, luegoefectuar un deslizamientocortante por un factor de -2 enla
direccin y y luego expandir por un factor de 3 en la direccin y.
15. Por inversin de matnces, demostrar lo siguiente:
a) La transformacin inversa de una reflexin con respecto a y = x es una reflexin

con respecto a y = x.
b) La transformacin inversa de una compresin a lo largo de uno de los ejes de coordenadas es una expansin a l o largo de ese eje.
c) La transformacin inversa de una reflexin con respecto a uno de los ejes de coordenadas es una reflexin con respecto a ese eje.
d) La transformacin inversa de un deslizamiento cortante a l o largo de uno de los ejes
de coordenadas es un deslizamiento cortante a lo largo de ese eje.
16. Encontrar la ecuacin de la imagen de la rectay = -4x
+ 3 bajo la multiplicacin por
17. En los incisos del a) ale), obtener la ecuacin de la imagen de la rectay = 2x bajo
a) un deslizamiento cortante con factor 3 en la direccin x.
b) una compresin con factor $ en la direccin y.
c) una reflexin con respecto a y = x.

d) una reflexin con respecto al ejey.
e) una rotacin de 60.
18. Encontrar la matnz para un deslizamiento cortante en la direccin x que transforma el
tringulo con vrtices (O, O), (2, 1) y ( 3 , O) en un tringulo rectngulo cuyo ngulo recto
est en el origen.
19. a) Demostrar que la multiplicacin por
transforma cada punto del plano sobre larectay = 2x.

b) Con base en el inciso a) se concluye que los puntos no colmeales (1, O), (O, 1) y ( - 1, O)
se transforman en una recta. Este hecho viola el inciso 2) del teorema 9.2.2'?
20. Demostrar el inciso a) del teorema 9.2.2. [Sugerencia Una recta en el plano tiene un
ecuac~n dela forma Ax + By + C = O, donde tanto A como B no son cero. Con el
534 i Temas complementarios

mtodo del ejempio 8, demostrar que la imagen de esta recta bajo la multiplicacin por
la matriz invertible
tiene la ecuacin A'x + By + C = O, donde

A' = (dA - c B ) / ( ~ d bc)
B' = ( - bA
+ u B ) / ( u -~ bc)
Luego, demostrar que ni A' ni B son cero afin de concluir que la imagen es una recta,]
21. Usando la sugerencia del ejercicio 20, demostrar los incisos b ) y c ) del teorema 9.2.2.
22. En cada inciso, encontrar la matriz estndar para el operador lineal ?A3 + R3 descrito
por la figura 7.
b)
Figura 7
23. En R3, el deslizamiento cortanfe en la a'ireccibn xy con factor k es la transformacin

lineal que mueve cada punto (x,y , z) paralelo al plano xy a la nueva posicin (x + kz, y
+ kz, z). (Vase la figura 8.)
a) Encontrar la matriz estndar del deslizamiento cortanteen la dxeccinxy con factork.
b) Cmo d e f d a el lector el deslizamiento cortante en la direccin xz con factor k y
el deslizamiento cortante en la direccin yz con factor k? Encontrar la matriz
est&dar para cada una de estas transformaciones lineales.
. ..
".
~.
~
."
t;
1
4.
. ."
"'ir + k z , y + kz. )I
.
.
,'
"
.~
",."
Figura 8
24. En cada inciso, encontrar por inspeccin todos los eigenvectores linealmente independientes que sea posible (mediante una representacin del efecto geomtrico de la
transformacin sobre R'). Para cada uno de los eigenvectores, encontrar por inspeccin
el eigenvalor correspondiente; luego comprobar los resultados calculando los eigenvaiores y bases para los eigenespacios partir de la matriz estndar de la transformacin.
9.3 Ajuste de datos por mnimos cuadrados
535
Reflexin con respecto al eje x.

Reflexin con respecto al eje y.
Reflexin con respecto a y = x.
Deslizamiento cortante en la direccinx con factor k.
Deslizamiento cortante en la direcciny con factor k.
f) Rotacin por un ngulo O.
a)
b)
c)
d)
e)
9.3 AJUSTE DE DATOS POR MNIMOS CUADRADOS
En esta seccin se usarn resultados sobre proyecciones ortogonales en espacios

vectoriales con producto interior a fin de obtener una tcnica para ajustar una
recta u otra curva polinmica a un conjunto de puntos en el plano determinados
experimentalmente.
AJUSTE DE UNA
CURVA A DATOS
EXPERIMENTALES
Un problema comn en el trabajo experimental es obtener una relacin matemtic a y = f i x ) entre dos variables x y y mediante el ajuste de una curva a puntos en
el plano correspondientes a diversos valores de x y y determinados experimentalmente,
ejemplo
por
(~I,~~I),(-y2,Y2),,(~,,Y,)
La forma general de la curva y =Ax) que se debe ajustar se decide con base
en consideraciones tericas o simplemente en el patrn descrito por los puntos.
Algunas posibilidades son (figura 1)
Figura 1
y=a+bx
b)
y =a
+ bx + cx2
c)
y =a
+ bx + cx2 + dx
a) Una recta: y = a + bx.

b) Un polinomio cuaddtico: y = a + bx + cx2.
c) Un polinomio cbico: y = a + bx + cx2 + &.
Debido a que los puntos se obtienen experimentalmente, suele haber algn error
de medicin en los datos, lo cual imposibilita encontrar una curva de la forma
deseada que pase por todos los puntos. As, la idea es elegir la curva (determi-
536
Temas
complementarios
nando sus coeficientes) que mejor se "ajuste" a los datos. Se empezar con el caso
ms simple: ajustar una recta a los puntos de datos.
AJUSTE POR
MNIMOS CUADRADOS DE
UNA RECTA
Supngase que se quiere ajustar una recta

y=a+bx
a los puntos determinados experimentalmente
Si los puntos de datos son colineales, la recta debe pasar por todos los n puntos y,
as, los coeficientes desconocidos a y b deben satisfacer
y, = a + bx,
y, = a
+ bx2
y,, = a + bx,,
Este sistema se puede escribir en forma matricial como
o, en forma abreviada, como

Mv=y
donde
Si los puntos de datos no son colineales, entonces es imposible encontrar los

coeficientes a y b que satisfagan exactamente el sistema (1); es decir, el sistema es
inconsistente. En este caso se buscar una solucin por mnimos cuadrados
v
= v* =
[;:I
La recta y = a* + b*x cuyos coeficientes provienen de una solucin por mnimos

cuadrados se denomina recta de ajuste por mnimos cuadrados a los datos. Para
9.3 Ajuste de datos pormnimos cuadrados / 537
explicar esta terminologa, recurdese que una solucin por mnimos cuadrados de
(1) minimiza
IIY
Mvll
(3 )
Si el cuadrado de (3) se expresa en trminos de componentes, se obtiene

IIy -MV(/'
= ( y , - a - bx,)'
+ ( y z- a
- bx212 + . . .
+ ( y , - a - bx,12
(4)
Si ahora se hace
d , = I,v
-U
~ x Jd2
, =
-U
- hx-21,
. . . , d,, = ly,, - a - h ~ , /
entonces (4) se puede escribir como

1Iy - Mvll'
= d:
+ d: + . . . -td:
(5)
Como se ilustra en la figura 2, di se puede interpretar como la distancia vertical

entre la recta y = a + bx y el punto (xi,vi).Esta distancia es una medda del
"error" en el punto (xi,y j ) , que resulta del ajuste inexacto de y = a + bx a datos.
Como (3) y (5) son minimizadas por el mismo vector v*, la recta deajustepor
mnimos cuadrados minimiza la suma de los cuadrados de estos errores; de ah la
denominacin recta de ajuste por mnimos cuadrados.
I d, mide el error vertical en el ajuste de l a recta por mnimos cuadrados.

~
Figura 2
ECUACIONES
NORMALES
~~
Recurdese por el teorema 6.4.2 que las soluciones por mnimos cuadrados de (1)
se pueden obtener al resolverel sistema normal asociado
M TMv= M T y
cuyas ecuaciones se denominan ecuaciones normales.

En los ejercicios se demostrar que los vectores columna de M son linealmente independientes si y slo si los n puntos de datos no estn en unarecta
vertical en el plano xy. En este caso, por el teorema 6.4.4 se concluye que la
solucin por mnimos cuadrados es nica y est dada por
538 / Temas complementarios
v*
= ( M T M ) - "Ty
En resumen, se tiene el siguiente teorema.
Teorema 9.3.1. Sean (xl, y l ) , (x2, y& . . . , (x,, y,) puntos de u1 conjunto de
dos o ms datos, no todos en unarecta vertical, y sean
Entonces existe una recta de ajuste por mnimos cuadrados tinica

y = a*
+ b*x
al conjunto de datos. Adems,
est dejinidapor la frmula
que expresa el hecho de que v

normales
v* es la nica solucin de las ecuaciones
Ejemplo 1 Encontrar la recta de ajuste por mnimos cuadrados a los cuatro puntos
( O , l), (1, 3), (2, 4) y (3,4). (Vase la figura 3.)
0:
Figura 3
- 1 0
2
X
9.3 Ajuste de datos por mnimos cuadrados / 539

Solucin. Se tiene
M T M = [4
'1
14
rll
L41
De modo que la recta buscada es y
l .5 + x. A
Ejemplo 2 La ley de Hooke en fsica establece que la longitud x de un resorte

uniforme es una funcin lineal de la fuerza y que se le aplica al resorte. Si se
escribe y = a + bx, entonces el coeficiente b se denomina constante del resor6.1 pulgadas de lonte. Supngase que un resorte particular sin estirar mide
gitud (es decir, x = 6.1 cuando y = 0). Luego, al resorte se aplican fuerzas de
2, 4 y 6 libras, encontrndose que las longitudes correspondientes son 7.6, 8.7
y 10.4 pulgadas, respectivamente, (ver la figura 4). Encontrar la constante de
este resorte.
x,
Figura 4
Fuerzay
6.1
7.6
8.7
10.4
540 i Temas complementarios
Solucin. Se tiene
10.4
donde los valores numricos se redondearon hasta una cifra decimal. As, el valor
estimado de la constante del resorte es b* = 1.4 Ib/pulg. A
AJUSTE POR
MINIMOS
CUADRADOS DE
UN POLINOMIO
La tcnica descrita para ajustar una recta a puntos de datos se generaliza fcilmente al ajuste de un polinomio de cualquier grado especfico a puntos dedatos.
A continuacin se intentar ajustar un polinomio de grado fijo m
y = a,
+ a,x+ . . . + a,xm
a n puntos
Al sustituir los n valores de x y y en (8) se obtienen las n ecuaciones
o bien, en forma matricial,

Mv=y
donde
Como antes, las soluciones de las ecuaciones normales
(8)
9.3 Ajuste de datos por mnimos cuadrados 1 541
M TMv = M Ty
determinan los coeficientes de los polinomios que minimizan

IIY - Mvll
En los ejercicios se analizan condiciones que garantizan la invertibilidad de MTM.

Si MTM es invertible, entonces las ecuaciones normales tienen una solucin nica
v = v* definida por
v*
= ( M T M ) - 1MTy
Ejemplo 3 Segn la segunda ley del movimiento de Newton, un cuerpo prximo a

la superficie terrestre cae verticalmente segn la ecuacin
s=s,+u,t+~gt*
(10)
donde
S
so
vo
g
= Desplazamiento vertical hacia abajo con respecto a algn punto fijo.

= Desplazamiento inicial en el instante t = O.
= Velocidad inicial en el instante t = O.
= Aceleracin de la gravedad en la superficie terrestre.
Supngase que se efecta un experimento de laboratorio para evaluar g usando la

ecuacin anterior. Se suelta unpesocon
desplazamiento y velocidad iniciales
desconocidos, y en ciertos instantes se mide la distancia recorrida a partir de algn
punto de referencia fijo. En particular, supngase que en los instantes t = O. 1, 0.2,
0.3, 0.4 y 0.5 segundos se encuentra que el peso ha recorrido S = -0.18, 0.31,
1.03. 2.48 y 3.73 pies, respectivamente, a partir del punto de referencia. Encontrar
un valor aproximado de g usando estos datos.
Solucin. El problema matemtico es ajustar una curva cuadrtica
S
= a,
+ a,t + a2t2
a los cinco puntos experimentales:

(0.1, -0.18), (0.2, 0.31), (0.3, 1.03), (0.4, 2.48), (0.5, 3.73)
Los clculos necesarios son

1 t,
M=
t;
1 t2 t;
1 t3 t:
1 t, t i
1 t5 t:
(1 1)
542
-0.18
2.48
3.73
Y
=(MTM)
V* =
' M T y"-
0.400.35
16.1
Por (10) y (1 1) se tiene a2 = +a, de modo que el valor estimado de g es

g = 2a: = 2(16.1)
= 32.2
pies/s2
Si se desea, tambin es posible estimar el desplazamiento y la velocidad iniciales

del peso:
so = a: = -0.40 pies
u. = a: =
0.35 piesls
En la figura 5 se muestra la grfka los cinco puntos experimentales, asi como el

polinomio de aproximacin.
-1
Figura 5
1 2 . 3 4 . 5
Tiempo /(en segundos)
9.4 Problemas de aproximacin: series de Fourier / 543

3. Encontrar el polinomio cuadrtico que se ajusta mejor a los puntos (2, O), (3,
- 1 lo),
(5, -48) y (6, -76).

4. Encontrar el polinomio cbico que se ajusta mejor a los puntos (- 1,
(1 > -4), (2, 1) Y (3,221.
- 14), (O,
-S),
Demostrar que la matriz M en la ecuacin (2) tiene columnas linealmente

independientes si y slo si porlomenosdos
de los nmeros xl, x2, . . . , xn son
distintos.
Demostrar que las columnasde la matriz Mn x (m + 1)enlaecuacin
(9) son
linealmente independientes si n > m y por lo menos m + 1 de los nmeros x , , x2, . . . ,
x,, son distintos.
SeaM la matriz de la ecuacin (9). Usando el ejercicio 6, demostrar que una condicin
suficiente para que la matriz MM sea invertible es que n > m y por l o menos m + 1 de
los nmerosx ] ,x2, . . . ,xn sean distintos.
El propietano de unaempresaenrpidocrecimiento
encuentra que para los cinco
primeros meses del ao las ventas (en miles) son $4.0, $4.4, $5.2, $6.4 y $8.0. El
propietario grafica estas cifras y conjetura que para el resto del ao la curva de ventas
puede ser aproximada por un polinomio cuadrtico. Encontrar el polinomio cuadrtico
de ajuste por mnimos cuadrados ala curva de ventasy usarlo para proyectar las ventas
de los doce meses del ao.
9.4 PROBLEMAS DE APROXIMACIN: SERIES DE FOURIER

En esta seccin se usarn los resultados de proyecciones ortogonales en espacios
con producto interior para resolver problemas que requieren la aproximacin de
una funcin dada por funciones ms simples. Estos problemas surgen en una
variedad de aplicaciones de ingenieria y ciencias.
MEJORES
APROXIMASIONES
Todos los problemas que se estudiarn en esta seccin son casos especialesdel
siguiente
problema
general.
I
Problema de aproximacin. Dada una funcin f que es continua sobre un

posible" a f usando slo
intervalo [a, 61, encontrar la "mejor aproximacin
funciones de unsubespacio especfico W de C[a,61.
A continuacin se presentan algunos ejemplos deesos problemas:
a) Encontrar la mejor aproximacin posible a eX sobre [O, 11 por un polinomi0 de

la formaa. + a l x + a g 2 .
b) Encontrar la mejor aproximacin posible a sen nx sobre [ - 1, 1I por una fun+ u3e3..
cinde la forma u. + ulc? +
c> Encontrar la mejor aproximacin posible a x sobre [O, 2x1 por una funcin de
la forma clo + u , sen x + a2 sen 2x + h, cos x + 6, cos 2x.
En el primer ejemplo, W es el subespacio de C[O, 11 generado por 1, x y x;, en el
segundo ejemplo, W es el subespacio de C[- 1, 11 generado por 1, @, e& y e3x; y
en el tercer ejemplo, U es el subespacio de C[O, 2n] generado por 1, sen x, sen 2x,
cos x y cos 2x
MEDICIONES
DEL ERROR
Para resolver problemas de aproximacin de los tipos precedentes es necesario

precisar matemticamente la expresin mejor aproximacin sobre [u, b]; para
este efecto se requiere una manera exacta de medir el error que resulta cuando una
funcin continua es aproximada por otra sobre [a. 61. Si slo se quisiera la aproximacin de,flx) en un simple punto xo, entonces el error en x. por una aproximacin g(x) sera simplemente
error =Axo) - g(xo)
que algunas veces se denomina desviacin entre f y g en x. (figura 1). Sin
embargo, se quiere la aproximacin sobre todo el intervalo [u, b], no en un solo
punto. En consecuencia, en una parte del intervalo una aproximacin g, afpuede
tener desviaciones ms pequeas con respecto a f que una aproximacin g, a f ; y
en otra parte del intervalo bien puede ser al contrario. Cmo decidir cul es la
mejor aproximacin global? Lo que se requiere es alguna forma para medir el
error global en una aproximacin g(x). Una posible medida del error global se
obtiene integrando la desviacin Axo) - g(xo) sobre todo el intervalo [a, b]; es
decir,
error =
Figura 1
Desviacin entref y g en X O .
(f(x)- g(x)( dx
9.4 Problemas de aproximacin: series de Fourier i 545
Geomtricamente, (1) es al rea entre las grficas def(x) y g(x) sobre el intervalo
[a,b] (figura 2); mientras mayor sea el rea, mayor es el error global.
El rea entre las grficas d e f y g sobre [u, b ]

mide el error al aproximarfpor g sobre [a,b ] .
Si bien la expresin (1) es natural y geomtricamente atractiva, casi todos

los matemticos y cientfcos suelen inclinarse por la otra medida del error,
denominada error cuadrriticomedio.
I
error cuadrticomedio
El error cuadrtico medio recalca el efecto de errores mayoresdebido a la

elevacin al cuadrado y posee la ventaja adicional de permitir aplicar la teora de
los espacios con producto interior. A fin de ver cmo es posible llevar a cabo lo
anterior, supngase que f es una funcin continua sobre [a, b] que se desea
aproximar por una funcin g de un subespacio Wde C[a,b ] ,y supngase que en C
[a,b] se define el producto interior
J'
(f,
8) =
f(xlg(x) dx
Se concluye que
Ilf
- 81)' = ( f - g, f
g) =
[ f(x) - g(x)I2 dx = 'error cuadrtico medio
de modo que minimizar el error cuadrtico medio es l o mismo que minimizar

llf - g1I2. As, el problema de aproximacin planteado informalmente al ihicio de
esta seccin se puede volvera plantear ms precisamente como sigue:
APROXIMACI~
IN
POR MNIMOS
CUADRADOS
Problema de aproximacinpor mnimos cuadrados. Sea f una funcin que

es continua sobre un intervalo [a,b ] ,sea C[a,b] con el producto interior
y sca Lt' un subespacio de dimensin finita de C[a, b]. Encontrar una funcin g
em CV que minimice
Como Ilf -- gl12 y I(f - gl( son minimizados por la misma funcin g, el problema
precedente equivale a buscar una funcin g en W que sea la ms prxima a f. Pero
por el teorema 6.4.1 se sabe que g = proywf es la funcin (figura 3).
As. se tiene el siguiente resultado.

~
~~~
~~~
Solucin del problema de aproximacin por mnimos cuadrados. Si f es una

funcin continua sobre [u, b ] y W es un subespacio de dimensin finita de C[u,
bl, entonces la funcin g en W que minimiza el error cuadrtico medio
es g = proym: f. donde l a proyeccin ortogonal es conrespecto al producto

interior
La funcin g = proypvf se denomina aproximacin por minimos cuadrados a f

desde W.
Una funcin de la forma

t(X)
+ C'2 cos 2x + . + c, cos nx

+ d , senx + d , sen2x + . . + d , sennx
= co t
L',
cos x
' '
se denomina polinomio trigonomtrico; si c, y

que [(x) es de orden n . Por ejemplo.
[(x) = 2
+ cos x
(2)
u
,'no son cero, entonces se dice
3 cos 2x
+ 7sen4s
9.4 Problemas de aproximacin: series de Fourier
547
es un polinornio trigonomtrico con
El orden de t(x) es 4.
Por (2) resulta evidente que los polinomios trigonomktricos de orden mcnor
o igual que n son las diversas combinaciones lineales posibles de
. . . , cos nx, senx,sen2x,
1, cos x, cos 2x,
. . . , sennx
13)
Se puede demostrar que estas 2n + 1 funciones son linealmente independicnles y

que en consecuencia para cualquier intervalo [ a , b ] forman una base para
subespacio de dimensin (2n + 1) de C[a, 61.
A continuacin se considerar el problema deencontrar la aproximacin por
mnimos cuadrados de una funcin continuaflx) sobre el intervalo [O, 2 z I por u11
polinomio trigonomtrico de orden menor o igual que n. Como ya se mencion, Ea
aproximacin por minimos cuadrados a f desde W es la proyeccin artogonal dc T
sobre W. Para encontrar esta proyeccin ortogonal es necesario delerminar m a
base ortonormal g o , g,, . . . , k,,para W, despus de lo cual es posible calculan I n
proyeccin ortogonal sobre W a partir de la frmula
[vease el teorema 6.3.5). Es posible obtener una base ortonormal para kt/ medianhe
la aplicacin del proceso de Gram-Schmidt a la base (31, usando el producto interior
As se obtiene (ejercicio 6) la base ortonormal

1
m'
go = - g, = -cos x,
g,,
,=
Si se introduce la notacin
VG
1
. . . , g, = __ cos nx,
senx, . . . , g2, = __ sennx
5411
,/
lemas complementarios
entonces al sustituir ( 5 ) en (4) se obtiene

a0
projcvf = ;
+[ u , cos x
+ . . . + u,?cos nx] + [ h ,senx + . . . +- h, sennx]
.
L
donde
En resumen.
Los nimeros
de f.
ao, a19,
. , , a,,,b,, . . . , b,, se denominan coeficientes de Fourier*
Ejemplo 1 Encontrar la aproximacin por mnimos cuadrados de Ax)

[O, 2 nl por
= x
sobre
a) un polinomio trigonomtrico de orden menor o g

iu
a
lque 2;
b) un polinomio trigonomtrico de orden menor o g
iu
a
lque n.
*Jean Soptiste Joseph Fourier (1768-1830) fue un matemtico y fisico francs que descubria
ls series
que llevan su nombre e ideas relacionadas cuando trabajaba en problemas de difksin del calor. Este
descubrimiento es uno de los ms importantes en la historia de l a s matemticas; es la piedra angular de
muchos campos de investigacin matemtica y una herramienta bsica en muchas ramas de la ingeniera.
Fourier, un activista poltico durante la revolucin francesa, fue encarcelado por haber defendido a muchas
victimas durante la Epoca del Terror. Despus se convirti en favorito de Napolen, quien l o nombr barn
y conde.
9.4 Problemas de aproximacin: series de Fourier / S49
Solucin de a).
Para k = 1,2, . . . al integrar por partes se obtiene (comprobar)

2rr
As, la aproximacin por mnimos cuadrados a x en [O, 23t] por un polinomio

trigonomtrico de orden menor o igual que 2 es
a
x--"o + a , cos x + a 2 cos 2x + b , senx + b2sen 2x
2
o bien, por (7a), (7b) y (7c),

x=
7r -
2 senx - sen2x
Solucin de b). La aproximacin por mnimos cuadrados a x en [O. 2n] por un

polinomio trigonomtrico de orden menor o igual que n es
U
x=O
+ [ a ,cos x + . . . + a, cos nx] -t [b, sinx + . . . + b,
o bien, por (7a), (7b) y (7c),
+-
n - 2 (sen X
sen nx
+...+"--n
(sen X +
T -
"
2 (sen X
n - 2 sen X
sennx]
Es natural esperar que disminuya el error cuadrtico medio a medida que

aumenta el nmero de trminos en la aproximacin por mnimos cuadrados
u
fQ
+ 2 uk cos kx + b, sen kx)

k=l
Es posible demostrar que para funciones f en C[O, n] el error cuadrtico medio

tiende a cero cuando n -+ + m ; este hecho se denota con
7-
f(x) =
i-
(uk
cos
kx + bksenkx)
k-l
El miembro derecho de esta ecuacin se denomina serie de Fourier parafsobre el

intervalo C[O, f r ] . Estas series son importantes en ingenieria, ciencias y matemticas. A
DE LA SlECCIibN 9.4
a . Encontrar la aprcxirnacibn por mnimos cuadrados deAx) = 1 + x sobre el intervalo [O,
Z.X]
por
a;) un polinemio trigonomktrico de orden menor o igual que 2.
b) un pclinomio trigonomttrico de orden menor o igual que n.

2. ihconlrar ? a aproximacin por minimos cuadrados deflx) = x2 sobre el intervalo
io, 2x1 por

a) un polinomio trigonomktricode orden menor o igual que 3.
tm p d i n o m i ~trigonomktrico de orden menor o igual que ?J.
;:)
3.
Encorttrar la aproximacin por mnimos cuadrados de x sobre el intervalo [O, I ] por

m a fimcibn de la forma a + b 2 .
iincontr-arcl error cnadrtico medio de la aproximacin.
3)
G ,;
4. a ) finzontrar la aproximacin por
mnimos cuadrados de di sobre el intervalo [O, 11

por un polinomio de la forma a. + a,x.
h)Encontrar el error cuadrtico medio de la aproximacin.
J.
:*) I:ncc;nhar la aproximacin por mnimos cuadrados de sen z x sobre el intervalo [

i I w, un gollllornio da: la forma u. + u , x + u$.
b ) ~ ~ n m ~ t .elr aerror
r cuadrtico medio de la aproximacin.
L
:.;.,
- 1,
ia/i,cdimtcel proceso de Gram-Schmidt, obtener la base ortonomal(5) a partir de la

;;!.;c. ( 3 ) .
9.5 Formas cuadrt~cas 5.51

7. Efectuar las integraciones en (7a), (7b) y (7c).
8. Encontrar la serie de Fourier deAx) = ~t - x sobre el intervalo [O, 2x1
9.5 FORMAS CUADRTICAS

Hasta el momento en este texto se ha hecho nfasis en
decir, ecuaciones de la.forma
/as e c r t ~ ~ i o nlinedes:
e.~
es
El miembro izquierdo de esta ecuacin,
es una funcin de n variables, denominada forma lineal. En una,f)rmarneul Ius

variables estn elevadas a la primera
potencra y en la expresicin no hay producfos
de variables. En esta seccicin se estudiarn funciones en las que los tirrnrnos .\(IF?
cuadrados de variables o productos de dos variables. Estasfuncrones apnrcvn en
una gama de aplicaciones, incluyendo geometra, vibraciones de srstemas vwchnicos, estadstica e ingeniera elctrica.
I
FORMAS
CUADRTICAS
CON DOS
VAKIABLES
Una forma cuadrtica con dos variables, x y y , sedefinecomouna

se
puede escribir como
uxz
cxprcs~5nque
+ 2hXj. + cy*
(1;
Ejemplo 1 Las siguientes expresiones son formas cuadrticas en x y
Si se acuerda suprimir los corchetes en las matrices de I

se puede escribir en forma matricial como
l . entonces ( I )
(Comprobar multiplicando las matrices.) Ntese que la matriz 2 X 2 en (2) es

simtrica, que los elementos en la diagonal son los coeficientes dc los ttrrnlnor, :d
cuadrado y que cada uno de los elementos fuera de la diagonal principal es a
i
mitad de coeficiente deltrmino del producto x y .
S52
Ejemplo 2
2x2
FORMAS
CUADRTICAS
CON n
VARIABLES
+ ~ X J -J 7v2= [X
[: -:][;I
y]
Lasformascuadrticas nose limitan a dosvariables. A continuacinsedefineuna

forma
cuadratica
general.
Definicibn.Unaforma cuadrritica con las n variables xl, x2, . . . , x,, es una
expresin que se puede escribir como
I dondeA es una matriz simtrica den X n.

Si se hace
entonces (3) se puede escribir de manera ms abreviada como

x TAx
(4)
Adems, es posible demostrar que si las matrices en (4) se multiplican, la expresin resultante es dela forma
donde
denota la suma de los trminos de la formaa l p . ,donde xi y xj son variables &ferentes. Los trminos a$zc, denotan trminos de producto cruzado de la forma
cuadrtica.
9.5 Formas cuadrticas / 553
Las matrices simtricas son tiles, aunque no esenciales, para representar

formas cuadrticas en notacin matricial. As, para la forma cuadrtica 2x2 +
6xy - 7 3 del ejemplo 2, el coeficiente del trmino de producto cruzado se podra
separar en 5 + 1 o 4 + 2 y escribir
Sin embargo, las matrices simtricas producen en general los resultados ms

simples, de modo que siempre se usarn. As, cuando una forma cuadrtica se
denote por xTAx se entender que A es simtrica, aun cuando no se especifique.
OBSERVACI~N. Si se usa el hecho de que A es simtrica; es decir, A = AT, entonces (4) se puede expresar en trminos delproducto interior euclilano mediante
xTAx = xT(Ax) = ( A x , x) = (x, A x )
Ejemplo 3 La siguiente expresin es una forma cuadrtica en xl, x2 y x3:

x:
+ 7x:
3x:
+ 4x,x2 - 2x,x3 + 6x,x,
= [x,
x2 x3]
Ntese que los coeficientes de los trminos al cuadrado aparecen sobre la diagonal
principal de la matriz 3 X 3, y que cada uno de los coeficientes de los trminos de
producto cruzado estn separados a la mitad y aparecen en las posiciones fuera
de la diagonal como sigue:
t
:
:
Coeficiente de A
Posiciones en la matriz A
a12 y a21
XlX3
PROBLEMAS EN
QUEAPARECEN
FORMAS CUADRTICAS
'13
y '31
'23
'72
El estudio de formas cuadrticas es un tema extenso que slo se puede mencionar

en esta seccin. A continuacin se presentan algunos problemas matemticos
importantes relacionados con las formas cuadrticas.
554
Encontrar los valores mximo y mnimo de la forma cuadrtica X'AX si x

est restringido de modo que
Qu condiciones debe satisfacer A para que una forma cuadrtica cumpla

la desigualdad xTAx > O para todo x f O?
Si xTAx es una forma cuadrtica con dos o tres variables y c es una
constante, qu perfil tiene la grfica de la ecuacin xTAx = c?
Si P es una matriz ortogonal, el cambio de variable x = Py convierte la
)
Pero P'AP es una matnz
forma cuadrtica xTAx en ( P Y ) ~ A ( P=~y'(PTAP)y.
simtrica si A lo es, de modo queyr(P'AP)y es una nueva forma cuadrtica con
las variables de y . Es importante saber si P se puede elegir de modo que esta
nueva forma cuadrtica no contenga trminos de producto
cruzado.
En esta seccin se estudiarn los dos primeros problemas, y en las secciones
siguientes se estudiarn los dos ltimos. El siguiente teorema proporciona una
solucin al primer problema. Ea demostracin se pospone hasta el final de la
seccin.
Teorema 9.5.1. Sea A una matriz simtrica n x n cuyos eigenvalores en orden

decreciente son A , IA2 2 . . 2 An. Si x se restringe de modo que llxll = 1 con
respecto al producto interior euclidiano sobre R", entonces:
a)
A, 2 X ~ A X2 A,.
b ) xTAx = A,, si x es un eigenvector de A correspondiente a An y xTAx = 1, si x

es un eigenvector de A correspondiente a A,.
Por este teorema se concluye que sujeta a la restriccin

( ( X I /= (x:
+x;
+ ... +x
y=1
,I,
la forma cuadrtica xTAx tiene un valor mximo de (el eigenvalor ms grande)

y un valor mnimo de I n (el eigenvalor ms pequeo).
Ejemplo 4 Encontrar los valores mximo y mnimo de la forma cuadrtica

x: 4-x;
+ 4x,x,
.Y:
sujeta a la restriccin T x; = 1, y determinar los valores de x1 y

ocurren el mximo y el mnimo.
Solucin. La forma cuadrtica se puede escribir como
x: + x i
+ 4x,x2 = X'AX
= [x,
xz
en que
9.5 Formas cuadrticas 1 555
det( dZ - A ) = det [A,,
=d2d-3=(d-3)(d+
A2:1]
1)=0
As, los eigenvalores de A son L = 3 y L = - 1, que son los valores mximo y

mnimo, respectivamente, de la forma cuadrtica sujeta a la restriccin. Para encontrar los valores de x1 y x2 en que ocurren estos valores extremos es necesario
encontrar los eigenvectores correspondientes a estos eigenvalores y luego normalizarlos para satisfacer la condicin x: t = 1.
Se deja al lector demostrar que dos bases para los eigenespacios son
<
Normalizando cada uno de estos eigenvectores se obtiene
As, sujeto a la restriccin x:

= 3,
<
= 1, el valor mximo de la forma cuadrtica es A
que ocurre si x1 = I/J z , x2 = 1/ J z , y el valor minim0 es
- 1, que ocurre
si x1 = l/&, x2 = - l/&. Adems, se puede obtener otras bases para los

eigenespacios al multiplicar por -1 los vectores bsicos anteriores. As, el valor
mximo, A = 3, tambin ocurre si x1 = - 1/&,
L = -1, tambin ocurre si x1 = - 1/&,

MATRICES
POSITIVAS
DEFINIDAS Y
FORMAS
CUADRTICAS
xz =
x2 = l/&.
-l/fi
y el valor mnimo,
Definicih. Una forma cuadrtica xTAx se denomina positiva definida si x*Ax >
O para todo x f O, y una matriz simtrica A se denomina matriz positiva
definida si xTAx es una forma cuadrtica positiva definida.
El siguiente teorema es el resultado principal sobre matrices positivas definidas.

Teorema 9.5.2. Una matriz simtrica A es positiva definida si y slo si los
eigenvalores de A son positivos.
Demostracin. Supngase que A es positiva definida y sea A cualquier
eigenvalor de A . Si x es un eigenvector de A corresponhente a A, entonces x f O y
A x =Ax, de modo que
o < X ~ A X= x r a x = axrx
= a11x112
(6)
donde llxll es la norma euclidiana de x. Como llx112 > O, se deduce que L > O, qui es
lo que se quera demostrar.
556
/'
Recprocamente, supngase que los eigenvalores de A son positivos. Se debe

demostrar que xTAx > O para todo x f O . Pero si x f O , es posible normalizar x
para obtener el vector y = x/llxll con la propiedad de que llylj = 1. Ahora, por el
teorema 9.5.1 se concluye que
donde I n es elmenor eigenvalor de A . As,
Multiplicando por lx112 se obtiene

xTAx > O
que es lo que se quera demostrar. U
Ejemplo 5 En el ejemplo 1 de la seccin 7.3 se demostr que la matriz simtrica
El siguiente objetivo es proporcionar un criterio que se pueda usar para

determinar si una matriz simtrica es positiva definida sin necesidad de encontrar
sus eigenvalores. Para esto ser de utilidad introducir algo de terminologa. Si
all
A=
[a;l
an,
"2
".
".
an2
...
a12
::j
ann
es una matriz cuadrada, entonces las subm&ces principales de A son las

submatrices formadas a partir de los r primeros renglones y de las r primeras
columnas de A para r = 1,2, . . . , n. Estas submatrices son
r-
Teorema 9.5.3. Una matriz simtrica A es positiva definida si y slo si el

determinante de toda submatriz principal es positivo.
Se omite la demostracin.
Ejemplo 6 La matriz
es positiva definida, ya que

2
121=2,
;I
2
=3,
-1
-3
-1
4 =I
-3
todos son positivos. As, se garantiza que los eigenvalores de A son positivos y que
xTAx > O para todo x # O . A
OBSERVACI~N.
Una matriz simtrica A y la forma cuadrtica xTAx se deno-
minan
positiva semidefinida
negativa dejinida
negativa semidefinida
indefinida
si xTAx 2 O para todo x.

si xTAx < O para x # O .
si xTAx 5 O para todo x.
si xTAx tiene valores tanto positivos
como
negativos.
Los teoremas 9.5.2 y 9.5.3 se pueden modificar de manera evidente a fin de que
sean vlidos para los tres primeros tipos de matrices. Por ejemplo, una matriz simtrica A es positiva semidefinida si y slo si todos sus eigenvalores son no negativos. Tambin, A es positiva semidefinida si y slo si todas sus submatrices
principales tienen determinantes no negativos.
OPCIONAL
Demostracin del teorema 9.5.la.Como A es simtrica, por el teorema 7.3.1 se
concluye que existe una base ortonormal para R" que consta de eigenvectores de A .
558
;'
Supngase que S' = { vl, v2, . . . , v,,) es esa base, donde vl es el eigenvector
correspondiente al eigenvalor A,. Si ( , } denota el producto interior euclidiano,
entonces por el teorema6.3.1 se concluye que para cualquier x en R"
x = (x, V l > V l
+ (x, v2)v2+
' ' '
+ (x, v,)v,
Por tanto,
A x = (x, VI)AV,
+ (x,v2)Av2+ . . . + (x, v,)Av,

v,)d.,v, + . . . + (x, v,)d,v,
+
v2)v2+ . . . + a,(x, v,)v,
= (x, V I ) h l V ~+(x,
=
al(x,
Se concluye que los vectores de coordenadas para x y A x con respecto a la base S

son
(4s
(Ax),
((x,
VI),
= (LAX,
(x, v2) . . . , (x, va>>
VI), d2(x, v,), . . . , U
X ,
v,))
As, por el teorema 6.3.2ay el hecho de que llxll = 1 se obtiene

(IXI(Z =
(x, Ax)
(x,
VI),
+ (x, V2)*
dI(X,v 1 ) 2 + &(x,
+ (x, V,)* = 1
v2)2 +
+ &(x, v,)2
f.
'
' ' '
Con estas dos ecuaciones y la frmula (5) se puede demostrar que xTAx
sigue.
1, como
+ d,(x, v2)2 + . . . + &(x, V,)*

S al(x,
+ a,(x, v2)2 + . . + A , ( ~V,)2
,
=
v 1 ) 2 + (x,v2)* + . . . + (x, v,)2)
xTAx = (x,Ax) = d,(X, v,)*
dl
La demostracin de que An xTAx es semejante y se deja como ejercicio.
Demostracin de teorema 9.5.lb. Si x es un eigenvector de A correspondiente a

I, y llxll = 1, entonces
xTAx = (x, Ax) = (x, d l x ) = h , ( x , X > = d l ~ ~=xk~1 ~ 2
De manera semejante, xTAx = An si 11x11 = 1 y x es un eigenvector de A

correspondiente a I,. 0

1. Cules de las siguientes
a) x' - t 6 . r y
expresionesson formas cuadrticas?

b) 5 ~ :- 2.x:
c)
2 4x:
3x5 + x;
5.r,x3

d) x:
7x:
+ x: + 4x,x2x3
e) xIx2 - 3xlx3 + 2x2x3
f)
X:
6 ~ : .xI
5x2
8 ) (x I - 3x2
h) (xI - x ~ +
) ~
2(xI + 4x2)
2. Expresar las siguientes formas cuadrticas en la notacin matricial xTAx, donde A es
una matriz simtrica.

a) 3x:
+ 7xi
b) 4x:
9 x i - 6xlx2
c) 5x:
+ 5xIx2
d) - 7 ~ 1 %
3. Expresar la siguientes formas cuadrticas en la notacin matricial xAx, donde A es
una matriz simtrica.

a) 9x: -x2
C)
~1x2
e) x:
+ 4x: + 6 x 1 ~ 2- 8 ~ 1 . ~+3
b) x:
~ 2 x 3
+~2x3
+ x:
- x: - x i
+X:
- 3 ~ -: 5xIx2+ 9 ~ 1 . ~ 3
d) V?X: -
~1x3
+ 2x,x, - 10x,x4+ 4 ~ ~ x 4
+ 2\fh1x2
8 ~ ~ 1 x 3
4. En cada inciso, encontrar una frmula para la forma cuadrtica en la que no aparezcan
5. En cada inciso, encontrar los valores mximo y mnimo de la forma cuadrtica sujeta a
la restriccin x! + x; = 1 y determinar los valores de x1 y xz en los que ocurren los
valores mximoy mnimo.
b) 7x: 4x: xlxz
c) 5x: 2x2 - xIx2 d) 2.r: +x: + 3X,X2
a) 5x: -x:
6. En cada inciso, hallar los valores mximo y mnimo de la forma cuadrtica sujeta a la
restnccin x: + +
= 1 y determinar los valores de xl, .xz y .x3 en los que ocurren
los valores mximosy mnimos.
44
a) x: + x i
c) 3x:
+ 2x:
2xlx2
+ 4x,x3 + 4x2x3
+ 2x: + 3x: + 2x,x3
b) 2x:
+ x;
+x:
+ 2xlx3 + 2x,x2
7. Mediante el teorema 9.5.2, determinar cules de las siguientes matnces son positivas
definidas.
8. Con el teorema 9.5.3, determinar cules de las matrices del ejercicio 7 son positivas
definidas.
9. Usando el teorema 9.5.2, determinar cules de las siguientes matrices son positivas
def~das.
560
IO. Por medio del teorema 9.5.3, determinar cuides de las matrices del ejercicio 9 son posidefinidas.
tlvas
11. En cada inciso, clasificar la forma cuadrtica como posltiva defmida, positiva semide-
finida, negativa definida, negativa semidefinidao indefinida.

.Y; + .Y:
b)
- 3 ~ :
C) ( X , - x2)*
d j --(xl - xz)'
e) .x: --x:
f ) x,xz
--X:
a)
12. En cada Inciso, clasificar la matnz como positiva definida, positiva semidefinida, nega-
tiva definida, negativa semidefinida o indefinida.

a)
d)
-:-:-81
O 0 0
e) [O O O]
fj
[A y
O 0 1
O 0 0
13. Sea X'AX una forma cuadrtica en x I ,x

,x,; definir T:Rn+ K por T(x) = x'dx.
a) Demostrar que T(x + y) = T(x) + 2x Ay + ?"(y). b) Demostrar que T ( b ) = pT(x).
c) ,Es T una transformacin lineal? Explicar l a respuesta.
F.'
14. En cada inciso, encontrar los valores de k con los que la forma cuadrtica es positiva
definida.
a) x: + kx:
c) 3 x i + .x:
4.x1x,
b) 5 ~ +
:
X:
+ kx: + 4 ~ ~ -x 2 ~ ~ x 3~ x , x ,
-
+ 2 4 + 2x1x3+ 2k.rzx3
15. Expresar la forma cuadrtica (c,x, + czyz
. .
+ C~X,)~ en notacin matricial xTAx,
donde A es simtrica.
se denomina media a la muestra de x,, x2, . . . ,xn, y
se denomina variancia de la muestra.

a)Expresar la forma cuadrtica S', enla
notacin matricial xTAx, donde A es
simtrica.
b) ,Es S', una forma cuadrtica positiva definida? Explicarla respuesta.
17. Cnmpletar la demostracin del teorema 9.5. I probando que I n 5 xTAx si llxll = 1 ya,
= xTAx si x es un eigenvector de A correspondiente a An.
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas 1 561
9.6 DIAGONALIZACIN DE FORMAS CUADf3TICAS; SECCIONES
C~NICAS
En esta seccin se mostrar cmo eliminar, cambiando las variables, los trminos
de producto cruzado que hay en unaforma cuadrtica, y los resultados se usarn
para estudiar las grJcasde secciones cnicas.
DIAGONALIZACIN DE
FORMAS
CUADRTICAS
Sea
xTAx = [xI x2
..
'
x,]
una forma cuadrtica, donde A es una matriz simtrica. Por el teorema 7.3.1 se
sabe que existe una matriz ortogonal
P que diagonalizaaA; es decir,
:I
donde Al, A2, . . . ,A,, son los eigenvalores deA . Si se hace
Y=
Y"
donde y,, y,, . . . ,y, son variables nuevas,y si en (1) se efecta la sustitucinx =
P y , entonces se obtiene
X~A=
X ( P Y ) ~ A P=
Y yTPTAPy= yTDy
Pero
56.2
7emas complementarios
que es una forma cuadrtica sin trminos de producto cruzado.

En resumen, se liene el siguiente resultado.
Teorema 9.6.1. Sea xTAx una forma cuadrtica en las variables xl, x,, . . . ,
x,, donde A es simtrica. Si P diagonaliza ortogonalmente a A y si las nuevas
variables -y1, y,, , . , , y , estn dejnidas por la ecuacin x = P y , entonces al
sustituir esta ecuacin en xTAx se obtiene
x T A x = y7By =
donde A,. A2.
..
a,?; + A2y; + . . + A,;.

'
. .A , son los eigenvalores de A y
a, o
D=P%P=
I10
o
.
" '
d2 . . . O
.
...
,;
Se dice que la matriz P de este teorema diagonafiza ortogonafmente la forma

cuadrtica, o que reduce f aforma cuadrtica a una suma de cuadrados.
Ejemplo 1 Encontrar un cambio de variable que reduzca la

forma cuadrtica
x: - x i - 4x,x2 + 4x2x3a una suma de cuadrados, y expresar la forma cuadrtica
en trminos de las nuevas variables.
Solucin.
La forma cuadrtica se puede escribir como
La ecuacin caracterstica de la matriz 3 x 3 es

2 - 1
A
-2
o
-2
a-tl
=a3-9d=A(d+3)(A-3)=O
de modo que los eigenvalores son A = O, A = -3, A = 3. Se deja al lector demostrar

que las bases ortonormales de los tres eigenespacios son
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas
I'
563
As, la sustitucin x = Py con que se eliminan los trminos de producto cruzado es

x , = Qy,- iY, - UY3
2
x2 = +y, - QY2 + %Y3
x3 = Q y ,+ QY2 + +Y3
La nueva forma cuadrtica es
- 3y: + 3Y: A
Hay otros mtodos para eliminar los trminos deproducto
cruzado de una forma cuadrtica, perono sern analizados aqu. Dos de los
mtodos, la reduccin de Lagrange y la reduccin de Kronecker se estuhan en
textos ms avanzados.
OBSERVACI~N.
SECCIONES
CNICAS
A continuacin se aplicar l o aprendido hasta ahora sobre formas cuadrticas al
estudio de ecuaciones de la forma

ax2 + 2bxy
+ cy2 + dx + ey + f = O
(2)
donde a, 6, . . . ,f son, todos, nmeros reales y por lo menos uno de los nmeros a,
b, c es diferente de cero. Una ecuacin de este tipo se denomina ecuacin
cuadrcibica en x y y , y
ax2 + 2bxy
+ cy2
se denominaforma cuadrtitca asociada.
Ejemplo 2 En la ecuacin cuadrtica

3x2 + 5 x y - 7y2 + 2x + 7 = o
las constantes en (2) son
564
lentas cumplernentarios
0
= 3.
h :r
2,
z: ---
,(
d=2,
f=7 A
p=o,
Ejemplo 3
4x2
5.v
i8v+
I\
+y =o
9=o
4x
5y
xv
Las grfkas de ecuaciones cuadrticas en x y y se denominan cnicas o

secciones cnicas. Las cnicas ms importantes son las elipses, circunferencias,
hipdrbolas y parbolas; estas curvas se denominan cnicas no degeneradas. Las
dems cnicas se denominan degeneradas e incluyen los puntos simples y 10s
pares de rectas (vase el ejercicio 15).
Se dice que una cnica no degenerada est en posicin normal con respecto
a los ejes de coordenadas si su ecuacin se puede expresar en una de las formas
dadas en l a figura 1.
k<l
x
k
k>l
[- 1; k. 1 > O
Fhperbola
Figura 1 (contina en la pgina 565)
k=l
9.6 Diagonalizacin de formas cuadrticas; secciones conicas / 565
.v2 = kx
Parbola
x2 = ky
Parbola
Figura 1
x2
y2
-+-=
4
9
x2
y2
lesdelaforma-+-=
k2 l 2
1 con k = 2 , 1 = 3
Por tanto, su grfca es una elipse en posicin normal que corta el eje x en (-2, O)
Y (2,O) Y al ejey en (O, -3) Y (0, 3).
L a ecuacin x2 - S 2 = - 16 se puede escribir de nuevo como ,912 - x2/16
= 1, que
es de la forma glk - x2/1= 1, con k
J2,1= 4. Por tanto, su grfica es
una luperbola en posicin normal que corta al ejey en (O, - JiT y (O, J2 1.
La ecuacin 5x2 + 2y = O se puede volvera escribir como x2 = - *y. que es
de la forma 2 = ky con k = Como k < O, su grfca es una parbola en
posicin normal cuyas ramas se abren hacia abajo, A
3.
IMPORTANCIA
DEL TRMINO
DE PRODUCTO
CRUZADO
Obsrvese que ninguna cnica en posicin normal tiene trmino xy (es decir,
trmino de producto cruzado) en su ecuacin; la presencia de un trmino xy en
la ecuacin de una cnica no degenerada indica que la cnica no est rotada en la
posicin normal y ha girado (figura 2a). Tambin, ninguna cnica en
posicin
normal tiene a la vez un trmino x* y un termino x o un termirno y 2 y un t.Cr;runo
y . Si no hay tnnino de producto cruzado. entonces la aparici6n de cualquiera de
estas parejas en la ecuacin de una cnica degeneradaindica que la cnica est6
trasladada fuera de la posicin nonnal (tigura 33).
566 / Temas complenzentarios
Una tcnica para identificar la grfica de una cnica no degenerada que no

est en posicin normal consiste en girar y trasladar los ejes de coordenadas xy a
fin deobtener un sistema de coordenadas x y con respecto al cual la cnica est en
posicin normal. Una vez hecho lo anterior, la ecuacin de la cnica en el sistema
x y es de una de las formas dadas en la figura 1, por lo que se puede identificar
fcilmente.
h)
c.)
piq
Rotacin y traslacin
Ejemplo 5 Como la ecuacin cuadrttica

2 x 2 + + * - 1 2 ~ - 4 , ~ +1 8 ~ 0
contiene trminos 2,
x, 3 y y pero no contiene trmino de producto cruzado, su
grfica es una cnica que no est en la posicin normal y se ha trasladado pero no
ha girado. Esta cnica se puede colocaren posicin normal trasladando de manera
apropiada los ejes de coordenadas. Para lograrlo, primero se agrupan los trminos
x y y. As, se obtiene
(2x2 - 1 2 ~ ) ( y 2- 4y) + 18 = O
o bien,
2(x2
6 ~ +) ( y 2- 4y)
18
Completando el cuadrado* en ambas expresiones entre parntesis se obtiene

2(x2 - 6~ + 9) + ( y 2- 4~ + 4)
o bien,
2(x - 3)2
+(y
18
+ 18 + 4
2)* = 4
* Para completar al cuadrado una expresin de la forma x2 + px se suma y resta la constante @/2)2para
obtener
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas / 567
Si los ejes de coordenadas se trasladan por medio de las ecuaciones de traslacin

x"x-3,
y'=y-2
entonces (3) se convierte en

2x'2
+ y'* = 4
o bien,
X
-+"=I
I2
Y'*
4
que es la ecuacin de una elipse en posicin normal en el sistema x?. Esta elipse
se muestra en la figura 3. A
Figura 3
ELIMINACIN
DEL TRMINO
DE PRODUCTO
CRUZADO
A continuacin se mostrar cmo identlficar cnicas que no estn en la posicin

normal por haber girado. Si en las matrices 1 x 1 se omiten los corchetes, entonces (2) se puede escribir en forma matrlcial como
xTAx+Kx+ f = O
donde
Ahora, considrese una cnica C cuya ecuacinen coordenadas xy es

x'Ax+Kx+ f = O
Se quiere girar los ejes de coordenadas xy de modo que la ecuacin de la cnica en

el nuevo sistema xy no contenga trmino deproducto cruzado. Esto sepuede
lograr como se muestra enseguida.
Paso 1.
Encontrar una matriz
que diagonalice ortogonalmente la forma cuadrtica xTAx.

Paso 2.
Intercambiar las columnasde P , encasodesernecesario,para

hacer det(P) = 1 . Esto asegura que la transformacin ortogonal
de coordenadas
x
= Px,
esto es,
[;]
=p[;:]
es una rotacin.
+f =O
+f =O
(Px)7A(Pxr) K ( P x )
o bien,
( x ) ~ ( P ~ A P ) x(KP)x
(6)
Como P diagonaliza ortogonalmente a A ,
londe A , y A, son eigenvalores de A . As. (6) se puede volver a escribir como
[donde d = dp, + ep21 y e = dp,, + ep,,). Esta ecuacin no contiene trmino

je producto cruzado.
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas / 569
Este anlisis se resume en el siguiente teorema.
Teorema 9.6.2. (Teorema de los ejes principales para R'). Sea

ax2
+ 2bxy + cy2 + dx + ey + f
=O
la ecuacin de una cnica C,y sea
xrAx
= ax2
+ 2bxv + cy2
la forma cuadrctica asociada. Entonces los ejes de coordenadas se pueden

girar de modo que la ecuacin de C en el nuevo sistema de coordenadas x y
sea de la forma
jl,xr2
+ A2yI2+ d'x' + e'y'
tf =O
donde 1, y A2 son los eigenvalores de A . La rotacin se puede efectuar

mediante la sustitucin
= Px'
donde P diagonaliza ortogonalmente a xTAx y det(P) = l .
Ejemplo 6 Describir la cnica C cuya ecuacin es 52 - 4xy + 8 3 - 3
=O
Solucin. La forma matricial de esta ecuacin es
X'AX - 36 = O
donde
de modo que los eigenvalores de A son 1 = 4 y 1 = 9. Se deja para el lector demostrar que bases ortonormales para los eigenespacios son
570
/'
Asi,
P=
2'l v' V
33
"7
2/v3
diagonaliza ortogonalmente a aTAx. Adems, det(P)

transformacin ortogonal de coordenadas
x
1, demodoque
la
(8)
= Px'
es una rotacin. Sustituyendo (S) en (7) se obtiene

( P x ' ) ~ A ( P x' ) 36 = O
o
( X ' ) ~ ( P ' A P ) X-' 36 = O
Como
PTAP=
lo
4 0
9]
esta ecuacin puedeescribirse como
4 ~ " 9 ~ ' '- 36
que es la ecuacin de la elipse mostrada en la figura 4. En esa figura. los vectores

v, y v 2 son los vectores columna de P. A
9.6 Diagonalizacin de formas cuadrticas; secciones cnicas 1 571
Ejemplo 7 Describir la cnica C cuya ecuacin es

20
80
5x2-4xy+8y2+-~--y+4=0
v5v5
Solucin. La forma matricial de esta ecuacin es

xTAx+Kx+4=0
donde
Como se muestra en el ejemplo 6,
di ,onalizaortogonalmente a xTAx. Sustituyendo x = Px en (9) se obtiene
(PX>~A(PX)K(Px)
+4 =O
o bien,
( X ) ~ ( P ~ A P+
) X(KP)x
+4 =O
(10) se puede escribir como
4 ~+ 9 ~~ 8 ~- 3 6 ~ 4 = O
Para que la cnica est en posicin normal es necesario trasladar los ejes x y
Procediendo como en el ejemplo 5, (1 1) se vuelve a escribir como
4(x2 - 2x) + 9(y2 - 4y) = -4
Completando los cuadrados se obtiene

4(d2 - 2 ~ + 1) + 9 ( ~- 4y
~
+ 4)
-4
+ 4 + 36
o bien,
4 ( ~' I)2
+ 9( y'
2)'
= 36
Si los ejes de coordenadas se trasladan mediante las ecuaciones de traslacin
=X'
1,
y'
= j/
"
entonces (12) se convierte en
4 ~ ' ' 9yn2

~
= 36
o bien.
que es la ecuacin de la elipse mostrada en la figura 5. En esa figura, los vectores

v1 y v2 son los vectores columna de P. A

1. En cada inciso, encontrar un cambio de variable que reduzca la forma cuadrtica a una
suma o diferencia de cuadrados, y expresar la forma cuadrtica en trminos de las

nuevas variables.
a) 2x: + 2.4 - 2x,x2 b) 5.4 2x2 + 4x,x2 c ) 2x,x2
d) -3n: + 5 x t i- 2,r,s,
9.6 Diagonalizacin de formas cuadrticas; .secciones cnicas 1 573
2. En cada inciso, encontrar un cambio de variable que reduzca la forma cuadrtica a una
Suma 0 diferencia de cuadrados, y expresar la forma cuadrtica entrminos de las
nuevas variables.
a) 3.4 + 4xz + 5x: + 4x1x2- 4~2x3
b) 2.4 + 5 ~ +
: 5 4 + 4x,-x2- 4x,X3 - 8X2X3
C) - 5x: + X: - X: + 6 1 , +
~ 4~~ 1 x 1
d) 2~1x3+ 6x2~3
3. Encontrar las formas cuadrticas asociadas a las siguientes ecuaciones Cuadraticas.
a) 2-x2- 3sy + 4y
7x
+ 2.v + 7 = O
b) x - xy + 5x + 8y - 3 = O
e) y 2 + 7x - 8v - 5 = O
d ) 4x2 - 2 ~ =
7
c) 5xy = 8
4. Encontrar las matnces de las formas cuadrticas del ejercicio 3.
5. Expresar cada una de las ecuaciones cuadrticas del ejercicio 3 en la forma matricial
XAX
+ Kx + f = O.
6. Identificar las siguientes cnicas.

a) 2s + 5y2 = 20
b) 4x2 9y2= 1
e) x2 + y 2 - 25 = O
f) 7y2- 2x = O
2
i) y - s 2 = o
J ) X - 3 = -y2
c) x2 - y 2 - 8 = O
d) 4y2 - 5x2 = 20
h) 3~ - 1 ly2 = O
g) -x2 = 2y
7. En cadainciso,la cnica estar enposicinnormalpormedio

de una traslacin.
Identificar la cnica y proporcionar su ecuacin en el sistema de coordenadas trasladado.
b) x - 16y2+ 8n + 1 2 8 =
~ 256
a) 9x2 + 4,v - 36.x - 24y + 36 = O
C) -y2 - 8 s - 14.v + 49 = O
e) 2x2 - 3y2 6x 20y = -41
d ) x 2 + y 2 + 6 s - ~ O < V +1 8 = 0
f ) x2 + 1 0 +~ 7~ = -32
+ +
8. Las siguientes cnicas no degeneradas estn rotadas fuera de l a posicin normal y han
grado. En cada inciso, grar los ejes de coordenadas para eliminar el trminox y . Identificar
la c h i c a y proporcionar su ecuacin en el sistema de coordenadas queha girado.
a) 2 s 2 - 4 x , v - y 2 + 8b=)0x 2 + 2 x y + y 2 + 8 ~ + y = O
c) 5x2 + 4sy + S$ = 9
d ) 1 1x 2 + 2 4 . +
~ 4-V
~ - 15 = O
En los ejercicios del 9 a 14, trasladar y girar los ejes de coordenadas, en caso de ser necesario, a fin de que la cnica est en posicin normal. Identificar la cnica y proporcionar su
ecuacin en el sistema de coordenadas final.
9. 9s - 4Xy + 6 ) ~
- ~10s - 20,V
10. 3x2 - 8.w~- 1 2 ~ 3 0 . ~- 64,~= O
11. 2 x 2 - 4 ~ . ~ - y 2 - 4 x - 8 v = - 1 4
13.
X -
6xy - 7 ~ +
1 O X + 2~3+ 9
12. 21x
+ 6sy + 13y2
1 1 4 ~ 34.v + 73 = O
14. 4 ~ 20.~1) 2 5 ~ - 15s - 6y = O
15. La grfica de una ecuacin cuadrtica en x y y puede, en ciertos casos, ser un punto,
una recta o un par de rectas. Estas cnicas se denominan degenerodas. Tambin es

posible que ningn valor real de x y y satisfaga la ecuacin. En estos casos la ecuacin
no tiene grfica; se dice que representa una c h i c a imaginaria. Cadauna de las
siguientes expresiones representa una cnica de-generada o imaginaria. Cuando sea posible, trazar la grfica.
a) x* -.v2 = O
b) S + 3y2 + 7 = O
C) 8 x 2 + 7 y 2 = O
d)x2-2xy+,v=O
e) 9 x 2 + 1 2 s y + 4 y 2 - 5 2 =f0) s + y 2 - 2 x - 4 y -=5
574
9.7 SUPERFICIES CUADRICAS

Enestaseccin
se aplicarn las tcnicas de diagonalizacinobtenidas en la
seccin precedente a ecuaciones cuadrticas con tres variables, y los resultados
se usarn para estudiar superficies cudricas.
SUPERFICIES
CUDRKAS
Una ecuacin de la forma

ax2 + by2 + cz2 + 2dxy
+ 2exz + 2fyz + gx + hy + iz + j = O
donde notodos los coeficientes a, 6,

cuadrtica en x, y , y z; la expresin
ax2
(1)
, f son cero se denomina ecuacin
+ by' + cz' + 2dxy + 2exz + 2f y z
se denominaforma cuadrtica asociada.

La ecuacin (1) se puedeescribir en forma matricial como
[x y
o
z]
[:;:I[:]
d
b f
[:I
+[g h
i] y
+j=O
xTAx+Kx+j=O
donde
Ejemplo 1 La forma cuadrtica asociada con la ecuacin cuadrtica
3x2 + 2y2 - z 2 + ~ X , V
- 8yz + 7~ + 2 y + 3~ - 7 = O
~ X Z
es
3x2
+ 2y2
- z2
+ 4xy + 3xz
8yz A
Las grfkas de ecuaciones cuadrticas con variables x, y y z se denominan

superficies cudricas. Las ecuaciones ms simples de superficies
cudncas ocurren cuando estas superficies se colocan en ciertas posiciones
normales con respecto a los ejes de coordenadas. En la figura 1 se muestran las
seis superficies cudricas bsicas y las ecuaciones de estas superficies cuando stas
se colocan en las posiciones normales mostradas en la figura. Si una superficie
cudrica es cortada por un plano, entonces la curva de interseccin se denomina
traza del plano sobre la superficie. Para ayudar a conceptualizar las superficies
cddricas de la figura 1, se muestran y describen las trazas formadas por planos
cudricas o
9.7 Superjcies cudricas
/I
575
paralelos a los planos de coordenadas. La presencia de uno o ms trminos de

producto cruzado xy, xz y yz en la ecuacin de una cudrica indica que la cudrica
est fuera de la posicin normal y se ha girado; la presencia de ambos trminos x2
y x, 2 y y o z2 y z en una cudrica sin trmino de producto cruzado indica que la
cudrica est trasladada fuera de la posicin normal.
Ecuacin
Superficie
Superficie
Ecuacin
Cono elptico
'
Los trazos en los planos de

coordenadas son elipses, as
como los trazos en los planos
paralelos a los planos de
coordenadas.
IHiperboloide I
Ide unahoja 1
"
Y A
V'
2'
m'
n2
"+""=
I'
El trazo en el plano xy es un
punto (el origen), y los trazos
en los planos paralelos al
plano xy son elipses. Los
trazos en los planos yz y xz
son pares de rectas que se
cortan en el origen. Los trazos
en los planos paralelos a stos
son hiprbolas.
Paraboloide elptico
El trazo en el plano xy es una

elipse, as como los trazos en
los planos paralelos al plano
xy. L o s trazos en los planos
yz y xz son hiprbolas, as
como los trazos en los planos
paralelos a stos.
IHiperboloide de I
dos hojas
x
' - = -z'
- + - -"'
I'
m'
n2
Vo hay trazoen el plano x y .
En los planos paralelos al

)lano x y , que cortanla
uperfkie, los trazos son
:lipses. En los planosyz yxz
os trazos son hiprbolas, a s
:om0 los trazos en los planos
malelos a stos.
I
punto (el origen), y los trazos
en los planos paralelos y por
encima del plano xy son
elipses. Los trazos en los
planos yz y xz son parbolas,
a s como los trazos en los
planos paralelos a stos.
Paraboloide hiperblico
1
V2
-~ y'
x'
"
"
m'
I'
par de rectas que se cortan en
el origen. Los trazos en los
planos paralelos al plano xy
son hiprbolas. Las hiprbolas
por encima del plano xy se
ls
abren en la direccin y, y a
que es^ por abajo lo hacen
:n la direccin x. Los trazos
m los planos yz y xz son
mrbolas, a s como los trazos
:n los planos paralelos a stos.
576
/'
Ejemplo 2 Describir la superficie cudrica cuya ecuacin es

4x2 + 3 6 ~ '- 9z2 - 1 6 -~216~1+304 = 0
Solucin. Al reagrupar los trminos se obtiene
4 ( ~ '- 4x1
+ 36(,~'- 6 ~ ) 9z2
-
--
304
Completando el cuadrado de los binomios entre parntesis se obtiene

4(x2 - 4~
+ 4) + 3 6 ( ~ '
6.y
+ 9)
9 2 = -304
+ 16 + 324
4 (~ 2)2 + 36(y - 3)' - 9z2 = 36

O
(x
2)'
Z2
+(y-3)2--=
Trasladando los ejes por medio delas ecuaciones de traslacin
se obtiene
que es la ecuacin de un hiperboloide de una hoja. A

ELIMINACIN
DE LOS
TRMINOS DE
PRODUCTO
CRUZADO
El procedimiento para identificar cddricas que estn fuera de la posicinnormal

y se han girado, es semejante al procedimiento para las cnicas. Sea Q una superficie cudrica cuya ecuacin en coordenadas xyz es
xTAx+Kx+j=O
(2)
Se quiere girar los ejes de coordenadas xyz de modo que la ecuacin de la cudrica
en el nuevo sistema de coordenadas xlylz' no contenga trminos deproducto
cruzado. Esto se puede efectuar como sigue:
Paso 1.
Paso 2.
Encontrar una matriz P que diagonalice ortogonalmente a xTAx.

Intercambiar dos columnas de P, en caso de ser necesario, a fin de
hacer det(P) = 1. Esto asegura que la transformacin ortogonal de coordenadas
9.7 Super-cies cudricas i 577
es una rotacin.
Paso 3.
Sustituir ( 3 ) en (2). As se obtiene una ecuacin para la cudrica en

coordenadas x'y'z' sin trminos de producto cruzado. (La demostracin es semejante a la de las cnicas y se deja como ejercicio.)
El siguiente teorema resume este anlisis.
Teorema 9.7.1. (Teorema delos ejes principales paraR3). Sea

ux2
+ by2 + cz2 + 2dxy + 2exz + 2fyz + gx + hy + iz + j = O
la ecuacin de una cudrica Q, y sea

xTAx = ax2 + by2 + cz2
+ 2dxy + 2exz + 2fyz
la forma cuadrtica asociada. Los ejes de coordenadas se pueden girar de

modo que la ecuacin de Q en el sistema de coordenadas x'y'z' sea de la forma
donde A,, A2 y A3 son los eigenvalores de A . La rotacin se puede efectuar por

medio de la sustitucin
x
= Px'
donde P diagonaliza ortogonalmente a xTAxy det(P) = l .
Ejemplo 3 Describir la superficie cudrica cuya ecuacin es

4x2
+ 4y2 + 4z2 + 4xy + 4xz + 4yz
Solucin. La forma matricial de la ecuacin cuadrtica anterior es

X'AX
=O
donde
Como se muestra en el ejemplo 1 de la seccin 7.3, los eigenvalores de A son 1 = 2

y A = 8, y A es diagonalizada ortogonalmente por la matriz
5 78
donde los dos primeros vectores columna en P son eigenvectores correspondientes

I= 2 y el tercer vector columna es un eigenvector correspondiente a 1 = 8.
a,
Como det(P) = I (comprobar), la transformacin ortogonal de coordenadas x
= Px es una rotacin. Sustituyendo estaexpresin en (4) se obtiene
( P x ) 7 A ( P x ) 3 =o

(x)7(P?4P)x- 3 = O
Pero
[: :]
2
PTAP=
de modo que (5) se convierte en
o bien,
2s* + 2y*
+ 82
=3
La ecuacin anterior se puede volvera escribir como

z!?
-+-+-=I
312
3/2
318
que es la ecuacin de un elipsoide. A

1. Encontrar las formas cuadrticas asociadas con las siguientes ecuaciones cuadrticas
a)
Y+ 2y2 -- zz + 4.ry - 5.v~+ 7 1 + 22 = 3
C) X!
e ) 3:
+ +
+ 3.~2
Y 2
)JZ
1
14y
+9 =O
b) 31 7z
2.uy - 317 4.1.2 - 3x = 4
d ) .xz +.v - z = 7
f ) 2 2 2x2 +y2 2x -y 3z = o
2. Encontrar las matrices de las formas cuadrticas del ejercicio 1
9.8 Comparacin de procedimientos para resolver sistemas lineales / 579

3. Expresar cada una de las ecuaciones cuadrticas dadas en el ejercicio 1 en la forma
matncial X'AX + Kx + j = O.
4. Identificar las siguientes cudricas.
b) 2x2 + 6y2 - 3z2 = 18

e) 16x2 + y 2 = 162
+ 9y2 + 4z2 - 36 = O
d) 9x2 4y2 - z2 = O
g)x2+y2+z2=25
a) 36x2
6x2 - 3y2 - 2z2 -- 6 = O

f ) 7x2 - 3y2 + z = o
C)
5. En cada inciso, determinar las ecuaciones de traslacin que colocan la cudrica en
posicin normal.
a) 9x2
+ 36y2 + 4z2
18x - l44y - 242
C) 3 ~ -' 3y2 - z2 + 4 2 ~ 144 O

e) x 2 + 16y2 + 2x - 32y - 16z - 15 = O
+ 153 = O
+
+
b) 6x2 3y2 - 2z2 12x - 18y - 8z = - 7

d) 4x2 9y2 - Z' - 54y - 5 0 =~ 544
f) 7 x 2 - 3 y 2 + 1 2 6 ~ + 7 2 y + ~ + 1 3 5 ~ 0
g ) ~ ~ + y ~ + ~ ~ - 2 ~ + 4 ~ - 6 ~ = 1 1
6. En cada inciso, encontrar una rotacin x = Px' que elimina los trminos de producto
cruzado. Identificar la cudrica y escribir su ecuacin en el sistema xyz'.
a) 2x2 + 3y2 + 23z2 72xz 150 = O
b) 4x2 + 4y2 + 4z2 + 4x-v + ~
C) 1 4 4 +~ 1~ 0 0 ~ 812'
~ - 2 1 6 -~ 5~4 0 ~ 7202 = O
d) 2xy + z = O
En los ejercicios del 7 al 10, trasladar y girar los ejes de coordenadas a fin de colocar la
cudrica en posicin normal. Identificar la cudrica y escribir su ecuacin en el sistema de
coordenadas final.
7.
+ 4yz
X Z
5=O
~ X Y + ~ X Z + ~ Y Z - ~ X - ~ Y - ~- 9
Z =
8. 7x2
+ 7y2 + 10z2
2xy
- 4x2
+ 4yz - 1 2 +~ 12.y + 602 = 24
9. 2 ~ ~ - 6 ~ + 1 0 ~ + ~ - 3 1 = 0
10. 2x2
+ 2y2 + 5z2
4xy - ~
+ 2yz + 1 0 -~ 26y - 22 = O
X Z
11. Demostrar el teorema 9.7.1.
9.8 COMPARACI~N
DE PROCEDIMIENTOS PARA RESOLVER
SISTEMAS LINEALES
En esta seccin se analizarn algunos aspectos prcticos para resolver sistemas
de ecuaciones lineales, invertir matrices y encontrar eigenvalores. Aunque ya
antes se analizaron mtodos para efectuar estos clculos, los mtodos no son
aplicables directamente a la solucin por computadora de problemas en gran
esca!a que se presentan en aplicaciones del mundo real.
CONTEO DE
OPERACIONES
Debido a que las computadoras estn limitadas en el nmero de cifras decimales

que pueden manejar, redondean o truncan casi todas las cantidades numricas. Por
ejemplo, una computadora diseada para almacenar ocho cifras decimales puede
registrar como .66666667 (redondeado) o como .66666666 (truncado). En cualquier caso se introduce un error denominado error por redondeo.
580 i Ternas complementarros
Las consideraciones prcticas principales al resolver problemas de lgebra

lineal en computadoras digitales son reducir el tiempo de computadora O, as el
costo) necesario para obtener Ea solucin y disminuir inexactitudes debidas a
errores por redondeo. Asi, un buen algoritmo de cmputo usa el menor nmero de
operaciones posibley efectria tales operaciones de modo que reduce el efecto errores
de
por redondeo.
En estetexto se han estudiado cuatro mtodos para resolver un sistema
lineal, A x = b, de n ecuaciones con n incgnitas:
1. Eliminacin de Gauss con retrosustitucin,
2. Eliminacin de Gauss-Jordan.
3. Calculando A". obtener x = .-I b, y
4. La regla de Cramer.
Para comparar estos mtodos como herramientas de cmputo es necesario

saber cuntas operaciones aritmticas requiere cada uno. En una computadora
moderna grande, los tiempos de ejecucin representativos en microsegundos (1
microsegundo =
segundos) para las operaciones aritmticas bsicas son
Multiplicacin
Divisin
Adicin
Sustraccin
1.O microsegundo
= 3 .O microsegundos
= 0.5 microsegundos
=
0.5 microsegundos
En este anlisis se agruparn las divisiones y las multiplicaciones (tiempo medo

deejecucin = 2.0 microsegundos), y tambin se agruparn las sumas y las
sustracciones (tiempo medio
ejecucin
de
= 0.5 microsegundos). Las
multiplicaciones o divisiones se denominarn "multiplicaciones", y las adiciones y
sustracciones, "a&ciones".
En la tabla 1 se muestra el nmero de operaciones necesarias para resolver
un sistema lineal A x = b de n ecuaciones con n incgnitas aplicando cada uno de
los mtodos analizados en el texto, as como el nmero de operaciones necesarias
para invertir a A o para calcular su determinante por reduccin de renglones.
Mtodo
Nmero de adiciones
' + $n * - gn
Resolver Ax = b por eliminacin de Gauss-Jordan
in
Resolver Ax = b por eliminacingaussiana
gn3
ResolverAx = b como
x =,4K1b
n3 - n2
+ gn2
gn
Encontrar det(A) por reduccinde renglones

Resolver Ax = b por laregla de C m e r
3.4
n
Nmero de multiplicaciones
TABLA 1 Conteo de operaciones para una matriz invertible A n
n 3 + n2
in' +in
i n 4 - I n 3 - Ln2
6
+1
6n
9.8 Comparacin de procedimientos para resolver sistemas lineales / 581
Obsrvese que los mtodos de eliminacin de Gauss-Jordan y de eliminacin

gaussiana proporcionados en el texto poseen el mismo conteo de operaciones. No
es dificil entender por qu esto es as. Ambos mtodos empiezan con la reduccin
de la matriz aumentada a la forma escalonada por renglones. Esto se denomina
fase hacia adelante o pase hacia delante. Luego la solucin se termina por
retrosustituci.n en la eliminacin gaussiana y continuando la reduccin hasta la
forma escalonada reducida en la eliminacin de Gauss-Jordan. Esto se denomina
fase hacia atrris o pase hacia atrs. Resulta que el nmero deoperaciones
necesarias para la fase hacia adelante es elmismo, sin importar que seuse
retrosustitucin o la reduccin se contine hasta llegar a la forma escalonada
reducida. As, los mtodos de eliminacin gaussiana y de eliminacin de GaussJordan proporcionados en el texto poseen el mismo conteode operaciones.
OBSERVACI~N.Existe una
variante comn de la eliminacin de Gauss-Jordan, menos

eficazquelapresentada en eltexto.Enelmtododeltexto,la
matriz aumentada
primero se expresa en forma escalonada reducida mediante la introduccin de ceros
abajo de los unos principales; luego, la reduccin se completa mdante la introduccin de ceros arriba de los unos principales. Un procedimiento opciord es introducir
ceros abajo y arriba de un 1principal una vez obtenido ste. El mtodo requiere
n3
"2
n
2
n2
adiciones
n3
2
+2
multiplicaciones
que son valores mayores que los aqu obtenidos para toda n 2 3.
Para ilustrar cmose calculan los resultados de la tabla 1, se obtendr el
conteo de operaciones para la eliminacin de Gauss-Jordan. Para llevar a cabo este
anlisis se requieren las siguientes frmulas de la suma de los n primeros enteros
positivos yla suma de los cuadrados de losn primeros enteros positivos:
1 2 + 2 2 + 3 2 + . . . + + 2 = n(n + 1)(2n + 1)
6
En los ejercicios se analizan mtodos de obtencin de estas frmulas. Tambin se

requieren las frmulas para la suma de los n - 1 primeros enteros positivos y la
suma de los cuadrados de los n - 1 primeros enteros positivos. Las frmulas se
pueden obtener sustituyendo n - 1 por n en (1) y (2).
CONTEODE
OPERACIONES
PARA LA
ELIMINACIN
DE GAUSSJORDAN
Sea Ax = b un sistema de n ecuaciones lineales con n incptas, y supngase que

que el sistema tiene una solucin nica. Tambin
supngase, para simplificar las cosas, que para escribir la matriz aumentada [A I
b] en forma escalonada reducida no se requiere ningn intercambio de renglones.
Esta hiptesis se justifica porel hecho de que los intercambios de renglones se
efectan como regstro de operaciones en una computadora y requieren mucho
menos tiempo que las operaciones aritmticas.
en el
Comonoserequiere ningn intercambio de renglones, el primer paso
procesodeeliminacindeGauss-Jordanesintroducir
un 1 principal en elprimer
rengln multiplicando los elementos de este rengln por el recproco del elemento de
la izquierda en el rengln.Este paso se representa de manera esquemtica
como sigue:
A es invertible, de
modo
x i x
0 ; .
X
I
O
O
O
O
O
O
..
..
denota una cantidad que se calcular

denota una cantidad que no se calcula
Eltamaodelamatrizesn X ( n + 1 )
o ; .
o ; .
Obsrvese que el 1 principal simplemente se registra y que no requiere clculos:

slo es necesario calcular los n elementos restantes en el primer rengln.
A continuacin se presenta una descripcin esquemtica de los pasos
y el nmero de operaciones necesarias parareducir [A 1 b] a forma escalonada por renglones.
X
Paso 1
n multiplicaciones
O adiciones
Paso l a
n multiplicaciones/rengln
n a&ciones/rengln
n - 1 renglones que requieren
clculos
Lo x
Paso 2
.. x
n(n - 1) multiplicaciones
n(n - 1) adiciones
9.8 Comparacin de procedimientos para resolver sistemas lineales

/ 583
n - 1 multiplicaciones/rengln
n - 1 adiciones/rengln
clculos
Paso 2a
I.
.
o o
o o
x
x
x
x
."
" '
x
x
n - l)(n
2) multiplicaciones
Paso 3
.
..
.
..
..
.
n - 2 multiplicaciones
O adiciones
n - 2 multiplicaciones/rengln
n - 2 adiciones/rengln
clculos
Paso 3a
...
..
.
X
n - 2)(n - 3) multiplicaciones
Paso
(n - 1)
O
O
..
..
..
..
..
2 multiplicaciones
O adiciones
X
O
Paso
2 multiplicaciones/rengl~
2 adicioneshengln
1 renglones que requieren
clculos
( n - l)a
I multiplicacin
O adiciones
'
o o ". 1
o o o '.' o
0
'
'
'1
o j o
1 ; x
584
As, el nmero de operaciones necesarias para completar pasosconsecutivos es

como sigue:
Pasos 1 y l a
Multiplicaciones: n + n(n - 1) = n
Adiciones:
n(n - 1) = n2 - n
Pasos 2 y 2a
Multiplicaciones: ( n - 1 ) + (I? - I )(n - 2) = ( n - 1 )
Adiciones
(n-I)(n-2)=(n-l)-(n1)
Pasos 3 y 3a
Multiplicaciones: ( n - 2) i( n - 2)(n - 3) = ( n - 2)
( n - 2)(n - 3) = (n - 2) - ( n - 2)
Adiciones:
Pasos (n - 1) y (n - l)a
Multiplicaciones: 4 ( = 2 )
Adiciones:
2(=2-2)
Paso n
Multiplicaciones: I ( = I )
Adiciones:
O ( = 1 2 - 1)
Por consiguente, el nmero total de operaciones necesarias para expresar [A
I b] en forma escalonada reducida es
+ ( n I) + ( n 2) + . . . + 1
[n + ( n - 1) + ( n - 2) + . + 1 2 1
Multiplicaciones: n
Adiciones:
-[n+(n-l)+(n-2>++1]
o bien, aplicando las frmulas (1) y (2),
Multiplicaciones:
Adiciones:
n(n
+ 1)(2n + 1) - n 3 +-+n2 n
n(n +
(5 1
6
1)(2n + 1)
6
n(n + 1) - n 3
2
3
(6)
As se completa el conteo de operaciones para la fase hacia adelante. Para la fase

hacia atrs es necesario escribir la forma escalonada de [A 1 b] en forma escalonada reducida mediante la introduccin de ceros por arriba de los 1 principales. A
continuacin se muestran las operaciones:
9.8 Comparacin de procedimientos para resolver sistemas lineales i 585
Paso 1
'1
'..
" '
o o
" '
.
.
.
.
1
.
.
o o o
-0 o o
Paso
o1 x
ojx
ojx
".
".
'
ojx
... o o j x
o 1
o o
" '
..
...
1
...
o o o
o o o
" '
I
I
.
'
'.'
o ojx
o ojx
.
" '
n - 1 multiplicaciones
. I .
.
.
1 adiciones
1
n
n
'
'
-2
multiplicaciones
2 adiciones
1 o j o
I / .
Paso
(n - 2)
.
.
.
.
.
.
Paso
o o o
o1 0
o o o ... o 1 ; .
'1 o o . . ' o o I x o 1 o ..' o 0 1 0
" '
( n - 1)
..
.
1
o o
.
..
.
..
1
.
..
o o o
,o o o
'
'
'.'
" '
0 ;
0
.
1 adicin
'
'
1 o j o
0-
As, el nmero de operaciones necesarias para la fase hacia atrs es

Multiplicaciones: ( n - 1) + ( n - 2) + . . . + 2
Adiciones:
(n- l)+(n-2)+...+2+
+1
1
o bien, aplicando la frmula ( 3 ) ,

Multiplicaciones:
Adiciones:
(n - l)n
~
n2
2
- "-
n
2
( n - 1)n "n2 n
2
2 2
"
As, por ( 9 , (6), (7) y (S), el conteo total de operaciones para la eliminacin de
Gauss-Jordan es
586
COMPARACI~N
DE METODOS
PARA
RESOLVER
SISTEMAS
LINEALES
En aplicaciones prcticas no es raro encontrar sistemas lineales de milesde

ecuaciones con miles de incgnitas. As, la tabla 1 reviste especial importancia
para grandes valores de n. Unhecho verdadero para polinomios es que para
grandes valores de la variable, un polinomio puede ser bien aproximado por su
trmino de grado ms alto; es decir, si ak f O, entonces
u.
+ u,x + . . . + q x k -
ukxk
parax grande
(ejercicio 12). As, para grandes valores de n, el conteo de operaciones en la tabla

1 se puede aproximar como se muestra en latabla 2.
Por la tabla 2 se deduce que cuando n es grande los mejores mtodos para
resolver A x = b son la eliminacin gaussiana y la eliminacin de Gauss-Jordan. E1
mtodo de multiplicar porA"es bastante peor que los anteriores (requiere el triple
de operaciones), y el mtodo ms ineficaz de los cuatro es la regla de Cramer.
TABLA 2 Conteo aproximado de operacionespara una matriz invertible n x n

con n grande
I
Mtodo
Nmero de
adiciones
Resolver Ax = b por eliminacin de GaussJordan
i
T
-
n3
Resolver Ax = b por eliminacin gaussiana
EncontrarA-l reduciendo [A
I] a [I /A]"
multiplicaciones
"
3
=n3
Resolver A x = b como x = A"b
%n3
Encontrar det(A) por reduccin derenglones
=-
Resolver A x = b por la regla de Cramer
i
T
-
n3
3
n4
3
n3
x-
9.8 Comparacin de procedimientos para resolver sistemas

lineales / 587
En la observacin a continuacin de la tabla 1 se mencion que

si la eliminacin de Gauss-Jordan se efecta mediante la introduccin de ceros
arriba y abajo de los unos principales tan pronto como se obtienen stos, entonces
el conteo de operaciones es
OBSERVACI~N.
n3
"-
n
2
adiciones
n3 n2
+multiplicaciones
2
2
= n3/2 operaciones, que es 50%

mayor que las n3/3 multiplicaciones necesarias para efectuar el mtodo presentado
en el texto. Lo mismo secumple para las adic';ones.
Es razonable preguntar si sepueden crear otros mtodos para resolver
sistemas lineales que pudieran requerir sigmficativamente menos operaciones que
las = n3/3 adiciones y multiplicaciones necesarias en la eliminacin gaussiana y
en la eliminacin de Gauss-Jordan. La respuesta es un "s" categrico. En aos
recientes se han creado mtodos que requieren = Cnq multiplicaciones, donde q es
ligeramente mayor que 2.5. Sin embargo, estosmtodos tienen poco valor
prctico, ya que su programacin es complicada, la constante C es muy g r a d e y el
nmero de adiciones necesarias es excesivo. En pocas palabras, en la actualidad no
existe ningn mtodo prctico para resolver sistemas lineales generales que mejore
sigruficativamente elconteo de operaciones de la eliminacin gaussiana y del
mtodo de eliminacin de Gauss-Jordan presentado en el texto.
As, para n grande este procedimiento requiere

1. Encontrar el nmero de adiciones y multiplicaciones necesarias para calcular AB si A
esunamatrizm
nyBesunamatrizn x p .
2. Usando
los
resultados del
ejercicio
1, encontrar nmero
el
de
adiciones
y
multiplicaciones necesarias para calcular Ak por multiplicacin directa si A es una
matriz n X n.
3. Suponiendo que A es una matriz n X n, usar las frmulas de la tabla 1 para determinar
el nmero de operaciones necesarias para efectuar los procedimientos dela tabla 3.
Tabla 3
Resolver Ax
"
. . . ."
=b
por la reglade Cramer

4. Suponiendo un tiempo de ejecucin en computadora de 2.0 microsegundos para las
multiplicaciones y de 0.5 microsegundos para las adiciones, usar los resultados del
ejercicio 3 para escribir los tiempos de ejecucin en segundos necesarios para efectuar
los procedimientosde la tabla 4.
Tabla 4
5. Obtener la frmula
n(n + 1)
1 +2+3+,..+n=----2
[Sugerencia Sea Sn = 1 + 2 + 3 + . . . + n. Escribir lostrminosde S, enorden

invertido y sumar las dos expresiones para S,.]
6. Usando el resultado del ejercicio 5, demostrar que
1+2+3+...+(n-l)=-
(n - 1)n
2
7. Obtener la frmula
12+22+32+...+n2=
n(n
+ l)(2n + 1)
6
realizando los pasos siguientes.

a) D e m o s t r a r q ~ e ( k + l ) ~ - p = 3 3 k 2 + 3 k + 1 .
b) Demostrar que
[2' - 1 3 ] + [33 - z3] + [43 - 33] + . . . + [ ( n + 1)3 - n 3 ] = ( n + 1)'
c) Aplicando a) a cada trmino del miembro izquierdo de

b), demostrar que
(n+1)3-~=3[12+22+32+~..+n2]+3[1+2+3+~..+n]+n
d) Resolver la ecuacin del incisoc) para l 2 + 22 + 32 + . .

ejercicio 5 y luego simplificar.
8. Usando el resultado del ejercicio 7, demostrar que
12+22+32+'"+(n")
(n - l)n(2n
6
1)
+ ,'n usar el resultado del
9.9 Descomposiciones L U
589
9. Sea R la forma escalonadade una matriz invertiblen X n. Demostrar que para resolver
el sistema lineal Rx = b por retrosustitucin se requieren
n2 n
"multiplicaciones
n2
"- n
adicisnes
10. Demostrar que para reducir una matriz invertible de n X n a I, aplicando el mtodo del
texto se requieren
n3
"-
n
3
multiplicaciones
n3 n2 n
-"
+ - adiciones
[Nota Supngase que no se requiere ningn intercambio de renglones.]

11. Considrese la variante de la eliminacin de Gauss-Jordan en que se introducen ceros
arriba y abajo de un 1 principal tan pronto como se obtiene ste, y sea A es una matriz
invertible n X n. Demostrar que para resolver un sistema lineal A x = b usando esta
versin de la eliminacin de Gauss-Jordanse requieren
n3 n 2
+multiplicaciones
2
2
n3 n
-"
adiciones
[Nota Supngase que no se requiere ningn intercambio de renglones.]

12. (Paru quienes ya estudiaron C&lculo).Demostrar que si p ( x ) = u. + a , x + . . . + a,.",
donde ak # O, entonces
[Nota Este resultado justifica la aproximacin

grande.]
a.
+ u,x + .
. .
+ ukx" = ".,u
para
9.9 DESCOMPOSICIONES LU
Con la eliminacin gaussiana y la eliminacin de Gauss-Jordan se resuelve un
sistema lineal operando sistemticamente sobre la matriz aumentada. En esta
seccin se analizar&un mtodo difrente basado en la factorizacin de la matriz
de coejkientes en un producto de dos matrices: una triangular inferior y otra
de coe3cientes en un producto de dos matrices: una triangular inferior y otra

triangular superior. Este mtodo es adecuadopara computadoras digitales y
*
constituye una base paramuchos programas de cmputo prcticos.
SQLUCIN DE
SISTEMAS
LINEALES POR
FACTORIZACIN
Se proceder en dos partes. Primero se mostrar cmo un sistema lineal Ax = b se

puede resolver fcilmente una vez que A se factoriza en un producto de
dos
matrices: una triangular inferior y otra triangular superior. Luego se mostrar cmo
obtener la factorizacin.
Si una matriz A n x n se puede factorizar en un producto de matrices n X n
como
A=LU
donde L es triangular inferior y U es triangular superior, entonces el sistema lineal

Ax = b se puede resolver comosigue:
Paso 1.
Volver a escribir el sistema Ax
=b
como
LUX = b
Paso 2.
Definir una nueva matriz y de n
(1)
1 por
ux=y
Paso d.
Usar (2) para volver a escribir (1) como Ly

tema para y.
Paso 4.
Sustituir y en (2) y despejar x.
(2)
=
b y resolver este sis-
Aunque este procedmiento reemplaza el problema de resolver el simple sistema

Ax = b por el problema de resolver los dos sistemas Ly = b y Ux = y, stos se
resuelven fcilmente porque las matrices de coeficientes son triangulares. El
siguiente ejemplo ilustra este procechmiento.
Ejemplo 1 Despus, en esta seccin se obtendr la factorizacin
Usando este resultado y el mtodo antes descrito, resolver el sistem;,
En 1979, los ArgonneNationalLaboratoriesdesarrollaronuna

importante biblioteca,denominada
LINPAK, de programas de Algebra lineal independientes de la mquina. Muchos de los programas de t a l
biblioteca est&? basadosen los mtodos que se analizan en esta seccin.
9.9 Descomposiciones LU / 591
Solucin. (3) se vuelve a escribir como
Como se especifica en el paso 2 anterior, y,, yz y y3 se definen por la ecuacin
de modo que (3) se puede volver aescribir como

2Y I
=2
-3Y, + Y 2
=2
4,Vt - 3J)2 + 7Y3 = 3
El procedimiento para resolver este sistema es semejante a la retrosustitucin,

excepto que las ecuaciones se resuelven de arriba hacia abajo, en vez de abajo
hacia arriba. Este procedmiento, denominado srustitucidn hacia adelante, produce
(comprobar). Sustituyendo estos valores en (5) se obtiene el sistema lineal

x,
+ 3x2 +
x2
x, = 1
+ 3x, = 5
x3 = 2
Resolviendo este sistema por retrosustitucin se obtiene la solucin

x,=2,
(comprobar). A
x2=-l,
x3=2
592
i Temas complementarios
DESCOMPOSICIONES LU
Ahora que ya se ha visto cmo un sistema lineal de n ecuaciones en n incgnitas

sepuederesolver factorizando la matriz de coeficientes, se volver al problema de
obtener la factorizacin. Para originar el mtodo, supngase que una matriz '4 n X
n se ha reducido a una forma escalonada U mediante una sucesin de operaciones
elementales en los renglones. Por el teorema 1.5.1, cada una de estas operaciones
se puede efectuar multiplicando por la izquierda poruna
matriz elemental
apropiada. As, es posible encontrar matrices elementales E,, E,, . . . , Ek tales que
E L .' . E 2 E , A = U
(6)
Porel teorema 1.5.2, E,, E

, Ek son invertibles, demodo que es posible
2'
'.
multiplicar sucesivamente por la izquierda ambos miembrosde la ecuacin (6) por
'
para obtener
A = E ; 'E,
. . . E"
(7)
En el ejercicio 5 se ayudar al lector a demostrar que la matriz L definida por

L = E" ] E - 1 . . .
I
(8)
es triangular lnferior en el supuesto de que

para reducir A a U no se efecte ningn intercambio de renglones. Suponiendo que este es el caso, sustituyendo (8) en (7) se
obtiene
A= LU
que es una factorizacin de A en un producto de una matriz triangular inferior y

una matriz triangular superior.
El siguiente teorema resume el resultado anterior.
Teorema 9.9.1. Si A es una matriz cuadrada que se puede reducir a una forma
escalonada U sin aplicarningnintercambio
de renglones, entonces A se
puede factorizarcomo A = LU, donde L es una matriz triangular inferior.
Definicin. Una factorizacin de una matriz cuadrada A como A = LU, donde
L es triangular inferior y I/ es triangular superior, se denomina descomposicin
LU o descomposicin triangular de A :
Ejemplo 2 Encontrar una descomposicin LU de
2
A=[-:
-:
6
2J
Solucin. Para obtenerunadescomposicin LU, A = LU, A se reducir a una

forma escalonada iJ, y luego L se calcular a partir de (8). Los pasos son:
Reduccin a la
forma escalonada
Matriz elemental que

corresponde a la operacin Inversa de la matriz
elemental
en los renglones
Paso 1
1
Paso 2
Paso 3
-4
Paso 4
Paso 5
As,
Y> por (8):
oj[o
o
1
-3
2
de modo que
1 0 0
1
O 0 7
[-:-: !I=[
2
2
-3
4
-3
:][A ;
7
'1
O 0 1
es una descomposicin LU de A . A
PROCEDIMIENTO PARA
ENCONTRAR
DESCOMPOSICIONES LU
Como se muestra en este ejemplo,casitodoel

trabajo para obtener una
descomposicin LU se invierte en el clculo de L . Sin embargo, todo este trabajo
se puede eliminar llevando un registro cuidadoso de las operaciones usadas para
reducir A a U. Como se supone que no se requiere ningn intercambio de renglones para reducir A a U, entonces slo se realizan dos tipos de operaciones: la
multiplicacin de un rengln por una constante diferente de cero y la adicin de un
mltiplo de un rengln a otro rengln. La primera operacin se usa para introducir
los unos principales y la segunda para introducir ceros abajodelosunos
principales.
En elejemplo 2 los multiplicadores necesarios para introducir los unos
principales en renglones consecutivos son:
3para el primer rengln

1 para el segundo rengln
f para el tercer rengln

Obsrvese que los elementos diagonales sucesivos en L eran precisamente los
recprocos de los multiplicadores (figura 1).
9.9 Descomposiciones L U / 595
Luego, obsrvese que para introducir ceros por abajo del 1 principal en el primer
rengln se realizaron las siguientes operaciones:
sumar 3 veces el primer rengln al segundo rengln
sumar -4 veces el primer rengln al tercer rengln
y para introducir el cero por abajo del 1 principal en el segundo rengln se efectu
la siguiente operacin
sumar 3 veces el segundo rengln al tercer rengln
Ahora se observa que en cada posicin abajo dela &agonal principal de L (en tipo
negro) el elemento es el negativo del multiplicador en la operacin con que se
introdujo el cero en esa posicin en U (figura 2).
L=[p-JJ
Figure 2
En resumen, se tiene el siguiente procedimiento para obtener

una
descomposicin L U de u a matriz cuadrada A , en el supuesto de que A se pueda
reducir a la forma escalonada sin efectuar ningn intercambio de renglones.
Paso 1.
Reducir A a una forma escalonada U sin efectuar ningn intercambio

de renglones y sin perder de vists los multiplicadores usados para introducir los unos principales y de los multiplicadores usados para
introducir los ceros abajo de los unos principales.
Paso 2. En cada posicin a lo largo de la diagonal principal de L escribir el
recproco del multiplicador con que se introdujo el uno principal en
esa posicin de U.
Paso 3. En cada posicin por abajo de la diagonal principal de L escribir el
negativo del multiplicador usado para introducir el cero en esa
posicin de U.
Paso 4. Formar la descomposicinA = L U.
Ejemplo 3 Encontrar una descomposicin LU de
;[; -; ;]
6
-2
Solucidn. Se empezar por reducir A a forma escalonada sin perder de vista a los
multiplicadores.
multiplicador = 4
/-
"
c-multiplicador =
[ ," $ i]
1
-9
multiplicador = - 3
-1.
t-multiplicador
=$
t-multiplicador
t-multiplicador
real, dado que en el tercer renglon ya
Al construir L a partir de los multiplicadores se obtiene la descomposicin LU.

6
A=LU=
1
O
-$
j[O A /] *
9 2 O
[3 8
Esta seccin concluyecon un breve anlisis de dos preguntas fundamentales

sobre las descomposicionesL U:
1. Toda matriz cuadrada tiene una descomposicin L I/?
Es posible que una matriz cuadrada tenga ms de una descomposicin L U?
2.
Ya se sabe que si una matriz cuadrada A se puede reducir a la forma

escalonada sin aplicar ningn intercambio de renglones, entonces A tiene una
descomposicin L U. En general, si para escribir A en forma escalonada se requiere
intercambiar renglones, entonces no existe ninguna descomposicin L U de A . Sin
embargo, en esos casos es posibIe factorizar A en laforma
A = PLU
9.9 DescomposicionesLU 1 597
donde L es triangular inferior, U es triangular superior y P es la matriz que se

obtiene al intercambiar los renglones de I,, de forma idnea (ver el ejercicio 17).
Cuando no hay restricciones adicionales, las descomposiciones LU no son
nicas. Por ejemplo, si
y los elementos diagonales de L son diferentes de cero, entonces es posible

desplazar los elementos diagonales del factor izquierdo al factor derecho
escribiendo
que es otra descomposicin triangular de A .

1. Usar el mtodo del ejemplo 1 y la descomposicinLU
[-:-:I=[-: u][:, -:]
para resolverel sistema

3x,
-2x,
6x2 = O
+ 5x, = 1
2. Usar el mtodo del ejemplo 1 y la descomposicinLU
para resolverel sistema

3x1 - 6x2 - 3x3 =
+ 6x3 = -22
2x1
-4x1
-3
+ 7x2 + 4x,
En los ejercicios del 3 al 10, encontrar una descomposicin LU de la matriz de coeficientes;

luego, usar el mtodo del ejemplo 1 para resolver el sistema
=[-;I
11. Sea
2
A=[-:
-;
1
a]
a) Encontrar una descomposicinLU de A

b) Expresar A en la forma A = L,DU,, donde L , es una matriz triangular inferior con
unos en la diagonal principal, U , es unamatriz triangular superior y D es una
matnz diagonzl.
c) Expresar A en la forma A = L2U2, donde L, es una matriz tnangular inferior con
unos en la diagonal principal y U2es una matriz tnangular superior.
12. Demostrar que la matriz
no tiene descomposicinLU.
13. Sea
a) Demostrar: Si A f O entonces A tiene una descomposicinLU nica con unos en la

diagonal principal de I..
b) Encontrar la descomposicinLU descrita en el inciso a).

14. Sea Ax = b un sistema lineal de n ecuaciones con n incgnitas, y supngase que A es
una matriz invertible que se puede escribir en forma escalonada sin efectuar ningn
intercambioderenglones. Cuntas adiciones y cuntasmultiplicacionessonnecesarias para resolver el sistema aplicando el mtodo del ejemplo l ? [Nota Contar las
sustracciones como adiciones y las divisiones como multiplicaciones.]
15. a) Demostrar: Si L , y L, son matrices triangulares inferiores n X n, entonces tambin
L,L, es triangular mferior.

b) El resultado del inciso a) es un caso especial de un resultado general que establece
que el producto de un nmero finitode matrices triangulares mferioreses triangular
inferior. Usando este hecho, demostrar que la matriz L en (8) es triangular inferior.
[Sugerencia Vase el ejercicio 27 de la seccin 2.4.1
16. Usando el resultado del ejercicio 15b), demostrar que el producto de un nmero finito
de matnces triangulares superiores es triangular superior. [Sugerencia Considerar las
transpuestas.]
17. Demostrar: Si A es cualquier matriz n X n, entonces A se puede factorizar como A =
PLU, donde L es triangular inferior, U es triangular superior y P se puede obtener

intercambiando en forma adecuada los renglones de I,. [Sugerencia Sea U la forma
escalonada de A y efectuar primero todos los intercambios de renglones necesarios en
la reduccin deA a U.]
18. Factorizar
como A = PLU, donde P se obtiene a partir de Z3 al intercambiar de manera apropiada

los renglones, L es triangular inferior y U es triangular superior.
CAPITULO
10
ESPACIOS
VECTORLALES
COMPLEJOS
10.1 NMEROS COMPLEJOS

Hasta el momento slo se han considerado espacios vectoriales para los cuales
los escalares son nmeros reales. Sin embargo, en muchas aplicaciones importantes de vectores es aconsejable dejar que los escalares sean nmeros complejos. Un espacio vectorial que permite escalares complejos se denomina espacio vectorial complejo, y uno que slo permite escalares reales se denomina
espacio vectorial real. Una ventaja de pvrmitir escalares complejos es que todas
las matrices con elementos escalares complejos tienen eigenvalores, lo cual no es
cierto si solamente se permiten escalares reales. Por ejemplo, la matriz
tiene al polinomio caracterstico
de modo que la ecuacin caracterstica, A2 + 1 = O, no tiene soluciones reales y

por tanto carece de eigenvalores.
En las tres primerassecciones de este captulo se repasarn algunas de las
propiedades bsicas de los nmeros complejos, y en secciones ulteriores se analizarn espacios vectoriales complejos.
601
602 / Espacios vectoriales complejos
NMEROS
COMPLEJOS
Como x2 2 O para todo nmero real x, la ecuacin

x2=
-1
no tiene soluciones reales. Para manejar este problema, los matemticos del siglo
XVIII introdujeron el nmero "imaginario"
i = l / r-"
1
que sesupone tiene la propiedad
pero que de otra forma poda considerarse como un nmero real. Expresiones de la
forma
a + bi
donde a y b son nmeros reales reciben el nombre de "nmeros complejos", los

cuales se operan segn las reglas normales dela aritmtica, con la propiedad
adlcional de que i2 = - l .
A principios de siglo XIX se aceptaba que un nmero complejo
a + hi
se considerar como otro smbolo para el par ordenado
de nmeros realesy que las operaciones deadicin, swtmccin, multiplicacin y &visin se definieran sobreestos pares ordenados de modo que
se cumplieran las leyes conocidas de la aritmtica y adems i2 = - l . Este enfoque es el que se seguir en el
texto.
Definicin. Un nrimero complejo es un par ordenado de nmeros reales,
denotado por (a,b ) o a + bi.
Ejemplo 1 A continuacin se presentan algunos ejemplos de nmeros complejos
f:n ambas notaciones:
Par ordenado
(3>4)
(- 1,2)
(0, 1)
(290)
(4, -2)
Notacin equivalente
3 + 4i
- 1 +2i
O+i
2 + Oi
4
+ (-2);
Para facilitar las cosas, los tres ltimos nmeros complejos en general se abreviarn como
I O.I Nnteros complejos / 603
O+i=i,
2 + 0 i 4=+2 (, - 2 ) i = 4 - 2 i
Geomtricamente, un nmero complejo se puede considerar como un punto

o un vector en el plano xy (figura 1).
ty
Figura 1
I Un nmero complejo se puede considerar como un punto o un vector. I

Ejemplo 2 En la figura 2a algunos nmeros complejos se muestran como puntos y
en la figura 2b, como vectores. A
- 4 - 32
Figura 2
EL PLANO
COMPLEJO
b)
Q)
Algunas veces es conveniente usar una sola letra, como z, para denotar un nmero
complejo. As, se podra escribir
z=a+bi
El nmero real a se denomina parte real de z y el nmero real b, parte imaginaria

de z. Estos nmeros se denotan por Re(z) eIm(z), respectivamente. Por tanto,
Re(4 - 3i) = 4
'e
Im(4 - 3i) = - 3
Cuando los nmeros complejos se representan geomtricamente en,un

sistema de coordenadas q v , el eje x, el eje y y el plano se denominan eje real: .+e
imaginario y plano complejo, respectivamente (figura 3).
604 / Espacios vectoviales complejos
Figura 3
OPERACIONES
CON NUMEROS
COMPLEJOS
Eje imaginario
(Parte real de z)
As como se define que dos vectores en R2 son iguales si tienen las mismas componentes, tambin dos nmeros complejosson iguales si tanto sus partes reales
como sus partes imaginarias son iguales:
Definicin. Dos nmeros complejos u + bi y c

cribe como
a + bi
=c
+ di son iguales, lo que se es-
+ di,
Si b = O, entonces el nmero complejo a + D i se reduce a a + Oi, que se

escribe simplemente como a. As, para cualquier nmero real a,
a=a+Oi
de modo que los nmeros reales se pueden considerar como nmeros complejos
cuya parte imagmaria es cero. Geomtricamente, los nmeros reales corresponden
a puntos sobre el eje real. Si se tiene a = O, entonces a + bi se reduce a O + bi, que
en general se escribe como bi. Estos nmeros complejos, que corresponden a
puntos sobre el eje imaginario, se denominan nrimeros imaginarios puros.
As como la adicin de vectores en R2 se realiza sumando las componentes
correspondientes de los vectores, tambin la adicin de nmeros complejosse
realiza sumando las partes y las imaginarias:
(u
+ bi) f (c + d i ) = ( a + c ) + ( b + d)i
(1)
Las operaciones de sustraccin y multiplicacin por un nmero real tambin son

semejantes a las operaciones vectoriales correspondientes en R 2 :
(a
+ bi) - ( c + d i ) = (a - c ) + ( D - d)i
I k(a + bi)
= (ka) t (kb)i,
k real
(2)
(3)
Debido a que las operaciones de adicin, sustraccin y multiplicacin de un

nmero complejo por un nmero real son semejantes a las operaciones correspon-
1O.1 Nmeros complejos 1 605
dientes para vectores en R2, las interpretaciones geomtricas conocidas de estas

operaciones se cumplen para nmeros complejos (figura 4).
Por la expresin (3) se deduce que (- l)z + z = O (comprobar), de modo que
( - l)z se denota por -z y se denomina negativo de z.
Solucin.
z,+zz=(4-5i)+(-l+6i)=(4-1)+(-5+6)i=3+i
zl-zZ=(4-5i)-(-l +6i)=(4+ 1)+(-5-6)i=5- lli

32, = 3(4 - 5i) = 12 - 15i
- z Z = ( - 1 ) z z = ( - 1 ) ( - 1 + 6 i ) = 1 -6i A
Suma de dos nmeros

complejos.
Diferencia
de
dos nmeros
complejos.
f
I
Figura 4
f
(k >O)
Producto
de
(k
un nmeros
complejo
O)
z y un nmero
real
k.
Hasta ahora se ha encontrado un paralelismo entre los nmeros complejos y

los vectores en R2. Sin embargo, a continuacin se definir la multiplicacin de
nmeros complejos, una operacin que no tiene anlogo vectorial en R2. Para
originar la definicin, se desarrollar el producto
(a
+ bi)(c + di)
siguiendo las reglas algebraicas de costumbre, pero considerando a i2 como - 1.

As, se obtiene
(a
+ bi)(c + di) = ac + bdi2 + adi + bci

=
(OC -
b d ) + (ad + b ~ ) i
lo cual sugiere la siguiente definicin:

(a
+ bi)(c + di)= (ac - b d ) + (ad + bc)i
Ejemplo 4
(3
+ 2i)(4 + Si) = (3 ' 4 2 ' 5 ) + (3 . 5 + 2 '4)i

= 2 + 23i
-
(4-i)(2-32)=[4.2-(-1)(-3)]+[(4)(-3)+(-1)(2)]i
= 5 - 14i
i 2 = ( O + i j ( O + i j = ( O ~ O - 1 ~ 1 ) + ( O ~ 1 + 1 ~ O ) i =- 1 A
Se deja como ejercicio comprobar las siguentes reglas de aritmtica compleja:

ZI
+ z 2 = z2 + z,
z1z2
ZI
=z2z*
+ (z2 + z3 j = ( z *+ z 2 )+ z3
Zl(ZZZ3j =
z1(z2
(z1z2)z3
+ Zj) = ZlZ2 + z,z3

o+z=z
z+(-z)=O
l.z=z
Estas reglas permiten multiplicar nmeros complejos sin necesidad de aplicar &rectamente la frmula (4). Siguiendo el procedimiento usado para originar
esta frmula, basta multiplicar cada trmino de a + bi por cada trmino de c + di,
hacer i2 = - 1 y simplificar.
Ejemplo 5
(3
(5
i(I
+ 2i)(4 + i) = 12 + 3i + 8i + 2i2 = 12 + 1 l i 2 = 10 + 1 l i
4i)(2 + 32) = 10 + 15i i $i2 = 10 + 14i + $ = 9 + 14i
+ i)(I 2i) = i(1 2i + i - 2i2) = i(3 i) = 3i i2 = 1 + 3i
-
1O.1 Nmeros complejos / 607

OBSERVACI~N. A diferencia de los nmeros reales, en los nmeros complejos no
existe ordenamiento segn el tamao. As, los smbolos de orden <, 5 , > y no se
usan con nmeros complejos.
Ahora que ya se han definido la ahcin, la sustraccin y la multiplicacin
de nmeros complejos, es posible sumar, restar y multiplicar matrices con elementos complejos y multiplicar una matriz por un nmero complejo. Sin entrar en detalles, se observa que las operaciones y terminologa matriciales analizadas en el
captulo 1 se cumplen sin ningn cambio para matrices con elementos complejos.
Ejemplo 6 Si
entonces
AB=[
=
-i][
I+i
4 2- i- 3 i
'qi]
+
!.i+(-i).(2-3i)
1 . ( 1 - i) ( - i ) . 4
(1 +i).(l
-i)+(4-i).4
(I + i ) . i + ( 4 - i ) . ( 2 - 3 i )
=[
-3-i
4-13i
1 -5i
18-4i

1. En cada inciso, graficarel punto y trazar el vector que corresponde al nmero complejo
dado.
a) 2
+ 3i.
b) 4.
c) -3
2. Expresarcadanmerocomplejo
reales.
- 2i.
d) -Si.
del ejercicio 1 como un parordenadodenmeros
3. En cada inciso, usar la mformacin proporcionada para encontrar los nmeros reales x
YY.
a) x - i y =
-2+3i
b) ( x + y ) + ( x - y ) i = 3 + i
4. Dado que z , = 1
a) z+, z ,
- 2i y z2 = 4 + S i , encontrar
c) 42,
b) z-Iz 2
d) -z2
e) 32, +4z,
f)
2 1
5. En cada inciso, resolver para z.
a) z + ( l - i ) = 3 + 2 i
b) - 5 z = 5 + 1 0 i
c) ( i - z ) + ( 2 ~ - 3 i )-=2 + 7 i
- 9222
608 i Espacios vectoriales complejos

6. En cada inciso, trazar los vectores z,, z2, z , + z2 y z1 - z2.
a) z1 = 3 + i, z2 = 1 4i
b) z , = -2 + 2i, z2 = 4 + 5i
7. En cada inciso, trazar los vectores z y k z .

a)z=l+i,k=2
c) z = 4 + 6 i , k = $
b)z=-3-4i,k=-2
8. En cada inciso, encontrar los nmeros reales k , y k2 que satisfagan l a ecuacin
a) k l i + k , ( l + i ) = 3 - 2 i
b) k , ( 2 + 3 i ) + k 2 ( l - 4 i ) = 7 + 5 i
9. En cada inciso, encontrar z,z2, z12y z:.
a)
2,
= 3i. z2 =
b) z, = 4
+ 6i,
z, = 2
3i
c ) zl = 9(2 + 4i), z2 = i(1 - 5i)
10. Dado que z1 = 2 - 5 i y z, = - 1 - i, encontrar
a) z l - z,z2
11. (1
+ 2i)(4
15. [ (2
17. ( I
b) (zl
+ 32,)'
c) [zI+ ( I + z 2 ) I 2
12. (2 - i)(3
6i)2
+ i)(&+ $)I2
16.
+ i + i 2 + i3)'""
d) iz, - z:
+ i)(4
2i)
(a+ i) - i a ( l + ai)
18. (3 - 2i)2 - (3
+ 2i)'
19. Sea
Encontrar
a) A + 3iB
b) BA
c) A B
d) B2 - A2
20. Sea
Encontrar
a) A(BC)
b) ( B C ) A
21. Demostrar que

a) Im(iz) = Re(z).
c ) (CA)B2
b) Re(iz) = - Im(z).
d) (1 + i)(AB) + (3 - 4i)A
I O. 1 Nmeros complejos / 609

22. En cada inciso, resolver la ecuacin aplicando la frmula cuadrhtica y comprobar los
resultados sustituyendo las soluciones enla ecuacin dada.
a) z2+2z+2=0
b) z2-z+ 1 = 0
23. a) Demostrar que si n es un entero positivo, entonces los nicos valores posibles de in
son 1, -1, i y -i.
b) Encontrar iZso9. [Sugerencia El valor de in se puede determinar a partir del residuo

cuando n se divide entre 4.1
24. Demostrar: Si zlzz = O, entonces zI = O o z2 = O.
25. Usar el resultado del ejercicio 24 para demostrar lo siguiente: Si zzl = zz2 y z # O ,
entonces z1 = zz.
26. Demostrar que para los nmeros complejoszl, z2 y z3
a)
z,+ z2 = z2 + zI
b) z ,
+ (z2+ z3)= (z,+ z2)+ z3
27. Demostrar que para los nmeros complejoszl, zz y z3
4 zlz2= z2zl
b) zl(z2z3)
= (zIz2)z3
28. Demostrar que zl(z2+ z3) = z1z2+ z i t 3para los nmeros complejos
z I ,zz y z3.
29. En mecnica cuntica,a
lsmatrices de Dirac* son
1
P= o
o
1
0
0
O
O
O
0
(
Y
,
=
O - i
-1
>
':
(Y,=
-1
O - i
i
0
,
O
O
0
0
CU, =
"I
o '
0
0 - 1
,o
-1
a) Demostrar que p2 = 4= a: = 4 = I,
b) Dos matrices A y B se denominan anticonmui&*vus si AB =
dos matrices de Dirac cualesquiera son anticonmutativas.
- BA. Demostrar que
*Paul Adrien Maurice Dirac (1902-1984) fisico terico ingls que instrument una nueva forma
de mecnica cuntica y una teora que predijo el "espn"de electrn y la existencia de una particula
atmica fundamental denominada positrn. En 1933 fue galardonado con el premio Nobel de fisica
y en 1939, con la medalla de oro de la Royal Society.
61 O / Espacios vectoriales complejos
10.2 MDULO; CONJUGADO COMPLEJO; DIVISIN

~~
El objetivo principal en esta seccin es definir la divisin de nmeros complejos.
CONJUGADOS
ComLEJOs
Seempezarconalgunasideaspreliminares.
z = a + bi escualquiernmerocomplejo,entonces
el conjugado de z, denotado por z,(que se lee como"z barra"), se define como
z=a-bi
En palabras, se obtiene invirtiendo el signo

de la parte imaginaria de z.
Geomtricamente, t es la reflexin dez con respecto al eje real (figura 1).
i+=n-bi
~~~~
Figura 1
Conjugado de un nmero complejo.
Ejemplo 1
z=i
Z=3-2i
Z= -4+2i
-i
z=4
z=4 A
z=3+2i
z = -4-2i
El ltimorenglndelejemplo
1 ilustrael hecho deque un
nmerorealesigual
a suconjugado. Para serprecisos, se puededemostrar
(ejercicio 22) que z = Z si y SIO si z es un nmero r d .
OBSERVACI~N.
Si un nmero complejo z se considem como un vector en R2, entonces la norma o

longitud de vector
se denomina mdulo(o valor absoluto) de z. En pocas palabras:
MDULO
Defhicibn.El mddulo de un nmero complejo z = a + bi, denotado por Iz/ , se

define como
10.2 Mdulo; conjugado complejo; divisin / 611
de modo que el mdulo de un nmero real es simplemente su valor absoluto. As,

el mdulo de z tambin se llama valor absoluto de z.
Ejemplo 2 Encontrar z si [zl = 3 - 4i.
Solucin. Por (1) con a = 3 y b = -4,
(zI
= , / m = J z s = 5 .
El siguiente teorema establece una relacin bsica entre
y Izl.
Teorema 10.2.1. Para cualquier nmero complejo z,
Demostracin.
Si z = a + bi, entonces
ZZ = (a
D I V I S I ~ NDE
NMEROS
COMPLEJOS
+ bi)(a - bi) = a2- abi + bai - b2i2

= a2 + b2 = 1zI2 0
A continuacin se abordar la divisin de nmeros complejos. El objetivo es

definir la divisin como la inversa de la multiplicacin. As, si z2 # O, entonces la
definicin de z = zl/zz debe ser tal que
El procedimiento ser demostrar que (2) tiene una solucin nica para z si z2 f O,
y luego z1/z2 se definir como este valor de t.Igual que con los nmeros reales, no
se permite la divisin entre cero.
Teorema 10.2.2. Si z2
nica, que es
O, entonces la ecuacin (2) tiene una solucin
z=-zz
1z212
Demostracin. Sean z = x
puede escribir como
+ i y , z, - x1 + iY1 Y 22 = x2 + iy2. Entonces (2) se
x1
+ iyl = (x2 + iy2)(x+ iy)
612
Espacios vectoriales complejos
o bien
x] + i,vl
+ i(y2x + xzy)
= (xzx ---v2y)
o bien, igualando las partes reales e imaginarias.
o bien,
Como z2 = x2 + zy2 f O, se concluye que x2 y y 2 no son cero a la vez, de modo que
As, por la regla de Cramer (teorema 2.4.3), el sistema (4) tiene la solucin mica
Por tanto,
As, para z2 f O se define

I
10.2 Mdulo; conjugado complejo; divisin / 613

OBSERVACI~N. Para recordar esta frmula, multiplicar por Z el numerador y el
denominador de z,/z2:
Ejemplo 3 Expresar
3 + 4i
1 -2i
en laforma a + bi.
Solucin. Por ( 3 ,con z1 = 3 + 4 i y z2 = 1 - 2i,
3 + 4i
1 - 2i
11
"
(3
1
5
- 2iI2
=-(-5+
+ 4i)( 1
2i) = - (3 + 4i)( 1
+ 2i)
1Oi)= - 1 + 2 i
Otra solucin. As como en la observacin precedente, el numerador y el

denominador se multiplican por el conjugado del denominador:
3 +4i
1 -2i
3 +4i 1 +2i -5
1Oi
= -I+2i
5
1 -2i 1 +2i
Los sistemas de ecuaciones lineales con coeficientes complejos se presentan

en vanas aplicaciones. Sin entrar en detalles, se observa que los resultados sobre
sistemas lineales estudiados en los captulos 1 y 2 se cumplen sin cambio para
sistemas con coeficientes complejos.
Ejemplo 4 Aplicando la regla de Cramer, resolver
ix
+ 2y = 1 - 2i
4x-iy= -1 +3i
Y=
1' -'"'I
;1 -21
As, la solucin es x = i , y
- (i)(-1 +3i)-4(1
i( - i) - 2(4)
- 2 i ) -" -7+7i
-1-i
-7
1 - i. A
PROPIEDADESDE Esta seccin concluye con la enumeracin de algunas propiedades del conjugado
LOS NMEROS
complejoqueserndeutilidad
en seccionesulteriores.
COMPLEJOS
Teorema 10.2.3. Para nmeros complejos cualesquiera z, z1y Z2
a)
b)
Z]
+ z,
= 2,
+ z2
"
= Z,
- z2
Se demostrar el inciso a) y lo dems se deja como ejercicio.

Demostracin de a). Sean z1 = al
z1
+ b,i y z2 = u2 + b2i; entonces
+ z2 = (al + a z ) + (b, + b,)i

= (a, + a 2 )- (b, + b2)i
= (a, - b,i)
=
z, + z, 0
+ (u2- b,i)
Es posible ampliar el inciso a) del teorema 10.2.3 a n trminos y

el inciso c) a n factores. En pocas palabras,
OBSERVACI~N.
z,+z2+.~~+z,=z,+z2+~'~+~,
Z]Z2.
. . z,
"
= z,z*.
. .Z"

1. Encada inciso hallar
a ) z = b2 )+z7=i -c3) -z5=i 5 i
2. En cada inciso encontrar IzI.

a)z=i
b)z=-7i
c)z=-3-4i
d)z=-i
d)z=l+i
e ) z = -9
e)z=-8
f)z=0
f)z=O
1 O. 2 Mdulo; conjugado complejo; divisin / 615

3. Comprobar que z
a) z = 2 - 4 i
= kl2para
c) z=*-V%
b) z -=3 + 5 i
4. Dado que z, = 1 - 5i y zz = 3 + 4i, encontrar
b) 5,/z2
a) zI/zz
c) z l / &
e) zl/lzzl
d) (z1/z2)
f) Iz,/z21
5. En cada inciso, encontrar l/z.
b) z = 1 -5i
a) z = i
c) z = -
-i
7
6. Dado que z, = 1 + i y zz = 1 - 2i,encontrar
En los ejercicios del 7 al 14, realizar los cillculos y expresar el resultado en la forma a + bi.
i
I+i
7. 10.
13.
8.
2+i
i( - 3 4i)
11.
(1 - i)(l
2+i
14.
- 2i)(l + 2i)
2
(1 - i)(3 + i )
____9. ___
V3+i
(1
- i)(V3 - i)
1-2i
3 + 4i
(3
12.
+ 4)
i(3 - 2i)(l
+ i)
5i
15. En cada inciso, resolver para z.
a) iz = 2 - i
b) (4 - 3i)F =
16. Aplicar el teorema 10.2.3 para demostrar las siguientes identidades:
a) z+=z-Si
b)
z= -iZ
i+Z
c) -=
I-z
-1
17. En cada inciso, trazar el conjunto de puntos enel plano complejo que satisfacen la
ecuacin.
a) I z ( = 2
b) l z - ( l + i ) / = 1
c) Iz - i ( = ( z + i (
d) I m ( Z + i ) = 3
18. En cada inciso, trazar el conjunto de puntos en el plano complejo que satisfacen la(s)
condicin (condiciones)dada(s).
a) Iz
+i l s 1
19. Dado que z = x
a) Re(G)
b) 1 < bl < 2
c) (2z - 4il < 1
d) JzI5 )z
+ iJ
+ Q, encontrar
b) Im(c)
c) Re(i5)
d) Im(i5)
20. a) Demostrar que si n es un entero positivo, entonces los nicos valores posibles de
(1li)son 1, - 1 , i y -i.
b) Calcular ( l/i)2s09. [Sugerencia.Vase el ejercicio 23(b) de la seccin 10.1,]

21.Demostrar:
1
I
bj -(z - 5) = Im(zj
+ Z ) = Re(z)
a) -(z
2
2i
si y slo si z es un nmero real
22. Demostrar: z =
23. Dado que z, = x, + iyl y z2 = x2 + 'y2,encontrar
24. Demostrar: Si
(i)2= 2,entonces z es real o imaginario puro.
25. Demostrar que Iz; = j
26. Demostrar:
a)
"
z,
z, = z I - z2
= I,:,
b)
c) (zl/z2) = Z,/Z2
d)
=z
27. a) Demostrar que z 2 = (i)2.
b) Demostrar que si n es un entero positivo, entonces Z " = ( 1j".

c) Es verdadero el resultado del inciso b) si n es un enteronegativo?Explicarla
respuesta.
En los ejercicios del 28 al 31, resolver el sistema de ecuaciones lineales aplicando la regla
de Cramer.
29. x, + x 2 = 2
x , - x2 = 2i
28. ix, - ix, = - 2

2x, x2 = i
30. xI x, + x3 = 3
x, x, - x j = 2 2i
x, --,+x,=
-1
31. ix,
x,
XI
+ 3x, + (1 + i)x3 = - i
+ ix, + 3x, = -2i
+ x, +
xj = o
En los ejercicios 32 y 33, resolver el sistema de ecuaciones lineales por eliminacin de

Gauss-Jordan.
32.
- l"
+i
" -2
-i][~~]=
[:]
33.
"If2
"[;;]=[:I
1
34. Resolver el siguiente sistema de ecuaciones lineales por eliminacin de Gauss-Jordan
x, + ix,
+ (1 i)x, + 2ix3 = O
+ ( - I + 2i)x, - 3ix3 = O
-x1
2x,
- ix, = O
10.3 Forma polar; teorema de De Moivre / 61 7

35. En cadainciso, aplicar la frmuladelteorema
1.4.5 paracalcularlainversadela
matriz y comprobar el resultado demostrandoque AA - = A - ' A = I.
'
36. Sea&) = a. + alx + a,x2 + . . . + anX"un polinomio en el que los coeficientes a,,,a , ,
a2, . . . , an son reales. Demostrar que si z es una soluci6n de l a ecuacin p ( x ) O,
entonces tambin
lo es.
37. Demostrar: Para cualquier nmero complejo z,IRe(z)l 5 Izi e IIm(z)l
Iz/.
38. Demostrar que
IRe(z)l + IIm(z)l
v5
[Sugerenciu Sea z = x
+ iy y aplicar el hecho de que (bl - b1)22 O.]
39. En cada inciso aplicar el mtodo del ejemplo 4 de la seccin 1.5 para encontrar A"
comprobar el resultado demostrando que AA"
= A"A = 1.
2-i
-i
10.3 FORMA POLAR; TEOREMA DE DE MOIVRE

En esta seccin se analizar una forma para representar nmeros complejos
usando propiedades trigonomtricas. El trabajo efectuado conducir a una
frmula fundamental para potencias de nmeros complejos y a un mtodo para
encontrar races n-simas de nmeros complejos.
FORMA POLAR
DE UN NMERO
COMPLEJO
Figura 1
Si z = x + iy es un nmero complejo diferente de cero, r = (z(y 8 mide el ngulo

entre el eje real positivo y el vector z, entonces, como se sugiere en la figura 1,
de modo que z = x + iy se puedeescribir como

z=rcos e+irsenB
o bien, como
Esta expresin se denominaforma polar de z.
ARGUMENTO DE
UN NMERO
COMPLEJO
El ngulo 8 se denomina argumento de z y se denota por
e = arg z
El argumento de z no est determinado de manera nica porque se puede sumar o
restar a 8 cualquier mltiplo de 2z para obtener otro valor del argumento. Sin
embargo, slo existe un valor del argumento en radianes que satisface
Esta expresin se llama argumento principalde z y se denota por
e = Arg z
Ejemplo 1 Expresar los siguientes nmeros complejos en forma polar usando sus
argumentos principales:
(a)z=l+d%
b)z=-1-
Solucin de u). El valor de r es

r = \ z l = w = + T = 2
ycomox= l y y = fi,por(l)seinfiereque
10.3 Forma polar; teorema de De Moivre
619
as, cos 8 = 112 y sen O = 6 1 2 . El nico valor de O que satisface estas relaciones
y cumple elrequisito - n < 8 In es O = n/3 (= 60") (vase la figura 2a).
Entonces, una forma polar de z es
Solucin de h). El valor de r es
1 -i
- 1 = *COS
- 1 = *sene
de modo que cos O = - 1f f i y sen O = - 11f i . El nico valor de que satisface

estas relaciones y cumple el requisito - n e 8 5 n es O = - 3 ~ 1 4 (= - 135')
(figura 26). Por tanto, una forma polar de z es
-+isenINTERPRETACIN
GEOMTRICA
DE LA
MULTIPLICACIN Y LA
DMSIN
"1
4
A continuacin se mostrar cmosepueden usar las formas polares para obtener

interpretaciones geomtricas de la multiplicacin y la divisin de nmeros
complejos.
Sean
z, =?,(cos 0,
+ i sene,)
z2 = r,(cos 6,
+ i sen e,)
Multiplicando,
obtiene
se
Z,Z,
= r,r2[(cos-0,COS
e,
-sene, sene,)
+ i(sen0, cos 0, + C O S e, sene,)]
620 / Espacios vectorialescomplejos
Recordando las identidades trigonomtricas

cos(8, + O,)
sen(0, + 8,)
cos S, cos O, - sen 8, sen S,
= sen O,
cos S,
+ cos 8, sen 8,
Se obtiene
zlz2= r,r,[cos(S, + O , )
+ isen(8, + O,)]
que es una forma polar del nmero complejo con mdulo

rlrz y argumento
8, +- 8,. As, se ha demostrado que
lv21
= IZllIZ2l
arg(z,z2) = arg z1 + arg z2

(Por qu?)
En palabras, el productode dos nmeros complejos se obtiene al multiplicar
sus mdulos y sumar sus argumentos (figura 3).
Figura 3
Producto de dos nmeros complejos.
Se deja como ejerciciodemostrar que si z2 # O , entonces
~~
1O. 3 Forma polar; teorema de De Moivre / 621
arg
k)
= arg z1 - arg z2
En palabras, el cociente de dos nmeros complejos se obtiene al dividir sus

mdulos y restar sus argumentos (en el orden adecuado).
Ejemplo 2 Sean
Las formas polares de estos nmeros complejos son
(comprobar), de modo quepor (3)

zlzz =4[cos(t+:)
=4
[ y
+isen('+:)]
-1
c o s - + i s e n=
- 4[O+i]=4i
2
T
T V 3 1
=cos-+isen-=--+--i
6
6
2
2
Como comprobacin, zlz2 y z1/z2 se calcularn directamente sin usar las formas
polares dez1 y z2:
.- .
622
lo cual concuerda con el resultado previo. A

El nmero complejo i tiene mdulo 1 y argumento n / 2 = (90"), por
tanto, el productoiz tiene el mismo mdulo que z, pero su argumento es 90" mayor
que el de z. En resumen, al multiplicar z por i gira en sentido contrario a las
manecillas del reloj por un ngulo de 90" (figura 4).
t'
Figura 4
FRMULA DE
DE M O W
I Al multiplicar por i,
z gira 90' en sentido contrario a las manecillas del reloj.
Si n es un entero positivo y z = r(cos O + i sen e ), entonces por la frmula (3),
.~=r"[cos(8+8+...+8)+isen(8+8+...+8)]
n factores
n trminos
n trminos
Z"=Z.Z.t..
o bien,
z" = r"(cos no
+ isen ne)
Adems, si z f O, se define z-" = l/z".

En el caso especial en que r = 1, se tiene z = cos O + J sen O, de modo que (6)
se convierte en
(cos 8
+ i seno)" F cos n8 + i sen no
expresin que se denomina frmula de De Moivre*. Aunque (7) se obtuvo suponiendo que n es un entero positivo, en los ejercicios se demostrar que esta frmula esvlida para todos los enteros n.
*Abraham De Moivre (1667-1754) matemticofrancs que realizimportantescontribucionesa
probabilidad, estadsticay trigonomehia. Desarrollel concepto de eventos estadsticamente independientes,
escribi un tratado hndamentalsobre probabilidady ayud a transformar la trigonometra de unarama de
lageometraauna
rama del anlisis a travs del empleo de los nmeroscomplejos. A pesar de su
importante trabajo, a duras penasse a
sarreglaba paravivir como tutor y asesor sobre juegos y seguros.
1O. 3 Forma polar; teorema de DeMoivre / 623
DETERMINACI~N
DE LAS
RAICES
n-SIMAS
A continuacin se mostrar cmo usar la frmula de De Moivre para obtener

races de nmeros complejos.Si n es un entero positivo y si z es cualquier
nmero complejo, entonces la raz n-sima de z se define como cualquier nmero complejo w que cumple la ecuacin
Una raz n-sima de z se denota por zlln. Si z # O, entoncesa

ls frmulas
para las races n-simas zdese pueden obtener como sigue. Sean
w=p(cosa+isena)
z=r(cosO+isen8)
Si se supone quew satisface (8), entonces por(7) se concluye que

pn(cos n a
+ i sen na) = r(cos 8 + i sen 8)
(9)
Al comparar los mdulos delos dos miembrosse observa quep = r o bien, que
6denota la n-sima raz real positiva de r. Adems, para que en (9) se

donde "
cumplan las igualdades cos
n a = cos 8 y sen n a = sen 8, los ngulos n a y 8 deben
ser igualeso diferir por un mltiplo de2n. Es decir,
n a = 8 + 2 k r ,k = 0 ,
+ 1 , t 2, . . .
a=-+-
2!cr
,
n
k=0, k l , 2 2 , .
As, los valoresde w = p (cos a + i sen a) que satisfacen(8) estn dados por
w=('h[cos(!+~)+isen(~+~)],
k=0, k l , k2, . . .
Aunque hay muchos valores de k, se puede demostrar (ejercicio 16) que k = O , 1,

1 producen valores distintos de w que satisfacen (8), y que todasa
ls
d e b elecciones dek producen rplicas de esos valores.En consecuencia, existen
exactamente n diferentes racesn-simas de z = r(cos 8 + i sen e), y estn dadas
por
2, . . . , n
= l / n = , [ , , s ( 8, t ~2km
)+iSen(!+~)],
k=O,1,2,,..,n-l
(IO)
Ejemplo 3 Encontrar las races cbicas de -8.

Solucin. Como -8 est sobre el eje real negativo se puede usar 0 = ?t como
argumento. Adems, r = bl = 1-81 = 8, de modo que una forma polar de -8 es
-8=8(cos v+isen.rr)
Por (10) con n = 3 se deduce que
[ (3-+cos
25") + i s e n
(3-+-
2 3 ] ,
k = O , 1,2
As, las races cbicas de -8 son
2(cos7r+isen7r)=2(-1)= -2
Como se muestra en la figura 5, las tres races cbicas de -8 obtenidas en el

ejemplo 3 son equilstantes, ya que estn separadas por una lstancia de n13
radanes (= 120') sobre la circunferencia de radio 2 con centro en el origen. Este
hecho no es fortuito. En general, por la frmula (10) se concluye que las races nsimas de z estn sobre la circunferencia de radio "&(=.fi)y
son equidstantes,
separadas por una distancia de 2 nln radianes. (Puede el lector darse cuenta de
por qu esto es as?) As, una vez que se ha determinado una raz n-sima de z, las
dems n - 1 races se pueden generar si esta raz se hace girar sucesivamente en
incrementos de 2 nln radianes.
4'
Figura 5
Las races cbicas de -8.
I O. 3 Forma polar; teorema de De Moivre / 625
Ejemplo 4 Encontrar las races cuartasde 1.

Solucidn. Se podra aplicar la f6miila i.U.: j . 1.c. vez de ello, se observa quew = 1
es una raz cuarta de 1, de modo que las tres races restantes se pueden generarsi
esta raz se hace girar en incrementos de
2 d 4 = n/2 radianes (= 90'): En la
figura 6 se observa quelas races cuartasde 1 son
1. i, -1, "i
4"
/
EXPONENTES
COMPLEJOS
\
\
Estaseccinconcluyeconalgunoscomentariossobrenotacin.
En estudios
ms
detallados
de
nmeros
complejos
se
definen
los
exponentes
complejos y se demuestra que
I
o+
cos
i sen8=eie
donde e es un nmero real irracional definido aproximadamente por e =

2.7 1828. . . (Para quienes ya estularon Clculo, en el ejercicio18 se proporciona
una demostracin de este hecho.)
Por la expresin(1 1) se concluye que la forma polar
z = r(cos 8
+ i sen 8)
se puede escribir de manera

ms breve como
Por (12), la expresin anterior tambin puede escribirse como
Es posible demostrar que los exponentes complejosobedecen las mismas

reglas que los exponentes reales, de modo que si
z1 = rleiBl
z2= r2ei*2
son nmeros complejos diferentes de cero, entonces
Pero estas son justamente l a s frmulas (3) y (5) escritas en otra notacin.
Por ultimo, se obtendr una frmula til para expresar 2en notacin polar.
Si
z
= rei* = r(cos
+ i sen e)
entonces
Z = r(cos 9 - i sene)
Recordando las identidades trigonomtricas
sen(- O) = -sen 0
COS(
la expresin (13) se puede volver aescribir como
e) = COS e
10.3 Forma polar; teorema de De Moivre

1. En cada inclso, encontrar el argumento principal de z.
a)z=l
b)z=i
d ) ze=) lz+=i- l + d ? i
c)z=-i
2. En cada inciso hallar el valor de O = arg( 1
b) - a < O s a
a) O<O'2a
f)z=l-i
hi)que satisface la condicindada.
c)
--SO<--
rr
6
1l a
3. En cada inciso expresarel nmero complejo en forma polar usando

su argumento principal.
a) 2i
b) - 4
c) 5 + 5 i
4. Dado que z, = %(cosn14
d) - 6 + 6 d ? i
e) - 3
3i
f) 2 f i - 2 i
+ i sen n / 4 )y z2 = COS nl6 + i sen n16) obtener una forma
polar de
5. Expresar z, = i, z2 = 1
f i i y z3 =
&+ i en forma polar y aplicar los resultados para
encontrar z,z2/z3.Comprobar los resultados efectuando los clculos sin usar formas polares.
6. Usar la frmula (6) para hallar
7. En cada inciso, encontrar todasa

lsraces y trazarlas como vectores en el plano complejo.
b) (1
a) (-i)'12
+ V'%)'12
c)
(i)'I3
d)
e) ( -
f) ( - 8
8. Usar el mtodo delejemplo 4 para encontrar todas las races cbicas de 1
9. Usar el mtodo del ejemplo 4 para hallar las races sextas de l .

10. Obtener las races cuadradas de 1 + i y expresar los resultados en forma polar.
11. En cada inciso encontrar las soluciones de la ecuacin.

a)
z4 - 16 =
b) z4I3 = - 4
12. Calcular cuatro soluciones de la ecuacin fi + 8 = O y con los resultados, factorizar z4 +

8 en dos factores cuadrticos con coeficientes reales.
+ 8V3i)1/4
I'
627
628
14. En cada inciso, usando (6), calcular la potencia indicada
a) ( I
+I)'
b) (-2*+2i)")
15. En cada inciso, encontrar Re@) e h ( z ) .
16. a) Demostrar que todos los valores de
en la frmula (10) son diferentes.

b) Demostrar que los valores enteros de k distintos de k = O, 1,2, . . . ,n - 1 producen
valores de z"" que son rplicas de los producidos por la frmula (IO).
17. Demostrar que la frmula (7)es vlida si n = O o r~ es un entero negativo.

18. (Para quienes ya estudiaron Cdkulo). Para demostrar la frmula (1 l), recurdese l a
serie de Maclaurin para 8
a) Sustituyendo X = i o en esta serie y simplificando, obtener la frmula
b) Usando el resultado del inciso a), obtener (1 1)
19. Obtener la fnnula (5)
10.4
ESPACIOS VECTORIALES COMPLEJOS
PROPIEDADES
BASICAS DE LOS
ESPACIOS
VECTORIALES
COMPLEJOS
En espacios vectorides complejos, las combinaciones lineales se definen

exactamente como en los espacios vectoriales reales, excepto que los escalares son
complejos. En pocas palabras, un vector w se denomina combinacin lineal de los
vectores vl, v,, . , v,. si se puede expresar en l a forma
, ,
w = k,v, k2v2 + . . .
donde k,, k,, . . . , kr son nmeros complejos.
+k,~,
1O. 4 Espacios vectoriales complejos / 629
Los conceptos de independencia lineal, conjunto generador, base, dimensin y subespacio permanecen sin ningn cambio para espacios vectoriales complejos, y los teoremas obtenidos en el captulo 5 siguen siendo vlidos.
El espacio vectorial real ms importante es R", que es el espacio de n-adas
de nmeros reales, donde la adicin y la multiplicacin escalar se efectan por
coordenadas. El espacio vectorial complejo ms importante es C", que es el espacio de n-adas de nmeros complejos, donde la adicin y la multiplicacin escalar
se efectan por coordenadas. Un vector u en C" se puede escribir en notacin
vectorial
o en notacin matricial
donde
u, = a ,
+ b,i,
u2 = a ,
+ h,i,
. . . , u, = a,
+ h,i
Ejemplo 1 Si
u = (i, 1
+ i, -2)
v = ( 2 + i, 1 - i, 3 + 2i)
entonces
u+v
= (i, 1
+ i,
-2)
+ ( 2 + i, 1 - i, 3 + 2i) = (2 + 2i, 2, 1 + 2i)
i u = i ( i , 1 + i , - 2 ) = ( i z , i + i 2 , - 2 i ) = ( - 1 , - 1 ti,-2i) A
En C n , as como en R", los vectores

e , = ( 1 , 0 , 0 , . . . , O), e,=(0,
1,0, . . . , O),
. . . , en=(O,O,O,
forman una base. sta se denomina base estndar para

n vectores, Cn es un espacio vectorial n dimensional.
. . . , 1)
P.Como en esta base hay
No se debe confundir el nmero complejo i = &

con
i el vector i
= (1, O,O) de la base estndar para R3 (vase el ejemplg 3 de la seccin 3.4). El
nmero complejo i siempre se escribir en cursivas y el vector i, en negritas.
OBSERVACI~N.
Ejemplo 2 En el ejemplo 3 de la seccin 5.1 se defini el espacio vectorial M,,,, de

matrices m X n con elementos reales. El anlogo complejo de este espacio es el
espacio vectorial de matrices con elementos complejos y las operaciones de adicin
de matrices y multiplicacin escalar. Este espacio se denomina complejo M,,,,,. A
Ejemplo 3 Si fi(x) y fz(x) son funciones con valores reales de la variable x,
entonces la expresin
se denomina funcin con valores complejos de la variable x. Algunos ejemplos

son
f(x) = 2x + ix3
g(x>= 2 sen x
+ i cos x
(1)
Sea Vel conjunto de las funciones con valores complejos que estn definidas sobre
la recta. Si f = fi(x) + iJ2(x) y g = gl(x) + ig2(x) son funciones como las
mencionadas y k es cualquier nmero complejo, entonces la funcin suma f + g y
el mltiplo escalar kf se definen por
Se puede demostrar que V junto con las operaciones establecidas es un espacio

vectorial complejo. Se trata del anlogo complejo del espacio vectorial F(- m, m)
de funciones con valores reales analizado en el ejemplo 4 de la seccin 5. l . A
Ejemplo 4 (Para quienes ya estudiaron Crilculo). Si Ax) =S,(.) + &(x) es una

funcin con valores complejos de la variable real x, entonces se dice que f es
continua si f , ( x ) y f2(x) son continuas. Se deja como ejercicio demostrar que el
conjunto de todas las funciones continuas con valores complejos de una variable
real x es un subespacio del espacio vectorial de todas las funciones con valores complejos de x. Este espacio es el anlogo complejo del esuacio vectorial
I O. 4 Espacios vectoriales complejos / 63 I

C(-m, 00) analizado en el ejemplo 7 de la seccin 5.2 y se denomina cornplejo C(- 00, m). Unejemplo bastante relacionado es el complejo C[a, b], el
espacio vectorial de todas las funciones con valores complejos que son continuas
sobre el intervalo cerrado [a, b ] . A
Recurdese que en R" el producto interior euclidiano de dos vectores
se defini como
y que la norma (o longitud) euclidiana de u se defini como

llull = (u u)l'2 =
vu:+
u;
+ . . + u;
'
Desafortunadamente, estas definiciones no son apropiadas para vectores en C".

Por ejemplo, si (3) se aplicase al vector u = (z, 1) en C2, se obtendra
((u(\
=
VFZ = v% = o
de modo que u sena un vector dverente de cero con longitud cero, situacin a
todas luces contradictoria.
PRODUCTOS
INTERIORES
EUCLIDIANOS
COMPLEJOS
Para extender correctamente los conceptos de norma, distancia y ngulo a C" es

necesario modificar un poco el producto interior.
~~
~~~~
Definicih. Si u = ( u l , u2, . . . , un) y v = ( v l , v2, . . . , vn) son vectores en Cn,

entonces su producto interior euclidiano complejo u * v se define por
donde i
1' 2'""
inson los conjugados de vl,v2, . . . ,vn.
Ntese que el producto interior euclidiano de vectores en C" es

un nmero complejo, mientras que el producto interior euclidiano de vectores en
Rn es un nmero red.
OBSERVACI~N.
Ejemplo 5 El producto interior euclihano complejo delos vectores
u=(-ii,2, 1 +3i)
v = ( l -i,O,
I +3i)
es
+ (2)(0) + (1 + 3i)(l + 32)

+ i) + (2)(0) + (1 + 3i)(l - 3i)
u - v = (-i)(l - i)
= (-i)(l
-
- i - 22 + 1 - 9'2
I z I 1 - i
En el teorema 4.1.2 se mencionaron las cuatro propiedades principales del

producto interior euclidiano sobre Rn. El siguiente teorema es el resultado
correspondiente para el producto interior euclidiano complejo sobre C n
Teorema 10.4.1. Si u, v y w son vectores en C? y k es cualquier nmero

complejo, entonces:
a)
b)
c)
d)
u.v=v.U
(u+v).w=u.w+v.w
(ku).v = k(u.v)
v.v?O.Ademas,v.v=O
siysfosi v=O.
Obsrvese la diferencia entre el inciso a) de este teorema y el inciso a ) del

teorema 4.1.2. Se demostrarn los incisos a ) y d) y los dems se dejan como
ejercicio.
Demostracin de a).Sean u = (ul, u2, . . . , un) y v = ( v , , v2, . . . ,v,). Entonces
v. u = U I U I + U22-t .
'
'
+ un,
de modo que
v.u
= UIUl
= ulul
+ u2u2
- + ' . . + Unn
+-
' ' '
VnUn
+ *uz+ . . . + ,,un
= U l l + u22+ . . + un,
'
u.v
[Teorema 10.2.3, incisos a) y c)]

[Teorema 10.2.3, inciso e)]
I O. 4 Espacios vectoriales complejos / 633
Demostracin de 4.
Adems, la igualdad se cumple si y slo si lvll = Iv21 = . . . = lvnl = O. Pero esto es

cierto si y slo si v1 = v2 = . . . = v, = O, es decir, si y slo si v = O. 0
OBSERVACI~N.
Se deja como ejercicio demostrar que
u (kv) = k(u .v)

para vectores en C". Hacer la comparacin con la frmula correspondiente
u . (kv) = k(u v)
para vectores en R".
NORMA Y
DISTANCIA EN
Por analoga con (3), la normaeuclidiana (o longitud euclidiana) de un vector u

= (u1, uz, . . . , un) en Cn se define por
y la distancia euclidiana entre los puntos u = (u1, uz, . . . , un) y v = ( v l ,v2, . . . ,

vn) se define por
Ejemplo 6 Si u = (i, 1 + i, 3) y v = (1 - i, 4, 4i), entonces
llull
=m=2v3
d(u, v)
VIi - (1 - i)I2+ 1(1 + i) - 212 + 13 - 4iI2
= ~ I - 1 + 2 i ) 2 + I - 1 + i ( 2 + 1 3 - 4 i ( 2 = ~ 5 + 2 + 2 5 = ~ =A4 ~
El espacio vectorial complejo Cn con la norma y el producto interior antes defihdos se denomina espacio n euclidiano complejo.
634
,/

1. S e a n u = ( 2 i , 0 , - 1 , 3 ) , v = ( - i , i , 1 + i , - l ) y w = ( l + i , - i , - 1 + 2 i , O ) . E n c o n t r a r
a) u - v
b) i v f 2 w
d) 3 ( u - ( I + i ) v )
c) - w + v
e) - i v + 2 i w
f) 2 v - ( u + w )
2. Sean u, v y w los vectores del ejercicio 1. Encontrar el vector x que satisface
u - v + ix = 2ix + w.
3.
Sean u, = (1 - i , i, O), u2 = (22, 1 + i, 1) y u3 = (O, 22, 2 - i). Encontrar escalares c,,

que c,u, + c2uz + c3u3= ( - 3 + i, 3 + 2i, 3 - 4i).
cz y c3 tales
4. Demostrar que no existen escalares c,, c2 y c3 tales que
c,(i, 2 - i, 2
+ i) + c2(1+ i, -2i, 2) + 4 3 , i, 6 + i) = (i, i, i)
5. Encontrar la norma euclidiana de v si
a) v = ( l , i )
b) v = ( l + i , 3 i , 1)
c) v = ( 2 i , 0 , 2 i + 1, - 1 )
d) v = ( - i , i , i , 3 , 3 + 4 2 )
6. Sean U = (3i,O, -i), v = (O, 3 + 44 -2i) y w = (1 + i, 22, O), Encontrar

d) 113~- 5~ + wI I
1
e ) -w
llwll
7. Demostrar que si v es un vector diferente de cero en Cn, entonces (l/llvll)v tiene noma
euclidiana l .
8. Encontrar todos los escalares k tales que I l k v l l = 1, donde v = (32,4i)
9. Encontrar el producto interior euclidiano u * v si
a) u = (-i, 3i), v = (3i,2i)
b) u = (3 - 4i, 2 i, -6i), v = (1
+ i, 2 - i, 4)
c) u = ( l - i , l + i , 2 i , 3 ) , v = ( 4 + 6 i , - 5 , - 1 + i , i )
En los ejercicios 10 y 11 se proporciona un conjunto de objetos junto con las operaciones
de adicin y multiplicacin escalar. Determinar cules conjuntos son espacios vectoriales
complejos bajolas operaciones dadas. Para los que no lo sean, mencionar todos los axiomas
que no se cumplen.
10. El conjunto de todas las temas de nmeros complejos (z,, z2, z3) con las operaciones
10.4 Espacios vectoriales complejos / 635

11. El conjunto de todas las matncescomplejas de 2 X 2 de la forma
con las operaciones matmiales normales de adicin y multiplicacin escalar.

12. Es Rn un subespacio de Cn? Explicar la respuesta
13. Aplicando el teorema 5.2.1, determinar cules de los siguientes
conjuntos son subespacios de C3.

a) Todos los vectores de la forma (2, O, O).
b) Todos los vectores de la forma (z, i, i)
c) Todos los vectores de la forma (zl, z2, z3), donde z3 = z1 + z2.
d) Todos los vectores de la forma (zl, z2, z3),donde z3 = z1 -t z, + i.
"
14. Aplicando el teorema 5.2.1, determinar cules de los siguientes conjuntos son subes-
pacios del complejoMZ2:

a) Todas las matnces complejas de la forma
donde z1 y z2 son reales.

b) Todas las matrices complejas de la forma
donde z1 + z4 = O.
c) Todas las matricescomplejas A 2 X 2 tales que
= A , donde 2 es lamatriz
cuyos elementos son los conjugados de los elementos correspondientes de A.
15. Aplicando el teorema 5.2.1, determinarculesde
los siguientes conjuntos son subespacios del espacio vectorial de las funciones con valores complejos de la variable
real x:
a) Todas lasf tales queA1)= O.
b) Todas lasftales queA0) = i . c) Todas las f tales quef(-x) = f ( x )
d) Todas las f de laforma k , + k2 elx, donde k , y k, son nmeros complejos.
16. Cules de los siguientes vectores son una combinacin lineal de u = (i, -i, 32) y v =
(2i, 4i,O)?
a) (3i,3i, 3i)
b) (442i, 6i)
c) (i, 5i, 6i)
d) (O, O, O)
17. Expresar cada uno de los siguientes vectores como una combinacin lineal de u = (1, O,
- z), v = (1 + i, 1, 1 - 2i) y w = (O, i, 2).
a) (1, 1, 1)
b) (i, O, - i )
C) (O, O, O)
d) ( 2 - i, 1, 1 + i)
18. En cada inciso, determinar si los vectores dados generan a C3

a) v I = (i, i, i), v2 = (22, 2i, O), v3 = (3i, O, O)
b) V , = ( 1 + i, 2 - i, 3 + i), vi = (2 + 3i, O, 1 - i)
c) V, = (1, O, -i), v2 = (1 + i, 1, 1 - 24, v3 = ( O , i, 2)
d) v I = (1, i , O), v 2 = ( 0 , -i, I), v 3 = ( 1 , O, 1)
19. Determinar cules de las siguientes fnciones estn enel espacio generado por
f = e
a) cos x
g=e-
b) sen x
c)cos
+ 3i sen x
20. Explicar por qu los siguientes conjuntos de vectores son linealmente dependientes.
(Resolver este problema por inspeccin.)

a) u , = ( I - - i , i ) y u 2 = ( 1 + i , -1)enC2
b) u, = (1, - i), u2 = (2 + i, - l), u) = (4, O) en C 2
c) A =
2i
j]
en el complejo
21. Cules de los siguientes conjuntos de vectores en C3 son linealmente independientes?
= (1 -i, 1, O), u2= (2, 1 i, O), u3 = (1

i, i, O)
b)u,=(I,O,--i), u2=(l+i,l,l-2i), u3=(0,i,2)
c)u,=(i,O,2-i), u2=(0,1,i),n,=(-i,-1-4i,3)
a) u,
22. Sea V el espacio vectorial de todas las funciones con valores complejos de la variable
real x. Demostrar que los siguientes vectores son linealmente dependientes.

f=3
+ 3i cos 2x,
g =sen2 x
+ i cos2 x,
h = cos2 x
- isen* x
23. Explicar por qu los siguientes conjuntos de vectores no son bases para los espacios
vectoriales indicados. (Resolvereste problema por inspeccin.)

a) u ,
b) u ,
= (i, 2i), u2 = (O, 32), u3 = (1, 7i) para C

= ( - 1 i, O, 2 - i). u2 = (1, -i, 1 i) para C3
24. Cules de los siguientes conjuntos de vectores son bases para C2?
b) (1 + i, l), (1 + i, i )
d) (2 - 32, i), (3 + 2i, - I )
a) (2i, -i), (4i, O)

c) (O,O), (1 + i, 1 - i )
25. Cules de los siguientes conjuntos de vectores son bases paraC3?

a) (1, O, O), (i, i, O), (i, i, i)
c)(i,O,2-i), (O,l,i), ( - i , - 1 - 4 & 3 )
b) (1, O, -i), (1 - t i , 1, 1 - 2i), (O, i, 2)

d)(I,O,i),(2-i,1,2+i),(O,3i,3i)
En los ejercicios del 26 al 29, determinar la dimensin y una base para el espacio solucin
del sistema.
26.
x,
( 1 - i)x,
28. x,
ix,
+ (1 + i)x, = O
2x2 = O
(2 - i)x2
x2
+ 3ix,
+ ( 2 + 2i)x2 +
=o
=O
3ix3 = O
2x1 - (1
27.
(-1 + i ) x ,
29. x,
ix,
x, = o
+ x, = O
4x3 - 2ix, = O
ix, - 2ix3
+ 3x, +
+ i)x2 = O
10.5 Espacios complejos con producto interior / 637

30. Demostrar: Si u y v son vectores en el espacio n euclidiano complejo, entonces
u.(h)=k(u.v)
31. a) Demostrar el inciso b ) del teorema 10.4.1.

b) Demostrar el inciso c) del teorema 10.4.1.
32. (Para quienes ya estudiaron C&lculo).Demostrar que el complejo C( - m , m ) es un
subespacio del espacio vectorial de funciones con valores complejos de una variable
real.
33. Establecer la identidad
-4111
- vil2
+ -1i1 + iv1I2 4i llu

-
para vectores enel espacio n euclidiano complejo.
10.5
ESPACIOSCOMPLEJOS CON PRODUCTOINTERIOR

En la seccin 6.1 se dejni el concepto de producto interior sobre un espacio
vectorial rzal usando como axiomas las propiedades bsicas del producto interior
euclidiano sobre R". En esta seccin se dejnirn productos interiores sobre espacios vectoriales complejos usando como axiomas las propiedades del producto
interior euclidiano sobre C".
ESPACIOS
UNITARIOS
La siguiente definicin es originada por el teorema 10.4.1

Definicin. Un producto interior sobre un espacio vectorial complejo V es
una funcin que asocia un nmero complejo (u, v) a cada par de vectores u y v
en V de modo que los siguientes axiomas se cumplen paralos vectores u, v y
w en V y los escalares k.
-
1) ( u , v ) = ( v , u )
2) ( u + v, w ) = (u, w ) + (v, w )
3) (ku, v) = k( u, v )
4) ( v , v ) r 0 y ( v , v ) = O siyslosi v = O
I
Un espacio vectorial complejo con un producto interior se llama espacio con producto interior complejo o espacio unitario.
Las siguientes propiedades adxionales se deducen de inmediato a partir de
los cuatro axiomas de producto interior:
(i) ( O , v > = ( v , O > = O

(ii) (u, v + w ) = (u, v ) + (u, w )
(iii) (u. kv) = %(u,v )
Como slo iii) difiere de los resultados correspondientes para productos interiores reales, se demostrar y las otras demostraciones se dejan como ejercicio.
(u, kv) = (kv, u)
= k(v, U )
k( V , u )
[ h o m a 31
[Propiedad delos conjugados]
k(u, v )
[Axioma I ]
"
[Axioma 11
Ejemplo 1 Sean u = (u1, u2, . . . , un) y v = (vl, v2,. . . , vn) vectores en P. Por el
teorema 10.4.1, el producto interior euclidiano (u, v) = u
v =
u1ulVl +u2V2+...+unVn satisface todos los axiomas de producto interior. A
Ejemplo 2 Si
son matrices cualesquiera 2 X 2 con elementos complejos, entonces la sigwente

frmula define un producto interior complejo sobre elcomplejo
(comprobar):
Por ejemplo, si
entonces
10.5 Espacios complejos con producto interior / 639
Ejemplo 3 (Para quienes ya estudiaron Cdlculu). Si Ax) = fl(x) + if2@) es una

funcin con valores complejos de la variable real x y si fl (x) y f2(x) son continuas
sobre [a, b ] , entonces
JUhf(4
U
ID
+
dx =
[fl(4
if2(x)ldx =
fl(4
dx + i l ,
f2(4
dx
En palabras, la integral de Ax) es la integral de la parte real de f ms i veces la

integral de la parteimaginaria de f:
Se deja como ejercicio demostrar que si las funciones f = f l ( x ) + iJ2(x) y g =
gl(x) + ig2(x) son vectores en el complejo C[a, b ] , entonces la siguiente frmula
define un producto interior sobre el complejo C[a,b ] :
En espacios con producto interior complejo, as como en espacios con producto interior real, la norma (o longitud) de un vector u se define por
y la distancia entre dos vectores u y v se define por
Se puede demostrar que con estas definiciones los teoremas 6.2.2 y 6.2.3 siguen
siendo verdaderos en espacios con producto interior complejo (ejercicio 35).
Ejemplo 4 Si u = (ul, u2, . . . , un) y v = (vl, v2,. . . , vn) son vectores en C" con el
producto interior euclidmno, entonces
640 1 Espacios vectoriales complejos
Obsrvese que estas expresiones son justamente las frmulas para la norma y la
distancia euclidianas analizadas en la seccin 10.4. A
Ejemplo 5 (Para quienes y a estudiaron Clculo). Si el complejo C[O, k]

tiene
el producto interior del ejemplo 3 y si f = elm, donde m es cualquier entero,
entonces con auxilio de la frmula (15) de la seccin 10.3 se obtiene
CONJUNTOS
ORTOGONALES
Las definiciones deconceptoscomo vectores ortogonales, conjunto ortogonal,

conjunto ortonormal y base ortonormal se aplican sin cambio a espacios unitarios. Adems, el teorema 6.2.4, los teoremas de la seccin 6.3 y el teorema 6.5.4
an son vlidos en espacios con producto interior complejo,
y el proceso de
Gram-Schmidt se puede usar para convertir una base cualesquiera de un espacio
con producto interior en una base ortonormal.
Ejemplo 6 Los vectores
u = (i, 1)
v = (1, i)
en 62 son ortogonales con respecto al producto interior euclidiano, ya que

u.v=(i)(i)+(1)(5)=(i)(l)+(l)(-i)=o
Ejemplo 7 Considrese el espacio vectorial C3 con el producto interior euclidiano.

Aplicar el proceso de Gram-Schmidt para transformar los vectores bsicos u1 =
( i , i , i ) ,u2 = (O, i , i), u3 = (O, O, i ) , en una base ortonormal.
Solucin.
Paso 1.
v I = u, = (i, i, i)
1O.5 Espacios complejoscon producto interior / 641
As.
forma una base ortogonal para 6 3 . Las normas de estos vectores son
de modo que una base o r t o n o d para C3 es
Ejemplo 8 (Puru quienes ya estudiaron Cfcufo).Sea el complejo C[O,2 n ] con

el producto interior del ejemplo 3, y sea W el conjunto de vectores en C[O, 2 n ] de
la forma
elmr = cos mx
+ i sen mx
donde m es un entero. El conjunto W es ortogonal porque si
son vectores dstintos en W, entonces
642

1
-sen
[k-1
(O)
(k - l ) x
k- 1
i(0) = O
Si se normalizacada vector del conjuntoortogonal W. se obtiene un conjunto

ortonormal. Pero en el ejemplo 5 se demostr que cada vector en W tiene norma
f i , dc modo que los vectores
forman un conjunto ortonormal en el complejo C[O, 2 n ] . A

1. Sean u = ( u , , u 2 ) y v = (v], v2). Demostrar que (u, v) = 3u, 324
1 1
+2u
2 2
define un
producto interior sobre p.
2. Calcular (u, v) usando el producto interior del ejercicio l .

a) u = (2;. - i), v = ( - i, 3;)
b) u = ( O , O), v = ( 1 - i, 7 - 5i)
c) u = ( 1 + i, I - i), v = ( 1 - i. 1 + i)
d) u = (3i, - 1 + 2 i ) , v = (32, - 1 + 2i)
3. Sean u = ( u , , u 2 )y v = (v,,v2). Demostrar que
(u, v )
u,,
+ ( 1 -t- i)u,2 + ( 1 - i)u,u,- + 3u22
define un producto interior sobre C 2

4. Calcular (u, v) usando el producto interior del ejercicio 3
a)
U=
C) U =
b) u = (O, O), v = ( 1 - i, 7 - 5i)

d ) u = (3i. - 1 2i), v = ( 3 , - 1 + 2i)
(2i, - I ) , v = ( - i, 3i)
(1 + i, 1 - i), v = (1 - i, 1 + i )
5. Sean u
= ( u , , u z ) y v = (vl, v2). Determinar cules de las siguientes expresiones son

productos interiores sobre p.Para las que no lo sean, enumerar los axiomas que no se
cumplen.
a) ( u , v ) = u,,
d) (u, v ) = 2u,U,
b) (u, v ) = u,, - u p 2
+ iu,, + iu,, + 2u,2
c ) { u , v ) = (uI/2(ul(2
e) (u, v ) = 2u,, + iu,2- iu,,
+ 2u,,
10.5 Espacios complejos conproducto interior / 643

6. IJsando el producto interior del ejemplo 2, encontrar (U, V) si
- "
7. Sean u = ( u I ,u2, u3)y v = (vl,v2, v3).(u, v) = yvI+~v2+u3v3-iu3v,define un pro-
ducto interior sobre C3?En caso negativo, enumerar todos los axiomas que no se cumplen.
8. Sea Vel espacio vectorial de las funciones con valores complejos de la variable real x ,
y sean f =&(x) + z&(x) y g = g l ( x ) + ig,(x) vectores en V. La expresin
(f3
g) = (fl(0) + ifAO))(g,(O)+ ig,(O))
define un producto interior sobre P En caso negativo, enumerar todos los axiomas que
no se cumplen.
9. Sea c" con el producto interior del ejercicio 1. Encontrar I(w((si
a) w = ( - i , 3 i )
b) w = ( l - i , l + i )
c) w = ( O , 2 - i )
d) w=(O,O)
10. Para cada vector del ejercicio 9, usando el producto interior euclidiano encontrar I(w((
11. Usando el producto interior del ejercicio 3 , encontrar llwll si
a) w = ( l , -i)
b) w = (-li ,
1 +i)
c) w = ( 3 - 4 i , O )
12. Usando el producto interior del ejemplo 2, encontrar
d) w=(O,O)
l!,4(( si
13. Sea C2 con el producto interior del ejercicio 1. Encontrar d(x, y) si

b) x = ( l - i , 3 +2i), y = ( l + i , 3 )
.a) x = ( l , l ) ,y = ( i , -i)
14. Repetir l a s instrucciones del ejercicio 13 usandoel producto interior euclidianosobre
c.
15. Repetir las instrucciones del ejercicio 13 usando el producto interior del ejercicio 3.
16. Sea el complejo MZ2con el producto interior del ejemplo2. Encontrar d(A, B ) si
17. Sea C3 con el producto interioreuclidiano.Para

qu valores complejos de k los
vectores u y v son ortogonales?
a) u = ( 2 i , i , 3 i ) , v = ( i , 6 i , k )
b) u = ( k , k , l + i ) , v = ( l , - 1 , l - i )
644
18. Sea n/r.2 con el producto interior del ejemplo 2. Detenninar cules de las siguientes
matrices son ortogonales a
19. Sea C" con el producto interior euclidiano. Demostrar que para todos los valores de 0
20. Sea ('? con el producto interioreuclidiano.Culesdelossiguientes

ortononnales?
a) (i, O),(O,
1 - i)
b)
('
- -v5'
), (v5"*
) (
v5
"
C
'
21. Sea
con el producto interioreuclidiano.Cules
ortonornlales?
c)
conjuntos son
), (
"
v5'v5
--r
v2'
de los siguientes conjuntos son
22. Sea
Demostrar que {x, y) es un conjunto ortonomal si C2 tiene el producto interior

(u, v ) = 3u,,
+ 2u22
pero no es ortonomal siC* tiene el producto ulterior euclidiano

23.
es un conjunto ortogonal en C4 con el producto interior euclidiano. Normalizando cada

uno de estos vectores, obtenerun conjunto ortonomal.
24. Sea C 2 con el productointerioreuclidiano.Usandoel
transformar la base {u,, u2} en una base ortonomal.
a) u I = (i, - 3 4 , u2 = (2i, 22)
proceso de Gram-Schmidt,
b) u I = (i. O), u2 = (32, - 5 ; )
"
v5
(d) (i,O), (0,O)
1O. 5 Espacios complejos con producto interior i 645
c3con el producto interioreuclidiano. Usando el proceso de Gram-Schmidt,

transformar la base { u l , u2, ug}en una base ortonormal.
a) uI = (i, i, j), u2 = ( - i , i, O), uj = (i, 22, i)
b) u1= (i, O, O), u2 = (3i, 7i, - 2 4 ,
25. Sea
26. Sea C4 con el productointerioreuclidiano.

Usando el proceso de Gram-Schmidt,
transformar la base { ul, u2, u3, u4} en una base ortonormal.
u, = ( O , 2i,i, O),
u3 =(i, 2i, O, -i), u,=(i,
u 2 = ( i , -i, O, O),
27. Sea C3 con el productointerioreuclidiano.Encontrarunabase

subespacio generado por (O, i, 1 - i) y (-i, O, 1 + 2).
O, i, i)
ortonormal para el
28. Sea C4 con el producto interior euclidiano. Expresar w = (-i, 22,6i, O ) en la forma w =
w, + w2, donde el vector w, est en el espacio W generado por u1= (-i, O, i, 2;) y u2 =
(O, i, O, i), y w2 es ortogonal a W.
29. a) Demostrar: Si k es un nmero complejo y (u, v) es un producto interior sobre un es-
pacio vectorial complejo, entonces (u
kv,
k v ) = (u, u)
- i (u, v)
k(u,v)+kk(v,v).
b) Usando el resultadodelincisoa),demostrar
que O
I (u, u) -
k (U, V)
k(u,v)+kz(v,v).
30. Demostrar que si u y v son vectoresen un espacio con producto interior complejo,entonces
KU.
v)l
(u3U X V , v )
Este resultado,denominado desigualdad de Cauchy-Schwarz para espacios con

producto interior complejo, difiere de su anlogo real (teorema 6.2.1) en que es necesario incluir un signo de valor absoluto en el miembro izquierdo. [Sugerencia Sea k =
(u, v)/(v, v) en la desigualdad del ejercicio 29b).]
31. Demostrar: Si u = ( u I ,u2, . . . , un>y v = (v,,v2, . . . , v,,) son vectores en c,entonces
lUlI
+ U2 +
+ U,nl 5 (jU,/+ / U 2 / +
+ lu,12)12(/u,/2
+ IU2l2 +
+ JUJ2)2
Esta es la versin compleja de la desigualdad de Cauchy analizada en el ejemplo 1 de

la seccin 6.2. [Sugerencia Usar el ejercicio 30.1
32. Demostrar queenla
desigualdad deCauchy-Schwm
paraespacios
vectoriales
complejos la igualdad se cumple si y slo si u y v son linealmente independientes.
33. Demostrar que si (u, v) es un producto interior sobre un espacio vectorial complejo,
entonces
(O, v ) = (v, O ) = o
u3
= (0,4i. i )
(u, v
+ w) = (u, v) + (u, w )
35. Los teoremas 6.2.2 y 6.2.3 siguen siendo verdaderos en espacios con producto interior
complejo. En cada inciso, demostrar que as es.

. Teorema 6.2.2d.
a) Teorema 6 . 2 . 2 ~ .b) Teorema 6.2.2b.c) Teorema 6 . 2 . 2 ~d)
b) Teorema 6 . 2 . 3 ~ .f) Teorema 6.2.36. g) Teorema 6 . 2 . 3 ~h). Teorema 6.2.3d.
36. En el ejemplo 7 se demostr que los vectores
forman una base ortonormal para C3.Usando el teorema 6.3.1, expresar u = ( 1
- i, 1 +
i, 1) como una combinacin lineal de estos vectores.
37. Demostrar que si u y v son vectores en un espacio con producto interior complejo, entonces
, vn} es una base ortonormal para un espacio V conproducto

38. Demostrar: Si {v v
1 2
interior complejo y SI u y v son vectores cualesquiera en V, entonces
[Sugerencia.Aplicando el teorema 6.3.1,expresar u y w como combinaciones lineales

de los vectores bsicos.]
=A(.) + If,(.)
y g = g , ( x )+
39. (Para quienes ya estudiaron Crflculo).Demostrar que si f

ig2(x)son vectores en el complejo C[a,b ] , entonces la frmula
define un producto interior complejo sobre C[a,b]

40. (Para quienes ya estudiaron Ccflculo).
a) Sean f =&(x) + if,(.)
y g = g l ( x )+ igz(x) vectores en C[O, 1J , que tiene el producto
interior
Demostrar que los vectores

e2 mmx
m = o,
* 1, +2,
forman unconjunto ortogonal.

b) Obtener un conjunto ortonormal normalizandolos vectores del inciso a).
1 O. 6 Matrices unitarias, normales y hermitianas / 647
10.6 MATRICESUNITARIAS,NORMALES Y HERMITIANAS

Para matrices con elementos reales, las matrices ortogonales (Ap1 = A T ) y las
matrices simtricas (A = AT) desempearon un papel importante en el problema
de diagonalizacin ortogonal (seccin 7.3). Para matrices con elementos complejos, las matricesortogonales y simtricas son relativamente poco importantes;
son reemplazadas por dos nuevas clases de matrices, la matrices unitarias y hermitianas. que se analizarn en esta seccin.
MATRICES
UNITARIAS
Si A es una matriz con elementos complejos, entonces la transpueda conjugada

de A , que se denota por A*, se define como
donde
es la matriz cuyos elementos son los conjugadoscomplejosde
mentos correspondientes en A y
los ele-
ATes la transpuesta de 2 .
Ejemplo 1 Si
entonces
de modo que
Las propiedades bsicas de la operacin conjugada transpuesta son semejantes a las de la transpuesta:
Teorema 10.6.1. Si A y B son matrices con elementos complejos y k es cualquier nmero complejo, entonces:
a ) (A*)* = A
b ) ( A +B)* = A * +B*
c) ( M ) * = kA*
d ) (AB)* = B*A*
Las demostraciones se dejan como ejercicios.
Recurdese que una matriz con elementos reales se denomina ortogonal
si A" =AT.Los anlogos complejos de las matrices ortogonales se llaman matrices unitarias, y se definen como sigue:

~~
A con elementoscomplejos se denomina
Definicin. Unamatrizcuadrada
unitaria si
I
El siguiente teorema es similar alteorema 6.5.1.
Teorema 10.6.2. Si A es una matriz n X n con elementos complejos, entonces

las siguientes proposiciones son equivalentes.
a ) A es unitaria.
b ) Los vectores rengln de A forman un conjunto ortonormal en c" con el
c ) Los vectores columna de A forman un conjunto ortonormal en c" con el
Ejemplo 2 Los vectores rengln de la matriz
l+i
l+i
~-
A=
1-i
-l+i
2
"
son
r1 =
l+i
I).
l+i
r2 =
(?. -+)
1-i
-l+'
Con respecto al producto interior euclihano sobre Cn,se tiene
i
i
-""
-0
de modo que los vectores rengln forman un conjunto ortonormal en

unitaria y
c.As. A es
El lector debe comprobar que la matriz (2) es la inversa de la matriz (1) probando
q u e m * = A*A =I. A
DIAGONALIZACIN UNITARIA
Recurdese que una matriz cuadrada A con elementos reales se llama diagonalizable ortogonalmente si hay una matriz ortogonal P tal que P"AP (= P'AP) sea
diagonal. Para matrices complejas se tiene un concepto anlogo.
Definicin. Una matriz cuadrada A con elementos complejos se denomina diagonalizable unitariamente si existe una matriz unitaria P tal que P"AP (=
P*AP) es diagonal; se dice que la matriz P diagonaliza unitariamente a A .
Hay dos preguntas a considerar:

Qu matrices son diagonalizables unitariamente?
Cmo determinar una matriz unitaria P a fin de efectuar la diagonalkacin?

Antes de responder estas preguntas se observa que las definiciones ya proporcionadas de los conceptos eigenvector, eigenvalor, eigenespacio, ecuacin
caracter3ica y polinomio caracterstico se cumplen sin cambio en espacios vectoriales complejos.
MATRICES
HERMITIANAS
En la seccin 7.3 se vio que a

ls matrices desempeaban un papel fundamental en
el problema de diagonalizar ortogonalmente una matriz con elementos reales. Los
anlogos complejos ms naturales de las matrices simtricas reales son las matrices hermitianas*, que se definen como sigue:
Definicin. Una matriz cuadrada A con elementos complejos se denomina
hermifiana si
A =A*
*Charles Hermite (1822-1901) matemtico francs que realiz contribuciones fundamentales al lgebra, a
la teora de matrices y a varias ramas del anlisis. Es conocido por usar integrales para reso1ver:una
ecuacin polinmica general de quinto grado. Tambin demostr que el nmero e (la base de los logaritmos
naturales) no es raz de ninguna ecuacin polinmica con coeficientesracionales.
650
.I
Ejemplo 3 Si
i
-5
2+i
l+i
z;i]
-i
i
l+i
-5
2-i
1-i
2+i
3
A = [ Li
1-i
entonces
I=[
de modo que
lo cual significa que A es hermitiana. A

Es fcil reconocer las matrices hermitianas por inspeccin: los elementos
de la diagonal principal son nmeros reales (ejercicio 17),y la "imagen especular" de
cada elemento de ladiagonal principal es su conjugado complejo (figura 1).
MATRICES
NORMALES
Las matrices hermitianas poseen muchas propiedades, aunque no

todas, de las
matrices simtricas reales. Por ejemplo, as como a
ls matrices simtricas reales
son diagonalizables ortogonalmente, se ver que las matrices hermitianas son diagonalizables unitariamente. Sin embargo, a pesar de que las matrices simtricas
ls nicas matrices con elementos reales que se pueden diagonalizar
reales son a
ortogonalmente (teorema 7.3.1), las matrices hermitianas no constituyen toda la
clase de matrices diagonalizables unitariamente; es decir, existen matrices &agonalizables unitariamente que no son hermitianas. Para explicar por qu es as se
necesita la siguiente definicin:
Definicin. Una matriz cuadrada A con elementos complejos se denomina
normal si
AA*
= A*A
Ejemplo 4 Toda matriz hermitiana A es normal, ya que AA* = AA

matriz unitaria A es normal, ya que AA * = I = A *A. A
= A*A,
y toda
Losdos teoremas siguentes son los anlogos complejos de los teoremas

7.3.1 y 7.3.2. Se omiten las demostraciones.
Teorema 10.6.3. Si A es una matrizcuadradacon
elementoscomplejos,
entonces las siguientes proposiciones son equivalentes:
a) A es diagonalizable unitariamente.
6 ) A contiene un conjunto ortonormal de n eigenvectores.
~~
Si A es una matriznormal,entonces
eigenespacios diferentes de A son ortogonales.
10.6.4.
los
eigenvectores de
El teorema 10.6.3 establece que una matriz cuadrada A conelementos

complejos es dagonalizable unitariamente si y slo si es normal. El teorema
10.6.4 ser crucial para obtener una matriz que diagonalice unitariamente una
matriz normal.
PROCEDE
MIENTO DE
DIAGONALIZACIN
En la seccin 7.3 se vio que una matriz simtrica A es diagonalizada ortogonalmente por cualquier matriz ortogonal cuyosvectores columna sean eigenvectores
de A . De manera semejante, una matriz normal A es diagonalizada por cualquier
matriz unitaria cuyos vectores columna sean eigenvectores de A . El procedimiento
para diagonalizar una matriz normal es como sigue:
Paso 1.
Paso 2.
Paso 3.
Encontrar una base para cada eigenespacio de A.

Aplicar el proceso de Gram-Schmidt a cada una de estas bases a fin
de obtener una base ortonormal para cada eigenespacio.
Formar la matriz P cuyas columnas son los vectores bsicos obtenidos en el paso 2. Esta matriz diagonaliza unitariamente aA.
La justificacin de ese procedimiento debe ser evidente. El teorema 10.6.4

asegura que eigenvectores de eigenespacios diferentes son ortogonales, y la aplicacin del proceso de Gram-Schnudt asegura que los eigenvectores del mismo eigenespacio son ortonormales. As, todo el conjunto de eigenvectores obtenido con este
procedimiento es ortonormal. El teorema 10.6.3 asegura que este conjunto orton o d de eigenvectores es una base.
Ejemplo 5 La matriz
es diagonalizable unitariamente porque es hermitiana y, por tanto, es normal. Encontrar una matriz P que diagonalice unitariamente a A .
Solucin. El polinomio caracterstico de A es
det(AZ-A)
a-2
= det
-I-i
1-3
-l+i
=(a-2)(a-3)-2=a2-5a+4
de modo que laecuacin caracterstica es
y los eigenvalores son 1 = 1 y 1 = 4.

Por definicin,
es un eigenvector de A correspondiente a 1 si y slo si x es una solucin no trivial

de
a-2
-l+i
-'il[;;]=[;]
A-3
Para encontrar eigenvectores correspondientes a 1 = 1, este valor se sustituye

en (3):
- I- +
l i
-l-i][;:]=[;]
-2
Resolviendo este sistema por eliminacin de Gauss-Jordan se obtiene (comprobar)

x, =(-1
"QS,
x2=s
As, los eigenvectores de A correspondientes a ;1= 1 son los vectores diferentes de

cero en 62 de la forma
x=
( - 1 - i)s]+ll-i]
10.6 Matrices unitarias, normales y hermitianas / 653
Por tanto, este eigenespacio es unidimensional con base

u=
-'l-i]
En este caso el proceso de Gram-Schmidt es de un solo paso; la normalizacin de

este vector. Como
el vector
es una base ortonormal del eigenespacio correspondiente a il = l .

Para encontrar los eigenvectores correspondientes a il = 4, este valor se sustituye
en (3):
-l+i
-"i][;;]
1
[o]
Resolviendo este sistema por eliminacin de Gauss-Jordan se obtiene (comprobar)

x, =
x*
=S
de modo que los eigenvectores de A correspondientes a il = 4 son los vectores

diferentes de cero en C? de laforma
X = [(?)S]
=S
As, el eigenespacio es unidimensional con base
654 1 Espacios vectoriales complejos
Aplicando elproceso de Gram-Schmidt (es decir, normalizando este vector) se

obtiene
Por tanto,
r-
-1-i
diagonaliza a A y
PAP=
EIGENVALORES
DE MATRICES
HERMITIANAS Y
SIMTRICAS
[A y]
l+i
-
En el teorema 7.3.2 se estableci que los eigenvalores de una matriz simtrica con
elementos reales son nmeros reales. Este importante resultado es un corolario del
siguiente teorema ms general.
~~
Teorema 10.6.5.
reales.
Los eigenvaloresde
una
matriz hermitiana son nmeros
Demostracin. Si A es un eigenvalor y v es uneigenvector correspondiente de

una matriz hermitiana A n X n, entonces
Av = Av
Multiplicando por la izquierda cada miembro de esta ecuacin por el conjugado

transpuesto de v se obtiene
Se demostrar que ambas matrices v*Av y v*v 1 x 1 tienen elementos reales, de

modo que por (5) se concluir que debe ser un nmero real.
Tanto v*Av como v*v son hermitianas, ya que
(v*Av)* = v*A*(v*)* = V*AV
I O.6 Matrices unitarias, normales y hermitianas / 655
Y
(v*v)*
= v*(v*)* = v*v
Como las matrices hermitianas tienen elementos reales sobre la diagonal principal
*
y como v * ~ vy v v son 1 x 1, se concluye que estas matrices tienen elementos
reales, con lo cual se completa la demostracin. 0
Teorema 10.6.6. Los eigenvalores deuna
reales son nmeros reales.
matriz simtrica con elementos
Demostracin. Sea A una matriz simtrica con elementos reales. Debidoa que
los elementos de A son reales, se concluye que
A=A
Pero esto indica que A es hermitiana, ya que
As, por el teorema 10.6.5,A tiene eigenvalores reales.

1. En cada inciso, encontrar A*.
c) A = [7i O
-3i]
d) A =
'22
'23
2. Cules de las matrices siguientes son hermitianas?
3. Encontrar k, I y m de modo que A sea una matrizhennitiana

4. Aplicando el teorema 10.6.2., determinar cules de las siguientes matrices son unitarias.
r
-1
I
-
"
v5
c) ["i 1 - 1
d)
+ i]
I + i
v%
-
i
__
v5
1
v5
5. En cada inciso, comprobar que la matriz es unitaria y encontrar su inversa.
d)
6. Demostrar que la matriz
es unitaria para todo valor real de 8.
En los ejercicios del 7 al 12, encontrar una matriz unitaria P que diagonalice a A y determinar P"AP.
A=[l';
';;I
,.A=[;
-;]
, . A = [ 2 - 62 i
2 +42 i
r
[3(11
3 : ~
11. A =
5
O
O
i
-
i
--
v5v5
0
-1
-l+i
-I-i
O
O
12. A =
v5
1
-
13. Demostrar que los eigenvalores de la matriz simtrica
--Z
- v5
0
2
no son reales. Este hecho viola el teorema 10.6.6?

14. Encontrar una matnz 2 X 2 que sea hennitiana y unitaria y cuyos elementos no sean
todos nmeros reales.
1
-
3 f i
4+3i
v5

"
15. Demostrar: Si A es una matriz n X n con elementos complejos, entonces
lb'.
'!
__
det(A). [Sugerencia Primero demostrarque los productos cl ":

son los conjugados de los productos elementales de A con sign J
'
: :: ;igno
16. a) Aplicando el resultado del ejercicio 15, demostrar que si A es una matriz n
n con
elementos complejos, entonces det(A*) = det(A).

b) Demostrar: Si A es hermitiana, entonces det(A) es real.
c) Demostrar: Si A es unitaria, entonces Idet(A)I = l .
17. Demostrar que los elementos sobre la diagonal principal de una matriz hermitiana son
nmeros reales.
18. Sean
matnces con elementos complejos. Demostrar que

b) (A B)* = A * + B*
c) (kA)* = kA*
a) (A*)* = A
d) (AB)* = B*A*
19. Demostrar: Si A es invertible, entonces tambinA* lo es, en cuyo caso (A*)" = (A")*.
20. Demostrar que si A es una matriz unitaria, entonces tambin A* es unitaria
21. Demostrar que una matriz n x n con elementos complejos es unitaria si y slo si sus
renglones forman un conjunto ortonormal en C" con el producto interior euclidiano.

22. Usando los ejercicios 20 y 21, demostrar que una matriz n X n es unitaria si y slo si
sus columnas forman un conjunto ortonormal en C" con el producto interior euclidiano.
23. Dzmostrar: Si A = A*, entonces para todo vector x en C", el elemento en la matriz
x Ax de 1 X 1 es real.
24. Sean 1 y p eigenvalores distintos de una matriz hermitiana A.
a) Demostrar que si x es un eigenvector correspondiente a 1 y y 'es un eigenvector

*
*
correspondiente a p , entonces x*Ay = 1 x y y x Ay = px*y.
b) Demostrar el teorema 10.6.4. [Sugerencia Restar las ecuaciones en el inciso a).]
1. Sean u = (uI,u2, . . . , u,) y v = (ul, u2, . . . , u,) vectores en C", y sean
u = (I,i d 2 , . . . , u,) y v = (U1, *, . . . , u,).
a) Demostrar: u.V = .V.
b) Demostrar: u y v son ortogonales si y slo si ii y 7 son ortogonales.

2. Demostrar que si la matriz
es diferente de cero, entonces es invertible.

3. Encontrar una base para el espacio solucin del sistema
4. Demostrar: Si a y b son nmeros complejos tales que
+ lb12 = 1 y si O es un nmero
real, entonces
es una matriz un~taria
S. Encontrar los eigenvalores de la matriz
donde =
6. a) Demostrar que si z es un nmero complqo diferente de 1, entonces
Sugerencia Sea S la suma del miembro izquierdo de la ecuacin y considrese la

cantidad S - zS.
b) Usando el resultado del inciso a), demostrar que si z" = 1 y z # 1, entonces 1 + z +
=2 + . . . + z"-l = 0
c) Usando el resultado del inciso a), obtener la identidad trigonomtrica de Lagrange

1 sen[ (n + +)O]
1 +cosO+cos2o+~~~+cosnO"+
2
2sen(O/2)
para O < O < 277. [Sugerencia Sea z = cos O + i sen O.]

7. Seaw=e2n1'3.Demostrarquelosvectoresvl= ( l / f i ) ( l , 1, 1 ) , v 2 = ( 1 / f i ) ( 1 , w , w
y v3 = ( I / f i ) (1, w2, w 4 ) forman un conjunto ortonormal en

el inciso b) del ejercicio 6.1
2)
~ 3 [Sugerencia
.
usar
Ejercicios con~picmentnrios// 659

8. Demostrar que si U es una matriz unitaria n X n y lz,l= 1z2/= . . . = Iz,I = 1, entonces
el producto
tambin es unitario.
9. Supngase que A* = -A.
a) Demostrar que id es hermitiana.
b) Demostrar que A es diagonalizable unitariamente y que tiene eigenvalores imaginarios puros.
10. a) Demostrar que el conjunto de nmeros complejos con las operaciones

(a
+ bi) + (c + di) = (a + c) + ( b + d ) i
y k(a + bi) = ka
donde k es un nmero real, es un espacio vectorial real

b) Cul es la dimensin de este espacio?
+ kbi
RESPUESTAS
A LOS
EJERCICIOS
EJERCICIOS DE LA SECCIN 1.1 (Pgina 27)
1.
a),
2 . 4, b), c)
c), f )
3. a) x = $
+jt
x2 = S
x I = i r - 0s + i t x2 = r
u = $q - $r + Qs - QI
w=q
xj = t
X)
x=r
y=s
b) x I = {S - 4t
y=t
+f
=S
x, = t
z=t
o
[.
1
c)
S.
a) 2 x ,
3x,
0 - 1
=O
4x2 = o
x2 = 1
-1
0
b) 3x,
7x,
x,
- 2x2
i]
O
-
+
+
d)
0
2X) =
4x, =
x3 =
[:y
1
-3
'1
c) 7x1 + 2x2
x1
d)
X) -
+ 2x2 + 4x,
XI
x3
- 2y = 5
5
I
=
x, =
3
4
= -2
x2
6. a) x
3x4 =
b) Sea x = r, entonces t -y = 5. Al despejar y se obtieney = it - 5.
8. k = 6: infinidad de soluciones
k # 6: no hay soluciones
Ningn valor de k produce una solucin.

9. a) Las rectas no tienen punto de interseccin comn. b) Las rectas se intersecan exactamente en un punto
c) Las tres rectas coinciden.
661
1.
a) iildeXd,J
c) 5 x 5
b) 4
P) 5
X
X
2
2
e ) hdefmdad)
g ) Indefinida
Indefinida
h) 5 X 2
~]
5
d)
2.
a = 5,
-7
-28
-21
-7
b = - 3, c = 4, d = 1
-141
-35
Respuestas a los ejercicios / 663
e)
[-::] [y -A] [
3
e)
g)
f)
1:
45
-11
17
l;]
13
9
-13
O
f) 21
17 35]
17
1
2
1
g)
I:]
h)
-6
-:
- 13
2
-4
-1
h)
[:n
y]
-6
6
-2:
24
I:]
16
i) 61 (j) 35 (k) 28
7 . a) [67 41
411
b) [63 67
571
c)
F:]
67
d)
[ :]
63
[24
e)
56 971
f)
663 1 Respuestas a los ejercicios
IO. a) [67
[64
[63
b) [6
[6
[63
41 411 = 3[6 -2
21 591 = 6[6 -2
67 571 = 0[6 -2
- 6 701 = 6[3 -2
17
311
=0[3 - 2
= 7[3 - 2
41
1221
--:
13. . ) A = [ !
14. a)
.
-3
i],x=[:],b=[-a]
3x, - xz + 2x3 = 2
4x, + 3x, + 7x3 = - 1
-2x,
x,
5xs = 4
41 - 2 [O 1 31 + 7[7 7 51
41 + 5 [O 1 31 + 4[7 7 51
41 + 4[0 1 31 + 9[7 7 51
71 - 2[6 5 41 +4[0 4 91
71 + 1[6 5 41 + 3[0 4 91
71 + 7[6 5 41 + 5[0 4 91
b)
3w - 2~
4
b)A=l5
2
o
-5
3
3
O
9
1
z =O
5w
+2y-2z=O
3 w +x + 4 y + 7 z = O
--2w+5~+ y+6~=0
I S.
16. a)
[--;
-15
-111
-15
b)
44
355
3
25
23
24
17. a) A , , esunamatrizde2 X 3 y B , , esunamatriz 2 X 2. A , , B , , noexiste
a,,
O a , , O
21.
o
o
o
o
a55
o
o
a)
66
1
-8
-1
1
a,,
a21
'22
a31
a32
a33
'41
'42
'43
a51
a52
a53
'61
'62
a63
'1
a,,
al2
'21
a22
'23
u32
a33
o
0
'44
o
o
a54
a64
'1 1
1 2
1 3
2 3 4 5
22. a)
b)
4 5 6 7
5 6 7 8
.I
18. OA y A0 no puedentener
[;
1-
o
o
o
o
o
o
el mismo tamao.
-1
-1
I:].
19.
o
o
'34
o
0
a a4 a45 4 3
o
o
a54
-1
'56
a66
a65
4
8
9 2 7
16 64-
20. a) Un ejemplo es
b) Un ejemplo es
['
r1
:]
kl
666 / Respuestas a los ejerciclos

2. a) Sumar tres veces el primerrengln al segundo rengln
b) Multiplicar por el tercer rengln.
c) Intercambiar el primer rengln y el cuarto rengln.
d) Sumar veces el tercer rengln al primer rengln.
1. c), 4 , f ,
3.a)
["
'1 [:1 :]
o1 O
b)
c)
"1
d)
o I
-2
[A y
2
4. No, porque C no se puede obtener efectuando unasola operacin en los renglones de B
5. a)
[ -: -:] [-:
z]
b)
c) N o e s invertible
[-i 8 81
1
c)
b) No es invertible
o - o o
-1
k2
o -I o o
k'l
kl
k2
"
-1
8. a)
I-
"
o
0
1
-
k3
0
o ,
-
k4
b)
k3
1
- 0
kl
-1
k
lu
Respuestas a los ejercicios 1 667
16. b) Sumar - 1 veces el primer rengln al segundo rengln.
Sumar - 1 veces el primer rengln al tercer rengln.
Sumar - 1 veces el segundo rengln al primer rengln.
Sumar el segundo rengln al tercer rengln.
17. b , = b2
16. b , = 2b2
11
-6
-15
12
-8
+ b3
73
27
-18
-38
-21
19. 6 , = b3
18. No hay restricciones
+ b,,
b2 = 26,
22. a)
slo
la solucin
trivial
x 1 = x, = x3 = x4 = O; invertible
b) Intinidad de soluciones;
no
es invertible
-35
1. a)
2. a)
[ y]
[ -:I [
0
b)
4
4
10
b) A z = rl
oi,O],
o
o o &
4.
b), c)
5. a)
8. a) No conmuta
[ F]
-1
b)No es invertible c)
-1
-2;
60
I::
I:]
20
-16
A-r
9
O O
o o
:],
3k
O *O]
0
A-.=[:
o o
16
6. u = 11,b= - 9 , c = - 1 3
b) Conmuta
10. a)
[i
4k
7. ~ = 2 , b =- 1
;
O
$ 0 - 0
b ) [O i
61
O 0 1
/
__
+ 6,
668 / Respuestas a los ejercicios
11. a)
[:!: 1::
3 0 0
5 O]
1::][0
a32
a33
c) Es simtrica
20. a) Es simtrica b) No es simtnca

24.
a) x , = $ , x , =
-*
,x,=
IY. n
-2( I + n )
b) No
b) x , = - + , X , =
d) No es simtrica
-3
-$,X,=
EJERCICIOS COMPLEMENTARIOS DEL CAPTULO 1 (Pgina 102)

I. x ' = i x + + y , y ' =
-+x+$
2. x ' = x c o s ~ + y s e n ~ , y ' = - x s e n ~ - ~ . i v c o s ~
4. 3 monedas de 1 centavo, 4 de 5 centavos y 6 de I O centavos
3. Una respuesta posible es

x, - 2x, - x3 - x, = o
x,
5x2
2x, = o
S. x = 4, y = 2, z = 3
b)a#O,b=2
d)a=O,b#2
7. a) a f O , b # 2
C) a = O , b = 2
-I,c= 1
10. a = 2 , b =
12. a) Z =
6. Infmidad si a = 2 o a =
[y:
ninguna en caso contrario
8. x = $ , y = 9 , 2 = +
11. a) X =
-::]X
--%
b) z1 =
z2 =
Y.
IC=[:
:]
b) X =
-3i
-37
- X , - 7x2+ Ilx,
1 4 ~ , lox2 - 26x3

I.
a) 5
b) Y
2. Impar
a)
3. 22
c) 6
d) 10
b) Impar c) Par
S. S2
4. O
d) Par
e) Par
f ) Par
7. a Z - 5 a + 2 1
6. - 3 f i
12. -c4+c3-16c2+8c-2
16. 275
f) 2
e) O
13. a) a = 1 , a = -3
17. a) = - 120
b) = -120
18. x="--
b)
a=
10. - 4
9. -65
8. O
11. -123
-2,~=3,a=4
EJERCICIOS DE LA SECCIN 2.2 (Pagina 120)

I.
a) -30
7 . 33
b) -2
8. 39
Y. 6
c)
d) O
10. -Q
3. a ) - S
b) - 1
I t . -2
12. a) - 6
c) 1
4. 30
b) 72
c) - 6
5. 5
6. -17
d) 18

EJERCICIOS DE LA SECCIN 2.3 (Pgina 129j
1.
a) det(2A)= -40=2'det(A)
b) det(-2A)=-208=(-2),det(A)
2. det A B = - 170 = (det A)(det B ) 4. a) Invertible b) N o es invertible c) No es invertible d) No es invertible
S. a) - 189 b) - f c)
12.
a)k=-
5 2 m
2
-3
d)
b) k = - 1
- & e)
6. Si x = O, los renglones primero y tercero sonproporcionales.

Si x = 2, los renglones primero y segundo son proporcionales
14. a)
[""
c) ["3
-2
a-2][::]=[:]
-1
at-3
-I
I["'] 1 3
x,
"
Respuestas a los ejercicios
670
13. a) Deben intercambiar las columnas i-sima yj-sima.

h) L a i-sima columna se debe dividir entre c.
c) I,a~-ksimacolumna se debe sumar "c veces a la i-sima colu~nna
1%
18.
a) k3 + ( - a l l
A=
a)
~ +u
a22- a33)12+ ( a l l a 2 ,+ u11a33 + u22a33 - a 1 2 ~-2 a1 1 3 ~-3 u1 ~

(alla23a32 + 412u21u33 + a13a22u31 - u11a22a33 - a12u23u31
I-:],[y],
-5,1=2,1=4;
[I":]
b)
A=
[-!]
I;
- u13'21432)

+
3 . a) PIP2= ( - I ,
- 1)
b)
e ) s = ( - 5 , 12, -6)
P1P2=(-7,
6. a) ( - 2 , 1, -4)
d) (80, -20, - 80)
8. c , = 2 , c 2 = - l , c , = 2
c)
f) P I P 2 = ( l r-1, -2)
4. a) Q(5, IO, - 8) es una respuesta posible.

b) Q( - 7 , - 4, - 2) es una respuesta posible.
p,p;
= (2, 1)
+
g) P,P, = ( - a ,
-2)
d)
- b , -c)
h)
b) ( - 10, 6 4 )
c) ( - 7 , 1, 10)
e ) (132, -24, - 72)
f) ( - 7 7 , 8, 94)
I O . c, = c, = c 3 = o
1 1 . a)
7 . x = (-9,
(3, -i, -f)
'
-9
2. a)
b)
fl
3. a) V%
1. k =
fl
b) 2b)
*x
4
c) 5
d ) 2~
b)x= - l , y = 3
c)
f) 6
e) 3V%
d) 3 f l
fi+ac ) 4 f i
e)
(-
8. Una esfera de radio 1 con centro en (xo, y,, z 0 )
--)m
4
t, 9)
12. a) x' = 5,y' = 8
L)
4,4

a) 5
= (a,b, c)
5 . a) P( - 1, 2, - 4) es una respuesta posible.

b) P(7, -2, -6) es una respuesta posible.
b) (23
4 ,
1.
p,p; = (a, b)
f) 1
11.
4v5
6. a)
b)
c)
18
x
43
d)
9. a) 102
m cos e, = 3 m
, 3
',
10
e, = -,10
COS
12. Elngulorecto
=O
COS
b) 1252/5
c) 170
d) 170
est en B.

b) ( - 14, -20, - 82)
e) (-44, 55, -22)
1. a) (32, -6,
-4)
d) (O, 176, -264)
2. a) (18, 36, - 18)

8. a) -10
II.
a) No
13.
(-,
b) S
c) No
-),4
m m'a
a
17. a) -
b)
a
3
fi
3. a)
9. a) -3
b) -110
-- 3
b) (-3, 9, -3)
C) (27, 40, -42)

f) (-8, -3, -8)
b) 3
d) -3
c) 3
c) O
b)
e) - 3
4. a)
b ) m
2
10, a) 16
f) 0
b) 45
12.
(--,-
19. a)
1 2 m
16* 49
15* 2 ( v x u )
23. a ) m = ( O , l , O ) y n = ( 1 , 0 , 0 )
--
b)
b)(-l,O,O)
21. a)
c)(O,O,-I)
b) 0
40'19
28.(-8,0,-8)
31. a ) j
b)&

1.
a) -2(x + 1) + (y - 3) - (z + 2) = O
b) (x - 1) 9(y - 1) 8(2 - 4) = O
c) 2z = o
d)x+2y+3z=O
2. a) - 2 x + y - z - 7 = 0
b)~+9~+&-42=0
c) 2z = o
d)x+2y+3y=O
3. a) (O, O, 5) es un punto en el plano y n = (-3, 7, 2) es un vector normal de modo que -3(x - O) + 70, - O) +
2(z - 5) = O es una forma punto-normal; otros puntos y otras normales producen otras respuestas correctas.
672
4. a) 2y
+ 1=o
b)
+ 9V - 5z - 26 = O
S. a) No son paralelos
b) Son paralelos
c) Son paralelos
h . a) Son paralelos
X.
7. a) No son perpendiculares
b)
Son
perpendiculares
b) No son paralelos
a) Son perpendiculares
b) No son perpendiculares
11. a)
X = -12-7t,y=
-41 - 2 3 t , z = t
b)x=$t,y=O,z=t
10. a ) x = 5 + t , y =- 2 + 2 t , z = 4 - 4 t
b ) ~ = 2 t , ~- t~, Z== -3t

12.
9. a) x = 3 + 2 t , y =- I + t , z = 2 + 3 t
b)x= -2+6t,y=3-6t,z= -3-2t
c) x = 2 , v = 2 + t , z = 6
d)x=t,y= -2t,z=3t
a) (-2, 4, 1) .(x I , y - 2, z - 4) = O
b)(-l,4,3).(X-2,;,~+5)=0
c) (-1,O,O).(.x-5,y+2,z])=O
d) (a, h, C) * (x, Y , Z) = 0
13. a) Son paralelos
b) No son paralelos
15. a) (x,y, z) = ( - 1, 2, 3) + t(7, - 1, 5) ( - m < t < +m)

b ) ( x , y , z ) = ( 2 , 0 , - l ) + t ( l , 1, 1) ( - m < t <
+m)
c) (x,y,z)=(2,-4,l)+t(O,O,-2)
(--co<t< +m)
14. a) Son perpendiculares
b) No son perpendiculares
d ) (.x,~v,
Z ) = (O, O, O)
17. 2 ~ + 3 y - 5 ~ + 3 6 = 0
b) x-x,=O
19. a) z - z o = O
22.
18. a)
(-y,
-9,y)
z=O
b) y = O
c) y - y , = O
23.y+22-9=0
27. x + ~ v + ~ z1 8- = 0
+ t ( ~b,,
(-m
C)
<t <
c) x = O
20. 7 ~ + 4 y - 2 ~ = 0 21. 5 ~ - 2 ~ + ~ - 3 4 = 0
24. x - y - 4 ~ - 2 = 0
28. ( ~ - 2 ) + ( y + I ) - 3 ( ~ - 4 ) = O
26. x = % t - 2 , y -=% t + 5 , z = t
29. 4 ~ + 1 3 ~ - ~ - 1 7 = 0
30. 3 ~ + 1 0 ~ + 4 ~ - 5 3 = 031. 3 ~ - ~ - ~ - 2 = 032. 5 ~ - 3 , ~ + 2 ~ - 5 = 0

3.3. 2 ~ + 4 v + 8 ~ + 1 3 = 0 36. ~ - 4 ~ + 4 ~ + 9 = 307 .
3)
b)
39. a)
42. a)
b)
x-3
-q1g
c)
z + y3 - x3 + 22 - 2
I =3
-y+
-2
40.
a)
b) -6
b) O
C)
x=g+&t,.Y=-#-$t,Z=f
X = -$t, y = O, z = t
2
-
43.
a) X - & 1 7 = 0 y x + 4 z - 2 7 = 0 esunarespuestaposible
b) x - 2y = O y - 7.v + 2z = O es una respuesta posible.
44.
a) 0
35"
b) 0
79"
45. 0
75"

I.
2.
a) ( - 1 , 9, - 11, 1)
d) (-90,
-114,60,
-36)
(g,d,$,g)
h. a)
3.
b)
(-13, 13, -36, -2)

f ) (27, 29, -27, 9)
b) (22, 53, - 19, 14)

e ) (-9,-5,-5,-3)
~,=1,c,=I,c,=-I,c,=1
m +V%
c) 4V'%
+m)
d)
C)
5. a)
e)
b)3
1
c) 13
2
d ) f i
di 3 v 5 3V5'3di
8. k =
r$
11.
a)
14.
a) Si
9. a) 7
c) 7
b) 14
b) 2-
c)
b) No
c ) S
fi
d) 11
10. a)
d) 10
d) No
15. a) k = -3
f) S
e ) No
19. x , = ~ , x , =
-l,x3=2
16. S $ ( - 3 4 , 4 4- 6, , l l )
b) k = -2, k = -3
20. -6
33. a) Medida euclidiana de la "caja" en R": a , a2 . . . a ,
+ a: +
b) Longltud de la diagonal: \'a?
' ' '
+ ai

1.
2. a)
3.
4.
b) No lineal; R2 -+ R3
d) No lineal; R4 + R2
a) Lineal; R3 + R2
c ) Lineal; R3 -+R'
['
[i -1
a)
S. a)
[-P
- 1
b)
['
O]
8. a) (-1,-2)
13. a)
(
(
c)
[-: I:]
d)
[I
d)
:]
[" :]
O
-8
[I
O
3
-- O]
1
b,
2
1
o
-1
b)
c)
"1
d)
O
1
+ 4x,
3x, + 5x2 + 7x3]
-2x,
6x1
x2
d)
x3
-x,
2x,
7x,
+ 4x2]
O
1
O
-1
x2
+ 8x2
(b) T(2,1, -3)=(0, -2,O)
(b) (1,2)
3fi2 +4,3
1 2 1
5 O]
a) (2,O) (b) (O, - 5 )
12. a)
[:-1 111
c) [l
[ :] [
-
b)
I : ] ; T ( - 1 , 2 , 4 ) = ( 3-, 2-, 3 )
7. a) T ( - 1 , 4 ) = ( 5 , 4 )
IO.
'1
[: -:]
1
6. a)
o0
"35
1 0 0 0
-y
c ) (2, - 1 )
11. a) (-2, 1,O)
___
+tfi)
-2, ",",
___
9. a)
(2,
-5, -3)
c) (O, 1, 3)
b) ( - 2 , 0 , 3 )
?v5
3 - 4 v- 3 f i - 4
b) (O, 1 , 2 v 5 )
b) (2, 5, 3)
c ) (-1,
-2,2)
-v5
c) (-2, - 5 , 3)
674
Respuestasa los ejercicios
15. a)
-2,-
v 5 + 2 -1+2v5
2
'
b) ( - 2 l h , I , O)
c ) (1,
2. 2)

1. a) No es uno a uno
e) Esuno
auno
b) Es uno a uno c) Es uno a uno

f) Esunoauno g) Esunoauno
3. Por eJemplo, el vector (1, 3) no est en el dominio.

J.
Por ejemplo, el vector ( I , 6,2) no est en el dominio
d) Es uno a uno

S. a) Es uno a uno;
-!I
[!
3
-1
[I
-2
c) Es uno a uno, -
6 . a) Es uno auno,
; T-
,(MI,,w2)= (+x, - $x,
o ] ; T P L ( w , w,)
,
+xl
+ $x2)
-xl)
= ( -X,,
b) No es uno a uno
d) No es uno a uno
I:]; T"(w,,
w2,w3) = (x, - 2x,
+ 4x3, - X I + 2x2 - 3x3,
-X1
3% - 5x3)
d) No es uno a uno
b) Rotacinporelnguio - n/4.
d) Reflexin con respecto al plano yz
7. a) Reflexin con respecto al eje x.

e) Contraccin por un factor de f
e) Dilatacin por un factor de 5.
8. a) Lineal
b) No lineal
c) Lineal
d) Lineal
9. a) Lineal
b) No lineal
e) Lineal
d) No lineal
10. a) Lineal
b) No lineal
12.
11. a) Lineal
a) Para una reflexin con respecto al ejey. T(e,)=
b) No lineal
[J
b) Para una reflexin con respecto al plano xz. T(e,)= O

r1
Por tanto, T = O
Lo
y T(e,) =
T(e2)=
I.
11
[-!)
[-:P]
y ve3)=1].
[A] [:l.
y -(e,)=
d) Para una proyeccin ortogonalsobre el plano z. T(e,)=
e) Para una rotacin en un ngulo positivo 0, T(el) =

cost)
-sen%
sen%
COS e
Portanto, T =
0 01
-1 O
C) Para unaproyeccinortogonal sobre el eje x. T(e,)=
Por tanto, T =
[y].
1.
Portanto, T =
[b :].
676 i Respuestas a los ejercicios
L:i 111
f ) Para una dilatacin por un factor k 2 1, T ( e , )= O , T(e,) = k
b) T(e,) =
[a], [!I, [!l.

y T(e,)
T(e,) =
16. a) Transformacinlineal de R 2 + R 3
[:I
Ix.
a)
a=
1;
ti).
a)
L=
1;
a=
- 1;
b)
a= 1;
[!] [!]
[i]
y
[:I
c)
a=
b)L= I;
L = o;
Portanto, T = [O
[i]
d)
[i] [!I
y
O]
[I
O
. Por tanto, T =
L: : :I
O
O 0 0
b)Transformacinlineal
1;
, T(e,)
de R3 + R 2
L = 3; todos los vectores en R2 son eigenvectores

1. No es un espacio vectorial. No se cumple el axioma 8.
2. No es un espacio vectorial. No se cumple el axioma 10.

3. No es un espacio vectorial. No se cumplen los axiomas 9 y 10.
4. El conjunto es un espacio vectorial bajo las operaciones dadas.
6 . No es un espacio vectorial. No se cumplen los axiomas 5 y 6.

8. No es un espacio vectorial. No se cumplen los axiomas 7 y 8.
9. No es un espacio vectorial. No se cumplen los axiomas 1, 4, 5 y 6.


1. a), c)
2 b)
3. a), b), d)
3
6. a) Recta, x = - L t , y = - -t,
z=t
2
2
b) Recta; x = 21, y = t, z = O
C) El origen
d) El origen
e) Recta; x = -3t,y = -2t, z = t
f) Plano; x -3y + z = O
7 . a), b), d)
4. b), 4 , e)
5. b)
a),
677
678
X.
a) ( - 9 , -7, - 1 5 ) = - 2 u + v - 2 w
b)(6, 1 1 , 6 ) = 4 ~ - 5 ~ + ~
c) (O, o, O) = ou + ov ow
c)
d ) (7, 8, 9) = Ou - 2u + 3w
9.
a) - 9 - 7x - 15x2 = -2p, + p2 - 2p3

b) 6 + 1 I X + 6x2 4p, - 5p2 + pi
o = op, + op, + op,
d) 7 + 8~ + 9x2 = Op, - 2pZ + 3p3
b) Los vectores no generan.

d) Los vectores generan.
11. a) Los vectores generan.

c) Los vectores nogeneran.
12. a), c), e)
13. No

1. a) u2es un mltiplo escalar de u , .
c) p2 es un mltiplo escalar de p l .
3. Ninguno
2. d)
4. d)
S. a) No estn en un plano.
b) Estn en un plano.
7 . b)
17:Si
V , = $v, -
b) Por el teorema 5.1.3, los vectores son linealmente independientes

d) B es un mltiplo escalar de A .
6. a) No estn en la misma recta.

b) No estn en la misma recta.
c) Estn en la misma recta.
+,, v2 = f ~ +, $v3, v,
-&, + gV2
8.
a = -1 a = 1
27
y slo si el vector es diferente de cero.
18. a) Son linealmente independientes porque vl, v2 y v3 no estn en el mismo plano cuando se colocan con
puntos iniciales en el origen.
b) No son linealmente independientes porque v,, v2 y v3 estn en el mismo plano cuando se colocan con
puntos iniciales en el origen.

1. a) Una base para R2 tiene dos vectores linealmente independientes.
b) Una base para R3 tiene tres vectores linealmente independientes.
c) Una base para P2 tiene tres vectores linealmente independientes.

d) Una base para MZ2tiene cuatro vectores linealmente independientes
2. a), b)
3. a),
b)
7 . a) ( w ) =
~ (3,
7)
8. a) ( v ) ~
= ( 3 , -2, 1)
10. (A),= ( - 1, 1, - 1, 3 )
12. Base: ( -&
4. c), d)
6. b) Dos vectores cualquiera v l , v2, v,
c) (w), = ( a ,
b) ( v ) =
~ ( - 2 , O, 1)
9. a) (pis = (4,
11. Base: (1, O, 1); dimensin= 1
-$, I , O), (O, - I , O, 1); dimensin = 2
-3,
1)
b) (PIS = (0,2, - 1)
SUS
SUS

13. Base: (4, 1, O, O), (-3, O, 1, O), (1, O, O, 1); dimensin= 3
14. Base: (3, I , O), ( - 1, O, 1); dimensin= 2
16.
Base: (4, -5, l);dimensin= 1
17.
15. No es base, dimensin = O
a)
(g,
c) (2,
1, 0),(-5,0, 1)
- 1, 4)
18.
a) tndimensional 'b) bidimensional

c)
unidimensional
20.
{ v l , v2, e l ) o { v l , v2, e 2 )
b) (1, l , O ) , ( O , O , 1)
d) (1, 1, O), (O, 1, 1)
19. tndimensional
b) {vl, v2, e l l 0 { v I 1v2, e21 0 { v I ,v2, e31
21. { v l , v2, eZre 3 ) o { v l , v2, e2, e41 0. { v , , v2, e3, e4)

26. a) Una respuesta posible es { - 1 + x - 2x2, 3 + 3x + 6x2, 9)
b) Una respuesta posible es { 1 x, x2, - 2 + 2x2}.
c ) Una respuesta posible es { 1 x - 3x2}.
27. a) (O, f i )
b) (1, O)
c) ( - 1, f i )
d)
( a - b,
fib)
1. r l = ( 2 , - 1 , O , l ) , r 2 = ( 3 , 5 , 7 , - 1 ) , r 3 = ( 1 , 4 , 2 , 7 ) ; c l =
3. a)
[;:]=[:I-[-:]
[:I
3 ,c2=
b) b no es el espacio columna de A
[-I
[I1 [-!I
5 ,c3= 7 ,e4=
680
O
1
b) rl = [l
-3
c) rl = [ I
d) rl = [l 2
1 O
O], r,=[O
51, r z = [O
-3
O], cI =
[;]M [-;]
O], r3 = [O
[-;Ilc4=[-,1
- 1 51, r2 = [O
1 4
31, r3 = [O
-31, r,
[O
I],
O 1 -7],r4=
[O
I],

1. Rango ( A )= Rango (AT)= 2
2. a) Nulidad = 1, rango = 2; n = 3.
c) Nulidad = 2, rango = 2; n = 4.
e) Nulidad = 2, rango = 3; n = 5 .
3. a) 2; 1
b) 1; 2
4. a) 3; 3; O; O
c) 2; 2
b) 2; 2; 1; 1
f, O; o; 4; 4
e) 2; 2; 3; 7
b) Nulidad = 2, rango = 1; n = 3.
d) Nulidad = 3, rango = 2; n = 5.
d) 2; 3
e) 3; 2
c) 1; 1 ; 2 ; 2
g) 2; o; 4
5. a) Rango = 4, nulidad = O
b) Rango = 3, nulidad = 2
6. Rango = &(m, n), nulidad = n - mn(mj n )
7. a) S, O
b) No
c) si, 2
d) S, 7
d) Nulidad = 7, nmero de parmetros = 7

e) Nulidad = 7, nmero de parmetros = 7
f , Nulidad = 4, nmero de parmetros = 4
g) Nulidad = O, nmero de parmetros = O
s, 4
si, 0
9. b , = r, b, = S, b,
c) Rango = 3, nulidad = 0
8. a) Nulidad = O, nmero de parmetros = O

b) Nulidad = 1, nmero de parmetros = 1
c) Nulidad = 2, nmero de parmetros = 2
e) No
f,
8)
d) 2; 2; 7; 3
= 4s
- 3r, b, = 2r - S, b, = 8s - 7r
12. a) Rango ( A ) = 1 si t = 1; rango ( A ) = 2 si t = -2; rango ( A ) = 3 si t = 1, -2

b) Rango ( A ) = 2 si t = 1,312; rango ( A ) = 3 si f f 1,312

13. El rango es 2 si r = 2 y s = 1

1. a) Todo R3
b) Plano: 2~ - 3 y + z = O
c) Recta: x = 2t, y = t, z = O
d) El origen: (O, O, O)
2. Una
recta
que
pasa
por
e1 origen: S = -2
Un plano que pasa por el origen: S = 1
Slo el origen: S f 1, -2
Todo R3;ningn valor de S
3. a) 4 4 , 1, l)+b(O,-1,2)b)
( u + c ) ( ~ ,- 1 , 2 ) + b ( 1 , 4 , 1)
C) a ( 2 , 3 , 0 ) + b ( - l , 0 , 4 ) + ~ ( 4 , -1, 1)
S. a) v = ( - 1 + Y)V,+ (3 - r)vz + rv3; cualquier r
7. No
6. A debe ser invertible
9. a) Rango = 2, nulidad = 1
c) Rango = n + 1, nulidad = n
8. a) Rango = 2, nulidad = 1
c ) Rango = 2, nulidad = n - 2
1 1 . (l,x2,x3,x4,x5,x
, .6. . , X")
12. a ) 2
b) 1
c)2
13.0,1,0
d)3

a) 2
b) 11
c ) -13
3. a) 3
b) 56
4. a)
I.
d) - 8
-
29
e) O
b) - 15
2. a) -2
5 . b) 29
b) 62
6.
c) -74
d) 8
e) O
b) - 42
7. a)
9. a)
10. a)
13. a)
17. a)
x2
y2
18. a) "+"=I
4
16
19. (u, v ) = c , v ,
+ u2vz
22. No se cumple el axioma 4.
27.
a)
-E
b) O
28. a) O
b) 1
EJERCICIOS DELA SECCIN 6.2 (Pgina 363)

1. a) S
b) No
1
3. a) --
v5
c ) S
3
m
b) --
c) O
f) S
e ) No
d) No
4. a) O
16. a)
b)
[E], [a]
12.y= -$x
c)
[I:],
1o
vi
b) k = -2, k =
13. a) x = t , y = - 2 t , z =
[!
1.
33. (u, v ) = tu,v,
19
6. a) - b) 0
b) O
7. a) Ortogonales b) Ortogonales 8. a) k =
c) Ortogonales d) No son ortogonales
Y. -t#7(-34,44, -6, 1 1 )
2. No
-1
-1
1
O
O
+ Qu,v,

1. a), b), d)
2. b)
3 . b), d)
4.
b), d)
S. a)
6.
3
-3t
b) 2 x - 5 y + 4 z =
684
/'
r l
r 1
11
24. a)
1
-
v5
v5
1
-
d)
v5
O
f) Las columnas no son linealmente independientes

1
29. v I = -,v2
v5
=-
+ x + 4x2 = g V 5 vi + &%
V5
2 - 7x2 = --
30. a) 1
b)
V , - g q g " ,
v2
v3
c) 4 + 3 x = 4 v 5 v , + v z v 2
31. v, = 1, vz = d ( 2 x - l), v3 = d 5 ( 6 x 2 - 6x + 1)
S 1

2. a) O; los vectores columna no son linealmente independientes.
b) O; los vectores columna no son linealmente independientes.
4. a)
(%,E,#)b) (-5,
5. a) (7,2, 9, 5)
-4, -9)
6. (O, - 1, 1, 1)
7. a)
[::] [:y ]
8. a)
b)
b)
(-y, -j,V,F)
[A : "1 [:y :]
b)
O 0 1
O 0 1
9. a) v I = (1, O, - 5), v2 = (O, 1, 3)
b)
10
55
3%] [
[-;$ -i]
43 "3%
44x0
c)
"
36
35
IO.
a) v I =(2, -1,4)
b)
21
+ %Yo
- &o
4E
15
+ %YO + b o ]
- 35x0 + &Yo + %o
%O
-3i
"
21
8
-
&x0
C) [-&X,
21
15. P=AT(AAT)"A
- &Yo
+ #izo
+&Yo-&zo]
&x0 - &Yo
+ &o
18. a)
19.
( t f i ,3v5,5)
a) (-&$u5,2,
20. a) ( - l , b & $ v 5 )
cos 0 O
21.
a) A = [
sen0 O
23. u'
+ b2 =
$a,3)
$--$a)
(b) ( l - & b , 6 ,
-$-ifi)
(b) (1, -ia,:fi)
b) ( --$v5,
-sen3
O
cos O
O
,)A=[:
26. a) Rotacin
cos0 se:0]
-sen3 cos3
b) Rotacin
27. a) Rotacin seguida de una reflexin b) Rotacin
u
22.
12
"
4
"
v5
-f i a
12. b) Las diagonales de un paralelogramo son perpendiculares si y slo si los lados del paralelogramo tienen la
misma longitud.
2
1
c = -;
16. a = O, b = --,
no son micos
G V 5

I.
c)
b)a2-8a+ 16=0
e) L2 = O
a) A 2 - 2 A - 3 = o
d)A2+3=0
2. a) L = 3 , L = - 1
d) No hay eigenvaloresreales
C) a
b)a=4
e) 1= O
3. a) Baseparaeleigenespaciocorrespondiente
a2-
f)
= m , a = -VE
=1
a A = 3:
[;]
;
base para el eigenespacio correspondiente a A = - 1:
b) Base para el eigenespacio correspondiente a
4. a) a3- 6L2 + 1 1 1 - 6 = o
c) v + g a 2 + + + 8 = 0
e) a3- 6a2 12L - 8 = o
a = 1:
-v5
[+(I5 +15fi)
;I=fi:base
a A = O:
b)a3-2a=o
d)a3-a2-a -2=0
f) A3 - 2L2 - m + 36 = o
5. a) a = 1 , a = 2 , ; 1 = 3
b) a = o , n = f l , a =
d ) a = 2 e) a = 2 f) a = - 4 , a = 3
[-"I
a:
e) Base paraeleigenespaciocorrespondiente
f) Base para el eigenespacio correspondiente a
[:I
[+I;
a:
base para el eigenespacio correspondiente a 1= -
b) A = O : base
[PI
[t ]
a = 4:
c) Base para el eigenespacio correspondiente a L =
d) No hay eigenespacios.
12=0
f) a 2 - 2 a + 1 = o
+(-1 + 2 f i )
C)
a = -8
;I-=
a:base
[+(I5 -:fi)]
$(-1 - 2 ~ 5 )
[It]
d ) .=?:base[
f ) A = -4: base [-!];A=':
base[-;j
c) il= - 8: base
7 . a)
x.
9.
a)
(a - 1)2(n+ 2)(il+
a=I,a= -2,a=
a) A. = I : base
13. a ) y = x
c)
[i]
y y=2x
I) =
b)
)]
e) L=2:base
[I!]
(a - 4)2(i12+ 3) = o
b) i l = 4
-1
y [:];A=
-;];A=
-l:base[
c) y = O
14. a ) - 5
-2;base[
b) Nohayrectas
-:]
3'
b) A'="[.
b) 7
a, = 3:

1. 1 , 2 o 3
2. a) 1 = 3,A = 5
b) Parda = 3, el rango de 31 - A es 1 y la nulidad es 2. Para1 = 5, el rango de 51 - A es 2 y la nulidad es 2.
c) .4 es diagonalizable, ya que los eigenespacios producen un total de tres vectores bsicos.
3. No es diagonizable
10. p = [
O
1 01
-1
0l ] ; P - ' A P = [ OO 1
0 O]
0
O 0 2
[A y :]
21. A" = PD"P"
b)
30 o]
0
O 0 2
1y :] [A 1:
c)
O 0 1
O 0 1
A];P-'A.-[.
1 0 0
13. F =
20. a)
ll.P=["i
:] [E
d)
-1
"1
-1

1. a)
b)
c)
d)
e)
f)
A2 - 5A = O; A= O: unidimensional; A = 5: unidimensional
A3 - 2 7 A - 54 = O; A = 6 : unidimensional ; A = - 3 : bidimensional
A3 - 3A2 = O; A = 3 : unidimensional ; A = O: bidimensional
A3 - 12A2+ 3 6 A - 3 2 = O; A = 2: bidimensional,;A = 8: unidimensional
A4 - SA3 = O; A = O: tridimensional; A = 8: unidimensional
A4 - SA3 + 22A2 - 24A+ 9 = O; A = 1: bidimensional;
A = 3 : bidimensional
; P"AP=
[:i]
5. P = [
-a y :];
P"AP=
s o 2
['H
O
-3
:]
-50
690
\%
v5
1
25

1. b) La transformacin rota u11 h g u l o 0 los vectores; por consiguiente, si O < 0 < x , entonces ningn vector
diferente de cero es transformado en un vector en la misma direccin o en direccin opuesta.
l
750 375
A4
[ SO],
125
3 . c) [O 2 1 1
0 0 3
2. L=kconmultiplicidad 3.
1875
625
A 3 = [ 2 575
Y. A * = [ ' :
3750
o],:,
-3
-15
150
50].
-8
10
IO
-24
15
+ 9x2 + 24x3, 14x1
15. T(x~,X,,
X-,)
= (-41x1
16. T(2vl
3v,
+ 4 ~ 3 =) ( -
17. a)
b)
c)
d)
+d
6)
R2; espacio imagen: R2; (T-, T2 0 T,)(x, y) = (3x - 2y, X)

R2; espacio imagen: la recta y = $x; ( T3 0 T, Tl)(x, y) = (4y, 6y)
0
b) Dominio:
U
- 7,
3x2 - 8x3); T(7, 13, 7) = (-2, 3)
R2;espacio imagen: R2; (T20 Tl)(x, y) = (2x - 3y, 2x + 3y)

R2; espacio imagen: la recta y = gx; (T2 Tl)(x, y) = (4x - 12y, 3x - 9y)
R2; espacio imagen: R2; (T2 ,)(x, y) = (2x + 3y, x - 2y)
R2;espacio imagen: the line x = O; (T, 0 Tl)(x, y) = (O, 2x)
Dominio:
Dominio:
Dominio:
Dominio:
18. a) Dominio:
19. a)
10,
b) (T, 0 T,)(A) no existe porque T,(A) no es una matriz 2 X 2.
20. (Tl O T,)@(X)) = PW; (T2 TI )@(x)) = P(X)

O
22. (T, 0 T,)(u,
21. T,(v) = ;V
26.
b) (3T)(xI,
27. b) (TI
28.
X*)
= (6x1
U,X
- 3x2,3x2
+ TZ)(X,y) = (3.~3 4x1;
b) No lineal
29. a) 4
(T2
+ a2x2)= (uo-tc 1+ uz)x + (ul + 2u2)x2+ u2x3
+ 3x1)
- T~)(x,Y) = (Y, 2x1
b) 3415
c) 1

l . a), c)
3. a), b), c)
2. a)
4. a)
5. b)
c) No existe base.
10. a)
11. a)
[i],[p] [-91
b)
[i] [:],[!I
b)
c) Rango ( T ) = 2; nulidad ( r ) = 1
c) Rango(T)=l;nulidad(T)=2

15. ker(T) = { O } ; R(7') = V
14. a) Rango: Plano xz,espacio nulo; ejey

b) Rango: Plano yz; espacio nulo; eje x
c) Rango: Plano y = x , espacio nulo; la recta x = - t , x = t, z = O

16. a) Nulidad (7') = 2
c) Nulidad (I?= 3
17. Nulidad (I") = O; Rango (7')
b) Nulidad ( T )= 4
d) Nulidad ( r ) = 1
=6
18. a) Dimensin = Nulidad ( r ) = 3

b) No. Para que A x = b sea consistente para todo b en R5, se debe tener R(7') = R5. Pero R(r) f R5, ya que
rango (7') = dim R(73 = 4
25. ker(D) consta de todos los polinomios constantes.
26. ker(J) consta de todos los polinomios de la forma h.
27. ker(D o D)consta de todas las funciones de la forma ax + b.

I.
a) ker(T)=(O};7esunoauno.
b) ker(T)={X[-:]];
c)ker(T)=
d) ker(T)= { O } ; T e s u n o a u n o
d) T"
{ O } ; Tesunoauno.
[I.] [-::::::y:: ]
=
:I}
5.
a) ker(T) = k [
6.
a) ker(T) = { O }
7 . a) T e s u n o a u n o .
8.
a) T es uno a uno.
1 0 . a)
4x, - 5x,
Tnoesunoauno
4. a) No es uno a uno b) No es uno a uno c ) Uno a uno
+ 2x,
b) T no es uno a uno porque ker(T) # { O }
b) T es uno a uno por el teorema 8.3.2.
b) T n o e s u n o a u n o .
t) T es unoauno.
c) Tnoesunoauno.
d)
Tnoesunoauno.
9. No. A no es invertible.
Tno es uno a uno.

b) T"(x,, x2,xj, . . . , x,,) = (x,,, x,c) T - y x , , x 2 , x 3 , . . . ,x,) = (X", X I , X,? , . , >x,- I )
I,
x , - 2 . . . . , xl)
15. a) (1,
- 1)
d) T"(2, 3) = 2
17. a) Tno es uno a uno.
c ) Tesunoauno. T-'
+X
b) T es uno a uno. T"
[::I=[; ;.I
20. J no es uno a uno porque J(x) = J(x3).
694
+ SX',
b, T:~I)
= 16
+ 5 1 +~19x2, T(v,)
c) T(a, + u,x
+ u2x2)= 2 3 9 ~ 1~246 1 +~ 2~ 8 9 +~ ~
d) T( 1
+ x')
= -6
5x
11 :]
= 22
12. a) [T,oT,],,,,=
T(v,) = 7 + 4 0 ~ 15x2
2 -0 1
ill^,
~ ~ 247~2 61~0
+ 56x + 14x2
2
1 1 1
4 , [ T 2 I B . =[oO o2 4 , [ Tl BI ' , B = [ i
S]
X+
b,
+~1 0~7 ~
X2
12
1
4.
-;
1
-~],[*lB,=
[-; -;
-%I
s. [TI,=
[ ] [ ]
o
0
1 o ,[TI,,=
0 0
1 1
O 0 0

1
O 2 4
O 0 0
8 3 2
donde B es labase normal

b) T es uno a uno
de P4;rango(T) = 5 y nulidad
O 0 0
O 1 6
( r ) =O.
c) u; =
13. a) il=
14. a)
[IB
10. a)
8. a) det(T) = 17
b) det(T) = O
c)det(T) = 1
, u; =
[ij, [!I, [-PI

u; =
4, a = 3
a= I, a=
-2,
u;
b) Rase para el eigenespacio correspondiente a a = - 4: - 2 + $x + x,;

base para el eigenespacio correspondiente a J. = 3 : 5 - 2x + x
a=
-1
b) Base para el eigenespacio correspondiente a

base para el eigenespacio correspondiente a
a = 1:
a = - 2:
base para el eigenespacio correspondiente a 1 =

18. b)
1:
[-: 3 ;
[-::I
(3 + y ,G4+
5)

1. NO. T(x, + x) = A(x, + x2) + B # (AX,
T(cx) = cAx B f c(Ax + B ) = cT(x).
2. b) A
cosn0 -senno
senno
cosn0
+ B ) + (Ax, + B ) = (x,) + (x,),
5. a) T(e,) y dos cualquiera de (e,), T(e,), y
T(e,) constituye una base para el rango; ( - 1,1,
es una base parael kernel.

b) Rango = 3 nulidad = 1
6 . a)
(-4,
--Y,
11,
y si c # 1, entonces
b) (1,0, 0) y (-2, 1, O)
7. a) Rango ( r ) = 2 y nulidad ( T ) = 2
b) T no es uno a uno.
O, 1)
696
/'
1 0 0 0
1 1 . Rango = 3, nulidad = 1
13.
14. a) v, = 2u, + u,, v, = - u 1 + u, + u3,v, = 3u, + 4u, + 2u,

b) uI = -2v, - 2v, v3, u, = 5v, + 4v, - 2v3, u3 = -7v, - 5v,
A oy
-4
15. [ T I E = [
19.
[l!]
..
..
+3
d) - 3 2
e)
-1
-2
-1
o 1 o o ."
o o 1 o ."
o o o 1 ."
..
A]
-1
17. [Z']B=[!
c) e'
b) x
20. a)
-y]
+ 3v3
o o o
1 o o
o 4 o
0O
O
25.
..
o o o o '.'
o o o o
" '
..
.
1
O-
-o
" '
o
o
" '
" '
$ '..
.. ..
. .
o o ..'
1
n+l

1.
a) y , = cle5"- 2c,e-"
y, = c , $ x + c,e-"
b) y , = O
y, = O
3. a) y , = --,eZ' + c3e3x
y2 = clex+ 2c,e2" - c3e3"
y, = 2c,eZ"- c3e3"
5. y
+ c2e-Z'
= cle3*
2. a) y , = cle7"- 3c,e-"
y, = 2c,e7"+ 2c,e-"
b) y , = eZ'- 2c3"
y, = ex - 2e2" 2e3"
y 3 = - 2e2" 2e3+
6. y = c,eX+ c2e2' + c3e3"
b) y I - - 4L~ e
y, =
7x+se-x
- me
27 - X
4. y , = (c, + c2)e2" cje&

y, = - c2eh c3eSx
y, = - cleZ' c3e"
+
+
6. a)
b)
c)
d)
e)
r)
Rectngulo con vrtices en (O, O), (1, O), (1, -2), (O, -2).
Rectngulo con vrtices en (O, O), (- 1, O), (- 1,2), (O, 2).
).
Rectngulocon vrtices en (O, O), (1, O), (1, ), (O,
Cuadrado con vrtices en (O, O), (2, O), (2,2), (O, 2).
Paralelogramo con vrtices en (O, O), (1, O), (7,2), (6,2).
Paralelogramo con vrtices en (O, O), (1, -2), (1, O), (O, 2)
7. Rectngulo con vrtices en (O, O), (-3, O), (O, 1). (-3, 1)
1 1
11. a) Expansin por un factor 3 en la direccin x.

b) Expansin por un factor
c) Deslizamiento cortante por un factor 4 en la direccinx.
'1
o
12* a) [O
'][O
- 5 en la direccin y.
; expansin en la direccin y por un factor de 3, luego expansin en la direccin x porun
factor d e 2
; oblongamiento en la direccin x por un factor de 4, luego oblongamientoen la direccin
; expansin en la direccin y por un factor de -2, luego expansin en la

direccin x por un factor de 4, luego reflexin con respecto a y = x
d)
:][A :]
[1 y] [
; oblongamiento en la direccin x por un factor de -3, luego expansin en la

direcciny por un factor de 18, luego oblongamientoen la direcciny por un
factor de 4
17. a ) y = f x
16. 1 6 y1-1 x - 3 = 0
18.
-I
[:-:]
.
. ..
b) y = x
c)y=ix
1
19. b) No. A no es invertible.
. .. .
22. a)
d) y = -2x
0
698 1 Respuestas a los ejercicios

1 k O
d)
a=
1:
[A]
e)
a=
1:[~]
f ) ( O entero imparmltiplo de
T)
A=
--
1:
( O entero par mltiplo de x) A. = 1:

( O no mltiplo entero de
T)
no hay eigenvalores

1. y = + + $ x
2. ~ = $ + Q x
4. y = - 5 + 3 x - 4 x 2 + 2 x 3
3. y = 2 + 5 x - 3 x 2
8. y = 4 - .2x +- .2x2;si x = 12, entonces y = 30.4 ($30.4 miles

1. a) ( 1 + ~ ) - 2 s e n x - s e n 2 x
2. a)
4 ~ + 4 cos x + cos 2x +
b) $7r2+4
4.
4T
1
1
3. a) --+-eX
2 e-1
coskx
k2
a) (4e- 10)+(18
-6e)x
cos 3x - 4 x senx - 23r sen 2x - -sen 3x

3
x--
k=l
+-
b) ( 1 + m ) - 2
b)
(3 - e)(7e - 19)
2
b)
1
12
3-e
2e-2
6
b) 1 - -
3
5. a) -x
T
T 2
3. a) A = [ - :
4. a)2x2
-B
+ 5y2 - 6xy
-4
b)
b) 7x:
[-:
1
+ 5x,x,
-5
o +
c ) A = [ $1
c) x 2 - 3y2 + 5z
O1
:]
s O
8.
2
-sen(kx)
k
k= I
Respuestas a lcs ejercicios / 699

d)
- 2x:
+ 3x: + 7x1x2+ x1x3+ 12x2x3
5. a) valor mximo = 5 at -t (1, O); valor mnimo =

11
b) valor mximo =
valor mnimo =
+m
1 en -t (O, 1)
-1
11
-m
-1
valor mnimo =
d) valor mximo =
7-m
2
en*
3+m )
% 5 i z z ' -
(-,v3v%v%
-, -)
(-,v%v%v3
-, -)
1
6. a) valor mximo = 4en -t

b) valor mximo = 3 en
c) valor mximo = 4 en?
7. b)
+ 2x1x3+ 2x,x4 + 2x,x3 + 2x2x4+ 2x3x4
e) 2x1x,
o,-
9. a)
11. a) Positiva def-mida.

d) Negativa
semidefinida.
; valor mnimo =
; valor mnimo = 0 en
A)
;valor mnimo = 2en-t
b) Negativa definida.
e) Indeffida.
12. a) Indefinida.
b) Indefinida.
e) Positiva y negativa semidefinida.
c) Positiva semidefinida.
f , Indefinida.
c) Positiva definida.
f , Positiva definida.
d) Indefinida.
13. c) No. T(kx) # kT(x), a menos de que k = 1.

14. a) k > 4
b) k > 2
c)
-1
___
n(n
16. a) A =
-1
n(n - 1)
-1
n
-1
-1
n(n
-&m<k<Qm
1)
-I
...
1) n(n - 1)
-1
~
n(n
1)
n(n
1)
. . . ___
n(n
1)
b) Positiva s e m i d e f ~ d a
3. a) 2x2 - 3xy+ 4y2
b) x z - x y
c) 5xy
d) 4x2 - 2y'
e ) y2
f) Parbola
7.
a) 9x + 4 ~= 36,~ elipse
c) yf2= 8x, parbola
e) 18y - 12x = 419, hiprbola
b) x - 16y = 16, hiprbola

d) x +y = 16, circunferencia
f) y = -+x2, parbola
8. a) fiprbola, ecuaciones posibles son

b)
3x2 - 2y2 8 = o, - 2x2 3y2 8 = o
12. 6x
+ 1ly
elipse
= 66,
2 V w 2 9x - 7y = o, 2V5y12 7x
2 v 5 y Q - 7x - 9y = o, 2v5Xf2 - 9x
4-p
- y2
= 3,
A , ,
=3
IO. 13~- 4 ~ = 81,~ hiprbola
11. 2x - 3y = 24, hiprbola
= O, hiprbola
14. m x - 3y = O, parbola
13. 4y
elipse
- x
15. a) Dos rectas que se cortan, y = x y y = --x.
b) No existe grfica.
d) La grfica es la recta y = x.
c) La grfica es el simple puntoO).(O,

e ) La grfica consta de dos rectas paralelas
3
2
x + -y = 2 2.
,m m
f-)
La grfica es el punto (1,2)
2y2 - z2
dc)) Xx2y++yx2z -+zy2z
e) 3z2+ 3x2
1. a) x2
2. a)
[:
o -4
3. a) [x y z ]
+ 4xy - 5yz
-!] [
[:
b) 3x2 + 7z2 + 2xy - 3x2 + 4yz

f-) 2z2
b)
+ 2xz + y2
O L
-2
c)
[i
d)
i
2
2
o -4
+ 9y = o
+ 7y = o
d) Hiprbola; ecuaciones posibles son
+ 3y2 = 9, 3x2 + 7y2 = 9
9. 2xn2+y = 6,
Parbola; ecuaciones posibles son
c) Elipse; ecuaciones posibles son

7x2
e) Circunferencia
j ) Circunferencia
d) fiprbola
i) Parbola
c) Bprbola
h) Parbola
b) Elipse
g) Parbola
6. a) Elipse
-;]r]+[7
-1
O 21 [:]--3=o
[i y :]
o
-1
4. a) Elipsoide.
b) Hiperboloide de un manto.
c ) Kperboloide de dos mantos.
d) Cono elptico.
e) Paraboloide elptico.
f) Paraboloide hiperblico
g) Esfera.
5. a) 9x" + 3 6 ~+' 4zt2

~ =elipsoide.
36,
~ - 2zI2 = 18, luperboloide de un manto.
b) 6 ~+'3yt2
3x12 - 3y0 - z72 = 3, luperboloide de dos mantos.
d) 4x'* + 9y'2 - z'* = O, cono elptico.
+ 16y" - 162' = O, paraboloide elptico.

f , 7xt2- 3yI2+ z' = O, paraboloide hiperblico.
g) x'2 + y'2 + 2'2 = 25, esfera.
e) x"
6. a) 252' - 3yf2- 5 0 ~-' ~150 = O, hiperboloide de dos mantos

b j 2 2 + 2y'' + 82'' - 5 = O, elipsoide.
C) 9 ~+ 4y''
' ~ - 362' = O, paraboloide elptico.
d) ,Y'? - y'2+ z' = O, paraboloide hlperblico.

1. Multiplicaciones: mpn; adiciones: mp(n - 1).
2. Multiplicaciones: ( k - l)n3; adiciones: (k
l)(n3 - n2).
3.
n=5
Resolver Ax
Jordan
Resolver Ax
b por eliminacin de Gauss
65
50
I +:
reduciendo [A I I] a [IIA"]
Encontrar A"
=b
como x =A" b
+: 100
X:
Encontrar det(A) por reduccin de renglones
150
X:
b aplicando la regla de Cramer
+:
X:
X:
430
375
X:
383,250
343,300
X:
t :
810
+:
980,100
+:
+~:
x:
990,000
i :
x : 1,010,000
x:
900
1100
+:
X:
t:
285
+:
+:
+:
x : 1,000,000
x:
Resolver Ax
383,250
343,300
+:
+:
n = 1000
n = 100
n=lO
b por eliminacin de Gauss-
X:
Resolver Ax
328,350
333,399
+: 33,163,350
X:
33,673,399
+:
x:
333,832,500
334,333,000
333,832,500
334,333,000
998,001,000
1,000,000,000
999,000,000
1,001,000,000
332,833,500
333,333,999
f : 33,316,633 X IO4
X:
33,366,733 X IO4

4.
n=10
n=100
n=1000
Tiempo de
ejecucin
Resolver A x
Jordan
Resolver Ax
b por eliminacin de Gauss
b por
eliminacin
de Gauss-
Encontrar A- reduciendo [A 1 I] a [IIA]

Resolver A x
b como x
A b
x
1.55
2.84
3.50
10-4
1.05 X 1 0 - ~
1 0 - ~ 2.41
Encontrar det(A) por reduccinde renglones
1.03 X 1 0 - ~
Resolver Ax
6.18 x 1O-4
=b
aplicando la regla de Cramer
90.3 x

1. x ] = 2, x2 = 1
3.
XI
= 3, x2 = - 1
9.
X]
= - 3, x2 = 1, x3 = 2,
1
18. A = P L U =
o o
[o
x4
0
2
XI
= -2,
4.
XI
= 4, x2 = - 1
x2
x3
= -3
10. x, = 2, x2 = - 1, x3 = o, x4 = 0
=1
Ji3
0
1
= 1,
2.
1 - 3
o o
o J
!J
,878
836
2.49
2499
83.9
834
IO3
703
31
2.
a) (2,3)
4.
a) 5 + 3 i
5.
a) 2
+ 3i
c ) (-3,
b) (-4,O)
-2)
b) - 3 - 7 ic ) 4 - 8 i
b)
2i
d ) (O, -5)
d) - 4 - 5 i
3. a) x = - 2 , y =- 3
e) 19+14i
b) x = 2 , y = 1
f ) - =2 - E 2. 1
c) - 2 + 9 i
31
t
c)
7 . a)
k
2z = 2
+ 21
++3i
z = 1 + 1
8. a) k , = -5, k2 = 3
b) k , = 3, k , = 1
10.
a)9-8i
13. - 2 6 +
18i
9.
b) - 6 3 + 1 6 i
14.
a) zlz,= 3 3i, 2: = -9, z i = -2i

b) zlzz= 2 6 , ~ := -20
48i, z: = - 5 - 12i
c ) z,z2 = y - i, z: = 8 - 3 + 44, z: = - 6 - 21
1 - lli
c ) -32-24i
IS.
-g+i
d)22+19i
16. ( 2 + ~)
11. 76-88i
+ i(1 - f i )
12. 26-18i
17. O
18. -24i
Respuestas a los ejercicios / ,705
19. a)
1 +36 i 12i
7i]
- 3 + b, [ 33--25ii
13+13i
-8+12i
-33-22i
O
7 + 9i - 6 + 61
-16-
2 + 1Oi
6 - Si
-1i_
22 - l i
-5-4i
9- i
2+5i1
3+3i
1 3 + 3 i 6 +c)
5 i ] 9 - 5l
3+8i
b)
16i
6 + 2i
-1+6i
1'
+ 1"-j5i
-11
-9-
1 v 5
b) z = - k - - - i
2
2
22. a) z = - 1 k i
f 9 + i 12+2i
.
i
;18-2i
13+
'
c)
23. b) i

1. a) 2 - 7 i
d) i
4.
a)
b) -3 + 5 i
e) - 9
--%-gi
b)
f)o
g+gi
5. a) - i
b) & + A i
8.
c)
c) 7i
2. a) 1
d ) f i
g-#i
625
14.
$2
6251
-8
15.
,
X
b)
b) 7
e)8
c) 5
0 0
d) -u+u'
25
25[
e)
6. a) f + f i
b) - f + + i
'r)
. -1-24'
10. - # + & i
13. - & + h i
17. a)
c) -5i
a) - 1 -2i
1;i
11.
b)
O
c) g+yi
C)
s
d) f + + i
7.
i+ij
1+v3.
4
25l
25
1-v3
-+-4
6 - j
Y.
12. - & - A i
,
X
d)
,
X
y = -2

34.
x,
= -(I - i)t,x,=
35. a)
- i t , x ,= t
[ -: f] [-y ii]
b)
1+ i
-7+6i
1 +2i
-i
5-i
-i
1+4i
1

I.
b) ~ / 2 c) - 7r/2
a) O
);(
3. a) 2[cos
+ isen(:)]
d) ~ / 4 e ) 2 ~ / 3 f ) - rr/4
COS P + i m;]
b)
+hen(:)]
c) 5./I[cos(;)
d) 12[cos(T)+isen($)]
e ) 3G[cos(-?)+isen(-?)]
4. a) 6 [ c o s ( S )
c) [cos(
2
5. 1
7.
-6)
6. a) -64
\2
a)
_ _+
f) .[cos(-:)
+isen(%)]
Ll
v2
+isen(
b) - i
Ty
2. a ) 5n/3
b) :[cos(;)
-E)]
+isen(-:)]
+isen(;)]
d) :[cos(%)
+isen($)]
1+v%
c) - 6 4 f i - 6 4 i
d)
-- 2048
b) - ~ / 3 c) 5 ~ / 3
8.
11. a) 2 2 ,+ 2 i
b) +(2+2i),+(2-2i)
+
+
+
+
12. Las races son+ (2Il4 2'14i), (2,14 - 2,14i) y la factorizacin es

z4 8 = (2' - 2'142 z3l2).(z2 2'142 23/2).
13. z gira 90' en el sentido de las manecillasdelreloj
14. a) 16
b)
3i
b) Re(z) = -3, Im(z) = O

c) Re(z) = O, Im(z) = - fi d) Re@)= - 3, Im(z) = O
15. a) Re(z) = -3, Im(z) = O
EJERCICIOS DE LA SECCl6N 10.4 (Pgina 6 3 4 )

1. a) (34 -i,-2
- i, 4)
c) (-1-2i,2i,2-i, -1)
e) ( - 3 + 2 i , 3 , - 3 - 3 4 i )
c2 = 0 , c 3 = 2 - i
3. cl = - 2 - i ,
6. a)
fl
5. a)
b) fi+V%
8. Todo Iklal que
2. (2
b ) ( 3 + 2 i ,- 1 - 2 i ,- 3 + 5 i ,
-i)
d)(-3+9i,3-3i, -3-6i,12+3i)
f) (-1-5i,3i,4, -5)
~
c) f i + f i i
9. a) 3
b) 2 6
d)
b) 2-27i
c)
c) -5
fi
+ i, O,
-3
+ i, -4i)
d)
e) (!-$,O)
f) 1
- 1Oi
10. El conjunto es un espacio vectorial bajolas operaciones dadas.

11. No es un espacio vectorial. No se cumple el axioma 6; es decir, el conjunto no es cerrado bajo la multiplicacin
escalar. (Por ejemplo, multiplicar por i).
12. NO,R" no es cerrado bajo la multiplicacibn escalar.(Multiplicar un vector diferente de cero de R" por i.)
13. a)
14. b)
15. a), d)
16. a), b), d)
17. a ) ( 3 - 2 i ) u + ( 3 - i ) v + ( l + 2 i )bw) ( 2 + i ) u + ( - l + i ) v + ( - l - i ) w
c) ou + ov ow
d)(-5 - 4i)u (5 2i)v
+ +
18. a) S
b) No
20. a) u2= iu,
c) Yes
d) No
+ (2 + 4i)w
19. a), b), c)
b) Tres vectores en un espacio bidimensional c) A es un mltiplo escalar de B.

22. f - 3g - 3 h = O
21. b), c)
26. ( - 1 - i, 1); dimensin = 1
25. a), b), c), d)
28. ( 3 t 6i,
23. a) Tres vectores en un espacio bidkensional

b) Dos vectores en un espacio tridimensional
3i, 1); dimensin = 1
24. a), b)
27. (1, 1 - i);dimensin = 1
29. (jz,-+, 1, O), (-$, 2i, O, 1); dimensin = 2

2. a)
b) O
- 12
c) 2i
+ 5i
4. a) - 4
d) 37
b) O
c) 4 - 4 i
d) 42
S. a) No se cumple el axloma 4.
b) No se cumple el.axioma 4. c) No se cumplen los axiomas 2 y 3
d) No se cumplen los axiomas 1 y 4. e) Este es un producto interior.
6.
9 - 5i
9. a)
11. a)
7. No se cumplen los axiomas 1 y 4
fl
b)
V6 c) V6
b) 2 V 5
14. a) 2
d) O
15. a) 2 G
b) 2 v 3
18. a), b), c)
c) 5
d) O
20. b)
2 1. b),
10. a)
V6 b) 2
b)
12. a) 3 V 6
16. a) 7 v 3
b) 2 v 3
-2i
l f i 3-i
2. b), d), e )
b)
d) O
13. a)
b) 2 f l
b) 2%6
17. a) -8i
C)
1. a)
%6
c)
4
T:i
5 +3 71 i
-1-i
3. k = 3 + 5 i , Z = i , m = 2 - 4 i
I-:] [TI2
-i
(111
c)
1
4. a), b)
d)
13
a21
%]
23
b) Paraninguno
b) A"=
5.
3-i
-
2
m
4 - 3i
-
7. P =
2v-E
5i
2
m
"
8. P =
; P"AP=
[o4
2]
"
v5v5
71;
O
O
O
1
v3
-1
P"AP = O
-0
:I
-2
710
13.
14.
a = 2 +- i
[ -:d]
n ; no, porque A contiene elementos complejos.
es una posibilidad.
EJERCICIOS COMPLEMENTARIOS DEL CAPTULO10 (Pgina 657)
3.
r]
1,
ol
es una posibilidad.
5.
A = 1, w, o?
(= O )
10. b) Dimensin = 2
NDICE
Adicin de vectores, 150,205, 257-258

627
Adjunta, 135-136
+ngulo de rotacin, 228
e g u l o entre vectores, 114,536
Angulos directores, 174
Anticonmutativa, 609
Aplicaciones, 5 13-579
a formas cuadrticas, 5 5 1-578
a ecuaciones diferenciales, 5 13-519
a problemas de aproximacin,
543-549
a series de Fourier,546-549
Aproximacin pormnimos cuadrados,
384-393, 535-543, 545-546
+bol de permutaciones, 108-109
Area de un paralelogramo, 180
Argz, 618
Argumento, 6 18
principal, 6 18
Argumento principal,6 18
Argumento principal, 618
Axioma de aditividad, 552,339
Axioma de homogeniedad,339
Axioma de simetra, 239,638
Axiomas:
para espacios conproducto interior,
339,63 1
para un espacio vectorial, 259-260
Base, 290,291
cambio de, 398-400
coordenadas relativasa una, 290,

399
normal, 246,291,292,294
Base e s t n d a r :
parahfin, 295
para o", 628
para Pn, 294
p a r a p , 292
p a r a p , 292
Base normalde Pn,294
Base ortogonal, 368
Base ortonormal, 367-377
C(-
, + ),268,630
C[a,b], 268,630
Cambio de base,399-401
Cauchy, Augustin Louis,208
cero:
matriz, 64
subespacio, 266
transformacin, 448
vector, 150,205
Cerrado bajo la adicin, 266
Cerrado bajo la multiplicacin escalar,
266
Circunferencia unitaria, 343
C . 132
628
base normal de,628
Cociente de nmeros complejos,
6 11614
Codominio, 2 18
d:
Coeficientes, 50
Coeficientes de Fourier, 548
Columna:
de una matriz, 47
espacio, 307
vector, 306
Combinacin lineal, 50,270,627
Complemento ortogonal,359,360
Componente:
a lo largo de un vector, 169-173
ortogonal a una subespacio, 372-373
ortogonal a un vector, 169-170
deunvector, 152,155,185
Compresin, 523-524
Condicin inicial, 5 14
Cnica imaginaria, 573
Cnica no degenerada,564
Conjugada transpuesta, 547
Conjugado, 77
propiedades del, 614-615,626
Conjunto ortogonal, 367
conjunto ortonormal (devectores), 367,
Cono elptico, 575
Contraccin (operador), 230, 448
Coordenada (S):
de un punto, 154
de un vector, 399
ejes de, 154-155
independiente de las, 685
matriz de, 399
planos de, 154
Cosenos directores, 174
711
712 / hdice
Cramer, Gabriel, 140
De Moivre, Abraham, 622
Desarrollo por cofactores, 131-135
Descomposicinde un vector, 169
Descomposicin LU, 589-598
DescomposicinQR, 377-380
teorema de, 378
Descomposicin triangular, vase
descomposicinLU
Desigualdad de Cauchy 355,366,645
Desigualdad de Cauchy-Schwa, 208,
354,645
Det, 112
Desigualdad de Schwarz, vase
desigualdad de Cauchy-Schwa
Desigualdad del tringulo, 209
Desviacin, 544
Determinante (funcin):
de un operador lineal, 499
de una matriz 2 X 2,111-1 12
deunamatriz3 ~ 3 111-112
,
definicin, 111
derivada de, 146-147
desarrollo por cofactores de, 132
Diagonal principal, 49
Diagonalizable, 426
ortogonalmente, 58
unitariamente, 649
Diagonalizacin ortogonal, 437
Diferencia de vectores, 37
Dilatacin, 230, 406
Dimensin, 292,298
Dirac, Paul Adrien Maurice, 609
Distancia:
en un espacio vectorial complejo con
producto interior, 639
entre puntos, vase Distancia entre
vectores
entre planos paralelos, 196-199
entre rectas paralelas, 196-199
entre un punto y una recta 173
entre un punto y un plano, 196-199
entre vectores, 206-207,
341-342
Distancia euclidiana, 207,80

Divisin de nmeros complejos, 61 1613
Dominio, 2 18
Ecuacin caracterstica, 127,416,649
Ecuacin cuadriicas:
e n ~ y y551-552
,
enx,yyz,574
Ecuacin diferencial, 513-519

condicin inicial para una, 5 14
problema con valor inicial, 5 14
solucin general, 5 14
solucin particular, 5 14
Ecuacin lineal, 2 1
solucin de una, 22
Ecuaciones de dependencia, 3 19
Ecuaciones de traslacin, 157
Ecuaciones normales, 387
Ecuaciones paramtricas, 193-194
Ecuaciones simtricas, 202
Eigenespacio, 419-420, 502-503
de un operador lineal, 502-503
Eigenvalor, 127 248,413, 502
Eigenvalores complejos, 418419,601
Eigenvector, 127,248,413,502
Eje de rotacin, 228
Eje imaginario, 603
Eje regal, 603
Elementos, 47
Eliminacin de Gauss-Jordan, 33-34,
579,
580,586
Eliminacin gaussiana, 2942,142,579,

580,586
Elipse, 564
Elipsoide, 575
Equivalente por renglones, 80, 81
Error cuadrtico medio, 545
Error por redondeo, 41
Escalar, 47,149
Esfera unitaria, 343
Espacio euclidiano n dimensional, 633
Espacio generado, 272
Espacio lineal generado, 272-273
Espacio n euclidiano, 203-2 15
complejo, 633
Espacio vectorial complejo con producto
inhior, 632,637
Espacio nulo (kernel), 307
Espacio rengln, 307
Espacio unitario, 637
Espacio(s) vectorial(es):
axiomas de, 257-258
base de, 290-295
complejos, 258,601,627-633
de dimensin fita, 295-298
de dimensin infinita, 295
definicin de, 258-259
dimensin de, 298
reales, 257-258,601
subespacio de un, 265
Espacio vectorial con producto
interior, 339
distancia en un, 341-342,639
norma en un, 341-342,639
Espacio vectorial de dimensin finita,
295-298
Espacio vectorial real con producto

interior, 339-340
Espacios vectoriales complejos, 258,
601,
627-628
Espacios vectoriales de dimensin

infinita,
295
hpacios vectoriales generales, 257-337

Expansin (o compresin), 522-523
Fase. hacia adelante, 580
Fase hacia atrs, 580
Forma cuadrtica, 551-558
indefinida, 557
negativa definida, 557

negativa semidefinida, 557
positiva d e f i d a , 555
positiva semidefinida, 557
Forma cuadrtica asociada, 55 1-552,
563,574
Forma escalonada, 29-30,33-34

Forma escalonada reducida, 29-30,
33-34, 124
Forma general de un plano, 191

Forma lineal, 55 1
Forma polar, 617-6 18
Frmula de De Moivre, 622-623
Fourier, Jean Baptiste Joseph, 548
Funcin con valores complejos, 628-629
integral de una, 639
Funcin(es):
con valores complejos, 628-629
con valores vectoriales, 447
continuas, 267
determinante, 112
dominio de una, 2 18
iguales, 218
valor de una, 32
Invariante bajo semejanza, 499
Inversa:
deunamatriz, 66-68,85,137-139
de una matriz 2 X 2,66,68
Inversin en una pennutacin, 109
Inverso aditivo, vase Negativo de
un vector
Jordan, Wilhelm, 34
Kernel, 46 1
Lagrange, Joseph Louis, 176
Ley conmutativa:
para la adicin, 62
para lamultiplicacin, 62
Ley de cancelacin, 64
Leyes asociativas, 62
Leyes distributivas, 23
Longitud euclidiana, 207, 633
Longitud (norma) de un vector, 161,
207,
343,633
Mapeos, 218,240
MathemahcsMagmme, 34
Matrices de Dirac, 609
Matrices iguales, 22
ndice / 713
negativa semidefinida, 557
normal, 220-22 1
notacin para vectores, 2 12-213
orden de una, 48
ortogonal, 62
positiva d e f ~ d a 555
,
positiva semidefinida, 555
producto de, 49-50
rango de una 323-324,336
renglones de una, 47
semejante, 498-499
Simtrica, 97-98,437
suma de, 49
sustraccin de, 49
tamao de una, 47
transpuesta de una, 57-58
traza de una, 104
triangular, 95
triangular inferior, 95
triangular superior, 95
unitaria, 647-649
Matrices semejantes, 498-499

Matriz acompaante, 444
Matriz antisimtrica, 102
Matriz aumentada, 25,327
Matriz cuadrada, 48
Matriz de coeficientes, 56,327
Matriz de Householder, 105
Matriz de transicin, 401
Matriz diagonal, 94,495
Matriz diagonalizable ortogonalmente,
437
Matriz diagonalizable unitariamente,

649
Matriz elemental, 75-78

Matriz hermitiana, 649-650
Matriz identidad, 65
Matriz (matrices):
acompaante, 444
anticonmutativa, 609
aumentada, 25,327
antisimtrica, 102
cero, 64
columnas de una, 47
con elementos complejos, 607
conjugada transpuesta de una, 646
cuadrada, 48
de coeficientes, 56,327
de cofactores, 136-137
de coordenadas, 287-291
de Householder, 105
de transformacin, 218,447
de transicin, 40 1
de una transformacin lineal, 481496
definicin de, 24, 47

diagonal, 666,495
diagonal principal de una, 49
diagonalizable, 426,438, 649
diagonalizable odogonalmeente, 437
diagonalizable unitariamente, 649
diagonalizable ortogonalmente, 437
diagonalizable unitariamente, 649
elemental, 75-76
elementos en una, 47
equivalente por renglones, 80,81
espacio columna de una, 47
espacio rengln de una, 307
forma escalonada de una, 29-30,
33-34
forma escalonada reducida de una,

29-30, 33-34, 124
hermitiana, 647,649
indefinida, 557
identidad, 65
igualdad de, 49
inversa, 66-68, 85
inversin de, 80
invertible, 66-68, 85, 137-139
multiplicacin por un escalar de una,
49-50
negativa d e f ~ d a557
,
1 X 1.47
Matriz i n d e f ~ d a557
,
Matriz invertible, 66-68,85, 137-139
Matriz normal, 220-22 1
Matriz ortogonal, 395
Matriz simtrica, 97-98,437
Matriz triangular, 95
Matriz triangular inferor, 95
Matriz triangular superior, 95
Matriz unitaria, 647-648
Medida euclidiana, 217
Mejor aproximacin, 384-385
Menor, 131
M . 131
M":,
260
Mdulo, 610
Muestra:
media de la, 560
variancia de la, 560
Multiplicacin por.4 (como una
trasfomacin):
defmicin), 220
espacio nulo, 307
recorrido, 46 1
Multiplicacin de nmeros complejos,
604,609
Multiplicacin por bloques, 59

Multiplicidad algebraica, 433
Multiplicidad geomtrica, 433
Mltiplo escalar, 49-50,204,257-258,
630
n-ada ordenada, 203

Negativa definda, 557
Negativa semidef~da,557
Negativo:
de un nmero complejo, 604
de un vector, 15 1
Nilpotente, 44
Norma, 161,207,343,633
Norma euclidiana, 207,633

Normal a un plano, 189-190
Normalizacin de un vector, 367-368
Nulidad de una transformacin, 463-465
Nmero complejo imaginario puro, 604
Nmero(s) complejo(s), 258,418-419,
601-606
argumento de,6 18
argumento principal de, 6 18
conjugado de un, 6 1O, 6 14-615
divisin de, 6 11-6 13
forma polar de, 6 17-618
imaginario(s) puro(s), 604
iguales, 604
mdulo de, 610
multiplicacin de, 604,605
negativo de, 604
parte imaginaria de, 419,602,603
parte real de, 603
races de, 622-625
suma de, 604-605
sustraccin de, 604
valor absoluto de, 61 1
Nmero imaginario, 602
Nmeros complejos iguales, 604
Operador identidad, 222,448
Operador lineal, 219,447
determinante de un, 499
matriz de un, 481-490
Operador proyeccin, 225
Operador rotacional, 228
Operaciones (elementales) en los
renglones, 26
Operaciones inversas, 76-77
Operaciones normales en R", 205
Operadores reflexin, 223
Orden:
de una matriz cuadrada, 49
de un polinomio trigonomtrico, 546
Origen, 153
Par ordenado, 203-204
Parribola, 565
Paraboloide elptico, 575
Paralologramo, 181
Parte imaginaria, 418,602,603
Parte real, 603
Pase hacia adelante, 580
Pase hacia atrs, 580
Permutacin, 108
inversin en una, 109
Permutacin impar, 109
Permutacin par, 109
Pesos, 333
Pitgoras, teorema generalizado, 358
Plano:
ecuacin general del, 191
forma punto-normal, 190
forma vectorial del, 193
Plano complejo, 603
714 / hdice
Plano xy, 154
Plano xz, 154
Planoyr, 154
Pohnomio caracterstico, 416,649
Polinomio mnico, 444
Polinomio trigonomtrico, 546
orden de un, 546
Polinomios de Legenbre, 384
Polinomios de Legendre normalizados,
3 84
Posicin normal, 564,574

Positiva definida, 555
matriz, 5 5 5
Positiva semidef~da,557
principal, 21.28
Problema con valor inicial, 514
Proceso de Gram-Schmidt, 375-376,
ecuaciones paramtricas de la, 37194
ecuaciones siqtricas de la, 202

forma vectorial de la, 195
Reduccin de Kronecker, 563
Reduccin de Lagrange, 563
Reflexiones, 222-226
Regla de Cramer, 139-142
Regla de la mano derecha, 179
Regla de la mano izquierda, 179
R", 292
base normal de, 292

Rengln, 47
Retrosustitucin hacia atrs, 36-38
Rotacin:
de ejes, 404-407
de vectores, 227-230
440441,640-641
Producto:
de matrices, 49-50
de matrices invertibles, 68
de nmeros complejos, 604,605
de un vector por un escalar,
151-152,204,257-258
Producto cruz de vectores,

175-187
Producto elemental, 110

con signo, 111
Producto elemental con signo, 111
Producto interior:
axiomas del, 339,637
euclidiano, 164, 205,631
Producto interior euclidiano, 164,206,
637-641
como producto de matrices, 2 12-2 13

ponderado, 272
propiedades de, 164, 167-169,63 1
Producto interior euclidiano ponderado,
340
Producto punto, vase producto interior

euclidiano
Promedio aritmtico (media), 341
Proyeccin ortogonal, 169,372
operador, 225
Punto inicial, 131, 149
Punto-normal, 190
Punto terminal, 149
Puntos e n F , 203-205
Races latentes, 127
Raz (de un nmero o complejo), 621625
Raz n-sima, 622-625

Rango:
de una matriz, 322-323,336
de una transformacin, 462
9,291
base normal de, 29 1

Recorrido, 461
Recta:
Schmidt, Erhardt, 376

Schwan, Hermann Amandus, 208
Seccin cnica (cnica), 563-572
degenerada, 564,573
no degenerada, 564
Seccin cnica degenerada, 564,573
Series de Fourier, 546-549
Sistema consistente, 38,56,90,307
Sistema de coordenadas derecho, 154,
180
Sistema de coordenadas rectangulares,

154-155
Sistema de ecuaciones lineales, 21-25

consistente, 23,38,90,307
inconsistente, 23
solucin de un, 22
Sistema homogneo, 38-40,269
Sistema inconsistente, 23
Sistema lineal, 22
Sistema lineal indeterminado, 33 1
Sistema lineal sobredeterminado, 331
Sistema normal, 387
Solucin:
conjunto, 23
de un sistema, 22
de una ecuacin lineal, 23
espacio, 269
Solucin general, 309, 513
Solucin trivial, 38
Soluciones no triviales, 38
Soluciones particulares, 309, 514
Subespacio, 265,628
Submatrices principales, 556
Submabiz, 32
Suma:
de cuadrados, 562
de matrices, 50
de nmeros complejos, 604-605
de vectores, 150,205,257-258
Superficie cudrica, 574-578
Sustitucin hacia adelante, 591
Sustraccin:
de matrices, 49
de nmeros complejos, 604

de vectores, 15 1,205
Tamaio de una matriz, 47
Teorema alternativo de Fredholm, 509
Teorema de Cayley-Hamilton, 443
Teorema de la dimensin, 464
Teorema de la mejor aproximacin, 384
Teorema de los ejes principales:
para R2,569-570
p a r a 9 , 577
Teorema de proyeccin, 372
Teorema de Piagoras generalizado, 358
Trminos del producto cruz, 552,
565-568
Transformacin lineal, 220,22 1

matriz de una, 481-496
Transformaciones inversas, 468-474
Transpuesta, 401
propiedades de la, 71
Traza de una matnz,104
Triple producto escalar, 181
Tripleta ordenada, 203
Valor absoluto, 610
Valores caracteristicos, 127
Valores propios, 127
Variables libres, 30
Variables principales, 30
Vedofles), 149,202,203-337,
627-646
adicin de, 150,204,257-258,627

ngulo entre, 164,356
cero, 150,204
combinacin lineal de, 270,627

componente vectorial a lo largo de
un, 170-173
componente vectorial ortogonal a un,
169-171
columna, 306
de coordenadas, 399
d e f ~ c i nde, 257-258
descomposicinde, 170
diferencia de, 205
destancia entre, 206-207,341-342,
633
en o", 628-633
en R", 203-2 15
equivalentes, 150
iguales, 150,204
imagen de un, 2 19
inverso aditivo,de, vase vectotfes),
negativo de
linealmente dependientes,
277-279
linealmente independientes,
279-287,628
longitud de un, 161,207,

342,633
mltiplo escalar de un, 204,

257-258,630
Indice 1 715
negativo de un, 15 1
norma de un, 161,207,342,633
norma euclidianade, 207,633
normalizacin de,367-368
ortogonal, 167-168,357-359,640
ortonormal, 367,640
producto cruz de, 175-176
punto inicial de. un, 131, 149
punto terminal de un, 149
rengln, 306
solucin, 269-270
unitario normal, 178-179
Vectores equivalentes, 150

Vectores iguales, 150,204
Vectores linealmente dependientes
(conjunto de), 277-279
Vectores geomtricos, 149-152
Vectores linealmente independientes
(conjunto de),277
Vectores normales unitarios,

178-179
Vectores ortogonales, 167-168,
357-358,640
Vectores rengln, 306
Wronskiano, 334
Yuster, Thomas, 34
LA EDICIN,
COMPOSICION, DISEO E IMPRESION DEESTA OERA FUERON REALIZADOS
SUPERVISION DE GRUPO NORIEGA EDITORES.

BALDERAS
95, COL.CENTRO.
MCxlco, D.F. C.P. 06040
1200095000801522DP92001E
BAJO LA

H.anton A.lineal - Introduccion Al Algebral Lineal

Hochgeladen von

Dokumentinformationen

Originaltitel

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

H.anton A.lineal - Introduccion Al Algebral Lineal

Hochgeladen von

Copyright:

Verfügbare Formate

INTRODUCCI~N

V E R S I N AUTORIZADA EN ESPAOL DE LA OBRA

ELEMENTARY LINEAR ALGEBRA

INTRODUCCIN AL ALGEBRA LINEAL

O 2001, EDITORIAL LIMUSA, S.A.DE C.V.

CANIEM NM. 121

RESUMEN DE LOS CAMBIOS EN ESTA EDICIN

intrincada de las relaciones que hay entre sistemas de ecuaciones, matrices,

DETALLES DE LOS CAMBIOS DE ESTA EDICIN

erectuando cambios sustanciales ente1 contenido y su OrgallhCin, en rcspuesta a

geometra de los operadores lineales sobre R2 para poder fundamentar los

ACERCA DE LOS EJERCICIOS

PROGRAMAS POSIBLESPARA UN CURSO NORMAL

Gua para el instructor

VARIANTES DEL CURSO NORMAL

CURSO ORIENTADO A APLICACIONES

REVISORES Y COLABORADORES DE EDICIONES ANTERIORES EN INGLS

William W. Hager, University of Florida

James Osterburg, University of Cincinnati

REVISORES Y COLABORADORES DE LA SPTIMA EDICIN EN INGLS,

Andrew S. Kim, Westfield State College

SOLUCIONES A LOS PROBLEMAS, LECTURA DE PRUEBASE INDICE

SISTEMAS DEECUACIONESLINEALES Y MATRICES

VECTORES EN LOS ESPACIOS BlDlMENSlONALY

3.4. Producto cruz 175

4. l . Espacio euclidiano n dimensional 203

y espacio nulo 306

ESPACIOS CON PRODUCTO INTERIOR

6.1. Productos interiores

8. I , Transformaciones lineales generales 447

9. l . Aplicaciones a las ecuaciones diferenciales S 13

RESPUESTAS A LOS EJERCICIOS

INTRODUCCIQN A LOS SISTEMAS DE ECUACIONES LINEALES

Una recta en el plano xy puede representarse algebraicamente porunaecuacinde

Una ecuacin de este tipo se denomina ecuacin lineal en las variables x y y . De

Sistemas de ecuaciones linealesy matrices

Una solucin de una ecuacin lineal alxl + a2x2 + . . . , + a>,= b es una

Ejemplo 2 Encontrar el conjunto solucin de

Solucin a). Para encontrar soluciones de a), se asigna un valor cualesquiera a x

Estas expresiones describenel conjunto solucin en trminos de algn parmetrof.

Solucin b). Para encontrar el conjunto solucin de b) es posible asignar valores

1.I Introduccin a los sistemas de ecuaciones lineales I 23

tiene la solucin x, = 1, x2 = 2, x3 = - 1, ya que estos valores satisfacen ambas

est compuesto por ecuaciones contradictorias.

no son cero a la vez)

y) pertenece a una recta s y slo si los nmeros x y y satisfacen la ecuacin de la

Las rectas I, y 1, pueden ser paralelas, en cuyocasonose

Sistemas de ecuaciones lineales y matrices

Un sistema arbitrario de m ecuaciones lineales en

incgnitas se puede escribir

umlxl+ am2x2+ . . . + amnx, = b,

Los subindices dobles en los coeficientes de las incgnitas constituyen un

l .1 Introduccin a los sistemas de ecuaciones lineales

Si mentalmente se ubica a los signos +, las letras x y los Signos =, entonces un

1. Multiplicar una ecuacin por una constante diferente de cero.

Sumar un mltiplo deun rengln a otro rengln.

Sistemas de ecuaciones 1ineales.y matrices

Ejemplo 3 En la columna izquierda quese muestra a continuacin se resuelve un

Sumar -2 veces la primeraecuacin

Sumar -3 veces el primer rengln al tercero

Sumar -3 veces la primeraecuacina

Multiplicar la segunda ecuacin por 1/2 para

Sumar -3 veces el segundo rengln al tercero