Algebra Lineal

ALGEBRA LINEAL
Jos Lpez/ Jos Rodr e o e guez 6 de septiembre de 2010
ii
A Texto procesado en LTEX y 90 grcas en PsTricks. a
iii GARANT IA
Los autores de este texto garantizan a los estudiantes y a los profesores que todo el material es intuitivo, entendible, de complejidad regulada y que saldrn bien preparaa dos. Nuestra garant se debe a que hemos revestido todo el formalismo algebra a co de conceptos geomtricos, intuitivos y depurados. Tambin sabemos que para el estue e diante es muy dif asimilar muchos conceptos nuevos al mismo tiempo y por ello cil hemos sido cuidadosos en introducir conceptos nuevos poco a poco. Hemos aadido n muchos ejemplos y variados ejercicios de rutina y adems talleres de contenidos a veces a desaantes. Por todo esto, el estudiante puede conar en que sale bien preparado si trabaja el material concienzudamente. Comenzamos con sistemas de ecuaciones de primer grado. Inmediatamente pasamos al estudio de matrices y de las operaciones que se pueden hacer con ellas. Paralelamente uno se pregunta sobre el signicado de lo que se hace y la respuesta puede darse en trminos geomtricos con sus sosticaciones: vectores, l e e neas, planos, paralelep pedos, volmenes y determinantes, transformaciones lineales, cambio de coordenadas y diagu onalizacin. o Jos Dar Lpez Garc e o o a. Jos del Carmen Rodr e guez Santamar a Universidad de los Andes
iv
INDICE GENERAL
1. ECUACIONES 1.1. Algoritmo solucionador . . . . . . . . . . . 1.2. Sobre las aplicaciones . . . . . . . . . . . . 1.3. Ecuaciones en forma matricial . . . . . . . 1.4. Sistemas de m ecuaciones con n incgnitas o 1.5. Ejercicios de repaso . . . . . . . . . . . . . 1.6. Resumen . . . . . . . . . . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
5 9 11 14 21 29 30 31 31 34 39 44 46 51 58 63 68 72 74 76 82 91 98 101 103 105 105 106 117 118
2. LINEAS, PLANOS, Rn Y EV=ESPACIOS VECTORIALES 2.1. Espacios cartesianos . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Paralelogramos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3. EV=Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . 2.4. Espacios digitales . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5. La norma de un vector . . . . . . . . . . . . . . . . . . . . . . . 2.6. El producto interior . . . . . . . . . . . . . . . . . . . . . . . . . 2.7. L neas en el plano . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8. Ecuacin vectorial de la l o nea . . . . . . . . . . . . . . . . . . . 2.9. Proyecciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.10. Traslaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.11. Sistemas 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.12. Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.13. L neas y planos en R3 . . . . . . . . . . . . . . . . . . . . . . . . 2.14. Sistemas 3 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.15. Las estaciones (opcional) . . . . . . . . . . . . . . . . . . . . . . 2.16. Ejercicios de repaso . . . . . . . . . . . . . . . . . . . . . . . . . 2.17. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. EL DETERMINANTE 3.1. Idea fundamental . . . 3.2. Paralelep pedos = plps 3.3. Ejercicios de repaso . . 3.4. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 4. DEPENDENCIA E INDEPENDENCIA 4.1. Combinaciones lineales . . . . . . . . . . 4.2. Subespacios . . . . . . . . . . . . . . . . 4.3. Bases . . . . . . . . . . . . . . . . . . . . 4.4. Planos y sub-EV . . . . . . . . . . . . . 4.5. Espacios de matrices . . . . . . . . . . . 4.6. Complemento ortogonal . . . . . . . . . 4.7. Ejercicios de repaso . . . . . . . . . . . . 4.8. Resumen . . . . . . . . . . . . . . . . . . 5. TL 5.1. 5.2. 5.3. 5.4. 5.5. 5.6. 5.7. LINEAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
INDICE GENERAL 119 119 126 128 133 137 138 139 141 143 143 148 150 153 158 159 160 169 169 178 185 186 187 188 197 204 205 207 207 213 215 218 223 227 233 235 237 237 240 241 247 249
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
= TRANSFORMACIONES LINEALES Denicin de TL . . . . . . . . . . . . . . . o La matriz de una TL . . . . . . . . . . . . . Composicin de las TL . . . . . . . . . . . . o Multiplicacin de matrices . . . . . . . . . . o Ejercicios de repaso . . . . . . . . . . . . . . Resumen . . . . . . . . . . . . . . . . . . . . Gran taller de repaso . . . . . . . . . . . . . TL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6. DETERMINANTE DE UNA 6.1. TL y determinantes . . . . . 6.2. Ncleo e imagen de una TL u 6.3. Ejercicios de repaso . . . . . 6.4. Resumen . . . . . . . . . . . 7. LA 7.1. 7.2. 7.3. 7.4. MATRIZ INVERSA El clculo de la inversa a La descomposicin LU o Ejercicios de repaso . . Resumen . . . . . . . . . . . . . . . . . . . .
8. CAMBIO DE COORDENADAS 8.1. Bases arbitrarias . . . . . . . . 8.2. Rotaciones en R2 . . . . . . . . 8.3. Nmeros que rotan . . . . . . . u 8.4. Bases ortonormales . . . . . . . 8.5. La matriz transpuesta . . . . . 8.6. Aplicaciones . . . . . . . . . . . 8.7. Ejercicios de repaso . . . . . . . 8.8. Resumen . . . . . . . . . . . . . 9. TL 9.1. 9.2. 9.3. 9.4. 9.5. EN CUALQUIER PAR Fundamento . . . . . . . . Reexiones en el plano . . El papel de las bases . . . Ejercicios de repaso . . . . Resumen . . . . . . . . . .
DE BASES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
tsname 10.LA MATRIZ DE LA COMPUESTA 10.1. Diagramas . . . . . . . . . . . . . . . 10.2. Cambio de coordenadas y TL . . . . 10.3. Rotaciones en 3D . . . . . . . . . . . 10.4. Trayectorias sobre el plano . . . . . . 10.5. Ejercicios de repaso . . . . . . . . . . 10.6. Resumen . . . . . . . . . . . . . . . . 11.DIAGONALIZACION 11.1. Matrices diagonales . . 11.2. Magnicaciones . . . . . 11.3. El eigen-problema . . . . 11.4. Diagramas conmutativos 11.5. Uso del determinante . . 11.6. Matrices simtricas . . . e 11.7. Reconociendo las cnicas o 11.8. Ejercicios de repaso . . . 11.9. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 251 251 253 262 265 266 266 267 268 270 272 274 275 281 283 287 287 289 289 293 300 304 308 312 312 313 315
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . .
12.APLICACIONES 12.1. Ajuste de patrones . . . . . 12.2. Cudricas . . . . . . . . . . a 12.3. Ejes principales . . . . . . . 12.4. Mximos y m a nimos . . . . 12.5. Sistemas dinmicos lineales . a 12.6. Ejercicios de repaso . . . . . 12.7. Resumen . . . . . . . . . . . 12.8. Gran taller de repaso . . . . 13.Respuestas
INDICE GENERAL
CAP ITULO
1
ECUACIONES
La validez de las cosas que uno dice depende del contexto dentro del cual se est hablando. Nosotros jamos el contexto especicando el conjunto universal a partir e del cual se construye lo que se necesite. Nuestro conjunto universal est formado por a los nmeros reales, a menos que se especique lo contrario. u Nuestro objetivo es aprender a resolver un tipo especial de sistemas de ecuaciones, los llamados lineales y que deniremos despus. Por ahora, veamos algunos conceptos. e 1. Deniciones. Una ecuacin es una igualdad en la cual hay una o varias o incgnitas o variables que se denotarn por letras x, y, z, ... o letras con sub o a ndices como x1 , x2 , ..., y que toman valores en el conjunto universal. Dado un conjunto universal, una identidad es una ecuacin que siempre es verdadera, es decir, es vlida para todos o a los elementos del conjunto universal. Por ejemplo: 3x + 1 = 2, donde x toma valores en el conjunto de los reales, es una ecuacin. o 3x = 2x + x es una identidad sobre cualquier conjunto que admita suma. 5 = 4 + 1 es una identidad pues tenemos tanto a la derecha como a la izquierda del igual dos s mbolos que representan el mismo objeto. Una solucin de una ecuacin con una variable es un nmero que al ser reemplazao o u do en la ecuacin en el lugar de la variable convierte la ecuacin en una identidad. Una o o solucin de 3x + 1 = 4 es x = 1 porque al reemplazar 1 en lugar de x en la ecuacin, o o sta se convierte en 3(1) + 1 = 4 que es la identidad 4 = 4. El conjunto solucin de una e o identidad es todo el conjunto universal. Para verlo, tomemos la identidad 5 = 4 + 1. Si reescribimos dicha identidad como 5 + x = 4 + 1 + x, nos damos cuenta de que es una ecuacin que es vlida para cualquier nmero real, por lo que su conjunto solucin es o a u o el conjunto de los nmeros reales. u Un sistema de ecuaciones es un conjunto de ecuaciones cuyas incgnitas toman o valores en el mismo conjunto de nmeros, por ejemplo y haciendo referencia a los u nmeros reales, el siguiente es un sistema de ecuaciones: u 3x + 4y = 7 3x + 4y = 7 o simplemente 4x + 3y = 7 4x + 3y = 7 5
CAP ITULO 1. ECUACIONES
Tambin podemos escribir todas las ecuaciones de un sistema en un mismo rengln e o separando stas por medio de una coma. e Una solucin de un sistema de ecuaciones es una asignacin de nmeros a las o o u variables tal que al reemplazar las variables por sus valores asignados de forma simultnea en todas las ecuaciones, cada una de stas se convierte en una identidad. a e Una solucin del sistema anterior es x = 1, y = 1 pues estos valores convierten al o sistema de ecuaciones en el sistema de identidades 3+4 = 7 4+3 = 7 Es posible que un sistema no tenga soluciones, o que exista una unica solucin o o que existan much simas. El conjunto solucin de una ecuacin o de un sistema de o o ecuaciones es la reunin de todas las soluciones posibles. Resolver un sistema de o ecuaciones consiste en hallar el conjunto solucin y describirlo de manera simplicada o y entendible. Diremos, por ejemplo, que el conjunto solucin de un sistema es una o l nea recta o un plano. Y en general, un sistema de ecuaciones se denomina lineal cuando est asociado a rectas, planos o a sus generalizaciones. Por dicha razn, un a o sistema lineal puede reconocerse porque contiene unicamente sumas de variables que han sido multiplicadas por nmeros reales, pero no aparecen, digamos, multiplicaciones u de variables o variables con exponentes diferentes de uno. 2. Ejemplo El sistema 3x2 + 4y = 7 3xy = 7 no es lineal porque la primera ecuacin contiene una variable al cuadrado y adems o a la segunda tiene una multiplicacin de dos variables. Todos los ejemplos que siguen son o de sistemas lineales. Para demostrar que un conjunto S es el conjunto solucin hay que demostrar que o cada elemento de S es solucin y que todas las soluciones estn en S. En general, eso es o a dif y es la razn de ser de este curso. Nuestro punto de partida es notar lo siguiente: cil o la solucin de un sistema de ecuaciones se da en trminos de igualdades que tambin o e e denen otro sistema de ecuaciones. Por lo tanto, resolver un sistema de ecuaciones no es ms que transformarlo mediante procedimientos adecuados de tal manera que a cada a paso sea ms clara la solucin. Se termina cuando ya no haya forma de aadir claridad, a o n lo cual corresponde a despejar los valores de las incgnitas. Con esto podemos entender o la razn de las siguientes deniciones: o 3. Denicin. Decimos que dos sistemas de ecuaciones son equivalentes si o tienen la misma solucin. o 4. Ejemplo Decir que el sistema
7 3x + 4y = 7 4x + 3y = 7 y el sistema x=1 y=1 son equivalentes es lo mismo que decir que el primer sistema tiene una solucin y o que sta es unica. Esto es cierto debido a que, como lo veremos en el cap e tulo 2, cada ecuacin del primer sistema corresponde a una l o nea recta que no es paralela a la de la otra ecuacin. Como dos l o neas que no son paralelas se cortan en un unico punto, dicho punto es la solucin y es unica. o En general, el sistema que indique la solucin tiene que ser por pura lgica equio o valente al sistema original. 5. Denicin. Decimos que un procedimiento para transformar un sistema de o ecuaciones en otro es conservativo si transforma un sistema de ecuaciones cualquiera en otro equivalente. Todo procedimiento que aspire a ser conservativo debe cumplir el requisito, ley o regla del balance: puesto que una ecuacin representa una balanza bien equilibrada; o cuando se haga una operacin en un lado de una ecuacin debe hacerse lo mismo en el o o otro lado de la misma ecuacin. Por ejemplo, si multiplicamos un lado de la ecuacin o o 3x = 1 por 1/3, el otro lado tambin debe multiplicarse por 1/3 y nos queda x = 1/3. e Sin embargo, hay que tener cuidado: 6. Contraejemplos Hay procedimientos que hacen lo mismo a cada lado de la ecuacion pero no son conservativos porque cambian el conjunto solucin: o a) Un procedimiento no conservativo se ilustra partiendo de la identidad 2+3 1 =1= 5 1 Esta identidad tiene como conjunto solucin al conjunto de los nmeros reales. o u Sumamos ahora 1 en los numeradores a cada lado de la ecuacin y obtenemos o 2+3+1 1+1 = 5 1 2 6 = =2 5 1 lo cual es una contradiccin, cuyo conjunto solucin es el vac Es por ello que o o o. si hacemos la misma operacin sobre cada lado de una ecuacin, cada lado debe o o tomarse de forma indivisible, como un todo. Un sistema que contenga una contradiccin se denomina inconsistente. o
b) Elevar al cuadrado cada lado de una ecuacin no es un procedimiento conservativo: o Tomamos la ecuacin x = 1, que tiene como unica solucin x = 1. Elevamos o o 2 al cuadrado en ambos lados: x = 1 que se resuelve con x = 1 o con x = 1. El conjunto solucin no se conserv. Decimos que nuestro procedimiento cre una o o o solucin espuria o falsa o no autntica. En algunos casos los procedimientos o e no conservativos que crean soluciones falsas son ms fciles, pero si se usan, hay a a que descartar las soluciones espurias, como aqu que deberamos descartar x = 1. c) Multiplicar por cero a ambos lados de una ecuacin no es un procedimiento cono servativo. Veamos por qu: tomemos la ecuacin x = 3. Su unica solucin es 3. e o o Multipliquemos por cero en todo lado. Nos queda 0 = 0, cuyo conjunto solucin es o todo R pues es una identidad equivalente a x = x. Concluimos que multiplicar por cero no conserva soluciones. 7. Fabricando procedimientos conservativos. Por qu al multiplicar a lado y lado de una ecuacin por cero se crea una innidad e o de soluciones espurias mientras que al multiplicar por 1/3 no? Hay varias maneras de responder y una de ellas es decir que multiplicar por cero es una operacin no invertible, o cuyo signicado lo podemos entender si pensamos sobre un ejemplo: Sea 3x = 1. Multiplicando por 1/3 en ambos lados llegamos a x = 1/3. Si partimos de x = 1/3 podemos restaurar la ecuacin original multiplicando por 3. Por lo tanto, o multiplicar por 1/3 es reversible. Pero si partimos de x = 3 y multiplicamos por cero en ambos lados, llegamos a 0 = 0. Ahora bien, ninguna operacin algebraica puede o transformar la ecuacin 0 = 0 en x = 3, por lo que la operacin multiplicar por cero no o o es reversible, no tiene inversa. Vemos que los procedimientos conservativos son aquellos que son reversibles, que tienen inverso. 8. Ejemplo Los siguientes dos procedimientos son conservativos 1) Sumar un nmero u a ambos lados de una ecuacin, pues el procedimiento inverso es restar el mismo nmero o u a ambos lados. 2) Multiplicar a lado y lado de una ecuacin por un nmero distinto de o u cero, pues su inverso es dividir por el mismo nmero a ambos lados. u 9. Ejercicio Demuestre que el encadenamiento de dos procedimientos conservativos da un procedimiento conservativo. 10. Ejemplo Resolvamos la ecuacin ax + b = c, donde suponemos que a = 0. o
Para despejar la x, quitamos la b sumando a ambos lados b y despus quitamos e la a multiplicando en todos lados por 1/a y obtenemos x = (c b)/a. Como usamos unicamente procedimientos conservativos, esta es una solucin y es la unica. o Es fcil liberarse de la preocupacin de la conservacin del conjunto solucin si a o o o podemos demostrar que la solucin al sistema original es unica. En ese caso, podemos o utilizar cualquier mtodo para hallar una solucin y si al vericarla nos queda una idene o tidad, entonces podemos estar seguros de haber encontrado todo lo que era necesario encontrar. Esa es una razn por la cual nos interesamos en la unicidad de la solucin. o o
1.1. ALGORITMO SOLUCIONADOR
11. Advertencias. Hay sistemas que tienen varias soluciones y hay otros que no tienen solucin. o Por ejemplo, el sistema x + 4y + 3z = 7 x + 3y + 4z = 7 tiene varias soluciones. Una es x = 0, y = 1, z = 1. Otra solucin es x = 7, y = 2, o z = 2. Pero el sistema siguiente no tiene solucin pues es una contradiccin: o o x=1 x=2 Estas dos advertencias permiten ver que cuando se hable de unicidad de una solucin, se debe demostrar. La estructura t o pica de una demostracin de unicidad puede o verse en el teorema siguiente: 12. Teorema. La ecuacin ax + b = c tiene una solucin y esa solucin es unica o o o para a, b, c nmeros reales y a = 0. u Demostracin. Ya sabemos que hay al menos una solucin: s = (c b)/a, lo cual puede o o vericarse por sustitucin. Supongamos ahora que existen dos soluciones s y z. Esto o signica que as + b = c y que az + b = c. Restar lado a lado la segunda ecuacin de la o primera es un procedimiento conservativo pues es invertible y da as+b(az +b) = cc que se puede simplicar en a(s z) = 0. Ahora bien, si a = 0, podemos multiplicar por su inverso multiplicativo a ambos lados, lo cual es un procedimiento invertible y por lo tanto conservativo, y nos queda s z = 0. Sumando z en ambos lados, lo cual es conservativo por ser invertible, queda: z = s. Es decir, si hay dos soluciones y estas son iguales: la solucin es unica. o Enseguida vamos a aprender a utilizar un procedimiento que produce soluciones de sistemas de ecuaciones, lo cual es algo que uno puede vericar, digamos, por sustitucin. o Pero por ahora no podremos probar que nuestro procedimiento nos permite hallar todas las soluciones.
1.1.
Algoritmo solucionador
La palabra algoritmo es de origen rabe y honra al matemtico rabe de principios a a a del siglo IX Muhammad ibn Musa al-Jwarizmi (Gran Enciclopedia Larousse, 1983, vol I) y se emplea hoy en d con un sentido muy preciso y tcnico que en denitiva sirve a e para designar un conjunto de instrucciones ejecutables por un computador. Un mtodo que puede usarse para solucionar un sistema de dos ecuaciones lineales e con dos incgnitas es despejar una variable de ambas ecuaciones, igualar sacando una o
10
ecuacin en una sola variable, despejarla y despus reemplazar para sacar el valor de o e la otra variable. El mtodo anterior puede generalizarse a sistemas con tres incgnitas y con mucho e o trabajo uno podr tratar de usar el mismo mtodo para sistemas con cuatro variables. a e Los problemas realistas involucran muchas variables. Eso querr decir que con el mtoa e do de igualar variables despejadas estos problemas ser irresolubles en la prctica. an a Para salir del embrollo, debemos desarrollar un mtodo que permita solucionar con e igual seguridad tanto sistemas con 2 incgnitas como con un milln. Por supuesto que o o no estamos pensando en resolver nosotros tales sistemas, sino en saber cmo programar o un computador para que l lo haga. Vamos a aprender a combinar ecuaciones de un e sistema lineal multiplicando por nmeros no nulos y sumando o restando para resolver u sistemas de ecuaciones. Pero antes, vale la pena que nos preguntemos: tiene eso algn u peligro? Por supuesto que podemos sumar o restar ecuaciones lado a lado y el resultado es una ecuacin. Igualmente, dos ecuaciones pueden multiplicarse separadamente o por nmeros distintos no nulos y despus sumarse o restarse y el resultado ser una u e a ecuacin. Pero, el procedimiento ser conservativo? Veamos que eso no es siempre o a cierto. El ejemplo es tomar x = 1, cuya solucin es 1, y restarla de s misma. El resultao do es 0 = 0, cuya solucin es todo R. Eso implica que eso de sumar o restar ecuaciones o no garantiza de por s que uno no cambie el conjunto solucin. As que ms nos vale o a que procedamos con cautela. Todo lo que hay que hacer es asegurarse de no perder informacin: podemos restar una ecuacin de s misma, pero no podemos olvidar la o o ecuacin que origin todo. As por ejemplo, es correcto decir que el sistema de una o o , sola ecuacin x = 1 es equivalente al sistema conformado por las dos ecuaciones x = 1 o y 0 = 0, cuya solucin es x = 1. La idea entonces es combinar las ecuaciones de tal o manera que no se pierda informacin pero sin aumentar el nmero de ecuaciones. El o u siguiente ejemplo ilustra el procedimiento. 13. Ejemplo Resolvamos el sistema 3x + 4y = 7 4x + 3y = 7 Estas dos ecuaciones pueden multiplicarse separadamente por nmeros distintos y u despus sumarse o restarse con el objetivo de aniquilar una variable. Concretamente, e multiplicamos ambos lados de la primera ecuacin por 4 y separadamente multiplicamos o ambos lados de la segunda ecuacin por 3, para que los coecientes de la x en ambas o ecuaciones queden iguales. La intencin que tenemos es restar las dos ecuaciones para o aniquilar la x. Procedamos: 4(3x + 4y) = 4(7) 3(4x + 3y) = 3(7) Ejecutando: 12x + 16y = 28 12x + 9y = 21
1.2. SOBRE LAS APLICACIONES
11
Ahora las restamos. Es decir, producimos un nuevo sistema que sea equivalente al original, pero que nos permita despejar la y. Para ello, restamos la segunda ecuacin o de la primera y el resultado lo ponemos en lugar de la segunda ecuacin: o 12x + 16y = 28 16y 9y = 28 21 que se simplica en 12x + 16y = 28 7y = 7 Multiplicamos la primera ecuacin por 1/4 y la segunda por 1/7 en ambos lados y o nos produce 3x + 4y = 7 y=1 Reemplazamos la solucin y = 1 en la primera ecuacin, 3x + 4y = 7 y nos queda o o 3x+4 = 7 que inmediatamente da x = 1. Ahora bien, podemos vericar por sustitucin o directa que x = 1 y y = 1 en realidad forman una solucin al sistema. Pero, nos o faltarn soluciones? No, no nos faltan soluciones pues hemos utilizado procedimientos a conservativos, invertibles, tanto para manipular cada ecuacin como para tratar con o todo el sistema, no perdiendo informacin. En este momento no tenemos la intencin o o de ser muy rigurosos en justicar el aspecto conservativo de nuestros procedimientos, pues en el cap tulo de la inversa podremos estudiar el asunto con comodidad y ecacia. 14. Ejercicio Resolver el sistema 3x + 6y = 9 4x + 7y = 11
1.2.
Sobre las aplicaciones
Los sistemas de ecuaciones lineales salen naturalmente de la vida real. Traducir dichos problemas en ecuaciones no siempre es una tarea sencilla. Sin embargo, en algunos casos esto puede lograrse aplicando la siguiente regla y si la regla no es suciente, en todos los casos esta regla evitar errores crasos. a
12 15. Regla de oro:
Al plantear las ecuaciones de un problema debe tenerse en cuenta que las operaciones indicadas tengan sentido y que todos los trminos de e cada ecuacin se reeran al mismo o tipo de elemento y que estn en las e mismas unidades. Por ejemplo, sumar mg de vitamina A con mg de vitamina A tiene mucho sentido. Pero sumar concentracin de sal al 20 % con concentracin de sal al 30 % no tiene o o sentido porque mezclar dos vasos de salmuera con las concentraciones indicadas no produce una solucin con concentracin al 50 %. De forma semejante, sumar onzas con o o gramos no est permitido, debe hacerse una reduccin a las mismas unidades. a o a 16. Ejemplo En un resguardo hay dos tipos de pjaros, P1 y P2. Ellos se alimentan por su cuenta de mosquitos y semillitas pero para asegurar su perfecta nutricin se les o administran dos tipos de comida C1 y C2. Cada pjaro del tipo P1 consume por semana a 3 onzas del alimento C1 y 4 onzas del alimento C2. Cada pjaro del tipo P2 consume a 6 onzas de alimento C1 y 7 onzas del alimento C2. Si se suministran 9 onzas del alimento C1 y 11 onzas del alimento C2, cuntos pjaros podrn coexistir?, cmo a a a o se modica la situacin si se aumenta el alimento 100 veces? o Solucin: notemos que se usan las mismas unidades, onzas. En cuanto a qu est pero e a mitido sumar y qu no, tenemos lo siguiente: si uno se prepara para abordar un avin e o en el cual le cobran a uno por kilos de equipaje, tendr mucho sentido sumar cantidad a del producto uno con cantidad del producto dos. Pero no en el contexto del problema, ser lo mismo que sumar diamantes y ores. En cambio s se puede sumar cantidad a del producto consumido por los pjaros de tipo uno con la cantidad consumida del a mismo producto por los pjaros de tipo dos. Sea x la cantidad de pjaros P1 y y la del a a tipo P2 que pueden coexistir. Por tanto, x pjaros del tipo P1 consumirn 3x onzas a a del alimento C1, en tanto que y pjaros P2 consumirn 6y onzas del alimento C1. a a Entre ambos tipos de pjaros deben agotar el alimento C1. Por tanto, 3x + 6y = 9. a Obsrvese la coherencia en las unidades y del buen sentido de la suma: todos los trmie e nos de esta ecuacin estn en onzas y se reeren al alimento C1. Estar mal formulada o a a la ecuacin si todo estuviese en onzas pero en un trmino hubiese alimento C1 y en o e otro C2. De igual modo, con el alimento C2, y guardando la coherencia de unidades, tenemos: 4x + 7y = 11. Lo dicho queda ms claro si lo presentamos en la siguiente tabla: a Consumo de alimento x Pjaros tipo 1 y Pjaros tipo 2 Totales a a Alimento C1 3x 6y 9 Alimento C2 4x 7y 11
1.2. SOBRE LAS APLICACIONES Las dos ecuaciones siguientes denen el sistema: 3x + 6y = 9 4x + 7y = 11
13
con solucin x = 1 y y = 1. El alimento alcanza para exactamente un pjaro de o a cada tipo. Si se multiplica el alimento de cada tipo por 100, la cantidad de pjaros a de cada tipo se multiplicar por 100. Por lo tanto, en el segundo caso, se tendrn 100 a a pjaros del tipo P1 y otros 100 del tipo P2. En este ultimo caso quedar el sistema a a 3x + 6y = 900 4x + 7y = 1100. Por supuesto que uno podr alimentar 50 pjaros de cada tipo y el sobrante echara a lo a la basura. Habr un desperdicio. Pero, caramba!, qu pasar si en lugar de a e a alimentar 100 y 100 deseramos aprovechar mejor las posibilidades y decidiramos a e cultivar 300 pjaros del tipo P1 y nada del tipo P2? de esa forma podr a amos sacarle el mximo provecho al alimento C1, pero tendr a amos una deciencia del alimento C2 de 100 unidades, pues cada pjaro del tipo P1 consume 4 unidades del alimento C2. a Para no correr el riesgo de que se mueran por causa de desnutricin, podemos decidir o alimentar 275 pjaros del tipo P1 y nada del tipo 2. Eso causar un despilfarro del a a alimento C1, pues sobrar 900 3 275 = 75. an Nos aventuramos a asegurar que nuestra solucin (x = 100 y y = 100) utiliza o los recursos minimizando la basura, el desperdicio. Esto sucede en el resguardo. Pero, qu suceder en la naturaleza?, se comportar la naturaleza como si quisiera minie a a mizar el desperdicio? En realidad, no se acostumbra hoy en d a vociferar tales preguna tas tan llenas de antropomorsmos. Pero podemos decir lo siguiente: si un ser viviente utiliza mejor los desperdicios que otro, el primero dejar ms hijos y llenar la tierra, a a a de tal forma que es dif imaginar que haya desperdicios no utilizados. Pero supongacil mos que no hubiese en el mundo ms que pjaros del tipo P1 y pjaros del tipo P2: a a a Qu pasar Observando que los pjaros del tipo P2 tienen ms o menos el doble del e a? a a tamao de los pjaros del tipo P1, pues suponemos que el apetito es proporcional al n a tamao, y que entre todos tienen casi las mismas necesidades, uno podr decir que n a francamente no importa si se tienen 2 pjaros del tipo P1 o uno del tipo P2. Esa neua tralidad permitir que el sistema evolucionar caticamente: las proporciones variar a a o an con el tiempo de un lado al otro como un barco a la deriva. Este tipo de temas relacionados con la evolucin se consideraban antiguamente o como dominio exclusivo de la biolog pero sucede que, de un lado, la biolog se ha a a vuelto hoy en d materia de seguridad planetaria y por lo tanto de inters universal, a e y del otro, que se ha inventado una metodolog que simula la evolucin biolgica para a o o resolver todo tipo de problemas de matemticas, ciencia, tecnolog y arte. El magn a a co sitio web http:www.evoljava.com est a su disposicin con material pedaggico para a o o aprender desde cero a programar la evolucin usando el lenguaje Java. Esto es complejo o e importante no slo por su aspecto tcnico o cient o e co sino adems porque a muchas a personas les interesa el problema del origen de la vida y de las especies en su relacin o con la evolucin. Y entre menos dogmtico se desee ser, es mucho ms dif o a a cil. Este tema podr llegar a ser una profesin de por vida. a o
14
17. Ejercicio Hallar al menos una solucin de cada uno de los siguientes sistemas: o a) 2x 5y = 3 7x 4y = 3 2x 8y = 4 4x 5y = 11 3x 2y = 5 2x + 3y = 12
b)
c)
18. Ejercicio Deseamos producir dos tipos de jabones, uno industrial y el otro para manos. Ambos contienen desengrasante y suavizante pero var en sus proporciones. an El tipo industrial necesita 120 gramos de desengrasante y 30 gramos de suavizante mientras que el de manos requiere 40 gramos de desengrasante y 30 de suavizante. Si se tiene en la bodega 160 kilos de desengrasante y 60 de suavizante, cuntos jabones a de cada uno se logra hacer?
1.3.
Ecuaciones en forma matricial
El mtodo que hemos aplicado en la seccin anterior para resolver un sistema de e o ecuaciones no se preocupa por distinguir cul es el sistema original y cul es el modia a cado. Pareciera que ignorar el problema de si un procedimiento es conservativo o no, fuese la mejor manera de acabar con todos los problemas. Vamos a remediar eso de una vez por todas y lo haremos a muy bajo costo y de tal forma que el procedimiento pueda automatizarse. Para ello, aprendamos a escribir un sistema en forma matricial. Ahora bien, quedar claro que ya estamos trabajando con sistemas muy espec a cos. Los sistemas ms generales que admiten la representacin matricial que vamos a introducir a o se llaman lineales. Usemos la siguiente convencin: al escribir un sistema de ecuaciones se adjudica un o lugar jo a cada variable y todas las variables se escriben expl citamente. Por ejemplo, el sistema: 4y + 3x = 7 4x + 3y = 7 se reordena en: 3x + 4y = 7 4x + 3y = 7 Por otra parte el sistema 3x = 7 4x + 3y = 7 se expl cita exhaustivamente en 3x + 0y = 7 4x + 3y = 7
1.3. ECUACIONES EN FORMA MATRICIAL
15
19. Matrices. Si convenimos en que las x van siempre en el primer lugar, y las y siempre van en el segundo lugar, y si cada variable va siempre en su lugar, entonces no hay necesidad de escribirlas. Simplemente se sobreentienden. Con esa convencin o el sistema 3x + 4y = 7 4x + 3y = 7 se reescribe en forma de arreglo de nmeros u . . 3 4 . 7 . . 4 3 . 7 A estos arreglos se les llama as todo el conjunto se llama matriz aumentada, : la parte izquierda que tiene dos columnas se denomina matriz y la parte derecha con una unica columna vector independiente. La matriz corresponde a los nmeros que u acompaan a las incgnitas, y el vector independiente es el que queda al lado derecho n o del sistema de ecuaciones y que no tienen variables. Denominamos entrada a un lugar espec co de la matriz, por ejemplo, la entrada (2, 1) representa el coeciente que en la segunda ecuacin acompaa a la x o primera o n variable y que, en este caso, vale 4. Solucionemos este sistema pero usando la nueva reescritura matricial. Las reglas para encontrar soluciones a un sistema en forma matricial son: Primera, como dos ecuaciones pueden intercambiarse de lugar, entonces dos renglones en su expresin o matricial tambin. Segunda, una la o rengln de una matriz puede multiplicarse, en e o todos lados, en todas las entradas, por cualquier nmero diferente de cero. Tercera, dos u las o renglones pueden sumarse o restarse columna por columna (es decir, las x con las x, las y con las y, etc.) Las dos ultimas reglas en la prctica se utilizan al tiempo, a como en la regla siguiente. 20. Regla aniquiladora. Dos las o renglones de una matriz pueden multiplicarse por separado en toda entrada por nmeros distintos y despus restarse o sumarse con u e el objetivo de aniquilar una variable, es decir, con el n de convertir el coeciente respectivo en cero. Apliquemos la regla aniquiladora para empezar a solucionar el sistema dado en su nueva reescritura matricial: en la segunda la o rengln escribimos el resultado de o multiplicar la primera ecuacin por 4 menos la segunda la por 3: o . . . 7 . 4(3) 3(4) 4(4) 3(3) . 4(7) 3(7) . 3 4
4R1 3R2
Obsrvese que las operaciones se indican, por fuera de la matriz, exactamente en e el mismo rengln donde se ejecutan. Escribir el historial ayuda a corregir errores, los o cuales suceden frecuentemente. Ejecutando las operaciones obtenemos: . 3 4 . 7 . . . 0 7 . 7
16
La segunda ecuacin dice 7y = 7. Por supuesto que debemos dividir por 7 para o despejar y; esto correspone a: . 3 4 . 7 . . 0 1 . 1 .
(1/7)R2
Hemos despejado y = 1. Para despejar la x procedemos, primero a igualar los coecientes de las y en ambas ecuaciones. Para eso, multiplicamos la segunda ecuacin o por 4 y, a continuacin, restamos las dos ecuaciones. El resultado de la resta se pone en o la primera ecuacin y no en la segunda, pues de lo contrario perder o amos la informacin o ya despejada que dice y = 1. R1 4R2 Simplicamos: . 3 0 . 3 . . . 0 1 . 1 Despejamos la x: (1/3)R1 . 1 0 . 1 . . 0 1 . 1 . . 30 44 . 74 . . . 0 1 . 1
lo cual dice que ya pudimos despejar x = 1, y = 1. Esta matriz que queda en el lado izquierdo de este arreglo matricial, y que es cuadrada y tiene unos en la diagonal pero ceros en el resto del mundo se llama la matriz identidad y se nota I aunque a veces se le agrega un sub ndice para indicar su tamao. n Precaucin: todos nuestros procedimientos han sido conservativos, invertibles, pero o no por azar sino porque hemos sido cuidadosos conservando toda la informacin. No o hubiese sido as si tomramos, por ejemplo, el triple del primer rengln y lo hubisemos a o e puesto en el segundo. En general, cada nueva matriz debe tener: 21. Conclusin y denicin. Resolver un sistema de ecuaciones escrito en foro o ma matricial equivale a combinar apropiadamente los renglones de la matriz, multiplicndolos por nmeros diferentes de cero y sumando o restando para recuperar, si es a u posible, la matriz identidad en el lado izquierdo del arreglo matricial. Esta forma de combinar renglones, multiplicando por nmeros, sumando y restando, se llama combiu nacin lineal. o En efecto, qu es solucionar un sistema, por ejemplo, con 3 incgnitas, x, y, z? Es e o encontrar los valores de dichas incgnitas que satisfagan el sistema, digamos x = 2, o y = 1, z = 4. Si escribimos esta solucin en forma matricial tenemos: o
1.3. ECUACIONES EN FORMA MATRICIAL . . 1 0 0 . 2 0 1 0 . 1 . . . 0 0 1 . . 4
17
Podemos ver que la matriz identidad est en el lado izquierdo de este arreglo. Este a mtodo de solucionar ecuaciones se denomina eliminacin Gauss-Jordan. Pero e o para no difamar tcitamente a esos dos grandes hombres, ms nos vale darnos cuenta a a de que hemos utilizado la siguiente restriccin: en el rengln i de cada nueva matriz, o o siempre ponemos una combinacin lineal que involucre el rengln i de la vieja matriz. o o Por ejemplo, en la la uno de la nueva matriz ponemos 3 veces la primera ms 4 veces la a quinta. Pero no ponemos en la la uno de la nueva matriz tres veces la tercera menos 4 veces la sexta. Hacemos esto para asegurar que nuestros algoritmos sean conservativos e invertibles. 22. Ejemplo Tomemos un sistema representado por . 2 3 . 4 . . 5 6 . 7 . Consideremos el procedimiento de poner en el segundo rengln 5R1 2R2 . Este proo cedimiento es invertible y su inverso consiste en poner en el segundo rengln o (5/2)R1 (1/2)R2 . Veriqumoslo: e Si aplicamos sobre el arreglo dado el primer procedimiento, obtenemos: . . . 4 . . 5(2) 2(5) 5(3) 2(6) . 5(4) 2(7) 2 3 que es igual a . . 2 3 . 4 . . 0 3 . 6 Si a este arreglo le aplicamos el segundo procedimiento, obtenemos . . . 4 . (5/2)(2) 0 (5/2)(3) (1/2)(3) . (5/2)(4) (1/2)(6) . 2 3 que es exactamente el arreglo original. Es decir, podemos recuperar la informacin o inicial y por ende toda la informacin se ha conservado. o
23. Advertencia y ejercicios. Se puede llegar a la matriz identidad cuando existe la solucin y sta es unica. Pero no siempre se puede llegar a la matriz identidad, o e porque no hay solucin o tal vez porque hay muchas. Por ejemplo: o
18
CAP ITULO 1. ECUACIONES a) Consideremos el sistema de ecuaciones compuesto por una sola ecuacin o 3x + 4y = 5
como este sistema tiene innidad de soluciones de la forma x = (5 4y)/3, donde y puede tomar cualquier nmero real, no hay manera de decir x vale tanto y y vale tanto, u es decir, no hay forma de llegar a la matriz identidad. Por lo tanto, escriba el sistema correspondiente en forma matricial usando una matriz 2 2 y argumente por qu no e se puede llegar a la identidad. b) Consideremos ahora el sistema de ecuaciones x=5 y=2 x=4
Vemos que este sistema es inconsistente. Qu pasa cuando lo estudiamos matrie cialmente? A este sistema se le puede representar por una matriz 3 2, con 3 renglones y dos columnas, la cual puede transformarse en una matriz que contiene tanto la identidad 2 2 como una contradiccin (ejercicio). o En resumen, se llega a la identidad cuando la solucin existe y es unica, de lo o contrario o no se llega o se llega pero con una contradiccin. Por ahora aceptamos esto o como un resultado emp rico, pero conservamos el desaf de probarlo. o
24. Ejercicio Resolver todos los incisos del ejercicio 17 por medio de matrices.
25.
Ejemplo: Resolvamos el sistema siguiente . 1 0 1 . . 0 0 1 1 . . . 0 . . 1 2 0 1 .
Primero ponemos ceros por fuera de la diagonal en la columna uno. Slo queda o recuperar un cero en la tercera la: . . 1 0 1 . 0 . 0 1 1 . . 0 . R3 + 2R1 . 0 0 1 . 1
Ahora ponemos ceros por fuera de la diagonal de la columna 2: ya est hecho. a Multipliquemos la tercera la por menos uno:
1.3. ECUACIONES EN FORMA MATRICIAL . . 0 1 0 1 . 0 1 1 . 0 . . . . 1 R3 0 0 1 .
19
Pongamos ceros por fuera de la diagonal de la columna 3 . 1 0 0 . 1 . R1 + R3 . R2 + R3 0 1 0 . 1 . . . 1 0 0 1 .
Hemos recuperado la matriz identidad, la solucin es x = y = z = 1. De antemano o se plane esta respuesta para que la aritmtica quedara sencilla de entender, pero un o e sistema puede planearse para que tenga cualquier respuesta. 26. Ejemplo Hemos utilizado en el ejercicio anterior una manera estndar para a resolver un sistema en forma matricial, recuperando la matriz identidad de manera muy ordenada, como para programar un computador. Cuando la identidad puede recuperarse, este mtodo siempre funciona. Con todo, un problema especco bien puede resolverse e creativamente con un poco de desorden. Resolvamos el sistema: . 2 2 1 . 5 . . 0 3 2 . . 0 . . 2 1 1 . 3 R1 + R2 . . 5 2 1 3 . . 0 . 0 3 2 . . R3 + R1 . 0 1 0 . 2
Procedemos:
La tercera ecuacin dice que y = 2. Ya no volvemos a tocar esa ecuacin y despeo o jamos x y z de las otras ecuaciones: . . 5 2 1 3 . . 0 R2 + 3R3 0 2 . 6 . . . 0 1 0 . 2 . . 5 2 1 3 . . 0 0 1 . . 3 R2/2 . . R3 2 0 1 0 .
20
CAP ITULO 1. ECUACIONES . . 5 2 + 9 = 2 2 0 0 . . 0 0 1 . . 3 . . 0 1 0 . 2 . . 1 1 0 0 . . 0 0 1 . 3 . . 0 1 0 . 2 .
R1 R2 + 3R3
que nos dice que x = 1, z = 3, y = 2.
(1/2)R1
27. Ejercicio Primero verique que todos los siguientes sistemas de ecuaciones escritos en forma matricial tienen la misma solucin x = y = z = 1, lo cual ha sido o diseado as para que la aritmtica resulte sencilla. Despus de vericar la solucin, n e e o resolver todos esos sistemas por Gauss-Jordan. . 1 0 1 . 2 . . a) 0 1 1 . 2 . . . 2 1 1 0 . . 2 0 1 . 3 . . b) 0 3 1 . 4 . . . 5 1 4 0 .
. . 5 3 0 2 . 0 4 2 . 6 . c) . . . 7 2 5 0 . . . 5 3 0 2 . 2 4 7 . 13 . d) . . 2 0 5 . 7 . . . 3 2 2 . 3 . e) 2 . 4 7 . 13 . . 3 2 4 5 . 28. Ejercicio Descubra el secreto para lograr que todos los sistemas contengan la misma solucin (1, 1, 1). o
1.4. SISTEMAS DE M ECUACIONES CON N INCOGNITAS
21
29. Ejercicio Disee un mtodo para inventar un sistema de ecuaciones que con n e seguridad tenga una solucin prejada, por ejemplo, x = 2, y = 5, z = 3. Pngalo en o o prctica y resulvalo para vericar la honestidad del mtodo. a e e a mica, qu mica, bioqu mica y biolog molecular es a 30. Ejercicio 1 En ingenier qu comn encontrar el problema de fabricar una solucin en cantidad y prescripcin de u o o concentraciones dadas teniendo otras soluciones ya preparadas en cantidades y prescripciones determinadas. Para resolver el problema lo unico que hay que tener en cuenta es que la cantidad de cada componente se conserva individualmente. Por lo tanto, por cada componente aparece una ecuacin que expresa su conservacin: en un lado de la o o ecuacin est la contabilidad del componente antes de producir la mezcla y en el otro la o a contabilidad del componente despus de la mezcla. Un caso concreto podr ser: tenemos e a 60 ml de una mezcla M1 que tiene 40 % del componente A y 60 % del componente B. Adems, tenemos 80 ml de la mezcla M2 que contiene 70 % del componente A y 30 % a del componente B. Diga qu cantidad de la mezcla M1 y qu de M2 deben combinarse e e para fabricar, si se puede, a) 100 ml de una tercera solucin que tenga 10 % del componente A y 90 % del o componente B. b) 100 ml de una tercera solucin que tenga 50 % del componente A y 50 % del o componente B. c) 70 ml de una tercera solucin que tenga 50 % del componente A y 50 % del o componente B. d) 100 ml de una tercera solucin que tenga 55 % del componente A y 45 % del o componente B. e) 70 ml de una tercera solucin que tenga 80 % del componente A y 20 % del o componente B. Ayudas: 1) Tenga en cuenta el proceder natural en el laboratorio, primero se hacen las cuentas para saber las fracciones de cada mezcla y despus se mira en los frascos e sobre el estante para ver si hay suciente material. 2) Recuerde guardar en todos los trminos el mismo tipo, las mismas unidades y que las operaciones tengan sentido. e 3) Las concentraciones no se pueden sumar. Sin embargo, a veces se puede decidir de antemano que ciertas concentraciones son imposibles de obtener a partir de mezclas dadas. 31. Ejercicio Inventar problemas semejantes al anterior pero con 3, 4 o ms com a ponentes.
1.4.
Sistemas de m ecuaciones con n incgnitas o
Raramente resolveremos en este texto un sistema con ms de tres incgnitas, pero a o es importante tener en cuenta que en las aplicaciones se pueden encontrar sistemas con muchas incgnitas, digamos 10, 20 50. Un ejemplo muy claro que promete sistemas o o
1
Inventado propuesto por Jorge Palacio
22
con millones de ecuaciones es el siguiente: teniendo en cuenta que una ecuacin puede o interpretarse como una ley de conservacin, consideremos una red elctrica que alimenta o e una regin, o un pa o una interconeccin elctrica para todo un continente. Para cada o s o e nodo, la corriente que entra es igual a la corriente que sale. Es decir, por cada nodo hay una ecuacin. El problema consiste en hacer que en cada tomacorriente de cada o casa o fbrica haya suciente corriente para alimentar un motor o un televisor. a Por eso, vale la pena preocuparse por desarrollar mtodos que sean al mismo tieme po ecientes e informativos. Y tambin es necesario pensar si no estaremos causando e errores de aproximacin que se encadenan unos con otros y que a la larga producen o errores no despreciables. Este ultimo problema se estudia en los cursos de anlisis a numrico. Nosotros ya hemos visto una variante del algoritmo de Gauss-Jordan, con e el cual se puede resolver cualquier sistema, pero como ese mtodo es de uso corriente e para programar computadores, es importante ver una formulacin muy precisa. Por o eso, esta seccin est dedicada a su formalizacin. o a o 32. Deniciones. Sea M una matriz aumentada que codica un sistema de ecuaciones de tal forma que cada ecuacin del sistema corresponde a un rengln de la o o matriz. Las siguientes son operaciones elementales entre renglones de M : 1) Intercambiar dos renglones o las cualesquiera. 2) Multiplicar un rengln cualquiera por un escalar no nulo. o 3) Reemplazar un rengln cualquiera por la suma del mismo rengln con otro o o rengln. o En la prctica, combinamos las reglas 2 y 3 en una sola: reemplazar un rengln a o cualquiera por la suma de un mltiplo escalar no nulo del mismo rengln con otro u o mltiplo escalar de otro rengln. u o 33. Ejercicio Demuestre que toda operacin elemental es invertible y que por lo o tanto produce un procedimiento conservativo. Decir que las operaciones elementales no alteran las soluciones y que las operaciones elementales son sucientes para resolver sistemas lineales es lo mismo que decir lo siguiente: 34. Teorema. Dos sistemas son equivalentes si y slo si la matriz aumentada que o representa a un sistema se puede obtener de la matriz aumentada que representa el otro sistema mediante operaciones elementales por renglones. 35. Ejemplo Los siguientes dos sistemas son equivalentes:
Primer sistema xy = 1 2x + y = 2 Segundo sistema x=1 y=0
23
En efecto, la matriz aumentada del primer sistema puede transformarse con operaciones elementales en la matriz aumentada del segundo sistema: 1 2 . 1 . 1 . . . 1 . 2
R2 2R1
. . 1 1 . 1 . 0 3 . 0 . 1 . 1 . 1 . . 1 . 0 . . 1 0 . 1 . . 0 1 . 0 .
R2/3 R1 + R2
Lo que deseamos es, por supuesto, encadenar operaciones elementales para llegar a una solucin del sistema. Si la solucin es unica, llegaremos a la identidad. Pero, o o qu pasa cuando no hay solucin o si no existe solucin? La respuesta es que no e o o llegamos a la identidad, pero a dnde llegamos? Hay varios estilos de terminar los o problemas, pero nosotros jaremos la atencin en un mtodo sencillo y ecaz, el cual o e est basado en las matrices escalonadas que son aquellas cuyos ceros forman una esa calera por debajo de la diagonal y que debe llegar, por lo menos, hasta inmediatamente abajo de la diagonal. 36. Denicin. Una matriz, aumentada o no, M , se dice que est en forma o a escalonada si: 1) Los renglones compuestos unicamente por ceros estn en la parte inferior de la a matriz. 2) El nmero de ceros antes del primer elemento diferente de cero de un rengln es u o mayor que el del rengln inmediatamente superior. o 37. Ejemplo La siguiente matriz no es escalonada porque se incumple la condicin o 2) pues el nmero de ceros antes del primer elemento diferente de cero del rengln tres u o es igual al del rengln dos. o . . 1 2 0 0 . 0 1 1 . 3 . . . 0 1 1 . 2 .
Al decir que la anterior matriz no es escalonada, lo que estamos mencionado es que se puede combinar el segundo y tercer rengln, con operaciones elementales para o que nos quede la matriz escalonada siguiente, la cual nos dice inmediatamente que el sistema no tiene solucin, pues en el tercer rengln nos queda la contradiccin 0 = 1: o o o
24 . 2 0 0 . 1 . 0 1 1 . 3 . . . . 1 R2 R1 0 0 0 .
En general, una matriz escalonada nos dice si hay o no hay solucin, y si la solucin o o es unica o no. Podemos sacar ms informacin con un poco de trabajo adicional. a o 38. Denicin. Una matriz, aumentada o no, M, se dice que est en forma o a escalonada reducida si 1) Est en forma escalonada. a 2) El primer elemento diferente de cero en un rengln es el 1. o 3) En la columna correspondiente al primer elemento no nulo de un rengln hay o solo un elemento diferente de cero, a saber, l mismo. e 39. Ejemplo De las siguientes tres matrices, la primera no es escalonada reducida pues no es escalonada, la segunda tampoco es escalonada reducida pues el primer elemento diferente de cero en el segundo rengln no es 1, pero la tercera matriz s es o escalonada reducida: . . . 1 . 1 0 0 . 1 1 0 8 . 0 1 5 . 3 0 2 0 . 3 . . . . . . 0 0 1 . 2 . 0 1 2 . 2 . . . 1 1 0 8 . 0 1 5 . 3 . . . 0 0 0 . 0 .
Observemos que la ultima matriz nos dice que tenemos un sistema con 2 ecuaciones y 3 incgnitas. Esto implica que nos queda una incgnita libre a la cual se le puede dar o o cualquier valor para que nos quede un sistema de 2 incgnitas con 2 ecuaciones con o solucin unica (pues nos queda la identidad 2 2). Por lo tanto, la tercera matriz nos o dice que el sistema asociado tiene innitas soluciones con un grado de libertad, o sea con una y solamente una incgnita libre, que puede ser la z. Concretamente, podemos o leer las soluciones despejando x y y en trminos de z: e x = 8z + 1 y = 5z + 3. Ahora ya podemos formalizar el algoritmo de Gauss-Jordan tal como se usa en la vida real: 40. Algoritmo de Gauss-Jordan para resolver un sistema lineal de ecuaciones con n incgnitas y m ecuaciones: o Sea el sistema
1.4. SISTEMAS DE M ECUACIONES CON N INCOGNITAS a11 x1 + a12 x2 + ... + a1n xn = b1 a21 x1 + a22 x2 + ... + a2n xn = b2 . . . . . . . . . . . . . . . am1 x1 + am2 x2 + ... + amn xn = bm
25
2) Escalonar por renglones la matriz aumentada. 3) Decidir la existencia y unicidad de la solucin: basndose en la matriz escalonada, o a decidir si la solucin es unica (cuando se llega a la matriz cuadrada I), si no hay solucin o o (si se llega a una contradiccin, como 1 = 2) o si hay innitas soluciones (si hay por lo o menos un rengln de slo ceros y no hay contradiccin). o o o 4) Si no hay solucin, terminar el algoritmo. Si hay solucin, describirla llevando o o la matriz a la forma reducida escalonada. Es decir, si la solucin es unica, hay que o hallarla. Pero si hay innitas soluciones, se especica cuntos grados de libertad hay, a es decir, a cuntas incgnitas se les puede dar valores arbitrarios. a o 5) Escribir la solucin al sistema. o 41. Ejemplo Resolvamos por Gauss-Jordan el sistema
Obsrvese que no es necesario que el sistema tenga el mismo nmero de ecuaciones e u y de incgnitas. Puede ser que haya ms ecuaciones que incgnitas o puede ser que o a o haya menos. Eso no importa, pues el algoritmo resuelve todos los casos. Tenemos 5 pasos, vlidos tanto para clculos a mano como para programar un computador: a a 1) Escribir la correspondiente matriz aumentada asociada al sistema: . . b1 a a12 ... a1n . 11 . a . 21 a22 ... a2n . b2 . . . . . . . . . . . . . . . . . . . bm am1 am2 ... amn .
Solucin paso a paso: o a) Matriz asociada
2x + y + 2z = 1 x 2y z = 2 3x 6y 3z = 3 . . 1 2 1 2 . 1 2 1 . 2 . . . . 3 3 6 3 .
26
b) Escalonamos. En nuestro proceso usamos el s mbolo R1 R2 que signica que intercambiamos el rengln dos con el uno, lo cual ni quita ni pone: o . . 2 R1 R2 1 2 1 . . 2 1 2 . 1 . . . 3 6 3 . 3 . 1 2 1 . . 2 . 0 5 4 . 3 . R2 2R1 . . 4 R3 3R1 0 0 0 .
3) Decidimos la existencia y unicidad de la solucin: como hay una contradiccin o o en el ultimo rengln que dice que 0 = 4, concluimos que el sistema es inconsistente, o por tanto la solucin es el conjunto vac o o. 42. Ejemplo Resolvamos por Gauss-Jordan el sistema
Solucin paso a paso: o 1) Escribimos la matriz aumentada asociada 1 2
x 2y + z = 0 2x + 3y z = 1 3x 2y + z = 2.
2) Escalonamos
. 1 . 0 . . 2 3 1 . 1 . . . 2 3 2 1 . . . 0 1 2 1 . . 0 1 . 1 1 . R2 + 2R1 . . 2 R3 3R1 0 4 2 . . 1 2 1 . 0 . 0 1 1 . 1 . . . . 6 R3 + 4R2 0 0 2 . . . 0 R3/2 1 2 1 . 0 1 1 . 1 . . . . 3 0 0 1 .
27
3) Decidimos la existencia y unicidad: puesto que el ultimo rengln empieza por o uno, la solucin es unica. O tambin se puede decir que al reducir se puede llegar a la o e matriz identidad 3 3, por lo que la solucin es unica. o 4) Como existe la solucin y es unica, la hallamos, para lo cual reducimos la matriz o escalonada: . . 3 R1 R3 1 2 0 . . R2 R3 0 1 0 . 2 . . . 3 0 0 1 . . . 1 0 0 . 1 R1 2R2 . R2 0 1 0 . 2 . . . 3 0 0 1 .
5) Escribamos la solucin: la solucin es unica y es x = 1, y = 2, z = 3. o o 43. Ejemplo Resolvamos por Gauss-Jordan el sistema
Solucin: o 1) Matriz aumentada
2x y + z = 1 4x + 2y z = 2 4x + 2y 2z = 2
2) Escalonamos la matriz
4 4
2 1
. 1 . . 1 . 2 1 . . 2 . . 2 2 2 .
3) Decidimos la existencia y unicidad: el tercer rengln, de slo ceros, nos indica o o que el sistema admite innitas soluciones. 4) Reducimos . . 3 R1 R2 2 1 0 . . 0 0 1 . . 4 . . 0 0 0 0 .
. . 1 2 1 1 . . 0 . 4 0 1 . R2 + 2R1 . . 0 R3 + 2R1 0 0 0 .
28
CAP ITULO 1. ECUACIONES . 1 1/2 0 . 3/2 . R1/2 . 0 0 1 . . 4 . . 0 0 0 . 0
5) Escribimos la solucin. El sistema correspondiente es: o x (1/2)y = 3/2 z=4 o bien, x = (1/2)y 3/2 z=4 de lo cual queda claro que y es una variable libre a la cual se le puede dar cualquier valor. Adems, y es la unica variable libre, tenemos un grado de libertad. a Notemos que el nmero de variables es igual al nmero de columnas de la matriz no u u aumentada, en este caso, 3. Por otro lado, la matriz reducida qued con dos renglones, o es decir, dos condiciones independientes para el sistema. Por tanto, debe haber una variable libre, tal y como se encontr. o La solucin general puede escribirse de varias maneras. La primera es: o S = {(x, y, z)/x = 3/2 + (1/2)y, z = 4, para x, y, z R} La segunda es S = {(3/2 + (1/2)y, y, 4), para y R} La tercera es 3/2 1/2 3/2 + (1/2)y 0 y = y 1 + S= 4 0 4
donde y R. De aqu podemos obtener soluciones particulares dando valores a la variable y, por ejemplo, si y = 0, se obtiene la solucin (3/2, 0, 4). o 44. Observacin o Si el ultimo rengln de la matriz aumentada escalonada de un sistema cuadrado o es de la forma (0..,0, a : b), entonces el sistema tendr solucin unica si a = 0; el a o sistema no tendr solucin si a = 0 y b = 0, y el sistema tendr innitas soluciones si a o a a = b = 0. o 45. Ejercicio Adecue la observacin anterior al caso de matrices no cuadradas. 46. Ejercicio Resuelva por Gauss-Jordan de cinco pasos los siguientes sistemas: x+y+z = 2 xy+z = 1 a) x y + z = 1
1.5. EJERCICIOS DE REPASO x+y+z xy+z b) 2x + 2z x+y+z xy+z c) 2x + 2z =2 =1 =3 =2 =1 =1
29
47. Ejercicio Para cada una de las siguientes opciones, invente un sistema 3 3 y verique su prediccin usando el algoritmo de Gauss-Jordan de cinco pasos: o a) Su solucin sea unica. o b) Tenga innitas soluciones con un grado de libertad. c) Tenga innitas soluciones con dos grados de libertad. d) No tenga solucin. o
1.5.
Ejercicios de repaso
x 3y + z = 1 2x + y z = 1
1. Escriba la solucin general del sistema lineal o
2. Un cuadrado mgico de tamao n es una matriz n n cuyos elementos consisten a n en todos los enteros entre 1 y n2 , de tal forma que las sumas de los elementos 2 de cada columna, rengln o diagonales son iguales a n(n2+1) . Por ejemplo, un o 8 1 6 cuadrado mgico de tamao 3 es la matriz A = 3 5 7 . Muestre que no a n 4 9 2 existen cuadrados mgicos de tamao 2. a n 3. Encontrar los valores de a, b y c tales que la curva y = ax2 + bx + c, pase por los puntos (3, 0), (2, 3) y (1, 1). 4. El lgebra lineal tiene dos componentes, el algebraico y el geomtrico. Comenzana e do desde el prximo cap o tulo, combinaremos los dos aspectos para hacer realidad la siguiente idea: un sistema lineal de ecuaciones no es ms que una generalizacin a o de una ecuacin en nmeros reales de la forma ax = b. Slo que en lugar de a o u o ir una matriz A y en vez de x ir una n-tupleta de incgnitas, que si se trata de a a o x , y que se denota genricamente como X e sistemas de dos por dos, puede ser y y se lee vector X. Similarmente, en vez de b ir un vector o columna de nmeros, a u B. En una palabra, un sistema lineal de ecuaciones que se pueda escribir como una matriz aumentada tambin se puede reescribir de la forma AX = B. e a) Use el sentido comn para reescribir el primer problema del presente taller u de la forma AX = B. Identique claramente qu es A, X, B. e b) Encuentre el(los) valor(es) del parmetro k = 0, para el(los) cual(es), el a sistema AX = B, tiene soluciones no triviales, es decir, diferentes del vector
30
CAP ITULO 1. ECUACIONES 1 3 . Este pro3 1 blema tiene la lectura geomtrica siguiente: hallar todos los vectores X no e nulos tales que al multiplicar o aplicar la matriz A sobre X, lo que resulta es kX que es un alargamiento de X. 1 2 3 o c) Si A = 0 4 3 , exhiba la solucin general del sistema AX = B, donde 0 0 1 B es cualquier vector columna de tres componentes. columna con ceros en todas las entradas, donde A =
1.6.
Resumen
Los sistemas de ecuaciones lineales tienen una amplia gama de aplicaciones pero la complejidad de los problemas resultantes demanda mtodos poderosos y conceptos e claros. Hemos elaborado la propuesta de reducir el estudio de los sistemas de ecuaciones lineales al de los problemas matriciales. De esa forma, solucionar un sistema equivale a reducir, segn reglas claras y sencillas, consignadas en el algoritmo de Gauss-Jordan, u una matriz aumentada cualquiera a una matriz escalonada reducida. Para sistemas lineales tales que su matriz reducida tenga n columnas o variables y r renglones no nulos o condiciones independientes para las variables, se cumple que: Si la matriz terminal es la identidad, la solucin es unica. Si hay una contradiccin o o aparente, no hay solucin. Si no hay contradicciones y el nmero de variables o columnas o u de la matriz no aumentada es mayor que el nmero de renglones no nulos, n > r, u hay innitas soluciones. En este ultimo caso, el nmero de variables libres es igual al u nmero de columnas o variables menos el nmero de condiciones o renglones no nulos u u y se denomina grados de libertad de la solucin que es igual a n r. Hemos podido o entender por qu el algoritmo de Gauss-Jordan es conservativo, pues no crea ni destruye e soluciones. Eso se debe a que todo algoritmo de Gauss-Jordan es una composicin de o operaciones elementales, cada una de las cuales es reversible, lo cual garantiza que no se crea ni se pierda informacin. o
CAP ITULO
LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES
En este cap tulo introduciremos un pilar bsico del lgebra lineal, los espacios veca a toriales. Para mostrar que no hay nada misterioso en esas estructuras, partiremos de ideas geomtricas muy sencillas y gradualmente iremos abstrayendo las nociones e matemticas necesarias. a La geometr estudia las relaciones espaciales. Por naturaleza, la geometr es una a a ciencia aplicada pues nace y se realiza en nuestra relacin con el espacio f o sico ligado a la tierra. Sin embargo, la geometr es redundante, uno puede hacer un curso de geometr a a sin hacer un solo dibujo, simplemente rerindose a relaciones entre nmeros. Con e u todo, en este curso la geometr es bsica, pues hay una correspondencia perfecta entre a a algunos problemas geomtricos y sistemas de ecuaciones lineales. Por otra parte, puesto e que todos nosotros tenemos cientos de millares de horas de experiencia en manejo espacial, todos nosotros tenemos un enorme conocimiento que podemos utilizar para dos cosas: una es usar la geometr para dilucidar problemas de lgebra lineal y la otra a a es usar el lgebra lineal para resolver problemas de geometr a a. Un primer objetivo ser poder interpretar una ecuacin lineal con dos incgnitas a o o como una recta en el plano. Por tanto, resolver un sistema de dos ecuaciones con dos incgnitas equivaldr a encontrar todos los puntos comunes a dos rectas: puede ser uno o a slo, cuando las rectas no son paralelas, o puede no haber solucin cuando las rectas o o son distintas pero paralelas, o puede haber innitas soluciones cuando las dos ecuaciones representan una misma recta. Observemos que gracias a nuestra interpretacin o de ecuaciones por rectas, ya nos liberamos, al menos en este caso, de la preocupacin de o si nuestro algoritmo es conservativo o no. Y lo que es ms, iremos reuniendo evidencia a a favor de la tesis de que el algoritmo de Gauss-Jordan es conservativo.
2.1.
Espacios cartesianos
El tipo de geometr que vamos a considerar fue inventado por Descartes y consiste a en representar los nmeros sobre el espacio cartesiano que es un espacio con un sistema u de direcciones para llegar a cualquier punto. El espacio unidimensional recto o recta real lo notamos R y tiene su origen en el 31
32
CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES
punto 0 y todos los nmeros conceptualizan una distancia y una direccin. Los nmeros u o u positivos se ponen al lado derecho del origen, los negativos al lado izquierdo. El plano cartesiano es el espacio bidimensional notado como R2 . Y 1 (4,1) 4 X 1 Y (4,1) 4 X
Figura 2.0. El plano cartesiano. Una dupleta representa tanto un punto como un vector, el cual tiene direccin, sentido y magnitud. o
El plano cartesiano tiene dos ejes mutuamente perpendiculares, el eje horizontal X que puede considerarse como la l nea de los reales R insertados en el plano, y el eje vertical Y . Esos ejes determinan la representacin de cada elemento de R2 como (x, y), o donde x es la componente en X y y es la componente en Y . La componente x se dibuja horizontalmente: positiva hacia la derecha del origen, negativa hacia la izquierda. La componente y se dibuja verticalmente: positiva hacia arriba del origen, negativa hacia abajo. A (x, y) tambin se le llama dupleta ordenada, pues las dupletas (2, 1) y (1, 2) e no son las mismas, es decir, no representan el mismo elemento del plano. El espacio tridimensional R3 es el espacio en el que vivimos y se representa por 3 ejes mutuamente perpendiculares y cada punto est dado por una tripleta, la cual tiene a 3 coordenadas (x, y, z). Una tripleta tambin representa un vector. e Z (3, 4, 5) 3 X Figura 2.1. El espacio 3D (tres dimensiones): la tripleta (4, 5, 5) o el vector (4, 5, 5). Es conveniente aprender a representar en la mente al espacio tridimensional, pero orientado de manera arbitraria. Las siguientes recomendaciones pueden ayudar: el espacio tridimensional se dibuja de manera que el piso represente el plano XY y la altura el eje Z. Adems, se usa el convenio de la mano izquierda: el pulgar es el eje X positivo. a El ndice es el eje Z positivo hacia arriba. El dedo del corazn es el eje Y . Se forma o 5 4 Y
2.1. ESPACIOS CARTESIANOS
33
un tr pode con 3 ngulos rectos, apuntando con el eje X o pulgar hacia el corazn. a o Ahora, gire la mano de manera arbitraria: tendr el espacio tridimensional con ejes a que apuntan en direccin arbitraria. o Una de las ventajas inmediatas de la idea de Descartes es que soluciona el problema de no poder imaginar, por ejemplo, un espacio de 8 dimensiones. En efecto, los puntos de dicho espacio se representar por 8-tupletas, las cuales tendr 8 coordenadas. an an Una vez hecho esto, es elemental tratar con conjuntos de 8-tupletas y aplicarles las mismas leyes que se aplican a las dupletas en el plano o tripletas en el espacio. La maquinaria propuesta por Descartes y aceptada universalmente funciona igual de bien en 3 dimensiones como en 93 o en cualquiera otra. Dicho de otra manera, no tenemos hasta ahora una razn matemtica para sealar a la dimensin 3, la de nuestro o a n o espacio, como privilegiada: no sabemos por qu nuestro espacio es tridimensional. Se e han propuesto posibles explicaciones de este misterio, por ejemplo: en dos dimensiones no podr haber organismos como nosotros, pues el tracto intestinal nos dividir en an a dos partes separadas que ya no ser un organismo. Pero si el universo tuviese ms de an a 3 dimensiones espaciales, entonces puede demostrarse que no existir sistemas planan etarios estables: un pequeo meteorito sacar de rbita a cualquier planeta. Tampoco n a o existir tomos. La vida como la conocemos no podr existir. La disciplina f an a a sica que se ha agarrado de lleno con el problema de la dimensionalidad es la teor de cuerdas a (Zwiebach, 2004). En nuestro mundo, las n-tupletas pueden aparecer naturalmente en cualquier momento. Pero no slo se desea describir la naturaleza, sino que tambin se aora enteno e n derla. Eso signica armar relaciones entre las variables de tal manera que mediante el valor de algunas de ellas, llamadas independientes, uno pueda predecir, al menos aproximadamente, el valor de otras, llamadas dependientes. Un modelo es una denicin de un conjunto de variables independientes y de sus interrelaciones. Si todo eso o se expresa por medio de frmulas matemticas, tenemos un modelo matemtico. Si o a a adicionalmente las ecuaciones son lineales (de la forma 3x + 4y 7z = 8), tenemos un modelo lineal. Pues bien, lo ideal es meter tan pocas variables independientes como sea posible. En la prctica, eso se hace por tanteo. Si con 3 variables uno no puede hacer a grandes predicciones, entonces uno agrega otra ms a ver si eso sirve de algo. a Nosotros usamos una equivalencia, los elementos de Rn , n-tupletas ordenadas, los representamos indistintamente como un punto con sus coordenadas correspondientes o bien como un vector o echa que sale del origen y que llega hasta el punto dado. Esta equivalencia permite interpretar un vector como una posicin o bien como una abstrao ccin de objetos vectoriales, o sea, como el desplazamiento, la velocidad, la aceleracin, o o la fuerza, el campo magntico, etc. Formalmente tenemos: e 48. Denicin. Rn es el conjunto de las n-tuplas ordenadas o vectores. Un o elemento x Rn , lo notamos (x1 , x2 , ..., xn ). R2 tambin se llama el plano, y a R3 el e espacio. Al nmero n tambin se le llama dimensin. Dos n-tuplas ordenadas son u e o iguales si hay igualdad entre las coordenadas. El vector (4, 2, 5) es elemento de R3 , mientras que (6, 2, 3, 4) lo es de R4 . Los vectores (1, 2, 3) y (2, 1, 3) no son iguales. El cero en R3 es (0, 0, 0) y corresponde con el origen de coordenadas.
34
Para conectar nuestros vectores con las aplicaciones en f sica, debemos notar que nuestros vectores tienen direccin, sentido y magnitud, la cual aprenderemos a medir o un poco despus. Hay tambin dos entidades ms: segmentos y segmentos dirigidos. Un e e a segmento est determinado por un par de puntos sin preferencia de orden, lo notamos a P Q, donde P es un extremo y Q es el otro. Este representa una varilla de hierro que poco importa si se coloca en una direccin o en la otra. Un segmento dirigido es o un segmento para el que es importante decir cul es el comienzo y cul el nal. Un a a segmento dirigido puede representar un desplazamiento, cuya descripcin me dice si o me muevo de aqu para all o de all para ac. a a a
Cabeza Segmento Segmento dirigido Cola
Figura 2.2. Segmento y segmento dirigido. En un segmento dirigido, al punto de inicio se le llama cola y al punto donde termina se le llama cabeza. El segmento dirigido se representa por una echa que va desde la cola hacia y hasta la cabeza. La notacin P Q denota un segmento dirigido o con cola P y cabeza Q, mientras que la notacin P Q denota un segmento dirigido con o cola Q y cabeza P . Notemos que P Q = QP . Un vector es un segmento dirigido que sale del origen, y como siempre sale del origen, esto nunca se explicita y por lo tanto un vector est determinado por un punto, la cabeza. a
2.2.
Paralelogramos
Veamos de qu manera hay una relacin natural entre operaciones algebraicas con e o vectores y movimientos geomtricos en un paralelogramo. As vamos fabricando dos e mundos paralelos: el algebraico y el geomtrico. La idea es aprender a cambiarnos de e mundo segn nos convenga. u Denamos la suma de vectores y despus la multiplicacin de un vector por un e o nmero. A los nmeros tambin se les llama escalares. Despus la resta. Ms adelante u u e e a deniremos el producto punto entre dos vectores, el cual es un producto sorpresivo pues el resultado no es un vector sino un escalar. 49. Denicin. Los vectores se suman coordenada por coordenada. Si estamos o 2 en el plano o R , podr amos tener: (1, 2) + (3, 4) = (1 + 3, 2 + 4) = (4, 6). En general, (x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn ). Observemos que, nuestra denicin slo se encarga de sumar dos elementos. Por eso decimos que la suma es una o o
2.2. PARALELOGRAMOS
35
operacin binaria. Adems, est denida de tal forma que la suma de dos elementos o a a del mismo espacio quede dentro del mismo espacio. Por eso decimos que la suma es cerrada. Deseamos que la suma est relacionada con paralelogramos. Eso explica la siguiente e denicin. o 50. Deniciones. Un paralelogramo es una gura plana bordeada de 4 segmentos paralelos dos a dos. (Dos lados son paralelos si las l neas que los contienen nunca se cortan.) Un rombo es un paralelogramo de cuatro lados iguales. Un rectngulo es a un rombo con ngulos internos iguales. Un cuadrado es un rectngulo con todos sus laa a dos iguales. Un paralelep pedo es una gura tridimensional de caras planas paralelas dos a dos. Un cubo es una paralelep pedo cuyas caras son cuadrados. Un paralelogramo puede denirse en cualquier dimensin, pero como un paralelogramo est totalmente o a contenido en un plano, uno se lo imagina que est en R2 y todo le funciona. a Ahora relacionemos el lgebra con la geometr Un vector es un desplazamiento, a a. el cual se codica partiendo del origen y llegando hasta el punto indicado. Sumar dos vectores es sumar dos desplazamientos, es decir, es desplazar el primer vector y despus el segundo vector. Los vectores se suman coordenada por coordenada, e pero grcamente eso equivale a poner la cola del segundo vector sobre la cabeza del a primero. La suma es el desplazamiento total, aquel vector que sale del origen y llega hasta la cabeza del segundo vector. Eso de poner la cola contra la cabeza implica tomar el segundo vector, que en principio sale del origen, y trasladarlo paralelamente a s mismo hasta que llegue a la cabeza del primer vector. La conclusin es que los vectores o que se estn sumando denen los lados contiguos de un paralelogramo y el resultado a de la suma es la diagonal que une el origen con la cabeza del segundo sumando, como en el siguiente grco en el cual se suma (3, 1) con (1, 2): a
3
0 0 1 2 3 4
Figura 2.3. Suma de vectores. 51. Ejercicio Justique grcamente la apreciacin de que la suma es conmutativa, a o es decir, que para cualquier par de vectores u, v se tiene u + v = v + u. Demuestre algebraicamente (a partir de la denicin) que la suma es conmutativa. o a o 52. Ejercicio Justique grcamente la apreciacin de que la suma es asociativa, es decir, que (u + v) + w = u + (v + w) y por lo tanto, la suma binaria puede extenderse a una suma ternaria de manera unica, lo cual permite denir u+v + w sin ambigedad. u Prueba la asociatividad a partir de la denicin de suma. Podr extenderse la suma o a a una operacin n-aria? o
36
53. Ejercicio Demuestre que en Rn existe un elemento neutro, o, que al ser sumado a cualquier vector no lo cambia: u + o = u, para todo u. 54. Ejercicio Demuestre que en Rn para cada vector u se tiene un vector w tal que u + w = o. Demuestre que dicho vector es unico y por eso se llama el inverso de u y se nota u. Cuando un conjunto est provisto de una operacin binaria cerrada, asociativa, con a o elemento neutro y con inverso, decimos que tenemos un grupo. Es imposible entender la f sica moderna en cualquiera de sus facetas sin el concepto de grupo. 55. Ejercicio Demuestre que en un grupo el elemento neutro es unico. En el futuro, en vez de decir que tenemos un conjunto con estructura de grupo diremos que podemos sumar sin problema. Tal vez uno tenga sumas que impliquen un grave problema y as es, en efecto: nosotros hemos denido la suma para vectores, es decir, para segmentos dirigidos que empiezan todos desde el origen. Pero no hemos denido la suma de segmentos dirigidos que empiecen en cualquier parte. Por qu? Porque queremos que nuestras deniciones e capten algo importante de lo que pasa en el mundo real. Cuando sumamos dos vectores estamos pensando, por ejemplo, en dos personas que halan una piedra con dos cuerdas y que cada uno hace una fuerza correspondiente. Si la piedra es pequea, uno puede n aproximar la situacin diciendo que la fuerza acta sobre el mismo punto y todo lo o u representamos como suma de vectores. La suma de las dos fuerzas corresponde a la fuerza que una tercera persona puede hacer para producir el mismo efecto (a muy corto plazo) que las dos personas en conjunto. Pero si la piedra es grande, lo ms seguro es que las cuerdas acten sobre puntos a u distantes de la piedra. Uno podr entonces pensar que se puede abstraer la situacin a o diciendo que estamos tratando con vectores generalizados y que stos tambin pueden e e sumarse de una forma muy simple. Pues bien, es verdad que uno puede denir suma de segmentos dirigidos de una manera muy simple, pero no es cierto que el resultado de la suma indique que uno puede reemplazar las dos cuerdas por una tercera y que el resultado sea el mismo en ambos casos. En particular, dos fuerzas que operan en puntos distintos de un cuerpo pueden producir rotaciones, pero una sola fuerza no necesariamente produce rotaciones. Por esta razn, no denimos suma de segmentos o dirigidos. Pero qu hacemos entonces con la vida real en la cual hay varias fuerzas e que actan en diversos puntos de un mismo cuerpo? Para estudiar estas situaciones se u han desarrollado ciencias complicadas, digamos la esttica y la dinmica, la teor de a a a elasticidad (tanto lineal como no lineal), la teor de uidos, la ciencia de resistencia a de materiales. Cada una de esas ciencias propone su forma de abstraer, de elaborar los modelos matemticos y de interpretar los resultados. Por supuesto, en el fondo de todo a eso uno encontrar vectores con su suma sin problemas. a Todo esto quiere decir que sumar dos vectores pegando la cabeza del primero con la cola del segundo es un abuso legitimado por la geometr pero el cual no tiene a, justicacin f o sica en todas las ocasiones. Pasemos ahora a considerar la multiplicacin de un vector por un nmero. o u
2.2. PARALELOGRAMOS
37
Cuando uno hace una fuerza, uno puede doblarla, triplicarla, reversarla, etc. Adems a de suma, los vectores admiten otra operacin: la multiplicacin escalar. Eso debe imo o plicar que un vector (como entidad matemtica) debe poder alargarse, acortarse y rea versarse, todo lo cual corresponde simplemente a multiplicarlo por un escalar o nmero u real. Por ejemplo, para alargar un vector dos veces se multiplica cada coordenada del vector por dos.
5
(2,4)
(1,2)
0 0 1 2 3 4 5 6
Figura 2.4. El doble de un vector. Ejemplo: 2(1, 2) = (2 1, 2 2) = (2, 4). Para acortarlo a la mitad se multiplica coordenada por coordenada por 1/2. Para reversarlo se multiplica por 1, coordenada por coordenada. Observemos que un vector ms su revs da cero. Por eso, al revs de a e e un vector se le llama el inverso (aditivo). Ejemplo (3, 4) = (3, 4) y tenemos que un vector ms su inverso da el vector cero: a (3, 4) + (3, 4) = (3 3, 4 4) = (0, 0) 56. Denicin. Sea u = (x1 , x2 , ..., xn ) un vector de Rn y (lambda) un nmero o u o escalar. La multiplicacin escalar entre el escalar y el vector la denimos coordenada o por coordenada, como u = (x1 , x2 , ..., xn ). El uso de letras griegas es usual para representar escalares. Veamos algunas letras junto con otros s mbolos usuales en las matemticas: a (alfa ), (beta), (gamma), (psilon), (delta), (lambda), (mu), (nu), e (ro), (sigma), (existe) (pertenece) (para todo). 57. Ejercicio Sea u = (2, 6), v = (7, 3), w = (2, 4) a) Dibujar los vectores u, v, w en un mismo plano coordenado. b) Sume u + v y dibuje la suma. Verique que la suma de dos vectores es un tercer vector que es la diagonal principal del paralelogramo formado por los dos vectores dados. c) Repita el ejercicio anterior con u + w y w + v.
38
CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES d) Opere y dibuje 4u + 2v 2u + 3w 3w + 5v e) Calcule y dibuje v, u, w.
58. Ejercicio Demuestre que en Rn el reverso de un vector da el inverso. Es decir: (1)u = u. 59. Denicin. Resta de vectores. Se dene como la suma del inverso. Es lo o mismo que con nmeros: 3 2 = 3 + (2). Similarmente u u v = u + (v). En denitiva da lo mismo que restar coordenada por coordenada. Ejemplo, si u = (2, 3), v = (1, 2), u v = (2, 3) (1, 2) = (2, 3) + (1, 2) = (3, 1).
Existe una manera automtica de dibujar el vector resta. Se basa en la analog a a con los nmeros reales: 5 3 es lo que le falta a 3 para llegar a 5, o sea 2. u u
uv
Figura 2.5. Resta grca de vectores: u v sale del origen y es paralelo al segmento a dirigido que va desde v hasta u. De igual forma, u v es el vector que representa lo que le falta a v para llegar a u, es decir, es una echa cuya cola est en la cabeza de v y su cabeza est en la de u. a a Pero para nosotros todos los vectores salen del origen. Eso se remedia trazando desde el origen un vector que sea paralelo a la resta grca pero con la misma direccin y a o sentido. 60. Ejercicio Sea u = (2, 6), v = (7, 3), w = (2, 4). Calcule y graque las siguientes restas usando la denicin de resta como vectores y el equivalente de resta o de puntos: a) 4u 2v b) 2u 3w c) 3w 5v.
2.3. EV=ESPACIOS VECTORIALES
39
2.3.
EV=Espacios vectoriales
Nosotros hemos trabajado con Rn y hemos visto cmo se suman vectores y cmo se o o multiplica un vector por un escalar. Y lo hemos podido hacer de manera natural y sin problema. Pues bien, hay muchos otros conjuntos fuera de Rn donde tambin puede e denirse una suma y una multiplicacin escalar sin problema alguno. A dichas o estructuras se les llama espacios vectoriales. 61. Denicin. EV= Espacio vectorial. Un espacio vectorial es un conjunto o no vac sobre el cual se ha denido una suma que le da estructura de grupo y una o multiplicacin por escalares que cumple las siguientes propiedades: o La multiplicacin por un escalar distribuye la suma de vectores. Para todo escalar o y todo par de vectores u, v se cumple que (u + v) = u + v. La multiplicacin por un vector distribuye la suma de escalares. Para todo par de o escales , y cualquier vector u se tiene que ( + )u = u + u. Alargar un vector veces y el resultado alargarlo veces, es lo mismo que alargar al vector veces: (v) = ()v. Alargar un vector una vez es lo mismo que no hacer nada. Para todo u se tiene que 1u = u. 62. Ejercicio Demuestre que Rn es un espacio vectorial. El espacio Rn puede verse como una elaboracin de R y, en cierto sentido, todos o los espacios vectoriales no son ms que matrices de Rn , aunque tal vez n pueda ser a innito. Por ahora no profundizaremos en estos temas, pero puede ser muy conveniente dar unos dos o tres ejemplos de espacios vectoriales un poco ms abstractos. a 63. Contraejemplo Nos gusta decir y enfatizar que cuando uno puede sumar y alargar sin problema, uno tiene un EV , o sea un conjunto en el cual uno puede operar como si estuviese en Rn . Pero entonces, qu querr decir sumar o alargar con e a problemas? Para entender eso, consideremos el siguiente ejemplo, en el cual se denen la suma y la multiplicacin escalar de manera especial. o Para que un conjunto sea EV se requiere, entre otras cosas, que sea no vac o. Como conjunto tomamos el plano, con coordenadas (x, y). Se requiere una suma y una multiplicacin escalar. Nuestra suma la denimos como sigue: para sumar, lo unico que o nos importa es la primera coordenada: (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , 0) Similarmente, para multiplicar por un escalar: (x, y) = (x, 0) La suma, tal como la hemos denido, es cerrada y lo mismo la multiplicacin escalar. o Como quien dice, no hay problema ni con la suma, ni con la multiplicacin escalar. Pero o eso no es suciente para ser EV . Se requiere que el conjunto con la suma cumpla los axiomas de grupo. Veamos que la suma es conmutativa, es asociativa, no hay elemento neutro, pues si existiese, ser de la forma (0, w), pero (x, y) + (0, w) = (x, 0) = (x, y). a
40
Como no hay elemento neutro, no hay necesidad de pensar en inversos, y no tenemos un grupo. Adems, para ser EV se requiere que el nmero uno se multiplique por a u cualquier vector del mismo nmero. Veamos si es cierto: u Si (x, y) R2 , entonces 1(x, y) = (1x, 0) = (x, 0) = (x, y). Falso. No tenemos un EV . 64. Ejercicio Sobre cualquier Rn hemos denido una suma, la suma ocial, y una multiplicacin escalar, las inducidas por las operaciones naturales de los nmeros reales. o u Es esa la unica manera de denir una suma generalizada y una multiplicacin escalar o de tal manera que la estructura resultante sea EV ? 65. Ejemplo y ejercicio Notamos por Mnm al conjunto de las matrices con n renglones y m columnas. Denimos la suma de matrices entrada por entrada y la multiplicacin escalar de una matriz por un escalar real como la multiplicacin de cada o o entrada por el escalar. Este conjunto es no vac permite sumar y multiplicar sin o, ningn problema y por lo tanto es un EV. u Demostracin: ejercicio. o 66. Ejercicio Un polinomio de grado 3 es una expresin del tipo p(x) = a+bx+cx2 + o 3 dx . Demuestre que los polinomios de grado 3 no forman un EV, pero que los polinomios de grado menor o igual que 3 s forman un EV. Dichos polinomios pueden sumarse y multiplicarse por nmeros reales sin ningn problema y siguen siendo polinomios de u u grado menor o igual que 3. 67. Ejemplo y ejercicio Intuitivamente podemos denir la clase de las funciones continuas como aquellas cuyas grcas son curvas que no tienen roturas. Dena la a suma de dos funciones continuas y averige si la suma es cerrada, es decir, si suma de u continuas es continua. Lo mismo con la multiplicacin escalar. Verique que la suma y o la multiplicacin escalar no tienen problema alguno. Concluya declarando si el conjunto o de las funciones continuas es o no un EV. 68. Ejemplo y ejercicio Intuitivamente podemos decir que una l nea es tangente a una curva cuando es la l nea que ms se parece a la curva cerca del punto de tana gencia. Podemos denir la clase de las funciones derivables como aquellas funciones cuya grca es una curva a la cual se le puede, sin ambigedad alguna, asociar una a u l nea tangente en cada punto. Una funcin que no es continua no puede ser derivable o en los puntos de discontinuidad y lo mismo una funcin continua que tenga esquinas, o pues uno no puede denir cul es la unica l a nea que ms se parece a la funcin. Usana o do l mites, pngale rigor a nuestra denicin intuitiva de funcin derivable tanto en o o o un punto como en un intervalo abierto. Dena la suma de dos funciones derivables y averige si la suma es cerrada, es decir, si la suma de derivables es derivable. Lo misu mo con la multiplicacin escalar. Concluya declarando si el conjunto de las funciones o derivables es o no un EV. 69. Ejercicio Generalice el ejemplo anterior a derivadas de orden superior. Estos ejemplos anuncian el enorme cubrimiento del lgebra lineal, la cual contiene a innitas cosas que uno ni se imagina y que se pueden tratar con igual naturalidad que
41
a los elementos de R2 . Siguiendo por este camino de abstraccin se puede llegar a la o mecnica cuntica que es un pequeo cap a a n tulo del lgebra lineal considerada en toda a su generalidad (la cual se denomina anlisis funcional). No profundizaremos en estos a temas, pues sabemos de sobra que es contraproducente que un nio aprenda a caminar n sin haber aprendido a gatear. 70. Ejercicio Demuestre que en cualquier espacio vectorial el elemento neutro es unico. Y que cada inverso es unico. Demuestre que el reverso de un vector da el inverso. Es decir, (1)u = u. Compare con el ejercicio 58. 71. Ejercicio a) Discuta la viabilidad e inters de usar coordenadas cartesianas para representar e la posicin de un carro y de usar vectores para representar sus desplazamientos. o b) Discuta la viabilidad e inters de usar coordenadas cartesianas para representar e puntos en el espacio ocupados por estrellas y de usar vectores para representar sus desplazamientos. (Se mueven las estrellas?) c) Discuta la viabilidad e inters de usar coordenadas cartesianas para representar e la dinmica de un conjunto de variables de inters mdico, digamos la tensin arterial, a e e o la concentracin de triglicridos, y la concentracin de azcar. o e o u d) Compare la forma de orientacin de alguien que se gu por coordenadas carteo a sianas y de alguien que lo hace con ayuda de una brjula. u e) Observe si es verdad que algunas plantas orientan sus hojas para maximizar la iluminacin recibida y por lo tanto demarcan el oriente y el occidente. Cmo podremos o o saber con ayuda de dichas plantas cul es el oriente y cul el occidente? Ser ms benea a a a cioso guiarse por los nidos de termitas que se orientan hacia el polo norte magntico? e f) Explique por qu un perdido en la selva o en el mar termina haciendo c e rculos. h) La suma de vectores coordenada por coordenada es equivalente a la suma mediante un paralelogramo. Esto est bien para un plano. Podr denirse la suma de a a desplazamientos sobre la supercie de una esfera mediante un paralelogramoide (un paralelogramo curvo) de tal forma que la suma sea conmutativa? 72. Ejercicio sobre Tierra plana vs. tierra curva En este curso trabajamos con espacios planos, pero es importante tener en cuenta que no todo es plano. Un buen ejemplo es la Tierra. La siguiente narrativa combina la ccin con la realidad. Los datos reales, fcilmente distinguibles, fueron tomados de la o a Gran Enciclopedia Larousse (1983). Reinaba en aquel entonces Carlos V de la casa de Habsburgo sobre Alemania y Espaa, y el rey repart su tiempo aqu y all. Eran grandes las riquezas que tra n a a an de ultramar y el que nac nac para derrochar, especialmente si ten nobleza en sus a, a a venas. Ve pues el rey a toda la Corte en una sola parranda y pregunt: Hay alguien a o aqu que est interesado en algo ms que en divertirse? Los cortesanos sintieron pavor e a pero fueron salvados por uno de ellos, amenco, que dijo: hay un extranjero que desea hablar con el rey. Fue llevado Fernando de Magallanes ante el rey que, en alemn, a
42
dijo: Hablad! Magallanes respondi: puedo demostrar que la Tierra no es plana sino o redonda. Hubo consejo y le dieron por misin demostrar su pretensin. o o El portugus Magallanes sali de Sanlcar de Barrameda en 1519 con 5 carabelas. e o u Lleg a Amrica por Brasil, y por all mismo una tormenta le desbarat una carabela. o e o Pero de todas maneras siguieron y descubrieron el estrecho que hoy se llama de Magallanes. Se aventur a meterse en las entraas del ocano Pac o n e co, y despus de 3 meses e de penurias lleg a las Marianas en 1521, pero poco despus fue muerto en una isla de o e las Filipinas. Agonizante, Magallanes le dijo a Elcano: por Dios y por el rey, cumplid la misin. Elcano respondi: por vos la cumplir. Viendo Magallanes en los ojos de o o e Elcano su sinceridad, su sabidur y su rmeza, su corazn se llen de paz y muri. a o o o Elcano tom el mando de las carabelas, le dio la vuelta a Asia y tambin a Africa y o e lleg a Espaa en el otoo de 1522. Se present al rey Carlos V y le entreg su bitcora o n n o o a (las memorias de su recorrido, incluyendo las mediciones de rigor). Le fue anunciado a Elcano la cifra de toda la fortuna que se hab invertido en su expedicin y lo llevaron a o a un lugar donde ser ahorcado si su bitcora no demostraba que su misin hab sido a a o a cumplida. Le pusieron la soga al cuello y dieron la bitcora a los matemticos para que la a a estudiaran. El rey miraba la escena desde una ventana y detrs de una cortina tra desde a da Flandes. Elcano estaba ah con la soga en su cuello esperando el veredicto y el rey se maravill de su serenidad y de su paciencia. Y pensando en eso, de pronto comprendi el o o rey que Elcano hab cumplido la misin y que l s sab de sobra y con certeza a o e a que la Tierra era redonda en verdad. Y entonces el rey visualis a la Tierra como o a una manzana en el espacio. Y se pregunt: yo no siento que la Tierra se caiga, o qu ser lo que la mantiene en su puesto? Y no encontr ms respuesta sino a la e a o a mano de Dios. Cuando lleg a esa conclusin, el rey se estremeci pues nunca en su o o o vida hab percibido a Dios tan cerca de su vida. Inmediatamente se dijo: yo voy a a defender a Dios de todos sus enemigos. Los cortesanos quer preguntarle la causa an de su estremecimiento, que por dems fue bastante pronunciado, que si tal vez sent a a dolor porque ahorcaran a Elcano, pero el rey los dej callados al ordenarles: hagan o otras siete horcas para los matemticos. Si no me dan la respuesta correcta, que yo ya a s, los ahorcar. e e Los matemticos estaban tan embolatados en sus quehaceres que ni cuenta se dieron a de las otras siete horcas. Cuando los matemticos terminaron fueron al rey y le dijeron: a la Tierra es redonda en verdad. Sabiendo ellos que el rey ten un renado gusto por a las cosas maravillosas, ellos esperaban que el rey llorar de alegr Pero el rey no a a. llor, ni mostr conmocin alguna. Como los cortesanos vieron que el rey no mandaba o o o a ahorcar a los matemticos, dedujeron que ellos hab llegado a la respuesta correcta a an que el rey ya sab a. Bajaron a Elcano de la horca y cuando los matemticos supieron para qu eran a e las otras siete horcas, se desmayaron todos, excepto don Beltrn Alonso Rodr a guez, duque de Fuensaldaa. Este tipo no pod desmayarse porque el pose la tradicin n a a o de los piratas que data desde los romanos: cuando Pompeyo fue encomendado para acabar con ellos, slo se salvaron aquellos que se aventuraron a abrirse de las costas y o meterse mar adentro en el Mediterrneo donde no pod ver las montaas que serv a an n an de gu sino slo contaban con las estrellas. Pues bien, cerca de la costa europea se a o
43
ve estrellas hacia el norte que no se ve desde la costa de Africa. Y algo similar an an pero complementario suced desde dicha costa. Eso era un claro efecto de la redondez a de la Tierra. Adems, adentrndose en el mar, las montaas se van ocultando, lo cual a a n evidencia la redondez del mar. Elcano fue citado a los 15 d siguientes para que recibiera los honores. El d as a sealado tocaron trompeta, guardaron silencio y se proclam: n o La Tierra es redonda. Gloria a Dios, al rey, a Magallanes, a Elcano y a su tripulacin. o Y sali el bufn y dijo: o o La Tierra es redonda como un cilindro. Hubo risas y hasta algo de nerviosismo pero ni Elcano se defendi, ni tampoco se o defendieron los matemticos. Y con esas risas empez el festejo. a o a) Ofrezca un estimativo del radio de la Tierra, asumiendo que las carabelas navegaron durante 3 aos a una velocidad promedio por d de 80 km (personas n a ordinarias pueden recorrer en cicla, en terreno plano, unos 100 km por d Tenga a). en cuenta que el viaje no fue por el ecuador, ni por un c rculo mximo sino con muchas a vueltas, lo cual alarg el recorrido m o nimo, digamos, al doble. Compare su estimativo sobre el radio de la Tierra con el moderno, el cual es de alrededor de 6.000 km. b) Qu clase de mediciones deber estar en la bitcora para que los matemticos e an a a pudiesen decidir si la Tierra era redonda o no? c) Cmo resolvieron los matemticos y Elcano la objecin del bufn? o a o o d) Para qu se necesitaban 5 carabelas si todas iban juntas? No era acaso suciente e una sola? El Beagle de Darwin era uno solo pero de todas formas le dio vuelta y media al mundo y ms o menos en el mismo tiempo que la expedicin de Magallanes, despus de a o e dar la vuelta al mundo, Darwin regres a Amrica desde Europa con un unico propsito, o e o investigar la evolucin natural de las poblaciones de las Galpagos. Sin duda lo que o a encontr fue el bastin que le permiti sustentar su teor sobre el surgimiento de las o o o a especies por evolucin. o e) Si bien Corts fue guiado en 1513 por un aborigen al ocano Pac e e co, precisamente por Panam, nadie le hab dado la vuelta al Cono Sur de Amrica y no se sab que a a e a los dos ocanos se comunicaban. Cmo estaba tan seguro Magallanes que por el sur e o se unir los dos ocanos, el Atlntico y el Pac an e a co? Por qu no se dirigi al norte? e o f) Cmo dilucidaron los matemticos que Magallanes no se hab devuelto desde o a a el Cono Sur de Amrica por el e Indico hacia el extremo sur de Africa? g) Por qu mataron a Magallanes y a Elcano no? Por qu no los mataron a todos? e e h) Se debe a Magallanes que en Filipinas una cierta minor hable espaol actuala n mente? i) El rey Carlos V fue un rey buscapleitos toda su vida. El libreto presentado sugiere que la causa de eso fue una suerte de inspiracin divina en la cual el sinti demasiado o o cerca de s la presencia de Dios. Por causa de tanta guerra, Espaa se endeud por 3 n o eternidades y de la innita riqueza sacada de las Indias slo qued el recuerdo y un pa o o s enmiserado, pues por tener mucha riqueza gratis no desarroll su poder manufacturero o y an ms, destruy el que ten que no era poco. Procure elaborar otra explicacin a u a o a, o tanta sangre derramada. Tenga en cuenta que Carlos V gan su primera guerra a los o 16 aos, la cual fue contra una revolucin civil. Los comuneros castellanos se rebelaron n o contra su rey por ser extranjero, pero Carlos V los demoli en 1521 y qued con un o o
44
poder absoluto. Para saber ms. Nosotros estudiamos en este curso una amalgama de lgebra y geoa a metr plana. En el mundo de la complejidad, nuestra materia es fcil pues los temas a a complicados estn asociados a geometr curva y a herramientas anal a a ticas apropiadas. El enfoque adoptado para combatir la complejidad que trae consigo la introduccin o de la curvatura es el mismo de los cartgrafos: a pequea escala la tierra se modela o n plana, lineal, y se construyen mapas que se pueden poner sobre una mesa. La curvatura sale de la forma como se curvan los diversos mapas para ser pegados unos con otros. Este tema se estudia en geometr diferencial. Aunque las aplicaciones de esta materia a son muy variadas, las ms conocidas son en f a sica pues, por ejemplo, la gravitacin o se reduce segn la relatividad general propuesta por Einstein a un efecto de la curu vatura del espacio-tiempo, una estructura en la cual el tiempo no se puede disociar del espacio. Esta idea se ha venido desarrollando y ahora cubre toda la f sica. Un enfoque sobre el tema que es moderno, que ensancha la mente y unica las ideas, y que adems es pedaggico puede encontrarse en Rodr a o guez (2008), en Internet, y comenzar a trabajarse despus de ver clculo vectorial aunque una hojeada por un estudiante e a del presente curso le podr servir para ver las ideas generales. Si logra sacar como a conclusin que el lgebra lineal est en el fundamento de todo, y que por tanto hay o a a que saberla bien, ya ser mucho lo que ha ganado. a
2.4.
Espacios digitales
Nosotros estamos muy acostumbrados a ver a las tripletas de nmeros reales como u puntos del espacio, el cual ha sido direccionado por unos ejes cartesianos. Es natural por tanto, preguntarse qu puede ser una cuadrupleta o una octupleta. Al quedarse e corto en la respuesta, se puede llegar a pensar que todo esto no es ms que un juego a bobo. Por eso, presentamos a continuacin una interpretacin de las n-tupletas, bajo o o la cual las cuadrupletas, las octupletas y las trillonitupletas todas tienen un sentido muy claro, muy simple, y de inters tanto tecnolgico como matemtico. Se trata del e o a n espacio digital. Este espacio es muy similar a R pero al mismo tiempo es muy diferente. Veamos como se construye. Tomemos el intervalo I = [0, n) y lo dividimos en n subintervalos iguales. Uno cualquiera de ellos Ij es de la forma [j, j + 1). Denimos sobre I la funcin Pj , que se o lee pulso en j, como la funcin que asigna 1 a cualquier elemento sobre Ij y 0 a todo o lo dems, tal como se ve en la grca siguiente: a a
2
0 -1 0 1 2 3 4 5
Figura 2.6. La funcin P2 es un pulso que vale uno sobre el intervalo [2,3) y cero por o fuera.
2.4. ESPACIOS DIGITALES
45
Si el intervalo base es [0, 5), podemos notar a P2 como (0, 0, 1, 0, 0). Pero si el intervalo base es [0, 7), P2 deber ser notado como (0, 0, 1, 0, 0, 0, 0). a 73. Ejercicio Dibuje los siguientes pulsos: a) (0, 0, 1) b) (0, 0, 1, 0) c) (0, 0, 1, 0, 0) 74. Ejercicio Las siguientes n-tupletas no son pulsos, pero son modicaciones sencillas de pulsos, especique de cules: a a) (0, 0, 3) b) (0, 0, 5, 0) c) (0, 0, 7, 0, 0) o o 75. Ejercicio Los pulsos son importantes en transmisin de informacin, un pulso se interpreta como un uno y una ausencia de pulso como un cero, siempre y cuando uno tenga claramente denida la unidad de tiempo bsica dada por un reloj. Cuando a los pulsos se transmiten en serie se crea un tren de pulsos. A qu tren de pulsos e corresponde el nmero binario 1011010, si cada mensaje tiene 7 pulsos y si los bits u (que son biopcionales, todo o nada) se mandan de izquierda a derecha? Bosqueje el tren de pulsos correspondiente. 76. Ejercicio Formalice la denicin de tren de pulsos. Dena la suma de trenes o de pulsos y su multiplicacin escalar de forma natural, es decir, coordenada por cooro denada. Muestre que el conjunto de trenes de pulsos con la suma y la multiplicacin o escalar as denidos, no forman un espacio vectorial. 77. Ejercicio Si uno cuenta con un dispositivo de amplitud modulada, se pueden transmitir seales cuya notacin es del estilo (3, 4, 2, 6). Esta tetratupleta dice que n o hemos tomado el intervalo [0, 4) y sobre l hemos denido una funcin o seal que e o n puede notarse como (3, 4, 2, 6) = 3P0 + 4P1 + 2P2 + 6P3 . Todo parece indicar que tenemos un espacio vectorial. Podemos sumar y alargar sin problema. Demustrelo formalmente, es decir, pruebe que el conjunto de funciones e denidas sobre I = [0, n) y constantes sobre cada subintervalo [i, i + 1) es un espacio vectorial con la suma y la multiplicacin escalar naturales. A dicho espacio lo notamos o Dn y lo llamamos el espacio digital de dimensin n. Por abuso del lenguaje, los o elementos de Dn tambin se llaman pulsos. e 78. Ejercicio Desde el punto de vista de espacios vectoriales, Rn y Dn son practicamente lo mismo. Decimos que Rn y Dn son isomorfos. Formalice la denicin de o n isomorsmo de espacios vectoriales y demuestre formalmente que Dn y R son isomorfos. (Dn , el espacio digital, es el conjunto de funciones denidas sobre I = [0, n) y constantes sobre cada subintervalo [i, i + 1)).
46
El espacio digital es el referente terico de la msica digital. Veamos algunos detalles o u del asunto. El sonido es una onda de presin longitudinal, en la cual las zonas de compresin o o y de expansin se acomodan a lo largo de la direccin en la cual se transmite. Si uno o o pone un micrfono para captar sonido, ste lo transforma en una onda elctrica que o e e viaja a travs del cable. Si se visualiza dicha onda por medio de un osciloscopio, la onda e se ve como se espera, como una curva que baja y sube innumerables veces. Digitalizar el sonido consiste en generar un tren de pulsos del espacio Dn , que pueden ser tanto positivos como negativos y que tienen diferente amplitud de tal forma que su envolvente sea la onda dada. Si los pulsos son muy gordos, habr poca delidad, pero si son muy a acos consumen mucha informacin. Hay que lograr un ajuste adecuado. Cuando se o transmite sonido en forma digital, slo se usan pulsos de amplitud uno. Por lo tanto, o la amplitud del pulso que codica la onda de sonido tambin debe codicarse y se e obtendr un sistema de amplitud modulada. O podr usarse un sistema de frecuencia a a modulada, en el cual los datos son los cambios de frecuencia y no de amplitud.
2.5.
La norma de un vector
Deniremos la longitud de un vector de R2 para que coincida con la nocin de lono gitud del mundo en que vivimos, el cual est caracterizado por el teorema de Pitgoras, a a descubierto hace 2.500 aos. Para ello necesitamos algunos prerrequisitos. La generalin zacin de la denicin de norma en Rn es inmediata. Pero para espacios vectoriales en o o general, la norma se dene de tal manera que cumpla las propiedades naturales que cumple la norma en Rn . 79. Deniciones. La unidad de longitud es lo que mide una determinada barra cuya longitud sea muy estable a la humedad, el calor, la corrosin. La vara la deni Eno o rique VIII como la distancia desde la punta de su nariz hasta la punta de su mano bien estirada en posicin horizontal. Los franceses denieron el metro como 1/40.000 el o c rculo mximo de la Tierra que pasaba por un determinado pueblo. La longitud de un a segmento en metros es la cantidad de barras de un metro de largo que es necesaria para cubrir el segmento. La unidad de rea es un cuadrado de un metro de lado. El area de a una gura en metros cuadrados es el nmero de cuadrados de un metro de lado que u son necesarios y sucientes para enladrillar la gura. La unidad de volumen en metros cbicos es un cubo de un metro de lado. El volumen de una gura en metros cbicos u u es el nmero de cubos unitarios que se necesitan para cubrirla. u
80. Teorema. El rea de un rectngulo de base b y altura h es bh. a a Demostracin. Consideremos que b, h sean enteros. Al rectngulo de base b y altura h o a lo cuadriculamos y se forman bh cuadros de 1 unidad de lado, por lo tanto se requieren bh cuadros para recubrirlo. Es decir, su rea es bh. a
2.5. LA NORMA DE UN VECTOR
47
81. Ejercicio Discuta si la anterior demostracin es en realidad una demostracin o o o si apenas es su comienzo. En el ultimo caso, haga lo posible por terminarla. 82. Teorema. El rea de una paralelogramo es base por altura. a S R
Figura 2.7. Area de un paralelogramo.
Demostracin. Consideremos el paralelogramo PQRS. Su altura es lo que mida el sego mento TS, y su base es lo que mida PQ. Se fabrica el rectngulo TURS trasladando el a tringulo PTS hasta que coincida con el tringulo QUR. El rectngulo nuevo tiene la a a a misma rea que el paralelogramo original. Como el rea de un rectngulo es base por a a a altura, la del paralelogramo tambin. e
83. Denicin. Un ngulo se llama recto cuando queda en un vrtice de dos o a e l neas que se cruzan formando cuatro ngulos iguales. Medido en grados un angulo a recto mide 90, y en radianes mide /2. 84. Teorema del medio Sol y ejercicio. Los ngulos internos de un tringulo a a suman 180 grados o . Por qu se llama este teorema as e ? Demostracin. Para probar esto necesitamos el siguiente hecho: o
Figura 2.8. Angulos iguales. Una escuadra al ser deslizada sobre una l nea ni se abre ni se cierra. O mejor dicho: si dos ngulos tienen lados paralelos, entonces son iguales. Por otra parte, cuando dos a l neas se cruzan, los ngulos opuestos por el vrtice son iguales. a e Con los dos resultados anteriores podemos hacer la demostracin solicitada. o
48

3

7 8
-1 0 1 2 3 4 5
Figura 2.9. Teorema del medio Sol.
En la gura podemos ver tres demostraciones del Teorema. Hay tres maneras de trasladar los ngulos internos para que queden juntos sobre el mismo lado de una l a nea recta de tal forma que llenen todo ese medio mundo. Por tanto, la suma de los ngulos a internos de un tringulo es de 180 grados. a
85. Teorema de Pitgoras. En un tringulo rectngulo (con uno de sus angulos a a a recto) de lados a, b e hipotenusa c se cumple que c2 = a2 + b2 .
a= nus ote Hip
b a2 + c=
a Figura 2.10. Tringulo de Pitgoras. a a
Demostracin. Supongamos que el tringulo rectngulo tiene como vrtices A, B, C o a a e y como lados a, b, c. Hacemos cuatro copias del tringulo dado y con ellas formamos a un cuadrado de lado c de tal forma que quede un cuadrado interior de lado b a. En la gura siguiente, el tringulo inicial est en la esquina inferior derecha, con su a a hipotenusa apuntando hacia la derecha.
2.5. LA NORMA DE UN VECTOR

3
49 A
a
2
ba
c b
-1
-2
C
-3 -3 -2 -1 0 1 2
a
3
Figura 2.11. Teorema de Pitgoras. a Pero tenemos un problema, son estas guras realmente cuadrados? Lo que pasa es que un cuadrado no es simplemente una gura que tiene todos los lados iguales. Para que una gura de cuatro lados iguales sea cuadrado se requiere adems que los a ngulos internos sean todos rectos. Analicemos entonces el vrtice C en donde hay un a e ngulo recto en el interior del tringulo. Pero como el ngulo que queda al lado de una a a a recta es de 180 grados, se deduce que el ngulo interno del cuadriltero pequeo en el a a n vrtice C tambin es recto. Nuestro razonamiento es vlido para todas las esquinas del e e a cuadriltero pequeo y por tanto es un cuadrado. a n Demostremos lo mismo para el cuadriltero grande, el exterior. Como los ngulos a a internos de un tringulo suman 180 grados, entonces, en un tringulo rectngulo los a a a dos ngulos no rectos suman 18090 = 90 grados. Por tanto, el ngulo en cada esquina a a del cuadriltero grande es recto pues contiene los dos ngulos no rectos del tringulo a a a rectngulo. a Habiendo demostrado que realmente tenemos un cuadrado de lado b a dentro de otro de lado c, el teorema de Pitgoras es inmediato: a El rea del cuadrado grande es c2 , la cual es igual al rea del cuadrado pequeo a a n 2 interior, (b a) , ms el rea de 4 tringulos, cada uno de rea (ab)/2, entonces a a a a c2 = (b a)2 + 4(ab/2) = b2 2ab + a2 + 2ab = b2 + a2 = a2 + b2 86. Teorema autodemostrado 1. La norma de un vector (a, b) es la distancia desde su cola hasta su cabeza. Se nota como (a, b) . Por lo tanto, armando un tringulo a apropiado, se deduce que (a, b) = a2 + b2 . 87. Denicin. Un vector unitario es aquel cuya norma es uno. o 88. Ejercicio Describa todos los vectores de R2 que sean unitarios.
50
89. Repaso. Un plp (paralelep pedo) es una gura tridimensional bordeada por 6 caras planas paralelas dos a dos. a 90. Ejercicio Usando Pitgoras dena la norma de un vector en el espacio 3D. Ayuda: forme un plp cuya diagonal principal es el vector dado. Forme un tringulo a rectngulo vertical con la diagonal principal, una arista del plp y otra diagonal sea cundaria. Observe ahora que la diagonal secundaria es la hipotenusa de un tringulo a rectngulo en la base del plp. Aplique Pitgoras sobre esos dos tringulos. Generalice a a a a n-dimensiones. 91. Ejercicio Generalice la denicin de norma de un vector para cualquier vector o en Rn . 92. Ejercicio Calcule la norma de los vectores (2, 1), (2, 3), (1, 2), (3, 5), (1, 2, 3), (1, 2, 3), (3, 4, 5), (2, 3, 6, 5). 93. Denicin. Sea el punto P denido por el vector u, y el punto Q, denido o por v. La distancia entre dos puntos P y Q es la norma del vector que va desde P a Q, calculado por u v. 94. Ejemplo Sea P = (1, 3, 5), Q = (1, 2, 3). Calculemos la distancia de P a Q. Para ello, hagamos la resta (1, 3, 5) (1, 2, 3) = (1, 3, 5) + (1, 2, 3) = (0, 5, 2) y hallemos su norma (0, 5, 2) = 25 + 4 = 29. 95. Ejemplo La distancia de un punto cualquiera (x, y, z) al punto (2, 3, 1) es la norma del vector (x 2, y 3, z + 1), es decir, (x 2)2 + (y 3)2 + (z + 1)2 . 96. Ejemplo Denamos la circunferencia y hallemos su ecuacin. o
Una circunferencia es un conjunto de puntos de R2 que equidistan de un punto jo llamado centro. Sea el centro (h, k) y un punto cualquiera de la circunferencia (x, y). Entonces la distancia de (x, y) al centro es constante, igual al radio r. Por tanto, la ecuacin es (x h)2 + (y k)2 = r y elevando al cuadrado ambos lados se tiene o (x h)2 + (y k)2 = r2 , que es la ecuacin de la circunferencia con centro en (h, k) y de radio r > 0. o
o 97. Ejercicio Dena una esfera y halle su ecuacin. 98. Ejercicio Dena la elipse por la regla del jardinero. Tome tres puntillas. Fije dos de ellas en puntos separados, llamados focos, y unalas con un cuerda oja. Con la tercera puntilla tense la cuerda y vaya dibujando la elipse,
2.6. EL PRODUCTO INTERIOR
51
Figura 2.12. Elipse. de tal manera que si los dos focos estuviesen en el mismo punto, quedar una a circunferencia. Demuestre que un punto (x, y) de la elipse satisface la ecuacin o x2 + a2 donde la elipse se ha centrado en el jardinero mide de largo 2a, la distancia b 2 = a2 c 2 . y2 = 1, b2 origen del plano cartesiano, la cuerda del entre los focos mide 2c, y hemos denido
99. Ejercicio y denicin Demuestre que la denicin que tenemos de norma o o n sobre R cumple con las siguientes propiedades, las cuales se toman como la denicin o de norma en un espacio vectorial arbitrario. La norma es una funcin p denida sobre un espacio vectorial que asocia un o nmero real a cada vector v tal que u a) p(v) 0 (la norma o largo de un vector no puede ser negativa). b) p(v) = ||p(v) para cualquier escalar y cualquier vector v (si se alarga un vector, la norma se alarga consecuentemente). c) p(u + v) p(u) + p(v), para cualquier par de vectores u, v. (Cuando se utiliza la norma para medir distancias, debe cumplirse que el camino directo tiene la distancia ms corta entre dos puntos). A esta desigualdad se le llama la desigualdad triangular. a d) p(v) = 0 si y slo si v es el vector cero (un vector que no es cero tampoco tiene o norma cero). En este y en la gran mayor de textos, la norma se nota como ||v|| pero en otros a libros se usa |v|.
2.6.
El producto interior
Existe una herramienta especialmente diseada para saber si dos vectores son o n no perpendiculares, es decir, si forman un ngulo recto. Se llama producto interno, a
52
interior, escalar o punto. Comenzamos con una denicin vlida para R2 , despus o a e n la generalizamos a R y luego a un espacio vectorial cualquiera. 100. Denicin. Dados dos vectores de R2 , u = (u1 , u2 ), v = (v1 , v2 ), denimos o el producto interno, escalar o punto u v como el nmero u u v = u1 v 1 + u2 v 2 . 101. Ejemplo Si u = (3, 5) y v = (4, 2) entonces u v = (3)(4) + (5)(2) = 12 10 = 2. 102. Ejemplo Si u = (1, 1) y v = (1, 1) entonces u v = (1)(1) + (1)(1) = 1 1 = 0. 103. Ejemplo Si u = (1, m) y v = (1, 1/m) entonces u v = (1)(1) + (m)(1/m) = 1 1 = 0. 104. Ejercicio Generalice la denicin de producto punto a Rn . o
105. Ejercicio Sea el espacio digital Dn , el conjunto de funciones denidas sobre I = [0, n) y constantes sobre cada subintervalo [i, i+1). Construya sobre Dn un producto interno que lo haga en todo semejante a Rn . Decimos que Rn y Dn son isomorfos como espacios vectoriales con producto interno. Dena la norma en Dn , de un pulso, de un tren de pulsos, de un elemento cualquiera. 106. Ejercicio Calcule el producto punto entre los pares de vectores. Dibjelos y u observe cules pares son perpendiculares y cunto da su producto punto: a a a) (1, 1), (2, 2) b) (1, 3), (3, 1) c) (1, 7), (2, 4) d) (1, 1, 1), (1, 1, 1) e) (1, 1, 1), (1, 1, 0) El producto interno entre dos vectores puede relacionarse con la norma de los vectores y el ngulo entre ellos. Veamos eso con los prerrequisitos bsicos: a a 107. Seno y coseno. Recordemos que seno y coseno son relaciones denidas para un c rculo de radio 1: dado un ngulo con uno de sus lados sobre el eje X, el seno a es la longitud del segmento vertical abierto por el ngulo, mientras que el coseno es la a longitud del correspondiente segmento horizontal.
2.6. EL PRODUCTO INTERIOR A r O x E y B
53
Figura 2.13. sen = y/r, cos = x/r.
El teorema de Pitgoras dice que en la grca anterior, x2 +y 2 = 1, lo cual signica a a 2 2 que sen + cos = 1. Usando tringulos semejantes, se puede demostrar que en un a tringulo recto, el seno es el cociente entre el cateto opuesto y la hipotenusa, mientras a que el coseno es el cociente entre el cateto adyacente y la hipotenusa.
La propiedad ms importante del producto punto se basa en el teorema de los a cosenos, el cual se basa en la identidad.
108. Coseno de una suma. cos(1 + 2 ) = cos 1 cos 2 sen 1 sen 2 . Esta identidad puede demostrarse ms luego con ayuda de los nmeros complejos a u y por ahora la utilizaremos para demostrar el teorema de los cosenos el cual es una generalizacin del teorema de Pitgoras. o a
109. Teorema de los cosenos. En un tringulo cualquiera de lados a, b, c y de a 2 a ngulos opuestos A, B, C siempre se tiene que c = a2 + b2 2ab cos(C).
C b A n h c m
a B
Figura 2.14. Teorema de los cosenos.
54
Demostracin. Pongamos a descansar el tringulo sobre el lado c y del vrtice opuesto o a e C bajamos la altura h. La altura separa a c en dos partes, sean m, n tal que c = m + n y por tanto c2 = m2 + n2 + 2mn o sea que m2 + n2 = c2 2mn. Usando Pitgoras en a los dos tringulos rectngulos resultantes, tenemos: a a a2 = m2 + h2 b2 = n2 + h2 Sumando a2 + b2 = m2 + h2 + n2 + h2 = m2 + n2 + 2h2 = c2 2mn + 2h2 = c2 + 2(h2 mn) Es decir, c2 = a2 + b2 2(h2 mn). Por otro lado, el ngulo C es dividido por h en dos partes 1 cuyo lado opuesto a es n y 2 cuyo lado opuesto es m. Aplicando la identidad del coseno de una suma de ngulos tenemos: a cos C = cos(1 + 2 ) = cos 1 cos 2 sen 1 sen 2 . y leyendo dichos valores en el tringulo resulta: a cos C = cos(1 + 2 ) = (h/b)(h/a) (n/b)(m/a) = (1/ab)(h2 mn) Por lo tanto h2 mn = ab cos C. Si reemplazamos esta igualdad en c2 = a2 + b2 2(h2 mn), obtenemos c2 = a2 + b2 2ab cos C tal como reza el teorema. 110. Teorema. Si en un tringulo de lados a, b, c se cumple a2 +b2 = c2 , entonces a dicho tringulo es rectngulo. Este teorema dene lo que es un ngulo recto para los a a a ingenieros. Demostracion: ejercicio. Ahora podemos establecer lo que podr ser el teorema central del producto punto, a el que lo relaciona con normas y ngulos. Aparentemente, la prueba es vlida para el a a plano, pero en realidad es vlida para R3 , por qu? a e 111. Teorema. u v = u v cos , donde es el ngulo entre los vectores u y v. a Demostracin. Sea u = (u1 , u2 ), v = (v1 , v2 ), entonces o u v = u1 v 1 + u2 v 2
Utilizando el teorema de los cosenos y midiendo el largo de un segmento por medio de la norma, tenemos:
(v1 , v2 )
vu v u
(u1 , u2 )
Figura 2.15. Aplicando el teorema de los cosenos.
2.6. EL PRODUCTO INTERIOR u v 2 = u 2 + v 2 2 u v cos . Despejando 2 u v cos = u v 2 u 2 v 2 = (u1 v1 , u2 v2 ) 2 (u1 , u2 ) 2 (v1 , v2 ) 2 2 2 = (u1 v1 )2 + (u2 v2 )2 u2 u2 v1 v1 1 2 2 2 2 2 = u2 2u1 v1 + v1 + u2 2u2 v2 + v2 u2 u2 v1 v1 1 2 1 2 = 2u1 v1 2u2 v2 Resumiendo: 2 u v cos = 2u1 v1 2u2 v2 al dividir por 2 se tiene el resultado solicitado.
55
112. Teorema. Dos vectores no nulos se cortan en ngulo recto ssi su producto a interior es 0. Decimos que los dos vectores son ortogonales.
uv ssi u v = 0 v u
Figura 2.16. Ortogonalidad de vectores.
Demostracin. Si los dos vectores se cortan en ngulo recto, 90 /2, su coseno es cero o a o y, por lo tanto, su producto interno tambin, pues uv = u v cos . Rec e procamente, si el producto punto es cero y ninguno tiene norma cero, el coseno debe ser cero y por lo tanto el ngulo es recto. a
113. Ejercicio + Denicin Compare las dos deniciones siguientes de pero pendicularidad y diga cul es mejor y por qu. Dos vectores u, v, son ortogonales a e o perpendiculares, u v, si se cortan en ngulo recto. O bien, dos vectores son a perpendiculares si su producto punto es cero. 114. Ejercicio Halle los ngulos entre todos los pares de vectores del ejercicio 106. a 115. Ejercicio Demuestre que el vector (a, b) siempre es perpendicular al vector (b, a) y que lo mismo pasa con los vectores (1, m), (1, 1/m). 116. Ejercicio Halle un vector que quede en el segundo cuadrante, que sea de norma 3 y que sea perpendicular al vector (1, 5). 117. Ejercicio Halle un vector en direccin = /6 y que mida 8 unidades. o 118. Ejercicio Demuestre que si u v entonces la perpendicularidad se conserva aun si estos vectores se alargan o se acortan: u v.
56
119. Denicin. Dos vectores son paralelos ssi uno es mltiplo escalar del otro. o u Es decir, u y v son paralelos ssi existe un escalar = 0 tal que u = v, o, v = u. 120. Ejemplo (1, 1) es paralelo con (2, 2) porque el segundo es 2 veces el primero. Pero (1, 1) y (1, 3) no son paralelos. e o 121. Ejercicio En el plano cartesiano, si u v y si v w, qu relacin hay entre u y w? Demuestre su pronstico. o Las propiedades del producto interno sobre Rn se pueden demostrar a partir de la denicin operacional que hemos dado. Pero para un EV cualquiera, se hace una o denicin por propiedades y a partir de ella se deduce todo. Veamos cmo se procede. o o El producto interno asocia un nmero a dos vectores. Pero a pesar de que el resulu tado no es un vector, se le da el nombre de producto porque cumple la ley distributiva. Tambin cumple otras propiedades listadas en el siguiente teorema, las cuales se toman e como denicin de producto interior en cualquier espacio vectorial real (con escalares o reales). 122. Teorema y ejercicio. El producto interno sobre Rn cumple las siguientes propiedades, vlidas para cualquier par de vectores u, v y para cualquier escalar : a a) Simetr u v = v u. a: b)Bihomogeneidad escalar: (u)v = (vu) = v(u). Al multiplicar uno cualquiera de los vectores por un escalar, el producto interno se multiplica por el escalar. c) Aditividad (distributividad): u (v + w) = u v + u w. d) No negatividad: u u 0. e) Inyectividad: si para todo v se tiene que u v = 0 entonces u = 0. Demostracin: ejercicio. o 123. Denicin. Se llama producto interno o interior sobre un espacio o vectorial a una funcin que a cada par de vectores le asocia un nmero real y que o u cumple con las propiedades listadas en el teorema anterior, donde adems aparecen las a propiedades de compatibilidad con la multiplicacin por un escalar. o 124. Teorema y ejercicio. El producto interior denido sobre un EV arbitrario cumple con: a) v (u) = (v u) b) (v) (u) = 2 (v u) c) (v + w) u = u + w u v d) La funcin u u cumple las propiedades de una norma por lo que podemos o denir ||u|| = u u. Si el producto interno en Rn se dene de la manera usual, la norma denida aqu coincide con la que ya se ten a. e) No asociatividad: la expresin u u w tiene al menos dos interpretaciones no o equivalentes. Demostracin: ejercicio. o
2.6. EL PRODUCTO INTERIOR
57
Hab amos dicho que los pulsos son importantes en tecnolog digital, pues un pulso a puede interpretarse como un uno y una ausencia de pulso como un cero. Y que con un tren de pulsos puede transmitirse informacin binaria que es suciente para transmitir o todo tipo de informacin. o Al denir un pulso, nosotros tomamos el intervalo [0, n), pero qu signica eso e tecnolgicamente? Que tenemos un reloj que marca el tiempo del sistema y que hemos o tomando n unidades de tiempo. Puede ser que un pulso dure un segundo, un milisegundo, un nanosegundo o un femtosegundo. Entre ms cortos sean los pulsos, mayor a volumen de informacin pueden transmitir pero ms dif o a ciles son de hacer y de controlar. Por ejemplo, se pueden utilizar cristales de cuarzo para estabilizar la frecuencia de los pulsos, pero entre ms alta sea la frecuencia, ms es el estrs del cristal y poa a e dr llegar a romperse. Esto se debe a que cuando se aplica un voltaje ondulatorio a a un cristal, el cristal vibra mecnicamente, lo cual crea desplazamientos relativos, a tensiones, las cuales pueden dislocarlo. La medida ser entonces disminuir los nivea les de potencia, pero si se bajan mucho, quedar la informacin tapada por el ruido a o trmico, un ruido que se genera debido al calor. Por todo esto, nunca ha dejado de ser e interesante imaginar circuitos cuyos mdulos sean tomos o molculas con modos de o a e vibracin electrnica aislados del movimiento trmico (Boylestad y Nashelsky, 1994). o o e Tratar de acortar un pulso hasta cero crea severos problemas no slo tcnicos sino o e tambin matemticos. En las matemticas el tema motiv la denicin de la funcin e a a o o o delta de Dirac como un pulso de duracin cero pero de altura innita para que el rea o a total sea uno. Eso es algo tan escurridizo que su formalizacin correcta tuvo que esperar o hasta casi mediados del siglo XX y se denomina teor de distribuciones o funciones a generalizadas y se estudia como parte del anlisis funcional (Yosida, 1978). Demos los a primeros pasos en esa direccin. o Recordemos que Dn es el espacio digital sobre el intervalo [0, n), el generado por los pulsos Pi que tienen amplitud uno sobre el intervalo [i, i + 1) y cero sobre el resto del intervalo [0, n). Pero ahora tomamos el intervalo [0, 1) y lo dividimos en n subintervalos iguales, cerrados por abajo y abiertos por arriba. A esto se le llama una particin o homognea. Dicha particin induce un espacio digital En sobre [0, 1), el cual es un e o espacio vectorial, el del audio digital. Veamos ahora cmo este espacio tambin tiene o e su producto interior y cmo se relaciona con Dn . o 125. Ejercicio Relacione D2 con E2 y D4 con E4 . Decida si la familia Dn es la misma que En o si al menos son isomorfos como espacios vectoriales. 126. Ejercicio Un elemento cualquiera de En se nota (c1 , c2 , ..., cn ), y el producto interior entre dos elementos de En , c = (c1 , c2 , ..., cn ) y d = (d1 , d2 , ..., dn ) es c d = c1 d1 + c2 d2 + ... + cn dn . a) Demuestre que nuestra denicin satisface todas las propiedades de producto o interno. b) Demuestre que el producto interno que hemos denidio en el espacio digital En puede escribirse como una integral. Escriba la norma de un vector usando la forma integral del producto interior de En . c) En tambin es conocido como el conjunto de las funciones escalonadas. Estas e funciones se usan para aproximar a las funciones continuas a trozos que tambin cone forman un EV. Demuestre que podemos denir sobre dicho espacio un producto interno,
58
punto o escalar entre dos funciones, f y g, como el l mite cuando n tiende a innito del producto interno de las funciones escalonadas que aproximan a f y a g y que dicho producto interno toma la sencilla forma siguiente:
1
f g =
f (x)g(x)dx
0
127. Ejercicio Dibuje algunas funciones que pertenezcan tanto a E16 como a E8 . Dibuje algunas funciones que pertenezcan a E16 pero no a E8 . Dibuje una funcin que o no pertenezca a ningn En y aprox u mela, por instinto y sin cargo de conciencia, por elementos de En . 128. Ejercicio Sea C el conjunto de las funciones continuas denidas sobre el intervalo [0, 1). Atrvase a denir un producto interior en C que respete la relacin entre e o C y En . a) Qu relacin hay entre C y En para n grande? e o b) Qu pasa cuando n tiende a innito? e 129. Ejercicio Sea T el conjunto de las funciones denidas sobre el intervalo [0, 1), que son continuas a trozos pero con un nmero nito de discontinuidades. Demuestre u que T es un espacio vectorial. Qu relacin hay entre C, T y En para n grande? e o Atrvase a denir un producto interior en T que respete su relacin con C y con En . e o
2.7.
L neas en el plano
Primero repasaremos la tecnolog ms usual para tratar con l a a neas en el plano. Luego desarrollaremos una tecnolog que nos permita tratar con l a neas en un espacio de dimensin cualquiera. Nosotros utilizaremos los trminos recta, l o e nea y l nea recta como sinnimos. o 130. Denicin. Dos tringulos son semejantes si uno de ellos es la ampliacin o a o del otro. O lo que es lo mismo: dos tringulos son semejantes si existen escalas de a medida en las cuales los dos tringulos se ven como uno slo. a o
Figura 2.17. Dos tringulos semejantes. a
2.7. L INEAS EN EL PLANO
59
131. Teorema. La ampliacin de un tringulo, la cual alarga los lados, conserva o a los ngulos. a Demostracin. Supongamos que para obtener el tringulo grande multiplicamos los o a lados del pequeo por el escalar . Por el teorema de los cosenos se tiene que para un n ngulo cualquiera del tringulo pequeo : a a n a2 = b2 + c2 2bc cos . Multiplicando esta ecuacin por un escalar 2 tenemos: o 2 2 2 2 2 2 2 a = b + c 2 bc cos . lo cual puede reescribirse como (a)2 = (b)2 + (c)2 2(b)(c) cos . que representa el teorema de los cosenos para el tringulo grande, pero con el mismo a ngulo que el pequeo. a n Es decir, los lados del tringulo grande subtienden exactamente los mismos ngulos a a que el tringulo pequeo. a n 132. Teorema. Al considerar dos tringulos semejantes se tiene que lado uno es a a lado uno del otro tringulo como lado dos es a lado dos del otro tringulo. a a
l1
l2
l1
l2
Figura 2.18. Homolog y proporcionalidad. a
Demostracin. Denotemos como l1 , l2 dos lados del primer tringulo y como l1 , l2 los o a dos lados homlogos del segundo tringulo. Se tiene: o a (lado uno) es a (lado uno prima) como (lado dos) es a (lado dos prima). O en quebrados, l1 /l2 = l1 /l2 Demostracin: o l1 = kl1 l2 = kl2 Por tanto: l1 /l2 = kl1 /(kl2 ) = l1 /l2 lo cual implica que l1 /l1 = l2 /l2 Es bueno aprender a verbalizar esta expresin, por ejemplo: lado uno grande es a o lado uno pequeo como lado dos grande es a lado dos pequeo. Puede ser conveniente n n aclarar que en esta verbalizacin, cuando decimos lado grande o lado pequeo realmente o n estamos diciendo lo que el lado grande mide o lo que el lado pequeo mide. n
60
133. La ecuacin de la l o nea. Una l nea es un conjunto del plano determinado por dos puntos y por tringulos semejantes. Un tercer punto pertenece a la l a nea si todos los tringulos resultantes son semejantes, como en la gura. a
Q X P R S
Figura 2.19. Tringulos y rectas. a Un punto X, cualquiera, pertenece a la l nea generada por los puntos P y Q si los tringulos P RX, P SQ son semejantes. Eso implica que las medidas de los segmentos a siguientes son proporcionales: QS/XR = SP/RP . Siempre asumiremos tringulos rectngulos, aunque eso no es absolutamente necea a sario. 134. Ejemplo y Q = (1, 1). Hallemos la ecuacin de la l o nea que pasa por los puntos P = (0, 0)
Solucin: Saquemos la ecuacin de la recta a partir de tringulos semejantes, pero o o a hagamos una ligera variante en la grca, cambiando la posicin relativa del punto a o arbitrario (x, y) con respecto a los puntos dados:
Q P S
X = (x, y) R
Figura 2.20. La ecuacin de una recta. o Un punto X de coordenadas (x, y) est en la l a nea que pasa por los puntos P y Q siempre y cuando los tringulos P XR y P QS sean semejantes, por tanto a XR/QS = RP/SP . Imaginemos el tringulo sobre el plano cartesiano, P en el origen (0, 0), a Q = (1, 1), S = (1, 0), y X = (x, y) entonces XR = y, RP = 1. Por consiguiente: y/1 = x/1, o simplemente y = x.
2.7. L INEAS EN EL PLANO 135. Ejemplo y Q = (5, 8). Solucin: o Q = (5, 8) X = (x, y)
61
Hallemos la ecuacin de la l o nea que pasa por los puntos P = (1, 3)
5 S = (5, 3)
P = (1, 3)
R = (x, 3) 4
Figura 2.21. La ecuacin de una recta que no pasa por el origen. o QS/XR = SP/RP equivale a: (8 3)/(y 3) = (5 1)/(x 1) 5/(y 3) = 4/(x 1) reordenando queda: 4(y 3) = 5(x 1) (y 3) = (5/4)(x 1) y = (5/4)(x 1) + 3 = (5/4)x 5/4 + 12/4 = (5/4)x + 7/4 que en denitiva nos da: y = (5/4)x + 7/4. 136. Denicin. Cuando la ecuacin de una recta se ha escrito de la forma o o y = mx + b, a m se la llama la pendiente. En el ejemplo anterior la pendiente es 5/4. Observemos que la pendiente es simplemente cateto opuesto sobre cateto adyacente para el ngulo situado en P . Al ngulo = Arctg(m) se le llama el angulo de inclinacin a a o de la recta. Si la pendiente es 5/4, el ngulo de inclinacin es aproximadamente 51 a o grados. Al coeciente de x cuando y est despejada se le denomina la pendiente. a 137. Teorema. Una l nea es vertical si y slo si su ecuacin es de la forma x = k. o o
x=k
Figura 2.22. La ecuacin de una recta vertical. o
62
En efecto, pensemos en la ecuacin x = 5. En el plano, dicha ecuacin representa too o dos los puntos cuyas coordenadas (x, y) cumplen que x = 5. Por ejemplo, los siguientes puntos estn en dicha l a nea: (5, 3), (5, 8), (5, 1) y en general, todos los puntos de la forma (5, y). Por tanto, todos esos puntos estn sobre la vertical que pasa exactamente a por (5, 0). 138. Teorema y ejercicio. Toda l nea que no es vertical es de la forma y = mx+b donde m es la pendiente y b es el corte con el eje vertical Y . O de otra forma, una l nea no vertical que pasa por dos puntos (x1 , y1 ), (x2 , y2 ) tiene pendiente m= por lo que su ecuacin es o y y1 = m(x x1 ) o bien y y2 = m(x x2 ) y2 y1 x2 x1
Demostracin. ejercicio y, por favor, diga exactamente en dnde se usa el hecho de o o que la recta no sea vertical. 139. Ejemplo Hallemos la ecuacin de la l o nea que pasa por (1, 3) y (5, 6).
Solucin: puesto que y = mx + b reemplazamos x por 1, y por 3 y lo mismo con el o otro punto: 3=m+bb=3m 6 = 5m + b 6 = 5m + 3 m = 4m + 3 m = 3/4 b = 3 3/4 = 9/4. Por tanto, la ecuacin de la l o nea es y = (3/4)x + (9/4). 140. Teorema y ejercicio. La ecuacin de una recta cualquiera en el plano es o de la forma ax + by = c, con a, b, c nmeros reales, es la ecuacin estndar. u o a o nea que pasa por los puntos: 141. Ejercicio Halle la ecuacin de la l a) (2, 3) y (5, 1) b) (2, 4) y (1, 5) c) (2, 3) y (5, 3) d) (1, 3) y (1, 6) e) (1, 2) y (1, 2) 142. Ejercicio Halle la ecuacin de la l o nea que pasa por el punto dado con la pendiente dada: a) (2, 3) y 2 b) (2, 4) y 5 c) (2, 3) y 5 d) (1, 3) y 6 e) (1, 2) y 0
2.8. ECUACION VECTORIAL DE LA L INEA
63
143. Ejercicio Halle la ecuacin de la l o nea que tiene la pendiente dada y el corte con el eje Y dado: a) 2 y 1 b) 3 y 1 c) y 5 d) 1 y 3 e) 0 y 8 144. Ejercicio Halle la ecuacin de la l o nea que pasa por el punto dado y el corte con el eje Y dado: a) (2, 3) y 8 b) (2, 4) y 3 c) (2, 3) y 4 d) (1, 3) y 3
2.8.
Ecuacin vectorial de la l o nea
El enfoque que hemos aprendido en la seccin anterior es muy bueno para estudiar o l neas en el plano. Pero la generalizacin de esa metodolog al espacio de tres dio a mensiones es imposible. Aprendamos ahora una tecnolog que nos permita tratar con a l neas en cualquier dimensin, pero empezaremos con l o neas en el plano para despus e generalizar. 145. Denicin. Una l o nea que pasa por el origen es simplemente el conjunto de todos los vectores que resultan de alargar, acortar o reversar un vector dado, o lo que es lo mismo, que son mltiplos de un vector dado D, llamado vector director. u Informalmente, una l nea que pasa por el origen es el conjunto de puntos X = D. Esto tambin se interpreta como: para ir desde el origen hasta un punto X sobre la e l nea se camina en la direccin D lo que sea necesario, regulando , hasta llegar al o punto.
6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 -4 -3 -2 -1 0 1 2 3 4
(2, 3)
(2, 3)
Figura 2.23. Rectas y vectores.
64
Tenemos en escritura matemtica: a 2 L = {X = (x, y) R : R, con X = D} Esta simbolog se lee as la l a : nea L es el conjunto de puntos X = (x, y) del plano para los cuales existe un escalar de manera que se cumple (x, y) = D. 146. Ejemplo Denamos en el plano la l nea L que pasa por el origen y por el punto (2, 3), es decir, la l nea generada por el vector director (2, 3): L = {X = (x, y) R2 : R, tal que se cumple X = (2, 3)} lo cual lo leemos como: la l nea L es el conjunto de puntos X del plano tal que existe un escalar tal que se cumple (x, y) = (2, 3) = (2, 3). Como la igualdad tiene sentido, coordenada por coordenada, se tiene: x = 2 y = 3 Si despejamos de la primera ecuacin x/2 = mientras que de la segunda y/3 = . o Igualando x/2 = y/3 la ecuacin de la l o nea es y = (3/2)x que tambin se escribe e y (3/2)x = 0. 147. Teorema y ejercicio. El eje Y es una l nea que tiene como ecuacin x = 0. o Todas las dems l a neas del plano que pasan por el origen son de la forma y = mx, las cuales pasan tambin por el punto (1, m) formando un segmento cuyo angulo de e inclinacin con la horizontal tiene como tangente m y por eso la pendiente es m. o Demostracin: ejercicio. o Ahora, pasemos a considerar l neas del plano que no pasan por el origen. Nuestro punto de partida puede entenderse perfectamente si consideramos la recta y = 3x + 1. Tomamos primero dos puntos arbitrarios sobre la l nea. Si x = 0, y = 1 nos da el primer punto P (0, 1), y si x = 1, y = 4 nos da el segundo punto Q(1, 4).
Figura 2.24. El segmento dirigido P Q genera una l nea. Este segmento se representa por el vector D. Cualquier segmento dirigido P X es un mltiplo escalar del vector u director D.
65
Ahora analizamos el vector que empieza en P y termina en Q. Restamos los dos puntos, considerados como vectores Q P = (1, 4) (0, 1) = (1, 3) que corresponde bien con la pendiente de 3 de la recta, si se avanza una unidad en sentido horizontal, se avanza 3 en sentido vertical. A este vector lo llamamos el vector director de la l nea y lo notamos D = (1, 3). Tomemos ahora otros dos puntos arbitrarios sobre la l nea, si los restamos, el resultado siempre es un mltiplo del vector director. Algunos ejemplos: u a) R(2, 7), S = (3, 10), S R = (3, 10) (2, 7) = (1, 3) = D. b) R(1, 4), S = (3, 10), S R = (3, 10) (1, 4) = (2, 6) = 2(1, 3) = 2D. c)R(1, 2), S = (7, 22), S R = (7, 22) (1, 2) = (8, 24) = 8(1, 3) = 8D. d)R(a, 3a + 1), S = (b, 3b + 1), S R = (b, 3b + 1) (a, 3a + 1) = (ba, 3b+1(3a+1)) = (ba, 3b3a) = (ba)(1, 3) = (ba)D. 148. Denicin. Una l o nea que pasa por P y tiene vector director D es un conjunto de vectores X tales que el segmento que parte desde P y llega hasta la cabeza de X es un mltiplo del vector director D. Es decir X P = D. u 149. Teorema inmediato. Una l nea en el plano que pasa por el punto P y con vector director D es el conjunto de los puntos X de la forma X = P + D. Es decir, si desea llegar a un punto X de la l nea, llegue desde el origen hasta P sobre ella y despus quiebre en la direccin del vector director y siga en esa direccin hasta que e o o encuentre el punto buscado.
150. Ejemplo Hallemos la ecuacin de la l o nea que pasa por (1, 4) y tiene el vector director (2, 3).
7 6 5 4 3 2 1 0 -1 -2 -3 -4 -3 -2 -1 0 1 2 3 4 5 6
D = (2, 3)
X D (1, 4)
Figura 2.25. L nea que no pasa por el origen.
66
Para llegar a X llegue primero a (1, 4) y quiebre despus en la direccin (2, 3) y e o camine lo que sea necesario regulando hasta llegar a X: X = (x, y) = (1, 4) + (2, 3) = (1 + 2, 4 + 3). Igualando coordenada por coordenada tenemos: x = 1 + 2 y = 4 + 3. Multiplicando la primera ecuacin por 3 y la segunda por 2 y despus restando: o e 3x 2y = 3 8 o sea 3x 2y = 5 es una l nea con pendiente 3/2, es la misma pendiente de la l nea que pasa por (0, 0) y tiene vector director (2, 3), pues tal l nea tiene como ecuacin a 3x2y = 0, y si x = 2, queda y = 3, o sea que pasa por cero-cero o y luego por (2, 3), lo cual da su vector director. En general, un punto P (x, y) estar en la l a nea que pasa por Po (xo , yo ) y en direccin o del vector D si el segmento Po P es paralelo al vector D, esto es, si existe R tal que Po P = D, lo cual tambin se escribe como e (x xo , y yo ) = (a, b) que da el sistema de ecuaciones x xo = a y yo = b que en forma vectorial se escribe como x y o bien X = Po + D . 151. Denicin. Dos l o neas en el plano son paralelas si nunca se cortan. = xo yo + a b
152. Teorema y ejercicio. Dos l neas en el plano son paralelas ssi llevan la misma direccin o, mejor dicho, si sus vectores directores son paralelos. o Demostracin: ejercicio. o El siguiente teorema es una repeticin, pero lo dejamos aqu para poder hacer su o demostracin a partir de la ecuacin vectorial de la l o o nea. 153. Teorema. Toda l nea en el plano cartesiano es de la forma x = k o y = mx + b. El trmino b es el corte con el eje Y, pues cuando x = 0, y = b. Coe mo y = mx + b es lo mismo que mx y = b, y el otro caso es x = k, la forma general de una l nea es ax + by = c.
67
Demostracin. Las l o neas verticales que pasan por el origen todas cumplen la ecuacin o x = 0. Si son verticales y pasan por el punto (k, 0) cumplen la ecuacin x = k. Las o l neas verticales tienen a (0, 1) como vector director. Si el vector director de otra l nea no es paralelo a (0, 1), entonces es de la forma (c, d) con c = 0. Ella pasa por un punto cualquiera P = (h, k). Por lo tanto, un punto cualquiera (x, y) sobre la l nea cumple: X = (x, y) L ssi R tal que (x h, y k) = (c, d) = (c, d). Igualando coordenadas x h = c y k = d Multiplicando la primera ecuacin por d y la segunda por c y despus restando: o e dx cy dh + ck = 0 o sea dx cy = dh ck. Despejando queda y = (d/c)x (dh ck)/c que es de la forma y = mx + b con pendiente m = d/c, que tiene sentido pues c = 0. El corte con el eje Y es b = (dh ck)/c. Esta l nea tiene la misma pendiente de la l nea que pasa por (0, 0) con vector director (c, d).
154. Teorema y ejercicio. Todas las l neas verticales son paralelas. Si dos l neas no son verticales, ellas son paralelas si tienen la misma pendiente. Por ejemplo, la l nea y = 3x + 1 es paralela a la l nea y = 3x + 7 pero ninguna de ellas es paralela a y = 2x 4. Demostracin: ejercicio. o
o nea que: 155. Ejercicio Halle la ecuacin de la l a) Pasa por los puntos (1, 1), (3, 2) b) Es paralela a la l nea dada en el inciso a) y pasa por (7, 5) c) Es paralela a la l nea dada en el inciso a) pero corta al eje Y en 5. d) Es paralela a la l nea dada en el inciso a) pero corta al eje X en 8. e) Es paralela a la l nea dada en el inciso a), queda arriba de sta y guarda una e distancia vertical de 5 unidades con dicha l nea. f) Equidista de los puntos (1, 1) y (3, 2).
156. Denicin. Dos l o neas son perpendiculares si se cortan formando cuatro angulos iguales. Cualquiera de los ngulos se llama angulo recto y su medida en a grados es 90 y en radianes /2.
68
157. Teorema. Dos l neas son perpendiculares ssi sus vectores directores son ortogonales. Ejemplo, el eje X es perpendicular al eje Y porque sus vectores directores son (0, 1), (1, 0) cuyo producto punto da cero. Demostracin: ejercicio. o 158. Teorema y ejercicio. Dos rectas de la forma y = mx+b son perpendiculares ssi el producto de sus pendientes es 1. Demostracin: ejercicio. o
2.9.
Proyecciones
Pasamos ahora a calcular la sombra de un vector u sobre otro v, donde imaginamos que la sombra es causada por el Sol del medio d es decir, que la sombra proyectada a, por el vector u sobre otro v genera un ngulo recto con el piso donde cae. El nombre a ocial para la sombra es proyeccin: o u u v v v v v u v
Figura 2.26. La sombra de u sobre v es el vector reteido v. n Obsrvese que la sombra de u sobre v es un acortamiento o alargamiento de v e que puede estar en el mismo sentido o en sentido contrario, pero siempre en la misma direccin de v. Esto signica que la sombra es un mltiplo escalar de v. o u 159. Denicin. Sea el vector u, cuya cabeza es el punto U, y sea v otro vector. o La proyeccin de u sobre v, ver gura anterior, es el vector P royv (u), con cabeza en o P, y que es mltiplo del vector donde cae la proyeccin, i.e. P royv (u) = v, tal que el u o origen, U y P denen un tringulo rectngulo en P . a a 160. Teorema y ejercicio. La proyeccin o sombra de un vector u sobre un o vector v es P royv (u) = v, donde = (u v)/(v v). U u O h P Sombra = v v
Figura 2.27. La proyeccin o sombra de u sobre v. o
2.9. PROYECCIONES
69
Hagamos dos pruebas de este teorema, una que trabaja con segmentos y otra que se basa en vectores. Prueba 1. Como estamos en un tringulo rectngulo y necesitamos determinar un a a cateto adyacente, decimos, cateto adyacente (la proyeccin) es igual a hipotenusa (el o vector u) por el coseno del ngulo entre la hipotenusa y el cateto adyacente. El coseno a lo podemos reemplazar del producto punto para obtener: ||Proyv (u)|| = cos ||u||. Obsrvese que esta igualdad es entre normas o magnitudes de vectores. Pero adems e a u v = ||u||||v|| cos por lo que uv cos = ||u||||v|| y entonces uv ||Proyv (u)|| = ||u||||v|| ||u|| Por otra parte, la proyeccin es un vector. Esto quiere decir que tiene direccin, la o o cual est dada por v/||v||, el cual es un vector unitario en la direccin de v. Entonces, a o v Proyv (u) = ||Proyv (u)|| ||v|| Reemplazando, simplicando y recordando que ||v||2 = v v obtenemos la respuesta (ejercicio). Prueba 2. El punto U es la cabeza de u y P la de la Proyv (u) = v. Sea h el segmento P U . Tenemos: u =Proyv (u) + h = v + h h = u v Como el origen O, junto con U y P forman un tringulo rectngulo, el vector a a OP = v debe ser perpendicular a P U que se representa por el vector h (que en realidad sale del origen y es paralelo a P U ); i.e.: hu=0 (u v) v = 0 Como vimos en el teorema 122, el producto punto se llama producto porque distribuye a la suma: a (b + c) = a b + a c. Aplicando esta propiedad a la ecuacin anterior tenemos o u v v v = 0 u v = v v por tanto = (u v)/(v v) y por consiguiente uv Proyv (u) = [ uv ]v = ||v||2 v vv 161. Ejercicio y denicin Demuestre que Proyv (u) = o Al escalar uv v . ||v|| ||v||
uv se le llama la componente del vector u sobre v y se nota ||v|| Compv u. Por lo que v Proyv (u) = (Compv u) ||v|| .
70
Lo cual nos dice que el vector Proyv (u) es un vector en la direccin de v. La como ponente es util para calcular la magnitud del vector proyeccin, pues basta con calcular o el valor absoluto de la componente. Demuestre que ||Proyv (u)|| = |Compv u| = |uv| . ||v|| o e 162. Ejemplo Calculemos la proyeccin de u = (1, 3) sobre v = (1, 1) y tambin su norma: Utilizando la frmula o uv uv Proyv (u) = [ ]v = v vv ||v||2 tenemos: Proy(1,1) ((1, 3)) = [((1, 3) (1, 1))/((1, 1) (1, 1))](1, 1) Proy(1,1) ((1, 3)) = [(1 + 3)/(1 + 1)](1, 1) = 2(1, 1) = (2, 2). e e La norma de la proyeccin es 8, la cual tambin puede calcularse por el mtodo o de la componente: ||Proyv (u)|| = |Compv u| = |uv| ||v|| lo que nos da: ||Proyv (u)|| = |(1, 3) (1, 1)|/ 2 = 4/ 2 = 2 2 = 8. 163. Ejercicio Calcule la proyeccin del primer vector sobre el segundo y la norma o correspondiente en cada uno de los siguientes casos. Utilice el mtodo de la componente e para la norma: a) (1, 2), (3, 3/2) b) (1, 4), (5, 1) c) (1, 6), (3, 3) d) (1, 5), (3, 4) e) (1, 2), (3, 5). 164. Ejercicio Demuestre que Proyv (u1 + u2 ) =Proyv (u1 )+Proyv (u2 ) Proyv (u) = Proyv (u). u e 165. Ejercicio Averige (d un contraejemplo si es falso o pruebe si es verdadero) si se cumple que a) Proyv1 +v2 (u) =Proyv1 (u)+Proyv2 (u) b)Proyv (u) = Proyv (u). Como en la proyeccin que hemos denido, cada punto se proyecta en ngulo recto, o a la proyeccin es util para calcular distancias, en algunos casos, su uso se optimiza con o la ayuda de la componente. 166. Ejemplo Encontremos la distancia d del punto U (1, 3) a la l nea y = x.
2.9. PROYECCIONES U d P u v v y=x
71
Figura 2.28. La distancia de U a la l nea y = x es la magnitud del segmento reteido, que podemos hallar usando la componente. n Observemos que d = ||u||2 |Compv 2 (u)| pero |Compv (u)| = 4/ 2 luego d = 10 8 = 2. 167. Ejercicio Encuentre la distancia del punto a la l nea, dado: a) y = x, (2, 0) b) y = 3x + 1, (1, 2) c) y 3x = 3, (2, 3) d) y 4x = 2, (1, 0) e) 3x 7y = 5, (4, 5) f ) 3x + 2y = 1, (1, 1). 168. Ejercicio Encuentre la ecuacin de la recta que est por arriba de la recta o a dada (las dos rectas son paralelas) y, ademas, a k unidades por encima de sta, si e a) Recta: y = x, k = 5 b) Recta: y = 2x + 1, k = 6 c) Recta: y = 3x + 4, k = 7 d) Recta: y = 7x 8, k = 8 Todo lo que hemos hecho ha sido desarrollado para el plano. Algunas cosas tienen interpretacin directa en el espacio tridimensional, pero para dimensiones superiores, o uno debe comenzar con deniciones del siguiente estilo: 169. Denicin. En cualquier EV, denimos la recta que pasa por la cabeza de o P y que tiene vector director D como el conjunto de vectores de la forma X = P + D para R. Si en el EV tambin se ha denido un producto interior, entonces podemos denir e la componente de un vector a lo largo de otro y la proyeccin. o La componente del vector u sobre v se nota Compv u y se dene como
72

uv Compv u = ||v|| . Y a la proyeccin de u sobre v se nota y se dene como o v Proyv (u) =Compv u ||v|| .
Uno podr pensar que los EV de muchas dimensiones, aun innitas, son arte puro. a En realidad, son muy usuales. Demostrmoslo haciendo una pequea referencia a la e n s ntesis y percepcin del sonido. o 170. Ejercicio para el profesor a) Por pura intuicin, y como un buen ejercicio, o tome la funcin f (x) = sen x, sobre [0, 2) y aprox o mela por elementos de los espacios digitales D4 , D8 , D16 . b) Sea T el espacio vectorial de funciones continuas a trozos sobre [0, 2). Dena el producto interior sobre T como una integral. c) Halle rigurosamente la proyeccin de f sobre D4 , D8 , D16 y compare los resulo tados con las aproximaciones obtenidas en a). Recordemos que un espacio digital se construye a partir de los pulsos denidos sobre un intervalo dado. d) Rigurosamente, qu debe entenderse por digitalizacin del sonido, es decir, one o das sonoras registradas elctricamente, que a la larga no son ms que funciones de R e a en R? 171. Ejercicio de investigacin Denir las funciones peridicas, probar que foro o man un espacio vectorial, proveerlo de un producto interior. Demostrar que los senos sen(mx) y los cosenos cos(mx) forman una base innita de dicho espacio, cuyos elementos son todos mutuamente perpendiculares. Atrvase a decir cul podr ser el fune a a damento matemtico de un sintetizador sinusoidal lineal de sonido. Trate de explicar a por qu los sintetizadores de sonido digitales, que operan sobre pulsos, y los espacios e vectoriales que ellos generan, Dn o En , les han ganado a los sinusoidales en el mercado del sonido electrnico (Beauchamp, 2007). (En realidad, hay una variante de los sino tetizadores sinusoidales que hace la s ntesis de sonido modulando la frecuencia y estos s han resultado competitivos y muy profesionales).
2.10.
Traslaciones
172. Denicin. Una traslacin no es ms que sumar un vector jo. o o a 173. Ejemplo El punto (1, 2) trasladado (1, 1) se convierte en (2, 1), pues (1, 2) + (1, 1) = (2, 1). (1, 2) (2, 1) (1, 1) Figura 2.29. El punto (1, 2) trasladado (1, 1) se convierte en (2, 1).
2.10. TRASLACIONES 174. Ejemplo Traslacin de una circunferencia. o
73
Una circunferencia centrada en cualquier parte C = (h, k) es una circunferencia centrada en el origen (0, 0) y trasladada el vector C. En efecto, una circunferencia que pasa por el origen tiene como ecuacin x2 + y 2 = r2 . o
(3,1)
Figura 2.30. Una circunferencia centrada en cero fue trasladada (3, 1). Si la trasladamos el vector C, queda una circunferencia centrada en C, cuyos puntos tienen como coordenadas (w, z). Podemos hallar la ecuacin de dicha circunferencia o midiendo distancias. Pero hay otro mtodo: las coordenadas (w, z) son tales que al e antitrasladarlas al origen, quedarn sobre la circunferencia centrada en el origen y a cumplirn la ecuacin de dicha circunferencia. Antitrasladarla equivale a restar (h, k), a o o sea el punto (w, z) se transforma en (w h, z k). Estas nuevas coordenadas cumplen la ecuacin de la circunferencia que pasa por el origen: o (w h)2 + (z k)2 = r2 o cambiando de nombre a las variables queda como es usual (x h)2 + (y k)2 = r2 . 175. Ejercicio Demuestre que una esfera centrada en cualquier parte C = (h, k, l) es una esfera centrada en el origen (0, 0, 0) y trasladada el vector C. La tecnolog que hemos aplicado a las traslaciones es una parte especial de otra a ms general y de la cual presentamos otra aplicacin. Imaginemos que encima del plano a o est superpuesto otro de caucho y que sobre l hemos dibujado una circunferencia con a e radio 1 y centro en el origen. Estiremos el caucho horizontalmente a veces. Instintivamente sabemos que resulta una elipse. Veamos ahora cmo se prueba que en verdad lo o es. Un punto arbitrario (x, y) sobre la supuesta elipse al ser encogido horizontalmente a veces se transforma en un punto de la circunferencia unitaria. Por lo tanto, cumple la ecuacin de dicha gura: o (x/a)2 + y 2 = 1, la cual es una elipse. 176. Ejercicio Repetir el razonamiento anterior cuando el caucho se estira a) en el sentido vertical unicamente b unidades. b) horizontalmente a unidades y verticalmente b unidades.
74
177. Ejercicio Demuestre que una l nea cualquiera es una traslacin de una l o nea que pasa por el origen.
nea cualquiera es invariante (queda igual) ante 178. Ejercicio Demuestre que una l una traslacin adecuada. Halle una relacin entre el vector traslacin y el vector direco o o tor de la l nea dada.
2.11.
Sistemas 2 2
Con la geometr que hemos visto podemos ya entender el signicado de la cantidad a de soluciones de un sistema de ecuaciones lineales (que se pueden representar con matrices) cuando dicho sistema tiene 2 incgnitas. o Si son dos ecuaciones con dos incgnitas, cada ecuacin representa una l o o nea. Y Y Y
Figura 2.31. Un sistema 2 2 representa un par de l neas, las cuales pueden cortarse en un punto (izquierda), o ser paralelas y nunca cortarse (centro) o coincidir y tener todos los puntos en comn (derecha). u Un par de l neas puede constar de: a) dos l neas que tienen pendiente diferente y que por lo tanto se cortan en un punto, dando una solucin unica; b) dos l o neas que tienen igual pendiente pero que no son la misma l nea, en ese caso no hay solucin; o o c) dos l neas que son la misma, es decir, todos los puntos de la una pertenecen a la otra y tenemos un nmero innito de soluciones. Con un poco ms de precisin, cuando las u a o dos l neas coinciden se dice que hay un nmero innito de soluciones con un grado de u libertad, lo cual quiere decir que podemos andar por la l nea solucin para adelante o o para atrs. a Qu signica en trminos prcticos que la solucin a un sistema 2 2 sea unica? e e a o Algo muy prctico es alimentarse bien, imaginemos que slo necesitramos gl cidos a o a u o harinas que vienen en la papa y prote nas que vienen en la carne y los cereales. Glcidos y prote u nas deben combinarse en determinadas proporciones y cantidades segn la edad y la actividad. Podemos usar dos tipos de alimentos para llenar los u requerimientos, el uno rico en prote nas y el otro rico en glcidos. En general, tendremos u un sistema 2 2 con una unica solucin, es decir, representado por dos l o neas que se cortan. La unicidad de la solucin signica lo que la mam no puede alimentar al nio o a n
2.11. SISTEMAS 2 2
75
con lo que le venga en gana, sino que debe estudiar algo sobre diettica para combinar e correctamente los alimentos. De igual modo, las autoridades no pueden dejar que los restaurantes alimenten a sus clientes con lo ms barato de la temporada. Debe hacer a una prescripcin que reeje un adecuado balance de los diferentes elementos requeridos o y cobrar exageradas multas a quien no haga bien las cosas. Y qu signicar el caso de un sistema 2 2 que represente dos l e a neas paralelas que son la misma l nea? Puede tratarse de llenar los requerimientos de glcidos y de u nada ms tomando dos alimentos ricos en glcidos, digamos arroz y papa. Con el deseo a u de mejorar el buen gusto se puede intercambiar caprichosamente lo uno por lo otro si de lo unico que se trata es de llenar los requerimientos de glcidos, digamos para la u comida de la noche, una comida liviana. Es improbable que se d el caso de productos naturales que conlleven a un sistema e que corresponda a dos l neas que son diferentes pero paralelas y sin puntos comunes, sin solucin. Ser ms plausible en tecnolog de alimentos sintticos y corresponder o a a a e a a tomar dos productos que tengan el uno, digamos, una proporcin de glcidos del o u 20 % y que sea igual a la proporcin de prote o nas, y el otro producto, una proporcin de glcidos del 30 % igual a la de prote o u nas. Son productos de valor diettico no e diferenciado, seguramente no tendr mercado. an 179. Ejercicio Invente un signicado en la industria que sea de acuerdo con su carrera para un sistema 2 2 representado por dos l neas paralelas distintas, otro por dos l neas que se cortan en un unico punto y otro por dos l neas que coinciden. 180. Ejemplo Resolvamos el sistema: 2x + 3y = 5 4x + 6y = 10 Dividiendo la segunda ecuacin por 2 encontramos la primera. Por lo tanto, se trata o de dos l neas superpuestas, todos los puntos de una de ellas son solucin de la primera o ecuacin y por ende de la segunda. Hay innitas soluciones de la forma (x, (5 2x)/3) o con un grado de libertad, es decir, con un parmetro libre, la x, en vez de x puede a ponerse cualquier nmero y se tiene una solucin. Por ejemplo, con x = 1 tenemos la u o solucin x = 1, y = 1. Con x = 25 tenemos la solucin particular x = 25, y = 15. o o Cuando uno tiene una solucin con uno o ms parmetros libres, cuando todos se o a a reemplazan por nmeros, da una solucin espec u o ca que se llama solucin particular. o Por ejemplo; (1,1) es una solucin particular al sistema dado. o 181. Ejercicio Considere las 5 ecuaciones siguientes. Estudie 5 sistemas 2 2 generados por varios pares de ellas. Interprete la cantidad de soluciones en trminos e geomtricos. Asegrese de encontrar los 3 casos posibles. Las l e u neas son: a) 2x 3y = 5 b) 2x + 3y = 3
76
c) 3x 2y = 3 d) 4x 6y = 10 e) 6x 4y = 7. 182. Ejercicio Trace 5 l neas sobre el plano cartesiano, por lo menos dos paralelas entre ellas. Halle la ecuacin de cada l o nea. Tome algunos pares de esas l neas, prediciendo la cantidad de soluciones de cada sistema correspondiente. Verique algebraicamente su pronstico. o 183. Ejercicio Una industria necesita varios tipos de materias primas para poder hacer sus productos. Consideremos tan slo un producto con dos tipos de materia prima o P 1 y P 2 que tienen dos tipos de componentes C1 y C2. La materia prima P 1 tiene el 10 % del componente C1 y el 1 % del componente C2 que se necesita para hacer una unidad del producto. La materia prima P 2 tiene el 40 % del componente C1 y material sustituto de componente C2 en equivalente al 5 % de los requerimientos para hacer una unidad de producto. Cuntas unidades de cada materia prima se necesitan a para hacer un pedido de 300 unidades del producto? Demuestre geomtricamente que e nuestro problema tiene una solucin unica. o
2.12.
Planos
184. Advertencia. El contenido de verdad de las proposiciones depende del contexto que se le d al discurso. As por ejemplo, la ecuacin x = 0 es una expresin que no e o o signica nada. Pero esa ecuacin adquiere signicado si uno especica en qu espacio o e est. Si decimos x = 0 en R, estamos diciendo que nos referimos a los puntos de la recta a real con coordenada 0. No hay ms que un punto en la recta real que satisface dicha a ecuacin y es el origen. Pero x = 0 en el plano R2 es una ecuacin que se satisface por o o todos los puntos P (x, y) cuya primera coordenada es cero, es decir, todos los puntos de la forma (0, y) como (0, 0), (0, 1), (0, 10), (0, 8). Vemos que todos estos puntos estn a 3 alineados sobre el eje Y y, por lo tanto, forman una l nea. En cambio en R la ecuacin o x = 0 representa todos los puntos (x, y, z) tales que su primera coordenada es cero, o sea (0, y, z) como por ejemplo (0, 0, 0), (0, 1, 3), (0, 1, 7), (0, 10, 4),(0, 10, 5), (0, 8, 7). En general, una l nea en el plano 2D (dos dimensiones) es de la forma ax + by = c, pero la ecuacin ax + by + cz = d no es una l o nea en 3D (tres dimensiones) sino que es un plano. En particular, ax + by = c representa en 3D el plano ax + by + 0z = c. Todo esto vamos a probarlo ahora mismo. Hay varias maneras de determinar un plano y una de ellas es la siguiente: un plano est determinado por un punto, donde pasa el plano, y por un vector que es a perpendicular al plano y se llama el vector normal del plano. En la siguiente denicin o continuamos usando la equivalencia entre un vector (una echa) y su cabeza (un punto), a tal grado que intercambiamos lo uno con lo otro. En el ejemplo que sigue y en adelante usamos dos notaciones equivalentes para un punto que son P = (x, y, z) y P (x, y, z). Tambin adoptamos la misma equivalencia de notaciones para vectores. e
2.12. PLANOS
77
185. Denicin. Un plano es un conjunto de puntos X tales que el segmento o que une el punto X a un punto jo P es perpendicular a un vector jo llamado vector normal al plano N . Por tanto, un plano cumple la ecuacin (X P ) N = 0. En un o ejemplo puede entenderse todo.
N P X
Figura 2.32. Un plano en R3 . 186. Ejemplo Determinemos la ecuacin del plano que pasa por el punto P (1, 2, 3) o y que tiene como vector normal al vector N (4, 5, 6). Primero designamos un punto cualquiera del espacio como X(x, y, z), el cual adems a representa al vector que sale del origen y llega a ese punto. Hay puntos del espacio que no pertenecen al plano pero hay otros que s estn en el plano. La condicin para que a o (x, y, z) est en el plano es que el segmento que va desde (1, 2, 3) al punto (x, y, z) sea e perpendicular al vector (4, 5, 6). El segmento que va desde (1, 2, 3) al punto (x, y, z) es simplemente (x 1, y 2, z 3). Ahora bien, este vector debe ser perpendicular al vector normal (4, 5, 6), por lo que realizando el producto punto y luego expandiendo: (x 1, y 2, z 3) (4, 5, 6) = 0 4(x 1) + 5(y 2) + 6(z 3) = 0 4x + 5y + 6z = 4 + 10 + 18 = 32, la cual es la ecuacin requerida. o En general, y teniendo en mente la misma gura, tomamos P de coordenadas P (xo , yo , zo ), N (a, b, c) y un punto arbitrario X(x, y, z). De la ecuacin o (X P ) N = 0 se tiene: (x xo , y yo , z zo ) (a, b, c) = 0 o bien a(x xo ) + b(y yo ) + c(z zo ) = 0 que es la ecuacin del plano que pasa por P (xo , yo , zo ) y cuyo vector normal es o N (a, b, c). Esta ecuacin es equivalente a o ax + by + cz = axo + byo + czo , o bien, ax + by + cz = d con d = axo + byo + czo .
78
A veces es muy conveniente poder visualizar un plano, al menos en la mente. Una manera cmoda de lograrlo es encontrar los cortes del plano con cada uno de los tres o ejes. 187. Ejercicio Observando que el eje X cumple con las ecuaciones y = 0 y z = 0, hallar el corte del plano hallado anteriormente, 4x + 5y + 6z = 32, con el eje X. Repita lo mismo con los otros dos ejes. As se hallan tres puntos que tambin determinan el e plano (por qu?). Bosqueje un dibujo que indique el tringulo formado por los tres e a puntos. 188. Ejemplo Demostremos que z = 0 es un plano. Geomtricamente esto es obvio, e pues z = 0 es una condicin cumplida por todos los puntos del piso del espacio 3D, o el cual es un plano. La demostracin algebraica consiste en demostrar que existe un o vector jo, N , que es perpendicular a todos los segmentos del plano. Procedamos: z = 0 puede reescribirse como 0(x 0) + 0(y 0) + 1(z 0) = 0, lo cual en lenguaje de perpendicularidad se lee: (0, 0, 1) (x 0, y 0, z 0) = 0, es decir, el vector jo N = (0, 0, 1) es perpendicular a todo segmento que empieza en (x, y, z) y termina en (0, 0, 0). 189. Ejemplo Demostremos que 2x + 4y 6z = 7 es un plano. Tenemos que demostrar que existe un vector jo, N , que es perpendicular a todos los segmentos del plano. Procedamos: 2x + 4y 6z = 7 = puede reescribirse como 2(x a) + 4(y b) 6(z c) = 7 2a 4b + 6c donde hemos rellenado la expresin, a ambos lados, para que pueda releerse en el o lenguaje de la perpendicularidad: (2, 4, 6) (x a, y b, z c) = 0 = 7 2a 4b + 6c, o sea el vector jo N = (2, 4, 6) es perpendicular a todo segmento que empieza en (x, y, z) y termina en (a, b, c). Pero para lograr esto tenemos que resolver 0 = 7 2a 4b + 6c. Esta es una ecuacin con 3 incgnitas. Damos a a el valor 0, a b el valor 0 y por o o tanto c toma el valor 7/6. Vemos que hay 2 grados de libertad: a a y a b se les puede dar el valor que queramos que el de c siempre puede hallarse. Qu signica esto? e Que estamos buscando un punto en donde anclar al plano. Y ese punto puede anclarse en cualquier parte del plano, el cual tiene dos grados de libertad (adelante-atrs vs. a izquierda-derecha). 190. Ejercicio Halle el vector normal a cada uno de los planos siguientes x = 0, y = 0, z = 0, x = 1, x = 2, x = 3, y = 1, z = 3. Describa y dibuje dichos planos con referencia a un sistema de ejes (en el saln de clase). o 191. Ejercicio Hallar las ecuaciones de algunos planos. a) Halle el plano que pasa por (1, 2, 3) y que tiene por vector normal a (1, 0, 5). b) Halle el plano que pasa por (0, 2, 3) y que tiene por vector normal a (3, 2, 7).
2.12. PLANOS
79
c) Halle el plano que pasa por (1, 4, 3) y que tiene por vector normal a (6, 3, 8). d) Halle el plano que equidista de los puntos P (1, 1, 1) y Q(2, 3, 5). e) Halle la ecuacin del plano que est por encima del plano x + y + z = 1 y que o a est exactamente a 5 unidades de distancia de ste. a e 192. Ejemplo y R(1, 0, 0). Hallemos el plano determinado por los puntos P(0, 0, 1), Q(0, 1, 0)
Puesto que todo plano es de la forma ax + by + cz = d, reemplazamos los puntos en la ecuacin, obtenemos 3 ecuaciones, una por cada punto y 4 incgnitas a, b, c, d. o o Esto quiere decir que hay un grado de libertad, lo cual signica que el vector normal puede acortarse, alargarse, reversarse y, sin embargo, el resultado tambin es otro vector e normal al plano dado. Reemplazando (1, 0, 0) en ax + by + cz = d queda a = d Reemplazando (0, 1, 0) en ax + by + cz = d queda b = d Reemplazando (0, 0, 1) en ax + by + cz = d queda c = d La ecuacin ser entonces dx + dy + dz = d. Pero d no puede ser cero pues nos o a quedar la ecuacin 0 = 0 que no dice nada. Dividiendo por d obtenemos: x+y +z = 1. a o 193. Ejercicio Halle el plano determinado por los 3 puntos: a) (1, 0, 0), (1, 2, 3), (1, 5, 6) b) (0, 1, 3), (2, 1, 5), (4, 2, 1) c) (1, 2, 1), (1, 2, 1), (1, 0, 1) d) (5, 0, 0), (4, 0, 0), (1, 0, 0). 194. Denicin. Consideremos el plano 1 con ecuacin z = 3x + 4y 5. o o Podemos escribir la misma ecuacin en forma vectorial: o 0 0 1 x x y = y = x 0 + y 1 + 0 . 5 4 3 3x + 4y 5 z Esta ecuacin tiene la forma general que dene la ecuacin vectorial del plano: o o X = u + v + P En el ejemplo considerado u = (1, 0, 3) (en forma de columna), v = (0, 1, 4) y P = (0, 0, 5). La ecuacin vectorial del plano nos dice que X est en el plano que pasa por el punto o a P y que es generado por los vectores u y v. Dando diversos valores a y a vamos obtenemos diversos puntos del plano y todo punto del plano se obtiene de esta forma. Por esto decimos que el plano tiene dos grados de libertad, dos parmetros libres, lo a cual ya se sab de antemano pues la ecuacin de un plano ax + by + cz = d tiene 3 a o incgnitas y una sola restriccin, por lo que quedan dos incgnitas libres, a las cuales o o o
80
se les puede dar cualquier valor. Que todo esto sirva para tener muy presente que la ecuacin ax + by + cz = d no es y no puede ser la ecuacin de una l o o nea en 3D. Si consideramos el plano o , que pasa por el origen, que consiste de todos los puntos X = u + v, podemos decir que 1 es igual a o trasladado el vector P . e 195. Ejercicio Encuentre las ecuaciones paramtricas de los planos hallados en el ejercicio anterior. El problema de hallar el vector normal a otros dos ocurre con frecuencia. Para esto podemos utilizar el producto punto. Pero existe para R3 una manera estndar de a hacerlo y se denomina producto cruz. 196. Denicin. En R3 , el producto cruz o producto vectorial entre dos o vectores v = (v1 , v2 , v3 ) y w = (w1 , w2 , w3 ) es un vector notado v w y denido por v w = (v2 w3 v3 w2 , (v1 w3 v3 w1 ), v1 w2 v2 w1 ). Notemos que en la coordenada i falta el sub ndice i y que hay antisimetr (reversa a el signo) en cada coordenada. 197. Teorema y ejercicio. El producto cruz entre dos vectores v, w de R3 cumple las propiedades: a) Es anticonmutativo, v w = w v b) Es perpendicular a ambos vectores, (v w)v, (v w)w. c) Su norma es igual al rea del paralelogramo determinado por los dos vectores, a ||v w|| = ||v|| ||w|| sen , donde es el ngulo entre v y w. a d) Si i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) son los generadores de las direcciones positivas de los ejes coordenados X, Y, Z respectivamente, entonces i j = k. Lo que se enfatiza es que i j es k y no es k y se dice que el producto cruz dene una orientacin llamada de la mano izquierda que es la orientacin usual de R3 . o o En general, se forma un tr pode de la forma que v va en el pulgar, w va con el dedo del corazn y v w va con el o ndice, todos los dedos son de la mano izquierda. Demostracin: ejercicio. o 198. Ejercicio Rehaga el ejercicio 193 usando el producto cruz. De las tres maneras posibles de resolver este ejercicio (por reemplazo, por producto punto y por producto cruz), cul es ms fcil? a a a 199. Ejercicio Paula y Ricardo compraron su lote y se dispusieron a techarlo. El lote est determinado por l a neas que pasan por los puntos siguientes (0, 1), (1, 0), (2, 0), (0, 2). Pusieron una columna de 3 metros en (0, 1) y otra en (1, 0), pero sobre los otros dos puntos pusieron columnas de 5 metros. Mandaron a hacer la vigas metlicas, a asumiendo que el techo resultar un plano. Las armaron y todo sali bien: el techo a o empalm perfectamente con las columnas. Por favor, averige las longitudes de las o u vigas y el area del techo. Pero resulta que Alejandro y Manuela compraron el lote de
2.12. PLANOS
81
al lado, rectil neo, con esquinas con coordenadas (2, 0), (0, 2), (4, 0), (0, 5). Sobre los primeros dos puntos pusieron columnas de 3 metros, y en los dos ultimos pusieron columnas de 5 metros. Mandaron a hacer las vigas en la misma parte que sus vecinos Paula y Ricardo, las transportaron al lote, las soldaron en el suelo, que era muy plano, y qued un gran marco plano, pero al tratar de montarlo sobre las columnas no cuadr ni o o porque le dieron mucho martillo. Ellos llegaron a la conclusin de que el lote era de o mala suerte y lo pusieron en venta y lo vendern as le pierdan el 30 % del costo. En a realidad, la operacin de montaje coincidi con el ultimo d de octubre. Diga si lo que o o a ellos cuentan puede ser cierto y en ese caso explique el misterio (por qu a Paula y e Ricardo les funcion todo y a ellos no?) y deles un consejo. o La denicin de proyeccin y su relacin con distancias desarrollada para el plano es o o o vlida para cualquier dimensin. Veamos cmo se utiliza en el espacio tridimensional. a o o 200. Ejemplo x + 2y + 3z = 6. Calculemos la distancia d del punto P = (4, 5, 6) al plano
P N M Q
Figura 2.33. Distancia de un punto P a un plano . Utilizamos la siguiente idea: fabricamos un punto Q sobre el plano. Q puede ser cualquiera. Como el vector normal al plano N puede ser imaginado en cualquier punto del plano, nos lo imaginamos en el punto M , de tal forma que la l nea generada por el vector normal pasa por M y tambin pasa por P . Se tiene un tringulo rectngulo e a a formado con el segmento normal que va de M a P , el segmento que va de M a Q y el segmento que va de Q a P . Con la anterior construccin, la distancia del punto P al plano es simplemente la o distancia del segmento P M , la cual es la norma de la proyeccin del vector P Q sobre o el normal. Por lo tanto, la distancia es simplemente el valor absoluto de la componente de P Q sobre N . Encontremos un punto cualquiera Q sobre el plano. Digamos x = 1, y = 1 y por tanto z = 1. El punto sobre el plano es Q = (1, 1, 1). El segmento de P a Q es P Q = (1, 1, 1) (4, 5, 6) = (3, 4, 5). El vector normal N al plano es N = (1, 2, 3). En resumen: d = |CompN P Q| Luego: d = |Comp(1,2,3) ((3, 4, 5))| = |(3, 4, 5) (1, 2, 3)|/ 12 + 22 + 32
82
= 26/ 14. Es necesario tener en cuenta que los vectores estn todos anclados en el origen. a Pero los podemos representar en cualquier punto del espacio por clones adecuados que son segmentos dirigidos. Si los ngulos y magnitudes se conservan, todo quedar bien. a a o 201. Ejercicio Rehaga el ejercicio anterior utilizando la nocin de componente. 202. Ejercicio Encuentre la distancia d del punto al plano: a) (4, 5, 6), x 2y + 4z = 6 b) (1, 0, 1), 2x + 3y + 2z = 6 c) (0, 2, 3), 3x 5y 2z = 6 d) (2, 3, 4), 2x + 2y 5z = 6 e) (3, 1, 0), x y 7z = 6. Ahora podemos encontrar la distancia entre dos planos paralelos. 203. Ejemplo Encontremos la distancia entre dos planos paralelos. El primero es x + 2y + 3z = 6 y el segundo x + 2y + 3z = 32. Aclaremos que estos dos planos son paralelos porque tienen el mismo vector normal N (1, 2, 3). En general, dos planos son paralelos ssi (si y slo si) sus vectores normales o son paralelos, es decir, el uno es mltiplo del otro. u El punto (4, 5, 6) pertenece al segundo plano. Por tanto, la distancia entre los dos planos es igual a la distancia entre el plano x + 2y + 3z = 6 y el punto (4, 5, 6). Afortunadamente, nosotros ya resolvimos este problema en el ejemplo 200. Luego la distancia entre los planos es de 26/ 14. 204. Ejercicio Rehaga el ejercicio 202 con problemas que consisten en hallar la distancia entre dos planos paralelos.
2.13.
L neas y planos en R3
La idea de l nea es seguir siempre en la misma direccin. Veamos cmo se impleo o menta esto en tercera dimensin y cmo se resuelven problemas con planos y rectas. o o Amable lector, si usted siente que va encontrando mucha redundancia, es que usted ya va entendiendo bastante. Nos alegra mucho. 205. Denicin. Una l o nea L en R3 que pasa por el origen es simplemente el conjunto de todos los vectores que resultan de multiplicar uno dado, llamado director, por todos los escalares posibles.
2.13. L INEAS Y PLANOS EN R3 206.
83
Ejemplo Especiquemos la l nea que pasa por el origen y por el punto (2, 3, 7).
En este caso, L = {X : X = (2, 3, 7) con R} es decir X(x, y, z) L ssi R tal que (x, y, z) = (2, 3, 7) = (2, 3, 7). Como es natural, la igualdad tiene sentido coordenada por coordenada, por lo tanto, con R: x = 2 y = 3 z = 7 A este sistema de ecuaciones con un grado de libertad se le denomina las ecuaciones paramtricas de una recta. Dando diferentes valores a vamos obteniendo e puntos sobre la l nea. Por ejemplo, para = 0 obtenemos el punto de la recta (0, 0, 0), = 1 obtenemos el punto (2, 3, 7), = 1 obtenemos el punto (2, 3, 7). Tambin podemos probar que el punto (6, 8, 9) no est en la recta, pues debe e a cumplirse que 6 = 2, por lo que = 3. Pero tambin, 8 = 3, lo cual no se cumple e con = 3. 207. Ejercicio Describa las ecuaciones paramtricas de las l e neas que pasan por el origen y adems por el punto a a) (1, 1, 4) b) (1, 2, 2) c) (2, 3, 1) Hemos considerado l neas que pasan por el origen. Ahora pasemos a l neas que pasan por cualquier otro punto. 208. Denicin. Una l o nea que pasa por el punto P y tiene vector director D es un conjunto de puntos X tales que el segmento que parte desde P y llega hasta X es un mltiplo del vector director D. Es decir, X P = D o lo que es lo mismo u X = P + D. Esta ultima ecuacin se interpreta as para llegar desde el origen hasta o : el punto X de la l nea, llegue desde el origen hasta el punto P , quiebre en la direccin o de D y camine la proporcin de D que necesite, , hasta llegar a X. o D X
Figura 2.34. Una l nea est determinada por un punto P y una direccin que puede a o ser la de un vector D llamado director.
84
209. Ejemplo Hallemos la l nea que pasa por (5, 6, 7) y tiene como vector director a (2, 3, 7). Solucin: X(x, y, z) L ssi R tal que (x, y, z) (5, 6, 7) = (2, 3, 7), o bien, o (x, y, z) = (2, 3, 7) + (5, 6, 7) = (2 + 5, 3 + 6, 7 + 7). Como la igualdad tiene sentido coordenada por coordenada, tenemos: x = 2 + 5 y = 3 + 6 z = 7 + 7 A estas ecuaciones se les llama ecuaciones paramtricas de la recta, y a el e parmetro. a e nea que pasa por los 210. Ejemplo Hallemos las ecuaciones paramtricas de la l puntos (1, 2, 3) y (4, 5, 6). Solucin: necesitamos hallar el vector director. El vector que va de un punto al otro o nos puede servir, D = (4, 5, 6) (1, 2, 3) = (3, 3, 3). Como la l nea pasa por (1, 2, 3) la ecuacin de la l o nea es (x, y, z) = (1, 2, 3) + (3, 3, 3). Por tanto, con como real, las ecuaciones paramtricas de la recta son e x = 3 + 1 y = 3 + 2 z = 3 + 3 Cuando estudibamos l a neas en el plano, pudimos despejar el parmetro sin proa blema alguno. Cuando se trata de l neas en el espacio hay que tener ms cuidado. Por a ejemplo, despejemos de las ecuaciones paramtricas dadas por e x = 2 1 y = 3 8 z = 7 1 Si despejamos de las dos primeras ecuaciones nos queda 3x 2y = 3 + 16 y si lo hacemos de la segunda y de la tercera queda 7y 3z = 56 + 3. En el espacio estas ecuaciones representan planos y no l neas, pues ambas son de la forma ax + by + cz = d con tres incgnitas y slo una restriccin, es decir, con dos incgnitas libres. Tenemos o o o o entonces que una l nea en 3D se puede entender como la interseccin de dos planos. o Otra manera de escribir lo mismo es despejando de todas las ecuaciones e igualando: (x + 1)/2 = (y + 8)/3 = (z + 1)/7 A este tipo de escritura se le llama las ecuaciones simtricas de una recta en 3D. e La primera igualdad da un plano y la segunda otro plano, una l nea es la interseccin o de dos planos. En general, si una recta pasa por el punto Po (xo , yo , zo ) y en la direccin del vector o D = (a, b, c) entonces la ecuacin de dicha recta puede darse en forma paramtrica o o e en forma simtrica. La forma paramtrica es, con R: e e x = xo + a
2.13. L INEAS Y PLANOS EN R3 y = yo + b z = zo + c La forma simtrica es: e
85
x xo y y o y yo = = a b c
si a, b, y c son no nulos. Todas estas ecuaciones se obtienen de X = Po + D, la ecuacin de la recta en o cualquier dimensin. o 211. Ejercicio Halle el vector director, las ecuaciones paramtricas y las simtricas e e de las l neas que pasan por a) (1, 2, 3) y (2, 3, 4) b) (1, 0, 2) y (2, 3, 1). 212. Ejercicio Halle el vector director, las ecuaciones paramtricas y las simtricas e e de las l neas que empieza en (1, 2, 3) a las 0 horas y a las 8 va en (2, 3, 4). La idea es la de un mvil que va a velocidad constante por una trayectoria que es una l o nea recta. Se debe formular una relacin entre el parmetro y el tiempo, de tal manera que se o a cumpla el horario prejado.
neas que son paralelas (tienen el mismo vector director) 213. Ejercicio Halle las l a las l neas del ejercicio 211 pero que pasan por (2, 1, 2).
214. Ejemplo Encontremos la distancia d del punto P = (2, 1, 5) a la l nea con vector director D = (4, 5, 6) y que pasa por el punto (1, 2, 2). P M L Figura 2.35. Con ayuda de un tringulo rectngulo y proyecciones, o componentes, a a podemos hallar la distancia de un punto P a una l nea L. Utilizamos la siguiente idea. Encontramos un punto Q sobre la l nea. Al proyectar P Q sobre la l nea generamos un tringulo rectngulo P QM . La distancia de M a Q a a puede hallarse por la componente de P Q sobre el vector director de la l nea. La distancia del punto a la l nea es la magnitud del otro cateto, P M , el cual puede hallarse por Pitgoras. Procedemos: a Q
86
Encontramos un punto Q sobre la l nea, el cual puede ser Q = (1, 2, 2). Despus e encontramos el vector u denido por el segmento P Q: u = P Q = (2, 1, 5) (1, 2, 2) = (3, 3, 7). Hallamos la componente de u sobre la l nea, i.e., sobre el vector director de la l nea D. CompD (u) = |(u D)|/||D|| Comp(4,5,6) ((3, 3, 7)) = |(3, 3, 7) (4, 5, 6)|/ 42 + 52 + 62 Comp(4,5,6) ((3, 3, 7)) = (12 15 + 42)/ 77 = 39/ 77 Sea M el punto sobre la l nea que est en el borde de la proyeccin del segmento a o P Q sobre la l nea. La distancia del punto P a la l nea es exactamente la de P a M , que es la norma del segmento M P , la cual es d. Nuestra geometr es tal que tenemos un a tringulo rectngulo con hipotenusa = segmento P Q = u = (3, 3, 7), la proyeccin a a o PD (u), y el segmento M P cuyo largo es d. Por tanto: 2 (3, 3, 7) 2 (39/ 77)2 = 67 39 6,87. d= 77 nea cuyo vector director 215. Ejercicio Encuentre la distancia del punto Q a la l D y punto P son: a) Q(1, 1, 5); D(1, 2, 0), P (1, 2, 1). b) Q(1, 2, 4); D(2, 1, 0), P (2, 1, 3). c) Q(5, 1, 3); D(2, 0, 5), P (1, 3, 5). d) Q(3, 2, 0); D(2, 1, 0), P (2, 1, 0). e) Q(1, 3, 2); D(2, 3, 5), P (1, 4, 0). e 216. Ejemplo Desarrollemos un mtodo para encontrar la distancia entre dos planos paralelos. Encontramos dos puntos, uno en cada plano. Todo lo que tenemos que hacer es proyectar el segmento que los une sobre el vector normal. la norma de la proyeccin es la distancia requerida, la cual es simplemente la componente en valor o absoluto. 217. Ejemplo Encontremos la distancia entre los planos 1 : x + 2y + 3z = 1 y 2 : x + 2y + 3z = 2. N 2 Q P 1
2.13. L INEAS Y PLANOS EN R3
87
Figura 2.36. Con ayuda de un tringulo rectngulo y componentes, podemos hallar a a la distancia entre dos planos paralelos. Si los planos se cortan, la distancia entre ellos es cero. Si hay un vector que sea normal a ambos planos, ellos son paralelos y su distancia se halla como sigue: Fabricamos un punto P en un plano y otro Q en otro plano. El segmento que los une, P Q, se proyecta sobre el vector normal a los dos planos y el valor absoluto de la componente resultante es la distancia entre ellos. En nuestro caso, hay un vector normal a ambos planos y es (1, 2, 3). El punto P = (4, 0, 1) pertenece al primer plano, mientras que Q = (5, 0, 1) pertenece al segundo plano. El segmento P Q es (5, 0, 1) (4, 0, 1) = (1, 0, 0). Calculamos la componente de P Q sobre el vector normal N = (1, 2, 3): Comp(1,2,3) (1, 0, 0) = ((1, 0, 0) (1, 2, 3))/ ||(1, 2, 3)|| = 1/ 14 = 14/14. La distancia d entre los dos planos es el valor absoluto de la componente, lo cual es lo mismo. 218. Ejercicio Encuentre la distancia entre los siguientes pares de planos: a) 3x 5y + 2z = 1, 3x 5y + 2z = 3 b) x + 3y + 2z = 3, x + 3y + 2z = 7 c) x 3y 2z = 2, x 3y 2z = 3 d) 2x + 4y 2z = 4, 4x + 8y 4z = 2 f) x 3y + 4z = 1, 3x 9y + 12z = 0. e neas que 219. Ejemplo Veamos un mtodo para encontrar la distancia entre dos l no se intersecan. Este es un ejercicio desaante. Sin embargo, podemos aplicar un principio TRIZ (Altshuller, 2000) que dice: una dimensin ms, una salvacin ms. Esto signica que o a o a si el mundo lo abruma a uno con su complejidad, entonces uno se ayuda con otra parte o faceta del mundo. Cuando sea preciso, use o invente herramientas y andamios cuando lo necesite. Miremos cmo se implementa este principio. o CompN (u) = (u N )/ ||N ||
Figura 2.37. Con ayuda de dos planos paralelos podemos hallar la distancia entre dos l neas que nunca se cortan.
88
Podemos construir dos planos paralelos, tal que uno contenga la primera l nea recta y el otro la segunda. Juegue con dos lpices que simulen los vectores directores de las a l neas. Deslice un lpiz en forma paralelo con respecto a s mismo pero siguiendo la a direccin del otro lpiz: de ese modo, generar un plano. Deslizando el otro lpiz de o a a a igual forma, generar otro plano. Los dos planos son paralelos y ambos tienen el mismo a vector normal. Para ms seas, la tr a n ada formada por los dos vectores directores y el vector normal, son vectores mutuamente perpendiculares. Como tenemos dos planos paralelos que contienen a las l neas, la distancia entre ellas es la misma que la distancia entre los planos. Y eso es todo. neas en el espacio 220. Ejemplo y ejercicio Encontremos la distancia entre las l cuyos vectores directores y puntos son respectivamente D1 = (1, 1, 1), P1 = (4, 0, 1) y D2 = (5, 4, 1), P2 = (5, 0, 1). Necesitamos construir el vector normal de los planos paralelos que contienen a las l neas. El vector normal debe ser perpendicular a ambos vectores directores. Para ello podemos utilizar el producto cruz (inmediato) o el producto punto. Utilicemos el segundo. Sea N = (u, v, w) un vector normal. Tenemos: N D1 = 0 y N D2 = 0, i.e. (u, v, w) (1, 1, 1) = u + v w = 0 (u, v, w) (5, 4, 1) = 5u 4v + w = 0 Sumemos estas dos ecuaciones: 6u 3v = 0. Puesto que tenemos 3 incgnitas y 2 ecuaciones, debemos tener por lo menos un o grado de libertad, i.e. una variable que puede ser jada como quiera. Sea u tal incgnita o y jemos u = 1, entonces de 6u 3v = 0 tenemos v = 2, y de u + v w = 0 tenemos w = 3. Por tanto, el vector normal a ambos planos es N = (1, 2, 3). La ecuacin del plano o reeja el hecho de que el segmento desde un punto no espec co del plano (x, y, z) a un punto jo del plano es perpendicular al vector normal, por lo tanto su producto punto debe ser cero. La ecuacin del primer plano es (x 4) + 2(y 0) + 3(z + 1) = 0 x + 2y + 3z = 1. o o La ecuacin del segundo plano es (x 5) + 2(y 0) + 3(z + 1) = 0 x + 2y + 3z = 2. o o La distancia entre las dos l neas es precisamente la distancia entre los dos planos, la cual fue hallada en el ejemplo 217. Observemos que al nal todo se reduce a estudiar un tringulo rectngulo determinado por tres segmentos: el primero es el determinado a a por un punto sobre una l nea y otro sobre la otra l nea; El segundo es el segmento sobre el vector normal que va de l nea a l nea, y el tercero es un segmento sobre una de las l neas que completa el tringulo. El problema era saber por qu esto funciona. Y esto a e ya se entendi. o 221. Ejercicio Encuentre la distancia entre los siguientes pares de l neas. Tenga cuidado pues hay un par de l neas que son paralelas y no hemos visto antes nada igual. Damos el vector director y el punto de la primera l nea y despus lo mismo pero para e la segunda:
2.13. L INEAS Y PLANOS EN R3 a) (1, 1, 1), (0, 0, 1/3); (2, 1, 4/3), (0, 0, 2/3). b) (0, 1, 2), (1, 2, 4); (2, 1, 0), (2, 1, 3). c) (4, 0, 19), (7, 1, 4); (2, 0, 5), (1, 3, 5). d) (1, 1, 2), (3, 2, 0); (2, 1, 0), (2, 1, 0). e) (1, 1, 1), (1, 4, 0); (2, 3, 5), (1, 3, 2).
89
o e o 222. Ejercicio Halle la ecuacin paramtrica de la recta interseccin entre los planos 1 : 2x y + z = 0 y 2 : x + 3y z = 2. 223. Ejercicio El vector (6, 2, 1) en unidades apropiadas denota la cantidad de harina, chocolate y huevos gastados en hacer un brownie. Calcule el inventario gastado en n brownies.
224. Ejercicio El vector (4, 2, 1) denota la cantidad de dinero gastado en harina, chocolate y huevos para hacer un brownie. Calcule el inventario gastado en n brownies sabiendo que se necesita una infraestructura de (100, 50, 40) que indica lo que se gasta en equipo para amasar la harina, para mezclarla con el chocolate y para refrigerar los huevos. 225. Ejercicio El vector (6, 2, 1) en unidades apropiadas denota la cantidad de glciu dos, l pidos y prote nas gastados por hora por una persona en el gimnasio. Calcule el inventario gastado en n horas. Reduzca el metabolismo 20 veces, cuando est dormido, a y renueve el inventario. 226. Dualidad: Las ecuaciones paramtricas de una l e nea contienen dos tipos de informacin, una de posicin y otra de velocidad. El primero es el punto de vista de o o los rboles de la carretera. El segundo es el punto de vista de un carro que recorre la a carretera. Todo se puede entender si consideramos las dos ecuaciones siguientes: X = (3, 8, 2) + (1, 2, 5) X = (3, 8, 2) + (2, 4, 10) = (3, 8, 2) + 2(1, 2, 5) La unica diferencia entre estas dos expresiones es que la segunda l nea tiene un vector director que es el doble de la primera l nea. Por lo tanto, las dos l neas son la misma. Pero, !atencin, si interpretamos como el tiempo, vemos inmediatamente que o la segunda ecuacin describe un carro que se mueve al doble de velocidad que el carro o descrito por la primera ecuacin. o Obsrvese que estos juegos pueden ser muy complicados. El siguiente sistema de e ecuaciones describe una carretera que va en l nea recta pero recorrida por un mvil o que no va a velocidad constante sino que cada vez se mueve ms rpido: a a x = 22 y = 32 z = 72 La carretera pasa por el origen en la direccin (2, 3, 7) pero el mvil est en el origen o o a en el tiempo cero, cuando = 1 el mvil est en (2, 3, 7). Cuando = 2 el primer mvil o a o va en (4, 6, 14) y si el tiempo es 10 el mvil est en (200, 300, 700) recorriendo grandes o a distancias en tiempos muy pequeos. n
90
227. Ejemplo Hallemos la l nea que parte de (3, 6, 12) a las cero horas, = 0, y que pasa por (1, 3, 5) a las 3 de la tarde (cuando = 15). Averigemos luego u en qu punto estaremos a la hora 30. e Solucin: La l o nea est en la direccin de a o D = (1, 3, 5) (3, 6, 12) = (1, 3, 5) + (3, 6, 12) = (2, 3, 7) y, elaborando el punto de vista de los rboles del camino la ecuacin de la recta a o ser a X = (3, 6, 12) + (2, 3, 7). Cuando = 15 esta ecuacin produce el punto (27, 39, 93). Ahora tenemos que o regular la velocidad para que una nueva ecuacin describa la misma carretera pero con o una trayectoria que pase por los puntos especicados a las horas requeridas. La clave de todo es que si la velocidad es constante, sta puede codicarse en e uno de los posibles vectores directores. Todos los vectores directores son de la forma D = k(2, 3, 7) = (2k, 3k, 7k) y la ecuacin buscada es de la forma o X = (3, 6, 12) + (2k, 3k, 7k). Cuando = 0 este carro est en (3, 6, 12), tal como se necesita. Cuando = 15 a debemos estar en (1, 3, 5): (1, 3, 5) = (3, 6, 12) + 15(2k, 3k, 7k) = (3, 6, 12) + (30k, 45k, 105k) (1, 3, 5) = (30k 3, 45k 6, 105k 12) Despejando k de la primera coordenada k = (1 + 3)/30 = 2/30 = 1/15 Despejando k de la segunda coordenada k = (3 + 6)/45 = 3/45 = 1/15 Despejando k de la tercera coordenada k = (5 + 12)105 = 7/105 = 1/15 (Acaso esto pudo haberse hallado ms simplea mente?) Como todos los resultados son iguales, vamos bien. La ecuacin de la trayectoria o solicitada es X = (3, 6, 12) + (2k, 3k, 7k) = (3, 6, 12) + (/15)(2, 3, 7). Si = 30 estamos en la posicin o X = (3, 6, 12) + (/15)(2, 3, 7) = (3, 6, 12) + (30/15)(2, 3, 7) = (3, 6, 12) + (2)(2, 3, 7) = (3, 6, 12) + (4, 6, 14) = (1, 0, 2) o nea que est en P a la hora a 228. Ejercicio Encuentre la parametrizacin de la l cero, = 0, y pasa a travs de Q despus de t horas; encuentre la posicin a la hora e e o s. Los datos estn dados en el orden P, Q, t y s. a a) (1, 2, 3), (4, 5, 6), 7, 14. b) (1, 0, 2), (3, 5, 7), 1, 6. c) (2, 1, 3), (1, 0, 1), 1, 6. d) (1, 3, 1), (0, 1, 4), 1, 2. e) (0, 1, 1), (1, 2, 0), 2, 2.
2.14. SISTEMAS 3 3
91
2.14.
Sistemas 3 3
Estamos interesados en entender lo que signica geomtricamente la solucin a un e o sistema de ecuaciones. Muy importante es la capacidad que tiene el anlisis geomtrico a e para medir la cantidad de soluciones que un sistema de ecuaciones debe tener. Ya analizamos los sistemas 2 2 y pudimos ver, por ejemplo, que uno puede estar seguro de que un sistema tiene una unica solucin cuando representa un par de l o neas no paralelas. Esa certeza nos permite usar cualquier mtodo o el de Gauss-Jordan, para e hallarla. Ahora analizaremos los sistemas 3 3, es decir, un sistema de 3 ecuaciones con 3 incgnitas. El lector debe intuir que la forma de razonar en 2 y 3 dimensiones se o generaliza inmediatamente a 8, 20 1.000 dimensiones. o Si tenemos un sistema lineal 33, lo que tenemos en cada ecuacin es una expresin o o de la forma ax + by + cz = d, es decir, tenemos un plano, ver ejemplo 186. Por lo tanto un sistema 3 3 nos representa un sistema de 3 planos al cual hay que hallarle los puntos comunes o de interseccin. Hay varios casos, al igual que con los sistemas 2 2: o 1. Los planos se intersecan en un unico punto, la solucin es unica. o 2. Los planos se intersecan en una l nea, como las hojas de un cuaderno, la solucin o no es unica y se tiene 1 grado de libertad, es decir, se tiene una cantidad innita de soluciones con un parmetro libre. a 3. Los tres planos coinciden, son un mismo plano repetido 3 veces, y se tiene una cantidad innita de soluciones con 2 grados de libertad para indicar que se puede ir a la derecha o a la izquierda y arriba o abajo en el espacio de soluciones. 4. Los planos son paralelos y son diferentes no teniendo ningn punto en comn: el u u conjunto solucin es el conjunto vac no hay solucin, si se trata de solucionar o o, o el sistema, lo que se encuentra es una contradiccin. o
Veamos ejemplos concretos de cada caso: 1) Los planos se cortan en un unico punto. Consideremos el sistema x=0 y=0 z=0 La solucin es (0, 0, 0). Veamos de qu manera tenemos 3 planos que se cortan en o e un unico punto.
92
CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES Z
y=0 x=0
Y z=0
Figura 2.38. Tres planos que se cortan en un unico punto (0, 0, 0).
De igual manera, si al reducir por Gauss-Jordan un sistema de ecuaciones queda la matriz identidad, la solucin es unica y puede leerse directamente. Rec o procamente, si al reducir una matriz 3 3 queda la matriz identidad, la matriz original representaba un conjunto de planos que se cortan en un unico punto. 2) Los planos se intersecan en una l nea, como las hojas de un cuaderno, como en el sistema
La ecuacin z = 0 en el espacio nos representa el plano que pasa por (0,0,0) y cuyo o vector normal es (0, 0, 1), esto es, el vector que apunta en direccin del eje Z. Por lo o tanto, esta ecuacin nos representa el piso o plano XY. La ecuacin x = 0 en el espacio o o nos representa el plano que pasa por (0, 0, 0) y cuyo vector normal es (1, 0, 0), o sea el vector que apunta en direccin del eje X. Por consiguiente, esta ecuacin nos representa o o la pared lateral derecha (uno ve el mundo desde el origen). La ecuacin y = 0 en el o espacio nos representa el plano que pasa por (0, 0, 0) y cuyo vector normal es (0, 1, 0), es decir, el vector que apunta en direccin del eje Y . Por esta razn, esta ecuacin nos o o o representa la pared lateral izquierda. La dos paredes laterales y el piso se intersecan en un unico punto (0, 0, 0). Obsrvese que si ponemos el sistema en forma matricial queda e como . 1 0 0 . 0 . 0 1 0 . 0 . . . . 0 0 0 1 .
2.14. SISTEMAS 3 3 x=0 y=0 xy = 0
93
y=0 x=0
Y xy =0 X
Figura 2.39. Cuaderno, los tres planos tienen en comn el lomo del cuaderno. u Notemos que efectivamente estamos en el caso de tres planos que se organizan como las hojas de un cuaderno, x = 0 representa una pared lateral que contiene al eje Z, y = 0 es otra pared lateral que tambin contiene el eje Z. Por otro lado, la ecuacin e o x = y es lo mismo que x y = 0 que es un plano con vector normal (1, 1, 0). Un punto est en dicho plano si es de la forma a (x, x, z) = (x, x, 0) + (0, 0, z) = x(1, 1, 0) + z(0, 0, 1). Vemos que cuando x = 0 nos queda el eje Z. Por lo tanto, x = y representa un plano que contiene el eje Z y que pasa por la diagonal principal del piso. Todos los planos contienen al eje Z y se organizan como un libro. Su solucin es una l o nea, el eje Z. Aunque ya conocemos la solucin, hallmosla por mtodos algebraicos. Comencemos o e e notando que la tercera ecuacin dice que x = y, y combinando con las dos primeras o ecuaciones queda x = y = 0. La solucin est formada por el conjunto de puntos o a (x, y, z) de la forma (0, 0, z) pues las dos primeras variables valen cero, pero la tercera no tiene restriccin. La solucin es el eje Z que es una l o o nea. Tambin podemos proceder por Gauss-Jordan. La matriz del sistema dado puede e reducirse hasta
94
CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES . 1 0 0 . 0 . 0 1 0 . 0 . . . . 0 0 0 0 .
es decir, que la tercera ecuacin nos da que 0 = 0, que puede ignorarse y nos queda un o sistema con 3 incgnitas y dos restricciones, el sistema tiene innitas soluciones con un o grado de libertad, en otras palabras, es una l nea. La interpretacin es la siguiente: si o al reducir una matriz 3 3 queda convertida en una matriz con slo 2 las o renglones, o tenemos el caso de 3 planos que se organizan como las hojas de un cuaderno y viceversa. 3) Los tres planos coinciden, son un mismo plano repetido 3 veces. Ejemplo: z=0 2z = 0 3z = 0
las dos ultimas ecuaciones se simplican y dan la primera. Esto es, las tres ecua ciones son realmente una misma ecuacin. Por lo tanto la solucin al sistema es simo o plemente el conjunto de puntos (x, y, z) cuya tercera coordenada es cero, o sea de la forma (x, y, 0) = (x, 0, 0) + (0, y, 0) = x(1, 0, 0) + y(0, 1, 0). Todos estos puntos forman el plano que corresponde al piso, el cual tiene dos grados de libertad, uno en direccin del eje X y otro en direccin del eje Y. o o De lo dicho queda claro que al reducir el sistema por Gauss-Jordan nos quedar slo a o una ecuacin, lo cual produce un problema con 3 incgnitas y una restriccin: hay dos o o o incgnitas sin especicar, hay dos grados de libertad, la solucin es un plano. o o 4) Los planos son paralelos y son diferentes nsin tener ningn punto en comn. u u Ejemplo: 3 : z = 3 2 : z = 0 1 : z = 3
2.14. SISTEMAS 3 3 3 2
95
Figura 2.40. Planos paralelos que representan una solucin vac o a. Estas ecuaciones representan 3 planos, el piso cero, el piso 3 y el piso -3. Dichos pisos no tienen ningn punto en comn y la solucin es vac Obsrvese que al reducir u u o a. e por Gauss-Jordan un sistema como el dado se llega a una ecuacin de la forma 0 = 1, o lo cual es una contradiccin. o Analicemos ahora un caso ms complicado: a 229. cos: Ejemplo Interpretemos la solucin al siguiente sistema en trminos geomtrio e e 2x 3y + 4z = 2 x y + z = 5 x 4y + 5z = 7
Lo que queremos hacer es un anlisis geomtrico que nos d certeza sobre la cantidad a e e de soluciones que el sistema tiene. Si la solucin es unica, sta representa un punto en el o e espacio, si tiene muchas soluciones estas representarn, o bien, una linea en el espacio, a o bien, un plano en el espacio y si no hay solucin ser porque los planos son paralelos o a entre s Una vez sepamos eso, podemos hallar la solucin por nuestro mtodo preferido, . o e Gauss-Jordan. Veamos cmo podemos utilizar los vectores normales. El plano 2x 3y + 4z = 2 o tiene como vector normal N1 = (2, 3, 4). El plano x y + z = 5 tiene como vector normal a N2 = (1, 1, 1), en tanto que el vector normal de x 4y + 5z = 7 es N3 = (1, 4, 5). Ahora bien, N1 + N2 = N3 , lo cual signica que N3 est sobre el plano a generado por N1 y N2 . Eso implica que los tres planos son perpendiculares al plano . Tal vez los tres planos estn organizados como las hojas de un cuaderno y la solucin e o est representada por una l e nea. O tal vez los planos no tengan nada en comn entre u los tres. En conclusin, o la solucin es una l o o nea o es vac Pero no puede ser un plano a. pues los vectores normales apuntan cada uno en una direccin distinta. o Ahora veamos qu da el mtodo de Gauss-Jordan. e e Observemos que el sistema fue construido ex profeso para que la tercera ecuacin o fuese la suma de la primera con la segunda. Por consiguiente al reducir por GaussJordan, la tercera la desaparecer. En efecto, el sistema reescrito en forma matricial a queda
96
CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES . 2 3 4 . 2 . 1 1 1 . 5 . . . . 7 1 4 5 .
que al escalonar por renglones se obtiene
que es una l nea con parmetro z. Su vector director es (1/5, 6/5, 1) y cuando a z = 0 pasa por el punto (13/5, 12/5, 0). Si hubiese alguna duda sobre la delidad de la solucin, podr o amos vericarla por reemplazo. Una vez hecho, concluimos que no hay soluciones espurias. Y nuestro anlisis a previo sobre los vectores normales nos dice que no faltan soluciones. Es muy elocuente la forma como el mtodo Gauss-Jordan nos va diciendo cmo e o son las soluciones, pues nos da una geometr fcil de interpretar y nos produce todas a a las soluciones, sin faltar y sin aadir ninguna solucin espuria. Eso ser digno de ser n o a probado en el caso general, y lo haremos en el cap tulo de la inversa.
Esto dice que x + (1/5)z = 13/5 y que y (6/5)z = 12/5 y que 0z = 0, o sea, z puede ser cualquiera. Por lo tanto, x = (1/5)z 13/5 y = (6/5)z 12/5 z=z esto es 1/5 13/5 x y = 12/5 + 6/5 z 1 0 z
Al traducir esta matriz aumentada a un sistema de ecuaciones vemos que tenemos 2 ecuaciones con 3 incgnitas, es decir, 2 planos, los cuales se intersecan en una l o nea, puesto que sus vectores directores no son paralelos. Ya que la interseccin es una l o nea, hay innitas soluciones con un grado de libertad. Veriqumoslo. e Reduciendo la matriz escalonada obtenemos . 1 0 1/5 . 13/5 . 0 1 6/5 . 12/5 . . . . 0 0 0 . 0
. . 2 2 3 4 . 1 1 1 . 5 . . . . 0 R1 + R2 R3 0 0 0 . . 0 1 . 13 . R1 3R2 5 . R1 + 2R2 0 5 6 . . 12 . 0 0 0 . . 0
2.14. SISTEMAS 3 3
97
230. Ejercicio Resuelva e interprete geomtricamente la solucin a los sistemas e o siguientes: x y + 4z = 2 x + y + z = 5 a) 5z = 7 3x + 5z = 7 2x 2y + 4z = 2 b) x + 2y + z = 5 3x y + 4z = 2 2x 4y + 5z = 7 c) x 3y + z = 5 e 231. Miscelnea Resuelva los siguientes sistemas e interprete geomtricamente sus a soluciones: a) 3x + 4z = 1, 6x + 8z = 2 en R2 y en R3 . b) 3x + 4z = 1, 6x + 8z = 2,00000001 en R2 y en R3 . c) 3x + 4z = 1, 6x + 8z = 2, 9x + 12z = 3 en R2 y en R3 . d) x + y + z = 0, x + y + z = 1, x + y + z = 3 en R3 . e) x = 0, y = 0, x 3y + 4z = 3 en R3 . f) x = 0, y = 0, x 3y + 4z = 3 en R4 . g) x + y + z = 1, x 2y + 3z = 1, 2x y + 4z = 2 en R3 . h) x + y + z = 1, x y + z = 1, x + y z = 1, 3x + y + z = 3 en R3 . 232. Un buen ejercicio Un sistema de ecuaciones es reducido por Gauss-Jordan para saber el nmero de ecuaciones independientes. Por tanto, Gauss-Jordan es un prou cedimiento para limpiar redundancias. Supongamos que tenemos un sistema de ecuaciones con n incgnitas y que despus de reducirlo nos quedan i ecuaciones independio e entes. Establezca un ecuacin que relacione el nmero de incgnitas, m; el nmero de o u o u ecuaciones independientes, i; y el nmero de parmetros libres o grados de libertad del u a conjunto solucin f. Por favor, ilustre su conclusin con ejemplos adecuados y aada o o n una explicacin geomtrica. o e 233. Ejercicio Halle un polinomio de tercer grado que pase por los puntos (1, 1.5), (1.5, 3), (2, 1), (2.5, 4).
98
2.15.
Las estaciones (opcional)
Veamos de qu manera las matemticas que hemos visto nos dan la capacidad de e a formular ideas muy sencillas con las que podemos tener una visin bastante profunda o sobre la naturaleza de uno de los fenmenos planetarios que ms incidencia global tiene o a sobre la vida en la Tierra: las estaciones. Este tema debe dominarse a tal grado que uno pueda contarlo a los sobrinos y a la abuelita. Explicar esto a la luz de una vela, que simule el Sol, y ayudndose de una naranja o una pelota, que simule la Tierra, a resulta impresionante. 234. Ejercicio Proponga algunos efectos de las estaciones sobre las migraciones y contramigraciones peridicas, sobre la variabilidad de la vida, sobre la estacionalidad o de los fenmenos biolgicos. D ejemplos con aves, mam o o e feros, insectos, peces, plantas silvestres y de cultivo. Tenga en cuenta que la estacionalidad de los fenmenos botnicos o a arrastra la estacionalidad de los dems. Aada consideraciones sobre la conducta de a n los humanos y del turismo. Comencemos mencionando un contraste entre los buenos ciclistas y los acionados. A los primeros se les ve detenidos en los semforos haciendo delicadas maniobras para a no caerse. A los acionados eso no les funciona. En cambio ellos pueden viajar largos trechos en bicicleta sin hacer prcticamente nada. Cmo pueden ellos hacer eso si a o solamente son acionados? La razn es que hay una ley de la naturaleza que los favorece. o En efecto, cuando la bicicleta se mueve, las ruedas giran y lo hacen sobre un plano vertical a la Tierra y en la direccin que uno lleve. o Puede decirse que, en cierto sentido, este sistema es estable: se necesita hacer algo para desequilibrarlo. Esto se logra si uno se desbalancea un poquito hacia algn lado u y se crea lo que se llama un torque. Dicha estabilidad del plano de giro de la rueda es lo que ocialmente se denomina como conservacin del momento angular. o Ahora bien, en vez de decir que el plano de giro se conserva, lo que se puede decir es que el eje de giro se conserva. El eje de giro es ni ms ni menos el vector normal a al plano de giro que es el mismo plano que contiene la rueda. Este cambio de punto de vista nos permite alargar o acortar el vector normal para dar a entender que la estabilidad del plano de giro puede ser mayor o menor: es ms estable entre ms veloz a a se vaya. El nombre tcnico de dicho vector es vector de momento angular. e Los trompos y las pirinolas se mantienen de pie mientras giran porque la interaccin o con el piso no alcanza a interferir notablemente con la rotacin y por consiguiente el o momento angular se conserva, el cual va en direccin vertical. Los trompos que no o son perfectamente simtricos pueden balancearse mientras giran: a este movimiento se e llama precesin. o Pensemos ahora en la Tierra: ella gira al rededor del Sol en una rbita el o ptica. Pero al mismo tiempo, gira sobre su propio eje. Girando sobre su propio eje se origina el d a y la noche. La Tierra gira a muy alta velocidad, nosotros recorremos 40000 km cada d Y adems la Tierra pesa mucho. La consecuencia es que el eje de giro de la Tierra a. a es muy estable. Por supuesto que no es inconmovible, pero es muy estable.
2.15. LAS ESTACIONES (OPCIONAL)
99
Resumimos todo diciendo que la direccin y la magnitud del vector momento ano gular se conservan mientras la Tierra recorre su rbita. o z
Figura 2.41. Conservacin del momento angular. o
Cmo podemos saber la direccin del eje de giro de la Tierra? Veamos de qu maneo o e ra se puede medir muy sencillamente y as explicar un hecho simple pero espectacular: si una pared, o una casa, orientada de oriente a occidente es iluminada por el Sol por el sur, con toda seguridad el Sol la iluminar a los seis meses por el norte. Y viceversa. a En Bogot, una pared orientada de oriente a occidente es iluminada en noviembre por a el sur y en mayo por el norte.
Luz solar Pared
Figura 2.42. Estaciones y patrn de iluminacin. o o La clara razn es que el eje de la Tierra no es perpendicular al plano orbital: el eje o de la Tierra est inclinado. Cmo podemos medir el ngulo de inclinacin del eje de a o a o giro de la Tierra con respecto al plano orbital? Primero debemos jugar un poco con una naranja, que representar la Tierra, y clavarle un palillo de dientes que haga las veces a de un poste de la luz cercano a la casa que habitamos. Segundo: con el ndice de la mano derecha imitamos los rayos solares y en la mano izquierda sostenemos la naranja, la vamos moviendo por su rbita y notamos que hay una posicin (y otra al otro lado o o de la rbita) en la cual a medio d el Sol ilumina perpendicularmente la Tierra. En o a, ese momento el rayo de Sol (el ndice) cae exactamente en la direccin del poste de la o luz (el palillo de dientes sobre la naranja). Si las cosas no funcionan es porque al mover la naranja no se observ la conservacin del momento angular. Lo mejor es clavarle un o o lpiz a la naranja para representar su eje de giro y para tener en claro que al moverla a la direccin del lpiz no debe cambiar. o a Imaginemos un poste de luz sobre el Ecuador. El ngulo entre el poste de la luz a y el rayo del Sol var con la poca, a veces es cero, el Sol cae perpendicularmente, a e
100
pero a veces es mucho. El ngulo mximo de inclinacin del Sol con respecto al poste a a o corresponde a una situacin en la cual el poste de la luz, el eje de giro y el Sol estn o a sobre el mismo plano. En ese instante puede medirse el ngulo, a medio d entre el poste de la luz y el a a, rayo de Sol, y dicho ngulo es el que est entre el eje de giro de la Tierra y la normal al a a plano orbital. Este resultado se basa en un hecho geomtrico importante: cuando dos e ngulos agudos tienen lados perpendiculares, ellos miden exactamente lo mismo. a A B 0 Figura 2.43. Angulos con lados perpendiculares. En la grca, el ngulo AOB es agudo, lo mismo que A OB . Adems, el lado AO a a a es perpendicular a A O. Y de igual forma, el lado BO es perpendicular al B O. Eso signica que si el ngulo B OA mide , entonces el ngulo A OB mide 90 . Pero a a como el ngulo A OA es recto, entonces el ngulo BOA debe ser el complementario de a a A OB y por lo tanto debe medir tambin . e B A
Rayo de Sol Poste
Figura 2.44. La inclinacin del eje de giro de la Tierra. o Con esta forma de pensar se ha estimado que el ngulo entre el eje de giro de a la Tierra y la normal al plano orbital es de unos 22 grados. Observemos que si el ngulo fuese de 0 grados, la mayor parte de Canad estar en eterno invierno. En a a a consecuencia, con el ngulo de inclinacin del eje de la Tierra se regula la productividad a o bitica de la Tierra. o 235. Ejercicio de investigacin Investigue si el eje de giro de la Tierra ha camo biado a lo largo de su historia. Si es un movimiento continuo o si ha sido por causa de una hecatombe. Explique cmo se hizo para saberlo, especicando el papel de la geolog o a y de la biolog Qu se espera para el futuro? a. e Podemos jugar un poco ms con nuestra naranja y si de noche la iluminamos a con una linterna podemos observar lo que el polo alejado del Sol est poco o nada a
2.16. EJERCICIOS DE REPASO
101
iluminado por el Sol, este polo est en invierno. El polo cercano al Sol est siendo a a fuertemente iluminado, este polo est en verano. Por eso se puede cultivar papa en a latitudes exageradas de Siberia, el Sol nunca se oculta y la papa puede crecer y dar fruto en los tres meses que dura el verano. En realidad, las estaciones no duran cada una tres meses, la rbita es el o ptica y el Sol est en uno de sus focos. Cuando la Tierra est ms cerca del Sol, sta recorre su a a a e rbita deprisa (para no caerse). Pero cuando la Tierra est alejada, la rbita es recorrida o a o lentamente. Por lo tanto, las estaciones cerca del Sol son cortas. Las estaciones alejadas del Sol, son largas. Midiendo este desbalance podr estimarse la excentricidad de la a elipse orbital. Por otro lado, en el verano los d son largos y en el invierno son cortos. Dar la as a impresin de que la Tierra girara ms despacio en verano y ms rpido en invierno. o a a a Cmo puede suceder si el momento angular de la Tierra se conserva y ella siempre o gira a la misma velocidad angular? Considere la siguiente explicacin: debido a que la o inclinacin del eje de giro de la Tierra no es nula, en casi todos los d hay un hemisferio o as que no slo esta ms cerca del Sol sino que, adems, tiene una rea iluminada mayor o a a a que la del otro. Es decir, tomando un paralelo a la altura de Mxico en verano, no e son 180 los grados iluminados sino que son 200 ms. Por lo tanto, un punto sobre la o a supercie al ir girando permanecer ms tiempo a la luz que en la oscuridad. Los d a a as son ms largos en verano que en invierno. No es esta una razn para insinuar que los a o lazos familiares entre los habitantes, de todas las especies, de altas latitudes deber an ser ms fuertes que entre sus homlogos del trpico? Ser cierto? a o o a Y ahora viene algo preocupante: cuando el Sol se ve al mediod en enero, la casa a mira hacia la izquierda.Pero en junio, al mediod la casa mira hacia la derecha.Por a lo tanto, hay 12 horas de diferencia entre estos dos mediod y no 24 como debiera as ser. Estas doce horas alargan los d de verano y acortan los de invierno. Qu efecto as e podr tener este hecho? a La intrigante sencillez que hemos promovido se ha conseguido a un alto precio pagado a lo largo de muchas generaciones. En particular, la presesin de la tierra fue o estudiada cuantitativamente por Hiparco hacia el 125 antes de nuestra era, pero slo o con Newton pudo ofrecerse una explicacin del porqu. Aristarco pudo lograr lo que o e hizo porque se nutri de una cultura muy desarrollada que ya sab por ejemplo, cmo o a, o medir la distancia de la Tierra tanto a la Luna como al Sol, algo que fue desarrollado por Aristarco de Samos hacia el ao 250 a. J. C. (Gran Enciclopedia Larousse, 1983). n
2.16.
1. Encuentre el ngulo entre los vectores u = (1, 1, 1, 1) y v = (1, 0, 0, 0). a 2. Considere los vectores a = 2i + 3j 2k y b = i + j + k. Calcule: a) Compb a. b) Proyb a. 3. Encuentre los valores de t para los cuales el espacio solucin de AX = 0 es una o recta que pasa por el origen o un plano que pasa por el origen, o slo el origen o o
102
CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES 1 1 t todo R3 , siendo A = 1 t 1 . t 1 1
4. Considere los puntos A(2, 2, 1), B(1, 0, 3) y C(5, 3, 4), en R3 . Halle: a) Las ecuaciones simtricas de la recta L que pasa por los puntos A y C. e b) La ecuacin del plano que contiene a los puntos A, B y C. o c) El rea del tringulo cuyos vrtices son A, B y C. a a e d ) Distancia del punto (2, 3, 4) al plano . e) Punto de interseccin de la recta L y el plano . o 5. Considere el paralelep pedo generado por los vectores u = (1, 4, 1), v = (1, 4, 0) y w = (6, 6, 8) con uno de sus vrtices en el punto A(3, 3, 0). e a) Halle las coordenadas de los 7 vrtices restantes. e b) Determine las coordenadas del punto medio del paralelep pedo. c) Halle la ecuacin de la recta que pasa por dos vrtices opuestos del pao e ralelep pedo. d ) Halle la ecuacin del plano que contiene a la cara superior del paralelep o pedo. e) Halle la distancia entre el punto medio del paralelep pedo y una de sus caras. f ) Halle el rea de una de las caras del paralelep a pedo. g) Determine el volumen del paralelep pedo. h) Halle la ecuacin del plano que est 5 unidades por encima de la cara superior o a del paralelep pedo. i ) Halle la ecuacin de la recta que se encuentra en la cara superior del pao ralelep pedo y que dista 5 unidades de una de las aristas de la cara superior. 6. Encuentre la ecuacin de la recta que pase por el punto (2, 3, 4) y que sea paralela o xy+z =1 a los dos planos 2x + y 3z = 2 7. Hallar el punto Q del plano : 2x + 2y + z = 1 ms cercano al punto P (9, 7, 3). a 8. Encuentre las ecuaciones paramtricas del plano en R3 que pasa por los puntos e (1, 0, 0), (0, 1, 0) y (0, 0, 1). 9. Encuentre una ecuacin lineal simple en tres variables cuyo conjunto solucin sea o o exactamente el plano dado en el inciso a). 10. Sea H = {(x, y, z): x + y = 0} y sea v = (1, 1, 1). Hallar: a) H . b) ProyH v. c) ProyH v.
2.17. RESUMEN
103
2.17.
Resumen
La capacidad de anlisis visual de los mam a feros es algo tan maravilloso, tan eciente, tan poderoso, que la tecnolog moderna a duras penas ha podido imitarla. La a geometr es la plataforma que convierte ese poder visual en una herramienta muy a ecaz para el anlisis de sistemas lineales (y no lineales). Hemos desarrollado el tema a para dos y tres variables, lo cual nos indujo a considerar rectas y planos. Pudimos constatar que al interpretar un sistema de ecuaciones en trminos de planos o rectas, e uno puede predecir si la solucin es unica o si hay innitas soluciones sobre una recta o o si quedan sobre un plano o si no hay solucin. De esa manera, uno sabe de antemano la o forma de la solucin, la cual puede hallarse por cualquier mtodo. Uno quisiera pensar o e que lo dicho de alguna manera se extrapola para problemas con ms de 3 variables. La a verdad es que esta intuicin necesita ser elaborada y es un objetivo que enfrentaremos o en prximos cap o tulos.
104
CAP ITULO
3
EL DETERMINANTE
En el presente cap tulo veremos de qu manera uno puede asociar un nmero llamae u do determinante a una matriz de tal forma que si el determinante es cero, entonces un sistema de ecuaciones generado por la matriz o no tiene solucin o tiene innitas o soluciones, y si el determinante es distinto de cero entonces cualquier sistema generado por la matriz tiene solucin unica. o
3.1.
Idea fundamental
Consideremos un sistema lineal 2 2, el cual representa dos l neas. Si las l neas no son paralelas, ellas se cortan en un punto y la solucin al sistema es unica. Si las o l neas son paralelas, pero no coinciden, no hay solucin. Pero si las l o neas son paralelas y coincidentes, entonces hay un nmero innito de soluciones. u Consideremos ahora un sistema lineal de ecuaciones 33. Cada ecuacin representa o un plano. Si los planos se cortan en un unico punto, la solucin es unica. Si los planos o tienen una l nea en comn o un plano, el sistema tiene innitas soluciones. Y si los u planos son paralelos y diferentes, entonces no hay ninguna solucin. o Existe una manera de tratar de una sola vez por todas no solo ambos casos sino tambin las generalizaciones correspondientes a altas dimensiones. La idea es como e sigue: Consideremos el sistema 2x + 3y = 4 5x 6y = 7 Uno puede gracar las dos l neas, vericar que no son paralelas y que, por lo tanto, se cortan en un unico punto y que por ende la solucin al sistema es unica. Veamos o ahora cmo se puede predecir que la solucin es unica con el determinante. Tenemos 7 o o pasos: Paso 1. El vector (2, 3) es perpendicular a la l nea 2x + 3y = 4, mientras que el vector (5, 6) lo es a la l nea 5x 6y = 7. 105
106
CAP ITULO 3. EL DETERMINANTE
N1 N2
N2 N1
Figura 3.0. A un par de l neas asociamos un paralelogramo determinado por los vectores normales.
Paso 2. Las l neas son paralelas, si lo son los vectores normales y las l neas no son paralelas, si sus vectores normales no lo son. En nuestro ejemplo, los vectores normales no son paralelos, por lo tanto, ya conocemos la respuesta: las l neas se cortan en un unico punto y por consiguiente nuestro sistema tiene solucin unica. Veamos cmo o o obtenemos la misma respuesta por el determinante. Paso 3. Para saber si dos vectores son paralelos, formamos con ellos un paralelogramo y calculamos su rea, a la cual vamos a llamar determinante: si el determinante a es cero, son paralelos, si el determinante no es cero, no son paralelos. Paso 4. Cada l nea tiene una innidad de vectores normales, pero que el determinante asociado a un sistema 22 sea cero o no, es algo que no depende de la escogencia de los vectores normales. Paso 5. Si el rea del paralelogramo determinado por los vectores normales es difea rente de cero, entonces el determinante es diferente de cero. En ese caso, el sistema representado por las l neas tiene solucin unica. Pero si dicha rea es cero, las l o a neas son paralelas y puede ser que nunca se corten, en cuyo caso la solucin es vac o que o a; las l neas coincidan, y en ese caso hay innitas soluciones todas sobre la recta dada. Paso 6. Por lo tanto, si el determinante es diferente de cero, hay solucin unica. Si o el determinante es cero, la solucin no es unica, puede ser porque no exista solucin o o o puede ser porque haya innidad de soluciones. Paso 7. Como todo depende del rea del paralelogramo generado por los vectores a normales, pues debemos calcular dicha rea. Lo haremos en la siguiente seccin, pero a o pondremos la mira en sistemas lineales n n cualesquiera. All no tendremos rea a a sino volumen generalizado, que tambin puede llamarse determinante (aunque hay una e pequea diferencia). n
3.2.
Paralelep pedos = plps
Un paralelep pedo, plp, es la generalizacin a n dimensiones de un paralelogramo. o La descripcin algebraica de un plp se basa en un sencilla observacin: o o
3.2. PARALELEP IPEDOS = PLPS
107
Figura 3.1. Aristas bsicas de un plp. a
Una cara est determinada por dos vectores pues las aristas opuestas son segmentos a paralelos a los vectores dados. Por lo tanto, si se enuncian las aristas o vectores que salen de un vrtice cualquiera, quedarn generadas todas las caras que salen de dicho e a vrtice y adems, todas las otras caras del plp se construyen por paralelismo. Por lo e a tanto, un plp est completamente descrito por las aristas que parten de un vrtice a e dado.
236. Denicin. Un n-plp P anclado en el origen de Rn es un conjunto ordenado o de n vectores P = [u1 , ..., un ], que son las aristas que parten del origen. Ordenamos las aristas diciendo cul es la primera, la segunda,...Observemos que en esta denicin a o slo tenemos las aristas. Uno tambin puede rellenar las caras o rellenar todo el plp. Si o e queremos rellenar todo el plp, se procede as X P relleno ssi X = 1 u1 + ... + n un : donde los escalares i pueden tomar valores entre cero y uno.
237.
Ejemplo Un paralelogramo es un 2-plp. El cubo unitario es un 3-plp dado por
[i, j, k]. A los n-plps se les puede calcular el volumen. El 1-volumen de un 1-plp es la norma del unico vector que lo forma. El 2-volumen de un 2-plp es su rea. El 3-volumen de un a 3-plp es su volumen comn y corriente. Calculemos el 2-volumen de un 2-plp, es decir, u el rea de un paralelogramo. a 238. Teorema. Si un 2-plp est dado por [(a, b), (c, d)] su 2-volumen est dado a a por ad bc (cuando sea negativo, tmese el valor absoluto). o Demostracin. Inscribimos al 2-plp en el rectngulo que tiene todas sus aristas paraleo a las a los ejes y que contiene el origen del plp y el vrtice opuesto. El rea del 2-plp es e a entonces el rea de dicho rectngulo menos el rea de todo lo que est por fuera del plp a a a a pero por dentro del rectngulo: dos tringulos y dos rectngulos y otros dos tringulos. a a a a
108
(a + c, b + d) b c d (a, b) a b a+c c (c, d) d
Figura 3.2. Geometr del determinante. a El rea es entonces a A = (a + c)(b + d) 2[ab/2 + cb + cd/2] = ab + ad + cb + cd ab 2bc dc = ad bc. Observemos que astutamente cuadramos el dibujo para lograr que A = ad bc > 0 y as no tener que preocuparnos por la posibilidad real de obtener una rea negativa. a Eso se debe a que dibujamos los 2 vectores del 2-plp para que quedaran ordenados como el 2-plp [i, j]: si rotamos 90 grados en direccin contraria a las manecillas del reloj al o vector i, se obtiene el vector j. Y eso nos garantiza que nuestro procedimiento para calcular el rea del 2-plp [i, j] d como resultado un nmero positivo. En general, cada a e u forma de ordenar los vectores de un n-plp se llama una orientacin. Todos nuestros o n R estn orientados de la manera natural, la cual es dada por el n-plp unitario, cuyo a jsimo vector tiene un uno en la j-sima coordenada y cero en las dems. Por ejemplo, e e a la orientacin natural de R3 es la de [i, j, k] = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] que tambin o e se llama de la mano izquierda.
239. Ejemplo Calculemos el 2-volumen de [(1, 1), (2, 2)]. Es 1 2 2 1 = 0, lo que signica que dos vectores colineales generan un plp cuyo volumen es cero.
240. Ejercicio Calcule el 2-volumen de los 2-plps dados por a) [(1, 1), (2, 3)] b) [(1, 1), (2, 3)] c) [(0, 1), (1, 0)] d) [(1, 0), (0, 1)]. 241. Ejemplo Usemos la teor del determinante para saber si el sistema siguiente a tiene solucin unica o no: o 2x + 3y = 4 5x 6y = 7
109
El vector (2, 3) es perpendicular a la l nea 2x+3y = 4, en tanto que el vector (5, 6) lo es a la l nea 5x 6y = 7. Como (2, 3) no es un mltiplo escalar de (5, 6), dichos u vectores no son paralelos. Por lo tanto, forman un paralelogramo cuya rea no es cero, a por consiguiente, la solucin es unica. Esa respuesta puede sacarse automticamente o a como sigue: El 2-volumen del paralelogramo generado por los vectores normales es, aplicando ad cb es, (2)(6) (5)(3) = 12 15 = 27. Como el determinante es diferente de cero, los vectores normales no son paralelos, por lo tanto, las l neas correspondientes tampoco, por lo que ellas se cortan en un unico punto, de donde se deduce que el sistema tiene solucin unica. o a 242. Ejercicio Use la teor del determinante para decidir si los siguientes sistemas tienen solucin unica o no. o a) x + y = 2, 2x + 3y = 5 b) x y = 4, 2x 3y = 4 c) y = 4, x = 2 d) x = 4, y = 1. 243. Denicin. El determinante de un 2-plp denido por [(a, b), (c, d)] es o ad bc y se nota como Det(P ) = a c b d = ad bc.
El 2-volumen es igual al valor absoluto del determinante. Nuestra notacin se generaliza naturalmente a n-plps: el 3-volumen de un 3-plp o P = [(a, b, c), (d, e, f ), (g, h, i)] ser el nmero notado a u a d g b e h c f i
Det(P ) =
Calcular este nmero por geometr para que represente el volumen de una caja u a es todo un reto que cada quien puede enfrentar. Pero en realidad eso es bastante ms a complicado y menos general que el siguiente proceso algebraico. 244. Teorema. El 2-det tiene las siguientes propiedades: a) Det(u, u) = 0, un plp generado por un solo vector tiene volumen cero. b) Det(u, v) = Det(u, v), si se alarga una arista del plp, su volumen se amplica consecuentemente. c) Det(u, v) = Det(v, u), una permutacin de los vectores o aristas cambia el o signo. Se dice que el determinante es una funcin alternada. o d) Det(u, v + w) = Det(u, v)+Det(u, w), la suma en cada entrada del determinante se reparte. Teniendo en cuenta esta propiedad y la b, se dice que el determinante es multilineal.
110
e) Det(i, j) = 1, el volumen del 2-plp unitario es 1. f) El determinante tiene signo ms o menos, y para hallar el rea se toma el valor a a absoluto. 245. Ejercicio Ilustre grcamente el teorema anterior para que parezca obvio. a o 246. Ejercicio Explique la siguiente contradiccin: det pero por otro lado: 2 4 6 8 1 2 3 4 1 2 3 4 2 4 6 8 = 16 24 = 8
Det
= Det 2
= 2Det
= 2(4 6) = 4.
247. Denicin. El determinante es un nmero asociado a un n-plp y que goza o u de la generalizacin natural de todas las propiedades dadas en el teorema 244 para 2D. o 248. Ejemplo Calculemos el 3-volumen de P = [(a, b, c), (d, e, f ), (g, h, i)].
Desarrollo. Para utilizar las propiedades del determinante, reescribimos el plp P en notacin vectorial y no de coordenadas: o P = [(ai + bj + ck), (di + ej + f k), (g i + hj + ik)]. Tenemos Det(P ) =Det(ai + bj + ck, di + ej + f k, g i + hj + ik) Ahora repartimos las sumas de la primera entrada: Det(P ) =Det(ai, di + ej + f k, g i + hj + ik)+Det(bj, di + ej + f k, g i + hj + ik)+ +Det(ck, di + ej + f k, g i + hj + ik). Repartamos las sumas de la segunda entrada en el primer rengln de la expresin o o anterior: Det(ai, di+ej +f k, g i+hj +ik) = Det(ai, di, g i+hj +ik)+ Det(ai, ej, g i+hj +ik)+ +Det(ai, f k, g i + hj + ik). Repartimos las sumas de la tercera entrada del primer rengln: o Det(ai, di, g i + hj + ik) = Det(ai, di, g i)+ Det(ai, di, hj)+ Det(ai, di, ik). Sacamos las constantes: Det(ai, di, g i + hj + ik) = adgDet(i, i, i)+ adhDet(i, i, j)+ adiDet(i, i, k). Observemos que el volumen de un 3-plp apachurrado (que cabe en un plano) es cero. Por esto los tres determinantes anteriores dan cero: Det(i, i, i) = Det(i, i, j) = Det(i, i, k) = 0 Reexionemos ahora un poco, en un determinante casi todo da cero. Qu es lo e que no da cero? Pues slo aquellos casos en los cuales llegamos a un plp elemental (un o cubo permutado) no apachurrado. Por tanto,
3.2. PARALELEP IPEDOS = PLPS Det(P ) = Det(ai + bj + ck, di + ej + f k, g i + hj + ik) =Det(ai, ej, ik)+ Det(ai, f k, hj)+ Det(bj, di, ik)+ Det(bj, f k, g i)+ +Det(ck, di, hj)+ Det(ck, ej, g i). Sacamos las constantes: = aeiDet(i, j, k)+ af hDet(i, k, j)+ bdiDet(j, i, k)+ bf gDet(j, k, i)+ +cdhDet(k, i, j)+ cegDet(k, j, i).
111
Permutemos los vectores para convertirlos en un cubo unitario con determinante positivo: aeiDet(i, j, k) = aei af hDet(i, k, j) = af hDet(i, j, k) = af h bdiDet(j, i, k) = bdiDet(i, j, k) = bdi bf gDet(j, k, i) = bf gDet(j, i, k) = bf gDet(i, j, k) = bf g cdhDet(k, i, j) = cdhDet(i, k, j) = cdhDet(i, j, k) = cdh cegDet(k, j, i) = cegDet(k, i, j) = cegDet(i, k, i) = cegDet(i, j, k) = ceg. Resumiendo: Det(P ) = Det(ai + bj + ck, di + ej + f k, g i + hj + ik) = aei af h bdi + bf g + cdh ceg = a(ei f h) d(bi ch) + g(bf ce). Lo anterior se puede reescribir de una manera muy nemotcnica, si se entiende que e el determinante de las matrices con estrellas es el determinante de las matrices 2 2 que quedan al quitar las estrellas: a d g Det(P ) = b e h c f i = aDet e h dDet b h + gDet b e c f c i f i
249. Ejemplo Usemos el Det para calcular el 3-volumen del 3-plp [(1, 1, 6], (2, 3, 2), (3, 5, 4)]. 1 2 3 Det(P ) = 1 3 5 6 2 4 = 1Det 3 5 2Det 1 5 + 3Det 1 3 6 2 6 4 2 4
= a(ei f h) d(bi ch) + g(bf ce)
= 1(3 4 2 5) 2(1 4 6 5) + 3(1 2 6 3) = 2 2(34) + 3(20) = 2 + 68 60 = 10.
112
250. Denicin. El determinante de una matriz n n es el determinante del o n-plp denido por las columnas de la matriz. De esta forma podemos identicar una matriz con el plp formado por sus columnas. 251. Ejercicio Calcule los siguientes determinantes.
1 0 3 a) 1 3 5 6 1 4 7 5 3 b) 1 3 3 2 0 5 1 2 3 2 c) 7 8 1 1 1 d) 1 0 3 0 3 0 6 1 4
252. Teorema. Para una matriz A, n n, y un escalar k tenemos que Det(kA) = k n DetA Demostracin. El determinante de A es el determinante del n-plp formado por las o columnas de A, los cuales son vectores de Rn . Podemos escribir Det(A) = Det(c1 , c2 , ..., cn ) donde las ci son las columnas de A. Multiplicar A por k signica multiplicar cada entrada de A por k, y por lo tanto, cada columna tambin queda multiplicada por k: e Det(kA) = Det(kc1 , kc2 , ..., kcn ) Teniendo en cuenta que el determinante es multilineal, la constante puede salir de la primera columna: Det(kA) = kDet(c1 , kc2 , ..., kcn ) y tambin puede salir de la segunda: e Det(kA) = k 2 Det(c1 , c2 , ..., kcn ) y saliendo de todas, obtenemos: Det(kA) = k n Det(c1 , c2 , ..., cn ) = Det(A). Para memorizar este resultado, lo que uno tiene que tener en cuenta es que si uno tiene un rectngulo de rea ab, y si cada lado se multiplica por k, el rea se convierte a a a en (ka)(kb) = k 2 ab.
113
253. Ejercicio Hemos denido el determinante de una matriz nn como el Det del n-pln denido por sus columnas. Pero las matrices vienen de sistemas de ecuaciones y nosotros introdujimos los determinantes para que representaran el volumen del n-plp formado por los vectores normales a cada l nea, plano o correspondiente generalizacin. o Dichos vectores normales pueden leerse directamente en los renglones de la matriz y no en las columnas. Acaso denimos mal el determinante de una matriz? Nos interesa el determinante para decidir si un sistema de ecuaciones tiene solucin o unica o no. Una de las formas como esa decisin puede justicarse es como sigue: o Cada ecuacin de un sistema de n ecuaciones con n incgnitas representa una entio o dad geomtrica llamada hiperplano. En un sistema nn uno considera la interseccin e o de n hiperplanos. Si ellos se cortan en un unico punto, el sistema correspondiente tiene solucin unica. Si hay al menos dos de ellos paralelos, pero que no se toquen, la solucin o o es vac Si todos los hiperplanos coinciden, la solucin es el hiperplano de coincidencia. a. o Para determinar la forma de interseccin entre los hiperplanos, calculamos el determio nante del n-plp formado por los vectores normales asociado al conjunto de hiperplanos. Si dicho volumen es cero, hay paralelismo entre los vectores normales y, por tanto, o hay una innidad de soluciones o no hay solucin. Si dicho volumen no es cero, los o hiperplanos van cada uno por su lado y, por lo tanto, se cortan en un unico punto y la solucin al sistema es unica. o En cierta forma, ya hemos terminado de ver la teor referente a sistemas lineales a con una unica solucin. Eso se debe a que una vez sepamos que la solucin es unica, o o uno puede buscarla por cualquier mtodo, reemplazar para vericarla y olvidarse de e soluciones espurias. Pero cuando la solucin no es unica, nos queda por averiguar si las o soluciones quedan, por ejemplo, sobre un plano o si quedan sobre una l nea o si no hay solucin. Por eso que la teor de sistemas lineales es algo que nos va a llevar tiempo y o a requerir nuevos puntos de vista que elaboraremos a partir del prximo cap a o tulo. 254. Ejercicio Asocie un sistema de ecuaciones a cada una de las matrices del ejemplo 251 y prediga si dicho sistema tiene solucin unica o no. o Segn hemos visto, el determinante es un nmero, un escalar, que determina si la u u solucin de un sistema lineal es unica o no. Usando el mismo protocolo que en el clculo o a del determinante, uno puede asociar a un par de vectores en el espacio 3D un tercer vector, llamado producto cruz, que es perpendicular a los dos primeros. En el protocolo del producto cruz usamos los s mbolos i, j, k para indicar vectores de largo uno en las direcciones de los ejes coordenados. 255. Notacin para el producto cruz. Sea u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ), o notamos el producto cruz entre esos dos vectores mediante el siguiente simbolismo: i j k u v = Det u1 u2 u3 v1 v2 v3
Recalquemos que en el primer rengln hay vectores, pero en los otros dos van o coordenadas. Por eso, lo que nuestra denicin dice es que se calcule simblicamente o o
114
este determinante usando las mismas reglas del determinante ordinario, pero que el resultado se interprete como un vector, cuyas componentes son las siguientes:
uv
Figura 3.3. El producto cruz.
= iDet u2 u3 jDet u1 u3 + kDet u1 u2 v1 v2 v1 v3 v2 v3 256. Ejemplo Calculemos (1, 2, 3) (4, 5, 6) y veriquemos que es perpendicular a ambos vectores: i j k 1 2 3 4 5 6 = iDet 2 3 jDet 1 3 + kDet 1 2 4 5 4 6 5 6
= i(3) j(6) + k(3) = 3i + 6j 3k = (3, 6, 3) Veriquemos la perpendicularidad: (1, 2, 3) (3, 6, 3) = 3 + 12 9=0 (4, 5, 6) (3, 6, 3) = 12 + 30 18 = 0.
257. Ejercicio Demuestre que el producto cruz cumple las propiedades siguientes: a) Si los dos vectores que se van a multiplicar estn en el plano XY, la tercera coa ordenada es cero y el producto cruz coincide con el determinante de los vectores considerados como elementos del plano (con dos coordenadas). En ese caso, demuestre que u v = u ||v sen , donde es el ngulo entre los dos vectores, lo a cual da el rea del plp expandido por los dos vectores. a
115
b) Sin un slo clculo, demuestre que para cualquier par de vectores del espacio se o a cumple que u v = u ||v sen . c) Demuestre que el 3-volumen de un 3-plp [u, v, w], que es igual al valor absoluto de su determinante, tambin es igual al valor absoluto de (u v) w. e 258. Ejemplo y ejercicio Cuando el determinante de la matriz asociada a un sistema de n ecuaciones de n incgnitas es diferente de cero, el sistema tiene solucin o o unica. Dicha solucin puede escribirse en trminos de determinantes. Para un sistema o e 2 2 de la forma ax + by = m cx + dy = n la solucin puede escribirse como: o m Det n x= a Det c
lo cual puede probarse por sustitucin directa (ejercicio). o 259. Ejercicio Observe la estructura de las expresiones de la solucin del ejemplo o anterior y generalice para sistemas de 3 incgnitas con 3 ecuaciones que tengan soluo cin unica. Invente una notacin que pueda generalizarse para cualquier sistema de n o o ecuaciones con n incgnitas. o
b d b d
a Det c y= a Det c
m n b d
260. Ejercicio Invente ejercicios que ilustren los descubrimientos hechos en el ejercicio anterior. 261. Ejercicio Demuestre que el determinante de una matriz escalonada superior (que tenga ceros abajo de la diagonal) es el producto de los elementos de la diagonal. 262. Intriga Debido a que en las aplicaciones uno puede encontrarse con sistemas de muchas variables, vale la pena preguntarse cul podr ser una manera eciente a a de calcular determinantes de matrices grandes. A la luz del resultado del ejercicio anterior, valdr la pena escalonar la matriz original (se transforma por Gauss-Jordan a en otra que tenga ceros debajo de la diagonal). El determinante de la matriz original seguramente est relacionado con el determinante de la matriz escalonada. Pero, e cmo? o La orientacin tiene importancia en muchas reas de la ciencia. La idea o a de determinante surgi de la necesidad de calcular volmenes de plps en cualquier o u dimensin. Por eso siempre hab o amos tomado el valor absoluto del determinante y el signo lo ignorbamos. Pero en realidad, el signo del determinante tiene una utilidad a sin igual y es que distingue la mano derecha de la izquierda.
116
En efecto, si el dedo pulgar de la mano izquierda representa el eje X (i), el anular el Y (j) y el ndice el Z (k), la mano izquierda genera el plp [i, j, k] cuyo determinante es +1. Decimos que la orientacin de la mano izquierda es el Det[i, j, k], en ese orden, y o que la mano izquierda tiene orientacin positiva. En contraste, la mano derecha tiene o orientacin negativa: si el dedo pulgar de la mano derecha representa el eje X (i), el o anular el Y (j) y el ndice el Z (k), la mano derecha genera un plp, para lo cual primero se numera el piso, de izquierda a derecha y despus el eje Z y el plp es (j, i, k) cuyo e determinante es 1. Decimos que la orientacin de la mano derecha es el Det(i, j, k), en o ese orden, y que la mano derecha tiene orientacin negativa. Cient o camente, la forma como se numeran los elementos de un plp se llama quiralidad y uno habla de quiralidad derecha o izquierda. La quiralidad es notada usualmente como L(left) o R(right) pero a los qu micos les gusta R la primera letra de la palabra latina rectus (derecha) o S, la primera letra de la palabra latina sinister (izquierda). El problema de la quiralidad se reduce algunas veces a distinguir si se est a la a derecha o a la izquierda de un eje de referencia y, por ende, a denir la forma como un objeto es asimtrico. Un caso que siempre causa curiosidad se relaciona con las e mutaciones que cambian la posicin de los rganos del cuerpo. En la gran mayor o o a de humanos, el corazn, el pncreas y el bazo quedan a la izquierda, mientras que el o a h gado queda a la derecha. Pero de vez en cuando los noticieros reportan un mutante que tiene todo al revs y que se desenvuelve tan bien como los normales. e El problema de la quiralidad en qu mica consiste en predecir por las leyes de la f sica el origen de la quiralidad molecular, la forma espacial adoptada por algunas molculas que se orientan, bien como la mano derecha, bien como la izquierda en vez e de ser simtricas. La mecnica cuntica es en principio la que tiene la palabra, la e a a cual es, sin exagerar, un cap tulo del lgebra lineal y ella predice que no debe haber a distincin entre derecha e izquierda. La prediccin de la mecnica cuntica es fcil o o a a a de entender: la diferencia entre derecha e izquierda se percibe en mecnica cuntica a a por un signo que puede ser positivo o negativo. Pero en mecnica cuntica, dicho signo a a aparece al cuadrado, por tanto, no importa el signo, lo cual quiere decir que la mecnica a cuntica no puede distinguir entre derecha e izquierda y, por lo tanto, no puede explicar a estructuras asimtricas. Sin embargo, muchas molculas tienen quiralidad, asimetr e e a espacial. Este problema ha llegado a ser tan grande que se enmarca dentro de una temtica desaante: cmo nacen las propiedades de los sistemas complejos que desaf a o an las leyes establecidas para sistemas simples? (Primas, 1983). La orientacin o quiralidad es importante en bioqu o mica: muchos tipos de molculas e de los seres vivos forman estructuras espaciales y pueden quedar como la mano izquierda L o como la derecha R. Todos los aminocidos, los componentes de las prote a nas, son L. La dextrosa es R. Diversas molculas pueden tener la misma frmula estructural e o pero diferente organizacin espacial y conllevar a diversas propiedades biolgicas. La o o forma como llegamos a saberlo fue porque un compuesto llamado talidomida, que se usaba como sedante en los aos 1950, produjo unos 10.000 bebs en todo el mundo con n e malformaciones genticas. Investigando, se lleg a la conclusin de que la causa ten e o o a que ver con la organizacin espacial de los tomos en formas quirales (Talidomida en o a Wikipedia, 2009). La quiralidad es importante en antropolog las formas R y L de un sitio orientable a:
117
de una molcula no son estables sino que, debido al efecto tnel de la mecnica cuntica, e u a a una molcula puede cambiar de una estructura a la otra. Eso lleva tiempo y para los e aminocidos la vida media del estado L es alrededor de un milln de aos, lo cual a o n permite estimar la edad de fsiles muy antiguos (Snakey, 2009). o La orientacin tambin es importante en f o e sica de part culas elementales, por ejemplo, algunos experimentos no se pueden explicar a menos que se asuman neutrinos de quiralidad izquierda (Halzen y Martin, 1984). El siguiente ejercicio muestra un detalle de cmo se vive la orientacin en geometr o o a diferencial y f sica matemtica (Nash y Sen, 1983). a 263. Ejercicio La cinta de M obius es como un cinturn que antes de cerrarlo se le o da media vuelta a la correa y al cual se le recorta la parte de cuero que quede fuera de la chapa. a) Pruebe experimentalmente que la cinta de M obius tiene slo una cara. Es decir, o si uno da un recorrido cerrado a lo largo de la cinta, uno termina recorriendo toda la correa por ambas caras del cinturn. o b) Dibuje sobre un pedacito de papel el plp [i, j]. Ponga el papelito sobre la cinta de tal forma que parezca el plano XY. Transporte el plp sin girarlo a lo largo de la cinta hasta que llegue al mismo lugar. Demuestre que despus de un viaje cerrado, el e plp original se transforma en [i, j]. Por eso decimos que la cinta de M obius no es orientable.
3.3.
1. Use la geometr del determinante para decidir si los siguientes sistemas tienen a solucin unica o no. Por favor, haga grcas adecuadas que demuestren la natuo a ralidad de todos los conceptos utilizados. (a) x = 1, y = 2. (c) x + y = 1, 2x 3y = 4. (b) x y = 2, 2x 9y = 5.
(d) x = 0, y = 0, z = 0. (e) x = 1, y = 1, z = 1.
(f) x + y + z = 1, x y + z = 2, x y z = 3. 2. Sea A una matriz 4 4 con Det(A) = 3, halle Det(2A). 3. Sean A, B matrices 4 4 con Det(A) = 3 y Det(B) = 8. Halle Det(2A + 9B). 4. Calcule el volumen del plp generado por los 3 vectores: (1, 1, 1), (2, 1, 3), (1, 3, 1). Use dos mtodos, el del determinante y el otro que utiliza tanto el producto cruz e como el producto punto. 5. Halle por el mtodo de Kramer las soluciones a los sistemas de ecuaciones del e punto uno.
118
3.4.
Resumen
El determinante de una matriz M es un nmero que predice si un sistema de u ecuaciones asociado a M tiene solucin unica o no. Si el determinante es diferente o de cero, el sistema tiene solucin unica, la cual puede buscarse por cualquier mtodo, o e por ejemplo, por Kramer. Pero si el determinante es cero, puede pasar que no haya solucin o que haya una innidad de soluciones. Nosotros sabemos esto y tambin o e sabemos claramente el porqu. e
CAP ITULO
4
DEPENDENCIA E INDEPENDENCIA LINEAL
Cuando un sistema tiene solucin unica, lo cual puede averiguarse con el determio nante, uno puede hallar la solucin por cualquier mtodo, vericarla e interpretarla o e como un punto en el espacio. Y ya no hay nada ms qu hacer. Pero cuando la solucin a e o no es unica, los problemas empiezan con la incertidumbre de no saber si no hay solucin o o si hay una innidad de soluciones que quedan tal vez sobre una recta, o sobre un plano o sobre algo ms extendido. Para resolver esa incertidumbre necesitamos profuna dizar la temtica. Curiosamente, eso no implica grandes maravillas sino simplemente a aclarar los pequeos detalles que andan por ah medio perdidos entre tanto material y n ponerlos a funcionar en una gran maquinaria. Un primer detalle es la posibilidad de combinar los elementos de un EV con multiplicacin por escalares y sumndolos entre ellos. Comenzamos elaborando esa posibilio a dad con el estudio del plano R2 . Resulta que su dimensionalidad dos no juega ningn u papel especial y que algunos conceptos importantes vlidos en el plano tienen sentido a en tanto en cualquier dimensin como en cualquier espacio vectorial, como puede ser o el espacio de los polinomios de grado menor o igual que n.
4.1.
Combinaciones lineales
Los elementos del plano R2 se notan (x, y) que de acuerdo con Descartes inmediatamente dan la posicin donde queda dicho elemento. Hagamos la siguiente observacin: o o (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1) lo que esto signica es que cualquier punto del plano XY es simplemente un resultado de combinar apropiadamente el conjunto de vectores {i = (1, 0), j = (0, 1)}. En el presente contexto, combinar vectores signica simplemente multiplicar por constantes y sumar. En general, los vectores pueden sumarse, y un vector cualquiera puede multiplicarse por una constante. Por ahora, no tenemos ningn modo general de multiplicar u vectores en cualquier EV de tal forma que el resultado del producto sea un vector. Hay que advertir que nosotros hemos considerado el producto interno pero tal producto da nmeros y no vectores; tambin consideramos el producto cruz, pero lo denimos por u e 119
120
CAP ITULO 4. DEPENDENCIA E INDEPENDENCIA LINEAL
una construccin que ten sentido slo en 3 dimensiones. As que no tenemos multio a o plicacin de vectores ni mucho menos divisin. Con lo permitido hasta ahora, dados o o dos vectores u, v todo lo que puede hacerse se reduce a multiplicarlos por un escalar y luego sumarlos, produciendo as lo que llamamos una combinacin lineal de los dos o vectores. Espec camente tenemos: 264. Denicin. Dado un conjunto de vectores B = {v1 , v2 , ..., vn } de un espacio o vectorial V , una combinacin lineal de B es una expresin del tipo o o w = 1 v1 + 2 v2 + ... + n vn con 1 , 2 , ..., n nmeros reales. u o 265. Ejemplo y contraejemplo El vector (2, 13) es combinacin lineal del conjunto B = {(1, 3), (4, 5)} pues 6(1, 3) (4, 5) = (6, 18) (4, 5) = (2, 13) (se sobreentiende que estamos trabajando en R2 ). Sin embargo, el vector (1, 1) no es combinacin lineal o del conjunto B = {(1, 0), (3, 0)} pues si as fuese, existir constantes y tales que an (1, 1) = (1, 0) + (3, 0) lo cual implicar que (1, 1) = ( + 3, 0) de donde se deduce, a mirando las segundas coordenadas, que 1 = 0 lo que es una contradiccin. o 266. Denicin. Dado B subconjunto nito de un espacio vectorial V, el conjunto o generado por B es el conjunto que rene todas las combinaciones lineales que se pueden u hacer con los elementos de B y se nota gen(B). 267. Ejemplo y contraejemplo Tomemos el plano R2 :
La igualdad (x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1), donde x, y son reales, dice que el plano R2 es el conjunto de todas las combinaciones lineales de {i, j} o que el plano es generado por el conjunto de vectores {i, j}. Cuando x > 0, y > 0 se genera el primer cuadrante. Si x < 0, y > 0 se genera el segundo cuadrante. Si x < 0, y < 0 se genera el tercer cuadrante. Si x > 0, y < 0 se genera el cuarto cuadrante. Pero, por otra parte: (x, y) = (x, y) = (x, 0) + [(0, y]) = x(1, 0) + (y)(0, 1) lo cual dice que el plano tambin es el conjunto de todas las combinaciones lineales e de {i, j}. Ms an, el conjunto de vectores D = {u = (1, 1), v = (1, 1)} tambin genera a u e todo el plano. Eso se demuestra probando que los vectores que generan el plano, {i, j}, tambin son generados por D. En efecto : (1, 1) (1, 1) = (2, 0) por lo que e i = (1/2)(1, 1) (1/2)(1, 1). Adems, (1, 1) + (1, 1) = (0, 2) por lo que a j = (1/2)(1, 1) + (1/2)(1, 1). Sin embargo, el plano no es generado por el conjunto de vectores D = {u = (1, 1), v = (3, 3)}, pues ambos vectores de ese conjunto generan la misma l nea. Es decir, las combinaciones lineales de {u, v} producen la misma l nea que las combinaciones lineales de {u} o {v}. De esta manera se distinguen 2 clases de conjuntos de vectores. Veamos la primera: 268. Denicin. Un conjunto de vectores se dice que es LD (linealmente o dependiente) cuando uno cualquiera de ellos es combinacin lineal de los otros. Es o decir, cuando hay redundancia de vectores en el conjunto.
4.1. COMBINACIONES LINEALES Podemos claricarlo un poco mejor:
121
269. Teorema. Si un conjunto nito de vectores B es linealmente dependiente, entonces existe la forma de quitarle algn vector, notmoslo w, de tal forma que el u e conjunto resultante B {w} queda generando el mismo conjunto que B. Demostracin. Supongamos que un vector cualquiera de ellos, notmoslo w, es combio e nacin lineal de los otros, w = 1 v1 + 2 v2 + ... + n vn , con lo cual estamos diciendo que o B = {v1 , ..., vn , w}. Entonces una combinacin lineal cualquiera de B es una expresin o o del tipo z = 1 v1 + ... + n vn + w = 1 v1 + ... + n vn + (1 v1 + 2 v2 + ... + n vn ) lo cual es una combinacin lineal del conjunto en el cual w no aparece. Por lo que o w no aade nada nuevo y puede ser suprimido sin que B pierda capacidad generatriz. n 270. Comentarios y ejercicios En la demostracin del teorema anterior usamos o la poderosa capacidad humana de razonar y no fuimos muy formales. Con todo, es conveniente tener presente lo que la formalidad exige. En primer trmino, podemos e escribir el teorema anterior as si un conjunto nito B es LD entonces existe w B : tal que gen(B) = gen(B {w}). Ahora bien, para demostrar que dos conjuntos A y B son iguales hay que demostrar dos cosas, que A B, el primer conjunto est contenido en el segundo (que todos a los elementos del primer conjunto estn en el segundo) y viceversa, que B A o a sea que el segundo conjunto est contenido en el primero (todos los elementos del a segundo conjunto estn en el primero). Pues bien, nuestra demostracin solamente a o prueba que gen(B) gen(B {w}). Pero faltar hacer la segunda parte y demostrar a que gen(B {w}) gen(B). No lo hicimos porque nos parece obvio que si un conjunto est contenido en otro entonces sus conjuntos generados guardan la misma relacin. a o Por otro lado, tambin es cierto que si para un conjunto nito B se tiene que existe e w B tal que gen(B) =gen(B {w}), entonces ese conjunto es LD. Demostrarlo queda de ejercicio. Reuniendo el teorema con el ejercicio podemos decir sucintamente: un conjunto nito B es LD ssi (si y slo si) existe w B tal que gen(B) =gen(B {w}). Vemos o que para demostrar una proposicin de la forma o p ssi q hay que demostrar dos cosas, que a partir de p se puede concluir q y que de q se puede concluir p. No todos los conjuntos de vectores son LD, y como son tan importantes, merecen un nombre. 271. Denicin y ejemplo. Un conjunto es LI (linealmente independio ente) si no es LD. Por ejemplo, el conjunto {i, j} es LI. Lo mismo el conjunto {(1, 2), (1, 3)}.
122
Decimos que un conjunto A es estrictamente mayor que otro B cuando A contiene a B, pero A tiene al menos un elemento ms que B. a 272. Teorema y ejercicio. Un conjunto de vectores B es LI ssi todo elemento de B es esencial en el sentido que el conjunto generado por B es estrictamente mayor que el generado por el conjunto que resulta de quitarle un vector cualquiera a B. Demostracin: ejercicio o
4
(2,4) (-1,3)
(1,2)
-1
(0.5,-1.5)
-2 -2 -1 0 1
(1,-2) 2
Figura 4.0. Conjuntos LD: {(1, 2), (2, 4)}, {(1, 2), (2, 4), (1, 3)}, {(1, 3), (0,5, 1,5)}. Conjuntos LI: {(1,2), (-1,3)}, {(1,2),(0.5,-1.5)},{(-1,3)(0.5,-1.5)},{(2,4),(1,-2)}.
273. Interpretacin geomtrica. Los conceptos LD, LI tienen contraparte geoo e mtrica que en algunos casos simplica las tareas. Citemos algunos ejemplos: e Primero que todo, consideremos dos vectores no nulos paralelos, el uno mltiplo del u otro. El primero determina una l nea. El segundo determina la misma l nea. Los dos juntos determinan la misma l nea: son redundantes. Son dependientes. Pero si los dos vectores dan l neas diferentes, entonces, ellos forman un conjunto LI, pues cada vector da informacin independiente. o Consideremos el conjunto formado por el vector nulo y otro vector no nulo. El vector nulo genera el origen. El otro vector genera una l nea que pasa por el origen. El vector nulo es redundante: no da nada que no est en el espacio generado por el e segundo vector. Este conjunto es dependiente. El vector i = (1, 0) genera el eje X, y el vector j = (0, 1) genera el eje Y. Entre los dos generan todo el plano. Si a dichos ejes se les rota, dentro del plano, por separado para que el ngulo entre ellos quede agudo u obtuso o al revs, de todas formas generarn a e a todo el espacio, a menos que queden superpuestos o paralelos.
4.1. COMBINACIONES LINEALES
123
Consideremos 3 vectores en el plano en direcciones distintas. Ellos generan 3 l neas diferentes. Y, sin embargo, forman un conjunto LD, la razn es que entre dos l o neas generan un plano. La tercera l nea no agrega nada nuevo. La tercera l nea es redundante. Al igual que la primera es redundante con respecto a las otras dos. En denitiva, en el conjunto de las 3 l neas hay redundancia. El conjunto de los 3 vectores es un conjunto LD. Consideremos 3 vectores en el espacio no totalmente contenidos en un plano. Forman un conjunto LI. Pero si tomamos 4 vectores en el espacio, el conjunto formado es LD, pues entre los 4 hay uno, al menos, que no aade informacin independiente de la que n o ya aportan los otros. 274. Ejercicio Por inspeccin grca diga cules de los siguientes conjuntos de o a a vectores son linealmente independientes. 1. {(1, 1), (2, 3)} 2. {(1, 1), (1, 1)} 3. {(1, 1)} 4. {(1, 1), (0, 0)} 5. {(1, 1), (2, 2)} 6. {(1, 2), (2, 3), (1, 2)} 7. {(1, 2, 3)} 8. {(1, 2, 3), (2, 4, 6)} 9. {(1, 2, 3), (2, 4, 7)} 10. {(1, 2, 3), (2, 4, 7), (1, 0, 0)} 11. {(1, 2, 3), (2, 4, 7), (1, 0, 0), (0, 0, 1)} 12. Una fbrica produce sillas y escritorios, cuyas cantidades relativas con respecto a a la media las notamos (x, y). Observe cada uno de los conjuntos anteriores con vectores de R2 y prediga si se trata de fbricas clonadas u originales. Considere ahora a los vectores con tres coordenadas y piense en (sillas, escritorios, archivadores) y tome los conjuntos de g) a k) y resuelva la misma pregunta. Existe una forma totalmente automtica de decidir si un conjunto de vectores a es LD o no. La idea es simple y su prueba lo es an ms. Observemos el conjunto u a S = {(1, 1), (2, 2)}. Este conjunto es LD puesto que el subconjunto s = {(1, 1)} genera la misma l nea que S. Por eso, (2, 2) es redundante con respecto a s: es suciente ver que 2(1, 1) = (2, 2). O, lo que es lo mismo, 2(1, 1) (2, 2) = (0, 0). Existe otra forma de leer esa igualdad: si comenzamos un viaje desde el origen y viajamos hasta 2(1, 1) y despus viajamos al revs de (2, 2), entonces retornamos al origen: podemos hacer un e e
124
viaje redondo (que llega al mismo lugar de partida) combinando los elementos de S, empezando y terminando en el origen. 275. Ejemplo La suma (3, 1) + (1, 2) = (4, 3) dice que el conjunto S = {(1, 2), (3, 1), (4, 3)} es LD. Pero esto es equivalente a decir que (3, 1) + (1, 2) (4, 3) = (0, 0), lo cual expresa que si comenzamos desde el origen y viajamos hasta (3, 1) y despus caminamos lo e equivalente a (1, 2) y despus retrocedemos lo equivalente a (4, 3), entonces retornamos e al origen.
3
0 0 1 2 3 4
Figura 4.1. Un viaje redondo con un conjunto LD. Pero cuando el conjunto S es LI, nosotros no podemos hacer un viaje redondo que empiece y termine en el origen a menos que aniquilemos todos los elementos de S multiplicndolos por la constante cero. Veamos cmo funciona eso para el conjunto a o {(1, 1), (1, 1)}. Supongamos que podemos hacer un viaje redondo a partir del origen, i.e. supongamos que existen escalares , tal que (1, 1) + (1, 1) = (0, 0) (, ) + (, ) = (0, 0) ( , + ) = (0, 0) Esto nos da un sistema de dos ecuaciones con dos incgnitas: o = 0, + = 0 Sumando obtenemos = 0 y restando queda que = 0. Es decir, la unica forma de hacer un viaje redondo es anulando los recorridos. 276. Teorema del viaje redondo. Un conjunto B es LI ssi el unico viaje redondo que permite es el viaje nulo. Un conjunto B es LD ssi existe un viaje no nulo redondo que combina los elementos de B. Demostracin. Si el conjunto B es LD, uno de sus vectores es redundante, notmoslo o e w, puede ser expresado como combinacin lineal de los otros y obtenemos una expresin o o al estilo w = 1 v1 + ... + n vn donde no todos los escalares son cero y con lo cual estamos diciendo que B = {v1 , ..., vn , w}. Esta expresin es equivalente a: o w 1 v1 ... n vn w = 0
4.1. COMBINACIONES LINEALES
125
Partiendo de la suposicin de que B es LD hemos construido un viaje no nulo y o redondo que empieza y termina en el origen. Rec procamente: si tenemos partiendo del origen un viaje no nulo y redondo con elementos de B, tenemos una expresin de la forma o 1 v1 + ... + n vn = 0 con algn coeciente i distinto de cero y con lo cual estamos notando a B de u la forma B = {v1 , ..., vn }. Se puede dividir por dicho coeciente, pues no es cero, y despus se puede despejar el correspondiente vi : e vi = (j1 /i )vj1 ... (jn1 /i )vjn1 con lo que estamos probando que si B permite un viaje redondo no nulo entonces B es LD pues tiene un vector redundante. Esa notacin complicada corresponde a una o renumeracin y es la forma de decir que el vector vi ya no aparece en la combinacin o o lineal de la izquierda.
277. Ejercicio Use el teorema del viaje redondo para escribir pruebas formales de los hechos que por intuicin usted encontr en el ejercicio 274. o o Cuando hablamos de combinaciones lineales, hablamos de lgebra, pues hacemos a operaciones algebraicas. Cul es el equivalente geomtrico de dependencia o indepena e dencia lineal? Supongamos que estamos en el plano, sobre el cual dibujamos un 2-plp. Si uno de sus lados es cero, el rea del plp es cero. Si las dos aristas fundamentales del plp a son paralelas, formando un conjunto LD, su rea tambin es cero. Pero si las aristas a e fundamentales no son paralelas, entonces stas expanden un plp cuya rea no es cero e a y por consiguiente su determinante tampoco es cero. Esto signica que si un 2-plp es generado por un conjunto LI, su determinante no puede ser cero. Pasemos ahora a 3D, en donde tomamos un 3-plp, el cual es expandido por 3 vectores que salen del origen. Si cualquiera de los tres vectores es cero, el plp tiene volumen cero. Si los tres vectores expanden slo un plano, el plp correspondiente est contenido en un plano o a con volumen cero y el determinante tambin es cero. Pero si los tres vectores no estn e a sobre un plano, formando un conjunto LI, el volumen es diferente de cero al igual que su determinante. 278. Teorema y denicin. Un conjunto de n vectores en Rn es LI ssi su o determinante es diferente de cero. Un n-plp tiene volumen diferente de cero ssi es generado por un conjunto LI. Un n-plp cuyo determinante es cero y que es generado por un conjunto LD se denomina un plp apachurrado. La prueba de este teorema es simplemente una generalizacin del siguiente ejemplo: o consideremos el 3-plp denido por [a, b, a + b], cuyo determinante obedece la relacin o Det[a, b, a + b] = Det[a, b, a] + Det[a, b, b]. Notemos ahora que el plp [a, b, a] forma un paralelogramo cuyo 3-volumen es cero. En general, el Det de un plp con 2 vectores iguales es cero. Esto es una consecuencia
126
directa del axioma de alternancia del Det, si se intercambian dos vectores de un plp o de una matriz, el Det cambia de signo. Por tanto, en [a, b, a] se puede intercambiar el primer vector con el tercero, pero el resultado permanece inalterado y en cambio el Det cambia de signo. Por tanto, tenemos: Det[a, b, a] = Det[a, b, a] Puesto que estamos trabajando con nmeros reales, esta ecuacin es vlida slo u o a o para el nmero cero. Es decir, u Det[a, b, a] = 0. a 279. Ejercicio Use la tecnolog del determinante para demostrar que cada uno de los siguientes conjuntos es LD. a) [(0, 0), (1, 2)] b) [(1, 2), (2, 4)] c) [(1, 2), (1, 2)] d) [(0, 0, 0), (1, 2, 3), (4, 5, 6)] e) [(1, 2, 3), (2, 4, 6), (7, 8, 9)] f) [(1, 2, 3), (4, 5, 6), (5, 7, 9)]. Entramos a estudiar desde el punto de vista geomtrico el conjunto de todas las e combinaciones lineales generadas por un conjunto nito.
4.2.
Subespacios
Si V es un EV , un subespacio vectorial de V es un subconjunto de V que se comporta como si el mismo fuese un EV. Es decir, un subespacio es un EV pequeo n metido dentro de otro. Esto tambin implica que la suma sobre el espacio pequeo es e n la misma suma del espacio grande pero restringida al espacio pequeo, y lo mismo con n la multiplicacin escalar. o 280. Denicin. Si V es un EV, se dice que U es subespacio de V si U es no o vac si est contenido en V y si la suma y la multiplicacin escalar de V restringidas o, a o a U son cerradas sobre U . 281. Ejercicio Formalice y demuestre la aseveracin de que un sub-EV es un EV o metido dentro de otro ms grande. a 282. Ejemplo El eje X es subespacio vectorial de R2 .
283. Contraejemplo R no es subespacio de R2 , puesto que los nmeros reales no u aparecen en la lista de los elementos del plano. Con todo, uno establece una equivalencia entre R y el eje X y de esa forma uno dice que R s es subespacio del plano. 284. Ejemplo El conjunto de elementos del plano que quedan sobre la l nea L 2 denida por y = 3x es un subespacio vectorial de R .
4.2. SUBESPACIOS
127
En efecto: dicho conjunto est contenido en el plano, del que hereda una suma y una a multiplicacin escalar, las cuales debemos demostrar que son cerradas. Para la suma: o Sean u y v dos elementos de L, debemos demostrar que al sumarlos su resultado est sobre la l a nea. Procedamos: los elementos de la l nea L son de la forma (l, 3l). Entonces, si u est en la l a nea, existen coordenadas (u1 , u2 ) tales que u2 = 3u1 , es decir u = (u1 , 3u1 ). En cuanto a v, ste se puede escribir como (v1 , 3v1 ). Al sumar estos dos e elementos obtenemos (u1 + v1 , 3u1 + 3v1 ), que es lo mismo que (u1 + v1 , 3(u1 + v1 )) que es de la forma (z, 3z). por lo tanto, la suma es cerrada. Ahora veamos que la multiplicacin escalar es cerrada. Tomamos un elemento de o la l nea, (l, 3l), lo multiplicamos por un escalar, , nos da (l, (3l)) = (l, 3(l)) que es de la forma (z, 3z), por lo que est en la l a nea. Entonces la multipliacin escalar es o cerrada. Como la suma y la multiplicacin escalar son operaciones cerradas sobre L, tenemos o un subespacio vectorial. Todas las dems propiedades que L necesita para ser EV, L a las tiene por herencia del plano, el cual es EV. 285. Contraejemplo La l nea y = 3x + 1 no es subespacio del plano. Es suciente demostrar que la suma no es cerrada. Tomamos dos elementos determinados (1, 4), (2, 7). Al sumarlos da (3, 11) que no es de la forma (l, 3l + 1), pues debiera haber sido (3, 10). Adems, si x = 0 entonces y = 1, por lo que el elemento a (0,0), el cual es el cero del plano considerado como espacio vectorial, no est en la a l nea. Esa es otra razn que por s misma es suciente para decir que la l o nea no es un subespacio del plano. 286. Contraejemplo La circunferencia de radio uno no es EV . En efecto, los puntos (1, 0) y (0, 1) pertenecen a dicha circunferencia, pues cumplen con la ecuacin x2 + y 2 = 1. Pero al sumarlos da (1, 1), que ya no cumple con dicha o ecuacin. o 287. Ejercicio Decida cules de los siguientes conjuntos, denidos por la condicin a o dada, son sub-EV del EV indicado: a) y = 3x + 1 de R2 . b) y = 7x 2z en R3 . c) z = 4x 5y en R3 . d) y = 3 en R. e) y = x2 en R2 . Hay una manera estndar de generar subespacios, que es simplemente aadir todo a n lo que sea estrictamente necesario para lograr que uno pueda sumar y alargar sin problema. 288. Recordemos. Dado un conjunto de vectores D de un EV V, se nota por gen(D) el conjunto de todas las combinaciones lineales nitas de D y se llama el conjunto generado por D. Concretamente, si D = {u1 , u2 , ..., un }, entonces
128
CAP ITULO 4. DEPENDENCIA E INDEPENDENCIA LINEAL gen(D) = {1 u1 + 2 u2 + ... + n un : i R, i = 1, 2, ..., n}.
Por ejemplo, si D = {i, j}, tenemos que gen(D) es todo el plano. En efecto, los elementos de D son LI, y adems cualquier elemento (x, y) del plano puede escribirse a como (x, y) = xi + y j, es decir, como una combinacin lineal de D, lo cual implica que o el plano est contenido en gen(D). Por supuesto que gen(D) no es ms grande que el a a plano, pues cualquier combinacin de D queda en el plano, pues el plano es cerrado a o las combinaciones lineales, pues es un EV. 289. Teorema y ejercicio. El conjunto gen(D) generado por D, un subconjunto de un EV, por medio de todas sus combinaciones lineales es cerrado bajo la suma y bajo la multiplicacin escalar. Es decir, la suma de dos elementos cualesquiera pertenece al o conjunto y lo mismo el resultado de multiplicar un elemento del conjunto por un escalar cualquiera. Eso implica que si D es un conjunto no vac de vectores, gen(D) es un o sub-EV . Demostracin formal: ejercicio. o 290. Ejemplo Todos los Rn son sub-EV de Rn+m . Para poder decir eso hay que sobreentender que los elementos de Rn no pertenecen a Rn+m , pero que uno los asimila a elementos de Rn+m con cero en las coordenadas faltantes. As el elemento (1, 2, 3) , 3 5 de R se asimila a (1, 2, 3, 0, 0) R . 291. Contraejemplo. Una l nea que no pasa por el origen no es un sub-EV de R3 . Demostracin. Una l o nea que no pasa por el origen tiene como ecuaciones paramtricas e xi = ki + bi con R, pero al menos algn bi = 0. u Si multiplicamos tal elemento por 2, el resultado se sale de la l nea. En efecto, al multiplicar por 2 nos queda: xi = 2ki + 2bi = ki (2) + 2bi = ki () + 2bi pero este nuevo elemento no pertenece a la l nea original, pues el trmino independiente debe ser bi pero es 2bi y no hay forma e de arreglar el desperfecto en la coordenada donde el bi no es cero.
292. Ejercicio Pruebe que un plano en R3 es un EV de R3 ssi pasa por el origen.
4.3.
Bases
Cuando un conjunto genera todo el espacio y lo hace sin redundancia, tenemos una base. 293. Denicin. Un conjunto de vectores B que es LI y que genera un EV V se o dice que es una base de V. Algunos ejemplos aparecen en la siguiente grca. a
4.3. BASES
4
129 (2,4) (-1,3)
(1,2)
1
-1
-2 -2
(0.5,-1.5)
-1 0
(1,-2)
1 2
Figura 4.2. No-bases en el plano: {(1, 2)}, {(1, 2), (2, 4)}, {(1, 2), (2, 4), (1, 3)}, {(1, 3), (0,5, 1,5)}, {(1, 2), (1, 3), (1, 2)}. Bases : {(1, 2), (1, 3)}, {(1, 2), (0,5, 1,5)}, {(1, 3), (0,5, 1,5)}, {(2, 4), (1, 2)}. Otros ejemplos: a) {i, j} es una base de R2 . Esta es la base natural de R2 . A la base natural tambin e se la llama cannica. Esta denicin se extiende de forma natural a todos los Rn o o b) {i, 2i} no es una base de R2 . c) {i, i + j} es una base de R2 . d) {i, j, i + j} no es una base de R2 . e) {i, j k} es una base de R3 . Esta es la base natural de R3 . 294. Ejemplo Demostremos usando la denicin de base que el conjunto o 3 B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es una base de R . Demostracin. Tenemos que demostrar que B es LI y que genera todo el espacio, es o decir, que gen(B) = R3 . Para demostrar que B es LI tomemos una combinacin lineal arbitraria de B que o d cero: e (1, 0, 0) + (0, 1, 0) + (0, 0, 1) = (0, 0, 0) Eso es lo mismo que decir que (, , ) = (0, 0, 0). Ahora bien, dos vectores son iguales cuando sus componentes son iguales. Eso da el sistema de ecuaciones =0 =0 =0
130
que dice que la unica forma de hallar una combinacin nula con los elementos de o B es anulndolos a todos. Es decir, B es LI. a Para demostrar que gen(B) = R3 hay que demostrar que todo elemento de gen(B) est en R3 , y que todo elemento de R3 est en gen(B). a a Demostremos que todo elemento de gen(B) est en R3 : un elemento de gen(B) es a una combinacin lineal de elementos de B que tambin son elementos de R3 . Como R3 o e es EV , es cerrado bajo la suma y bajo la multiplicacin por escalares y por lo tanto es o cerrado bajo combinaciones lineades. Por esto todo elemento de gen(B) est en R3 . a 3 Ahora demostremos que todo elemento de R est en gen(B). Sea (x, y, z) un elea mento arbitrario de R3 , tenemos: (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1) lo cual dice que (x, y, z) es una combinacin lineal de los elementos de B, es decir, o (x, y, z) gen(B). Hemos demostrado que B no tiene elementos redundantes y que genera todo el espacio R3 , por lo tanto, es una base para dicho espacio. 295. Ejercicio Formule la base natural de Rn y demuestre formalmente que es una base. 296. Ejemplo Demostremos usando el determinante que B = {(1, 0, 1), (2, 1, 0), (0, 3, 1)} es una base de R3 . Demostracin. El o determinante: 1 0 det(B) = 1 conjunto B dene un plp cuyo volumen lo da el valor absoluto del 2 0 1 3 = (1)det 0 1
1 3 0 1
(2)det
0 3 1 1
= 1 (2)(3) = 7
Como el volumen es 7, el conjunto es LI, pues todos los 3 vectores son esenciales para expandir un volumen. Probemos ahora que gen(B) = R3 . Para ello, hay que demostrar que todo elemento de gen(B) lo es de R3 y que todo elemento de R3 lo es de gen(B). Como todos los elementos de B estn en R3 , el cual es EV , cerrado bajo las combinaciones lineales, a todo elemento de gen(B) est en R3 . Probemos ahora que todo elemento de R3 lo es a 3 de gen(B). Sea (x, y, z) R . Debemos demostrar que (x, y, z) se puede expresar como una combinacin lineal de los elementos de B. Es decir, que existen escalares , , o tales que (x, y, z) = (1, 0, 1) + (2, 1, 0) + (0, 3, 1) lo cual da un sistema de 3 ecuaciones con 3 incgnitas , , : o x = + 2 y = + 3 z = + Este sistema dene un conjunto de 3 planos en el espacio , , . Los vectores normales a dichos planos forman un plp [(1, 2, 0), (0, 1, 3), (1, 0, 1)]. El determinante de ese plp es 7. Por lo tanto, los planos se cortan en un unico punto. Eso quiere decir que (x, y, z), no importa cul, siempre se puede descomponer de manera unica en B. a
4.3. BASES
131
Si adems, uno quisiera decir exactamente el valor de los escalares, entonces podemos a aplicar la regla de Kramer: Sea 1 2 0 M = 0 1 3 1 0 1 x 2 0 Mx = y 1 3 z 0 1 1 x 0 My = 0 y 3 1 z 1 1 2 x Mz = 0 1 y 1 0 z Tenemos que x= det(Mx ) det(M ) y= det(My ) det(M ) z= det(Mz ) . det(M )
297. Ejercicio Use el determinante para averiguar si el conjunto B = {(1, 0, 1), (2, 1, 0), (0, 3, 1)} es una base de R3 . 298. Ejercicio Demuestre que los pulsos Pi forman una base del espacio digital Dn . 299. Teorema. Si en un EV alguna base tiene un nmero nito de elementos, u entonces todas las bases tienen el mismo nmero de elementos. u Demostracin. Consideremos slo R2 : o o Sea B una base de R2 . B no puede ser vac puesto que el espacio generado por a, 2 una base vac es el vac y R no es vac a o o. Por lo tanto, B tiene al menos un elemento, sea (a, b). Ahora bien, ese elemento no es base de R2 . En efecto, el vector (a, b) genera una l nea, la cual pasa por el origen pero 2 no es todo R . Para ms claridad, el elemento (a, b + 1) est en R2 y sin embargo no a a es combinacin lineal de {(a, b)} puesto que las unicas combinaciones lineales de dicho o conjunto son los alargamientos: {(a, b)}, pero esos alargamientos forman una l nea que no pasa por (a, b+1), pues si pasaran por ese punto, entonces (a, b+1) = {(a, b)} para algn . u Eso implica que, coordenada por coordenada, se tiene: a = a b + 1 = b de la primera ecuacin = 1 y reemplazando en la segunda se deduce que 1 = 0. o Por ende, est mal imaginarse que una l a nea expanda todo el plano. O sea que B debe tener ms de 1 elemento. a
132
Sea B = {u = (u1 , u2 ), v = (v1 , v2 )} . Entonces, cualquier elemento del plano puede expresarse como combinacin lineal de los elementos de B. Sea (z, w) un elemento o cualquiera del plano. Debemos probar que siempre se pueden encontrar escalares , tales que (z, w) = (u1 , u2 ) + (v1 , v2 ) Esto es equivalente a un sistema de ecuaciones 2 2: z = u1 + v1 w = u2 + v2 Las incgnitas son , , podemos cambiar dichas incgnitas por x, y: o o z = xu1 + yv1 w = xu2 + yv2 Reordenando: yv1 = z xu1 yv2 = w xu2 despejando, siempre y cuando v1 y v2 sean diferentes de cero, y = (z xu1 )/v1 y = (w xu2 )/v2 Revisemos las pendientes de estas l neas para saber sin son paralelas o no. La pendiente de la primera recta es u1 /v1 y la de la segunda es u2 /v2 . Si estas rectas fuesen paralelas, sus pendientes ser iguales: u1 /v1 = u2 /v2 . Que es lo mismo que a decir u1 /u2 = v1 /v2 . Pero esto es lo mismo que decir que u1 = v1 y que u2 = v2 que escrito en forma vectorial se lee (u1 , u2 ) = (v1 , v2 ) que es lo mismo que asegurar que u y v forman un conjunto LD, lo cual no puede ser, pues estos vectores forman una base, que es un conjunto LI. Por lo tanto, las dos l neas no son paralelas y se cortan en un unico punto: podemos hallar y , los nmeros que nos dicen cmo combinar los dos vectores para generar u o todo el plano. Esos escalares se denominan las coordenadas del vector (z, w) en la base dada B. Por consiguiente, ya demostramos que los dos primeros elementos de una base cualquiera en R2 son LI y expanden todo el plano. Por lo tanto, forman una base. Como los dos primeros elementos de la base B generan todo el espacio, entonces B no tiene ms elementos, pues si tuviese uno ms, B no ser LI. En efecto. Si w es otro a a a elemento aparte de los dos primeros, entonces, w estar generado por los dos primeros a elementos de B. O sea que esos tres elementos generan el mismo espacio que los dos primeros. Es decir, el tercero sobrar B ser LD y no ser base. a: a a Hemos demostrado que una base cualquiera en R2 tiene exactamente dos elementos y por consiguiente que todas las bases en R2 tienen el mismo nmero de elementos. u
300. Ejercicio Generalice el ejemplo anterior a Rn . 301. Ejercicio Demuestre que un n-plp tiene determinante diferente de cero ssi las aristas fundamentales del plp forman una base para Rn . Demuestre que el determinante de una base nunca es cero.
4.4. PLANOS Y SUB-EV
133
302. Denicin. Se denomina dimensin de un espacio vectorial no nulo al o o nmero de elementos de cualquier base de dicho espacio. Si un EV tiene un unico u elemento que es el elemento neutro de la suma y que se nota 0, entonces no tiene subconjuntos LI y no puede tener base. 303. Ejemplo Rn tiene dimensin n. o
o 304. Ejercicio Halle la dimensin del espacio digital Dn . 305. Ejercicio Halle la dimensin del EV formado por todos los polinomios de grado o menor o igual que 3. Generalice a grado n. 306. Problema. Nosotros ya sabemos cmo hallar un polinomio que pasa por detero minados puntos, digamos 6. Tomamos un polinomio de grado 5 pero con coecientes indeterminados, que son las incgnitas que hay que determinar. Para ello, se reemplaza o cada punto en la ecuacin del polinomio, de donde salen 6 ecuaciones con 6 incgnitas. o o Usando esta idea, podemos ver que uno puede aproximar una funcin cualquiera por o polinomios tanto como se desee. Por favor, demustrelo o invente contraejemplos. e 307. Ejercicio de investigacin sobre polinomios de Taylor Investigue en o los libros de clculo la siguiente idea para aproximar funciones derivables por polia nomios. La primera derivada indica la pendiente. La segunda, la concavidad. Siguiendo con derivadas de orden superior, uno puede dar cada vez ms informacin sobre la a o grca de la curva. La idea propuesta por Taylor es la de darse cuenta de que, dadas a las n primeras derivadas de una funcin, siempre se puede encontrar un polinomio con o las mismas derivadas y resulta que el polinomio dado se parece a la funcin tanto ms o a cuanto mayor nmero de derivadas se involucre. El polinomio resultante se le llama u polinomio de Taylor. Una aplicacin inmediata es esta: en vez de atiborrar los como putadores con tablas innitas sobre los valores de las funciones, digamos, seno, coseno, exponencial, lo que se hace es grabar en memoria el polinomio asociado y calcularlo para cada valor deseado. Por supuesto, hay que decidir el grado del polinomio. La clave es que mientras ms alto el grado del polinomio, ms precisin. Por eso, se ja la prea a o cisin deseada, por ejemplo, para calculadoras es usual que sea de 6 cifras decimales, o y en consecuencia se ajusta el grado del polinomio.
4.4.
Planos y sub-EV
Hemos visto la denicin geomtrica de plano: es un conjunto de puntos tales que o e cualquier segmento contenido en dicho conjunto es perpendicular a un vector jo dado, llamado el vector normal del plano. Pudimos demostrar que un plano cumple la ecuacin ax + by + cz = d. Ahora vamos a dedicar un poco de atencin a la siguiente o o 2 observacin: el plano por excelencia R es generado por el conjunto LI {i, j}. Podemos o generalizar esta situacin: o
134
308. Teorema. Un plano que pasa por el origen en R3 es un subespacio vectorial de dimensin dos, es decir, es generado por un conjunto LI de dos vectores. o Demostracin: ejercicio. o o 309. Ejemplo z = 3x + 5y es la ecuacin de un plano en R3 que pasa por el origen que es un subespacio de dimensin 2. Para verlo, comencemos vericando que o ese plano es un subespacio. Veamos que es cerrado a la suma y a la multiplicacin o escalar: Sean dos vectores que estn en : (x1 , y1 , 3x1 + 5y1 ) y (x2 , y2 , 3x2 + 5y2 ). Sumamos e y obtenemos (x1 + x2 , y1 + y2 , 3x1 + 5y1 + 3x2 + 5y2 ) = (x1 + x2 , y1 + y2 , 3(x1 + x2 ) + 5(y1 + y2 )) Si denominamos x3 = x1 + x2 y y3 = y1 + y2 , la ultima expresin adquiere la o forma (x3 , y3 , 3x3 + 5y3 ) por lo que z, siendo la tercera coordenada, es z = 3x3 + 5y3 , que denota un elemento del plano z = 3x + 5y. Vemos que la suma de dos vectores arbitrarios de tambin est en , por lo que este plano es cerrado a la suma. e a Veamos ahora que es cerrado a la multiplicacin escalar. Tomemos un elemeno to de , (x, y, 3x + 5y). Si lo multiplicamos por obtenemos: (x, y, 3x + 5y) = (x, y, (3x + 5y)) = (x, y, 3x + 5y)). Si denotamos x como v y y como w, la ultima expresin se convierte en (v, w, 3v + 5w) por lo que la tercera coordenada vale o z = 3v + 5w, lo cual dice que la multiplicacin escalar de un elemento de tambin o e es un elemento de . Como es cerrado a la suma y a la multiplicacin escalar y es un subconjunto no o vac de un EV, entonces es un subespacio vectorial. o Veriquemos ahora que tiene dimensin dos. Sea (x, y, z) que satisface la ecuacin o o de . Tenemos que (x, y, z) = (x, y, 3x + 5y) = x(1, 0, 3) + y(0, 1, 5) es decir, esa gura est generada por el conjunto de vectores B = {(1, 0, 3), (0, 1, 5)} que es LI pues el uno a no es alargamiento del otro. Hemos demostrado que este plano tiene dimensin dos, o pues tiene una base de dos elementos. 310. Ejercicio Demuestre que x = 0 tiene dimensin 0 en R, dimensin 1 en R2 y o o 3 dimensin 2 en R . o 311. Teorema. Un plano (que no pasa por el origen) es el resultado de trasladar un subespacio vectorial de dos dimensiones que pasa por el origen. 312. Ejemplo z = 3x + 5y + 8 es un plano que es el resultado de trasladar 8 unidades por el eje Z al subespacio que cumple la ecuacin: z = 3x + 5y. En efecto: si o un punto (x, y, z) est en el plano original, entonces a (x, y, z) = (x, y, 3x + 5y + 8) = x(1, 0, 3) + y(0, 1, 5) + (0, 0, 8) que es el resultado de trasladar el plano que pasa por el origen descrito por (x, y, z) = (x, y, 3x + 5y) = x(1, 0, 3) + y(0, 1, 5) una distancia por el eje Z de 8 unidades.
313. Ejercicio Demuestre que las siguientes ecuaciones describen planos que son la traslacin de un plano generado por 2 vectores que forman un conjunto LI: o a) z = 2x 5y
4.4. PLANOS Y SUB-EV b) z = 2x 5y 7 c) 2x 3y + 4z = 1 d) 3x 5y + 2z = 3 e) x = 0 f) y = 0 g) y = 3.
135
314. Ejemplo Demostremos que el conjunto B = {(2, 1, 1), (1, 2, 3)} es una base de el subespacio de R3 dado por x y z = 0 o bien z = x y. Demostracin. Primero que todo, ese plano pasa por el origen por lo que es un subo espacio de R3 . En segundo lugar, los vectores satisfacen la ecuacin del plano, por lo o que estn en el plano. En tercer lugar, los dos vectores forman un conjunto LI porque a el uno no es mltiplo escalar del otro. En cuarto lugar, los dos vectores generan todo el u plano. Para verlo, tomemos un vector arbitrario de , sea (x, y, x y). Lo que tenemos que hacer es demostrar que est en el gen(B), es decir, que existen escalares y tales a que (x, y, x y) = (2, 1, 1) + (1, 2, 3) Obtenemos un sistema de ecuaciones dado por x = 2 y = + 2 x y = 3
La primera preocupacin es que tenemos un sistema con 2 incgnitas pero con 3 o o ecuaciones. La unica forma de que eso tenga sentido es que una de las ecuaciones sea redundante. Lo bonito es que eso se ve inmediatamente, pues la tercera ecuacin es la o primera menos la segunda. Como la tercera ecuacin es redundante, podemos olvidarla o y nos queda un sistema de dos ecuaciones con dos incgnitas: o 2 = x + 2 = y
Si multiplicamos la segunda ecuacin por 2 y restamos, obtenemos 5 = x 2y. o Es decir = x/5 + 2y/5. Sustituyendo este valor en la primera ecuacin, obtenemos o 2 (x/5 + 2y/5) = x, es decir, 2 = x x/5 + 2y/5 = 4x/5 + 2y/5. Lo cual nos da = 2x/5 + y/5. Al nal, pudimos demostrar que todo elemento del plano es combinacin lineal unica de B. Por lo tanto, B genera todo el plano. Concluimos que o B es una base del plano . A las constantes y las llamamos las coordenadas de (x, y, z) en la base B. Hay tres lugares en la demostracin que ofrecen retroalimentacin para saber si o o uno va bien o mal. El primero es que los elementos de B deben satisfacer la ecuacin o del plano. Cierto. El segundo es que debe haber una ecuacin redundante. Cierto. o Y el tercero es que los valores de y hallados deben satisfacer el ultimo sistema
136
de ecuaciones. Veamos si es cierto: = 2x/5 + y/5, = x/5 + 2y/5 dan que 2 = 2(2x/5 + y/5) (x/5 + 2y/5) = 4x/5 + 2y/5 + x/5 2x/5 = 5x/5 = x. En la segunda ecuacin tenemos: o + 2y = 2x/5 + y/5 + 2(x/5 + 2y/5) = 2x/5 + y/5 2x/5 + 4y/5 = 5y/5 = y. Tal y como debe ser. Uno se demora un poquito ms, pero queda seguro de haber a hecho las cosas bien. 315. Ejercicio Demuestre que el conjunto B = {(1, 2, 3), (0, 1, 1)} es una base del subespacio de R3 dado por x + y + z = 0. Todo plano en el espacio tiene un plano paralelo que pasa por el origen y que es subespacio vectorial generado por dos vectores. Pero el converso tambin es vlido: e a 316. Teorema. El espacio generado por un conjunto de dos vectores LI en R3 es de la forma ax + by + cz = 0. Demostracin. Un plano es el conjunto generado por 2 vectores que forman un conjunto o LI. Sean esos vectores (a1 , a2 , a3 ), (b1 , b2 , b3 ). Sea el plano generado por esos dos vectores. Entonces (x, y, z) ssi (x, y, z) = (a1 , a2 , a3 ) + (b1 , b2 , b3 ). Coordenada por coordenada tenemos: x = a1 + b1 y = a2 + b2 z = a3 + b3 Multiplicamos cada ecuacin por separado por un escalar tal que en cada ecuacin o o el coeciente de sea el mismo: a2 a3 x = a1 a2 a3 + b1 a2 a3 a1 a3 y = a2 a1 a3 + b2 a1 a3 a1 a2 z = a3 a1 a2 + b3 a1 a2 Restamos la segunda de la primera: a2 a3 x a1 a3 y = b1 a2 a3 b2 a1 a3 = (b1 a2 a3 b2 a1 a3 ) Restamos la tercera de la primera: a2 a3 x a1 a2 z = b1 a2 a3 b3 a1 a2 = (b1 a2 a3 b3 a1 a2 ) Despejamos de ambas ecuaciones e igualamos: = (a2 a3 x a1 a3 y)/(b1 a2 a3 b2 a1 a3 ) = (a2 a3 x a1 a2 z)/(b1 a2 a3 b3 a1 a2 ) Ahora notamos que esa expresin complicada puede reordenarse para que quede de o la forma ax + by + cz = 0. 317. Ejercicio Revise detalladamente la demostracin del teorema anterior y deso cubra que hay un paso que a veces se puede hacer y que a veces no. Invente un ejemplo para el cual la demostracin funcione y un contraejemplo que ilustre que la deo mostracin est incompleta. Aada lo que falte a la demostracin para que sea compleo a n o tamente general. Si logra hacerlo, perm tanos felicitarlo(a) muy calurosamente. 318. Teorema. En R3 todo conjunto que contiene al punto P y que es paralelo a otro generado por un conjunto LI de dos vectores cumple con la propiedad: X ssi (X P ) N = 0 para algn vector N llamado el vector normal al plano (en la notacin u o hemos usado la dualidad punto-vector).
4.5. ESPACIOS DE MATRICES
137
319. Ejercicio Haga un dibujo que ilustre el teorema anterior y demustrelo. El e teorema dice que la denicin algebraica del plano coincide con su denicin geomtrica o o e que conocemos de antao. n 320. Ejercicio: Resuelva los siguientes sistemas de ecuaciones y caracterice la cantidad de soluciones en trminos geomtricos: e e a) x + y + z = 1, x + 2y 3z = 2, x + 2y z = 0, b) 2x + 3y z = 1, x y 2z = 5, 3x + 2y 3z = 3, c) 2x + 3y z = 1, x y 2z = 5, 3x + 2y 3z = 6, d) x + y + z = 1, 2x + 2y + 2z = 2, 3x + 3y + 3z = 3.
4.5.
Espacios de matrices
Tenemos una idea en mente y es armar la infraestructura necesaria para tratar todo sistema lineal de ecuaciones como una generalizacin de la ecuacin para nmeros o o u reales ax = b. Nosotros obtendremos AX = B donde A es una matriz, X y B denotan vectores. Para poder hacer esto, necesitamos considerar, entre otras cosas, que las matrices tambin se suman y restan y que se pueden multiplicar por un escalar, es e decir, que las matrices forman EV . Al igual que hay muchos Rn , tambin hay muchos e espacios de matrices. En general, denimos Mmn como el espacio de matrices con m las y n columnas, tal que las matrices se pueden sumar entrada por entrada y, similarmente, que la multiplicacin de una matriz por un escalar es la multiplicacin o o de todas las entradas de la matriz por el escalar. 321. Ejemplo M22 es el espacio de matrices de dos renglones y dos columnas con entradas reales y con la suma y multiplicacin escalar denidas entrada por entrada. o Formalmente: M22 = { a b c d donde a, b, c, d R
Si uno tiene dos matrices A y B de M22 denidas por a11 a12 a21 a22 b11 b12 b21 b22
A=
B=
la suma es, por denicin, o A+B = a11 + b11 a12 + b12 a21 + b21 a22 + b22
y la multiplicacin de A por un escalar es o
138
CAP ITULO 4. DEPENDENCIA E INDEPENDENCIA LINEAL A = a11 a12 a21 a22 = a11 a12 a21 a22
Con estas operaciones podemos sumar y alargar sin problemas: M22 es un EV. M22 tiene dimensin 4. Esa aseveracin sale, abusando de la gentileza del lector, o o de la siguiente igualdad: a b c d = a 0 0 0 + 0 b 0 0 + 0 0 c 0 + 0 0 0 d
M22 tiene muchos subespacios vectoriales. El siguiente es el subespacio de las matrices triangulares superiores: S22 = a b 0 d donde a, b, d R
S hereda de M22 la suma y la multiplicacin escalar bajo las cuales S es cerrado. o Por lo tanto, S es un subespacio vectorial de M22 . La dimensin de S es 3. o 322. Ejercicio En M22 dena el conjunto de las matrices triangulares inferiores. Demuestre que es un subespacio y hllele una base. a
4.6.
Complemento ortogonal
323. Denicin. Decimos que en un espacio vectorial W, los vectores u y v son o ortogonales si su producto interior es cero. Esto generaliza una denicin previa para o n R ver 112 pg 55. a 324. Denicin. Decimos que en un espacio vectorial W, los subespacios H y o K generan a todo W si cada elemento w W puede escribirse como combinacin de o elementos de los dos subespacios: w = h + k con h H y k K. Esta denicin se o generaliza a cualquier nmero nito de subespacios. u 325. Denicin. Decimos que en un espacio vectorial W, H es el compleo mento ortogonal de H, si tanto H como H son subespacios vectoriales de W y si adems a) entre H y H generan a todo V, y b) si todos los elementos del uno son a ortogonales a todos los elementos del otro. 326. 327. no: Ejemplo Ejemplo En el plano, tomamos como H el eje X y como H el eje Y. La descomposicin dada por subespacios a veces es unica y a veces o
a) Los ejes coordenados X, Y, Z son subespacios, generan todo R3 , los subespacios X, Y general el piso, el piso y Z son complementos ortogonales uno del otro y cada elemento de R3 se descompone de manera unica en piso y Z.
139
b) X, Z generan una pared, la cual no es complemento ortogonal del piso, pero entre el piso y esa pared generan todo el espacio R3 pero no de manera unica. 328. Ejercicio En M22 denimos el producto interior entre dos matrices de la siguiente forma. Si A= a11 a12 a21 a22 B= b11 b12 b21 b22
entonces denimos el producto interno, interior o escalar de A y B como A B = a11 b11 + a12 b12 + a21 b21 + a22 b22 a) Demuestre que en realidad nuestra denicin cumple con los axiomas de producto o interno. b) Halle el complemento ortogonal del subespacio de las matrices triangulares superiores. Demuestre que cada elemento del espacio grande se descompone de manera unica entre el subespacio y su complemento. 329. Ejercicio En R3 , halle el complemento ortogonal de los subespacios sealados y n construya una base de todo el espacio uniendo bases del subespacio y de su complemento. a) El espacio vectorial que es paralelo a la l nea que pasa por (1, 2, 3) y (4, 5, 6). b) El plano que pasa por el origen y es paralelo a 2x 4y + 5z = 8.
4.7.
1. Determine si R2 , con las operaciones suma y producto por escalar denidas por (x, y) + (z, w) = (x + z, y + w) y k(x, y) = (2kx, 2ky) es un espacio vectorial. 2. Demuestre que si {v, w} es un conjunto linealmente independiente en un espacio vectorial V y u gen{v, w} entonces {v, w, u} es un conjunto linealmente / independiente. 3. Sean V = R3 y W = {(x, y, z); x + 2y + 3z = 0}. a) Encuentre dos vectores v1 y v2 , que generen a todo W. b) Est el vector v = (1, 1, 1) en el gen{v1 , v2 }? a 4. Sea D el conjunto de matrices de la forma 0 a a a+b
a) Demuestre que D es un subespacio de las matrices de tamao 2 2. n b) Halle una base para D y determine su dimensin. o c) Halle el complemento ortogonal de D en M22 y muestre cmo se descomo pone dicho espacio en D y su complemento.
140
5. Un polinomio de grado n es una funcin de R en R de la forma o p(x) = a0 + a1 x + a2 x2 + ... + an xn donde todos los ai son nmeros reales y x es una variable que se instancia con u nmeros reales. Sea Pn el conjunto de los polinomios de grado menor o igual u a n. Pn tiene una nocin de igualdad, una suma y una mutiplicacin por un o o escalar denidas grado por grado. Formalice matemticamente estas deniciones. a Demuestre que Pn es un EV con estas operaciones. 6. El polinomio 1 + x + x2 est en el generado por B = {1 x, 1 + x, 1 + x2 }? a 7. Sean W = {p P3 : p(0) = 0} y U = {p P3 : p(1) = 0}. Muestre que W y U son subespacios del espacio P3 . Determinar una base para W, una base para U y una base para W U , por lo cual hay que probar que este conjunto es un subespacio. 8. Demuestre que el conjunto de todos los polinomios en Pn que tienen una tangente horizontal en x = 0 es un subespacio de Pn . Encuentre una base para tal subespacio. 9. Realice lo indicado: a) Es el conjunto {1 x, x2 + 2x 1, x2 + 3} una base de P2 ? Justique claramente. b) En R2 , el conjunto S = {(x, y) R2 : y = 4 x2 } es un subespacio vectorial? Justique claramente. c) Sea C 1 [0, 1] el conjunto de funciones derivables sobre el intervalo abierto (0, 1) cuya derivada es continua. Es G = {f C 1 [0, 1]: f (x) = xf (x)} un subespacio vectorial de C 1 [0, 1]? Justique su respuesta claramente. 10. Sea A una matriz de tamao n n y R. Mostrar que el conjunto n S = {x : Ax = x} es un subespacio de Rn . Determine la dimensin de S si o 1 0 3 = 3 y A es la matriz A = 0 0 1 . 0 3 4
11. Sea V = C 1 [a, b] el conjunto de funciones que van del intervalo [a, b] sobre R tales que ellas y sus derivadas sean continuas. Sea H = {f V | f (x) + f (x) = 0}. Es H un subespacio vectorial de V ? 12. Considere el conjunto H = {(x, y, z): (x, y, z) = (t, 3t, t): t R} . a) Muestre que H es un subespacio vectorial de R3 . b) Encuentre una base y la dimensin de H. o c) Represente geomtricamente el espacio H. e
4.8. RESUMEN
141
4.8.
Resumen
Con miras a proveer una plataforma que nos permita pisar slidamente al atacar o problemas en altas dimensiones hemos denido espacio vectorial, dependencia e independencia lineal y bases. El elemento cohesivo ha sido la geometr Un espacio a. vectorial es como un plano que pasa por el origen: al combinar vectores, con sumas y multiplicaciones por nmeros, el resultado permanece en el mismo plano. Un conjunto u de vectores es linealmente dependiente cuando hay elementos redundantes, es decir, cuando al quitar algn elemento se genera, con combinaciones lineales, el mismo esu pacio que antes. Un conjunto de vectores es linealmente independiente cuando todos sus elementos son esenciales, o sea que al quitar cualquier vector se genera un espacio menor. Una base es un conjunto no redundante que genera todo el espacio.
142
CAP ITULO
5
TL = TRANSFORMACIONES LINEALES
Toda nuestra teor tiene un objetivo: entender de manera productiva la estructura a general de los sistemas lineales de ecuaciones (que son los que siempre hemos visto). Para esto comenzamos introduciendo las matrices, denimos rectas, planos, espacios vectoriales y bases. Ahora deniremos lo que es una T L, transformacin lineal. En o primera instancia, una T L es una funcin, correspondencia, asignacin o transformacin o o o asociada a un sistema lineal de ecuaciones por medio de una matriz. Veremos esto con mucho detalle para despus generalizar. Como sucede con las funciones, las T L tambin e e pueden componerse, ponerse en serie, una tras de otras, y la consecuencia es que la composicin de las T L es otra T L. Por tanto, la composicin de las T L genera un o o producto entre matrices de tal forma que el producto de dos matrices da una matriz que representa la matriz de la T L compuesta.
5.1.
Denicin de TL o
Consideremos el sistema de ecuaciones: 3x + 4y = 7 5x + 3y = 9 Reescribamos este sistema usando la siguiente notacin: o 3 4 5 3 x y = 7 9
Asignemos un signicado a nuestra nueva notacin. Tenemos en primer trmino la o e matriz M= 3 4 5 3
Ahora asignaremos a esta matriz una funcin con propiedades especiales, llamada o T L, transformacin lineal. Nosotros deseamos que la manera de asignar una T L a una o 143
144
CAP ITULO 5. TL = TRANSFORMACIONES LINEALES
matriz tenga un signicado natural, es decir, que est directamente relacionado con los e sistemas de ecuaciones. Por esa razn, la manera natural de asociar por denicin una o o funcin T , de clase T L, a la matriz M es: o T x y = 3 4 5 3 x y = 3x + 4y 5x + 3y
x 3x + 4y . Como las y las transforma en la dupleta 5x + 3y y dupletas son elementos de R2 , tambin usamos la siguiente notacin, usual para fune o ciones, para indicar cmo es T : o T toma la dupleta T : R2 R2 T ((x, y)) = T (x, y) = (3x + 4y, 5x + 3y). El conjunto sobre el cual opera la T L se denomina dominio, y el conjunto sobre el cual caen los resultados de la transformacin se denomina codominio. Es igual que o en funciones, puesto que cada T L es una funcin. En este ejemplo, el dominio es igual o al codominio, y es el conjunto de dupletas, el plano o R2 . Tambin podemos denir lo que debemos entender por multiplicar una matriz e por un vector: es lo mismo que considerar la matriz como T L y aplicarla sobre el vector para recuperar el lado izquierdo de un sistema de ecuaciones: a b c d x y = ax + by cx + dy
Lo hecho aqu se extiende de forma natural a cualquier dimensin, es decir, a la o multiplicacin de cualquier matriz con n columnas por un vector columna con n como ponentes. 330. Ejercicio Observe la forma como se multiplica una matriz de dos columnas por un vector de dos componentes y descubra dnde y cmo se ha usado el producto o o punto, interno o interior. Reexprese la regla de multiplicacin de una matriz por un o vector en trminos de dicho producto. e Ahora podemos decir que resolver el sistema de ecuaciones 3x + 4y = 7 5x + 3y = 9 es lo mismo que exigir encontrar (x, y) tal que M (x, y) = (7, 9) = B, donde M es la matriz o T L asociada al sistema. En general, un sistema de ecuaciones es simplemente M X = B y se dice que resolverlo es lo mismo que hallar la preimagen de B por M . Dicha preimagen es un conjunto que puede tener un unico vector, un conjunto de vectores, o puede ser vac o. Nota de rigor: recalcamos que cuando usamos la notacin de funciones para designar o una T L, las dupletas son horizontales, (x, y), pero cuando representamos la T L en
5.1. DEFINICION DE TL forma matricial, las dupletas forman un vector columna
145
x . Lo que es una dupleta y horizontal en una notacin se convierte en vector columna en la otra. Sin embargo, o es conveniente tener presente que en el formalismo que estamos construyendo para x . matrices, la matriz (x, y) ser muy diferente de la matriz a y 331. Ejercicio Para los sistemas de ecuaciones dados, hallar la matriz asociada y la T L que sta genera, explicitando el dominio y el codominio: e a) 8x 1y = 7 2x + 3y = 13 3x + 4y 4z = 7 4x + 3y 2z = 7
b)
3x + 4y 4z = 7 4x + 3y 2z = 7 c) x 2y + 3z = 4 332. Ejercicio Hallar la T L asociada a cada una de la siguientes matrices: a) b) 3 2 1 3 3 2 4 1 3 7
Aunque ya hemos captado la idea de una T L, podemos sacar un gran provecho de la infraestructura que hemos fabricado con EV y dems. Pues bien, un EV es un conjunto a en donde se puede sumar y alargar (multiplicacin por un escalar). Una transformacin o o lineal es una asignacin, o funcin, que es compatible con la estructura de EV. Respeta o o la suma y la multiplicacin escalar. o Ms rigurosamente, si uno tiene dos espacios vectoriales V y W uno puede considea rar funciones entre ellos, es decir, maneras de asignar o transformar vectores de V en vectores en W. Para una transformacin dada, a V se le llama el dominio, a W se le o llama el codominio. La notacin usual es T : V W . o
3 2 4 3 7 c) 1 0 4 5 3 2 3 d) 1 0 4
146
333. Denicin. Una T L (transformacin lineal) T : V W es una funcin tal o o o que si u, v, u + v estn en V y todas sus imgenes estn en W, se tiene que: a a a a) T (u + v) = T (u) + T (v) y b) T (u) = T (u) para R. 334. Ejercicio Demuestre que T es T L ssi T (u + v) = T (u) + T (v) para u, v V y , R.
X + Y
T (X + Y )
T (X)
T (Y )
Figura 5.0. Una transformacin es lineal cuando da lo mismo primero combinar y o despus transformar que primero transformar y despus combinar. e e En otras palabras, T es T L cuando la transformacin de una combinacin lineal es o o la combinacin lineal de las transformaciones. o 335. Ejemplo T (X) = 8X es una T L pues
T (X + Y ) = 8(X + Y ) = (8X) + (8Y ) = T (X) + T (Y ).
336. Teorema. Cada matriz dene una T L. Ilustremos este importante resultado con un ejemplo de una funcin que ya sabemos que est asociada a una cierta matriz. o a
337. T L.
Ejemplo 1: Veriquemos que T denida por T (x, y) = (3x + 4y, 4x + 3y) es
5.1. DEFINICION DE TL Necesitamos probar que T (u + v) = T (u) + T (v) Con las correspondencias obvias, eso es lo mismo que probar que: T ((u1 , u2 ) + (v1 , v2 )) = T (u1 , u2 ) + T (v1 , v2 ) Ahora bien: T (u1 , u2 ) = (3u1 + 4u2 , 4u1 + 3u2 ) T (v1 , v2 ) = (3v1 + 4v2 , 4v1 + 3v2 ) Por tanto: T (u1 , u2 ) = (3u1 + 4u2 , 4u1 + 3u2 ) = (3u1 + 4u2 , 4u1 + 3u2 ) T (v1 , v2 ) = (3v1 + 4v2 , 4v1 + 3v2 ) = (3v1 + 4v2 , 4v1 + 3v2 ) y al n: T (u1 , u2 ) + T (v1 , v2 ) = (3u1 + 4u2 , 4u1 + 3u2 ) + (3v1 + 4v2 , 4v1 + 3v2 ) = (3u1 + 3v1 + 4u2 + 4v2 , 4u1 + 4v1 + 3u2 + 3v2 ) = (3(u1 + v1 ) + 4(u2 + v2 ), 4(u1 + v1 ) + 3(u2 + v2 )) = T (u1 + v1 , u2 + v2 ) = T ((u1 , u2 ) + (v1 , v2 )) = T ((u1 , u2 ) + (v1 , v2 )).
147
o o 338. Ejercicio Repita la anterior demostracin en notacin matricial. Generalice la demostracin para que quede claro que en realidad a cada matriz se le asocia de o manera natural una T L.
339. Ejercicio Demuestre que las siguientes transformaciones son lineales: a) T (x, y) = (2x + 4y, 3x + 2y) b) T (x, y) = (x y, 2x 7y) c) T (x, y) = (x y, x + y) d) T (x, y) = (5x y, 2x + 3y) e) T (x, y, z) = (2x + 3y z, 2x + 4y 5z) f) La derivada de funciones. Este ejercicio es importante porque la linealidad de la derivada permite denir y tratar los sistemas de ecuaciones diferenciales lineales, que dictaminan la dinmica de muchos sistemas dinmicos, con igual naturalidad y a a soltura que los sistemas de ecuaciones lineales que estamos viendo. Al hablar de funciones derivables, notamos por C n (a, b) el conjunto de las funciones cuyo dominio es el intervalo abierto (a, b) y que van sobre R que tengan n derivadas todas continuas. De igual forma C n (R) denota el espacio de las funciones que tienen como dominio a todo R y que tienen n derivadas todas continuas. 340. Contraejemplos. Hay funciones que no son T L, como las siguientes: T (x, y) = (x2 , 0) no es T L. En efecto: T (x, y) = ((x)2 , 0) = 2 (x2 , 0) = 2 T (x, y) = T (x, y) cuando diferente de 1 o de 0.
148
De igual forma T (x, y) = (x, y + 1) no es T L pues T (x, y) = (x, y + 1) lo cual es diferente de T (x, y) = (x, y + 1) = (x, y + ). 341. Ejercicio Formule un test para decidir de una sola mirada si una transformacin es T L o no. Ponga a prueba su test sobre varios ejemplos y contraejemplos. o
342. Ejercicio En una empresa, una seccin toma varios insumos de diferentes o tipos y produce varios productos. Para jar ideas, imaginemos que se tienen 2 insumos A, B y dos productos P, Q. Para hacer un producto tipo P se requieren 2 del tipo A y uno de B. Para hacer un producto tipo Q se requieren 2 de A y 3 de B. Codicar esa informacin en forma de matriz de tal manera que se responda naturalmente a la o siguiente pregunta: si se requieren 3 productos tipo P y 4 tipo Q, cunto se necesita a de cada insumo? Especicar la T L asociada y verbalizar su signicado.
5.2.
La matriz de una TL
Nosotros sabemos cmo hallar la matriz asociada a un sistema de ecuaciones lio neales, y de ah sacar una T L. Con todo, uno puede denir una T L sin necesidad de pensar en un sistema de ecuaciones. Por ejemplo, derivar funciones es una T L sobre el espacio de funciones derivables. Con tanta generalidad, pensar en matrices origina serios problemas. Pero en casos muy simples se procede muy sencillamente, por inspeccin. o 343. Ejemplo y denicin Sea X = (x1 , ..., xn ) Rn . Hallemos la matriz de o I(X) = X. Puesto que la matriz de I es una matriz tal que a X no le hace nada, esa matriz es la matriz identidad, I, la que tiene unos en la diagonal y ceros en las dems a entradas. A esta transformacin lineal la llamamos la identidad y la notamos I. o
344. Ejemplo Calculemos la matriz de T (x, y) = (3x + 4y, 4x + 3y). Solucin: se escribe T en notacin vertical y se factoriza (x, y) en el sentido de la o o relacin entre los sistemas de ecuaciones y las matrices. Da la matriz o 3 4 4 3
345. Teorema sobre la caracterizacin geomtrica de una TLT. Para o e saber cmo funciona una T L sobre R2 es suciente saber qu hace ella sobre la base o e natural.
5.2. LA MATRIZ DE UNA TL
149
T (j) j i T T (i)
Figura 5.1. Una T L se caracteriza por su efecto sobre la base natural. Podemos pensar en trminos de bases o de los plp que ellas generan. e
Demostracin. Sea T una T L cualquiera de R2 en R2 . o Tengamos en cuenta que en la base natural del dominio R2 se tiene que (x, y) = x(1, 0) + y(0, 1) y aplicando T a ambos lados y aplicando la linealidad, obtenemos: T (x, y) = T (x(1, 0) + y(0, 1)) = xT (1, 0) + yT (0, 1). Esta identidad dice que para saber cmo opera una T L es suciente saber qu hace o e sobre la base natural o sobre el plp formado por la base natural. 346. Ejercicio Generalice el teorema anterior a Rn . Si reescribimos la identidad T (x, y) = T (x(1, 0) + y(0, 1)) = xT (1, 0) + yT (0, 1) en notacin vertical, y la generalizamos a n dimensiones, tenemos el siguiente o 347. Algoritmo: Para sacar la matriz de una T L T se calcula T de cada uno de los elementos de la base natural N = {(1, 0, .., 0), (0, 1, 0, ..., 0), ..., (0, ..., 1)} y dichas imgenes se ponen en posicin vertical formando una matriz. a o
348. Ejemplo Si T (x, y) = (3x + 4y, 4x + 3y) se tiene T (i) = T (1, 0) = (3, 4) en tanto que T (j) = T (0, 1) = (4, 3) y esos dos vectores resultantes son las columnas de la matriz M de T : M= 3 4 4 3
349. Protesta. Adems de la base natural, cada EV tiene un nmero innito de a u bases. Por qu la matriz de una T L tiene que denirse con respecto a la base natural? e Esta justa protesta exige una respuesta, la cual ser estudiada como prerrequisito a a la diagonalizacin. o
150
350. Teorema. Para toda T L T , tenemos T (0) = 0. Prueba: T (0) = T (0 + 0) = T (0) + T (0), donde se deduce que T (0) = 2T (0), o T (0) = 0 siempre. Esto signica que cualquier sistema homogneo de ecuaciones de la forma M X = 0 e siempre tiene al menos una solucin, la solucin cero, que tambin se llama la solucin o o e o trivial. 351. Ejercicio Describa la cantidad de soluciones de un sistema de ecuaciones en trminos de las propiedades de funciones: inyectiva, sobreyectiva. Una funcin es ine o yectiva, o 1-1, si a cada vector del codominio le llega mximo un vector del dominio a (puede no llegarle nadie). Una funcin es sobreyectiva si a todos y a cada uno de los o elementos del codominio les corresponde alguien en el dominio.
5.3.
Composicin de las TL o
Una T L es antes que nada una transformacin. Las transformaciones pueden tratar o de encadenarse o componerse, primero una y despus otra. Eso no siempre es posible. e Por ejemplo, si una T L toma vectores de un EV de dimensin 6 y produce vectores en o un espacio de 5 dimensiones, para poder entrar en una cadena se exige que el prximo o eslabn reciba elementos de un espacio de 5 dimensiones. o 352. Teorema. Si dos T L pueden componerse, su resultado es una transformacin o que es T L. Con total claridad, si S: U V es T L y si T : V W es T L, entonces la compuesta T S puede hacerse y es T L: U
T S
V T W
Figura 5.2. La composicin o encadenamiento de las T L es T L. o Demostracin: ejercicio. o Puesto que la compuesta de las T L es T L, la compuesta tiene una matriz asociada. Cmo hallamos su matriz? o Tngase presente que la notacin al componer T L se subordina a la siguiente necesie o dad: la matriz de una T L, lo mismo que una funcin opera sobre vectores columna que o estn a la derecha de ella. Por lo tanto, al componer dos funciones, T L o matrices, la a que entra de segunda debe ir a la izquierda para que reciba, por la derecha, lo que la primera produce. Por esta razn, la compuesta del diagrama anterior se denota T S o y cuando opera sobre un vector X del dominio de S se escribe as :
5.3. COMPOSICION DE LAS TL
151
(T S)(X) = T (S(X)) Recordemos que para hallar la matriz de una T L se halla la imagen de cada uno de los vectores de la base natural y los resultados se escriben como columnas formando una matriz. Por tanto, la matriz de una compuesta se halla calculando la imagen de cada uno de los elementos de la base del dominio por la primera T L y el vector resultante se pasa por la segunda T L. Todos los vectores resultantes forman una matriz, la matriz de la compuesta. 353. Ejemplo puesta T S: Dadas dos T L componibles, S y T , hallemos la matriz de la com-
Sea S(x, y) = (2x 3y, 5x + 4y), y sea T (x, y) = (3x + 2y, 9x + 7y) Hallemos la imagen por S de la base natural. Tenemos: S(1, 0) = (2, 5), S(0, 1) = (3, 4) y por tanto S= 2 3 5 4
Obsrvese que usamos la misma letra para designar a S tanto como funcin como e o matriz. No hay ninguna confusin, pues hay una correspondencia biun o voca entre las dos. Por otro lado: T (1, 0) = (3, 9), T (0, 1) = (2, 7) y por tanto: T = 3 2 9 7
Para hallar la matriz de la compuesta simplemente hallamos la imagen de cada uno de los elementos de la base natural por la compuesta: T (S(1, 0)) = T (2, 5) = T (2(1, 0) + 5(0, 1)) = 2T (1, 0) + 5T (0, 1) = 2(3, 9) + 5(2, 7) = (6 + 10, 18 + 35) = (16, 17) T (S(0, 1)) = T (3, 4) = T (3(1, 0) + 4T (0, 1)) = 3T (1, 0) + 4T (0, 1) = 3(3, 9) + 4(2, 7) = (9 + 8, 27 + 28) = (1, 55). Por lo tanto la matriz de la compuesta T (S()) es T S TS = 16 1 17 55
354. Ejercicio Halle T (S(X)) usando el procedimiento de composicin de funo ciones y por inspeccin encuentre la matriz asociada. Compare la respuesta con la o que acabamos de obtener.
152
355. Ejercicio Hemos hallado la matriz asociada a T S. Halle la matriz asociada a S T = S(T ()). Averige si las dos composiciones dan la misma matriz. Si lo son, u ac y en cualquier otro caso, se dice que la composicin de las T L es conmutativa. De a o lo contrario se dice que la composicin de las T L es no conmutativa. o Ya sabemos encontrar la matriz asociada a cualquier composicin de T L. El proo blema es entonces poder predecir de manera mecnica cul va a ser la matriz asociada al a a producto de componer o encadenar dos o ms T L sabiendo las matrices componentes. a La solucin tiene que ser aquella que convierta la naturalidad en una realidad. En la o jerga TRIZ eso se dice as el mejor diseo es el que no tiene ningn diseo. Revisemos : n u n el ejemplo recin resuelto. Hallemos, de una manera ligeramente diferente, la imagen e por la compuesta de cada uno de los elementos de la base natural. Primero T (S( i )), sabiendo que: S= 2 3 5 4 3 2 9 7
T =
Calculemos la primera columna de la matriz producto T S hallando S( i ) y su resultado pasndolo por T : a T S(i) = = 3 2 9 7 3 2 9 7 2 3 5 4 2 5 1 0
Notemos lo siguiente: el resultado de esta multiplicacin es la primera columna de o la matriz producto T S. Por tanto, la primera columna de la matriz producto T S tiene en la primera coordenada el resultado de multiplicar, en producto punto, la primera la o rengln de la matriz T , la cual es (3, 2), por la primera columna de la matriz S que es o (2, 5). La primera columna de la matriz producto T S tiene en la segunda coordenada el resultado de multiplicar, en producto punto, la segunda la o rengln de la matriz o T , la cual es (9, 7), por la primera columna de la matriz S, la cual es (2, 5).
356. Ejercicio Prediga cules sern las coordenadas de la segunda columna de la a a matriz producto T S. Demuestre su prediccin. o
357. Ejercicio Generalizando los resultados anteriores, prediga la receta general para el producto de matrices cualesquiera. Demuestre su prediccin. o
5.4. MULTIPLICACION DE MATRICES
153
5.4.
Multiplicacin de matrices o
Esta seccin empieza con repaso y complementa lo visto en todo el cap o tulo. Consideremos el sistema lineal de ecuaciones 3x + 4y = 7 4x + 3y = 7 Antes escrib amos este sistema de la forma M= 3 4 : 7 4 3 : 7
Ahora lo vamos escribir de la siguiente manera: 3 4 4 3 x y = 3x + 4y 4x + 3y = 7 7
Esta reescritura dene varios elementos. En primer trmino a e x y lo llamamos vector columna o vector. Es un elemento de dos coordenadas y por lo tanto vive en R2 . En segundo lugar, estamos deniendo la multiplicacin de una matriz o por un vector columna (primero la matriz, despus el vector), en nuestro caso e 3 4 4 3 x y = 3x + 4y 4x + 3y
lo cual dice que la multiplicacin de una matriz por un vector columna debe restituir o un vector que represente el lado izquierdo de un sistema de ecuaciones. Operacionalmente es como sigue: se toma cada rengln de la matriz y se multiplica en producto o punto por el vector columna. El resultado del rengln i por el vector columna es el o rengln i de la respuesta de la multiplicacin, la cual es un vector columna con tano o tos renglones cuantos renglones hay en la matriz. Naturalmente que la multiplicacin o est denida unicamente cuando el producto punto puede ejecutarse, es decir, cuando a el nmero de columnas de la matriz coincide con el nmero de renglones del vector u u columna. Adems usamos la igualdad: dos vectores columna son iguales cuando son a iguales coordenada por coordenada o rengln por rengln. o o Haber multiplicado una matriz por un vector nos produjo un vector, en nuestro caso un elemento con dos coordenadas, es decir, un elemento de R2 . Todo lo anterior lo podemos escribir sucintamente diciendo que M es una funcin, llamada transformacin o o lineal, que toma vectores con dos coordenadas y los transforma en vectores de dos coordenadas. M : R2 R2 M (x, y) = (3x + 4y, 4x + 3y)
154
Cuando usamos notacin de funciones, como aqu los vectores forman tupletas o , que se escriben horizontalmente, pero cuando usamos notacin matricial, los vectores o forman una columna y van delante de la matriz. Una matriz representa una funcin y las funciones o transformaciones pueden como ponerse, es decir, pueden ponerse a operar una despus de otra. Lo interesante es que e al componer 2 matrices como transformaciones, la transformacin resultante tiene una o matriz asociada llamada la matriz producto. El resultado de la multiplicacin se puede o calcular automticamente de acuerdo con la siguiente: a 358. Regla para multiplicar matrices 1. Queremos que el producto de matrices T y S, en ese orden, represente la matriz de la compuesta T S = T (S()). 2. El orden es importante porque, en general, transformar de un modo y despus e de otro no es conmutativo (piense en las transformaciones que sufren los alimentos al ser preparados y adems estudie rotaciones de 90 grados alrededor de dos ejes perpena diculares). 3. Para hallar la matriz de un producto T S se cuadran las matrices T, S en el siguiente arreglo en escuadra, de tal forma que el producto est en el centro de la a escuadra: . . . S TS = ... ... ... . . T . TS
Para hallar la entrada pij del producto, la i con columna j, se multiplica en producto punto la la i de T con la columna j de S, como en el siguiente
359. Ejemplo Multipliquemos mecnicamente las dos matrices T S, en ese orden, a y veriquemos que se trata de hallar la matriz de una compuesta. Sea S= T = 2 3 5 4 3 2 9 7
Para hallar el producto T S, primero preparamos un arreglo en escuadra, en donde T aparece en la esquina izquierda inferior y S en la esquina superior derecha. En el centro de la escuadra pondremos el producto T S. . . 2 3 . . . 5 . 4 .. T S = ... ... ... .. 3 2 . . . . . 9 7 .
5.4. MULTIPLICACION DE MATRICES
155
Veriquemos ahora que se trata de la matriz de una compuesta. Para eso tenemos que calcular S(x, y), producir un vector resultante que ha de ser procesado por T y el resultado debe coincidir con el resultado de multiplicar la matriz T S por (x, y). Veamos. Primero calculemos S(x, y): 2 3 5 4 x y = 2x 3y 5x + 4y
Ahora ejecutamos los productos punto y podemos encontrar la matriz producto en la esquina de la escuadra (abajo a la derecha): . . . 2 3 . . . 5 4 .. T S = ... ... ... .. 3 2 . 16 1 . . . . 17 55 9 7 .
La matriz producto ser calculada inmediatamente, pero en el paso anterior ha a sido reemplazada por marcas negras para indicar el mecanismo de multiplicacin: cada o marca dene una la de T y una columna de S. En el producto de matrices, se reemplaza la marca por el producto punto o escalar de dicha la de T por la susodicha columna de S: . . . 2 3 . . . 5 4 .. .. T S = ... ... ... 3 2 . . . 32+25 3 (3) + 2 4 . . (9) 2 + 7 5 (9) (3) + 7 4 9 7 .
A este vector resultante lo pasamos por T : 3 2 9 7 = 2x 3y 5x + 4y = 3(2x 3y) + 2(5x + 4y) 9(2x 3y) + 7(5x + 4y) = x y 16x y 17x + 55y
6x 9y + 10x + 8y 18x + 27y + 35x + 28y) = 16 1 17 55
que da exactamente la matriz T S, la cual hallamos mecnicamente. Hemos veria cado entonces que el producto de dos matrices corresponde a la composicin de las o matrices interpretadas como transformaciones. 360. Ejercicio Sean las siguientes matrices:
156
A= B= C=
2 1 5 3 1 4 2 4 2 5 3 1
Calcule mecnicamente los siguientes productos y verique que se trata de la matriz a de una compuesta: 1. AB 2. BA 3. CA 4. CB 5. ABC 6. A2 = AA Nosotros hemos visto cmo se multiplican dos matrices cuadradas 2 2. El proo cedimiento usado se extiende naturalmente a matrices de cualquier orden, cuadradas o no, siempre y cuando el producto tenga sentido. 361. Ejemplo Sea la T L denida por S: R2 R2 S(x, y) = (x y, 2x + 4y) y la T L T : R2 R3 T (x, y) = (2x 3y, x + 5y, x 7y) Usando la tecnolog del producto de matrices hallemos la expresin de la compuesta a o T S = T (S()). Solucin: Lo primero que tenemos que vericar es que efectivamente la compuesta o est bien denida. Para esto, lo que se necesita es que la salida de la primera funcin se a o pueda encadenar con la entrada de la segunda. Para componer T L nosotros exigimos que el codominio o conjunto de llegada de la primera sea exactamente igual al dominio o conjunto de salidad de la segunda. Para nuestro ejemplo, el codominio de S es R2 que es igual al conjunto de salidad de T . Por lo tanto, se pueden encadenar, lo cual tambin podemos resumirlo en el siguiente diagrama: e
5.4. MULTIPLICACION DE MATRICES S R2

T S
157 R2 T R3
Figura 5.3. La salida de S se puede encadenar con la entrada de T porque ambas son el mismo EV .
La matriz de S es S= La matriz de T es 2 3 5 T = 1 1 7 Hacemos el arreglo en escuadra 1 1 2 4 ... ... ... .. .. TS = . 2 3 . . . . 5 . 1 . 1 7 . . . . . . . . 1 1 2 4
En en el lugar de cada marca negra ponemos el producto punto entre la la de T y la columna de S correspondientes: . . . . . . 1 1
Ejecutamos la aritmtica y obtenemos la respuesta: la matriz de la compuesta T S e es T S dada por 4 14 19 T S = 11 13 29
2 4 ... ... ... .. .. TS = . 2 3 . (2)(1) + (3)(2) (2)(1) + (3)(4) . . . (1)(1) + (5)(4) 5 . (1)(1) + (5)(2) 1 . . (1)(1) + (7)(2) (1)(1) + (7)(4) 1 7 .
158
La compuesta opera sobre vectores que tienen un nmero de componentes igual u al nmero de columnas de T S, es decir, sobre elementos de R2 y produce elementos u con tres componentes, R3 , lo cual es compatible con el diagrama de la compuesta. La expresin para T S es entonces: o T S: R2 R3 T S(x, y) = (4x 14y, 11x + 19y, 13x + 29y) Como hay tantos nmeros envueltos, hacemos un chequeo: calculemos T S sobre u (1, 3) por dos caminos, por denicin de la compuesta y usando la matriz producto. o Debe dar lo mismo y es cierto: en ambos casos obtenemos T (S(1, 3)) = (46, 68, 100). 362. Ejercicio Sean las siguientes matrices: A= 2 1 3 5 3 4 1 4 4 B= 2 1 3 C= 2 5 3 1
Calcule mecnicamente los siguientes productos cuando esto sea posible. Para dea cidir si la compuesta tiene sentido, verique dos cosas, que el conjunto de llegada de la primera sea igual al conjunto de salida de la segunda y que el arreglo en escuadra permite denir las marcas negras sin ambigedad. u 1. AB 2. BA 3. CA 4. CB 5. ABC 6. A2 = AA
5.5.
1. Compruebe que la matriz A =
0 1 satisface la ecuacin cuadrtica o a 2 1 X 2 + X 2I = 0 donde X 2 denota el producto de matrices XX para matrices cuadradas. Podr hallar otra matriz B que sea solucin de dicha ecuacin? a o o
2. Sea A una matriz m n y sea ej el vector columna n 1 cuya jsima compoe nente es 1 y cuyas otras componentes son ceros. Mostrar que:
5.6. RESUMEN a) A ej es la j-sima columna de A. e
159
b) Si Ax = 0, x Rn , entonces A = 0.
c) Si A y B son matrices del mismo tamao y Ax = Bx, x Rn , entonces n A = B.
3. Una matriz A cuadrada es nilpotente si Ar = 0 para algn entero positivo r. u a) Dar un ejemplo de una matriz 2 2 no nula que sea nilpotente. 4. Considere la transformacin lineal o T : R2 R2 , denida por T (X) = AX, donde A = 5 4 1 2
b) Mostrar que, si existe B tal que AB = BA = I, entonces A no es nilpotente.
a) Halle los valores de para los cuales T (X) = X, X = 0. b) Halle un vector v R2 , v = 0, tal que T (v) = 6v. 5. Sea Pn el EV de los polinomios de grado menor o igual a n. Consideremos las transformaciones dadas por T2 : P2 P2 con T2 (p(x)) = p(2x + 1) a) Calcule T1 (7x + 3). b) Calcule T2 (4x2 3x + 1). d ) Calcule T2 (T1 (p(x))). c) Calcule T2 (T1 (9x 1)). T1 : P1 P2 con T1 (p(x)) = xp(x)
e) Hay algn polinomio para el cual T1 (T2 (p(x))) est bien denido? u e f ) Demuestre que T1 y T2 son lineales. g) Halle T1 (a+bx), T2 (a+bx+cx2 ), T2 (T1 (a+bx))) e invente un procedimiento matricial para obtener por matrices los mismos resultados.
5.6.
Resumen
Todo sistema lineal de ecuaciones est naturalmente asociado a una matriz, digamos a F , la cual representa una funcin con propiedades especiales. Es compatible con las o operaciones de un EV, la suma y la multiplicacin por escalares: o F (x + y) = F (x) + F (y) La funcin resultante se denomina transformacin lineal (T L). La compuesta, cuano o do existe, de dos T L es T L y por tanto tambin tiene matriz: la matriz de una come puesta es el producto de matrices. Todo esto es tan natural que se denota simplemente como: la matriz de F G es el producto de las matrices F G. La multiplicacin de o matrices es no conmutativa, en general, F G = GF .
160
5.7.
Gran taller de repaso
Con este taller podr revisar y aplicar la teoria desarrollada en el capitulo. Asuma a cada ejercicio como un reto. 1 1. Encontrar los coecientes a, b, c para que la parbola y = ax2 + bx + c pase por a los puntos (1, 4), (2, 8) y (3, 14). Rta. a = 1, b = 1, c = 2. 2. Una fbrica de muebles tiene dos divisiones: un taller donde se fabrican las partes a de los muebles y una divisin de ensamble, donde se unen las partes para obtener o el producto terminado. Suponga que se tienen 12 empleados en el taller y 20 en la divisin, y que cada empleado trabaja 8 horas diarias. Suponga que se o producen slo sillas y mesas. Una silla requiere 384 horas de maquinado y 480 o 17 17 horas de ensamblaje. Una mesa requiere 240 horas de maquinado y 640 horas de 17 17 ensamblaje. Suponga que se tiene una demanda ilimitada de estos productos y que el fabricante quiere mantener ocupados todos los empleados. Cuntas sillas a y cuntas mesas al d puede producir esa fbrica? a a a Rta. 3 sillas y 2 mesas. 3. En 3 islas vive una poblacin estable de 35.000 aves. Cada ao, el 10 % de o n poblacin de la isla A emigra a la isla B, el 20 % de la poblacin de la isla o o B emigra a la isla C y el 5 % de la poblacin de la isla C emigra a la isla A. o Calcule el nmero de aves en cada isla, si no var la poblacin de cada isla de u a o un ao al siguiente. n 4. Para cada una de las siguientes armaciones diga si es falsa (F) o verdadera (V) segn sea el caso. Si es falsa, justique su respuesta mediante un ejemplo o u mediante el uso de la teor Si es verdadera, justique unicamente mediante la a. teor (teoremas, deniciones, etc). a a) El generado de cualesquiera dos vectores no nulos en R2 es todo R2 . b) El generado de cualesquiera tres vectores no nulos y no paralelos en R3 es todo R3 . c) Si {v1 , v2 , ..., vk } son vectores en R2 tales que el gen{v1 , v2 , ..., vk } = R2 , entonces k = 2. d ) Existen exactamente dos vectores perpendiculares a un vector no nulo dado en Rn . e) El ngulo entre dos vectores no nulos en Rn es menor que 90 , si y slo si, a o el producto punto de los vectores es positivo. f ) Si u v = 0, entonces u = 0, o bien, v = 0.
1
Con un especial agradecimiento al profesor Oscar Casas.
5.7. GRAN TALLER DE REPASO g) Si x y = x z, entonces siempre y = z? Justique su respuesta.
161
Sugerencia: Construya unos ejemplos. h) A2 B 2 = (A B)(A + B), para cualesquiera matrices cuadradas A y B. i ) Si v, w son vectores de Rn con la misma magnitud, entonces la magnitud de v w es cero.
j ) Todo sistema lineal de ecuaciones con el mismo nmero de ecuaciones que u de incgnitas tiene siempre solucin unica. o o
k ) Todo sistema lineal de ecuaciones con el mismo nmero de ecuaciones que u de variables tiene al menos una solucin. o l ) Un sistema lineal con una matriz cuadrada asociada A tiene solucin unica, o si y slo si, la matriz A es equivalente por renglones a la matriz identidad. o m) Un sistema lineal con ms ecuaciones que variables siempre admite un a nmero innito de soluciones. u 5. Encontrar todos los escalares c, si existen, para los cuales se tiene que: a) El vector (2, 6) es paralelo al vector (c, 3).
b) El vector (c, c, 4) es paralelo al vector (2, 2, 20). c) El vector (c2 , c3 , c4 ) es paralelo al vector (1, 2, 4).
d ) El vector (13, 15) es una combinacin lineal de los vectores (1, 5) y (3, c). o e) El vector i + cj es una combinacin lineal de los vectores i + 2j + k y o 3i + 6j + 3k. g) El vector (c, c, c) es ortogonal tanto al vector (1, 3, 4) como al vector (2, 1, 1). f ) El vector (c, 3, 5) es ortogonal al vector (1, 3, 4).
h) Los puntos (2, 0, 4), (4, c, c) y (6, c, c) son los vrtices de un tringulo e a equiltero. a 6. Mostrar que el punto medio de la hipotenusa de un tringulo rectngulo es a a equidistante de los tres vrtices. e 7. Encuentre la distancia del punto P (1, 1, 2) al plano 2x + y z = 1. 8. Determine el punto Q del plano 2x + y z = 1 que se encuentra ms cerca del a origen. 9. Pruebe que si b + c = 0 y ||a|| = ||b||, entonces (a b) (a c) = 0. Sugerencia: Distribuya el producto punto y use las hiptesis. o 10. Sean u = (2, 5) y v = (, 2). Determine tal que: a) u y v sean ortogonales.
162
CAP ITULO 5. TL = TRANSFORMACIONES LINEALES b) El ngulo entre u y v es de 2/3. a c) u y v sean paralelos. d ) El ngulo entre u y v es de /3. a Rta. a) = 5, b) =
8058 3 , 13
c) = 4 , d) para ningn . u 5
11. Para vectores u, v y w en Rn y para escalares r y s, probar que, si w es ortogonal tanto a u como a v, entonces w es ortogonal a ru + sv. 12. Encontrar los valores de a, b y c para los cuales la parbola a 2 y = ax + bx + c pasa por los puntos (1, 4), (0, 5) y (2, 3). 13. Hallar los valores de A y B tales que x x A B = = + . 2+x1 2x (2x 1)(x + 1) 2x 1 x + 1 14. Consideremos el sistema lineal x1 + 2x2 3x3 + x4 = 2 3x1 + 6x2 8x3 2x4 = 1. a) Codique el sistema de la forma matricial AX = B. b) Halle la solucin ms general, sh , en trminos de parmetros libres, del sistema o a e a AX = 0. Este sistema, igualado al vector cero, se llama homogneo. e c) Halle por tanteo una solucin espec o ca xp del sistema AX = B. Una solucin o espec ca del sistema AX = B recibe el nombre de solucin particular. Es o unica la solucin particular? o d) Halle la solucin ms general, sg , del sistema completo AX = B llamado no o a homogneo. e e) Demuestre que sg = sh + xp . De esa forma se demuestra que toda solucin o general es la suma de una solucin al sistema homogneo ms una solucin o e a o particular. En trminos geomtricos: la solucin de un sistema AX = B se e e o puede descomponer como la suma de un subespacio vectorial (que pasa por cero y es solucin del sistema homogneo) ms un vector de traslacin. Haga o e a o un dibujo que ayude a entender si tal descomposicin es o no unica, es decir, o si el vector traslacin o la solucin particular es o no unica. o o 15. Considere el sistema lineal con un parmetro k: kx + y + z = 0, x + ky + z = 1. a a) Comprobar que para k = 1, el vector (1, 1/2, 1/2), satisface el sistema.
b) Para qu valor(es) del parmetro k el sistema es inconsistente (que contiene e a una contradiccin)? o c) Para qu valor(es) del parmetro k el sistema admite innitas soluciones? e a
d ) Para k = 1 escriba la solucin del sistema en la forma Yg = Yh + Yp , donde o Yh es la solucin del sistema homogneo y Yp es una solucin particular del o e o no homogneo. e
5.7. GRAN TALLER DE REPASO
163
16. Si un sistema lineal tiene matriz aumentada equivalente por las a la matriz 1 2 1 | 2 0 1 2 | 2 determine el(los) valor(es) de a para el(los) cual(es) 2 0 0 a 4 | a+2 el sistema tiene: a) Unica solucin. o b) Innitas soluciones. c) Inconsistencia. 17. Sea H = {(x, y) : xy = 0}. Es H con suma y producto por escalar usuales un subespacio vectorial de R2 ? Justique su respuesta. x 0 x 18. Determine si el conjunto de matrices 33 de la forma 0 x 0 , donde cada x 0 x x puede ser un escalar cualquiera, es un espacio vectorial con suma y producto por escalar usual. En caso armativo halle una base para tal espacio y encuentre su dimensin. o 19. Decidir cules de los siguientes conjuntos son subespacios de Rn :: a a) H1 = {X Rn : A X = 0, A Mnn }.
b) H2 = {(a1 , a2 , a3 , ..., an ): a2 + a2 + a2 + ... + a2 = 1}. 1 2 3 n
c) H3 = {(a1 , a2 , a3 , ..., an ): a1 + a2 + a3 + ... + an = 0}. Rta. a) Si, b) No, c) Si. 1 1 1 2 , , 0 1 1 1 para formar una base del
1 1 20. Extender el conjunto 1 1 4 espacio R .
Rta. Aada el vector (1, 0, 0, 0) y verique que estos cuatro vectores forman una n base. 21. Determine cules de los siguientes subconjuntos del espacio vectorial de matrices a 2 2 son subespacios. a) b) a 0 0 b a 0 0 b | a, b R |a+b=0 c) d) a 0 0 b a c 0 b |a+b=5 | a + b = 0, c R
164
22. Determine si el vector v pertenece al espacio generado por los vectores del conjunto H. 0 2 1 0 , H = 0 , 0 a) v = 1 0 1 b) v = x x3 , c) v = 0 1 4 2 H = x2 , 2x + x2 , x + x3 , H= 1 0 1 1 , 2 0 2 3
23. Determine si los siguientes conjuntos de vectores son linealmente dependientes o independientes. 4 2 1 V = R3 a) 3 , 2 , 4 14 4 5 3 2 1 7 7 , 7 V = R3 b) 7 7 7 c) d) 3 x + 9x2 , 5 6x + 3x2 , 1 + x 5x2
2 2 2
V = P2
8 + 3x + 3x , x + 2x , 2 + 2x + x , 8 2x + 5x2
V = P2
24. Encuentre una base para las soluciones del siguiente sistema de ecuaciones. x1 4x2 + 3x3 x4 = 0 2x1 8x2 + 6x3 2x4 = 0 25. Encuentre una base para cada uno de los siguientes subespacios y halle su dimensin: o a) El subespacio H = a2 x2 + a1 x + a0 : a2 2a1 = a0 de P2 b) El subespacio H = {p(x) P3 : p(7) = 0} c) El subespacio H = {p(x) P3 : p(7) = 0, p(5) = 0}
d ) El subespacio H = {p(x) P3 : p(7) = 0, p(5) = 0, p(3) = 0} 26. Determine si la transformacin dada es o no lineal o a) T : R2 R2 , b) T : R R , c) T : R2 R2 ,
3 2
e) El subespacio H = {p(x) P3 : p(7) = 0 p(5) = 0, p(3) = 0, p(1) = 0} x y y x 1 z xy x
x y = T z T x y =
5.7. GRAN TALLER DE REPASO d ) T : M22 M22 , T (A) = AB; B una matriz ja
165
e) T : M22 M22 , T (A) = AAt donde At indica la matriz transpuesta de A que se obtiene de A intercambiando las las por columnas, como en el siguiente ejemplo: t a b c d = a c e b d f e f f ) T : P2 P1 , T (a + bx + cx2 ) = b + cx; Rta. a) S b) No, c) No, d) S e) S f) S , , , .
27. Sea T : R2 R3 una transformacin lineal tal que o 4 1 2 1 = 0 , = 2 ; T T 1 1 5 3 calcule a) T b) T 2 5 2 4 yT yT 3 9 3 7 2 5 8 = 8 , T 7 3 9 21 = 10 5
Respuesta: a) T
29. Sea V un espacio vectorial. Muestre que si v V y r es un escalar que cumple rv = 0, entonces r = 0 o v = 0. 30. Sea {v1 , v2 , . . . , vn } un conjunto de vectores linealmente independientes. Muestre que los vectores v1 , v1 + v2 , v1 + v2 + v3 , . . . , v1 + v2 + v3 + + vn son linealmente independientes. 31. Encuentre un vector v en R3 que sea linealmente independiente a los vectores (2, 1, 2) y (1, 3, 4) 32. Decida cules de los siguientes conjuntos son subespacio de F (R) = {f : R R}: a a) K1 = {f : R R: x (f (x) = f (x)} b) K2 = {f : R R: f (1) = 0}
28. Sea T : R2 R3 transformacin o lineal que tal una 4 1 2 1 = 0 , = 2 ; T T 1 1 5 3
166
CAP ITULO 5. TL = TRANSFORMACIONES LINEALES c) K3 = {f : R R: f (x) = ax + b, a, b R, b = 0} Rta. a) S b) S c) No. , ,
33. Considere el espacio Mnn de todas las matrices n n. Es T = {aij = 0, i j} un subespacio de Mnn ? Rta. S . 34. Determine cules de los siguientes subconjuntos dotados con las operaciones a usuales son subespacios del espacio vectorial dado. a) b) U = a b ab a+b p(x) P3 : | a, b R , V = M22 (R).
1 0
p(x)dx = 0 , V = P3 . Rta. a) S b) S . .
35. En el espacio vectorial real de los polinomios de grado menor o igual a 3 se consideran los subconjuntos F1 = {p(x) | p(1) = 0} F0 = {p(x) | p(0) = 0}
F1 = {p(x) | p(1) = 0} a) Probar que F1 , F0 y F1 son subespacios de P3 . b) Hallar una base para cada subespacio. Respuesta: b) F0 =gen{x, x2 , x3 }, F1 =gen({1 + x, 1 + x2 , 1 + x3 }), F1 = gen({1 + x, 1 + x2 , 1 + x3 }) 36. Calcule expl citamente los siguientes espacios: a) El espacio generado por el vector (1, 2, 3) en R3 . b) El espacio generado por los polinomios p1 (x) = 3 + x2 + x3 y p2 (x) = x + 1. 1 c) El espacio generado por los vectores 1 , 1 {p1 (x), p2 (x)} , donde
Rta. a) Recta que pasa por el origen en direccin del vector (1, 2, 3), b) Todos o los polinomios de la forma 3a + b + bx + ax2 + ax3 , a, b R, c) R3 . 37. a) Sean x1 y x2 soluciones al sistema no homogneo AX = b. Muestre que e x1 x2 es una solucin del homogneo. o e
0 1 , 1 en R3 . 2 7 3
167
b) Sea x una solucin particular del sistema no homogneo AX = b y sea y otra o e solucin cualquiera del sistema AX = b. Muestre que existe una solucin h o o del sistema homogneo AX = 0 tal que y = x + h. e Rta. a) Halle A(x1 x2 ), b) Utilice la parte a). 38. Determine si el conjunto de vectores es linealmente dependiente o independiente. a) {(3, 1, 2), (1, 5, 3), (1, 11, 4)} en R3 . b) {x 1, x + 1, x2 } en P2 . 39. Considere H y K dos subespacios de V y dena H +K = {h+k | h H, k K}. a) Muestre que H + K es un subespacio de V . b) Si H K = {0}, muestre que dim(H + K) =dim(H)+dim(K). 40. Sea A una matriz de tamao n n y R. Mostrar que el conjunto n n S = {x R : Ax x} es un = subespacio de Rn . Determine la dimensin de S si o 1 0 3 = 3 y A = 0 0 1 . 0 3 4
41. Sea P3 el espacio vectorial de los polinomios de grado menor o igual a 3; y sean W = {p P3 : p(0) = 0} y U = {p P3 : p(1) = 0}. Muestre que W y U son subespacios del espacio P3 . Determinar una base para W , una base para U y una base para W U. 42. Sean V = R3 y W = {(x, y, z) : x + 2y + 3z = 0}. a) Encuentre dos vectores v1 y v2 , que generen a todo W . b) Est el vector v = (1, 1, 1) en el gen{v1 , v2 }? a 43. Determine si la transformacin dada es o no lineal o a) T : R2 R2 , b) T : R3 R2 , c) T : R2 R2 , T x y = y x 1 z xy x
x T y = z T x y =
d ) T : M22 M22 , T (A) = AB; B una matriz ja e) T : M22 M22 , T (A) = AAt f ) T : P2 P1 , T (a + bx + cx2 ) = b + cx
168
44. Se dice que la matriz A conmuta con la matriz B si AB = BA. Muestre que si a b conmuta con toda matriz 2 2, entonces existe un escalar k tal A= c d que A = kI. Sugerencia: Considere por ejemplo los productos AB, BA, con A = yB= 0 1 0 0 . 1 0 0 0
CAP ITULO
6
DETERMINANTE DE UNA TL
Regresamos ahora a la teorizacin sobre lgebra lineal para poder avanzar en aplicao a ciones. Los resultados de esta seccin los necesitamos para hallar soluciones a sistemas o de ecuaciones, poder medir la cantidad de soluciones a un sistema de ecuaciones, para hallar la inversa de una matriz y para diagonalizacin de matrices. Tambin represeno e tan una poderosa herramienta para retroalimentacin en contra de errores que son tan o comunes en lgebra lineal. a
6.1.
TL y determinantes
363. Denicin. El determinante Det(T ) de una T L T : Rn Rn es el determio nante de la matriz de T . La denicin se aplica slo cuando el dominio y el codominio o o coinciden. Recordemos que para hallar la matriz de una T L T se toma cada uno de los elementos de la base natural y se pasa por T . El resultado se escribe verticalmente formando una matriz, la matriz de T . Dicho de otra manera, para hallar la matriz de T se toma el n-plp unitario (la base natural), se transforma por T y el n-plp resultante, en notacin o vertical, da la matriz de T . Una vez que uno tiene la matriz, se la interpreta como un plp y se le saca el determinante y ese es Det(T ).
T (j) T (i) i Figura 6.0. El determinante de una T L T es el determinante de la imagen del plp denido por la base natural. En resumen, el determinante de una transformacin lineal T es el volumen (signado) o de la imagen por T del plp unitario. 169 j T
170
CAP ITULO 6. DETERMINANTE DE UNA TL
364. Ejemplo Calculemos el determinante de T (x, y) = (2x3y, x+4y). Primero calculamos la imagen del cuadrado unitario T (1, 0) = (2, 1) y T (0, 1) = (3, 4). Por lo tanto, la matriz de T es: 2 3 1 4
cuyo determinante es Det(T ) = (2)(4) (3)(1) = 8 3 = 5. Hemos encontrado que Det(T ) = 5. Esto signica que T toma el 2-plp unitario y lo transforma en un 2-plp cuyo 2-volumen es 5. Por tanto, el volumen del 2-plp unitario se multiplic por 5. Esto tambin implica que el volumen de cualquier 2-plp tambin o e e se amplica 5 veces: 365. Ejercicio Muestre que para la T del ejercicio previo siempre se da que: Det(T (P )) = Det(T )Det(P ) donde P es cualquier 2-plp. Puede mostrarse que la prueba requerida depende tan slo de la linealidad de T y de la multilinealidad de Det. Por o tanto, este ejercicio puede generalizarse a cualquier T y a cualquier n-plp.
366. Teorema. El determinante de cualquier T L puede entenderse como un factor de ampliacin. Ms precisamente, sea T : Rn Rn una T L. Sea P cualquier n-plp. o a Entonces: Det(T (P )) = Det(T )Det(P ). En particular vol(T (P )) = |Det(T )Det(P )| 367. Teorema. Demostremos que si A y B son matrices cuadradas n n entonces Det(AB) = Det(A)Det(B). Demostracin. Cada matriz es la matriz de una T L asociada. Por lo tanto, podemos o ver a A y a B como T L. Puesto que ambas tienen el mismo dominio y codominio, se pueden componer y la matriz asociada a la compuesta es el producto de las matrices AB. Para hallar el Det(AB) lo que hacemos es tomar cualquier n-plp P y pasarlo por B y lo que d, se pasa por A. Cuando pasa por B obtenemos que P se transforma en e B(P ) y que Det(B(P )) = Det(B)Det(P ) pues el Det(B) funciona como factor de ampliacin. o Al pasar a B(P ) por A se obtiene: Det(A(B(P ))) = Det(A)Det(B(P )) = Det(A)Det(B)Det(P ) es decir que Det((AB)(P ) = Det(A)Det(B)Det(P ) por lo que el determinante o factor de ampliacin asociado al producto de matrices o es el producto de los determinantes. 368. Ejercicio Demuestre que el Det(T ) = 0 si T se dene por T (x, y) = (x, 0).
6.1. TL Y DETERMINANTES
171
369. Ejemplo Ilustremos lo que signica Det(T ) = 0. Para ello, consideremos la T L dada por T (x, y) = (x, 0) cuyo determinante es cero. Vemos que T toma un vector (x, y) y le calcula la sombra vertical sobre el eje X. Geomtricamente, T toma todo el plano y lo apachurra verticalmente contra el eje X. e Muy en particular, T toma el vector (0, 1) y lo procesa en (0, 0). Es decir, lo apachurra. Eso es lo mismo que decir que son muchos los vectores del plano que son apachurrados sobre el mismo vector del eje X. Por ejemplo, T (3, 1) = T (3, 2) = T (3, 5) = (3, 0). Eso quiere decir que la ecuacin T (X) = Y tiene o bien muchas soluciones, o bien, no tiene o ninguna. Veamos: La ecuacin T (x, y) = (3, 0) tiene una innidad de soluciones, todas del tipo (3, y). o Por lo tanto, esta ecuacin tiene una innidad de soluciones con un grado de libertad, o pues podemos dar a y el valor que queramos. En particular, la ecuacin T (x, y) = (0, 0) tiene una innidad de soluciones con un o grado de libertad, de la forma (0, y). Por otra parte, la ecuacin T (x, y) = (3, 1) no tiene ni siquiera una solucin, pues o o para que pueda haber solucin, la segunda coordenada del vector del lado derecho de o la ecuacin debe ser cero. o Releamos los anteriores resultados en trminos de sistemas de ecuaciones: e T (x, y) = (x, 0) = (3, 0) es equivalente al sistema dado por: x=3 0=0 lo cual no da informacin ni restricciones de ningn tipo sobre y: ste puede ser o u e cualquiera, mientras que x debe ser 3. De igual forma, T (x, y) = (x, 0) = (0, 0) dice que x=0 0=0 o sea que y queda libre: las soluciones son del tipo (0, y) que son una innidad, o sea, todo el eje Y . Por otra parte, T (x, y) = (x, 0) = (3, 1) es equivalente al sistema x=3 0=1 que da una contradiccin. Es decir, el sistema no tiene solucin. o o 370. Teorema y denicin. Si el Det(T ) = 0 quiere decir que T toma el o n-plp unitario y al transformarlo lo apachurra, pues se le pierde el volumen. Pero si Det(T ) = 0, quiere decir que T toma al n-plp unitario y al transformarlo no lo apachurra. En otras palabras, si Det(T ) = 0, T toma al n-plp unitario, el cual es una base, y lo transforma en otra base. Si el Det(T ) = 0, decimos que T es apachurrante o que apachurra.
172
Ahora bien, si T apachurra al n-plp unitario, eso signica que hay muchos vectores que al ser transformados caen sobre el mismo vector. Por lo tanto, T no es inyectiva, no es 1-1, y por tanto, la ecuacin T (X) = Y no tiene garant de tener solucin unica. o a o Puede incluso que no tenga solucin. o Pero si Det(T ) = 0, eso implica que T no apachurra al n-plp unitario y por ende no apachurra a nadie, y por tanto T es 1-1, es inyectiva. Eso quiere decir que si la ecuacin T (X) = Y tiene solucin, sta es unica. Pero, cundo hay solucin? Cuando o o e a o la transformacin es sobre, es decir, cuando para cualquier Y en el co-dominio existe o un X en el dominio tal que T (X) = Y . Cundo una T L es sobre? a 371. Teorema y denicin. Una transformacin lineal T : Rn Rn es 1-1 ssi o o es sobre. Por tanto, si el sistema T (X) = Y tiene solucin, es unica. o Demostracin. Si T es 1-1, sta no puede apachurrar al plp unitario, i.e. la imagen o e del plp unitario es una base que expande todo el codominio. Por lo tanto, T es sobre. Supongamos ahora que T es sobre. Esto quiere decir que la imagen de T llena todo el codominio. Esto implica que la imagen del plp unitario expande todo Rn . Puesto que el plp unitario tiene n vectores, su imagen tiene mximo n vectores y debe expandir a un espacio de dimensin n. Por lo tanto, la imagen del plp unitario es una base de Rn o y no puede ocurrir ningn apachurramiento, dos vectores del dominio no pueden caer u sobre el mismo vector del codominio: T es 1-1. Por lo tanto, si la ecuacin T (X) = Y o tiene solucin, es unica. o 372. Ejercicio Una T L puede entenderse dinmicamente como un proceso y geoa mtricamente como una deformacin o transformacin. Una T L tiene inversa cuando e o o se puede reversar. Ocialmente, una T L T : V W tiene inversa cuando tiene inversa como funcin, es decir, cuando existe G: W V tal que G F = I y F G = I, donde o I es la identidad en el dominio correspondiente. Demuestre que una transformacin o lineal T tiene inversa ssi su determinante est denido y no es cero. D ejemplos. a e Cmo saber si dicha inversa es unica, o si es T L o no? o 373. Denicin. El determinante de un sistema de n ecuaciones con n variables o es el determinante de la matriz asociada a dicho sistema.
374.
Ejemplo
El sistema: 2x + 4y = 3 3x 7y = 5
tiene como matriz asociada: M= 2 4 3 7
El determinante de M es 2 (7) 3 4 = 14 12 = 26.
6.1. TL Y DETERMINANTES
173
375. Teorema. Si el determinante de un sistema de n ecuaciones en n variables es cero, hay un apachurramiento de por medio, y el sistema o bien no tiene solucin, o o bien tiene una innidad de soluciones. En particular, el sistema T X = 0 tiene la solucin 0 y adems otra innidad de soluciones. Si el determinante de un sistema o a de ecuaciones es diferente de cero, no hay ningn apachurramiento de por medio y el u sistema tiene una solucin que es unica, es decir, la matriz asociada al sistema tiene o inversa. 376. Ejercicio imponente Proponga una demostracin rigurosa algebraica al teoo rema anterior que copie la sencillez y la naturalidad de un ataque geomtrico. Primero e para el plano R2 y despus en general. e 377. Ejemplo el sistema: Desde el punto de vista de las T L y sus determinantes estudiemos 2x + 4y = 3 3x 7y = 5 A este sistema le corresponde la matriz: M= 2 4 3 7
El determinante de M es 2 (7) 3 4 = 14 12 = 26. M es una T L que va del plano al plano. (2, 3) T i
(4, 7) Figura 6.1. Plstica lineal. T transforma o deforma el plp unitario en un plp. a M toma el cuadrado unitario formado por i, j y lo transforma en el paralelogramo denido por los vectores (2, 3), (4, 7). El cuadrado unitario tiene rea 1, pero el paa ralelogramo en que M transforma dicho cuadrado tiene rea 26. El signo menos quiere a decir que mientras que en el cuadrado unitario uno va de i a j contrario a las manecillas
174
del reloj, en el paralelogramo imagen uno va de M (i) hacia M (j) con las manecillas del reloj. Puesto que el determinante de M no es cero, M no apachurra al plano al transformarlo. Por lo tanto, T es 1-1 y sobre. Eso quiere decir que a ningn vector del u codominio le llega ms de un vector y que a todo punto del plano imagen le llega un a vector del plano preimagen. Por tanto, todo sistema de la forma M W = B tiene solucin. Adems, la solucin es unica. Pues si no fuese as la T L M apachurrar algn o a o , a u vector sobre otro y el determinante ser cero. a 378. Ejemplo el sistema: Desde el punto de vista de las T L y sus determinantes estudiemos 2x + 4y = a 4x + 8y = b A este sistema le corresponde la matriz: M= 2 4 4 8
El determinante de M es 2 (8) 4 4 = 16 16 = 0. M es una T L que va del plano al plano que toma el cuadrado unitario formado por i, j y lo transforma en el paralelogramo denido por los vectores (2, 4), (4, 8).
T (j) = (4, 8)
T j T (i) = (2, 4) i Figura 6.2. Colapso, apachurramiento. Estos dos vectores son colineales pues la segunda coordenada de cada vector es el doble del primero. Esos dos vectores generan la misma l nea que pasa por el origen cuya ecuacin es y = 2x. El cuadrado unitario tiene rea 1, pero el paralelogramo en o a que M transforma dicho cuadrado tiene rea 0. Por eso decimos que M apachurra el a 3-plp o cubo unitario. Demostremos ahora que si M transforma el cuadrado unitario en un segmento de recta con rea cero, entonces, M apachurrar todo el plano sobre una l a a nea. En efecto: el cuadrado unitario es generado por la base natural i, j. Las imgenes de estos a dos vectores son colineales, o paralelos, es decir, M (i) = kM (j). Tomemos un punto cualquiera del dominio, con coordenadas arbitrarias (x, y). Su imagen es M (x, y) = M (xi + y j) = M (xi) + M (y j) = xM (i) + yM (j)
6.1. TL Y DETERMINANTES = xkM (j) + yM (j) = (xk + y)M (j)
175
En resumen: M (x, y) = (xk + y)M (j) lo cual dice que todas las imgenes caen sobre un alargamiento o un acortamiento a de M (j), o sea, caen sobre una l nea: M toma todo el plano y lo apachurra sobre una l nea. Puesto que el determinante de M es cero, M apachurra al plano al transformarlo. En este caso, lo apachurra sobre una l nea. Vemos que no a todo punto del plano imagen le llega un vector del plano preimagen. Por tanto, todo sistema de la forma M X = B a veces tiene solucin y en ese caso tiene muchas porque al vector de la imagen le caen o encima todos aquellos que son apachurrados sobre l. Pero puede ser que el sistema e no tenga solucin, pues M apachurra al plano sobre la recta y = 2x denida por los o puntos (2, 4) y (4, 8). Y si un vector en el plano imagen no est en dicha l a nea, pues no le llega nadie del plano preimagen y el sistema no tiene solucin. Veriqumoslo. o e Resolvamos 2x + 4y = 5 4x + 8y = 10 Como podemos simplicar la segunda ecuacin por dos, el anterior sistema es equio valente a 2x + 4y = 5 2x + 4y = 5 y este nuevo sistema tiene una ecuacin repetida que no aporta informacin. Podeo o mos tacharla. Slo queda la ecuacin: o o 2x + 4y = 5 despejando y = (5 2x)/4. Es decir, cualquier par de valores de la forma (x, (5 2x)/4) satisface el sistema. Por ejemplo, (0, 5/4) o bien, (1, 3/4). Innitas soluciones que forman una l nea, la cual tiene un grado de libertad. Todo eso fue as porque tomamos el sistema M X = B con B = (5, 10), o sea, sobre la l nea y = 2x que es sobre la cual M apachurra todo el plano preimagen. Resolvamos ahora el sistema: 2x + 4y = 5 4x + 8y = 11 Como podemos simplicar la segunda ecuacin por dos, el anterior sistema es equio valente al sistema 2x + 4y = 5 2x + 4y = 5,5
176
Por transitividad 5 = 5,5. Eso es una contradiccin, no hay solucin al sistema. Por qu? Porque el veco o e tor (5, 11) no queda sobre la l nea y = 2x donde queda apachurrado todo el plano preimagen. 379. Ejercicio Estudie los siguientes sistemas tal como se hizo en los ejemplos anteriores. a) 2x 3y = 5, 3x 7y = 6 b) 2x 3y = 0, 3x 7y = 0 c) 2x 3y = 5, 4x 6y = 6 d) 2x 3y = 0, 4x 6y = 0 e) 2x 3y + 4z = 1, 4x 5y + 2z = 3, 6x 8y + 6z = 4 f) 2x 3y + 4z = 0, 4x 5y + 2z = 0, 6x 8y + 6z = 0 Nosotros hemos tomado el n-plp unitario como instrumento para predecir si una T L tiene inversa o no, y si los sistemas de ecuaciones asociados tienen unica solucin o o si tal vez no tengan o si tal vez tengan una innidad. En realidad, el cubo unitario no es necesariamente el mejor instrumento de prediccin, del cual podemos saber gracias o al siguiente resultado. 380. Teorema del apachurramiento. Dada una T L, T : Rn Rm , entonces Det(T ) = 0 si y slo si existe una base (un n-plp en el dominio de T , cuyas aristas o forman un conjunto LI), tal que al ser transformado por T , un nmero positivo de u aristas son apachurradas contra cero mientras que el resto son transformadas en un conjunto linealmente independiente.
Figura 6.3. Discriminacin lineal. o Comenzamos aclarando que una base en un espacio de 3 dimensiones puede ser apachurrada contra un plano, pero eso no implica que sus aristas sean apachurradas contra cero. En contraste, en nuestro teorema, las aristas apachurradas son apachurradas contra cero. La mejor manera de entender este teorema tan espectacular es verlo funcionando.
6.1. TL Y DETERMINANTES 381. Ejemplo Consideremos el sistema de ecuaciones
177
2x + 4y + 5z = 25 3x + 4y 8z = 13 5x + 8y 3z = 12 Este sistema contiene una T L asociada 2 3 M= 5 cuya matriz es: 4 5 4 8 8 3
Esta matriz toma vectores con 3 coordenadas (x, y, z) en R3 y produce vectores con 3 coordenadas dadas por (2x+4y+5z, 3x+4y8z, 5x+8y3z). Por lo tanto, dene una T L T : R3 R3 . Concretamente T (x, y, z) = (2x + 4y + 5z, 3x + 4y 8z, 5x + 8y 3z). Para saber si hay apachurramiento o no del cubo unitario calculemos el Det(T ) = 2(12 + 64) 4(9 + 40) + 5(24 20) = 104 124 + 20 = 0. Hay apachurramiento del cubo unitario. Pero es posible que todo el cubo sea transformado en un plp, pero que ninguna arista del cubo unitario sea apachurrada sobre cero, porque una de sus aristas quede apachurrada sobre el plano formado por las imgenes de los otros dos vectores. Hallemos un 3-plp tal que las aristas apachurradas a caigan sobre cero. Se procede as : Resolvemos el problema: hallar v : T (v) = 0. Es decir, hallar (x, y, z) tales que (2x + 4y + 5z, 3x + 4y 8z, 5x + 8y 3z) = (0, 0, 0) Procedemos con Gauss-Jordan para resolver dicho sistema. El vector independiente es siempre cero, y aunque combinemos los renglones, sigue siendo cero. Por lo tanto, es siempre cero y se escribe: 2 4 5 3 4 8 5 8 3 1 0 13 R2 R1 31 3R1 2R2 0 4 0 0 0 R1 + R2 R3 1 0 13 R2/4 0 1 31/4 0 0 0 Eso signica que el sistema original es equivalente a: x 13z = 0 y + (31/4)z = 0 o lo que es lo mismo x = 13z y = (31/4)z
178
Por lo tanto el conjunto de vectores que se aniquilan sobre cero quedando totalmente apachurrados es de la forma (13z, (31/4)z, z) = z(13, 31/4, 1). Por lo tanto, podemos armar un plp cuya primera arista sea (13, 31/4, 1), la cual quedar totala mente apachurrada. Completemos ahora el 3-plp con otros dos vectores que no sern a apachurrados, es decir, que sus imgenes formen un conjunto LI. a La T L dada est denida por a T (x, y, z) = (2x + 4y + 5z, 3x + 4y 8z, 5x + 8y 3z) en notacin vertical eso se lee as o : 5 4 2 2x + 4y + 5z x T y = 3x + 4y 8z = x 3 + y 4 + z 8 3 8 5 5x + 8y 3z z
lo cual signica que T transforma todo el dominio en una combinacin lineal arbio traria de los vectores columna ah expresados. Nosotros ya sabemos que esos 3 vectores no pueden expandir un espacio 3D, pues de lo contrario el cubo unitario no se apachurrar Por lo tanto, dicho conjunto es LD. Ellos expanden un espacio 2D, generado por a. un conjunto LI con 2 vectores. Vemos claramente que los dos primeros vectores forman un conjunto {(2, 3, 5), (4, 4, 8)} que es LI puesto que no son mltiplos. Por lo tanto, el u tercer vector es una combinacin lineal de los otros dos: o (5, 8, 3) = 13(2, 3, 5) + (31/4)(4, 4, 8) Por tanto, T transforma el espacio 3D en un nuevo espacio generado por estos dos vectores, {(2, 3, 5), (4, 4, 8)}. Dicho espacio tiene dimensin 2, un nmero que se llama o u el rango de T . Estamos hallando una base, es decir, un 3-plp cuyos vectores forman un conjunto LI tal que una de sus aristas se apachurre contra cero y las imgenes de las otras dos formen a un conjunto LI. El vector que se apachurra es (13, 31/4, 1) y los otros dos vectores pueden tomarse como cualquiera de las preimgenes de los vectores {(2, 3, 5), (4, 4, 8)}. a 382. Ejercicio Para terminar la demostracin anterior encuentre dos vectores X, Y o tales que T (X) = (2, 3, 5) y T (Y ) = (4, 4, 8). Pruebe que el conjunto {X, Y , Z} con Z = (13, 31/4, 1) es una base de R3 . Por lo tanto, el plp denido por dicho conjunto es tal que una de sus aristas se apachurra sobre cero mientras que las imgenes de los a otros dos generan la imagen de T . El primero se apachurra sobre cero, pero los otros dos conservan su independencia lineal al ser transformados.
6.2.
N cleo e imagen de una TL u
Introducimos dos conceptos asociados a una TL, ambos de tremenda importancia: el ncleo y la imagen. u
6.2. NUCLEO E IMAGEN DE UNA TL
179
383. Denicin. Sea una transformacin lineal T : Rn Rm . El conjunto de o o vectores que se apachurran totalmente por T se denomina espacio nulo, ncleo o u Kernel de T y se nota Ker(T ) y su dimensin se denomina nulidad y se nota (nu). o El conjunto formado por todas las imgenes de T se denomina el espacio imagen, a se nota Im(T ) y su dimensin se denomina rango y se nota (ro). o En el anterior ejemplo, la nulidad es 1 y el rango 2. El espacio de salida es 3D. No es una coincidencia que 1 + 2 = 3. 384. Teorema de las dimensiones. Para toda T L, T : Rn Rm se tiene que la nulidad + el rango = dimensin del espacio dominio. o Es usual escribir esta ecuacin como n = + o
DOMINIO
CODOMINIO
E. NULO
0 IMAGEN
Figura 6.4. Espacio nulo e imagen.
Demostracin. Existe un n-plp, cuyos vectores forman una base del dominio, tal que el o nmero de aristas apachurradas es igual a la nulidad , mientras que las otras aristas, u que son = n , tienen imgenes que forman un conjunto LI que expanden todo el a espacio imagen. Claramente n = + . Para traducir los anteriores resultados en trminos de sistemas de ecuaciones necee sitamos formalizar una denicin y aadir un teorema adicional: o n
180
385. Denicin. Un sistema de la forma M X = 0 se llama homogneo. o e Un sistema de la forma M X = B, con B = 0, se llama no homogneo. Un vector e espec co P que resuelve el sistema no homogneo se llama solucin particular. Una e o familia de vectores Xg se dice que es la solucin general al sistema, si cada miembro o de la familia es solucin y si cada solucin es un miembro de la familia. o o 386. Teorema y ejercicio. La solucin a un sistema de ecuaciones M X = B o se puede descomponer como X = N + P donde N representa el espacio nulo de M , solucin de M X = 0 y P es cualquier solucin a M X = B. Se acostumbra decir o o que la solucin a un sistema lineal de ecuaciones puede expresarse como la suma de o una solucin particular del no homogneo, P , ms la solucin general a la ecuacin o e a o o homognea, M X = 0. e Demostracin: Ejercicio. o 387. Ejemplo de todo a todo Estudiemos el sistema x + 3y = 7 3x + 9y = 21 Multiplicando la primera ecuacin por 3, obtenemos la segunda. Por tanto, la seo gunda ecuacin es redundante y podemos olvidarla. La primera ecuacin da: o o x 7 y=33 lo cual signica que el conjunto solucin al sistema consiste de los pares o 7 x (x, y) = (x, 3 3 ). Esta solucin puede ser escrita tambin como o e 1 7 (0, 3 ) + (x, x ) = (0, 7 ) + x(1, 3 ). 3 3 Por tanto, la solucin es una l o nea que pasa por el punto (0, 7 ) y cuyo vector 3 1 director es (1, 3 ) y que tiene pendiente -1/3. Veriquemos que (0,7/3) es en verdad una solucin: x + 3y = 7 se convierte en 0 + 3( 7 ) = 7 que es una identidad. o 3 El sistema homogneo es e x + 3y = 0 3x + 9y = 0 Este sistema es redundante: multiplicamos la primera ecuacin por 3 y obtenemos o la segunda, la cual podemos olvidar. La solucin a la primera ecuacin es y = x/3, la o o cual es una l nea que pasa por el origen y cuya pendiente es 1/3. Est generada por a el vector (1, 1/3). Observemos que la solucin al sistema no homogneo es la solucin o e o al sistema homogneo, x(1, 1/3), ms una solucin espec e a o ca particular, (0, 7/3). Ambos sistemas tienen asociada la misma T L, cuya matriz es M= 1 3 3 9
El ncleo es el conjunto de vectores que caen sobre cero, i.e. son la solucin a la u o homognea, que es la l e nea {(x, y): x, y R, y = x/3}. La imagen de una matriz es, por denicin, la imagen de la T L asociada. En o consecuencia,
6.2. NUCLEO E IMAGEN DE UNA TL
181
Im(M ) = =x 1 3 +y 3 9
1 3 3 9 =x 1 3
x y
= 1 3
x + 3y 3x + 9y = (x + 3y) 1 3
+ 3y
o, Im(M ) es el sub-EV generado por (1, 3). Observemos que es una l nea con un grado de libertad a pesar de que tiene como coeciente (x + 3y): no importa cmo o combine uno x con y, siempre tenemos un mltiplo de (1, 3), o elementos de la forma u t(1, 3). Esto signica que el punto (x, y) Im(M ) ssi x = t, y = 3t. Por tanto, la imagen es la l nea y = 3x con pendiente 3. Puesto que la l nea y = x/3 es solucin o del sistema homogneo, con pendiente 1/3, somos testigos de que para esta matriz el e kernel y la imagen son perpendiculares. El Det(M ) = 9 9 = 0, mostrando que M apachurra a R2 contra la imagen, la l nea y = 3x. En particular, la l nea y = x/3 es apachurrada contra cero siguiendo la direccin del vector director. Eso nos motivar a pensar que el conjunto solucin al o a o sistema no homogneo, la l e nea y = 7/3 x/3, es apachurrada contra la interseccin o de esta l nea con la l nea imagen y = 3x. Vamos a ver si eso es cierto o no. El punto interseccin de la l o nea solucin con la l o nea imagen es la solucin al sistema o y = 7/3 x/3 y = 3x Esto implica que 7/3 x/3 = 3x, , 7 x = 9x, x = 7/10 mientras que y = 21/10. o o Nosotros estamos pretendiendo que la imagen de la l nea solucin y = 7/3 x/3 es o (7/10, 21/10). Es verdad? Imagen y = 7/3 x/3 Kernel Solucin o
y = 3x
y = x/3
Figura 6.5. Interpretacin geomtrica de un sistema lineal. o e Veamos. La imagen de la l nea es 1 3 3 9 x 7/3 x/3 x + 3(7/3 x/3) 3x + 9(7/3 x/3) 7 21 x+7x 3x + 21 3x
182
Por lo tanto, hemos malinterpretado algo, hemos imaginado que M apachurra todo contra la l nea imagen de M en una direccin paralela al Kernel. Pero, M no es as de o simple. Para verlo, consideremos la imagen por M de los vectores (1, 1/3) y (1, 3). El primer vector est en el ncleo, por lo tanto, es apachurrado contra cero. Pero la a u imagen del segundo vector es: M= 1 3 3 9 1 3 = 10 30 = 10 1 3
por lo que M no apachurra (1, 3) sino que lo elonga 10 veces. Tenemos entonces una interpretacin geomtrica de M. Ella apachurra los vectores o e en la direccin y = x/3 pero elonga 10 veces los vectores en la direccin y = 3x. o o Adicionalmente, tenemos la siguiente conrmacin: la matriz M genera la T L o 2 2 M : R R tal que Dim(Ker(M ))+Dim(Im(M )) = 1 + 1 = 2 = dimensin del o dominio, lo cual se escribe usualmente como + = n y que se puede leer como: nulidad ms rango igual a nmero de incgnitas. a u o Nmero de grados de libertad de la solucin = 1 =Dim(kernel). u o 388. Ejercicio En el ejemplo previo, el Kernel y la imagen de M fueron perpendiculares mutuamente: Es una coincidencia o un teorema por descubrir? Para enriquecer la pregunta, estudie los sistemas a) x + 3y = 7; 3x + 9y = 21 b) ax + by = 7; bx + cy = 21 389. Ejemplo de todo a todo Resolvamos el sistema
Podemos proceder por Gauss-Jordan: 2 4 5 3 4 8 5 8 3 R2 R1 1 0 13 3R1 2R2 0 4 31 R1 + R2 R3 0 0 0 1 0 13 R2/4 0 1 31/4 0 0 0
2x + 4y + 5z = 25 3x + 4y 8z = 13 5x + 8y 3z = 12 . . . 25 . . 13 . . . . 12 . . 38 . . . 101 . . . . 0 . . . 38 . . 101/4 . . . . 0
Eso signica que el sistema original es equivalente a:
6.2. NUCLEO E IMAGEN DE UNA TL x 13z = 38 y + (31/4)z = 101/4 o lo que es lo mismo x = 38 + 13z y = 101/4 (31/4)z En notacin vertical la solucin se puede escribir como: o o 13 38 38 + 13z x y = 101/4 (31/4)z = 101/4 + z 31/4 1 0 z z
183
Esa forma de escribir da directamente una solucin particular o x = 38, y = 101/4, z = 0 y una solucin del espacio nulo con un grado de libertad: z(13, 31/4, 1). o Debemos aclarar que cuando el espacio nulo no es el vector cero, la solucin puede o escribirse de muchas maneras. Por ejemplo, para obtener, en este caso, una solucin o particular podemos dar a z el valor de z = 3 y por tanto y = 2, x = 1 y la solucin o podr escribirse: a 13 1 x y = 2 + z 31/4 1 3 z Vemos que el Kernel de la T L asociada, llammosla M , es generado por el vector e (13, 31/4, 1). La dimensin del Kernel es uno. Por lo tanto, la imagen debe estar o generada por dos vectores para que su dimensin sea dos. o El determinante de M es cero. Por lo tanto, la T L M apachurra el espacio R3 contra la imagen: 2 4 5 Im(M ) = x 3 + y 4 + z 8 5 3 8
Estos tres vectores generan el subespacio Im(M ), pero deben formar un conjunto LD. Los dos primeros vectores {(2, 4, 5), (3, 4, 8)} forman un conjunto LI porque uno no es mltiplo del otro. Por lo tanto, esos dos vectores generan toda la imagen u de M . Un conjunto generado por dos vectores es un plano, cuyo vector normal es el producto cruz de dos vectores no paralelos sobre el plano: el vector normal al plano es (52, 31, 4). La imagen de una T L es un EV , por lo tanto, el plano pasa por el origen. Por lo que la ecuacin del plano es 52x + 31y 4z = 0. En conclusin, M o o apachurra el espacio 3D sobre el plano cuya ecuacin es 52x + 31y 4z = 0, pero o an no sabemos qu es lo que M hace sobre el plano. Aprenderemos ms acerca de u e a esto en un prximo cap o tulo sobre diagonalizacin. o De otro lado, podemos decir que un sistema de la forma M X = B, con la M de este problema, a veces tiene solucin y a veces no. El sistema tiene solucin cuando o o B y en ese caso la solucin no es unica: a cualquier solucin podemos aadir el o o n Kernel, el cual es la l nea generada por (13, 31/4, 1). Pero si B no est en , no hay a solucin y el sistema ser inconsistente. o a
184
Un sistema de ecuaciones es reducido por Gauss-Jordan para saber el nmero de u ecuaciones independientes del sistema. Por lo que Gauss-Jordan es un procedimiento para descartar redundancias. De esa forma uno puede mecnicamente formar una base a para el espacio dado. Adems, sabemos que la dimensin del Kernel es igual al nmero a o u de parmetros libres del conjunto solucin al sistema de ecuaciones. Por otro lado, el a o rango es la dimensin de la imagen, la cual es tambin igual al nmero de vectores o e u de cualquier base de la imagen. La suma de esos dos nmeros es igual al nmero de u u incgnitas del sistema. Hay varias relaciones de ese tipo que envuelven una variedad o de descriptores, tal como lo muestra el siguiente teorema y ejercicio. 390. Teorema. Si una matriz es sometida al proceso de depuracin por Gausso Jordan, el nmero de las independientes es igual al nmero de columnas independiu u entes. Demostracin. Una matriz representa una LT T : Rn Rm . Sabemos que la dimensin o o del Kernel, , ms la de la imagen , es igual a la dimensin del dominio n. Tenemos a o + = n. Equivale a n = . La primera cantidad, n , es el nmero de incgnitas u o menos el nmero de parmetros libres, que da . Pero qu es ? es la dimensin de la u a e o imagen o el nmero de columnas independientes. u 391. Gran ejercicio Supongamos que tenemos un sistema de ecuaciones, cuya matriz asociada sea M , con n incgnitas y que al hacer la reduccin quedamos con i ecuao o ciones independientes. Desenmarae varias relaciones que pueden incluir: el nmero n u de incgnitas, el nmero de parmetros libres, la dimensin del Kernel de M, la dio u a o mensin de la imagen de M , el nmero de las independientes de M, el nmero de o u u las redundantes de M , el nmero de columnas independientes de M, el nmero de u u columnas redundantes de M . 392. Ejercicios para lucirse Usando el poder de la maquinaria desarrollada, estudie los siguientes sistemas de ecuaciones. Para cada T L asociada especique el dominio, el rango, el espacio nulo y construya bases para dichos subespacios, verique que n = + y ofrezca una interpretacin geomtrica de la T L asociada: o e a) 2x y = 3 4x 2y = 6 xy = 1 4x 4y = 4
b)
2x + 4y + 5z = 25 4x + 8y + 10z = 50 d) 6x + 12y + 15z = 75
x + 4y + 2z = 25 2x y 5z = 10 c) x + 3y 3z = 15
6.3. EJERCICIOS DE REPASO 2x + 4y + 5z = 25 3x + 4y 8z = 13 e) 5x + 12y 3z = 12
185
393. Tema de investigacin para exponer. Investigue los sistemas de Lino denmayer y los fractales. Puede empezar con el libro de Prusinkiewicz (1989). Internet tambin es muy rico en literatura sobre el tema, el cual puede explorarse en e www.Google.com/. Para poder descifrar la cartula del libro correctamente necesita esa tudiar y entender este tema propuesto. Es un tema bell simo.
Figura 6.6. Arte y matemticas. a
6.3.
1. Denimos el espacio columna de una matriz M de n columnas y m las como el espacio generado por las columnas de la matriz tomadas como vectores de Rm . Demuestre que el espacio columna de M es igual a Im(T ). 2. Sea A una matriz de tamao n n. Demuestre que los vectores rengln de la n o matriz A son linealmente dependientes si y slo si, los vectores columna de A son o linealmente dependientes. 3. Si T : R4 R3 es una transformacin lineal, puede ser T inyectiva? (Justique o completamente su respuesta). 4. Encuentre el ncleo, la imagen, la nulidad y el rango de las siguientes transforu maciones lineales: a) T : R2 R, b) T : R3 R, c) T : R3 R2 , T x y =x+y
x T y =x+y+z z x x+y+z y = T x y + 2z z
186 Respuesta: a) Ker(T ) =gen Rango= 1,
CAP ITULO 6. DETERMINANTE DE UNA TL 1 1 , nulidad=1, Imagen(T ) = R,
a b c . Encontrar condiciones sobre a, b, y c 5. Considere la matriz A = 1 1 1 para que a) Rango de A sea igual a 1. b) Rango de A sea igual a 2. 6. Sea T : P3 P2 la transformacin denida por T (p(x)) = p (x) donde p (x) o denota la derivada de p(x). Muestre que T es lineal, halle el ncleo e imagen de u tal transformacin y una base para el ncleo y una para la imagen. Invente una o u forma matricial de calcular T (p(x)), lo cual implica fabricar la base natural del dominio y transformarla por T .
6.4.
Resumen
A cada paralelep pedo (plp) se le puede asociar su volumen. El determinante calcula el volumen y adems da un signo (que puede interpretarse como orientacin, sea por a o la mano derecha o la izquierda). Una T L es una funcin que transforma plps que o salen del origen en plps que salen del origen. Representando una T L por su matriz asociada naturalmente, e identicando dicha matriz con un plp, tenemos que a cada T L le corresponde un nmero, su determinante. Su signicado es, aparte del signo, el u siguiente: el determinante de una T L dada T es el factor de ampliacin de los volmenes o u de los plps al ser transformados: Det(T (plp)) = Det(T )Det(plp) Si el determinante de una T L es cero, la T L apachurra a todo n-plp. Por tanto, si un sistema de ecuaciones tiene a T como T L asociada, el sistema puede carecer de soluciones o bien tiene un nmero innito de soluciones. La solucin general a un u o sistema de ecuaciones puede descomponerse como la suma de una solucin particular y o de la solucin al sistema homogneo. Un sistema de ecuaciones siempre tiene solucin o e o y es unica ssi el Det de la T L asociada es diferente de cero.
CAP ITULO
7
LA MATRIZ INVERSA
La inversa de una transformacin lineal es una funcin que deshace lo que la primera o o hizo. No toda transformacin lineal tiene inversa. Pero cuando la inversa de una T L o existe, podemos probar que es otra T L. Como una T L en dimensin nita es una o funcin que puede representarse por una matriz, el problema de la T L inversa es el o de la matriz inversa, es decir, el de encontrar otra matriz que al multiplicarla por la primera nos d la identidad. Un algoritmo para el clculo de la inversa puede verse e a directamente en el ejemplo 405. 394. Denicin. Si existe (como funcin) la inversa de una T L, T : V W, o o se denota T 1 : W V la cual deshace lo que T hizo: T 1 (T (X)) = X y viceversa: T (T 1 (Y )) = Y donde X est en el dominio de T , que es V , y Y en su codominio, W . a
T 1 Figura 7.0. La transformacin inversa. o 187
188
CAP ITULO 7. LA MATRIZ INVERSA
395. Denicin. T es una T L invertible si existe su inversa como funcin. o o 396. Ejemplo T (x) = 3x es una T L de R en R. Ella multiplica por 3 un nmero u dado. Por consiguiente, su inversa debe ser aquella funcin que divide por 3 a cualquier o nmero: T 1 (y) = (1/3)y. En efecto, si las componemos, tenemos: u T 1 (T (x)) = T 1 (3x) = (1/3)(3x) = x y adems, a T (T 1 (y)) = T ((1/3)y) = 3(1/3)y = y. Obsrvese que la inversa de una T L no necesariamente existe, pensemos en esto: si T e denota una proyeccin, digamos, T (x, y) = (x, 0), entonces, esta funcin asocia a cada o o vector su componente x dejando de lado su componente y. Por ejemplo, T (3, 4) = (3, 0) y T (3, 5) = (3, 0). Ahora preguntamos: cul es T 1 (3, 0)? Es (3, 4) o es (3, 5). Puesto a que no se puede escoger un unico valor, entonces T no tiene inversa. Pero si la inversa llegase a existir, de antemano se sabe que debe ser T L. En efecto: 397. Teorema. Si T es una T L y es invertible, su inversa tambin es T L. e Demostracin. Sea T 1 la funcin inversa de T . Sea T (x) = z, T (y) = w, que es lo o o 1 mismo que decir que: T (z) = x, T 1 (w) = y. Por tanto: T 1 (z + w) = T 1 (T (x) + T (y)) = T 1 (T (x + y)) = x + y = T 1 (z) + T 1 (w), lo cual demuestre que T 1 reparte la suma y es compatible con la multiplicacin o escalar y por lo tanto es lineal. 398. Teorema y ejercicio. La matriz de la T L inversa de M es una matriz M 1 tal que M M 1 = M M 1 = I Demostracin: ejercicio. o
7.1.
El clculo de la inversa a
Para hallar la inversa hay varios caminos. Uno de ellos es plantear el producto de matrices dado en el teorema anterior y sacar n2 ecuaciones y resolverlas. Eso es mucho trabajo. Existe un mtodo mucho ms fcil conocido como el algoritmo de e a a Gauss-Jordan para la inversa. Recordamos que el algoritmo de Gauss-Jordan para resolver un sistema de ecuaciones consiste en recobrar la matriz identidad. Por otra parte, un sistema de ecuaciones se escribe como M X = B, o sea que solucionarlo corresponde a hallar la imagen inversa de B por M . En efecto, si la inversa de M existe, multiplicando la ecuacin a resolver o a ambos lados por la inversa tenemos:
7.1. EL CALCULO DE LA INVERSA
189
M 1 M X = M 1 B IX = M 1 B X = M 1 B Todo esto nos hace pensar que al resolver un sistema de ecuaciones con solucin o unica, impl citamente se ha resuelto la inversa. Los siguientes teoremas nos dicen que nuestra intuicin es correcta. Nuestro primer paso ser demostrar que el algoritmo de o a Gauss-Jordan para resolver sistemas de ecuaciones puede automatizarse.
399.
Ejemplo
Sea una matriz cualquiera M= a b c d
Veriquemos que la operacin de sumar las dos las de M y poner el resultado en o su segunda la es equivalente a multiplicar por la izquierda a M por la matriz S= Demostracin. o 1 0 1 1 . . . . . .
Vemos que en la segunda la aparece la suma de las dos primeras. 400. Ejercicio Halle la matriz S que al operar sobre M resta las dos primeras las y pone el resultado en la primera la.
a b c d .. .. SM = ... ... ... 1 0 . . . a b . 1 1 . a+c b+d .
401. Denicin. Se dice que G es un algoritmo lineal si G es una cadena de o matrices o T L que cambia matrices en matrices.
402. Ejemplo algoritmo lineal.
Combinar ecuaciones para resolver un sistema de ecuaciones es un
403. Teorema. Todo algoritmo lineal G que se aplica sobre una matriz M es equivalente a multiplicar a M por una matriz.
190
Demostracin. Una matriz es un arreglo rectangular que lo escribimos de esa forma o para nuestra conveniencia. Pero tambin podr e amos haberla escrito en forma lineal, formando un gran vector. Visto de esa forma, una matriz como un gran vector, usamos ahora el hecho que toda T L tiene una matriz asociada. Por tanto, toda T L sobre matrices tiene otra matriz y por consiguiente todo algoritmo lineal tambin tiene una e matriz. Visto con ms calma, toda operacin entre las para reducir una matriz tiene a o una matriz asociada, y al ir encadenando dichas operaciones lo que realmente hacemos es ir multiplicando las matrices asociadas correspondientes. Al terminar toda la reduccin, tenemos un gran producto de matrices asociadas, la cual da una gran matriz, o que es aquella a la que se reere este teorema.
404. Teorema de Gauss-Jordan para la inversa. Un algoritmo lineal que transforma una matriz M en la identidad I, tambin transforma a la identidad en la e inversa. Para implementar este teorema se pone un arreglo que contenga la matriz M y a su lado la identidad, se transforma a M en la identidad y lo que se le haga a M se va haciendo directamente sobre I. El resultado es que en vez de I queda M 1 . Eso se nota (M |I) (I|M 1 ). Demostracin. Un algoritmo que transforma una matriz M en la identidad I equivale o a multiplicar por una matriz, digamos H: HM = I Por lo tanto H = M 1 . El algoritmo se implementa con el mtodo de la matriz aumentada, como podemos e verlo en el ejemplo siguiente.
405. Ejemplo Calculemos la matriz inversa de la siguiente matriz, en donde hemos dejado el trmino independiente del sistema del cual proviene: e . 3 4 . 7 . . . 4 3 . 7 Para ello cuadramos una supermatriz que contenga la identidad: . . 3 4 . 1 0 . 7 . . . . 4 3 . 0 1 . 7 . . Ahora transformamos la matriz M en la identidad y lo mismo que le hacemos a M le hacemos a la identidad que la acompaa en el centro del arreglo matricial. Cuando n terminemos, en el lado izquierdo tendremos la identidad, en el centro la inversa de M y en el lado derecho la solucin: o 4R1 3R2 . . 12 16 . 4 0 . 28 . . . . . . 12 9 . 0 3 . 21
7.1. EL CALCULO DE LA INVERSA . 12 16 . 4 . 0 . 0 7 . 4 3 . . . 28 . . . 7 . . . 7 . . . 1 . . . 3 . . . 1 . . . 1 . . . 1 .
191
R1 R2 R1/4 R2/7 R1 4R2 R1/3
. 3 4 . . 1 0 . 0 1 . 4/7 3/7 .
De acuerdo con la tica matricial, vericamos la respuesta. La solucin x = 1, y = 1 e o se verica directamente. Lo que queda por vericar es la inversa. Debemos multiplicar las dos matrices cuyo producto debe ser la identidad: . . 3/7 . 4/7 . . . 4/7 3/7 .. .. T S = ... ... ... 3 4 . . . 7/7 0 . . 4 3 . 0 7/7
. 1 0 . 3/7 . 4/7 . 0 1 . . 4/7 3/7
. 3 0 . 9/7 12/7 . . 0 1 . . 4/7 3/7
que indica que el producto de las dos matrices es la identidad: la aritmtica es e correcta y la inversa es la que se dijo que era. 406. Ejemplo Demos una mirada al ejercicio anterior desde otra perspectiva que nos permita entender mucho mejor el signicado de un algoritmo lineal. Comencemos con un sistema de ecuaciones cuya matriz A es: A= 3 4 4 3
Nuestro propsito es convertir la matriz del sistema en la identidad. Para lograrlo, o la primera cosa que debemos hacer es multiplicar la primera la por 4 y la segunda por 3. Para hacer esa tarea podemos multiplicar por la izquierda por la matriz Z1 = 4 0 0 3
Cmo podemos estar seguros de que esta es la matriz correcta? Por vericacin o o directa o tambin haciendo la tarea sobre la identidad. Recordemos que la tarea era e multiplicar la primera la por 4 y la segunda por 3: si hacemos esa operacin sobre la o identidad, obtenemos la matriz Z1 . Despus ponemos en la la 2 a R1 R2 , la uno menos la dos. Eso se hace e automticamente multiplicando por a
192
Z2 =
1 0 1 1
Despus, dividimos la la uno por 4 y la dos por 7. Esto produce e
Z3 =
1/4 0 0 1/7
Ahora, ponemos sobre la la uno, R1 4R2 , una tarea que se hace con 1 4 0 1
Z4 =
Finalmente dividimos la primera la por
Z5 =
1/3 0 0 1
A estas matrices, las Z, las llamamos matrices de Gauss. Por eso, nosotros hacemos, en el orden correcto, una cadena de multiplicaciones que convierten la matriz A en la identidad: Z5 Z4 Z3 Z2 Z1 A = I La cadena de multiplicaciones Z5 Z4 Z3 Z2 Z1 es una matriz, llammosla Z. Tenemos e 1 ZA = I y Z por tanto debe ser la inversa de A: Z = A . Si aplicamos el mismo algoritmo sobre la identidad, tenemos todo: ZI = Z = A1 . Resumiendo: una cadena de multiplicaciones de matrices de Gauss que convierte una matriz A en la identidad, es en ultimo trmino una multiplicacin por una sola e o matriz que es la inversa de A. Si aplicamos el mismo algoritmo sobre la identidad, obtendremos, por supuesto, la matriz inversa A1 .
407. Ejemplo Hemos encontrado en el ultimo ejemplo que fue necesario hacer una cadena de multiplicaciones, Z5 Z4 Z3 Z2 Z1 . Aprendamos un mtodo eciente para hacerlo e en el orden correcto:
7.1. EL CALCULO DE LA INVERSA . . . . . .
193
La matriz que queda abajo a la derecha es la inversa de la que queda arriba a la derecha, lo cual ratica lo visto en ejemplos anteriores. 408. Ejercicio Utilice el algoritmo de Gauss-Jordan para hallar la inversa, si existe, de cada una de las siguientes matrices: a) b) c) d) 1 4 2 7 2 8 8 2 0.2 0.8 0.8 0.2 cos sen sen cos
0 3 ... ... ... .. .. . 1 0 . . 4 0 . 1 1 . . 4 3 ... ... ... .. .. . 0 . . 1 0 1/4 0 1/7 . . . 4/7 3/7 ... ... ... .. .. . . 9/7 12/7 1 4 . . 0 1 . . 4/7 3/7 ... ... ... .. .. . 1/3 . 3/7 0 . 4/7 . 0 1 . . 4/7 3/7
Ayuda para la ultima matriz, ejecute las siguientes operaciones: 1. Ponga en la la 1: cos R1 + sen R2 y use la identidad sen2 + cos2 = 1. 2. Ponga en la la 2: sen R1 R2 y cambie sen2 1 por cos2 3. Multiplique la la 2 por 1/ cos . 409. Ejercicio Descomponga cada inversa hallada en el problema anterior en un producto de matrices de Gauss. Verique su respuesta.
194
410. Intriga. El algoritmo de Gauss-Jordan para hallar la inversa podr ejecutarse a de varias maneras: Darn todas esas maneras la misma respuesta nal? O en otras a palabras, es la inversa unica? La respuesta es armativa. De igual forma que el inverso del nmero 5 es 1/5 y ningn otro, la inversa de una matriz es una sola (si existe) y u u todos los mtodos dan la misma respuesta. e
411. Teorema. La inversa es unica. Prueba: Sean B y C inversas de A, entonces AB = BA = I y AC = CA = I. Debemos probar que B = C. Puesto que BA = I, entonces BAC = IC = C. Pero AC = I, por tanto, BAC = BI = B. En conclusin, B = C. o 412. Ejercicio Nosotros utilizamos en el ejemplo previo el hecho de que el producto de matrices es asociativo. Esto signica que el producto de matrices est denido para a dos matrices, y que por lo tanto, para multiplicar 3 matrices, debemos multiplicar las dos primeras, en el orden correcto, y el resultado multiplicarlo por la tercera. O podemos multiplicar la segunda por la tercera, en el orden correcto, y el resultado multiplicarlo por la primera. Resulta que ambos mtodos dan lo mismo: a esto se llama asociativie dad de la multiplicacin de matrices. Escrito formalmente ABC = A(BC) = (AB)C o donde A, B, C son matrices que se pueden multiplicar en el orden sealado. Recalque n dnde usamos la asociatividad en la demostracin del teorema anterior. Demuestre tal o o propiedad: puede hacerse directamente sobre matrices o sobre composicin de las T L. o Cuando la matriz inversa existe, es unica, lo cual signica que todos los mtodos e inventados o por inventar dan la misma unica respuesta. Adems del mtodo de Gauss a e Jordan existe otro mtodo muy popular llamado de los cofactores. En la explicacin que e o daremos, usamos la notacin Mij para denotar la entrada de la matriz M que queda en o la la i columna j. Adems, usamos la transpuesta de una matriz denida as si M a : tiene en su la i columna j la entrada Mij entonces la transpuesta de M , notada M t , se dene por (M t )ij = Mji , es decir, la transpuesta de una matriz es la matriz reejada con respecto a la diagonal. Tambin, usamos submatrices que resultan de tachar en e una matriz una determinada columna y una la. 413. Ejemplo Sea a b c M = d e f g h i
Tenemos que M12 = b, M21 = d. Y la transpuesta de M es
Por otro lado, si tachamos en M la la 2 y la columna 2 nos queda la submatriz
a d g Mt = b e h c f i
7.1. EL CALCULO DE LA INVERSA
195
a g c i
414. La inversa por cofactores. En el caso 2 2 apareci el determinante en o el clculo de la matriz inversa como indicador o negador de su existencia. Eso era a de esperarse, pues si una matriz apachurra al cubo unitario, entonces no puede ser uno a uno, inyectiva, y a varios elementos del dominio le hace corresponder el mismo elemento del codominio. Por lo tanto, no puede tener inversa. Resulta que si la matriz inversa existe, todas sus entradas siempre pueden darse en trminos de determinantes e y de determinantes de submatrices, tal como lo explicamos enseguida: El algoritmo general para hallar la inversa por medio de subdeterminantes o cofactores es como sigue: 0. Una matriz que no es cuadrada, no tiene inversa. En efecto, una matriz no cuadrada apachurra o bien deja a alguien sin imagen. 1. Si la matriz M es cuadrada, se calcula su determinante. Si es cero, no hay inversa y el algoritmo se termina. Si el determinante es diferente de cero, la inversa existe y hay que buscarla. 2. Se fabrica una matriz C de cofactores [Cij ]. El cofactor Cij es (1)i+j multiplicado por el determinante de la matriz que queda de tachar la la i y la columna j. 3. Se fabrica la matriz adjunta de M , notada Adj(M ) y que es la transpuesta de la matriz de cofactores. Si la matriz de cofactores es [Cij ], su transpuesta es [Cji ] que es la matriz adjunta. 4. La matriz inversa es: uno sobre el determinante de M por la matriz adjunta. O tambin: la matriz inversa es uno sobre el determinante por la matriz de cofactores e transpuesta. Para probar que este algoritmo funciona lo mejor es probar que 1 M (Adj(M )) = (detM )I. De lo cual se concluye que M DetM Adj(M ) = I, y como la inversa es unica, se deduce que M 1 = . 415. Ejemplo Calculemos por el mtodo de los cofactores la matriz inversa de e M= a b c d 1 Adj(M ) DetM
1. Calculamos su determinante: DetM = ad bc y la matriz inversa existe si su determinante es diferente de cero, y en ese caso debemos calcularla.
196
2. Fabricamos la matriz de cofactores. El cofactor c11 es (1)i+j = (1)1+1 = 1 multiplicado por el determinante que resulta de tachar la la 1 y la columna 1. Al tachar lo que toque, queda la submatriz de un solo elemento d. Su determinante es d. Por lo tanto, c11 = d. El cofactor c12 es (1)i+j = (1)1+2 = 1 multiplicado por el determinante que resulta de tachar la la 1 y la columna 2. Se tacha y queda la submatriz de un solo elemento c. Su determinante es c. Por lo tanto, c12 = c. El cofactor c21 es (1)i+j = (1)2+1 = 1 multiplicado por el determinante que resulta de tachar la la 2 y la columna 1. Se tacha y queda la submatriz de un solo elemento b. Su determinante es b. Por lo tanto, c21 = b. El cofactor c22 es (1)i+j = (1)2+2 = 1 multiplicado por el determinante que resulta de tachar la la 2 y la columna 2. Se tacha y queda la submatriz de un solo elemento a. Su determinante es a. Por lo tanto, c22 = a. 3. La matriz de cofactores es: C= d c b a
4. La matriz inversa es: uno sobre el determinante de M por la matriz de cofactores transpuesta. La inversa es la siguiente: M 1 = (1/DetM ) d b c a = 1 ad bc d b c a
O bien, la matriz inversa es uno sobre el determinante por la adjunta, donde la adjunta es la matriz de cofactores transpuesta: Adj(M ) = Obsrvese que e M (Adj(M )) = En denitiva d b c a
ad bc 0 0 ad bc
= (detM )I.
e e 416. Ejercicio Tome las matrices siguientes e invirtalas por el mtodo de cofactores. Verique su respuesta multiplicando las dos matrices y recobrando la identidad. 1 2 3 a) 4 5 6 7 8 9 1 0 1 b) 2 0 1 2 3 0 417. Ejercicio Para qu valores de la matriz siguiente es invertible? e 1 2 3 0 1 1 0 1
7.2. LA DESCOMPOSICION LU
197
418. Ejercicio de investigacin Demuestre en general que el mtodo de los coo e factores funciona. Es decir, que en realidad s produce la inversa. Lo que hay que hacer es demostrar que la inversa producida por el mtodo de los cofactores multiplicada por e la matriz dada produce la identidad. O ms fcil, la matriz dada multiplicada por su a a adjunta da el determinante por la identidad.
7.2.
La descomposicin LU o
Ya sabemos cmo usar el mtodo de Gauss-Jordan para invertir una matriz de o e tamao 22. Uno intuye que para matrices ms grandes todo lo que uno tiene que hacer n a es trabajar un poco ms siguiendo la misma metodolog Pue s eso es cierto aunque a a. , no completamente. Lo que sucede es que, en general, la solucin a un problema grande o no es la solucin agrandada de un problema pequeo. Por qu? Porque siempre nacen, o n e como m nimo, responsabilidades administrativas para manejar volmenes grandes de u informacin, por ejemplo, en relacin con una memoria limitada. Eso es tan serio que o o hay toda una ciencia llamada anlisis numrico (Burden y Faires, 1985) que trata tanto a e problemas de gran volumen de informacin como de problemas que no sabemos o no o podemos resolver mediante frmulas. o En esta seccin desarrollaremos un ejemplo de encontrar la inversa de una matriz o 3 3 por el mtodo de Gauss-Jordan con el propsito de entender el teorema de e o descomposicin LU que tiene utilidad en anlisis numrico. o a e 419. Ejemplo Calculemos la matriz inversa de 1 1 1 M = 0 1 2 1 1 1 . . 1 0 0 . . . 0 1 0 . . . 0 0 1 .
Solucin: planteamos la matriz aumentada: o 1 1 1 0 1 2 1 1 1
Ahora transformamos la matriz M en la identidad y lo que le hacemos a M, se lo hacemos a la identidad: 1 1 1 0 1 2 R1 R3 0 2 2 1 1 1 0 R2 1 2 0 2 2 . . . . . . . . . . . . . . . . . . 1 0 0 1 0 1 0 1 0
0 0 1 0 0 1 0 0 1
198
CAP ITULO 7. LA MATRIZ INVERSA . 1 1 1 . 1 . 0 0 . 0 1 2 . 0 1 . 0 . . 1 2 1 2R2 + R3 0 0 6 . . . 1 1 0 R1 + R2 1 0 3 . 0 1 2 . 0 1 . . 0 . 0 0 6 . 1 2 1 . . . 1 0 1 2R1 R3 2 0 0 . 0 1 2 . 0 1 . . 0 . 0 0 6 . 1 2 1 . . . 2 0 0 . 1 0 1 0 3 0 . 1 1 1 . 3R2 R3 . . . 0 0 6 . 1 2 1 . . 1/2 0 1/2 (1/2)R1 1 0 0 . 0 1 0 . 1/3 1/3 1/3 . (1/3)R2 . . (1/6)R3 0 0 1 . . 1/6 2/6 1/6
Ahora codicamos cada transformacin entre los renglones de M como una matriz o que se halla aplicando sobre la identidad la operacin dada: o La operacin de poner en la tercera la R1 R3 corresponde a o 1 0 0 0 1 0 1 0 1 La operacin de poner en la segunda la R2 corresponde a o 1 0 0 0 1 0 0 0 1
La operacin de poner en la tercera la 2R2 + R3 corresponde a o 1 0 0 0 1 0 0 2 1 La operacin de poner en la primera la o 1 1 0 1 0 0 R1 + R2 corresponde a 0 0 1
7.2. LA DESCOMPOSICION LU La operacin de poner en la primera la 2R1 R3 corresponde a o
199
2 0 1 0 1 0 0 0 1
La operacin de poner en la segunda la 3R2 R3 corresponde a o
1 0 0 0 3 1 0 0 1
La operacin de multiplicar la primera la por 1/2, la segunda por 1/3, la tercera o por 1/6 corresponde a
1/2 0 0 0 1/3 1 0 0 1/4
Ahora multiplicamos todas las matrices en el orden correcto:
200
... ... ... 1 0 0 0 0 1 0 0 1 ... ... ... 1 0 0 0 1 0 0 2 1 ... ... ... 1 1 0 0 1 0 0 1 0 ... ... ... 2 0 1 0 1 0 0 0 1 ... ... ... 1 0 0 0 3 1 0 0 1 ... ... ... 0 0 1/2 0 1/3 0 0 0 1/6
. . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . .
1 0 1 .. 1 0 1 .. 1 0 1 .. 1 0 1 .. 1 0 1 .. 1 1 1 ..
0 1 0 .. 0 1 0 .. 0 2 .. 1 1 1
0 0 1 .. 0 0 1 .. 0 0 1 .. 0 0 1 .. 1 0 1 .. 1 1 1 ..
2 .. 1
0 2 .. 1
0 2 ..
.. . . . 1/2 0 1/2 . . 1/3 1/3 . 1/3 . . . 1/6 1/3 1/6
Como de costumbre, la matriz inversa la leemos abajo a la derecha. Debido a que hay muchos clculos, vericamos la respuesta, la matriz por su inversa debe dar la a identidad:
7.2. LA DESCOMPOSICION LU . . . 1/2 0 1/2 . . 1/3 1/3 . 1/3 . . . 1/6 1/3 1/6 .. .. .. .. . . . 1 0 0 . . . 0 1 0 . . . 0 0 1
201
Ahora notemos que algunas matrices de Gauss que hemos encontrado son del tipo U , i.e., (upper triangular) triangular superior: todas sus entradas que no son cero estn a por encima de la diagonal o en ella. Y hay otras que son L (lower triangular) triangular inferior, cuyas entradas no nulas estn por debajo de la diagonal o en ella. As podemos a formular el siguiente Teorema. 420. Propuesta. Cuando una matriz M es invertible, puede descomponerse como un producto de una matriz triangular inferior por una triangular superior. Demostracin. Nuestro teorema se basa en una interpretacin del ejemplo anterior en o o el cual demostramos que toda inversa puede escribire como un producto de matrices de Gauss. Ahora bien, nosotros elaboramos los clculos de tal forma que primero traa bajamos la parte abajo de la diagonal, asegurndonos que estuviese rellena de ceros. a Eso se logr con matrices L. Y despus, elaboramos la parte de arriba de la diagonal o e con matrices U . Cabe aclarar que tambin tocamos la diagonal, lo cual se hace con e matrices que clasican tanto de L como de U . Por lo tanto, nuestro ordenado trabajo puede escribirse simblicamente como o M 1 = Un ...U2 U1 Lm ...L2 L1 donde las Li son matrices tipo L y las Uj son de tipo U . Puede probarse que el producto de matrices tipo U es U y que el producto de matrices tipo L es L. Por tanto, todo puede comprimirse en M 1 = U L Ahora tomemos la inversa a cada lado. Tengamos presente que la inversa de un producto de matrices cambia el orden del producto, pues una matriz corresponde a una T L y cuando se componen las T L el camino inverso reversa el orden de aparicin. o Si tomamos la inversa a ambos lados obtenemos M = (U L)1 = L1 U 1 pero como la inversa de una matriz tipo U existe y es U y la inversa de un matriz tipo L existe y es L, podemos escribir M = LU lo cual dice que la matriz se pudo descomponer como un producto de una matriz L por una U . 421. Ejercicio Ilustre con ejemplos apropiados las aseveraciones gratuitas formuladas en la demostracin de la propuesta anterior, cmo que una matriz triangular tiene o o inversa (Alerta: para ello se requiere que todo elemento de la diagonal sea diferente de cero, lo cual lo cumplen todas nuestras matrices. Por qu?). e
... ... ... 1 1 1 0 1 2 1 1 1
202
422. Objecin a la propuesta de descomposicin LU. En el proceso de o o reduccin de un sistema de ecuaciones pueden aparecer las de ceros que habr que o a poner en utimo lugar o soluciones desordenadas que habr que ordenar. Eso se hace a intercambiando las. Esta operacin es generada por una matriz que no es triangular. o Para verlo, consideremos el siguiente ejemplo: Sea el sistema que indica una solucin desordenada: o 3y = 4 5x = 6 que se escribe en forma matricial . . 0 3 . 4 . . 5 0 . 6 El sistema se ordena intercambiando el lugar de las las. Esto se puede hacer por medio de la matriz 0 1 1 0 la cual no es una matriz triangular. 423. Ejercicio Demuestre que la inversa de una matriz que intercambia renglones es su propia inversa. Aunque una matriz que intercambia renglones no es triangular, dicha matriz puede descomponerse como producto de matrices triangulares 0 1 1 0 = 1 1 0 1 1 0 1 1 1 1 0 1
El problema es que esta descomposicin intercala matrices tipo U con matrices tipo o L y por eso crea problemas en nuestra descomposicin LU . Se ha optado por dejar o estos casos de lado y lo ponemos como advertencia. 424. Teorema. Cuando una matriz M es invertible y el proceso de inversin no o involucra intercambio de las, M puede descomponerse como un producto M = LU donde L es una una matriz triangular inferior, U es una triangular superior y tanto L como U estn libres de ceros en la diagonal. a
7.2. LA DESCOMPOSICION LU
203
425. Intriga El procedimiento de Gauss-Jordan de reduccin de matrices puede ser o aplicado a sistemas con matriz asociada que no es invertible. Eso parece implicar que el teorema de descomposicin LU podr extenderse a matrices muy arbitrarias, pero o a qu tanto? e
426. Teorema. Para una matriz A invertible se tiene que Det(A1 ) = (Det(A))1 lo cual dice que si A estira entonces A1 encoge por el mismo factor y al revs. e Demostracin. Por denicin de inversa tenemos: o o 1 A A=I Tomamos determinantes a ambos lados: Det(A1 A) = Det(I) = 1 Como sabemos que el determinante de un producto de matrices es el producto de matrices (cuando se pueden multiplicar), entonces Det(A1 )Det(A) = 1 es decir, Det(A1 ) = (Det(A))1 . Sellemos este cap tulo con una demostracin formal del hecho de que el algoritmo o de Gauss-Jordan es conservativo. 427. Teorema. El algoritmo de Gauss-Jordan que lleva un sistema arbitrario de ecuaciones lineales a forma reducida escalonada es conservativo, es decir, no crea ni destruye soluciones, transformando sistemas en sistemas equivalentes que tienen las mismas soluciones. Demostracin. Nosotros hemos utilizado el algoritmo de Gauss-Jordan para encontrar o una unica solucin cuando existe o, en su defecto, para llevar al sistema hasta un lugar o donde sea cmodo leer la solucin. Dicha forma la hemos llamado escalonada reducida. o o Toda operacin de Gauss Jordan puede ser codicada como una matriz bien sea o triangular superior o triangular inferior, ambas libres de ceros en la diagonal, o como una matriz de intercambio de renglones. Cualquiera de stas matrices tiene inversa. e Eso signica que no combinamos renglones a ojo cerrado sino que lo hacemos con la rme intencin de no perder informacin. o o Con toda esta maquinaria tan poderosa, demostrar que nuestro algoritmo conservativo es inmediato. Formalmente, lo que tenemos que demostrar es que S es solucin o del sistema AX = B ssi S es solucin del sistema GAX = GB donde G es una matriz o usada en el algoritmo. Supongamos que S es solucin del sistema AX = B. Eso implica que AS = B. o Podemos mutiplicar a ambos lados por G y obtener GAS = GB, lo cual dice que S es solucin del sistema transformado. Nuestro algoritmo no destruye soluciones. o Supongamos ahora que tenemos una solucin al sistema transformado, es decir, o que existe S tal que GAS = GB. Como cada G de las que nosotros usamos en nuestro algoritmo es invertible, podemos multiplicar por la inversa de G a ambos lados y
204
obtener G1 (GAS) = G1 (GB). Aplicamos la asociatividad del producto matricial para obtener (G1 G)AS = (G1 G)B) que es equivalente a IAS = IS, es decir AS = S, lo cual expresa que si tenemos una solucin al sistema transformado, dicha solucin es o o tambin solucin del sistema original. As hemos demostrado que nuestro algoritmo no e o crea soluciones nuevas. Puesto que nuestro algoritmo no crea ni destruye soluciones, es conservativo y sirve para hallar la soluciones de un sistema lineal de ecuaciones.
7.3.
1.
a) Mostrar que la matriz 2 3 5 7 es invertible y encuentre su inversa.
b) Escriba la solucin al sistema o 2x1 3x2 = 4 5x1 7x2 = 3
2. Sea A una matriz invertible y c un escalar, es cierto que cA
= 1 A1 ? c
3. Si AB = 0 y B es una matriz invertible, donde la matriz 0 denota la matriz que tiene cero en toda entrada, es cierto que A = 0? 4. Si A y B son matrices cuadradas invertibles, es cierto que A + B es invertible y (A + B)1 = A1 + B 1 ? 5. e gura en el plano R2 forman los puntos (x, y) para los cuales la matriz Qu x y 1 1 2 1 no es invertible? 3 3 1 6. Sea A una matriz invertible. Demuestre que si A = adj(A), entonces Det(A) = 1. 1 2 3 7. Hallar A1 si A = 0 1 5 . Expresar A1 como un producto de matrices 0 0 4 de Gauss y A como un producto LU .
8. Suponga que A es una matriz 33 cuyo espacio nulo es una recta que pasa por el origen en R3 . Es posible que Im(A) sea tambin una recta que pasa por el e origen? Explique claramente. 9. Existen valores de r y para los cuales el rango de A sea uno o dos, siendo s 1 0 0 0 r2 2 A= 0 s 1 r + 2 ? 0 0 3
10. Demuestre que si A es una matriz 34 entonces los vectores columna son linealmente dependientes. Extienda el enunciado anterior y su justicacin a una o matriz real de tamao m n con n > m. n
7.4. RESUMEN 11. Una matriz A cuadrada se dice idempotente si A2 = A.
205
a) Dar un ejemplo de una matriz idempotente no nula y distinta de la identidad. b) Mostrar que si A es a la vez idempotente e invertible, entonces A es la matriz identidad.
7.4.
Resumen
Cuando una T L es invertible, su inversa es una T L y tiene una matriz, la matriz inversa. Dicha matriz puede calcularse por un algoritmo de Gauss-Jordan o bien por el mtodo de los cofactores, que se basa en subdeterminantes. e
206
CAP ITULO
8
CAMBIO DE COORDENADAS
Una base permite la existencia de un sistema de coordenadas en un EV, cada vector tiene su conjunto de coordenadas que lo identica y distingue de todos los dems. Pero a un EV tiene un nmero innito de bases: Cul de ellas es la mejor? En principio, no u a hay ninguna preferencial. Pero demostraremos que para problemas muy espec cos hay bases que permiten soluciones muy sencillas. De hecho, hasta ahora hemos usado la base natural del espacio Rn : N = {(1, 0, ..., 0), (0, 1, 0, ..., 0), (0, ..., 1)} = {e1 , e2 , ..., ek , ..., en }, y con ella hemos trabajado siempre. Ahora entramos a considerar bases cualesquiera.
8.1.
Bases arbitrarias
Una base B = {ei }i=1,2,...,n es un conjunto de vectores LI que genera todo el espacio, es decir, si X V , existen escalares 1 , 2 , n tal que X = 1 e1 + ... + n en A los coecientes i les llamamos las coordenadas del vector X en la base dada. Notamos al vector de coordenadas (1 , ..., n ) como XB . Al notar las coordenadas de esa manera, se est asumiendo que uno ha jado un orden sobre la base dada. A una a base con un orden prejado la llamamos marco, marco de coordenadas o marco de referencia. Pero usaremos marco y base como sinnimos cuyo signicado ser claro del o a contexto.
428. Ejemplo El conjunto B = {(2, 1), (2, 1)} es una base para R2 . Ese conjunto genera todo el plano y no tiene informacin redundante. La combinacin lineal o o 1(2, 1) 2(2, 1) = (2, 1) + (4, 2) = (2 4, 1 + 2) = (2, 3) nos dice que las coordenadas de (2, 3) en la base B son el par ordenado (1, 2). Podemos escribir 2 3 =
B
1 2
207
208
CAP ITULO 8. CAMBIO DE COORDENADAS (2, 3) (2)(2, 1) (2, 1)
(2, 1)
Figura 8.0. En la base B = {(2, 1), (2, 1)}, (2, 3)B = (1, 2). La nocin de coordenadas tiene sentido solamente si uno ha numerado los vectores o de la base en cuestin. Uno podr usar una notacin diferente para las coordenadas o a o de un vector y que no se confundan con un vector. De hecho, en algunos textos se usa la siguiente convencin: los vectores se escriben entre parntesis redondos y las coordeo e nadas entre parntesis cuadrados, como [1 , ..., n ]. Esta sabia medida ser ignorada, e a la razn es que nos guiaremos por el contexto, sin el cual nada tiene sentido. o En general, las coordenadas de un vector y el vector sern diferentes. Pero en la a base natural son lo mismo. Por ejemplo, el vector (x, y) puede descomponerse como (x, y) = x(1, 0) + y(0, 1) lo cual dice que en la base natural de R2 las coordenadas de (x, y) son (x, y). Con frecuencia usaremos las coordenadas de un vector en operaciones matriciales. En tal caso, debemos asegurar que lo que se escriba tenga sentido: si las coordenadas de un vector van delante de una matriz (a su derecha), las coordenadas debern aparecer a en forma de columna. Pero si las coordenadas aparecen detrs de la matriz (a su a izquierda) las coordenadas deben aparecer en forma de la. De esa forma los productos tendrn sentido. Y todo eso ser hecho sin muchas ceremonias. Adems, y como parte a a a del contexto, una base siempre est numerada. Y hay formas de numerar mejores que a otras: qu tal que numerramos la base natural al revs! e a e Veamos ahora cmo se hace un cambio de coordenadas. o 429. Ejemplo para memorizar el procedimiento Sea B = {(1, 1), (1, 1)}una base del plano R2 . Para X tenemos: X = 1 e1 + 2 e2 Si X = (x1 , x2 ), las coordenadas de X en la base natural son (x1 , x2 ). Esa ecuacin o puede escribirse en notacin vertical como sigue: o x1 x2 1 1 1 1 11 12 11 + 12 1 1 1 1 1 2
= 1
+ 2
Interpretemos dicha ecuacin: tenemos una matriz que es una mquina de proceo a samiento que acepta coordenadas (1 , 2 ) en la base B y produce como producto
8.1. BASES ARBITRARIAS
209
(x1 , x2 ) que son las coordenadas de X en la base natural. Por lo tanto, la matriz que hemos encontrado es la matriz de cambio de coordenadas de la base B a la base natural N . Siguiendo la inteligente notacin de Fisher (1970), notamos a esa matriz como o B IN = Matriz de cambio de coordenadas de la base B a la base N . Tenemos
B IN =
1 1 1 1
Esta notacin se justica diciendo que un vector no cambia en absoluto por causa de o un cambio de coordenadas, y como conserva su identidad, usamos la I. Una justicacin o ms ocial ser ofrecida ms adelante comenzando con en el teorema 443. a a a 430. Teorema y notacin. Para hallar las coordenadas XN = (X)N de un o vector en la base natural sabiendo sus coordenadas XB en una base B, se usa una B matriz de paso o de cambio de base o de cambio de coordenadas IN que se construye poniendo la base B en notacin vertical. Dicha matriz conserva la identidad o del vector (por eso usamos I), acepta coordenadas en la base B y produce coordenadas en la base natural: (X)N = B(X)B Observamos y recalcamos: la matriz de cambio de base o de cambio de coordenadas desde la base B a la base natural N es simplemente la base B en notacin vertical. o Es decir, se numera la base y por orden se pone cada vector de dicha base en posicin o vertical formando una matriz. 431. Ejercicio Demuestre el teorema en su forma general. 432. Teorema. Las coordenadas de cualquier vector en una base B dada son unicas. Demostracin. En la ecuacin (X)N = B(X)B podemos despejar (X)B . En efecto, B o o es una base, y por lo tanto es un n-plp, cuyo volumen no es cero. Por tanto, B como matriz tiene inversa, B 1 . Multiplicando la citada ecuacin por esta inversa, se tiene: o 1 1 B (X)N = B B(X)B = I(x)B = (X)B . Por tanto, sabiendo X = XN , nosotros podemos encontrar inmediatamente (X)B . Podemos hacer eso de una forma unica porque la inversa de una matriz, si existe, es unica.
433.
Ejemplo
Sea B = {(1, 1), (1, 1)}una base del plano R2 .
Si las coordenadas de un vector v en la base B son (3, 5) las coordenadas en la base natural son: vN = 1 1 1 1 3 5 = 13+15 1315 = 8 2 .
210
CAP ITULO 8. CAMBIO DE COORDENADAS
Veriquemos que las coordenadas de v en la base B son [3, 5], por lo tanto, X = 3e1 + 5e2 lo cual tambin lo podemos escribir verticalmente: e x1 x2 =3 1 1 +5 1 1 = 13+15 1315 = 8 2 .
434. Ejercicio Si las coordenadas de un vector v en una base (ordenada) B son (2, 7), encuentre la matriz de cambio de base desde B a la base natural y las coordenadas del vector dado en la base N , si B es a) B = {(1, 1), (2, 1)} b) B = {(1, 1), (3, 4)} c) B = {(2, 2), (1, 5)}. 435. Ejemplo Dados B1 = {(5, 2), (1, 3)} y XB1 = (2, 3), encontremos XB2 si B2 = {(1, 1), (2, 5)}. Solucin: X = XN = 2(5, 2) + 3(1, 3) = (7, 13). o Necesitamos encontrar XB2 , es decir, expresar ese vector en la base B2 : (7, 13) = (1, 1) + (2, 5) Igualando coordenada por coordenada: 7 = + 2 13 = + 5 Restemos: 6 = 3, lo que implica que = 2 y = 3. Respuesta: XB2 = (3, 2). 436. Ejercicio Dado B1 = {(1, 2), (1, 3)} y XB1 = (5, 7), encontrar XB2 si a) B2 = {(1, 1), (2, 5)} b) B2 = {(1, 1), (1, 4)} c) B2 = {(1, 1), (2, 3)}.
B 437. Teorema. Si una matriz de cambio de coordenadas, IN , cambia de coordeB nadas desde la base B a coordenadas en la base N, la matriz inversa (IN )1 cambia las coordenadas en la base N a coordenadas en la base B: N B IB = (IN )1 N B (X)B = IB (X)N = (IN )1 (X)N .
438.
Ejercicio Pruebe el teorema.
8.1. BASES ARBITRARIAS
211
439. Ejercicio Si las coordenadas del vector v en la base natural son (2, 7), encuentre la matriz de cambio de coordenadas de N a B y las coordenadas del vector dado en la base B, si B es a) B = {(1, 1), (2, 1)} b) B = {(1, 1), (3, 4)} c) B = {(2, 2), (1, 5)}.
440.
B1 Ejemplo Si B1 = {(5, 2), (1, 3)} y B2 = {(1, 1), (2, 5)}, encontremos IB2 .
B1 Solucin: El trabajo de IB2 es traducir las coordenadas en la base B1 a coordenadas o B1 en la base B2 : XB2 = IB2 XB1 . Sea B1 IB 2 =
Sea X el primer vector de B1 , X = (5, 2), entonces las coordenadas de X en la base B1 son XB1 = (1, 0), porque (5, 2) = 1(5, 2) + 0(1, 3). Tenemos: XB2 = (5, 2)B2 y B1 XB2 = IB2 XB1 o XB2 = (5, 2)B2 = 1 0 =
de tal forma que (5, 2)B2 = (, ), y por tanto (5, 2) = (1, 1) + (2, 5). Por consiguiente 5 = + 2 2 = + 5. Restando, 3 = 3, = 1, = 2 5 = 2 + 5 = 7. Para encontrar y , analizamos el segundo vector de B1 , (1, 3), cuyas coordenadas (1, 3)B1 en B1 son (0, 1). Sea X = (1, 3), entonces XB1 = (0, 1). Tenemos: XB2 = (1, 3)B2 y
B1 XB2 = (1, 3)B2 = IB2 XB1 =
0 1
as que (1, 3) = (1, 1) + (2, 5). Por consiguiente 1 = + 2 3 = + 5. Restando, 4 = 3, = 4/3, = 3 5 = 3 5(4/3) = 3 20/3 = 11/3. En conclusin: o
212
B1 IB 2 =
7 11/3 1 4/3
441.
B1 Ejercicio Encontrar IB2 si B1 = {(4, 2), (1, 2)} y
a) B2 = {(4, 2), (1, 5)}. a) B2 = {(1, 2), (1, 2)}. a) B2 = {(3, 2), (3, 5)}. 442. Ejercicio Si
B1 IB 2 =
7 11/3 1 4/3
a) Encontrar B1 si B2 = {(1, 1), (2, 5)}, b) Encontrar B2 si B1 = {(5, 2), (1, 3)}. Usamos la notacin IB2 para denotar la matriz de cambio de coordenadas de la base o B1 B1 a la base B2 . La I indica dos cosas. Primera, que una matriz de cambio de base conserva la identidad del vector, es decir, que el vector no es transformado sino que lo unico que cambia es su descomposicin debido a que se cambia de base. Y segunda, o B1 porque IB2 es la matriz de la T L, I: V V cuando en el dominio se usa la base B1 y en el codominio la base B2 . En la base natural N a ambos lados, la matriz de I es N la matriz identidad I = IN . Qu pasa si cambiamos de base en el dominio o en el e codominio o en ambos lados? Veamos:
B1 443. Teorema. Una matriz de cambio de coordenadas IB2 de la base B1 a la base B2 es la matriz de la T L identidad I tomando B1 como base en el dominio y a B2 como la base en el codominio. B1 Predemostracin. IB2 no puede cambiar la identidad de ningn vector. La matriz o u simplemente toma las coordenadas de cualquier vector en la base del dominio y las reescribe en la base del codominio, es una matriz de cambio de base. Muy pronto veremos una maquinaria poderosa para probar rigurosamente este y otros teoremas.
B1 444. Teorema. Para encontrar la matriz IB2 de cambio de coordenadas de la base B1 a la base B2 , es suciente cambiar de coordenadas de la base B1 a la base N y despus de la base N a la base B2 . Esto es, uno debe multiplicar ambas matrices, e B N B1 IB2 IN , en el orden correcto. La matriz IN 1 es la base B1 en notacin vertical. o
445.
Ejercicio Pruebe el teorema anterior.
446. Ejercicio Disee un procedimiento de Gauss-Jordan para encontrar la matriz n B1 de cambio de base IB2 .
8.2. ROTACIONES EN R2
213
447. Ejercicio Si [1, 2], [3, 5] son las coordenadas de dos vectores en la base B1 , encuentre la matriz de cambio de coordenadas de la base B1 a la base B2 y las coordenadas en B2 de cada uno de los vectores, si las bases son: a) B1 = {(1, 1), (2, 1)}, B2 = {(1, 1), (3, 4)} b) B1 = {(1, 1), (3, 4)}, B2 = {(2, 2), (1, 5)} c) B1 = {(2, 2), (1, 5)}, B2 = {(1, 1), (2, 1)}. 448. Ejercicio Si [1, 2, 3], [3, 5, 6], [4, 1, 1] son las coordenadas de tres vectores en la base B1 , encuentre la matriz de cambio de base de B1 a B2 y las coordenadas en B2 de cada uno de dichos vectores si las bases son: B1 = {(2, 2, 1), (1, 5, 6)(2, 2, 3} B2 = {(1, 1, 1), (2, 1, 1), (1, 1, 2)}. 449. Ejemplo
B1 Dado M = IB2 y B1 , encontremos B2 .
B1 N B Primera solucin: M = IB2 = IB2 IN 1 = (B2 )1 B1 . o Por tanto, (B2 )1 B1 = M y multiplicando en ambos lados a la izquierda por B2 obtenemos B2 (B2 )1 B1 = B2 M que es lo mismo que B1 = B2 M . Multiplicando por M 1 a la derecha obtenemos B1 M 1 = B2 M M 1 = B2 Segunda solucin: o B2 B1 B2 B1 B2 = IN = IN IB1 = B1 (IB2 )1 = B1 M 1 .
450. Ejercicio Encontrar B1 si B2 = {(1, 1), (2, 5)} y

B1 IB 2 =
7 11/3 1 4/3
451. Ejercicio Encontrar B2 si B1 = {(5, 2), (1, 3)} y

B1 IB 2 =
7 11/3 1 4/3
B1 B2 452. Ejercicio a) Dado M = IB2 y B2 , encontrar B1 ; b) Dado M = IB1 y B1 , encontrar B2 .
8.2.
Rotaciones en R2
En esta seccin hallamos la matriz de una rotacin en R2 , lo cual ser muy imporo o a tante en lo que sigue. 453. Denicin. Una rotacin es una T L que conserva angulos y normas. o o
214
454. Ejemplo Encontremos la matriz que en R2 causa una rotacin contraria a o las manecillas del reloj por un ngulo . a
j ( sen , cos ) i Figura 8.1. La base natural ha sido rotada un ngulo . a (cos , sen )
Para saber qu hace una T L es suciente saber qu hace ella sobre una base e e cualquiera. Tomemos la base natural. El vector i = (1, 0) es rotado pero no alargado, por lo tanto, se cambia en (cos , sen ), mientras que el vector j = (0, 1) se cambia en ( sen , cos ). Por lo tanto, la matriz R de esa rotacin es: o R= cos sen sen cos
En el caso particular en que = /2 90 , la matriz de rotacin es o o
R(/2) =
cos sen sen cos
cos(/2) sen(/2) sen(/2) cos(/2)
0 1 1 0
Veriquemos que esta rotacin convierte i = (1, 0) en j = (0, 1): o 0 1 1 0 1 0 = 0 1
o e 455. Ejercicio Calcule el determinante de una rotacin y explique el porqu de la respuesta. Es toda T L con Det(T ) = 1 una rotacin? Ofrezca ejemplos y contraejemo plos. Qu ms se necesita para que una T L con determinante 1 sea una rotacin? e a o
456. Ejercicio Halle la matriz inversa de una rotacin de ngulo y demuestre que o a es igual a la matriz de rotacin de ngulo . o a
8.3. NUMEROS QUE ROTAN
215
8.3.
N meros que rotan u
Ofrecemos una construccin de los nmeros complejos que nos ensea que las o u n matemticas son una combinacin de arte y de ingenier a o a. Los nmeros reales pueden dibujarse sobre una recta. Dicho de otra forma, a una u recta puede drsele una estructura aritmtica, gracias a la cual los elementos de la l a e nea se puedan sumar, restar, multiplicar, dividir, sacar ra cuarta, logaritmo y hallar el z seno y el coseno y todo lo dems. Pues bien, qu tiene la l a e nea que el plano no tenga? qu nos impide darle una estructura aritmtica al plano? e e Nada. Veamos. Cada punto del plano se direcciona con dos coordenadas (x, y) donde x, y son reales, tal como lo hemos hecho siempre. Podemos denir la suma coordenada por coordenada, como de costumbre: (x1 , y2 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ). 457. Ejercicio Demuestre que el plano con la suma es un grupo conmutativo, es decir, que podemos sumar sin problema y que en la suma el orden no importa. Teniendo solucionado lo de la suma y la resta, nos queda la multiplicacin. Para o denirla, nos basamos en que los puntos del plano son vectores, de tal forma que la multiplicacin de un vector (x, y) por un escalar real es (x, y). Dicho de otra forma, o ya sabemos cmo multiplicar un nmero real por un punto del plano. Para denir la o u multiplicacin de un punto del plano por otro punto del plano nos basamos en algo que o todos sabemos: 458. Ejercicio Demuestre que el plano con la suma y producto escalar son un espacio vectorial sobre los reales, lo cual quiere decir que los escalares son los nmeros u reales. Qu signica que el plano tenga estructura de espacio vectorial? Signica que e existen T L del plano en el plano. Y en general, las T L se componen y al ser representadas por matrices, la composicin es igual al producto de matrices. Entonces o lo que tenemos que hacer es denir una correspondencia entre cada punto del plano y una T L o matriz de tal manera que la multiplicacin entre puntos del plano quede o denida por el producto de las matrices que lo representan. La eleccin de representar un punto del plano por una matriz se ha resuelto por o medio de ligeras modicaciones de las rotaciones. Eso se hace gracias a las coordenadas polares. Dichas coordenadas denen un punto del plano por dos valores: la longitud, mdulo o norma del radio vector que va del origen, el complejo (0, 0), al puno to dado, y el ngulo polar que dicho radiovector forma con la parte positiva del eje X a en direccin contraria a las manecillas del reloj. Debemos advertir que el ngulo polar o a no se puede denir de manera unica: dado un ngulo polar, si se le suma cualquier a nmero de vueltas, o sea 2n, con n Z, tenemos el mismo punto del plano. u En una palabra, podemos representar un punto del plano (x, y) como (r, )p donde r = x2 + y 2 y es el ngulo cuya tangente es y/x y el sub a ndice p nos permite reconocer que se trata de coordenadas polares. 459. Ejemplos El punto (1, 0) se representa como (1, 0)p , el punto (1, 0) como (1, )p , el punto (0, 1) como (1, /2)p y el punto (0, 1) como (1, 3/2)p .
216
Ahora, a cada punto del plano (r, )p le hacemos corresponder la matriz dada por (r, )p 460. Ejemplos r cos rsen rsen r cos
El punto (1, 0) tiene mdulo 1 y ngulo polar 0, por tanto o a (1, 0) cos(0) sen(0) sen(0) cos(0) = 1 0 0 1
El nmero complejo i tiene mdulo 1 y ngulo polar /2, por lo tanto, es la matriz u o a (0, 1) cos(/2) sen(/2) sen(/2) cos(/2) = 0 1 1 0
Si se componen dos rotaciones, obtenemos una rotacin: o 461. Ejercicio Demuestre que si se multiplican dos puntos del plano (r1 , 1 )p y (r2 , 2 )p , usando la representacin matricial y multiplicando en cualquier orden las o matrices respectivas, se obtiene el punto del plano (r1 + r2 , 1 + 2 )p . 462. Ejercicio Demuestre que la multiplicacin es cerrada, conmutativa, asociativa, o distribuye la suma, que (1, 0) es el elemento neutro de la multiplicacin, es decir, que o (1, 0) multiplicado por (x, y) da (x, y). Por todas las propiedades aritmticas demostradas, de ahora en adelante llamaree mos a los puntos del plano como complejos o n meros complejos y al plano mismo u como plano complejo y se nota C. Ha resultado muy util la notacin polinmica en la cual (x, y) se representa por el o o polinomio x + iy donde el nmero complejo i es el indicador de la direccin vertical, es u o decir (0, 1) o bien (1, /2)p . De igual forma, debido a que (1, 0) es el elemento neutro de la multiplicacin, se le llama 1 y de esa manera los nmeros reales se convierten en o u un subconjunto de los complejos y por ello a los reales se les pinta sobre el horizontal, cuyos puntos son de la forma (x, 0). 463. Ejercicio Verique que con i = (0, 1) = (1, /2)p se tiene que i2 = ii = 1. Ahora podemos multiplicar nmeros complejos como si fuesen polinomios. Si un u nmero complejo es w = (a, b) = a + bi y el otro es z = c + di entonces su producto es u wz = (a+bi)(c+di) = ac+adi+dci+bdi2 = ac+(ad+dc)ibd = acbd+i(ad+dc) = = (ac bd, ad + dc). Hab amos dicho que el plano complejo con la multiplicacin escalar con nmeros o u reales es un EV , pero en vez de escalares reales se pueden tomar escalares complejos. 464. Ejercicio Demuestre que los complejos son un espacio vectorial sobre los complejos. 465. Ejercicio Demuestre que los complejos sobre los reales son un EV de dimensin dos, pero los complejos sobre los complejos tienen dimensin uno. o o
8.3. NUMEROS QUE ROTAN
217
De la multiplicacin se deriva la divisin: dividir signica multiplicar por el inverso o o multiplicativo. 466. Ejercicio Halle el inverso multiplicativo de (r, )p . Ayuda: el inverso de una rotacin es la rotacin al revs. El inverso de multiplicar todo el mundo por un escalar o o e no nulo r es multiplicar todo el mundo por 1/r. Existe una notacin de los nmeros complejos que da inmediatamente su estructura o u multiplicativa: si z C, es decir, si z es un punto del plano complejo, entonces z = rei donde r es el mdulo de z y es el ngulo polar. o a Si tenemos dos complejos z = rei w = sei entonces la multiplicacin simplemente multiplica los mdulos y suma los ngulos: o o a zw = rei sei = rsei(+) . Se dice que un nmero es unitario si tiene mdulo uno. En tal caso: u o z = ei Multipliquemos un nmero cualquiera w = sei por uno unitario z = ei : u i i i(+) zw = e se = se lo que pasa es que el nmero w sufre una rotacin. Por supuesto que el radio no u o var a. 467. Investigacin Hemos dicho que un complejo (r, )p puede notarse como rei . o En realidad, nuestra notacin se basa en que existe la forma de denir la funcin o o i exponencial compleja, y al evaluar re da (r, )p o bien rcos + isen. Investigue, pues, cmo se dene la exponencial compleja y cmo se prueba que rei = rcos + isen. Se o o puede encontrar una introduccin al tema en (Steward, 2003). o El mdulo de un complejo se lee directamente en su expresin polar pero tambin o o e puede recuperarse mediante la siguiente estrategia: Denimos el conjugado de z = rei como z = rei , es decir z tiene el mismo mdulo o que z pero el ngulo est medido al revs, en direccin negativa, en la misma direccin a a e o o que las manecillas del reloj. A veces resulta ms cmodo denotar el conjugado de z a o por z , por ejemplo, cuando el complejo viene con coordenadas que vienen de clculos a complicados. Ahora bien: z z = rei rei = r2 ei() = r2 ei(0) , el resultado que nos da es un nmero complejo que tiene norma r2 y ngulo polar u a cero. Como tiene ngulo polar cero est sobre la parte positiva del eje X por lo que es a a un nmero real y como tiene mdulo r2 , pues es en denitiva el nmero real r2 . Por u o u consiguiente, el mdulo cuadrado, largo cuadrado o norma cuadrado de un complejo o es z z . Los nmeros complejos tienen aplicaciones importantes. Por ejemplo, si uno tiene u un cuerpo que rota alrededor de otro, la proyeccin sobre el eje X da una onda. Por o esa razn, los complejos, las rotaciones y las ondas estn o a ntimamente relaciondas. Eso se utiliza para facilitar clculos, digamos, del comportamiento de sistemas ondua latorios sometidos a fuerzas tambin ondulatorias usando la transformada de Laplace e (Zill, 2008). La relacin de los complejos con las ondas tambin ha servido de base en o e
218
mecnica cuntica para postular que la f a a sica fundamental tambin est ligada a los e a complejos. La razn es que tanto la radiacin como la materia tienen propiedades de o o onda, lo cual se evidencia cuando se crea interferencia (Feynman, 1998).
8.4.
Bases ortonormales
Al rotar la base natural uno obtiene una nueva base que se parece much simo a la natural: sus elementos son mutuamente perpendiculares y tienen norma uno. Este tipo de bases es muy util y recibe un nombre: 468. Denicin. Una base es ortogonal cuando sus elementos son mutuamente o perpendiculares. Ejemplo: la base natural es ortogonal. Toda rotacin de la base natural o es una base ortogonal. Si se toma la base natural y se rota y si cada vector es alargado positivamente, se obtiene una base ortogonal. 469. Denicin. Una base es ortonormal cuando es ortogonal y cuando cada o uno de sus vectores es unitario, es decir, tiene norma uno. Ejemplo: la rotacin de la o base natural produce una base ortonormal. Para convertir una base ortogonal en una ortonormal hay que dividir cada vector por su norma. Aunque nadie lo diga, es mejor numerar las bases ortonormales de tal forma que su Det sea ms uno. Si uno tiene a una base ortonormal con determinante menos uno, simplemente se intercambia un par de vectores y la nueva numeracin da una base con Det = +1. O uno puede reversar o un elemento de la base. 470. Ejemplo La base B1 = {(1, 1), (1, 1)}es ortogonal porque el producto punto (1, 1) (1, 1) 0, pero no es una base ortonormal pues la norma de cada uno de sus = elementos es 2. Pero obtenemos una base ortonormal si dividimos cada vector por su norma 2. La base resultante es B2 = {( 2/2, 2/2), ( 2/2, 2/2)}. 471. Ejemplo Consideremos el plano en el espacio 3D tal que sus puntos (x, y, z) satisfagan x 2y + 3z = 0. Este conjunto es un EV pues es un plano que pasa por el origen. Este plano tiene dimensin dos, pues es generado por un conjunto LI con dos o elementos: x 2y + 3z = 0 implica que x = 2y + 3z y por tanto un punto (x, y, z) si y slo si o 2y + 3z x y = y z z 2 3z 3 2y y + 0 = y 1 +z 0 = z 0 0 1 .
Es decir, el conjunto B1 = {v1 = (2, 1, 0), v2 = (3, 0, 1)} es una base del plano, pero no es una base ortonormal porque (2, 1, 0) (3, 0, 1) no es cero. Encontremos una base ortonormal para . Observemos la norma del vector que (2, 1, 0) es 5. Por tanto, podemos tomar u1 = (2 5/5, 5/5, 0) como un primer
8.4. BASES ORTONORMALES
219
vector de nuestra base ortonormal. El segundo vector u2 puede ser construido de varias maneras. La primera es proyectar el segundo vector de la base original, v2 sobre u1 . Esa proyeccin se sustrae de v2 y luego se normaliza para obtener u2 . o O tambin, podemos notar que (1, 2, 3) es normal al plano y que tiene norma e 14 y que por tanto, la normal unitaria n es n = ( 14/14, 2 14/14, 3 14/14) El segundo vector u2 de la base ortonormal del plano puede tomado como: ser u2 = u1 n = (2 5/5, 5/5, 0) ( 14/14, 2 14/14, 3 14/14) = 70/70(3, 6, 5). Vale la pena vericar que este vector en verdad tiene norma uno y que satisface la ecuacin del plano. o Para terminar, una base ortonormal del plano es B2 = {(2 5/5, 5/5, 0), 70/70(3, 6, 5)}. Adem podemos construir una base ortonormal B3 para el espacio R3 : as, B3 = { 70/70(3, 6, 5), 5/5(2, 1, 0), 14/14(1, 2, 3)}. Nuestra forma de listar los elementos de la base dene una numeracin con la cual o la base tiene determinante +1, de tal manera que podemos pensar como sigue: el primer vector de la base juega el papel del eje X, el vector normal juega el papel del eje Y y el tercero el papel del eje Z. Y adems, el piso XY coincide con el plano. a 472. Ejercicio Construya una base ortonormal con determinante +1 para R3 tal que dos de sus vectores sean una base del plano siguiente: a) z = 4x + 3xy b) x 7y + 2z = 0 c) 2x 3y 9z = 0. 473. Ejemplo Sea B una base ortogonal de V. Si separamos a B en dos subconjuntos disjuntos, los subespacios generados por cada uno de ellos forman subespacios tales que cada uno es el complemento ortogonal del otro.
474. Procedimiento para hallar las coordenadas de un vector en una base ortonormal. Supongamos que tenemos una base ortonormal B = {e1 , ..., en } y un vector v. Para hallar las coordenadas de v en B se procede como sigue. En primer trmino escribimos e la ecuacin que nos dice que v est en gen(B): o a v = a1 e1 + a2 e2 + ... + aj ej + ... + an vn Para hallar aj multiplicamos la anterior ecuacin en producto punto por ej : o ej v = ej (a1 e1 + a2 e2 + ... + aj ej + ... + an vn ) = a1 (ej e1 ) + a2 (ej e2 ) + ... + aj (ej ej ) + ... + an (ej vn ) Como se trata de una base ortonormal, todos los productos punto dan cero excepto aquel en aj (ej ej ) lo cual da aj pues el producto punto de ej por el mismo da la norma cuadrado que es uno, pues la base est normalizada. Nos quedamos con a
220
ej v = aj o bien aj = ej v Este resultado tambien puede escribirse como sigue: 475. Teorema. Para una base ortonormal B = {e1 , ..., en } y un vector v se tiene: v = (e1 v)e1 + (e2 v)e2 + ... + (ej v)ej + ... + (en v)vn Ya tenemos alguna prctica sobre cmo construir bases ortonormales en dos y tres a o dimensiones. Pero en muchas aplicaciones se requiere trabajar con espacios de polinomios o de otras funciones. Por ejemplo, para estudiar fenmenos peridicos se usa la o o base formada por el conjunto de funciones F = {1, cos x, cos 2x, ..., cos nx, ..., sen x, sen 2x, ..., sen nx, ...} Como vemos, este conjunto es innito, lo cual exige generalizar nuestra teor para a EV de dimensin nita a dimensin innita. En particular, es necesario entender o o qu quiere decir una suma innita, una suma que nunca termina de hacerse. Porque la e idea es expresar las funciones en la base F, lo cual es un problema ms sencillo una vez a que uno la ortonormaliza. La expresin de una funcin en tal base ortonormalizada se o o llama la expansin en serie de Fourier de la funcin (Zill, 2007). o o Es usual que uno tenga una base, pero que no sea ortonormal. Uno puede ortonormalizarla usando el siguiente 476. Procedimiento para construir una base ortonormal a partir de una base cualquiera. Sea una base cualquiera que bien puede ser innita: B = {b1 , ..., bn , ...} Para construir una base ortonormal B = {e1 , ..., en } a partir de B se procede as : 1. El primer elemento de B es simplemente el primer elemento de B normalizado: e1 = b1 ||b1 ||
2. Para hallar e2 consideramos el subespacio generado por {b1 , b2 } y decidimos que e2 debe ser elemento de dicho subespacio, como lo es e1 . Eso es equivalente a decir que b2 = a1 e1 + a2 e2
8.4. BASES ORTONORMALES
221
Conocemos el valor de a1 . Por el teorema anterior a1 = e1 b2 , pero a2 e2 no se conoce, lo reeplazamos por h2 : b2 = a1 e1 + h2 Despejemos h2 : h2 = b2 a1 e1 = b2 (e1 b2 )e1 El vector h2 es perpendicular a e1 , pues es un alargamiento de e2 , por tanto el segundo elemento de B es h2 normalizado: h2 ||h2 ||
e2 =
3. Supongamos que hemos construido los primeros j 1 elementos de B . Para construir ej consideramos el subespacio generado por {b1 , b2 , ..., bj1 , bj } y queremos que coincida con el generado por {e1 , e2 , ..., ej1 , ej }. Eso es equivalente a decir que bj = a1 e1 + a2 e2 + ... + aj1 ej1 + aj ej pero aj ej no se conoce, lo reeplazamos por hj : bj = a1 e1 + a2 e2 + ... + aj1 ej1 + hj Despejemos hj : hj = bj a1 e1 a2 e2 ... aj1 ej1 que tambin se escribe como e hj = bj (e1 bj )e1 (e2 bj )e2 ... (ej1 bj )ej1 El vector hj es perpendicular al subespacio generado por {e1 , e2 , ..., ej1 }, pues es un alargamiento de ej , por tanto el j-simo elemento de B es hj normalizado: e hj ||hj ||
ej =
4. Si se itera este procedimiento, se obtienen todos los elementos de la base ortonormalizada. El problema es que para una base innita uno nunca termina. Por esto que en aplicaciones uno ja la exactitud deseada y determina en consecuencia qu tantos elementos de la base debe considerar. e 477. Ejemplo Construyamos una base ortonormal B = {e1 , e2 } para el subespacio generado por B = {(1, 1, 1), (2, 3, 5)}
222
El primer vector de B es el primer vector de B pero normalizado: e1 = (1/ 3)(1, 1, 1) El segundo vector e2 debe ser tal que (2, 3, 5) = a1 e1 + a2 e2 dando a a2 e2 el nombre de h2 obtenemos (2, 3, 5) = a1 e1 + h2 y como a1 = e1 (2, 3, 5) h2 = (2, 3, 5) (e1 (2, 3, 5))e1 = (2, 3, 5) ((1/ 3)(1, 1, 1) (2, 3, 5))(1/ 3)(1, 1, 1) = (2, 3, 5) ((1/3)(1, 1, 1) (2, 3, 5))(1, 1, 1) = (2, 3, 5) (1/3)(2 + 3 + 5)(1, 1, 1) = (2, 3, 5) (1/3)(6)(1, 1, 1) = (2, 3, 5) 2(1, 1, 1) = (4, 1, 3) El segundo vector de la base buscada es entonces h2 normalizado: e2 = (1/ 26)(4, 1, 3). Podemos ver que e2 est en el generado por B pues h2 lo est dado que a a (4, 1, 3) = 2(1, 1, 1) + (2, 3, 5). 478. Ejercicio En R4 construya una base ortonormal para el subespacio generado por {(1, 1, 1, 1), (2, 3, 5, 7), (1, 4, 2, 1)}. 479. El principio de induccin matemtica. Nosotros utilizamos un esquema o a nuevo para demostrar que toda base es ortonormalizable, as tenga un nmero innito de u elementos siempre y cuando dichos elementos se puedan listar. Si hubisemos procedido e como antes, hubisemos mostrado cmo se ortonormaliza una base con uno, dos y tres e o elementos y hubisemos dicho que para casos ms grandes, se sigue el mismo patrn. e a o Pero aqu procedimos de otra forma, de la forma que se considera rigurosa y que se llama demostracin por induccin. En efecto, lo que hicimos puede expresarse o o como sigue: para todo n N = {0, 1, 2, 3, ...} si Bn es una base, entonces puede ortonormalizarse Este enunciado se generaliza en el siguiente: para todo n N = {0, 1, 2, 3, ...} se tiene que la proposicin p(n) es cierta. o Para demostrar por induccin la validez de una proposicin de esta clase, demuestre o o dos cosas. Primera, que p(1) es cierta y, segunda, que siempre que se asuma que p(j1) es cierta entonces puede demostrarse que p(j) tambin lo es. e Porque si las dos cosas se cumplen, entonces como p(1) es cierta, entonces p(2) tambin. Como p(2) es cierta, entonces p(3) tambin y as sucesivamente con la certeza e e de poder llegar hasta cualquier n no importa cun grande sea. a
8.5. LA MATRIZ TRANSPUESTA
223
8.5.
La matriz transpuesta
En algunos casos, para encontrar la inversa de una matriz es suciente transponerla, es decir, convertir sus columnas en las. 480. Denicin. Al poner la columna i-sima de la matriz M como la la o e T i-sima, se forma una nueva matriz, M , llamada la matriz transpuesta de M . El e nmero de las de M es igual al nmero de columnas de M T y el nmero de columnas u u u T de M es igual al nmero de las de M . Si las entradas de M se denotan como Mij , u T las entradas de M son Mji . 481. Ejemplo 1 2 5 6 1 2 MT = 3 4 3 4 . 7 8 5 6 . 7 8
M=
482. Ejercicio Calcule M M T y M T M y encuentre la inversa de M si 2/2 2/2 2/2 2/2
M=
483.
Ejemplo
Sea 2 3 4 M = 5 6 7 8 9 0 2 5 8 MT = 3 6 9 4 7 0
entonces
484. Deniciones. Una matriz es simtrica si es igual a su transpuesta. Es e T decir, M es simtrica si M = M . Una matriz es antisimtrica si es igual a menos e e su transpuesta. Es decir, M es antisimtrica si M = M T , o bien que M T = M . e Ambos tipos de matrices deben ser matrices cuadradas. 485. Ejemplos La matriz
224
CAP ITULO 8. CAMBIO DE COORDENADAS 2 5 8 M = 5 6 7 = MT 8 7 0 0 5 8 0 7 = M T M = 5 8 7 0
es simtrica. La matriz e
es antisimtrica. Toda matriz antisimtrica tiene ceros sobre la diagonal. e e 486. Teorema. Una matriz cuadrada y su transpuesta tienen igual determinante. Demostracin. Consideremos slo matrices dos por dos: o o Det a b c d = ad cb = Det a c b d
487. Ejercicio Pruebe el teorema para el caso de una matriz 3 3. El siguiente resultado permite pruebas elegantes de diversos teoremas. 488. Teorema. La matriz transpuesta cumple M (u) v = u M T (v) donde la T L asociada a M es M : Rm Rn , la T L asociada a M T va en sentido contrario, u est en el dominio de M y v en su codominio. a Por tanto, toda matriz simtrica S cumple con la identidad e S(u) v = u S(v) 489. Ejemplo Si u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) y 2 5 8 MT = 3 6 9 4 7 0
entonces
= (2u1 + 5u2 + 8u3 )v1 + (3u1 + 6u2 + 9u3 )v2 + (4u1 + 7u2 + 0u3 )v3
v1 2u1 + 5u2 + 8u3 v1 u1 2 5 8 M (u) v = 3 6 9 u2 v2 = 3u1 + 6u2 + 9u3 v2 v3 4u1 + 7u2 + 0u3 v3 u3 4 7 0
8.5. LA MATRIZ TRANSPUESTA = u1 (2v1 + 3v2 + 4v3 ) + u2 (5v1 + 6v2 + 7v3 ) + u3 (8v1 + 9v2 + 0v3 ) v1 2 3 4 u1 2v1 + 3v2 + 4v3 u1 = u2 5v1 + 6v2 + 7v3 = u2 5 6 7 v2 v3 8 9 0 u3 8v1 + 9v2 + 0v3 u3
225
= u M T (v).
490. Ejercicio Pruebe el teorema en su forma general. 491. Teorema y ejercicios. (AB)T = B T AT . Es decir, la transpuesta de un producto es el producto de las transpuestas, pero en orden inverso. Demostracin. Las matrices dadas denen una composicin de T L como sigue: o o r s s t B: R R , A: R R y como la T L asociada a una transpuesta va en sentido contrario, igual que la inversa, entoces la transpuesta de un producto debe ir en sentido contrario al del producto. Ahora bien, sabemos que para una matriz M : M x y = x M T y. Por tanto, (AB)x y = x (AB)T y. Por otro lado, (AB)x y = A(B(x)) y = (Bx) (AT y) = x B T (AT y) = x (B T AT )y. Por consiguiente, para todo par de vectores x, y tenemos: x (AB)T y = x (B T AT )y De aqu podemos concluir que (AB)T = B T AT pero debemos hacerlo correctamente, pues uno puede proceder errneamente diciendo, por ejemplo, que todo lo que hay que o hacer es simplicar por x y por y. Eso no puede hacerse porque simplicar quiere decir multiplicar por el inverso y resulta que un vector no tiene inverso en el producto interior. Dicho de otra forma: de x y = x z no puede concluirse que y = z (ejercicio). La forma correcta de proceder es la siguiente: como x (AB)T y = x (B T AT )y es cierto para todo par de vectores x en el dominio de la T L asociada a B y y en el codomino de la T L asociada a A, entonces tomamos en el lugar de x a ei , el elemento i de la base natural del dominio de la T L asociada a B, y en vez de y a j , el elemento j de la base natural del codominio de la T L asociada a A. Obtenemos: ei (AB)T j = ei (B T AT )j Ahora bien, para cualquier matriz M , ei M j es Mij , la entrada de la matriz M en la la i y columna j (ejercicio). Eso signica que ((AB)T )ij = (B T AT )ij es decir, que las dos matrices (AB)T y B T AT son iguales entrada por entrada, lo cual signica que ellas son iguales en todo sentido. 492. Teorema. Para una matriz simtrica M, Ker(M ) Im(M ). e
226
Demostracin. Si M es simtrica, entonces es cuadrada y la T L asociada puede tomarse o e con dominio igual al codominio. Si y Ker(M ), entonces M y = 0. Por tanto M x y = x M T y = x M y = x 0 = 0, y M x pertenece a Im(M ) mientras que y est en el Kernel, su producto punto es cero, y por lo tanto, la imagen es perpendicular a al Kernel.
493. Aplicacin Este teorema nos ayuda a evitarnos trabajo. Si debemos calcular o la imagen y el Kernel de una matriz simtrica, calculamos uno de ellos y el otro lo e hallamos por ortogonalidad.
494. Ejercicio Resuelva la siguiente objecin: el teorema dice que el Kernel y la o Imagen de una matriz simtrica son mutuamente perpendiculares, pero no que entre e los dos generen a todo el espacio, es decir, que los dos se complementen ortogonalmente. Por lo tanto, la aplicacin es abusiva y no sirve de nada. o
495.
Ejemplo
Calculemos el Kernel y la imagen de la T L cuya matriz es 1 2 2 3
El Kernel es el subespacio vectorial que cae sobre cero. Puesto que el determinante de la matriz no es cero, la transformacin lineal que sta representa es 1-1 y sobre, o e y por tanto, el unico vector que cae sobre cero es cero que es el unico elemento del Kernel. Como la Imagen y el Kernel son mutuamente perpendiculares, la Imagen es todo R2 . Observemos que esto es cierto para cualquier matriz invertible. 496. Ejercicio Encuentre el Kernel y la imagen de la T L cuya matriz es a) b) 1 2 2 4 1 2 2 3
1 2 3 c) 2 3 4 3 4 5 1 2 3 d) 2 4 6 3 6 5
8.6. APLICACIONES
227
8.6.
Aplicaciones
497. Teorema y denicin. En Rn , toda base ortonormal escrita en notacin vero o tical forma una matriz Q tal que Q1 = QT , donde QT representa la matriz transpuesta de Q. Decimos que una matriz O es ortogonal cuando sus columnas representan una base ortonormal. En ese caso: OOT = OT O = I puesto que OT = O1 . Demostracin. Sea Q = {b1 , b2 , ..., bn } una base ortonormal de Rn . Por lo tanto, cada o vector tiene norma uno, es decir bi bi = 1, mientras que vectores diferentes son peri pendiculares: bi bj = 0, cuando i = j. Esto se acostumbra resumir diciendo: bi bj = j , i i donde j es uno si i = j y es cero si i = j. El s mbolo j se lee delta i j y se le conoce como el Delta de Kronecker. La i-sima columna de la matriz Q es el i-simo vector de la base Q. La j-sima la e e e T T de Q es la j-sima columna de Q. Por tanto Q Q tiene en su entrada (i, j) el valor e bi bj que es uno sobre la diagonal y cero en cualquier otro lado. Por tanto, QT Q = I y la inversa de Q es QT .
498. Ejemplo y ejercicio En R2 tomamos la base {(1, 2), (2, 1)}. Sus vectores son perpendiculares, pero no son unitarios. Los normalizamos para obtener una base ortonormal: {(1/ 5, 2/ 5), (2/ 5, 1/ 5)}. La base puede ser representada como una matriz: 1/5 2/5 Q= 2/ 5 1/ 5 cuya transpuesta es Q =
T
1/5 2/5 2/ 5 1/ 5
El producto de esas dos matrices es, en cualquier orden, la identidad (ejercicio). Por tanto, Q y QT son la inversa la una de la otra. 499. Teorema y ejercicio. En el plano tenemos: a) La matriz R() de una rotacin es ortogonal. Es decir, la matriz de R1 ()es simo plemente la transpuesta de R(). b) La inversa R1 () de una rotacin R() con ngulo es la rotacin al revs R() o a o e con el mismo ngulo. a c) Sea B el resultado de rotar por R() a la base natural N . La matriz de R() tambin e representa la matriz de cambio de coordenadas del marco rotado, B, a la base natural B N : IN = R(). Demostracin: ejercicio. o
228
500. Ejercicio Conserva una rotacin el producto punto? Si una T L conserva o el producto punto, es una rotacin? Es decir, si A es una matriz de una rotacin, o o Ax Ay = x y? Y si T (x) T (y) = x y, es T una rotacin? o 501. Ms entendimiento. Hay una diferencia notable entre saber y entender. Como a es dif captar qu quiere decir, resolveremos el siguiente ejercicio de 4 maneras difecil e rentes. Con eso queremos decir que entender implica manejar una perspectiva global que le permita a uno resolver un problema de muy diversas maneras, unas buenas para un propsito y otras para otro. Entender es necesario: los humanos no estamos diseados o n para producir resultados sin equivocaciones. Pero hay que producirlos: cmo? haciendo o el mismo problema por mtodos muy diferentes y viendo que los resultados concuerdan. e
502. Ejemplo Encontremos la ecuacin de una elipse rotada E. La elipse original o 2 2 O obedece a la ecuacin x /9 + y /4 = 1 y es rotada /4 en sentido contrario a las o manecillas del reloj.
3
(w, z)
2
(x, y)
-1
-2
-3 -4 -3 -2 -1 0 1 2 3 4
Figura 8.2. La rotacin de una elipse. o Primer mtodo. La matriz R de una rotacin al contrario de las manecillas del e o reloj y con ngulo /4 es a 2/2 2/2 M= 2/2 2/2 Puesto que las columnas de M son vectores que forman una base ortonormal, su inversa es la transpuesta: 2/2 2/2 1 M = 2/2 2/2 Por lo tanto, el punto (x, y) E ssi (w, z) = M 1 (x, y) O. x 2/2 2/2 2x/2 + 2y/2 1 = M (x, y) = y 2/2 2/2 2x/2 + 2y/2
8.6. APLICACIONES Eso quiere decir que punto y) E ssi la dupleta el (x, ( 2x/2 + 2y/2, 2x/2 + 2y/2) satisface la ecuacin O: o ( 2x/2 + 2y/2)2 /9 + ( 2x/2 + 2y/2)2 /4 = 1 Equivalentemente 13x2 + 13y 2 10xy = 72 Notemos: un trmino de la forma xy es un distintivo de las rotaciones. e
229
o Es conveniente hacer un test: por inspeccin vemos que el punto con coordenadas a por que o ( 3/2, 3/2) est en la elipse E, lo debe satisfacer su ecuacin. Veamos: 2 2 13( 3/2) + 13( 3/2) 10( 3/2)( 3/2) = (13)(9)/2 + (13)(9)/2 10(9/2) = (13)(9) (5)(9) 72 Pasamos el test. Segundo mtodo. La matriz M es tambin la notacin vertical de la base e e o B = ( 2/2){(1, 1), (1, 1)}. Sea PB = (w, z) las coordenadas del punto P en la base B, mientras que PN = (x, y) representa las coordenadas del mismo punto P en la base natural. Ese par de coordenadas est relacionado por a N (w, z) = PB = IB PN = B 1 (x, y) 2x/2 + 2y/2 1 B (x, y) = 2x/2 + 2y/2
3
E
2
-1
-2
-3 -4 -3 -2 -1 0 1 2 3 4
Figura 8.3. Desde la base B = ( 2/2){(1, 1), (1, 1)}, la elipse E se ve derechita. Por tanto 2x/2 + 2y/2 w= z = 2x/2 + 2y/2 La ecuacin de E en la base B es simplemente w2 /9 + z 2 /4 = 1 porque en la base B o uno ve una elipse normal con eje mayor 3 y eje menor 2, por lo tanto, para encontrar la ecuacin de E en la base natural, es suciente sustituir w y z en esta ecuacin por o o
230
su equivalente en la base natural. La ecuacin resultante es exactamente la que ya o hab amos encontrado: ( 2x/2 + 2y/2)2 /9 + ( 2x/2 + 2y/2)2 /4 = 1 Tercer mtodo. Comenzamos con una base un tanto diferente de la anterior: e nuestra nueva base W es 2/2 2/2 W = 2/2 2/2
3
E
2
-1
-2
-3
Figura 8.4. Desde la base W = ( 2/2){(1, 1), (1, 1)}, la elipse E se ve derechita. Observemos que la base, al igual que la anterior, tambin tiene Det(W ) = 1 y e adems es ortonormal. a Sea PW = (u, v) las coordenadas de un punto P en la base W , en tanto que PN = (x, y) representa las coordenadas del mismo punto P en la base natural. Ese par de coordenadas se relaciona por N (u, v) = PW = IW PN = W 1 (x, y) donde 2/2 2/2 W 1 = 2/2 2/2 por lo que W Por tanto, u = 2x/2 2y/2 v = 2x/2 + 2y/2 La ecuacin de E en la base W es u2 /4 + v 2 /9 = 1. Por lo que la ecuacin de E en o o la base natural es: ( 2x/2 2y/2)2 /4 + ( 2x/2 + 2y/2)2 /9 = 1
1
-4
-3
-2
-1
(x, y) =
2x/2 2y/2 2x/2 + 2y/2
8.6. APLICACIONES lo cual coincide con la ecuacin hallada anteriormente: o 2 ( 2x/2 + 2y/2) /9 + ( 2x/2 + 2y/2)2 /4 = 1
231
503. El cuarto mtodo. Puesto que hemos venido guindonos por el contexto, e a hemos sido muy perezosos con la notacin. Pero ahora veamos de qu manera una o e mejor notacin es necesaria. Enfaticemos que cuando ponemos una columna en frente o de una matriz, esa columna realmente representa las coordenadas de un vector en una base dada, que por defecto es la natural. Y si escribimos una la al lado izquierdo de la matriz, podemos decir que pusimos las coordenadas de un vector, pero en posicin o T horizontal y debemos referirlo como transpuesto (x) . Ejemplo: 1 x = (x)N = 2 3 (x)T = 1 2 3 Notemos ahora que si M= entonces x y a b c d x y a b c d
x y
ax + by cx + dy
= x(ax + by) + y(cx + dy) = ax2 + (b + c)xy + dy 2
En una ecuacin: (x)T M x = ax2 + (b + c)xy + dy 2 o Podemos concluir que la informacin contenida en la ecuacin de una elipse pudo o o codicarse en la matriz M . Hemos convertido la geometr en lgebra. a a Ahora, recordemos que, como se vio en el segundo mtodo, la matriz e 2/2 2/2 B= 2/2 2/2 codica la informacin para una base ortonormal B, y por tanto su inversa es igual o a su transpuesta. Las coordenadas en la base B se denotan como (P )B = (w, z) y la elipse luce como w2 /9 + z 2 /4 = 1. En forma matricial, eso es equivalente a w z o ((x)B )T M (x)B = 1 1/9 0 0 1/4 w z =1
232 donde
M=
1/9 0 0 1/4
Podemos asociar biun vocamente la elipse a la matriz M si hacemos la aclaracin o de que M se reere a la base B. Por tanto, tenemos que la matriz asociada a la elipse es
B MB =
1/9 0 0 1/4
y por tanto
B ((x)B )T MB (x)B = 1.
Para encontrar la ecuacin de la elipse en coordenadas cartesianas, necesitamos o solamente cambiar de coordenadas en la base B a la base natural, una tarea que N a es resuelta por la identidad (x)B = IB (x)N . Adems, B es ortonormal y por tanto N T N 1 B (IB ) = (IB ) = IN = B. Adicionalmente, recordemos que la transposicin invierte o el orden de un producto. Tenemos:
N B N B ((x)B )T MB (x)B = (IB (x)N )T MB (IB (x)N ) N B N = ((x)N )T (IB )T MB (IB (x)N ) N B N = ((x)N )T (IB )1 MB (IB (x)N ) N B B = ((x)N )T (IN ) MB (IB (x)N ) B N B = ((x)N )T (IN MB IB )(x)N N = ((x)N )T MN (x)N
en donde hemos aplicado que la transpuesta de un producto es el producto de las transpuestas pero en orden inverso, que la transpuesta de una matriz ortogonal coincide con su inversa, que la inversa de un cambio de base es el cambio de base al revs, que e N B B N T el producto de matrices es asociativo y que MN = IN MB IB = BM B .
B En conclusin, la elipse en la base B se lee ((x)B )T MB (x)B = 1, o o
w z
1/9 0 0 1/4
w z
=1
N Pero por otro lado, la elipse en la base natural se expresa como ((x)N )T MN (x)N = 1 o equivalentemente
1=
x y
2/2 2/2 2/2 2/2
1/9 0 0 1/4
2/2 2/2 2/2 2/2
x y
8.7. EJERCICIOS DE REPASO Test: todo eso debe ser igual a 13x2 + 13y 2 10xy = 72. Veamos: 1 x 1 1 1 1 0 9 1 = ( 2/2)2 x y 1 y 1 1 1 1 0 4 = (1/2) = (1/2) = (1/2) = (1/2) = (1/72) = (1/72) x y x y x y x y x y x y 1 1 1 1 1 1 1 1 0
1 9
233
0
1 4
x+y x + y
x/9 + y/9 x/4 + y/4
x/9 + y/9 + x/4 y/4 x/9 + y/9 x/4 + y/4 (4x + 4y + 9x 9y)/36 (4x + 4y 9x + 9y)/36 4x + 4y + 9x 9y 4x + 4y 9x + 9y 13x 5y 5x + 13y
Por tanto: 1 = (1/72)(13x2 5xy 5xy + 13y 2 ) Y al nal obtenemos: 72 = 13x2 10xy + 13y 2 . 504. Ejercicio Siempre hemos escuchado que y = 1/x representa una hiprbola. e 2 2 Demustrelo. Para ello, tome la hiprbola x y = 1, rtela en sentido antihorario un e e o a ngulo /4 y encuentre la ecuacin de la gura rotada. Use cuatro mtodos distintos o e para resolver el problema.
8.7.
1. Sean B = {(2, 2), (4, 1)} y B = {(1, 3), (1, 1)} . Muestre que B y B son bases de R2 y encuentre la matriz de transicin de B a B y la de B a B. o 2. Sean B = {6 + 3x, 10 + 2x} y B = {2, 3 + 2x} bases de P2 . a) Halle la matriz de transicin de B a B y la de B a B. o b) Encuentre [4 + x]B y use una matriz encontrada anteriormente para hallar [4 + x]B . 3. Sea V =gen({sen(x), cos(x)}). Muestre que B = {2 sen(x) + cos(x), 3 cos(x)} es base de V y encuentre la matriz de transicin de la base B = {sen(x), cos(x)} a o la base B . 4. Sea T una transformacin lineal de V en U , espacios vectoriales. Demuestre que o si {v1 , v2 , ..., vm } es una base de V y T (v1 ) = T (v2 ) = ... = T (vn ) = 0 entonces T (w) = 0 para todo w V . Encuentre la matriz de la transformacin. o
234
5. Sea T una transformacin lineal de V en V, espacio vectorial. Demuestre que si o {v1 , v2 , ..., vm } es una base de V y T (v1 ) = v1 , T (v2 ) = v2 , ..., T (vn ) = vn entonces T (w) = w, para todo w V . Encuentre la matriz de la transformacin. o 6. Obtenga una base ortonormal de R4 que contenga los vectores 1 1 0, 2 , 0, 2 .
1 1 , 0, , 0 2 2
7. Sea A una matriz 2 2 tal que AT A = I, muestre que la transformacin lineal o asociada preserva producto punto, longitudes y ngulos. a 8. Sea H = {(x, y, z, w) R4 : x = z, y = w} un subespacio vectorial de R4 . a) Halle una base ortonormal B1 para H. b) Halle una base ortonormal B2 para H . c) Exprese el vector v = (1, 0, 0, 1) como v = h + p, donde h H y p H . d ) Escriba las coordenadas del vector a = (3, 2, 3, 2) en la base B1 . 9. Sea H = {(x, y, z, w) : x = y, w = 3y} y sea v = (1, 2, 3, 1). Encuentre una base ortonormal para H y para su complemento ortogonal H . Escriba v = h + p, con h y p elementos de H y de H , respectivamente. 10. Sean A y B matrices de tamao n n, con A = O y B = O, donde O es la matriz n de ceros. Mostrar que si A es simtrica y B antisimtrica, entonces el conjunto e e {A, B}, es linealmente independiente. 11. Considere la matriz R = cos sen sen cos .
a) Calcule Rn , n un entero positivo. b) Para qu valores de la matriz R es invertible? e c) Halle R1 . cos(n) sen(n) sen(n) cos(n)
Rta. a)
, b) para todo , c) R1 = RT .
12. Pruebe que si A es simtrica e invertible, A1 es simtrica. e e Sugerencia: Haga ver que (A1 )T = A1 . 13. Sea Sn el espacio vectorial de matrices simtricas n n, halle la dimensin de e o este espacio.
8.8. RESUMEN
235
8.8.
Resumen
Hemos aprendido cmo cambiar de coordenadas de una base a otra con la ayuda o de matrices apropiadas. Para cambiar de coordenadas de una base B a la base natural, usamos una matriz que es la misma base B escrita en forma vertical, un vector al lado del otro. Para cambiar de la base natural a la base B, usamos como matriz la inversa 1 de B. Para cambiar de B1 a base B2 , usamos la matriz B2 B1 . Si B es ortonormal, con elementos mutuamente perpendiculares y de norma uno, B 1 = B T . Similarmente, si R es una rotacin, R1 = RT . Nuestras bases siempre se numeran de tal forma que las o matrices asociadas tengan determinante positivo.
236
CAP ITULO
9
TL EN CUALQUIER PAR DE BASES
Hemos adquirido la libertad de cambiar de coordenadas de una base a otra base cualquiera. Podemos usar esa libertad para expresar T L en forma matricial, pero con respecto a un par de bases bien escogidas. De esa forma, la informacin que conlleva o la matriz puede ser ms transparente, ms util y ms fcil de entender y manejar. a a a a Comencemos con un ejemplo para mostrar el signicado de la transparencia. La utilidad ser demostrada ampliamente en todo lo que sigue, especialmente en diagonalizacin. a o
9.1.
Fundamento
Sabemos cmo asociar una matriz T a una transformacin lineal T . La asociacin es o o o tan clara y natural que nosotros usamos la misma letra tanto para la matriz como para la T L. Eso ha sido posible porque hemos usado la base natural en todo lado. Ahora, nos liberamos de esa restriccin y consideraremos el problema de asociar una matriz o con referencia a cualquier par de bases, una en el dominio y otra en el codominio. Con el s mbolo
B TB21
representaremos la matriz asociada a una T L, T : V W tal que tenemos en el dominio V a la base B1 y en el codominio W a la base B2 . Observemos que las bases B se ponen indicando una direccin vertical. Cuando T : V W y B1 = B2 = B, TB se o reere a la matriz de T con respecto a B. B La matriz TB21 se dene para que llene el requisito siguiente:
B (T (X))B2 = TB21 (XB1 ) B lo cual indica que el trabajo de TB21 es transformar las coordenadas (X)B1 de cualquier vector X en la base B1 en coordenadas (T (X))B2 de T (X) en la base B2 . Los siguientes ejemplos muestran que conceptualmente no hay nada qu agregar a lo que e B1 ya hemos visto para poder obtener TB2 . Sin embargo, elaboraremos algunos teoremas que nos ayudarn a ganar comprensin y poder mecnico. a o a
237
238
CAP ITULO 9. TL EN CUALQUIER PAR DE BASES
N 505. Ejemplo Calculemos TN , donde N es la base natural o cannica de R2 , dado o que B1 = {(1, 1), (2, 2)}, B2 = {(1, 1), (2, 2)}, y que
B TB21 =
1 2 3 4
N Solucin: Para encontrar TN nosotros necesitamos encontrar T (i) y T (j) y poner o los vectores resultantes en notacin vertical en forma de matriz. Necesitamos adems o a expresar cada elemento de la base natural como una combinacin lineal de la base B1 . o Por eso que necesitamos calcular T de cada uno de los elementos de dicha base. Nuestro punto de partida es: B (T (X))B2 = TB21 (X)B1 Si tomamos X = (1, 1), entonces (X)B1 = (1, 0) porque (1, 1) = 1(1, 1) + 0(2, 2), y
B (T (X))B2 = TB21 (X)B1 =
1 2 3 4
1 0
1 3
Por lo que, (T (X))B2 = (T (1, 1))B2 = 1(1, 1) + 3(2, 2) = (7, 5). Similarmente, (T (2, 2))B2 = 2(1, 1) + 4(2, 2) = (10, 6). pero por otro lado, descompongamos los elementos de la base natural en la base B1 i = (1, 0) = (1, 1) + (2, 2) Encontramos, = 1/2 y = 1/4. Por tanto, i = (1, 0) = 1/2(1, 1) 1/4(2, 2) y T (i) = T (1, 0) = 1/2T (1, 1) 1/4T (2, 2) = 1/2(7, 5) 1/4(10, 6) = (7/2 + 5/2, 5/2 3/2) = (1, 1). Ahora j: j = (0, 1) = (1, 1) + (2, 2) Uno encuentra que, = 1/2 y = 1/4. Por tanto, j = (0, 1) = 1/2(1, 1) + 1/4(2, 2) y T (j) = T (0, 1) = 1/2T (1, 1) + 1/4T (2, 2) = 1/2(7, 5) + 1/4(10, 6) = (7/2 5/2, 5/2 + 3/2) = (6, 4). Resumiendo: T (i) = (1, 1) y T (j) = (6, 4). Entonces: T = 1 6 1 4
Es hora de hacer un test: hagamos el problema al revs. e

B 506. Ejemplo Calculemos TB21 dado que B1 = {(1, 1), (2, 2)}, B2 = {(1, 1), (2, 2)} y que
9.1. FUNDAMENTO
239
T = Solucin: debemos encontrar o

B TB21 =
1 6 1 4
dado que B TB21 XB1 = (T (X))B2 . Si X = (1, 1), entonces XB1 = (1, 0) Por tanto
B TB21 (1, 0) =
1 0
= (T (1, 1))B2
Encontremos (T (1, 1))B2 . Comencemos con T (1, 1): T (1, 1) = 1 6 1 4 1 1 = 7, 5
As (T (1, 1))B2 = (, ) = (7, 5)B2 , esto es , (7, 5) = (1, 1) + (2, 2) o lo que es lo mismo 7 = 2 5 = + 2 por tanto, = 1 y = 3. Debemos tomar ahora el segundo vector de la base B1 : Si X = (2, 2), entonces XB1 = (0, 1). Por lo que
B TB21 (0, 1) =
0 1
= (T (2, 2))B2
Encontremos (T (2, 2))B2 : T (2, 2) = 1 6 1 4 2 2 = 10, 6
De tal forma que, (T (2, 2))B2 = (, ) = (10, 6)B2 , lo cual quiere decir que (10, 6) = (1, 1) + (2, 2) o equivalentemente que 10 = 2 6 = + 2
240 Por tanto, = 2 y = 4. En conclusin: o
B TB21 =
1 2 3 4
Lo cual demuestra que hicimos bien las cosas y que hemos entendido.
e 507. Ejercicio Hacer al derecho y al revs, como en los dos pasados ejemplos, las siguientes tareas:
N a) Calcular TN dado que B1 = {(1, 2), (2, 3)}, B2 = {(2, 1), (1, 2)}, y que B TB21 =
1 1 2 1
B N b) Calcular TN dado que B1 = {(2, 5), (2, 0)}, B2 = {(1, 1), (1, 1)}, y que TB21 es la misma del inciso a). N c) Calcular TN dado que B1 = {(5, 1), (3, 7)}, B2 = {(0, 1), (1, 1)}, y que B TB21 =
7 2 2 7
9.2.
Reexiones en el plano
1 0 0 1
La matriz
(x, y) j
(x, y)
Figura 9.1. Una reexin con respecto al eje Y. o
9.3. EL PAPEL DE LAS BASES
241
transforma al vector (x, y) de R2 en (x, y), tambin de R2 . En palabras, esta e 2 matriz es una T L que reeja cada vector de R con respecto al eje Y . Por ejemplo, la imagen de i = (1, 0) es i = (1, 0), pero la imagen de j = (0, 1) es j, mientras que la de (1,1) es (-1,1) y que la de (-2,3) es (2,3). Por lo que podemos mirar la matriz y exclamar: es una reexin! Lo mismo debemos poder decir de cualquier reexin con o o respecto a cualquier eje. Por ejemplo, probaremos eso para la matriz 4/5 3/5 3/5 4/5 la cual es una reexin con respecto a la l o nea y = 3x. Sin embargo, uno no ve dicha informacin en esa matriz. Pero si escribimos la misma T L con respecto a una o base apropiada, B = {(1, 1/3), (1, 3)} la matriz correspondiente ser (ejercicio) a
B RB =
1 0 0 1
(1, 3) (w, z) (w, z)
(1, 1/3)
Figura 9.2. Una reexin con respecto al eje y = 3x vista desde la base o B = {(1, 1/3), (1, 3)}. Esta expresin dice que la matriz reescrita en la base B, tanto en el dominio como o en el codominio, es claramente una reexin. La unica correccin pertinente es que la o o reexin es con respecto a la l o nea, una informacin que est contenida en la base B: el o a segundo vector de la base B, (1, 3), genera el eje de reexin, mientras que el primero, o (1, 1/3), genera la l nea perpendicular. El orden que hemos dado a la numeracin de o los elementos de la base se ajusta a nuestro estilo de que las bases tengan determinante positivo.
9.3.
El papel de las bases
Ya sabemos de sobra que una T L est completamente determinada por su efecto a sobre los elementos de la base natural. Pero ya nos dimos cuenta de que la base natural no solamente no tiene nada de especial sino que a veces no es la mejor para expresar una informacin dada. Es por tanto la hora de resaltar el papel de las otras bases. o
242
508. Teorema. Para determinar completamente una T L, T : V W es suciente saber qu hace ella sobre una base cualquiera del dominio V . e
T (v) v T u T (u)
Figura 9.3. Las T L se conocen por sus efectos sobre una base cualquiera.
Demostracin. Sea B = {e1 , ..., en } una base del EV V . La base B expande todo el o espacio. Por tanto, si X V entonces X = 1 e1 + ... + n en y por tanto T (X) = T (1 e1 + ... + n en ) pero como T es una T L, entonces: T (X) = 1 T (e1 ) + ... + n T (en ) Esto signica: si conocemos el efecto de una T L T sobre una base cualquiera B del dominio, sabremos qu hace T sobre cualquier elemento X del espacio V , para lo e cual es suciente combinar las imgenes de los elementos de la base poniendo como a coecientes las coordenadas de X en la misma base B. En trminos geomtricos, el ultimo teorema dice que para saber qu hace una T L e e e es suciente saber la imagen de un n-plp de volumen no nulo. Ahora, aplicaremos este teorema para encontrar la matriz de una T L con respecto a una base arbitraria. Denotamos cualquier matriz N como N = (nij ), lo cual signica que la entrada de la matriz nij est en la interseccin de la la i con la columna j. a o Nuestro trabajo es generalizar lo que hemos hecho para hallar la matriz de una T L T con respecto a la base natural. Todo vector de la base natural del dominio debe ser transformado por T y el resultado se escribe verticalmente. Todo fue muy fcil a porque las coordenadas de un vector en la base natural eran a la larga el mismo vector. Hagamos una pequea generalizacin que podr ser entendida en el siguiente ejemplo. n o a 509. Ejemplo Sea T (x, y) = (2x5y, 4x+3y) y sea B = {b1 = (1, 1), b2 = (1, 1)} una base del plano R2 . Por lo tanto, si x = (x1 , x2 ), tenemos XN = XB = x1 x2 1 2
donde X = 1 b1 + 2 b2 por lo que T (X) = T (1 b1 + 2 b2 ) = 1 T (b1 ) + 2 T (b2 )
9.3. EL PAPEL DE LAS BASES o, en notacin vertical o T x1 x2 = 1 T = 1 1 + 2 T 1 1 = = 1 3 7 7 1 3 7 1 2 + 2 7 1
243
Vemos que : T (XN ) = (T (X))N = M (XB ) donde la matriz M es simplemente la imagen de la base B escrita verticalmente: M= 3 7 7 1
31 72 71 12
B Notemos que M = TN , porque de un lado T (XN ) = (T (X))N = M (XB ), y del otro B T (XN ) = (T (X))N = TN (XB ). Por tanto, para encontrar la matriz de una LT T con respecto a una base B del dominio y con respecto a la base natural N del codominio, podemos usar la siguiente receta (que no vale la pena memorizar): B Para encontrar la matriz TN de una LT T : V W con respecto a una base numerada B del dominio V y a la base natural N del codominio W , aplicamos T sobre cada elemento de la base B, y el resultado es reescrito en notacin vertical creando una o B matriz que se denota TN . Cuando multiplicamos esa matriz por las coordenadas XB del vector X en la base B B, obtenemos las coordenadas de T (X) en la base natural: (T (X))N = TN XB . Por esa razn, la matriz que representa a T debe denotarse de tal manera que quede claro o de una sola mirada que ella recibe coordenadas en la base B, (X)B , y produce las coordenadas de T (X) en la base N , (T (X))N . B Podemos automatizar la receta anterior si tan slo consideramos que TN es la matriz o N formada por T (B) que es tambin T B donde T es realmente [T ]N , la matriz de la LT e T con respecto a las bases naturales. Concretamente, la matriz T del ejemplo previo es N TN =
2 5 4 3
De otra parte, sea B la matriz que codica en notacin vertical la base B: o B= 1 1 1 1
N B Si multiplicamos TN B, obtenemos, como se espera, que resulte la matriz TN : . . . 1 1 . . . 1 1 .. .. [T ]N (B) = ... ... ... N 2 5 . 3 7 . . . . 7 1 4 3 .
244
Hemos ilustrado el siguiente principio:

B 510. Teorema. Para encontrar la matriz TN de T : V W con respecto a la base B del dominio y a la base natural N en el codominio, multiplicamos la matriz ordinaria de T (con respecto a la base natural) por la matriz formada por la base B en posicin o vertical.
Hay an otro comentario importante. La matriz B formada por los vectores de la u base B en posicin vertical es la matriz de cambio de coordenadas de la base B a la o B N B base N . Por lo tanto, hemos demostrado que TN = TN IN , una expresin que dice o B que para encontrar la matriz TN , nosotros encontramos la matriz ordinaria de T (con respecto a las bases naturales) y despus hacemos una interface con un traductor en el e dominio que hace un cambio de coordenadas de la base B a la base natural. 511. Ejercicio Especique el teorema anterior para el caso en el cual B = N y demuestre que se obtiene algo que ya conoc amos.
B 512. Ejercicio Encuentre la matriz TN donde:
a) T (x, y) = (2x 8y, 2x + 3y), y B = {(1, 1), (1, 1)} b) T (x, y) = (x 7y, 4x 4y), y B = {(1, 1), (1, 2)} c) T (x, y) = (5x 4y, 4x + 6y), y B = {(1, 1), (2, 1)} d) T (x, y) = (2x 9y, 4x + 7y), y B = {(1, 1), (2, 4)} e) T (x, y) = (x 8y, 4x + 2y), y B = {(1, 1), (1, 7)} El prximo nivel de generalizacin es cuando trabajamos con bases arbitrarias en o o cualquier lado de T . Ese nivel puede ser superado si procedemos con claridad. 513. Nuestra tarea. Sea T : V W una T L y B1 = {ck } una base cualquiera de V y B2 = {dj } una base cualquiera de W . Nuestra tarea es entonces encontrar la matriz de T pero con respecto a las bases dadas. Concretamente: B Encontrar la matriz TB21 que reciba las coordenadas XB1 de un vector X en la base del dominio y produzca las coordenadas (T (X))B2 de T (X) en la base del codominio, lo cual lo notamos como
B (T (X))B2 = TB21 XB1
La solucin a este proyecto se da enseguida. o 514. Notacin. Introducimos dos nuevas notaciones: o B1 = {c1 , c2 , ..., cn } donde n es la dimensin del espacio V podr ser notado como o a B1 = {ck }, y de modo similar para cualquier otra base.
9.3. EL PAPEL DE LAS BASES
245
Una combinacin lineal de la forma v = 1 d1 + 2 d2 + ... + n dn podr ser notada o a como

n
v=
j=1 n
j dj
o como v =
j=1
j dj o como v =
j
j dj o como v =
j dj . Las dos primeras
sumatorias se leen: sumatoria desde j = 1 hasta n. La tercera se lee: sumatoria sobre las j, y la cuarta se dice simplemente sumatoria. o 515. Ejemplos La nueva notacin permite acortar la escritura de las demostraciones, para lo cual se usan con frecuencia resultados del siguiente tipo: ai = ai que dice que para aumentar el sueldo de un ao hay que aumentar n el sueldo de cada mes. ai + bi = (ai + bi ), lo cual dice que lo que gana un grupo de parejas es igual a lo que ganan los maridos ms lo que ganan las esposas y tambin es igual a e a la suma de lo que ganan todas las parejas. aij = j i aij que dice que si en el mes i, semana j, uno gana aij , entonces lo que gana en el ao es igual a lo que gana en todos los meses, reuniendo n lo que se gana en las semanas del mes, y que tambin es igual a lo que se gana e durante la primera semana sumando durante todos los meses, ms lo que se gana a en la semana nmero 2 durante todos los meses y as con la semana 3 y 4. u
i j
Si tenemos dos vectores del mismo espacio, descompuestos en la misma base B, v = i i bi y w = i bi , podemos denir el producto punto con respecto a la base dada B como i i i que consiste en multiplicar coordenada por coordenada y despus sumar los resultados. e Si tenemos la matriz M = (mij ) y un vector X = 1 d1 + 2 d2 + ... + n dn que representa la descomposicin de X en la base {dk }, entonces la expresin o o mij j da la coordenada i del vector que resulta de multiplicar la matriz por el vector. Ms exactamente, a mij j es el producto entre la la i de la matriz por el vector de coordenadas del vector X (para lo cual se exige que el nmero u de columnas de la matriz sea igual al nmero de coordenadas de X). u Si uno tiene dos matrices (tij ) y (skl ) que se pueden multiplicar, la multiplicacin o se puede escribir como j tij sjl lo cual da la entrada il de la matriz producto y que es igual al producto punto entre la la i de (t) por la columna l de (s). 516. Teorema para entender y memorizar. Sea una T L T : V W y dos bases cualesquiera B1 = {ck } en el dominio y B2 = {dj } en el codominio. Para B encontrar la matriz TB21 de T con respecto a las bases dadas se hace lo siguiente: se toma c1 , el primer vector de la base del dominio, se aplica T sobre c1 para obtener
246
T (c1 ). Se descompone dicho vector en la base de llegada B2 para obtener (T (c1 ))B2 que son las coordenadas de T (c1 )) en la base de llegada. Esas coordenadas se escriben como B la primera columna de la matriz buscada, TB21 . Se itera lo mismo con el segundo vector y con todos los dems hasta terminar. a Antes de ver la demostracin, veamos dos ejemplos. o 517. Ejemplo B = {(1, 3), (2, 5)} es una base del plano. Supongamos que T es tal que T (1, 3) = 5(1, 3) y que T (2, 5) = 7(2, 5). Encontremos la matriz de T con B respecto a B, es decir, TB . Encontramos la imagen por T de cada uno de los vectores de la base del dominio y la descomponemos en la base del codominio y las coordenadas resultantes las ponemos en notacin vertical formando una matriz. o Comencemos con (1, 3). Su imagen es 5(1, 3) que descompuesta en la base B produce T (1, 3) = 5(1, 3) = 5(1, 3) + 0(2, 5). Por lo que las coordenadas correspondientes son (5, 0), que forman la primera columna de la matriz buscada. Similarmente, T (2, 5) = 7(2, 5) = 0(1, 3) + 7(2, 5). Las coordenadas correspondientes son (0, 7). Por tanto,
B TB =
5 0 0 7
518.
Ejemplo
el dominio y a la base B2 = {d1 , d2 } en el codominio, T (c1 ) = 5d2 + 7d2 y T (c2 ) = 3d2 + 4d2 , entonces (T (c1 ))B2 = (5, 7) (T (c2 ))B2 = (3, 4) y por tanto 5 3 7 4
Sea T : R2 R2 tal que con respecto a cierta base B1 = {c1 , c2 } en
B TB21 =
Ahora veamos la demostracin del teorema. o Demostracin. Tomemos c1 , el primer elemento de la base B1 en el dominio y pasmoslo o e por T para obtener T (c1 ) que debe ser descompuesto en la base B2 del codominio: T (c1 ) = j tj1 dj . Las coordenadas de T (c1 ) en la base B2 son (T (c1 ))B2 = (tj1 ). El sub ndice 1 es para denotar que hemos encontrado la primera columna de la matriz B buscada TB21 . Hacemos lo mismo con ck . Puesto que la imagen de ck es un vector en W, puede ser descompuesto en la base {dj }: T (ck ) = j tjk dj .
247
Notemos que hemos puesto el sub ndice de ck en segundo lugar en tjk porque queremos que la imagen de un vector nmero k de la base sea la columna nmero k de la u u matriz, y el nmero de la columna se escribe en segundo lugar en los sub u ndices de las entradas de la matriz, puesto que el primer lugar es para la la. En resumen:
B TB21 = (tjk )
Demostremos ahora que esta matriz toma las coordenadas de X en la abse B1 y produce las coordenadas de T (X) en la abse B2 . Sea X en el dominio que puede ser descompuesto en la base dada: X = k k ck . Las coordenadas de X en B1 son los (k ). Pasemos X por T para obtener T (X) = T ( k k ck ) = k k T (ck ) donde hemos aplicado la linealidad de T . Ahora recordamos que T (ck ) = j tjk dj : T (X) =
k
j tjk dj
k tjk dj =
j(
k tjk )dj =
j(
k tjk k )dj .
Lo cual dice que la j-sima coordenada de (T (X))B2 es k tjk k que es el producto e punto de la la j de (tjk ) con el vector formado por las coordenadas de X en B1 . Eso demuestra que la matriz (tjk ) toma las coordenadas XB1 y produce T (X))B2 , las coordenadas de T (X) en la base B2 :
B (T (X))B2 = TB21 XB1 .
519. Ejercicio Supongamos que T : R2 R2 y consideremos B1 = {(1, 3), (2, 5)} como la base del dominio de T mientras que B2 = {(2, 6), (6, 15)} es la base en el codominio. T es tal que T (1, 3) = 6(1, 3) y que T (2, 5) = 12(2, 5). Encuentre la B matriz de T con respecto a B1 y B2 , i.e., encuentre TB21 . Como hemos podido ver, este teorema permite la resolucin inmediata de un tipo o especial de problemas como los considerados en los ejemplos. Pero hay muchos ms a problemas para los cuales el teorema no da solucin simple. Para enfrentar problemas o ms dif a ciles se requiere estar bien armados, tal como lo aprenderemos en el prximo o cap tulo.
9.4.
1. Sea V =gen({1, sen(x), cos(x)}) y sea T : V V denida por T (f (x)) = f (x) donde f denota la derivada. Encuentre la matriz de la transformacin tomando o {1, sin(x), cos(x)} como base de V . 2. Si T es una transformacin lineal tal que o T (1, 0, 0) = (2, 3, 4, 5), T (0, 1, 0) = (1, 2, 1, 0) y T (0, 0, 1) = (0, 0, 0, 1), encuentre:
248 a) T (1, 2, 3).
b) Una expresin algebraica para T . o c) Espacio nulo, espacio imagen, rango y nulidad de T . 3. Determine si las siguientes armaciones son verdaderas o falsas y justique clara y adecuadamente su respuesta: a) Si AT A = A entonces A es simtrica y A = A2 . e b) Si X1 es solucin de AX = b y X2 es solucin de AX = b entonces X1 + X2 o o es solucin de AX = 0. o c) Si A33 es una matriz cuyo espacio nulo es una recta que pasa por el origen en R3 , entonces la imagen de A es una recta que pasa por el origen en R3 . 4. Encuentre una transformacin lineal T : R3 R3 , cuyo ncleo sea el plano o u 2x + 3y + z = 0. 5. Considere la transformacin T : P2 P2 denida por T (p(x)) = [xp(x)] . Sean o B = {1, 1 + x, 1 + x2 } y B = {1, 1 + 2x, x2 } bases del espacio de salida y del espacio de llegada respectivamente. a) Encuentre la matriz de representacin de T con respecto a las bases B, B . o b) Utilice la matriz anterior para encontrar la imagen de q(x) = x2 x. 6. Sea T : R2 R2 , la reexin con respecto a la recta y = x de un vector u R2 . o a) Obtenga expl citamente el operador lineal (T L de un espacio en s mismo) que la dene. b) Halle la matriz de representacin de esta transformacin en la base cannica. o o o c) Trace la imagen del tringulo con vrtices en (1, 4), (3, 1) y (2,6). a e d ) Es T una transformacin inyectiva? Es T una transformacin sobreyectio o va? Es T un isomorsmo? e) Sea T : P2 P2 la transformacin lineal denida por T (p(x)) = p(x 1). o 2 Considerar las bases B = {x , x, 1}, B = {x, x + 1, x2 1}. Encontrar las matrices de representacin RB , RB de T y una matriz C invertible tal que o RB = C 1 RB C. 7. Encuentre la representacin matricial de la transformacin lineal dada, halle el o o ncleo, la imagen, el rango y la nulidad de la transformacin. u o a) T : R P3 ; T (a) = a + ax + ax3 T (p(x)) = xp (x) T (ax3 + bx2 + cx + d) = [a b, a + c, b c]
b) T : P4 P4 ;
d ) T : R2 R3 ; T [x, y] = [x y, 2x + y, y] con las bases B = {[2, 1], [1, 2]} B = {[1, 1, 0], [0, 2, 0], [0, 2, 5]}
c) T : P3 R3 ;
9.5. RESUMEN
249
9.5.
Resumen
Lo que hemos llamado en cap tulos anteriores la matriz de una T L ha resultado ser la matriz asociada a esa T L, pero con respecto a la base natural. En este cap tulo hemos denido la matriz de una T L con referencia a un par cualquiera de bases. Para ello, se encuentra la imagen por T de cada uno de los vectores de la base del dominio y se descompone en la base del codominio y las coordenadas resultantes las ponemos en notacin vertical formando una matriz. Eso permite expresar una T L de manera o transparente. Por ejemplo, una reexin puede ser identicada inmediatamente, si se o encuentra la base apropiada para representarla.
250
CAP ITULO
10
LA MATRIZ DE LA COMPUESTA
En el cap tulo 5 aprendimos a asociar la matriz de una compuesta con el producto de matrices, pero con respecto a las bases naturales. En este cap tulo aprenderemos la generalizacin de ese resultado a bases cualesquiera. o
10.1.
Diagramas
520. Teorema. La matriz de la compuesta de dos T L es el producto de las matrices de los componentes en el orden adecuado y teniendo en cuenta las bases en cada lado. Ms formalmente: a Consideremos dos T L: S: U V T: V W U
T S
V T W
Figura 10.1. La composicin de dos T L. o y que B1 es base de U , B2 es de V y B3 es de W . Entonces (T S)B1 = (T )B2 (S)B1 . B2 B3 B3
251
252
CAP ITULO 10. LA MATRIZ DE LA COMPUESTA
Demostracin. Dmosles nombres a los elementos de las bases: o e la base de U es B1 = {bk }, la de V es B2 = {cj } y la de W es E3 = {di }. Decir que la matriz de S, con respecto a las bases B1 en el dominio y B2 en el codominio, es (sjk ), es lo mismo que decir que S(bk ) = j sjk cj . De otra parte, si la matriz de T , con respecto a las bases B2 en el dominio y B3 en el codominio, es (tij ), eso signica que T (cj ) = i tij di . Encontremos ahora la matriz de la compuesta T S : U W . Lo que tenemos que hacer es hallar las coordenadas en la base B3 de (T S)(bk ). La imagen por T S de cada elemento de la base de U , {bk }, es: (T S)(bk ) = T (S(bk )) = T ( j sjk cj ) = j sjk T (cj ) = j sjk i tij di =
j i
sjk tij di
= i ( j tij sjk )di lo cual signica que la columna k de la matriz de la compuesta T S tiene en la la i un trmino igual a j tij sjk que es igual al producto punto entre la la i de la e matriz de T por la columna k de la matriz de S. Enfaticemos ese resultado: (T S)ik = (la i de T )(columna k de S). Lo que esta ecuacin signica es que la matriz de la compuesta (T S) es precisao mente la multiplicacin de la matriz de T por la matriz de S. o El siguiente diagrama resume todo: U
(T
B1 B (T S)B1 = TB32 SB2 . B3 B1 SB 2
V
B TB32
Figura 10.2. La matriz de la compuesta.
S)
B1 3 B
521.
Ejemplo
Leamos, interpretemos y probemos el siguiente resultado:

B B1 ((T S)(X)B1 )B3 = TB32 SB2 XB1
Este teorema dice que la matriz de la compuesta hallada en el teorema anterior toma las coordenadas en la base B1 de un vector X y produce las coordenadas de T (S(X)) en la base B3 y da el procedimiento para hacerlo: se toman las coordenadas de entrada, se pasan por la matriz de S y el resultado se pasa por la matriz de T , tamando en cada paso las bases adecuadas.
10.2. CAMBIO DE COORDENADAS Y TL Demostracin. Usando la misma notacin del teorema anterior tenemos: si X = o o entonces (X)B1 , las coordenadas de X en la base B1 , son los (k ). Teniendo en cuenta que S(bk ) = j sjk cj obtenemos: T (S(X)) = T (S( = k k
k k
253 k bk
k bk )) = T ( j sjk T (cj )
k S(bk )) = T (
sjk cj )
Reemplazando T (cj ) por i tij di obtenemos T (S(X)) = k k j sjk i tij di = k j i k sjk tij di = k j i tij sjk k di Podemos organizar este resultado de dos maneras. La primera: T (S(X)) = i k ( j tij sjk )k di que dice que la matriz de T S es el producto de T por S. Y la segunda manera es T (S(X)) = i j (tij ( k (sjk k ))di que dice que las coordenadas de T (S(X)) en la base E3 se hallan alimentando S con las coordenadas de X en la base B1 , y procesando el resultado por T .
10.2.
Cambio de coordenadas y TL
Podemos utilizar el teorema anterior para obtener una solucin elegante al problema o de expresar una T L con respecto a bases arbitrarias. Procediendo por sentido comn u tenemos: Podemos imaginar que T es un mensaje que contiene la informacin para ejecuo tar cierta tarea (ejecutar cierta T L sobre cierto input). Esa informacin puede venir, o digamos, en griego. Cmo podremos utilizar dicha informacin para procesar un ino o put que viene en latin y producir un output que debe ir in alemn? Pues muy fcil: a a tomamos el input en lat lo traducimos al griego, lo procesamos en griego, obtenemos n, un output en griego, lo traducimos al alemn y listo. Con formalidad, eso se expresa a en el teorema siguiente: 522. Teorema. Sea T : Rn Rm una LT . Sea B1 una base del dominio Rn , y N B2 una base del codominio Rm . Si la matriz de T con respecto a la base natural es TN , entonces la matriz de T con respecto a la base B1 en el dominio y a B2 en el codominio es
B N N B TB21 = IB2 TN IN 1 B donde las matrices de traduccin o de cambio de base son IN 1 que traduce de la base o N N B1 a N , y la matriz IB2 que traduce de la base N a la base B2 , en tanto que TN es la matriz de T con respecto a la base natural del domino y a la base natural del codominio (pueden ser diferentes).
254
Demostracin. Cada espacio tiene su base natural correspondiente, denotada N . Eno tonces, el diagrama siguiente es conmutativo, es decir, el diagrama presenta dos caminos que producen los mismos resultados. Un camino representa el lado derecho de la ecuacin a probar y el otro el lado izquierdo. o
Rn
B IN 1
N TN
Rm
N IB 2
B TB21
Rm
B N N B Figura 10.3. Diagrama conmutativo para TB21 = IB2 TN IN 1 .
523. Explicacin. Si sabemos cmo es la matriz de una T L T con respecto a o o las bases naturales, tanto en el dominio como en el codominio, podemos encontrar la matriz de T con respecto a la base arbitraria B1 en el dominio y a B2 en el codominio adaptando traductores apropiados: debemos poner un traductor en el dominio que pase de la base B1 a la base natural y otro traductor en el codominio que pase de la base B natural a la base B2 . Esos traductores son las matrices de cambio de base. IN 1 es N simplemente la base B1 escrita como una matriz, mientras que el traductor IB2 es la matriz (B2 )1 . 524. Explicacin dual. La igualdad o
B N N B TB21 = IB2 TN IN 1
puede ser le en trminos puramente geomtricos: la matriz de T : V W con da e e respecto a las bases B1 en el dominio y B2 en el codominio pueden encontrarse como sigue: B1 representa un plp en el dominio. T transforma ese plp en otro en el codominio. N B Ese nuevo plp se representa elmente por TN IN 1 . Cada uno de los vectores de ese plp N puede ser descompuesto en la base B2 gracias a IB2 , y las coordenadas correspondientes B se escriben verticalmente formando una matriz, la cual es TB21 . El trabajo de dicha B matriz se expresa por la igualdad (T (X))B2 = TB21 XB1 . El diagrama conmutativo del teorema anterior se usa juntamente con los siguientes resultados formando una maquinaria exquisitamente poderosa:
N N B 525. Teorema y ejercicio. Para calcular IB2 TN IN 1 se tiene en cuenta que: B La matriz IN 1 es simplemente la base B1 puesta como matriz, el primer vector es la primera columna, el segundo vector es la segunda columna y as sucesivamente.
10.2. CAMBIO DE COORDENADAS Y TL
255
N La matriz TN tiene como columna k la imagen por T del vector ek de la base natural. N La matriz IB2 es la inversa de la matriz B2 , para lo cual hay un procedimiento automtico de Guass-Jordan. a
Demostracin. La primera asersin generaliza el ejemplo 429, pgina 208 hecho para o o a dos dimensiones y se prueba de manera general as : Sea X en cualquier Rn y sea B = {bi } una base. Descomponemos X en la base: X= i bi . Tomamos la coordenada j-sima de dicha igualdad: e (X)j = i bji donde bji es la coordenada j-sima del vector i-simo de la base. Esta ecuacin e e o puede escribirse como (X)j = bji i lo cual se interpreta directamente como la multiplicacin de la base B escrita como o matriz, escribiendo en orden los vectores como columnas, por las coordenadas de X en la base B. Por lo tanto, la matriz B recibe las coordenadas de X en la base B, las , y produce las coordenadas de X en la base natural, o sea, el mismo X. Hemos demostrado B que la matriz IN es simplemente la base B puesta como matriz, el primer vector es la primera columna, el segundo vector es la segunda columna y as sucesivamente. Demostracin general de la segunda propiedad: Ejercicio. o
B N Para demostrar la tercera asersin tenemos en cuenta que IB2 es la inversa de IN 2 , o B N y como la matriz de IN 2 es B2 puesta como matriz, entonces, la matriz de IB2 es la inversa de la matriz B2 .
526. Ejercicio Usando diagramas conmutativos apropiados, justique las igualdades siguientes, encuentre el trabajo de cada matriz y seale la forma expedita de calcular n cada trmino: e
N B B N a) RN = IN RB IB N B N b) RB = RB IB N N N c) RB = IB RN B B B d) RN = IN RB B N B e) RN = RN IN .
Veamos cmo se utilzan estos teoremas para resolver problemas de geometr o a. 527. Ejemplo Encontremos la matriz de T (x, y) con respecto a la base natural de R2 , si B = {(1, 1), (2, 2)} y
256
B TN =
1 2 3 4
Solucin: Mtodo 1. Podemos ver de la matriz que o e T (1, 1) = 1i + 3j T (2, 2) = 2i + 4j B Eso se debe a que la matriz TN tiene como columnas las coordenadas en la base natural de las imgenes por T de cada uno de los vectores de la base B. a Debemos encontrar T (i) y T (j). Tenemos: i = (1, 1) + (2, 2) por lo que 1 = 2 0 = + 2 sumando y despejando obtenemos = 1/2 y = 1/4. por tanto i = 1/2(1, 1) 1/4(2, 2) y T (i) = 1/2T (1, 1) 1/4T (2, 2) = 1/2(1, 3) 1/4(2, 4) = (0, 1/2) Similarmente, j = (1, 1) + (2, 2) entonces, 0 = 2 1 = + 2 sumando y despejando obtenemos = 1/2 y = 1/4. Por tanto, j = 1/2(1, 1) + 1/4(2, 2) y T (j) = 1/2T (1, 1) + 1/4T (2, 2) = 1/2(1, 3) + 1/4(2, 4) = (1, 5/2). Por consiguiente, la matriz de T es:
N T = TN =
0 1 1/2 5/2
B N Mtodo 2. Hay que hallar T = TN y como tenemos TN 1 usamos la siguiente e B1 N N identidad dada por un diagrama conmutativo TN = TN IB1 . N La matriz de IB1 es la inversa de B1 que la hallamos por cofactores: la inversa es uno sobre el determinante por la matriz de cofactores transpuesta. Como
B=
1 2 1 2
el determinante es 4, la matriz de cofactores es: C= La matriz de cofactores transpuesta es CT = 2 2 1 1 2 1 2 1
10.2. CAMBIO DE COORDENADAS Y TL La inversa de B1 es (B1 )1 = (1/4)

B N N Como TN = TN 1 IB1 tenemos que N TN =
257
2 2 1 1
1 2 3 4
(1/4)
2 2 1 1
= (1/4)
1 2 3 4
2 2 1 1
0 1 1/2 5/2
528. Ejercicio Encontrar por dos mtodos diferentes T (x, y) si e a) B1 = {(1, 2), (2, 3)} y
B TN 1 =
1 1 3 4
b) B1 = {(1, 1), (2, 5)} y

B TN 1 =
c) B1 = {(1, 1), (2, 2)} y

B TN 1 =
1 5 3 1 2 1 3 5
Continuemos con la depuracin de nuestra maquinaria. o 529. Teorema. El determinante de una T L T es independiente de la base. Demostracin. Hemos desarrollado en cap o tulos previos un mtodo para calcular el e N determinante de una T L T con respecto a la base natural: DetT = DetTN . Ahora probaremos que tambin podemos utilizar cualquier base y da lo mismo: e
N B DetTN = DetTB
Para verlo, comencemos notando que B N N B TB = IB TN IN Recordando que DetT puede entenderse como el factor de amplicacin de un o volumen signado de un plp dado, entonces concluimos que Det(S T ) = DetSDetT . Por tanto, B N B N DetTB = DetIB DetTN DetIN . Recordemos ahora que si una T L T es invertible, tiene determinante diferente de cero, y entonces Det(T 1 ) = 1/DetT , porque si un proceso amplica por el factor k, el N B proceso inverso amplica por el factor 1/k. Reconociendo que IB = (IN )1 , concluimos B N que Det(IN )1 = 1/DetIB . Por tanto:
B N N N DetTB = DetIB DetTN Det(IB )1 N N N N = DetIB DetTN (1/DetIB ) = DetTN
258
530. Ejercicio Ilustre el teorema anterior con un clculo expl a cito de DetT en la base natural y en la base dada B: a) T (x, y) = (3x 5y, 4x + 4y), B = {(1, 1), (1, 1)} b) T (x, y) = (2x 1y, 4x + 3y), B = {(1, 1), (2, 2)} c) T (x, y) = (x 4y, 3x 4y), B = {(2, 2), (1, 1)} d) T (x, y) = (1x 3y, 3x 3y), B = {(2, 2), (2, 2)} e) T (x, y) = (4x 5y, 4x + 7y), B = {(1, 1), (1, 1)}. 531. Ejercicio Sea X = (x1 , x2 , ..., xn ), Y = y1 , y2 , ..., yn ) vectores de Rn . Nosotros denimos el producto punto, interno o interior como XY = xi yi . Claramente, esa es una denicin ligada a la base natural. Si damos otra base B y tenemos las coordenadas o de X, Y en esa base, cmo ha de calcularse el producto punto? Considere primero el o caso de una base ortonormal.
532.
Ejemplo Estudiemos la reexin R con respecto a la l o nea y = x.
a) Para encontrar la matriz de esta T L con respecto a las bases naturales, debemos descubrir qu hace R sobre la base natural {(1, 0), (0, 1)}. Esa reexin intercambia el e o eje X con el eje Y . Por tanto, R(1, 0) = (0, 1) y R(0, 1) = (1, 0). y=x X j i R(X)
Figura 10.4. Una reexin R con respecto al eje y = x intercambia i y j y a X lo o transforma en R(X). Por tanto, la matriz de T con respecto a la base natural es
N R = RN =
0 1 1 0
escrita de esa forma, la matriz de R enfatiza el hecho de que R intercambia los ejes. Observemos que R2 = I y que la inversa de R es ella misma. b) Encontremos una base B, en la cual la matriz correspondiente enfatice que R es una reexin. Por supuesto, un elemento de la base debe ser un vector que genere el o
259
eje de reexin, en este caso, el eje es la l o nea y = x, mientras que el otro vector de esa base podr ser perpendicular al primero, un generador de la l a nea y = x. Por tanto, B = {(1, 1), (1, 1)}. A pesar de que notamos a B como conjunto, es, por contexto, un conjunto numerado, ordenado. Escogemos el orden sugerido por la lista de B porque queremos que el vector (1, 1) juegue el papel del eje X en relacin con una reexin o o con respecto al eje Y . Por tanto: B N N B R B = IB R N IN Tomando en cuenta que
B IN = B =
y que
N IB = B 1 =
1 1 1 1 1/2 1/2 1/2 1/2
Obtenemos
B N RB = B 1 RN B
1/2 1/2 1/2 1/2
0 1 1 0
Al nal
B RB =
1 1 1 1
1 0 0 1
B B R es claramente una reexin. Observemos que (RB )2 = I y que la inversa de RB o es ella misma.
533. Intriga. Dos veces una reexin da la identidad, por lo tanto una reexin es o o su propia inversa. Adems, hemos encontrado que eso es cierto en dos bases diferentes. a Es una coincidencia o es cierto siempre? 534. Ejemplo Estudiemos la reexin R con respecto a la l o nea y = 3x.
Esta vez ya no podemos encontrar a simple vista la matriz de R con respecto a alguna base. Encontremos, en primer lugar, una base B en la cual R sea fcilmente a calculable. Por supuesto, B = {b1 = (1, 1/3), b2 = (1, 3)}, porque (1, 3) genera la l nea que sirve de eje de reexin, mientras que el otro vector ayuda a formar una base o ortonormal y con determinante positivo. De esa forma, podemos pensar que el primer vector es un generador del eje horizontal y que el segundo lo es del eje vertical, con la direccin positiva apuntando como uno la espera. o En la base B tenemos: R(b1 ) = b1 R(b2 ) = b2 Esto signica que (R(b1 ))B = (1, 0)
260 (R(b2 ))B = (0, 1) Por lo tanto:
B RB =
1 0 0 1
Construyamos ahora la matriz de R con respecto a la base natural. Usamos la igualdad N B B N R N = IN R B IB . Tomando en cuenta que
B IN = B =
1 1 1/3 3
y que
N IB = B 1 =
9/10 3/10 1/10 3/10 1 0 0 1 9/10 3/10 1/10 3/10
Entonces
N N RN = BRN B 1 =
1 1 1/3 3
Como fue prometido, el resultado neto es:

N RN =
8/10 6/10 6/10 8/10
4/5 3/5 3/5 4/5
Nos damos cuenta de que cada vector columna tiene norma uno, como debe ser, y que la matriz es simtrica. Esa es la matriz de una T L denida por e R(x, y) = (4x/5 3y/5, 3x/5 + 4y/5). Adivinar usted que esta expresin representa una reexin? Hay alguna manera a o o de saberlo? 535. Ejemplo Calculemos la ecuacin del c o rculo R(C) que es la imagen del c rculo 2 2 C cuya ecuacin es (x 8) + (y + 10) = 1 por la reexin R con respecto a la l o o nea y = x. Primero saquemos la respuesta por sentido comn: la reexin de un c u o rculo debe ser un c rculo con el mismo radio y centrado en el punto que resulta de reejar el centro del c rculo inicial. Como se reeja con respecto a la l nea y = x, la reexin de (8, 10) o 2 2 es (10, 8). Por lo que el c rculo reejado es (x + 10) + (y 8) = 1. Procedamos ahora con nuestra maquinaria: El punto (w, z) pertenece a R(C) ssi R1 ((w, z)), la imagen inversa de (w, z), satisface la ecuacin del c o rculo C. As debemos encontrar la reexin inversa. Afortunada o 1 mente la inversa de una reexin es la misma reexin: R = R. Por lo tanto, o o (w, z) R(C) ssi R1 (w, z) C ssi R(w, z) C Recordando que
261
N R = RN =
0 1 1 0
entonces R(w, z) est dado por una multiplicacin: a o R(w, z) = 0 1 1 0 w z = z, w
Estas dupletas deben satisfacer la ecuacin (x 8)2 + (y + 10)2 = 1, lo cual signica o que (z 8)2 + (w + 10)2 = 1, o si uno preere (y 8)2 + (x + 10)2 = 1, tal como debe ser. Ahora que sabemos que nuestra maquinaria sirve para los casos fciles, usmosla a e para un caso ms dif a cil. 536. Ejercicio Enriquezca el ejemplo anterior con un dibujo apropiado. o 537. Ejemplo Estudiemos la ecuacin de la imagen de una elipse que es reejada con respecto a la l nea y = 3x. Podemos fabricar una elipse si magnicamos un c rculo de manera desigual por ambos ejes. Podemos hacer una magnicacin utilizando M (x, y) = (5x, 4y). Nuestra o elipse E ser el resultado de magnicar por M un c a rculo C con ecuacin x2 + y 2 = 1. o 1 Vemos que (w, z) E ssi M (w, z) C. Claramente, M 1 (w, z) = (w/5, z/4) es un punto en el c rculo C ssi 2 2 (w/5) + (z/4) = 1. O, si uno preere, la ecuacin de la elipse es o 2 2 (x/5) + (y/4) = 1. pero por otro lado, la matriz de reexin R con respecto a la l o nea y = 3x y con respecto a la base natural es
N R = RN =
Esta matriz es su propia inversa. Por tanto, (w, z R(E) ssi R1 (w, z) = R(w, z) E. Esto sucede cuando (8w/10 6z/10, 6w/10 + 8z/10) satisface la ecuacin de E, o (x/5)2 + (y/4)2 = 1, i.e., ssi ((8w/10 6z/10)/5)2 + ((6w/10 + 8z/10)/4)2 = 1. 538. Ejercicio Dibuje una gura para ilustrar el ejercicio anterior. Invente un test para vericar que todo ha sido bien hecho. 539. Ejercicio Sea i el nmero complejo u M (x, y) = (x, iy) sobre el c rculo. 1. Estudie el efecto de la magnicacin o
8/10 6/10 6/10 8/10
o o 540. Ejercicio Una cnica es el resultado de la interseccin de un cono (de dos faldas) con un plano. Puede dar un c rculo, una elipse, una parbola, una hiprbola, o a e un par de l neas que se intersecan en el origen. Haga un dibujo ilustrando las cnicas. o
262
541. Ejercicio Estudie las reexiones con respecto a las siguientes l neas y encuentre la ecuacin de la imagen por la reexin de la cnica dada: o o o a) y = x, cnica: y = x2 o b) y = 2x, cnica: y 2 x2 = 1 o c) y = x/2, cnica: y = 7x o d) y = 3x + 1, x2 = y 2 . Ayuda: sea cauteloso. Recordemos que una base es ortogonal cuando sus vectores son mutuamente perpendiculares y que es ortonormal cuando adems tienen norma uno. Es recomendable a que cuando uno tenga la libertad de escoger los vectores a su gusto, que el primero sea escogido en el primer cuadrante, R2 , o en el primer octante, en R3 y que tenga determinante positivo. De esa forma uno puede imaginarse la base como si fuese la base natural. o 542. Ejercicio Considere el plano , cuya ecuacin es x + 2y + 3z = 0. a) Verique que es un sub-EV. Pruebe que su dimensin es dos. o b) Encuentre una base ortogonal B de R3 tal que dos de sus vectores sean base del plano y que el otro vector sea el vector normal del plano. Ordene B de tal manera que tenga determinante positivo.
B c) Dena R como la reexin de espejo con respecto al plano . Encuentre RB . o
d) Encuentre R.
B e) Encuentre R1 . Compare con (RB )1 .
f) La ecuacin de un c o rculo en el plano R2 es x2 + y 2 = 1. De forma semejante, la ecuacin de una esfera en R3 es x2 + y 2 + z 2 = 1. Dena un elipsoide E como el o resultado de la magnicacin de una esfera por medio de M donde M (x, y, z) = o (ax, by, cz). Encuentre la ecuacin del elipsoide. o g) Encuentre la ecuacin de la imagen de E por R. o h) Repita la misma tarea con un hiperboloide, que es un c rculo magnicado por N donde N (x, y, z) = (ax, by, cz) donde uno o dos coecientes de a o b o c pueden valer i = 1.
10.3.
Rotaciones en 3D
Ya sabemos que una rotacin en R2 tiene una matriz, con respecto a la base natural, o que es igual a
N R = RN =
cos sen sen cos
10.3. ROTACIONES EN 3D
263
Podemos extender esa rotacin en el plano a todo el espacio tridimensional si o consideramos que el plano es el sub-EV de R3 generado por los ejes X y Y . La nueva rotacin rota los ejes horizontales comn y corriente, mientras que al eje Z no lo mueve. o u Por tanto, si k = (0, 0, 1) (en la base natural), entonces R(k) = k. Esta nueva rotacin o se denota tambin por R y tiene como matriz e cos sen 0 N cos 0 R = RN = sen 0 0 1
( sen , cos , 0) i x (cos , sen , 0) j y
Figura 10.5. Una rotacin de ngulo alrededor del eje Z. o a De ahora en adelante, toda rotacin es una rotacin alrededor de algn eje. o o u
543. Ejercicio Generalice a 3D el teorema 499, pgina 227 sobre la ortogonalidad a de las matrices de rotacin. o o 544. Ejemplo Encontremos la matriz de rotacin en sentido contrario a las manecillas del reloj de ngulo /3 alrededor del eje generado por (1, 1, 1). a Imaginemos que la l nea generada por (1, 1, 1) es un nuevo eje Z. Este vector es normal al plano x + y + z = 0. Debemos encontrar de alguna manera una base para ese plano, el cual es un sub-EV de R3 que pasa por el origen. Podemos tomar cualquier vector de ese plano, digamos, (1, 0, 1) como un elemento de la base y otro puede ser (1, 0, 1) (1, 1, 1) = (1, 2, 1). La tr ada (1, 2, 1), (1, 0, 1), (1, 1, 1) forma una base de R3 con la misma orientacin que la base natural, tal que los dos primeros vectores forman una base del o plano. Como todos esos vectores son mutuamente perpendiculares, la correspondiente base ortonormal se obtiene normalizando
264
CAP ITULO 10. LA MATRIZ DE LA COMPUESTA 2/2 3/3 6/6 B B = IN = 26/6 0 3/3 6/6 2/2 3/3 6/6 2 6/6 6/6 = 2/2 0 2/2 3/3 3/3 3/3
Como es una base ortonormal, su inversa es su transpuesta:
N B 1 = B T = IB
El determinante de B es igual a +1, por lo que podemos pensar en B como si fuese la base natural N . Por tanto, la rotacin de /3 alrededor de la l o nea generada por (1, 1, 1) vista desde la base B es: cos(/3) sen(/3) 0 1/2 3/2 0 B cos(/3) 0 = 3/2 RB = sen(/3) 1/2 0 0 0 1 0 0 1
esto signica que si movemos apropiadamente la cabeza para ver la rotacin en o accin, se ver exactamente como si se hiciera sobre el plano ordinario. o a Conociendo la matriz de la rotacin con respecto a la base B, la matriz de la o rotacin con respecto a la base natural es o
N B B N R = R N = IN R B IB . B La matriz IN es simplemente B, la cual es ortonormal, y por tanto N N IB = (IB )1 = B 1 = B T .
Por lo que: B R = BRB B T = 6/6 2/2 3/3 6/6 2 6/6 6/6 1/2 3/2 0 = 26/6 0 3/3 3/2 0 2/2 1/2 0 2/2 0 0 1 6/6 2/2 3/3 3/3 3/3 3/3 545. Ejercicio El ejemplo anterior involucra una buena dosis de conceptos y de clculos. Cmo podremos saber que en realidad lo hicimos todo bien? Podemos explotar a o la siguiente idea: si uno itera una rotacin de /3 tres veces, le da una rotacin de . o o Pero iterar una rotacin 3 veces es lo mismo que elevar la matriz correspondiente al o cubo. Pruebe que la matriz R del ejercicio anterior, elevada al cubo, da la matriz de una rotacin de ngulo . o a
10.4. TRAYECTORIAS SOBRE EL PLANO
265
10.4.
Trayectorias sobre el plano
Una trayectoria es una funcin que a cada instante de tiempo t le asocia una posicin o o en un espacio dado. 546. Ejemplo Comencemos con una part cula que orbita con velocidad angular uniforme formando un c rculo sobre el plano generado por los ejes horizontales. Su trayectoria se describe por r(t) = (cos t, sen t, 0), 0 t 2. Si t = 0, la part cula est en (1, 0, 0). Si t = /2 la part a cula est en el punto a (0, 1, 0). Si t = 2 la part cula alcanza su punto de partida. Observemos que el c rculo se describe en sentido antihorario. 547. Ejercicio Encuentre la trayectoria de una part cula puntual que orbita con velocidad angular uniforme alrededor del origen formando un c rculo en el plano Y Z. 548. Ejercicio Someta la trayectoria r(t) = (cos t, sen t, 0) al efecto de la magnicacin M (x, y) = (3x, 5y, 0) y encuentre la trayectoria del movimiento resultante. o 549. Ejemplo Consideremos ahora el caso en el cual el movimiento circular es sobre el plano x + y + z = 0. Ya sabemos que existe una base ortonormal B de R3 con la misma orientacin que o la base natural y tal que sus dos primeros vectores son una base del plano (ver ejemplo 544): 6/6 2/2 3/3 B = (e1 , e2 , e3 ) = 26/6 0 3/3 6/6 2/2 3/3
Si la part cula es vista desde la base B, el movimiento luce como un movimiento circular uniforme sobre un plano: C e2 e1 e3
Figura 10.6. Bases apropiadas simplican las descripciones.
266
(r(t))B = (cos t, sen t, 0). B Por tanto, (r(t))N = IN (r(t))B = B(r(t))B , esto es 6/6 2/2 3/3 cos t sen t (r(t))N = 26/6 0 3/3 0 6/6 2/2 3/3 550. Ejercicio Traslade el movimiento de la part cula del ejercicio previo al plano x + y + z = 1 y encuentre la trayectoria resultante. o 551. Ejercicio Encuentre la ecuacin del elipsoide x2 /4 + y 2 /9 + z 2 /16 = 1 que es rotado alrededor del eje generado por (1, 1, 1) un ngulo de /3. a
10.5.
1. En R2 , halle la matriz con respecto a la base natural de la reexin con respecto a o la l nea y = 9x. Halle la imagen del punto (2, 8). Halle la imagen de la parbola a 2 2 2 y = x . Halle la imagen del c rculo x + y = 4. Halle la imagen del c rculo (x 1)2 + (y 9)2 = 1. Ilustre las discusiones con dibujos apropiados. 2. En R3 , halle la matriz con respecto a la base natural de la reexin con respecto o al plano y x + 3z = 2. Halle la imagen del punto (2, 8, 1). Halle la imagen de la l nea y = x + 4. Halle la imagen del c rculo del plano x2 + y 2 = 4. Halle la 2 2 imagen de la esfera (x 1) + (y 9) + (z 3)2 = 1. Ilustre las discusiones con dibujos apropiados. 3. En R3 , halle la matriz con respecto a la base natural de la rotacin de ngulo o a /6 con respecto al eje determinado por el vector (1, 2, 3). Halle la imagen de la l nea x + y + z = 1, x y + z = 2. Halle la imagen de la esfera (x 1)2 + (y 9)2 + (z 3)2 = 1. Ilustre las discusiones con dibujos apropiados.
10.6.
Resumen
La libertad para representar una T L con respecto a cualquier par de bases ha hecho posible imponentes tareas geomtricas gracias a que con bases apropiadas se simplican e las descripciones. En particular, hemos podido extender la regla de multiplicar matrices para hallar la matriz de la compuesta con respecto a bases arbitrarias. De eso hemos podido deducir naturalmente la forma de cambiar de coordenadas y la representacin o de las T L con respecto a cualquier base.
CAP ITULO
11
DIAGONALIZACION
La diagonal de una matriz A es el conjunto de las entradas Aii . Una matriz diagonal es una matriz cuadrada cuyas entradas fuera de la diagonal son todas cero, es decir, toda la informacin relevante est sobre la diagonal. La matriz identidad es o a diagonal. El objetivo del presente cap tulo es demostrar que en muchos casos, una matriz es equivalente a una matriz diagonal, en el sentido de que ambas representan la misma informacin, la misma T L, pero con respecto a bases diferentes. o Matrices equivalentes son igual de importantes. Pero puede pasar que para problemas y preguntas espec cas, una forma en particular sea ms importante que a las otras. Por ejemplo, una matriz diagonal es muy transparente. Adems, las matrices a diagonales son muy fciles de multiplicar, una propiedad que nos ser muy util para el a a estudio de los sistemas dinmicos. Por eso que en el presente cap a tulo estudiaremos el problema de encontrar el equivalente diagonal de una matriz. A lo largo del cap tulo estaremos tratando con matrices cuadradas, es decir, con T L de un espacio es s mismo, o con operadores lineales. Una concisa introduccin a la diagonalizacin puede encontrarse en el ejemplo 581. o o 552. Ejemplo La importancia de la diagonalizacin se aprecia fcilmente al reo a solver tareas geomtricas. Hemos aprendido en el cap e tulo pasado que una elipse E que obedece la ecuacin x2 /9 + y 2 /4 = 1 y que es rotada /4 en sentido antihorario se o convierte en otra elipse que tiene como ecuacin 13x2 + 13y 2 10xy = 72. A dicha o elipse podemos asociar la matriz E= tal que x y 13/72 5/72 5/72 13/72 13/72 5/72 5/72 13/72 x y 13 2 13 2 10 x + y xy = 1 72 72 72
N Todo eso se refer a la base natural. Por eso, preferimos notar E como EN . Sin a embargo, una elipse rotada puede ser inmediatamente reconocida como una elipse,
267
268
CAP ITULO 11. DIAGONALIZACION
algo que no pasa con nuestra ecuacin. El remedio es reescribir la ecuacin de la elipse o o rotada en una base apropiada, B, desde la cual se vea derecha. La base B, escrita en forma matricial, es 2/2 2/2 B= 2/2 2/2 Puesto que la matriz B representa una base ortonormal, su inversa es la transpuesta: 2/2 2/2 B 1 = 2/2 2/2 Si las coordenadas de un punto en la base B se denotan como (w, z), la elipse luce como w2 /9 + z 2 /4 = 1 y podemos decir inmediatamente que se trata de una elipse. Esta informacin puede o ser codicada directamente en la matriz
B EB =
1/9 0 0 1/4 donde hemos enfatizado que esa matriz representa, en la base B, la misma inforN macin que la matriz EN . o De todas maneras, las dos matrices representan la misma informacin, pero con reo ferencia a bases diferentes y, por lo tanto, estn relacionadas por una matriz de cambio a de base. En nuestro caso:
B N N B N EB = IB EN IN = B 1 EN B N B B N B EN = IN EB IB = BEB B 1
En el caso de la elipse, pudimos fabricar una base ortonormal y por tanto la matriz inversa B 1 era simplemente la transpuesta. Pero no siempre las cosas son tan fciles a porque no siempre se goza de tanta simetr como con la elipse. a
11.1.
Matrices diagonales
553. Deniciones. Una matriz cuadrada M es diagonal cuando todas sus entradas no nulas estn sobre la diagonal. Las entradas en la diagonal pueden ser a iguales o distintas de cero. Una matriz diagonal puede ser notada como un vector, de tal forma que la entrada Mii de la matriz est asociada con la entrada i-sima del a e vector. 554. Ejemplo D(1, 2, 3) es la matriz diagonal 1 0 0 D= 0 2 0 0 0 3
11.1. MATRICES DIAGONALES 555. Ejemplo La matriz diagonal 1 0 0 D(1, 4, 1) = 0 4 0 0 0 1
269
B Esta base representa la matriz de cambio de coordenadas IN . La matriz inversa representa el cambio contrario 1/2 0 1/2 N 1/3 IB = B 1 = 1/3 1/3 1/6 1/3 1/6 B N N B Tenemos: DB = IB DN IN Despus de los reemplazos adecuados, obtenemos: e 1 0 0 B DB = 0 2 2 0 1 3
representa una LT en la base natural. Veamos cmo se ve desde la base o 1 1 1 B = 0 1 2 1 1 1
Observemos que esta matriz no es simtrica. Sin embargo, cuando se trata de una e base ortonormal tenemos el resultado siguiente: e 556. Ejercicio Pruebe que para una matriz diagonal D el producto OT DO es simtrico, donde O es una base ortonormal.
557. Ejercicio Sea la base 1 1 1 B = 0 1 2 1 1 1
Reexpresar en la base B las siguientes matrices diagonales: a) D(1, 2, 1) b) D(1, 2, 1) c) D(1, 1, 1) d) D(1, 3, 4) e) D(2, 1, 4)
270
558. Ejercicio Pruebe que las matrices diagonales conmutan entre ellas, esto es, D1 D2 = D2 D1 . Proponga una explicacin geomtrica de ese hecho. Pruebe que esa o e propiedad se conserva aun si su naturaleza diagonal se esconde detrs de un cambio de a coordenadas. Demustrelo. e
11.2.
Magnicaciones
Una matriz diagonal, interpretada como la matriz de cierta T L puede verse como una magnicacin. Para ilustrar eso, notemos que para la matriz diagonal D(1, 2, 3) o tenemos: D(1, 0, 0) = 1(1, 0, 0) D(0, 1, 0) = 2(0, 1, 0) D(0, 0, 1) = 3(0, 0, 1) Por tanto, D amplica una vez en la direccin X, dos veces en la direccin Y . y o o tres veces en la direccin Z. D es una magnicacin anisotrpica, es decir, que mago o o nica de forma diferente en direcciones diferentes. Puesto que nunca se especic base o alguna, se est tratando con la base natural. Por supuesto, una magnicacin no debe a o estar esclavizada a dicha base. La grca siguiente junto a las deniciones y ejercicios a formalizarn dicha idea. Todo es algo muy simple. Sin embargo, una magnicacin es a o tratada en la literatura como algo muy esotrico, con nombres complicados. Por la e fuerza de la costumbre, aprenderemos a usarlos.
T (v) v T u T (u)
Figura 11.1. Una magnicacin es simple y exige una codicacin simple. o o
559. Denicin. Si hay un escalar y un vector v = 0 tal que para una T L o T : V V se tenga T (v) = v, entonces al escalar se le llama eigen-valor y al vector se le llama eigen-vector. La palabra alemana eigen (lase aiguen) signica propio. e El vector cero se excluye, pues siempre se tiene que T (0) = 0 para toda T L T . Sin embargo, recordemos que el nmero cero s puede ser un valor propio que corresponde u a un apachurramiento. 560. Ejemplo Sea T (x, y) = (x + 3y, 2x + 6y), entonces T (1, 2) = (1 + 6, 2 + 12) = (7, 14) = 7(1, 2). Por lo tanto, 7 es un eigen-valor de T y el correspondiente eigen-vector es (1, 2). Tambin decimos que (7, (1, 2)) es un par propio. e
11.2. MAGNIFICACIONES
271
561. Ejercicio Demuestre que si v es un vector propio de una T L T , entonces v, con R y = 0, tambin lo es. Encuentre el correspondiente eigen-valor. Demuestre e que si (, v) y (, w) son pares propios, entonces v + w no es un vector propio ni de ni de a menos que = . Este resultado nos permite hablar de eigen-espacio, el cual es un espacio generado por un conjunto de eigen-vectores asociados al mismo eigen-valor. 562. Deniciones. Una T L T es diagonal o es una magnicacin cuando o B existe una base B donde TB sea una matriz diagonal. En otras palabras, una T L T es diagonal ssi existe una base B = {v1 , ..., vn }tal que T (vi ) = i vi para ciertos escalares {i }. 563. Deniciones. Dos matrices, M y N , son similares si ambas representan B A la misma T L pero con respecto a, quiz, bases diferentes A y B: M = TB y N = TA . a Una de las bases es usualmente la natural porque en esa base generalmente se denen las T L: T (x, y, ..., z) = .... Por ejemplo, las dos T L del ejemplo siguiente son similares. 564. Ejemplo Sea B la base natural rotada /4 al contrario de las manecillas del reloj. La matriz diagonal
B TB =
1/9 0
0 1/4
representa una T L con respecto a B. Por supuesto, ver ejemplo 552, dicha transformacin lineal es una magnicacin. Si reescribimos dicha T L con respecto a la base o o natural obtenemos:
N TN = T =
por lo tanto, la denicin de T es o T (x, y) = (13x/72 5y/72, 5x/72 + 13y/72). T ha sido representada en dos bases diferentes que codican la misma informacin o en forma de matrices similares. 565. Teorema. Si dos matrices M y N son similares, entonces existe una matriz invertible K tal que M = K 1 N K.
13/72 5/72 5/72 13/72
566. Ejercicio Pruebe el anterior teorema y especique la matriz K. 567. Teorema. Dos matrices similares tienen el mismo determinante. Demostracin. Si dos matrices, M y N , son similares, entonces ellas representan la o B C misma T L con respecto a bases apropiadas: M = TB y N = TC , por lo tanto, existe una matriz de cambio de base K que relaciona a M y a N , de tal forma que M = K 1 N K. Tenemos: Det(M ) = Det(K 1 N K) = Det(K 1 )Det(N )Det(K) = (1/Det(K))Det(N )Det(K) = Det(N ).
272
568. Ejercicio Sabemos que las bases no juegan papel alguno en la denicin de un o determinante de una T L, es decir, el determinante de una T L es algo asociado a la T L independiente de cualquier base. Formule la denicin de determinante de una T L o de tal forma que lo dicho sea obvio. Ayuda: el determinante debe ser funcin de un o espacio de T L en R y rene ciertas propiedades. u 569. Ejemplo Sea la matriz M similar a la matriz diagonal D = (1, 2, 0), entonces M es no invertible, pues su determinante es cero, por lo que M apachurra contra cero alguna parte de su dominio. Es claro que el Kernel tiene dimensin uno y que la imagen o tiene dimensin dos. o 570. Ejercicio Cierta matriz M es similar a una matriz diagonal. Por favor, diga cundo la matriz original es invertible, la dimensin del Kernel y de la Imagen, si: a o a) D(1, 0, 1) b) D(1, 1, 1) c) D(1, 0, 0) d) D(1, 0, 3, 0) e) D(2, 3, 0, 1, 0).
571. Ejercicio Para calcular el Kernel y la Imagen de una T L dada, hemos apelado en cap tulos anteriores a la base natural. Sin embargo, hemos usado en el ejercicio anterior la creencia de que dichos espacios pueden calcularse en cualquier representacin, o en particular en una base propia, cuando existe, porque las respuestas son inmediatas. Es eso correcto? En ese caso, prubelo, o bien d un contraejemplo. e e
11.3.
El eigen-problema
El eigen-problema es encontrar, si es posible, una representacin diagonal de una o T L T . O mejor dicho, es dilucidar si una T L es una magnicacin. o 572. Ejemplo Sea T (x, y) = (x + 3y, 2x + 6y). Debemos resolver T (x, y) = (x, y) = (x, y). Esto es equivalente al sistema de ecuaciones: x + 3y = x 2x + 6y = y Multiplicando la primera ecuacin por dos y usando transitividad, obtenemos o 2x = y, la que es una ecuacin con tres incgnitas. Una solucin es = 1, con x = 1, o o o y = 2. Otra solucin es = 0. En ese caso, x + 3y = 0, por tanto, podemos tomar o x = 3, y = 1. En concreto, el problema es resuelto por los pares propios (1, (1, 2)) y (0, (3, 1)). En un momento aprenderemos a probar que no existe otro que resuelva el problema, es decir, que cualquier otro valor propio es un mltiplo de alguno de los u
11.3. EL EIGEN-PROBLEMA
273
dos ya hallados. Observemos que el conjunto {(1, 2), (3, 1)} es una base de R2 y por B tanto T puede escribirse con respecto a B como TB = D(1, 0). De esa forma, T es una magnicacin o una T L diagonal. o
573. Ejercicio Resuelva el problema propio para T (x, y) = (x + 3y, 3x + 9y). 574. Contraejemplo El problema de diagonalizacin no siempre puede ser resuelo to. Como hemos visto, la esencia de una matriz diagonal es su carcter de magnia cacin. Consideremos ahora una rotacin. Ella es en verdad una T L, pero ninguna o o direccin es amplicada pues todo es rotado. Trabajemos con una rotacin concreta, o o digamos de ngulo . La matriz correspondiente es a
0 1 1 0 Para diagonalizar esa matriz, debemos resolver el problema propio 0 1 1 0 eso es equivalente a y = x x = y. Multiplicando la primera ecuacin por , la segunda por 1 e igualando, obtenemos: o 2 y = x = x 2 x + x = 0 Factorizando (2 + 1)x = 0 Por lo que debe cumplir (2 + 1) = 0, cuya solucin es = 1 = i que no o est en los reales. Por lo tanto, la matriz dada no es diagonalizable sobre los reales. a x y = x y = x y
575. Ejercicio D un ejemplo de una rotacin con al menos un valor propio real. e o Caracterice todas las rotaciones con valores propios reales. Pruebe que en R2 casi todas las rotaciones carecen de valores propios reales. Pruebe que en R3 todas las rotaciones tienen al menos un valor propio real. 576. Ejercicio Construya una T L T : R3 R3 tal que sea una magnicacin en o la direccin Z pero una rotacin en el plano XY . Prediga cul ser el resultado del o o a a eigen-problema para dicha T L T .
274
11.4.
Diagramas conmutativos
Esta seccin es autocontenida, puede servir de repaso y es especial para aquellos o que necesitan un camino bien cortico al tema de la diagonalizacin. o 577. Teorema. Una T L es diagonal cuando existe una base B = {b1 , ..., bn } tal que todos sus elementos son vectores propios. Tal base, cuando existe, se llama base B propia. La matriz FB de una T L diagonal F con respecto a una base propia B es la matriz diagonal compuesta por los valores propios, listados en correspondencia con los vectores de la base. Demostracin. Sea F : Rn Rn una T L tal que existe una base B con n vectores o b1 , ..., bn y con F (bi ) = i bi para escalares apropiados i . Recordemos que nuestras bases siempre son ordenadas. Todos los bi son diferentes de 0, pero algunos i pueden ser cero. Veamos cmo se escribe la matriz de F con respecto a una base propia B: cada o elemento de la base bi es pasado a travs de F y el resultado se descompone en la base e B, las coordenadas correspondientes se escriben en forma vertical en una matriz, la cual es la matriz de F con respecto a B. Tenemos que F (bi ) = i bi , cuya descomposicin o en la base propia B produce i bi = 0b1 + ... + i bi + ... + 0bn y, por consiguiente, las coordenadas de F (bi ) en la base B son (F (bi ))B = (0, ..., i , ..., 0). Esas coordenadas se escriben en forma vertical como la columna i. Vemos que terminamos con una matriz diagonal: 1 0 ... ... 0 0 2 0 ... 0 B FB = . . . ... . ... . . . . . 0 ... ... ... n
B En una palabra, FB es una matriz diagonal compuesta de los valores propios, en el mismo orden en el cual la base fue numerada.
Si escribimos la matriz F con respecto a la base natural, tenemos la matriz ordinaria N B N de F , tambin notada FN . Cmo se relacionan esas dos matrices FB y FN ? Hay una e o manera muy natural de entender la relacin: o 578. Teorema. Sea F : Rn Rn una T L que admite una base propia B, y sea N la base natural. Obtenemos la siguiente relacin: o
N B B N FN = IN FB IB
Demostracin. Veamos la naturalidad de esa identidad. o
11.5. USO DEL DETERMINANTE B FB Rn

N IB
275 Rn
B IN
N FN
Rn
Figura 11.2. Diagrama conmutativo. En el diagrama adjunto, tenemos dos caminos: el primero, en la parte inferior, llega en un solo paso, mientras que el segundo da un viaje de tres pasos. Las dos rutas son equivalentes. Decimos que el diagrama es conmutativo. Cada parte de cada N ruta tiene su signicado: IB es la matriz de cambio de coordenadas desde la base B natural a la base propia. FB acepta coordenadas de X en la base propia y produce las B coordenadas de F (X) en la base propia. IN cambia de coordenadas de la base propia a la base natural. Encadenando todo obtenemos: las coordenadas son recibidas en la base natural, se cambian a la base propia, son procesadas por F en la base propia, el resultado sale en la base propia y se cambia de la base propia a la base natural. Por lo tanto, la maquinaria acepta, en su totalidad, las coordenadas de X en la base natural y produce las coordenadas de F (X) en la misma base.
579. Ejercicio Con la misma notacin del ultimo teorema, dibuje el diagrama de o composiciones de las T L adecuadas para que el resultado siguiente resulte evidente:
B N N B FB = IB FN IN .
11.5.
Uso del determinante
Con los ejercicios, por dems simples, que hemos visto, queda claro que el problema a propio puede dar lugar a tremendos problemas algebraicos. Afortunadamente, contamos con una muy buena manera de usar el determinante para facilitarnos la vida. Vemosla. a El problema propio F (v) = v es equivalente a F (v) v = 0. Factoricemos v. Para hacerlo, no podemos proceder como sigue: (F )v = 0 porque un nmero no u puede ser restado de una T L. Para obtener matriz menos matriz procedemos como se debe: (F I)v = 0 donde I es la identidad. Ahora, esta ecuacin siempre tiene la solucin trivial v = 0. o o Por lo que a nosotros lo que nos interesa realmente es encontrar soluciones no triviales. Si llamamos M = F I, estamos buscando soluciones no triviales a M v = 0. Pero eso implicar que buscamos un vector que sea apachurrado contra cero. Por lo tanto, a Det(M ) = 0, y esa ecuacin da un polinomio en trminos de , cuyas ra o e ces son los valores propios de F . Podemos resumir: 580. Teorema. Una condicin necesaria para que una T L pueda ser diagonalizada o es que Det(F I) = 0 para algn nmero . u u
276 581. Ejemplo Diagonalicemos la matriz
F =
0 1 1 0
Solucin: Esta matriz dene una T L que notamos F . Queremos encontrar vectores no o nulos que satisfagan la ecuacin F (v) = v que es lo mismo que encontrar vectores no o nulos que satisfagan F (v I)v = 0, por lo que Det(F (v) I) = 0. Det 0 1 1 0 = ()2 1 = 2 1 = 0,
lo cual implica que hay dos soluciones para , es decir, dos valores propios 1 y 1. Para encontrar los correspondientes vectores propios, procedemos primero con = 1: Necesitamos encontrar vectores v tales que (F I)v = (F I)v = 0. Eso produce 01 1 1 01 v1 v2 = 1 1 1 1 v1 v2 = 0 0
Notemos que la primera ecuacin se transforma en la segunda si se multiplica por o 1. Por consiguiente, cuando reduzcamos la matriz por Gauss-Jordan, la segunda ecuacin se desaparece, pues no da informacin adicional, en perfecto acuerdo con o o lo que se espera de una matriz con determinante igual a cero. Ahora, tenemos una sola ecuacin v1 + v2 = 0. Como hay dos incgnitas, hay o o un grado de libertad, lo que signica que uno puede elegir a su antojo el valor de una de las coordenadas del vector propio. O lo que es lo mismo, un vector propio que es multiplicado por un escalar tambin da un vector propio asociado al mismo valor e propio. Tomando la ecuacin v1 + v2 = 0, que es lo mismo que v1 = v2 , dando al v1 el o valor de 1 obtenemos que v2 toma el mismo valor. Por lo tanto, un vector asociado al valor propio 1 es (1, 1). Ahora analizamos el valor propio 1: 0 (1) 1 1 0 (1) v1 v2 = 1 1 1 1 v1 v2 = 0 0
Olvidamos la segunda ecuacin y en la primera, v1 + v2 = 0, ponemos v1 = 1 por o lo que v2 = 1, y obtenemos el vector propio (1, 1). Notemos que el segundo vector es perpendicular al primero: esto es lo que pasa cuando empezamos con una matriz simtrica de coecientes reales (probaremos esto ms adelante). Eso implica que e a encontrar el primer vector propio de una matriz simtrica 2 2 determina inmediatae mente el segundo por ortogonalidad. Ahora manufacturamos una base propia con determinante igual a +1. Eso se hace dividiendo cada vector propio por su norma. La norma de (1, 1), usando Pitgoras, es a 2, la cual es la misma que de (1, 1). Por tanto, la base propia es B = {(1/ 2, 1/ 2), (1/ 2, 1/ 2)}. Cuando se escribe eso, ya se est teniendo en cuenta que la base propia ha sido numerada: a
11.5. USO DEL DETERMINANTE
277
(1/ 2, 1/ 2) es el primer vector y que (1/ 2, 1/ 2) es el segundo, pero el determinante de la base es 1/2 1/2 = 1 Det 1/ 2 1/ 2 Para lograr que el determinante quede positivo, numeramos la base en el orden inverso. La base es entonces B = {(1/ 2, 1/ 2), (1/ 2, 1/ 2)}. B Por tanto, la matriz de cambio de coordenadas IN es simplemente la matriz formada por la base en notacin o vertical 1/2 1/2 B IN = 1/ 2 1/ 2 N B B N N B Recordemos que FN = IN FB IB , donde la matriz IB es inversa de IN . Puede vericarse en el caso presente que la inversa es la transpuesta. Eso es vlido porque la a base B tiene vectores mutuamente perpendiculares, cuya norma es uno. Por tanto: 1/2 1/2 N IB = 1/ 2 1/ 2 Y la representacin diagonal de F es o 1 0 B FB = 0 1 582. Ejercicio Con las matrices encontradas en el ejercicio previo, vericar que N B B N FN = IN FB IB . 583. Deniciones. Dada una matriz M, el polinomio que resulta de evaluar Det(M I) = 0 se denomina el polinomio caracter stico de M . La multiplicidad algebraica de un valor propio es igual al nmero de veces que el valor propio se u repite como ra del polinomio caracter z stico de la matriz. Por ejemplo, si el polinomio caracter stico es p() = ( 3)2 ( 4) = 0 entonces 3 tiene multiplicada algebraica 2, mientras que 4 tiene multiplicada algebraica 1. 584. Ejemplo La siguiente matriz no es diagonalizable en nmeros reales: u 0 1 1 0 En efecto, el polinomio asociado (el polinomio caracter stico) es 1 = 2 + 1 = 0 1 cuyas ra ces son i, i. Esto era de esperar puesto que la matriz representa una rotacin de 90 grados, la cual transforma (0, 1) en (1, 0) y (0, 1) en (1, 0). Es claro o que una rotacin no multiplica ningn vector por un escalar. Por lo que al hacer el o u proceso de diagonalizacin, lo que uno encuentra es un polinomio que no tiene ra o ces reales. Sin embargo, recordemos que los nmeros complejos estn asociados a ondas y u a por lo tanto no ha de ser sorpresa que matrices como la presentada en este ejemplo aparezcan en sistemas oscilantes (Zill, 2008). Det
278
585. Ejercicio Las siguientes matrices diagonales representan magnicaciones en una base dada. Encontrar su representacin en la base natural y resolver el correspondio ente problema propio para dichas matrices, encontrando los valores propios, los vectores propios y revertiendo la matriz diagonal original: 1. D(1, 2), B = {(1, 1), (1, 1)} 2. D(0, 0), B = { 2/2(1, 1), 2/2(1, 1)} 3. D(1, 0), B = {(1, 1), (1, 2)} 4. D(2, 1), B = {(1, 0), (1, 1)} 5. D(2, 1), B = { 10/10(1, 3), 10/10(3, 1)}. 586. Ejercicio Encuentre todos los valores propios de las siguientes matrices y escriba la forma diagonal asociada, si eso es posible. Matrices de este tipo son necesarias para modelar el fenmeno de resonancia cuando un modo natural de oscilacin de o o un sistema es estimulado desde el exterior, como cuando una copa vibra inducida por el sonido de una guitarra (Kittel y otros, 1965). a) 1 2 0 1 1 2 3 0 1 4 0 0 1 1 2 0 0 1 0 0 0 1 1 0 3 0 1 0 0 0 1 1 0 0 0 1 1 0 0 1
b)
c)
d)
e)
587. Ejercicio Analice el siguiente razonamiento: Hemos mostrado, como se esperaba, que una rotacin de ngulo /2 no tiene valores propios reales. Sin embargo, o a una magnicacin por el nmero complejo i = 1 puede causar una rotacin. Por o u o lo tanto, una rotacin no es diagonalizable en reales pero s en complejos. En general, o la solucin al problema propio siempre comienza con la bsqueda de las ra o u ces de un polinomio y un polinomio de grado n siempre tiene n ra ces, que pueden ser complejas. Hemos probado que toda matriz es diagonalizable en complejos.
11.5. USO DEL DETERMINANTE
279
588. Ra ces de polinomios. Aunque hemos venido tratando con matrices 2 2, nuestra teor es aplicable a cualquier dimensin. El problema es la complejidad de a o la aritmtica que resulta. Por tal razn, uno puede optar por soluciones asistidas por e o computador. Hay, con todo, un caso en el cual la aritmtica es manejable a mano y es e el caso de dimensin 3. Despus de encontrar el polinomio Det(M I) = 0, debemos o e encontrar las ra ces. En tres dimensiones, el polinomio caracter stico es cbico y puede u verse que siempre tiene al menos una ra real. Cmo podemos encontrarla? Podemos z o explorar la recta real para ver si de casualidad encontramos una ra Podemos mejorar z. si recordamos que un polinomio es una funcin continua. Por lo que si encontramos o un valor en el cual el polinomio es positivo y otro valor en el cual el polinomio es negativo, podemos estar seguros de que existe una ra entre los dos valores: esa es z una aplicacin del teorema del valor intermedio para funciones continuas (mtodo de o e biseccin de Newton). o Existe la posibilidad de que el polinomio tenga ra racionales. Entonces, podemos ces aplicar el siguiente Teorema. si un polinomio an xn + ... + a1 x + ao = 0 con coecientes enteros tiene una ra racional, r, entonces, ella es de la forma z r=(Divisores de ao )/(Divisores de an ). 589. Ejemplo La ecuacin 4x + 3 = 0 tiene como posibles ra o ces racionales a los quebrados de la forma (divisores de 3)/(divisores de 4). De hecho, la unica ra es z 3/4. Use este ejemplo como ayuda nemotcnica para recordar qu es divisor de qu. e e e stico a: 590. Ejemplo Una matriz tiene como polinomio caracter 3 2 x +2x x2 = 0. Puesto que es cbico, tiene por lo menos una ra real. Los posibles u z candidatos son (divisores de 2)/ (divisores de 1). Una lista completa es: 1, 1, 2, 2. De hecho, una sustitucin directa da que las ra son 1, 1, 2. o ces 591. Ejemplo El polinomio caracter stico de una matriz es: x3 x2 2x + 2 = 0. Las posibles ra racionales son de la forma (divisores de 2)/(divisores de 1), que son ces 1, 1, 2, 2. Despus de chequear, la unica ra que sirvi es x = 1. Por tanto, x 1 es e z o un factor. Podemos dividir el polinomio x3 x2 2x + 2 = 0 por x 1 para encontrar el cociente x2 2, cuyas ra ces son: 2, 2. o o 592. Ejemplo y denicin Para la ecuacin (x 1)3 = x3 3x2 + 3x 1 = 0, podemos comenzar con las posibles ra ces racionales +1, 1. Un chequeo dice que 1 es ra pero que 1 no lo es. En dnde estn las otras dos ra z, o a ces? Dividimos 3 2 2 2 x + 3x + 3x + 1 por x 1 para obtener (x 1) = x + 2x + 1. Este polinomio tiene como posibles ra ces a 1, 1. Un chequeo directo dice que 1 es ra pero que 1 z no lo es. Dividimos por (x 1) para obtener x 1 como cociente, cuya unica ra es z 1. Por lo que el polinomio tiene 3 ra ces pero todas iguales. En nuestro ejemplo, 1 es una ra de multiplicidad algebraica 3. z 593. Ejemplo Para el polinomio x2 3x/2 + 1/2 = 0, debemos multiplicar todo por 2 para obtener 2x2 3x + 1 = 0 cuyas posibles ra ces racionales son 1, 1, 1/2, 1/2. Un chequeo dice que 1 y 1/2 no son ra ces, pero que 1 y 1/2 s lo son.
280
594. Ejercicio Encuentre las ra de los siguientes polinomios: ces a) x3 5x2 + 7x 3 = 0 b) x3 6x2 + 11x 6 = 0 c) x3 + x2 2x 2 = 0 d) 12x3 31x2 + 15x 2 = 0 e) x3 31x2 /12 + 5x/4 1/6 = 0. 595. Ejercicio Resuelva el problema propio para las siguientes matrices y verique que conmutan entre ellas. 6 2 0 6 3 a) 3 0 1 6 4 4 2 3 6 b) 6 1 2 5 0 4 6 3 6 c) 6 3 2 3 2/3 2/3 8/3 2 1 d) 1 4/3 1/3 2/3 2/3 2/3 4/3 1 0 1 e) 2/3 1/3 4/3 596. Ejercicio Pruebe que si dos matrices tienen la misma base propia, entonces necesariamente conmutan entre ellas.
597. Ejercicio Sea 1/2 1/(32) 2/3 Q = 1/ 2 1/(32) 2/3 0 4/(3 2) 1/3
a) Pruebe que Q es la matriz de alguna rotacin. o
11.6. MATRICES SIMETRICAS b) Encuentre el eje de rotacin y el ngulo correspondiente. o a c) Bosqueje la grca de la cudrica x2 + 4y 2 + 9z 2 = 1. a a d) Encuentre la ecuacin de la gura que es el resultado de rotar por Q a o x2 + 4y 2 + 9z 2 = 1 y bosqujela. e
281
11.6.
Matrices simtricas e
Recordemos que: dada una matriz cuadrada M , su transpuesta, M T , es el resultado de reejar la matriz M con respecto a la diagonal, es decir, si M = (aij ), M T = (aji ). Una matriz que es igual a su transpuesta se llama simtrica. El determinante de una e matriz es igual al de su transpuesta. Para toda matriz M , tenemos que M (u) v = u M T (v). Por lo tanto, toda matriz simtrica S satisface la identidad: e S(u) v = u S(v) El problema propio para matrices simtricas es muy agradable y ofrece la posibilidad e de retroalimentarse para saber si uno va resolviendo un problema bien o mal. Eso es muy importante, pues los clculos asociados al proceso de diagonalizacin son muy tediosos a o y por lo tanto muy propensos a generar errores. Por ello es mejor tener mtodos de e retroalimentacin, como los presentados por los siguientes teoremas: o 598. Teorema. Los vectores propios de una matriz simtrica real son ortogonales e entre ellos, si los valores propios correspondientes son diferentes. Demostracin. Sea S una matriz simtrica tal que S(u) = u y S(v) = v, y tomamos o e = , por lo tanto S(u) v = u S(v) pero el lado izquierdo es igual a u v y el lado derecho es igual a u v. Por consiguiente u v = u v = u v Puesto que = , debemos concluir que u v = 0 y que a valores propios diferentes corresponden vectores propios ortogonales.
599. Teorema. Los valores propios de una matriz simtrica real son todos reales. e Prueba en dos pasos. Paso 1. Es posible denir un producto punto, interno o interior para vectores con coordenadas complejas. Demostracin. Sea S una matriz simtrica y sea v un vector propio con el correso e pondiente valor propio. Debemos probar que se trata de un nmero real. Cmo lo hareu o mos? Es un placer explicitar que toda nuestra teor ha sido construida para nmeros a u reales y que, por tanto, debemos reconstruir todo de nuevo para tener derecho de hablar
282
de valores propios complejos. Necesitamos extender nuestra teor a nmeros complejos a u y trabajar en ese mundo ms grande. Ese trabajo monumental ya ha sido hecho: a Hemos denido el producto punto entre vectores con componentes reales como sigue: si u = (u1 , ..., un ) y v = (v1 , ..., vn ) entonces u v = u1 v1 + ... + un vn Queremos denir el producto punto entre vectores con coordenadas complejas. La experiencia ha demostrado que tal denicin debe llenar un requisito muy simple para o que sea una extensin util: se necesita que u 2 = u u > 0, siempre que u = 0. Eso o se logra si se dene el producto punto entre vectores con coordenadas complejas como sigue. Si Z = (z1 , ..., zn )y W = (w1 , ..., wn ) entonces Z W = z1 w1 + ... + zn wn donde el s mbolo w denota el complejo conjugado de a + bi que es a bi. Por ejemplo, si z = 1 + i, entonces z 2 = (1 + i)(1 i) = 1 i2 = 1 + 1 = 2 > 0. Similarmente, si Z = (1 + i, 2 + 4i) y W = (1 3i, 3 4i), tenemos que Z W = (1 + i)(1 3i) + (2 + 4i)(3 4i) = (1 + i)(1 + 3i) + (2 + 4i)(3 + 4i) = 12 + 24i. de otra parte, Z 2 = Z Z = (1 + i, 2 + 4i) (1 + i, 2 + 4i) (1 + i, 2 + 4i) (1 i, 2 4i) = (1 i2 ) + (4 16i2 ) = 1 + 1 + 4 + 16 = 22 > 0. 600. Ejercicio Pruebe que el nuevo producto punto cumple con las dos siguientes propiedades: a) (Z) W = (Z W ) b) Z W = (Z W ) Continuamos con la prueba del teorema 599. Paso dos. Si es valor propio de una matriz simtrica real, entonces es igual a su conjugado: = . e Demostracin. Supongamos ahora que la matriz simtrica S tiene un valor propio , o e i.e., S(Z) = Z para cierto vector Z. An no sabemos si es real o no. Un nmero real u u es un nmero complejo que es igual a su conjugado, pues no tiene parte imaginaria. u Puesto que S es simtrica, ella cumple: e SZ Z = Z SZ Puesto que Z es un vector propio de S, tenemos que (Z) Z = Z (Z) Aplicando esas dos propiedades al ejercicio precedente obtenemos: (Z Z) = (Z Z) Ahora tenemos dos posibilidades: que = 0, en cuyo caso el correspondiente valor propio es real. O bien, = 0 y en ese caso Z Z = Z 2 > 0, podemos dividir entonces (Z Z) = (Z Z) por Z a ambos lados para obtener: = lo cual signica que es un nmero u real.
11.7. RECONOCIENDO LAS CONICAS
283
601. Teorema de los ejes principales. Toda matriz simtrica real (con entradas e reales, sin imaginarios) S, es diagonalizable, lo cual signica que tiene una base propia con respecto a la cual se ve como diagonal, D. Esto es equivalente a decir: Sea S una matriz simtrica. Entonces existe una matriz ortogonal B que diagonaliza a S, es decir e T S = B DB. Cada elemento de la base genera un eje que se llama un eje principal y de ah el nombre del teorema. En las aplicaciones, prximo cap o tulo, veremos la importancia de dichos ejes. Demostracin: Investigacin. Pruebe que uno puede formar una base de vectores o o propios B que expanden todo el espacio dominio de la T L codicada por S. En la base B, S se ve como diagonal, D. Al relacionar D y S se tiene que S = BDB T . 602. Ejercicio Diagonalice, si tan slo es posible, las siguientes matrices. Ellas son o 2 2, para practicar con matrices 3 3, pase al cap tulo siguiente donde tendremos de sobra. Las matrices son: a) b) c) d) e) 1 1 1 1 1 2 2 4 1 2 2 3 1 5 5 3 1 6 6 1
603. Investigacin Las rotaciones no producen magnicaciones (en nmeros reales), o u por lo tanto no pueden ser similares a una matriz diagonal. Por ello, es posible que toda T L tenga en parte una rotacin y en parte una magnicacin. Ser eso verdad? o o a Por favor, d ejemplos, contraejemplos, pruebas y todo lo que haga falta para dilucidar e esa intriga.
11.7.
Reconociendo las cnicas o
Sabemos que la ecuacin de una cnica que ha sido rotada incluye trminos de la o o e 2 2 forma xy. Por ejemplo, la ecuacin 13x 10xy + 13y = 72 describe una elipse rotada o en sentido contrario a las manecillas del reloj un ngulo de /4. Ahora enfrentaremos a el problema inverso: determinar la naturaleza de una cnica junto con el ngulo de o a rotacin de la gura cuya ecuacin en la base natural es ax2 + by + cy 2 + dx + ey = f . o o Para poder hacer eso haremos uso de todo el poder de la diagonalizacin. o
284
604. Ejemplo Identiquemos la cnica y el ngulo de rotacin si su ecuacin en o a o o 2 2 la base natural es 13x 10xy + 13y = 72. La ecuacin puede reescribirse matricialmente como: o x y 13 5 5 13 x y = 72
lo cual es de la forma X T M X = k, donde X es un vector, M una matriz, k un escalar. Para identicar la cnica, debemos escribir la ecuacin en otra base desde la o o cual ya no aparezca el trmino xy. Esto se logra si reescribimos la matriz asociada a e la cnica en una matriz en la cual adquiera una forma diagonal. Una matriz diagonal o representa una magnicacin, i.e., una T L que deja jas ciertas direcciones, en las o cuales ella produce la multiplicacin por un escalar. Por eso necesitamos resolver el o problema propio M v = v or (M I)v = 0 donde 0 representa el vector nulo. Puesto que v = 0 es una solucin y necesitamos una no trivial, exigimos que (M I) sea o no inyectiva, o sea que apachurre ciertos vectores contra cero, por tanto, Det(M I) debe ser cero. Este es nuestro comienzo: Det 13 5 5 13 =0
(13 )2 25 = (13 5)(13 + 5) = 0 cuyas ra son 1 = 8 y 2 = 18. ces Si reemplazamos el valor 1 = 8 en la ecuacin (M I)v = 0, obtenemos: o 13 8 5 5 13 8 5 5 5 5 v1 v2 v1 v2 =0
o, simplicando:
=0
Observemos que el determinante de esta matriz es cero, como debe ser. Esto se debe a que la segunda ecuacin es redundante y que nos queda una ecuacin con dos o o incgnitas, por lo que una incgnita puede ser jada a voluntad: sea v1 = 1 por lo que o o v2 = 1. Por lo tanto, el primer vector propio es (1, 1). Reemplazando el segundo valor propio debe producir el segundo vector propio (1, 1), puesto que a valores propios diferentes corresponden vectores propios perpendiculares. Es esto verdad? Veamos: 13 18 5 5 13 18 5 5 5 5 v1 v2 v1 v2 =0 =0
eso se reduce a la ecuacin 5v1 5v2 = 0, la cual se satisface con (1, 1). Con estos o dos vectores propios formamos una matriz de tal forma que su primer vector unitario quede en el primer cuadrante y el segundo en el segundo cuadrante. De esa manera el determinante queda positivo. Podemos formar pues la base ortonormal
11.7. RECONOCIENDO LAS CONICAS 2/2 2/2 2/2 2/2
285
B=
Esa base es el resultado de rotar la base natural un ngulo de /4. Esta matriz tama B bin representa la matriz de cambio de coordenadas IN , cuya inversa es su transpuesta: e B B N (IN )1 = (IN )T = IB . De otro lado, cada elemento bi de la base B obedece a la ecuacin M bi = bi . Por o lo tanto, la matriz adquiere la forma diagonal D en la base B:
B D = MB =
8 0 0 18
Las dos representaciones estn ligadas por las identidades a

B N N B MB = I B M N I N N B B N MN = I N M B I B Usando la segunda identidad, podemos reescribir la ecuacin de la cnica o o X T M X = 72 en la base B. De hecho, la ecuacin original es exactamente: o N (XN )T MN XN = 72. Podemos hacer las sucesivas transformaciones B B N (XN )T IN MB IB XN = 72 N N (XN )T (IB )T D(IB XN ) = 72 N (IB XN )T DXB = 72 T XB D(XB ) = 72 Si a las coordenadas XB de un punto X en la base B las llamamos (u1 , u2 ), entonces obtenemos
u1 u2 8(u1 )2 + 18(u2 )2 = 72 (u1 )2 /9 + (u2 )2 /4 = 1.
8 0 0 18
u1 u2
= 72, o
Conclusin: la ecuacin en la base natural representa una elipse con ancho 3 en o o la direccin (1, 1), y ancho 2 en la direccin (1, 1). El ngulo de rotacin es /4. o o a o Notemos la correspondencia natural: la primera coordenada u1 fue dada por el primer vector de la base, el cual iba en la direccin (1, 1) con valor propio 8, mientras que la o segunda coordenada u2 iba en la direccin (1, 1), cuyo valor propio es 18. o El mrito de una base ortonormal es que cuando es considerada como matriz, su e inversa es su transpuesta. Sin embargo, uno tambin puede trabajar en una base ore togonal cuyos elementos tienen igual largo, y aun en el caso en el cual el primer vector no est en el primer cuadrante. e 605. Ejemplo La cnica 11x2 /10 + 19y 2 /10 + 6xy/10 = 1 est representada por o a
286
N M = MN =
11/10 3/10 3/10 19/10
El problema del valor propio produce 1 = 1, 2 = 2 con base propia B e inversa B dadas, respectivamente, por
1
B= B 1 =
3 1 1 3 3/10 1/10 1/10 3/10 1 0 0 2
La matriz diagonal correspondiente es

B D = MB =
En la base B la cnica tiene la ecuacin: o o u2 + 2u2 = 1 1 2 u2 + u2 /(1/2) = 1 1 2 2 2 u1 + u2 /( 2/2)2 = 1 Por lo tanto: La cnica es una elipse orientada en la direccin (3, 1) con ancho 1. En o o la direccin normal, (1, 3), tiene ancho 2/2. Su ngulo de rotacin es Arctan(1/3). o a o 606. Ejercicio Pruebe que la base B dada por 3 1 1 3
B=
es una base propia de todas las cnicas dadas, encuentre los valores propios, la o forma diagonal de las cnicas, la ecuacin asociada, el ngulo de rotacin y haga un o o a o dibujo (el papel de i es jugado ahora por (3, 1) y el de j por (1, 3)). Las cnicas estn o a representadas por una ecuacin cuyo lado derecho es uno, pero en caso de inconsistencia o la ecuacin debe igualarse a 1. En la base natural, las cnicas estn representadas o o a por las matrices: a) b) c) d) 21/10 3/10 3/10 29/10 6/10 12/10 12/10 26/10 8/10 6/10 6/10 8/10 14/10 12/10 12/10 46/10
11.8. EJERCICIOS DE REPASO e) 12/10 6/10 6/10 28/10
287
f) Tome varios pares (A, B) de esas matrices y realice los productos AB y BA. Qu obe serva usted? Podr explicarlo? a
607. Ejercicio Es nuestro formalismo aplicable a parbolas? D ejemplos y cona e traejemplos. Puede nuestro formalismo ser ligeramente modicado para ser aplicable a parbolas? Para entender la pregunta, tome la parbola y = x2 en coordenadas cartea a sianas y rtela un ngulo de /4 en sentido contrario a las manecillas del reloj. Despus o a e enfrente el problema propio con la ecuacin resultante. o
11.8.
1. Si la matriz de la transformacin T : R2 R2 , en la base cannica de R2 , es o o diagonalizable y (1, 2), (3, 1) son vectores propios de T y T (5, 5) = (2, 1), halle los autovalores (sinnimo de valores propios y de eigen-valores) de T y la o matriz de la transformacin, en la base cannica de R2 . o o 1 0 0 2. Para qu valores de a la matriz A = 0 0 1 es diagonalizable? e 0 a 0 1 1 0 3. Considere la matriz A = 0 1 0 . Es A diagonalizable? En caso ar0 0 1 mativo, hallar su forma diagonal D y obtener una matriz P invertible tal que P 1 AP = D. 4. Muestre que si B 2 = I, entonces los valores propios de B son 1 y 1. 5. Encuentre una matriz A22 simtrica con valores propios 1 = 1, 2 = 2 y e 1 1 . y v2 = vectores propios correspondientes v1 = 1 1 6. Si Ann es diagonalizable y 1 , ..., n son los valores propios de A entonces Det(A) = 1 2 ...n .
11.9.
Resumen
Una matriz diagonal es casi la ms simple y adems tiene una interpretacin geoa a o mtrica simple: es una magnicacin anisotrpica (que no funciona igual en todas las e o o direcciones). La libertad de expresar una T L en cualquier base se explota al mximo a en la diagonalizacin, un programa que consiste en fabricar una base especial, una base o propia, que permita una representacin diagonal de dicha T L. Vimos que esto se usa o para reconocer una cnica cuya naturaleza est escondida detrs de una rotacin. Pero o a a o
288
la diagonalizacin tiene muchas aplicaciones, algunas de las cuales las veremos en el o prximo cap o tulo y otras se ven en un curso de ecuaciones diferenciales.
CAP ITULO
12
APLICACIONES
Las aplicaciones de la diagonalizacin son ilimitadas y muchas veces sorpresivas. o Comenzaremos con una aplicacin a guras tridimensionales, que es un tema con aplio cacin directa a la ingenier a la industria y que tambin tiene que ver con algunos o a, e problemas loscos acerca de la naturaleza del hombre. Despus veremos cmo se o e o usa la diagonalizacin para estudiar mximos y m o a nimos y para atacar un problema en mecnica relacionado con la rotacin de cuerpos r a o gidos. Terminamos con una aplicacin al estudio de los sistemas dinmicos. o a
12.1.
Ajuste de patrones
Un patrn es un objeto que sirve de modelo o referencia para comparar objetos o de un conjunto dado. Por ejemplo, un c rculo en el plano es un conjunto de puntos que equidistan perfectamente de otro punto dado. Cuando nosotros vemos una gura, inmediatamente la comparamos con la bater de patrones que hay en la mente, c a rculos, cuadrados, tringulos y dems. No existe en la naturaleza elementos perfectamente a a circulares, pero nosotros decimos que algo es circular porque el patrn circular es el o que mejor se ajusta a la gura. Eso quiere decir que hay una diferencia entre el patrn o y el objeto a clasicar y que el patrn c o rculo es el que minimiza la diferencia. Lo anterior implica que las diferencias se pueden cuanticar, medir de alguna manera. En algunos casos esto puede ser algo muy complicado. Por ejemplo, la ciencia no es ms que un estudio del grado y calidad del ajuste entre las teor patrones a as, preconcebidos, y los datos de la naturaleza. Pero en otros caso, el problema de ajuste puede ser tratable e incluso sencillo, pues se reduce a la solucin de un sistema de o ecuaciones lineales. 608. Ejemplo L nea de regresin de m o nimos cuadrados.
Investiguemos la sospecha de que el ingreso mensual tiene una dependencia lineal con respecto al tiempo de experiencia. Los datos los reportamos por pares de la forma (tiempo de experiencia en aos, sueldo en unidades arbitrarias): n (3, 5), (2, 5), (2, 4), (4, 9)(3, 7), (5, 11). 289
290
CAP ITULO 12. APLICACIONES
Solucin: Nosotros dibujamos los puntos sobre un plano cartesiano, lo cual se deo nomina un diagrama de dispersin. o
12 11 10 9 8 7 6 5 4 3 2 1 0 -1 -1 0 1 2 3 4 5 6
Figura 12.1. Los aos de experiencia en el eje horizontal, el sueldo en el eje vertical. n Mirando el diagrama de dispersin, uno se forja una idea sobre aquella l o nea recta que mejor se ajusta a los datos, es decir, aquella que mejor parece representar los datos. Cuando la l nea viene de unos datos particulares, de una muestra, nosotros usamos para la l nea la ecuacin con letras latinas: o y = a + bx. Pero cuando nosotros formulamos un modelo, un patrn, usamos letras griegas o y = + x En nuestro caso, la l nea que mejor se ajusta a nuestros datos parece pasar por el punto ms cercano al origen y por el ms lejano. Esos puntos son: (2, 4) y (5, 11), los a a cuales nos generan una l nea (en letras latinas):
12 11 10 9 8 7 6 5 4 3 2 1 0 -1 -1 0 1 2 3 4 5 6
Figura 12.2. Estimacin visual de la l o nea que mejor representa los datos, aquella que causa un m nimo de descontento global.
12.1. AJUSTE DE PATRONES
291
La pendiente de dicha l nea es y2 y1 7 11 4 b= = = 2,33 = x2 x1 52 3 Por lo tanto, la ecuacin de la l o nea es y = a + bx = a + 2,33x Para hallar a estudiamos un punto cualquiera, por ejemplo, (2, 4) : 4 = a + 2,33(2) = a + 4,66 por lo que a = 4 4,66 = 0,66 Por consiguiente, nuestra estimacin visual de la l o nea de regresin es o y = 0,66 + 2,33x. Mirando la nueva grca, vemos que es razonable probar la creencia de que el a ingreso mensual es proporcional a la experiencia, es decir, que se justica un modelo lineal. Esta idea es importante, pues demuestra que al problema de ajuste de patrones comienza con ideas preconcebidas. Para hallar exactamente la l nea que mejor se ajusta a los datos es usual sacar una frmula general y despus aplicarla. Consideremos el problema de ajustar una l o e nea de la forma y = +x a unos datos de la forma (xi , yi ). Para un xi dado el correspondiente y observado es yi pero el modelo predice + yi . Hay una discrepancia, un error, entre lo predicho por el modelo y lo observado. Dicho error se mide por la expresin: o 2 (, ) =
i
(yi ( + yi ))2 =
(yi yi )2
y se llama error cuadrtico. El patrn buscado es aquella l a o nea recta que minimiza el error cuadrtico y se llama l a nea de regresin de m o nimos cuadrados. Para minimizar una funcin como sta, derivamos e igualamos a cero, pero como la o e funcin depende de dos variables, usamos derivadas parciales en las que cuando se o deriva parcialmente con respecto a una variable, las dems se consideran constantes. a Las derivadas parciales, digamos con respecto a se notan como . Precedemos: =2 (yi xi )(1) = 0 i Dividimos a ambos lados por 2 y individualizamos la sumatoria: = yi xi = 0 i i i El trmino i es igual a la suma de n trminos cada uno de los cuales vale , e e por lo tanto este trmino vale n. e El trmino i yi es igual a nY donde Y es la media de los yi pues Y = (1/n) i yi . e Similarmente, i xi = nX. Reemplazando obtenemos: nY n n Y = 0 Dividiendo por n y despejando obtenemos: = Y X Ahora derivamos parcialmente con respecto a :
292 =2 (yi xi )(xi ) = 0 i Dividiendo por 2 y expandiendo obtenemos: = xi yi xi (xi )2 = 0 i i i Utilizamos la denicin de la media de los xi : o xi yi nX (xi )2 = 0 Reemplazamos por Y X: xi yi n(Y X)X (xi )2 = 0 es decir xi yi nX Y + n(X)2 o sea xi yi nX Y + [n(X)2
i i i i i i
(xi )2 = 0
i
(xi )2 ] = 0
i i
x i y i nX Y n(X)2 i (xi )2 El signo menos lo usamos en el denominador y al nal Ahora despejamos : = = x i y i nX Y 2 2 i (xi ) n(X)
i
Ahora construimos la siguiente tabla para aplicar nuestras frmulas al problema o espec co: Regresin de o xi 3 2 2 4 3 5 Sumas xi =19 ingresos mensuales (y) vs yi xi yi 5 15 5 10 4 8 9 36 7 21 11 55 yi =41 xi yi =145 tiempo de experiencia x (xi )2 (yi )2 9 25 4 25 4 16 16 81 9 49 25 121 2 (xi ) = 67 (yi )2 =317
Calculamos los promedios. Como en este caso tenemos 6 pares de datos: x= x/6 = 19/6 = 3.17 y = y/6 = 41/6 = 6.83 La l nea de regresin (m cuadrados): y = a + bx se determina por o n. xy ny x SSxy = ; = SSxx x2 n2 x = y x. Para nuestro ejemplo, esto se convierte en
12.2. CUADRICAS 15.09 145 6(3.17)(6.83) = = 2.24 2 67 6(3.17) 6.71 a = y b x b=
293
a = 6.83 (2.24)(3.17) = 6.83 7.10 = 0.27 y = 0.27 + 2.24x
As la l , nea de regresin de m o nimos cuadrados es
Comparamos esta respuesta con la que hab amos sacado visualmente: Comparando las dos ecuaciones, la sacada por clculo grco y la sacada por frmua a o las, vemos que hay concordancia y por tanto podemos conar en que hemos hecho bien las cosas. Observemos que nosotros podemos hallar la l nea de regresin para datos que se o ajustan a cualquier modelo, digamos a una parbola. Por lo tanto, la l a nea de regresin o de por s no signica mucho. Lo que falta por hacer es demostrar que dicha l nea es un buen modelo y que compite con otros. Por otra parte, no hay l mite ni a la variabilidad ni a la complejidad de los modelos estudiados. Tenemos much sima experiencia con este tipo de problemas y es parte de la estad stica (Jobson, 1991). y = 0.66 + 2.33x
609. Ejercicio Halle la l nea de regresin de m o nimos cuadrados que mejor se ajusta al conjunto de puntos dados por {(0, 10), (2, 9), (3, 7), (4, 4), (3, 4)}
12.2.
Cudricas a
En esta seccin estudiamos un tipo especial de guras tridimensionales que repreo sentan generalizaciones a la parbola, la elipse, la hiprbola, etc. a e
610. Ejemplo cuales es y 2 + z 2 = 1.
Una de las guras 3D ms simples es el cilindro, un ejemplo de los a
En dos dimensiones, esta ecuacin representa un c o rculo, pero en tres dimensiones no hay restriccin alguna a la variable x, la cual puede asumir cualquier valor. Por o tanto, y 2 + z 2 = 1 representa un cilindro cuyo eje es el eje X.
294
Z 1 1 Y
1 X
Figura 12.3. El cilindro y 2 + z 2 = 1. 611. Ejemplo El hiperboloide de un manto.
Consideremos ahora una expresin ms compleja: x2 + y 2 z 2 = 1. Podemos reo a conocer que gura es con una simple manipulacin: x2 + y 2 = z 2 + 1. De esa forma, o nos damos cuenta de que tenemos un c rculo en el plano XY cuyo radio se relaciona con el valor de z: mientras ms grande sea z, el radio del c a rculo es ms grande, es a decir, a medida que subimos el plano XY , la interseccin con ste es un c o e rculo cada 2 2 2 vez ms grande. Ocialmente se dice: la traza de x + y = z + 1 con z = constante, a es un c rculo que es funcin creciente y par de z. Adems, para poder apreciar mejor o a la silueta de esta gura, jamos y = 0, y nos queda una hiprbole: x2 = z 2 + 1. Por e tanto, podemos hablar de una gura que se llama hiperboloide de un manto:
z=2 z=1 z = 1/2
Figura 12.4. Trazas horizontales del hiperboloide x2 + y 2 = z 2 + 1.
12.2. CUADRICAS
295
Si pegamos todos esos c rculos obtenemos una gura tridimensional, la cual puede visualizarse por medio de una espiral:
Figura 12.5. Una espiral trazadora sobre el hiperboloide x2 + y 2 = z 2 + 1.
612.
Ejemplo
La esfera.
Para visualizar la ecuacin x2 + y 2 + z 2 = 1, podemos reconocer que o 2 2 2 x + y = 1 z representa un c rculo cuyo radio decrece con z, la cual debe cumplir z [1, 1].
z = 0,8 z = 0,5 z = 0,2
Figura 12.6. Bosquejo de una esfera.
296
Las trazas con z = k dan c rculos y al pegar todas esas curvas se obtiene una esfera, en este caso de radio 1.
Figura 12.7. La esfera.
613.
Ejemplo
Hiperboloide con dos mantos.
Ahora presentamos un estudio de x2 + y 2 z 2 = 1, que nos da una gura que se conoce como hiperboloide de dos mantos. Se llama hiperboloide porque si damos a x el valor de cero o si le damos a y el mismo valor, nos queda una hiprbola. Por lo que e la silueta de esta gura es una hiprbola vista desde dos ngulos diferentes. Podemos e a reorganizar para ver otra gura sencilla: x2 + y 2 = z 2 1 es la ecuacin de un c o rculo 2 cuando z 1 > 0. Por lo tanto, en 1 < z < 1 no hay gura. Para valores de z > 1, tenemos un c rculo cuyo radio crece con z. No hay que hacer el estudio de z < 1 pues la gura permanece lo mismo si intercambiamos z por z, es decir, la gura es simtrica con respecto al plano XY . Por esa razn, la gura tiene dos partes, se dice e o dos mantos, una arriba del plano XY y otra simtrica, abajo de l. Adems, la gura e e a es invariante si intercambiamos x por y. Eso quiere decir que no se puede distinguir la direccin x de la de y. o
12.2. CUADRICAS
297
Figura 12.8. El hiperboloide de dos hojas x2 + y 2 = z 2 1.
614. Ejercicio Bosqueje las guras: a) x2 + y 2 + z 2 = 9 b) x2 + y 2 4z 2 = 0 c) 4x2 y 2 4z 2 = 1 d) x2 + 9y 2 4z 2 = 1 e) x2 + y 2 /9 4z 2 = 1 f) Observe que la mayor de guras pertenece a la misma clase. Es eso una coincia dencia o un hecho?
298
Pasemos ahora a explorar el poder del lgebra lineal. Nuestra tarea primaria es a demostrar que no nos falta ninguna gura, lo cual quiere decir que hemos estado trabajando con ecuaciones polinmicas de segundo grado y si aadimos una ecuacin del o n o tipo 13x2 10xy + 13y 2 = 72, que no hemos visto, nada ganaremos. En general, todas las complicaciones posibles son ligeras modicaciones de lo ya visto.
615. Denicin. Una k-cudrica es una ecuacin polinmica de segundo grado o a o o 2 2 en k variables. Por ejemplo, 13x 10xy + 13y = 72 es una 2-cudrica, mientras que a 13x2 10xy + 13y 2 72z 2 = 1 es una 3-cudrica. a 616. Ejemplo Veamos de qu manera un simple cambio de base puede ser usado e para reescribir una expresin complicada en otra o forma cuya interpretacin es inmeo 2 2 2 diata. Consideremos la cudrica x + 2y + 3z + 2 2yz = 1. La matriz asociada a ella a es: 1 0 0 B 2 DB = 0 2 2 3 0
Esta matriz es simtrica con valores propios 1, 4, 1. El valor propio 4 tiene como e espacio propio el generado por (0, 2, 2). El valor propio 1 tiene un espacio propio de 2 dimensiones, generado por una base con 2 elementos. Escogemos una base para este sub-EV tal que su unin con (0, 2, 2) sea una base ortogonal: o 1 6 0 2 C= 2 2 2 2 2 Esta base da origen a una ortonormal 0 1/7 6/42 B = 1/3 7 2/ 2/42 2/ 7 2/ 42 2/ 6
cuya transpuesta coincide con su inversa. La matriz diagonal asociada a esa cudrica a es, por tanto, D = D(4, 1, 1). Eso implica que desde la base B la cudrica se vea como a 2 2 2 4u1 + u2 + u3 = 1, la cual es un elipsoide, cuyos anchos principales son en la 1/2 direccin (0, 2, 2), 1 en la direccin (1, 2, 2), y 1 en la direccin (6, 2, 2). o o o Obsrvese que pudimos escoger nuestra base en el sub-EV de dos dimensiones e a capricho, y eso se debe a que en este caso una seccin transversal es un c o rculo. Si permanecemos en el plano que contiene el c rculo, podemos cambiar de una base ortonormal a otra, pero la ecuacin del c o rculo permanecer invariable. Eso explica a nuestra libertad. 617. Ejercicio Estudie las siguientes cudricas. Encuentre los valores propios, los a vectores propios correspondientes, la base propia ortonormalizada, la forma diagonal, y nalmente haga un dibujo. Las cudricas son: a
12.2. CUADRICAS a) 4x2 /3 + 4y 2 /3 + 4z 2 /3 + 2xy/3 2xz/3 2yz/3 = 1 b) x2 /3 + 4y 2 /3 + z 2 /3 + 2xy/3 8xz/3 2yz/3 = 1 c) x2 /3 + y 2 /3 + z 2 /3 4xy/3 + 4xz/3 + 4yz/3 = 1 d) 4x2 /3 7y 2 /3 4z 2 /3 + 10xy/3 4xz/3 10yz/3 = 1 e) 2x2 /3 + y 2 /3 2z 2 /3 4xy/3 2xz/3 + 4yz/3 = 1.
299
o 618. Ejercicio: al derecho y al revs. Aplique la magnicacin propuesta a la e cudrica dada y recobre la original por una transformacin inversa: a o a) D(1, 2, 3), x2 + y 2 + z 2 = 1 b) D(1, 2, 3), x2 + y 2 + z 2 = 1 c) D(1, 1/2, 1/3), x2 y 2 + z 2 = 1 d) D(1, 0, 3), x2 + y 2 /4 + z 2 /9 = 1 e) D(1, 1/2, 3), x2 y 2 z 2 = 1. Hemos estado trabajando en la construccin de guras que estn centradas en el o a origen, y que pueden ser rotadas y agrandadas o achicadas. Consideremos ahora una nueva variante: 619. Ejercicio Revise la seccin de traslaciones al principio del curso y use la o teor correspondiente para trasladar las cudricas dadas al punto dado: a a a) x2 + 3xz z 2 = 1; (1, 2, 3) b) x2 y 2 + 3xy + 4z 2 = 1; (1, 2, 3) c) x2 y 2 + 5xy 5xz3z 2 = 1; (4, 2, 3) d) x2 y 2 + 3xy 9z 2 = 1; (1, 5, 3) e) x2 y 2 3xy 5xz + z 2 = 1; (1, 2, 7). Ahora enfrentemos el problema inverso: dada una cudrica con trminos de primer a e grado, encontremos una traslacin que la reduzca a una cudrica ordinaria centrada o a fuera del origen. 620. Ejemplo Encontremos la traslacin asociada a la cudrica o a
300
s2 11s + 3su u2 + 3u = 0 En este caso, la traslacin asume la siguiente forma: s = x a, u = z b. Por lo o que la cudrica se convierte en a (x a)2 11(x a) + 3(x a)(z b) (z b)2 + 3(z b) = 0 Nuestro objetivo es cancelar los trminos de la forma cx o kz, los cuales son distine tivos de las traslaciones. Por lo tanto, desarrollamos nuestra expresin: o x2 + 3xz z 2 + (2a 11 3b)x + (3a + 2b + 3)z + a2 + 11a + 3ab b2 3b = 0 por lo tanto: 2a 11 3b = 0 3a + 2b + 3 = 0 de lo cual encontramos que a = 1 y b = 3 y por tanto a2 + 11a + 3ab b2 3b = 1 Obtenemos x2 + 3xz z 2 + 0x + 0z 1 = 0 o x2 + 3xz z 2 = 1 la cual es una cudrica que ha sido rotada y cuyo estudio ya sabemos hacer. Tenemos a un cilindro en el plano XZ, que es generado por una hiprbola. e a 621. Ejercicio Las siguientes expresiones representan cudricas que han sido trasladadas desde el origen al punto dado P . Encuentre la traslacin y reescriba la cudrica o a como vista desde los ejes trasladados, desde la cual se ve como una cudrica ordinaria: a a) x2 + 5xz z 2 12x + 9z = 18 b) x2 y 2 + +4z 2 + 9y = 1 c) x2 y 2 + 3z 2 16z = 1 d) x2 y 2 + 3xy 9z 2 9z = 1 e) x2 y 2 3xy 5xz + z 2 + 4x = 1
12.3.
Ejes principales
Los ejes principales tienen una v vida intepretacin en la dinmica de cuerpos r o a gidos. No hay que pensar que eso es complicado. Veamos cmo es eso de entendible y de o bonito. Un cuerpo r gido es aquel que no se deforma al irse moviendo sea libremente o bajo el inujo de fuerzas externas. No existen cuerpos verdaderamente r gidos, pero s existen cuerpos aproximadamente r gidos para los cuales se aplica la teor a. El movimiento de un cuerpo r gido, como un avin de combate de geometr ja, se o a describe en cada instante por el movimiento de su centro de masa y por una rotacin o
12.3. EJES PRINCIPALES
301
alrededor de un eje. Al siguiente instante, el centro de masa puede trasladarse y el eje de rotacin puede cambiar. o Si una part cula puntual se mueve horizontalmente, hay dos cantidades que se conservan en ausencia de fuerzas externas, el momento lineal, que es un vector, y la energ a cintica que es un escalar. El momento es p = mv y la energ cintica es K = (1/2)mv 2 . e a e Similarmente, si un cuerpo est rotando, aunque su centro masa no se traslade, sus a part culas se estn moviendo y, por lo tanto, debe haber algn tipo de indicadores, a u que muestren que rotar despacio es muy diferente de rotar rpido, como lo saben muy a bien los karatecas que golpean con la pierna en rotacin o los tenistas de mesa que o muequean al golpear la bola. Y por otro lado, hacer girar una puerta despacio es n ms fcil que hacerlo rpido y, tambin, el esfuerzo necesario parece ser ms grande a a a e a mientras ms cerca se est del eje de rotacin de la puerta. a e o Los estudios han indicado que la dinmica de la rotacin de cuerpos r a o gidos se describe con dos indicadores fundamentales: el momento angular y el torque. El primero es un vector que va paralelo al eje de rotacin y de magnitud proporcional a la velocidad o angular, y el segundo relaciona la fuerza y el brazo o distancia perpendicular al eje de giro. Formalmente, el vector de momento angular, J se dene como J = Mn rn vn , donde Mn es la masa de la part cula n, rn es su distancia al eje de rotacin y vn es o su velocidad. En particular, para un anillo, como una rueda de bicicleta de masa total M , de radio R y que gira con respecto a su eje con velocidad angular , se tiene que el momento angular es J = M R2 . La velocidad angular es un vector perpendicular al anillo, lo mismo que J. La cantidad I = M R2 es una constante llamada el momento de inercia, por lo que J = I Eso implica que en un anillo, el momento angular y la velocidad angular son paralelas. Por otra parte, el torque N es N = rn Fn . Entonces tenemos la ley fundamental que dice que si hay una fuerza que produzca un torque, entonces o cambia la direccin o del eje de giro o cambia la velocidad angular o cambian ambos: dJ/dt = N . Si no hay fuerza externa, el torque es cero y el momento angular se conserva. Eso es lo que permite que el que va en la bicicleta adquiera una cierta velocidad y no se caiga sin necesidad de pedalear. Esto tambin permite que la nia que gira sobre sus e n patines lo haga cada vez ms rpido a medida que recoge los brazos. a a En general, para cuerpos que son ms complicados que los anillos, la relacin entre a o las componentes del vector del momento angular J = (Jx , Jy , Jz ) y las de la velocidad angular = (x , y , z ) se da por J = [I]
302 pero ahora [I] ya est dado por a Ixx Ixy Iyx Iyy [I] = Izx Izy
CAP ITULO 12. APLICACIONES no es un escalar sino una matriz, llamada tensor de inercia y Ixz Iyz Izz
donde I es simtrico. e
En componentes, la ecuacin J = [I] se puede escribir como o Jx = Ixx x + Ixy y + Ixz z Jy = Iyx x + Iyy y + Iyz z Jz = Izx x + Izy y + Izz z Lo que esta ecuacin quier decir es que, en general, la velocidad angular y el moo mento angular no son paralelos, como en un anillo. Por otro lado, la energ cintica K asociada a la rotacin se escribe como a e o
2 2 2 K = 1 (x Ixx + y Iyy + z Izz + 2x y Ixy + 2y z Iyz + 2z x Izx ) 2
donde cada uno de los trminos de la forma I es una integral que involucra la e distribucin de masa con su distancia al eje de rotacin. La expresin anterior tambin o o o e puede escribirse como K = []T [I][] Vemos que para K = constante, se tiene una forma cuadrtica simtrica con coea e cientes reales, por lo que puede diagonalizarse en reales. Adems, todos los coecientes a son positivos, y por lo tanto, la forma cuadrtica representa un elipsoide. Los vectores a propios de [I] son paralelos a los ejes del elipsoide, los cuales se llaman ejes principales. Ahora bien, la energ cintica no puede depender de los ejes de referencia. Por eso a e tomamos la base que ms simplique las cosas: aquella dada por los ejes principales. a Si llamamos a los valores propios como I1 , I2 , I3 , se tiene entonces que
1 2 2 2 K = 2 (I1 1 + I2 2 + I3 3 )
Sobre la misma base, el vector de momento angular se escribe como J1 = I1 1 J2 = I2 2 J3 = I3 3 lo cual permite escribir la energ cintica como a e K=
1 J2 2I1 1
1 J2 2I2 2
1 J2 2I3 3
En el siguiente teorema tenemos un resultado que amerita el nombre de ejes principales que se ha dado a los ejes propios del momento de inercia.
12.3. EJES PRINCIPALES
303
622. Teorema. Cuando el cuerpo gira alrededor de un eje principal, J es paralelo a . Demostracin. Un eje principal est denido por la ecuacin o a o [I]u = u. Se tiene que, si el cuerpo gira con respecto a un eje principal, entonces y dicho eje son paralelos. Eso implica que [I] = . Eso quiere decir que si el cuerpo gira con respecto a un eje principal, el tensor de inercia se percibe como un escalar y por tanto, J = [I] se convierte en J = . es decir, el momento angular y la velocidad angular son paralelas. Pero, cul es el misterio de que y J sean o no paralelos? La razn es que desde el a o punto de vista del sistema de referencia determinado por los ejes principales, se tiene que
dJ dt
+ J = N.
Por lo que aunque no haya fuerza exterior que cree un torque, la discrepancia entre la velocidad angular y el momento angular hace las veces de torque. Es el caso del trompo: como no es totalmente simtrico como una esfera, el tensor e de inercia no es reemplazable por un escalar y por tal razn, habr un ngulo entre o a a la velocidad angular y el momento angular. Cul es el efecto? Que mientras que el a trompo gira anclado en un mismo punto del piso, su eje de rotacin va dando la vuelta. o A eso se llama precesin. o Es posible que a uno se le ocurra pensar que todos estos temas ya han sido sobreestudiados y que no hay nada nuevo que decir. Pues no, ese no es el caso. Citemos varios ejemplos: Debido a que la Tierra no es una esfera perfecta, toda la teor se le aplica y resulta a que las observaciones cuadran bien, pero no perfectamente con la teor Y nadie sabe a. por qu. De forma similar, creemos que el calentamiento global est modulado por la e a forma como se mezclan las aguas profundas de los ocanos, cuyos movimientos estn e a inuenciados por la rotacin de la Tierra. Pero de eso es poco lo que se sabe, es un tema o abierto. Para acabar de completar, el campo magntico de la Tierra y su rotacin deben e o admitir alguna conexin, cuya forma exacta es tema de estudios avanzados (Kittel y o otros, 1965).
304
12.4.
Mximos y m a nimos
Hemos venido aprendiendo cmo se asocian matrices simtricas a algunas cudricas. o e a Esa asociacin puede extenderse a las cudricas derivadas de los mximos y m o a a nimos de funciones reales. La idea fundamental es fcilmente comprensible para funciones a f : R R, cuya grca es una curva suave. Un punto de la curva se llama cr a tico si la l nea tangente en ese punto es horizontal. Un punto cr tico puede ser m nimo o mximo o punto de inexin. a o Hay varias tecnolog para dilucidar la naturaleza de un punto cr as tico. Una de ellas es el polinomio de Taylor, el cual sirve para asociar a un punto cr tico de una funcin la o 2 parbola tangente, algo de la forma y = a(x b) + c. Si la parbola abre hacia arriba, a a cuando a > 0, tenemos un m nimo. Si la parbola abre hacia abajo, cuando a < 0, a tenemos un mximo local. Si la parbola es degenerada y es realmente una l a a nea, uno no sabe qu hacer, pues todo puede darse. e Desarrollemos la teor correspondiente para funciones con dos variables, del tipo a 2 f : R R. En este caso un punto cr tico es aquel cuyo plano tangente es horizontal. En vez de la parbola tangente, ahora tenemos el paraboloide tangente, el cual es una a gura tridimensional cuyas secciones con ciertos planos son parbolas. Los tres tipos a fundamentales de paraboloides son los siguientes: 1. Un minimoide: z = ax2 + by 2 con a > 0 y b > 0. Por ejemplo, z = x2 + y 2 . Observemos que para valores constantes y positivos de z, la gura describe un c rculo, cuyo tamao crece a medida que crece z. Por lo que un minimoide es media cscara de n a huevo que abre hacia arriba: en el punto cr tico tenemos un m nimo.
Figura 12.9. Minimoide z = x2 + y 2 . Lo mismo para con z = 4x2 + 9y 2 . Las secciones horizontales son elipses, que son deformaciones de un c rculo. Una elipse tiene un c rculo promedio, que en este caso es una funcin montona de z: mientras ms grande z, ms grande es la elipse. Cuando o o a a
12.4. MAXIMOS Y M INIMOS
305
z = 0, la elipse se reduce a un punto. Como podemos ver, el paraboloide abre hacia arriba. Si se trata de un paraboloide tangente a un punto cr tico, estar amos en el caso de un m nimo. 2. Un maximoide: z = ax2 + by 2 con a < 0 y b < 0. Por ejemplo, z = (4x2 + 9y 2 ) = 4x2 9y 2 . Este es un minimoide patas arriba: tenemos un mximo, en el punto cr a tico. 3. Una silla: z = ax2 + by 2 con a > 0 y b < 0 o a < 0 y b > 0. Por ejemplo, z = x2 + y 2 o z = 4x2 9y 2 . Analicemos el caso ms simple: z = x2 + y 2 . Para a y = 0 tenemos una parbola en x que abre hacia abajo. Si leemos la ecuacin como a o 2 2 z = y x , para x jo, tenemos una parbola en y que est bajo el plano z = 0 la a a cantidad x2 . Mientras ms distante est x del origen, ms abajo estar el m a e a a nimo de la parbola. Por lo que una silla se determina por dos parbolas. Una silla se ve maximoide a a desde en lado y minimoide desde el otro. Una silla tiene la estructura adecuada para que el vaquero se siente extendiendo sus piernas a lo largo del mximo mientras su a cuerpo adquiere estabilidad por el m nimo traversal.
Figura 12.10. La silla z = x2 + y 2 . La direccin X sale desde la pgina. o a
306
y x
Figura 12.11. El paraboloide degenerado z = y 2 . Hay adems unos casos patgenos que es bueno saber: a o a) Un m nimo o mximo degenerado: sucede cuando el paraboloide tangente no a tiene las 3 variables, como z = y 2 . En este caso, tenemos que el m nimo queda no en un punto sino en una l nea. b) Un extremoide defraudado. Eso pasa cuando el paraboloide tangente a la gura en un punto cr tico es un plano, el cual no sirve para dilucidar la naturaleza del punto. En efecto: puede verse que el paraboloide tangente a la gura z = 4x4 + 9y 4 en (0, 0) es un plano, z = 0. Sin embargo, la gura tiene un m nimo. Similarmente, 4 4 el paraboloide tangente a z = 4x 9y tambin es z = 0 y sin embargo la gura e tiene un mximo. Tambin pasa lo mismo con la silla z = 4x4 + 9y 4 . Vemos, pues, a e que el paraboloide tangente que termina siendo un plano no tiene ningn mrito para u e descifrar la naturaleza de un punto cr tico. 623. Ejemplos Los siguientes paraboloides son tangentes en (0, 0) a ciertas funciones, en donde ellas tienen un punto cr tico. Decidamos la naturaleza del punto cr tico, si se trata de mximo, m a nimo o silla: a) z = x2 /4 y 2 /9, una silla. b) z = x2 /16 y 2 /25, una silla. c) z = 3x2 y 2 /9, una silla. d) z = 4x2 y 2 /16, un mximo. a e) z = x2 /4 + 7y 2 , un m nimo. f) z = x2 /9 y 2 /4, una silla. g) z = x2 /9 3y 2 , un mximo. a h) z = 5, no se sabe.
12.4. MAXIMOS Y M INIMOS
307
624. Ejercicio Los siguientes paraboloides son tangentes en (0, 0) a ciertas funciones, en donde ellas tienen un punto cr tico. Decida, si es posible, la naturaleza del punto cr tico: a) z = x2 /4 y 2 /9 b) z = x2 /16 y 2 /25 c) z = 3x2 + y 2 /9 d) z = 4x2 + y 2 /16 e) z = 2x2 /4 7y 2 f) z = x2 /9 + y 2 /4 g) z = x2 /9 3y 2 h) z = 7 i) z = +7 Observemos que en esta muestra de puntos cr ticos, la mayor son sillas. Es eso a una coincidencia o qu? e tico es estable cuando es un m nimo o 625. Ejercicio Decimos que un punto cr mximo. Si se trata de una silla, decimos que es inestable. Pruebe que cuando una a cudrica depende de n variables, la probabilidad de que el sistema sea estable en un puna to cr tico es 2/2n = 1/2n1 . Esto parece implicar que cuando muchas variables afectan un sistema, la probabilidad de inestabilidad es muy alta. Cmo se ataca este problema o en la industria? En las empresas? En las sociedades? Ser la tendencia a la inestaa bilidad una razn por la cual en la mayor de culturas se apela a dioses y ageros para o a u remediar la incapacidad de conservar la estabilidad o el desarrollo sostenible? 626. Ejemplo Supongamos que el paraboloide tangente a cierta gura en un punto cr tico es z = x2 + y 2 4xy. Tenemos aqu un mximo o un m a nimo o qu? Este es e un problema de diagonalizacin. La gura es un paraboloide rotado sobre el plano XY. o El paraboloide est descrito por a z= x y 1 2 2 1 x y
Los valores propios de la matriz asociada son 3 y 1. Esto signica que hay una base ortonormal que genera las coordenadas (u, v), desde la cual la gura se ve como: z= u v 3 0 0 1 u v = 3u2 v 2 ,
la cual es una silla. Por lo tanto, el punto cr tico se clasica como silla.
308
627. Ejercicio Reescriba los siguientes paraboloides en una base diagonalizante y decida su naturaleza: a) z = x2 /4 y 2 /9 + 4xy b) z = x2 /16 y 2 /25 + 7xy c) z = 3x2 + y 2 /9 2xy d) z = 4x2 + y 2 /16 + xy/5 e) z = 2x2 /4 7y 2 7xy f) z = x2 /9 + y 2 /4 + 8xy g) z = x2 /9 3y 2 xy
628. Ejercicio Pruebe que z = p(x, y), donde p es un polinomio de segundo grado, dene un punto cr tico estable si el determinante de la matriz asociada es positivo. Qu pasa en otras dimensiones? e
12.5.
Sistemas dinmicos lineales a
Un sistema dinmico es un sistema que cambia con el tiempo. Algunos sistemas a se estudian ms fcilmente si se modela el tiempo como una variable continua. De a a toda maneras, los computadores han impuesto la necesidad de modelar el tiempo como variable discreta. Una descripcin cruda de un sistema dinmico producir una lista o a a de los estados ocupados por el sistema en tiempos sucesivos (discretos). Ser posible a inferir el estado de un sistema en un futuro, si se conoce una condicin inicial? Eso es o perfectamente posible si sabemos cmo inferir Et+1 , el estado del sistema en el tiempo o t + 1, sabiendo el estado Et del sistema en el tiempo t. La inferencia se hace por un operador, el operador de evolucin, Ot , que dictamina la evolucin del sistema: o o Et+1 = Ot (Et ) Un sistema es lineal cuando Ot es una matriz. En ese caso, uno puede saber el estado en un tiempo lejano por medio de iteraciones del operador de evolucin: o Et+k = M (...(M (Et ))) = M k (Et ) El problema es que multiplicar matrices es algo tedioso, por lo que uno puede ayudarse de los computadores. Pero veamos qu da de s el proceso de diagonalizacin. e o n Veamos cmo se calcula F para una matriz F que puede ser diagonalizada. o Si la matriz F puede ser diagonalizada, entonces puede ser escrita como el producto de 3 matrices: F = P DP 1 donde D es una matriz diagonal. Elevando a la potencia n a ambos lados: F n = (P DP 1 )n = (P DP 1 )(P DP 1 )...(P DP 1 )(P DP 1 ) = P D(P 1 P )D(P 1 ...P )D(P 1 P )DP 1 )
12.5. SISTEMAS DINAMICOS LINEALES
309
= P D(I)D(I...I)D(I)DP 1 ) = P DD...DDP 1 = P Dn P 1 Por tanto, el problema de iterar una matriz diagonalizable se convierte en el problema de iterar una matriz diagonal. 629. Teorema. Dn de una matriz diagonal D es la matriz diagonal que en su diagonal pone la potencia n de cada uno de sus elementos. 630. Ejemplo Si la matriz diagonal: 3 0 0 D= 0 5 0 0 0 7 38 0 0 D8 = 0 58 0 0 0 78 631. Investigacin Demuestre el teorema anterior en su forma general usando el o principio llamado Induccin matemtica. o a Vamos a discutir ahora un requisito para ser diagonalizable. 632. Teorema. Sea M una matriz diagonalizable que tenga al menos un valor propio no nulo. Entonces M n es diferente de la matriz cero para cualquier n nito. Demostracin. Puesto que M es diagonalizable se puede escribir como M = P DP 1 o donde D es una matriz diagonal y P es una matriz de cambio de base. Por lo que M n = P Dn P 1 . Como Dn tiene en su diagonal los valores propios a la potencia n, y al menos uno de ellos no es cero, entonces Dn nunca ser la matriz cero por lo que M n a tampoco. Este teorema signica que si una matriz A es tal que existe un natural n tal que An es la matriz cero, entonces A no puede ser diagonalizable ni en reales ni en complejos. o 633. Ejemplo y denicin Sea la T L T : R2 R2 tal que T (i) = j, T (j) = 0, entonces la matriz de T 2 es la matriz cero. En efecto, T (T (i)) = T (j) = 0 en tanto que T (T (j)) = T (0) = 0. Como T 2 manda una base sobre cero, manda a todo el mundo sobre cero y de esa forma es idnticamente cero. La matriz de T en la base natural es e T = 0 0 1 0
Entonces
la cual cumple T 2 = 0. Una matriz M tal que M n = 0 para algn n se llama nilpou tente. Las matrices nilpotentes no son diagonalizables ni en reales ni en complejos.
310
634. Ejemplo y deniciones Tratemos de diagonalizar la matriz T del ejemplo anterior para ver qu aprendemos: e T = Tenemos que T I = 0 1 0 0 1 0
tiene como determinante 2 = 0, por lo que tiene un unico valor propio, el cual es 0. Para hallar un vector propio asociado a dicho valor procedemos: 0 0 1 0 x y = 0 0
La primera ecuacin no da nada y de la segunda obtenemos x = 0 por lo que y o puede tomar cualquier valor, digamos 1. Por tanto, al valor propio 0 le corresponde el vector propio (0, 1). El problema es que nos falta otro vector propio para completar una base, puesto que T tiene un unico valor propio de multiplicidad algebraica 2 pues se repite dos veces. Tambin se usa el trmino multiplicidad geomtrica de un valor propio para e e e denotar la dimensin del espacio propio asociado a un valor propio. En nuestro ejemplo, o el valor propio 0 tiene multiplicidad geomtrica 1, pero multiplicidad algebraica 2, por e lo que origina un dcit de vectores propios. Y por eso no es diagonalizable. e Ahora bien, el hecho de que una matriz tenga valores propios repetidos no es ningn u obstculo para que ella sea diagonalizable. Por ejemplo, la matriz identidad es diagonal a y es diagonalizable y tiene un unico valor propio 1 con multiplicidad algebraica n, la dimensin del espacio, y ese unico valor propio tiene multiplicidad geomtrica n: no o e hay dcit de valores propios para fabricar una base. e Nuestra conclusin es entonces: o 635. Teorema. Una matriz que denota una T L T : Rn Rn es diagonalizable ssi hay sucientes vectores propios para construir una base de Rn . Eso es equivalente a decir que la multiplicidad algebraica de cada valor propio es igual a su multiplicidad geomtrica. O que la suma de las dimensiones de todos los espacios propios es igual a e la dimensin del espacio. o 636. Ejercicio Decimos que un sistema es un sistema dinmico discreto cuando a el nmero de estados que puede ocupar es discreto y cuya transicin puede modelarse u o por una matriz. Pruebe que si un sistema es lineal con operador de evolucin una matriz o constante M , y si tiene un slo estado de equilibrio, entonces tender rpidamente a o a a l desde cualquier condicin inicial. Un sistema dinmico puede tener valores propios e o a complejos, los cuales generan oscilaciones. Para verlo, recuerde que las potencias de i son: i = 1, i2 = 1, i3 = i, i4 = 1, i5 = i, i6 = 1, etc., en ritmo peridico. o
12.5. SISTEMAS DINAMICOS LINEALES
311
637. Ejercicio Estudie la conducta del sistema dinmico cuya condicin inicial y a o operador de evolucin son: o a) b) c) 20 10 10 20 20 20 1 2 3 2 3 2 4 3 2 3 1 4
La teor de sistemas dinmicos discretos se ha beneciado mucho de la preguna a ta siguiente: las matrices nilpotentes parecen ser un obstculo a la diagonalizacin, a o qu pasa si a una matriz no diagonalizable le quitamos su parte nilpotente, si la e tiene? Esa pregunta fue respondida por el el siguiente teorema. 638. Teorema de descomposicin de Jordan-Chevalley. Excepto por un o cambio de base, toda matriz invertible puede descomponerse como la suma de una matriz diagonal ms una matriz nilpotente. Es decir, si A es una matriz invertible, entonces a puede descomponerse como A = M (D + N )M 1 donde M es una matriz de cambio de base, D es una matriz diagonal y N es una matriz nilpotente cuyas unicas entradas no nulas estn encima de la diagonal y son unos. a Demostracin: investigacin (Lang, 2002). o o 639. 1 1 . Si A es la matriz de transicin de o 0 1 un sistema dinmico que toma los estados del presente y los lleva a la siguiente unidad a de tiempo, lo que nos interesa es poder calcular los estados en cualquier momento futuro. Para ello hay que hallar las potencias de A. Por ejemplo, hallemos A2000 . Ejemplo y ejercicio Sea A =
Solucin: La matriz A es invertible pero no es diagonalizable (ejercicio), pero puede o descomponerse como la suma de una matriz diagonal ms una nilpotente que tiene unos a encima de la diagonal: 1 1 1 0 0 1 A= = + . 0 1 0 1 0 0 0 1 , cuyo cuadrado da la matriz de ceros: Vemos que A = I + N donde N = 0 0 N 2 = 0. Ahora recordamos el desarrollo del binomio: n(n 1) n2 2 a b + ... + bn (a + b)n = an + nan1 b + 2 y lo aplicamnos sobre la descomposicin de A: o A2000 = (I + N )2000 = I2000 + 2000I1999 N 1 +
n(n1) 1998 2 I N 2
+ ... + N 2000
Como la matriz N es tal que su cuadrado y todas las potencias superiores son cero, nos quedamos con:
312
A2000 = (I + N )2000 = I + 2000N Reemplazando obtenemos: A2000 = 1 0 0 1 + 2000 0 1 0 0 = 1 2000 0 1 .
640. Fuerte advertencia. Nosotros utilizamos el desarrollo del binomio que todos conocemos que es vlido para nmeros. Podemos aplicarlo a matrices? Podemos, pero a u con una condicin: que las matrices conmuten, es decir, que para matrices A y B, se o cumpla que AB = BA. Para matrices no conmutativas hay que tener ms cuidado. a 2 2 2 2 2 Por ejemplo: (A + B) = A + AB + BA + B que es igual a A + 2AB + B solamente cuando AB = BA. Una de las implicaciones de la no conmutatividad est en teor de part a a culas elementales: si la interaccin entre part o culas se representa por matrices conmutativas, los mediadores de la interaccin no tienen masa, como sucede con la interaccin eleco o tromagntica entre electrones, la cual es mediada por el fotn que no tiene masa y por e o consiguiente viaja a la velocidad de la luz. Pero no es as con la iteraccin fuerte entre o neutrones, los cuales tienen como mediadores a los mesones que tienen masa y que viajan a velocidades menores que las de la luz y cuyo rango de interaccin es slo a o o muy cortas distancias (Nash y Sen, 1983). 1 1 0 641. Ejercicio Halle A2000 si A = 0 1 1 . Ayuda: descomponga a A como 0 0 1 una diagonal D ms una nilpotente N y calcule N 3 . Luego aplique a (D + N )2000 el a desarrollo del binomio.
12.6.
1. Graque la cnica 8x2 4xy + 5y 2 2x + y = 1. o 2. Efecte una rotacin de ejes para identicar la cnica: 5x2 + 4xy + 2y 2 + 24 = 0. u o o Determine la matriz Q ortogonal que diagonaliza la matriz A asociada a la forma cuadrtica y escriba la ecuacin de la cnica en el nuevo sistema de ejes. Trace a o o su grca. a
12.7.
Resumen
Las aplicaciones del lgebra lineal no tienen l a mite ni en cuanto a cantidad ni en cuanto a variabilidad. Hemos pasado revista a algunas aplicaciones ms bien fciles de a a captar y que al mismo tiempo arrojan cierta luz sobre problemas muy complicados.
313
12.8.
Gran taller de repaso
1. Conteste falso (F) o verdadero (V) segn sea el caso. Si la proposicin es verdadera u o d una argumentacin matemtica. Si es falsa, proporcione un ejemplo: e o a a) Cualesquiera dos vectores en R2 generan todo R2 . b) El producto punto de un vector consigo mismo da la magnitud del vector. c) Si v y w son vectores en Rn de la misma magnitud, entonces la magnitud del vector v w es cero.
d ) Si las matrices A y B son invertibles, entonces A + B es invertible.
e) Existen exactamente dos vectores perpendiculares a cualquier vector no nulo en Rn . f ) Si la imagen bajo una transformacin lineal T de un n-plp B en Rn tiene o 12 volumen 12, la n-plp B tiene volumen |A| . g) Toda matriz invertible es diagonalizable. h) Si |A| = 2 y |B| = 3, entonces |A + B| = 5. i ) Los vectores propios de una matriz A son los mismos que los de la matriz AT .
j ) El conjunto de puntos (x, y) en el plano para los cuales la matriz x y 1 a A = 1 2 1 es singular (que est sola, que no tiene inversa) des3 3 1 criben una recta con pendiente m = 1 . 2 k ) Si la proyeccin del vector b sobre el subespacio W es b mismo, entonces b o es ortogonal a todo vector en W . l ) Todo subespacio no trivial de Rn posee una base ortonormal. m) Toda matriz ortogonal tiene espacio nulo {0}.
B n) Si B y B son bases ortonormales, entonces la matriz de cambio de base IB es una matriz ortogonal.
n) La proyeccin de un vector b sobre el gen({a}) es un mltiplo escalar de b. o u o) Si los vectores b y c tienen la misma proyeccin sobre un subespacio W , o entonces b = c. p) Toda matriz ortogonal tiene espacio nulo {0}. q) Si A es simtrica y ortogonal, entonces A2 = I. e
B r ) Para toda escogencia de las bases B y B se tiene que (DetIB ) = 1. x 2. Sea H = y : x = t, y = t, z = 2t; t R : z
a) Halle H el complemento ortogonal de H en R3 .
314
CAP ITULO 12. APLICACIONES b) Encuentre una base ortonormal B de R3 . 1 1 1 R3 , y sea a = 2 R3 , halle c) Sea H =gen(b), donde b = 3 1 ProyH a. d ) Con referencia al inciso anterior, escriba el vector a como aH + aH .
3. Encuentre la transformacin lineal T : R3 R3 que reeja un vector v R3 sobre o el plano x y + z = 0. 2/7 3/ 3 . 4. Escriba la tercera columna de la matriz 3/7 2/ 13 . para que sea una 6/7 0 . matriz ortogonal. 5. Encontrar una matriz C invertible tal que 0 ortogonal de la matriz simtrica A = 1 e 1 D 1 2 1 = 1 AC es una diagonalizacin C o 1 1 . 0
6. Mostrar que toda matriz simtrica cuyos valores propios son 0 y 1 unicamente, e es la matriz de una proyeccin. Es decir, hay que mostrar que existe una base o B = {b1 , b2 } tal que la imagen de uno de ellos es 0 y la del otro es l mismo. e
7. Use el mtodo de los m e nimos cuadrados para encontrar la l nea recta que mejor aproxima los datos: (1, 1), (10, 8), (14, 12), (16, 20). 8. Encontrar la matriz de cambio de coordenadas de la base B a la base B , donde V = P3 , B = {x3 + x2 + 1, 2x3 x2 + x + 1, x3 x + 1, x2 + x + 1} y B = {x3 , x2 , x, }. 9. Sea T : W W donde W =gen({ex , xex }) y T es la transformacin derivada, o x x x x B = {e , xe } y B = {2xe , 3e }. Encontrar las matrices de representacin RB , o RB y la matriz C tal que RB = C 1 RB C.
CAP ITULO
13
RESPUESTAS
Cap tulo 1 14. x = 1, y = 1 17. a) x = 1, y = 1 b) x = 54/11, y = 19/11 c) x = 3, y = 2 18. 1.000 y 1.000. 23. a) . 3 4 . 5 . . 0 0 . 0 . . . 5 1 0 . 0 1 . 0 . . . . 0 0 . 1 Cap tulo 2 57. b) u + v = (9, 3) d) 4u + 2v = (4, 16) 2u + 3w = (2, 0) 3w + 5v = (29, 27) v = (7, 3), w = (2, 6), w = (2, 4) 60. a) (-6,30) b) (10, 24) c) (41, 3) 72 d. Cinco barcos pueden usarse como sigue: pngalos en las esquinas de un o pentgono regular, que debe ser lo suciena temente grande como para que los barcos puedan ocultarse unos de otros debido a
la curvatura de la Tierra. De esa forma, la curvatura de la Tierra puede medirse en cada punto y uno tambin podr saber si e a la Tierra es como una esfera o como un cilindro. 81. Nuestra prueba es vlida para nmeros a u naturales solamente. Es necesario extenderla a racionales y despus a reales. e 90. La norma cuadrado es (a, c) = a2 + + c2 b, 2 b2 92. 5, 13, 5, 34, 14, 14, 50 97. Los puntos sobre una esfera tienen una distancia igual al centro, y es igual al radio de la esfera. Por lo tanto, la ecuacin o de la esfera con centro en (a, b, c) y radio r es (x a)2 + (x b)2 + (x c)2 = r2 . 104. (u1 , u2 , u, ..., un ) (v1 , v2 , u, ..., vn ) = (u1 v1 + u2 v2 + un vn ) 106. a) 0, b) 0, c) 30 d) 1, e) 0 114. a) 180 = b) 90 = /2, , c) Arccos(30/ 1000), d) Arccos(1/3) e) 90 = /2 116. (3 26(5, 1) 121. Son paralelas. 141. a) y = (4/3)(x 2) + 3 b) y = 9(x 2) 4 c) y = (2/3)(x + 2) + 3 d) x = 1 e) y = 2 142. a) y = 2(x 2) + 3 b) y = 5(x 2) 4 c) y = 5(x + 2) + 3
315
316 d) y = 6(x 1) 3 e) y = 2 143. a) y = 2x + 1 b) y = 3x 1 c) x = 0 d) y = x 3 e) y = 8 144. a) y = (11/2)x 8 b) y = x 3 c) y = 2x + 4 d) y = 3 e) y = (1/4)x 2 155. a) y = 3x/2 + 5/2 b) y = 3x/2 + 31/2 c) y = 3x/2 + 5/2 d) y = 3x/2 + 12 e) y = 3x/2 + 15/2 163. a) 0.8) (1.6, 167. a) 2 b) 10/5 c) Dos puntos sobre una l nea: (0, 3) y (1, 0). Por lo tanto, el vector director es (1, 3). El segmento de (2, 3) a (0, 3) es (2, 6) cuya norma es 40. Proyectamos el vector (2, 6) sobre (1, 3) para obtener (8/5, 24/5), cuya norma es 640/25. Formamos un tringulo rectngulo y aplia a camos Pitgoras para encontrar la distana cia 3.79. 181. a + b se cruzan en (2, 1/3). c + e : son paralelas. a + d : las dos l neas son la misma: un grado de libertad. b + d se cruzan en (8, 5/3). 183. Racin diaria: 100/11.2 de papas o y 100/43.8 de pollo. 187. (1, 0, 0), (0, 1, 0), (1, 0, 0), (1, 0, 0), (0, 1, 0), (0, 0, 1). 191. a) x + 1) + 5(z + 3) = 0 b) 3x + 2(y + 2) + 7(z + 3) = 0 c) 6(x + 1) + 3(y + 4) + 8(z + 3) = 0 193. a) 3(x + 1) = 0 b) 2x + 16(y 1) 16(z 3) = 0 c) 4(x 1) 4(z 1) = 0 d) Los puntos pertenecen al eje X: hay demasiados planos y un grado de libertad.
CAP ITULO 13. RESPUESTAS 199. El cuento es ver dico: las vigas de la primera casa miden la ra cuadrada de z 2, 5, 8, 5. El techo es un plano: 4x 4y + 6z = 10. Las columnas de la casa segunda no generan un plano, el cual se determina con 3 puntos no colineales y no cuatro. 202. a) 36/ 21. 204 a) Encuentre la distancia entre x 2y + 4z = 6 y x 2y + 4z = 18 207. a) (1 t, 1 t, 4 4t) o (t, t, 4t) b) (1 + t, 2 2t, 2 2t) o (t, 2t, 2t) c) (2 2t, 3 3t, 1 + t) o (2t, 3t, t) 212. a) Director (1, 1, 1). Paramtricas: x = 1 + t, y = 2 + t, e z =3+t Simtricas: x 1 = y 2 = z 3 e b) Director (3, 3, 3). Paramtricas: x = 1 + 3t, y = 3t, e z = 2 3t Simtricas (x + 1)/3 = y/3 = (2 e z)/3 215. e) El segmento de (1, 4, 0) a (2, 7, 2) es (1, 3, 2), cuya norma es 57. La proyeccin de (2, 7, 2) o sobre (2, 3, 5) es (27/57)(2, 3, 5), cuya norma es 27/ 57. El teorema de Pitgoras a da la distancia del punto (1, 3, 2) a la l nea y es 6.65. 218. d) P = (0, 0, 2) est en el primer a plano, Q = (0, 0, 1/2) en el segundo. El segmento P Q = (0, 0, 5/2) se proyecta sobre el vector normal (2, 4, 2). La norma del vector resultante es la distancia, la cual es 5/ 24. 221. a) 14/14. 223. (6n, 2n, n). 224. (4n + 100, 2n + 50, n + 40) 225. (6, 2, 1), (1/20)(6, 2, 1) 228. a) D = k(3, 3, 3), k = 1/7; X = (1, 2, 3) + (1/7)(3, 3, 3); X(14) = (7, 8, 9). 230. a) Inconsistente: los tres planos tienen interseccin vac o a. b) La interseccin de los 3 planos es un o unico punto: (0, 9, 7/5) c) La interseccin de los 3 planos es una o l nea, como en las hojas de un libro. El
317 vector director de la l nea es (11,-7/10,1) y ella pasa por (1,-17/10,0). 231. b) Tenemos 2 l neas paralelas en R2 , y dos planos paralelos en R3 . Las dos l neas (y los dos planos) casi coinciden. Pero su interseccin es vac Pero en un o a. mundo donde predomine la incertidumbre, ellos parecer iguales. an 232. Tenemos u incgnitas restringidas o por i ecuaciones: nos quedamos con u i grados de libertad: u = i + f. 233. Tenemos 4 puntos, podemos tomar un polinomio de tercer grado, con 4 coecientes a determinar. De esa forma obtenemos un sistema 4 4. El polinomio es: 2075 155,5x + 4,25x2 + 0,11x3 . Cap tulo 3 240. a) 1, b)-1, c)-1, d) 1 279. f) Los vectores son coplanares. 274. LI: a, c, g, i, j. Los vectores representan especies diferentes. 287. Sub-EV : b, c. 305. 4; n + 1 320. a) Tres planos que se intersecan en un unico punto: (5/6, 1/3, 1/6). b) Un punto, (46/10, 12/5, 1) c) Tres planos que son como las hojas de un libro. Un grado de libertad. d) Todas las expresiones representan el mismo plano: hay dos grados de libertad. Cap tulo 5 e) 331. a) [T ] = 8 1 2 3 ABC = 18 25 100 27 351. Un sistema generado por una T L inyectiva puede carecer de soluciones, pero cuando la tiene, es unica. Si una T L es so bre, el sistema tiene solucin, pero la unicio dad no se garantiza. Una T L siempre env a el cero sobre cero, por lo que cero tiene una preimagen no nula, la T L es automticaa mente no 1-1. 355. ST = 16 1 17 55
Ni la multiplicacin de matrices, ni la o composicin de T L son conmutativas, esto o implica que el orden es importante. 357. Una entrada (i, j) del producto matricial AB es simplemente el producto punto entre la la i de A y la columna j de B. 360. a) AB = b) BA = c) CA = d) CB = 8 28 1 8 29 13 11 0 22 11 16 14 4 4 1 32
T (x, y) = (8x y, 2x + 3y) T : R2 R2 332. a) T (x, y) = (3x 2y, x + 3y, 4y) 342. 2 1 T = 2 3
Cap tulo 6 379. a) Solucin unica, x = 17/2 o b) y = x = 0. c) Sistema inconsistente. d) la solucin es la l o nea 2x + 3y = 0
318 388. El Kernel est generado por a (1, 1/3), mientras que la imagen est gena erada por (1, 2). No son perpendiculares mutuamente, pero para matrices simtrice as eso siempre funciona. La imagen es generada por (1, 2). La imagen es igual al Kernel. Entonces M 2 = 0. b) DetM = 0, La imagen es generada por (1, 4), el Kernel por (1, 1). c) DetM = 0, la imagen es generada por {(1, 2, 1), (4, 1, 3)}, el Kernel por (18/7, 1/7, 1). d) detM = 0, la imagen es generada por (1, 2, 3), el Kernel por {(5/2, 0, 1), (2, 1, 0)}. Cap tulo 7 400. Ejecute la operacin sobre la ideno tidad. El resultado, en el caso 3 3, es: 408. a) 7 4 2 1 b) (1/30) c) (1/3) d) cos sen sen cos d) 1 4 4 1 1 4 4 1 1 1 0 0 1 0 0 0 1
CAP ITULO 13. RESPUESTAS
... 1 0 ... 1 ... 4 1 ... 0
0 1
2 1 ... .. .. . . 7 . 4 . . 2 . 1 ... .. .. . . 7 . 4 . . . 2 1 . . . . . .
. . . . . .
d)
1 0 2 1 .. .. ... ... ... . 1 4 . 7 . 4 . 0 1 . . 2 1 . . . . . .
cos sen 0 1 ... ... ... .. .. . 1 0 . . cos sen . sen 1 . sen cos cos2 . ... ... ... .. .. . 1 0 . . cos sen . 0 1/ cos . . sen cos 416. a) detM = 0 b) 3 6 0 1/3 2 2 1 6 3 0
c)
5 0 0 1/5 9 1 2 27 1 3 2 1 0 1 3 1 0 1 3 1
409. Las descomposiciones no son unicas: para a) presentamos dos. La matriz inversa aparece abajo a la derecha:
319 Cap tulo 8 434. a) 1 2 1 1 b) 1 3 1 4 c) 2 1 2 5 ; 3 39 ; 23 26 ; 16 5 447. a) 1/7 11/7 2/7 1/7 b) 1/2 25/12 0 7/6 448. 5/3 8 3 0 2 0 1/3 5/3 5/3 ; 11/3 7/3 ; 589/60 35/6 ; 3 0 ; 52/7 1/7
436. a) (82/3, 23/3) b) (37/5, 23/5) c) (14/5, 23/5) 439. a) 1/3 2/3 1/3 1/3 b) 4/7 3/7 1/7 1/7 c) 5/12 1/12 1/6 1/6 441. a) ; 1/4 3/2 ; 13/7 9/7 ; 11/3 5/3
B1 452. a) B1 = B2 IB2 B2 b) B2 = B1 IB1 455. Una rotacin no cambia volmenes: o u su determinante es 1. 496. a) El Kernel es la l nea y = x/2 y la imagen es la l nea ortogonal y = 2x. 500. a) verdadero: toda rotacin cono serva el producto punto, pues conserva normas y ngulos. a b) La siguiente matriz no es una rotacin, o es una reexin pero tambin conserva el o e producto punto:
504. La matriz asociada a la hiprbola e 2 x y = 1 es

2
1 0 0 1
M= 1 7/18 0 5/9 b) 3/2 1 5/2 0 442. a) {(5, 2), (1, 3)} b) {(1, 1), (2, 5)} B1 N B 446. IB2 = IB2 IN 1 = (B2 )1 B1 . Por lo B1 tanto, para encontrar IB2 uno empieza aumentando B2 del lado derecho con B1 . La reduccin produce la matriz solicitada. o
B N N N MB = IB MN IB = BM B T donde B es una base ortonormal 2/2 2/2 B= 2/2 2/2 . Po tanto, B MB =
1 0 0 1
N = MN
0 1/2 1/2 0
cuya respectiva ecuacin es xy = 1. o
320 Cap tulo 9 507. a)

N TN =
CAP ITULO 13. RESPUESTAS 541. a) R es una reexin y una base o natural para R podr ser B = {(1, 1), (1, 1)} a y la matriz de R es: 1 3/7 17/7 9/7 1 1/5 0 3/5
B RB =
1 0 0 1 0 1 1 0
b)
N TN
N B B N R = R N = IN R B IB =
c)
N TN =
7/38 41/38 29/19 26/19
512. a)
B TN =
6 10 5 1 3 0 0 4
519.
Cap tulo 10
tenemos R(x, y) = (y, x). R es su propia inversa: R1 (x, y) = (y, x). Sea P la para 2 bola original y = x y sea Q la parboa la reejada. Un punto (x, y) estar en Q a ssi R1 (x, y) P ssi (y, x) satisface y = x2 , i.e. x = (y)2 o y = x para x 0. 547. r(t) = (0, cos t, sen t) 548. r(t) = (3 cos t, 5 sen t, 0) 550. El vector normal al plano es (1, 1, 1), el vector de traslacin. La trayectoria reo sultante es (r(t))N + (1, 1, 1) 551. La matriz de rotacin de R fue o encontrada en el ejemplo 544 y ejercicio 545. La matriz asociada al elipsoide E es
N 526. c) RB = (I)N (R)N signica que B N 1/4 0 0 si uno sabe la matriz de una T L dada con 0 E = 0 1/9 respecto a la base natural en ambos lados, 0 0 1/16 entonces para obtener la matriz de la T L con respecto a la base natural en el dosea F el elipsoide rotado. Un punto (x, y, z) minio y a B en el codominio, uno necesita estar en F ssi R1 (x, y, z) satisface la ecuacin a o un traductor a la izquierda que cambie de E. coordenadas de N a B. Cap tulo 11 528. a) T (x, y) = (5x/7 + y/7, x/7 + 556. Usemos la notacin , para el proo 10y/7) ducto punto: OT DOx, y = DOx, Oy = b) T (x, y) = (y, 16x/7 5y/7) T c) T (x, y) = (5x/4+3y/4, x/4+11y/4) Ox, DOy = x, O DOy . 557. a) 530. a) 1 0 0 3 5 N 0 4/3 2/3 TN = 4 4 0 1/3 5/3 Su determinante es 32 y permanece inb) variante si cambiamos a la base B: 0 1 1 2/3 2/3 4/3 3 4 B TB = 5 4 1/3 2/3 4/3
321 c) 1 0 0 0 1/3 4/3 0 2/3 1/3 d)
Las formas diagonales son: a) D(9, 6, 3) 3/2 5/2 5/2 b) D(9, 6, 3) 5/3 2 1 c) D(9, 6, 3) 5/6 1/2 5/2 d) D(3, 2, 1) e) D(1, 2, 1) e) 596. Sea M (ei ) = i ei y N (ei ) = i ei y que x = i ei . Entonces 3 1 1 M N (x) = i i i ei = i i i ei = 2/3 5/3 8/3 N M (x). 1/3 4/3 1/3 602. a) Forma diagonal D(2, 3 2). base propia: {(2, 1 2), (1 2, 2)} 558. D(a, b, ..., c)D(e, f, ..., g) = b) D( 26, 3 26 D(ae, bf, ..., cg) = c) D(5, 7). Base propia: {(1, 1), (1, 1)} D(e, f, ..., g)D(a, b, ..., c) d) D(5, 0). Base propia: {(1/2, 1), (2, 1)} 570. a) No invertible, dim Ker= 1, dim e) D(2, 0), Base propia {(1, 1), (1, 1)} Imagen= 1 606. Las matrices diagonales y las cnicas o 573. Eigen pares: (0, (1, 1/3)), (10, (1/3, 1)) estn dadas por: a 575. En R3 todas las rotaciones tienen a)D(2, 3), una elipse un eje de rotacin, por lo que en esa dio b)D(1, 3), una hiprbole e reccin no hay transformacin y el valor o o c)(1, 1), una hiprbole e propio correspondiente es 1. d) (1, 5), (elipse). 585. a) e) (1, 3), (elipse). f) Los productos son conmutativos. 1/2 3/2 N DN = 614. a) Si x2 + y 2 z 2 = 0 entonces 3/2 1/2 x2 + y 2 = z 2 . Esto signica que tenemos 586. El unico valor propio de todas las un c rculo cuyo radio aumenta con z. La matrices es 1, pero no hay sucientes vec- gura es simtrica con respecto al eje Z. e tores propios para formar una base. Para ver la silueta, tomamos la traza de la 587. Una matriz siempre tiene sucientes gura con el plano XZ, i.e. cuando y = 0. valores propios, pero le pueden faltar vec- Obtenemos x2 = z 2 o x = y. Lo mismo tores propios, y por eso muchas matrices pasa con x = 0. Por tanto, tenemos un no son diagonalizables. cono. 594. a) 1, 1, 3. b) Cono. b) 1, 2, 3. c) Hiperboloide de dos mantos. c) 1, 2, 2. d) Hiperboloide de un manto. d)2, 1/4, 1/3 e) Hiperboloide de dos mantos. e) 2, 1/4, 1/3 Cap tulo 12 595. 617. La base ortonormal propia es la Todas las matrices tienen la misma base misma para todos los casos: propia:
1 1 2 B = 0 1 3 1 0 1
322
CAP ITULO 13. RESPUESTAS 627. a) z = 2,18u2 + 1,82v 2 , silla b) 0,23u2 + 0,131v 2 , silla c) z = 0,201u2 + 3,312v 2 , silla d) z = 4,01u2 + 0,074v 2 , m nimo 2 2 e) z = 1,174u + 7,67v , silla f) z = 3,93u2 + 4,07v 2 , m nimo 2 2 g) z = 3,08u 0,027v , mximo a h) Desconocida i) Desconocida 628. Tenemos un punto cr tico estable ssi todos los valores propios tienen igual signo. En dos dimensiones, esto es equivalente a decir que el determinante de la matriz diagonal sea positivo. Puesto que el determinante es invariante al cambio de base, el determinante de una matriz diagonal es igual al de otra que le sea similar. Por lo tanto, la estabilidad se decide por el determinante de la matriz original. 637. a) Eigen pares (4, (1, 1,5)), y (1, (1, 1)). El primer valor propio domina toda la conducta a largo plazo y dene una proporcin o de 2 a 3. b) Eigen pares: (5,82, (1, 1,41)), y (0,171, (0,7, 1)). c) Proporciones asintticas 1 a 1. o
Las formas diagonales y las guras son: a) D(1, 2, 1), elipsoide. b) D(1, 2, 1), hiperboloide de una hoja. ja. jas. jas. c) D(1, 1, 1), hiperboloide de una hod) D(2, 1, 4), hiperboloide de dos hoe) D(1, 1, 1), hiperboloide de dos ho-
1/ 2 1/3 1/6 B = 0 1/3 2/6 1/ 2 1/ 3 1/ 6
618. a) x2 + y 2 /4 + z 2 /9 = 1 b) x2 + y 2 /4 + z 2 /9 = 1 c) x2 4y 2 + 9z 2 = 1 d) Mal denido. e) x2 4y 2 z 2 /9 = 1 619. a) ( x 1)2 + 3(x 1)(z 3) (z 3)2 = 1 621. a) x = x 1 y z = z + 2 624. a) Mximo a b) Mximo a c) M nimo d) Silla e) Silla f) Silla g) Mximo a h) No se sabe i) No se sabe
BIBLIOGRAF IA
[1] Altshuller G (2000) The innovation algorithm: TRIZ, systematic innovation and technical creativity. Translated, edited and annotated by Lev Shulyak and Steven Rodman. Technical Innovation Center, Inc., Worcester, MA. [2] Boylestad R, L Nashelsky (1994) Electrnica de circuitos. Prentice Hall, Mxico. o e [3] Beauchamp J W (Editor) (2007) Analysis, synthesis, and perception of musical sounds. Springer, NY. [4] Burden R, Faires D (1985) Anlisis numrico. Grupo Editorial Iberoamrica. a e e Mxico. e [5] Feynman R (1998) Seis piezas fciles: la f a sica explicada por un genio. Introduccin de Paul Davies. Traduccin castellana de Javier Garc Sanz. Barcelona. o o a [6] Fisher R (1970) An introduction to linear algebra. Dickenson Publishing. [7] Jobson J D (1991) Applied Multivariate Data Analysis. Springer, NY. [8] Lang S (2002) Algebra. Springer-Verlag, NY. [9] Gran Enciclopedia Larousse (1983), Editorial Planeta, Barcelona. [10] Hans F, Martin A (1984) Quarks and leptons: an introductory course in modern particle physics. John Wiley and Sons. NY. [11] Mechanics. Berkeley Physics Course-Vol 1. McGraw-Hill Book Company, NY. [12] Nash C, S Sen (1983) Topology and the geometry of physics. AP. [13] J Hanan (1989) Lindenmayer systems, fractals, and plants. Springer en NY en 1989. [14] Primas Hans (1983) Chemistry, quantum mechanics and reductionism. Springer. Berlin. 323
324
BIBLIOGRAF IA
[15] Rodr guez Jos e (2008) Electromagnetismo y geometr a. http://arxiv.org/abs/0806.1492 Citado el 20 de noviembre del 2009. [16] Snakey (2009) How to date a fossil. http://snakey.tripod.com/Date.html Citado el 20 de noviembre del 2009. [17] Steward J (2003) Calculus and early transcendentals, 5e. Thomson. [18] Wikipedia (2009) Talidomida, http://es.wikipedia.org/wiki/Talidomida Citado el 20 de noviembre del 2009. [19] Yosida K (1978) Functional analysis. Springer-Verlag. Berlin. [20] Zill Dennis G (2007) Ecuaciones diferenciales con aplicaciones de modelado. Traduccin Francisco Snchez Fragoso, 8a ed. International Thomson Editores, Mxio a e co. [21] Zill Dennis G, M Cullen (2008) Matemticas avanzadas para ingenier Tradua a. a ccin Emilio Sordo Zabay, 3 ed. McGrawHill. Mxico. o e [22] Zwiebach B (2004) A rst course in string theory. Cambridge University Press.
INDICE ALFABETICO
ngulo recto, 47 a `ngulo recto, 67 a eigen-espacio, 271 eigen-problema, 272 eigen-valor, 270 eigen-vector, 270 prote nas , 74 vector de momento angular, 98 algoritmo de Gauss-Jordan, 17, 31 apachurra, 174 apachurrado, 110 apachurramiento, 174 autovalores, 287 balance regla del, 7 base, 128 cambio de, 209 cannica, 129 o natural, 129, 207 ortogonal , 218 ortonormal , 218 propia, eigen, 275 base propia, 274 cabeza, 34 circunferencia, 50 codominio, 144 cofactor, 195 cola, 34 combinacin o lineal, 120
complemento ortogonal, 138 componente del vector u sobre v , 69 composicin de TL, 150 o conjunto linealmente independiente, 121 conjunto generado por D, 127 conjunto linealmente dependiente, 120 conjunto solucin, 6 o conservativo procedimiento, 7 coordenadas, 132, 135, 209 coordenadas polares, 215 coordenas cambio de, 209 coseno, 52 cudrica, 298 a Delta de Kronecker, 227 demostracin por induccin, 222 o o determinante, 105, 109, 112, 169 diagonal, 16, 267 diagrama conmutativo, 275 diagrama de dispersin, 290 o dimensin, 33, 133 o distancia, 50 dominio, 144 ecuacin, 5 o ecuaciones paramtricas, 84 e simtricas, 84 e ejes principales, 302 Teorema de los , 283 Elcano, 42 325
326 elemento neutro, 36 elipse, 50 equivalentes sistemas, 6 escalar, 34 espacio digital, 44, 45, 52 tridimensional, 32 vectorial, 39 espacio columna, 185 espacio digital, 45, 57 espacio imagen, 179 espacio nulo, 179 estaciones, 98 la, 22 fractales, 185 glcidos, 74 u grupo, 36 hiperplano, 113 identidad, 5 iluminacin, 41 o imagen de una matriz, 180 inverso, 36 isomorfos, 45, 52 Kernel, 179 l nea, 60, 63, 65, 82, 83 dualidad, 89 l neas paralelas, 66 perpendiculares, 67 lineales sistemas, 14 Magallanes, 42 magnicacin, 271 o marco, 207 matrices, 15 similares, 271 Matriz de cambio de coordenadas, 209 matriz antisimtrica, 223 e
INDICE ALFABETICO de cambio de base , 209 de cambio de coordenadas, 209 de paso, 209 diagonal, 267, 268, 271 escalonada, 23 escalonada reducida, 24 identidad, 16 inversa, 190 ortogonal, 227 simtrica, 223, 281 e matriz transpuesta, 165 medio Sol, 47 modelo, 33 lineal, 33 matemtico, 33 a multiplicacin de matrices, 153 o multiplicidad algebraica, 310 geomtrica , 310 e multiplicidad algebraica, 277 n-plp, 107 ncleo, 179 u nmeros u complejos, 216 nilpotente, 309 norma, 49, 51 nulidad, 179 operacin o asociativa, 35 binaria, 35 cerrada, 35 operaciones elementales, 22 operador lineal, 248 operadores lineales, 267 orientacin, 116 o ortogonales, 138 vectores, 55 pjaros, 12 a par propio, 270 parmetro, 84 a paralelep pedo, 35 apachurrado, 125 paralelep pedo, plp, 106
INDICE ALFABETICO paralelogramo, 35 patrn, 289 o pendiente, 61 plano, 77, 134 cartesiano, 32 plano complejo, 216 polinomio caracter stico, 277 polinomio caracter stico, 277 precesin, 303 o producto cruz, 113 punto, 52 producto cruz, 80 producto de matrices, 251 producto interno o interior, 56 producto interno, interior, escalar o punto, 51 producto vectorial, 80 proyeccin, 68 o pulso, 44 punto cr itco inestable, 307 punto cr tico, 304 estable, 307 rango, 178, 179 rectngulo, 35 a recta, 71 ecuacin estndar, 62 o a ecuaciones paramtricas, 83 e recta real, 31 regla de oro, 12 regresin, 289 o rengln, 22 o Resolver un sistema de ecuaciones, 6 resonancia, 278 reverso, 38, 41 segmento, 34 dirigido, 34 seno, 52 sistema dinmico discreto, 310 a homogneo, 162, 180 e inconsistente, 7 lineal, 308 no homogneo, 162, 180 e sistema de ecuaciones, 5 sistema lineal, 6 solucin, 5, 6 o general, 180 particular, 75, 180 solucin espuria, 8 o solucin particular, 162 o solucin qu o mica, 21 ssi (si y slo si), 82 o subespacio, 126 submatrices, 194 sumar sin problema, 36 sumar y alargar sin problema, 39
327
T es apachurrante o que apachurra, 171 tensin arterial, 41 o tensor de inercia, 302 teor a de cuerdas, 33 Teorema de las dimensiones, 179 teorema cosenos, 53 del apachurramiento, 176 Pitgoras, 48 a Tierra plana, 41 tracto intestinal, 33 transformacin lineal, 146 o transpuesta, 194 traslacin, 72 o traslaciones, 299 tringulos a semejantes, 58 TRIZ, 87, 152 vector director, 65 vectores, 33 paralelos, 56 perpendiculares, 55

Algebra Lineal

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Algebra Lineal

Încărcat de

Drepturi de autor:

Formate disponibile

ALGEBRA LINEAL

Jos Lpez/ Jos Rodr e o e guez 6 de septiembre de 2010

A Texto procesado en LTEX y 90 grcas en PsTricks. a

5 9 11 14 21 29 30 31 31 34 39 44 46 51 58 63 68 72 74 76 82 91 98 101 103 105 105 106 117 118

CAP ITULO 1. ECUACIONES

CAP ITULO 1. ECUACIONES

1.1. ALGORITMO SOLUCIONADOR

CAP ITULO 1. ECUACIONES

1.2. SOBRE LAS APLICACIONES

Sobre las aplicaciones

12 15. Regla de oro:

CAP ITULO 1. ECUACIONES

CAP ITULO 1. ECUACIONES

Ecuaciones en forma matricial

1.3. ECUACIONES EN FORMA MATRICIAL

CAP ITULO 1. ECUACIONES

1.3. ECUACIONES EN FORMA MATRICIAL . . 1 0 0 . 2 0 1 0 . 1 . . . 0 0 1 . . 4

Ejemplo: Resolvamos el sistema siguiente . 1 0 1 . . 0 0 1 1 . . . 0 . . 1 2 0 1 .

1.3. ECUACIONES EN FORMA MATRICIAL . . 0 1 0 1 . 0 1 1 . 0 . . . . 1 R3 0 0 1 .

Pongamos ceros por fuera de la diagonal de la columna 3 . 1 0 0 . 1 . R1 + R3 . R2 + R3 0 1 0 . 1 . . . 1 0 0 1 .

CAP ITULO 1. ECUACIONES . . 5 2 + 9 = 2 2 0 0 . . 0 0 1 . . 3 . . 0 1 0 . 2 . . 1 1 0 0 . . 0 0 1 . 3 . . 0 1 0 . 2 .

que nos dice que x = 1, z = 3, y = 2.

1.4. SISTEMAS DE M ECUACIONES CON N INCOGNITAS

Sistemas de m ecuaciones con n incgnitas o

Inventado propuesto por Jorge Palacio

CAP ITULO 1. ECUACIONES

Primer sistema xy = 1 2x + y = 2 Segundo sistema x=1 y=0

1.4. SISTEMAS DE M ECUACIONES CON N INCOGNITAS

CAP ITULO 1. ECUACIONES

Solucin paso a paso: o a) Matriz asociada

CAP ITULO 1. ECUACIONES

Solucin paso a paso: o 1) Escribimos la matriz aumentada asociada 1 2

. 1 . 0 . . 2 3 1 . 1 . . . 2 3 2 1 . . . 0 1 2 1 . . 0 1 . 1 1 . R2 + 2R1 . . 2 R3 3R1 0 4 2 . . 1 2 1 . 0 . 0 1 1 . 1 . . . . 6 R3 + 4R2 0 0 2 . . . 0 R3/2 1 2 1 . 0 1 1 . 1 . . . . 3 0 0 1 .

1.4. SISTEMAS DE M ECUACIONES CON N INCOGNITAS

Solucin: o 1) Matriz aumentada

CAP ITULO 1. ECUACIONES . 1 1/2 0 . 3/2 . R1/2 . 0 0 1 . . 4 . . 0 0 0 . 0

1.5. EJERCICIOS DE REPASO x+y+z xy+z b) 2x + 2z x+y+z xy+z c) 2x + 2z =2 =1 =3 =2 =1 =1

1. Escriba la solucin general del sistema lineal o

LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.1. ESPACIOS CARTESIANOS

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

Cabeza Segmento Segmento dirigido Cola

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.3. EV=ESPACIOS VECTORIALES

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.3. EV=ESPACIOS VECTORIALES

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.3. EV=ESPACIOS VECTORIALES

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.4. ESPACIOS DIGITALES

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.5. LA NORMA DE UN VECTOR

Figura 2.7. Area de un paralelogramo.

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

Figura 2.9. Teorema del medio Sol.

a= nus ote Hip

a Figura 2.10. Tringulo de Pitgoras. a a

2.5. LA NORMA DE UN VECTOR

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.6. EL PRODUCTO INTERIOR

CAP ITULO 2. LINEAS, PLANOS, RN Y EV=ESPACIOS VECTORIALES

2.6. EL PRODUCTO INTERIOR A r O x E y B

Figura 2.13. sen = y/r, cos = x/r.