Professional Documents
Culture Documents
LGEBRA
2016
Ener
o
LINEAL
DAMF
vafunsch@gmail.com
Apuntes de
LGEBRA LINEAL
con plantilla D
Revista digital
Matemtica, Educacin e Internet. (http://www.tec-digital.itcr.ac.cr/revistamatematica/).
ndice general
Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1
1.2
Tipos de matrices
1.3
Aplicaciones de la matrices
11
1.4
15
1.4.1
Suma y diferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.2
1.4.3
Transposicin de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.4
Multiplicacin de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5
La matriz inversa
1.5.1
Mtodo directo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.5.2
Mtodo de GaussJordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.6
31
1.7
33
1.8
Matrices especiales
34
1.9
Criptografa
36
24
Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.1
2.1.1
Regla de Sarrus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.2
46
2.3
51
3.1
61
3.2
62
3.3
65
3.4
Eliminacin de parmetros
68
3.5
70
3.5.1
3.5.2
Anlisis de redes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5.3
Matrices estocsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.5.4
3.5.5
Espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.1
Introduccin
89
4.2
Espacio vectorial
90
4.3
Subespacio vectorial
96
4.3.1
Caracterizacin de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.4
101
4.5
Independencia Lineal
106
4.6
109
4.7
112
4.8
113
4.9
114
4.10
116
4.11
Frmula de la dimensin
116
Bibliografa
117
42
1 Matrices
Las matrices son herramientas del lgebra que facilitan el ordenamiento de datos, as como su
manejo.
Los conceptos de matriz y todos los relacionados fueron desarrollados basicamente en el siglo XIX
por matemticos ingleses como James Joseph Sylvester (1814-1897) y Arthur Cayley y el irlands
William Hamilton.
Las matrices se encuentran en aquellos mbitos en los que se trabaja con datos regularmente
ordenados y aparecen en situaciones propias de las Ciencias Sociales, Econmicas, Biolgicas e
Ingenieras.
1.1
Abreviandamente se puede expresar A = (ai j ). Cada elemento de la matriz lleva dos subndices. El
primero de ellos i, indica la fila en la que se encuentra el elemento, y el segundo, j, la columna.
As el elemento a34 est en la fila 3 y columna 4. Las matrices siempre se representarn con letras
maysculas A, B, . . ., etc.
Matrices
8
1.1
(Ejemplos de matrices)
A=
5 2
7
3
!
B=
5 14 0
6
3 9
C=
2 5
2
3 3 4
5 1/2
3
7 0
6
Nota En general, si una matriz A tiene m filas y n columnas, diremos que su orden, tamao o
dimensin es m n, se lee m por n, siempre en primer lugar el nmero de filas y en segundo
lugar el de columnas.
1.2
Tipos de matrices
1
Una matriz es cuadrada cuando tiene el mismo nmero de filas que de columnas; es decir, su
dimensin es n n.
Por ejemplo,
1 2 3
C = 2 3 5
3 5 8
es una matriz de tamao 3 3, simplemente de orden 3.
Dentro de las matrices cuadradas la diagonal principal est formado por los elementos
a11 , a22 , a33 , . . . , ann
siendo la matriz:
A=
En la matriz C del ejemplo anterior, su diagonal principal estara formado por: 1, -4, 6.
Se llama traza de la matriz a la suma de los elementos de la diagonal principal; es decir,
Traza(A) = a11 + a22 + a33 + + ann ,
y en el caso de C, Traza(C) = 1 3 + 8 = 6.
La diagonal secundaria est formada por los elementos
a1n , a2(n1) , a3(n2) , . . . , an1
En la matriz C estara formada por: 3, 3, 3.
Una clase especial de matrices cuadradas son las matrices triangulares.
Definicin 1.1 (Matriz triangular superior e inferior)
Una matriz es triangular superior, si todos sus elementos por debajo de la diagonal principal
son nulos y triangular inferior si son nulos todos los elementos situados por encima de dicha
diagonal.
Matrices
10
1.2
1 0
0
0
9 6
1 2 0
0
E= 0 5 2
F=
3 0 25
0
0 0
5 7 35 75
Si una matriz es a la vez triangular superior e inferior, slo tiene elementos en la diagonal
principal. Una matriz de este tipo se denomina matriz diagonal.
1.3
(Matriz diagonal)
5 0 0 0
0 1 0 0
G=
0
0
0
0
0 0 0 20
Definicin 1.3 (Matriz Identidad)
Una matriz diagonal tiene en su diagonal principal slo unos, se denomina matriz unidad o
identidad y se suele denotar por In , donde n es el orden o tamao de la matriz.
1.4
(Matrices identidades)
I2 =
1 0
0 1
1 0 0
I3 = 0 1 0
0 0 1
I4 =
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
Una matriz cuadrada se llama escalar si los elementos de la diagonal principal son iguales y
el resto son cero.
11
(Matrices escalares)
A=
3 0
0 3
B=
4
0
0
0 4
0
0
0 4
C=
x
0
0
0
0
x
0
0
0
0
x
0
0
0
0
x
Dos matrices A = (ai j ) y B = (bi j ) son iguales si son del mismo orden y sus elementos
correspondientes son idnticos, es decir
A = B si y slo si ai j = bi j , 1 i m 1 j n
1.6
2
3 5
x 1 1 0
!
B=
2 3
5
3 1 z + 5
!
C=
x 1
2 3
1.3
Aplicaciones de la matrices
Las matrices se utilizan en el contexto de las ciencias como elementos que sirven para clasificar
valores numricos atendiendo a criterios y variables.
1.7
La matriz siguiente proporciona la distancia entre las ciudades indicadas (en millas terrestres)
Londres
Londres
0
785
Madrid
Nueva York
3,469
Tokio
5,959
Madrid
Nueva York
785
0
3,593
6,706
3,469
3,593
0
6,757
Tokio
5,959
6,706
6,757
Matrices
12
1.8
(Produccin)
Supongamos que un fabricante tiene tres fbricas en cada una de las cuales se manufacturan
cuatro productos. Si denotamos por ai j el nmero de unidades del producto i elaboradas por la
fbrica j en una semana, la matriz siguiente de 3 4 nos proporciona la produccin semanal
del fabricante
Fbrica 1
Fbrica 2
Fbrica 3
Producto 1
Producto 2
Producto 3
Producto 4
500
250
300
650
350
400
600
370
200
450
470
350
Por ejemplo, en una semana, la fbrica 2 produce 370 unidades del producto 3.
1.9
2x y + 5z = 18
x 2z = 5
x 2y + z =
2
3y 3z =
0
se le puede asociar las siguientes matrices:
2 1
5
x
1
0 2
A=
X= y
1
1 2
z
0
3 3
b=
18
5
2
0
1.10
(Matrices de informacin)
Un empresario importa globos de tres colores: rojo (R), verde (V) y morado (M). Todos ellos
se envasan en paquetes de 5 y 10 unidades, que se venden al precio (en dlares) indicado por
la siguiente tabla:
13
5 unid.
10 unid.
Color R
0.12
0.09
Color V
0.10
0.08
Color M
0.11
0.07
Color V
Color M
5 unid.
50 000
35 000
48 000
10 unid.
52 000
38 000
20 000
R 50000
A = V 35000
M 48000
10u
52000
38000
20000
5u
B=
10u
0,12
0,09
0,10
0,08
0,11
0,07
Estas matrices se denominan matrices de informacin, y simplemente recogen los datos numricos
del problema en cuestin.
1.11
(Matriz de relacin)
Las llamadas matrices de relacin, indican si ciertos elementos estn o no relacionados entre
s. En general, la existencia de relacin se expresa con un 1 en la matriz y la ausencia de dicha
relacin se expresa con un 0.
Estas matrices se utilizan cuando queremos trasladar la informacin dada por un grafo y expresarla
numericamente.
En matemticas un grafo es una coleccin cualquiera de puntos conectados por lneas. Existen
muchos tipos de grafos entre las cuales tenemos:
Grafo simple Es el grafo que no contiene ciclos, es decir, lneas que unen un punto consigo mismo,
ni lneas paralelas, es decir, lneas que conecten el mismo par de puntos.
Grafo dirigido Es el grafo que indica un sentido de recorrido de cada lnea, mediante una flecha.
Son ejemplos de grafos se presentan en la figura (1.1)
Algunas matrices se relacionan con los grafos, de entre todas ellas, nos detendremos en la llamada
matriz de adyacencia, que est formada por unos y ceros exclusivamente, de tal forma que: un 1 en
Matrices
14
(a) Grafo
el lugar (i, j) expresa la posibilidad de ir desde el punto de la fila i hasta el punto de la columna j
mediante una lnea que los una directamente, un 0 en el lugar (i, j) expresa la imposibilidad de ir del
primer punto al segundo mediante una lnea que los una directamente.
Para el grafo dirigido
A
su matriz de adyacencia es
A
A 0
B
0
C
0
D 0
B C
1
0
0
0
1
1
0
0
15
Ejercicio 1.2 Dibujar los grafos dirigidos que correspondan a las matrices de adyacencia:
A 0
B 1
C 0
B C
1
0
1
1
0
A 0
B
1
C
0
D 0
B C
0
0
1
0
0
1
0
1
1.4
1.4.1
1.12
(Suma de matrices)
A+B =
5 7 3
6
8 4
!
yB=
1 3
5
4 2 6
5 + (1) 7 + 3 3 + 5
6 + 4
8+2 46
!
=
!
entonces,
4 4
8
2 10 2
Matrices
16
Nota Si las matrices tienen diferente tamao, no se pueden sumar o restar entre s.
Propiedades de la suma (y diferencia) de matrices:
1
2
3
4
Conmutativa: A + B = B + A
Asosiativa: A + (B + C) = (A + B) + C.
Elemento neutro: La matriz nula de tamao correspondiente
Elemento opuesto de A: La matriz A, que resulta de cambiar de signo a los elementos
de A.
1.13
1 7
1
7
Sea la matriz A = 3
9 entonces el opuesto de A es A = 3 9 pues,
5 11
5 11
1 7
1
7
0 0
A + (A) = 3
9 + 3 9 = 0 0
5 11
5 11
0 0
Ejercicios 1.1
1.1 Las exportaciones, en millones de dlares, de 3 pases A, B,C a otros tres X,Y, Z, en los
A 10
A2014 = B 12,5
C 19,1
6,5
10,8
11,3
3,5
8,6
0,9
A 12,5
A2015 = B 7,3
C 2,6
8
15,4
5,6
10,9
a.) Calcula y expresa en forma de matriz el total de exportaciones para el conjunto de los
dos aos.
b.) Cuntos millones ha exportado el pas B al Z en total?
c.) Calcula el incremento de las exportaciones del ao 2014 al 2015 con los datos del
ejemplo anterior.
17
x y 1
2
y 0 z
1 1 3
y x + z 3 2 = 0
5 5
2
0
z
3
2 4 x
2
5 1
3a
b
2
4
c + 1
6
1.4.2
2
a+b 4
1c
2
0
!
=
1 a 2
2 0 6
1.14
Sea la matriz A =
2 1 4
5 3
7
rA = 3.
!
y r = 3, entonces
2 1 4
5 3
7
!
=
6 3
12
15 9 21
Matrices
18
Ejercicios 1.2
1.4 Si A =
2 2
0 1
!
yB=
2 0
0 1
!
. Hallar la matriz X que verifica la ecuacin:
2X 4A = B
1.5 Determine las matrices X y Y sabiendo que:
1.4.3
3X 5Y
X + 3Y
!
1 2
8
1
!
2 4
3 0
Transposicin de matrices
Sea A una matriz cualquiera, se llama matriz transpuesta de A, y se representa por At a la matriz que
resulta de intercambiar las filas por las columnas de A.
Definicin 1.8 (Transpuesta de una matriz)
1.15
Sea A =
(Matriz transpuesta)
2 1 5 0
3 2 6 7
!
, entonces la matriz transpuesta de A es
A =
2 3
1
2
5
6
0
7
(At )t = A
(A + B)t = At + Bt
19
(rA)t = rAt
(A B)t = Bt At
En base a esta nueva operacin podemos definir otras dos clases de matrices: matriz simtrica y
antisimtrica.
Definicin 1.9 (Matriz simtrica)
La matriz A es simtrica si At = A.
1.16
(Matriz simtrica)
La matriz
1 x 3
A= x 0
5
3
5 4
es simtrica (comprobar).
Nota En una matriz simtrica sus elementos son simtricos respecto de la diagonal principal.
Ejercicio 1.3 Puede ser simtrica una matriz que no sea cuadrada?, por qu?
La matriz A es antisimtrica si At = A.
1.17
(Matriz antisimtrica)
La matriz
0 2
3
B = 2 0 1
3 1
0
es antisimtrica. (Comprobar)
Nota En una matriz antisimtrica, los elementos de la diagonal principal son siempre nulos (por
qu?), y los restantes son opuestos respecto a dicha diagonal.
Matrices
20
Ejercicios 1.3
1 3 3
1
1 1
2X 3Y
X Y
1.4.4
1 5
4 2
1 0
3 6
X +Y
,
X Y
2X +Y
6 2
,
X + 2Y
0 3
2 1
3 0
3
1
0 2
1 0
2 4
Multiplicacin de matrices
Hay que dejar claro ya desde el principio que no todas las matrices pueden multiplicarse. Dos
matrices se pueden multiplicar cuando se cumple la siguiente condicin:
A B = [ci j ] ,
ci j =
21
(Multiplicacin de matrices)
0
4
1
!
1 2
3 2 1
4
1
.
Sean las matrices A =
yB=
2
2 5 3 2
0
2
3
2 1
Primero comprobamos que se puede realizar el producto A B, pues el nmero de columnas
de A es 4 y el nmero de filas de B tambin es 4, y el resultado, segn lo dicho ser una matriz
de tamao 2 3, es decir 2 filas y 3 columnas:
0
4
1
!
!
1 2
3 2 1
4
1
=
2
2 5 3 2
0
2
3
2 1
Solucin: Slo falta completar los elementos de la matriz producto. Para ello, seguimos la regla
anterior:
El elemento de la fila 1 columna 1 de A B proviene de multiplicar elemento a elemento la fila 1 de A
por la columna 1 de B y sumar, es decir:
3 0 + 2 1 + 1 2 + 4 3 = 0 + 2 + 2 + 12 = 16
El elemento de la fila 1 y columna 2 de A B proviene de multiplicar elemento a elemento la fila 1 de
A y la columna 2 de B y sumar :
3 4 + 2 2 + 1 0 + 4 2 = 12 4 + 0 + 8 = 16
El elemento de la fila 1 y columna 3 de A B proviene de multiplicar elemento a elemento la fila 1 de
A y la columna 3 de B y sumar :
3 1 + 2 1 + 1 2 + 4 1 = 3 + 2 + 2 4 = 3
El elemento de la fila 2 y columna 1 de A B proviene de multiplicar elemento a elemento la fila 2 de
A y la columna 1 de B y sumar :
2 0 + 5 1 + 3 2 + 2 3 = 0 + 5 + 6 6 = 5
El elemento de la fila 2 y columna 2 de A B proviene de multiplicar elemento a elemento la fila 2 de
A y la columna 2 de B y sumar :
2 4 + 5 2 + 3 0 + 2 2 = 8 10 + 0 4 = 22
Matrices
22
16
16 3
5 22 15
Asosiativa: A (B C) = (A B) C
Distributiva respecto a al suma:
A (B + C) = A B + A C
(A + B) C = A C + B C
!
!
5
2 1 3
0
2 =
0 2 1
0
4
se dice que el conjunto de las matrices con la operacin producto tiene divisores de
cero, hay matrices no nulas cuyo producto es nulo.
Ejercicio 1.4 Una empresa distribuidora de accesorios de oficina tiene una carga lista para ser
enviada. La carga consiste en 700 cajas de lapiceros, 500 de plumones, 200 de borradores, 100 de
flderes y 50 de perforadoras. Los precios de mercado por caja cotizados para los distintos tipos
de accesorios de oficina en diversos pases estn dados en la matriz A, donde las filas representan
ordenadamente los pases de Per, Ecuador, Colombia, Venezuela, Uruguay, Brasil y Argentina, y
23
las columnas son para lapiceros, plumones, borradores, flderes y perforadoras, respectivamente
2 3 4 2 6
3 3 4 4 6
700
3 3 2 4 3
500
A= 5 2 2 5 5 C=
200
2 2 5 2 4
100
50
3 5 5 5 4
2 5 6 7 6
el costo (en dlares) del transporte es
t
T = 150 250 250 300 450 350 350
(los pases estan en elmismo orden que la matriz
A). Interpretar
1 AC y AC T,
0 0 0 1 0 0 0 (AC T)
2 Por mtodos matriciales, encontrar el lugar a donde es conveniente enviar la mercanca.
Ejercicios 1.4
1.8 Si A =
1 3
2
6
!
, B=
3 5
2
1
!
. Calcular si es posible A B y B A.
Coinciden?
1.9 Calcular todos los productos posibles entre las matrices:
1 2 3
2
A= 0 1
1 B= 1 C=
1 2
3
3
2 1 0
3 4 5
Adems calcule A2 y A3 .
1.10 Para las matrices
A=
1 1 2
4
0 3
!
B=
0
3 4
1 2 3
2 3 0
1
3
C = 5 4 1 2 D = 1
1 0 0 3
2
Calcular : A + B, 3A 4B, A B, A D, B C, C D, At C, Dt At , Bt A, Dt D, (D Dt ) At .
Matrices
24
1.11 Si A y B son dos matrices cuadradas del mismo orden, son ciertas las propiedades
siguientes, que son ciertas para las operaciones con nmeros reales?
a.) (A + B)2 = A2 + B2 + 2 A B
b.) (A B)2 = A2 + B2 2 A B
c.) (A + B) (A B) = A2 B2
1.12 Determinar el valor de a y b de la matriz A =
1.5
1 2
0 1
2 1
a
b
!
!
para que A2 = A.
La matriz inversa
Sabemos ya multiplicar matrices y hemos visto algunas de las propiedades de esta operacin.
Recordemos, en primer lugar, que no siempre es posible efectuar la multiplicacin de dos matrices, y
en segundo lugar, que aunque sea posible hacer esta multiplicacin, en general no es conmutativo, es
decir A B es diferente de B A.
En el caso particular de que tratemos con matrices cuadradas del mismo orden A y B, es claro que
podemos efectuar los productos A B y B A, que darn como resultado otra matriz del mismo orden,
aunque, como ya se ha dicho, las matrices resultantes sern, en general, distintas.
Sabemos tambin que el elemento neutro del producto de matrices es la matriz identidad In . Por
analoga con el caso de los nmeros reales, podemos plantearnos la siguiente cuestin: si tenemos
un nmero real, por ejemplo 3, podemos interesarnos en buscar el inverso del 3 para el producto, es
decir un nmero real x tal que 3 x = 1, el producto de 3 por x sea igual al elemento neutro, 1.
Evidentemente, en el caso de los nmero reales es bin fcil despejar x para obtener, en nuestro
caso, que x = 31 , es decir, el inverso de un nmero real es otro nmero que multiplicado por l da el
elemento neutro, el 1. Todo nmero real , salvo el 0, tiene inverso.
Trasladando esto a las matrices podemos plantear si dada una matriz cuadrada A de orden n,
cualesquiera, existe su inversa X para el producto de matrices, tal que
A X = In
es decir, el producto de A por su inversa produce el elemento neutro matricial, la matriz identidad In .
Sin embargo, hay algunas diferencias con respecto al caso de los nmeros reales
25
In
No podemos despejar; la matriz X de modo que X = , porque no hemos definido la divisin
A
de matrices.
No todas las matrices cuadradas no nulas tienen matriz inversa (sea lo que sea, por analoga
con los nmeros).
Sea A una matriz cuadrada de orden n, se dice que A es invertible (o que posee inversa o que
es no singular o que es regular), si existe otra matriz del mismo orden, denominada matriz
inversa de A y representada por A1 y tal que:
A A1 = In
y A1 A = In
Nota Si A no tiene inversa, se dice que es singular o no invertible y si una matriz tiene inversa,
dicha matriz inversa es nica (slo hay una).
Para calcular la matriz inversa podemos seguir dos vas: mtodo directo y Gauus-Jordan.
1.5.1
Mtodo directo
Este mtodo consiste en determinar A1 planteando un sistema de ecuaciones.
Aplicamos este mtodo en el siguiente ejemplo.
1.19
(Matriz inversible)
1 3
2
4
!
.
=
2
4
y t
!
x 3y z 3t
=
2x + 4y 2z + 4t
1 0
0 1
1 0
0 1
Matrices
26
por igualdad de matrices, se tiene el sistema de ecuaciones
x + 2z
=1
y + 2t
=0
x + 3z = 0
y + 3t = 1
resolviendo el sistema de 4 ecuaciones con 4 incgnitas, se tiene
x=
2
5
y=
1
5
z=
3
10
2
5
3
10
51
1
10
t=
1
10
A1 =
1
=
10
4 3
2 1
!
.
Se puede comprobar que tambin se cumple que A1 A = I2 , luego A es invertible, tiene inversa.
Nota Si el sistema de ecuaciones no tiene solucin, la matriz no tiene inversa.
(Matriz singular)
3 6
5 10
=
5 10
y t
!
3x + 6y 3z + 6t
=
5x + 10y 5z + 10t
igualando matrices, se tiene el sistema de ecuaciones
3x + 6y
5x + 10y
3z + 6t
5z + 10t
=1
=0
=0
=1
1 0
0 1
1 0
0 1
27
1.5.2
Mtodo de GaussJordan
Este mtodo consiste en hacer transformaciones elementales en las filas de una matriz para llegar
a obtener la matriz identidad. Realizando estas mismas transformaciones con la matriz identidad
llegamos a la matriz A1 .
Nota Una matriz escalonada por filas est en la forma escalonada reducida si toda columna con un
1 principal tiene ceros en todas las posiciones por arriba y por debajo del 1 principal.
Matrices
28
1.21
0 2 1 5
A= 0 1
0 3
0 0
0 2
0 7
5 1
0 1 1
5
B=
1
2
0 0
0 0
0
0
1 2 0 0
C= 0 0 1 0
0 0 0 1
1 0
3 0
0
0 1 2 0 1
D=
0 1
2
0 0
0 0
0 0
0
0 5 0
3
1 1 3 1
E = 0 3 1 1
F= 0 0 0 0
0 0 1
0
0 1 2 4
El procedimiento para obtener A1 por el mtodo de GaussJordan es el siguiente:
1 Se escribir la matriz aumentada (A|In ).
2 Se utiliza operaciones elementales fila para poner la matriz A a su forma escalonada reducida
por filas.
3 Se decide si A es invertible:
a) Si la forma escalonada reducida por filas de A es la matriz identidad I, entonces A1 es
la que se obtiene a la derecha de la barra vertical.
b) Si la reduccin de A conduce a una fila de ceros ala izquierda de la bara vertical, entonces
A no es invertible.
1.22
(Matriz inversa)
1 3
2
4
29
por debajo de la diagonal en la primera columna usando la fila 1. Luego, hacer cero los elementos
por debajo de la diagonal en la segunda columna usando la fila 2, y as sucesivamente.
En nuestro caso, en la fila 2: multiplicamos por 2 a la fila 1 y restamos con la fila 2, y se obtiene
!
!
1 3 1
0
1 3 1 0
(A|In ) =
F2 : 2F1 F2
2
4 0 1 2 10 2 1
Una vez hecha la matriz triangular superior, se hace la matriz triangular inferior, haciendo ceros
a los elementos por encima de la diagonal. El proceso es parecida a la anterior. Hacer cero los
elementos por encima de la diagonal en la ltima columna usando la ltima fila. Luego, hacer cero
los elementos por encima de la diagonal en la penltima columna usando la penltima fila, y as
sucesivamente.
En nuestro caso, en la fila1: multiplicamos por 10 a la fila 1 y restamos la fila 2 multiplicada por 3, y
se obtiene
!
!
1 3 1
0
10
0 4
3
(A|In ) =
F1 : 10F1 3F2
2 10 2 1
0 10 2 1
Ya tenemos una matriz diagonal. Lo nico que falta es dividir a cada fila entre el nmero adecuado
para obtener unos en la diagonal, es decir para obtener la matriz identidad en la parte izquierda:
1
1
a la fila 1 y multiplicamos por 10
a la fila 2, y se obtiene
multiplicamos por 10
(A|I2 ) =
10
0
4
3
0 10 2 1
1 0
4
10
F2
F1
F1 : , F2 :
2
10
10
0 1 10
3
10
1
10
Una vez que se tiene la matriz identidad en la parte izquierda, la parte derecha es la matriz inversa de
A1 , es decir llegamos a
4
3
1 0 10
10
I2 |A1 =
2
1
0 1 10
10
Es decir, la matriz inversa de A es
1.23
4
10
3
10
2
10
1
10
= 1
10
2 1
1
4 3
2 1
Matrices
30
2 1
1 1 0 0
(B|I3 ) = 1 1 2 0 1 0 F1 : F1 F2
3
2
1 0 0 1
F3 : 2F2 + F3 0
6
F1 : 6F1 F3
F2 : 18F2 5F3 0
0
1
6 F1
1
18
F1
1
18 F1
1
0
3 1 1 0
1 0
1 1 2 0
3
2
1 0
0 1
1 1
0
0
3
1 2 1
2
0
0 18
5 7 1
1
1
0 0 1
18 0 7
1 5
0 18 5 7 1
1
1 0 0
6
7
0 1 0 18
5
0 0 1
18
1
6
1
18
7
18
1
6
5
18
1
18
= I3 |B1
luego,
B1 =
1
6
7
18
5
18
1
6
1
18
7
18
1
6
5
18
1
18
3
3
3
1
7 1
5
=
18
5 7 1
A1 es nica.
(A1 )1 = A
(A B)1 = B1 A1
(rA)1 = 1r A1
31
Ejercicios 1.5
1.14 Calcular por el mtodo de GaussJordan la inversa de las matrices:
1 2 3
A= 3
2
4
2 1
0
7 2 3
B = 1 0 1
2 1 3
C=
1
2
3
1
2
6
7
1
3 4
7 8
8 12
1 1
3 0
0
ad bc
1.6
d b
c
a
Matrices
32
1.24
!
2 1 1
1 2
1
1 1
A=
B= 1
1 2 C = 3 1 2
5 5
1
2 1
1 1
2
D=
A=
1 1
5 5
!
F2 : 5F1 F2
1 1
0 1
2 1 1
1 2 1
B= 1
1 2 F1 : F1 F2 1
1
2
1
2 1
1
2
1
F2 : F1 F2 1 2 1
F3 : F1 + F2 0
3
3
0
0
0
1 2 1
F2 : 13 F1 0
1
1
0
0
0
Como B tiene dos filas no nulas, entonces Ran (B) = 2.
Haciendo operaciones elementales fila en la matriz C obtenemos
1 2
1 F : 3F F
1 2 1
2
1
2
C = 3 1 2 F3 : F1 + F3 0 5 8
1 3
2
0 5 3
1 2 1
F3 : F2 F3 0 5 8
0 0 5
F2 : 15 F1 1 2 1
8
F3 : 15 F3 0
1
5
0
0
1
Como C tiene tres filas no nulas, entonces Ran (C) = 3.
3
4 5
6 8 10
33
1.7
1.25
(Factorizacin LU)
1 2 0
1 0 0
1 2 0
B= 0
1 2 = 0 1 0 0
1 2 = LU
3 5 3
3 1 1
0
0 1
1.26
2
3 1 6
4
7
2 1
.
2
5 2 0
0 4
5 2
2
3 1 6
1 0 0 0
7
2 1 a 1 0 0
A=
=
2
5 2 0
b d 1 0
0 4
5 2
c e f 1
2
0
0
0
3 1 6
x
y z
= LU
0
r s
0
0 t
Matrices
34
multiplicando e igualando las matrices, se tiene
2
3
1
2a 3a + x
a + y
2b 3b + dx b + dy + r
2c 3c + ex c + ey + r f
6
6a + z
6b + zd + s
6c + ez + f s + t
2b = 2 b = 1
2c = 0 c = 0
3a + x = 7 x = 1
3b + dx = 5 d = 8
a + y = 2 y = 4
b + dy + r = 2 r = 35
6a + z = 1 z = 11
6b + zd + s = 2 s = 94
3c + ex = 4 e = 4
3
c + ey + r f = 5 f =
5
72
6c + ez + f s + t = 5 t =
5
luego,
2
3 1 6
1
0
0
4
7
2 1
1
0
= 2
2
5 2 0 1
8
1
0 4
5 2
0 4 35
0
0
0
1
2
0
0
0
3 1
6
1
4 11
0 35
94
72
0
0
5
1.8
Matrices especiales
En algunos ejemplos y ejercicios se consideran algunas matrices especiales del tipo,
Definicin 1.17 (Matrices especiales)
2
6
1 3
!
.
35
5 8
3 5
!
.
Ejercicios 1.6
1.17 Dar un ejemplo de cada una de los siguientes tipos de matrices.
De orden 1 3.
De orden 3 1.
Cuadrada de orden 3.
Diagonal y escalar de orden 4.
Triangular superior y triangular inferior de orden 4.
Simtrica y antisimtrica de orden 4.
1.18 Determinar, si existe, la matriz A = [ai j ] cuadrada de orden
! 2, definida por: si i = 1
18 30
ai j = x y si i = 2 ai j = y, y R tal que AAt =
.
30 50
1.19 Verdadero o falso? Cuando es falso, proporcione un contraejemplo.
a) Si las columnas 1 y 3 de B son los mismos, entonces las columnas 1 y 3 son los mismos
en AB.
b) Si las filas 1 y 3 de B son los mismos, entonces las filas 1 y 3 son los mismos en AB.
c) Si las filas 1 y 3 de A son los !
mismos, entonces las filas 1 y 3 son los mismos en AB.
2 0
1.20 Sea la matriz A =
Demostrar que todas las matrices de orden 2 2, tales
1 1
que AB = BA, son de la forma
!
a 0
ba b
a.)
b.)
c.)
d.)
e.)
f.)
donde a, b R.
1.21
a.)
b.)
1.22
0 1 0
Sea la matriz A = 1 0 k .
k 2 4
Para que valores de k la matriz es inversible.
Para k = 1. Calcular A1 si existe.
Calcular la inversa de la matriz M, si existe.
2
1 0
0
0
3 2 0
0
0
M=
0 5
0
0
0
0
0
0
9
3
0
0 0
2
1
Matrices
36
M=
1
0
5
3
9
1
0
1
4
7
6
2
0
0
1
0
2
4
0
0
0
1
5
7
0
0
0
0
1
0
0
0
0
0
0
1
1 0 2 1
0 1
5
3
A=
3 5
3
3
1 2
3
3
B=
1
6
5
3
2
2
1
3
0
2
4 2
2
2 1
0
0
0
0
1
0
0
0
0 1
1.25 (El problema de Fibonacci) Tres hombres poseen una sola pila de dinero, y sus
aportaciones son 1, 13 y 16 . Cada uno toma algo de dinero de la pila, hasta que no queda nada.
A continuacin el primer hombre regresa 12 de lo que tom, el segundo 13 y el tercero 16 .
Cuando el total que regresaron se divide por igual entre ellos, se descubreque cada hombre
posee lo que corresponde por su aportacin. Cunto dinero haba en la pila original, y cunto
tom cada uno?
1.26 (Cuadrados mgicos) Un cuadrado mgico de tamao n es una matriz de orden n n
cuyos elementos consisten en todos los enteros entre 1 y n2 , de tal forma que las sumas de
los elementos de cada fila, columna o diagonal son iguales. La suma de los elementos de
n(n2 +1)
cualquier fila, columna o diagonal de un cuadrado mgico de tamao n es
.
2
1. Probar que no existe un cuadrado mgico de tamao 2.
2. Determine el cuadrado mgico de tamao 3 cuya primera fila es el vector (1, 9, 5)
1.9
Criptografa
Muchas empresas se interesan por enviar mensajes codificados que sean difciles de descifrar por
otros, si son interceptados, pero que se decodifiquen facilmente por quienes la reciban. Existen
muchas formas de codificar un mensaje, y stas en su mayora utilizan teora de nmeros o temas de
lgebra lineal.
Un criptograma es un mensaje escrito de acuerdo a un cdigo secreto (kryptos que significa oculto ).
1.9 Criptografa
37
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
1.27
(Mensaje codificado)
Sea la matriz M, que slo la conocen quienes trasmiten y reciben el siguiente mensaje
codificado por los nmeros
29
20
-24
19
14
-30
-20
35
-17
29
-10
16
25
14
13
-7
1 1
2
M = 1
1
1 .
1
2 2
Decodifique el mensaje.
Ejercicios 1.1
1.27 Una empresa tiene tres libreras: A, B y C, y cada una de ellas tiene libros de ficcin, de
A
300
B 280
C
80
via jes
deportes
280
125
130
99
210
195
Suponga que las entregas a cada librera estn representadas por E. Calcule las existencias
actualizadas.
25 46 11
E = 25 56 33
29 36 40
Cuntos libros de viaje tiene la librera B?
Matrices
38
1.28 Una empresa embotelladora de agua tiena tres marcas: M1 , M2 y M3 , y se entregan a cuatro
A
9
5
4
B
7
6
12
C
6
3
5
2
3 0,8
0,7 3
2
D=
4 0,9 1
50 25
0 38
38 0
A 0
B 50
C 25
Se desea trazar un mapa cuya escala sea tal que 1 pulgada en el papel corresponda a 8 millas de
distancia real, cul es la matriz de las distancias del mapa?
1.30 La empresa Alis tiene tres tiendas de departamentos. Cada una vende camisas, pantalones
y zapatos, cuyos precios se dan en la siguiente tabla. Calcule los valores de los artculos, si en las
tres tiendas se ofrece un descuento del 125 %
2
3
Camisas
Pantalones
Zapatos
75
120
60
50
30
45
40
35
25
1.31 Se tienen dos tiendas T1 y T2 que reciben diariamente Laptos (L) y Dvd (D) de dos
f1
f2
25
35
40
50
1.9 Criptografa
39
El precio en dlares, por aparato en cada tienda, est representada por la matriz
L
D
T1
T2
600
550
150
160
a) Determine los ingresos de la segunda tienda al vender todos los aparatos que provienen de
la segunda tienda.
b) Si A y B representan las matrices anteriores, calcule e interprete el producto AB.
1.32 Dos tiendas T1 y T2 son abastecidos semanalmente por dos fbricas de ropas f1 y f2 , con
pantalones (p) y sacos (s), de acuerdo con
f1
f2
40
50
25
40
T2
80 110
250 320
2 Determinantes
Estudiaremos un nuevo concepto, determinante asociada a una matriz. Este concepto nos permitir
simplificar operaciones matriciales para el clculo del rango y de la inversa de una matriz.
Historicamente, los determinantes precedan a las matrices, un hecho curioso a la luz de la forma
como se ensea el lgebra lineal en la actualidad, con las matrices antes que los determinantes. No
obstante, los determinantes surgen independientemente de las matrices en la solucin de muchos
problemas prcticos, y la teora de los determinantes estaba bien desarrollada casi dos siglos antes
de que a las matrices se les otorgara un valor de estudio como tal.
!
a11 a12
Recuerde que el determinante de la matriz A =
de orden 2 es
a21 a22
det (A) = a11 a22 a12 a21
Esta expresin se encontr por primera vez cuando se determinaron formas para calcular la inversa
de una matriz. En particular, se encontr que
A1 =
a11 a12
a21 a22
!1
1
=
a11 a22 a12 a21
"
a22 a12
a21 a11
#
.
Determinantes
42
2.1
El determinante de la matriz A =
a11 a12
a21 a22
!
de orden 2 2, es el nmero real dado por
(2.1)
Nota Emplearemos la notacin det (A), |A| indistintamente para denotar el determinante de la matriz
A. No confundir las barras | | con la notacin de valor absoluto de un nmero real.
2.1
Nota El determinante de una matriz puede ser positivo, negativo o cero. El determinante de una
matriz de orden 1 1 es el elemento de la matriz.
Para determinar el determinante de una matriz de orden mayor que 2 es necesario introducir algunos
conceptos previos de menores y cofactores.
Definicin 2.2 (Menor complementario)
2.2
2 5
4
Para la matriz A = 5
3 5 . Calcular los menores complementarios de la fila 1
7 5
6
y columna 3.
43
5
3
= 25 21 = 4
7 5
2 5
= 10 + 35 = 25
7 5
2 5
= 6 25 = 19
5
3
2
0
2
Determinantes
44
Solucin: Los cofactores de la fila 1 son
C11 = (1) M11 = +
1+2
C12 = (1) M12 =
C13 = (1)1+3 M13 = +
1+1
5
1
= 15 2 = 13
2 3
3
1
= 9 1 = 10
1 3
3 5
= 6 + 5 = 11
1
2
C22 = 4
C23 = 4
C31 = 10
C32 = 8
C33 = 10
En general, se puede saber si el signo del menor complementario y del cofactor coinciden o no, basta
aplicar la siguiente regla grfica, por ejemplo para matrices 3 3, 4 4 y 5 5 basta fijarse en la
matrices:
+ + +
+ +
+ +
+ +
+
+ + + + +
+ +
+ +
+ +
+ + +
donde + significa que el cofactor coincide con el menor complementario y el indica que tienen
signo contrario.
Una vez conocidos estos conceptos podemos definir el determinante para una matriz de orden mayor
que dos.
Definicin 2.4 (Determinante de orden n)
Para una matriz A cuadrada de orden n se define su determinante como la suma del producto
de los elementos de una lnea cualquiera de la matriz (fila o columna) elegida, por sus
correspondientes cofactores.
si n = 1
a11 ,
n
det (A) =
(2.2)
Nota Se puede demostrar, aunque dicha demostracin excede los contenidos del curso, que el valor
de el determinante no depende de la fila o columna elegida para calcularlo.
45
1
2
6
Calcular el determinante de A = 5 1
0
7
0 3
Solucin: Eligiendo la fila 1 y aplicando la definicin
det (A) = a11 C11 a12 C12 + a13 C13
1
5
0
0
= 1
2
0 3
7 3
5 1
+6
= (3 0) 2(15 0) + 6(0 7)
7
0
= 9.
Eligiendo la columna 3 y aplicando la definicin
det (A) = a13 C13 a23 C23 + a33 C33
5 1
1 2
1
2
= 6
7
0
7 0
5 1
= 6(0 7) 0(0 + 14) 3(1 10)
= 9.
Notamos que si elegimos cualquier fila o columna y desarrollamos los cofactores, el determinante es
el mismo.
Nota En general, si elegimos una fila o columna que tiene ms elementos nulos, necesitaremos
menos cofactores.
La definicin de determinante de una matriz es bastante tedioso y se hace muy pesada a medida que
aumenta el orden de la matriz, sin embargo existen tcnicas y propiedades que simplificarn estos
clculos, y una de esas tcnicas es la que se conoce con el nombre de regla de Sarrus.
2.1.1
Regla de Sarrus
Una manera ms fcil de calcular el determinante de una matriz cuadrada de orden 3, es aplicar la
regla de Sarrus. Que enunciamos a continuacin.
Regla de Sarrus
Determinantes
46
producto de los nmeros que hay en las diagonales trazadas de derecha a izquierda.
2.5
5 9 6
2.2
47
|A B| = |A| |B|
10
2.7
2 3 5
Determinantes
48
Solucin: Calculando por separado |A| y |At | por la regla de Sarrus, se tiene
2 3 5
|A| = 5
7 1 = 3.
1 2 3
2 5
1
t
A = 3 7 2 = 3.
5 1
3
Vemos que |A| = |At |.
2.8
3 7
5 1
!
.
= (35 3) = 33.
2.9
(Linealidad de la determinante)
2
1
4 3
!
.
Solucin: Se tiene que det (A) = 10, si expresamos la fila 2 como una suma se tiene
2
1
det (A) =
por propiedades de determinante
1 + 3 1 2
2
1 2
1
calculando los determinantes y sumando
=
+
1 1 3 2
= (2 1) + (4 3) = 10.
49
2
6
8 1
!
.
Solucin: Vemos que det (A) = 46. Podemos fatorizar 2 de la fila 1, entonces
2(1) 2(3)
det (A) =
8
1
1
3
= 2
8 1
factorizando 2 de la fila 1
calculando el determinante
factorizando 2 de la columna 1
calculando el determinante
2.11
2
1
3 2
1
3
2 4
.
1
4 4
2
3 2
1
3
Solucin: Una estrategia para tener en cuenta en caso de determinantes de orden mayor que 4,
incluso de orden 3 si la matriz es compleja, es el mtodo de hacer ceros (la fila o columna que eliges),
pues el determinante no cambiar al hacer operaciones elementales filas (o columnas), como indica
las propiedades de determinantes, siendo cuidadosos en aplicar dicha propiedad.
Apliquemos este comentario al ejemplo
Determinantes
50
2
1
3 2
1
3
2 4
det (A) =
4 4
2
1
3 2
1
3
2 1
3 2
5 0 7
2
=
9 0 16 10
7 0
7 1
5 7
2
= (1) 9 16 10
7
7 1
9 7
0
= (1) 61 54
0
7 7 1
9 7
= (1)(1)
61 54
= 9(54) 61(7) = 59
2.12
!
3 7
Si la matriz A =
tiene det (A) = 39. Calcular |(3)A|.
6 1
Solucin: Primero calculamos la matriz (3)A y despus calculamos su determinante
!
!
3 7
9 21
3A = (3)
=
.
6 1
18 3
Luego,
9 21
|(3)A| =
= (9)(3) (18)(21) = 351 por definicin de determinante
18 3
|(3)A| = (3)2 |A| = 9(39) = 351
51
!
!
1
3
2 5
Sean las matrices A =
yB=
con determinantes det (A) = 22 y
5 7
1
4
det (A) = 13. Calcular det (AB).
Solucin: Podemos calcular det (AB), multiplicando las matrices AB y luego calculando su
determinante, y aplicando las propiedades
!
!
!
1
3
2 5
5
7
AB =
=
5 7
1
4
3 53
Luego,
5
7
|AB| =
3 53
= (5)(53) (3)(7) = 286
2.14
determinante de orden 2
producto de determinantes
!
7 2
Sean la matriz A =
con determinante det (A) = 19. Calcular A1 .
1 3
Solucin: Podemos calcular A1 , determinando primero la inversa de la matriz A y luego
calculando su determinante, y aplicando las propiedades.
!
1
3
2
1
A =
.
19 1
7
Luego,
2
1
1
3 2
= 2 (21 2) =
1
19
7 19
1
A = 1 = 1
|A| 19
1
A =
2.3
1
19
determinante de la inversa
propiedad
Determinantes
52
Definicin 2.5 (Matriz adjunta)
Sea A una matriz cuadrada de orden n, la matriz adjunta de A, adj (A), se obtiene al trasponer
la matriz A y reemplazar cada elemento de At por su correspondiente cofactor.
Veamos el siguiente ejemplo para ilustrar esta definicin.
2.15
1 2 1
C12 = 2
C13 = 19
C21 = 2
C22 = 5
C23 = 8
C31 = 3
C32 = 2
C33 = 1
luego,
t
2
5 19
2
2 3
adj (A) = 2 5
8 =
5 5
2 .
3
2 1
19
8 1
Sea A una matriz cuadrada de orden n. La matriz A es invertible si det (A) 6= 0 y se cumple
A1 =
1
adj (A)
det (A)
(2.3)
53
1 6
1
2 2 8
2
2 14
adj (A) =
2 2
10 = 2 2
5 .
14
5 16
8 10 16
1
2
2 14
9
1
1
1
A =
5 = 9
2 2
18
4
8 10 16
9
2.17
19
1
9
59
7
9
5
18
8
9
1 2 3
Dada la matriz A = 2 5 6
7 x x
a) Calcular los valores de x para los cuales la matriz es regular.
b) Calcular la inversa.
c) Para x = 20 calcular la inversa de A.
Solucin: a) Calculamos el determinante de la matriz por propiedades
1 2 3 1
2
3
det (A) = 2 5 6 = 0
1
0 = x 21
7 x x 0 x 14 x 21
Para que A sea invertible, es condicin necesaria y suficiente que |A| = x 21 6= 0, luego
x 6= 21.
Determinantes
54
b) Calculamos la inversa por la adjunta,
2
5 6
C11 = +
= x C12 =
7
x x
2 3
1
C21 =
C22 = +
=x
x x
7
2 3
1
C31 = +
=
3
C
=
32
5 6
2
6
x
3
x
3
6
2
= 2(x 21) C13 = +
7
1
C23 =
= x 21
7
1
=
0
C
=
+
33
2
5
x
2
x
2
5
= 2x 35
= 14 x
=1
luego,
x 2(x 21) 2x 35
x
x
3
1
1
A1 =
x 21
14 x =
x
2(x 21) x 21 0
|A|
x 21
3
0
1
2x 35
14 x 1
x
x
3
x 21 x 21
x 21
A1 =
2
1
0
2x 35 14 x
1
x 21
x 21
x 21
20 20
3
A1 = 2
1
0
5
6 1
2 1 3
55
Ejercicios 2.1
2.1 Calcular det (E), si
E=
a2
ab
ab
b2
ab
a2
b2
ab
ab
b2
a2
ab
b2
ab
ab
a2
3
4
3
2
2
0
1 1
A=
1
1
1
1
1 1 1
2 3 4
4 9 16
x x2 x3
B=
x
1
1
1
1
x
1
1
1
1
x
1
1
1
1
x
C=
0
a
0
0
b
0
0
0
a
b
0
0
0
0
b
a
0
0
0
b
0
0
a
0
b
0
0
0
0
a
M=
a
0
0
0
0
b
xyz
2x
2x
D=
2y
x + y z
2y
2z
2z
x y + z
2.6 Para a, b, c, d 6= 0. Resolver la ecuacin
a+x
x
x
x
x
b+x
x
x
x
x
c+x
x
x
x
x
d +x
=0
x
1
1
1
1
x
1
1
1 1
1 1
x 1
1 x2
Determinantes
56
1 1 1
20
1 2 3
k=1
1 4 k2
a
b
c
a+b b+c c+a
b+c c+a a+b
a
b 2a 3b
1
x
0 0
f (x) =
x 0
0 1
0
0 1 x
2.10 Calcular el determinante de la matriz
2.11 Calcular
1
1
1
1
x x2 x3
1 1 1
2 3 4
4 9 16
47 26 12 1 2 3
119 68 33 + 4 5 6
191 110 54 7 8 9
x
3
1
B = x+1
4
2
x
2 x2 1
2.13 Demostrar sin calcular las siguientes igualdades
1 a2 a3 bc a a2
2
3
2
1 b b = ca b b
1 c2 c3 ab c c2
1 6 9
1 8 2
0 4 1
1 1 1
+ 5 6 8
4 9 2
1 6 9
= 1 8 2
1 9 5
57
5+3
3
2
53
1
1 0
2 3
1
0 1 0
2 1
3 4
1
2 1 0
0 1
2 5
4
3 1 2
2.15 Sean A y A matrices cuadradas de orden 3 con det (A) = 3 y det (B) = 5. Calcular los
siguientes determinantes:
c) 21 B
d) |A B|
a) |2A|
b) |B At |
e)
f)
(B A)t
t t
(B A B)t
2.16 Sean A y B matrices de orden n con det (A) = 2 y det (B) = 3. Calcule los determi-
nantes indicados:
c) det B1 A
d) det (2A)
a) det (AB)
b) det A2
e) det 3Bt
f) det AAt
1 a b+c
1 b c+a
1 c a+b
1
1
1
1
2
3
4
5
22
32
42
52
23
33
43
53
a
1 2 3
a 1 4 1
a
a 2 8
a
a a 3
0
1
1
1
1
1
0
1
1
1
1
1
0
1
1
1
1
1
0
1
1
1
1
1
0
2.18 Demostrar sin desarrollar que los siguientes determinantes son nulos
0 2 4 6
1 3 5 7
,
10 12 14 16
21 23 25 27
12 15 18 21 7 8 9
1 1 1 1 12 13 14
,
0 3 6 9 17 18 19
1 2 3 4 21 23 24
10
15
20
25
1
a
b
c
1
b
c
a
1
c
a
b
1 2a b 2b c 2c a
3 4 2
1 0 5
2 7 0
3 4 342
= 1 0 105
2 7 270
Determinantes
58
1x
2
2
1x
2
2
2
2
1x
2x
0
3
0
1
2x
0
3
0
0
2x
0
0
0
1
2x
2 8 4 0
3 3 3 1
0 x
2 3
1 17 5 0
1
1
1
3x 6 4 x + 4
3
1 1
=0
x+2
6
1
x+4 3 = 0
4
1
3
2
1
3
x5
x
4 2+x
1
1
3
=0
=0
=0
=0
5
3
5
9
0
0
6
3
9
8
5
6
3
0
4
1
2.22 Indicar las propiedades de los determinantes que permiten escribir las siguientes
igualdades:
2
8 2 8
1.
=
24 100 0 4
5 30 20
2. 6
9 12 = 15
1 3 0
x y
2.23 Sabiendo que: 5 0
1 1
1 4
= 8
0 1
1 6 4
1
6 4
2
3 4 = 15 2 3 4
2 3 4
1 3 0
z
3 = 1. Calcular sin desarrollar:
1
5x 5y 5z
1 0 3/2 ,
1 1
1
x
y
z
2x + 5 2y 2z + 3
x+1 y+1 z+1
59
a b c
2.24 Sabiendo que d e f = 5 , calcular:
g h i
a b c
2d 2e 2 f ,
g h i
a + 5c 3b
d + 5 f 3e
g + 10i 6h
c
f 3c
2i
d e f
g h i
a b c
d
b
d 3a e 3b
2g
2h
c
f 3c
2i
a2
ab b2
2a a + b 2b = (a b)3 ,
1
1
1
2.26 Evaluar
1 1
2
1. 0
2
2
0
0
3
b+c
b
c
c+a
c
a
a
b
a+b
0 c b
=
2
c 0 a
b a 0
1 0
1
Los sistemas de ecuaciones lineales son una parte importante del lgebra lineal y su aplicacin es
muy variada, ya que muchos problemas de ingeniera y de otras ciencias involucran la resolucin de
sistemas de ecuaciones, y la mayora son lineales.
En este captulo se estudiarn tcnicas de resolucin y anlisis de los sistemas de ecuaciones lineales
que son herramientas fundamentales para el estudio de temas del lgebra lineal.
3.1
b1
b2
bm
a11
a21
..
.
a12
a22
..
.
..
.
a1n
a2n
..
.
x1
x2
..
.
xn
b1
b2
..
.
bm
62
Las matrices A Mmn y A = (A|b) Mm(n+1) se llaman respectivamente, matriz de los coeficientes y matriz ampliada.
Observacin:
1
2
3
4
3.2
Si (Ar |br ) es la matriz que se obtiene despus de aplicar un nmero finito de operaciones
elementales a la matriz (A|b), los sistemas Ax = b y Ar x = br son equivalentes.
= 1
x1 + x2 + x4
x1 + x2 + x3 + 2x4 + x5 =
0
x1 + x2 + x4 + x5
= 1
63
1 1 0 1 0 1
1 1 0 1 0 1
F2 F1
(A|b) = 1 1 1 2 1
0 F3 F1 0 0 1 1 1
1
1 1 0 1 1 1
0 0 0 0 1
0
1 1 0 1 0 1
F2 F3 0 0 1 1 0
1
0
0 0 0 0 1
Como Ran (Ar ) = Ran (Ar |br ) = 3 < 5 = n, por el teorema de RouchFrobenius el sistema es
compatible indeterminado (infinitas soluciones) y depende de (5-3=2) dos parmetros, es decir:
x1 + x2 + x4 = 1
x3 + x4 + x5 =
1
x5
=
0
Si hacemos x2 = y x4 = , donde , R se tiene la solucin
x1 = 1
x2 =
x3 = 1
x4 =
x5 = 0
o en forma de vector x = (1 , , 1 , , 0)t .
Como solucin particular podemos tomar = 3 y = 5 entonces x = (1, 3, 6, 5, 0).
3.2
(Sistema incompatible)
x1 2x2 + x3 + 2x4 = 1
x1 + x2 x3 + x4
= 2
x1 + 7x2 5x3 x4 = 3
Solucin: Escribiendo la matriz ampliada y aplicndole el mtodo de GaussJordan, nos da
1
2
1
2
1 2 1
2 1
1
F2 F1
(A|b) = 1
1 1
1 2 F3 F1 0
3 2 1 1
1
7 5 1 3
0
9 6 3 2
1 2 1
2
1
F3 3F2 0
3 2 1
1
0
0 0
0 1
64
Como Ran (Ar ) = 2 6= Ran (Ar |br ) = 3, por el teorema de RouchFrobenius el sistema es incompatible (no tiene solucin).
3.3
x1 + x2 + x3 + x4
x +x +x x
1
2
3
4
x
+
x
x
+
x
1
2
3
4
x x +x +x
1
2
3
4
=
0
=
4
= 4
=
2
0
0
1
1
1
1
1
1
1
1
F2 F1
F F
3
1
1
0
1
1 1
0
0 2
4
4
(A|b) =
F4 F1
1 1
1 4
0 2
0 4
1
0
1 1
1
1
0 2
0
0
2
2
12 F2
1
0
0
1
1
0
1
0
1 1
0 1
F2 F4
0 0
0 0
1
0
1
0
12 F3
12 F4
1
0
0
0
1
0
1 2
0
2
0 1
0
1
0 1
0
2
1 2
Como Ran (Ar ) = Ran (Ar |br ) = 4 = n, por el teorema de RouchFrobenius el sistema es compatible determinado (tiene una nica solucin), el cual es
x1 + x2 + x3 + x4 =
0
x4 = 2
x3 =
2
x2 = 1
reemplazando las soluciones x2 = 1, x3 = 2 y x4 = 2 en la primera ecuacin x1 1 + 2 2 = 0
se tiene x1 = 1, resultando
x1 = 1 x2 = 1
o en forma de vector x = (1, 1, 2, 2).
x3 = 2
x4 = 2
65
= 1
x1 + x2 2x3 + x4 + 3x5
2x1 x2 + 2x3 + 2x4 + 6x5 = 2
x1 + 2x2 + x3
3x + x 2x
1
2
3
4x1 3x2 x3
2x + 4x + 2x
1
2
3
=
=
=
=
2
1
3
4
Respuesta: x = (1, 0, 1)
= 5
x1 + x2 + 2x3 + x4
2x1 + 3x2 x3 2x4 = 2
3.3
2x + 3y z = 0
xy+z
=0
x + 9y 5z = 0
66
2
3 1
1 1
1
(A) = 1 1
1 F2 F1 2
3 1
1
9 5
1
9 5
1
1
1
F2 2F1
F3 F1 0 5 3
0 10 6
1 1
1
F3 2F2 0 5 3
0 0
0
Como Ran (A) = 2 < n = 3, por el teorema de RouchFrobenius el sistema es compatible indeterminado (tiene una infitas soluciones), que depende de (3-2=1) un parmetro; es decir,
(
xy+z = 0
5y 3z = 0
si z = R entonces obtenemos
o tambin
x = 5
3
y =
5
z =
x = 2
y =
3
z =
5
x y + z 4t + 2u
2x y + z t u
3x y z + 3t + u
x y + z 5t + 5u
Respuesta: x = (6, 0, 4, +3, 5), R.
=
=
=
=
0
0
0
0
67
= 0
x+y+z
x + y z
= 0
3x + 2y 2z = 0
Respuesta: La trivial.
= 0
7x y + z t
15x + 3y z + t = 0
4x 2y + 7z 5t = 0
Respuesta: x = (, 11, 32, 50).
Ejercicios 3.1
3.1 Resolver:
3x y + z + t
2x + y + z + 2t
3x y + z + 4t
5x + y z + t
=
0
= 2
= 3
=
6
x 2y + 3z t
= 0
2x + 4y + 5z + 3t = 0
(
y
x + 6y + 2z at = 0
x by + z 6t = 0
xy+z
= 3
=
0
2x + y + 3z = 9
x + ay + z
ax + y + (a + 1)z =
2
x + 2y + az = 6
x+y+z
= a+1
3x + 4z
= 3a2
68
3.5 Estudiar el siguiente sistema lineal segn los valores del parmetro :
= 0
( 2)x y + z
x + (2 1)y z = 0
x + y z
= 0
3.4
Eliminacin de parmetros
Eliminar parmetros en:
= rango
(Eliminacin de parmetros)
x = + 2
y =
z = 1+
t = + 1
x1 b1
x2 b2
..
.
xn bn
69
+ 2
=
=
=
=
x
y
z1
t +1
ste sistema debe tener solucin (compatible), entonces se debe cumplir que
1
2
1
2 x
1 1
1 1 y
rango
=
rango
0
1 z1
1
1
1 t +1
1
1
aplicndole el mtodo de GaussJordan a la segunda matriz, se tiene
1
2 x
1 2 x
F : F F
2
1
2
1 1 y
F4 : F1 F4 0 3 x y
1 z1
0 1 z 1
1
1 t +1
0 1 xt 1
1 2 x
F3 : 3F3 F2
0 3 y
F4 : 3F4 F2
0 0 x + y + 3z 3
0 0 2x + y 3t 3
para que las dos matrices tengan el mismo rango, consideramos en la tercera columna, los elementos
de la tercera y cuarta fila nulos, es decir
(
x y 3z + 3 = 0
2x + y 3t 3 = 0
Ejercicio 3.7 Eliminar los parmetros , , R en la ecuacin:
x =
y =
z =
t =
Respuesta: x + 2z t + 2 = 0
1 + + 2
+
1 +
1+ +
70
x =
y =
z =
t =
u =
+ 2
3
+
+ 2
Respuesta: 3x 3y 4z + 3t = 0, x 2z + 3t u = 0
3.5
3.5.1
Dado un conjunto de n puntos (x1 , y1 ) , (x2 , y2 ) , . . . , (xn , yn ) del plano, se llama ajuste lineal
por mnimos cuadrados a la funcin f (x) = ax + b donde los coeficientes se obtienen a partir
de la solucin del sistema normal asociado a Ax = B, donde
x1 1
y1
!
x2 1
y2
a
A= . . x=
B= .
b
.. ..
..
xn 1
yn
El sistema normal es At Ax = At B. Si la matriz cuadrada At A es no singular, la matriz de las
incgnitas x se puede calcular con
x = At A
1
At B
71
Determinar la lnea de regresin por mnimos cuadrados para los puntos (5, 10), (1, 8),
(3, 6), (7, 4), (5, 5).
Solucin: Identificando las matrices
A=
3
7
5
1
1
1
1
1
x=
a
b
B=
10
8
6
4
5
At A =
5 1 3 5 7
1
1 1 1 1
5
1
3
7
5
At B =
1
1
1
1
1
10
!
8
5 1 3 5 7
6 =
1
1 1 1 1
4
5
13
33
109 9
9 5
luego, calculando (At A)1 , para encontrar la matriz de los coeficientes, se tiene
1 t
x = At A
AB
=
1
464
5 9
9 109
13
33
= 2
15
2
como una funcin de su precio. Las ventas diarias (en galones) y para tres diferentes precios de
72
producto se muestran en la tabla
Precio $
3.00
3.25
3.50
Demanda
4500
3750
3300
3.5.2
Anlisis de redes
Las redes compuestas de ramas y nodos se utilizan como modelos en campos muy variados como
: la economa, el anlisis del trnsito vehicular, ingeniera elctrica, los planeadores urbanos, etc.
Para muchas redes, los sistemas de ecuaciones involucran cientos e incluso miles de variables y
ecuaciones.
Una red consiste en un conjunto de puntos llamados nodos (uniones), con lneas o arcos denominados
ramas que conectan a algunos o todos los nodos. La direccin del flujo se indica en cada arco y la
cantidad (tasa) de flujo se muestra o se denota por medio de una variable.
En estos modelos asumimos el supuesto bsico del flujo de redes: el flujo que entra a la red es el
mismo que sale de la red, y que el flujo entrante en un nodo es igual al flujo saliente del nodo. Por
ejemplo, en la figura (3.1) se muestran 50 unidades y x2 unidades que fluyen hacia el nodo a travs
de arcos y x1 unidades denota el flujo que sale del nodo por el arco. Como el flujo se conserva en
cada nodo, se cumple que
50 + x2 = x1 .
De manera similar, el flujo en cada nodo se describe por medio de una ecuacin lineal y el problema
del anlisis de redes se reduce a determinar el flujo presente en cada arco cuando se conoce cierta
informacin parcial, como las entradas de una red.
Ilustremos este procedimiento en el siguiente ejemplo.
73
(Flujo de agua)
Fluye agua por un acueducto (en miles de metros cbicos por hora) como se muestra en la
figura.
a) Resuelva este sistema para el caudal representado por xi , i = 1, 2, . . . 7.
b) Calcule el flujo de agua cuando x6 = x7 = 0.
c) Determine el caudal del agua cuando x5 = 1000 y x6 = 0.
600
x1
x4
x3
600
x2
x6
500
500
x5
x7
Solucin: La siguiente tabla describe el flujo de los acueductos (nodos) y los flujos desconocidos
en los arcos. En cada interseccin, se establece el flujo entrante igual al flujo saliente. Tambin se
Interseccin
Flujo entrante
600
x1
x2 +x5
x3 +x6
x4 +x7
500
A
B
C
D
E
F
Flujo saliente
=
=
=
=
=
=
x1 +x3
x2 +x4
500
600
x6
x5 +x7
comprueba que el flujo total entrante a la red (600 + 500) es igual al flujo total saliente (500 + 600)
a la red. Reescribiendo la tabla en un sistema de 6 ecuaciones y 7 incgnitas, se tiene
x1
x1 x2
x2
x3
+ x5
+ x6
x6
x3
x4
x5
=
=
=
=
+ x7 =
+ x7 =
600
0
500
600
0
500
74
La matriz aumentada de este sistema es
1
0
1 1
0
1
0
0
0
0
0
0
1
0 0
0 0
0 1 0
0 0
0
0 1
0 0
1
0 0
1 0
0
1 0 1 1
0
0 1
0 1
600
0
500
600
0
500
1 0 0 0 0 1
0 0
0 1 0 0 0
0 1 0
0 0 0 0 1
1
0
600
0 0 1 0 0 1
1
0
0 0 0 1 0
0
1
500
0 0 0 0 0
0
0 0
Como Ran (Ar |br ) = 5 < 7 = n, por el teorema de
indeterminando y depende de 2 parmetros, es decir
x1 x6
x2 x7
x3 x6
x4 x6 + x7
x5 + x7
x1 =
x2 =
x3 = 600 +
x4 =
x5 = 500
x6 =
x7 =
b) Si x6 = 0y x7 = 0, entonces
x1
x2
x3
x4
x5
x6
x7
=0
=0
= 600
=0
= 500
=0
=0
75
x3 = 600 y x5 = 500 seran los flujos mnimos. Qu significa un flujo igual a cero?
c) Si x5 = 1000 y x6 = 0, se tiene
x1
x2
x3
x4
x5
x6
x7
=0
= 500
= 600
= 500
= 1000
=0
= 500
en la figura.
a) Resuelva este sistema para xi , i = 1, 2, . . . , 5.
b) Encuentre el flujo vehicular cuando x2 = 200 y x3 = 50.
c) Encuentre el flujo vehicular cuando x2 = 150 y x3 = 0.
400
x5
250
x3
x2
200
x1
x4
350
3.5.3
Matrices estocsticas
Muchos tipos de aplicaciones implican un conjunto finitos de estados {S1 , S2 , . . . , Sn } de una poblacin. Por ejemplo, los habitantes de una cuidad pueden vivir en el centro o la periferia. Los electores
pueden votar por el candidato A, candidato B, o cualquier ottro candidato. Los consumidores de
bebidas gageosas pueden comprar Inca Kola, Kola Real o cualquier otra marca.
La probabilidad de que un miembro de la poblacin cambie del j-sismo estado al i-simo estado
es representada por un nmero pi j donde 0 pi j 1. Una probabilidad de pi j = 0 significa que el
miembro no cambia del estado j-simo al i-simo mientras que una probabilidad pi j = 1 significa
76
que el miembro cambia del estado j-simo al i-simo.
S1
S2
Sn
S1 p11
S2 p21
P= .
.
..
..
p12
p22
..
.
Sn
pn2
p1n
p2n
..
.
pnn
pn1
El siguiente ejemplo muestra el uso de la matriz estocstica para medir las preferencias de un
consumidor.
3.8
Una poblacin de 10 000 personas se agrupa de la forma: 5 000 no fumadores, 2 500 fumadores
de un paquete o menos por da y 2 500 fumadores de ms de un paquete al da. Durante
algn mes existe 5 % de probabiliadad de que un no fumador pueda comenzar a fumar un
paquete o menos por da y 2 % de probabilidad de que un no fumador comience a fumar ms
de un paquete al da. Para fumadores que fuman un paquete o menos al da, existe 10 % de
probabilidad de que dejen de hacerlo y 10 % probabiliada de que incrementen la cantidad.
Para fumadores que fuman ms de un paquete al da, existe 5 % de probabilidad de que dejen
de hacerlo y 10 % de probabilidad de que disminuyan a un paquete o menos al da. Cuntas
personas estarn en cada uno de los grupos en un mes? en dos meses? en tres meses?
5000
F1 : fumador de un paquete al da
2500
2500
77
F1
F2
NF 0,93
P = F1 0,05
F2 0,02
0,10
0,80
0,10
0,05
0,10
0,85
5000
X = 2500
2500
para obtener la matriz de estado que representa las poblaciones en los estados despus de un mes,
multiplicamos P por X para obtener
5047
P2 X = 2498,75 .
2454,25
El nmero de personas agrupadas despus de tres meses es
5066,30
P3 X = 2496,76 .
2436,93
1000 ratones de laboratorio. Durante alguna semana existe 80 % de probabilidad de que un ratn
infectado supere el virus y durante la misma semana existe 10 % de probabilidad de que un ratn
sano se infecte. cien ratones son infectados con el virus. Cuntos se infectarn esta semana? y
en dos semanas?
Respuesta Prximo mes: 350 personas. En dos meses: 475 personas.
78
3.5.4
f (x1 , x2 , . . . , xn ) = c1 x1 + c2 x2 + + cn xn ,
sujeta a
x ,x ,...,x 0
1
Siendo adems,
c j R,
j = 1, 2, . . . , n
ai j R, i = 1, 2, . . . , m; j = 1, 2, . . . , n
bi R, i = 1, 2, . . . , n
La funcin f recibe el nombre de funcin objetivo del problema de programacin lineal, y el
conjunto de m desigualdades lineales con n incgnitas se denomina restricciones del problema.
Toda n-upla (x1 , x2 , . . . , xn ) que satisface las m desigualdades se denomina solucin factible.
El siguiente ejemplo plantea un problema de programacin lineal con dos variables el cual se resuelve
por el mtodo grfico.
3.9
(Problema de minimizacin)
Un pequeo generador de electricidad utiliza dos clases de combustible: con alto contenido de
azufre (M) y con bajo contenido de azufre (N). Por cada hora de uso del generador, un galn
de combustible del tipo M emite 5 unidades de bixido de azufre, genera 4 kilovatios y cuesta
50 centavos, mientras que un galn tipo N emite 3 unidades de bixido de azufre, genera 4
kilovatios y cuesta 60 centavos. La oficina de proteccin ambiental insiste en que la mxima
cantidad de bixido de azufre que puede emitirse por hora es de 15 unidades. Suponga que
deben generarse por lo menos 16 kilovatios por hora. Cuntos galones de M y cuntos de N
deben utilizarse por hora , de tal manera que el costo del combustible utilizado sea mnimo?
79
Bixido de Azufre
Kilovatios
Costo
50
60
Disponible
15
16
5x + 3y 15
4x + 4y 16
x 0, y 0
La figura (3.2) muestra un polgono convexo R dado por las desigualdades anteriores. Los puntos de
esquina de R son
3 5
A=
,
B = (0, 4) C = (0, 5)
2 2
Los valores de la funcin objetiva z = f (x, y) = 50x + 60y en los puntos de esquina son
3
5
f (A) = 50
+ 60
= 225
2
2
f (B) = 50(0) + 60(4) = 240
f (c) = 50(0) + 60(5) = 300
Entonces el mnimo de f sobre R ocurre en el punto A = 32 , 52 . Es decir, si cuando se tiene
galones de M y 52 de galones de N a un costo mmino de 225 centavos.
Figura 3.2:
3
2
de
80
Ejercicio 3.12 Una compaa area desea ofertar para una determinada ruta, a lo ms 2500
empresa de transporte tiene 6 buses de 25 asientos y 9 buses de 40 asientos, pero solo disponen
de 8 conductores. Calcular cuntos buses de cada tipo se deben alquilar para que el viaje resulte
econmico.
a) Cuando alquiler de cada bus grande cuesta 50 soles y del pequeo 30 soles.
b) Cuando alquiler de cada bus grande cuesta 38 soles y del pequeo 40 soles.
Respuesta: a) 3 buses pequeos y 5 buses grandes, haciendo un costo mnimo de 340 soles. b) 0
buses pequeos y 6.88 buses grandes, haciendo un costo mnimo de 275 soles. Como no se puede
alquilar 6.88 buses tomamos 7 buses grandes y 0 pequeos haciendo un costo de 280 soles.
3.5.5
Este modelo matemtico desarrollado por el economista estadounidense Wassily W. Leontief (19061999), premio Nobel por su trabajo en economa en 1973.
Al generar un modelo matemtico, Leontief suposo que un sistema econmicoproductivo est
formado por n industrias diferentes, cada uno de los cuales frbrica un solo producto.
Suponga que un sistema econmico tiene n industrias diferentes I1 , I2 , . . . , In , cada una de las cuales
tiene requerimientos de entrada (materias primas, transporte, etc.) y una salida (producto terminado).
En la produccin de cada unidad de salida, una industria puede utilizar las salidas de otras industrias,
incluyndose a s misma. Por ejemplo, el servicio elctrico utiliza las salidas de otras industrias
como: carbn, agua, petrleo, incluso su propia electricidad.
Sea di j la fraccin de insumos que necesita la empresa j para producir cada una de sus unidades, y
que son elaboradas por la empresa i. Se llamar xi a la cantidad total de unidades de produccin de la
industria i, y ei la demanda externa de la industria i. Si ei = 0 el sistema econmico es cerrado, es
decir slo vende sus productos a las industrias dentro del sistema y si ei 6= 0 el sistema econmico
es abierto cuando las industrias dentro del sistema venden sus productos a grupos no productores
como gobiernos o instituciones de caridad.
81
I2
In
I1 d11
I2 d21
D = ..
.
. ..
d12
d22
..
.
In
dn2
d1n
d2n
..
.
dnn
dn1
las filas I1 , I2 , . . . , In representan al usuario (salida) y las columnas I1 , I2 , . . . , In representan al proveedor (entrada). Los valores de di j deben satisfacer 0 di j 1 y la suma de los elementos en cada
columna deden ser menor o igual a 1.
i) d12 = 0,5: significa que 0.5 unidades del producto de la Industria 1 deben emplearse para
producir una unidad del producto de la Industria 2.
ii) d44 = 0,15: entonces 0.15 unidades de la Industria 4 son requeridas para producir una unidad
de su propio producto.
Por ejemplo, si para producir una unidad de electricidad (un milln $) se consumen $ 250 de carbn:
delectricidad
carbn
250
= 0,00025
1000000
Si la produccin de electricidad es xi , la industria del carbn deber producir, para satisfacer al sector
de electricidad
delectricidad
carbn xe
= 0,00025xe
Cada sector deber producir para satisfacer las demandas internas (a s mismo y a los dems sectores)
y la externa. Planteando el equilibrio del sistema, se tiene
produccin de cada industria = consumo interno + demanda externa
El sector 1 deber producir
x1 = d11 x1 + d12 x2 + + d1n xn + e1
El sector o empresa i deber producir
xi = d11 x1 + d12 x2 + + dii xi + d1n xn + ei
Al aplicar el equilibrio encada sector, se tendr el sistema de n ecuaciones lineales
82
La forma matricial de este sistema es
X = DX + E
Un sistema compuesto de dos industrias: carbn y acero, tienen los siguientes requerimientos
de entrada.
a) Para producir 1.00 $ de ganancia a la salida, la industria del carbn necesita 0.10 $ de
su producto y 0.80$ de acero.
b) Para producir 1.00 $ de ganancia a la salida, la industria del acero necesita 0.10 $ de su
producto y 0.20$ de carbn.
Determine D, la matriz de entradasalida para este sistema. Despus, resuelva para la matriz
X en la ecuacin X = DX + E, donde la demanda externa es
!
10000
E=
.
20000
Solucin: La matriz de entradasalida es
carbon
D=
acero
carbon
acero
0,10
0,80
0,20
0,10
carbon
E=
acero
10000
20000
9
10
45
51
9
10
!
,
(I D)1 =
4
13
18
13
18
13
16
13
As la matriz de salida es
X=
18
13
16
13
4
13
18
13
10000
20000
!
=
20000
40000
!
.
83
Ejercicio 3.14 Un sistema tiene dos industrias, con los siguientes requerimientos de entrada
Ejercicio 3.15 Una pequea comunidad incluye un granjero, un panadero y un sastre y tiene la
Gran jero
D = Panadero
Sastre
Gran jero
Panadero
0,40
0,30
0,20
0,50
0,00
0,20
Sastre
0,50
0,30
0,00
1000
E = 1000
1000
Ejercicios 3.2
3.6 Resolver el sistema de ecuaciones siguientes e indicar en cada caso si son incompatibles,
x 2y + 4z = 0
(a)
3x + y 2z = 0
x 5y + 4z = 0
x 2y + z = 1
(b)
3x y 2z = 4
4x + 3y + z = 2
2x + 3y + z = 0
(c)
x + 3y = 3
x + y + 3z = 5
ax + y + z = 1
(d)
x + ay + z = a
x + y + az = a2
x+yz = 1
(e)
3x + ay + az = 5
x + ay = 5
84
x + 3y + z 4t = 1
(a)
2x 6y 2z + 8t = 0
x+y+z+t = 1
2x y z t = 0
x + 2y + z t = 1
(b)
3x + y 2t = 1
6x + 2y 4t = 1
x+y+z = 0
(c)
2x + y + z = 0
3x + 2y + 2z = 0
x + 2y z = 2
xy+z = 1
(d)
2x + y = 3
3y 2z = 1
xyz = 6
(a)
x+yz = 2
x + y + z = 12
2x 5y + 3z = 12
(b)
3x + 2y 5z = 1
7x 4y + 2z = 0
x 2y + z = 4
(c)
3x + y 5z = 1
3x + 3y 2z = 4
x+yz = 3
(d)
x+y = 4
3x + 3y 2z = 7
x + y z = 5
(e)
x + y = 2
3x + 3y 2z = 12
x+yz = 1
(f)
x+y = 2
3x + 3y 2z = 4
x+y = 1
(g)
2x + 3y = 0
xy = 3
x+y = 1
(h)
2x + 3y = 4
xy = 2
x+y = 2
(i)
2x + 3y = 2
x y = 14
3.9 Encontrar un sistema homogneo de dos ecuaciones y cuatro incgnitas tal que
x = 1, y = 3, z = 2,t = 1, x = 3, y = 1, z = 2,t = 2
sean soluciones. Encontrar la solucin general de este sistema de ecuaciones.
3.10 Considere las matrices
1 1 2
2 5 4
A= 3
2 1 B= 6 5 7
4
1 3
8 10 11
(a) Analizar si la matriz A es regular.
(b) Resolver la ecuacin matricial AX = B.
(c) Encontrar una matriz C tal que la ecuacin AX = C no tenga soluciones.
3.11 Estudiar el sistema de ecuaciones lineales segn los valores del parmetro a:
(a)
(b)
(c)
(d)
(e)
(f)
(g)
85
ax + y z = 1
x 2y + z = 1
3x + 4y 2z = 2
(
(a 1)x + (a 1)y = a
ax + (a + 1)y = a + 1
xy+z = 0
2x + ay 4z = 0
x+y = 1
ay + z = 0
x + (a + 1)y + az = a + 1
(
2x + y 2z = 2
2x + y + az = 0
x + ay + z = 1
ax + y + (a + 1)z = a
x+y+z = a+1
(a 2)x y + z = 0
x + (2a 1)y az = 0
x + ay z = 0
x 2y + az = a
(h)
x + 4y + a2 z = 6a
x 8y + a2 z = 4
x + ay z = 2
2y + z = 5
(i)
x 5y + 2z = 7
x + 3y z = 1 a
xy+z = 3
2x + y + 3z = 9
(j)
x + 2y + az = 6
3x + 4z = 3a2
x + by + az = 1
(k)
ax + by + z = 1
x + aby + z = b
ax + y + z = 3
x + y + 2z = 1
(l)
5x + 2y + 3z = 4
xz = b
x 2y + 3z t = 0
2x + 4y + 5z + 3t = 0
x + 6y + 2z + at = 0
x by + 4z 6t = 0
sean equivalentes.
3.13 Encuentre el patrn de flujo general de la red que se muestra en la figura (??). Suponiendo que todos los flujos son no negativos, cul es el mximo valor posible para x3 ?
40
A
x1
x3
x4
x2
60
3.14 Encuentre el patrn de flujo general de la red que se muestra en la figura. Si el flujo
86
debe ir en la direccin indicada, cules osn los flujos mnimos en los arcos denotados por
x2 , x3 , x4 y x5 ?
20
80
30
x5
x2
x1
x6
B
x3
60
100
x4
30
50
90
3.15 Considere el siguiente diagrama de una malla de calles de un sentido con vehculos que
entran y salen de las intersecciones. Las flechas a lo largo de las calles indican la direccin del
flujo del trfico. Sea xi el nmero de vehculos por hora que circulan por la calle i. Suponiendo
que el trfico que entra a una interseccin tambin sale, establezca un sistema de ecuaciones
que describa el diagrama del flujo de trfico.
a) Encuentre el patrn de flujo general del trfico.
b) Suponga que la calle de A a C necesita cerrarse; es decir, x3 = 0. Puede cerrarse
tambin la calle de A a D (x5 = 0) sin modificar los sentidos del trnsito?. Si no se
puede cerrar cul es la cantidad ms pequea de vehculos que debe admitir esta calle
(de A a D)?
200
200
100
200
300
x2
x1
x3
A
x5
200
x4
100
100
87
3.16
B
x2
x1
40
x3
x4
100
x5
60
3.17 El flujo a travs de una red se muestra en la figura
300
x4
x1
x2
A
x5
x6
C
x1
100
a) Resuelva el sistema para xi , i = 1, . . . , 6.
b) Determine el flujo cuando x3 = 100, x5 = 50 y x6 = 50.
D
200
Introduccin
Espacio vectorial
Subespacio vectorial
Caracterizacin de subespacios
Combinacin lineal y espacio generado
Independencia Lineal
Base de un Espacio Vectorial
Coordenadas respecto de una base
Uso de operaciones elementales para obtener bases
Dimensin de un espacio vectorial
Suma, interseccin y suma directa de
subespacios
Frmula de la dimensin
Bibliografa
4 Espacio vectorial
4.1
Introduccin
Empleamos espacios vectoriales para desarrollan cdigos que detectan y corrigen errores en la
transmisin de informacin en forma digital, por ejemplo los dispositivos utilizados hoy en da como
son las computadoras, telfonos celulares, redes de comunicacin emplean alguno de estos tipos de
codificacin.
El estudio de los espacios vectoriales no es demasiado diferente del estudio del espacio Rn , porque
es posible usar la experiencia geomtrica adquirida con R2 y R3 para visualizar muchos conceptos
generales. Se puede sumar dos vectores en R2 . En la suma, los vectores en R2 obedecen las leyes
conmutativas y asosiativa. Si v R2 , entonces v+0 = v y v+(v) = 0. Se puede multiplicar vectores
en R2 por escalares y obtener las leyes distributivas. En R3 se cumplen las mismas propiedades.
Los conjuntos R2 y R3 junto con las operaciones de suma de vectores y multiplicacin por un escalar
se denominan espacios vectoriales. Se puede decir, de forma intuitiva, que un espacio vectorial es un
conjunto de objetos con dos operaciones que obedecen las reglas que acaban de describirse.
En ste captulo se tendr un cambio, en apariencia grande, del mundo concreto de la solucin
de ecuaciones y del manejo sencillo de los vectores que se visualizaban, al mundo abstracto de
los espacios vectoriales arbitrarios. Existe una ventaja en este cambio. Una vez que, en trminos
generales, se establecen los hechos sobre los espacios vectoriales, se pueden aplicar estos hechos a
todos los espacios de esta naturaleza. De otro modo, tendra que probarse cada hecho una y otra vez
para cada nuevo espacio vectorial que nos encontrramos (y existe un sin fn de ellos).
Espacio vectorial
90
4.2
Espacio vectorial
Definicin 4.1 (Espacio vectorial)
(u, v) u + v
( , u) u
verificando las siguientes propiedades:
vi) Cerradura bajo la multiplicacin: u V , para todo u V y R un escalar.
vii) 1 u = u, para todo u V .
viii) ( u) = ( ) u, para todo , R y para todo u V .
ix) ( + ) u = u + u, para todo , R y para todo u V
x) (u + v) = u + v, para todo R y para todo u, v V .
A los elementos de un espacio vectorial se les llamar vectores y a los elementos del cuerpo real se
les llamar escalares. Un espacio vectorial real es un espacio vectorial sobre el cuerpo R.
Nota En lo que sigue de este captulo, siempre que no haya confusin se omitir el punto () en la
operacin producto por un escalar; es decir, u = u.
4.1
(El espacio Rn )
91
4.2
4.3
Sea V = {2}. Es decir, V tiene un nico elemento el 2. Este no es un espacio vectorial, pues
falla en la cerradura; es decir,
2+2 = 4
/ V,
tambin no cumple muchos axiomas sin embargo, con slo demostrar que no cumple al menos
uno de los diez axiomas queda probado que V no es un espacio vectorial.
4.4
Sea V = {(x, y) : y = mx, m R}, este conjunto consiste en todos los puntos que estn sobre
la recta y = mx que pasa por el origen y tiene pendiente m. Para verificar que V es un espacio
vectorial se pueden verificar cada uno de los axiomas.
1 Sea x = (x1 , y1 ) y y = (x2 , y2 ) que estn en V . Entonces y1 = mx1 , y2 = mx2 ,
x + y = (x1 , y1 ) + (x2 , y2 ) = (x1 , mx1 ) + (x2 , mx2 ) = (x1 + x2 , mx1 + mx2 )
= (x1 + x2 , m(x1 + x2 )) V
2
Espacio vectorial
92
4.5
Sea V = {(x, y) : y = x + 2}; es decir, V es el conjunto de puntos que estn sobre la recta
y = x + 2. V no es un espacio vectorial pues no se cumple la cerradura bajo la suma, veamos
esto.
Supongamos que x = (x1 , y1 ), y = (x2 , y2 ) V , entonces y1 = x1 + 2 y y2 = x2 + 2
x + y = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) = (x1 + x2 , (x1 + x2 ) + 4)
/ V.
por ejemplo, (1, 3) V y (1, 1) V , pero (1, 3) + (1, 1) = (0, 4)
/ V pues 4 6= 0 + 2.
Una forma ms sencilla de comprobar que V no es un espacio vectorial es observar que
0 = (0, 0)
/ V porque 0 6= 0 + 2.
4.6
4.7
(
Sea V = Pn =
ak x
k=1
93
= ( an ) xn + ( an1 ) xn1 + + ( a1 ) x + ( a0 )
Es obvio que la suma de dos polinomios de grado menor o igual a n es otro polinomio
de grado menor o igual a n, luego se cumple el axioma i). Si se define el polinomio 0 =
0xn + 0xn1 + + 0x + 0, entonces 0 Pn y el axioma iv) se cumple. Por ltimo, sea
p(x) = an xn an1 xn1 a1 x a0 , entonces p(x) + (p(x)) = 0 V y el axioma
v) se cumple.
El resto de los axiomas se verifica facilmente, con lo que Pn es un espacio vectorial real.
4.8
4.9
4.10
Sea S3 = { matrices invertibles de 3 3}, se define la suma A B = AB. Si A y B son invertibles, entonces AB es invertible y el axioma i) se cumple. El axioma iii) es la propiedad
asociativa para la mutiplicacin de matrices; los axiomas iv) y v) se satisfacen con 0 = I3 y
A = A1 . Sim embargo, AB 6= BA en general y al axioma ii) no se cumple y por lo tanto S3
no es un espacio vectorial.
Espacio vectorial
94
4.11
Ejercicios 4.1
4.1 En R2 se definen las siguientes operaciones
operaciones y .
a.) El conjunto de todos los pares ordenados de nmeros reales (x, y), donde x > 0 y y > 0:
(x1 , y1 ) (x2 , y2 ) = (x1 + x2 , y1 + y2 )
k (x, y) = (kx, ky)
b.) Sea V el conjunto de todas las ternas ordenadas de nmeros reales de la forma (0, y, z):
(0, y1 , z1 ) (0, y2 , z2 ) = (0, y1 + y2 , z1 + z2 )
k (0, y, z) = (0, 0, kz)
95
dadas, es un espacio vectorial. Si no lo es, enumere las propiedades de la definicin (??) que
no se cumplen.
a.) El conjunto de todas las ternas ordenadas de nmeros reales (x, y, z) con las operaciones
(x1 , y1 , z1 ) (x2 , y2 , z2 ) = (x1 , y1 + y2 , z2 )
k (x, y, z) = (kx, ky, kz)
b.) El conjunto de todas las ternas ordenadas de nmeros reales (x, y, z) con las operaciones
(x1 , y1 , z1 ) (x2 , y2 , z2 ) = (x1 + x2 , x2 + y2 , z1 + z2 )
k (x, y, z) = (x, 1, z)
c.) El conjunto de todas las ternas ordenadas de la forma (0, 0, z) con las operaciones
(0, 0, z1 ) (0, 0, z2 ) = (0, 0, z1 + z2 )
k (0, 0, z) = (0, 0, kz)
4.4 Sea V el conjunto de todos los pares ordenados de nmeros reales (x, y) con las operacio-
nes
(x, y) + (x0 , y0 ) = (x + x0 , y + y0 )
k(x, y) = (0, 0)
Es un espacio vectorial?.
4.5 Sea V el conjunto de todos los pares ordenados de nmeros reales (x, y) con las operacio-
nes
(x, y) + (x0 , y0 ) = (x + x0 , y + y0 )
k(x, y) = (kx, 0)
Es un espacio vectorial?.
Espacio vectorial
96
Es un espacio vectorial?.
4.7 Sea el conjunto V = {x R : x < 0} con las operaciones
u + v = uv,
u = u
Es V un espacio vectorial?
4.3
Subespacio vectorial
Definicin 4.2 (Subespacio vectorial)
Caracterizacin de subespacios
El siguiente teorema da un resultado que hace relativamente sencillo determinar si un subconjunto S
de V es en realidad un subespacio de V .
Teorema 4.2 (Caracterizacin de subespacios)
97
4.13
4.15
Sea S = {(x, y, z) : x = at, y = bt, z = ct; a, b, c,t R}. Entonces S consiste en los vectores
R3 que se encuentran sobre una recta que pasa por origen.
Veamos que S es un subespacio de R3 , sea u = (at1 , bt1 , ct1 ) S y v = (at2 , bt2 , ct2 ) S,
entonces
u + v = (a(t1 + t2 ), b(t1 + t2 ), c(t1 + t2 )) S
u = (a(t1 ), b(t1 ), c(t1 )) S
Espacio vectorial
98
As, S es un subespacio de R2 .
4.16
(Subespacio propio de R3 )
Nota Los conjuntos de vectores que se encuentran sobre rectas y planos que pasan por el origen son
los nicos subespacios propios de R3 .
Antes de analizar ms ejemplos, es importante notar que no todo espacio vectorial tiene subespacios
propios.
4.17
Sea M32 el espacio vectorial de matrices de orden 3 2 con componentes reales y sea
S = {A M32 : a32 = 0}. Por la definicin de suma de matrices y multiplicacin por
un escalar, es obvio que los dos axiomas de cerradura se cumplen de manera que S es un
subespacio.
4.18
Sea Mnn el espacio vectorial de las matrices de orden n y sea S = {A Mnn : A es invertible}.
Entonces S no es subespacio, pues la matriz cero de orden n n no pertenece a S.
4.19
(Subespacios propios de Pn )
99
pues 0 S
(A + B) = A + B = A + B S
ASyBS
( A)t = At = A S
ASy R
Las siguientes definiciones son importantes sobre la interseccin, unin y suma de subespacios
vectoriales.
Definicin 4.3 (Interseccin, unin y suma de subespacios)
S T = {v : v S v T }
S + T = {w = u + v : u S v T }
4.21
Espacio vectorial
100
4.22
4.23
S2 = {t(2, 3) : t R}
x = 3r 2t
y = r + 3t
3x + 2y
3y x
(3, 1) +
(2, 3)
11
11
u = (2t, 3t)
3r + 2t = 0
r 3t = 0
r=t =0
luego u = (0, 0), entonces {(0, 0)} S1 S2 . Por lo tanto, S1 S2 = {0}. As, R2 = S1 S2 .
El siguiente teorema da resultados sobre operaciones con subespacios.
101
R4 que consta de todos los vectores de la forma au + bv, donde a y b son nmeros reales
cualesquiera. Proporcione un argumento que demuestre que W es un subespacio de R4 .
4.4
Espacio vectorial
102
y decimos que v es una combinacin lineal de los vectores i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1).
Podemos ser ms generales y dar la siguiente definicin.
Definicin 4.4 (Combinacin lineal)
v = i vi = 1 v1 + 2 v2 + + n vn
i=1
4.24
(Combinacin lineal en R3 )
+ 2 = 1
+ 4 = 2
+ = 3
= 0
=
= 21
= 3
3 2 8
1 9 3
A = 3A1 + 2A2
!
!
3 2 8
1 0 4
=3
+2
1 9 3
1 1 5
0 1 2
2 3 6
!
.
103
4.26
1 0
2 4
Averiguar si A =
!
es combinacin lineal de A1 =
1 1
2 2
!
y A2 =
3 2
3 5
!
.
1 0
2 4
1 1
2 2
!
+
+ 3
3 2
+ 2
=
3 5
2 + 3
2 + 5
= 1
=
0
=
2
=
4
(Combinaciones lineales Pn )
En Pn todo polinomio se puede escribir como una combinacin lineal de los monomios
1, x, x2 , . . . , xn
4.28
4.29
a b
c d
El vector (matriz),
a b
c d
!
=a
!
se puede escribir de la forma,
1 0
0 0
!
+b
0 1
0 0
!
+c
0 0
1 0
!
+d
0 0
0 1
Espacio vectorial
104
entonces los vectores
1 0
0 0
!
,
0 1
0 0
!
,
0 0
1 0
!
,
0 0
0 1
generan M22 .
Lema 4.2 (Espacio generado por un conjunto de vectores). Si V es un espacio vectorial
y A = {v1 , v2 , . . . , vn }, entonces
(
L(A) =
i vi :
i R
i=1
4.30
x = +
y =
z =
se llaman ecuaciones paramtricas de L(A). Las ecuaciones paramtricas son tiles para obtener,
dndo valores reales a los parmetros y y obtener los diferentes vectores de L(A). Por ejemplo,
para = 1 y = 2 se obtiene el vector v = (1, 2, 3) L(A). Eliminando parmetros en las
ecuaciones paramtricas, se obtiene
x 2y z = 0
que se llaman ecuaciones implcitas de L(A). Las ecuaciones implcitas son tiles para comprobar
si un determinado vector pertenece a L(A) (el vector debe verificar todas las ecuaciones). Por
ejemplo, el vector (1, 3, 7) L(A) pues 1 2(3) 7 = 0, y el vector (2, 1, 5)
/ L(A) pues
2 2(1) 5 6= 0.
4.31
x =
+
y = + 2
z =
t = + 3
(
=
105
x 2y 3z = 0
x + 4y 3t = 0
Propiedades:
Proposicin 4.1
A1 =
1 1
0
3
!
,
A2 =
a)
5 1
1 9
b)
3 2
3
2
1 1
0 2
!
,
c)
d)
A3 =
2 2
1 1
3 1
3
2
!
1 0
2 1
!
?
4.13 Determine si el vector p(x) pertenece a L(A) = {p1 (x), p2 (x), p3 (x)}, donde
p1 (x) = x2 x,
p2 (x) = x2 2x + 1,
p3 (x) = x2 + 1.
Espacio vectorial
106
a)
p(x) = 3x2 3x + 1
c)
p(x) = x + 1
b)
p(x) = x2 x + 1
d)
p(x) = 2x2 x 1
4.14 Sea L(A) = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}. Hallar las ecuaciones paramtricas e implcitas
b) A = {(1, 2, 1), (6, 3, 0), (4, 1, 2), (2, 5, 4)} d) A = {(1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 1)}
4.18 Cules de los siguientes conjuntos de polinomios generan P2 ?
a) A = x2 + 1, x2 + x, x + 1
b) A = x2 + 1, x 1, x2 + 2
4.5
c) A = x2 + 2, 2x2 x + 1, x + 2, x2 + x + 4
d) A = x2 + x 1, x2 1
Independencia Lineal
En el estudio del lgebra lineal, una de las ideas centrales es la de dependencia e independencia
lineal de vectores. En esta seccin mostraremos su relacin con la teora de sistemas homogneos de
ecuaciones y determinantes.
Antes de definir independencia lineal de vectores veamos el siguiente ejemplo: existe alguna
relacin especial entre los vectores v1 = (2, 3) y v2 = (4, 6)?. Por supuesto, vemos que v2 = 2v1 ,
o escribiendo de otra manera
2v1 v2 = 0
(4.1)
es decir, el vector cero se puede escribir como una combinacin no trivial de v1 y v2 (los coeficinetes
en la combinacin lineal no son ambos cero). Qu tienen de especial los vectores v1 = (1, 2, 3),
v2 = (1, 2, 4) y v3 = (1, 4, 6)?. La respuesta a simple vista es difcil, pero es sencillo verificar
107
(4.2)
se ha escrito el vector cero como una combinacin lineal de v1 , v2 y v3 . Vemos que los dos vectores
en la ecuacin (4.1) y los tres vectores en la ecuacin (4.2) tienen una relacin ms cercana que un
par arbitrario de dos vectores o una terna arbitraria de tres vectores. En cada caso, se dice que los
vectores son linealmente dependientes.
Definicin 4.6 (Dependencia e independencia lineal)
i v = 1 v1 + 2 v2 + + n vn = 0
(4.3)
i=1
i v = 0
i=1
y se estudian sus soluciones. Si admite alguna solucin no nula el conjunto de vectores es L.D, y si
slo admite la solucin nula es L.I.
4.32
+ + 2 = 0
+ = 0
= 0
+ + 2 = 0
Espacio vectorial
108
cuyas soluciones son = = = 0. Por lo tanto v1 , v2 y v3 son L.I.
4.33
+ + = 0
+ 2 = 0
+ 3 = 0
+ +2 = 0
cuyas soluciones son = 2t, = t y = t con t R, que admite soluciones no nulas. Por ejemplo,
para t = 1: 2v1 v2 v3 = 0. Luego {v1 , v2 , v3 } son linealmente dependientes.
Ejercicio 4.1 En R4 , determinar si los vectores son linealmente independientes v1 = (1, 1, 2, 4),
Ejercicio 4.2 En R3 . Hallar los valores de x, para los cuales los vectores v1 = (x, 1 x, x),
109
Ejercicios 4.4
4.19 Estudiar la dependencia e independencia lineal de los conjuntos de vectores siguientes:
y u4 = (3, 15, 7, 2) de R4 son linealmente dependientes y que cada uno de ellos se puede
expresar como combinacin lineal de los tres.
4.21 Compruebe que los vectores (2, 3, 1, 5), (6, 1, 1, 3), (3, 5, 1, 9) y (0, 2, 1, 3) son
linealmente dependientes pero el tercer vector no se puede expresar como combinacin lineal
de las tres. Es esto una contradiccin?
4.22 Determine los valores de a y b para que los vectores (0, 1, a, 1) , (2, 1, 5, b) y (1, 2, 1, 0)
4.6
Espacio vectorial
110
4.34
En Rn ,
B = {e1 = (1, 0, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), . . . , en = (0, 0, 0, . . . , 1)}
constituye una base. Esta base se denomina base cannica de Rn .
4.35
4.36
En Mmn (R),
B = E1 =
1 0 0
0 0 0
.. ..
.. , E2 =
. .
.
0 0 0
0 1 0
0 0 0
.. ..
.. , . . . , Emn =
. .
.
0 0 0
0 0 0
0 0 0
.. ..
..
. .
.
0 0 1
4.37
111
lo que muestra que (2, 1, 0) y (3, 0, 1) generan a P. Como es evidente que estos dos vectores son
L.I (porque uno no es mltiplo del otro). Por lo tanto, forman una base para P.
Teorema 4.4 (Teorema de la base)
Todo espacio vectorial V 6= {0} (o subespacio vectorial) con un sistema de generadores finito
posee al menos una base.
Teorema 4.5
Es decir, para un espacio vectorial particular V , todas sus bases tienen el mismo nmero de vectores.
Ejercicios 4.5
4.24 Cules de los siguientes conjuntos de vectores son bases para R2 ?
a.) B = x3 + 2x2 + 3x, 2x3 + 1, 6x3 + 8x2 + 6x + 4, x3 + 2x2 + x + 1
b.) B = x3 + x2 + 1, x3 1, x3 + x2 + x
c.) B = x3 + x2 + x + 1, x3 + 2x2 + x + 3, 2x3 + x2 + 3x + 2, x3 + x2 + 2x + 2
d.) B = x3 x, x3 + x2 + 1, x 1
Espacio vectorial
112
(
A=
1 0
0 1
!
,
0 1
1 0
!
,
1 1
1 1
!
,
1
1
1 1
!)
.
(1, 0, 1, 2),
(2, 1, a + 3, 6),
(2, 2, 0, a2 a),
(1, 3, 2, 4)
a.) 2x + 3y z = 0
b.) x + 2y + z = 0, x + y z = 0
c.) 3x + 2y + 5z = 0, x + 3y + z = 0, 2x + 5y + 6z = 0
d.) x + y + 2z = 0, 4x + 5y + 8z = 0, 6x + 7y + 13z = 0
4.30 Determine todos los valores de a para los cuales {(a2 , 0, 1), (0, a, 2), (1, 0, 1)} es una
base para R3 .
4.7
v = x1 v1 + + xn vn = xi vi .
i=1
113
En un espacio vectorial, las coordenadas de un vector respecto de una base finita son nicas.
4.8
Sea A = {v1 = (1, 3, 4), v2 = (2, 1, 1), v3 = (3, 2, 5), v4 = (5, 15, 20)} R3 . Hallar una base
de L(A), las coordenadas del vector v = (2, 1, 1) respecto de dicha base y las ecuaciones
paramtricas e implcitas de L(A) (en dicha base).
4.39
Sea A = p1 = 1 x3 , p2 = x x3 , p3 = 1 x, p4 = 1 + x 2x3 P3 (R). Hallar una base
para L(A), las coordenadas del polinomio p = 1 + 2x x3 respecto de dicha base y las
ecuaciones paramtricas e implcitas de L(A).
4.40
2 2
3 2
1 1
3 11
!)
!
en dicha base y las ecuaciones paramtricas e
Espacio vectorial
114
Ejercicios 4.6
4.31 Para que valores de a el conjunto B = {(a, 1, 0), (1, a, 1), (0, 1, a)} es base de R3 . Para
M22 (R),
1 0
1 0
!
,
2 2
0 1
!
,
1 2
1 3
!
,
0 0
2 3
!)
,
4.9
(Dimensin de Rn )
115
(Dimensin de Pn )
Como los monomios 1, x, x2 , . . . , xn constituyen una base en Pn , entonces
dim Pn = n + 1.
4.43
(Dimensin de Mmn )
Teorema 4.8
Ejercicios 4.7
4.35 Sea S = {(1, 1, 0, 1), (0, 1, 2, 1), (1, 0, 1, 1), (1, 1, 6, 3), (1, 5, 1, 0)}. Determi-
S = x3 + x2 2x + 1, x2 + 1, x3 2x, 2x3 + 3x2 4x + 3
Determine una base para el subespacio W = L(S). Cul es la dimensin de W ?.
Espacio vectorial
116
4.10
S + T = {u + v : u S y v T }
respectivamente.
Como se vio en secciones anteriores S T y S + T son subespacios vectoriales.
Definicin 4.10 (Suma directa)
4.11
Frmula de la dimensin
Teorema 4.12
4.44
Ejercicios 4.8
4.37 Determine si el conjunto dado es una base para el espacio vectorial a que se refiere.
a.) En P2 , A = P1 = 2 11x + 7x2 , p2 = 5 x 5x2 .
117
b.) En P2 , A = P1 = 3x, p2 = 1 + x2 , p3 = x2 5 .
c.) En P2 , A = P1 = x2 1, p2 = x2 + 2, P3 = x2 3 .
d.) En P2 , A = P1 = 10 x 10x2 , p2 = 23 + 14x + 53x2 , P3 = 1 + 4x + 11x2 .
(
e.) En M22 , A =
(
f.) En M22 , A =
3 1
0 0
1 0
3 1
3 2
0 0
,
!
,
2 1
1 4
5 1
0 6
,
!
,
6 1
5 8
0
1
0 7
,
!
,
!)
7 2
1
0
!
,
0 1
0 0
!)
Bibliografa
[1] Ana Mara Kozak. Nociones de geometra analtica y lgebra lineal. McGrawHill,
2007.
[2] George Nakos y David Joyner.lgebra Lineal con Aplicaciones. ITP, 1999.
[3] Ron Larson.Fundamentos de lgebra Lineal. CENTAGE Learning, Sexta edicin.
[4] .. CENTAGE Learning, Sexta edicin.