Você está na página 1de 24

AL ALGEBRA

INTRODUCCION
LINEAL
Jhon Jairo Leon Salazar1

23 de octubre de 2014

Departamento de Matem
aticas de la Universidad Tecnol
ogica de Pereira

Captulo 1

SISTEMA DE ECUACIONES
LINEALES
1.1.

Introducci
on

Para definir formalmente lo que es un sistema de ecuaciones lineales, primero se define lo que es
una ecuaci
on lineal.

1 (Ecuaci
DEFINICION
on Lineal) Una ecuaci
on lineal es una ecuaci
on de la forma
a1 x1 + a2 x2 + + an xn = b,
donde las ai para i = 1, 2, ...n son llamadas constantes de la ecuaci
on y puede ser n
umeros reales
o complejos. La b es el termino independiente y las xi para i = 1, 2, ...n son las variables de la
ecuaci
on. En este caso se tiene una ecuaci
on con n incognitas.

En este texto se har


a una mayor presentacion de constantes reales, aunque se tendran algunos
ejemplo que ilustran la importancia de la variable compleja en el algebra lineal.

2 (Sistema de Ecuaciones Lineales) Un sistema de ecuaciones lineales de taDEFINICION

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

ma
no m n, es una expresi
on de la siguiente forma:
a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + + a1n xn = b3
..
.
am1 x1 + am2 x2 + am3 x2 + amn xn = bm

donde cada aij es una constante que corresponde a la i-esima ecuaci


on y a la j-esima variable, las
cuales pueden ser como en el caso de la ecuaci
on lineal, reales o complejas.

Como se puede observar, los sistemas de ecuaciones pueden tener:

Mas variables que ecuaciones, cuando m < n,


Mas ecuaciones que variables, cuando m > n o,
Igual n
umero de ecuaciones que de variables, cuando m = n.

EJEMPLO 1

Un sistema de ecuaciones de tama


no 3 3 puede ser el siguiente:
3x1 2x2 2x3 = 10
x1 + 5x2 23x3 = 10
6x1 + x2 + 20x3 = 10

EJEMPLO 2 (Sistema de tama


no 2 2 como modelo matem
atico)

Una f
abrica de tornillera utiliza para producir un tornillo de cierto calibre 3 minutos y para sus
respectiva tuerca 2 minutos. Ademas gasta en materia prima 30 centavos de peso para producir
un tornillo y 23 centavos de peso para producir una tuerca. Cuanto es la produccion de tuercas y
tornillos si se trabaja un da de 8 horas y se tiene 50 pesos de materia prima?
Soluci
on: Sintetizando la informacion tenemos la siguiente tabla:

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

TORNILLOS
TUERCAS

Tiempo
3 minutos
2 minutos

Materia Prima
30 centavos
23 centavos

Como se tiene un total de 8 horas, es decir de 480 minutos y ademas se cuenta con 50 pesos, es
decir con 5000 centavos de peso, entonces surgen dos relaciones lineales que se deben satisfacer en
el proceso de producci
on de x tornillos y de y tuercas, a saber:
en 480 minutos se pueden producir 3x + 2y productos, luego surge la ecuacion
3x + 2y = 480.
con 5000 centavos se pueden producir 30x + 23y, luego surge la ecuacion
30x + 23y = 5000
La respuesta a la pregunta de este problema de produccion es el n
umero x de tornillos y el n
umero y
de tuercas que satisfacen las dos ecuaciones. Por lo tanto se tiene el siguiente sistema de ecuaciones
de tama
no 2 2 o lo que es lo mismo un sistema 2 2:
3x + 2y = 480
30x + 23y = 5000

EJERCICIO 1

Resolver por alguno de los metodos utilizados en sus cursos de matematica basica el sistema del
ejemplo anterior.
En el ejemplo anterior se toco en forma implcita uno de los objetivos importantes de este captulo
y es el de la soluci
on de un sistema de ecuaciones. En forma similar al caso de las ecuaciones
lineales de n variable en donde su solucion es el conjunto de valores que al reemplazar en cada una
de las variables convierten la ecuacion en una identidad1 , en el caso de los sistemas de ecuaciones
lineales se tiene la siguiente definicion:
3 (Soluci
DEFINICION
on de un sistema de ecuaciones lineales) La soluci
on de un sistema de ecuaciones lineales de tama
no m n, es una n-
upla de n
umeros que reemplazados en cada
una de las ecuaciones del sistema simultaneamente, las convierte en identidades.
Es importante anotar ac
a que la n-
upla es ordenada de tal manera que cada n
umero que la compone
corresponda a cada una de las variables ordenas x1 , x2 , ..., xn .
1 Ver

en el ap
endice los conceptos de ecuaci
on e identidad

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

1.1.1.

Tipos de soluciones de un sistema de ecuaciones lineales

Ante un sistema de ecuaciones lineales de n variables se tienen unica y exclusivamente las tres
posibles situaciones:

1. El sistema tiene soluci


on u
nica.
2. El sistema tiene infinitas soluciones.
3. El sistema no tiene soluciones.

Cuando un sistema de ecuaciones lineales no tiene solucion, se dice que el sistema es inconsistente,
en caso contrario se dice que el sistema es consistente.

1.1.2.

Forma matricial de un sistema de ecuaciones lineales

La forma matricial de un sistema de ecuaciones lineales, permite escribir la informacion relevante


del sistema en una forma muy sintetizada, de tal manera que los calculos u operaciones que se
hagan sobre el sistema resulten mucho mas faciles y claros. Ante todo se define a continuaci
on el
concepto de matriz.

4 Una matriz es una arreglo rect


DEFINICION
angular y ordenado de n
umeros o cualquier otro
ente matem
atico. Este arreglo esta compuesto de filas y de columnas, por tal raz
on una matriz se
determina por su tama
no. Una matriz es de tama
no m n si posee m filas y n columnas.

Las matrices son entes matematicos de mucha importancia en aplicaciones de ingeniera y ser
an
tema central del siguiente captulo.

EJEMPLO 3 (Matriz de tama


no 2 3)

23 34
12 8

!
45
50

NOTACION:
Las matrices se suelen identificar con letras may
usculas. Algunas notaciones cl
asicas
son: Si una matriz se llama A, entonces:
A = Amn = (aij ) = (aij )mn

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

Como se puede observar algunas veces se puede referenciar el tama


no de la matriz con un subindice.
La forma matricial de un sistema de tama
no m n como el escrito en la definicion 2 es la siguiente:

a11 a12 a13 a1n b1

a
21 a22 a23 a2n b2

a21 a22 a23 a2n b3

..
..
..
..
..
..
.
.
.
.
.
.
am1

am2

am3

amn

bm

Esta matriz se llama matriz aumentada del sistema.

EJEMPLO 4

Dado el sistema de 3 3, escribirlo en su forma matricial.


3x1 2x2 2x3 = 10
x1 + 5x2 23x3 = 10
6x1 + x2 + 20x3 = 10

Soluci
on: El sistema escrito en su forma matricial queda representado por la siguiente matriz
aumentada:

3 2 2
10

5 23 10
1
6 1
20 10
Es necesario en este punto hacer algunas observaciones importantes. El sistema de ecuaciones
lineales debe estar ordenado, es decir, el orden en que son escritas las variables en cada ecuaci
on
debe ser la misma. El ejemplo que estamos utilizando presenta el sistema ordenado. Por tal motivo
la matriz aumentada representa en cada columna los coeficientes de cada variable. En el ejemplo
anterior, la primera columna contiene los coeficientes de la variable x1 del sistema. La segunda
columna contiene los coeficientes de la variable x2 del sistema. La tercera columna contiene los
coeficientes de la variable x3 del sistema. La cuarta columna contiene los terminos independientes
del sistema.

1.1.3.

Eliminaci
on Gaussiana

Ante el problema de resolver un sistema de ecuaciones lineales, se cuenta con metodos que van desde
los meramente analticos, a los que son meramente numericos. El metodo de Eliminacion Gaussiana

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

hace parte de los metodos analticos que estudiaremos en este curso. Los metodos numericos son
vistos en un curso posterior de Analisis Numerico. La importancia de los metodos numericos radica
en que son la base de la programacion computacional para la solucion de un sistema de ecuaciones
lineales.
El metodo de la eliminaci
on Gaussiana nos permite encontrar la solucion o soluciones, si ellas
existen de un sistema de ecuaciones lineales. Tambien nos permite enterarnos si el sistema en
estudio es inconsistente.
El metodo de eliminaci
on Gausssiana se sustenta sobre las denominadas operaciones elementales
entre filas, las cuales bien aplicadas sobre un sistema de ecuaciones, lo cambian por otro sistema
equivalente, es decir, un nuevo sistema que posee las misma soluciones del sistema original. Veamos
la siguiente definici
on.

5 (Opearciones elementales entre filas) Existen tres operaciones elementaDEFINICION


les entre las filas (o ecuaciones) de un sistema lineal, las cuales son:

1. Multiplicar una fila (o ecuaci


on) por un escalar diferente de cero.
2. Intercambiar o permutar dos filas (o ecuaciones).
3. Cambiar una fila (o ecuaci
on) por el resultado de sumar a esa fila (o ecuaci
on) un m
ultiplo
de otra fila (o ecuaci
on).

La notaci
on que se utilizar
a en este texto es la siguiente:

Multiplicar una fila (o ecuacion) por c 6= 0


Intercambiar o permutar
las filas (o ecuaciones) s y r
Cambiar una fila (o ecuacion) por el
resultado de sumar a esa fila (o ecuacion)
un m
ultiplo de otra fila (o ecuacion)

Ei cEi
Ers Esr

Ei Ei + cEs

EJEMPLO 5

Dado el sistema del ejemplo anterior, encontrar un sistema equivalente realizando las siguientes
operaciones: E12 E21 y E2 E2 3E1 .

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

Soluci
on: Se trabaja con la matriz aumentada del sistema, as

1
5 23
3 2 2
10

5 23 10 E12 E21 3 2 2
1
6 1
20
6 1
20 10

1
5
23 10

E2 E2 3E1 0 17 67 20
6
1
20 10

10

10
10

6 (M
DEFINICION
etodo de eliminaci
on Gaussiana) El metodo de eliminaci
on Gaussiana
cocnsiste en aplicar consecutivamente operaciones elementales entre filas, de tal manera que se
llegue a un sistema equivalente en el cual se pueda por medio de sustituci
on regresiva encontrar la
soluci
on del sistema o determinar sus inconsistencia. La matriz equivalente a la que se debe llegar
con el metodo de eliminaci
on Gaussiana tiene las siguientes caractersticas:

1. Todas las filas que posean todas sus componentes iguales a cero deben ir en la parte inferior
de la matriz.
2. En una fila donde no todas las componentes sean cero, el primer elemento debe ser un uno.
Se denomina uno principal o pivote.
3. Para dos filas consecutivas no nulas, el uno principal del rengl
on superior debe estar mas a
la izquierda del uno principal del rengl
on inferior.
7 Una matriz como la que se consigue utilizando el metodo de eliminaci
DEFINICION
on Gaussiana se denomina forma escalonada por filas.

El metodo de la eliminaci
on Gaussiana se puede resumir de la siguiente manera: Se va de izquierda
a derecha haciendo ceros todos los elementos en cada columna por debajo del uno principal.

EJEMPLO 6

Continuar el ejemplo anterior realizando el metodo de eliminacion gaussiana para obtener la matriz
escalonada por filas y finalmente hacer sustitucion hacia atras para obtener la solucion al sistema,
si es que esta existe.
Soluci
on: Se tena que

3 2

5
1
6 1

2
10
1
E12 E21
23 10
0
E2 E2 3E1
20 10
6

5
23 10

17 67 20
1
20 10

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

Por lo tanto se continua Haciendo cero el u


ltimo componente de la primera columna, con la siguiente
E3 E3 + 6E1 ,

1
5
23
10
1
5
23 10

67
20
0 17 67 20 E3 E3 + 6E1 0 17
0 31 118 50
6
1
20 10
Y se continua realizando operaciones elementales entre filas:

1 5
1 5
23 10
1

20
E2 E2 0 1 67
E

31E
3
3
2 0 1
17
17
17
0 31 118 50
0 0

1 5
17

E3
E3 0 1
4083
0 0

23
67
17
1

10

23
67
17
4083
17

10

20
17
230
17

20
17
230
4083

En este momento se ha obtenido la matriz escalonada, es decir se ha ejecutado en gran parte el


metodo de eliminaci
on gaussiana. Ahora observese el nuevo sistema
x1 + 5x2 23x3 = 10
67
20
x2 x3 =
17
17
230
x3 =
4083
El metodo termina haciendo la sustitucion regresiva. Como ya se tiene directamente que x3 =
entonces reemplazando en la segunda ecuacion, se tiene:


67 230
20
x2
,
=
17 4083
17

230
4083 ,

y resolviendo para x2 se obtiene que x2 =. Del mismo modo reemplazando en la primera ecuaci
on,
se tiene que:


c
230
x1 + 5
23
= 10,
c
40
y resolviendo para x3 se obtiene que x3 =. La solucion al sistema se suele presentar de la siguiente
manera:


230
x1 , x2 ,
4083

1.2.

Matriz Inversa

Ante todo recordemos su definicion.

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

8 Una matriz cuadrada A de dimensi


DEFINICION
on n se dice que tiene inversa si existe una
matriz B de la misma dimensi
on, tal que
AB = BA = In
donde In es la matriz identica de dimensi
on n. A la matriz B se le denota B = A1 y se denomina
matriz inversa de A
Una matriz que posee inversa se denomina matriz invertible o matriz no singular. La inversa de
una matriz, si esta existe se puede calcular de la siguiente manera: se crea la matriz aumentada
[A|I] y por medio de operaciones elementales entre filas se construye la forma [I|B]. Si esto es
posible la matriz obtenida en el lado derecho es B =1 .

1.2.1.

Propiedades

1. La inversa de una matriz es u


nica.
2. Sean A y B dos matrices invertibles de tama
no n n. Entonces AB es invertible y se cumple
que:
(AB)1 = B 1 A1
3. (A1 )1 = A

1.3.

Determinante de una matriz cuadrada

El determinante de una matriz cuadrada es un n


umero. Una de sus aplicaciones esta en el c
alculo,
si existe, de la matriz inversa. Por lo tanto se convierte en una forma de saber si una matriz es
invertible o no.
Sin embargo tiene muchas aplicaciones en toda aquellas disciplinas donde aparecen matrices.
El determinante de una matriz A de denota |A| o det(A).
9 (Determinante de una matriz 22) Sea A una matriz 2 2, definida
DEFINICION
"
#
a11 a12
A=
a21 a22
El determinante de A se define as:

a
11
|A| =
a21


a12
= a11 a22 a21 a12
a22

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

10

Se definir
an a continuaci
on tres conceptos importantes para finalmente generalizar la definici
on de
determinante al caso n n.
10 (Menor de una matriz) Sea A una matriz. El menor ij es la submatriz
DEFINICION
obtenida cuando se elimina la fila i y la columna j de A. El menor ij de A se denota Mij

EJEMPLO 7

Sea la matriz de tama


no 3 3 definida como

A = 8
11

0
10
1

4
6

El menor 32 o lo que es lo mismo la matriz M32 es la nueva matriz obtenida al eliminar en A la


fila 3 y la columna 2, luego
"
#
3 1
M32 =
8 4
Ahora se define otro concepto importante
11 (Cofactor ij de una matriz) El cofactor ij de una matriz es un n
DEFINICION
umero
se denota Aij y se define
Aij = (1)i+j |Mij |

EJEMPLO 8

El cofactor 32 de la matriz del ejemplo anterior es




3 1


A32 = |M32 | =
= (3)(4) (8)(1) = 12 8 = 4
8 4
12 (Matriz de cofactores) Sea A una matriz. La matriz de cofactores se deDEFINICION
nota por B y se define
B = (Aij ),
donde cada componente de la matriz B es el cofactor Aij de la matriz A.

EJEMPLO 9

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

11

Calcular la matriz de cofactores de

A = 8
11

0
10
1

4
6

Soluci
on: Se calcula cada uno de los cofactores, as:


10 4


1+1
A11 = (1) |M11 | =
= (10)(6) (1)(4) = 64
1 6


8 4


1+2
A12 = (1) |M12 | =
= ((8)(6) (11)(4)) = 92
11 6


8 10


1+3
A13 = (1) |M13 | =
= (8)(1) (11)(10) = 102
11 1


0 1


2+1
A21 = (1) |M21 | =
= ((0)(6) (1)(1)) = 1
1 6


3 1


2+2
A22 = (1) |M22 | =
= (3)(6) (11)(1) = 29
11 6



3
0


A23 = (1)2+3 |M23 | =
= ((3)(1) (11)(0)) = 3
11 1


0 1


3+1
A31 = (1) |M31 | =
= (0)(4) (10)(1) = 10
10 4


3 1


A32 = (1)3+2 |M32 | =
= ((3)(4) (8)(1)) = 4
8 4


3
0

3+3
A33 = (1) |M33 | =
= (3)(10) (8)(0) = 30
8 10

Por lo tanto se tiene que la matriz de cofactores es

64 92 102

B =1
29
3
10 4
30
13 (Matriz transpuesta) Sea A una matriz definida como A = (aij ). La maDEFINICION
triz transpuesta de A es aquella matriz donde sus columnas son las filas de A y sus filas son las
columnas de A. La matriz transpuesta de denota At y de define
At = (aji )
Una vez definidos los conceptos de menor, cofactor, matriz de cofactores y matriz transpuesta, se
continua entonces definiendo el determinante de matrices.

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

12

14 (Determinante de una matriz 33) El determinante de una matriz A de


DEFINICION
tama
no 3 3 est
a dado por
det(A) = |A| = a11 A11 + a12 A12 + a13 A13

1.4.

Operaciones elementales en los renglones del determinante

Sean A y B matrices cuadradas:

1. Si B se obtiene a partir de A intercambiando dos renglones de A, entonces |B| = |A|.


2. Si B se obtiene a partir de A al sumar un m
ultiplo de un renglon de A a otro rengl
on de A,
entonces |B| = |A|.
3. Si B se obtiene a partir de A al multiplicar un renglon de A por una constante c diferente
de cero, entonces |B| = c|A|.

NOTA IMPORTANTE: Si las operaciones elementales descritas anteriormente se aplican sobre


columnas las consecuencias son las mismas.

1.5.

Determinante cero

Sea A una matriz cuadrada. Si se cumple cualquiera de las siguientes condiciones, entonces |A| = 0:

1. Todo un rengl
on (o columna) de A consta de ceros.
2. Dos renglones (o columnas) de A son m
ultiplos uno del otro.

1.6.

Propiedades de los determinates

Sean A y B matrices cuadradas de orden n y c un escalar, entonces:

1. |AB| = |A||B|.

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

13

2. cA = cn |A|.
3. Si A es singular o regular, entonces |A| =
6 0.
4. Si A1 es la inversa de A, entonces
|A1 | =

1
.
|A|

5. Si At es la transpuesta de A, entonces
|A| = |At |.

1.7.

Inversa de una matriz usando el determinante

Antes de mostrar un nuevo metodo para calcular la inversa de una matriz se analiza los siguiente:

Si A es una matriz invertible se cumple que |A| =


6 0.
Si |A| = 0 la matriz A no es invertible, es decir es una matriz singular.

Y se presenta la siguiente defiicion:


15 La matriz adjunta de una matriz A se denota adj(A) y se define como la
DEFINICION
transpuesta de la matriz de cofactores de A.

La definici
on de matriz adjunta es muy simple: si B es la matriz de cofactores de A, entonces:
adj(A) = B t
16 (Calculo de la Inversa de una matriz) Sea A una matriz invertible, sea
DEFINICION
|A| su determinante y adj(A) su matriz adjunta, entonces se cumple que:
A1 =

1.8.

1
adj(A)
|A|

Propiedades de la matriz inversa

Sean A y B matrices invertibles del mismo tama


no, k un entero positivo y c un escalar, entonces
se cumple lo siguiente:

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

14

1. (A1 )1
2. (Ak)1 = |A1 A1 {zA1 A1}
k veces

3. (cA)1 =

1 1
A , si c 6= 0
c

4. (At )1 = (A1 )t
5. (AB)1 = B 1 A1
6. Si C es una matriz invertible, y
a) Si AC = BC, entonces A = B
b) Si CA = CB, entonces A = B

1.9.

EJERCICIOS

1. Utilizar el metodo de eliminacion gaussiana para determinar si el siguiente sistema de ecuaciones tiene soluci
on o no. En el caso de tener solucion obtenerla explicitamente.
12x + 3y 5z = 10
4x 5y + 2z = 3
3x 6y 30z = 2
2. Utilizar el metodo de eliminacion de Gauss-Jordan para determinar si el siguiente sistema
de ecuaciones del punto anterior tiene solucion o no. En el caso de tener solucion obtenerla
explicitamente.
3. Mostrar un ejemplo de matrices de tama
no 4 4 para:
a) Matriz diagonal inferior
b) Matriz diagonal superior
c) Matriz diagonal
d ) Matriz escalar
e) matriz identica
f ) Matriz nula
g) Matriz transpuesta
h) Matriz simetrica
i ) Matriz antisimetrica
j ) Matriz idempotente

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

15

k ) Matriz involutiva
l ) Matriz ortogonal
4. Sean las matrices:

A = 1
10

1
12 0

1
4 yB= 6
11
0 8

3
1
10

4
7

Calcular:
a) A B
b) B A
c) A2
d ) At y B t
e) (A B)t
f ) A1 y B 1
g) (A B)1
5. Utilizar la representaci
on por medio de la ecuacion matricial Ax = b del siguiente sistema de
ecuaciones lineales para obtener su solucion, si es que esta existe:
12x1 + 3x2 5x3 + 4x4 = 10
2x1 + 13x2 15x3 + x4 = 10
x1 17x2 x3 + x4 = 10
+3x2 8x3 x4 = 10
6. Construir una plantilla en Excel para determinar si el siguiente sistema de ecuaciones lineales
tiene o no soluci
on. Calcularla si existe:
12x1 + 3,6x2 5x3 + 4,9x4 + 34x5 = 0
12,7x1 + 1,3x2 1,5x3 + 87,5x4 23x5 = 10
1,23x1 + 8,4x2 34x3 2,3x4 45,8x5 = 80
1,3x2 + 6,5x3 + 6,4x4 + 1,1x5 = 24
2,67x1 1,45x2 + 9,1x4 + 7,9x5 = 10

7. Encuentre el valor de x, tal que la matriz


"

4
A=
2
sea singular.

#
x
3

CAPITULO 1. SISTEMA DE ECUACIONES LINEALES

16

8. Demuestre que la siguiente matriz es invertible y encuentre la inversa:


"
#
sen
cos
A=
cos sen
9. Compruebe que

x


A = 1

0

0
x
1


c

b = ax2 + bx + c

a

10. Demuestre que le


area de un triangulo en el plano
(x3 , y3 ) esta dada por el determinante

x1
1
Area = x2
2
x3

XY cuyos vertices son (x1 , y1 ), (x2 , y2 ) y

y1
y2
y3


1

1

1

Nota: El se utiliza para dar el sentido positivo al area despues de los calculos.
11. Demuestre que tres puntos en el plano son

x1


x2

x3

colineales, si y solo s

y1 1

y2 1 = 0

y3 1

12. Si se sabe que el volumen de un tetraedro esta dado por el



x1 y1 z1

1 x2 y2 z2
Volumen =
6 x3 y3 z3

x4 y4 z4

determinante

1
1

1
1

Calcular el volumen de un tetraedro cuyos vertices son: (1, 2, 0), (1, 2, 0), (1, 0, 0) y (5, 3, 6)
Nota: El se utiliza para dar el sentido positivo al volumen despues de los calculos.

Captulo 2

ESPACIOS VECTORIALES
2.1.

Introducci
on

Ya se ha analizado en clases anteriores el concepto de espacio vectorial y de subespacios vectorial.

EJERCICIO 2

Defina los criterios para determinar si un conjunto V dado es un espacio vectorial. Defina tambien
los criterios para determinar si un subconjunto W de un espacio vectorial V es es tambien un
espacio vectorial, es decir un subespacio de V .

2.1.1.

Combinanci
on lineal, Conjunto generador

Veamos a continuaci
on las siguientes definiciones:
17 (Combinanci
DEFINICION
on lineal) Sean v1 , v2 , v3 , . . . , vk vectores de un espacio vectorial Vn , entonces cualquier vector de la forma
a1 v1 + a2 v2 + a3 v3 + + ak vk ,
donde las ai con i = 1, 2, ..., k son escalares se denomina combinaci
on lineal de v1 , v2 , v3 , . . . , vk .
18 (Conjunto Generador) Se dice que el subconjunto S = {v1 , v2 , v3 , . . . , vn }
DEFINICION
17

CAPITULO 2. ESPACIOS VECTORIALES

18

de un espacio vectorial Vn generan a Vn , si todo vector de Vn se puede escribir como una combinaci
on lineal de los elementos de S.

Seg
un la definici
on anterior, se tiene que para todo v Vn , existen escalares a1 , a2 , ..., an tales que:
v = a1 v1 + a2 v2 + a3 v3 + + an vn

EJEMPLO 10 Recordemos los vectores can


onicos de R2 y R3 . Ellos general a R2 y R3 respectivamente, por ejemplo el vector u = h2, 7i puede ser generado por medio de los vectores can
onicos
de R2 , i = h1, 0i y j = h0, 1i de la siguiente forma:
h2, 7i = 2 h1, 0i 7 h0, 1i .

EJERCICIO 3

Encuentre cuatro matrices 2 2 que generen el espacio vectorial de las matrices 2 2, es decir a
M22 .

19 (Espacio Generado por un conjunto de vectores) Sea el subconjunto S =


DEFINICION
{v1 , v2 , v3 , . . . , vk } de un espacio vectorial Vn . El espacio generado por S, denotado gen {S}, es
el conjunto de todas las combinaciones lineales de los elementos de S.

En este caso se tiene que:


gen {v1 , v2 , v3 , . . . , vk } = {v : v = a1 v1 + a2 v2 + a3 v3 + + ak vk } .

EJERCICIO 4

Demostrar que si v1 , v2 , v3 , . . . , vk son vectores en un espacio vectorial Vn , entonces gen {v1 , v2 , v3 , . . . , vk }


es un subespacio de Vn .

TEOREMA 1 Sean v1 , v2 , v3 , . . . , vn , vn+1 , n + 1 vectores que estan en un espacio vectorial Vn .


Si v1 , v2 , v3 , . . . , vn generan a Vn , entonces v1 , v2 , v3 , . . . , vn , vn+1 tambien generan a Vn .

En resumen lo que dice el teorema es que si se agregan uno o mas vectores a un conjunto
generador se obtiene otro conjunto generador.

CAPITULO 2. ESPACIOS VECTORIALES

2.1.2.

19

Independencia Lineal

20 (Dependencia e independencia lineal) Sean v1 , v2 , v3 , . . . , vn vectores de


DEFINICION
un espacio vectorial Vn . Entonces se dice que los vectores son linealmente dependientes si
existen n escalares c1 , c2 , ..., cn NO TODOS CERO, tales que:
c1 v1 + c2 v2 + + cn vn = 0.
Si los vectores no son linealmente dependientes se dice que son linealmente independientes.

Seg
un la definici
on anterior, dos vectores en un espacio vectorial son linealmente dependientes si
uno es m
ultiplo del otro.
TEOREMA 2 Un conjunto de m vectores de Rn es siempre linealmente dependiente si m > n.
TEOREMA 3 Un conjunto de vectores linealmente independiente en Rn contiene a lo mas n
vectores.

EJERCICIO 5

Estudiar el ejemplo 6 de la p
agina 319 del libro Algebra Lineal de Grossman.
TEOREMA 4 Sean v1 , v2 , ..., vn , n vectores en Rn y sea A una matriz de n n cuyas columnas
son v1 , v2 , ..., vn . Entonces v1 , v2 , ..., vn son linelamente independientes si y s
olo si la u
nica soluci
on
al sistema homogeneo Ax = b es la soluci
on trivial x = 0.

TEOREMA 5 Sea A una matriz de tama


no n n. Entonces detA 6= 0 si y s
olo si las columnas
de A son linealmente independientes.

Como consecuencia de los teoremas anteriores se puede presentar el siguiente teorema.


TEOREMA 6 Cualquier conjunto de n vectores linealmente independiente en Rn genera a Rn .

2.1.3.

Bases y Dimensiones

21 (Base) Un conjunto finito de vectores S = {v1 , v2 , ..., vn } es una base para


DEFINICION
un espacio vectorial Vn si:

CAPITULO 2. ESPACIOS VECTORIALES

20

i. S es linealmente independiente.
ii. S genera a Vn .

Todo conjunto de n vectores linealmente independientes de Vn es una base para Vn .

2.2.

EJERCICIOS PROPUESTOS

1. Determine si el conjunto dado es un espacio vectorial. Si el conjunto no es un espacio vectorial,


diga cu
al o cu
ales axiomas no se cumplen.
a) El conjunto de las matrices diagonales de tama
no n n bajo la suma de matrices y la
multiplicaci
on por un escalar real.
b) Los vectores en el plano que estan en el primer cuadrante.
c) El conjunto de los polinomios de grado 5.
d ) El conjunto de matrices 2 2 de la forma
"
#
0 a
.
b 0
e) El conjunto de polinomios de grado n con termino constante cero.
2. Determine si el conjunto W dado del espacio vectorial V es un subespacio de V . Si no lo es
explique por que.
a) V = R2 y W = {(x, y) : y 0}.


b) V = R2 y W = (x, y) : x2 + y 2 1 .
c) V = Mnn y W = {T : T es triangular inferior}.
d ) V = C[0, 1] y W = {f C[0, 1] : f (0) = f (1) = 0}.
3. Determine si el conjunto de vectores dado genera al espacio vectorial dado.
a) En R2 , los vectores h1, 2i y h3, 4i.
b) En R2 , los vectores h1, 1i, h2, 1i y h2, 2i.
c) En R3 , los vectores h1, 2, 3i, h1, 2, 3i y h5, 2, 3i.
d ) En P2 , los polinomios 1 x y 3 x2 .
e) En P2 , los polinomios 1 x, x y 3 x2 .
f ) En M22 , las matrices
"
2
0

# "
1
0
,
0
2

# "
0
3
,
1
0

#
"
1
0
y
0
3

#
0
1

CAPITULO 2. ESPACIOS VECTORIALES

21

4. Demuestre que dos polinomios de grado menor o igual a 2 no pueden generar a P2 .


5. Demuestre que si u y w estan en gen {v1 , v2 , ..., vk }, entonces u + u y u estan tambien en
gen {v1 , v2 , ..., vk }.
6. Cu
ales de los siguientes pares de vectores son linealmente independientes (L.I.)?
a) h1, 1i y h1, 1i.
b) h6, 3, 6i y h12, 6, 12i.
7. Cu
ales de los siguientes vectores es un conjunto generador de R2 ?
a) h2, 3i y h3, 2i.
b) h3, 5i y h9, 15i.
8. Determine si el conjunto de vectores dado es L.I. o L.D.
a) h1, 0, 1i, h0, 1, 0i y h0, 0, 1i.
b) h1, 2, 3i, h1, 1, 1i y h4, 1, 1i.
c) h7, 1, 3i, h1, 1, 8i y h3, 4, 2i.
d ) En P2 los vectores 1 x y x.
e) En P3 los vectores x 1, (x 1)(x 2), (x 1)(x 2)(x 3) y x4 .
f ) En M22 los vectores
"

2
4

# "
1
0
,
0
1

# "
3
4
,
5
7

#
1
5

g) En C[0, 1] los vectores sen x y cos x.


9. Determine las condiciones sobre los n
umeros a, b, c y d tal que los vectores ha, bi y hc, di sean
L.I.
10. Determine si el conjunto dado es una base para el espacio vectorial respectivo.


a) En P3 el conjunto 1 x2 , x .


b) En P3 el conjunto 1 + x, 2 + x2 , 3 + x3 , 1 .
c) En M22 el conjunto
("
3
0
d ) En M22 el conjunto
("
1
3

# "
1
3
,
0
0

# "
1
2
,
1
1

# "
2
5
,
0
0

# "
1
6
,
4
5

# "
1
0
,
6
0

# "
1
7
,
8
1

#)
1
7

# "
2
0
,
0
0

#)
1
0

11. Encuentre una base para R3 para el conjunto de vectores del plano 2x y z = 0.

CAPITULO 2. ESPACIOS VECTORIALES

22

12. Encuentre una base para el espacio solucion del sistema homogeneo
x 3y + z = 0
2x + 2y 3z = 0
4x 8y + 5z = 0
13. Encuentre una base para D3 , el espacio vectorial de las matrices diagonales de 3 3. Cu
al
es la dimensi
on de D3 ?
14.

2.3.

Rango, Nulidad, Espacio de renglones y espacio de columnas de una matriz

EN CONSTRUCCION

Captulo 3

APENDICES
3.1.

Ap
endice
en construccion!!!

3.1.1.

Soluci
on de un sistema 2 2
en construccion!!!

3.1.2.

Ecuaci
on e Identidad
en construccion!!!

23