Capitulo 1

Algebra Lineal
Captulo 1: 1.1 1.6

Vectores, Matrices Y
Sistemas Lineales
Angela M. Restrepo
Agosto 2009
Vectores, Matrices y Sistemas lineales 2
Captulo 1
R L
R
Captulo 1
R E
Sistema de la mano derecha
Captulo 1
Plano R Vectores
v=[flechas igual magnitud, direccin y sentido ]
Representamos el vector v por un segmento dirigido cualquiera
AB, por el segmento dirigido OP, por el punto P o por las
coordenadas (a,b) de P
O
A
B
Notacin: Vamos a
denotar los puntos con
(a,b) y los vectores con
[a,b] o a
b

Captulo 1
Operaciones entre vectores
Suma de vectores
Resta de vectores:
Si u+x=v, entonces x = v-u
Vector cero: 0 = [0,0]
0 (0,0)
Captulo 1
Producto por un escalar
Un vector u por un escalar oeR
ou
[oa,ob]

Magnitud de ou:
|, ou ,| = ,o, |,u,|
Direccin de ou
Igual a la direccin de u si o es
positivo, opuesta si o es negativo.
Por qu?
Captulo 1
Definicin de suma y multiplicacin por un
escalar en R
n
:
Sean v = [v
1
, v
2
, , v
n
] y w = [w
1
, w
2
, , w
n
] vectores en R
n
y
rR:
Adicin: v + w = [v
1
, v
2
, , v
n
] + [w
1
, w
2
, , w
n
]
= [v
1+
w
1
, v
2 +
w
2
, , v
n +
w
n
]
Multiplicacin por un escalar: ov = [ov
1
, ov
2
, , ov
n
]
Ejemplo:
[3, 2, -5, , -2] + [-2, 1, 5, -3/4, 0] = [1, 3, 0, -1/4, -2]
2[3, 2, -5, , -2] = [6, 4, -10, 1, -22]
Captulo 1
Propiedades de la suma
de vectores:
La suma es conmutativa:
u+v =v+u
Es asociativa,
(u+v)+w = u +(v+w)
Hay una identidad: 0,
tal que para todo u, u+0=u
Hay inversos: para todo u,
existe u tal que u+(-u) =0
Si u=[a, b], -u= [-a,-b].
Las demostraciones tanto algebraicas como geomtricas son
muy sencillas. Mostremos la conmutatividad:
Captulo 1
Mostremos la
conmutatividad:

u + v = v + u

Sea u=[a, b] y v=[c,d]

u+v = [a+c, b+d] = [c+a, d+b] = v+u (Por qu?)

Geomtricamente podemos justificar esta propiedad ya que la
suma de u+v corresponde a los vectores verdes y la de v+u a
los vectores morados en el paralelogramo de la figura, y la
diagonal es igual.
Captulo 1
Conmutativa: u+v = v+u

Asociativa, (u+v)+w = u +(v+w)

Hay una identidad: 0, tal que para todo u,
u + 0 = u

Hay inversos: para todo u, existe u tal que
u + (-u) = 0
Si v = [v
1
, v
2
, , v
n
] entonces -v = [-v
1
, -v
2
, , -v
n
]
Propiedades de la suma de vectores:
Captulo 1
Propiedades de la multiplicacin por un escalar
-Una distributividad:
r (u+v) = rv + ru

-Otra distributividad:
(r + s)v = rv + sv

-Asociatividad:
r(sv) = (rs)v

-1:
1v = v
Captulo 1
Combinacin lineal:
Dados n vectores, v
1
, v
2
, , v
n
, y
n escalares: r
1
, r
2
, r
n
,

El vector: r
1
v
1
+r
2
v
2
+ + r
n
v
n

es una combinacin lineal de los v
i
con
coeficientes escalares r
1
, r
2,
r
n

Ejemplo: 3[1,4,-5] + [2,4,6] -2[0,0,2]
Captulo 1
Vectores i y j
i= [1,0] j= [0,1]
Los vectores i y j son independientes,
ninguno es mltiplo del otro,
Los vectores i y j son
unitarios y
ortogonales
Por qu?
Captulo 1
cualquier vector u de
componentes [a, b] se
puede escribir como:
u = a i + b j
Es decir, como
combinacin lineal de
i y j.
u = [a,b] = a[1,0] + b[0,1] = a i + b j
[a,b] es una combinacin lineal de i y j.
Captulo 1
Dados los vectores e
1
= [1, 0, 0, , 0],
e
2
= [0, 1, 0, 0, ,0], e
n
= [0, 0, 0, 1]

Cualquier vector v = [v
1
, v
2
, , v
n
] de R
n
se puede descomponer como combinacin
lineal de los e
i
de una nica manera

Cmo?

El conjunto {e
1
, e
2
, e
n
} forman la
Base Estandar de R
n
Captulo 1
Si v es un vector, v 0, el conjunto de sus
combinaciones lineales r v forman una recta.
v
r v
Si v y w v0 w0, son dos vectores no paralelos,
el conjunto de sus combinaciones lineales forman
un plano
v
w
r v + s w
El plano
generado
por v y w
Captulo 1
El espacio generado por un conjunto de
k vectores de R
n
:
Si {v
1
, v
2
, v
k
} son k vectores de R
n
,
gen{v
1
, v
2
, v
k
}={r
1
v
1
+r
2
v
2
+ r
k
v
k
| r
1
,
r
2
,r
k
R}

Es decir, son
todas las combinaciones lineales de los v
i

Captulo 1
1.2

Norma y
Producto punto
Captulo 1
Magnitud de
vR
2
es la
longitud del vector

||v|| = a+b
Sea v el vector [a,b]
Por qu?
Captulo 1
1
1
v
(3,00; -4,00)
La magnitud del
vector v = [3,-4]
es?
Captulo 1
Magnitud de
vR
3
es la
longitud del vector
||v|| = a+b+c
2

Sea v el vector [a,b,c]
Por qu?
a+b
Calcular la norma del vector [2,3,4]
Captulo 1
Norma de un vector v = [v
1
, v
2
, , v
n
] en R
n

||v|| = (v
1
2
+ v
2
2
+ + v
n
2
)
Captulo 1
Propiedades de la norma de un vector:

||v|| = (v
1
2
+ v
2
2
+ + v
n
2
)

1. || v || 0 y || v || = 0 si y solo si v = 0

2. || v|| = || ||v||

3. || u+v || ||u|| + ||v|| desigualdad del tringulo
Por qu?
Captulo 1
Vectores unitarios
El vector u es unitario
si y solo si ||u|| = 1
Si u es unitario, el
extremo P est sobre un
crculo unitario,
y en R
3
?
Si v es un vector cualquiera, un vector unitario u en la
direccin de v es el vector: u = v / || v || Por qu?

Captulo 1
Producto escalar o producto punto
En R
2
, el producto punto entre dos vectores, u = [a
1
, b
1
]
y v = [a
2
,b
2
] es el escalar (o nmero real) igual a:

u v = a
1
a
2
+ b
1
b
2
En R
n
: Si v = [v
1
, v
2
, , v
n
] y w = [w
1
, w
2
, , w
n
]

v w = v
1
w
1
+ v
2
w
2
+ + v
n
w
n
v w = v
i
w
i
, para i = 1 hasta i= n
Captulo 1
Algunas propiedades del producto escalar
o producto punto:
Sean u, v y w tres vectores y o un escalar,
Entonces:
1- u 0= 0
0 es el vector de coordenadas [0,0,0] y
0 es el nmero.

2- u v = v u

3- u (v + w) = u v + u w
Captulo 1
4- (o u) v = o (u v) = u (o v)

5- v v 0 y v v = 0 si y solo si v = 0

6- v v = || v ||
2

Algunas propiedades del producto escalar o
producto punto:
Captulo 1
Mostremos la segunda, o conmutatividad
del producto escalar:

Sea u=[u
1
, u
n
] y v=[v
1
, v
n
].

u v = u
1
v
1
+ + u
n
v
n

= v
1
u
1
+ + v
n
u
n

= v u

Por qu?
Captulo 1
Mostremos que v.v = || v ||
2
Sea v=[v
1
,v
2
,,v
n
]

v v = v
1
v
1
+ v
2
v
2
+ + v
n
v
n

= v
1
2
+ v
2
2
+ + v
n
2
= || v ||
2
Captulo 1
Teoremas y definiciones en R
2
:
Definiciones en R
2
:
Dos vectores son paralelos
si el ngulo entre ellos mide 0 o t rd.

Dos vectores son perpendiculares
si el ngulo entre ellos es de t/ 2
Captulo 1
Th 1: Si u es el ngulo entre dos vectores u y v,
entonces cos u = u v ||u|| ||v||
Teoremas en R
2
:
cos u = u v ||u|| ||v||
Captulo 1
cos u = u v ||u|| ||v||
u-v

Por el teorema del coseno:
||u-v||
2
= ||u||
2
+ ||v||
2
2||u|| ||v|| cos u
(u-v) (u-v) = ||u||
2
+ ||v||
2
2||u|| ||v|| cos u
u u - 2 u v + v v = ||u||
2
+ ||v||
2
2||u|| ||v|| cos u
2 u v = 2||u|| ||v|| cos u
u.v = ||u|| ||v|| cos u
Captulo 1
cos u = u v ||u|| ||v||
u-v

= arccos ( u v ||u|| ||v|| )
Captulo 1
Th 2: Si u es el ngulo entre u y v,
uv u = t/ 2
cos u = 0
u v ||u|| ||v|| = 0
u v = 0
Dos vectores en R
2
son perpendiculares si
y solo si su producto punto es cero
(cos u)
Captulo 1
Definiciones en R
n
:
Dos vectores u y v son paralelos u || v
si y solo uno es un mltiplo escalar del otro, es
decir, si y slo si existe un escalar tal que
u = v o v = u
Dos vectores u y v son ortogonales o
perpendiculares
u v si y solo si u v = 0
Captulo 1
Desigualdad de Schwarz
Sean v y w dos vectores en R
n
.
Entonces
|v w| ||v|| ||w||

(cos = u v ||u|| ||v||)

Captulo 1
Desigualdad del tringulo
|| u+v || ||u|| + ||v||

Por qu?
Captulo 1
Teorema: Desigualdad del
tringulo
|| u+v || ||u|| + ||v||
|| u + v ||
2
= (u + v ) (u + v)
= (u u) + 2(u v) + (v v)
(u u) + 2||u|| ||v|| + (v v)
= ||u||
2
+ 2 ||u|| ||v|| + ||v||
2
= ( ||u|| + ||v|| )
2

Por la desigualdad de
Schwarz
Captulo 1
1.3

Matrices
Captulo 1
Qu es una matriz?

Un arreglo rectangular de nmeros
dispuestos en filas y columnas
4 6
5 6
3 1
3x2
3 filas por 2 columnas
Captulo 1
Sea A una matriz: a
11
a
12
. a
1n
de m x n a
21
a
22
. a
2n
A = = [ a
ij
]
a
m1
a
m2
. a
mn

(m filas x n columnas)
[a
i1
, a
i2
, , a
in
]
es el rengln i
a
1j
a
2j

a
mj
es la
columna j
Captulo 1
Una matriz de m x 1 es un
vector columna con m
componentes
[r
1
, r
2
, , r
n
]

c
1
c
2

c
m
Una matriz de 1 x n es un
vector rengln con n
componentes
Captulo 1
Igualdad de matrices
A = B si y solo si para cualquier i y j
a
ij
= b
ij

a
ij
es el elemento ij de la matriz A
Si A es una matriz de m x m
A es una matriz cuadrada
Captulo 1
Suma de Matrices
A + B = (a
ij
+ b
ij
)
Producto de una
matriz por un escalar

A = (a
ij
) = (a
ij
)
Operaciones entre Matrices
Cundo se pueden sumar dos matrices?
Captulo 1
2 4 -3

4 5 6

-1 3 1/2

0 2 -3
1 7 -5/2

4 7 3

+
=
-1 3 1/2

0 2 -3

-2 =
2 -6 -1

0 -4 6
Ejemplos:
Captulo 1
Propiedades del lgebra de matrices
A + B = B + A
(A + B) + C = A + ( B + C) Suma de matrices
A + 0 = 0 + A (matriz 0 = matriz de 0s)
A + -A = 0

r (A + B) = r A + r B
(r + s ) A = rA + sA Producto de una matriz
(rs) A = r(sA) por un escalar
r (AB) = (rA)B = A(rB) (r y s en R)

Captulo 1
a
11
a
12
. a
1n
b
11
b
1j
b
1p

AB = [ cij] = a
i1
a
i2
. a
in
b
n1
b
nj
b
np
a
m1
a
m2
. a
mn

con A
mxn
y B
nxp

Producto de Matrices
c
ij
= (renglon i de A) (columna j de B)
Captulo 1
2 4 6
4 5 6
2 3
2 1
-1 1
=
2x2+4x2+6x(-1) 6+4+6
8+10-6 12+5+6
=
6 16
12 23
Cundo se pueden multiplicar? Cul es la dimensin del producto?
Captulo 1
A B = [a
ik
] [ b
lj
] = [ c
ij
], con A
mxn
y B
nxp
c
ij
= (fila i de A ) . ( columna j de B)
c
ij
= a
ik
b
kj
, para k = 1 hasta k = n
Ejemplo:

2 0 -3
4 1 5

7 -1 4 7
2 5 0 -4
-3 1 2 3
=
14+0+9 -2+0-3

28+2-15 c
23
?
Captulo 1
El producto de matrices
NO es conmutativo!!!
Por qu?
Cules propiedades del producto de
nmeros valen para el producto de matrices?
Captulo 1
Matriz Identidad I
n
(respecto al producto)

I
n
es la matriz cuadrada con unos en la diagonal y
ceros en el resto.
1 0

0 . 0 1

0 1

0 . 0 1
I = 0 0 1 . 0 = 1

0 0

0 . 1

1

0
0
Captulo 1
La inversa A
-1
de una matriz cuadrada A nxn
es la matriz que multiplicada por A da la matriz
identidad I
n
:
A
-1
A = A A
-1
= I
n
Matriz Identidad I
n
(respecto al producto)

Es la matriz I
n
tal que para toda A nxn,

A

I
n
=

I
n
A =A

Captulo 1
(AB)C = A(BC)
IA = A y BI = B Producto de matrices
A (B+C) = AB + AC
(A + B )C = AC + BC
El producto de matrices NO es conmutativo
Propiedades del lgebra de matrices
Captulo 1

2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
- 2x
3
= 4

Matrices

Dado el sistema
de ecuaciones:
Se puede escribir como combinacin
lineal de vectores columna:

2 4 6 18
x
1
4 + x
2
5 + x
3
6 = 24
3 1 - 2 4

Captulo 1
Matrices
2 4 6 18
x
1
4 + x
2
5 + x
3
6 = 24
3 1 - 2 4

2 4 6
4 5 6
3 1 -2
18
24
4
x
1
x
2
x
3
=
A x b
Captulo 1

2 x
1
+ 4 x
2
+ 6 x
3
= 18 2 4 6 x
1
18
4 x
1
+ 5 x
2
+ 6 x
3
= 24 4 5 6 x
2
= 24
3 x
1
+ x
2
-2 x
3
= 4 3 1 -2 x
3
4

Matrices
2 4 6

4 5 6

3 1 -2
=
x
1
+ x
2
+ x
3
18

24

4
A x es
combinacin
lineal de las
columnas de A
A * x = b
x
1
C
1
+ x
2
C
2
+ x
3
C
3
= b
Captulo 1
Ax es combinacin lineal de las columnas de A
Si A = C
1
C
2
C
3
y x un vector columna, entonces:
A * x = x
1
C
1
+ x
2
C
2
+ x
3
C
3

Captulo 1
2 -3 5 - 2 2 -3 5
-1 4 -7 * 5 = -2 + 5 + 8
8 -1 4 -7
A * b = C
=
21
-34
Captulo 1
2 4 6 2 3 6 16
4 5 6 * 2 1 = 12 23
3 1 -2 -1 1 10 8
2 4 6 2 3 2 3
4 5 6 2 1 = A 2 A 1
3 1 -2 -1 1 -1 1
A * b
1
b
2
= Ab
1
Ab
2
A * B = C
Captulo 1
Transpuesta de una matriz
Si A = (a
ij
), la transpuesta de A
T
= (a
ji
), se obtiene
intercambiando las filas y las columnas de A.
a
11
a
12
. a
1n
a
21
a
22
. a
2n
A =
a
m1
a
m2
. a
mn

a
11
a
21
. a
m1
a
12
a
22
. a
m2
A
T
=
a
1n
a
2n
. a
mn

Captulo 1
Transpuesta de una matriz
Si A = (a
ij
), la transpuesta de A
T
= (a
ji
), se obtiene
intercambiando las filas y las columnas de A.
A es simtrica si A = A
T

Captulo 1
Teorema:
Si A = (a
ij
), es una matriz n x m y B= (b
ij
),
una matriz m x p, entonces:
1 - (A
T
)
T =
A
2 - (AB)
T
= B
T
A
T
3 - (A + B )
T
= A
T
+ B
T
Captulo 1
Verdadero o falso?
A, B, C son matrices
1- Si A = B , entonces AC = BC

2- Si AC = BC entonces A = B

3- Si AB = 0 entonces A= 0 o B = 0

4-Si A = 0 o B = 0, entonces AB = 0

5- Si A
2
= I entonces A
n
= I para n 2
Captulo 1
1.4

Sistemas de
Ecuaciones Lineales
Captulo 1

2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
- 2x
3
= 4

Dado un sistema
de ecuaciones
lineales:
2 4 6
4 5 6
3 1 -2
18
24
4
x
1
x
2
x
3
=
A x = b
Captulo 1
Sistemas de Ecuaciones Lineales
Ser que un sistema lineal
de ecuaciones con el mismo
nmero de ecuaciones que
de incgnitas tiene una
nica solucin?
Captulo 1
Una ecuacin lineal con 2
incgnitas representa una
recta
Una ecuacin lineal con tres
incgnitas representa un
plano (por ej. x+y+z=1)
Geomtricamente
Captulo 1
Sistemas de Ecuaciones Lineales
Dos
ecuaciones con
dos incgnitas,
no hay
soluciones
(o podran
coincidir y
entonces una
infinidad)
Captulo 1

-Cmo resolverlo?

-Cmo son las soluciones?
nica
Infinidad
No hay

-Qu significan geomtricamente?
Dado un sistema mxn,
Captulo 1
2x
1
+ x
2
= 3
4x
1
+ x
2
= 1
Qu representan los sistemas:
2x
1
+ x
2
= 3
2x
1
+ x
2
= -1

2x
1
+ x
2
= 3
4x
1
+ 2x
2
= 6

Geometra en el Plano y el Espacio
Captulo 1
2x
1
- 4x
2
= 6
3x
1
+ 2x
2
= -1
x
1
- 2x
2
= 3 eq
1
1/2 eq
1

3x
1
+2 x
2
= 1
Multiplicar una ecuacin por un nmero cero
Qu podemos hacer para resolver el sistema
Captulo 1
x
1
- 2x
2
= 3 eq
1
1/2 eq
1

3x
1
+2 x
2
= 1
x
1
- 2x
2
= 3
8x
2
= -8
eq
2
eq
2
-3eq
1

x
2
= -1
x
1
- 2x
2
= 3
eq
1
eq
2
Sumar a una ecuacin un mltiplo de otra
Intercambiar dos
ecuaciones
Captulo 1

Intercambiar dos ecuaciones

Multiplicar una ecuacin por un
nmero diferente de cero
R
i
k R
i

Sustituir una ecuacin por ella mas
un mltiplo de otra

R
j
R
j
+ k R
i
R
i
R
j

Operaciones Elementales
Captulo 1
2x
1
- 4x
2
= 6
3x
1
+ 2x
2
= -1

x
1
- 2x
2
= 3
4x
1
= 2
Las Operaciones Elementales no
alteran las soluciones del sistema
Los dos sistemas tienen las mismas soluciones!
Captulo 1
Ejemplo: Resolver el sistema

2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
- 2x
3
= 4

Mtodos de Gauss y Gauss-Jordan
Sistemas de m ecuaciones con n incgnitas
Captulo 1
2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
-2x
3
= 4

x
1
+ 2x
2
+ 3x
3
= 9
-3x
2
- 6x
3
= -12
-5 x
2
-11x
3
= -23

x
1
= 4
x
2
= -2
x
3
= 3
x
1
+ 2x
2
+ 3x
3
= 9
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
-2x
3
= 4

x
1
+ 2x
2
+ 3x
3
= 9

x
2
+ 2x
3
= 4
x
3
= 3

x
1
-4 + 9 = 9 x
1
= 4
x
2
+ 6 = 4 x
2
= -2
x
3
= 3 x
3
= 3
Eliminar
Sustituir
R
1
1/2R
1
R
2
R
2
-4R
1
R
3
R
3
-3R
1
Captulo 1
Pero podemos trabajar con las matrices
2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
-2x
3
= 4

2 4 6 18
4 5 6 24
3 1 -2 4

Matriz aumentada
Captulo 1

2 4 6 18
4 5

6

24
3 1 -2 4

1 2 3 9
0 -3 -6 -12
0 -5 -11 -23

1 0 0 4
0 1 0 -2
0 0 1 3
1 2 3 9
4 5 6 24
3 1 -2 4

1 2 3

9
0 1

2

4
0 0

1 3

x
1
-4 + 9 = 9 x
1
= 4
x
2
+ 6 = 4 x
2
= -2
x
3
= 3 x
3
= 3
Eliminar
Sustituir
Captulo 1
Teorema:
Si [A|b] y [H|c] son dos matrices
aumentadas equivalentes por filas,
entonces los sistemas Ax=b y Hx=c
tienen la misma solucin.
Definicin: Dos matrices A y B son
equivalentes por filas, si una se obtuvo
de la otra por operaciones elementales
en las filas Escribiremos: A ~ B
Captulo 1
1 - Cualquier sistema lineal con el mismo
nmero de ecuaciones que incgnitas
tiene al menos una solucin?
2 - Un sistema lineal con ms ecuaciones
que incgnitas puede tener un nmero
infinito de soluciones?
3 - Un sistema lineal con menos
ecuaciones que incgnitas puede no
tener solucin?
Captulo 1
1 2 3 9
0 1 2 4
0 0 1 3

1 0 0 4
0 1 0 -2
0 0 1 3

Cundo vemos fcil las soluciones?
x
1
- 4 + 9 = 9 x
1
= 4
x
2
+ 6 = 4 x
2
= -2
x
3
= 3 x
3
= 3

x 1 = 4
x 2 = -2
x 3 = 3
Forma escalonada por filas Gauss
Forma escalonada reducida por filas
Gauss-Jordan
Captulo 1
Una matriz escalonada por renglones
satisface las siguientes dos
condiciones:
1- Todas las filas que contienen solamente ceros
(0s) aparecen debajo de filas con entradas
diferentes de 0
2- La primera entrada distinta de 0 en cualquier fila
aparece en una columna a la derecha de la
primera entrada distinta de 0 de la fila anterior
Decimos que la primera entrada distinta de cero
en una fila en una de estas matrices se llama
pivote
Captulo 1
2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24
3x
1
+ x
2
-2x
3
= 4

tiene una nica solucin:

x
1
= 4, x
2
= -2, x
3
= 3
(4, -2, 3)
6x
1
+ 2x
2
- 4x
3
= 2
3x
1
+ x
2
- 2x
3
= 4
x
1
+ 2x
2
- x
3
= 1

No tiene solucin Por qu?

2x
1
+ 4x
2
+ 2x
3
= 6
x
1
+ x
2
- x
3
= 1
3x
1
+ 5x
2
+ x
3
= 7

x
1
+ 2x
2
+ x
3
= 3
2x
1
+ 3x
2
= 4
Tiene una infinidad
de soluciones:
x
1
= -3/2 x
2
+ 2
x
3
= -1/2x
2
+ 1
(-3/2t+2, t, -1/2t+1)
m ecuaciones con n incgnitas
Captulo 1
2x
1
+ 4x
2
+ 6x
3
= 18
4x
1
+ 5x
2
+ 6x
3
= 24 A x = b
3x
1
+ x
2
-2x
3
= 4
1 0 0 4
0 1 0 -2
0 0 1 3
tiene una nica solucin:

x
1
= 4, x
2
= -2, x
3
= 3
(4, -2, 3)

1 2 3 9
0 1 2 4
0 0 1 3

x
1
= 4
x
2
= -2
x
3
= 3

4
x = -2
3
Captulo 1
6x
1
+ 2x
2
-4x
3
= 2
3x
1
+ x
2
-2x
3
= 4
x
1
+ 2x
2
-x
3
= 1
6 2 - 4 2
3 1 - 2 4
1 2 - 1 1
3 1 - 2 1
3 1 - 2 4
1 2 - 1 1

R
1
1/2R
1
3x
1
+ x
2
-2x
3
= 1
3x
1
+ x
2
-2x
3
= 4
x
1
+ 2x
2
-x
3
= 1
Sistema
Inconsistente
No tiene solucin
Captulo 1
6x
1
+ 2x
2
-4x
3
= 2
3x
1
+ x
2
-2x
3
= 4
x
1
+ 2x
2
-x
3
= 1
3 1 - 2 1
3 1 - 2 4
1 2 - 1 1

3 1 - 2 1
0 0 0 3
1 2 - 1 1

R
2
R
2
-R
1

0x
1
+ 0x
2
+ 0x
3
= 3

Sistema
Inconsistente
No tiene solucin
Captulo 1
2x
1
+ 4x
2
+ 2x
3
= 6
x
1
+ x
2
- x
3
= 1
3x
1
+ 5x
2
+ x
3
= 7

2 4 2 6
1 1 -1 1
3 5 1 7
1 1 -1 1
0 2 4 4
0 2 4 4
R
1
R
2
R
2
R
2
-2R
1
R
3
R
3
-3R
1
x
1
- 3x
3
= -1
x
2
+ 2x
3
= 2
1 0 -3 -1
0 1 2 2
0 0 0 0

Captulo 1
x
1
- 3x
3
= -1
x
2
+ 2x
3
= 2

1 0 -3 -1
0 1 2 2
0 0 0 0

x
1
= 3x
3
- 1
x
2
= - 2x
3
+ 2
x
3
es una
variable libre,
puede tomar
cualquier valor!
x
3
= t

Captulo 1
El sistema tiene una
infinidad de soluciones

x
1
3t -1 3 -1
x
2
= - 2t + 2 = t -2 + 2
x
3
t 1 0

Solucin general
x
1
- 3x
3
= -1
x
2
+ 2x
3
= 2

x
1
= 3x
3
- 1
x
2
= - 2x
3
+ 2
Solucin
Particular:

Para t = 1,

2
x
p
= 0
1

Captulo 1
Teorema Soluciones del sistema mxn Ax = b

Sea Ax = b un sistema lineal y [A | b ] ~ [H | c] la
matriz reducida por filas, entonces:

1- El sistema es inconsistente si y solo si la
matriz [H | c] tiene una fila con ceros en H y el
elemento correspondiente en c es diferente de
cero
Pg 64
Captulo 1
Teorema Soluciones del sistema mxn Ax = b

Sea Ax = b es un sistema lineal y [A | b ] ~ [H | c]
la matriz reducida por filas, entonces:

2- Si Ax = b es consistente y todas las columnas
de H contienen un pivote, entonces el sistema
tiene una nica solucin.

3- Si Ax = b es consistente y alguna columna de
H no tiene pivote, entonces el sistema tiene una
infinidad de soluciones, con tantas variables
libres como columnas sin pivote
Pg 64
Captulo 1
Ecuaciones de Rectas
y planos en R
3

Captulo 1
Si P y Q son dos puntos
cualesquiera, podemos escribir el
vector PQ como OQ - OP
PQ = OQ - OP
Captulo 1
Ecuacin de
una recta
en R
Dados dos puntos P y Q, para hallar la ecuacin
de la recta L que pasa por P y Q es necesario
hallar qu condicin cumple un punto cualquiera
R que est sobre la recta.
PR = t v
O
v
OR = OP + t v
Captulo 1
Ecuacin de
una recta
en R
R est sobre L ssi el vector PR es mltiplo del vector PQ,
es decir, ssi existe un escalar t, tal que:
PR = t PQ , pero como PR = OR OP y PQ = OQ OP,
OR = OP + t PQ = OP + t v
PR = t v
O
v
OR = OP + t v
Captulo 1
Ecuaciones de una recta en R

Ecuacin vectorial: OR = OP + t PQ = OP + t v

Ecuacin paramtrica: x = a + t ( d-a)
y= b + t (e b)
z= c + t (f c)

Ecuacin simtrica: x a = y - b = z c
d-a e b f - c
Para P(a,b,c), Q (d,e,f) y R (x,y,z) un
punto cualquiera que est sobre la recta L
Captulo 1
Halle la ecuacin de la recta que
pasa por los puntos P(1,1,0) y Q(-3,
-1,0)
PQ = [-3-1, -1-1, 0-0] = [-4, -2, 0]
OR = OP + tPQ
[x, y, z] = [1, 1, 0] + t [-4, -2, 0]
x = 1 - 4t
y = 1 - 2t
z = 0
Ecuacin
Vectorial
Ecuaciones
Paramtricas
Captulo 1
Ecuacin de
un plano en R
Un plano est determinado
por un punto P y un vector
n, normal al plano.
PQ . n = 0
Captulo 1
Ecuacin de
un plano en R
Para hallar la ecuacin del plano que
pasa por P y es perpendicular a n es
necesario hallar qu condicin cumple
un punto cualquiera Q que est sobre
el plano.
Q est sobre el plano si y solo si el
vector PQ es perpendicular al vector n,
es decir,
PQ . n = 0
PQ . n = 0
Captulo 1
Ecuacin cartesiana de un
plano en R
Hallar la ecuacin del plano que
pasa por P (r, s, t) y es
perpendicular a n = ai + bj + ck
es decir, hallar qu condicin
cumple un punto cualquiera Q
(x,y,z) que est sobre el plano.
ax + by + cz = d,
Captulo 1
Ecuacin cartesiana de
un plano en R
ax + by + cz = d,
Ecuacin vectorial: PQ .n = 0 Como PQ = OQOP entonces
PQ .n = (OQOP) . n = OQ . n OP. n
luego ax + by + cz ( ar + bs + ct) = 0, de donde :

Ecuacin cartesiana del plano:
ax + by + cz = d, donde d = OP.n
Captulo 1
Halle la ecuacin del plano que
pasa por P(1,1,0) y es
perpendicular a n [-3, -1,0]
Sea R(x, y, z) un punto del plano
PQ.n=0
[x-1, y-1,z].[-3, -1,0]=0
-3(x-1) - (y-1) + 0 = 0
-3x -y = -4
Captulo 1
Captulo 1
Captulo 1
1.5

Inversa de una matriz
CUADRADA
A A
-1
Captulo 1
Inversa de una matriz cuadrada

Si Ax = b x = A
-1
b ??

Cundo puedo hacer eso?

Qu significa A
-1
?

Cundo existe A
-1
?

Cmo se halla A
-1
?
Captulo 1
Inversa de una matriz cuadrada
Qu significa A
-1
?

Si A es una matriz cuadrada, la inversa
de A es una matriz C tal que AC = CA = I

A es invertible si existe A
-1

Si A no es invertible se dice que A es
singular.
Solo existen inversas de matrices cuadradas!!!
Por qu?
Captulo 1
2 1
5 3

3 -1
-5 2
2 1
5 3

3 -1
-5 2
= I
= I
Ejemplo
Existe una inversa de la matriz B:
2 - 4
-1 2
B =
Captulo 1
Teorema 1
Si A y B son invertibles,

(AB)
-1
= B
-1
A
-1

Teorema 2
AB = I si y solo si BA = I

Teorema 3
El sistema Ax = b tiene solucin para
cualquier b R, si y solo si A es
equivalente por filas a la matriz I
Sean A y B matrices nxn:
Captulo 1
Cmo se halla A
-1
?

Si A es una matriz nxn,
para hallar A
-1
es necesario resolver la
ecuacin
A X = I,
donde A, X e I son matrices nxn.
Captulo 1
Ejemplo
Hallar la inversa de: 2 1
5 3

Se plantea la ecuacin: 2 1 x
11
x
12
1 0
5 3 x
21
x
22
0 1
=
= A
A x
11
1 A x
12
0
x
21
0 x
22
1
=
=
Equivalente a los sistemas:
Que se resuelven planteando la matriz aumentada:
2 1 1 0 1 0 3 -1 3 -1
5 3 0 1 0 1 -5 2 Luego A
-1
= -5 2
Captulo 1
Cmo se halla A
-1
?

La ecuacin A X = I, donde A, X e I son
matrices nxn corresponde a un sistema de
n
2
ecuaciones con n
2
incgnitas
Para la columna i-sima de las x
ij
, j= 1 n,
se tiene la ecuacin
x
1i
0

x
2i
0
A . = .
x
ii
1
i

. .
x
ni
0
Cmo
resolver
esos
sistemas?
Captulo 1
a
11
a
12
a
1n
1 0 0
a
21
a
22
a
2n
0 1 0

a
n1
a
n2
a
nn
0 0 1
1 0 0 c
11
c
12
c
1n
0 1 0 c
21
c
22
c
2n

0 0 1 c
n1
c
n2
c
nn

Se reduce la matriz aumentada [A I ]
Hasta obtener la matriz [ I C ], C es la inversa de A.
Lo que equivale a resolver las n
2
ecuaciones.
Qu pasa si no
se puede
reducir?
Captulo 1
Ejemplo
Hallar la inversa de: 1 3 -2
2 5 -3
-3 2 -4
1 3 -2 1 0 0 1 3 -2 1 0 0
2 5 -3 0 1 0 0 -1 1 -2 1 0
-3 2 -4 0 0 1 0 11 -10 3 0 1
1 0 1 -5 3 0 1 0 0 14 -8 -1
0 1 -1 2 -1 0 0 1 0 -17 10 1
0 0 1 -19 11 1 0 0 1 -19 11 1
Captulo 1
Cundo existe A
-1
?
Teorema
Si A es una matriz nxn, las siguientes
condiciones son equivalentes:
1-A es invertible
2-A es equivalente por filas a la identidad
3-El sistema Ax = b tiene solucin para
cualquier vector b
4-Los vectores columnas de A generan
R
n
Pag 81
Captulo 1
Verdadero o falso?
A, B, C son matrices de los tamaos apropiados
1- Si AC = BC y C es invertible,
entonces A=B
2- Si AB = C y dos de las matrices son invertibles
entonces la tercera tambin lo es
3- Si AB = C y dos de las matrices son singulares
entonces la tercera tambin lo es
4- Si A
2
es invertible entonces A
3
tambin lo es
5- SI A
3
es invertible entones A
2
tambin lo es

Muestre que si A es una matriz de nxn invertible,
entonces A
T
tambin lo es.
Captulo 1
1.6

Sistemas Homogneos,
Subespacios y
Bases

Captulo 1
Qu es un sistema homogneo?
Un sistema lineal Ax = b es homogneo si
b=0 (vector de 0s)

Un sistema lineal es siempre consistente,
pues x=0 es siempre una solucin.

Dos posibilidades :
- o una nica solucin
- o una infinidad de soluciones (a parte
de la trivial)
Captulo 1
2x
1
+ 4x
2
+ 6x
3
= 0
4x
1
+ 5x
2
+ 6x
3
= 0
3x
1
+ 1x
2
- 2x
3
= 0

2 4 6 0
4 5 6 0
3 1 -2 0
1 2 3 0
0 -3 -6 0
0 -5 -11 0
El sistema tiene
una nica
solucin: (0,0,0)
1 0 0 0
0 1 0 0
0 0 1 0

Captulo 1
x
1
+ 2x
2
- x
3
= 0
3x
1
- 3x
2
+ 2x
3
= 0
-x
1
- 11x
2
+ 6x
3
= 0

1 2 -1 0
3 -3 2 0
-1 -11 6 0
1 2 -1 0
0 -9 5 0
0 -9 5 0
El sistema tiene
infinitas soluciones:
(-1/9t, 5/9t, t)
1 2 -1 0
0 9 -5 0
0 0 0 0

Captulo 1
Teorema 1
Sea Ax = 0 un sistema lineal homogneo.
Si h
1
y h
2
son soluciones de Ax = 0,
entonces cualquier combinacin lineal de
h
1
y h
2
: rh
1
+ sh
2
tambin es solucin.

Dem:
Sean h
1
y h
2
soluciones de Ax=0
A(rh
1
+ sh
2
) = A(rh
1
) + A(sh
2
)
= r (Ah
1
) + s (Ah
2
)
= r 0 + s 0 = 0
Captulo 1
Subespacio
Un subconjunto W de R
n
es cerrado bajo la
adicin si para todo u, v W, la suma u+v
est en W
W es cerrado bajo la multiplicacin por
escalar si para todo v W y todo escalar r,
rv W
Un subconjunto W no vaco de R
n
es un
subespacio de R
n
si es cerrado bajo la
adicin y la multiplicacin por escalares
Captulo 1

Por el teorema 1
(Si h
1
y h
2
son soluciones de Ax = 0,
entonces cualquier combinacin lineal de
h
1
y h
2
tambin es solucin)

Tenemos que :

La solucin de todo sistema homogneo
con n incgnitas es subespacio de R
n
Captulo 1
Ejemplo
Consideremos el conjunto:
W = { [ x, 2x ] | x R } en R
2

W es no vaco en R
2
.
Sean [ u, 2u ] y [ v, 2v ] dos elementos de W,
entonces [ u, 2u] + [ v, 2v] = [ u+v, 2u+2v] =
[ u+v, 2(u+v)] que est en W (por qu?), entonces W
es cerrado con respecto a la adicin.
Cmo demostramos que W es cerrado con respecto a
la multiplicacin por escalar?
Qu podemos concluir?
Qu representa W geomtricamente? Por qu?
Captulo 1
Otro ejemplo (ej. 11)
W = { [ x, y ] | y=mx, x en R } en R
2

W es no vaco en R
2
.
Sean (x
1
, y
1
) y (x
2
, y
2
) dos elementos de W
x + y = (x
1
, y
1
) + (x
2
, y
2
) = (x
1
, mx
1
) + (x
2
, mx
2
)
= (x
1
+x
2
, mx
1
+mx
2
) = (x
1
+x
2
, m(x
1
+x
2
) que est en W
(por qu?), entonces W es cerrado con respecto a la
adicin.
Cmo demostramos que W es cerrado con respecto a
la multiplicacin por escalar?
Qu podemos concluir?
Captulo 1
Uno que NO es subespacio
W = { [ x, y ] | xy 0 } en R
2

W no es cerrado
bajo la suma.

Ej.
Tome [1,2] y [-5,-1]
[1,2] + [-5,-1] = [-4,1]
no est en W
Captulo 1
Sean {v
1
, v
2
, v
k
} k vectores de R
n
.

El espacio generado (span) por estos
vectores es el conjunto de las combinaciones
lineales de ellos, es decir:
gen{v
1
, v
2
, v
k
} =
{r
1
v
1
+r
2
v
2
+ r
k
v
k
| r
1
, r
2
, , r
k
R}
Captulo 1

Teorema

Sea W = gen{w
1
, w
2
, , w
k
} el generado de k>0
vectores en R
n
.
Entonces W es subespacio de R
n

Captulo 1
El conjunto de soluciones de un
sistema homogneo se puede
expresar como generado por
algunas de esas soluciones.
Captulo 1
x
1
- 2x
2
+ x
3
- x
4
= 0
2x
1
- 3x
2
+ 4x
3
- 3x
4
= 0
3x
1
- 5x
2
+ 5x
3
- 4x
4
= 0
-x
1
+ x
2
- 3x
3
+ 2x
4
= 0
1 -2 1 -1 0
2 -3 4 -3 0
3 -5 5 -4 0
-1 1 -3 2 0
1 0 5 -3 0
0 1 2 -1 0
0 0 0 0 0
0 0 0 0 0
Captulo 1
1 0 5 -3 0
0 1 2 -1 0
0 0 0 0 0
0 0 0 0 0
x = = = r + s
x
1
x
2
x
3
x
4
-5r + 3s

-2r + s

r

s

-5

-2
1

0

3

1
0

1

Captulo 1
-5

-2
1

0

3

1
0

1

El conjunto de soluciones del
sistema lineal es entonces:

gen { , }
Captulo 1
Ejemplo: x
1
+ 2x
2
+ x
3
=0
2x
1
+ x
2
- x
3
=0

Reduciendo la matriz A del sistema:

1 2 1 1 0 -1 x = z x 1
2 1 -1 0 1 1 y = -z y = t -1
z 1
Entonces el conjunto W de soluciones del
sistema es: W = gen( [1, -1, 1] ) subespacio
de R
3

Captulo 1
Dada una matriz A
mxn
hay
tres subespacios particulares:
1-El generado por las filas de A, que es
subespacio de ?
Espacio de las filas F
A

2-El generado por las columnas de A, que es
subespacio de ?
Espacio de las columnas C
A

3-El subespacio de las soluciones de la ecuacin:
Ax = 0, que es subespacio de ?
Espacio nulo de A N
A
.
Captulo 1
Dada la matriz A 1 2 1
2 1 -1

1-El espacio generado por las filas de A es:
gen( [1, 2, 1], [2, 1, -1]) en R
3

2-El espacio generado por las columnas de A es:
gen( [1,2], [2, 1], [1, -1] ) en R
2

3-El espacio nulo de A es:
gen( [1, -1, 1] ) en R
3
Captulo 1
Sea A una matriz de mxn.
El sistema lineal Ax=b es
consistente si y solo si el vector
bR
m
puede ser generado por los
vectores columnas de A.
Captulo 1
Un sistema lineal Ax=b tiene
solucin si y solo si b est en el
espacio generado por los vectores
columnas de A
Captulo 1
Base de un subespacio

Sea W un subespacio de R
n
.
El subconjunto {w
1
, w
2
, w
k
} de W es una base
para W ssi cualquier vector de W se puede
expresar en una nica forma como combinacin
lineal de los w
1
, w
2
, w
k
, es decir, para
cualquier b de W:
b = r
1
w
1
+ r
2
w
2
+ + r
k
w
k
de una nica forma.
Vectores, Matrices y Sistemas lineales 139 Captulo 1
Los vectores { e
1
, e
2
, e
n
} forman la base
estndar de R
n

Por qu son una base?

Por ej. son una base para R
3

Ejemplos:
1
0

0
0
1

0
0

0
1
Captulo 1
-5

-2
1

0

3

1
0

1

Dado el sistema:

El conjunto solucin W= gen { , }

Qu base para W? Por qu?
x
1
- 2x
2
+ x
3
- x
4
= 0
2x
1
- 3x
2
+ 4x
3
- 3x
4
= 0
3x
1
- 5x
2
+ 5x
3
- 4x
4
= 0
-x
1
+ x
2
- 3x
3
+ 2x
4
= 0
Captulo 1
Teorema:
Los vectores {w
1
, w
2
, w
k
}, forman una
base de W = gen{w
1
, w
2
, w
k
} si y solo si
el vector cero se puede expresar de una
nica forma como combinacin lineal de
los w
i
, es decir
Los vectores {w
1
, w
2
, , w
k
}, forman una
base de W = gen{w
1
, w
2
, w
k
}, si y slo si
r
1
w
1
+ r
2
w
2
+ + r
n
w
k
=

0 entonces
r
1
= r
2
= = r
k
= 0
Captulo 1
Teorema:
Sea A una matriz nxn
Las siguientes condiciones son equivalentes:

1-El sistema Ax = b tiene una nica solucin para
cualquier b de R
n

2-La matriz A es invertible

3-La matriz A es equivalente por filas a la
identidad

4-Las columnas de A forman una base de R
n

Captulo 1
Ejercicio:
Los vectores: [1,1,3], [3,0,4] y [1,4,-1]
forman una base de R
3
?

-Qu hay que mostrar
(definicin de base)?

-Cmo se puede hacer?

-Por qu?
Captulo 1
Es equivalente:
La matriz A es invertible
La matriz A es equivalente por filas a la identidad
Las columnas de A forman una base de R
n

[1,1,3], [3,0,4] y [1,4,-1] base para R
3
?

1 3 1 1 3 1 1 3 1
1 0 4 0 -3 3 0 1 -1
3 4 -1 0 -5 -4 0 0 -9

Captulo 1
Teorema
Sea A una matriz mxn
Las siguientes condiciones son equivalentes:

1-Si el sistema Ax = b es consistente, entonces tiene una
nica solucin.

2-La matriz escalonada reducida correspondiente a A
consiste de la identidad nxn seguida de m-n filas de
ceros

4-Las columnas de A forman una base del espacio
generado por las columnas de A, es decir de C
A
Captulo 1
1 -2 -1
2 -3 -3
3 -5 -4
-1 1 2
Ejercicio:
Los vectores u = [1, 2, 3, -1], v = [-2, -3, -5, 1] y
w = [-1, -3, -4, 2] forman una base para el
subespacio gen{u, v, w} en R
4
?
1 -2 -1
0 1 -1
0 1 -1
0 -1 1
1 -2 -1
0 1 -1
0 0 0
0 0 0
Como no obtenemos la matriz identidad seguida de
una fila de 0s, los vectores NO forman una base para
el subespacio
Captulo 1
Corolarios
1-Si el sistema Ax = b es consistente y tiene menos
ecuaciones que incgnitas, entonces tiene una
infinidad de soluciones

2-Un sistema homogneo con menos ecuaciones
que incgnitas tiene soluciones no triviales

3-Un sistema cuadrado homogneo Ax = 0 tiene
solucin no trivial ssi A no es equivalente por filas
a la identidad de su tamao
Captulo 1
Teorema
Estructura del conjunto de soluciones de
Ax = b
Si p es una solucin particular del sistema
Ax= b y h es una solucin del sist.
homogneo correspondiente, A x = 0,
entonces p + h es solucin de A x = b

Adems, cualquier solucin de Ax = b se
puede escribir como p + h, con p solucin
de Ax = b y h solucin del homogneo.
Captulo 1
x
1
- 2x
2
+ x
3
- x
4
= 0
2x
1
- 3x
2
+ 4x
3
- 3x
4
= 0
3x
1
- 5x
2
+ 5x
3
- 4x
4
= 0
-x
1
+ x
2
- 3x
3
+ 2x
4
= 0
x = = = r + s
x
1
x
2
x
3
x
4
-5r + 3s

-2r + s

r

s

-5

-2
1

0

3

1
0

1

Ejemplo
Captulo 1
x
1
- 2x
2
+ x
3
- x
4
= 4
2x
1
- 3x
2
+ 4x
3
- 3x
4
= -1
3x
1
- 5x
2
+ 5x
3
- 4x
4
= 3
-x
1
+ x
2
- 3x
3
+ 2x
4
= 5
1 -2 1 -1 4
2 -3 4 -3 -1
3 -5 5 -4 3
-1 1 -3 2 5
1 0 5 -3 -14
0 1 2 -1 -9
0 0 0 0 0
0 0 0 0 0
Captulo 1
x
1
- 2x
2
+ x
3
- x
4
= 4
2x
1
- 3x
2
+ 4x
3
- 3x
4
= -1
3x
1
- 5x
2
+ 5x
3
- 4x
4
= 3
-x
1
+ x
2
- 3x
3
+ 2x
4
= 5
x = = = +
x
1
x
2
x
3
x
4
-14 - 5r + 3s

-9 - 2r + s

r

s

-14

-9
0

0

-5r + 3s

-2r + s

r

s

Solucin general
p h

Capitulo 1

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Capitulo 1

Enviado por

Direitos autorais:

Formatos disponíveis

Algebra Lineal

Captulo 1: 1.1 1.6

Você também pode gostar