Beruflich Dokumente
Kultur Dokumente
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.
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
EJEMPLO 1
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:
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
1.1.1.
Ante un sistema de ecuaciones lineales de n variables se tienen unica y exclusivamente las tres
posibles situaciones:
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.
Las matrices son entes matematicos de mucha importancia en aplicaciones de ingeniera y ser
an
tema central del siguiente captulo.
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
a
21 a22 a23 a2n b2
..
..
..
..
..
..
.
.
.
.
.
.
am1
am2
am3
amn
bm
EJEMPLO 4
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
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.
La notaci
on que se utilizar
a en este texto es la siguiente:
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 .
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
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
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
1.2.1.
Propiedades
1.3.
a12
= a11 a22 a21 a12
a22
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
A = 8
11
0
10
1
4
6
EJEMPLO 8
EJEMPLO 9
11
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
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.
12
1.4.
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.
1. |AB| = |A||B|.
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.
Antes de mostrar un nuevo metodo para calcular la inversa de una matriz se analiza los siguiente:
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|
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
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
4
A=
2
sea singular.
#
x
3
16
0
x
1
c
b = ax2 + bx + c
a
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
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
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
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
EJERCICIO 3
Encuentre cuatro matrices 2 2 que generen el espacio vectorial de las matrices 2 2, es decir a
M22 .
EJERCICIO 4
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.
2.1.2.
19
Independencia Lineal
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.
2.1.3.
Bases y Dimensiones
20
i. S es linealmente independiente.
ii. S genera a Vn .
2.2.
EJERCICIOS PROPUESTOS
# "
1
0
,
0
2
# "
0
3
,
1
0
#
"
1
0
y
0
3
#
0
1
21
2
4
# "
1
0
,
0
1
# "
3
4
,
5
7
#
1
5
# "
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.
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.
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