Beruflich Dokumente
Kultur Dokumente
2 Espacios Vectoriales 81
2.1 Definiciones y ejemplos . . . . . . . . . . . . . . 81
2.2 Subespacios Vectoriales . . . . . . . . . . . . . . 90
2.3 Combinacion lineal y espacio generado . . . . 93
2.4 Independencia lineal . . . . . . . . . . . . . . . . 96
2.5 Bases y dimensión . . . . . . . . . . . . . . . . . 102
iii
iv ÍNDICE
1
Capítulo 1
Sistemas de Ecuaciones
Lineales y Matrices
1.1 Definiciones
Definición 1 Una ecuación es una igualdad en la que
aparece al menos una variable
• Sistema de 3 × 5
2a + 3b − 5c + 4d + e = 7
2a + d = 8
3b − 5c = 0
• Sistema de 5 × 3
a+b = 4
b+c = 3
a+b+c = 1
a−c = 5
a − b + 2c = 0
3x1 + 2x2 = 4
4x1 − 3x2 = 0
• Sistema de 3 × 5
• Sistema de 5 × 3
x1 + x2 − 0x3 = 4
0x1 + x2 + x3 = 3
x 1 + x2 + x3 = 1
x1 + 0x2 − x3 = 5
x1 − 1x2 + 2x3 = 0
Ejemplo 2
• En el sistema
3x1 + 2x2 = 4
4x1 − 3x2 = 0
a11 = 3, a21 = 4
• En el sistema
donde los números a11 , a12 , a21 , a22 , b1 y b2 son dados. Para
esto necesitamos hacer algunas consideraciones previas,
como por ejemplo suponer que al menos uno de los coefi-
cientes es distinto de cero pues en caso contrario no ten-
driamos un sistema. Bajo esta hipotesis conviene dividir
el problema en los siguientes casos:
I) a11 = 0, a12 = 0.
El sistema 1 se convierte en la ecuación a21 x1 +a22 x2 =
b2 de donde tenemos los siguientes subcasos:
b2
i) Si a21 = 0 entonces x2 = . Cuidado2
a22
ii) Si a21 6= 0 entonces las soluciones al sistema
son
b2 − a22 x2
todas de la forma x1 = , x2
a21
Pregunta para el lector ¿Qué pasa si b1 6= 0?
2
Observe que a22 no puede ser cero, ¿Porqué?
6 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
a11 x1 = b1 (1.5)
a21 x1 + a22 x2 = b2 (1.6)
a11 x1 = b1 (1.7)
a21 x1 = b2 (1.8)
b1 b2 3
que tiene solución sólo si = .
a11 a21
ii) Si a22 6= 0 de la ecuación 1.5 obtenemos que x1 =
b1 b1
y al sustituir en 1.6 a21 + a22 x2 = b2 de
a11 a11
donde
b1
b2 − a21
a11 b2 − a21 b1
a11
x2 = =
a22 a22 a11
b1 a11 b2 − a21 b1
La solución es ,
a11 a22 a11
III) a11 = 0, a12 6= 0 Análogo al caso anterior
IV) a11 6= 0, a12 6= 0 tenemos que suponer que a21 6= 0 y 0 6=
a22 pues de lo contrario estariamos en una situación
análoga a alguno de los casos anteriores, dicho esto
b1 − a12 x2
de la ecuación 1.3 tenemos que x1 = y al
a11
sustituirlo en 1.4
b1 − a12 x2
a21 + a22 x2 = b2
a11
3
Note que si a21 = 0 estamos en el caso I) i)
SOLUCIÓN DE SISTEMAS DE 2 × 2 7
a11 b2 − a21 b1
de donde x2 = y aplicando un poco de
a11 a22 − a12 a21
a22 b1 − a12 b2
algebra se puede verificar que x1 =
a11 a22 − a12 a21
Con el análisis que acabamos de realizar hemos demostrado
el siguiente resultado
Teorema 1 El sistema
a11 x1 + a12 x2 = b1
a21 x1 + a22 x2 = b2
en las variables x1 y x2 tiene solución única si y sólo si
a11 a22 − a12 a21 6= 0 4 . Además si a11 a22 − a12 a21 = 0 entonces
el sistema tiene infinitas soluciones o no tiene solución.
Ejercicios:
1. ¿Cuál de las siguientes afirmaciones sobre la solución
de un sistema de dos ecuaciones lineales con dos in-
cógnitas no es cierta?
(a) Es un par ordenado que satisface ambas ecua-
ciones.
(b) Su gráfica consiste en el punto o los puntos de
intersección de las gráficas de las ecuaciones.
(c) Su gráfica es la abscisa de las gráficas de las ecua-
ciones.
(d) Si el sistema es inconsistente, no existe una solu-
ción.
2. ¿Cuál de las siguientes afirmaciones es cierta para un
sistema inconsistente de dos ecuaciones lineales?
4
En el caso II) i) tenemos que a11 a22 − a12 a21 = 0 y el sistema tiene
solución esto se debe a que en esa situación el sistema se vuelve de una
incognita
8 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
x − 3y = 4 2x − y = −3
−4x + 2y = 6 5x + 7y = 4
2x − 8y = 5 2x − 8y = 6
−3x + 12y = 8 −3x + 12y = −9
6x + y = 3 3x + y = 0
−4x − y = 8 2x − 3y = 0
4x − 6y = 0 5x + 2y = 3
−2x + 3y = 0 2x + 5y = 3
2x + 3y = 4 ax + by = c
3x + 4y = 5 ax − by = c
ax + by = c ax − by = c
bx + ay = c bx + ay = d
ax + by = c
ax − by = c
ax + by = c
bx + ay = c
tenga un número infinito de soluciones.
ax − by = c
bx + ay = d
no tenga solución.
Notas:
1. Una matriz en la que m = n se llama matriz cuadrada.
2. El tamaño de una matriz es el número mn
3. Una matriz de m×1 se llama matriz columna o vector columna,
se escribe como
a11
a21
.
.
.
am1
7 6 13 −6 5.12
podemos ver que la componente b3 5 = π, que la tercer
columna es
1
5
9
13
o que el cuarto renglón es
7 6 13 −6 5.12
a11 a12 ··· a1n
a21 a22 ··· a2n
. .. ..
.. . .
···
aj1 aj2 ajn
.. .. ..
. . .
am1 am2 ··· amn
Rj −→ αRj
14 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
a11 a12 ··· a1n
a21 a22 ··· a2n
. .. ..
.. . .
···
αaj1 αaj2 αajn
.. .. ..
. . .
am1 am2 ··· amn
a11 a12 ··· a1n
a
21 a22 ··· a2n
. .. ..
.. . .
aj1 aj2 ··· ajn
. .. ..
.
. . .
ak1 ak2 · · · akn
.. .. ..
. . .
am1 am2 · · · amn
Rj −→ Rj + cRk
SOLUCIÓN DE SISTEMAS DE m × n 15
a11 a12 ··· a1n
a21 a22 ··· a2n
.. .. ..
. . .
aj1 + c ak1 aj2 + c ak2 · · · ajn + c akn
.. .. ..
. . .
ak1 ak2 ··· akn
.. .. ..
. . .
am1 am2 ··· amn
a11 a12 ··· a1n
a
21 a22 ··· a2n
. .. ..
.. . .
aj1 aj2 ··· ajn
. .. ..
.
. . .
ak1 ak2 · · · akn
.. .. ..
. . .
am1 am2 · · · amn
Rj Rk
16 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
a11 a12 ··· a1n
a
21 a22 ··· a2n
. .. ..
.. . .
ak1 ak2 · · · akn
. .. ..
.
. . .
aj1 aj2 ··· ajn
.. .. ..
. . .
am1 am2 · · · amn
Notas:
1. Que una matriz este en forma escalonada reducida implica que
se encuentra en forma escalonada, pero no es cierto el recíproco.
2 4 6 | 18 1 2 3 | 9
4 5 6 | 24 R1 −→ 21 R1 4 5 6 | 24
3 1 −2 | 4 3 1 −2 | 4
24 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
1 2 3 | 9 1 2 3 | 9
R2 −→ R2 − 4R1
4 5 6 | 24 0 −3 −6 | −12
R3 −→ R3 − 3R1
3 1 −2 | 4 0 −5 −11 | −23
1 2 3 | 9 1 1 2 3 | 9
R2 −→ − 3 R2
0 −3 −6 | −12 0 1 2 | 4
R3 −→ −R3
0 −5 −11 | −23 0 5 11 | 23
1 2 3 | 9 1 0 −1 | 1
R1 −→ R1 − 2R2
0 1 2 | 4 0 1 2 | 4
R3 −→ R3 − 5R2
0 5 11 | 23 0 0 1 | 3
1 0 −1 | 1 1 0 0 | 4
R1 −→ R1 + R3
0 1 2 | 4 0 1 0 | −2
R2 −→ R2 − 2R3
0 0 1 | 3 0 0 1 | 3
Ejercicios:
1. En los siguientes ejercicios utilice el método de Gauss-
Jordan para encontrar todas las soluciones, si existen.
x1 − 2x2 + 3x3 = 11 3x1 + 6x2 − 6x3 = 9
4x1 + x2 − x3 = 4 2x1 − 5x2 + 4x3 = 6
2x1 − x2 + 3x3 = 10 −x1 + 16x2 − 14x3 = −3
26 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
x1 + x2 − x3 = 7 x1 + x2 − x3 = 7
4x1 − x2 + 5x3 = 4 4x1 − x2 + 5x3 = 4
2x1 + 2x2 − 3x3 = 0 6x1 + x2 + 3x3 = 20
x1 + x2 − x3 = 0
x1 + 2x2 − x3 = 4
4x1 − x2 + 5x3 = 0
3x1 + 4x2 − 2x3 = 7
6x1 + x2 + 3x3 = 0
2x1 + 6x2 − 4x3 + 2x4 = 4
x1 + 2x2 − 4x3 = 4
x1 − x3 + x4 = 5
−2x1 − 4x2 + 8x3 = −9
−3x1 + 2x2 − 2x3 = −2
x1 − 2x2 + x3 + x4 = 2
x1 + x2 = 4
3x1 + 2x3 − 2x4 = −8
2x1 − 3x2 = 7
4x2 − x3 − x4 = 1
3x1 + 2x2 = 8
5x1 + 3x3 − x4 = −3
2. En las siguientes matrices determine si la matriz se encuentra
en la forma escalonada, en la forma escalonada reducida o en
ninguna de las dos.
1 1 0 1 0 1 0
0 1 0 0 1 1 0
0 0 1 0 0 0 0
0 1 0 0 1 0
1 0 0 0 0 1
0 0 0 0 0 0
1 0 0 4
0 1 0 5
0 1 1 6
3. Muestre que el sistema
2x1 − x2 + 3x3 = a
3x1 + x2 − 5x3 = b
−5x1 − 5x2 + 21x3 = c
es inconsistente si c 6= 2a − 3b
1.4. SISTEMA DE ECUACIONES HOMOGÉNEAS 27
Nota
La n-ada (0, 0, . . . , 0) se llama solución trivial del sistema ho-
mogéneo Sm×n . Las soluciones diferentes de la trivial se
llaman no triviales.
Ejercicio
Resolver el sistema utilizando el método de eliminación Gaus-
siana.
2x1 + 4x2 + 6x3 = 0
4x1 + 5x2 + 6x3 = 0
3x1 + x2 − 2x3 = 0
y de acuerdo al ejemplo 12
2 4 6 | 0 1 2 3 | 0
4 5 6 | 0 ∼ 0 1 2 | 0
3 1 −2 | 0 0 0 1 | 0
Ejercicio
Resuelva el sistema
x1 + 2x2 − x3 = 0
3x1 − 3x2 + 2x3 = 0
−x1 − 11x2 + 6x3 = 0
Solución
La matriz aumentada asocida a este sistema es
1 2 −1 | 0
A = 3 −3 2 | 0
−1 −11 6 | 0
1 2 −1 | 0 1 2 −1 | 0
0 −9 5 | 0 R3 −→ R2 − R3 0 −9 5 | 0
0 −9 5 | 0 0 0 0 | 0
1 2 −1 | 0 1 2 −1 | 0
0 −9 5 | 0 R3 −→ R2 − 91 R2 0 −9 − 95 | 0
0 0 0 | 0 0 0 0 | 0
1
1 2 −1 | 0 1 0 9 | 0
0 −9 − 59 | 0 R1 −→ R1 − 2R2 0 1 − 59 | 0
0 0 0 | 0 0 0 0 | 0
Ejercicio
Resuelva el sistema de ecuaciones
x1 + x 2 − x3 = 0
4x1 − 2x + 7x3 = 0
usando el método de eliminación Gaussiana.
30 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
! !
1 1 −1 | 0 1 1 −1 | 0
R2 −→ − 61 R2
0 −6 11 | 0 0 1 − 11
6 | 0
x1 + x2 − x3 = 0
11x3
x2 − =0
6
de la segunda ecuación obtenemos el valor de x2 en térmi-
nos de x3 y al sustituirlo en la primer ecuación obtenemos
todas las soluciones del sistema en función de la variable x3
como:
17 11
x , x , x3
6 3 6 3
Teorema 5 Si en el sistema
x1 = 0
x2 = 0
..
.
xn = 0
Ejercicios:
2x1 − x2 = 0 x1 − 5x2 = 0
3x1 + 4x2 = 0 −x1 + 5x2 = 0
32 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
x1 + x2 − x3 = 0 x1 + x2 − x3 = 0
2x1 − 4x2 + 3x3 = 0 2x1 − 4x2 + 3x3 = 0
3x1 + 7x2 − x3 = 0 −x1 − 7x2 + 6x3 = 0
x1 + x2 − x3 = 0
2x1 + 3x2 − x3 = 0
2x1 − 4x2 + 3x3 = 0
6x1 − 5x2 + 7x3 = 0
−5x1 + 13x2 − 10x3 = 0
4x1 − x2 = 0
x1 − x2 + 7x3 − x4 = 0
7x1 + 3x2 = 0
2x1 + 3x2 − 8x3 + x4 = 0
−8x1 + 6x2 = 0
2x1 − x2 = 0
x1 − 3x2 = 0
3x1 + 5x2 = 0
−2x1 + 6x2 = 0
7x1 − 3x2 = 0
4x1 − 12x2 = 0
−2x1 + 3x2 = 0
x1 + x2 − x3 = 0
4x1 − x2 + 5x3 = 0
−2x1 + x2 − 2x3 = 0
3x1 + 2x2 − 6x3 = 0
a11 x1 + a12 x2 = 0
a21 x1 + a22 x2 = 0
4. Considere el sistema
1.5 Matrices
Cuando se analizó la solución de sistemas de ecuaciones
de m × n en la sección 1.3 se definió el concepto de ma-
triz y algunos tipos especiales de ellas 5 por ejemplo matriz
columna, matriz renglón, etc. En esta sección definiremos
algunas operaciones entre matrices y números reales, así
como algunas propiedades de dichas operaciones.
a11 ··· a1n
.. .. es una matriz de
Definición 15 Si A = . .
am1 · · · amn
m × n y α ∈ R, (α es un escalar) entonces definimos el
producto de ellos como la matriz de m × n
5
Vea definición 6
MATRICES 35
αa11 ··· αa1n
.. .. = (αa )
αA = Aα = . . ij
αam1 · · · αamn
Ejemplos:
! ! !
1 2 3 5 4 3 2 1
1. Sean A = B = C = y
4 5 6 8 7 6 3 4
!
1 1 1
D=
2 2 2
1. A + 0 = A
36 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
2. 0A = 0
3. A + B = B + A
4. (A + B) + C = A + (B + C)
5. α(A + B) = αA + αA
6. 1A = A
7. (α + β)A = αA + βA
Por lo general estamos acostumbrados a trabajar con
sumas y multiplicaciones que no “se salen” del dominio, es
decir si sumamos dos números reales obtenemos otro número
real, si multiplicamos dos polinomios no nulos obtenemos
otro polinomio no nulo. Enseguida definimos una operación
que no cumple con esta propiedad pues toma dos matrices,
ambas renglón o ambas columna pudiendo ser inclusive una
renglón y una columna y después de operarlas se obtiene
un numero real.
Definición 16 Si A y B son dos matrices con n compo-
nentes, ambas renglón o ambas columna o inclusive una
renglón y una columa, definimos el producto escalar como:
1. Si ambas
son renglón,por ejemplo:
A = a11 a12 . . . a1n y B = b11 b12 . . . b1n en-
tonces
n
X
A · B = a11 b11 + a12 b12 + . . . + a1n b1n = a1i b1i
i=1
2. Si ambas
son columnas,
supongamos
a11 b11
a21 b21
A= ..
y B = . entonces
.
. .
an1 bn1
MATRICES 37
n
X
A · B = a11 b11 + a21 b21 + . . . + an1 bn1 = ai1 bi1
i=1
• A·0=0
• A·B =B·A
• A · (B + C) = A · B + A · C
• (αA) · B = α(A · B)
Notas:
1. Observe que para el producto este definido el número de colum-
nas de A debe coincidir con el número de renglones de B
2. La matriz resultante de multiplicar Am×n y Bm×p es de tamaño
m × p, es decir tiene el número de renglones de A y el número
de columnas de B
3. La multiplicación no es conmutativa
2 4 !
3 4 6 5
Ejemplo 15 Si A3×2 = 3 1 B2×4 = en-
2 1 3 2
5 3
tonces el producto AB se espera que sea una matriz C de
tamaño 3 × 4 y cuyas componentes son:
!
3
C11 = 2 4 = 6 + 8 = 14
2
!
4
C12 = 2 4 = 8 + 4 = 12
1
!
6
C13 = 2 4 = 12 + 12 = 24
3
!
5
C14 = 2 4 = 10 + 8 = 18
2
!
3
C21 = 3 1 = 9 + 2 = 11
2
..
.
!
5
C34 = 5 3 = 25 + 6 = 31
2
MATRICES 39
14 12 24 18
C3×4 = 11 13 21 17
21 23 39 31
Observe que BA no está definido.
Demostración
a11 . . . a1n b11 . . . b1p
.. .. ; B . .. y
Sean Am×n = . . n×p = .. .
am1 . . . amn bn1 . . . bnp
c11 . . . c1q
.. .. matrices.
Cp×q = . .
cp1 . . . cpq
Calculemos el producto AB, para esto hagamos Dm×p = AB
sabemos que la componente dij de la matriz D se obtiene
como el producto punto del i-ésimo renglón de A por la j-
ésima columna de B, es decir;
b1j
b2j
dij = ai1 ai2 · · · ain .
.
.
bnj
dij = ai1 b1j + ai2 b2j + · · · + ain bnj
Xn
dij = aik bkj
k=1
40 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
c1j
n n n
!
X X X c2j
eij = aik bk1 aik bk2 · · · aik bkp ·
..
k=1 k=1 k=1 .
cnj
n
! n
! n
!
X X X
= aik bk1 c1j + aik bk2 c2j + · · · aik bkp cpj
k=1 k=1 k=1
p p
" n
! # n
X X X X
= aik bkr crj = aik bkr crj
r=1 k=1 r=1 k=1
p
X
b1r crj
r=1
p
X
b 2r c rj
gij = ai1 ai2 · · · ain r=1
.
..
X p
bnr crj
r=1
p p
! !
X X
gij = ai1 b1r crj + · · · + ain bnr crj
n
"r=1 p !# n X
r=1
p
X X X
gij = aik bkr crj = aik bkr crj
k=1 r=1 k=1 r=1
(A + B)C = AC + BC
Ejercicios:
1. Demostrar el teorema 6
−3 5 2
2. Si a = 1 , b = −4, y c = 0 calcule las
4 7 −2
siguientes matrices:
(a) a + b
(b) −2c
(c) 2a − 5b
(d) 0c
(e) 3a − 2b + 4c
3. Si a = 3 −1 4 2 , b = 6 0 −1 4 , y c = −2 3 1 5
calcule las siguientes matrices:
(a) a + c
(b) 4c
(c) 2a − c
(d) a + b + c
(e) 3a − 2b + 4c
4. Calcule
las siguientes
matrices
si
1 3 −2 0 −1 1
A = 2 5 , B = 1 4 y C = 4 6
−1 2 −7 5 −7 3
(a) 3A
MATRICES 43
(b) A − C
(c) 0B (0 es el cero escalar)
(d) A + B + C
(e) Encuentre una matriz D tal que 2A + B − D es la
matriz cero de 3 × 2
5. Calcule
las siguientes
matrices
si
1 −1 2 0 2 1 0 0 2
A = 3 4 5 , B = 3 0 5 y C = 3 1 0
0 1 −1 7 −6 0 0 −2 4
(a) A − 2B
(b) A + B + C
(c) C − A − B
(d) Encuentre una matriz D tal que A + B + C + D es
la matriz cero de 3 × 3
A · (B + C) y (2B)(3C − 5A)
9. Calcule
! !
2 3 4 1
(a)
−1 2 0 6
! !
1 −1 −1 0
(b)
1 1 2 3
! 3 −1 1
−4 5 1
(c) 5 6 4
0 4 2
0 1 2
1 6 !
7 1 4
(d) 0 4
2 −3 5
−2 3
1 4 6 2 −3 5
(e) −2 3 5 1 0 6
1 0 4 2 3 1
3 −6
2 4
(f) 1 4 0 2
1 0
−2 3
3 −2 1 1 0 0
(g) 4 0 6 0 1 0
5 1 9 0 0 1
MATRICES 45
a b c 1 0 0
(h) d e f 0 1 0
g h i 0 0 1
10. Sean a11 , a12 , a21 , a22 números reales tales que a11 a22 −
a12 a21 6= 0. Encuentre ! números
! reales
! b11 , b12 , b21 , b22
a11 a12 b11 b12 1 0
tales que =
a21 a22 b21 b22 0 1
! !
−2 3
(a) ;
3 2
1 2
(b) 4; 3
7 2
a 0
0 d
b ; 0
(c)
0 e
c 0
1
−α
12. Determine todos los números α y β tales que
2
3
46 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
4
5
y son ortogonales
−2β
7
2x1 + 3x2 + x3 − x4 = 5
3x1 − 2x2 + x3 + 2x4 = 8
(AB)−1 = B −1 A−1
(I − A)(I + A) = 0
y !
1 3 | 0
(1.13)
4 2 | 1
De acuerdo con el teorema 1 los sistemas asociados a 1.12
y 1.13 tienen solución y es única. Las matrices de coe-
ficientes de 1.12 y 1.13 son iguales, así que podemos re-
solver los dos sistemas
! simultaneamente considerando la
1 3 | 1 0
matriz y transformandola mediante opera-
4 2 | 0 1
ciones elementales a una equivalente de la forma I | B ,
donde B será la matriz inversa de A.
! !
1 3 | 1 0 1 3 | 1 0
R2 −→ R2 − 4R1
4 2 | 0 1 0 −10 | −4 1
! !
1 3 | 1 0 1 1 3 | 1 0
R2 −→ − R2 2 1
0 −10 | −4 1 10 0 1 | 5 − 10
! !
1 3 | 1 0 1 0 | − 15 3
10
2 1 R1 −→ R1 − 3R2 2 1
0 1 | 5 − 10 0 1 | 5 − 10
1 3 2 1
de aquí x = − ,y = ,z = y w = − .
5 10 5 10
CÁLCULO DE INVERSAS 53
!
2 8
Ejercicio Calcule la inversa de la matriz A = en
5 20
caso de que exista.
Solución Si procedemos de manera análoga al ejercicio an-
terior entonces tendremos que resolver los sistemas
2x + 8z = 1 2y + 8w = 0
y
5x + 20z = 0 5y + 20z = 1
pero ambos!sistemas son inconsistentes, por tanto la matriz
2 8
A= no posee inversa. Este hecho se refleja si es-
5 20
!
2 8 | 1 0
cribimos la matriz y aplicando operaciones
5 20 | 0 1
!
2 8
elementales tratamos de transformar la matriz a
5 20
una equivalente en forma escalonada reducida, pues ten-
dríamos lo siguiente:
! !
2 8 | 1 0 R1 −→ 5R1 10 40 | 5 0
5 20 | 0 1 R2 −→ −2R2 −10 −40 | 0 −2
! !
10 40 | 5 0 10 40 | 5 0
R2 −→ R2 + R1
−10 −40 | 0 −2 0 0 | 5 −2
de A es el número
I = At (A−1 )t (1.15)
i
E
múltiplo de otro R −→ R + αR
i j
56 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
• aquellas que se
obtienen al intercambiar dos ren-
E
glones, R R
i j
Solución Como
2 4 6 | 1 0 0
4 5 6 | 0 1 0
3 1 −2 | 0 0 1
R1 → 12 R1
1 2 3 | 21 0 0
4 5 6 | 0 1 0
3 1 −2 | 0 0 1
R2 → R2 − 4R1
R3 → R3 − 3R1
1
1 2 3 | 2
0 0
0 −3 −6 | −2 1 0
0 −5 −11 | − 23 0 1
R2 → − 31 R2
1
1 2 3 | 2
0 0
2
0 1 2 | − 31 0
3
0 −5 −11 | − 32 0 1
R1 → R1 − 2R2
R3 → R3 + 5R2
1 0 −1 | − 65 2
3
0
2 1
0 1 2 | − 0
3 3
0 0 −1 | 11 6
− 53 1
R3 → −R3
58 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
1 0 −1 | − 65 2
3
0
2 1
0 1 2 | − 0
3 3
0 0 1 | − 11
6
5
3
−1
R2 → R2 − 2R3
R1 → R1 + R3
1 0 0 | − 166
7
3
−1
26 11
0 1 0 | − 2
6 3
0 0 1 | − 116
5
3
−1
entonces
E
R1 → R1 + R3
E
R2 → R2 − 2R3
E
R3 → −R3
E
R3 → R3 + 5R2
E
R1 → R1 − 2R2
E E
R2 → −
1
R2
E
R3 → R3 − 3R1
E
R2 → R2 − 4R1 R1 →
1
R1
A=I
3 2
de aquí que
−1 −1 −1
E
A= R1 →
1
R1
E
R2 → R2 − 4R1
··· E
R1 → R1 + R3
2
más aún
A= E R1 → 2R1
E
R2 → R2 + 4R1
··· E
R1 → R1 − R3
U = E1 E2 · · · Em A
CÁLCULO DE INVERSAS 59
entonces
−1
Em · · · E3−1 E2−1 E1−1 U = Em
−1 −1 −1
E2 E1 E1 E2 · · · Em A = A
luego
−1
A = Em · · · E2−1 E1−1 U
3 6 9
Ejercicio Escribir A = 2 5 1 como un producto de
1 1 8
matrices elementales y una matriz triangular superior U
3 6 9
Solución Reducimos A = 2 5 1 hasta convertirla en
1 1 8
una matriz en forma escalonada U , de la siguiente manera
3 6 9 1 2 3
A = 2 5 1 R1 −→ 13 R1 2 5 1
1 1 8 1 1 8
1 2 3 1 2 3
R2 −→ R2 − 2R1
2 5 1 0 1 −5
R3 −→ R3 − R1
1 1 8 0 −1 5
1 2 3 1 2 3
0 1 −5 R3 −→ R3 + R2 0 1 −5 = U
0 −1 5 0 0 0
o equivalentemente
A = R −→ 3R
1
E
R 1 2
E
−→ R2 + 2R1
E
R3 −→ R3 + R1
E
R3 −→ R3 − R2
U
Verifique que
3 6 9 3 0 0 1 0 0 1 0 0 1 0 0 1 2 3
2 5 =
1 0 1 0 2 1 0 0 1 0 0 1 0 0 1 −5
1 1 8 0 0 1 0 0 1 1 0 1 0 −1 1 0 0 0
Ejercicios:
1. Determina cuáles matrices son elementales
!
1 0
(a)
0 1
!
0 1
(b)
1 1
!
3 0
(c)
0 3
0 1 0
(d) 0 0 1
1 0 0
1 0 0
(e) 2 1 0
0 0 1
1 0 0 0
1 1 0 0
(f)
0 0 1 0
0 0 1 1
CÁLCULO DE INVERSAS 61
(a) R2 −→ 4R2
(b) R1 −→ R1 − 3R2
i
E
tipo R → R + αR con i > j entonces A se puede factorizar
i j
= L−1
2 L1 = U2 U1
−1
2 3 2 4
4 10 −4 −2
Ejercicio Si se sabe que A = admite la
−3 −2 −5 −2
−2 4 4 −7
factorización única:
1 0 0 0 2 3 2 4
2 1 0 0 0 4 −8 −8
A = LU
= 3 5
− 2 8
1 0 0 0 3 9
−1 74 20
3
1 0 0 0 −49
4
−8
Resuelva el sistema AX =
−4
−1
4
−8
Solución Primero resolvemos LY = B donde B =
−4
−1
CÁLCULO DE INVERSAS 67
1 0 0 0 y1 4
2 1 0 0 y2 −8
= o equivalentemente
3 5
− 2 8 1 0 y3 −4
−1 74 20
3
1 y4 −1
y1 = 4
2y1 + y2 = −8
− 23 y1 + 5
y
8 2
+ y3 = −4
7 20
−y1 + y
4 2
+ 3 3
y + y4 = −1
Ejercicios:
1 2 −1 4
0 −1 5 8
(d)
2 3 1 4
1 −1 6 4
! !
1 2 −2
(a) A = ;b=
3 4 4
! !
−1 5 0
(b) A = ;b=
6 3 5
2 1 7 6
(c) A = 4 3 5; b = 1
2 1 6 1
1 2 −1 4 3
0 −1 5 8 −11
(d) A = ; b =
2 3 1 4 4
1 −1 6 4 −5
CÁLCULO DE INVERSAS 69
1.5.5 Determinantes
a11 a12 a13
Definición 32 Sea A = a21 a22 a23 entonces det A =
a31 a32 a33
a
22 a23 a21 a23 a21 a22 α β
|A| = a11 − a12 + a13 donde
a32 a33 a31 a32 a31 a32 γ δ
!
α β
denota det
γ δ
3 2 4
Ejercicio Si A = 5 7 6 calcule su determinante.
3 1 3
7 6 5 6
Solución Por definición detA = |A| = 3 − 2 +
1 3 3 3
5 7
4 = 3(21 − 6) − 2(15 − 18) + 4(5 − 21) = 3(15) − 2(−3) +
3 1
4(−16) = −13
Teorema 21
Sea T una An×n = (aij ) una matriz triángular (superior o
inferior) entonces detA = a11 a12 · · · ann
Teorema 22
Sea T una matriz triángular superior. T es invertible si y
sólo si detT 6= 0
Teorema 23
Sean (a, b), (c, d) ∈ R2 entonces el área del paralelogramo
que tiene vértices (a, b), (c, d)(0, 0) y (a + b, c + d) se puede
72 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
!
a b
calcular como det
c d
7. det(αA) = αn A.
CÁLCULO DE INVERSAS 73
8. Sean
A, B y C las matrices
a11 a12 · · · b1j · · · a1n a11 a12 · · · c1j ··· a1n
a a · · · b · · · a a21 a22 · · · c2j ··· a2n
21 22 2j 2n
A= . . . , B = . .. ..
. .. .. .
. . . .
an1 an2 · · · bnj · · · ann a an2 · · · cnj ··· ann
n1
a11 a12 · · · b1j + c1j · · · a1n
a21 a22 · · · b2j + c2j · · · a2n
yC= .. .. entonces:
..
. . .
an1 an2 · · · bnj + cnj · · · ann
Adj A
Teorema 30 Si detA 6= 0 entonces A−1 =
detA
Teorema 31 (Regla de Cramer) Si AX = B es un sitema
de ecuaciones de n × n donde detA 6= 0 y para cada i =
1, 2, . . . , n tenemos Di = detAi donde Ai es la matriz de
n × n obtenida de A al reemplazar la i-ésima columna por
la matriz columna B, entonces la solución al sistema es:
D1 D2 Dn
x1 = , x2 = , . . . , xn =
D D D
CÁLCULO DE INVERSAS 75
Ejercicios:
−1 0 2 2 1 −1
c) 3 1 4 d) 3 −2 0
2 0 −6 5 1 6
−3 2 4 0 −2 3
e) 1 −1 2 f ) 1 2 −3
−1 4 0 4 0 5
−2 3 6 2 −1 3
g) 4 1 8 h) 4 0 6
−2 0 0 5 −2 3
1 −1 2 4 2 −3 1 4
0 −3 5 6 0 −2 0 0
i) j)
3 7 −1 2
1 4 0 3
0 5 −6 7 4 1 −3 8
CÁLCULO DE INVERSAS 77
1
1 −1 0 3 −1 2 1
−3 4 6 0 4 3 1 −2
k) l)
5 −1 3 −1 0 2 3
2
4 0 3 0 6 2 5 2
2 0 0 0 0 a 0 0
0 0 3 0 b 0 0 0
m) n)
0 −1 0
0 0 0 0 c
0 0 0 4 0 0 d 0
1 2 0 0 a b 0 0
3 −2 0 0 c d 0 0
o) p)
0 0 1 −5 a −b
0 0
0 0 7 2 0 0 c d
2 −1 0 4 1 1 −1 2 0 0
3 1 −1 2 0
3 1 4 0 0
q) 3 2 −2 5 1 r) 2 −1 5 0 0
0 0
4 −1 6 0 0 0 2
3
1 −1 1
0 0 0 −1
3 2 4
a 0 0 0 0 2 5 −6 8 0
0 1 −7 6 0
0 0 b 0 0
s) 0 0 0 0 c t) 0 0 0 4 0
0 0 0 d 0 0 2 1 5 1
4 −1 5 3 0
0 e 0 0 0
78 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
2x1 + x2 + x3 = 6
2x1 + 3x2 = −1
a) b) 3x1 − 2x2 − 3x3 = 5
−7x1 + 4x2 = 47
8x1 + 2x2 + 5x3 = 11
CÁLCULO DE INVERSAS 79
Espacios Vectoriales
|u + v| ≤ |u| + |v|
u · v = a1 a2 + b 1 b 2
u · v = a1 a2 + b 1 b 2 + c 1 c 2
Definición 52 Sea u = a1 i + b1 j + c1 k y v = a2 i + b2 j + c2 k.
Entonces el producto cruz o producto vectorial de u y v,
i j k
denotado por u × v, esta dado por: u × v = a1 b1 c1
a2 b 2 c 2
1. u × 0 = 0 × u = 0
2. u × v = −v × u
3. (αu) × v = α(u × v)
2.1. DEFINICIONES Y EJEMPLOS 85
4. u × (v + w) = (u × v) + (u × w)
7. Distributividad escalar.
α(x + y) = αx + αy para cualesquiera x, y vectores y
α escalar.
8. Distributividad vectorial.
(α + β)x = αx + βx para cualesquiera α, β escalares
y x vector.
9. Asociatividad de la multiplicación.
Si α, β son escalares y x un vector α(βx) = (αβ)x
10. Neutro multiplicativo.
Para cualquier vector x : 1x = x
Ejemplo 19 El espacio Rn ,la suma de matrices y la mul-
tiplicación por un escalar forman un espacio vectorial,
pues: Por la definición de suma de matrices si x y y son
vectores de n × 1 su suma es otro vector de n× 1. Así
0
0
n
la suma es cerrada en R . Si hacemos 0 = .. , por
.
0
el teorema 6 se cumple que la suma es asociativa, con-
mutativa
y existe el neutro aditivo, ademas siparacada
x1 −x1
.. n ..
x = . elemento de R definimos −x = . en-
xn −xn
n
tonces cada vector de R tiene inverso aditivo. La multipli-
cación por un escalar es cerrada en Rn (ver definición 15)
y de acuerdo con el teorema 6 cumple distributividad es-
calar vectorial
ytiene neutro multiplicativo.
Por otra parte
βx1 α(βx1 )0 (αβ)x1
α(βx) = α ... = .. ..
= . = (αβ)x y con
.
βxn α(βxn ) (αβ)xn
88 Espacios Vectoriales
2. 0x = para todo x ∈ V
3. Si αx = 0, entonces α = 0 ó x = 0
Teorema 35 Si H1 ≤ V y H2 ≤ V entonces H1 ∩ H2 es un
subespacio vectorial de V .
No es cierto que la unión de dos subespacios vectoriales
sea un subespacio vectorial, ¿puede el lector dar un ejemplo
de esto?
92 Espacios Vectoriales
Ejercicios:
(a) V = R2 ; H = {(x, y) : y ≤ 0}
(b) V = R3 ; H = el plano xy
(c) V = Mnn ; H = {D ∈ Mnn ; D es diagonal}
(d) V = Mnn ; H = {S ∈ Mnn ; S es simétrica}
( !)
a b
(e) V = M22 ; H = A ∈ M22 ; A =
−b c
( !)
0 a
(f) V = M22 ; H = A ∈ M22 ; A =
b 0
(g) V = P4 ; H = {p ∈ P4 ; p(0) = 0}
(h) V = Pn ; H = {p ∈ Pn ; p(0) = 1}
(i) V = C[0, 1]; H = {f ∈ C[0, 1]; f (0) = 2}
2. ( = {A ∈ M22 ; a11 = 0} y H2 =
Sea V = M22 ; sean H1!)
−b a
A ∈ M22 ; A =
a b
Ejercicio
Determina si los vectores (x0 , y0 ) y (x1 , y1 ) son linealmente
dependientes o independientes.
c1 x 0 + c2 x 1 = 0
c1 y0 + c2 y1 = 0
este sistema por ser homogeneo ya posee la solución c1 =
c2 = 0 por otro lado sabemos que tiene solución única si y
sólo si x0 y1 6= x1 y0 .
c1 + 3c2 + 2c3 = 0
2c1 + 4c2 + c3 = 0
3c1 + 2c2 + 3c3 = 0
Ejercicios:
(a) x1 + x2 + x3 = 0
x1 + 2x2 − x3 = 0
(b)
2x1 + 5x2 + 4x3 = 0
(c) x1 + 2x2 − 3x3 + 54 = 0
(d) Sean u = (1, 2, 3).
i. Sea H = v ∈ R3 : u · v = 0 Demuestre que H
es un subespacio de R3 .
ii. Encuentre dos vectores linealmente indepen-
dientes en H. Llámelos x y y.
iii. Calcule w = x × y.
2.4. INDEPENDENCIA LINEAL 101
• {v1 , v2 , . . . vn } genera a V
4. En M2×2 el conjunto 1 2 2 a
( ! ! ! !)
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
forma una base
Todas estas bases se llaman bases canónicas, pero no
son las únicas como lo muestra el siguiente ejemplo
Ejercicios:
1. Determine si el conjunto de vectores dado es una base
para el espacio vectorial a que se refiere.
(a) En P2 : 1 − x2 , x
(b) En P2 : x2 − 1, x2 − 2, x2 − 3
(c) En P3 : 3, x3 − 4x + 6, x2
! ! ! !
a 0 0 b 0 0 0 0
(d) En M22 : , , , , donde
0 0 0 0 c 0 0 d
abcd 6= 0
2.5. BASES Y DIMENSIÓN 103
x−y = 0
(a)
−2x − 2y = 0
x−y−z = 0
(b)
2x − y + z = 0
2x − 6y + 4z = 0
(c) −x + 3y − 2z = 0
−3x + 9y − 6z = 0