Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Al Cap1
Al Cap1
Lineal
Departamento de Matematicas
Universidad de Los Andes
Algebra
Lineal
1 / 85
Texto gua:
Universidad de Los Andes ()
Algebra
Lineal
2 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
3 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
4 / 85
Algebra
vectorial en Rn
Definicion
Un vector en Rn es un arreglo ordenado de n n
umeros reales. Podemos
escribir un vector como la lista de sus componentes ~v = (v1 , . . . , vn ) o,
equivalentemente, como una columna
v1
~v = ... .
vn
Podemos sumar dos vectores del mismo tama
no, y tambien multiplicar
vectores por n
umeros...
Algebra
Lineal
5 / 85
Operaciones elementales
Algebra
Lineal
6 / 85
Algebra
Lineal
7 / 85
Algebra
Lineal
8 / 85
Asociatividad:
~ = ~u + (~v + w
~)
(~u + ~v ) + w
Algebra
Lineal
9 / 85
Asociatividad:
~ = ~u + (~v + w
~)
(~u + ~v ) + w
Conmutatividad:
~u + ~v = ~v + ~u
Algebra
Lineal
9 / 85
Asociatividad:
~ = ~u + (~v + w
~)
(~u + ~v ) + w
Conmutatividad:
~u + ~v = ~v + ~u
Algebra
Lineal
9 / 85
Asociatividad:
~ = ~u + (~v + w
~)
(~u + ~v ) + w
Conmutatividad:
~u + ~v = ~v + ~u
Algebra
Lineal
9 / 85
~ ) = r ~v + r w
~
Distribitividad: r (~v + w
Demostracion
Algebra
Lineal
10 / 85
~ ) = r ~v + r w
~
Distribitividad: r (~v + w
Distributividad: (r + s) ~v = r ~v + s ~v
Demostracion
Algebra
Lineal
10 / 85
~ ) = r ~v + r w
~
Distribitividad: r (~v + w
Distributividad: (r + s) ~v = r ~v + s ~v
Asociatividad: r (s ~v ) = (rs) ~v
Demostracion
Algebra
Lineal
10 / 85
~ ) = r ~v + r w
~
Distribitividad: r (~v + w
Distributividad: (r + s) ~v = r ~v + s ~v
Asociatividad: r (s ~v ) = (rs) ~v
Demostracion
Se demuestra directamente apartir de la definicion de la suma y
multiplicacion por escalares.
De ahora en adelante escribiremos r ~v = r~v .
Universidad de Los Andes ()
Algebra
Lineal
10 / 85
Definicion
Una combinacion lineal de n vectores ~v1 , ~v2 , . . . , ~vn en Rn es un vector que
se puede escribir de la forma
~v = r1~v1 + r2~v2 + + rn v~n ,
donde r1 , r2 , . . . , rn son escalares reales.
Algebra
Lineal
11 / 85
Algebra
Lineal
12 / 85
~1 y w
~ 2 en Rn generan un plano que pasa por el
En general, dos vectores w
origen cuando no son paralelos (no son uno un m
ultiplo del otro):
Cada vector en tal plano puede escribirse como una combinacion lineal
~1 y w
~ 2.
apropiada de los vectores w
Algebra
Lineal
13 / 85
Definicion
El espacio generado por k vectores ~v1 , ~v2 , . . . , ~vk en Rn es el conjunto
Sp (~v1 , ~v2 , . . . , ~vk ) = {r1~v1 + r2~v2 + + rk v~k | r1 , r2 , . . . , rk R},
de todas las combinaciones lineales de tales vectores.
Ejemplo
Un vector (no nulo) genera una recta.
Dos vectores (no paralelos) generan un plano.
Algebra
Lineal
14 / 85
Definicion
La norma o magnitud de un vector ~v = (v1 , v2 , . . . , vn ) Rn se define
como
q
~
| v |= v12 + v22 + + vn2 .
Algebra
Lineal
15 / 85
Definicion
El producto punto entre 2 vectores ~v = (v1 , v2 , . . . , vn ) y
~ = (w1 , w2 , . . . , wn ) en Rn es el n
w
umero real
~v w
~ = v1 w 1 + v2 w 2 + + vn w n .
| ~v |= (~v ~v ) 2 .
Recordemos que, en el plano, dados dos vectores ~v1 y ~v2 ,
~v1 ~v2 =|| ~v1 | | ~v2 | cos ,
donde es el angulo entre los vectores. Usaremos tal identidad para
definir el angulo entre dos vectores en Rn ...
Universidad de Los Andes ()
Algebra
Lineal
16 / 85
Definicion
~ en Rn , definimos el angulo entre ellos como
Dados dos vectores ~v y w
~v w
~
~ ) = arccos
.
(~v , w
~ |
| ~v | | w
Algebra
Lineal
17 / 85
Paralelismo y perpendicularidad
En particular...
~ = 0 decimos que ~v y w
~ son ortogonales o perpendiculares.
Si ~v w
~ , donde r R (r 6= 0), decimos que son paralelos.
Si ~v = r w
Un ejemplo sencillo de
vectores perpendiculares,
en (a) R2 y (b) R3 , es el
siguiente
Algebra
Lineal
18 / 85
Teorema
~ tres vectores en Rn y r un escalar. Entonces:
Sean ~u , ~v y w
1
~ =w
~ ~v .
Conmutatividad: ~v w
Demostracion
Estas propiedades del producto punto implican las siguientes propiedades
de la norma...
Algebra
Lineal
19 / 85
Teorema
~ tres vectores en Rn y r un escalar. Entonces:
Sean ~u , ~v y w
1
~ =w
~ ~v .
Conmutatividad: ~v w
~ ) = ~u ~v + ~u w
~.
Distributividad: ~u (~v + w
Demostracion
Estas propiedades del producto punto implican las siguientes propiedades
de la norma...
Algebra
Lineal
19 / 85
Teorema
~ tres vectores en Rn y r un escalar. Entonces:
Sean ~u , ~v y w
1
~ =w
~ ~v .
Conmutatividad: ~v w
~ ) = ~u ~v + ~u w
~.
Distributividad: ~u (~v + w
~ ) = (r~v ) w
~ = ~v (r w
~ ).
Homogeneidad: r (~v w
Demostracion
Estas propiedades del producto punto implican las siguientes propiedades
de la norma...
Algebra
Lineal
19 / 85
Teorema
~ tres vectores en Rn y r un escalar. Entonces:
Sean ~u , ~v y w
1
~ =w
~ ~v .
Conmutatividad: ~v w
~ ) = ~u ~v + ~u w
~.
Distributividad: ~u (~v + w
~ ) = (r~v ) w
~ = ~v (r w
~ ).
Homogeneidad: r (~v w
Demostracion
Directa a partir de la definicion.
Estas propiedades del producto punto implican las siguientes propiedades
de la norma...
Algebra
Lineal
19 / 85
Propiedades de la norma
Teorema
~ vectores en Rn y r un escalar.
Sean ~v y w
Entonces:
1
Positividad: | ~v | 0 y | ~v |= 0 si y
solamente si ~v = ~0.
Algebra
Lineal
20 / 85
Propiedades de la norma
Teorema
~ vectores en Rn y r un escalar.
Sean ~v y w
Entonces:
1
Positividad: | ~v | 0 y | ~v |= 0 si y
solamente si ~v = ~0.
Algebra
Lineal
20 / 85
Propiedades de la norma
Teorema
~ vectores en Rn y r un escalar.
Sean ~v y w
Entonces:
1
Positividad: | ~v | 0 y | ~v |= 0 si y
solamente si ~v = ~0.
Algebra
Lineal
20 / 85
Propiedades de la norma
Teorema
~ vectores en Rn y r un escalar.
Sean ~v y w
Entonces:
1
Positividad: | ~v | 0 y | ~v |= 0 si y
solamente si ~v = ~0.
Desigualdad de Schwarz:
~ ||| ~v | | w
~ |.
| ~v w
Algebra
Lineal
20 / 85
Matrices y su algebra
Definicion
Una matriz m n es un arregloordenado rectangular de
n
umeros reales
a11 a12 a1n
a21 a22 a2n
amn
Algebra
Lineal
21 / 85
a11
a21
..
.
..
.
a1n
a2n
..
.
am1
amn
..
.
b1n
b2n
..
.
bm1
bmn
b11
b21
..
.
..
.
a1n + b1n
a2n + b2n
..
.
am1 + bm1
amn + bmn
a11 + b11
a21 + b21
..
.
Algebra
Lineal
22 / 85
..
.
a1n
a2n
..
.
am1 am2
amn
a11
a21
..
.
Una matriz A =
r R seg
un:
a12
a22
..
.
rA =
..
.
ra1n
ra2n
..
.
ram1 ram2
ramn
ra11
ra21
..
.
ra12
ra22
..
.
Algebra
Lineal
23 / 85
Asociatividad:
(A + B) + C = A + (B + C )
Algebra
Lineal
24 / 85
Asociatividad:
(A + B) + C = A + (B + C )
Conmutatividad:
A+B =B +A
Algebra
Lineal
24 / 85
Asociatividad:
(A + B) + C = A + (B + C )
Conmutatividad:
A+B =B +A
Algebra
Lineal
24 / 85
Asociatividad:
(A + B) + C = A + (B + C )
Conmutatividad:
A+B =B +A
Algebra
Lineal
24 / 85
0 0
0 0
O= . .
.. ..
0
0
.. ,
..
. .
0 0 0
a11 a12
a21 a22
A = .
..
..
..
.
.
am1 am2
Algebra
Lineal
aij :
a1n
a2n
..
.
amn
25 / 85
Distribitividad: r (A + B) = rA + rB
Demostracion
Algebra
Lineal
26 / 85
Distribitividad: r (A + B) = rA + rB
Distributividad: (r + s)A = rA + sA
Demostracion
Algebra
Lineal
26 / 85
Distribitividad: r (A + B) = rA + rB
Distributividad: (r + s)A = rA + sA
Demostracion
Se demuestra directamente apartir de la definicion de la suma y
multiplicacion por escalares.
Tambien es posible multiplicar matrices, cuando ellas tienen el tama
no
adecuado...
Algebra
Lineal
26 / 85
Multiplicacion de matrices
Definicion
Sean Amn y Bnl matrices m n y n l, respectivamente, es decir que
el n
umero de columnas de A es igual al n
umero de filas de B. La matriz
producto AB es la matriz cuya componente ij esta dada por el producto
(como vectores) de la i-esima fila de A por la j-esima columna de B. Es
decir:
..
..
ai1 ai2 ain ...
.
.
..
..
..
..
..
..
..
..
.
.
.
.
.
.
.
.
am1 am2 amn
bn1 bnj bnl
(AB)ij = ai1 b1j + ai2 b2j + + ain bnj =
n
X
aik bkj .
k=1
Universidad de Los Andes ()
Algebra
Lineal
27 / 85
1
1
As, por ejemplo, para A =
4
0
1
1
4
0
2 3
2 0
0 2
yB= 1
4 ,
3 2
2 1
1 2
2 3
6
5
2
0
2 2
0 2
1
4
=
1 10
3 2
2 1 32
1 2
5
2
43
,
42
Algebra
Lineal
28 / 85
Transposicion de matrices
Definicion
Sea A = (aij ) una matriz en Mmn (R), la transpuesta
es la matriz AT = (aji ) Mmn (R), i.e.
a11
a11 a12 a1n
a12
a21 a22 a2n
T
A= .
..
.. = A = ..
.
.
.
.
.
a1n
am1 am2 amn mn
de A, denotada AT ,
a21
a22
a2n
am1
am2
..
.
amn
nm
Ejemplo
2 0
2 1 2
T
1
4
Para la matriz B =
tenemos que B =
.
0 4 1
2 1
Universidad de Los Andes ()
Algebra
Lineal
29 / 85
Atencion!
Observese que, en el ejemplo anterior, aunque se puede definir el producto
AB no es posible definir BA!
As, solo estan definidos ambos productos, AB y BA, cuando las matrices
son cuadradas y del mismo tama
no. En general,
AB 6= BA,
luego la multiplicacion de matrices no es conmutativa.
Algebra
Lineal
30 / 85
Definicion
La matriz identidad (de tama
no n n) es la matriz diagonal
1 0 0
0 1 0
I= . .
. .
.. .. ..
0 0 1
Tenemos entonces que, para cualquier matriz A de tama
no m n,
A I = A.
Universidad de Los Andes ()
Algebra
Lineal
31 / 85
Algebra
Lineal
32 / 85
Distributividad a izquierda:
A(B + C ) = AB + AC
Algebra
Lineal
32 / 85
Distributividad a izquierda:
A(B + C ) = AB + AC
Distributividad a derecha:
(A + B)C = AC + BC
Algebra
Lineal
32 / 85
Distributividad a izquierda:
A(B + C ) = AB + AC
Distributividad a derecha:
(A + B)C = AC + BC
Algebra
Lineal
32 / 85
Distributividad a izquierda:
A(B + C ) = AB + AC
Distributividad a derecha:
(A + B)C = AC + BC
Identidad multiplicativa: IA = AI = A.
Algebra
Lineal
32 / 85
(AT )T = A
Algebra
Lineal
33 / 85
(AT )T = A
2
(A + B)T = AT + B T
Algebra
Lineal
33 / 85
(AT )T = A
2
(A + B)T = AT + B T
3
(AB)T = B T AT .
Algebra
Lineal
33 / 85
Demostracion
Sean A = (aij ) Mmn (R) y B = (brs ) Mnk (R) dos matrices arbitrarias,
luego podemos multiplicarlas para obtener AB Mmk (R). Tenemos que
probar que las matrices (AB)T y B T AT son iguales, es decir que cada una
de las entradas de (AB)T es igual a la entrada correspondiente de B T AT ,
i.e.
T T
(AB)T
0 i m, 0 j k.
ij = (B A )ij
Pero
(AB)T
ij = (AB)ji =
n
X
(A)jl (B)li =
l=1
n
X
ajl bli
l=1
(B A )ij =
n
X
(B )il (A )lj =
l=1
n
X
bli ajl ,
l=1
Algebra
Lineal
34 / 85
Definicion
Una matriz A es llamada simetrica si
A = AT .
A= .
..
.. .
.
.
.
.
a1n a2n
Algebra
Lineal
ann
35 / 85
Dado que los vectores son matrices con una sola columna columna,
v1
w1
n
w2 X
~ = v1 v2 v n . =
~v w
~ = ~v T w
vi w i .
..
i=1
wn
Algebra
Lineal
36 / 85
AB = .
.
.
..
.. ~b1 ~b2 ~bk
..
a1n a2n
|
|
=
A~b1 A~b2
|
|
ann
|
,
~
Abk
|
donde los vectores {~b1 , ~b2 , . . . , ~bk } son los vectores columna de la matriz
B. Esta observacion sera fundamental para entender el rol de las matrices
como transformaciones lineales mas adelante.
Universidad de Los Andes ()
Algebra
Lineal
37 / 85
Ecuaciones Lineales
Una ecuacion lineal en n variables es una ecuacion de la forma
r1 x1 + r2 x2 + + rn xn = a,
donde los coeficientes r1 , . . . , rn , a R son conocidos y las variables
x1 , . . . , xn son llamadas incognitas.
Algebra
Lineal
38 / 85
= b1
= b2
..
.
Algebra
Lineal
39 / 85
Algebra
Lineal
40 / 85
... pero, aunque pueden existir soluciones, tambien puede pasar que no
existan soluciones, o que existan infinitas soluciones:
2x 3y = 4
2x 3y =
4
2x 3y = 6
4x + 6y = 8
Algebra
Lineal
41 / 85
= b1
= b2
.
= ..
b1
x1
a11 a12 a1n
a21 a22 a2n x2 b2
..
..
.. .. = ..
..
.
.
. . .
.
am1 am2
amn
Algebra
Lineal
xn
bm
42 / 85
Definicion
La matriz aumentada asociada al sistema A~x
..
..
..
..
.
.
.
.
am1 am2 amn
= ~b es la matriz
b1
b2
.. ,
.
bm
Algebra
Lineal
43 / 85
= b1
= b2
..
.
Operaciones Elementales
1
Algebra
Lineal
44 / 85
= b1
= b2
..
.
Operaciones Elementales
1
Sumar (un m
ultiplo de) una ecuacion del sistema con (un m
ultiplo
de) otra.
Algebra
Lineal
44 / 85
(A |~b) = .
..
..
..
..
.
.
.
am1 am2 amn
matriz aumentada
b1
b2
.. .
.
bm
Algebra
Lineal
45 / 85
(A |~b) = .
..
..
..
..
.
.
.
am1 am2 amn
matriz aumentada
b1
b2
.. .
.
bm
Algebra
Lineal
45 / 85
(A |~b) = .
..
..
..
..
.
.
.
am1 am2 amn
matriz aumentada
b1
b2
.. .
.
bm
Sumar (un m
ultiplo de) una fila con (un m
ultiplo de) otra.
Algebra
Lineal
45 / 85
Ejemplo
Para ilustrar las operaciones elementales entre filas, y su efecto sobre los
sistemas de ecuaciones lineales, observese que para encontrar el punto de
intersecci
on entre las rectas `1 : 2x y = 0 y `2 : x + y = 3 en el plano, es
decir un punto (xo , yo ) R2 cuyas coordenadas deben satisfacer ambas
ecuaciones, podemos sumar ambas ecuaciones para obtener
3x = 3,
luego xo = 1 y, de la ecuacion de `2 , tenemos que yo = 2.
En terminos de la matriz aumentada asociada al sistema
2x y
= 0
x +y
= 3
tenemos
Universidad de Los Andes ()
Algebra
Lineal
46 / 85
Ejemplo (continuacion)
(A |~b) =
2 1 0
1 1 3
(A |b) =
1 1 3
1 1 3
1 0 1
1 0 1 F2 F2 F1
= (I |~a),
1 1 3
0 1 2
1
donde el vector ~a =
tiene como componentes las coordenadas del
2
punto de interseccion de las dos rectas `1 y `2 , es decir la solucion al
sistema.
F1 13 F1
Algebra
Lineal
47 / 85
Teorema
Si dos matrices aumentadas (A |~b) y (B |~a), correspondientes a dos
sistemas de ecuaciones lineales, son equivalentes bajo operaciones
elementales entre filas, entonces los sistemas de ecuaciones tienen el
mismo conjunto de soluciones.
Dado que (cuando hay tantas ecuaciones como incognitas) la solucion a un
sistema de ecuaciones se escribe mediante la matriz identidad aumentada
x1 = a1
1 0 0 a1
0 1 0 a2
x
2 = a2
(I |~a) = . . .
.
.
..
. . .. ..
.. ..
.
0 0
1 an
xn = an
Algebra
Lineal
48 / 85
Definicion
Una matriz esta en forma escalonada por filas si:
1
Todas las filas conteniendo solo ceros apareces bajo las filas que
contienen entradas diferentes de cero.
Ejemplo
1
0
0
0
0 2
4 3
1 3
0 2
1
0
0
0
0 2
4 3
0 3
0 0
Algebra
Lineal
49 / 85
Reduccion de Gauss-Jordan
Dado un sistema de ecuaciones lineales de la forma A~x = ~b, con matriz
aumentada (A|~b), el metodo de reduccion de Gauss-Jordan indica la forma
mas sencilla de encontrar las soluciones al sistema: encontrando una
matriz aumentada escalonada por filas, a partir de la matriz (A|~b), y
despejando cada incognita en el n
umero mnimo de variables libres.
Ejemplo
Consideremos el sistema de ecuaciones
x1 + 4x2 + x3 = 1
x1 +
2x3 = 1
Algebra
Lineal
50 / 85
Ejemplo (continuacion)
Haciendo operaciones elementales entre filas tenemos
1 4
1 1
1 4 1 1 F2 F2 F1
1 0 2 1
0 4 3 0
que esta en forma escalonada por filas. Las ecuaciones lineales
correspondientes son
x1 + 4x2 + x3 = 1
4x2 3x3 = 0
luego, de la segunda ecuacion deducimos que 4x2 = 3x3 y, con tal
resultado usado en la primera, tenemos que
x1 = 1 + 2x3 .
Algebra
Lineal
51 / 85
Ejemplo (continuacion)
As, tenemos que
x1 = 1 + 2x3
3
x 2 = x3
4
y no es posible eliminar la variable libre x3 , que para cada valor real da
del sistema.
Por ejemplo, para x3 = 4,
lugar a una solucion particular
9
x1 = 9 y x2 = 3, luego ~xp = 3 es una solucion particular. La
4
soluci
on general del sistema es
1 + 2x3
~xg = 34 x3 .
x3
Algebra
Lineal
52 / 85
Podemos aplicar lo visto anteriormente para saber si, dado un vector fijo
~vo Rn , este se encuentra en el espacio generado por otros vectores
{~v1 , . . . , ~vk }. Recordemos que ~vo Span {~v1 , . . . , ~vk } cuando existen
escalares x1 , . . . , xk R tales que
~vo = x1~v1 + x2~v2 + + xk ~vk
luego,si escribimos
cada
desus componentes
en terminos
vector
a1k
a12
a11
b1
a2k
a22
a21
b2
b1
b2
..
.
= x1
bm
Universidad de Los Andes ()
a11
a21
..
.
am1
+ x2
a12
a22
..
.
am2
Algebra
Lineal
amk
am2
am1
bm
tenemos
+ + xk
a1k
a2k
..
.
amk
Primer Semestre de 2007
53 / 85
= b1
= b2
..
.
= bm .
Teorema
Sea A Mmk (R) una matriz y A~x = ~b un sistema de m ecuaciones
lineales con k incognitas. Entonces el sistema es consistente (i.e. tiene
soluciones) si y solamente si el vector ~b Rm pertenece al espacio
generado por las columnas de A.
Algebra
Lineal
54 / 85
Ejemplo
7
Queremos saber si ~xo = 5 pertenece al espacio generado por los
10
2
3
1
vectores 0 , 1 y 3 o, equivalentemente, si el sistema de
4
5
2
ecuaciones
2x1 + 3x2 x3 = 7
x2 3x3 = 5
4x1 + 5x2 2x3 = 10
tiene soluciones. La matriz aumentada del sistema es
2 3 1 7
0 1 3 5 ,
4 5 2 10
Universidad de Los Andes ()
Algebra
Lineal
55 / 85
Ejemplo (continuacion)
luego, haciendo reduccion
2 3
F3 F3 2F1
0 1
0 1
de Gauss-Jordan tenemos
1 7
2 3 1 7
F F3 +F2
0 1 3 5
3 5 3
0 4
0 0 3 9
Algebra
Lineal
56 / 85
Ejemplo (continuacion)
1
Lo anterior significa que hay una solucion u
nica, ~x = 4 , que
3
contiene
vector
1
3 . De hecho,
2
7
2
3
1
5 = (1) 0 + (4) 1 + (3) 3 ,
10
4
5
2
como puede verificarse directamente.
Universidad de Los Andes ()
Algebra
Lineal
57 / 85
Algebra
Lineal
58 / 85
Teorema (Resumen)
Dado un sistema de ecuaciones lineales de la forma
A~x = ~b,
con matriz aumentada (A|~b) (B|~a), donde B es una matriz escalonada
por filas obtenida por el metodo de reduccion de Gauss-Jordan, entonces
una de las siguientes afirmaciones es cierta
1
La matriz aumentada (B|~a) tiene una fila con todas las entradas
iguales a cero a la izquierda y un escalar diferente de cero a la
derecha. Entonces llamamos al sistema inconsistente y decimos que
no tiene ninguna solucion.
Algebra
Lineal
59 / 85
Teorema (Resumen)
Dado un sistema de ecuaciones lineales de la forma
A~x = ~b,
con matriz aumentada (A|~b) (B|~a), donde B es una matriz escalonada
por filas obtenida por el metodo de reduccion de Gauss-Jordan, entonces
una de las siguientes afirmaciones es cierta
1
La matriz aumentada (B|~a) tiene una fila con todas las entradas
iguales a cero a la izquierda y un escalar diferente de cero a la
derecha. Entonces llamamos al sistema inconsistente y decimos que
no tiene ninguna solucion.
Algebra
Lineal
59 / 85
Teorema (Resumen)
Dado un sistema de ecuaciones lineales de la forma
A~x = ~b,
con matriz aumentada (A|~b) (B|~a), donde B es una matriz escalonada
por filas obtenida por el metodo de reduccion de Gauss-Jordan, entonces
una de las siguientes afirmaciones es cierta
1
La matriz aumentada (B|~a) tiene una fila con todas las entradas
iguales a cero a la izquierda y un escalar diferente de cero a la
derecha. Entonces llamamos al sistema inconsistente y decimos que
no tiene ninguna solucion.
Algebra
Lineal
59 / 85
Algebra
Lineal
60 / 85
Por otra parte, supongamos que existen dos matrices inversas para A, es
decir C y D tales que
AC = CA = I
AD = DA = I .
Entonces
AC = CA
y multipicando a izquierda a ambos lados por D tenemos
D(AC ) = D(CA)
(DA)C = D(CA)
IC = DI ,
luego C = D y hemos demostrado el siguiente
Teorema
La inversa de una matriz cuadrada, cuando existe, es u
nica.
Universidad de Los Andes ()
Algebra
Lineal
61 / 85
Supongamos
que
queremos encontrar la matriz
inversa
de la matriz
a b
x
y
A=
, es decir una matriz A1 =
tal que
c d
z w
AA1 = I .
Explcitamente, escribamos
a b
x y
ax + bz ay + bw
1 0
=
=
c d
z w
cx + dz cy + dw
0 1
lo que podemos escribir como el siguiente sistema de cuatro ecuaciones
con cuatro incognitas:
ax + bz
= 1
ay + bw
= 0
cx + dz
= 0
cy + dw
= 1
Algebra
Lineal
62 / 85
1
0
que, multiplicando las dos
0
1
ac 0 bc 0 c
0 ac 0 bc 0
d
1 0 0 0 adbc
b
0 1 0 0
adbc ,
c
0 0 1 0
adbc
a
0 0 0 1 adbd
a
0
cuya matriz aumentada es
c
0
0
a
0
c
b 0
0 b
d 0
0 d
Algebra
Lineal
63 / 85
Calculo de inversas
Sea A una matriz cuadrada, para calcular su inversa siga los siguientes
pasos:
1
Algebra
Lineal
64 / 85
Calculo de inversas
Sea A una matriz cuadrada, para calcular su inversa siga los siguientes
pasos:
1
Algebra
Lineal
64 / 85
Encontremos,
a manerade ejemplo, la inversa de la matriz
1 1 1
1 3 M3 (R). Tomamos la matriz aumentada
A= 2
1 0
1
1 1 1 1 0 0
1 3 0 1 0
(A | I ) = 2
1 0
1 0 0 1
1 1 1 1 0 0
1 1 1 1 0
F2 F2 2F1
2
1 3 0 1 0
0
3 1 2 1
1 0
1 0 0 1
1 0
1
0 0
la
0
0
1
F3 F3 +F1
1 1 1 1 0 0
1 1 1 1 0 0
2 F3
0 3 1 2 1 0 F
0 1 0
1 0 1
0 1 0
1 0 1
0 3 1 2 1 0
Algebra
Lineal
65 / 85
1 1 1 1 0 0
F2 (1)F2
F F3 3F2
0 1
0 1 0 1 3
0 3 1 2 1 0
1 1 1 0 0
1 1 1 1
F3 (1)F3
1
0 1 0 1
0 1
0 1
0 1 1 1 3
0 0
1 1
1 0 0 1 3
1 0 0 1 1
F1 F1 +F2
1 0 1 0 1
0 1 0 1 0
0 1 1 1 3
0 0 1 1 1
1
0
0
1
0
0
1 1
A1 = 1 0
1 1
Algebra
Lineal
0
0
0 1
1 3
4
1 ,
3
y su inversa es
4
1 .
3
66 / 85
Ejemplo
Consideremos el sistema
2x y
= 0
x +y
= 3
Algebra
Lineal
67 / 85
Ejemplo (continuacion)
2 1
1 1
x
y
=
0
3
.
2 1
1 1
que (2)(1) (1)(1) = 3 6= 0, y su inversa es
1 1
1
3
3
,
A =
1
2
Seg
un vimos anteriormente, la matriz A =
tiene inversa ya
Algebra
Lineal
68 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
Algebra
Lineal
69 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
Algebra
Lineal
69 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
Algebra
Lineal
69 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
2
3
Algebra
Lineal
69 / 85
Sistemas Homogeneos
Definicion
Un sistema de ecuaciones lineales A~x = ~b es llamado homogeneo si ~b = ~0,
es decir si tiene la forma
a11 x1 + a12 x2 + + a1n xn
= 0
= 0
..
.
0
Un sistema homogeneo tiene (por lo menos) una solucion: ~0 = ... ,
0
luego, en general, queremos saber si esta es la u
nica solucion o hay
(infinitas) mas.
Universidad de Los Andes ()
Algebra
Lineal
70 / 85
Teorema
Sea A~x = ~0 un sistema homogeneo de ecuaciones lineales. Si ~x1 y ~x2 son
soluciones al sistema, entonces tambien es solucion cualquier combinacion
lineal de ~x1 y ~x2 .
Prueba. Para demostrar el teorema tomemos una combinacion lineal
arbitraria
a1~x1 + a2~x2
de ~x1 y ~x2 y verifiquemos que satisface A(a1~x1 + a2~x2 ) = ~0. En efecto,
seg
un las leyes de la multiplicacion matricial,
A(a1~x1 + a2~x2 ) = a1 A(~x1 ) + a2 A(~x2 ),
y como tanto ~x1 como ~x2 ) son solucion al sistema (es decir A~x1 = ~0 y
A~x2 = ~0), entonces
A(a1~x1 + a2~x2 ) = a1~0 + a2~0 = ~0.
Universidad de Los Andes ()
Algebra
Lineal
71 / 85
Definicion
Un subconjunto V Rn es llamado subespacio de Rn si es cerrado bajo
suma y multiplicacion por escalares, es decir:
1
Algebra
Lineal
72 / 85
Definicion
Un subconjunto V Rn es llamado subespacio de Rn si es cerrado bajo
suma y multiplicacion por escalares, es decir:
1
Algebra
Lineal
72 / 85
Teorema
Sea A~x = ~b un sistema de ecuaciones lineales y consideremos su sistema
homogeneo asociado A~x = ~0. Si ~p es una solucion particular del sistema
no homogeneo y ~h es una solucion general del sistema homogeneo,
entonces ~p + ~h es una solucion del sistema no homogeneo. Mas aun,
cualquier solucion ~x al sistema no homogeneo se puede escribir como
~x = ~p + ~h, donde ~p es una solucion particular del sistema no homogeneo y
~h es una solucion general del sistema homogeneo.
Algebra
Lineal
73 / 85
Algebra
Lineal
74 / 85
Ejemplo
En un ejemplo anterior encontramos que la solucion general del sistema de
ecuaciones
x1 + 4x2 + x3 = 1
x1 +
2x3 = 1
1 + 2x3
es ~x = 43 x3 , que podemos escribir como
x3
2x3
2x3
1
~x = 43 x3 + 0 , donde 34 x3 es una solucion general del
0
x3
x3
1
sistema homogeneo y 0 es claramente una solucion particular del
0
sistema no homogeneo.
Algebra
Lineal
75 / 85
Bases de subespacios
Definicion
Sea V un subespacio de Rn . Un subconjunto {~v1 , . . . , ~vk } de V es
llamado base del subespacio si cualquier vector ~v V se puede escribir en
forma u
nica como combinacion lineal de ~v1 , . . . , ~vk , es decir si existen
escalares u
nicos r1 , . . . , rk tales que
~v = r1~v1 + rk ~vk .
Algebra
Lineal
76 / 85
Ejemplos de bases en el plano (a) y el espacio (b) son las bases formadas
por los vectores unitarios dirigidos en cada coordenada:
Algebra
Lineal
77 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
Algebra
Lineal
78 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
Algebra
Lineal
78 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
Algebra
Lineal
78 / 85
Teorema (Resumen)
Sea A una matriz cuadrada n n, entonces las siguientes afirmaciones son
equivalentes
1
La matriz A es invertible.
2
3
Algebra
Lineal
78 / 85
Algebra
Lineal
79 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
80 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
81 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
82 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
83 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
84 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
85 / 85
Contenidos
1
Algebra
Matricial
Sistemas de Ecuaciones Lineales
Inversas de Matrices Cuadradas
Sistemas Homogeneos, Subespacios y Bases
Dimensi
on, rango y transformaciones lineales
Espacios vectoriales
N
umeros complejos y espacios vectoriales complejos
Determinantes
Ortogonalidad
Cambio de base
Universidad de Los Andes ()
Algebra
Lineal
86 / 85