Producto Ax

Las columnas de las matrices son vectores de Rm , m son las filas de la

matriz, es decir, que las matrices las podemos ver como una sucesión
(finita y ordenada) de vectores, lo cual denotamos como
A = [a1 a2 . . . an ] ai son las columnas de A.

Definición
Sea A una matriz, cuyas columnas son los vectores a1 , a2 , . . . , an de Rm ,
y sea x un vector de Rn , cuyas componentes son x1 , x2 , . . . , xn .
Definimos el producto matricial Ax como la combinación lineal

Ax = x1 a1 + x2 a2 + · · · + xn an .

PREG: Si x = ei entonces Ax =?

Álgebra lineal
Producto Ax
Las columnas de las matrices son vectores de Rm , m son las filas de la
matriz, es decir, que las matrices las podemos ver como una sucesión
(finita y ordenada) de vectores, lo cual denotamos como
A = [a1 a2 . . . an ] ai son las columnas de A.

Definición
Sea A una matriz, cuyas columnas son los vectores a1 , a2 , . . . , an de Rm ,
y sea x un vector de Rn , cuyas componentes son x1 , x2 , . . . , xn .
Definimos el producto matricial Ax como la combinación lineal

Ax = x1 a1 + x2 a2 + · · · + xn an .
   
−1 0 3 0
EJEM: Dado A =  2 1 1  y x = 1, tenemos
3 5 −2 3
     
−1 0 3
Ax = 0  2  + 1 1 + 3  1  =??
3 5 −2
Álgebra lineal
Teorema (Propiedades del producto Ax)
Dados A, una matriz cuyas columnas son los vectores a1 , a2 , . . . , an de
Rm , λ un escalar e x, y vectores de Rn , entonces
a) A(x + y ) = Ax + Ay
b) A(λx) = λ(Ax)

DEM: (a) Como x, y ∈ Rn entonces x = (x1 , . . . , xn ) y = (y1 , . . . , yn ) y

por tanto x + y = (x1 + y1 , · · · , xn + yn ). Luego,
A(x + y ) = (x1 + y1 )a1 + (x2 + y2 )a2 + · · · + (xn + yn )an
= x1 a1 + y1 a1 + x2 a2 + y2 a2 + · · · + xn an + yn an



= x1 a1 + x2 a2 + · · · + xn an + y1 a1 + y2 a2 + · · · + yn an
= Ax + Ay

3x − 2y + z = −2
Observe que el sistema lineal
x − 3z = 1
 
          x  
3 −2 1 −2 3 −2 1   −2
⇔x +y +z = ⇔ y =
1 0 −3 1 1 0 −3 1
z
Álgebra lineal
Observe que

[A|b], Ax = b, x1 a1 + x2 a2 + . . . + xn an = b

son distintas formas de representar un sistema de ecuaciones lineales

Teorema (Equivalencia de conceptos)

Dada una matriz A, cuyas n columnas son vectores de Rm y b un vector
de Rm , las siguientes proposiciones son equivalentes:
El sistema cuya matriz aumentada es [A|b] es consistente.
Existe al menos un vector x de Rn , tal que Ax = b.
El vector b es combinación lineal de las columnas de A.
El vector b pertenece al conjunto generado por las columnas de A.

Definición (Espacio nulo)

El espacio nulo de una matriz A está dado por

NA = {x ∈ Rn : Ax = 0}

Álgebra lineal
  
−1 0 3  
−2
Dada A =  2 1 1  determinemos si los vectores u = ,
7
3 5 −2
   
1 −3
v =  2  y w =  1  se encuentran en NA .
−3 −5
OBS NA = {0}, si y sólo si, Ax = 0 tiene solución única, i.e. x = 0.

Teorema (Propiedades del espacio nulo)

Dada una matriz A, si x, y son vectores de NA y λ es un escalar,
tenemos que:
(a) x + y ∈ NA (b) λx ∈ NA

DEM Puesto que x, y ∈ NA , Ax = 0 y Ay = 0; entonces,

(a) A(x + y ) = Ax + Ay = 0 + 0 = 0, por tanto, x + y ∈ NA .
(b) A(λx) = λ(Ax) = λ0 = 0, de donde, concluimos que λx ∈ NA .
OBS: Note que Ix = x donde I es la matriz n × n dada por (e1 e2 · · · en )
y x ∈ Rn

Álgebra lineal
Definición (Espacio columna)
Dada A, una matriz con n vectores columna de Rm , definimos el espacio
columna de A como el conjunto

CA = {b ∈ Rm : Ax = b, para algún x ∈ Rn }.

OBS CA está formado por todas las combinaciones lineales de las

columnas de A; es decir,

CA = Gen{a1 , a2 , . . . , an }

donde a1 , a2 , . . . , a
n son las columnas
 de A.    
−1 2 4 5
EJEM Dada A =  2 1  determinemos si  7 , 0 se
1 −1 −1 4
encuentran en CA .   
−1 2 4 5 −1 2 4 5
M.Aum =  2 1 7 0  M.Esc =  0 5 15 10 
1 −1 −1 4 0 0 0 7

Entonces 1ro SI, 2do NO

Álgebra lineal
Teorema (Propiedades del espacio columna)
Dada una matriz A, los vectores b y c de CA y λ un escalar, entonces:

(1) b + c ∈ CA (2) λb ∈ CA

DEM Puesto que b, c ∈ CA , existen vectores x y y tales que Ax = b y

Ay = c. Entonces,

(1). b + c = Ax + Ay = A(x + y ), por tanto, b + c ∈ CA .

(2). λb = λ(Ax) = A(λx), de donde concluimos que λb ∈ CA .

OBS: Si Am×n note que C
A 6= CU donde U es la matriz escalonada de A.
−1 2
Ejemplo: A =
2 −4

Álgebra lineal
Corolario (1)

si el vector u es solución del sistema Ax = b y el vector v es solución del

sistema homogéneo asociado (Ax = 0), entonces (u + v ) es solución del
sistema Ax = b.
DEM
A(u + v ) = Au + Av = b + 0 = b.

Corolario (2)
Si los vectores u y v son soluciones del sistema Ax = b, entonces u − v
es solución del sistema homogéneo asociado Ax = 0.

Corolario (3)
Sea u solución del sistema Ax = b, entonces v es solución del sistema
Ax = b, si y sólo si, v = h + u, donde h es una solución del sistema
homogéneo asociado Ax = 0.

DEM Sea v una solución del sistema Ax = b, entonces h = v − u es

solución del sistema homogéneo asociado (Coro 2) y por tanto
v = h + u. La otra implicación es el resultado del Coro 1.
Álgebra lineal
Corolario (4)
Un sistema Ax = b que tiene más de una solución, tiene infinitas
soluciones.
DEM Sean u y v dos soluciones diferentes del sistema Ax = b. Por el
Coro 2, h = u − v 6= 0 es solución del sistema homogéneo asociado
Ax = 0. Por Propiedades de NA , αh, ∀α ∈ R, también es solución del
sistema homogéneo, lo que nos indica que el sistema homogéneo tiene
infinitas soluciones. Por el Coro 3, w = αh + u es también solución del
sistema Ax = b. Ası́ que, el sistema Ax = b tiene infinitas soluciones.

Álgebra lineal
OBSERVACIONES: NA = NU y CA 6= CU .
EJER: Resuelva el sistema

x1 − x2 − x3 = 0
2x1 + x2 + 2x3 = 2
x1 − 4x2 − 5x3 = −2

usando una solución particular (1, 2, −1) y todas las soluciones al sistema
homógeneo asociado.

Álgebra lineal