Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
ÁLGEBRA LINEAL
MATRICES Y OPERACIONES CON MATRICES
Por ejemplo:
1 3 5 3 5 7 2
A = 7 5 6 B = 3 5 - 7 9 C = 1 / 2 5 6 7 2
3 0 2 1 3 5 5 8
El tamaño u orden de una matriz se describe en términos del número de filas (líneas
horizontales) y de columnas (líneas verticales) que contiene. La matriz C tiene 3 filas y 5
columnas y se representa por C (3x5) .
Identificación de elementos: Los elementos de la matriz se los identifica indicando la fila y la
columna a la que pertenecen. De tal manera que un elemento genérico de una matriz A (mxn) se
lo representa por:
1 i m
aij = A ij para
1 j n
Igualdad de matrices: Dos matrices son iguales si tienen el mismo tamaño y sus elementos
correspondientes son iguales.
1 i m
A = B A ij = B ij para
1 j n
1 5 − 4 1 5 − 4
A= B= A=B
6 8 − 7 6 8 − 7
1
Suma de matrices: Si A y B son matrices del mismo tamaño, entonces la suma A + B es la
matriz obtenida al sumar los elementos de B con los elementos correspondientes de A, y la
diferencia A – B es la matriz obtenida al restar los elementos de B de los correspondientes
de A. No es posible sumar o restar matrices de tamaños diferentes.
1 i m
Si A (mxn) y B(mxn) A Bij = A ij B ij para
1 j n
1 2 − 3
A=
3 6 − 2 1 + 2 2 − 1 − 3 + 5 3 1 2
A+ B = =
2 − 1 5 3 + 3 6 − 2 − 2 + 4 6 4 2
B=
3 − 2 4
1 i m
Si A (mxn) y c R cAij = cA ij para
1 j n
1 4 2 8
Si A = 3 − 4 y c = 2 cA = 6 − 8
2 − 5 4 − 10
1 i n
A = A
t
para
1 j m
ij ji
1 6 5
1 2 3 4 2 4
A = 6 7 0 9
7
A =
t
3 0 1
5 4 1 8
4 9 8
2
n
1 i m
AB ij = A ik B kj para
k =1 1 j p
4 1 4 3
1 2 4
A= B = 0 − 1 3 1
2 6 0 2 7 5 2
4 1 4 3
1 2 4 12 27 30 13
A B = 0 − 1 3 1 =
2 6 0 2 7 5 2 8 − 4 26 12
Donde, por ejemplo :
3
A B 11 = A1k Bk1 = A11B11 + A12 B21 + A13 B31 = (1 4) + (2 0) + (4 2) = 12
1
3
A B 23 = A2k Bk 3 = A21B13 + A22 B23 + A23 B33 = (2 4) + (6 3) + (0 5) = 26
1
Operaciones Elementales: Si A es cualquier matriz m x n , sobre sus filas columnas se pueden
efectuar las siguientes operaciones denominadas elementales:
1. Intercambiar dos filas (columnas) Pij
2. Multiplicar una fila (columna) por una constante diferente de cero. Mi(k)
3. Sumar o adicionar una fila (columna) con el múltiplo de otra. Aij(k)
1 2 3
Ejemplo: Sea A = , realizar las siguientes operaciones elementales:
9 6 − 5
9 6 − 5
• Intercambiar la fila 1 con la 2 de A: p12 → A
1 2 3
1 2 3
• Multiplicar la fila 2 de A por − 3 : M 2( −3) → A
− 27 − 18 15
Sumar la fila 2 de A con la 1 1 2 3
• : A21( −9 ) → A
multiplica da por − 9 : 0 − 12 − 32
Teorema 1: Suponiendo que los tamaños de las matrices son tales que las operaciones
indicadas se pueden efectuar, entonces son válidas las siguientes reglas de aritmética
matricial.
1. A + B = B + A (Ley conmutativa de la adición)
2. A + (B + C) = (A + B) + C (Ley asociativa de la adición)
3. A(BC) = (AB)C (Ley asociativa de la multiplicación)
3
4. A(B C) = AB AC (Ley distributiva por la izquierda)
5. (B C)A = BA CA (Ley distributiva por la derecha)
6. a(B C) = aB aC
7. (a b)C = aC bC
8. a(bC) = (ab)C
9. a(BC) = (aB)C = B(aC)
10. ((A)t)t = A
11. (A B)t = At Bt
12. (kA)t = kAt, donde k es cualquier escalar.
13. (AB)t = Bt At
Nota importante: Antes de aplicar las definiciones de las operaciones con matrices, realizar
la verificación de que las operaciones cumplen con las condiciones para poder realizarse, a
este análisis se lo denomina análisis de forma.
Por ejemplo: Si A( 2 x3) , B( 2 x 2) , C( 2 x3) y D(3 x3) hacer el análisis de forma de 2 At B + DCt
2At B + D Ct
(3 x 2) (2 x 2) + (3 x 3) (3 x 2) (Nro. de columnas = Nro. de filas)
= =
(3 x 2) (Matriz resultante)
Matrices Cuadradas: Son aquellas que tienen el número de filas igual al número de columnas.
Las principales son las siguientes:
1 si i = j 1 i n
• Matriz Identidad : I(nxn) I ij = para
0 si i j 1 j n
• Actua como elemento neutro en la multiplica ´ción de matrices
Propiedades • I+ I + I+.........
+I = pI
p veces
• I.I.I.......................I = ( I ) p = I
p veces
4
Nota: Toda matriz cuadrada puede expresarse como la suma de una matriz simétrica y
otra antisimétrica: A = 1 2 ( A + At ) + 1 2 ( A − At )
M. Simétrica M. Antisimétrica
Ejemplos:
Matriz
Identidad
Matriz Simétrica
Matriz
Antisimétr
ica
1 0 0 1 3 - 5 0 6 7
I = 0 1 0 A = 3 7 9 C = - 6 0 - 5
0 0 1 - 5 9 3 - 7 5 0
1 - 4 5
Ejercicio: Expresar la matriz A = 7 3 0 como la suma de una matriz simétrica
2 9 8
con una matriz antisimétrica.
Ejemplos:
Matriz T riangular Superior Matriz T riangular Inferior
Matriz
Diagonal
3 9 - 5 4 0 0 1 0 0
D = 0 4 7 F = - 3 7 0 G = 0 2 0
0 0 - 2 1 - 5 3 0 0 3
• Matriz Elemental: Es aquella que resulta de aplicar una única operación elemental
sobre una matriz identidad, o bien, es aquella que se transforma en la identidad a través
de una única operación elemental.
Ejemplos:
Matria Elemental
Matriz Elemental
Matriz Elemental
0 0 1 1 0 0 1 0 0
P13 → I (3) E1 = 0 1 0 ; M 2(-3) → I (3) E 2 = 0 − 3 0 ; A 31(-2) → I (3) E 3 = 0 1 0
1 0 0 0 0 1 − 2 0 1
• Matriz No – Singular: A es no singular si existe una matriz B del mismo orden tal
que AB = BA = I , caso contrario A se denomina singular. La matriz B se denomina
Inversa de A (A-1).
Teorema 1. La matriz inversa si existe es única.
Teorema 2. Si A y B son no singulares entonces:
a) A −1 es también no singular y ( A−1 ) −1 = A .
5
b) (AB) también es no singular y ( AB ) = B−1 A−1 . (Se puede
−1
Teorema 4. Cualquier operación elemental sobre las filas de una matriz A (mxn)
puede llevarse a cabo premultiplicando a A por una matriz elemental correspondiente a
la operación elemental realizada.
1 2 3
Ejemplo: Sea A = , encontrar matrices elementales que premultiplicas por A
9 6 − 5
produzcan el mismo efecto que las operaciones elementales:
9 6 − 5 0 1
P12 → A = A1 P12 → I ( 2) E1 = / E1 A = A1
1 2 3 1 0
1 2 3 1 0
M 2( −3) → A = A2 M 2 ( −3) → I ( 2) E2 = / E2 A = A2
− 27 − 18 15 0 − 3
1 2 3 1 0
A21( −9) → A = A3 A21( −9) → I ( 2) E3 = / E3 A = A3
0 − 12 − 32 − 9 1
6
Nota: Los primeros elementos distintos de cero de las filas no nulas se denominan
elementos distinguidos y las columnas en las que se encuentran se llaman columnas
distinguidas.
Ejemplos:
Equivalencia por Filas : (matrices equivalentes) Se dice que una matriz A es equivalente por
filas a una matriz B, si B puede obtenerse mediante una sucesión finita de operaciones
elementales de fila a partir de A, es decir, si existen matrices elementales E1 , E 2 , E3 ,......, E k
de tal manera que B = Ek .Ek -1....E2 .E1.A .
Teorema 1. Sean A, B y C matrices de (mxn), entonces:
• A es equivalente a A.
• Si A es equivalente a B, entonces B es equivalente a A.
• Si A es equivalente a B y B es equivalente a C, entonces A es
equivalente a C.
Ejercicios:
3 4 1 8 1 5 3 4 1
1. Dadas las matrices A = 2 − 7 − 1 B = 2 − 7 − 1
C = 2 − 7 − 1 ,
8 1 5 3 4 1 2 − 7 3
encontrar matrices elementales E1 , E 2 , E3 y E 4 tales que
a) E1 A = B b) E 2 B = A c) E3 A = C d) E 4C = A
7
1 2 3 4
2. Sea A = :
2 4 5 1
E k .E k -1.........E 2 .E1.A = I
A -1
Método de Gauss para Calcular la Inversa: Basado en los conceptos anteriores, Gauss
mecaniza el proceso de la siguiente manera:
Se toma la matriz A y junto a ella se coloca la matriz identidad del mismo orden, (A I) a
través de operaciones elementales sucesivas se transforma A en escalón reducida y
simultáneamente se aplican las mismas operaciones elementales sobre la Identidad. Al
finalizar el proceso y si A es no singular, su escalón reducida será la Identidad y junto a ella se
tendrá la inversa de A. Si A es singular surgirá alguna fila nula en la escalón reducida.
A I
Operaciones elementales
A ER B
Si la matriz AER es igual a la identidad, entonces B = A-1
Ejemplos:
8
1 2 3
1. Encontrar la inversa de A = 2 5 3
1 0 8
Aplicando el método de Gauss- Jordan:
1 2 3 1 0 0 1 2 3 1 0 0 1 0 9 5 − 2 0
2 5 3 0 1 0 0 1 − 3 − 2 1 0 0 1 − 3 − 2 1 0
1 0 8 0 0 1 0 − 2 5 − 1 0 1 0 0 − 1 − 5 2 1
A 21(-2) A12 (-2) M 3 (-1)
A 31(-1) A 32 (2)
1 0 9 5 − 2 0 1 0 0 − 40 16 9
0 1 − 3 −2 1
0 0 1 0
13 − 5 − 3 I A -1
0 0 1 5 − 2 − 1 0 0 1 5 − 2 − 1
A13 (-9)
A 23 (3)
− 40 16 9
Por lo tanto A = 13 − 5 − 3
-1
5 − 2 − 1
1 2 3
2. Encontrar la inversa de A = 2 5 3
3 7 6
Aplicando el método de Gauss- Jordan:
1 2 3 1 0 0 1 2 3 1 0 0 1 2 3 1 0 0
2 5 3 0 1 0 0 1 − 3 - 2 1 0 0 1 − 3 - 2 1 0
3 7 6 0 0 1 0 1 − 3 - 3 0 1 0 0 0 - 1 - 1 1
A 21(-2) A 32 (-1)
A 31(-3)
En la matriz escalonada de A se tiene una fila nula, por lo tanto se concluye que la matriz A
es singular, es decir no tiene inversa.
− 1 2
1. Sabiendo que ( I + 2 A) −1 = determinar A.
4 5
9
1 2 − 1 2 1 − 3
2. Dadas las matrices A = , B= y C=
− 3 1 3 1 1 2
determinar la matriz X de la siguiente ecuación matricial: 3 AX − 2C = B t
10
1
TRABAJO PRACTICO Nº 1
MATRICES
3. Con las matrices del ejemplo anterior y utilizando definiciones calcular, si es posible:
a) B 4 A
t t
21 b) (3C 4B)
t
31 c) (3B D )
t t
21
d) ( A 2B )
t t
12 e) AB ( DC ) t
21 f) AB 3D13
4. Revisando conceptos.
a) ¿Qué es una matriz elemental.?
b) ¿Cuándo una matriz es equivalente por filas a otra.?
c) ¿Qué es una matriz escalonada.?
d) ¿Qué es una matriz escalón reducida .?
e) Si una matriz es no singular, entonces ¿Cuál será su escalón reducida equivalente.?
6. Del ejemplo anterior, determinar las inversas de las matrices elementales en forma directa.
1 2 3 4
7. Sea A :
2 4 5 1
a) Llevarla a la forma escalón reducida.
b) Hallar las matrices elementales E1,E2 y E3 tales que AER = E3 E2 E1 A.
c) Encontrar una matriz no singular, B, tal que B A = AER .
d) De la ecuación matricial del inciso (b) despejar la matriz A.
e) Encontrar una matriz no singular, C, tal que C AER = A.
1 2 3
8. Expresar la matriz A 0 1 4 como la suma de una matriz simétrica y de una
3 1 6
matriz antisimétrica.
9. Demostrar que:
a) El producto de dos matrices diagonales es una matriz diagonal.
b) La suma de dos matrices triangulares superiores es una matriz triangular superior.
1 2 1 2 1 3
13. Dadas las matrices A , B y C encontrar la
3 1 3 1 1 2
matriz X de las siguientes ecuaciones matriciales:
a) C t 2 X 3B b) 3 AX 2C B t
c) AX CX 2 B d) (2 B CX t ) t A t
3
14. ¿Qué condición debe establecerse, sobre las matrices A y B?, para que sea válida la
igualdad: ( A B ) 2 A 2 2 AB B 2 .
1 2
15. Para A encontrar una matriz B para que la igualdad del ejercicio anterior se
1 3
cumpla.
1 0 0 0
0 3 0 0
16. Determinar la inversa de A y establecer un mecanismo para
0 0 1 0
0 0 0 5
encontrar la inversa de una matriz diagonal cualquiera.
17. Una empresa cuenta con dos fábricas de autos y produce tres modelos diferentes A, B y C.
Las siguientes tablas indican la producción correspondientes a los meses de agosto y
septiembre del año 1998.
F1 F2 F1 F2
A 1500 1430 A 1640 1215
B 1078 1203 B 1142 1097
C 945 847 C 1000 847
18. Suponga que un fabricante produce cuatro artículos. Su demanda está dada por el vector de
demanda d=( 30 20 40 10). El precio por unidad que recibe el fabricante por los artículos está
dado por el vector de precios p=( 20 15 18 40) expresado en dólares. Calcule el dinero que
recibirá el fabricante si se cumple la demanda.
19. La empresa Image Development Company fabrica en su planta de Santa Cruz tres tipos de
televisores de 14, 21 y 25 pulgadas. Los almacenes principales están en Cochabamba, Sucre,
La Paz y Tarija. Las ventas durante 1999 de Cochabamba se cifraron en 400, 100 y 500
televisores de 14, 21 y 25 pulgadas respectivamente; las de Sucre en 300, 150 y 400
4
televisores; las de La Paz en 100, 100 y 200 y la de Tarija en 200, 150 y 300. Los precios de
venta fueron de 250$, 500$ y 800$ para los televisores de 14, 21 y 25 pulgadas
respectivamente.
a) Expresar los precios de venta mediante una matriz.
b) Expresar la cantidad de venta por ciudad y tipo de televisor mediante una matriz.
c) Determine qué ciudad tuvo mayores beneficios por concepto de ventas.
20. La empresa Juguete Instructivo produce tres tipos de aeromodelos. Los principales materiales
necesarios son metal (m), plástico(p) y madera (w). La matriz R muestra cuánto material se
necesita para los modelos expresados en unidades adecuadas.
m p w
2 4 5
R 3 5 3
3 6 4
donde cada fila representa las cantidades en unidades correspondientes al modelo a, b y
c respectivamente.
La empresa vende directamente a una cadena de tiendas de departamentos que le ha
hecho un pedido de 700 piezas del modelo a, 800 del modelo b y 500 del c. El pedido
está en la matriz P:
Nº de modelos
a b c
P = ( 700 800 500)
a) Forme la matriz que exprese la cantidad total necesaria de cada material para satisfacer el
pedido.
b) La empresa juguetera compra todos los materiales con dos proveedores. Los precios unitarios
del proveedor S1 son : $US 1.5 el metal, $US 0.85 el plástico y $US 1.15 la madera. El
proveedor S2 cobra a $US 1.65 el metal, $US 0.8 el plástico y $US 1.10 la madera. Forme la
matriz de costo , C, cuyas columnas muestren los precios unitarios de cada proveedor y
determine la matriz que muestra el costo de los materiales para cada modelo basado en los dos
conjuntos de precios de proveedor.
UNIDAD No. 2
ALBEBRA LINEAL
SISTEMAS DE ECUACIONES LINEALES
Ecuación Lineal: Una ecuación, en el campo de los números reales, se dice que es lineal si es
una expresión de la forma:
a1 x1 + a2 x2 + ............. + an xn = b
donde los ai R son los coeficientes de las incógnitas o variables xi y b es el término
independiente o constante de la ecuación.
Una ecuación lineal no incluye ningún producto o raíz de variables. Todas las variables están
elevadas solo a la primera potencia y no aparecen como argumentos de funciones
trigonométricas, logarítmicas o exponenciales.
• 2x − 3y = 5
2
• y = − x + 2z + 3
Ejemplo 1: las siguientes ecuaciones son lineales: 3
• x1 − 3x2 + 5 x3 + x4 = −5
• x1 + x2 + .........+ xn = 3
Tercer caso: Si todos los ai = 0 y b = 0, entonces cualquier n-upla de valores será solución de la
ecuación.
1
Sistema de Ecuaciones Lineales: Es un conjunto finito de m ecuaciones lineales con n incógnitas
o variables, x1 , x2 ,....., xn , que se puede escribir como
am1 x1 + am 2 x2 + .............. + amn xn = bm
Una n-upla de valores s1 , s2 ,.......,sn será solución del sistema si y solo si esta n-upla satisface
todas y cada una de las ecuaciones que forman el sistema.
Para ilustrar las posibilidades que pueden ocurrir al resolver un sistema de ecuaciones lineales,
se considerará un sistema general de dos ecuaciones lineales en las incógnitas x y y:
Las gráficas de estas ecuaciones son las rectas l1 y l2. Como un punto ( x, y) pertenece a una
recta si y solo si los números x y y satisfacen la ecuación de la recta, las soluciones del sistema
de ecuaciones corresponden a los puntos de intersección de l1 y l2 . Existen tres posibilidades:
• Que las rectas sean paralelas, no se cortan, por lo tanto el sistema no tiene solución.
• Que las rectas se corten en un solo punto, el sistema tendrá solución única.
• Que las rectas coincidan, hay una infinidad de puntos de intersección, por lo tanto el
sistema tiene infinitas soluciones.
l2 l1 y l2
l1
l1
l2
A pesar que en el ejemplo se han considerado solo dos ecuaciones con dos incógnitas, se puede
afirmar que para sistemas lineales arbitrarios: En todo sistema de ecuaciones lineales no
homogéneo existen las tres posibilidades de solución, única, infinitas o puede no tener
solución, tal como se estudiará más adelante.
2
a11x1 + a12 x2 + ................ + a1n xn = b1
a x + a x + ............... + a x = b
21 1 22 2 2n n 2
Solución
Del
Sistema
x + y + 2z = 9
Ejemplo 1: Resolver por el método de Gauss el siguiente sistema: 2 x + 4 y − 3z = 1
3x + 6 y − 5 z = 0
Sistema Original Matriz Aumentada
x + y + 2 z = 9 1 1 2 9
2 x + 4 y − 3z = 1 2 4 − 3 1
3x + 6 y − 5 z = 0 3 6 − 5 0
Operaciones
elementales sucesivas
4
Realizando una retro - sustitució n x =1
se obtiene la solución del sistema y = 2
z=3
original
Operaciones
elementales sucesivas
x =1
Se puede observar que la solución
y=2
se la obtiene en forma directa z=3
x1 + 3x2 − 2 x3 + 2 x5 = 0
2 x + 6 x − 5 x − 2 x + 4 x − 3x = −1
1 2 3 4 5 6
5 x3 + 10 x4 + 15 x6 = 5
2 x1 + 6 x2 + 8 x4 + 4 x5 + 18 x6 = 6
Sistema equivalente:
5
x1 + 3x2 + 4 x4 + 2 x5 =0
x3 + 2 x4 =0 (Se anuló la 4ta.fila ya que ai = 0 b = 0 )
1
x6 =
3
n = número de incognitas del sistema.
Llamando de r = número de filas no nulas de la matriz aumentada equivalente o
número de ecuaciones no nulas del sistema equivalente.
n = 6
En el ejemplo , existirán n-r variables libres o independientes que pueden asumir
r = 3
cualquier valor real y en función de las cuales se resuelve el sistema.
Una forma sencilla de determinar cuáles son las variables libres es identificar aquellas que no
corresponden a ningún elemento distinguido.
En el ejemplo, x 2 , x 4 y x5 no corresponden a ningún elemento distinguido por lo tanto serán
las variables libres del sistema r , s y t R se obtiene la solución del sistema original:
x1 = −3x2 − 4 x4 − 2 x5
x = −2 x
3 4
1
x6 = 3
x2 , x4 y x5 son las var iables libres o independientes y pueden ser cualquier número real.
Muchas veces se designan a las variable libres como parámetros que pertenecen a los reales. Por
x2 = r x1 = −3r − 4s − 2t
ejemplo si se llaman a las libres de x4 = s se tendría que x3 = −2s que es la solución
x = t x = 1
5 6 3
del sistema,
x − 2 y + 3z = 1
Ejemplo 4: Resolver por el método de Gauss el siguiente sistema: x − y − z = 2
2 x − 3 y + 2 z = 2
Como se puede observar, en la última fila de la matriz aumentada escalonada, se tendría que
todos los coeficientes son iguales a cero y el término independiente diferente de cero; por lo
6
tanto esta ecuación es inconsistente y por ende el sistema.
(a1 = 0 b 0 el sistema es inconsistente) .
Ya que en la matriz aumentada se tendría la última columna nula, puede tomarse la matriz de
coeficientes como la matriz aumentada del sistema y se aplican los mismos métodos de
solución: Gauss y Gauss-Jordan.
Todo sistema de ecuaciones lineales homogéneo es consistente, ya que una solución de todos
estos sistemas es x1 = 0, x2 = 0,........, xn = 0. Esta solución se denomina solución trivial o
nula; en caso de que hay otras soluciones, se denominan soluciones no triviales o no nulas.
Debido a que un sistema lineal homogéneo siempre tiene la solución trivial, entonces para sus
soluciones solo hay dos posibilidades:
2 x1 + 2 x2 − x3 + x5 =0
− x − x + 2 x − 3x + x =0
1 2 3 4 5
x1 + x2 − 2 x3 − x5 = 0
x3 + x4 + x5 = 0
7
Matriz Aumentada Matriz Aumentada Escalón Reducida
2 2 -1 0 1 0 1 1 0 0 1 0
- 1 - 1 2 - 3 1 0 0 0 1 0 1 0
1 1 -2 0 -1 0 0 0 0 1 0 0
0 0 1 1 1 0 0 0 0 0 0 0
Sistema equivalente:
x1 + x2 + x5 = 0
n = 5 (número de incognitas )
x3 + x5 = 0 5 − 3 = 2 variableslibres
r = 3 (número de ecuaciones no nulas)
x4 = 0
Las variables libres son x2 y x5 y haciendo que x 2 = s y x5 = t , se obtienen las variables
principales (variables dependientes) en función de las variables libres o independientes, es
decir, la solución general del sistema:
x1 = − s − t , x 2 = s, x3 = −t , x4 = 0, x5 = t
Por lo tanto además de la solución nula o trivial, el sistema homogéneo, tiene infinidad de
soluciones no nulas o no triviales.
Ejemplo 6: ¿Para qué valores de k el sistema no tiene solución? ¿Tiene exactamente una
solución? ¿Tiene infinidad de soluciones?
x + 2y − 3z = 4
3x − y + 5z = 2
4 x + y + (k 2 − 14) z = k + 2
2 3 -3 4 2 3 -3 4
3 - 1 5 2 0 - 7 14 − 10
4 1 k − 14
2
k + 2 0 0 k − 16
2
k − 4
k = −4
k 2 − 16 = 0 Sustituyendo estos valores en la otra ecuación:
k = 4
8
➢ Si k = −4 , la última fila de la matriz aumentada escalonada será 0 0 0 − 8, donde
se observa que a1 = 0 b 0 . Por lo tanto el sistema no tiene solución.
➢ Si k = 4 , la última fila de la matriz aumentada escalonada será 0 0 0 0 , esta
ecuación nula será eliminada del sistema equivalente, (n = 3) > (r = 2), por lo tanto
existirán n – r variables libres y el sistema tendrá infinidad de soluciones.
− 4
➢ Si k la última fila será diferente de cero y n = r =3 y el sistema tendrá solución
4
única.
Ejercicios propuestos:
¿Para qué valores de k el sistema no tiene solución? ¿Tiene exactamente una solución?
¿Tiene infinidad de soluciones?
x + y + kz = 2 x − 3z = −3
1. 3x + 4 y + 2 z = k 3. 2 x + ky − z = −2
2 x + 3 y − z = 1 x + 2 y + kz = 1
kx + y + z = 1
x + 2 y + kz = 1
2. x + ky + z = 1 4.
x + y + kz = 1 2 x + ky + 8 z = 3
x + 2 y − 3z = a x − 2 y + 4z = a
1. 3x − y + 2 z = b 2. 2 x + 3 y − z = b
x − 5 y + 8z = c 3x + y + 3z = c
1. Determine lo que debe encontrar. Asigne una variable a cada incógnita y anote lo que
representa.
2. Anote cualquier otra información. Si es apropiado, dibuje una figura o un diagrama y
márquelo utilizando las variables del primer paso. Utilice una tabla o un diagrama para
resumir la información.
3. Escriba un sistema de ecuaciones. Por lo general existirán tantas ecuaciones como
incógnitas.
4. Resuelva el sistema utilizando los métodos matriciales.
5. Responda a la (s) pregunta (s). Asegúrese de haber respondido todas las preguntas
planteadas.
6. Verifique. Verifique su solución o soluciones en el problema original. Asegúrese de que
las respuestas tengan sentido.
9
Ejemplos:
1. En un parque de diversiones, los boletos para los adultos se venden en $ 5.50, para los
jóvenes en $ 4.00 y para los niños $ 1.50. El día de la apertura, el número de boletos
para jóvenes y niños que se vendieron fue 30 más que la mitad de los boletos de adultos.
El número de boletos vendido para jóvenes fue 5 más que cuatro veces el número de
boletos para niño. ¿Cuántos boletos de cada tipo se vendieron si la venta total de boletos
ascendió a $ 14 970?
x = Número de boletos para adultos
Identificación de las incógnitas y = Número de boletos para jovenes
z = Número de boletos para niños
Tomando en cuenta las condiciones que se proponen en el problema:
• El número de boletos para jóvenes y niños, que se vendieron, fue 30 más que la
mitad de los boletos para adultos, es decir, y + z = 12 x + 30
• El número de boletos para jóvenes fue 5 más que cuatro ves el número de boletos
para niños, es decir, y = 5 + 4 z
• Como la venta total ascendió a la suma de $ 14 970, con el precio de cada una y
las incógnitas que representan la cantidad de las mismas se tendrá
5,5x + 4 y + 1,5z = 14970
y + z = 12 x + 30
Por lo tanto, el sistema que resolverá el problema es: y = 5 + 4 z
5,5 x + 4 y + 1,5 z = 14970
Para tener coeficientes enteros se multiplica la primera ecuación por 2, la tercera por
x − 2 y − 2 z = 30
10 y ordenando el sistema se tendrá: y − 4z = 5 resolviendo el sistema
55 x + 40 y + 15 z = 14970
10
• El total de litros que se desea obtener será: x + y = 60
• Tomando en cuenta los porcentajes de alcohol de cada solución y el de los 60
litros se tiene que: (2%) x + (6%) y = (3,2%)60
x + y = 60
Por lo tanto, el sistema que resolverá el problema es:
(2%) x + (6%) y = (3,2%)60
2x
(2%) x = 100 = 0,02 x
6y x + y = 60
donde (6%) y = = 0,06 y entonces
100 0,02 x + 0,06 y = 1,92
(3,2)60
(3,2%)60 = 100 1,92
multiplicando la segunda fila por 100, para que los coeficientes sean anteros se
x + y = 60
tendrá: y resolviendo el sistema por Gauss o Gauss – Jordán se tiene
2 x + 6 y = 192
x = 42 de litros de la solución A
que
y = 18 de litros de la solución B
11
TRABAJO PRACTICO Nº 2
a) 3 x 4 ...............................................................................................................
b) x y 5 ...........................................................................................................
c) 2 xy 3 z 0 .......................................................................................................
d) log x 3 y 5 ....................................................................................................
e) 3 z 5 z 3 y 5 ..............................................................................................
f) Sen3 x y 7 ....................................................................................................
3. Verdadero o falso. Justifique.
4. Para que valor de “ k “ el sistema No tiene solución, tiene infinitas soluciones, tiene
solución única:
kx1 x2 x3 1 x1 x 2 3 x 3 4 x 3 z 3
a) x1 kx2 x3 1 b) 3 x1 x 2 5 x 3 2 c) 2 x ky z 2
x x kx 1 x 2 y kz 1
4 x1 x 2 ( k 14 ) x 3 0
2
1 2 3
kx y z 1
x 2 y kz 1 x y 3
d) x ky z 1 e) f)
x y kz 1 2 x ky 8 z 3 2 x 2 y 3k
5. Resolver los siguientes sistemas de ecuaciones lineales por el método a) De Gauss b)
Gauss - Jordan:
3x1 2 x 2 x 3 15
5 x 3x 2 x 0
x1 x 2 x 3 4 1 2 3
a) 4 x1 x 2 5 x 3 7 b) 3x1 x 2 3x 3 11
2 x 2 x 3 x 0 11x1 7 x 2 30
1 2 3
6. Para que valores de los términos independientes a,b y c los sistemas dados son
compatibles o incompatibles:
2 x 1 3 x 2 x 3 a
2 x 1 x 2 3 x 3 a
x1 x 2 5 x 3 b
a) b) 3x1 x 2 5 x 3 b
3x1 7 x 2 21x 3 c 5 x 5 x 21x c
1 2 3
7. Para el sistema homogéneo dado, para que valor de “k” , tiene soluciones no triviales?
2 x 1 3 x 2 5 x 3 0
x1 7 x 2 x 3 0
4 x 11x kx 0
1 2 3
10. Un departamento de pesca y caza del estado proporciona tres tipos de comida a un lago
que alberga a tres especies de peces. Cada pez de la especie 1 consume cada semana un
promedio de 1 unidad del alimento A, 1 unidad del alimento B y 2 unidades del
alimento C. Cada pez de la especie 2 consume cada semana un promedio de 3 unidades
del alimento A, 4 del B y 5 del C. Para un pez de la especie 3, el promedio semanal de
consumo es de 2 unidades del alimento A, 1 unidad del alimento B y 5 unidades del C.
Cada semana se proporciona al lago 25.000 unidades del alimento A, 20.000 unidades
del alimento B y 55.000 del C. Si se supone que los peces se comen todo el alimento.
¿Cuántos peces de cada especie pueden coexistir en el lago?
12. El tesorero de un club invirtió $5000 de los ahorros en tres cuentas distintas, a intereses
anuales de 8, 9 y 10%. El interés total ganado en un año fue de $460. La cantidad
ganada por el depósito al 10% fue de $20 más que la que se ganó al 9%. ¿Cuánto se
invirtió con cada tasa de interés?
13. Un restaurante tiene 15 mesas en total, el modelo A tiene 4 asientos cada una, el
modelo B tiene 6 asientos cada una y el modelo C con 10 asientos cada una. La
capacidad total de asientos del restaurante es 86. Los domingos solo utilizan 6 mesas,
la mitad del modelo A, un cuarto del modelo B y una tercera parte del modelo C.
¿Cuántas mesas de cada modelo tiene el restaurante?
15. Una farmacéutica necesita 100 litros de solución de alcohol al 50%. Tiene a la mano
soluciones de alcohol al 30% y al 80%, que puede mezclar. ¿Cuántos litros de cada una
se requerirán para hacer los 100 litros de la solución al 50%?
16. Los precios de las entradas a un partido de fútbol fueron de $ 6 para adultos y $ 2 para
niños. El valor total de los boletos vendidos fue de $ 2.528, y se vendieron 454 boletos.
¿Cuántos adultos y cuántos niños asistieron al juego?
17. Dos ejecutivos, en ciudades a una distancia de 400 kilómetros una de la otra, conducen
a una cita de negocios en una localidad que está en la línea entre la línea que separa sus
ciudades. Se encuentran al cabo de 4 horas. Determine la velocidad de cada automóvil,
si uno viaja a 20 kilómetros por hora más rápido que el otro. (Nota:
dis tan cia velocidad x tiempo )
19. Se hace una mezcla para una fiesta, combinando nueces que se venden a $ 2.50 el
kilogramo con una mezcla de cereal que se vende a $ 1.00 el kilogramo. ¿Cuánto de
cada uno debe combinarse para obtener 30 kilogramos de la mezcla que se venderá a $
1.70 el kilogramo?
20. Una bebida popular de fruta se fabrica con una mezcla de jugos de frutas. Tal mezcla
con 50% de jugo se combinará con otra mezcla que tiene 30% de jugo para obtener 200
litros de una mezcla que tenga 45% de jugo. ¿Cuánto debe utilizarse de cada uno?
22. Un hombre debe invertir un total de $ 15.000 en dos cuentas, una que paga 4% anual de
interés simple y la otra de 3%. Si quiere obtener $ 550 de interés anual ¿Cuánto debe
invertir en cada tasa?
23. Un tren de carga y un expreso parten de ciudades que se encuentran a 390 kilómetros de
distancia y viajan uno hacia el otro. El tren de carga viaja 30 kilómetros por hora más
lento que el expreso. Los trenes se encuentran 3 horas después de haber partido.
¿Cuáles son sus velocidades?
24. Un tren viaja 150 kilómetros en el mismo tiempo en que un avión cubre 400 kilómetros.
Si la velocidad del avión es 20 kilómetros por hora menor que 3 veces la velocidad del
tren, encuentre ambas velocidades.
25. Un fabricante de reproductores portátiles de discos compactos (CD) envió 200 de los
reproductores a sus dos almacenes en Québec. Costó $ 3.00 por unidad el envió al
almacén A y $ 2.50 por unidad el envió al almacén B. Si el costo total del envió fue de
$ 537.50, ¿cuántas unidades se enviaron a cada almacén?
28. La soya contiene un 16% de proteínas y el maíz un 9%. ¿Cuántos kilogramos de cada
uno de estos ingredientes se debería mezclar para obtener una mezcla de 350
kilogramos con 12% de proteínas?
29. Una inmobiliaria vende terrenos sin explotar. En tres ventas recientes, obtuvo 10%, 6%
y 5% de comisión. Sus comisiones totales sobre estas ventas fueron de $ 8.500, y
vendió propiedades con un valor de $ 140.000. Si la venta del 5% ascendió a la suma de
las otras dos, ¿cuáles fueron los precios de las tres ventas?
30. Tres clases de boletos están disponibles para un concierto de rock: “palcos”,
“preferencia” y “balcones”. Los boletos de palco cuestan 2 dólares más que los boletos
de preferencia, mientras que los boletos de preferencia cuestan 1 dólar más que los
boletos de balcones. El doble del costo de un boleto de palco es 1 dólar menos que 3
veces el costo de un boleto de balcones. Encuentre el precio de cada clase de boleto.
31. En un parque de diversiones, los boletos para los adultos se venden en $ 5.50, para los
jóvenes en $ 4.00 y para los niños $ 1.50. El día de la apertura, el número de boletos
para jóvenes y niños que se vendieron fue 30 más que la mitad de los boletos de
adultos. El número de boletos vendido para jóvenes fue 5 más que cuatro veces el
número de boletos para niño. ¿Cuántos boletos de cada tipo se vendieron si la venta
total de boletos ascendió a $ 14 970?
32. Una compañía produce tres tipos de muebles para patio: sillas, mecedoras y sillones
reclinables. Una silla requiere de 1 unidad de madera, 1 unidad de plástico y 1 unidad
de aluminio, una mecedora requiere de 1, 1 y 3 unidades de madera, plástico y
aluminio respectivamente y un sillón requiere de 1, 2 y 5 unidades de cada material.
La compañía tiene 400 unidades de madera, 600 unidades de plástico y 1500 unidades
de aluminio. Para fin de año, la compañía quiere utilizar todas sus existencias. Para
esto, ¿cuántas sillas, mecedoras y sillones debe fabricar?
UNIDAD No. 3
ALBEBRA LINEAL
FUNCIÓN DETERMINANTE
Para poder definirla en forma general en necesario dar algunos conceptos sobre
permutaciones, producto elemental y otros.
Permutaciones:
Ejemplo 1: Sea el conjunto de enteros 1, 2, 3, 4, entonces (1, 3, 4, 2), (3, 1, 4, 2) y (4, 3,
2, 1) son algunas de las permutaciones que se pueden obtener con estos cuatro enteros. Si
se quiere determinar el número total de permutaciones, ( S4 ) , puede hacerse de dos maneras:
• Sistemáticamente por medio de un árbol de permutaciones.
• Analíticamente, a través de la fórmula 4! (factorial de 4)
Árbol de Permutaciones:
1
maneras diferentes, hay 4x3x2 formas de llenar las tres primeras posiciones; finalmente,
como la última posición se la puede llenar de 1 sola manera, hay 4x3x2x1 =4 ! = 24
maneras diferentas de llenar las cuatro posiciones.
En general para el conjunto de enteros 1, 2, 3,...., n, S n = n ! = n (n − 1) (n − 2) 2 1
Una permutación genérica será: ( j1 , j2 , j3 ,......, jn ) donde j1 es el primer entero de la
permutación, j2 es el segundo y así sucesivamente.
Ejemplo 2: Clasificar como par o impar cada una de las permutaciones del conjunto de
enteros 1, 2, 3.
2
a11 a12 a13 . . . a1n
a . a2 n
a11 a12 a13 21 a22 a23 . .
a11 a12
a) A = b) A = a21 a22 a23 c) A = . . . . . . .
a21 a22
a31 a32 a33 . . . . . . .
an1 an 2 an 3 . . . ann
a) Como cada producto elemental tiene dos factores y cada factor proviene de filas
diferentes, un producto elemental tendrá la forma
a1− a2−
donde los espacios en blanco deben llenarse con una permutación del conjunto de enteros
1, 2, ya que son dos las columnas de la matriz. De esta manera los únicos productos
elementales son a11 a22 y a12 a21 .
b) Como cada producto elemental tiene tres factores y cada factor proviene de filas
diferentes, un producto elemental tendrá la forma
a1− a2 − a3−
donde los espacios en blanco deben llenarse con una permutación del conjunto de enteros
1, 2, 3, ya que son tres las columnas de la matriz. De esta manera y tomando en cuenta los
resultados del ejemplo 2 se obtendrán lo siguientes 6 productos elementales:
c) Como cada producto elemental tiene n factores y cada factor proviene de filas y
columnas diferentes, un producto elemental genérico tendrá la forma
a1 j1 a2 j2 a3 j3 ..........anjn
Ejemplo 4: Enumerar todos los productos elementales con signo de las matrices de los
incisos (a) y (b) del ejemplo anterior.
3
Solución:
Definición: Sea A una matriz cuadrada. La función determinante se denota por det, y
det(A) se define como la suma de los productos elementales con signo de A. El
número, det (A), se denomina determinante de A.
Para evitar la memorización de estas expresiones se puede utilizar los métodos de Sarrus o
nemotécnicos, mostrados a seguir:
4
a11 a12 a13 a11 a12
a11 a12 a
a a23 a 21
a 22 21 a 22 a 22
21 a31 a32 a33 a31 a32
En el segundo ejemplo se podrían repetir las filas en lugar de las columnas y el resultado
sería el mismo.
1 2 3 1 2
b) − 2 3
5 −2 3
0 − 4 − 6 0 − 4
Como ya se advirtió antes, el método de Sarrus solo puede utilizarse para matrices de (3
x 3). Si se tuviera que utilizar la definición para calcular el determinante de matrices de
ordenes superiores a (3 x 3) se tendrían extensos cálculos que inclusive la computadora
digital más rápida sería incapaz de manejar el cálculo en una cantidad de tiempo razonable
para una matriz de (25 x 25), por ejemplo. Por esta razón es necesario el estudio de las
propiedades de esta función que nos permitan llegar a métodos mas rápidos y eficientes.
Sea A(nxn) , matriz cuadrada, entonces:
Teorema 1: El determinante de una matriz y el de su transpuesta son iguales. A = At .
a) Si A tiene una fila (columna) nula, entonces el det(A) = 0.
b) Si A tiene dos filas (columnas) idénticas, entonces det(A) = 0.
Teorema 2:
c) Si A es triangula r superior o inferior, entonces det(A) es igual al producto
de los elementos de su diagonal principal y en particular det(I) = 1.
5
Entiéndase por filas (columnas) idénticas aquellas que son iguales o una de ellas es
combinación de las otras.
3 1 0 3 − 2 5
A = − 2 − 4 3 det( A) = −1
A = 1 − 4 4 det( At ) = −1
t
2 3 − 2 3 0 − 2
A = 0 0 0 det( A) = 0 A = 5 0 4 det( A) = 0
4 2 1 − 3 0 5
1 2 3 3 5 5
A = 7 5 3 det( A) = 0 A = 7 − 3 − 3 det( A) = 0
1 2 3 8 − 6 − 6
filas iguales columnas iguales
1 2 3 1 2 3
A = 7 8 5 det( A) = 0 A = 2 − 1 6 det( A) = 0
3 6 9 1 4 3
fila multiplo de otra columna multiplo de otra
1 2 3 1 2 3
A = 5 − 1 4 det( A) = 0 A = 5 − 1 4 det( A) = 0
6 1 7 1 4 5
fila suma de las otras columna suma de las otra
6
d) Matriz triangular superior o inferior
3 6 − 5 3 0 0
A = 0 − 2 4 det( A) = −24 A = − 4 − 1 0 det( A) = −6
0 0 4 5 3 2
5 4 − 2
• P13 → A B = − 2 − 4 3 B = − A = 1
3 1 0
3 1 0 3 1 0
A = − 2 − 4 3 A = −1 • M 2(-2) → A B = 4 8 − 6 B = (−2) A = 2
5 4 − 2 5 4 − 2
3 1 0
• A 21(2) → A B = − 8 − 6 3 B = A = −1
5 4 2
Cálculo del determinante de una matriz A(n x n) por reducción a la forma triangular:
La idea del método es reducir la matriz dada a la forma triangular (superior o inferior) y
aplicar el inciso c del teorema 2, sin embargo, al reducir la matriz a la forma triangular se
utilizarán operaciones elementales de fila o de columna que pueden o no cambiar el valor
de la función de acuerdo al teorema 3. Por lo tanto si se toman en cuanta estos cambios se
pude aplicar este método para encontrar el determinante de una matriz A(n ) .
Ejemplo 7:
0 1 5
Evaluar el determinante de A = 3 − 6 9 , reduciéndola a la forma triangular superior.
2 6 1
0 1 5 3 −6 9
Intercambio de las filas
det( A) = 3 − 6 9 = − 0 1 5
primera y segunda (P12)
2 6 1 2 6 1
1 −2 3
Factorizando el 3 en la
= −3 0 1 5 primera fila.
2 6 1
7
1 −2 3
Suma de –2 veces la primera
= −3 0 1 5 fila con la tercera fila (A31(-2))
0 10 − 5
1 −2 3
= −3 0 1 5 Suma de –10 veces la segunda
fila con la tercera fila (A32(-10))
0 0 − 55
1 −2 3
Factorizando -55 de la tercera
= (−3)(−55) 0 1 5
fila
0 0 1
= (−3)(−55)(1) = 165
Ejemplo 8:
1 0 0 3
2 7 0 6
Evaluar el determinante de A = , reduciéndola a la forma triangular
0 6 3 0
7 3 1 − 5
inferior.
1 0 0 3 1 0 0 0
2 7 0 6 2 7 0 0
det( A) = = = (1)(7)(3)( −26) = −546
0 6 3 0 0 6 3 0
7 3 1 −5 7 3 1 − 26
A c41(-3)
Teorema 4: Para toda matriz A(n x n), las siguientes proposiciones son equivalentes:
a) A es invertible (A tiene inversa)
b) A es no-singular-
c) det( A) 0
det(kA) = k n det( A)
8
b) Sabemos que A A−1 = I , aplicando la función determinante a ambos
miembros de la igualdad y aplicando el teorema 5 se tiene que:
1
det( A−1 ) =
det( A)
Este método es muy útil para la evaluación de determinantes manualmente y además nos
permite hacer otras aplicaciones como la obtención de una fórmula para encontrar la
inversa de una matriz y la solución de ciertos sistemas de ecuaciones lineales. Para
desarrollar el método es necesario definir antes menores y cofactores de un elemento
genérico aij A(n ) .
El cofactor del elemento aij , denotado por Aij , es igual al menor del elemento con signo
positivo o negativo de acuerdo a la siguiente expresión: Aij = ( −1)i + j M ij .
1 3 − 2
Ejercicio: Calcular el menor y el cofactor de todos los elementos de A = 4 2 5
1 − 3 0
2 5 4 5 4 2
M 11 = = 15 M 12 = = −5 M 13 = = −14
a11 −3 0 a12 1 0 a13 1 −3
A = (−1)1+1 M = 15 A = (−1)1+2 M = 5 A = (−1)1+3 M = −14
11 11 12 12 13 13
3 −2 1 −2 1 3
M 21 = = −6 M 22 = =2 M 23 = = −6
a21 −3 0 a22 = 1 0 a23 = 1 −3
A = (−1) 2+1 M = 6 A = (−1) 2+2 M = 2 A = (−1) 2+3 M = 6
21 21 22 22 23 23
3 −2 1 −2 1 3
M 31 = = 19 M 32 = = 13 M 33 = = −10
a31 2 5 a32 4 5 a33 4 2
A = (−1) 3+1 M = 19 A = (−1) 3+2 M = −13 A = (−1)3+3 M = −10
31 31 32 32 33 33
9
Teorema 6: (Método de La – Place o de Cofactores) El determinante de una matriz A(n x
n) se pude obtener multiplicando los elementos de una fila (columna) de A por sus
respectivos cofactores y sumando luego todos los productos resultantes. Es decir
0 1 5
Del ejemplo 7 A = 3 − 6 9 , desarrollando el método de La- Place a lo largo de la
2 6 1
primera fila: A = a11 A11 + a12 A12 + a13 A13
3 9 3 −6
A = (1)( −1) + (5)(1) = (1)(15) + (5)(30) = 165
2 1 2 6
A adj( A) = adj( A) A = A I
10
donde I es la matriz identidad de orden n Por lo tanto si A 0 , entonces
1
A−1 = adj( A)
A
1
x1 = , x2 = 2 , x3 = 3 , . . . . . . . . . . . . , xn = n
x + y + 2z = 9 1 1 2
2 x + 4 y − 3z = 1 = A = 2 4 − 3 = −1
3x + 6 y − 5 z = 0 3 6 −5
9 1 2 1 9 2 1 1 9
1 = 1 4 − 3 = −1 2 = 2 1 − 3 = −2 3 = 2 4 1 = −3
0 6 −5 3 0 −5 3 6 0
1 − 1 2 − 2 3 − 3
Luego: x= = =1 y= = =2 z= = =3
−1 −1 −1
x + y + 2z = 9
−1
2 x + 4 y − 3z = 1 AX = B despejando X de esta ecuación matricial X = A B
3x + 6 y − 5 z = 0
1 1 2 2 − 17 11
A = 2 4 − 3 A = − 1 11 − 7
−1
11
x 2 − 17 11 9 1 x =1
X = y = − 1 11 − 7 1 = 2 y = 2
z 0 3 − 2 0 3 z = 3
12
1
TRABAJO PRACTICO Nº 3
DETERMINANTES
1. Encontrar el número de inversiones de cada un de las siguientes permutaciones del
conjunto 1,2,3,4,5
a) (3, 5, 4, 1, 2) b) ( 1, 4, 2, 5, 3 ) c) ( 2, 1, 5, 4, 3 ) d) ( 1, 2, 3, 4, 5 )
2. Clasificar cada una de las permutaciones del ejercicio anterior como par o impar.
1 3 2
1 4 k 1 2 2 4 5
a) A 3 c) C d) D 2 5
k 2
b) B
3 2 4 8 3 4 7
2 5 3 4 1 2 3 4
k 3 9 3 1 2 6 4 1 5 6
e) F 2 4 k 1
f) G g) H
2 1 5 0 3 1 2 2
1 k 2 3
3 2 4 2 8 3 5 1
a b c
12. Si el determinante de 2A es igual a 5 donde A d e f . Calcular el
g h i
determinante de B donde:
d e f a b c a b c
a) B g h i b) B 2d
2e 2 f
c) B d 3a e 3b f 3c
a b c g h i 2 g 2h 2i
e d f a d be c f 2a 2b 2c
d) B h g i e) B d
e f f) B 3d 3e 3 f
b a c g h i g h i
2 2 2
13. a) Demostrar que si una matriz es ortogonal A 1 A t , entonces su
determinante es igual a 1.
1
b) Demostrar que det( A 1 ) .
det( A)
14. Si los elementos de la tercera fila de una matriz de (5x5) son 1, -1, 1, 3, -2 y
sus menores respectivos son –1, 2, 4, -1 y 6. Calcular:
1
a) det A
b) det 2 AA t
c) det A 1 A t 2
d) det A 1
2 3
15. Sea A una matriz de (4x4), si det(2 A1 ) 8 , determinar el valor de det(4 AAt ) .
3
2 4 1 5
8 2 3 7
16. Si la matriz de cofactores de A es y los elementos de su
0 8 3 5
6 4 3 2
tercera fila son 2, -4, 5 y –8 . Calcular la inversa de A.
2 x 3 y 2 z 4t 5
2 x ay 3 z 4t 2
17. Sea el sistema , si el determinante de la matriz de
3 x by 3 z 7t 5
3 x 3 y 6 z 2t 3
coeficientes es igual 25, calcular el valor de la variable y
19. Sean A y B dos matrices de orden 6. Se sabe que la matriz B se obtiene a partir de la
matriz A por la aplicación de las siguientes operaciones elementales:
4.1 Introducción. Muchas magnitudes físicas tales como área, longitud y masa quedan
completamente definidas con un número real que representa la magnitud de la
cantidad en cuestión. En otras, denominadas vectores, es necesario especificar
además de la magnitud, la dirección. Por lo tanto un vector queda completamente
determinado si se especifica su magnitud y su dirección. Ejemplos de estas
magnitudes son la fuerza, la velocidad, la aceleración, etc. Geométricamente, los
vectores, se representan por flechas o segmentos dirigidos que tienen un punto inicial
y un punto terminal. Se los denota por letras minúsculas con una flechita encima
u , v, w,.... o por letras cursivas en negrito, que es la notación que se utilizará en este
estudio, u.v.w,
AB = u = u
B (punto terminal)
w
AB =u
A (punto inicial)
v t
AB = u = v = w = t
1
u u+v
v
−v
u
v u −v u o u −v
2
4.3 Vectores en el plano o Vectores en R2: En el espacio bidimensional, es decir en el
plano, cualquier punto puede ser definido por sus coordenadas, por lo tanto si
u = AB es un vector cualquiera en el plano, cuyo punto inicial A tiene coordenadas
( x1 , y1 ) y su punto terminal B con coordenadas ( x2 , y2 ) , las componentes del
vector (u1, u2 ) se las obtiene restando las coordenadas del punto inicial de las
coordenadas del punto terminal en forma correspondiente, entonces:
u = AB = B − A = ( x2 − x1 , y2 − y1 ) = (u1, u2 )
y y
y2 y1 A u2 u
x x
x1 u2
x2
Si el punto inicial del vector coincide con el origen del sistema, las componentes del
vector serán las propias coordenadas del punto terminal.
3
y y
u+v
u2 v
ku
v2 u ku2
u2
x u2 x
u1 v1
k u2
Suma de u = (u1 , u 2 ) y v = (v1 , v2 ) Multiplicación de u = (u1 , u 2 ) por k
z1
y
x1
y1
x
4.5 Vectores en Rn: La idea de usar parejas de números para localizar puntos en el Plano
y ternas de números para localizar puntos en el espacio tridimensional fue aplicada
con claridad por vez primera a mediados del siglo XVII. A finales del siglo XIX los
matemáticos y físicos comenzaron a darse cuenta que no era necesario detenerse en
ternas. Se reconoció que las cuádruplas de números (a1 , a2 , a3 , a4 ) podían
considerarse como puntos en el espacio tetradimensional, las quíntuplas
4
(a1 , a2 , a3 , a4 , a5 ) como puntos en el espacio pentadimensional, y así sucesivamente las
n-uplas (a1 , a2 , a3 ,......,an ) como puntos en el espacio n-dimensional. A pesar que la
representación geométrica se limita al espacio tridimensional, matemáticamente se
puede hablar de vectores en R4, R5,......, Rn .
De esta manera se puede decir que:
4.6 Propiedades de las operaciones con vectores en R2, R3,......, Rn: Si u, v y w son
vectores en cualquiera de los espacios mencionados y k y l son escalares, entonces se
cumplen las siguientes propiedades:
a) u + v = v + u b) (u + v) + w = u + (v + w)
c) u + 0 = 0 + u = 0 d) u + (−u ) = 0
e) k (l u ) = (kl )u f) k (u + v) = k u + k v
g) (k + l )u = k u + l u h) 1 u = u
5
x' = x − k
• En el espacio tridimensional las ecuaciones de traslación son y' = y − l
z' = z − m
donde O’=(k l, m) es el nuevo origen.
y y’
( x, y )
P
( x' , y ' )
O’= (k, l) x’
O x
Ejercicio:
Suponer que un sistema de coordenada x-y se traslada para obtener un sistema de
coordenadas x’-y’ cuyo origen tiene las coordenada (k , l ) = (4,1) .
• Encontrar las coordenadas x’-y’ del punto cuyas coordenadas x-y son P = (2,0).
• Encontrar las coordenadas x-y del punto cuyas coordenadas x’-y’ son Q = (1,5) .
u = (u1,u2,u3)
u3
u = (u1 , u2 ) y
u2 u1
u1 x u2
x
6
4.9 Vector unitario: Es aquel cuya norma es igual a 1. Para todo vector u se pude
determinar un vector unitario, eu , con la misma dirección que u a través de:
1
eu = u
u
4.10 Distancia entre dos puntos: La distancia entre dos puntos P1 y P2 es igual a la
norma del vector que une estos dos puntos, por lo tanto:
v v u v v
ángulo agudo ángulo obtuso ángulo llano ángulo recto
7
• u = (u1 , u2 ,.......,un ) y v = (v1 , v2 ,.......,vn ) , pertenecen en R n, entonces
u • v = u1 v1 + u2 v2 + .............. + un vn .
De estas dos formas de expresar el producto interno se deduce que el ángulo entre
los vectores u y v es:
u•v
Cos =
uv
P1 = ( x1, y1 )
P2 = ( x2 , y2 )
x
ax + by + c = 0
8
Tomando dos puntos diferentes sobre la recta, P1 = ( x1, y1 ) y P2 = ( x2 , y2 ) ,
sustituyendo en la ecuación se tienen
ax1 + by1 + c = 0
ax2 + by2 + c = 0
Como el vector P1P2 = ( x2 − x1, y2 − y1 ) está sobre la recta, basta probar que
n y P1P2 son perpendiculares.
Al restar miembro a miembro las dos ecuaciones anteriores se obtiene
a( x2 − x1 ) + b( y2 − y1 ) = 0 que nada más es (a, b) • ( x2 − x1, y2 − y1 ) o bien
n • P1P2 = 0 , de esta forma se demuestra que n ⊥ P1P2 y por lo tanto
n ⊥ a la recta ax + by + c = 0
w1 v
u • v = (kv + w2 ) • v = k (v • v) + w2 • v
v•v = v
2
Sustituyendo en este resultado y como w2 ⊥ v , luego w2 • v = 0 ,
u•v
entonces u • v = k v de donde se obtiene que k =
2
2
y finalmente
v
u•v
w1 = Proyvu = kv = 2 v (componente vectorial de u a lo largo de v)
v
u•v
w2 = u − Proyvu = u − 2 v (componente vectorial de u ortogonal a v)
v
La norma o longitud de esta proyección (w1) se puede obtener escribiendo
9
u•v u•v
Proyvu = v = v = u•v
v2 v2 v
, aplicando la definición del
u v cos u v cos
2
u•v
Proyvu = o Proyvu = u cos
v
Solución:
y Q = ( x1, y1 ) n = (a ,b)
P0 = ( x0, y0 )
ax + by + x = 0 x
a( x0 − x1 ) + b( y0 − y1 )
entonces D = , dado que el punto Q = ( x1, y1 ) está sobre la
a 2 + b2
10
recta, sus coordenadas satisfacen la ecuación de ésta, de modo que ax1 + by1 + c = 0
o bien c = −ax1 − by1 al sustituirse en D se obtiene la fórmula
ax0 + by0 + c
D=
a 2 + b2
4.11.2 Producto Cruz o Vectorial: (Solo para vectores en R3) A diferencia del producto
punto, da como resultado un vector ortogonal a ambos vectores que participan en el
producto. Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) dos vectores pertenecientes al
espacio tridimensional, entonces su producto cruz o vectorial, denotado por u v es
el vector definido por
u v = (u2v3 − u3v2 , u3v1 − u1v3 , u1v2 − u2v1 )
u1 u2 u3
Esta definición se la recuerda fácilmente si se forma la matriz
v3
y se
v1 v2
u u u u u u
dice luego que u v = det 2 3 , − det 1 3 , det 1 2
v2 v3 v1 v3 v1 v2
Propiedades:
1) u • (u v) = 0 2) v • (u v) = 0
3) u v = −(v u ) 4) u (v + w) = (u v) + (u w)
5) (u + v) w = (u w) + (v w) 6) k (u w) = (ku ) w = u (kw)
7) u 0 = 0 u = 0 8) uu = 0
9) u v = u v − (u • v) 2
2 2 2
Igualdad de Lagrange
11
• El triple producto escalar o producto mixto, en valor absoluto, representa el
volumen del paralelepípedo de arista u, v y w.
u1 u2 u3
• u • (v + w) = det v1 v2 v3
w1 w2 w3
n • P0 P = 0
12
Ejemplo: Encontrar la ecuación del plano que pasa por el punto (2, -1, 3) y es
perpendicular al vector n = (3, 4, -2).
3( x − 2) + 4( y + 1) − 2( z − 3) = 0
3x + 4 y − 2 z + 4 = 0
Ejercicio: Encontrar la ecuación del plano que pasa por los puntos
A = (1,2,−1), B = (2,3,1) y C = (3,−1,2) .
13
Rectas en R3: Para definir una recta basta especificar un punto por el que debe
pasar la recta y una dirección.
OP = OP0 + P0 P
P = P0 + tu
x = x0 + tl
( x, y, z ) = ( x0 , y0 , z0 ) + t (l , m, n) o y = y0 + tm
z = z + yn
0
14
x − x0 y − y0
l =
x − x0 y − y0 z − z0 m
= = o
l m n x − x0 =
z − z0
l n
x −1 y − 2
x −1 y − 2 z − 3 2 = 3 3x − 2 y + 1 = 0
= =
2 3 −4 x −1 = z − 3 4 x + 2 z − 10 = 0
2 −4
15
UNIDAD No. 4 (2da. Parte)
1. ESPACIOS VECTORIALES
1.1 Definición de Espacio Vectorial: Sea V un conjunto cualesquiera no vació de objetos sobre
el que están definidas dos operaciones: la adición y la multiplicación por escalares
(números). Por adición se entiende una regla que asocia a cada par de objetos u y v en V un
objeto u + v denominado suma de u y de v; por multiplicación por escalar se entiende una
regla que asocia a cada escalar k y cada objeto u en V un objetos ku, denominado múltiplo
escalar de u por k. Si los objetos u, v, w en V y los escalares k y l satisfacen los siguientes
axiomas, entonces V se denomina espacio vectorial, y sus objetos se denominan vectores.
Ejemplo 2: Sea V = M(mxn) con las reglas de suma y multiplicación por escalar definidas en
la primera unidad, este conjunto cumple también con todos los axiomas que definen a un
espacio vectorial.
16
Teorema 1: Sean V un espacio vectorial, u un vector en V y k un escalar, entonces:
a) 0u = 0
b) k0 = 0
c) (-1) u = u
d) Si k u = 0, entonces k = 0 o u = 0
2. SUBESPACIOS
Solución: Basta probar que un vector cualquiera (genérico) de R2 , por ejemplo v = (a, b) ,
es una combinación lineal de v1 = (1,2) y v2 = (0,−1) . Al hacer esto surge un sistema no
homogéneo, si el sistema tiene solución única o infinitas, entonces v1 = (1,2) y v2 = (0,−1)
generan a R2.
18
a =a
(a, b) = a1v1 + a2v2 (a, b) = a1 (1,2) + a2 (0,−1) 1
2a1 − a2 = b
El sistema es consistente donde a1 = a y a2 = 2a − b , por lo tanto v1 y v2 generan a R2.
(a, b) = a(1,2) + (2a − b)(0,−1)
1 − 1 0 1 − 1 0
n = 3
Por Gauss 2 1 3 0 3 3 n r , entonces S es L. D.
r=2
3 − 2 1 0 0 0
El termino linealmente dependiente sugiere que los vectores “dependen” unos de otros de
alguna manera. En forma equivalente se puede decir que los vectores v1, v2 ,..........., vr son
dependientes si y solo si uno de ellos es una combinación lineal de los otros. Como
consecuencia de esto se puede observar:
Solución: Colocando los vectores como filas de una matriz, basta llevar la misma a la
forma escalonada, si no se anula ninguna fila, entonces S es un conjunto linealmente
independiente; si se anula una o más filas de la matriz, entonces S es un conjunto
linealmente dependiente. Justamente las filas que se anulan es porque son dependientes de
las demás.
1 2 3 − 1 1 2 3 − 1
0 1 − 1 2 0 1 − 1 2 S es un conjunto linealment e dependiente.
1 4 1 3 0 0 0 0
20
5.1 Definición de base: Si V es un espacio vectorial y S = v1 , v2 ,.......,vn es un conjunto
finito de vectores en V, entonces se dice que S es una base de V si
a) S es linealmente independiente.
b) S genera a V.
Solución:
a) Para demostrar que S genera a R3, basta demostrar que un vector genérico v = (a, b, c)
de R3 es una combinación lineal de los vi , es decir que v = (a, b, c) pertenece al
espacio generado por los vi , por lo tanto v = a1v1 + a2v2 + a3v3
a1 + a2 + a3 = a
(a, b, c) = a1 (1,−1,0) + a2 (1,2,−1) + a3 (1,0,−1) − a1 + 2a2 =b
− a2 − a3 = c
Analizando el sistema
1 1 1 a 1 1 1 a
− 1 2 0 b 0 − 1 − 1 c n = r Tiene solución,
0 − 1 − 1 c 0 0 − 2 a + b + 3c
5.2 Definición de dimensión: Un espacio vectorial V se dice que tiene dimensión finita “n” o
es n-dimensional, escrito dimV = n , si existen n vectores linealmente independientes que
generan a V. O simplemente se dice que la dimensión de un espacio vectorial es el
número de vectores que tiene una base. Por definición el espacio vectorial W = 0 tiene
dimensión cero.
Base estándar, usual o canónica: Para cualquier espacio vectorial V es fácil determinar
su base estándar a través del siguiente proceso: Se toma un vector genérico del espacio en
21
cuestión; el primer vector de la base se lo obtiene haciendo la primera componente,
elemento o coeficiente, igual a uno y todas las demás iguales a cero; el segundo vector se
obtiene en forma similar haciendo la segunda componente, elemento o coeficiente, igual a
uno y las demás iguales a cero; así sucesivamente hasta terminar con todas las
componentes, elementos o coeficientes.
Ejemplos:
b) Para V = M 2 x 2
1 0 0 1 0 0 0 0
a b Base usual = E1 = , E2 = , E3 = , E4 =
c d M 2 x 2 0 0 0 0 1 0 0 1
dim M 2 x 2 = 2 x2 = 4
Observación: El anterior teorema nos permite verificar solo una de las condiciones que
definen una base, si de antemano se conoce la dimensión del espacio vectorial y el número
de vectores del conjunto en cuestión es igual a la dimensión.
22
Los ai R serán únicos para v y se denominan coordenadas de v con relación a la base
e1, e2 , e3 ,........., en .
La n-upla de coordenadas (a1 , a2 , a3 ,........, an ) se denomina vector de coordenadas de v
con relación a la base e1 , e2 , e3 ,........., en y se denota por
a1
a
2
a
ve = (a1, a2 , a3 ,........,an )= 3
.
.
an
A cada vector de V le corresponde en forma biunívoca un vector de coordenadas
perteneciente a R n (dim V = n) , esta correspondencia determina que los espacios
vectoriales V y R n sean ISOMORFOS pues las operaciones de suma y de multiplicación
por escalar se preservan. Esto permite analizar los problemas de un espacio vectorial (V) en
el correspondiente a sus vectores de coordenadas ( R n ) y luego trasladar los resultados y
conclusiones al espacio vectorial V.
El problema se simplifica enormemente si se obtienen los vectores de coordenadas con
relación a la base estándar o usual de V.
Como los vectores de coordenadas son vectores de R 4 se determinará si son L.I. o L.D.
utilizando la simplificación matricial:
1 − 3 2 5 1 − 3 2 5 1 − 3 2 5
2 3 1 − 3 0 9 − 3 − 13 0 9 − 3 − 13
3 0 3 2 0 9 − 3 − 13 0 0 0 0
23
Como se anula una fila en la matriz escalonada se puede concluir que los vectores de
coordenadas son linealmente dependientes y esta conclusión se traslada al problema
original diciendo que las matrices son L.D.
Teorema 7: Las filas distintas de cero de una matriz en la forma escalonada son
linealmente independientes y como generan el mismo espacio fila de la matriz original,
constituyen una base del espacio fila de la matriz. Por lo tanto la dimensión del espacio fila
es igual al número de filas no nulas de la matriz escalonada y se denomina el rango de A.
(Rang(A))
Teorema 8: En un sistema de ecuaciones lineales homogéneo, ( AX = 0) , con n
incógnitas, el conjunto solución forma un subespacio de R n denominado espacio solución
del sistema homogéneo. La dimensión del espacio solución es igual a (n − r ) donde n es
el número de incógnitas y r es el rango de la matriz de la matriz de coeficientes (A). Una
base del espacio solución puede determinarse aplicando el criterio de base usual sobre las
(n − r ) variables libres.
Ejemplo 1: Determinar una base y la dimensión del subespacio W , generado por los
siguientes vectores v1 = (1, − 3, 2, 5), v2 (2, 3, 1, − 3), v3 = (3, 0, 3, 2).
1 − 3 2 5 1 − 3 2 5 1 − 3 2 5
2 3 1 − 3 0 9 − 3 − 13 0 9 − 3 − 13
3 0 3 2 0 9 − 3 − 13 0 0 0 0
Ejemplo 2: Determinar una base y la dimensión del subespacio W , generado por los
1 − 3 2 3 3 0
siguientes vectores A1 = , A2 = , A3 =
2 5 1 − 3 3 2
24
Solución: En lugar de trabajar con las matrices se analizará el problema con los vectores de
coordenadas de cada matriz con relación a la base usual o estándar del espacio vectorial de
las matrices de 2x2:
1 0 0 1 0 0 0 0
S = Base usual de M 2 x 2 = E1 = , E2 = , E3 = , E4 =
0 0 0 0 1 0 0 1
A1 S = (1, − 3, 2, 5)
A2 S = (2, 3, 1, − 3)
A = (3, 0, 3, 2)
3S
Como los vectores de coordenadas son los mismos vectores de R 4 del ejemplo anterior, se
aplica la misma solución, trasladando las conclusiones al problema original que es el
subespacio de las matrices de 2x2
1 − 3 2 5 1 − 3 2 5 1 − 3 2 5
2 3 1 − 3 0 9 − 3 − 13 0 9 − 3 − 13
3 0 3 2 0 9 − 3 − 13 0 0 0 0
Ejemplo 3: Determinar una base y la dimensión del espacio solución (W) del siguiente
x − y + z + s = 0
sistema de ecuaciones homogéneo x − y + 2 z + t + 2s = 0 .
z +t + s = 0
1 − 1 1 0 1 1 − 1 1 0 1 1 − 1 1 0 1
1 − 1 2 1 2 0 0 1 1 1 0 0 1 1 1
0 0 1 1 1 0 0 1 1 1 0 0 0 0 0
x − y + z + 0 t + s = 0 x = y − z + s x = y + t + 2s
z+ t+s =0 z = −t − s z = −t − s
Para determinar una base se aplica el criterio de base usual sobre las variables libres y, t
y s de la siguiente manera:
25
y = 1
x = 1
si t = 0 w1 = (1, 1, 0, 0, 0) primer vec tor de la base
s = 0 z = 0
y = 0
x = 1
si t = 1 w2 = (1, 0, − 1, 1, 0) segundo vector de la base
s = 0 z = −1
y = 0
x = 2
si t = 0 w3 = (2, 0, − 1, 0, 1) tercer vector de la base
s = 1 z = −1
Base de W = ( w1 , w2 , w3 )
W = ( x, y, z, t , s) R5 / x = y − z − s, y = x + 2 z + t + 2s, z + t + s = 0
dim W = 3
Base de W = w1 = (1, 1, 0, 0, 0), w2 = (1, 0, − 1, 1, 0), w3 = (2, 0, − 1, 0, 1)
5.4 Sumas, Intersecciones y Sumas Directas: Si U y W son dos subespacios del espacio
vectorial n-dimensional V entonces se puede definir:
2) U W = 0, es decir, que el único vector común entre U y W es el vector cero. Esto
se cumple si y solo si dim(U W ) = 0
27
Suma Directa: Se dice que V es la suma directa de U y de W, y se escribe V = U W , si y
solo si todo vector de V puede ser expresado de una sola manera como la suma de un vector de
U con otro de W, y esto ocurre únicamente si se cumplen las siguientes condiciones:
73
74
1
TRABAJO PRACTICO Nº 4
4. Encontrar las componentes del vector cuyo punto inicial es A y punto terminal es B
a) A (3,4), B (2,6) b) A (2,3), B (3,0) c) A (1,4), B (4,0)
d) A (3,4,2), B (2,6,0) e) A (2,3,5), B (3,0,2) f) A (1,4,0), B (4,0,5)
22. Determinar la ecuación del plano que pasa por los puntos A = (-2,1,1), B = (0,2,3) y
C = (1,0,-1).
23. Hallar la ecuación del plano que pasa por el punto P = (2,1,-1) y cuyo vector normal
es N = (1,-2,3).
3
24. Hallar la ecuación del plano que pasa por el punto P = (3,4,-5) y es paralelo a los
vectores u = (3,1,-1) y v = (1,-2,1).
x 4 5t
26. Encontrar el punto de intersección entre la recta y 2 t y el plano
z 4 t
3x y z 9 0 .
27. Determinar el plano que pasa por el punto (2,-7,6) y que es paralelo al plano
5x 2 y z 9 0 .
28. Determinar la distancia entre las rectas L1 y L2 , donde L1 es la recta que pasa por
el punto P=(1,2,-1) y es paralela a l vector u = (1,-3,2).
L2 P / P (3,2,1) s (3,1,1), s R .
1. Determine si el conjunto de todas las ternas (x, y, z) con las siguientes reglas :
Suma: (x, y, z) + ( a, b, c) = ( x + a, y - b, z + 2c )
Multiplicación por escalar: k(x, y, z) = ( ky, z, x )
¿ Es un espacio vectorial ? . Si no lo es , ¿ Qué axiomas no cumple ?
b) W (a, b) / b 2
c) W (a, b) / a 0
1 2 1 2
11. Determine si A = pertenece al subespacio generado por B1 = ,
-1 0 3 0
1 - 3 1 5
B2 = y B3 = .
2 0 2 0
15. Sea S = { v1 = (2, -1, 1), v 2 = (-1, -1, 2), v3 = (0, -1, 0) }, demuestre que S es una
base de R3. ¿ Cuál es la dimensión?.
5
19. Determine una base y la dimensión para cada uno de los siguientes subespacios:
a) V = { (a, b, c) : b = 2a }
b) W = { (a, b, c) : a + b = 0; 2a + c = 0 }
c) U = { (a, b, c) : -2a + b = 0 }
d) U W
e) V U
20. Determine una base y la dimensión para cada uno de los siguientes subespacios:
a b
a) U / a d 0, c b
c d
a b
b) W / c b 0
c d
c) U W
UNIDAD No. 5 TRANSFORMACIONES LINEALES
a + b 1
Ejemplo 2: Determinar si F : R 3 → M 2 x 2 tal que F (a, b, c) =
b + c
es lineal.
1
1
0 1 0 0
Solución: Como F (0,0,0) = , entonces la transformación F no es
1 0 0 0
lineal. Si se analizan las condiciones de linealidad se podrá constatar que una o ambas
condiciones no se cumplen. (Realizar estas verificaciones)
a) F (u + v) = F (u ) + F (v) = 0 + 0 = 0
Solución:
b) F (ku ) = kF (u ) = k 0 = 0
Ambas condiciones se cumplen, por lo tanto F : V → W es una transformación lineal,
se denomina transformación nula o cero.
Teorema 1: Sean V y U dos espacios vectoriales y que sea S = v1 , v2 ,....,vn una base
de V y u1 , u2 ,.....,un vectores cualesquiera pertenecientes a U. Entonces existe una
única transformación lineal F : V → U tal que:
F (v1 ) = u1 , F (v2 ) = u2 ,.......,F (vn ) = un
F (v1 ) = (3,1,0)
Ejemplo: Determinar la transformación lineal F : R 2 → R3 tal que
F (v2 ) = (1,4,2)
donde, v1 = (1,2), v2 = (−1,0) es una base de R 2
2
a1 − a2 = a
a1 = 2 b
1
= ( b + b − a, b + b − 4a, b − 2a )
3
2
1
2
1
2
4
2
F (a, b) = (− a + 2b, − 4a + b, − 2a + b )
5
2
Solución:
a) Imagen de F : Se toma una base de M ( 2 x 2) , es conveniente tomar la base usual y sus
imágenes generaran a la Im(F )
1 0 0 1 0 0 0 0
S = E1 = , E2 = , E3 = , E4 =
0 0 0 0 1 0 0 1
3
1 0
F = (1, 0)
0 0
F 0 1
= (0, 1) 1 0 1 0
0 0 0 1 0 1 dim(Im F ) = 2
0 0 0 1 0 0 Base(ImF) = w1 = (1,0), w2 = (0,1)
= (0, 1)
F 1
0 1 0 0 0
0 0
F = (1, 0)
0 1
dim KerF = 2
0 − 1 − 1 0
Base ( KerF) = A1 = 1 0 , A2 = 0 1
Ejemplo 2: Considere la matriz A como una transformación lineal y determina una base y
1 0
la dimensión del núcleo y de la imagen de la transformación, donde A(3 x 2) = 2 − 1
3 2
Solución:
T : R 2 → R 3 tal que T( v ) = A v
x
a) Núcleo de T : sea v = Ker T, entonces:
y
1 0 0 x + 0 y = 0
x
T( v ) = A v = 0 ; T( v ) = 2 − 1 = 0 de donde se obtiene: 2 x − y = 0
y
3 2 0 3x + 2 y = 0
4
El espacio solución de este sistema homogéneo es el Ker T, resolviendo el sistema se
0
obtiene que dim( KerT ) = 0 por lo tanto: Base( KerT ) = v1 =
0
b) Imagen de T : Aplicando T sobre una base del dominio, tomando la base usual de R2
1 0
e1 = , e2 =
0 1
1 0 1
1 1
T = 2 − 1 = 2
0 3 2 0 3
generan a la Im F
1 0 0
0 1
T = 2 − 1 = − 1
1 3 2 0 2
1 2 3
0 − 1 2 como son LI y generan a Im T , forman una Base de Im T. dim(Im T) = 2
1 0
Base (Im T) = u1 = 2 , u2 = − 1
3 2
Se puede observar que los vectores que generan la Im T son las columnas de A es decir, la
imagen de T es igual al espacio columna de A. Esto es válido para cualquier matriz A(mxn).
Teorema 3:
Una transformación se dice singular si la dimensión del núcleo es diferente de cero y será
no-singular si la dimensión del núcleo es igual a cero.
Teorema 4:
5
5. Operaciones con transformaciones lineales
5.1. Suma
Estas dos operaciones tienen como propiedades los ocho axiomas que fueron enunciados al
definir un espacio vectorial, entonces:
Teorema5:
Propiedades:
a) Gº (F+F’) = G º F + G º F’
b) (G + G’)º F = G º F + G’ºF
c) k(G º F) = ( k G)ºF = G º( k F)
Todas estas operaciones junto con sus propiedades definen el álgebra de las
transformaciones lineales.
6. Operadores lineales:
6
Todo el álgebra de las transformaciones lineales se aplica para los operadores, el producto o
composición se lo designa por GF en lugar de GºF y el espacio vectorial de los operadores
se lo representa por A(V) en lugar de Hom (V,V) además para los operadores se definen las
siguientes operaciones.
Sea T : V → U . Entonces :
T T = T T = T
m n n m (m+ n)
6.2.2. Polinomio en T
Sea T : V → V y que sea p(x) un polinomio en x de grado menor o iguales a n :
p(x) = a0 + a1 x + a2 x2 + …………………..an xn reemplazando x por T se puede obtener el
operador p (T ) denominado polinomio en T.
p (T ) = a0T0 + a1 T + a2 T2 + …………………..an Tn
p (T ) = a0I + a1 T + a2 T2 + …………………..+an Tn
Aplicando el polinomio en T sobre un v V
p (T ) ( v ) = (a0I + a1 T + a2 T2 + …………………..+an Tn) ( v )
p (T ) ( v ) = a0 v + a1 T ( v ) + a2 T2( v ) + …………………..+an Tn ( v )
Teorema 7:
Ejemplo:
7
Solución:
x + y = 0 x = 0
dim( KerT ) = 0 Luego T es no singular por lo tanto es
x − y = 0 y = 0
inversible.
Como: T ( x, y) = ( x + y, x − y) = ( s, t )
x + y = s
x = 2 s + 2 t
1 1
Entonces:
x − y = t y = 2 s − 2 t
1 1
Reemplazando:
T -1 ( s, t ) = (
1
2
s + 12 t , 1
2
s − 12 t )
7. Matrices y operadores lineales
Tal como para un vector v de un espacio vectorial se puede determinar su vector de
coordenadas, v , para un operador se puede encontrar una matriz que representa a dicho
operador.
. . . . . . . . . . . . .
. . . . . . . . . . . . .
.T (e1 ) = a n1e1 + a n 2 e2 + ....................... + a nn en
Definición :
8
La matriz transpuesta de los coeficientes aij determinados anteriormente se denomina la
representación matricial del operador lineal T con relación a la base { ei }, o simplemente la
matriz de T, y se representa por T e o T .
a11 a 21 . . a n1
a a 22 . . a n 2
12
T = . . .
. . .
a1n a2n . . a nn
Ejemplo 1:
Solución: Aplicando T sobre cada vector de la base y expresando cada imagen como
combinación lineal de la propia base se tiene.
a + a 2 =1 a = 4
T (v1 ) = T (1,1) = (1,4) = a1v1 + a 2 v 2 = a1 (1,1) + a 2 (1,0) 1 resolviend o 1
a1 + 0a 2 =4 a 2 = −3
b + b2 =2 b = 3
T (v 2 ) = T (1,0) = (2,3) = b1v1 + b2 v 2 = b1 (1,1) + b2 (1,0) 1 resolviend o 1
b1 + 0b2 =3 b2 = −1
T (v1 ) = 4v1 − 3v 2 4 3
por lo tanto T =
T (v 2 ) = 3v1 − 1v 2 − 3 − 1
Ejemplo 2:
Teorema 8:
9
Sea e1 , e2 ,................en una base de un espacio vectorial V y que sea T un operador lineal
perteneciente a A(V), entonces para todo v V se tiene que:
T e ve = T (v)e
Teorema 9:
Sea e1 , e2 ,................en una base de V definida sobre el campo R y que sea A el espacio
vectorial de las matrices cuadradas definidas sobre R. Entonces La aplicación de T→ T e es
un isomorfismo de A(V) sobre A . La aplicación es uno a uno y sobre y si S y T A(V) se
tiene que:
a) T + S e = T e + S e
b) kT e = k T e
La matriz de un operador con relación a bases diferentes nos dará matrices diferentes
relacionadas entre si a través de una matriz P de transición que se la puede definir como
sigue:
Suponiendo que { e1 , e2 , …………… en } sea una base de V y { f1 , f 2 , …………… f n } sea
otra base de V entonces:
f1 = a11e1 + a12 e2 + ....................... + a1n en
f 2 = a 21e1 + a 22 e2 + ....................... + a 2 n en
. . . . . . . . . . . . .
. . . . . . . . . . . . .
f n = a n1e1 + a n 2 e2 + ....................... + a nn en
Definición:
10
a11 a 21 . . a n1
a a 22 . . a n 2
12
P= . . .
. . .
a1n a2n . . a nn
Es fácil deducir que P es inversible, Porque? Y la inversa de P no es más que la matriz de
transición de la base { f i } a la base { ei }.
Teorema 11:
Sea P la matriz de transición de { ei } a { f i } en un espacio vectorial V, entonces v V
se tiene que:
P v f = v e y además P-1 v e = v f
Teorema 12:
Sea P la matriz de transición de { ei } a { f i } en un espacio vectorial V , entonces para
todo operador lineal T A(V) se tiene que:
T f = P-1 T e P
Ejemplo:
Sea T : R 2 → R 2 tal que T ( x, y) = (− x + y, 3x − y) y que sean { e1 = (1,0), e2 =(0,1)},
{ f1 =(1,1), f 2 =(0,-1)}dos bases de R 2 . Verificar el teorema 12.
Solución:
Matriz de transición de { ei } a { f i }
1 = (1,1) = 1e1 + 1e2
f 1 0
P=
f 2 = (0,−1) = 0e1 − 1e2 1 − 1
Matriz de transición de { f i } a { ei }
e1 = (1,0) = a1 f1 + a 2 f 2 = 1 f1 + 1 f 2 −1 1 0
P =
e2 = (0,1) = b1 f1 + b2 f 2 = 0 f1 − 1 f 2 1 − 1
Matriz de T con relación a { ei }
11
T (e1 ) = (−1, 3) = −1e1 + 3e2 − 1 1
T e =
T (e2 ) = (1, − 1) = 1e1 − 1e2 3 − 1
Matriz de T con relación a { f i }
T ( f1 ) = (0, 2) = a1 f1 + a 2 f 2 = 0 f1 − 2 f 2 0 − 1
T e =
T (e2 ) = (1, − 1) = b1e1 + b2 e2 = − 1e1 − 2e2 − 2 − 2
Luego :
T f = P-1 T e P
0 − 1 1 0 − 1 1 1 0
− 2 − 2 = 1 −1 3 − 1 1 −1
De igual manera que para los operadores se puede encontrar la representación matricial de
una transformación y enunciar sus teoremas correspondientes de aplicación.
Definición
12
a11 a 21 . . a m1
a a 22 . . a m 2
12
F ef = . . . . .
. . . . .
a1n a 2n . . a mn
Teorema 13:
Sea F : V → U una transformación lineal, entonces v V se tiene que:
F ef ve = F (v ) f
Teorema 14:
a) F + Ge = F e + Ge
f f f
V U W
GºF
8.2 Cambio de base
Teorema 16:
Sea P la matriz de transición de ei a ei' en V y que sea Q la matriz de transición de
{ f j }a{ f j' } en U, entonces para toda transformación lineal F : V → U se tiene:
13
a) Si se cambia la base tanto en el dominio como en el codominio
F ef' = F ef P
c) Si se cambia la base solo en el codominio:
14
TRABAJO PRACTICO Nº 5
TRANSFORMACIONES LINEALES
a) T: R2 R ; T (x, y) = x y.
b) T: R3 R2 ; T (x, y, z) = (0, y)
a b
F 2a 3b c d
c d
6. Sea T: R2R2 una transformación lineal . Sea S = {(1,0), (0, 1)} la base canónica de
R2. Se sabe que T(1,0) = ( -2, 4) y que T(0,1) = (0,-3) pero no se conoce la fórmula de T. Se
pide calcular T(-3, 5). ¿Cómo lo haría?
9. Se sabe que T(1,2) = (1,2,0) y que T( -1,0) = ( 0,0,2). ¿De qué transformación lineal se trata?
Encuentre la fórmula de la transformación
10. Defina el concepto de Núcleo o Kernel de una transformación lineal (ilustre gráficamente).
16. Sea T : R 3 R 3 un operador lineal tal que T (a, b, c) (a 2b, b c, 2a ) , determinar la matriz
de T con relación a la base usual de R 3 , S e1 (1,0,0), e2 (0,1,0), e3 (0,0,1) .
17. Para el mismo operador del ejemplo anterior determinar la matriz de T con relación a la base
B v1 (1,1,1), v2 (0,1,1), v3 (0,0,1)
18. Determinar la matriz de transición de la base S con relación a la base B, (P), y la matriz de
tansición de la base b con relación a la base S, ( P 1 ) y verificar que: T B P 1 T S P
19. Sea F : R 3 R 2 la transformación lineal tal que F (a, b, c) (2a b, a 2c) . Determinar la
matriz de F con relación a las bases B1 e1 (1,1,1), e2 (0,1,1), e3 (0,0,1) y a la base
usual de R 2 , S1 f1 (1,0), f 2 (0,1) , es decir, F e
f
22. Con los datos de los ejemplos 19, 20 y 21 verificar que F v Q 1 F e P , donde Q 1 es la
u f
1 2 0
23. Sea A la representación matricial de la transformación lineal F : R R con
3 2
1 2 1
relación a las bases B v1 (1,1,1), v2 (0,1,1), v3 (0,0,1) y S u1 (1,0), u 2 (1,1) ,
determinar:
F (v1 )
a) F (v2 ) b) Una fórmula para F, es decir, F (a, b, c)
F (v )
3