2

Aplicaciones de los sistemas lineales

1.- Una fabrica produce tres tipos de productos, mezclando para ello tres materias primas. Se sabe que
para fabricar una unidad del producto 1, se necesitan, una unidad de la materia prima 1, tres unidades de
la materia prima 2 y dos unidades de la materia prima 3; para fabricar una unidad del producto 2, se
necesitan, una unidad de la materia prima 1 y tres de la materia prima 2; finalmente, para fabricar una
unidad del producto 3, se necesitan, tres unidades de la materia prima 1, tres de la materia prima 2 y dos
de la materia prima 3.
Si este mes la fabrica cuenta con seis millones de unidades de la materia prima 1, 12 millones de
unidades de la materia prima 2 y seis millones de la materia prima 3 ¿cuantas unidades de cada producto
puede producir la fabrica usando el total de las materias primas?
 3
Solución:
Para cada 𝑖 ∈ 1,2,3 , sea 𝑥𝑖 las unidades (en millones) del producto 𝑖 que puede producir la
fabrica.

𝑥1 + 𝑥2 + 3𝑥3 de la materia prima 1

Por lo tanto, la cantidad de unidades (en millones) que 3𝑥1 + 3𝑥2 + 3𝑥3 de la materia prima 2
se usaran es: 2𝑥1 + 2𝑥3 de la materia prima 3

𝑥1 + 𝑥2 + 3𝑥3 = 6
Como queremos usar el total de las materias primas;
3𝑥1 + 3𝑥2 + 3𝑥3 = 12
entonces
2𝑥1 + 2𝑥3 = 6

1 1 3 6 1 0 02
3 3 3 12 que es equivalente a: 0 1 01
2 0 2 6 0 0 11

Conclusión:
Usando el total de la materia prima, se pueden fabricar dos millones de unidades del producto 1 y un
millón de unidades de cada uno de los productos 2 y 3.
 4

ESPACIOS VECTORIALES

Definición 1:
Sea 𝐾 un campo y 𝑉 un conjunto no vacío, 𝑉 conjuntamente con una
operación de adición (+) y una operación de una multiplicación por escalar
(.) es llamado espacio vectorial sobre 𝐾, si se satisfacen los siguientes
axiomas:
 5

Axiomas para la suma :

1. Cerradura de la suma: Si 𝑢 y 𝑣 son elementos de 𝑉, entonces 𝑢 + 𝑣 ∈ 𝑉.
2. Conmutatividad de la suma: Si 𝑢 y 𝑣 son elementos de 𝑉, entonces
𝑢 + 𝑣 = 𝑣 + 𝑢.
3. Asociatividad de la suma: Si 𝑢 , 𝑣 y 𝑤 son elementos de 𝑉, entonces
(𝑢 + 𝑣)+ 𝑤 = 𝑢 +(𝑣 + 𝑤).
4. Existencia de elemento neutro aditivo: Existe un único elemento en 𝑉, el
cual llamaremos vector nulo de 𝑉 y denotado como 0𝑉 ; tal que, para cada
𝑢 ∈ 𝑉 se tiene que: 𝑢 + 0𝑉 = 0𝑉 + 𝑢 = 𝑢.
5. Existencia de elemento opuesto para la suma: Para cada 𝑢 ∈ 𝑉, existe un
único elemento en 𝑉, llamado vector opuesto de 𝑢 y denotado por - 𝑢, tal
que 𝑢 +(- 𝑢) = (- 𝑢)+ 𝑢 = 0𝑉 .
 6

Axiomas para la multiplicación:

1. Cerradura de multiplicación por escalar: Si 𝛼 ∈ 𝐾 y 𝑢 es un elemento de
𝑉, entonces 𝛼𝑢 ∈ 𝑉.
2. Si 𝛼 ∈ 𝐾 y 𝑢, 𝑣 ∈ 𝑉, entonces
𝛼(𝑢 + 𝑣) = 𝛼𝑢+ 𝛼𝑣.
3. Si 𝛼, 𝛽 ∈ 𝐾 y 𝑢 ∈ 𝑉 entonces
(𝛼 + 𝛽) 𝑢 = 𝛼𝑢+𝛽𝑢
4. Si 𝛼, 𝛽 ∈ 𝐾 y 𝑢 ∈ 𝑉 entonces
(𝛼𝛽)𝑢 = 𝛼(𝛽𝑢) = 𝛽(𝛼𝑢)
5. Si 𝑢 ∈ 𝑉 entonces 1. 𝑢 = 𝑢
 7

Notación:
Los espacios vectoriales los podemos denotar de las siguientes maneras:
 𝑉, 𝐾, +, .
 𝑉, 𝐾
 Simplemente 𝑉 ; cuando quede claro cuales son los elementos que definen el espacio
vectorial.

 El neutro aditivo es único, esto es, el vector 0𝑉 es el único que satisface el

axioma 4 para la suma.

 Para cada vector 𝑢 ∈ 𝑉; su opuesto aditivo - 𝑢 ∈ 𝑉 es único.

 8

 Ejemplos

1. El conjunto 𝑉 = 𝑂𝑉 , sobre un campo 𝐾, con las operaciones: 0 + 0 = 0 y 𝜆. 0 = 0 ,

𝜆 ∈ 𝐾, es un espacio vectorial, al cual llamaremos, espacio vectorial trivial.

2. Sea ℝ𝑛 el conjunto de vectores 𝑛-coordenadas de números reales; es decir:

ℝ𝑛 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 ; 𝑥𝑖 ∈ ℝ, 𝑖 = 1, … , 𝑛

𝑥1
𝑥2
ℝ𝑛 = ; 𝑥𝑖 ∈ ℝ, 𝑖 = 1,2, … 𝑛
⋮
𝑥𝑛
es un espacio vectorial real respecto de las siguientes operaciones:
• 𝑥1 , 𝑥2 , … , 𝑥𝑛 + 𝑦1 , 𝑦2 , … , 𝑦𝑛 = 𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛 y
• α 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 𝛼𝑥1 , 𝛼𝑥2 , … , 𝛼𝑥𝑛 .
 9

Cerradura de la suma:

Cerradura de multiplicación por escalar:

Conmutatividad de la suma:
 10

Asociatividad de la suma:

Existencia de elemento neutro aditivo

 11

Existencia de elemento opuesto para la suma:

 12

Axiomas para la multiplicación:

13
 14

3. El conjunto de las matrices de orden 𝑚𝑥𝑛, 𝑀𝑚𝑥𝑛 (𝐾), con las operaciones de

suma de matrices y multiplicación por escalar es un 𝐾 −espacio vectorial

4. El conjunto de todos los polinomios con coeficientes en ℝ de grado menor o igual a

𝑛, 𝑃𝑛 ℝ = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛 , 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑎0 , 𝑎1 , … , 𝑎𝑛 ∈ ℝ , es un espacio
vectorial real, con las operaciones usuales entre polinomios

Sea 𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛 𝑥 𝑛 y q(𝑥) = 𝑏0 + 𝑏1 𝑥 + 𝑏2 𝑥 2 + ⋯ + 𝑏𝑛 𝑥 𝑛 y 𝜆 ∈ ℝ

 (𝑝 + 𝑞)(𝑥) = (𝑎0 +𝑏0 ) + (𝑎1 + 𝑏1 )𝑥 + (𝑎2 +𝑏2 )𝑥 2 + ⋯ + (𝑎𝑛 +𝑏𝑛 )𝑥 𝑛

 (𝜆𝑝)(𝑥) = 𝜆𝑎0 + 𝜆𝑎1 𝑥 + 𝜆𝑎2 𝑥 2 + ⋯ + 𝜆𝑎𝑛 𝑥 𝑛

 15

5. Sea 𝐶 𝑛 el conjunto de las 𝑛-uplas ordenadas de números complejos, con las

operaciones:

Adición:
𝑥1 , 𝑥2 , … , 𝑥𝑛 + 𝑦1 , 𝑦2 , … , 𝑦𝑛 = 𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛
Multiplicación:
α 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 𝛼𝑥1 , 𝛼𝑥2 , … , 𝛼𝑥𝑛 .

Es un espacio vectorial complejo.

6. Sea 𝐶 𝑛 el conjunto de las 𝑛-uplas ordenadas de números complejos, con las

operaciones:

Adición:
𝑥1 , 𝑥2 , … , 𝑥𝑛 + 𝑦1 , 𝑦2 , … , 𝑦𝑛 = 𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛

Multiplicación:
α 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 𝛼𝑥1 , 𝛼𝑥2 , … , 𝛼𝑥𝑛 .

Es un espacio vectorial real.

 16

7. Consideremos la matriz 𝐴 ∈ 𝑀𝑚𝑥𝑛 (ℝ), los conjuntos:

𝑆 = 𝑋 ∈ 𝑀𝑛𝑥1 ℝ , 𝐴𝑋 = 0𝑚𝑥1 y
R = 𝑌 ∈ 𝑀𝑚𝑥1 ℝ , 𝐴𝑋 = 𝑌, 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑋 ∈ 𝑀𝑛𝑥1 ℝ ,
junto con las operaciones de suma de matrices y multiplicación por
escalar son espacios vectoriales.
 17

8. Determinar cuales de las ternas (𝑉, +, . ) forman un espacio vectorial:

𝑎. El conjunto 𝑉 = 𝑥, 𝑦 ∈ ℝ2 , 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑦 = 𝑥 + 1 con la suma de vectores y la

multiplicación por un escalar definidas en ℝ2 .

𝑏. El conjunto 𝑉 = 𝑥, 𝑦 ∈ ℝ2 , 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑦 = 𝑥 + 1 con las operaciones

𝑥, 𝑦 ⊕ 𝑧, 𝑤 = 𝑥 + 𝑧 , 𝑦 + 𝑤 − 1
𝛼 ⊙ 𝑥, 𝑦 = (𝛼𝑥 , 𝛼 𝑦 − 1 + 1)
 18

𝐚. El conjunto 𝐕 = 𝐱, 𝐲 ∈ ℝ𝟐 , 𝐭𝐚𝐥 𝐪𝐮𝐞 𝐲 = 𝐱 + 𝟏 con la suma de vectores y la multiplicación

por un escalar definidas en ℝ𝟐 .

Solución:
Sean (1,2) y 2,3 ∈ 𝑉, Luego 1,2 + 2,3 = 3,5 ∉ 𝑉

Por lo tanto, V con la suma de vectores y la multiplicación por un escalar definidas en ℝ𝟐

No es un espacio vectorial

𝒃. El conjunto 𝑽 = 𝒙, 𝒚 ∈ ℝ𝟐 , 𝒕𝒂𝒍 𝒒𝒖𝒆 𝒚 = 𝒙 + 𝟏 con las operaciones

𝒙, 𝒚 ⊕ 𝒛, 𝒘 = 𝒙 + 𝒛 , 𝒚 + 𝒘 − 𝟏
𝜶 ⊙ 𝒙, 𝒚 = (𝜶𝒙 , 𝜶 𝒚 − 𝟏 + 𝟏)
Solución:

1.- Cerradura de la suma

Sean (𝑥, 𝑦) y (𝑧, 𝑤) ∈ 𝑉, Entonces 𝑦 = 𝑥 + 1 y 𝑤 = 𝑧 + 1

 19

𝑃𝑜𝑟 𝑜𝑡𝑟𝑜 𝑙𝑎𝑑𝑜; 𝑥, 𝑦 ⨁ (𝑧, 𝑤) = (𝑥 + 𝑧 , 𝑦 + 𝑤 − 1)

Pero, 𝑦 + 𝑤 − 1 = (𝑥 + 1) + (𝑧 + 1) − 1 = 𝑥 + 𝑧 + 1. Así podemos concluir : 𝑥, 𝑦 ⨁ 𝑧, 𝑤 ∈ 𝑉

2.- Cerradura de multiplicación por escalar

Sea 𝛼 ∈ ℝ y 𝑥, 𝑦 ∈ 𝑉, Entonces 𝑦 = 𝑥 + 1

Por otro lado, 𝛼 ⊙ (𝑥, 𝑦) = (𝛼𝑥 , 𝛼(𝑦 − 1) + 1)

Pero, 𝛼(𝑦 − 1) + 1= 𝛼𝑦 − 𝛼 + 1 = 𝛼𝑥 + 𝛼 − 𝛼 + 1 = 𝛼𝑥 + 1

Así podemos concluir : 𝛼 ⊙ (𝑥, 𝑦) ∈ 𝑉

 20

3.- Existencia de elemento neutro aditivo

0𝑉 = (𝑎, 𝑏) tal que satisface : 𝑥, 𝑦 ⨁ 𝑎, 𝑏 = (𝑥, 𝑦) = (𝑎, 𝑏)⨁(𝑥, 𝑦)

(𝑥 + 𝑎 , 𝑦 + 𝑏 − 1) = (𝑥, 𝑦)

𝑥+𝑎 =𝑥
Igualando componente a componente tenemos:
𝑦+𝑏−1 = 𝑦

Por lo que podemos concluir : 0𝑉 = 0, 1 ∈ 𝑉.

4.- Existencia de elemento opuesto para la suma

Sea 𝐗 = 𝑥, 𝑦 ∈ 𝑉 ; Entonces 𝑦 = 𝑥 + 1

Supongamos −𝑿 = (𝑎, 𝑏) Tal que satisface: (𝑥, 𝑦)⨁(𝑎, 𝑏) = (0,1) = (𝑎, 𝑏)⨁(𝑥, 𝑦)
 21

𝑥+𝑎 =0
Luego, 𝑥 + 𝑎 , 𝑦 + 𝑏 − 1 = 0,1 ; De aquí tenemos:
𝑦+𝑏−1=1

Por lo que podemos concluir :

Para cada 𝐗 = 𝑥, 𝑦 ∈ 𝑉, existe – 𝑿 = (−𝑥, 2 − 𝑦) ∈ 𝑉 ; tal que 𝑿 ⨁(−𝑿) = 0𝑉

 Se deja al estudiante verificar que se satisfacen las demás propiedades, que nos permitirán demostrar que
el conjunto 𝑽 = 𝒙, 𝒚 ∈ ℝ𝟐 , 𝒕𝒂𝒍 𝒒𝒖𝒆 𝒚 = 𝒙 + 𝟏 con las operaciones
𝒙, 𝒚 ⨁ 𝒛, 𝒘 = 𝒙 + 𝒛 , 𝒚 + 𝒘 − 𝟏
𝜶 ⊙ 𝒙, 𝒚 = (𝜶𝒙 , 𝜶 𝒚 − 𝟏 + 𝟏)

Es un espacio vectorial. (Deber 2)

 22

Definición 2:
Si 𝑉 es un espacio vectorial y 𝑢, 𝑣 ∈ 𝑉: Definimos la resta de estos vectores como
𝑢 - 𝑣 = 𝑢 +(- 𝑣).

Teorema 1: (Deber 3)
Sea 𝑉 un espacio vectorial cualquiera. Entonces se cumple:
1. 0 . 𝑣 = 0𝑉 , para cada 𝑣 ∈ 𝑉,
2. 𝛼 . 0𝑉 = 0𝑉 ; para cada 𝛼 ∈ 𝐾,
3. - 𝑣 = (-1) . 𝑣; para cada 𝑣 ∈ 𝑉,
4. Si 𝛼. 𝑣= 0𝑉 , entonces 𝛼 = 0 ó 𝑣 = 0𝑉