You are on page 1of 43

Algebra Lineal Facultad de Metalurgia Dr.

Gregorio Gonzalez Zamarripa 1


UADEC
FACULTAD DE METALURGIA


ALGEBRA LINEAL

Dr. Gregorio Gonzalez Zamarripa























Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 2

Índice
1. SISTEMAS DE ECUACIONES LINEALES 3

2. ESPACIOS VECTORIALES REALES 19


3. VALORES PROPIOS 40

4. SISTEMAS DE COORDENADAS 44

5. NUMEROS COMPLEJOS 54





















Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 3
1. SISTEMAS DE ECUACIONES LINEALES
1.1 Matrices
Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El
desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853,en 1858, A.
Cayley introduce la notación matricial como una forma abreviada de escribir un sistema de m
ecuaciones lineales con n incógnitas.
Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones
lineales, de las ecuaciones diferenciales y de las derivadas parciales. Además de su utilidad
para el estudio de sistemas de ecuaciones lineales, las matrices aparecen de forma natural
en geometría, estadística, economía, informática, física, etc.
La utilización de matrices (arrays) constituye actualmente una parte esencial de los lenguajes
de programación, ya que la mayoría de los datos se introducen en los ordenadores como
tablas organizadas en filas y columnas, hojas de cálculo, bases de datos.
CONCEPTO DE MATRIZ
Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, suelen
ser números ordenados en filas y columnas.
Se llama matriz de orden "m × n" a un conjunto rectangular de elementos a
ij
dispuestos en
m filas y en n columnas. El orden de una matriz también se denomina dimensión o
tamaño, siendo m y n números naturales.
Las matrices se denotan con letras mayúsculas: A, B, C, ... y los elementos de las mismas
con letras minúsculas y subíndices que indican el lugar ocupado: a, b, c, ..., un elemento
genérico que ocupe la fila i y la columna j se escribe a
ij
. Si el elemento genérico aparece
entre paréntesis también representa a toda la matriz : A = (a
ij
)

Por ejemplo:

*


+
Las filas son (1 -2 5) y (4 5 6)
Y las columnas (

) (

) y (

)
Cuando nos referimos indistíntamente a filas o columnas hablamos de lineas.
El número total de elementos de una matriz Am×n es m·n
En matemáticas, tanto las Listas como las Tablas reciben el nombre genérico de matrices.
1.2 Algebra de matrices

Las matrices se pueden sumar, restar, multiplicar, multiplicar por un escalar diferente de
cero, y hacer combinaciones. Ejemplos:

Para que las matrices se puedan sumar deben ser del mismo tamaño
Para que 2 matrices puedan multiplicarse deben cumplir la regla A
mn
*B
np
=C
mp



Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 4
En cada ejercicio dadas las matrices A, B y C realiza las siguientes operaciones
matriciales : a) A + B b) B – A c) 2 A + 3 B d) 5 A - 4 B


1) A= *


+ B= *


+


2)
2 4 3
1 7 4
6 5 2
÷
÷ ÷
÷
= A
7 9 2
8 4 3
7 2 5
÷ ÷ ÷
÷ ÷
÷ ÷
= B

3)
2 1 2
1 0 3
÷ ÷
= A
3 2 1
1 2 0
÷ ÷
= B


4) 0 1 = A

5)
0 2 2 1
1 2 3 0
5 4 3 2
4 3 2 1
÷ ÷
÷ ÷ ÷ ÷
= A
4 3 0 5
7 8 6 4
1 1 3 0
4 9 7 5
÷
÷
÷
= B


6) 5 2 ÷ = A 9 7 5 = B

7)
8 2
3 5
÷ ÷
÷ ÷
= A
3 7
1 2
÷
÷
= B


Multiplicación de matrices

Encuentra AB y BA, siempre y cuando cumpla con la regla la regla A
mn
*B
np
=C
mp




1)
(
¸
(

¸

÷
=
6 2
5 3
A
(
¸
(

¸
÷
=
7 1
2 5
B


2)
(
¸
(

¸

÷
÷
=
1 2
3 4
A
(
¸
(

¸

=
2 4
1 2
B

3)
(
(
(
¸
(

¸

÷
÷
=
1 3 5
2 4 0
1 0 3
A
(
(
(
¸
(

¸

÷
÷
÷
=
3 1 0
2 1 4
0 5 1
B


4)
(
(
(
¸
(

¸

÷ =
2 0 0
0 3 0
0 0 5
A
(
(
(
¸
(

¸

÷
=
2 0 0
0 4 0
0 0 3
B


1 0 ÷ = B
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 5
5)
(
¸
(

¸

÷
÷
=
2 2 5
1 3 4
A
(
(
(
¸
(

¸

÷
=
7 4
1 0
1 2
B


6)
(
(
(
¸
(

¸

=
6 5
4 3
2 1
A
(
(
(
¸
(

¸

÷ ÷ =
4 3
2 1
2 0
B

Aplicación de las matrices

7) Tres fundidores: José, Pedro y Arturo trabajan a destajo para una Fundicion .Por
cada juego de piezas de Hierro les pagan $500; si es de Bronce les pagan $400 y si es
de Aluminio tratado les pagan $100. A continuación están las matrices A y B que
representas sus producciones en enero y febrero. La matriz X es la matriz
pago/unidad.




Arturo
Pedro
José
100 min
400
500
4 1 2
3 0 2
3 2 1
3 2 1
4 1 1
3 0 2
Alu
Bronce
Hierro
Alum Bronce Hierro Alum Bronce Hierro
(
(
(
(
¸
(

¸

(
(
(
(
¸
(

¸

Calcule las siguientes matrices y decida que representan.
a) AX b) BX c) B A+ D) ( )X B A+

8. Se desea mezclar vino de 5.50 $/litro. con otro de 4 $/litro. de modo que la mezcla resulte
a 4,50 S/litro. ¿Cuántos litros de cada clase deben mezclarse para obtener 300 litros de la
mezcla?

9. Se quiere obtener 1 lingote de oro de 1 kg. de peso y ley de 900 milésimas, fundiendo oro
de 975 milésimas y oro de 875 milésimas. ¿Qué cantidad hay que fundir de cada clase?

1.3 Solución de sistemas de ecuaciones lineales

El objetivo de este tema es la resolución de sistemas de ecuaciones lineales. Aunque en
cursos anteriores ya se ha tratado este tema, aquí vamos a hacerlo de una forma más
general.


1.3.1.- Definiciones. Tipos de sistemas de ecuaciones.

Definición: Llamaremos ecuación lineal a cualquier ecuación de grado 1 con una o varias
incógnitas.

Ejemplos:

4x = 5
5x + 3y = 7
7x - 2y + 6z = -2

Definición: Diremos que dos ecuaciones lineales son equivalentes cuando tienen las
mismas soluciones.

Ejemplos:

Producción
febrero
B
Producción
enero
A
Salario/
Unidad
X
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 6
x = 5 es equivalente a 2x -1 = x +4

3x + 2y = 8 es equivalente a 7x +y -2 = 4x –y +6


Definición: Llamaremos sistema de m ecuaciones con n incógnitas, a un conjunto de
ecuaciones de la forma:


¦
¦
¦
)
¦
¦
¦
`
¹
= + + +
= + + +
m n mn m m
n n
b x a x a x a
b x a x a x a
.. ..........
.. .......... .......... .......... .......... ..........
.. .......... .......... .......... .......... ..........
. .......... .......... .......... .......... ..........
.. ..........
2 2 1 1
1 1 2 12 1 11
(W)


Los elementos R a
ij
e son los coeficientes del sistema.
Los elementos x
i
son las incógnitas del sistema.
Los elementos b
j
serán los términos independientes.

Ejemplos:


)
`
¹
= +
= +
14 5 2
5 2 3
y x
y x
es un sistema lineal de dos ecuaciones y dos incógnitas


)
`
¹
= +
= + +
40 5 2 1
19 5
2 2
y x
y xy x
no es un sistema lineal

Definición: Llamaremos solución del sistema anterior (W), a todo vector o n-upla (w
1
,
w
2
,…..,w
n
) que verifique todas las igualdades del sistema.


Definición: Discutir un sistema consiste en decir si tiene o no solución.


Definición: Resolver un sistema será hallar el conjunto de sus soluciones.



Atendiendo al número de soluciones, podemos clasificar los sistemas de la siguiente forma:

Si el sistema no tiene solución diremos que es incompatible.
Si el sistema tiene solución diremos que es compatible.

Si el sistema tiene una única solución diremos que compatible y determinado.
Si tiene infinitas soluciones diremos que es compatible e indeterminado.


¦
¹
¦
´
¦
¹
´
¦
) soluciones (infinitas ados Indetermin
solución) (una os Determinad
) (sin
. . .
s Compatible
solución les Incompatib
L E S los de ión Clasif icac

Definición: Llamamos sistemas homogéneos a los que tienen todos los términos
independientes nulos.

Ejemplo:

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 7
¦
)
¦
`
¹
= + ÷
= ÷ + ÷
= + ÷
0 4 5 2
0 12 5 2
0 5 2 3
z y x
z y x
z y x


Estos sistemas siempre admiten la solución (0, 0, 0,......,0) que recibe el nombre de solución
trivial, por tanto, los sistemas homogéneos son siempre compatibles.

1.3.2.- Sistemas de ecuaciones equivalentes.

Definición: Dos sistemas de ecuaciones lineales diremos que son equivalentes cuando
tienen el mismo conjunto de soluciones.

Ejemplos
Los sistemas
¦
)
¦
`
¹
= + ÷
= + +
= + + ÷
4 4
6 2 3
0 2
z y x
z y x
z y x
y
¦
)
¦
`
¹
= ÷
= +
= ÷ ÷
0
7 2 5
0 2
z x
z y
z y x
son equivalentes ya que tienen las mismas
soluciones (x=1, y=1, z=1)

1.3.3.- Expresión matricial y vectorial de un sistema.

Vamos a ver que todo sistema se puede expresar en términos de matrices. Es lo que se
conoce como expresión matricial de un sistema.

Sea un sistema de m ecuaciones con n incógnitas cualquiera:

¦
¦
¦
)
¦
¦
¦
`
¹
= + + +
= + + +
m n mn m m
n n
b x a x a x a
b x a x a x a
.. ..........
.. .......... .......... .......... .......... ..........
.. .......... .......... .......... .......... ..........
. .......... .......... .......... .......... ..........
.. ..........
2 2 1 1
1 1 2 12 1 11


Podemos considerar entonces las siguientes matrices:


|
|
|
|
|
|
.
|

\
|
=
mn m m
n
a a a
a a a
A
.........
..... ......... ..... .....
..... ......... ..... .....
..... ......... ...... .....
.........
2 1
1 12 11

|
|
|
|
|
.
|

\
|
=
n
x
x
x
X
....
2
1

|
|
|
|
|
|
.
|

\
|
=
m
b
b
b
B
.....
.....
2
1


La matriz A recibe el nombre de matriz de coeficientes, la matriz X es la matriz de incógnitas
y la matriz B es la matriz de los términos independientes.

En tal caso nuestro sistema se podrá expresar como: A·X=B.

Por tanto, resolver el sistema equivale a hallar la matriz X anterior, que será X=A
-1
·B

Por otra parte, podemos expresar también nuestro sistema en forma vectorial . Veámoslo.

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 8
Sea
¦
¦
¦
)
¦
¦
¦
`
¹
= + + +
= + + +
= + + +
÷
n n mn m m
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
S
......
....... .......... .......... .......... ..........
....... .......... .......... .......... ..........
......
......
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
un sistema de m ecuaciones lineales con n
incógnitas.

Entonces, lo podemos escribir como:

|
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
|
.
|

\
|
+ +
|
|
|
|
|
|
.
|

\
|
+
|
|
|
|
|
|
.
|

\
|
m mn
n
n
n
m m
b
b
b
a
a
a
x
a
a
a
x
a
a
a
x
.
.
.
. ......
.
.
.
.
2
1
2
1
2
22
12
2
1
21
11
1
es decir B C x C x C x
n n
= + + + .....
2 2 1 1


donde
n
C C C ,......, ,
2 1
son las columnas de la matriz de los coeficientes del sistema, y B es la
columna de los términos independientes del sistema. Esta forma de escribir un sistema de
ecuaciones se denomina notación vectorial del mismo.

Expresado de esa forma, de existir alguna solución (x
1
, x
2
, …, x
n
) del sistema, B sería
combinación lineal de las columnas de A.

En resumen:

- Un sistema tendrá solución si podemos resolver la ecuación matricial X=A
-1
·B
- Si la columna de los términos independientes es combinación lineal de las columnas
de A

1.4 Existencia de soluciones. Inversa de una matriz

Sea A una matriz cuadrada no singular, es decir, que su determinante sea diferente de cero,
|| . Por definición de matriz inversa, se tiene que

es la inversa de A si:

Haciendo X=A
-1
y sustituyendo en la ecuación anterior, se obtiene
A X = I
Puede considerarse que esta ecuación matricial representa un sistema de ecuaciones
simultáneas, en donde no hay un solo vector de términos independientes sino n, los n
vectores básicos que forman la matriz unitaria I. Además, no existe un solo vector de
incógnitas, sino n, los que corresponden a cada columna de la matriz unitaria.
Por lo anterior, es posible determinar la inversa de una matriz con el método de Gauss-
Jordan de eliminación completa. Para lograrlo, bastará con aplicar las operaciones
elementales sobre los renglones de la matriz ampliada (A, I) de manera de transformar A en
I. Cuando se haya hecho, se obtendrá la matriz ampliada (I, A
-1
), con lo que se tendrá la
inversa buscada.
EJEMPLO
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 9
Hallar la inversa de la matriz
[



]

Auméntese la matriz de coeficientes con una matriz identidad
[



]
Usando a11 como pivote, el renglón 1 se normaliza y se usa para eliminar a X1 de los otros
renglones.





En seguida, se usa a22 como pivote y X2 se elimina de los otros renglones.

Finalmente, se usa a33 como pivote y X3 se elimina de los renglones restantes:
(I, A
-1
)=

Por lo tanto, la inversa es:

Se puede resolver un sistema de ecuaciones con la inversa de la matriz de coeficientes, de la
siguiente manera:

donde C es el vector de términos independientes.
Comparando ambos métodos, es evidente que el método de inversión de matrices no es
práctico para la solución de un sólo conjunto (o dos o tres conjuntos) de ecuaciones
simultáneas, porque la cantidad de cálculos que intervienen para determinar la matriz inversa
es muy grande. Sin embargo, si se desea resolver 20 conjuntos de 10 ecuaciones
simultáneas que difieren únicamente en sus términos independientes, una matriz aumentada
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 10
que contiene 20 columnas de constantes (que se utilizarían en el método de eliminación)
sería difícil de reducir, y se podría usar con ventaja el método de inversión de matrices.
Problemas de Tarea

1) Calcular la inversa de la matriz

(
(
(
¸
(

¸

9 6 2
8 6 2
7 4 1

a)
(
(
(
¸
(

¸

÷
÷
÷ ÷
1 1 0
3 1
5 3 3
2
5


b)
(
(
(
¸
(

¸

÷
÷
÷ ÷
3 1 0
3 1
5 3 3
2
5


c)
(
(
(
¸
(

¸

÷
÷
÷ ÷
5 1 0
3 1
5 3 3
2
5


d)
(
(
(
¸
(

¸

÷
÷
÷ ÷
7 1 0
3 1
5 3 3
2
5


e)
(
(
(
¸
(

¸

÷
÷
÷ ÷
9 1 0
3 1
5 3 3
2
5


2) Calcular la inversa

(
(
(
¸
(

¸

9 6 2
8 6 2
7 6 1


Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 11
a)
(
(
(
¸
(

¸

÷
÷
÷ ÷
1 1 0
1
6
5
3
1
1 1 1


b)
(
(
(
¸
(

¸

÷
÷
÷ ÷
1 1 0
1
6
5
3
1
1 1 3


c)
(
(
(
¸
(

¸

÷
÷
÷ ÷
1 1 0
1
6
5
3
1
1 1 5


d)
(
(
(
¸
(

¸

÷
÷
÷ ÷
1 1 0
1
6
5
3
1
1 1 7


e)
(
(
(
¸
(

¸

÷
÷
÷ ÷
1 1 0
1
6
5
3
1
1 1 9


3) Calcular la inversa

(
(
(
¸
(

¸

9 6 2
8 6 2
8 6 1


a)
(
(
(
¸
(

¸

÷
÷
÷
1 1 0
0 1 1
3
4
6
7
3
1


b)
(
(
(
¸
(

¸

÷
÷
÷
1 1 0
0 1 5
3
4
6
7
3
1


Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 12
c)
(
(
(
¸
(

¸

÷
÷
÷
1 1 0
0 1 7
3
4
6
7
3
1


d)
(
(
(
¸
(

¸

÷
÷
÷
1 1 0
0 1 9
3
4
6
7
3
1


e)
(
(
(
¸
(

¸

÷
÷
÷
1 1 0
0 1 11
3
4
6
7
3
1



c)
(
(
(
¸
(

¸

÷
÷
÷ ÷
0 1 5
1 0 1
2 4 1


d)
(
(
(
¸
(

¸

÷
÷
÷ ÷
0 1 7
1 0 1
2 4 1


e)
(
(
(
¸
(

¸

÷
÷
÷ ÷
0 1 9
1 0 1
2 4 1






1.5 Descomposición LU

Utilización de la descomposición LU para calcular la matriz inversa

El siguiente método lo presentamos como una alternativa cuando se requiere calcular la
matriz inversa, una vez se ha calculado la descomposición LU.

En el problema de clase descompusimos a la matriz [



]


en la forma A = PLU,

donde P es una matriz de permutación, debido a que intercambiamos la 1ra. y 2da. filas de
A, lo cual no era indispensable mas nos permitió utilizar el 1, primer elemento de la segunda
fila como pivote para lograr ceros en la primera columna de A, lo cual nos pareció
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 13
conveniente. Si hubiesemos utilizado una calculadora, a riesgo de perder precisión por la
presencia de error por redondeo o truncamiento, propio de computadoras y calculadoras, no
hubieramos intercambiado filas y tendríamos la descomposición LU de A.

Como en nuestro caso
LU=[



] [



] [



]


Utilizaremos esta descomposición para calcular la matriz inversa A
-1
de

A= [



]

Solución: Para calcular la matriz inversa de A, debemos resolver la ecuación matricial

AX = I, I es la matriz identidad

En caso de que esta ecuación tenga solución, la matriz X será la inversa de A.

Restringiéndonos a matrices de orden 3, lo cual no invalida el método que en cualquier caso
es similar, consideremos a X como una matriz particionada en sus columnas, luego

X = ( X
1,
X
2,
X
3
)

Por lo tanto AX = I es equivalente a A

( X
1,
X
2,
X
3
) = ( AX
1,
AX
2,
AX
3
) = ( e
1,
e
2,
e
3
),
donde

1 0 0
e
1
= 0 e
2
= 1 e
3
= 0
0 0 1

son los vectores columna de la matriz idéntica.

Basta por lo tanto resolver por separado las ecuaciones matriciales

AX
1
= e
1,
AX
2
= e
2,
AX
3
= e
3

Resolveremos cada una de estas ecuaciones matriciales utilizando la descomposición LU de
A.

Sabemos que salvo el intercambio de la 1ra. y 2da. filas, la descomposición LU de A está
dada por

Como en nuestro caso filas de A intercambiadas
LU=[



] [



] [



]



Al resolver AX
1
= e
1
, debemos por lo tanto resolver
0 intercambio de las “filas” 1ra. y 2da. de e
1

LU X
1
= 1
0

1.6 Determinantes y sus propiedades

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 14
Los determinantes tiene muchas propiedades especiales, alguna de la cuales las
enunciamos aquí:

Sea A una matriz cuadrada
1) Si toda entrada en una fila (o columna) es cero entonces 0 = A .
2) Si una matriz B se forma intercambiando dos fila (o columnas) de A,
entonces A B ÷ = .
3) Si una matriz B se forma multiplicando cada entrada en una fila ( o
columna) de A por un número real k, entonces | | | | A k B = .
4) Si dos filas (o columnas) de una matriz A son iguales, entonces . 0 = A
5) Si una matriz B se forma remplazando cualquier fila (o columna) de A
por la suma de esa fila (o columna) y k veces cualquier otra fila (o
columna) de A, entonces A B =

Ejemplos:

- Sin desarrollas de deduce “Si toda entrada en una fila (o columna) es cero entonces
0 = A .”

(
(
(
¸
(

¸

÷
÷
=
6 8 4
0 0 0
3 2 1
A


- Se deduce “Si una matriz B se forma intercambiando dos fila (o columnas) de A,
entonces A B ÷ = ”.


(
(
(
¸
(

¸

÷
÷ =
(
(
(
¸
(

¸

÷ 4 1 4
3 7 8
1 0 2
4 1 4
8 7 3
2 0 1
A B ÷ = ¬




- Se factoriza dos de cada entrada de la primera fila “Si una matriz B se forma
multiplicando cada entrada en una fila ( o columna) de A por un número real k,
entonces | | | | A k B = ”.

(
(
(
¸
(

¸

÷
=
(
(
(
¸
(

¸

÷ 8 7 1
4 3 0
1 4 2
2
8 7 1
4 3 0
2 8 4




- Como la primera y segunda columna son iguales entonces se deduce “Si dos filas (o
columnas) de una matriz A son iguales, entonces . 0 = A ”

0
2 6 6
5 1 1
3 2 2
=
(
(
(
¸
(

¸

÷ ÷

Toda la fila es 0 por lo
tanto Det A = 0
Se intercambió columna 1
Se intercambió columna 3
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 15

EJERCICIOS I

En los siguientes problemas establezca por qué la igualdad es verdadera sin calcular
los determinantes dados.

1)
(
(
(
¸
(

¸

÷
÷ =
(
(
(
¸
(

¸

÷
4 2 1
8 7 0
1 2 3
8 7 0
4 2 1
1 2 3
2)
(
¸
(

¸

÷
=
(
¸
(

¸

÷ 3 1
2 1
2
3 1
4 2
3) 0
6 0 2 1
3 0 3 2
4 0 9 8
6 0 4 3
=
(
(
(
(
¸
(

¸

4)
(
(
(
(
¸
(

¸

÷
÷
÷
÷ =
(
(
(
(
¸
(

¸

÷ ÷
6 1 4 6
1 0 8 7
5 1 2 1
1 4 3 2
6 1 4 6
1 0 8 7
5 1 2 1
1 4 3 2
5)
(
(
(
¸
(

¸
÷
=
(
(
(
¸
(

¸

÷ ÷
÷
1 2 0
5 1 4
2 3 1
3 4 2
5 1 4
2 3 1




6)
(
(
(
¸
(

¸

÷
÷ =
(
(
(
¸
(

¸

÷
÷
÷
4 1 2
3 1 1
2 1 0
4 1 3
3 1 2
2 1 1
7) 0
6 4 6
2 0 2
3 1 3
=
(
(
(
¸
(

¸

÷ ÷

8) 0
1 4 3
2 8 6
1 2 3
=
(
(
(
¸
(

¸

USO DE TRANSFORMACIONES DE RENGLON Y COLUMNA


Encuentra A si
(
(
(
(
¸
(

¸

÷ ÷
÷
÷
=
5 0 2 3
3 2 0 1
6 1 5 0
4 0 3 2
A


Ahora vamos a proceder a transformar renglón y columna de manera de introducir 0.

Es importante encontrar donde hay un 1 porque esto evita el uso de fracciones. Si no
hay 1 en la matriz original utilizando los teoremas:


Si una matriz B se forma multiplicando cada entrada en una fila ( o
columna) de A por un número real k, entonces | | | | A k B = .

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 16
Si una matriz B se forma remplazando cualquier fila (o columna) de A por
la suma de esa fila (o columna) y k veces cualquier otra fila (o columna)
de A, entonces A B = .

En esta matriz tenemos 1 en la primera columna entonces:


(
(
(
(
¸
(

¸

÷ ÷
÷
÷
=
5 0 2 3
3 2 0 1
6 1 5 0
4 0 3 2
A
- 2 0 4 - 6
2 3 0 4
0 3 4 - 2



(
(
(
(
¸
(

¸

÷ ÷
÷
÷
÷
=
5 0 2 3
3 2 0 1
6 1 5 0
2 4 3 0
A


3 0 - 6 9
- 3 2 0 - 5
0 2 - 6 4

(
(
(
(
¸
(

¸

÷
÷
÷
÷
=
4 6 2 0
3 2 0 1
6 1 5 0
2 4 3 0
A


Ahora calculo el determinante por la columna 1 así:




(
(
(
(
¸
(

¸

÷
÷
÷
÷
=
4 6 2 0
3 2 0 1
6 1 5 0
2 4 3 0
A ( )( )
(
(
(
¸
(

¸

÷
÷
÷
=
(
(
(
¸
(

¸

÷
÷
÷
÷ =
+
4 6 2
6 1 5
2 4 3
4 6 2
6 1 5
2 4 3
1 1
1 3




(
(
(
¸
(

¸

÷
÷
÷
4 6 2
6 1 5
2 4 3
Ahora convierto en 0 el 5 así: 5 C2 + C1 C1

20 - 5 - 30
3 5 2
23 0 - 28



Introducimos un 0 en la primera fila
-2 R3 + R1 R1

2 ÷ ×
3
R +
Escribo la respuesta en
la fila 1
Introducimos un 0 en la cuarta fila
3 R3 + R4 R4

3 ×
4
R +
Escribo la respuesta en
la fila 4
5 × 1
C +
Escribo la respuesta en la
columna 1.
3
C + 6 ×
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 17



(
(
(
¸
(

¸

÷ ÷
÷
÷
4 6 28
6 1 0
2 4 23
Ahora convierto en 0 el 6 así: 6 C2 + C3 C3

24 - 6 - 36
- 2 6 4
22 0 - 32



(
(
(
¸
(

¸

÷ ÷ ÷
÷
32 6 28
0 1 0
22 4 23
Ahora calculo el determinante por la fila 2 así:


( )( ) ( ) ( )( ) ( )( ) | | 120 22 28 32 23 1
32 28
22 23
1 1
2 2
= ÷ ÷ ÷ ÷ =
(
¸
(

¸

÷ ÷
÷ ÷ =
+


EJERCICIOS II

En los siguientes ejercicios encuentra la determinante de la matriz después de
introducir ceros como en el ejemplo anterior.


1)
(
(
(
¸
(

¸

÷
÷
1 3 1
1 0 2
0 1 3
2)
(
(
(
¸
(

¸

÷
÷
1 1 4
0 2 1
4 0 3
3)
(
(
(
¸
(

¸

÷
÷
2 7 0
1 2 3
3 4 5



4)
(
(
(
¸
(

¸

÷
÷
÷
5 2 6
3 1 5
6 2 0
5)
(
(
(
¸
(

¸

÷
÷
4 5 2
9 6 3
3 2 2
6)
(
(
(
¸
(

¸

÷
÷
2 4 2
6 3 5
5 8 3



7)
(
(
(
(
¸
(

¸

÷ ÷
÷
3 0 2 1
5 3 1 0
4 1 0 2
2 2 1 3
8)
(
(
(
(
¸
(

¸

÷
÷
÷
0 2 1 2
6 1 3 4
0 5 0 2
4 0 2 3


1.7 Regla de Cramer

D
D
x
D
D
x
D
D
x
xn
n
x x
= = = ... ,
2
2
1
1


Uso de la regla de Cramer para resolver un sistema de tres ecuaciones lineales.
¦
¹
¦
´
¦
= +
= + ÷
= ÷
0 5 2
1 3
3 2
z x
z y
z x


Escribo la respuesta en la
columna 3.
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 18
Hallar la determinante D

( ) ( )( ) ( )( ) | | | | 9 4 5 1 2 2 5 1 1
5 2
2 1
1
5 0 2
3 1 0
2 0 1
÷ = + ÷ = ÷ ÷ ÷ =
(
¸
(

¸
÷
÷ = ÷
÷
= D

Hallar la determinante
x
D

( ) ( ) ( )( ) ( )( ) | | ( )| | 15 0 15 1 2 0 5 3 1
5 0
2 3
1
5 0 0
3 1 1
2 0 3
÷ = ÷ ÷ = ÷ ÷ ÷ =
(
¸
(

¸
÷
÷ =
(
(
(
¸
(

¸

÷
÷
=
x
D

Hallar la determinante
y
D

( ) ( ) ( ) ( )( ) ( )( ) | | ( ) ( )( ) ( )( ) | |
( )| | ( )| | 27 22 5 2 9 2 0 5 1
2 1 3 3 2 3 0 5 1 1
3 1
2 3
2
5 0
3 1
1
5 0 2
3 1 0
2 3 1
= + = + + ÷
= ÷ ÷ + ÷ =
(
¸
(

¸
÷
+
(
¸
(

¸

+ =
(
(
(
¸
(

¸
÷
=
y
D


Hallar la determinante
z
D

( ) ( ) ( )( ) ( )( ) | | ( )| | 6 6 0 1 3 2 0 1 1
0 2
3 1
1
0 0 2
1 1 0
3 0 1
= ÷ ÷ = ÷ ÷ =
(
¸
(

¸

÷ =
(
(
(
¸
(

¸

÷ =
z
D

Respuesta:

3
2
9
6
, 3
9
27
,
3
5
9
15
÷ =
÷
= = ÷ =
÷
= = =
÷
÷
= =
D
D
z
D
D
y
D
D
x
z
y
x





EJERCICIOS
Utiliza la regla de Cramer para resolver los siguientes sistemas.

¦
¹
¦
´
¦
= ÷ +
= + ÷
= ÷ +
1 2
7 3 2
0
z y x
z y x
z y x

¦
¹
¦
´
¦
= ÷ ÷
÷ = + +
= + +
2 2
1 3
4 2
z y x
z y x
z y x



¦
¹
¦
´
¦
= + +
= + ÷
÷ = ÷ +
12 2 2 3
5 2
1 8 4
z y x
z y x
z y x

¦
¹
¦
´
¦
= + +
= + ÷
÷ = ÷ +
0 2 4
5 2 2
2
z y x
z y x
z y x






Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 19
II Espacios Vectoriales Reales

2.1 Espacios Vectoriales y subespacios
4.2 Definición de subespacio vectorial y sus propiedades.

D
DDE
EEF
FFI
IIN
NNI
IIC
CCI
IIÓ
ÓÓN
NN
Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en sí un
espacio vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en
V. Entonces se dice que H es un subespacio de V.

Se puede decir que el subespacio H hereda las operaciones del espacio vectorial “padre” V.

TEOREMA 1
Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se cumplen
las dos reglas de cerradura. Este teorema demuestra que para probar si H es o no un
subespacio de V, es suficiente verificar que

x + y y ax están en H cuando x y y están en H y a es un escalar.

Lo anterior dice que:
Todo subespacio de un espacio vectorial V contiene al 0.

E
EEJ
JJE
EEM
MMP
PPL
LLO
OO
El subespacio trivial Para cualquier espacio vectorial V, el subconjunto 0
que consiste en el vector cero nada más es un subespacio ya que 0+0= 0 y a0 = 0 para todo
número real a.

TEOREMA 2
Sean H
1
y H
2
dos subespacios de un espacio vectorial V. Entonces
H
1
H
2
es un subespacio de V.
Definición de subespacio de un espacio vectorial y sus propiedades.
Definición. Sea H un subconjunto de un espacio vectorial V y supongamos que H es en sí
un espacio vectorial con las operaciones de suma y multiplicación escalar definidas sobre V.
Se dice entonces que H es un subespacio de V.
Teorema. Un subconjunto no vacío H de un espacio vectorial V es un subespacio de V si las
dos reglas de cerradura valen:
Reglas para verificar si un subconjunto es un subespacio
i. Si x ∈ H y y ∈ H, entonces x + y ∈ H.
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 20
ii. Si x ∈ H, entonces αx ∈ H para todo escalar α
Demostración. Para demostrar que H es un espcacio vectorial, debemos verificar que los
axiomas de los espacios vectoriales cumplen con las operaciones de la suma vectorial y
multiplicación escalar definidas en V. Las dos operaciones de cerradura se cumplen por
hipótesis. Puesto que los vectores en H también están en V, las leyes asociativa,
conmutativa, distributiva y la del neutro multiplicativo se satisfacen. Ahora, si x ∈ H entonces
0x ∈ H, debido a la hipótesis (ii). Pero por el teorema de espacios vectoriales (parte ii), 0x =
0. Consecuentemente 0 ∈ H y el axioma (iii) se cumple. Finalmente, de la parte (ii) tenemos
que (-1)x ∈ H para todo x ∈ H. Por el teorema de espacios vectoriales (parte iv), -x = (-1)x ∈
H, de tal forma que el axioma (iv) también se cumple y con ello concluimos la demostración.
Este teorema nos dice que para probar que H es un subespacio de V, nos basta con verificar
que:
x + y y αx están en H, siempre que x y y estén en H y α sea un escalar.
La demostración anterior contieen un resultado importante que debe mencionarse
explícitamente:
Todo subespacio de un espacio vectorial V contiene al 0.
Este resultado nos permitirá ver fácilmente si un subespacio particular V no es un espacio
vectorial. Esto es, si un subconjunto no contiene al 0, entonces no es un subespacio.
Ejemplo 1.
Para todo espacio vectorial V, el subconjunto |0| que contiene solamente el vector cero, es un
subespacio puesto que 0 +0 = 0 y α0 = 0 para todo número real α; se le conoce como el
subespacio trivial.
Ejemplo 2
V es un subespacio de sí mismo para todo espacio vectorial V.
Subespacio propio. Los primeros dos ejemplos nos muestran que todo espacio vectorial V
contiene dos espacios vectoriales, |0| y V (a menos que V=|0|). Desde luego, es mucho más
interesante encontrar otros subespacios. Los subespacios que no son ni {0} ni V se conocen
como subespacios propios.
Teorema. Sean H
1
y H
2
subespacios de un espacio vectorial V. Entonces H
1
∩H
2
es un
subespacio de V.
Demostración. Sean x
1
∈H
1
∩H
2
y x
2
. Entonces, dado que H
1
y H
2
son subespacios, x
1
+ x
2

∈ H
1
y x
1
+ x
2
∈ H
2
. Esto es, x
1
+ x
2
∈H
1
∩H
2
. Análogamente, αx
1
∈H
1
∩H
2
. De esta manera se
satisfacen los dos axiomas de cerradura y por lo tanto H
1
∩H
2
, es un subespacio

2.2 Combinación lineal y conjunto generador.

COMBINACION LINEAL
Definición.- Sean
n
v v v ,..., ,
2 1
vectores en un espacio vectorial V. Entonces cualquier
vector de la forma:

n n
v a v a v a + + + ...
2 2 1 1


Donde
n
a a a ,..., ,
2 1
son escalares se llama una combinación lineal de
n
v v v ,..., ,
2 1
.


EJEMPLOS:
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 21
Si
2 2x
M V = .Determine si
|
|
.
|

\
|
=
2 1
0 1
V es combinación lineal de
|
|
.
|

\
|
=
|
|
.
|

\
| ÷
=
|
|
.
|

\
|
÷
=
3 0
0 4
1 0
1 1
;
0 1
1 2
3 2 1
v y v v
.



1 0
1 2
|
\

|
.
|
=o
1
2 1
÷1 0
|
\

|
.
|
+o
2
1 ÷1
0 1
|
\

|
.
|
+o
3
4 0
0 3
|
\

|
.
|
1 0
1 2
|
\

|
.
|
=
2o
1
o
1
÷o
1
0
|
\

|
.
|
+
o
2
÷o
2
0 o
2
|
\

|
.
|
+
4o
3
0
0 3o
3
|
\

|
.
|
1 0
1 2
|
\

|
.
|
=
2o
1
+o
2
+ 4o
3
o
1
÷o
2
÷o
1
o
2
+ 3o
3
|
\

|
.
|
2o
1
+o
2
+ 4o
3
=1
o
1
÷o
2
= 0 ¬ ÷1÷o
2
= 0 ¬ o
2
= ÷1
( )
÷o
1
=1 ¬ o
1
= ÷1
( )
o
2
+ 3o
3
= 2 ¬ ÷1+ 3o
3
= 2 ¬ o
3
=1 ( )
¦
´
¦
¦
¹
¦
¦



Determine si el vector ( ) 1
2
+ ÷ = = x x x p v es combinación lineal de 1 , , 1
2 2
+ + ÷ x x x x .

( ) ( ) ( )
( ) ( ) ( )
3 0
3 : 0 0 0
1 : 1 1 0
1 : 0 1 1
2 : 1 1 0
1 : 1 1 0
1 : 0 1 1
1 : 1 0 1
1 : 1 1 0
1 : 0 1 1
1
1
1
1
1 1 1
3
3 1
3 2
2 1
3 1 3 2
2
2 1
2
3
2
2
2
1
2
= ¬
|
|
|
.
|

\
|
÷
|
|
|
.
|

\
|
÷
|
|
|
.
|

\
|
÷
÷
¦
¹
¦
´
¦
= + ÷
÷ = +
= +
+ ÷ + + + + = + ÷
+ + + + ÷ = + ÷
o
o o
o o
o o
o o o o o o
o o o
x x x x
x x x x x x

Por tanto el conjunto es un Sistema inconsistente y no son combinación lineal.



CONJUNTO GENERADOR
Definición.- Se dice que los vectores
n
v v v ,..., ,
2 1
en un espacio vectorial V generan a V si
todo vector en V se puede escribir como una combinación lineal de ellos. Es decir, para todo
V v e , existen escalares
n
a a a ,..., ,
2 1
tales que:


n n
v a v a v a v + + + = ...
2 2 1 1


EJEMPLOS:
Determine un conjunto generador para el espacio

V = A e M
2×2
/ A =
a+ b a÷b
a÷b a+ b
|
\

|
.
|
; a,b e 9
¦
´
¹
¹
`
)


A =
a + b a ÷b
a ÷ b a + b
|
\

|
.
|
A = a
1 1
1 1
|
\

|
.
|
+ b
1 ÷1
÷1 1
|
\

|
.
|



Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 22
Un conjunto generador para ese espacio es

S =
1 1
1 1
|
\

|
.
|
,
1 ÷1
÷1 1
|
\

|
.
|
¦
´
¹
¹
`
)


Encuentre un conjunto generador para:

a) { }
ji ij x
a a M A v ÷ = e = /
2 2

b) ( ) ( ) ( ) { } 0 0 0 ' /
2
= = e = p p P x p v


)
`
¹
¹
´
¦
|
|
.
|

\
|
÷
=
|
|
.
|

\
|
÷
=
|
|
.
|

\
|
÷
=
|
|
.
|

\
|
=
¦
¦
¹
¦
¦
´
¦
= ¬ ÷ =
÷ =
÷ =
= ¬ ÷ =
)
`
¹
¹
´
¦
÷ =
|
|
.
|

\
|
=
0 1
1 0
0 1
1 0
0
0
0
0
/ )
12
12
12
22 21
12 11
22 22 22
12 21
21 12
11 11 11
22 21
12 11
gen S
a
a
a
a a
a a
A
a a a
a a
a a
a a a
a a
a a
a a
V a
ji ij



b) p x
( )
= ax
2
+ bx + c
p' x
( )
= 2ax + b
p 0
( )
= 0 ¬ c = 0
p' 0
( )
= 0 ¬b = 0
¹
`
¦
)
¦
p x
( )
= ax
2
¬ S = x
2
{ }

ESPACIO GENERADO
Definición.- Sea k v v v
k
,..., ,
2 1
vectores en un espacio vectorial V. El espacio generado
por { }
k
v v v ,..., ,
2 1
es el conjunto de combinaciones lineales de
k
v v v ,..., ,
2 1
, Es decir,

{ } { }
k k
v v a v a v v v v v gen + + + = = = ... : ,..., ,
2 2 1 1 2 1


Donde
k
a a a ,..., ,
2 1
son escalares arbitrarios.

TEOREMA
Si
k
v v v ,..., ,
2 1
son vectores no nulos de un espacio vectorial V, entonces
{ }
k
v v v gen ,..., ,
2 1
=
Es un subespacio de V.



DEMOSTRACION

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 23

1. ÷ ¬u,v eV u + v e V
| |

u = c
1
v
1
+ c
2
v
2
+ ...+ c
k
v
k
v =o
1
v
1
+o
2
v
2
+ ...+o
k
v
k
u + v = c
1
+o
1
( )
v
1
+ c
2
+o
2
( )
v
2
+ ...+ c
k
+o
k
( )
v
k
cerradura de la suma





2. ÷ ¬o e 9,¬u eV ou eV
| |
u = c
1
v
1
+ c
2
v
2
+ ...+ c
k
v
k
|u = |
1
c
1
( )
v
1
+ |
2
c
2
( )
v
2
+ ...+ |
k
c
k
( )
v
k
cerradura de la multiplicacion






EJEMPLOS:
Determine el espacio generado por los vectores
|
|
|
.
|

\
|
÷
=
|
|
|
.
|

\
|
÷ =
1
1
2
;
1
1
1
2 1
v v .
( ) { }
¦
)
¦
`
¹
¦
¹
¦
´
¦
= + 9 e
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
+
+ ~
|
|
|
.
|

\
|
÷ ÷
+ ~
|
|
|
.
|

\
|
÷
÷ =
¦
¹
¦
´
¦
= ÷
= + ÷
= +
=
¦
)
¦
`
¹
¦
¹
¦
´
¦
|
|
|
.
|

\
|
÷
+
|
|
|
.
|

\
|
÷ =
|
|
|
.
|

\
|
|
|
|
.
|

\
|
=
+ = 9 e = =
0 /
0 0
3 0
2 1
3 0
3 0
2 1
1 1
1 1
2 1
2
1
1
2
1
1
1
/
/ ,
3
2 1
2 1
2 1
2 1
2 2 1 1
3
2 1
z y
z
y
x
z y
x y
x
x z
x y
x
z
y
x
z
y
x
z
y
x
z
y
x
v v v v v v
o o
o o
o o
o o
o o


Sea

V =9
3
. Determine si

v
1
=
2
÷1
4
|
\



|
.
|
|
|
y v
2
=
4
1
6
|
\



|
.
|
|
|
. Hallar el menor subespacio que generan los
vectores dados en

9
3
.
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 24

Sea v =
x
y
z
|
\



|
.
|
|
|
e 9
3
v = c
1
v
1
+ c
2
v
2

x
y
z
|
\



|
.
|
|
|
= c
1
2
÷1
4
|
\



|
.
|
|
|
+ c
2
4
1
6
|
\



|
.
|
|
|

2c
1
+ 4c
2
= x
÷1c
1
+ c
2
= y
4c
1
+ 6c
2
= z
¦
´
¦
¹
¦

2 4 x
÷1 1 y
4 6 z
|
\



|
.
|
|
|
~
1 ÷1 ÷ y
2 4 x
4 6 z
|
\



|
.
|
|
|
1 ÷1 ÷ y
0 6 x + 2y
0 10 z + 4y
|
\



|
.
|
|
|
~
1 ÷1 ÷ y
0 1
x
6
+
y
3
0 10 4y + z
|
\




|
.
|
|
|
|
~
1 0
x
6
÷
2y
3
0 1
x
6
+
y
3
0 0 ÷
x
6
+
2y
3
+ z
|
\






|
.
|
|
|
|
|
|
÷
x
6
+
2y
3
+ z = 0 ¬
x
6
÷
2y
3
÷ z = 0 ¬ x ÷ 4y ÷6z = 0

2.3 Dependencia e independencia lineal

INDEPENDENCIA LINEAL
Definición.- Sean
n
v v v ,..., ,
2 1
n vectores en un espacio vectorial V. Entonces se dice que
los vectores son linealmente independientes si existen n escalares
n
c c c ,..., ,
2 1
todos cero
tales que:
0 ...
2 2 1 1
= + + +
n n
v c v c v c
Si los vectores no son linealmente independiente, se los llama como linealmente
dependientes.

- Para que un conjunto sea linealmente independiente su determinante siempre debe
ser diferente de cero

TEOREMA
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno es
múltiplo escalar del otro.


DEMOSTRACION



c
1
v
1
= ÷c
2
v
2
÷c
3
v
3
÷...÷c
n
v
n
v
1
= ÷
c
2
c
1
|
\

|
.
|
v
2
+ ÷
c
3
c
1
|
\

|
.
|
v
3
+ ...+ ÷
c
n
c
1
|
\

|
.
|
v
n
v
1
= |
2
v
2
+ |
3
v
3
+ ...+ |
n
v
n
1
( )



La ecuación uno nos dice que

v
1
es dependiente de los vectores contrarios de
acuerdo a la hipótesis asumida.


EJEMPLOS:
Determine si los conjuntos dados, son linealmente independientes.

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 25

S =
1
÷1
2
|
\



|
.
|
|
|
,
0
1
1
|
\



|
.
|
|
|
,
0
0
1
|
\



|
.
|
|
|
¦
´
¦
¹
¦
¹
`
¦
)
¦
S = x
2
÷ x +1, x
2
+ x ÷1, x
2
+ x +1
{ }




a
)
o
1
1
÷1
2
|
\



|
.
|
|
|
+o
2
0
1
1
|
\



|
.
|
|
|
+o
3
0
0
1
|
\



|
.
|
|
|
= 0
o
1
= 0
÷o
1
+o
2
= 0
2o
1
+o
2
+o
3
= 0
¦
´
¦
¹
¦


El sistema es linealmente independiente, ya que todos sus escalares son igual a
. cero.


b
)
o
1
1
÷1
1
|
\



|
.
|
|
|
+o
2
1
1
÷1
|
\



|
.
|
|
|
+o
3
1
1
1
|
\



|
.
|
|
|
=
0
0
0
|
\



|
.
|
|
|

o
1
+o
2
+o
3
= 0
÷o
1
+o
2
+o
3
= 0
o
1
÷o
2
+o
3
= 0
¦
´
¦
¹
¦
1 1 1 0
÷1 1 1 0
1 ÷1 1 0
|
\



|
.
|
|
|
~
1 1 1 0
0 2 2 0
0 ÷2 0 0
|
\



|
.
|
|
|
~
1 1 1 0
0 2 2 0
0 1 0 0
|
\



|
.
|
|
|
~
1 0 0 0
0 0 1 0
0 1 0 0
|
\



|
.
|
|
|

o
1
= 0
o
3
= 0
o
2
= 0
¦
´
¦
¹
¦



El sistema es linealmente independiente, ya que todos sus escalares son igual a
cero.

Sea

V =9
3
. Determine si los vectores
|
|
|
.
|

\
|
÷ =
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
÷ =
12
6
11

4
0
3
;
0
3
1
3 2 1
v y v v son linealmente
independientes


0
12 4 0
6 0 3
11 3 1
det = ÷ ÷ = A

Puesto que, el sistema tiene infinitas soluciones para

¬c
3
e9 , y su

det A = 0,
entonces decimos que los vectores son linealmente dependientes.


Determine el valor de verdad de la Proposición dada:
El conjunto

v
1
, v
1
+v
2
, v
2
{ } es linealmente independiente si

v
1
,v
2
,v
3
{ } es linealmente
independiente.

o
1
v
1
+o
2
v
1
+ v
2
( )
+o
3
v
3
= 0
o
1
+o
2
( )
v
1
+o
2
v
2
+o
3
v
3
= 0
o
1
+o
2
= 0 ¬o
1
= 0
o
2
= 0
o
3
= 0
¦
´
¦
¹
¦




Por tanto

v
1
, v
1
+v
2
, v
2
{ } es linealmente independiente.

TEOREMA
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 26
Un conjunto de

n vectores en

9
m
siempre es linealmente dependiente si

n > m


Sea v
1
,v
2
,...,v
n
vectores de 9
m
c
1
v
1
+ c
2
v
2
+ ...+ c
n
v
n
= 0 ¬ v
1
=
a
11
a
21

a
m1
|
\




|
.
|
|
|
|
; v
2
=
a
12
a
22

a
m2
|
\




|
.
|
|
|
|
;...; v
n
=
a
1n
a
2n

a
mn
|
\




|
.
|
|
|
|
c
1
a
11
a
21

a
m1
|
\




|
.
|
|
|
|
+ c
2
a
12
a
22

a
m2
|
\




|
.
|
|
|
|
+ ...+ c
n
a
1n
a
2n

a
mn
|
\




|
.
|
|
|
|
=
0
0
0
|
\



|
.
|
|
|
a
11
c
1
+ a
12
c
2
+ ...+ a
1n
c
n
= 0
a
21
c
1
+ a
22
c
2
+ ...+ a
2n
c
n
= 0

a
m1
c
1
+ a
m2
c
2
+ ...+ a
mn
c
n
= 0


Por hipótesis

n > m, por tanto el sistema, a mas de la solución trivial, existen otras
soluciones que hacen que el conjunto sea linealmente dependiente.


TEOREMA
Cualquier conjunto de

n vectores no nulos linealmente independiente en

9
n
genera a

9
n
.

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 27

v =
x
1
x
2

x
n
|
\




|
.
|
|
|
|
e 9
n
y Sean v
1
=
a
11
a
21

a
n1
|
\




|
.
|
|
|
|
;v
2
=
a
12
a
22

a
n2
|
\




|
.
|
|
|
|
;...;v
n
=
a
1n
a
2n

a
nn
|
\




|
.
|
|
|
|

v = c
1
v
1
+ c
2
v
2
+ ...+ c
n
v
n

x
1
x
2

x
n
|
\




|
.
|
|
|
|
= c
1
a
11
a
21

a
n1
|
\




|
.
|
|
|
|
+ c
2
a
12
a
22

a
n2
|
\




|
.
|
|
|
|
+ ...+ c
n
a
1n
a
2n

a
nn
|
\




|
.
|
|
|
|
x
1
= a
11
c
1
+ a
12
c
2
+ ...+ a
1n
c
n
x
2
= a
21
c
1
+ a
22
c
2
+ ...+ a
2n
c
n

x
n
= a
n1
c
1
+ a
n2
c
2
+ ...+ a
nn
c
n
x
1
x
2

x
n
|
\




|
.
|
|
|
|
=
a
11
a
12
a
1n

a
21
a
22
a
2n


a
n1
a
n2
a
nn
|
\




|
.
|
|
|
|

c
1
c
2

c
n
|
\




|
.
|
|
|
|


Puesto que los vectores

v
1
,v
2
,...,v
n
son linealmente independiente y el

det A = 0, el conjunto
tiene solución única de tal manera que

¬e9
n
se lo expresa como combinación lineal de
los vectores.

Sea

V = P
3
. Determine si los polinomios

1, x, x
2
, x
3
{ }
son linealmente independientes.



Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 28
( ) ( ) ( ) ( )
0 12 12
2 0
2 0
1
6 0
0 0
1
6 2
0 2
1
6 2 0
0 2 0
1 1 1
det

6 2 0
0 2 0
1 1 1
8 4 2
0 2 0
1 1 1
8 4 2
1 1 1
1 1 1

0 8 4 2 2
0 1
0 1
0 0


0 1
0
4 3 2
4 3 2
4 3 2
1
3
4
2
3 2 1
4 4 3 3 2 2 1 1
= ¬ = + ÷ =
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
~
|
|
|
.
|

\
|
~
|
|
|
.
|

\
|
÷ ÷
¦
¦
¹
¦
¦
´
¦
= + + ¬ =
= ÷ + ÷ ¬ ÷ =
= + + ¬ =
= ¬ =
= + + +
= + + +
A
c c c x si
c c c x si
c c c x si
c x Si
x de valor todo para valida
x c x c x c c
v c v c v c v c



Sea

V = P
2
. Determine si los polinomios

x ÷2x
2
, x
2
÷4x,÷7x +8x
2
{ }
son linealmente
independientes.



c
1
v
1
+ c
2
v
2
+ c
3
v
3
= 0
c
1
x ÷2x
2
( )
+ c
2
x
2
÷ 4x
( )
+ c
3
÷7x + 8x
2
( )
= 0
c
1
÷ 4c
2
÷ 7c
3
( )
x + ÷2c
1
+ c
2
+ 8c
3
( )
x
2
= 0

c
1
÷ 4c
2
÷ 7c
3
= 0
÷2c
1
+ c
2
+ 8c
3
= 0
¦
´
¹
1 ÷ 4 ÷ 7 0
÷2 1 8 0
|
\

|
.
|
~
1 ÷ 4 ÷ 7 0
0 ÷ 7 ÷6 0
|
\

|
.
|
~
1 ÷ 4 ÷ 7 0
0 1
6
7
0
|
\

|
.
|
1 0
25
7
0
0 1
6
7
0
|
\

|
.
|
~
c
1
+
25
7
c
3
= 0 ¬ c
1
= ÷
25
7
c
3

c
2
+
6
7
c
3
= 0 ¬ c
2
= ÷
6
7
c
3
¦
´
¹
¬c
3
e 9

Por teorema podemos decir que los vectores son linealmente dependientes ya que tienen
mas vectores que la base.



Ejercicios:




1.-Genere de ser posible los siguientes subespacios:

a)
¦
)
¦
`
¹
¦
¹
¦
´
¦
= ÷ +
|
|
|
.
|

\
|
0 2 / z y x
z
y
x

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 29
b)
¦
)
¦
`
¹
¦
¹
¦
´
¦
> >
|
|
|
.
|

\
|
0 , 0 / y x
z
y
x

c)
¦
)
¦
`
¹
¦
¹
¦
´
¦
= +
|
|
|
.
|

\
|
1 /
2 2
y x
z
y
x


2.-Sea
3
P V = los subconjuntos de V
{ }
{ }
{ } 2 , , 1 , 1
) ( ), ( ) 1 ( ) ( / ) (
1 ) 0 ( ) 1 ( / ) (
3 2 3 2 3 2
3
2 3 2
3 1
÷ + ÷ ÷ ÷ =
e ÷ = e =
= = e =
x x x x x x gen W
P x q x q x x p P x p W
p p P x p W


Determine:
a)Si
3 2 1
, , W W W son subespacios vectoriales de V.
b)Un conjunto generador finito para cada subespacio vectorial determinado en el literal
anterior.

3.-Sea V un espacio vectorial cualquiera y { }
3 2 1
, , v v v un conjunto linealmente independiente
en V. Si se construye con ellos los siguientes vectores:

1 3 3
3 2 2
2 1 1
v v w
v v w
v v w
÷ =
÷ =
÷ =


Determine si el conjunto { }
3 2 1
, , w w w es o no linealmente independiente.

4.-Dados R v v e
2 1
, . Establezca cuales de las siguientes proposiciones son verdaderas:
a) Si
2 1
v v o = , entonces H={ } R v v e + | o | o , /
2 1
es un plano.
b) Si
2 1
yv v son independientes, entonces H={ } R v v e + o o o /
2 1
es una recta.
c) Si
2 1
yv v son independientes, entonces los vectores
2 1 2 1
3
1
, , v v v v + tambien son
independientes.
d)
2 1
yv v son dependientes si y solo si R k kv v e = ,
2 1



5.-En el espacio vectorial { } R x x x x P e + + + + =
0 1 2 3 4 0 1
2
2
3
3
4
4 4
, , , , / o o o o o o o o o o se escoge
los vectores:

5 5 9 8
2 7 9 10 3
3 2 3
1 2 2
1 2
2 3 4
5
2 3 4
4
2 3 4
3
2 3 4
2
2 3 4
1
+ ÷ + ÷ ÷ =
+ ÷ + ÷ ÷ =
+ + ÷ + ÷ =
÷ + ÷ + =
+ ÷ + ÷ =
x x x x V
x x x x V
x x x x V
x x x x V
x x x x V


Al establecer la independencia lineal de ellos se encuentra que una de las siguientes
proposiciones es verdadera. Encuentrela.
a)
4 3 2 1
, , , V V V V son linealmente independientes.
b)
5 3 2 1
, , , V V V V son linealmente independientes.
c)
5 4 3 2 1
, , , , V V V V V son dependientes.
d)
3 2 1
, , V V V son linealmente dependientes.
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 30
e)Todas las proposiciones anteriores son verdaderas.

6.-Considerese el subespacio de
2
P :
( ) ( ) ( ) { } R a a a t a a t a a a V
i
e + + ÷ + + ÷ = / 2 2
0 2 0 1
2
0 1 2

Encontrar un conjunto finito de vectores S que genere al subespacio V.

7.-Califique como verdaderas o falsas las siguientes proposiciones, de ser verdaderas
demuestrelas, de ser falsas de un contraejemplo.

a)Sean H el conjunto de matrices n×n inversibles, entonces H es un subespacio de
n n
M
×

b)Si
3
P V = entonces { } x x x ÷ + + 4 , 2 3 , 1 es linealmente independiente.
c)Sea H un conjunto de vectores linealmente independientes, tomados de un espacio
vectorial V. Entonces cualquier subconjunto de H es linealmente independiente
d)Sea C[0,1] el espacio de las funciones continuas en el intervalo [0,1], entonces el conjunto
S={sen(x),cos(x),sen(2x),cos(2x)}es linealmente independiente.

8.-Sea H un subesapacio del espacio vectorial
3
R . Sea:
¦
)
¦
`
¹
¦
¹
¦
´
¦
|
|
|
.
|

\
|
÷
|
|
|
.
|

\
|
÷
|
|
|
.
|

\
|
÷
÷
=
4
1
4
,
2
1
3
,
6
2
1
S un conjunto generador de H.
a)Determine si el conjunto generador es linealmente independiente.
b) Determine si H e
|
|
|
.
|

\
|
÷
÷
26
8
11


9.-Sea
4
P V = y ) 2 1 , 2 1 , 1 , 1 (
4 3 2 4 3 2
x x x x x x x x L H + + + ÷ + ÷ + ÷ =
a) Determine un conjunto linealmente independiente de H
b) Pertenece el polinomio
4 3 2
2 2 2 x x x + + + al subespacio H? Justifique su respuesta


10.-Sea el espacio vectorial real { } ) ( ) ( / ) (
5
x p x p P x p V ÷ = e = . Sea el conjunto:
{ }
5 2 3 4 6 4 4 2 2
, 7 , 1 , 2 , 1 , , , 4 x x x x x x x x x x x S ÷ + ÷ ÷ + + ÷ + =
Determine los elementos de S que no pertenecen a V.

11.- Considere el espacio vectorial real { } R y R x y x V e e =
+
, / ) , ( donde se han definido la
suma en V y la multiplicación por escalar de la siguiente manera:
( ) ( ) y x y x y y x x y x y x o o
o
, , ) , ( ) , ( ) , (
2 1 2 1 2 2 1 1
= - + = ©

a) Es {(1,0),(1,1)} linealmente independiente?
b) Genera {(1,0),(1,1),(e,0) a V?


2.4 Base, dimensión, coordenada

BASE DE UN ESPACIO VECTORIAL
Definición.- Un conjunto finitos de vectores

v
1
,v
2
,..., v
n
{ } es una base para un espacio
vectorial V si:


a) v
1
,v
2
,...,v
n
{ } es linealmente independiente.
b) v
1
,v
2
,...,v
n
{ } genera a V.


- Todo conjunto de

n vectores linealmente independiente en

9
n
es una base de

9
n
.


Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 31
EJEMPLOS

V = 9
2

x
y
|
\

|
.
|
/ x, y e 9
¦
´
¹
¹
`
)

x
y
|
\

|
.
|
= x
ˆ
i + y
ˆ
j = x
1
0
|
\

|
.
|
+ y
0
1
|
\

|
.
|
= gen
1
0
|
\

|
.
|
,
0
1
|
\

|
.
|
¦
´
¹
¹
`
)
Una Base canonica para 9
2
es B
c
=
1
0
|
\

|
.
|
,
0
1
|
\

|
.
|
¦
´
¹
¹
`
)


Sea

V =9
3
. Encuentre una base para el conjunto de vectores que están en el plano.
¦
)
¦
`
¹
¦
¹
¦
´
¦
|
|
|
.
|

\
|
|
|
|
.
|

\
|
=
¦
)
¦
`
¹
¦
¹
¦
´
¦
|
|
|
.
|

\
|
+
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
+
|
|
|
.
|

\
|
=
+ =
= + ÷
¦
)
¦
`
¹
¦
¹
¦
´
¦
= + ÷
|
|
|
.
|

\
|
=
1
3
0
,
0
2
1

1
3
0
0
2
1

3 2

/
3 2
0 3 2
0 3 2 /
gen z x
z
z x
x
z
y
x
W
z x y
z y x
z y x
z
y
x
W

¦
)
¦
`
¹
¦
¹
¦
´
¦
|
|
|
.
|

\
|
|
|
|
.
|

\
|
= 9
1
3
0
,
0
2
1

3
w
B es para canonica Base Una
TEOREMA

Si

v
1
,v
2
,..., v
n
{ } es una base para V y si

v eV , entonces existe un conjunto único de
escalares
n
c c c ,..., ,
2 1
tales que:
n n
v c v c v c v + + + = ...
2 2 1 1


DEMOSTRACION

v = c
1
v
1
+ c
2
v
2
+ ...+ c
n
v
n
1
( )
v = d
1
v
1
+ d
2
v
2
+ ...+ d
n
v
n
2
( )
1
( )
= 2
( )
c
1
v
1
+ c
2
v
2
+ ...+ c
n
v
n
= d
1
v
1
+ d
2
v
2
+ ...+ d
n
v
n
c
1
v
1
+ c
2
v
2
+ ...+ c
n
v
n
÷ d
1
v
1
÷ d
2
v
2
÷...÷ d
n
v
n
= 0
c
1
÷ d
1
( )
v
1
+ c
2
÷ d
2
( )
v
2
+ ...+ c
n
÷ d
n
( )
v
n
= 0
c
1
÷ d
1
= 0 ¬ c
1
= d
1
c
2
= d
2
c
n
= d
n


Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 32

Por tanto para cada vector

v eV , existe un conjunto único de escalares, tales que,
cualquier vector

v eV se lo puede expresar como una combinación lineal del conjunto
único.



TEOREMA
Sea

V =9
n
y

| = v
1
,v
2
,...,v
m
{ }, m vectores de V. Si

m> n, entonces

| = v
1
,v
2
,...,v
m
{ }es
linealmente dependiente.

Sea v
1
,v
2
,...,v
m
vectores de 9
n
c
1
v
1
+ c
2
v
2
+ ...+ c
m
v
m
= 0 ¬ v
1
=
a
11
a
21

a
n1
|
\




|
.
|
|
|
|
; v
2
=
a
12
a
22

a
n2
|
\




|
.
|
|
|
|
;...; v
m
=
a
1m
a
2m

a
nm
|
\




|
.
|
|
|
|
c
1
a
11
a
21

a
n1
|
\




|
.
|
|
|
|
+ c
2
a
12
a
22

a
n2
|
\




|
.
|
|
|
|
+ ...+ c
m
a
1m
a
2m

a
nm
|
\




|
.
|
|
|
|
=
0
0
0
|
\



|
.
|
|
|
a
11
c
1
+ a
12
c
2
+ ...+ a
1m
c
m
= 0
a
21
c
1
+ a
22
c
2
+ ...+ a
2m
c
m
= 0

a
n1
c
1
+ a
n2
c
2
+ ...+ a
nm
c
m
= 0



En un sistema homogéneo de n ecuaciones con m variables, cuando

m> n el conjunto
tiene infinitas soluciones, por lo tanto

| es linealmente dependiente.


DIMENSION DE UN ESPACIO VECTORIAL
Definición.- Si el espacio vectorial V tiene una base finita, entonces la dimensión de V es el
número de vectores en todas las bases y V se llama espacio vectorial de dimensión finita. La
dimensión de V se la denota como: dim V.

EJEMPLOS:


Si V = P
n
¬ dim P
n
= n +1
( )
Si V = M
2×2
¬ dim M
2×2
= 4
Si V = M
2×3
¬ dim M
2×3
= 6



- Todo espacio vectorial que tenga un subespacio de dimensión infinita es también de
dimensión infinita.

- Si W es un subespacio de V y

dimV = n , entonces:



i
)
W = 0
{ }
¬ dimW = 0
ii
)
W = gen v
1
{ } ¬ dimW =1
iii
)
W = gen v
1
,v
2
,v
3
{ } ¬ dimW = 3



EJERCICIOS:

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 33
Determine una base para el espacio generador

S = gen 2x ÷ y + 3z, 4x ÷2y + 6x, ÷6x + 3y = 9z { }. Encuentre su dimensión.


2x ÷ y + 3z = 0
4x ÷2y + 6z = 0
÷6x + 3y ÷9z = 0
¦
´
¦
¹
¦
2 ÷1 3
4 ÷2 6
÷6 3 ÷9
0
0
0
|
\



|
.
|
|
|
~
2 ÷1 3
0 0 0
0 0 0
0
0
0
|
\



|
.
|
|
|
¬ 2x ÷ y + 3z = 0
H =
x
y
z
|
\



|
.
|
|
|
/2x ÷ y + 3z = 0
¦
´
¦
¹
¦
¹
`
¦
)
¦
=
x
y
z
|
\



|
.
|
|
|
/2x + 3z = y
¦
´
¦
¹
¦
¹
`
¦
)
¦
=
x
y
z
|
\



|
.
|
|
|
/
x
2x + 3z
z
|
\



|
.
|
|
|
¦
´
¦
¹
¦
¹
`
¦
)
¦
=
x
y
z
|
\



|
.
|
|
|
/ x
1
2
0

|
\



|
.
|
|
|
+ z
0
3
1
|
\



|
.
|
|
|
¦
´
¦
¹
¦
¹
`
¦
)
¦
|
H
=
1
2
0

|
\



|
.
|
|
|
,
0
3
1
|
\



|
.
|
|
|
¦
´
¦
¹
¦
¹
`
¦
)
¦
¬ dim|
H
= 2


Determine una base para el espacio generador

S = gen 1÷ x + x
2
, 2+ x ÷ x
2
, x + x
2
, 1÷ x ÷ x
2
{ }
. Encuentre su dimensión.

{ } 3 dim 1 , ,
0 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
0 1 0 0
0 0 0 1
0 1 1 1
0 0 0 0
0 2 0 0
0 0 0 1
0 1 1 1
0 2 0 0
0 2 0 0
0 0 0 1
0 1 1 1
0 2 0 0
0 2 0 1
0 0 0 1
0 1 1 1
0 2 0 0
0 2 0 1
0 0 0 3
0 1 1 1
0 1 1 1
0 1 1 0
0 1 1 2
0 1 1 1
0 1
0
0 2
0 1
2
2
2
2
2
= =
|
|
|
|
|
.
|

\
|
~
|
|
|
|
|
.
|

\
| ÷
~
|
|
|
|
|
.
|

\
| ÷
~
|
|
|
|
|
.
|

\
|
÷
÷
~
|
|
|
|
|
.
|

\
|
÷
÷
~
|
|
|
|
|
.
|

\
|
÷
÷
~
|
|
|
|
|
.
|

\
|
÷ ÷
÷
÷
¦
¦
¹
¦
¦
´
¦
= ÷ ÷
= +
= ÷ +
= + ÷
x x B
x x
x x
x x
x x
s






























Ejercicios:

1.- Califique cada una de las siguientes proposiciones como verdaderas o falsas, en caso de
ser verdaderas, demuestrelas y en el caso de ser falsas de un contraejemplo.

a) Sea { }
4 3 2 1
, , , V V V V un conjunto generador de V y { }
7 6 5 1
, , , V V V V un conjunto linealmente
dependiente en V, entonces 3 s DimV
b) Todo conjunto generador de un espacio vectorial de dimension n, tiene exactamente n
vectores.
c) El conjunto { }
2 1
,V V es linealmente independiente en V si y solo si
1
V y
2
V no son
multiplos escalares
d) Si { } w v v u v u B ÷ ÷ + = , , es una base de un espacio vectorial V, entonces
{ } w v u w v w u + + ÷ + 2 , , es un conjunto generador de V.
e) El conjunto
)
`
¹
¹
´
¦
|
|
.
|

\
|
|
|
.
|

\
|
÷
|
|
.
|

\

|
|
.
|

\
| ÷
=
0 1
1 0
,
2 1
1 1
,
1 3
0 1
,
6 0
1 1
G es una base del espacio vectorial
2 2×
= M V
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 34
f) Sean { }
3 2 1
, , w w w gen W = y { }
4 3 2 1
, , , u u u u gen U = dos subespacios de V, entonces
U W =
g) Si
3
P V = y { } 0 ) 0 ( ' : ) (
3
= e = p P x p W entonces una base de W es { }
3 2
, , 1 x x
h) Si { } w v u S , , = es un conjunto linealmente independiente de vectores de V,
{ } v u w u v u + + ÷ , , es una base de S.
i) Sea { } X V V V gen H , , ,
3 2 1
= y { }
3 2 3 1 2 1
, , , V V V V V V gen U + + = . Si H=U entonces el conjunto
{ } X V V V , , ,
3 2 1
es linealmente dependiente

2.- Sea H un subespacio del espacio vectorial
3
R .Sea:
¦
)
¦
`
¹
¦
¹
¦
´
¦
|
|
|
.
|

\
|
÷
|
|
|
.
|

\
|
÷
|
|
|
.
|

\
|
÷
÷
=
4
1
4
,
2
1
3
,
6
2
1
S
un conjunto generador de H.
a)Determine si los vectores son linealmente independientes
b)En caso de ser linealmente independientes, complete un base para
3
R

3.- Determine las dimensiones de los siguientes espacios vectoriales
a) El conjunto de vectores en
n
R
b) El conjunto de las matrices simetricas de n por n
c) El conjunto de las matrices antisimetricas de n por n
d) El conjunto de los numeros complejos



2.5 Espacios con producto interno, norma de un vector

DEFINICIÓN 1
Espacio con producto interno.- Un espacio vectorial complejo V se llama espacio con
producto interno si para cada par ordenado de vectores u y v en V, existe un número
complejo único (u,v), llamado producto interno de u y v, tal que si u, v y w están en V y

C, entonces
EJEMPLO
Un producto interno en Rn Rn .- es un espacio con producto interno con (u, v)= u * v.
DEFINICIÓN 2
Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces
i. u y v son ortogonales si (u, v) = 0
norma de u, denota por u, esta dada por
U = √

Nota: A la u se le pone doble barra para evitar confusión con el valor absoluto
EJEMPLO
Dos vectores ortogonales en C2 los vectores (3, -1) y (2, 6i) son ortogonales porque
((3, -1), (2, 6i)) = 3*2 + (-i)(6i) = 6 + (-i)(-6i) = 6 -6 = 0 además (3, -i)) = = .
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 35
DEFINICIÓN 3
Conjunto ortonormal .- El conjunto de vectores v1, v2, . . ., vn es un conjunto ortonormal en
V si
(vi, vj) = 0 para i
y
vi = = 1
DEFINICIÓN 4
Complemento ortogonal.- Sea H un subespacio del espacio con producto interno V.
Entonces el complemento ortogonal de H, denotado por H, está dado por
H = x
V : (x, h) = 0 para todo h en H
Resolver los siguientes problemas


1) Si u=(3,-2), v=(4,5) .Calcular <u,v>

a) 2
b) 4
c) 8
d) 9
e) 12

2) Si u=(4,-3), v=(5,6) .Calcular <u,v>

a) 2
b) 4
c) 8
d) 9
e) 12


3) Si u=(5,-4), v=(6,7) .Calcular <u,v>

a) 2
b) 4
c) 8
d) 9
e) 12

4) Si u=(6,-5), v=(7,8) .Calcular <u,v>
a) 2
b) 4
c) 8
d) 9

5) Si u=(7,-6), v=(8,9) .Calcular <u,v>

a) 2
b) 4
c) 8
d) 9
e) 10
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 36
2.6 Proyecciones ortogonales. Proceso de Gram Schmidt

Presentamos una ruta alternativa, la cual no esquematizamos totalmente ya que es superada
por la utilización de las matrices de Givens.

Efectuaremos una descomposición QR de la matriz



A =


La descomposición QR basada en el método de ortogonalización de Gram-Schmidt, sigue el
siguiente procedimiento.

A partir de las columnas de A, se construye una base de su espacio columna C(A).

Comenzando con las columnas de A; A
1
, A
2
, A
3
, en donde



A
1
= A
2
= A
3
=


Iniciamos el proceso de ortogonalización con u
1
= A
1
.

Normalizando a A
1
, obtenemos w
1
= (1/| u
1
|) u
1
.


w
1
= (1/2) A
1
. Por lo tanto



w
1
=


Como w
1
es de norma 1, hacemos

u
2
= A
2
– (< A
2
, w
1
>/ < w
1
, w
1
>) w
1
= A
2
– < A
2
, w
1
> w
1
=


- (1/2) =



Como | u
2
|= \((1/4)
2
+ (3/4)
2
+ (1/4)
2
+ (1/4)
2
) = \3 / 2

Normalizando a u
2
obtenemos el nuevo vector w
2
= ( 1/| u
2
| ) u
2
= ( 1/ (\3 / 2)) u
2



w
2
= (2/\3) = , de donde



A
2
= u
2
+ < A
2
, w
1
> w
1
= | u
2
| w
2
+ < A
2
, w
1
> w
1



Tomamos ahora u
3
= A
3
- < A
3
, w
1
> w
1
- < A
3
, w
2
> w
2
=(recuerde que | w
1
| = | w
2

|= 1
1 0 1
1 1 0
1 0 1
1 0 0
1
1
1
1
0
1
0
0
1
0
1
0
A1 = 2 w1
1/2
1/2
1/2
1/2
0
1
0
0
1/2
1/2
1/2
1/2
- 1/4
3/4
- 1/4
- 1/4
- 1/4
3/4
- 1/4
- 1/4
- \3 / 6
\3 / 2
- \3 / 6
- \3 / 6
A2 = (1/2) w1 + (\3 / 2) w2
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 37


= - 1 - ( -\3 / 3) =



Como | u
3
| = \6 / 3, hacemos

w
3
= 1 /| u
3
|

= (3 / \6) u
3
= (3\6 / 6) u
3
= (\6 / ) u
3
=


Luego A
3
= u
3
+ < A
3
, w
1
> w
1
+ < A
3
, w
2
> w
2
=
| u
3
| w
3
+ < A
3
, w
1
> w
1
+ < A
3
, w
2
> w
2
.

Por lo tanto


Una vez calculados los vectores base ortonormales en C(A),


w
1
= w
2
= w
3
=


Completaremos esta base del espacio columna de A, C(A), con un vector fuera de tal
subespacio que conforme con ellos una base ortogonal de R
4
.

Hay que hallar un vector en R
4
que no pertenezca a C(A). Un vector b = que no sea
combinación lineal de las columnas de A. O sea tal que:

b = x
1
A
1
+ x
2
A
2
+ x
3
A
3
,

no tenga solución.


Es decir que = x
1
+ x
2
+ x
3



no tenga solución.

O sea que





No tenga solución. Esto evidentemente sucede si b
1
= b
3
.


Podemos tomar por ello el vector b =



Debemos formar con w
1
, w
2
, w
3
, y b, una base ortonormal, completándola así por Gram-
Schmidt:

u
4
= b - < b , w
1
> w
1
- < b , w
2
> w
2
- < b , w
3
> w
3
=




- (1/2) + (\3 / 6) - (\6 / 6)

1
0
1
0
1/2
1/2
1/2
1/2
1/3
0
1/3
- 2/3
- \3 / 6
\3/ 2
- \3 /6
- \3 /6
0
6
\6 / 6
0
\6 /6
- \6 /3
0
6
A3 = w1 - (\3 / 3) w2 + (\6 / 3) w2
1/2
1/2
1/2
1/2
- \3 / 6
\3 / 2
- \3 / 6
- \3 / 6
\6 / 6
0
\6 / 6
- \6 / 3
b1
b2
b3
b4
x1 + + x3 = b1
x1 + x2 = b2
x1 + + x3 = b3
x1 = b4

b1
b2
b3
b4
1
1
1
1
0
1
0
0
1
0
1
0
1
0
0
0
1
0
0
0
1/2
1/2
1/2
1/2
- \3 / 6
\3 / 2
- \3 / 6
- \3 / 6
\6 / 6
0
\6 / 6
- \6 / 3
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 38




= . Como |u
4
| = \2 / 2, tenemos: w
4
= ( 2/\2 ) =


La matriz Q = | w
1
, w
2
, w
3
, w
4
| , es una matriz ortogonal.

Tomando en cuenta dicha matriz Q y los coeficientes que relacionan las columnas de A con
las columnas de Q , que aparecieron en los cuadros enmarcados de esta sección,
concluimos que:



=


Los coeficientes que aparecen en las expresiones de los vectores A
1
, A
2
, A
3
como
combinaciones lineales de los vectores ortogonales w
1
, w
2
, w
3,
w
4
, que conforman que
conforman a la matriz ortogonal Q, aparecen en ese mismo orden organizados por columnas
en la matriz “triangular superior” R.

Esta última descomposición no es exactamente la misma que se obtuvo utilizando las
transformaciones de Givens, por lo cual concluimos que la descomposición QR no es única.

Algunas aplicaciones de la descomposición QR

i) Si A es una matriz y se ha logrado la descomposición QR, en donde Q es una
matriz ortogonal, un sistema de ecuaciones lineales Ax = b, se puede expresar
como QRx = b y resolverse fácilmente por sustitución regresiva como Rx = Q
T
b,
ya que R es una matriz triangular superior.
ii) Si A es una matriz cuadrada, A = QR, donde Q es una matriz ortogonal, puede
probarse que |Q|= 1 (a partir de la propiedad Q
T
Q = 1, y | Q
T
|= | Q |, esta
ultima propiedad del determinante es válida para todas las matrices cuadradas).
Luego | A|= | Q R|= | Q || R|= | R |. Como R es una matriz triangular
superior, su determinante se calcula fácilmente multiplicando los elementos de la
diagonal.
iii) Si A es una matriz de dimensión mxn, m>n, con columnas linealmente
independientes, descompuesta como A = QR, Q matriz ortogonal, R triangular
superior (entendiendo como triangular superior de dimensión mxn a matrices
como la de orden 3x2 del ejemplo anterior), la solución de Ax = b, como se dijo
antes en i), está dada por Rx = Q
T
b. La solución por mínimos cuadrados de Ax =
b, sería la misma que la de Rx = Q
T
b. La ecuación normal para este último
problema sería R
T
Rx = R
T
Q
T
b. A pesar de ser R una matriz rectangular de
dimensión mxn, R
T
R es una matriz cuadrada. Puede probarse que la
independencia lineal de las columnas de A implica la independencia lineal de las
columnas de R y que por dicha independencia R
T
R es no singular. La solución de
R
T
Rx= R
T
Q
T
b se simplifica por el hecho de que R es triangular superior.
iv) Es la base de un importante algoritmo para calcular autovalores. Si A = QR,
entonces Q
T
AQ = Q
T
(QR)Q = RQ. Por lo tanto RQ es semejante a QR, en
consecuencia los autovalores de A = RQ son los mismos autovalores que los de
QR. En esto se basa el Algoritmo QR para calcular autovalores, el cual bajo
ciertas condiciones tiene éxito. Tal algoritmo procede así:
a. Se descompone A en la forma QR
b. Se procede a calcular RQ (Este calculo es inmediato)
c. Haciendo A = RQ se procede de nuevo al paso
A medida que se repitan los pasos, bajo ciertas condiciones, los elementos
debajo de la diagonal principal de la matriz A (sustituida por RQ en el paso c.)
tienden a cero y los elementos de la diagonal a los autovalores de A.
1/2
0
-1/2
0
1/2
0
-1/2
0
\2 / 2
0
- \2 / 2
0
2 1/2 1
0 \3/ 2 - \3/ 3
0 0 \6/ 3
0 0 0
1 0 1
1 1 0
1 0 1
1 0 0
1/2
1/2
1/2
1/2
- \3 / 6
\3 / 2
- \3 / 6
- \3 / 6
\6 / 6
0
\6 / 6
- \6 / 3
\2 / 2
0
- \2 / 2
0
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 39

v) Al resolver un sistema sobredeterminado Ax = b de ecuaciones, por
proyección ( aproximación por mínimos cuadrados) se utiliza a
menudo el siguiente método
a. Se factoriza A = QR, con R triangular superior y Q ortogonal
(QQ
T
=I)
b. Se calcula y = Q
T
b
c. Se resuelve Rx = y, por sustitución, ignorando las entradas que
no pertenecen a las columnas de la matriz original A.
Q se puede obtener por el método de Gram-Schmidt (modificado si
no se quiere acarrear la inestabilidad) sobre las columnas de A, las
cuales se completan para obtener la base ortonormal que conformará
a Q. La matriz R contiene los coeficientes del proceso de
ortogonalización de Gram-Schmidt). En la práctica se utilizan
matrices de rotación o transformaciones de Householder para
obtener Q.
Ejercicios

1. Halle factorizaciones QR de las siguientes matrices utilizando las
transformaciones de Givens:

a) b) c)



2. Halle factorizaciones QR de las matrices anteriores, utilizando el método de
ortogonalización de Gram-Schmidt.
3. Halle por cualquier método la descomposición QR de A =
|
|
|
.
|

\
|
1 0 2
2 3 0
3 2 1




















-12 1
4 0
3 3
- 6 2
8 4

12 -3 1
-3 1 2
4 -4/3 -1
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 40
III Valores propios
3.1 Vectores y valores propios.

Esta trata de la determinación de aquellos valores característicos de una matriz
triangular, nos dice que los valores propios son también llamados valores
característicos o también autovalores y eigenvalores, en el cual puede hallarse
por simple inspección, también nos indica que existen varios métodos para su
resolución.





Todo vector x distinto de cero que satisfaga es un vector propio de A,
asociado con valor propioì . Los valores propios también se llaman
valores característicos, autovalores, valores latentes o eigenvalores (del
alemán eigen, que significa “propio”). De manera similar los vectores propios
también se llaman vectores característicos, autovalores, valores latentes
o eigenvalores.

Calculo de valores característicos y vectores característicos
Ejemplo
(
¸
(

¸

÷
=
4 2
1 1
A
Queremos determinar los valores propios de A y sus vectores propios
asociados. En consecuencia, queremos determinar todos los números reales ì
y todos los vectores no nulos.
(
¸
(

¸

=
x
x
X
2
1

Que satisfaga ( ) 1 , es decir,


(
¸
(

¸

=
(
¸
(

¸

(
¸
(

¸

÷
2
1
2
1
4 2
1 1
_
_
ì
_
_

La ecuación se convierte

Sea una matriz . El número real ì es un valor propio (también conocidos
como, valores característicos, autovalores o incluso eigenvalores) de si existe un
vector x distinto en cero
R
n
tal que
X AX ì =
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 41

, 4 2
2 2 1
1 2 1
ì_ _ _
ì_ _ _
= + ÷
= +

O

( )
( ) 0 4 2
0 1
2 1
2 1
= ÷ +
= ÷ ÷
_ ì _
_ _ ì


La ecuación es un sistema homogéneo de dos ecuaciones en dos incógnitas.
implica que el sistema homogéneo tiene una solución no trivial si ¸ solo si el
determinante de su matriz de coeficientes es cero; es decir, si ¸ solo si.
0
4
1
2
1
=
÷
÷ ÷
ì
ì


Esto significa que
( )( ) 0 2 4 1 = + ÷ ÷ ì ì
O
( )( ). 2 3 0 6 5
2
÷ ÷ = = + ÷ ì ì ì ì
Por tanto,
3 2
2 1
= = ì ì y

Son los valores propios de A. Para determinar todos los vectores propios de A
asociados con , 2
1
= ì formamos el sistema lineal
, 2x Ax =
O

(
¸
(

¸

=
(
¸
(

¸

(
¸
(

¸

÷
2
1
2
1
2
4
1
2
1
x
x
x
x

Esto da como resultado

2 2 1
1 2 1
2 4 2
2
x x x
x x x
= + ÷
= +

O

( )
( ) 0 4 2 2
0 1 2
2 1
2 1
= ÷ +
= ÷ ÷
x x
x x

Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 42
O

0 2 2
0
2 1
2 1
= ÷
= ÷
x x
x x

Observe que podríamos haber obtenido este ultimo sistema homogéneo
simplemente sustituyendo 2 = ì en ( ) 3 . Todas las soluciones de este ultimo
sistema están dadas por

r real numero cualquier x
x x
.. .. ..
2
2 1
=
=

Por tanto, todos los vectores propios asociados con el vector propio 2
1
= ì
están dados por
(
¸
(

¸

r
r
, donde r es cualquier número real distinto de cero. En
particular,

(
¸
(

¸

=
1
1
1
x
Es un vector propio asociado con 2
1
= ì . De manera análoga, para 3
2
= ì
obtenemos a partir de ( ) 3 ,

( )
( ) 0 4 3 2
0 1 3
2 1
2 1
= ÷ +
= ÷ ÷
x x
x x

O

0 2
0 2
2 1
2 1
= ÷
= ÷
x x
x x

Todas las soluciones de este ultimo sistema homogéneo están dadas por

. .. .. ...
2
1
2
2 1
r real numero cualquier x
x x
=
=

Por tanto, todos los vectores propios asociados con el valor propio 3
2
= ì están
dados por
(
(
¸
(

¸

r
r
2
1
, donde r es cualquier número real distinto de cero. En
particular,

(
¸
(

¸

=
2
1
2
x
Es un vector propio asociado con 3
2
= ì .
Algebra Lineal Facultad de Metalurgia Dr. Gregorio Gonzalez Zamarripa 43
IV. SISTEMAS DE COORDENADAS